TL;DR
Prompt “Semantic adjacency: link theo quan hệ gần” có mục tiêu: link theo adjacency trong entity graph. Đầu ra chuẩn gồm sơ đồ kiến trúc → quy tắc link → backlog tối ưu → đo lại. Nguyên tắc khi chạy: link theo quan hệ entity/intent, không nhồi, không “random link”.
- Mục tiêu: Link theo adjacency trong entity graph.
- Output chuẩn: sơ đồ kiến trúc → quy tắc link → backlog tối ưu → đo lại.
- Nguyên tắc: link theo quan hệ entity/intent, không nhồi, không “random link”.
1) Input Spec (bắt buộc)
Prompt cần 5 ô nhập trước khi chạy: Site type, Scope, Goal, Constraints và Data. Điền đủ các ô bằng thông tin thật của dự án rồi mới dán prompt vào công cụ AI, ô nào bỏ trống thì kết quả sẽ chung chung.
2) Ví dụ thực chiến
Ví dụ chạy với SITE_TYPE là “KB”, SCOPE là “Entity relation” và GOAL là “giảm orphan + tăng crawl depth chất lượng”. Đối chiếu kết quả của ví dụ với bảng Pass/Fail trước khi thay bằng dữ liệu dự án của bạn.
Input
- SITE_TYPE: KB
- SCOPE: Entity relation
- GOAL: giảm orphan + tăng crawl depth chất lượng
- DATA: GSC + sitemap
Output kỳ vọng
- Architecture map (Hub/Spoke/Bridge) + taxonomy rules
- Internal link rules: vị trí, anchor, số lượng, điều kiện
- Backlog tối ưu + đo trước/sau
3) Mẫu thao tác (copy dùng ngay)
Dán nguyên mẫu vào ChatGPT, Gemini hoặc Claude, thay 5 ô {SITE_TYPE}, {SCOPE}, {GOAL}, {CONSTRAINTS} và {DATA} bằng thông tin của bạn rồi chạy. Mẫu giao cho AI vai Information Architect + Internal Linking Strategist, nên giữ nguyên câu mở đầu để lần chạy nào cũng ra cùng một cấu trúc.
Bạn là Information Architect + Internal Linking Strategist.
Site type: {SITE_TYPE}
Scope: {SCOPE}
Goal: {GOAL}
Constraints: {CONSTRAINTS}
Data: {DATA}
Hãy xuất theo format:
A) Kiến trúc đề xuất (Hub/Spoke/Bridge) + lý do
B) Quy tắc internal link (vị trí, số link/H2, điều kiện)
C) Anchor semantics: 15 anchor mẫu theo quan hệ entity
D) Orphan & depth plan: cách phát hiện + xử lý
E) Backlog tối ưu (20 task) theo ICE + quick wins
F) Measurement plan (GSC/GA4): trước-sau, KPI, timeframe
G) Anti-pattern: 12 lỗi kiến trúc/linking làm hại SEO4) Pass/Fail
Kết quả đạt khi link có lý do, anchor mang nghĩa, có đo lại, tránh trùng intent. Không đạt khi link ngẫu nhiên, anchor “tại đây”, nhồi link sitewide. Chấm kết quả theo hai tiêu chí này trước khi dùng, trượt tiêu chí nào thì sửa ô nhập đó rồi chạy lại.
KẾT QUẢ ĐẠT CHUẨN (PASS)
- Bám sát 100% dữ liệu đầu vào thực tế, không đưa ra nhận định chung chung thiếu bằng chứng.
- Phân loại thứ tự ưu tiên bằng số điểm định lượng (ICE/RICE), chỉ rõ các tác vụ khẩn cấp cần làm trước.
- Lịch trình triển khai được bóc tách theo từng ngày hoặc từng giai đoạn rõ ràng, có phân công cụ thể.
- Mỗi đầu việc đều có tiêu chuẩn nghiệm thu định lượng (Definition of Done) đo lường được.
- Có kịch bản rollback và phương án xử lý rủi ro dự phòng nếu phát sinh sự cố kỹ thuật.
KẾT QUẢ CẦN CHẠY LẠI (FAIL)
- Đưa ra lời khuyên lý thuyết sách giáo khoa mà không giải quyết dữ liệu cụ thể của dự án.
