Mở đầu — vì sao bài này quan trọng
Hãy tưởng tượng bạn đang phân tích một buổi phỏng vấn người dùng ứng dụng ví điện tử. Một người nói: "Ừ thì... tôi cũng dùng tính năng chuyển tiền, khá là tiện." Một người khác nói: "Chuyển tiền á? Trời ơi cứu tinh của tôi luôn, không có nó chắc tôi chết." Nếu bạn chỉ đếm tần suất — cả hai đều "nhắc đến chuyển tiền một cách tích cực" — bạn sẽ xếp họ vào cùng một nhóm. Nhưng bất kỳ ai đọc kỹ đều thấy: hai người này đang ở hai thế giới cảm xúc và mức độ gắn bó hoàn toàn khác nhau. Cái chữ "cũng" đứng một mình đã tố cáo sự hờ hững; còn "cứu tinh", "chết" là ngôn ngữ của sự phụ thuộc.
Đó chính là địa hạt của Discourse Analysis (phân tích diễn ngôn) — một phương pháp phân tích định tính không hỏi "người dùng nói về cái gì" mà hỏi "người dùng nói như thế nào, và việc nói theo cách đó tạo ra điều gì". Với tư cách một nhà nghiên cứu UX cao cấp, đây là kỹ năng giúp bạn đọc được lớp nghĩa mà người dùng không hề chủ đích diễn đạt, nhưng lại lộ ra qua từ ngữ, cách xưng hô, cách né tránh, cách đổ lỗi. Trong bối cảnh 2026 khi phần lớn dữ liệu định tính đã được AI tóm tắt (và làm phẳng) tự động, khả năng phân tích cách dùng ngôn ngữ trở thành một trong những lợi thế con người khó thay thế nhất của researcher.
Bài này tập trung riêng vào language pattern — mẫu hình ngôn ngữ trong diễn ngôn — chứ không đi vào coding chủ đề (đã có ở Bài 38) hay conversation analysis vi mô về lượt lời (Bài 51). Ở đây, ta học cách "đọc ngược" ngôn ngữ để lộ ra cấu trúc xã hội, quyền lực, bản sắc và cách người dùng xây dựng thực tại của họ.
Khái niệm cốt lõi
Discourse Analysis là gì
Discourse Analysis nghiên cứu ngôn ngữ khi đang được sử dụng (language in use) — không phải ngôn ngữ như một hệ thống ngữ pháp trừu tượng, mà ngôn ngữ như một hành động xã hội. Nền tảng của nó nằm ở một ý tưởng gọi là social constructionism: thực tại mà con người trải nghiệm phần lớn được kiến tạo qua ngôn ngữ, chứ không chỉ được mô tả bởi ngôn ngữ.
Nói cách khác, khi một người dùng nói "hệ thống này bắt tôi phải nhập lại thông tin", họ không chỉ báo cáo một sự kiện. Họ đang dựng lên một quan hệ quyền lực: hệ thống là kẻ áp đặt, còn họ là nạn nhân bị động. So với "tôi cần nhập lại thông tin", nghĩa lõi giống nhau nhưng bức tranh quan hệ hoàn toàn khác. Discourse analysis coi những lựa chọn từ ngữ này là dữ liệu vàng.
Ba thứ mà phân tích diễn ngôn thường tìm cách phơi bày:
- Social construction — người dùng đang dựng nên phiên bản thực tại nào? (Ví dụ: công nghệ là "phép màu" hay "gánh nặng"?)
- Power — ai được đặt ở vị trí kiểm soát, ai bị đặt ở vị trí phục tùng trong câu chuyện của họ?
- Identity — người nói đang tự định vị mình là ai? (Người rành công nghệ? Người "mù công nghệ"? Người bận rộn không có thời gian?)
