Mở đầu — vì sao bài này quan trọng
Hãy tưởng tượng bạn vừa thiết kế xong một website thương mại điện tử bán đồ gia dụng. Giao diện đẹp, màu sắc hài hòa, nút bấm rõ ràng. Nhưng khi người dùng vào tìm "nồi chiên không dầu", họ phải bấm qua 5 lớp menu, đoán mò xem món đồ nằm trong "Nhà bếp", "Thiết bị điện", hay "Đồ gia dụng thông minh". Cuối cùng họ bỏ cuộc và sang Shopee. Bạn đã thua không phải vì thiết kế xấu, mà vì cấu trúc thông tin (Information Architecture — IA) không khớp với cách người dùng suy nghĩ.
Đây chính là vấn đề mà Card Sorting sinh ra để giải quyết. Trong rất nhiều dự án, đội ngũ thiết kế tự sắp xếp menu, danh mục, nhãn (label) dựa trên logic nội bộ của công ty — logic của phòng marketing, của kho hàng, của bộ phận kỹ thuật. Nhưng người dùng không nghĩ theo sơ đồ tổ chức công ty của bạn. Họ có một "bản đồ tinh thần" (mental model) riêng. Card Sorting là phương pháp giúp bạn nhìn thấy bản đồ đó một cách trực tiếp, từ đó xây dựng navigation và cấu trúc danh mục mà người dùng thấy "đúng chỗ" ngay từ lần đầu.
Bài học này tập trung riêng vào Card Sorting như một công cụ nghiên cứu để khám phá và định hình IA. Đây là bước tạo ra cấu trúc — khác với Tree Testing ở Bài 19 (kiểm chứng cấu trúc đã có) và khác với các phương pháp đánh giá khác. Hiểu rõ Card Sorting, bạn sẽ có một vũ khí cực mạnh để thiết kế navigation cho website, app, hệ thống nội bộ hay bất kỳ sản phẩm nào có nhiều nội dung cần sắp xếp.
Khái niệm cốt lõi
Card Sorting là một phương pháp nghiên cứu trong đó bạn đưa cho người tham gia một tập hợp các "thẻ" (card) — mỗi thẻ ghi một mục nội dung, một tính năng hoặc một khái niệm — rồi yêu cầu họ nhóm các thẻ lại theo cách họ thấy hợp lý. Mục tiêu là khám phá cách người dùng mong đợi thông tin được tổ chức, từ đó định hướng cấu trúc IA và navigation của sản phẩm.
Bản chất của Card Sorting nằm ở chữ "mental model" — mô hình tư duy. Mỗi người dùng có một cách phân loại thế giới riêng. Với một người, "phí giao hàng" thuộc về "Thanh toán"; với người khác nó thuộc về "Vận chuyển". Card Sorting cho phép bạn thu thập nhiều mental model, tìm điểm chung và xây dựng cấu trúc phục vụ số đông.
Ba loại Card Sorting
Open Card Sorting (sắp xếp mở): Người tham gia tự do tạo nhóm và tự đặt tên cho từng nhóm. Bạn chỉ cung cấp các thẻ nội dung, còn việc gom nhóm và gọi tên nhóm hoàn toàn do họ quyết định. Đây là loại generative nhất — bạn dùng nó khi đang ở giai đoạn đầu, chưa có cấu trúc nào, muốn khám phá cách người dùng tự nghĩ ra danh mục và họ dùng từ ngữ gì để gọi tên. Ví dụ, người dùng có thể gom các sản phẩm chăm sóc da và tự đặt tên nhóm là "Skincare buổi tối" — một cách phân loại mà có thể bạn chưa bao giờ nghĩ tới.
Closed Card Sorting (sắp xếp đóng): Bạn đã có sẵn các nhóm (category) với tên cố định, và người tham gia chỉ việc phân loại các thẻ vào những nhóm đó. Họ không được tạo nhóm mới hay đổi tên. Loại này hữu ích khi bạn đã có một bộ danh mục — ví dụ từ cấu trúc cũ hoặc từ kết quả Open Card Sorting trước đó — và muốn kiểm tra xem các mục nội dung "rơi vào" đâu một cách tự nhiên. Nó nghiêng về evaluative hơn.
