Thứ Sáu, 5 giờ chiều. Sếp gửi tin nhắn: "Thứ Hai họp roadmap Q3, em chuẩn bị giúp anh một bản market sizing cho tính năng loyalty program, kèm so sánh xem 3-4 đối thủ chính đang làm gì trong mảng này." Bạn có đúng một buổi tối và sáng thứ Hai để làm việc mà bình thường một agency research mất 2-3 tuần với chi phí vài nghìn đô. Đây không phải tình huống hiếm — với Mid & Senior BA/PM/PO làm Agile, market research và competitive analysis gần như luôn bị nén vào khung thời gian phi thực tế, giữa hàng chục việc khác của sprint. May mắn là bức tranh đã thay đổi: AI không thể thay bạn đi phỏng vấn khách hàng hay đàm phán với đối tác, nhưng nó có thể nén phần tổng hợp, cấu trúc hóa, và đối chiếu dữ liệu — vốn chiếm 70-80% thời gian của một bản research truyền thống — xuống còn vài giờ, nếu bạn biết đưa đúng nguồn dữ liệu và đặt đúng câu hỏi.
Bài học này đi từ cách dùng AI để tổng hợp xu hướng thị trường từ nhiều nguồn dữ liệu, đến cách dựng feature matrix/positioning map/SWOT cho phân tích đối thủ, cách theo dõi liên tục các động thái của đối thủ, và quan trọng nhất — cách kiểm chứng những gì AI nói ra trước khi đưa vào một bản báo cáo mà ban lãnh đạo sẽ dựa vào để ra quyết định đầu tư hàng tỷ đồng.
Làm Sao Dùng AI Để Tổng Hợp Xu Hướng Thị Trường Từ Nhiều Nguồn Dữ Liệu?
Tổng hợp xu hướng thị trường (market trend synthesis) về bản chất là bài toán "đọc nhiều, viết ít, viết đúng" — bạn phải nạp vào đầu hàng chục báo cáo, bài phân tích, số liệu thống kê rời rạc, rồi rút ra 5-7 insight có sức nặng thực sự cho quyết định sản phẩm. Đây chính là dạng công việc AI làm tốt nhất: xử lý khối lượng văn bản lớn, tìm pattern lặp lại giữa các nguồn, và tổng hợp theo cấu trúc bạn yêu cầu.
Vấn đề của phần lớn BA/PM khi mới dùng AI cho việc này là hỏi quá chung chung — kiểu "xu hướng thị trường fintech Việt Nam 2026 là gì" — và nhận về một bài viết chung chung không khác gì bài blog SEO. Chìa khóa là bạn phải đóng vai trò "biên tập viên nghiên cứu" (research editor): tự tay thu thập nguồn, rồi giao cho AI vai trò tổng hợp có cấu trúc, chứ không phải vai trò "tự bịa" kiến thức từ trong bộ nhớ huấn luyện của nó.
Các Bước Thực Hành
- Xác định phạm vi trước khi hỏi AI bất cứ điều gì. Viết rõ: thị trường nào (Việt Nam, Đông Nam Á, hay toàn cầu), phân khúc nào (SME hay enterprise), khung thời gian nào (2024-2026 hay dự báo 2027). Phạm vi mơ hồ luôn ra kết quả mơ hồ.
- Thu thập nguồn dữ liệu chủ động, đừng để AI tự tìm. Với các công cụ có khả năng duyệt web như Perplexity, ChatGPT (chế độ tìm kiếm), hoặc Claude (kèm web search), bạn vẫn nên tự tay tổng hợp 5-10 nguồn đáng tin cậy trước: báo cáo ngành từ Similarweb, số liệu từ Statista, báo cáo của các quỹ đầu tư (ví dụ Vietnam Innovation and Tech Investment Report, e-Conomy SEA của Google/Temasek/Bain), bài phỏng vấn founder trên TechCrunch/DealStreetAsia, hoặc dữ liệu công khai từ Crunchbase về vòng gọi vốn trong ngành.
- Đưa từng nguồn vào AI kèm trích dẫn nguồn gốc rõ ràng — dán nguyên đoạn văn bản hoặc số liệu, ghi rõ tên nguồn/ngày xuất bản, để AI không nhầm lẫn giữa các nguồn và để bạn dễ dàng trace ngược lại khi cần kiểm chứng.