Phân biệt với Content Analysis
Đây là điểm quan trọng nhất, và cũng là ranh giới hay bị nhầm.
| Tiêu chí | Content Analysis | Discourse Analysis |
|---|---|---|
| Câu hỏi cốt lõi | Người dùng nói cái gì? | Người dùng nói như thế nào, và nó làm gì? |
| Đơn vị phân tích | Tần suất chủ đề, từ khóa | Cách diễn đạt, cấu trúc câu, ẩn dụ, đại từ |
| Ví dụ kết quả | "68% nhắc đến 'chậm'" | "Người dùng dùng ẩn dụ giao thông ('kẹt', 'tắc') khi mô tả sự chậm → họ hình dung dữ liệu như dòng chảy vật lý" |
| Bản chất | Đo lường, đếm được | Diễn giải, đọc sâu |
| Điểm mạnh | Quy mô lớn, khách quan bề mặt | Chiều sâu, lộ ra lớp nghĩa ngầm |
Một mentor giỏi sẽ nói với bạn: đừng coi hai phương pháp là đối thủ. Content analysis cho bạn bản đồ (chỗ nào có vấn đề), discourse analysis cho bạn chiều sâu (vấn đề đó nghĩa là gì với người dùng). Trong thực tế, người ta thường dùng content analysis để khoanh vùng, rồi dùng discourse analysis để đào sâu những đoạn quan trọng nhất.
Các loại "language pattern" cần chú ý
Khi phân tích diễn ngôn, bạn săn tìm những mẫu hình ngôn ngữ lặp lại. Vài loại phổ biến và cực kỳ hữu ích cho UX:
1. Ẩn dụ (metaphor). Con người hiểu cái trừu tượng qua cái cụ thể. Khi người dùng gọi giao diện là "mê cung", "rừng", họ đang tiết lộ mô hình tinh thần về sự phức tạp và lạc lối. Khi họ gọi trợ lý AI là "em ấy", "cậu bé", họ đang nhân cách hóa — kỳ vọng một quan hệ chứ không phải một công cụ.
2. Đại từ và cách xưng hô (pronouns). "Chúng ta" hay "họ"? Khi nhân viên nói "họ — ban lãnh đạo — bắt chúng tôi dùng phần mềm này", chữ "họ" tách bạch ra một ranh giới quyền lực. Người dùng nói "app của tôi" thể hiện quyền sở hữu và gắn bó; nói "cái app đó" thể hiện sự xa cách.
3. Câu chủ động vs bị động (agency). "Tôi đã xóa nhầm file" (nhận trách nhiệm) so với "File bị xóa" (đổ cho hệ thống). Cách người dùng phân bổ agency — ai là chủ thể hành động — cho biết họ tự trách mình hay trách sản phẩm. Đây là tín hiệu vàng để biết một lỗi thuộc về "khó dùng" hay "người dùng tự nhận sai".
4. Từ giảm nhẹ và rào đón (hedging). "Chắc là", "hình như", "tôi không rành lắm nhưng...". Những cụm này thường báo hiệu sự thiếu tự tin, hoặc người dùng đang tự bảo vệ trước khi phê phán. Ngược lại, ngôn ngữ tuyệt đối ("luôn luôn", "không bao giờ", "chẳng ai") báo hiệu cảm xúc mạnh.
5. Interpretative repertoire. Đây là khái niệm hơi nâng cao: một "kho diễn giải" là tập hợp các cách nói quen thuộc mà một nhóm người dùng chung để bàn về một chủ đề. Ví dụ, nhiều người Việt lớn tuổi mô tả smartphone bằng "kho diễn giải sợ hãi": "lỡ bấm nhầm mất tiền", "sợ hư máy", "không dám đụng linh tinh". Nhận ra repertoire này giúp bạn thiết kế cho cả một nhóm, không chỉ một cá nhân.
Tình huống thực tế
Ví dụ 1 — Ứng dụng ngân hàng số và ngôn ngữ "sợ hãi" ở người dùng trung niên
Một ngân hàng số tại Việt Nam (gọi là TienViet Bank) muốn hiểu vì sao nhóm người dùng 45–60 tuổi mở app rất nhiều nhưng gần như không thực hiện giao dịch chuyển khoản, chỉ xem số dư. Content analysis 30 buổi phỏng vấn cho thấy 71% nhắc đến "an toàn/bảo mật" — kết luận sơ bộ: "người dùng lo về bảo mật, cần thêm tính năng bảo mật".
