CTR Google Shopping tăng, lượt hiển thị giảm: cách đọc đúng trong thời AI Overviews

Có một kiểu báo cáo rất dễ tạo cảm giác yên tâm: CTR tăng. Nếu chỉ nhìn tỷ lệ nhấp, ta có thể nhanh chóng kết luận quảng cáo đang hấp dẫn hơn, truy vấn chất lượng hơn hoặc thuật toán đang phân phối tốt hơn.

Nhưng một quan sát mới trên các chiến dịch Google Shopping và Performance Max cho thấy một tình huống đáng chú ý hơn: CTR tăng trong khi lượt hiển thị giảm, còn lượt nhấp chỉ giảm nhẹ hoặc gần như đi ngang. Khi đó, CTR đẹp hơn có thể không đến từ việc người dùng thích quảng cáo hơn. Nó có thể đơn giản là kết quả của việc mẫu số đang co lại nhanh hơn tử số.

Đây là điểm rất quan trọng trong bối cảnh Google Search ngày càng có nhiều lớp AI như AI Overviews, AI Mode và các định dạng mua sắm được tạo hoặc lựa chọn bằng AI. Tuy nhiên, cần giữ kỷ luật phân tích: AI Overviews hiện mới là một giả thuyết có lý để giải thích hiện tượng, chưa phải nguyên nhân đã được chứng minh.

Tỷ lệ đẹp hơn chưa chắc là một tín hiệu kinh doanh tốt hơn. Hãy đọc CTR cùng lượt hiển thị, lượt nhấp, chuyển đổi và giá trị kinh doanh thực tế.

Mục lục

Dữ liệu mới đang nói gì?
Vì sao CTR có thể tăng dù cơ hội hiển thị đang giảm?
AI Overviews có thể liên quan bằng cơ chế nào?
Tại sao chưa thể kết luận quan hệ nhân quả?
Điều gì đáng chú ý riêng với thị trường Việt Nam?
Khung chẩn đoán 7 bước cho Shopping và Performance Max
Dashboard nên đọc theo 5 lớp thay vì một chỉ số CTR
Nên hành động thế nào trong 24 giờ, 7 ngày và 30 ngày?
Kết luận

1. Dữ liệu mới đang nói gì?

Ngày 7/9/2026, Search Engine Land tổng hợp phân tích của Mike Ryan, Head of Ecommerce tại Smarter Ecommerce, về một mẫu hình đang xuất hiện trong dữ liệu quảng cáo mua sắm. Theo phân tích này, CTR của Shopping tăng trong khi lượt hiển thị giảm rõ hơn; một phân tích độc lập từ Optmyzr trên dữ liệu thương mại điện tử cũng ghi nhận CTR tăng khoảng 17% so với cùng kỳ, gần với mức xấp xỉ 20% mà Ryan quan sát được.

Điểm đáng chú ý không nằm ở con số 17% hay 20% riêng lẻ. Ryan nhìn vào hàng nghìn chiến dịch Shopping và Performance Max trên hàng trăm tài khoản quảng cáo và thấy lượt nhấp thường khá ổn định hoặc giảm nhẹ, trong khi lượt hiển thị giảm mạnh hơn. Nếu điều này xảy ra trên diện rộng, CTR có thể tăng dù lượng cơ hội để quảng cáo xuất hiện đang bị thu hẹp.

Cần lưu ý ngay: đây là dữ liệu quan sát từ một mẫu tài khoản, không phải báo cáo chính thức của Google về toàn bộ hệ sinh thái Shopping. Chính tác giả phân tích cũng nói dữ liệu không chứng minh AI Overviews đã gây ra thay đổi. Vì vậy, bài viết này xem đây là một tín hiệu cần chẩn đoán, không phải một kết luận để thay đổi cấu trúc tài khoản ngay lập tức.

