15 trang web kiểm soát 68% những gì ChatGPT, Gemini và Perplexity trích dẫn – Sự tập trung quyền lực chưa từng có

Bạn đã bao giờ tự hỏi ChatGPT, Gemini hay Perplexity lấy câu trả lời từ đâu chưa? Dữ liệu hiện tại đã cho câu trả lời rõ ràng – và nó có thể khiến bạn bất ngờ. Chỉ một nhóm nhỏ gồm 15 trang web đã chiếm hơn 2/3 tổng số trích dẫn từ các công cụ AI lớn nhất hiện nay.

Hàng loạt nghiên cứu quy mô lớn trong năm 2025–2026, với tổng số lần trích dẫn từ 30 triệu đến 680 triệu, đều hội tụ ở một phát hiện chung: thế giới trích dẫn của AI là một cuộc chơi mà 'kẻ thắng lấy hết', và nó còn khắc nghiệt hơn cả thời kỳ hoàng kim của thuật toán Google PageRank .

15 Trang Web Chiếm 68% Tổng Số Trích Dẫn AI

Chỉ số Nguồn Trích dẫn Nền tảng AI (AI Platform Citation Source Index) của 5W Communications năm 2026, tổng hợp hơn 680 triệu lượt trích dẫn từ sáu nghiên cứu lớn, cho thấy 15 tên miền hàng đầu hút tới 68% thị phần trích dẫn của tất cả các công cụ AI . Con số này tăng lên hơn 80% khi xét đến 50 tên miền đứng đầu .

Để dễ hình dung: Chỉ 15 trang web, trong tổng số khoảng 1,1 tỷ trang web trên internet, đang kiểm soát hơn 2/3 những gì AI 'khuyên' cho hàng tỷ người dùng mỗi ngày . Sự tập trung này còn khủng khiếp hơn bất cứ điều gì mà Google PageRank từng tạo ra trong suốt 25 năm thống trị việc khám phá web .

Top 10 Trang Web Được Trích Dẫn Nhiều Nhất

Các tên miền này liên tục xuất hiện ở vị trí cao trong bảng xếp hạng trên khắp ChatGPT, Google AI Mode, Gemini, Perplexity và AI Overviews:

Hạng	Tên miền	Ghi chú chính
1	Reddit	#1 trên mọi nền tảng lớn; chiếm ~40% thị phần trích dẫn trong một số nghiên cứu
2	Wikipedia	Luôn đứng thứ #2 sau Reddit; chiếm ~13% trích dẫn ChatGPT theo dữ liệu Similarweb
3	YouTube	Top 3 trong phân tích 30 triệu nguồn của Peec AI
4	LinkedIn	Top 5 trên ChatGPT, Google AI Mode và Perplexity
5–10	Fandom, Amazon, Forbes, Healthline, Mayo Clinic, WebMD, GitHub, Stack Overflow, CNN, NYT, BBC	Thứ hạng thay đổi theo từng công cụ và nghiên cứu

Phân tích của Peec AI dựa trên 30 triệu nguồn cho thấy 10 tên miền được trích dẫn nhiều nhất trên tất cả các nền tảng là: Reddit, YouTube, LinkedIn, Wikipedia, Forbes, Facebook, Yelp, Amazon, TechRadar và Healthline .

Tại Sao Reddit Lại Thống Trị?

Các cuộc thảo luận và diễn đàn do người dùng tạo trên Reddit cung cấp một kho dữ liệu khổng lồ, đa dạng về nội dung mang tính đàm thoại và giải quyết vấn đề. Trong một nghiên cứu của Statista vào tháng 6 năm 2025, Reddit chiếm tới 40,1% tổng số tài liệu tham khảo được trích dẫn, bỏ xa Wikipedia đứng thứ hai với 26,3% . Trên Perplexity, cứ khoảng 5 trích dẫn thì có 1 trích dẫn đến từ Reddit .