Nhưng khi làm discourse analysis, nhóm nghiên cứu phát hiện điều khác. Các câu điển hình: "Tôi sợ bấm nhầm rồi tiền bay mất", "Lỡ nó tự chuyển đi đâu thì sao", "Con tôi làm giúp chứ tôi không dám đụng". Mẫu hình ở đây không phải là nghi ngờ hệ thống bảo mật của ngân hàng — mà là người dùng tự định vị mình là kẻ vụng về, thiếu năng lực ("không dám", "bấm nhầm", "không rành"). Và họ gán agency cho chính bàn tay của mình như một mối nguy, chứ không gán cho kẻ gian.
Bài học rút ra: Nếu tin vào content analysis, ngân hàng sẽ đổ tiền vào quảng bá tính năng bảo mật — vô ích, vì vấn đề không phải niềm tin vào ngân hàng, mà là thiếu tự tin vào bản thân. Discourse analysis chỉ ra giải pháp đúng: thêm bước xác nhận "bạn sắp chuyển X đồng cho Y — đúng chứ?" cùng nút hoàn tác trong 10 giây, và ngôn ngữ trấn an ("Bạn luôn có thể kiểm tra lại"). Sau khi triển khai, tỷ lệ nhóm này hoàn tất giao dịch chuyển khoản đầu tiên tăng từ 12% lên 41% trong 3 tháng.
Ví dụ 2 — Phần mềm nội bộ và ngôn ngữ "chúng tôi vs họ"
Một công ty logistics ở TP.HCM triển khai phần mềm quản lý kho mới cho 200 nhân viên vận hành. Khảo sát định lượng cho điểm hài lòng 3.1/5 — không tệ, không tốt. Ban lãnh đạo bối rối vì đầu tư lớn nhưng phản hồi lửng lơ.
Nhóm UX làm phỏng vấn và phân tích diễn ngôn. Mẫu hình đại từ lộ ra ngay: nhân viên hầu như không bao giờ nói "phần mềm của chúng tôi". Họ nói "cái của họ", "phần mềm mà trên bắt dùng", "người ta thiết kế kiểu gì ấy". Chữ "họ", "trên", "người ta" dựng nên một bức tường: phần mềm là vật ngoại lai bị áp đặt từ trên xuống, không phải công cụ của chính họ. Thêm nữa, xuất hiện dày đặc ngôn ngữ bị động và né trách nhiệm: "bị lỗi hoài", "tự nhiên nó văng ra", cho thấy người dùng cảm thấy mất kiểm soát hoàn toàn.
Bài học rút ra: Điểm 3.1/5 không phản ánh vấn đề tính năng mà là vấn đề quyền sở hữu và sự tham gia. Không ai được hỏi ý kiến khi thiết kế, nên không ai coi nó là của mình. Công ty đổi cách tiếp cận: lập một nhóm "đại sứ" gồm nhân viên vận hành thực tế tham gia review từng bản cập nhật, và đổi ngôn ngữ đào tạo từ "phần mềm mới của công ty" sang "công cụ của tổ vận hành". Sáu tháng sau, khi phỏng vấn lại, tần suất chữ "app của tụi tôi" tăng rõ rệt — một chỉ dấu diễn ngôn cho thấy quyền sở hữu tâm lý đã dịch chuyển, và điểm hài lòng lên 3.9/5.
Ví dụ 3 — Nền tảng học trực tuyến và ẩn dụ "hành trình" vs "vượt ải"
Một startup edtech Đông Nam Á (gọi là LearnLeap) phân tích phản hồi từ học viên bỏ dở khóa học giữa chừng. Discourse analysis phát hiện hai kho ẩn dụ đối lập rõ rệt. Nhóm học viên gắn bó dùng ẩn dụ hành trình: "đi được nửa chặng", "sắp tới đích", "leo lên level". Nhóm bỏ dở dùng ẩn dụ chiến đấu và trừng phạt: "vật lộn với bài tập", "chết ở bài quiz", "bị đánh rớt hoài", "học không nổi".