Mức độ bằng chứng hiện tại

Luận điểm	Mức độ	Cách nên hiểu
CTR Shopping đang tăng ở một số mẫu dữ liệu 2026	Quan sát có dữ liệu	Có tín hiệu từ nhiều mẫu tài khoản, nhưng không nên coi là chuẩn chung cho mọi ngành
Lượt hiển thị giảm nhanh hơn lượt nhấp	Quan sát có dữ liệu	Đây là cơ chế toán học có thể làm CTR tăng
AI Overviews là nguyên nhân trực tiếp	Giả thuyết	Chưa có bằng chứng nhân quả đủ mạnh
Quảng cáo Shopping có thể xuất hiện cùng các trải nghiệm AI	Thông tin chính thức	Google đã xác nhận quảng cáo có thể xuất hiện trên/dưới AI Overviews và ở một số thị trường có thể xuất hiện bên trong AI Overviews
Có thể tách riêng báo cáo quảng cáo trong AI Overviews	Chưa có	Google Ads hiện không cung cấp phân đoạn riêng cho vị trí này

Điểm cuối cùng tạo ra một giới hạn đo lường quan trọng: nhà quảng cáo có thể thấy CTR, lượt hiển thị và lượt nhấp thay đổi, nhưng chưa có một trường báo cáo đơn giản để nói rằng “bao nhiêu lượt hiển thị đã chuyển sang AI Overviews”.

2. Vì sao CTR có thể tăng dù cơ hội hiển thị đang giảm?

CTR được tính rất đơn giản:

CTR = Lượt nhấp / Lượt hiển thị

Vì đây là một tỷ lệ, nó có thể tăng theo ít nhất ba cách rất khác nhau: lượt nhấp tăng nhanh hơn lượt hiển thị; lượt nhấp giữ nguyên trong khi lượt hiển thị giảm; hoặc cả hai cùng giảm nhưng lượt hiển thị giảm nhanh hơn.

Hãy dùng một ví dụ giả lập. Tuần trước quảng cáo có 1.000.000 lượt hiển thị và 12.000 lượt nhấp, CTR là 1,2%. Tuần này lượt hiển thị còn 700.000, giảm 30%, trong khi lượt nhấp còn 10.850, giảm khoảng 9,6%. CTR lúc này tăng lên khoảng 1,55%, tức tăng gần 29% về tỷ lệ.

Nếu chỉ nhìn CTR, báo cáo có vẻ tốt lên đáng kể. Nhưng thực tế tổng lượng truy cập vẫn giảm hơn 1.000 lượt nhấp và cơ hội hiển thị đã mất 300.000 lượt.

Đây là lý do tôi thường tách ba lớp khi đọc một tỷ lệ:

Lớp 1 — Hiệu ứng mẫu số

Tỷ lệ tăng vì mẫu số giảm. Đây là câu hỏi toán học đầu tiên cần kiểm tra trước khi kể bất kỳ câu chuyện nào về “chất lượng traffic”.

Lớp 2 — Hiệu ứng cơ cấu

Tập truy vấn, thiết bị, vị trí địa lý, nhóm sản phẩm hoặc loại phiên đấu giá đã thay đổi. Ví dụ, hệ thống có thể bớt tham gia những truy vấn rộng, ít ý định thương mại và giữ lại nhiều truy vấn gần quyết định mua hơn. CTR tổng sẽ tăng dù không có quảng cáo nào “hấp dẫn hơn” trong cùng một điều kiện.

Lớp 3 — Hiệu ứng chất lượng thật

Sau khi kiểm soát hai lớp trên, nếu CTR tăng cùng với tỷ lệ chuyển đổi, doanh thu trên lượt nhấp, lợi nhuận hoặc chất lượng khách hàng, lúc đó mới có cơ sở mạnh hơn để nói traffic còn lại thật sự tốt hơn.

Ba lớp này rất khác nhau về ý nghĩa kinh doanh. Một tỷ lệ thay đổi không nói cho chúng ta biết lớp nào đang xảy ra.

3. AI Overviews có thể liên quan bằng cơ chế nào?

Giả thuyết của Mike Ryan có thể diễn giải đơn giản như sau: Google ngày càng có nhiều cách trả lời các truy vấn phức tạp ngay trong trang kết quả. Nếu hệ thống dự đoán một truy vấn có khả năng được giải quyết tốt bằng AI Overviews nhưng ít khả năng tạo nhấp vào quảng cáo Shopping, Google có thể ưu tiên trải nghiệm AI cho nhóm truy vấn đó. Ngược lại, quảng cáo mua sắm có thể tập trung nhiều hơn ở những truy vấn có tín hiệu thương mại và xác suất nhấp cao hơn.

