1. Mục Tiêu (Objective)
Xây dựng một bộ tài liệu (Workflow) chuẩn chỉnh để hướng dẫn quá trình nghiên cứu và phát triển nội dung (Content Research & Semantic Brief) dựa trên mô hình Entity-Attribute, kết hợp với kỹ thuật Attribute Filtration và Source Context từ phương pháp Topical Authority của Koray.
Mục đích cuối cùng là tạo ra các nội dung có định hướng rõ ràng, phục vụ chính xác tệp khách hàng mục tiêu (VD: người có nhà, cần làm nội thất) và giúp các nền tảng phân phối (Google, TikTok, FB…) dễ dàng nhận diện, chấm điểm chuyên gia (Topical Authority).
2. Nguyên Lý (The Philosophy)
Tại sao cần phải hiểu và ứng dụng mô hình Entity-Attribute trong quá trình Research nội dung?
- Knowledge Graph (Sơ đồ tri thức): Các thuật toán phân phối nội dung hiện đại (như Google, TikTok, Facebook) không đọc văn bản như con người. Chúng map dữ liệu bằng Knowledge Graph. Trong đó, mỗi Entity là một cái Node (điểm nút), và các Attribute là các Edges (đường liên kết) tỏa ra xung quanh.
- Ví dụ: Tưởng tượng AI có một bản đồ tư duy khổng lồ. Chủ đề (Entity) “Thiết Kế Nội Thất” là cục tròn ở giữa. Từ cục tròn này mọc ra hàng ngàn cái rễ (Attribute) nối tới các khía cạnh khác như: Vật liệu, Ánh sáng, Phong cách, Báo giá, Lịch sử…
- Tại sao bước đầu tiên của Koray là Research The Raw Topical Map? Việc liệt kê toàn bộ các Attribute có thể có của một Entity ở bước đầu chính là để vẽ ra một bức tranh toàn cảnh khớp 100% với cách mà AI đang lưu trữ trong Knowledge Graph. Phải có bản đồ gốc này, ta mới có cùng chung một “hệ quy chiếu” với thuật toán.
- Ví dụ: Khi lập Raw Topical Map cho “Thiết Kế Nội Thất”, team Content phải gom được HẾT hàng ngàn rễ đó: từ Lịch sử hình thành, Lý thuyết màu sắc, cho đến Mẫu hợp đồng thi công, Các loại gỗ công nghiệp… Phải quét đủ mọi ngóc ngách để chứng minh cho AI thấy: tao hiểu bao quát bức tranh ngành này y như mày.
- Information Scent (Mùi thông tin) & Source Identity (Danh tính nguồn): Trong kỹ thuật truy xuất thông tin, mỗi website có một “Mùi thông tin” riêng. Nếu gom tất cả mọi thứ từ Raw Topical Map vào website mà không qua bộ lọc, website sẽ bị “loãng mùi thông tin”. Search Engine sẽ bối rối không biết chuyên môn (Identity) thực sự của bạn là Bách khoa toàn thư hay Công ty thi công.
- Ví dụ: Cùng từ một Raw Topical Map của Entity “Thiết Kế Nội Thất”, nhưng với 2 Source Context khác nhau, ta sẽ lọc ra 2 bộ Attribute khác biệt để định hình “Mùi thông tin”:
- Nếu Source Context là Công ty Thiết kế & Thi công Nội thất, màng lọc sẽ ưu tiên các Attribute hướng tới người có nhu cầu làm nhà: Báo giá, Vật liệu, Phong cách thiết kế, Bố trí không gian, Quy trình thi công.
- Nhưng nếu Source Context là Tạp chí hoặc Trung tâm đào tạo, màng lọc sẽ đẩy lên đầu các Attribute mang tính hàn lâm: Lịch sử, Khóa học, Công cụ thiết kế 3D, Lý thuyết màu sắc.
- Ví dụ: Cùng từ một Raw Topical Map của Entity “Thiết Kế Nội Thất”, nhưng với 2 Source Context khác nhau, ta sẽ lọc ra 2 bộ Attribute khác biệt để định hình “Mùi thông tin”:
- Sức mạnh của Attribute Filtration: Màng lọc Source Context chính là thao tác “cắt tỉa” (Filtration) để kiểm soát cái “Mùi thông tin” ở trên. Nó giúp giữ lại các cụm vi ngữ nghĩa (Micro-Semantics) xoay quanh mục đích cốt lõi (Commercial Intent), giúp AI tự tin chấm điểm Topical Authority tuyệt đối cho ngách “thực chiến” đó.
- Ví dụ: Bằng cách dứt khoát gạch bỏ các Attribute “Lịch sử kiến trúc” hay “Lý thuyết hàn lâm” ra khỏi bộ content của Công ty nội thất, Google sẽ ngửi đúng “mùi”, xác nhận luôn: “À, đây đích thị là chuyên gia thi công thực chiến”, và tự động phân phối bài viết tới đúng tệp khách hàng đang chuẩn bị làm nhà (thay vì sinh viên kiến trúc).
3. Các Thành Phần Cốt Lõi Của Mô Hình (Core Components)
Trước khi đi vào các bước của Workflow, tài liệu sẽ định nghĩa rõ các khái niệm:
- Central Entity (Thực thể trung tâm): Chủ đề cốt lõi (VD: Thiết Kế Nội Thất).