- Không phân định rõ ràng thời gian hoàn tất, dàn trải tài nguyên tùy tiện.
- Tiêu chí nghiệm thu ghi mơ hồ, thiếu chỉ số kỹ thuật hoặc ngưỡng định lượng đối chứng.
- Thiếu phương án dự phòng khi phát sinh xung đột mã nguồn hoặc tụt lưu lượng truy cập.
Định nghĩaSemantic adjacency là cách đặt internal link theo quan hệ gần giữa các entity và intent trong entity graph, giúp giảm trang orphan và tăng crawl depth chất lượng mà không nhồi link.
Cách chạy prompt semantic adjacency để đặt link theo quan hệ gần
Các bước giúp bạn điền đủ ô nhập, chạy mẫu prompt trên công cụ AI và chấm kết quả theo bảng Pass/Fail trước khi đưa link vào website.
- Điền đủ 5 ô nhậpĐiền Site type, Scope, Goal, Constraints và Data bằng thông tin thật của dự án, vì ô nào bỏ trống thì kết quả sẽ chung chung.
- Chạy thử với ví dụ KBChạy ví dụ với SITE_TYPE là KB, SCOPE là Entity relation, GOAL là giảm orphan và tăng crawl depth chất lượng, DATA là GSC và sitemap.
- Dán mẫu vào công cụ AIDán nguyên mẫu vào ChatGPT, Gemini hoặc Claude, thay các ô bằng thông tin của bạn và giữ nguyên câu mở đầu để mỗi lần chạy ra cùng cấu trúc.
- Kiểm tra đủ phần đầu raKiểm tra đầu ra có đủ sơ đồ kiến trúc Hub, Spoke, Bridge, quy tắc link về vị trí, anchor, số lượng, điều kiện, cùng backlog tối ưu kèm đo trước sau.
- Chấm theo bảng Pass/FailĐạt khi link có lý do, anchor mang nghĩa, có đo lại và tránh trùng intent. Không đạt khi link ngẫu nhiên, anchor “tại đây” hoặc nhồi link sitewide.
- Sửa ô nhập rồi chạy lạiTrượt tiêu chí nào thì sửa đúng ô nhập liên quan, chạy lại prompt và chấm lại trước khi dùng kết quả trên website của bạn.
Câu hỏi thường gặp về Semantic adjacency
Giải đáp trực tiếp các câu hỏi thường gặp về Semantic adjacency dựa trên dữ liệu triển khai thực tế, quy trình kiểm thử kỹ thuật và kinh nghiệm thực chiến trên website thật để tối ưu hiệu quả tìm kiếm.
Vì sao kết quả prompt semantic adjacency ra chung chung, khó áp dụng?
Kết quả chung chung thường do bỏ trống ô nhập. Prompt cần đủ Site type, Scope, Goal, Constraints và Data bằng thông tin thật của dự án. Ô nào để trống, AI phải tự đoán bối cảnh, nên quy tắc link và backlog đưa ra sẽ thiếu cụ thể cho website của bạn.
Đặt link ngẫu nhiên giữa các bài thì sai ở chỗ nào?
Link ngẫu nhiên nằm trong tiêu chí Fail vì không có lý do theo quan hệ entity hoặc intent. Semantic adjacency yêu cầu mỗi link nối hai trang gần nhau trong entity graph, anchor mang nghĩa và tránh trùng intent, để rõ vì sao hai trang được nối.
Nối link giữa hai trang trùng intent có làm kết quả bị chấm trượt không?
Có, link nối hai trang trùng intent bị chấm trượt, vì bảng Pass/Fail chỉ chấm đạt khi link tránh trùng intent. Semantic adjacency nối các trang gần nhau theo quan hệ entity hoặc intent, nên mỗi link cần có lý do rõ, anchor mang nghĩa và có đo lại trước sau. Trượt tiêu chí này thì bạn sửa ô nhập liên quan rồi chạy lại.
Nhồi thật nhiều link sitewide có giúp trang được crawl tốt hơn không?
Không, nhồi link sitewide là tiêu chí Fail của prompt. Nguyên tắc khi chạy là link theo quan hệ entity hoặc intent, không nhồi và không random link. Mục tiêu tăng crawl depth chất lượng đến từ link có lý do, đặt đúng vị trí, đúng số lượng và có đo lại trước sau.