Nếu cơ chế chọn lọc này xảy ra, ta có thể thấy đúng mẫu hình:

Ít truy vấn đủ điều kiện hiển thị Shopping hơn → lượt hiển thị giảm → lượt nhấp giảm ít hơn → CTR tăng.

Ryan gọi cách diễn giải này là một dạng “chuyển đổi trải nghiệm”: cùng một hệ thống Search nhưng Google linh hoạt chọn trải nghiệm phù hợp hơn với ý định được dự đoán của người dùng.

Giả thuyết này có lý trong bối cảnh rộng hơn của Google. Tại sự kiện Vietnam Retail & E-commerce Summit tháng 8/2026, tài liệu của Google nhấn mạnh AI đang làm hành trình mua sắm đa chiều hơn và Search đang cố gắng hiểu ý định phía sau các truy vấn phức tạp. Tài liệu cũng minh họa Shopping Ads và Text Ads trong AI Overviews/AI Mode, đồng thời ghi chú quảng cáo bên trong AI Overviews vẫn ở trạng thái “sắp ra mắt tại Việt Nam” tại thời điểm sự kiện.

Song song, Google đã giới thiệu AI Max for Shopping vào tháng 4/2026. Tính năng này sử dụng thêm ngữ cảnh từ nguồn dữ liệu sản phẩm, nội dung trang đích và tín hiệu liên quan để chọn cách kết nối truy vấn với sản phẩm; Google cũng nói hệ thống có thể lựa chọn định dạng quảng cáo phù hợp giữa quảng cáo văn bản và Shopping trong một số bối cảnh. Tại Google Marketing Live 2026, Google tiếp tục giới thiệu các định dạng Shopping được hỗ trợ bởi AI, nơi hệ thống có thể đưa sản phẩm phù hợp vào câu trả lời và tạo phần giải thích vì sao sản phẩm có thể phù hợp với nhu cầu người dùng.

Những thay đổi này củng cố một nhận định lớn hơn: bề mặt tìm kiếm, tập truy vấn và định dạng quảng cáo đang trở nên động hơn. Nhưng chúng vẫn chưa chứng minh rằng AI Overviews là nguyên nhân của việc CTR Shopping tăng trong mẫu dữ liệu mà Ryan quan sát.

4. Tại sao chưa thể kết luận quan hệ nhân quả?

Một lời giải thích hợp lý vẫn chỉ là giả thuyết cho đến khi loại trừ được các nguyên nhân cạnh tranh. Với Shopping và Performance Max, có rất nhiều yếu tố khác có thể làm lượt hiển thị giảm và CTR tăng cùng lúc.

4.1. Nhu cầu tìm kiếm và mùa vụ thay đổi

Nếu tổng lượng tìm kiếm cho một nhóm sản phẩm giảm, lượt hiển thị có thể giảm tự nhiên. Trong khi đó, nhóm người còn tìm kiếm có thể mang ý định mua cao hơn, khiến CTR tăng. Đây là thay đổi của thị trường, không nhất thiết liên quan đến AI Overviews.

4.2. Ngân sách, mục tiêu ROAS hoặc chiến lược giá thầu thay đổi

Một chiến dịch đặt mục tiêu ROAS cao hơn có thể tham gia ít phiên đấu giá hơn và tập trung vào các cơ hội được dự đoán có giá trị cao hơn. Kết quả rất dễ là lượt hiển thị giảm nhưng CTR và tỷ lệ chuyển đổi tăng.

4.3. Nguồn dữ liệu sản phẩm thay đổi

Số sản phẩm đủ điều kiện hiển thị, lỗi Merchant Center, giá, tình trạng hàng, hình ảnh, thuộc tính sản phẩm và chính sách đều ảnh hưởng đến phạm vi có thể tham gia đấu giá. Một đợt giảm sản phẩm đủ điều kiện có thể làm lượt hiển thị co mạnh mà người làm quảng cáo không nhận ra nếu chỉ nhìn dashboard chiến dịch.

