Mở đầu — vì sao bài này quan trọng
Hãy tưởng tượng sếp gọi bạn vào phòng họp sáng thứ Hai và nói: "Tuần này anh muốn em đánh giá xem mình có nên ra mắt một sản phẩm fintech cho vay tiêu dùng ở thị trường Việt Nam không. Thứ Sáu báo cáo." Cách đây vài năm, đây là một tuần địa ngục: lùng sục báo cáo của Statista, đọc hàng chục bài báo VnExpress và CafeF, tải bừa vài file PDF nghiên cứu thị trường, ghi chép thủ công, rồi cố gắng ráp lại thành một câu chuyện mạch lạc. Ba ngày làm việc cật lực mới ra được bản nháp đầu tiên.
Với AI, công việc đó co lại còn 30 phút cho bản nháp chất lượng, và nửa ngày để hoàn thiện. Đây không phải lời quảng cáo. Đây là sự thật mà bất kỳ Product Manager (PM) nào đang dùng AI nghiêm túc đều xác nhận. Nhưng — và đây là chữ "nhưng" quan trọng nhất của cả khóa học — AI làm research nhanh không có nghĩa là làm research đúng. Một PM dùng AI sai cách sẽ tạo ra báo cáo trông rất "đẹp", đầy số liệu, nhưng một nửa số liệu đó là bịa.
Bài học hôm nay dạy bạn cách dùng AI để làm Research và Market Analysis — nghiên cứu thị trường, hiểu bối cảnh ngành, ước lượng quy mô cơ hội — một cách nhanh nhưng vẫn đáng tin. Đây là viên gạch nền tảng: gần như mọi quyết định sản phẩm đều bắt đầu từ một câu hỏi "thị trường này thế nào?". Nếu bạn làm chủ được bước này, bạn tiết kiệm được hàng chục giờ mỗi tháng và quan trọng hơn, bạn ra quyết định trên nền dữ liệu tốt hơn.
Khái niệm cốt lõi
Research với AI khác research truyền thống ở đâu
Research truyền thống là bạn đi tìm thông tin. Bạn mở Google, bạn click từng link, bạn đọc, bạn tự tổng hợp. AI đảo ngược mô hình này: thông tin đến tìm bạn, đã được tổng hợp sẵn. Vai trò của bạn chuyển từ "người thu thập" sang "người đặt câu hỏi và người kiểm chứng".
Sự dịch chuyển này nghe nhỏ nhưng thay đổi toàn bộ cách làm việc. Khi bạn không còn tốn 80% thời gian để gom thông tin, bạn có thể dành 80% thời gian để suy nghĩ về thông tin đó — điều mà PM giỏi thực sự được trả tiền để làm.
Hai loại công cụ AI cho research
Có một phân biệt cực kỳ quan trọng mà nhiều người mới dùng AI bỏ qua:
Loại 1 — AI có khả năng truy cập web (grounded search): Perplexity, ChatGPT với chế độ search, Gemini, Claude với web search. Những công cụ này tìm kiếm thông tin thật trên internet tại thời điểm bạn hỏi, rồi trích dẫn nguồn. Đây là loại bạn dùng cho research thực tế cần số liệu cập nhật.
Loại 2 — AI chỉ dựa vào kiến thức đã học (parametric knowledge): Một mô hình ngôn ngữ thuần túy không bật search. Nó trả lời dựa trên dữ liệu huấn luyện đến một thời điểm nhất định trong quá khứ. Loại này tuyệt vời để brainstorm, cấu trúc tư duy, viết lại — nhưng cực kỳ nguy hiểm khi bạn hỏi nó số liệu thị trường cụ thể, vì nó sẽ tự tin "chế" ra con số.
Nguyên tắc vàng: Số liệu thị trường thì phải dùng công cụ có trích dẫn nguồn. Tư duy và cấu trúc thì dùng công cụ nào cũng được.
Ba tầng của một market analysis tốt
Một phân tích thị trường đầy đủ thường có ba tầng, và AI hỗ trợ được cả ba:
- Market Overview — Bức tranh toàn cảnh: ngành này lớn cỡ nào, đang tăng trưởng hay bão hòa, các xu hướng chính, các tay chơi lớn. Đây là bước "định vị bản đồ".
- Market Sizing — Ước lượng quy mô cơ hội bằng TAM/SAM/SOM (tổng cầu, phần phục vụ được, phần chiếm được thực tế). Bài này chạm tới sizing ở mức nền tảng; có một bài riêng (Bài 19) đi sâu vào kỹ thuật estimation, nên ở đây ta chỉ dùng nó như một thành phần của bức tranh tổng.