- Yêu cầu AI phân loại insight theo tầng — insight nào được nhiều nguồn đồng thuận (high-confidence), insight nào chỉ xuất hiện ở một nguồn duy nhất (cần kiểm chứng thêm), và insight nào các nguồn mâu thuẫn nhau (cần bạn tự phán đoán hoặc tìm thêm dữ liệu).
- Bắt AI gắn từng insight với hàm ý sản phẩm cụ thể — "xu hướng X" không có giá trị nếu không đi kèm câu "vậy thì roadmap của mình nên làm gì khác đi".
Ví Dụ Prompt
Bạn là một Market Research Analyst có 10 năm kinh nghiệm trong ngành
SaaS/Fintech Đông Nam Á, đang hỗ trợ một Product Manager chuẩn bị
báo cáo cho buổi roadmap review với ban lãnh đạo.
Phạm vi nghiên cứu:
- Thị trường: [Việt Nam / Đông Nam Á]
- Phân khúc: [ví dụ: loyalty & rewards program cho ứng dụng ngân hàng số]
- Khung thời gian: [2024-2026, có thể nhìn xa tới 2027]
Dưới đây là các nguồn dữ liệu tôi đã thu thập (ghi rõ tên nguồn,
ngày xuất bản trước mỗi đoạn):
[NGUỒN 1: Tên báo cáo, ngày — dán đoạn trích]
[NGUỒN 2: Tên báo cáo, ngày — dán đoạn trích]
[NGUỒN 3: Tên báo cáo, ngày — dán đoạn trích]
Hãy tổng hợp thành báo cáo xu hướng thị trường theo cấu trúc:
1. Liệt kê tối đa 7 xu hướng chính, mỗi xu hướng có tên ngắn gọn
(dạng tiêu đề) và 2-3 câu mô tả.
2. Với mỗi xu hướng, ghi rõ:
- Mức độ đồng thuận: Cao (≥3 nguồn xác nhận) / Trung bình (2 nguồn)
/ Thấp (1 nguồn, cần kiểm chứng thêm).
- Nguồn cụ thể hỗ trợ (trích dẫn tên nguồn).
- Hàm ý cho sản phẩm: xu hướng này gợi ý team nên làm gì, hoặc
nên tránh làm gì, trong roadmap 2 quý tới.
3. Chỉ ra nếu có xu hướng nào các nguồn MÂU THUẪN nhau, giải thích
góc nhìn của từng bên.
4. Một đoạn tóm tắt điều hành (executive summary) 4-5 câu, viết cho
người không có thời gian đọc chi tiết.
Trả lời bằng tiếng Việt, giữ nguyên thuật ngữ tiếng Anh phổ biến
trong ngành (TAM/SAM/SOM, churn, retention, v.v.).
Mẹo: Đừng bao giờ để AI tự "tìm nguồn" rồi tổng hợp trong một bước duy nhất khi báo cáo sẽ đưa lên ban lãnh đạo — tách riêng bước thu thập nguồn (bạn kiểm soát) và bước tổng hợp (AI hỗ trợ). Nếu dùng tính năng web search tích hợp của ChatGPT/Perplexity, luôn yêu cầu nó liệt kê URL nguồn kèm theo, rồi tự tay mở lại 30-40% số nguồn quan trọng nhất để xác nhận — vì mô hình đôi khi diễn giải sai số liệu hoặc trích dẫn nhầm ngữ cảnh gốc.
Cách Tạo Các Bản Phân Tích Bối Cảnh Cạnh Tranh — Feature Matrix, Positioning Map, Và SWOT
Đây là phần "sân khấu chính" của hầu hết buổi họp chiến lược sản phẩm: một bảng so sánh tính năng (feature matrix), một biểu đồ định vị (positioning map), và một khung SWOT cho từng đối thủ hoặc cho tổng thể thị trường. Ba công cụ này không phải để "trông cho đẹp slide" — chúng buộc bạn trả lời ba câu hỏi chiến lược khác nhau: chúng ta thiếu tính năng gì so với đối thủ (feature matrix), chúng ta đang đứng ở đâu trong tâm trí khách hàng so với đối thủ (positioning map), và chúng ta nên tấn công/phòng thủ ở đâu (SWOT).