Hybrid Card Sorting (sắp xếp lai): Kết hợp cả hai. Bạn cho sẵn một số nhóm gợi ý nhưng vẫn cho phép người tham gia tạo thêm nhóm mới và đặt tên nếu họ thấy thiếu. Đây là lựa chọn cân bằng, vừa định hướng vừa để ngỏ không gian khám phá.
Open hay Closed — chọn loại nào?
Quy tắc đơn giản: nếu bạn muốn khám phá cấu trúc và ngôn ngữ của người dùng, chọn Open. Nếu bạn muốn kiểm chứng một bộ danh mục đã có, chọn Closed. Nhiều dự án bài bản chạy Open trước để sinh ra ý tưởng, rồi chạy Closed (hoặc Tree Testing ở Bài 19) để xác nhận.
Moderated vs Unmoderated
Card Sorting có thể chạy có người điều phối (moderated) — bạn ngồi cùng người tham gia, quan sát họ do dự ở đâu, hỏi "vì sao bạn xếp thẻ này vào đây?". Cách này cho insight định tính sâu nhưng tốn công. Hoặc chạy không người điều phối (unmoderated) qua các công cụ online như OptimalSort (của Optimal Workshop), Maze, UXtweak, Miro... — người tham gia tự làm, bạn thu được số liệu định lượng trên quy mô lớn. Thường người ta kết hợp: vài buổi moderated để hiểu "vì sao", cộng với một đợt unmoderated để có dữ liệu đủ lớn.
Đọc kết quả: ma trận tương đồng và dendrogram
Khi phân tích, hai khái niệm quan trọng nhất là:
- Similarity matrix (ma trận tương đồng): Bảng thể hiện tỷ lệ phần trăm số người xếp hai thẻ bất kỳ vào cùng một nhóm. Nếu 85% người xếp "đổi trả hàng" và "chính sách hoàn tiền" cùng nhau, hai thẻ này gần như chắc chắn nên ở chung một mục.
- Dendrogram (sơ đồ cây phân cụm): Biểu đồ hình cây cho thấy các thẻ kết cụm với nhau theo mức độ đồng thuận. Cắt cây ở các ngưỡng khác nhau sẽ cho bạn các phương án nhóm khác nhau.
Tình huống thực tế
Ví dụ 1 — Tiki tái cấu trúc danh mục ngành hàng
Giả định một đội UX tại một sàn thương mại điện tử lớn như Tiki nhận thấy tỷ lệ người dùng tìm thấy sản phẩm qua menu (chứ không qua ô tìm kiếm) đang giảm. Họ nghi ngờ cây danh mục — vốn được xây theo cách kho vận và nhà cung cấp tổ chức — không khớp với người mua.
Đội tiến hành Open Card Sorting với 24 người dùng thật, mỗi người nhận 50 thẻ là các loại sản phẩm phổ biến: "sữa rửa mặt", "tã em bé", "loa bluetooth", "sách thiếu nhi", "nồi cơm điện"... Kết quả gây bất ngờ: trong cấu trúc cũ, "đồ dùng cho mẹ và bé" bị tách rời — tã nằm ở "Hóa mỹ phẩm", còn quần áo trẻ em nằm ở "Thời trang". Nhưng 79% người tham gia gom tất cả đồ liên quan đến em bé vào một nhóm duy nhất mà họ tự đặt tên là "Mẹ và bé". Ma trận tương đồng cho thấy "tã em bé" và "bình sữa" được xếp cùng nhau ở mức 88%.
Bài học rút ra: Cấu trúc nội bộ của doanh nghiệp (theo nhà cung cấp) hoàn toàn ngược với mental model của người dùng (theo nhu cầu/ngữ cảnh sống). Open Card Sorting đã chỉ thẳng ra một danh mục "Mẹ và bé" cần được tạo mới — một insight mà nếu chỉ ngồi họp nội bộ, đội thiết kế khó lòng tự nghĩ ra.