- Trend & Signal — Những tín hiệu đang nổi lên: công nghệ mới, thay đổi hành vi người dùng, động thái pháp lý. Đây là phần giúp bạn nhìn về tương lai chứ không chỉ chụp ảnh hiện tại.
"Grounding" và trích dẫn — tại sao chúng quyết định độ tin cậy
Grounding nghĩa là câu trả lời của AI được "neo" vào nguồn thật, có thể kiểm chứng. Khi một công cụ như Perplexity đưa ra câu "Thị trường thương mại điện tử Việt Nam đạt khoảng 25 tỷ USD năm 2024 [1]", con số [1] đó dẫn tới một nguồn cụ thể. Bạn click vào, bạn đọc, bạn xác nhận. Đó là research đáng tin.
Khi một AI nói "Thị trường này khoảng 25 tỷ USD" mà không kèm nguồn, đó không phải research — đó là phỏng đoán có chữ. Quy tắc làm việc của một PM chuyên nghiệp: mọi con số đưa vào báo cáo phải truy được về một nguồn.
Tình huống thực tế
Tình huống 1 — Chị Lan và quyết định mở rộng sang mảng mỹ phẩm nam
Chị Lan là Senior PM tại một startup thương mại điện tử mỹ phẩm ở TP.HCM. Ban lãnh đạo muốn biết: có nên mở một dòng sản phẩm chăm sóc da dành riêng cho nam giới không? Chị có hai ngày.
Chị bắt đầu với Perplexity, đặt câu hỏi grounded: "Phân tích thị trường chăm sóc da nam giới (men's skincare) tại Việt Nam và Đông Nam Á 2023–2025: quy mô, tốc độ tăng trưởng, các thương hiệu dẫn đầu, hành vi tiêu dùng của nam giới trẻ. Trích dẫn nguồn." Trong vòng vài phút chị có một bức tranh: thị trường men's grooming Đông Nam Á đang tăng trưởng hai chữ số, nam giới Gen Z ở đô thị có thái độ cởi mở hơn hẳn thế hệ trước với việc dùng sản phẩm dưỡng da, và phân khúc này ở Việt Nam còn ít thương hiệu nội địa tập trung.
Quan trọng là bước tiếp theo: chị không tin ngay. Mỗi con số tăng trưởng, chị click vào nguồn. Chị phát hiện một con số "tăng trưởng 35%/năm" thực ra là số liệu của thị trường Trung Quốc bị AI gộp nhầm vào câu trả lời về Đông Nam Á. Chị loại con số đó ra.
Bài học rút ra: AI cho chị bức tranh trong 15 phút thay vì một ngày. Nhưng chính bước kiểm chứng từng nguồn đã cứu chị khỏi đưa một con số sai vào báo cáo trình hội đồng quản trị. Nhanh và đúng không loại trừ nhau — nhưng đúng đòi hỏi kỷ luật.
Tình huống 2 — Anh Minh và cái bẫy của con số "đẹp"
Anh Minh là PM tại một công ty fintech, cần ước lượng quy mô thị trường ví điện tử cho tiểu thương ở Việt Nam. Vì vội, anh mở thẳng ChatGPT (không bật chế độ search) và hỏi: "Thị trường ví điện tử cho tiểu thương Việt Nam lớn bao nhiêu?". AI trả lời rất mượt: "Khoảng 3,2 tỷ USD năm 2024, với khoảng 5,1 triệu hộ kinh doanh cá thể là khách hàng tiềm năng."
Con số đẹp, cụ thể, nghe thuyết phục. Anh đưa thẳng vào slide. Trong buổi họp, một thành viên ban giám đốc từng làm trong ngành hỏi: "Con số 5,1 triệu hộ này lấy ở đâu? Tôi nhớ Tổng cục Thống kê công bố con số khác." Anh Minh không trả lời được vì... AI không có nguồn, nó chỉ "ước lượng" dựa trên các mẩu dữ liệu rời rạc trong bộ nhớ. Buổi họp mất uy tín.
Sau lần đó, anh đổi quy trình: dùng Perplexity hoặc ChatGPT có search để lấy số liệu nền (số hộ kinh doanh cá thể từ nguồn chính thống), rồi tự xây mô hình sizing riêng, và dùng AI để kiểm tra logic mô hình chứ không phải để cung cấp con số cuối cùng.
Bài học rút ra: Một mô hình ngôn ngữ không bật search là công cụ tư duy, không phải nguồn dữ liệu. Con số càng cụ thể mà càng không có nguồn thì càng nguy hiểm, vì nó tạo cảm giác chắc chắn giả. Đây chính là chủ đề "hallucination" mà Bài 16 sẽ mổ xẻ sâu — ở đây bạn chỉ cần nhớ một điều: cảnh giác với số liệu không nguồn.