Prompt semantic adjacency cần những ô nhập nào trước khi chạy?
Prompt cần 5 ô nhập: Site type như Blog, KB, Ecom, Service, SaaS. Scope như folder, cluster, 10 URL, 50 URL. Goal như crawl, index, rank, UX, conversion. Constraints như dev time, theme, plugin. Data như GSC, GA4, log, sitemap.
Đầu ra chuẩn của prompt semantic adjacency gồm những phần nào?
Đầu ra chuẩn đi theo thứ tự sơ đồ kiến trúc, quy tắc link, backlog tối ưu rồi đo lại. Sơ đồ kiến trúc chia trang thành Hub, Spoke, Bridge kèm taxonomy rules. Quy tắc link nêu vị trí, anchor, số lượng, điều kiện. Backlog đi cùng số đo trước và sau.
Khi chạy thử cho một website KB, nên điền các ô nhập ra sao?
Với website KB, ví dụ điền SITE_TYPE là KB, SCOPE là Entity relation, GOAL là giảm orphan và tăng crawl depth chất lượng, DATA là GSC và sitemap. Bạn đối chiếu kết quả của ví dụ với bảng Pass/Fail trước, rồi mới thay bằng dữ liệu dự án của bạn.
Bảng Pass/Fail của prompt semantic adjacency chấm những tiêu chí nào?
Bảng Pass/Fail chấm hai nhóm tiêu chí. Kết quả đạt khi link có lý do, anchor mang nghĩa, có đo lại và tránh trùng intent. Kết quả không đạt khi link ngẫu nhiên, anchor “tại đây” hoặc nhồi link sitewide. Bạn chấm theo hai nhóm này trước khi dùng, trượt tiêu chí nào thì sửa ô nhập đó rồi chạy lại.
Semantic adjacency trong internal linking là gì?
Semantic adjacency là cách đặt internal link theo quan hệ gần trong entity graph, tức là nối các trang có quan hệ entity hoặc intent với nhau. Semantic adjacency tránh nhồi link và random link, nhắm tới giảm orphan, tăng crawl depth chất lượng, với anchor mang nghĩa và có đo lại trước sau.
Website nhỏ có cần làm semantic adjacency cho internal link không?
Có, semantic adjacency vẫn dùng được khi phạm vi nhỏ, vì ô Scope của prompt nhận cả folder, cluster, 10 URL hoặc 50 URL. Với semantic adjacency, mỗi link cần có lý do theo quan hệ entity hoặc intent, nên phạm vi nhỏ giúp bạn rà kỹ từng link và đo lại trước sau.
Dùng ChatGPT hay Gemini để chạy prompt semantic adjacency có được không?
Được, prompt semantic adjacency dán được nguyên mẫu vào ChatGPT, Gemini hoặc Claude. Bạn thay 5 ô SITE_TYPE, SCOPE, GOAL, CONSTRAINTS và DATA bằng thông tin dự án, giữ nguyên câu mở đầu, rồi chấm kết quả semantic adjacency theo bảng Pass/Fail trước khi dùng.
Nên bắt đầu semantic adjacency từ đâu khi website có nhiều trang orphan?
Nên bắt đầu semantic adjacency bằng việc điền đủ ô nhập với dữ liệu thật, như GSC và sitemap, rồi đặt GOAL là giảm orphan. Đầu ra semantic adjacency gồm sơ đồ kiến trúc, quy tắc link, backlog tối ưu và đo lại, nên bạn làm theo backlog rồi so số đo trước và sau.
Làm tiếp trên chính website của bạn
Chọn theo điều bạn đang cần: người soi website, nền tảng để tự làm, hay người kèm tới nơi.
Phân tích SEO và GEO Online
Tìm đúng chỗ website đang nghẽn, bàn giao thứ tự sửa và bản đồ nội dung theo DLN™. Học tiếp Mentor thì phí này được trừ vào học phí.
Xem phạm vi phân tíchKhóa học SEO cơ bản Online
6 buổi online về Technical và On-page, đủ nền tảng để tự rà và sửa website của bạn.
Xem lộ trình họcMentor SEO 1 kèm 1 Online
12 buổi trong 4 tuần, làm trực tiếp trên website của bạn cùng Danh Nolan.
Xem cách kèm