Các nhà phân tích chỉ ra khả năng của Reddit trong việc trả lời các câu hỏi dạng dài, dựa trên quan điểm và hướng dẫn 'cách làm' – những dạng câu hỏi mà các nguồn bách khoa truyền thống gặp khó khăn – khiến nó trở nên đặc biệt giá trị đối với AI hội thoại .

Thứ Hạng Thay Đổi Theo Từng 'Cỗ Máy' – Cùng Lõi, Nhưng Thủ Lĩnh Khác Nhau

Reddit dẫn đầu toàn cục, nhưng thứ hạng chi tiết trên từng nền tảng lại có những khác biệt đáng chú ý:

• ChatGPT phụ thuộc nhiều vào Wikipedia và Reddit, hai trang này chiếm khoảng 25% tổng số trích dẫn. Trong dữ liệu của Similarweb giai đoạn tháng 1-2/2026, Wikipedia dẫn đầu ở mức 13,2%, Reddit bám sát với 12% .
• Google AI Mode lại đặt Fandom ở vị trí số 1 – nền tảng wiki về game và văn hóa đại chúng này ít nổi bật hơn nhiều ở những nơi khác .
• Perplexity cho thấy sự phân bố dàn trải hơn: để bao phủ 80% khối lượng câu lệnh được trích dẫn, bạn cần tới 810 tên miền khác nhau .

Chỉ có 7 trang web xuất hiện trong top 50 tên miền được trích dẫn nhiều nhất trên cả ba nền tảng lớn (ChatGPT, Perplexity, Google AI Overviews), và chỉ 11% tên miền được cả ChatGPT và Perplexity cùng trích dẫn .

Dữ Liệu Huấn Luyện vs. Trích Dẫn Đầu Ra: Một Sự Khác Biệt Quan Trọng

Cần phân biệt rõ giữa những gì LLM trích dẫn trong câu trả lời và những gì chúng được huấn luyện trên đó. Với dữ liệu huấn luyện, nguồn chiếm ưu thế về khối lượng là Common Crawl – một kho lưu trữ mở chứa hàng petabyte dữ liệu web thô, là nền tảng cho các mô hình như GPT-3, LLaMA và T5 . GPT-3 của OpenAI, ví dụ, đã lấy 60% token huấn luyện từ một phiên bản đã được lọc của Common Crawl .

Danh sách trích dẫn ở trên phản ánh những gì LLM tham chiếu khi tạo ra câu trả lời – một tập hợp nguồn nhỏ hơn và được chọn lọc kỹ càng hơn nhiều, mà mô hình đã học để coi là có thẩm quyền.

Ý Nghĩa Cho Thương Hiệu và Nhà Xuất Bản

Nếu mục tiêu của bạn là được các công cụ AI trích dẫn, dữ liệu đã rất rõ ràng: bạn cần phải giành được một vị trí trong danh sách ngắn các tên miền đáng tin cậy. Phần còn lại của web gần như vô hình trước các đầu ra AI, ngoại trừ các truy vấn rất ngách.

Các chiến lược hiệu quả bao gồm: đóng góp cho Wikipedia, được nhắc đến trên Forbes hay Healthline, xây dựng sự hiện diện mạnh mẽ trên YouTube và LinkedIn, và tạo ra các cuộc thảo luận trên Reddit. Về định dạng nội dung, các bài viết dạng danh sách (listicle) chiếm khoảng 50% số trích dẫn AI hàng đầu, và các trang có danh sách (có thứ tự hoặc không) xuất hiện trên 80% các trang được AI trích dẫn .

Nói ngắn gọn: Reddit, Wikipedia và YouTube là ba tên miền được trích dẫn nhiều nhất trên các công cụ LLM lớn hiện nay, cùng với một cụm nhỏ các trang tin tức, sức khỏe và tham khảo có uy tín khác. Để được AI trích dẫn, trước tiên bạn phải được những trang web này trích dẫn.