Bài học rút ra: Sự khác biệt không nằm ở năng lực học viên mà ở cách nền tảng đóng khung trải nghiệm. Với nhóm bỏ dở, mỗi quiz là một "cửa ải" trừng phạt — sai là thất bại, là bị loại. Nhóm sản phẩm thiết kế lại: quiz sai không hiện "Bạn đã trượt" mà hiện "Gần đúng rồi — xem lại phần này nhé", cho làm lại không giới hạn, và thêm thanh tiến trình dạng bản đồ hành trình. Ngôn ngữ giao diện chuyển từ khung "thi cử" sang khung "hành trình". Tỷ lệ hoàn thành khóa của nhóm yếu tăng 23%. Bài học lớn hơn: ẩn dụ mà sản phẩm gieo vào đầu người dùng sẽ quay lại định hình cảm xúc của họ.
Hướng dẫn từng bước
Đây là quy trình thực hành discourse analysis cho một tập dữ liệu phỏng vấn/transcript UX:
Bước 1 — Thu thập dữ liệu ngôn ngữ "sống". Discourse analysis cần ngôn ngữ nguyên bản, chưa bị làm phẳng. Dùng transcript nguyên văn (verbatim), giữ cả từ đệm, ngập ngừng, lặp lại, tiếng "ừm". Tuyệt đối không dùng bản tóm tắt của AI ở bước này — nó xóa mất chính thứ bạn cần phân tích. Nếu có thể, ghi chú cả ngữ điệu và ngập ngừng.
Bước 2 — Đọc lướt toàn cảnh (immersion). Đọc hết một lượt mà chưa vội đánh dấu gì, chỉ để cảm nhận "giọng" chung. Ghi lại ấn tượng đầu tiên: người dùng có vẻ tự tin hay lo lắng? Chủ động hay bị động?
Bước 3 — Săn mẫu hình ngôn ngữ. Đọc lại kỹ và đánh dấu theo các lăng kính: ẩn dụ, đại từ (chúng ta/họ), chủ động/bị động, từ rào đón, ngôn ngữ tuyệt đối, cách gán agency. Với mỗi đoạn đánh dấu, ghi chú nó đang làm gì — dựng quyền lực? định vị bản sắc? né trách nhiệm?
Bước 4 — Nhóm thành interpretative repertoire. Gom các mẫu hình lặp lại thành vài "kho diễn giải". Ví dụ: "kho sợ hãi", "kho tự trách", "kho ngoại lai (họ/trên)". Đặt tên cho từng kho.
Bước 5 — Diễn giải chức năng. Hỏi: Vì sao người dùng nói theo cách này? Nó phục vụ gì cho họ (tự bảo vệ, giữ thể diện, thể hiện bản sắc)? Và nó tạo ra thực tại nào cho sản phẩm?
Bước 6 — Đối chiếu và kiểm tra chéo. So sánh cách diễn giải của bạn với đồng nghiệp (xem phần triangulation ở Bài 24). Discourse analysis mang tính diễn giải, nên cần nhiều người đọc để tránh áp đặt định kiến của riêng bạn.
Bước 7 — Chuyển thành insight hành động. Mỗi mẫu hình ngôn ngữ phải dẫn tới một hàm ý thiết kế cụ thể. "Người dùng dùng ngôn ngữ tự trách" → "thêm cơ chế hoàn tác và ngôn ngữ trấn an trong giao diện".
Lỗi thường gặp & mẹo
Lỗi 1 — Diễn giải quá tay (over-interpretation). Không phải mọi chữ "họ" đều là quyền lực ngầm; đôi khi "họ" chỉ là... họ. Mẹo: chỉ coi một mẫu hình là pattern khi nó lặp lại ở nhiều người dùng, nhất quán. Một câu lẻ là giai thoại, không phải diễn ngôn.
Lỗi 2 — Nhầm discourse analysis với "săn quote hay". Nhiều người tưởng phân tích diễn ngôn là tìm câu trích dẫn kêu để bỏ vào slide. Không. Nó là phân tích có hệ thống về mẫu hình, không phải cherry-picking. Câu quote đắt giá chỉ có giá trị khi nó đại diện cho một mẫu hình rộng hơn.
Lỗi 3 — Dùng bản dịch/tóm tắt làm dữ liệu gốc. Với dữ liệu tiếng Việt, mọi sắc thái nằm ở từ đệm, ở "á", "ừ thì", ở cách nói vòng vo. Dịch sang tiếng Anh hay tóm tắt lại là giết chết dữ liệu. Luôn phân tích trên ngôn ngữ gốc.
