Brand Context 如何把品牌上下文整理成 Schema，減少 LLM 編造資訊

Vì sao LLM "viết sai thương hiệu" và đây là bài toán ngữ cảnh, không phải bài toán prompt

Khi dùng LLM để sinh nội dung hàng loạt (mô tả sản phẩm, bài blog, trả lời khách), lỗi hay gặp nhất không phải ngữ pháp mà là nội dung đúng văn phong nhưng sai sự thật: bịa tính năng, hứa kết quả, dùng chính sách cũ. Nguyên nhân là mô hình không có dữ liệu về thương hiệu của bạn, nên nó điền vào chỗ trống bằng phỏng đoán có xác suất cao nhất.

Cách chữa phổ biến là sửa prompt sau mỗi lần lỗi. Cách này không bền: prompt là thứ dùng một lần, mỗi người viết một kiểu, và lỗi cũ quay lại. Hướng tiếp cận có hệ thống hơn là tách phần ngữ cảnh ra thành một tài liệu có cấu trúc, được version hóa và dùng chung. Bài này mô tả cấu trúc đó, gọi là Brand Context, dưới góc nhìn của người làm kỹ thuật: dữ liệu gồm gì, vì sao chia như vậy, và kiểm thử ra sao.

Brand Context như một schema

Có thể xem Brand Context là một "schema" gồm 8 nhóm thông tin: nhận diện, doanh nghiệp và sứ mệnh, định vị và USP, sản phẩm và dịch vụ, khách hàng mục tiêu, pain point và Search Intent, Brand Voice và quy tắc ngôn ngữ, quy tắc nội dung và kiểm duyệt. Không cần điền đủ 8 nhóm ngay. Nếu mục tiêu đầu tiên là sinh nội dung SEO, hãy bắt đầu từ sản phẩm, khách hàng, Search Intent và Brand Voice.

Tách dữ liệu ít đổi khỏi dữ liệu hay đổi

Nguyên tắc thiết kế quan trọng nhất là phân tách theo tần suất thay đổi. Định vị, giọng văn, quy tắc ngôn ngữ gần như cố định. Giá, khuyến mãi, bộ sưu tập theo mùa thì đổi liên tục. Nếu trộn chung một tài liệu, bạn sẽ phải sửa tài liệu lõi mỗi lần đổi giá, và rủi ro là AI dùng thông tin hết hạn. Vì vậy phần hay đổi nên nằm ở tài liệu riêng, cập nhật độc lập. Tương tự cache invalidation: dữ liệu có vòng đời khác nhau thì không nên chung một khóa.

Ràng buộc phủ định (negative constraints)

Phần nhiều người bỏ quên là danh sách những điều không được nói: các tuyên bố cấm, giới hạn của sản phẩm, những thứ sản phẩm không làm được. Với LLM, ràng buộc phủ định tường minh hiệu quả hơn mô tả tích cực mơ hồ như "chuyên nghiệp, uy tín". Một kiểm tra đơn giản cho phần định vị: nếu bỏ tên thương hiệu đi mà câu mô tả vẫn gắn được cho đối thủ thì nó chưa đủ cụ thể để AI dùng.

Ví dụ thực tế từ tài liệu Onic Brand Context v1 dùng để định hướng AI khi tạo nội dung cho onic.vn: Onic được mô tả là giải pháp tự động hóa Content & SEO cho WordPress và WooCommerce, và ngay bên dưới tài liệu ghi rõ không được mô tả Onic như công cụ bảo đảm lên Top, thay thế hoàn toàn SEOer hay tạo nội dung không cần kiểm duyệt. Thay vào đó dùng các cách nói như "hỗ trợ", "giúp", "có thể", "theo quy trình".

Fact sheet cho dữ liệu AI dễ bịa nhất

Hãy tự hỏi: "nếu AI phải đoán, nó sẽ đoán sai ở đâu?" Câu trả lời chính là phần cần đưa vào fact sheet trước. Mỗi ngành có điểm yếu khác nhau: thời trang là bảng size và chất liệu, thực phẩm chức năng là hàm lượng và công dụng đã công bố, làm đẹp là thời gian có kết quả và chống chỉ định, phần mềm là tính năng và chi phí.

Với tài liệu của Onic, phần sản phẩm được tổ chức dạng bảng "tính năng → vai trò cần mô tả". Ví dụ Content Refresh khác New Content ở chỗ không tạo URL mới. Smart Validator kiểm tra trước và sau khi xử lý để hạn chế mất hình ảnh, liên kết nội bộ, shortcode hay dữ liệu thương mại. Với mô hình BYOK (người dùng tự dùng API key Claude hoặc OpenAI), tài liệu yêu cầu chỉ nói đúng như vậy và không khẳng định thêm về chi phí API nếu trang sản phẩm không nêu. Đây là kiểu "bảng tra cứu" dễ cho mô hình bám vào, thay vì đoạn văn mô tả dài.

Nơi mọi thứ gặp nhau: đóng gói, đưa vào AI và kiểm thử

Khung này không phụ thuộc ngành, chỉ có dữ liệu điền vào là khác. Quy trình xây dựng gồm 8 bước: xác định mục tiêu, thu thập tài liệu hiện có, chuẩn hóa định vị, mô tả sản phẩm kèm bằng chứng, xây dựng chân dung khách hàng và Search Intent, định nghĩa Brand Voice, đóng gói, rồi kiểm thử và cải tiến. Nếu muốn xem từng bước kèm ví dụ theo ngành, mình đã trình bày chi tiết trong bài [hướng dẫn 8 bước xây dựng Brand Context cho nhiều ngành](https://onic.vn/kien-thuc/brand-context/); phần dưới tập trung vào khía cạnh kỹ thuật của việc đóng gói và kiểm thử.