AI đặc biệt mạnh ở việc dựng khung sườn ban đầu cho cả ba loại phân tích này cực nhanh, nhưng điểm yếu chí mạng là nó dễ "đoán" thông tin đối thủ dựa trên kiến thức huấn luyện cũ (có thể lỗi thời 1-2 năm) nếu bạn không cung cấp dữ liệu mới. Quy tắc vàng: AI dựng cấu trúc và giúp bạn suy luận, còn dữ liệu thô về đối thủ luôn phải do bạn cung cấp hoặc xác nhận.
Các Bước Thực Hành
- Thu thập dữ liệu thô về đối thủ trước — chụp màn hình trang pricing, trang tính năng, changelog, review trên G2/Capterra/TrustRadius, hoặc dùng Similarweb để lấy traffic/nguồn traffic, dùng Crayon hoặc Klue nếu công ty có subscription cho competitive intelligence chuyên dụng.
- Chọn danh sách tính năng để so sánh dựa trên JTBD (Jobs-to-be-Done), không phải liệt kê mọi tính năng có trên trang marketing của đối thủ — tính năng nào thực sự giải quyết công việc khách hàng đang cần, chứ không phải tính năng "cho có".
- Dán dữ liệu thô vào AI và yêu cầu dựng feature matrix dạng bảng, có điểm số (có/không/một phần) cho từng sản phẩm.
- Với positioning map, chọn 2 trục có ý nghĩa chiến lược thật sự (ví dụ: giá vs. mức độ tùy biến, hoặc dễ dùng vs. độ sâu tính năng enterprise) — tránh trục vô nghĩa kiểu "tốt vs. xấu".
- Với SWOT, luôn viết theo góc nhìn của khách hàng mục tiêu, không viết theo góc nhìn nội bộ công ty — Strength phải là "khách hàng thấy chúng ta mạnh ở đâu", không phải "chúng ta tự hào về cái gì".
- Yêu cầu AI gắn mỗi ô trong ma trận với một nguồn cụ thể để bạn dễ audit lại và cập nhật khi có thông tin mới.
Ví Dụ Prompt
Bạn là Competitive Intelligence Analyst hỗ trợ team Product xây dựng
bối cảnh cạnh tranh cho buổi QBR (Quarterly Business Review).
Sản phẩm của chúng tôi: [Tên sản phẩm + mô tả ngắn 1-2 câu]
Đối thủ cần so sánh: [Đối thủ A, B, C]
Dữ liệu thô tôi đã thu thập (chụp trang pricing, tính năng, review):
[DÁN DỮ LIỆU TỪNG ĐỐI THỦ, ghi rõ nguồn và ngày thu thập]
Danh sách tính năng cần so sánh (dựa trên Jobs-to-be-Done của khách
hàng mục tiêu):
[LIỆT KÊ 10-15 TÍNH NĂNG/KHẢ NĂNG]
Hãy thực hiện:
1. Dựng Feature Matrix dạng bảng Markdown: Tính năng | Sản phẩm của
chúng tôi | Đối thủ A | Đối thủ B | Đối thủ C. Mỗi ô ghi: Có /
Không / Một phần (kèm chú thích ngắn), và ghi rõ nguồn dữ liệu ở
cuối bảng.
2. Đề xuất 2 trục có ý nghĩa chiến lược nhất cho Positioning Map dựa
trên dữ liệu trên (ví dụ: Giá vs. Độ sâu tính năng, hoặc Dễ triển
khai vs. Khả năng tùy biến), giải thích vì sao 2 trục này quan
trọng hơn các trục khác.
3. Mô tả vị trí tương đối của từng sản phẩm trên 2 trục đó (không cần
vẽ hình, chỉ mô tả bằng lời và ước lượng tọa độ tương đối theo
thang 1-10 mỗi trục).
4. Dựng SWOT cho sản phẩm của chúng tôi theo góc nhìn khách hàng mục
tiêu, mỗi mục tối đa 4 gạch đầu dòng, ưu tiên tính cụ thể hơn tính
toàn diện.
Trả lời bằng tiếng Việt, giữ nguyên thuật ngữ tiếng Anh phổ biến
(feature matrix, positioning map, JTBD, v.v.).
Mẹo: Khi dựng positioning map, đừng để AI tự chọn 2 trục nếu bạn chưa có giả thuyết chiến lược nào — hãy đưa ra 3-4 cặp trục ứng viên trước (ví dụ dựa trên insight từ phần tổng hợp xu hướng ở mục trên), rồi yêu cầu AI đánh giá cặp trục nào bộc lộ rõ nhất khoảng trống thị trường (white space) mà sản phẩm bạn có thể khai thác — một positioning map chỉ có giá trị khi nó dẫn tới một quyết định định vị cụ thể, không phải một bức tranh đẹp để trưng trong slide rồi cất tủ.
