Affinity mapping là gì
Affinity mapping (bản đồ tương đồng) là kỹ thuật kinh điển: viết mỗi quan sát/quote lên một tờ giấy nhớ, rồi nhóm các tờ giống nhau lại thành cụm, đặt tên cụm. Kết quả là một cấu trúc phân cấp cho thấy chủ đề nào lớn, chủ đề nào nhỏ.
Làm thủ công với 200 mẩu ghi chú tốn cả buổi và cần cả team dán giấy lên tường. AI có thể gợi ý cụm ban đầu trong vài phút, để bạn dành sức cho phần tinh chỉnh và diễn giải — nơi tư duy con người tạo giá trị.
Quy trình lai: AI gợi ý, người tinh chỉnh
Cách hiệu quả nhất không phải giao trọn cho AI, mà là quy trình lai:
- AI cắt dữ liệu thành các "mẩu" (một ý = một mẩu).
- AI đề xuất cách nhóm sơ bộ + tên cụm.
- Bạn kéo-thả, gộp/tách, đổi tên dựa trên hiểu biết sản phẩm.
- AI giúp đặt tên lại và tìm mẩu "lạc" chưa thuộc cụm nào.
Prompt mẫu: đề xuất affinity clusters
Dưới đây là danh sách các mẩu quan sát từ user research, mỗi mẩu
có mã nguồn (VD [ND-03]).Hãy nhóm chúng thành các cụm theo TƯƠNG ĐỒNG Ý NGHĨA (affinity).
Với mỗi cụm:
- Đặt tên cụm ngắn gọn, trung tính
- Liệt kê các mẩu thuộc cụm (giữ nguyên mã nguồn)
- Ghi số mẩu và số người dùng khác nhau trong cụm
RÀNG BUỘC:
- KHÔNG bịa thêm mẩu nào. Chỉ nhóm các mẩu đã cho.
- Nếu một mẩu không hợp cụm nào, để riêng ở mục "Chưa phân loại".
- Cho phép một cụm nhỏ chỉ 1-2 mẩu, đừng ép gộp để cho gọn.
- Nếu hai cụm gần giống nhau, giữ tách và ghi chú "có thể gộp".
DANH SÁCH MẨU:
[ND-01] ...
[ND-02] ...
Ràng buộc "không ép gộp" rất quan trọng: AI có xu hướng tạo ra cấu trúc gọn gàng đẹp mắt, nhưng đôi khi sự lộn xộn của dữ liệu mới phản ánh đúng thực tế.
Ví dụ cụ thể
Từ 40 mẩu về onboarding, AI đề xuất 5 cụm: "Rối ở bước xác thực", "Không hiểu giá trị sản phẩm", "Muốn bỏ qua tutorial", "Lo về bảo mật", "Thiếu hướng dẫn tiếng Việt". Bạn nhận ra "Lo về bảo mật" và "Rối ở bước xác thực" thực chất liên quan (OTP), nên gộp thành "Trải nghiệm xác thực gây lo ngại" — một quyết định AI không thể tự tin đưa ra vì nó thiếu ngữ cảnh nghiệp vụ.
Các bước làm affinity mapping
- Trích tất cả quan sát thành danh sách mẩu, mỗi mẩu kèm mã nguồn.
- Chạy prompt đề xuất cụm.
- Xuất kết quả ra bảng hoặc công cụ bảng trắng (Miro/FigJam) để thao tác trực quan.
- Kéo-thả tinh chỉnh: gộp cụm liên quan, tách cụm quá rộng.
- Đặt tên cụm bằng ngôn ngữ đội sản phẩm.
- Rà mục "Chưa phân loại" — mẩu lạc đôi khi là insight hiếm nhưng quan trọng.
- Xếp hạng cụm theo tác động (bạn quyết định).
Template cấu trúc affinity (tái dùng)
CỤM LỚN 1: [tên]
- Cụm con 1.1: [tên] (n mẩu, m người)
• quote/mẩu [mã nguồn]
- Cụm con 1.2: ...
CỤM LỚN 2: ...
CHƯA PHÂN LOẠI:
• [mã nguồn] ...
Sai lầm thường gặp
- Giao trọn affinity cho AI rồi copy nguyên: bạn mất phần giá trị nhất — quyết định cụm nào quan trọng. AI gom được tương đồng, không gom được ưu tiên chiến lược.
- Ép gọn cấu trúc: bắt AI "chỉ tạo 3 cụm" có thể nhồi các ý khác nhau vào chung, làm mất insight. Để dữ liệu tự quyết số cụm.
- Bỏ mục "Chưa phân loại": đây thường là nơi ẩn tín hiệu yếu-nhưng-quan-trọng (một người dùng nêu vấn đề pháp lý mà không ai khác thấy).
- Ảo giác mẩu mới: nếu không ràng buộc, AI có thể "sáng tác" một quan sát nghe hợp lý để làm cụm tròn trịa. Luôn đối chiếu số mẩu đầu ra với đầu vào.
- Mất mã nguồn khi thao tác: khi kéo-thả, dễ làm rớt mã nguồn của mẩu, phá vỡ khả năng truy vết. Giữ mã dính liền với mẩu mọi lúc.