4.4. Cơ cấu truy vấn thay đổi

Nếu traffic chuyển từ truy vấn chung sang truy vấn thương hiệu, mã sản phẩm hoặc truy vấn cụ thể hơn, CTR có thể tăng rất mạnh dù tổng nhu cầu không tốt hơn. Đây là lý do cần tách thương hiệu và không thương hiệu ở mức có thể làm được, thay vì đọc một CTR tổng.

4.5. Thiết bị, địa lý và cạnh tranh thay đổi

Các nghiên cứu paid search rộng hơn cũng cho thấy tác động của AI Overviews không đồng nhất giữa ngành và thiết bị. Phân tích của Adthena trên hơn 5 triệu quảng cáo trong nhiều ngành cho thấy mức chênh CTR khi AI Overviews xuất hiện thay đổi đáng kể theo ngành, thiết bị và loại truy vấn. Điều này là một cảnh báo chống lại mọi kết luận kiểu “AI Overviews luôn làm CTR tăng” hoặc “luôn làm CTR giảm”.

4.6. Cơ chế phân phối của Google thay đổi nhưng không phải do AI Overviews

Google đang điều chỉnh Search, AI Max, Shopping và Performance Max đồng thời. Một thay đổi trong cách chọn truy vấn, định dạng, mức độ mở rộng trang đích hoặc kết hợp dữ liệu sản phẩm cũng có thể tạo ra hiệu ứng tương tự mà không cần AI Overviews là nguyên nhân trực tiếp.

Vì vậy, kỷ luật đúng vẫn là:

Quan sát → Giả thuyết → Kiểm chứng → Kết luận.

Không nên đảo thành:

Quan sát → tìm một câu chuyện đang “hot” → coi câu chuyện đó là nguyên nhân.

5. Điều gì đáng chú ý riêng với thị trường Việt Nam?

AI Overviews đã có mặt trong trải nghiệm Google Search tại Việt Nam. Tuy nhiên, cần phân biệt ba khái niệm: AI Overviews xuất hiện, quảng cáo có thể xuất hiện trên/dưới AI Overviews, và quảng cáo xuất hiện bên trong nội dung AI Overviews.

Theo tài liệu Google Ads Help được kiểm tra ngày 9/9/2026, quảng cáo có thể đủ điều kiện xuất hiện trên hoặc dưới AI Overviews tại hơn 200 thị trường nơi tính năng này khả dụng. Trong khi đó, danh sách thị trường được hỗ trợ quảng cáo bên trong AI Overviews hiện chỉ gồm một số quốc gia và chưa liệt kê Việt Nam. Điều này khớp với slide Google trình bày tại Vietnam Retail & E-commerce Summit tháng 8/2026, nơi quảng cáo trong AI Overviews được ghi chú là “sắp ra mắt tại VN”.

Điều này dẫn đến hai kết luận thực hành.

Thứ nhất, một tài khoản Google Ads tại Việt Nam không nên thấy lượt hiển thị Shopping giảm rồi mặc định kết luận quảng cáo đã bị chuyển vào bên trong AI Overviews. Dữ liệu hiện tại chưa hỗ trợ cách nói đó.

Thứ hai, ngay cả ở các thị trường đã hỗ trợ, Google Ads hiện không cung cấp báo cáo phân đoạn riêng cho quảng cáo nằm trong AI Overviews. Nhà quảng cáo cũng không thể chỉ nhắm mục tiêu riêng bề mặt này hoặc tắt riêng bề mặt này. Do đó, việc đo tác động vẫn cần kết hợp dữ liệu tài khoản với quan sát SERP, phân tích truy vấn và các nghiên cứu bên ngoài.