Cấu trúc tài liệu cho máy đọc

Tài liệu tốt cho AI khác tài liệu tốt cho người: tiêu đề rõ, mỗi mục một chủ đề, ưu tiên bảng và gạch đầu dòng thay cho đoạn dài, có phiên bản, ngày cập nhật và người chịu trách nhiệm. Nên có hai bản: bản đầy đủ để lưu trữ làm nguồn sự thật duy nhất, và bản rút gọn dán vào công cụ khi bị giới hạn độ dài. Bản rút gọn được tạo từ bản chính, không sửa tay độc lập, để tránh lệch.

Onic Brand Context v1 chia thành 13 mục, từ giới thiệu, tính năng, sản phẩm và link chính thức, chân dung khách hàng, giọng thương hiệu đến một prompt hướng dẫn chung. Prompt này gom sẵn bối cảnh, đối tượng, giọng văn, quy tắc phân vai nội dung, cấu trúc bài, liên kết chính thức và phần "Trước khi trả kết quả". Phần cuối đóng vai trò như một bước self-check: AI phải tự kiểm tra bài có đúng đối tượng không, có trùng intent với URL hướng dẫn hoặc trang sản phẩm đã có không, có phóng đại tính năng không và CTA có dẫn đúng link không.

Bốn cách đưa ngữ cảnh vào mô hình

"Đào tạo AI" thường bị hiểu nhầm là huấn luyện lại mô hình. Thực tế có bốn mức, từ nhẹ đến nặng: dán bản rút gọn vào cuộc trò chuyện; lưu vào hướng dẫn tùy chỉnh hoặc dự án của công cụ; dùng kho tri thức (RAG) để mô hình tra cứu khi trả lời; và fine-tuning. Với đa số trường hợp, hai mức đầu là đủ. RAG hợp khi tài liệu nhiều, hay đổi và có nhiều người dùng. Fine-tuning tốn kém, chỉ đáng cân nhắc khi dữ liệu lớn và có đội kỹ thuật. Cũng lưu ý bảo mật: không đưa dữ liệu khách hàng hay thông tin nội bộ chưa được phép công khai vào công cụ AI khi chưa kiểm tra chính sách dữ liệu của công cụ đó.

Trong trường hợp nhiều website, mỗi site nên có Brand Context và prompt riêng để tránh AI nhầm giọng hoặc bộ keyword giữa các site. Prompt Manager của Onic cho phép lưu prompt theo loại nội dung, website, thương hiệu và search intent, đúng với cách tách này.

Kiểm thử như kiểm thử hồi quy

Coi Brand Context như code: mỗi thay đổi cần được kiểm thử. Dựng một bộ 4 đến 5 tác vụ cố định (viết đoạn giới thiệu sản phẩm, trả lời một câu hỏi của khách, viết tiêu đề quảng cáo...) và chạy lại sau mỗi lần sửa tài liệu. Chấm đầu ra theo các tiêu chí: đúng thương hiệu, đúng sản phẩm, đúng khách hàng, đúng giọng, đúng quy tắc, đúng quy định ngành và mức độ cần sửa trước khi xuất bản.

Nên có các bài thử "đối kháng", cố tình đẩy mô hình vào chỗ dễ sai:

• Thực phẩm chức năng: hỏi "sản phẩm này có chữa được bệnh X không?". Đạt khi AI không khẳng định và nhắc hỏi ý kiến bác sĩ.
• Thời trang: hỏi "áo này có phải lụa không?" khi nhãn ghi chất liệu khác. Đạt khi AI trả lời theo dữ liệu nhãn và bảng size.
• Làm đẹp: yêu cầu viết quảng cáo "trị mụn trong 7 ngày". Đạt khi AI từ chối cách nói đó và đề xuất cách viết được phép.
• Onic: viết bài hướng dẫn về một module đã có URL hướng dẫn. Đạt khi AI không tạo bài trùng intent và không phóng đại tính năng.

Nguyên tắc quan trọng: nếu cùng một lỗi lặp lại nhiều lần, đừng vá prompt từng lần. Hãy sửa ở đúng phần gây lỗi trong Brand Context rồi chạy lại bộ bài thử, giống như sửa nguyên nhân gốc thay vì xử lý triệu chứng.

Vận hành: phiên bản, chủ sở hữu và giới hạn

Brand Context là tài liệu sống nên cần quản trị như một artifact trong dự án: một người chịu trách nhiệm chính, các bên liên quan (Sales, Sản phẩm, CSKH) xác nhận thông tin, ghi số phiên bản và nội dung thay đổi ở đầu tài liệu, và rà soát định kỳ, ví dụ mỗi quý, cũng như ngay khi đổi định vị, sản phẩm, giá hoặc chính sách. Chỉ giữ một nguồn sự thật, ghi nguồn đối chiếu ngay trong tài liệu để biết thông tin đến từ đâu khi cần kiểm tra lại.

Với ngành có quy định như thực phẩm chức năng, mỹ phẩm, tài chính, cần thêm bước duyệt của người có chuyên môn hoặc pháp lý, vì quy định có thể thay đổi và tài liệu này chỉ chứa cách bạn mã hóa quy định chứ không thay thế việc đối chiếu văn bản hiện hành.

Cuối cùng, một giới hạn cần nói thẳng: Brand Context làm giảm sai lệch chứ không loại bỏ hoàn toàn. Số liệu, giá, chính sách và các tuyên bố quan trọng vẫn cần con người kiểm tra trước khi xuất bản. Một cách an toàn là chạy một batch nhỏ, để nội dung ở trạng thái nháp, kiểm tra kết quả rồi mới mở rộng, đúng như cách Onic khuyến nghị cho quy trình sinh nội dung hàng loạt.