Dùng AI Để Theo Dõi Và Tóm Tắt Các Cập Nhật Sản Phẩm, Thay Đổi Chiến Lược Của Đối Thủ
Competitive analysis không phải việc làm một lần rồi cất file PDF vào Google Drive — thị trường di chuyển liên tục, đối thủ ra tính năng mới mỗi 2-3 tuần, thay đổi pricing mỗi quý, và đôi khi pivot cả chiến lược sau một vòng gọi vốn mới. Một BA/PM giỏi cần một hệ thống theo dõi sống (living monitoring system), không phải một bản báo cáo tĩnh làm một lần.
Thách thức thực sự không phải là "tìm thông tin" — thông tin về đối thủ tràn ngập trên changelog, LinkedIn, Twitter/X, blog công ty, báo chí ngành. Thách thức là lọc nhiễu: 95% thông tin không đáng để bạn dừng lại đọc kỹ, chỉ 5% là tín hiệu thực sự quan trọng (một tính năng đe dọa trực tiếp, một thay đổi pricing ảnh hưởng đến định vị của bạn, một thông báo tuyển dụng hé lộ hướng đi mới). AI là công cụ lọc nhiễu tốt nhất bạn có, nếu bạn thiết lập đúng nguồn và đúng tiêu chí ưu tiên.
Các Bước Thực Hành
- Lập danh sách nguồn theo dõi cố định cho mỗi đối thủ: changelog/release notes chính thức, trang blog công ty, tài khoản LinkedIn của founder/CPO, trang tuyển dụng (job posting hé lộ hướng phát triển sản phẩm), G2/Capterra (review mới), và các bài báo trên DealStreetAsia/TechCrunch/Tech in Asia nếu đối thủ vừa gọi vốn.
- Thiết lập nhịp thu thập định kỳ — hàng tuần hoặc hai tuần một lần, đừng để dồn 3 tháng mới tổng hợp một lần, vì lúc đó thông tin đã quá cũ để hành động kịp.
- Dùng công cụ tổng hợp tin tức có AI hỗ trợ như Perplexity (đặt câu hỏi định kỳ về cập nhật mới của đối thủ), hoặc thiết lập Google Alerts/Feedly cho tên đối thủ rồi định kỳ đưa toàn bộ nội dung thu thập được vào ChatGPT/Claude để tóm tắt.
- Bắt AI phân loại mỗi cập nhật theo mức độ đe dọa — không phải mọi tính năng mới của đối thủ đều đáng lo, một số chỉ là "bắt kịp" (catch-up feature), một số mới thực sự là "đòn tấn công" (differentiator mới đe dọa vị thế của bạn).
- Chuyển kết quả theo dõi thành hành động cụ thể trong backlog — mỗi cập nhật đáng chú ý nên có một dòng ghi chú "vậy team mình cần làm gì", không chỉ dừng ở việc "biết".
Ví Dụ Prompt
Bạn là Competitive Intelligence Analyst, hỗ trợ tôi theo dõi định kỳ
2 tuần/lần các động thái của đối thủ trong ngành [tên ngành].
Đối thủ cần theo dõi: [Đối thủ A, B, C]
Dưới đây là các thông tin tôi thu thập được trong 2 tuần qua (changelog,
bài blog, bài LinkedIn, job posting, review mới trên G2):
[DÁN NỘI DUNG THU THẬP, ghi rõ nguồn và ngày cho từng mục]
Hãy tổng hợp thành báo cáo theo dõi đối thủ gồm:
1. Với mỗi đối thủ, liệt kê các động thái đáng chú ý (tối đa 5 mục),
phân loại theo mức độ đe dọa:
- "Bắt kịp" (catch-up): đối thủ chỉ đang đuổi theo tính năng thị
trường đã có, không thay đổi cục diện cạnh tranh.
- "Đòn tấn công mới" (new differentiator): tính năng/thay đổi có
khả năng làm thay đổi lựa chọn của khách hàng, cần phản ứng.
- "Tín hiệu chiến lược" (strategic signal): job posting, tuyển dụng,
thông báo gọi vốn hé lộ hướng đi trong 6-12 tháng tới, chưa cần
hành động ngay nhưng cần theo dõi tiếp.