Một chi tiết khác đáng chú ý từ tài liệu Google tại Việt Nam: các truy vấn phức tạp được trình bày là nhóm đang tăng trưởng nhanh, với mức +107% so với cùng kỳ tại Việt Nam trong dữ liệu Google được trích dẫn tại sự kiện. Đây là một tín hiệu về sự thay đổi hành vi tìm kiếm, nhưng không nên biến con số này thành bằng chứng rằng CTR Shopping thay đổi vì AI Overviews. Hai sự kiện có thể liên quan về bối cảnh mà vẫn chưa có quan hệ nhân quả được chứng minh.

6. Khung chẩn đoán 7 bước cho Shopping và Performance Max

Nếu tài khoản của bạn đang có mẫu hình CTR tăng + lượt hiển thị giảm, tôi sẽ không chỉnh giá thầu ngay. Trước tiên nên chạy một quy trình chẩn đoán theo thứ tự dưới đây.

Bước 1 — Đặt lượt hiển thị, lượt nhấp và CTR trên cùng một biểu đồ

Xem tối thiểu 8–12 tuần và tốt hơn là có thêm so sánh cùng kỳ. Đừng chỉ nhìn phần trăm thay đổi tuần qua tuần vì một tuần dễ bị nhiễu bởi mùa vụ, khuyến mãi hoặc ngân sách.

Các chỉ số nền cần có: lượt hiển thị, lượt nhấp, CTR, chi phí, CPC, chuyển đổi, giá trị chuyển đổi và ROAS. Nếu có dữ liệu kinh doanh, thêm số đơn, doanh thu thực nhận, lợi nhuận đóng góp hoặc biên lợi nhuận.

Bước 2 — Chuẩn hóa chỉ số về cùng mốc 100 để nhìn tốc độ co giãn

Ví dụ chọn tuần đầu = 100. Nếu sau 8 tuần lượt hiển thị còn 70, lượt nhấp còn 91 nhưng CTR lên 130, ta sẽ nhìn thấy ngay rằng phần lớn mức tăng CTR đến từ mẫu số giảm mạnh hơn, không phải lượt nhấp tăng.

Đây là cách đơn giản nhưng rất hiệu quả để tránh bị đánh lừa bởi tỷ lệ.

Bước 3 — Tách cơ cấu trước khi kết luận chất lượng

Tách theo những chiều dữ liệu có thể kiểm soát được: loại chiến dịch, thiết bị, địa lý, nhóm sản phẩm, thương hiệu/không thương hiệu, nhóm giá, sản phẩm chủ lực và các giai đoạn khuyến mãi. Với Performance Max, mức độ tách truy vấn có giới hạn, nhưng vẫn nên tận dụng báo cáo danh mục tìm kiếm và các dữ liệu bổ trợ có sẵn thay vì chỉ đọc tổng campaign.

Câu hỏi cần trả lời là: CTR tăng ở mọi nhóm hay chỉ tăng vì traffic đang dồn vào một nhóm vốn có CTR cao?

Bước 4 — Kiểm tra phạm vi sản phẩm đủ điều kiện

Trong Merchant Center, kiểm tra số sản phẩm active, disapproved, limited, out of stock và các thay đổi lớn trong nguồn dữ liệu. So sánh trước/sau đúng thời điểm lượt hiển thị bắt đầu giảm.

Nếu phạm vi sản phẩm giảm 20% trong cùng giai đoạn, đây phải là giả thuyết ưu tiên cao hơn AI Overviews.

Bước 5 — Kiểm tra giới hạn do ngân sách, thứ hạng và chiến lược giá thầu

Xem chiến dịch có thay đổi ngân sách, mục tiêu ROAS, chiến lược giá thầu hoặc trạng thái “giới hạn bởi ngân sách” hay không. Với các báo cáo có hỗ trợ impression share/lost impression share, dùng chúng để xem cơ hội bị mất vì ngân sách hay thứ hạng có thay đổi không.

Nếu mục tiêu ROAS vừa được nâng mạnh đúng lúc lượt hiển thị giảm, hãy kiểm chứng giả thuyết này trước khi quy cho thay đổi SERP.

