Định nghĩa một câu
Nguồn dữ kiện tin cậy là đơn vị dữ kiện nhỏ nhất đã được doanh nghiệp xác nhận, truy được về chứng từ gốc, và trong mỗi ngôn ngữ chỉ có một cách viết. Nó không phải «bài giới thiệu công ty», mà là một nhóm giá trị có thể đối chiếu từng trường: tên pháp định, mã đăng ký, địa chỉ, khu vực phục vụ, giấy phép, thông tin liên hệ.
Tiêu chí duy nhất: tách riêng trường đó ra, đặt sang trang khác, ngôn ngữ khác, nó có còn chỉ đúng một thứ hay không. Còn thì là nguồn dữ kiện; không còn thì chỉ là câu chữ.
AI không trích bạn thường đứt ở ba chỗ
| Điểm đứt | Biểu hiện | Do đâu quyết định |
|---|---|---|
| Một. Không lấy được | Nội dung hiển thị bằng JavaScript, robots chặn bot AI, không có sitemap | Khả năng truy cập |
| Hai. Không hiểu | Không có dữ liệu có cấu trúc, máy không biết đoạn văn thuộc tổ chức nào | Đánh dấu ngữ nghĩa |
| Ba. Không dám dùng | Cùng một chủ thể có tên, địa chỉ, mã khác nhau ở các trang, không xác định được giá trị nào là chuẩn | Tính nhất quán |
Hai điểm đầu là vấn đề kỹ thuật, sửa một lần là xong; điểm thứ ba là vấn đề vận hành, càng nhiều trang càng nặng. Đây cũng là lý do nhiều doanh nghiệp «điểm kỹ thuật không thấp mà AI vẫn không nhắc» — họ tắc ở tầng thứ ba.
Một nguồn dữ kiện đạt chuẩn gồm những gì
| Trường | Yêu cầu | Lỗi thường gặp |
|---|---|---|
| Tên pháp định | Khớp từng chữ với giấy đăng ký, mỗi ngôn ngữ một bản | Dùng tên thương hiệu thay tên pháp định; viết tắt tùy ý |
| Mã đăng ký | Mã tín dụng xã hội thống nhất của Trung Quốc hoặc mã doanh nghiệp Việt Nam, chỉ ghi số | Lấy mã số thuế làm mã doanh nghiệp; trộn hai chủ thể |
| Địa chỉ đăng ký | Khớp giấy đăng ký, gồm tầng và đơn vị hành chính | Ghi địa chỉ văn phòng; thiếu dấu trong tiếng Việt |
| Khu vực phục vụ | Ghi rõ quốc gia, tỉnh thành, không ghi «toàn cầu» | «Phục vụ toàn cầu» tương đương không có thông tin |
| Giấy phép, chứng nhận | Tên, số, thời hạn, cơ quan cấp | Chỉ ghi «có đủ tư cách» mà không có số |
| Liên hệ | Khớp ở ba nơi: website, dữ liệu có cấu trúc, danh thiếp | Website một email, dữ liệu có cấu trúc một email khác |
Không cần nhiều trường, cần «mỗi trường chỉ có một giá trị chuẩn». Mười trường nhất quán hơn một trăm đoạn tính từ.
Bốn kiểu lệch điển hình khi song ngữ Việt – Trung
Trong bối cảnh xuyên biên giới, nguồn dữ kiện dễ đứt nhất ở khâu dịch. Bốn kiểu chúng tôi gặp nhiều nhất:
- Thay bằng phiên âm: trang tiếng Việt dùng phiên âm tên tiếng Trung làm tên tiếng Việt. Cách đúng là dùng tên tiếng Việt trên giấy đăng ký, nếu cần thì để tên tiếng Trung trong ngoặc.
- Trộn chủ thể: chủ thể Trung Quốc và chủ thể Việt Nam bị viết thành «chúng tôi» trong cùng một đoạn, người đọc và mô hình đều không biết bên ký là ai. Kinh doanh xuyên biên giới phải luôn nêu rõ pháp nhân nào.
- Trang và dữ liệu có cấu trúc không khớp: trang ghi công ty A, JSON-LD ghi công ty B, và thứ được trích lại là B.
- Dịch máy làm thực thể trôi: dịch «dịch vụ thương mại» thành một ngành không tồn tại, máy khớp sang thực thể khác, từ đó trích dẫn là người khác.
Bốn vấn đề này không cần «mô hình thông minh hơn» để giải quyết, chỉ cần một lần đối chiếu từng trường.
Số đo của chính chúng tôi: ngay cả chúng tôi cũng chưa làm đủ
Trang chủ của website này (bản tiếng Trung và bản tiếng Việt) được chấm 83 điểm, mức good. Nhìn chi tiết, điểm bị trừ tập trung ở hai chỗ:
| Chiều | Điểm | Ghi chú |
|---|---|---|
| Dữ liệu có cấu trúc | 10/16 | Đã có Organization và WebSite, nhưng đánh dấu cấp Article và liên kết thực thể vẫn chưa đầy đủ |
| Thực thể thương hiệu | 6/10 | Thiếu liên kết hồ sơ bên ngoài có thể kiểm chứng; chúng tôi không bịa sameAs |
| Tín hiệu | 3/6 | Đề cập và trích dẫn từ bên ngoài vẫn đang tích lũy |
| Truy cập và llms | 18/18 / 18/18 | Hai chiều này đã tối đa, thuộc phần «sửa một lần là xong» |
Phơi điểm yếu của mình ra vì đây là thứ dễ bị bán như phép thuật nhất. Chiều kỹ thuật có thể đạt tối đa sau một lần sửa; chiều thực thể chỉ kiếm được bằng thời gian, nguồn bên ngoài và tính nhất quán. Hai việc không giống nhau, báo giá và thời hạn cũng không nên gộp.
Cách xây: ba bước và một tiêu chí nghiệm thu
- Bước một, kiểm kê: lấy toàn bộ thông tin chủ thể từ website, dữ liệu có cấu trúc, danh thiếp, báo giá, gian hàng sàn thương mại điện tử, gom thành một bảng.
- Bước hai, doanh nghiệp xác nhận: doanh nghiệp xác nhận từng trường giá trị chuẩn, không để bên thực hiện tự chọn «cách viết hợp lý nhất». Việc xác nhận phải lưu vết.
- Bước ba, viết hai bản: mỗi ngôn ngữ một bản, từng trường tương ứng một-một; trang ghi gì thì dữ liệu có cấu trúc ghi đúng như vậy.
Tiêu chí nghiệm thu: số khác biệt của cùng một trường ở ba nơi «nội dung trang, dữ liệu có cấu trúc, bảng đối chiếu song ngữ» phải bằng 0. Không phải «gần giống», mà là không khác biệt. Chưa đạt số 0 thì chưa được nói nguồn dữ kiện đã xây xong.
Giới hạn
- Nguồn dữ kiện không thay thế ý kiến pháp lý: chủ thể xuyên biên giới, bên ký hợp đồng và xử lý thuế vẫn phải do luật sư và kế toán kiểm theo tài liệu thực tế.
- Nguồn dữ kiện không bảo đảm được trích dẫn: nó chỉ giải quyết «có dám dùng hay không», không giải quyết «có được hỏi tới hay không».
- Nguồn dữ kiện không được bịa: không có giấy phép thì không ghi, không có chứng nhận thì không chế; thiếu thì ghi thiếu.
- Nguồn dữ kiện sẽ hết hạn: địa chỉ, giấy phép, người liên hệ thay đổi phải cập nhật, nếu không chính tính nhất quán lại thành rủi ro.