- Attribute (Thuộc tính): Các khía cạnh, đặc điểm xoay quanh Entity (VD: Vật Liệu, Không Gian, Phong Cách…).
- Source Context (Ngữ cảnh nguồn): Đặc thù của doanh nghiệp/website phát hành nội dung (VD: Công ty thiết kế nội thất vs. Công ty thiết kế & thi công nội thất).
4. Cấu Trúc Của Workflow (Multi-Agent System)
Workflow đệ quy này sẽ được chia thành 4 Module (4 Agent chuyên biệt), chạy nối tiếp nhau:
Module 1: Agent 1 – The Raw Mapper (Chuyên gia Dữ liệu thô)
- Input: Central Entity.
- Nhiệm vụ: Mô phỏng Knowledge Graph, liệt kê toàn bộ các thuộc tính (Attributes) có thể gắn với Central Entity, tạo thành hàng ngàn cặp [Entity – Attribute]. Không màng đến tính ứng dụng.
- Output: The Raw Topical Map.
- Link Agent 1
Module 2: Agent 2 – The Filtration Engine (Màng lọc Source Context)
- Input: The Raw Topical Map + Source Context.
- Nhiệm vụ: Chặt chém, loại bỏ các nhánh không liên quan. Giữ lại các cặp Entity-Attribute có giá trị thực chiến.
- Output: The Processed Topical Map (Danh sách các cặp cốt lõi).
- Link Agent 2
Sau khi chúng ta có danh sách Attribute thô của Entity Thiết Kế Nội Thất rồi, lúc này mình chỉ cần gắn thêm Source Context của công ty mình vào. AI lúc này sẽ gợi ý thứ tự triển khai ưu tiên dành riêng cho Context của công ty mình. Mục đích là thay đổi nhận thức của Search Engine, AI khi hiểu về bộ nội dung bên mình. Cùng là Topic Thiết Kế Nội Thất, nhưng thứ tự ưu tiên triển khai Chủ đề để bao phủ của 1 công ty thiết kế nội thất, sẽ khác với 1 Website Tạp chí, Báo chí về Thiết Kế Nội Thất.
Module 3: Agent 3 – The Recursive Mapper (Bộ máy Đệ quy)
- Input: 1 Cặp [Entity – Attribute] từ Processed Topical Map + Original Central Entity + Source Context.
- Nhiệm vụ: Thực hiện vòng lặp đệ quy — ghép cặp thành Sub-Entity mới, liệt kê toàn bộ Attribute thô của Sub-Entity đó (như Agent 1), rồi lọc qua 2 lớp (Source Context + Original Entity) để giữ lại các Attribute có giá trị thực chiến (như Agent 2). Không xác định Angle, không viết Heading.
- Output: Filtered Attribute List đã phân tier (🔴🟡🟢) — Input cho Agent 4.
- Link Agent 3
Ở Agent 3 này, bạn sẽ chọn ra 1 Attribute của Entity Thiết Kế Nội Thất, lúc này bạn xem cặp Entity-Attribute đó là một Entity mới, sau đó kết hợp lại với Source Context của Website, AI sẽ trích xuất ra được đối với Source Context này (1 Website thiết kế nội thất, lên nội dung cho khách hàng tiềm năng đọc), thì cần ưu tiên những Attribute nào trước để triển khai.
Ví dụ: Bóc ra cặp Entity-Attribute là [Thiết Kế Nội Thất] + Vật liệu Gỗ công nghiệp (MDF, MFC, HDF, Plywood). Xem cặp Entity-Attribute này là 1 Entity mới (đây gọi là đệ quy, lặp lại chính nó).
Lúc này, AI sẽ gợi ý, đối với Context là 1 công ty thiết kế nội thất, lên nội dung cho khách hàng tiềm năng đọc, thì khi mình chọn Topic Vật liệu Gỗ công nghiệp thì nên ưu tiên triển khai Attribute nào.
Module 4: Agent 4 – The EAV Builder (Bộ máy Xây dựng Dữ liệu Ngữ nghĩa)
- Input: Deep Attribute Tree từ Agent 3 + Sub-Entity name + Source Context.
- Nhiệm vụ: Chuyển đổi toàn bộ dữ liệu cấu trúc thành bảng EAV (Entity-Attribute-Value) hoàn chỉnh, sẵn sàng cho việc sản xuất nội dung thực tế.
- Output: EAV Table hoàn chỉnh (Semantic Data).
- Link Agent 4
Output của Agent 3 là ra được danh sách Attribute mình cần triển khai cho Context là 1 công ty thiết kế nội thất, lên nội dung cho khách hàng tiềm năng đọc, thì khi mình chọn Topic Vật liệu Gỗ công nghiệp. Thì đối với mỗi Attribute đó, mình cần điền Value gì, để nó khớp với sự hiểu của Search Engine, AI?
Lý do ra đời Agent 4, là để bạn hiểu được Model Entity-Attribute-Value, sau khi hiểu được Model này thì trong quá trình sáng tạo nội dung, bạn sẽ biết gắn Context của công ty mình đang làm việc vào Content.