Bước 6 — Đưa kết quả kinh doanh vào trước khi đánh giá tốt/xấu

CTR tăng chỉ có ý nghĩa tích cực nếu nó đi cùng một chuỗi kết quả hợp lý. Tôi sẽ kiểm tra tối thiểu:

Tỷ lệ chuyển đổi có tăng không?
Số chuyển đổi có giữ được không?
Doanh thu/giá trị chuyển đổi có giữ được không?
ROAS tăng vì doanh thu tốt hơn hay chỉ vì chi phí giảm?
Giá trị đơn trung bình có đổi không?
Nếu có backend: lợi nhuận, khách mới, tỷ lệ hủy/hoàn hoặc chất lượng đơn có đổi không?

Nếu CTR tăng 20% nhưng số đơn giảm 25%, đó không phải tín hiệu để ăn mừng.

Bước 7 — Chỉ sau đó mới đưa AI Overviews vào ma trận giả thuyết

Khi các nguyên nhân nội bộ không giải thích đủ biến động, hãy xem thay đổi giao diện Search/AI là một giả thuyết bên ngoài. Có thể lấy mẫu một nhóm truy vấn quan trọng và kiểm tra thủ công theo thiết bị/thị trường; dùng công cụ giám sát SERP nếu có; ghi nhận tỷ lệ xuất hiện AI Overviews; và so sánh nhóm truy vấn có/không có AI Overviews theo thời gian.

Cách làm này vẫn chưa biến quan sát thành thí nghiệm nhân quả hoàn hảo, nhưng ít nhất giúp giả thuyết có bằng chứng tốt hơn một câu chuyện dựa trên timeline trùng nhau.

7. Dashboard nên đọc theo 5 lớp thay vì một chỉ số CTR

Một dashboard Shopping trong giai đoạn Search thay đổi nhanh nên có ít nhất năm lớp. Không cần quá nhiều biểu đồ; quan trọng là mỗi lớp trả lời một câu hỏi quyết định.

Lớp	Chỉ số nên xem	Câu hỏi cần trả lời
Phạm vi tiếp cận	Lượt hiển thị, sản phẩm đủ điều kiện, impression share nếu có	Hệ thống còn được tham gia bao nhiêu cơ hội?
Lưu lượng	Lượt nhấp, CTR, CPC	Bao nhiêu người thực sự vào website và chi phí cho lượt truy cập là bao nhiêu?
Chuyển đổi	Số chuyển đổi, tỷ lệ chuyển đổi, giá trị chuyển đổi	Traffic còn lại có tạo hành động giá trị không?
Kinh tế	ROAS, doanh thu backend, lợi nhuận, CAC/khách mới nếu có	Hiệu quả có chuyển thành giá trị kinh doanh thật không?
Bối cảnh chẩn đoán	Cơ cấu truy vấn, thiết bị, địa lý, nhóm sản phẩm, thay đổi SERP/AI	Tại sao các lớp trên thay đổi?

Điều tôi muốn tránh là một dashboard nơi CTR màu xanh trong khi lượt hiển thị, số đơn và doanh thu đều đỏ. Một tỷ lệ đẹp không được quyền che mất sự co lại của quy mô.

Khung này cũng nhất quán với một nguyên tắc đo lường rộng hơn: một chỉ số chỉ hữu ích khi được đặt cạnh quyết định mà nó phục vụ. CTR giúp hiểu hiệu quả biến lượt hiển thị thành lượt nhấp; nó không tự trả lời câu hỏi “kinh doanh đang tăng trưởng hay không”.

Nếu muốn đào sâu thêm cách đọc dữ liệu AI Search mà không bị ám ảnh bởi một chỉ số CTR, có thể xem bài AI Overviews có làm giảm click? Cách đọc đúng dữ liệu AI Search trong 2026.

8. Nên hành động thế nào trong 24 giờ, 7 ngày và 30 ngày?

Trong 24 giờ: chưa tối ưu vội, hãy xác nhận hiện tượng

Lấy dữ liệu 28 ngày gần nhất, 28 ngày trước đó và cùng kỳ nếu có. Vẽ lượt hiển thị, lượt nhấp, CTR, chi phí, số chuyển đổi và giá trị chuyển đổi. Kiểm tra Merchant Center, ngân sách, mục tiêu ROAS và các thay đổi chiến dịch gần thời điểm biến động.