Lỗi 4 — Quên rằng chính bạn cũng dùng ngôn ngữ. Câu hỏi của moderator có thể gieo ẩn dụ vào đầu người dùng. Nếu bạn hỏi "app này có làm bạn bực không?", đừng ngạc nhiên khi họ nói về sự "bực". Mẹo: phân tích cả câu hỏi của mình, không chỉ câu trả lời của người dùng.
Mẹo nâng cao: Kết hợp discourse analysis với dữ liệu định lượng. Nếu content analysis cho thấy 71% nhắc "bảo mật" nhưng discourse analysis cho thấy đó là ngôn ngữ tự trách chứ không phải nghi ngờ hệ thống, insight của bạn sẽ vừa có sức nặng số liệu vừa có chiều sâu — thứ khiến stakeholder tin tưởng.
Mẹo về AI: Bạn có thể dùng LLM để hỗ trợ đánh dấu mẫu hình ban đầu (ví dụ: "tìm mọi câu bị động"), nhưng phần diễn giải chức năng — vì sao người dùng nói vậy và nó nghĩa là gì — phải do con người làm. AI giỏi đếm, kém đọc lớp nghĩa xã hội.
Bài tập thực hành
Bài tập 1 — Bóc tách agency. Lấy 5 câu phản hồi có chứa lỗi/sự cố từ một sản phẩm bất kỳ bạn dùng. Với mỗi câu, xác định: người dùng gán agency cho ai (bản thân / hệ thống / bên thứ ba)? Câu chủ động hay bị động? Rút ra: sản phẩm này khiến người dùng tự trách hay trách hệ thống nhiều hơn?
Bài tập 2 — Săn ẩn dụ. Phỏng vấn ngắn 3 người quen về một app họ dùng hằng ngày. Ghi âm nguyên văn. Đánh dấu mọi ẩn dụ họ dùng (giao thông, chiến đấu, hành trình, con người...). Mỗi ẩn dụ tiết lộ mô hình tinh thần nào? Nếu bạn là nhà thiết kế, bạn muốn gieo ẩn dụ nào thay thế?
Bài tập 3 — Kho diễn giải. Từ dữ liệu ở Bài tập 2, thử gom các cách nói thành 2–3 "interpretative repertoire" và đặt tên cho chúng. Viết một đoạn ngắn giải thích mỗi kho làm gì cho người nói (giữ thể diện? thể hiện là người sành sỏi? tự bảo vệ?).
Bài tập 4 — So sánh hai lăng kính. Với cùng một transcript, viết một kết luận theo kiểu content analysis (đếm chủ đề) và một kết luận theo kiểu discourse analysis (mẫu hình ngôn ngữ). So sánh: cái nào dẫn tới quyết định thiết kế khác nhau?
Tóm tắt
Discourse Analysis là phương pháp đọc cách người dùng dùng ngôn ngữ để lộ ra những gì họ không nói thẳng: quan hệ quyền lực, bản sắc họ tự gán cho mình, và cách họ kiến tạo thực tại quanh sản phẩm. Khác với content analysis vốn đếm "nói cái gì", discourse analysis diễn giải "nói như thế nào và nó làm gì".
Những điểm cần khắc cốt:
- Ngôn ngữ không chỉ mô tả thực tại — nó tạo dựng thực tại (social construction).
- Săn các mẫu hình: ẩn dụ, đại từ (chúng ta/họ), chủ động/bị động (agency), từ rào đón, ngôn ngữ tuyệt đối, interpretative repertoire.
- Luôn phân tích trên ngôn ngữ gốc, nguyên văn — đừng dùng bản tóm tắt hay bản dịch.
- Một mẫu hình chỉ có giá trị khi lặp lại nhất quán; đừng diễn giải quá tay từ một câu lẻ.
- Kết hợp với content analysis và số liệu định lượng để insight vừa sâu vừa có sức thuyết phục.
- Ẩn dụ và ngôn ngữ mà sản phẩm gieo vào người dùng sẽ quay lại định hình cảm xúc và hành vi của họ — đây là đòn bẩy thiết kế mạnh mẽ.