2. Với mỗi mục "Đòn tấn công mới", đề xuất 1 hành động cụ thể team
Product nên cân nhắc trong 1-2 sprint tới (không cần chi tiết, chỉ
cần hướng hành động).
3. Một bảng tóm tắt cuối: Đối thủ | Số động thái đáng chú ý | Mức độ
đe dọa tổng thể tăng/giảm/ổn định so với kỳ theo dõi trước.
Trả lời bằng tiếng Việt, giữ nguyên thuật ngữ tiếng Anh phổ biến
trong ngành.
Mẹo: Đừng theo dõi dàn trải quá nhiều đối thủ cùng một mức độ chi tiết — chọn tối đa 3-5 đối thủ "hạng nặng" để theo dõi sâu 2 tuần/lần, còn lại xếp vào danh sách "theo dõi lướt" (quét tiêu đề mỗi tháng một lần). Theo dõi 15 đối thủ với cùng độ sâu chỉ khiến bạn kiệt sức và không hành động kịp với những đối thủ thực sự quan trọng.
Làm Sao Kiểm Chứng Insight Thị Trường Do AI Tạo Ra Với Các Nguồn Sơ Cấp?
Đây là phần dễ bị bỏ qua nhất nhưng lại quan trọng nhất trong toàn bộ quy trình — vì hậu quả của một insight sai không dừng lại ở việc bạn "quê" trước ban lãnh đạo, mà có thể dẫn đến quyết định đầu tư roadmap sai hướng cho cả một quý. LLM có xu hướng "hallucinate" (bịa thông tin nghe có vẻ hợp lý) đặc biệt cao khi bị hỏi về số liệu cụ thể, tên công ty cụ thể, hoặc sự kiện gần đây mà nó không có trong dữ liệu huấn luyện hoặc không tìm kiếm được chính xác. Một con số thị trường nghe "rất chuẩn" hoàn toàn có thể là do mô hình nội suy từ những con số tương tự nó từng thấy, chứ không phải trích dẫn thật.
Nguyên tắc cốt lõi: coi mọi insight từ AI là một giả thuyết cần kiểm chứng (hypothesis to validate), không phải một sự thật để trích dẫn thẳng vào slide. Mức độ kiểm chứng cần tương xứng với mức độ rủi ro của quyết định — một con số dùng để "tham khảo cho vui" trong buổi brainstorm nội bộ cần ít kiểm chứng hơn một con số sẽ xuất hiện trong bản business case trình lên board.
Các Bước Thực Hành
- Luôn yêu cầu AI trích dẫn nguồn cụ thể cho mọi số liệu hoặc claim quan trọng — nếu nó không thể cho nguồn rõ ràng (tên báo cáo, tổ chức, năm xuất bản), coi đó là tín hiệu cảnh báo, không phải bằng chứng.
- Phân loại insight theo 3 tầng rủi ro trước khi quyết định mức độ kiểm chứng cần thiết:
- Tầng thấp (dùng nội bộ, không ảnh hưởng quyết định lớn): chấp nhận trích dẫn AI kèm ghi chú "chưa kiểm chứng độc lập".
- Tầng trung (dùng cho roadmap nội bộ, ảnh hưởng đến ưu tiên backlog): đối chiếu chéo với ít nhất 2 nguồn công khai độc lập (báo cáo ngành khác, dữ liệu Similarweb/Crunchbase, bài phỏng vấn công khai).
- Tầng cao (dùng cho quyết định đầu tư, business case trình board, pitch với nhà đầu tư): bắt buộc xác nhận với nguồn sơ cấp (primary source) — phỏng vấn khách hàng thật, dữ liệu nội bộ công ty, hoặc báo cáo trả phí từ các đơn vị uy tín như Gartner/IDC/McKinsey.
- Dùng phỏng vấn khách hàng/chuyên gia ngành để đối chiếu ngược — chọn 3-5 insight quan trọng nhất từ bản tổng hợp AI, đưa vào bảng câu hỏi phỏng vấn khách hàng hoặc chuyên gia (subject matter expert) để xác nhận bằng dữ liệu sơ cấp thật.
- Kiểm tra chéo bằng công cụ dữ liệu độc lập — nếu AI nói đối thủ X có traffic tăng mạnh, xác nhận lại bằng Similarweb; nếu nói đối thủ Y vừa gọi vốn vòng Series B, xác nhận lại bằng Crunchbase hoặc thông cáo báo chí chính thức.