Tình huống 3 — Đội sản phẩm của một ứng dụng học tiếng Anh dùng AI để "đọc" đối thủ
Một startup edtech ở Hà Nội làm app học tiếng Anh muốn hiểu nhanh bối cảnh cạnh tranh trước khi định vị sản phẩm. PM của họ dùng AI có web search để hỏi: "Tổng quan thị trường ứng dụng học tiếng Anh tại Việt Nam: các app phổ biến nhất, mô hình kiếm tiền, phân khúc người dùng họ nhắm tới, và những khoảng trống thị trường chưa ai phục vụ tốt. Trích dẫn nguồn."
AI trả về một bức tranh tổng quan tốt: các tên tuổi lớn, xu hướng chuyển từ học từ vựng đơn thuần sang luyện giao tiếp, và một quan sát thú vị — phân khúc người đi làm bận rộn cần học theo "micro-session" 5 phút chưa được phục vụ tốt. PM dùng quan sát này làm giả thuyết, rồi đi xác minh bằng phỏng vấn người dùng thật.
Bài học rút ra: Giá trị lớn nhất của AI ở tầng overview không phải là cho bạn câu trả lời cuối cùng, mà là rút ngắn thời gian tới giả thuyết tốt. AI giúp bạn nhìn ra khoảng trống thị trường trong 20 phút, để bạn dành phần thời gian còn lại đi kiểm chứng giả thuyết đó với người thật — việc mà AI không làm thay được.
Hướng dẫn từng bước
Đây là quy trình "Research trong 30 phút" để làm một market analysis nền tảng. Mục tiêu là một bản nháp đáng tin, không phải báo cáo hoàn chỉnh.
Bước 1 — Market Overview với công cụ có search (5–7 phút). Mở Perplexity (hoặc ChatGPT/Gemini ở chế độ search). Đặt một prompt có cấu trúc rõ ràng. Một khung prompt tốt cho overview:
Phân tích thị trường [ngành/lĩnh vực] tại [khu vực địa lý] giai đoạn [năm–năm]:
1. Quy mô thị trường hiện tại và tốc độ tăng trưởng
2. 3–5 tay chơi dẫn đầu và mô hình kinh doanh của họ
3. Các xu hướng và động lực chính
4. Những khoảng trống/phân khúc chưa được phục vụ tốt
Trích dẫn nguồn cho mọi số liệu. Nếu không có dữ liệu đáng tin cho khu vực này, hãy nói rõ thay vì ước lượng.
Câu cuối — "nếu không có dữ liệu đáng tin thì nói rõ" — là một mẹo nhỏ nhưng mạnh: nó giảm đáng kể xu hướng bịa số của AI.
Bước 2 — Kiểm chứng nguồn (5 phút). Đừng bỏ qua bước này. Với mỗi con số then chốt bạn định dùng, click vào citation. Hỏi ba câu: Nguồn này là ai? Số liệu của năm nào? Có đúng đang nói về khu vực bạn cần không? Loại bỏ hoặc gắn cờ "cần xác minh" cho bất kỳ con số nào không truy được nguồn.
Bước 3 — Đào sâu vào điểm quan trọng (7 phút). Từ overview, chọn 1–2 điểm đáng quan tâm nhất (ví dụ một khoảng trống thị trường) và hỏi tiếp để làm rõ. Đây là lúc dùng câu hỏi follow-up: "Phân khúc X bạn vừa nêu — có dữ liệu nào về quy mô và hành vi của nhóm này không?".
Bước 4 — Khung hóa quy mô cơ hội (7 phút). Phác một ước lượng TAM/SAM/SOM thô. Lấy số liệu nền từ nguồn đã kiểm chứng, rồi nhờ AI kiểm tra logic phép tính của bạn, không phải tự bịa con số. Ví dụ: "Đây là cách tôi ước lượng SOM: [trình bày]. Logic này có lỗ hổng nào không?".
Bước 5 — Tổng hợp và đánh dấu khoảng trống (5 phút). Yêu cầu AI tóm tắt thành một bản brief ngắn, kèm một mục riêng: "Những điều ta CHƯA biết và cần xác minh thêm bằng research sơ cấp". Mục này quan trọng vì nó định hướng bước phỏng vấn người dùng tiếp theo.
Sau 30 phút bạn có một bản nháp có cấu trúc, các con số đã được gắn nguồn hoặc gắn cờ, và một danh sách câu hỏi mở để đi xác minh tiếp.