Mục tiêu trong 24 giờ không phải tìm ra “thủ phạm”, mà là xác nhận CTR tăng vì lượt nhấp tốt lên hay vì lượt hiển thị co nhanh hơn.

Trong 7 ngày: xây ma trận giả thuyết

Chia nguyên nhân thành bốn nhóm: nhu cầu thị trường; phạm vi sản phẩm và dữ liệu feed; giá thầu/ngân sách/cạnh tranh; thay đổi giao diện Search và AI. Với mỗi nhóm, ghi bằng chứng ủng hộ, bằng chứng phản bác và dữ liệu còn thiếu.

Nếu chỉ một nhóm sản phẩm hoặc một thiết bị có biến động, ưu tiên điều tra cục bộ. Nếu hiện tượng xuất hiện đồng loạt ở nhiều campaign và nhiều nhóm sản phẩm, giả thuyết thay đổi hệ thống/ thị trường đáng được nâng trọng số.

Trong 30 ngày: cập nhật benchmark và kiểm chứng bằng dữ liệu kinh doanh

Nếu CTR mới duy trì ổn định nhưng lượt hiển thị thấp hơn, benchmark CTR lịch sử cũ có thể không còn cùng ý nghĩa. Đừng đặt mục tiêu “đưa impression về mức cũ” bằng mọi giá; hãy xem số chuyển đổi, doanh thu, lợi nhuận và lượng khách mới có bị ảnh hưởng không.

Nếu kết quả kinh doanh giữ được trong khi chi phí hiệu quả hơn, việc giảm một phần lượt hiển thị có thể là chọn lọc tốt. Nếu chuyển đổi và doanh thu cũng giảm, cần xem đây là vấn đề về quy mô cơ hội chứ không phải một thành tựu CTR.

9. Kết luận: CTR tăng là một tín hiệu để hỏi tiếp, không phải câu trả lời cuối cùng

Mẫu hình CTR Shopping tăng trong khi lượt hiển thị giảm là một ví dụ rất rõ về rủi ro khi quản trị Performance Marketing bằng tỷ lệ đơn lẻ. Tỷ lệ có thể đẹp hơn chỉ vì mẫu số co lại. Nó cũng có thể đẹp hơn vì cơ cấu truy vấn được chọn lọc tốt hơn. Hoặc nó có thể phản ánh chất lượng traffic thật sự tăng. Ba câu chuyện này dẫn tới ba quyết định hoàn toàn khác nhau.

AI Overviews là một giả thuyết đáng theo dõi vì Search đang thay đổi nhanh và Google ngày càng kết hợp AI với hành trình mua sắm. Nhưng dữ liệu hiện tại chưa đủ để nói AI Overviews đã gây ra việc lượt hiển thị Shopping giảm. Đặc biệt ở Việt Nam, tài liệu Google tháng 8/2026 vẫn ghi quảng cáo bên trong AI Overviews là “sắp ra mắt”, và Google Ads chưa cung cấp báo cáo phân đoạn riêng để đo bề mặt này.

Vì vậy, cách làm an toàn hơn là giữ kỷ luật phân tích:

Lượt hiển thị → Lượt nhấp → CTR → Chuyển đổi → Giá trị kinh doanh → Bối cảnh thay đổi.

Khi tỷ lệ đẹp lên, đừng vội tối ưu theo câu chuyện đẹp nhất. Hãy hỏi: quy mô cơ hội có đang co lại không, traffic còn lại có thực sự tốt hơn không, và điều đó có tạo thêm giá trị kinh doanh hay không?

Đó mới là câu hỏi quan trọng hơn CTR.

Nguồn tham khảo

Ghi chú bằng chứng: các số liệu CTR/Impression trong bài phản ánh các mẫu dữ liệu được nguồn ngành công bố, không phải benchmark chính thức áp dụng cho mọi tài khoản. Giả thuyết AI Overviews ảnh hưởng đến cơ cấu lượt hiển thị Shopping vẫn cần thêm dữ liệu để kiểm chứng nhân quả.