- Ghi lại rõ ràng mức độ tin cậy của từng insight trong báo cáo cuối cùng, đừng trình bày insight chưa kiểm chứng với vẻ chắc chắn ngang với insight đã kiểm chứng kỹ — điều này bảo vệ uy tín cá nhân bạn khi có ai đó trong cuộc họp hỏi ngược "số này lấy từ đâu vậy em?".
Ví Dụ Prompt
Bạn là một Research Fact-Checker nghiêm khắc, nhiệm vụ của bạn là rà
soát tính xác thực của báo cáo thị trường dưới đây trước khi nó được
trình lên ban lãnh đạo.
[DÁN TOÀN BỘ BÁO CÁO/TỔNG HỢP INSIGHT ĐÃ TẠO Ở CÁC BƯỚC TRƯỚC]
Với mỗi số liệu hoặc claim quan trọng trong báo cáo, hãy:
1. Đánh dấu claim đó là "Có nguồn rõ ràng" (ghi cụ thể nguồn được
trích dẫn trong báo cáo), "Nguồn mơ hồ" (có nhắc nguồn nhưng không
đủ cụ thể để kiểm chứng), hoặc "Không có nguồn" (claim được đưa ra
mà không kèm bất kỳ trích dẫn nào).
2. Với các claim "Nguồn mơ hồ" hoặc "Không có nguồn", đề xuất câu hỏi
cụ thể tôi nên tìm câu trả lời từ nguồn sơ cấp (phỏng vấn khách
hàng, dữ liệu nội bộ, chuyên gia ngành) để xác nhận hoặc bác bỏ.
3. Xếp hạng mức độ rủi ro nếu claim này SAI mà vẫn được dùng để ra
quyết định (Cao/Trung/Thấp), dựa trên mức độ claim đó ảnh hưởng
đến kết luận chính của báo cáo.
4. Đưa ra danh sách ưu tiên: 5 claim quan trọng nhất cần kiểm chứng
với nguồn sơ cấp TRƯỚC KHI báo cáo được trình lên ban lãnh đạo.
Trả lời bằng tiếng Việt.
Mẹo: Xây một thói quen đơn giản nhưng hiệu quả — mỗi khi AI đưa ra một con số "quá tròn" hoặc "quá đẹp" (ví dụ đúng 30% hoặc đúng gấp đôi một con số quen thuộc), đó thường là dấu hiệu con số bị nội suy chứ không phải trích dẫn thật, vì số liệu thị trường thực tế hiếm khi tròn trịa như vậy. Đây là một mẹo nhỏ nhưng giúp bạn phát hiện hallucination nhanh hơn nhiều so với việc kiểm chứng từng con số một cách máy móc.
Những Điểm Chính Cần Nhớ
- Market research và competitive analysis bằng AI không phải là "hỏi AI rồi copy-paste" — giá trị thật nằm ở việc bạn kiểm soát nguồn dữ liệu đầu vào và cấu trúc câu hỏi, còn AI đảm nhận phần tổng hợp tốn thời gian.
- Khi tổng hợp xu hướng thị trường, luôn phân loại insight theo mức độ đồng thuận giữa các nguồn (cao/trung bình/thấp) thay vì trình bày mọi insight với độ chắc chắn ngang nhau.
- Feature matrix, positioning map, và SWOT trả lời ba câu hỏi chiến lược khác nhau — dùng AI để dựng khung sườn nhanh, nhưng dữ liệu thô về đối thủ luôn phải do bạn thu thập và xác nhận.
- Theo dõi đối thủ là việc làm liên tục, không phải một lần — thiết lập nhịp thu thập định kỳ và để AI đảm nhận việc lọc nhiễu, phân loại mức độ đe dọa của từng động thái.
- Luôn coi insight từ AI là giả thuyết cần kiểm chứng, không phải sự thật để trích dẫn thẳng — mức độ kiểm chứng cần tương xứng với mức độ rủi ro của quyết định mà insight đó sẽ ảnh hưởng.
- Với những con số hoặc claim sẽ xuất hiện trong business case hay pitch trước ban lãnh đạo/nhà đầu tư, luôn đối chiếu lại với nguồn sơ cấp — phỏng vấn khách hàng thật, dữ liệu nội bộ, hoặc báo cáo trả phí uy tín — trước khi đưa vào slide cuối cùng.