Lỗi thường gặp & mẹo
Lỗi 1 — Tin số liệu không có nguồn. Đây là lỗi chết người nhất, như tình huống anh Minh. Mẹo: đặt ra một quy tắc cá nhân — không con số nào lên slide nếu chưa truy được nguồn.
Lỗi 2 — Dùng công cụ không bật search để hỏi số liệu. Nhiều người mở app AI mặc định mà không để ý nó có đang search hay không. Mẹo: trước khi hỏi số liệu, hãy chắc chắn công cụ đang ở chế độ có truy cập web, và câu trả lời có trích dẫn.
Lỗi 3 — Prompt quá chung chung. "Thị trường F&B Việt Nam thế nào?" cho ra câu trả lời mơ hồ. Mẹo: luôn nêu rõ khu vực, khung thời gian, và yêu cầu cấu trúc cụ thể như trong khung prompt ở trên.
Lỗi 4 — Quên rằng AI có "cutoff" và thiên lệch nguồn tiếng Anh. Nhiều mô hình có dữ liệu cũ, và phần lớn nội dung huấn luyện là tiếng Anh, nên dữ liệu về thị trường Việt Nam có thể mỏng hoặc lệch. Mẹo: với thị trường Việt Nam, ưu tiên đối chiếu với nguồn nội địa (Tổng cục Thống kê, báo cáo của các quỹ/hiệp hội ngành, các hãng nghiên cứu có hoạt động tại khu vực). Bài 58 sẽ bàn sâu về các lưu ý khi làm việc với AI cho ngữ cảnh tiếng Việt.
Lỗi 5 — Coi bản nháp AI là sản phẩm cuối. AI cho bạn điểm khởi đầu, không phải đích đến. Mẹo: luôn có bước "AI nói gì ta chưa kiểm chứng được?" và đi xác minh phần quan trọng nhất bằng dữ liệu sơ cấp.
Mẹo nâng cao — kỹ thuật "tam giác đối chiếu": với một con số then chốt, hỏi cùng câu hỏi qua hai công cụ khác nhau (ví dụ Perplexity và Gemini). Nếu hai nguồn độc lập cho con số gần nhau, độ tin cậy tăng. Nếu lệch nhiều, đó là tín hiệu phải đào sâu trước khi dùng.
Bài tập thực hành
Chọn một ngành bạn quan tâm — có thể là ngành công ty bạn đang làm, hoặc một ý tưởng sản phẩm bạn ấp ủ. Sau đó:
- Chạy quy trình 30 phút. Dùng một công cụ AI có web search, áp dụng khung prompt ở Bước 1 cho ngành đó tại thị trường Việt Nam hoặc Đông Nam Á.
- Lập bảng kiểm chứng. Tạo một bảng đơn giản ba cột: Con số / Nguồn / Đã xác minh chưa. Điền vào ít nhất 5 con số quan trọng mà AI đưa ra. Bạn sẽ ngạc nhiên khi thấy bao nhiêu con số không truy được nguồn.
- Thử cái bẫy. Hỏi cùng một câu hỏi số liệu cho một công cụ KHÔNG bật search và một công cụ CÓ search. So sánh hai câu trả lời. Ghi lại sự khác biệt — đây là bài học trực quan nhất về lý do phải dùng grounded search.
- Viết một "research brief" một trang gồm: bức tranh thị trường, 2–3 khoảng trống cơ hội, và một danh sách "những điều cần xác minh thêm bằng phỏng vấn người dùng".
Tóm tắt
AI biến research thị trường từ công việc nhiều ngày thành công việc 30 phút cho bản nháp đầu — nhưng chỉ khi bạn dùng đúng cách. Ba điều cốt lõi cần khắc cốt ghi tâm:
- Phân biệt hai loại công cụ: dùng AI có web search và trích dẫn cho số liệu thật; dùng AI thuần để tư duy và cấu trúc. Đừng bao giờ hỏi số liệu thị trường từ một mô hình không bật search.
- Kiểm chứng là phần không thể bỏ: mọi con số lên báo cáo phải truy được nguồn. Tốc độ của AI chỉ có giá trị khi đi kèm kỷ luật kiểm chứng — nếu không, bạn chỉ đang tạo ra báo cáo sai nhanh hơn.
- AI rút ngắn đường tới giả thuyết, không thay thế xác minh thật: giá trị lớn nhất là giúp bạn nhìn ra khoảng trống thị trường và câu hỏi đúng nhanh hơn, để bạn dành thời gian quý báu đi kiểm chứng với dữ liệu và con người thật.