Ví dụ 2 — Ngân hàng số xác thực menu app
Một ngân hàng số tại Việt Nam (giả định, tương tự Timo hay Cake) chuẩn bị ra mắt app mới. Đội sản phẩm đã có sẵn 6 mục menu chính họ tin là hợp lý: "Tài khoản", "Chuyển tiền", "Tiết kiệm", "Vay", "Thẻ", "Tiện ích". Họ chạy Closed Card Sorting với 30 người dùng, đưa 40 thẻ là các tính năng cụ thể: "nạp tiền điện thoại", "tra cứu lãi suất", "khóa thẻ tạm thời", "đặt lịch chuyển tiền định kỳ"...
Kết quả: hầu hết các thẻ rơi vào nhóm đúng như kỳ vọng, nhưng có hai điểm va chạm. Thẻ "nạp tiền điện thoại" bị phân tán: 40% xếp vào "Tiện ích", 35% xếp vào "Chuyển tiền", 25% vào "Tài khoản" — không có sự đồng thuận. Tương tự, "khóa thẻ tạm thời" có người tìm trong "Thẻ", có người tìm trong một mục bảo mật mà... menu hiện tại không có.
Bài học rút ra: Closed Card Sorting không chỉ xác nhận điều đúng mà còn phơi bày các điểm mơ hồ. Khi một thẻ bị chia gần đều giữa nhiều nhóm, đó là tín hiệu cấu trúc chưa rõ ràng — có thể cần đặt mục ở hai nơi (cross-link), đổi tên nhãn, hoặc bổ sung một danh mục mới (như mục "Bảo mật"). Đội ngân hàng sau đó đã thêm shortcut "Nạp điện thoại" ngay màn hình chính thay vì chôn trong menu.
Ví dụ 3 — Hệ thống tài liệu nội bộ của một startup
Một startup công nghệ ở TP.HCM có khoảng 200 nhân viên, dùng wiki nội bộ (Notion) lộn xộn đến mức không ai tìm được tài liệu HR, quy trình hay hướng dẫn kỹ thuật. Đội People Ops chạy Hybrid Card Sorting với 18 nhân viên từ nhiều phòng ban, dùng 35 thẻ là các loại tài liệu: "quy trình xin nghỉ phép", "checklist onboarding", "hướng dẫn deploy", "chính sách chi tiêu"...
Vì là Hybrid, họ gợi ý sẵn 4 nhóm ("Nhân sự", "Kỹ thuật", "Vận hành", "Văn hóa công ty") nhưng cho phép tạo thêm. Đa số tài liệu vào đúng nhóm gợi ý, nhưng nhân viên tự tạo thêm một nhóm mới mà ai cũng đồng thuận: "Mới vào công ty" — gom tất cả tài liệu onboarding rải rác ở các phòng ban lại một chỗ.
Bài học rút ra: Hybrid Card Sorting tận dụng được cả định hướng lẫn khám phá. Nhóm "Mới vào công ty" không trùng với bất kỳ phòng ban nào — nó là một danh mục theo ngữ cảnh sử dụng (một người mới cần gì), điều mà sơ đồ tổ chức công ty không bao giờ thể hiện.
Hướng dẫn từng bước
Bước 1 — Xác định mục tiêu và chọn loại sort. Hỏi rõ: bạn đang khám phá cấu trúc mới (Open) hay kiểm chứng cấu trúc có sẵn (Closed)? Mục tiêu quyết định toàn bộ thiết kế nghiên cứu. Viết một câu mục tiêu rõ ràng, ví dụ: "Tìm hiểu cách người dùng nhóm các loại sản phẩm để xây menu cấp 1 và cấp 2."
Bước 2 — Chọn và viết các thẻ. Đây là bước quan trọng nhất. Mỗi thẻ là một mục nội dung thật, không phải tên danh mục. Số lượng lý tưởng là 30–60 thẻ — ít hơn thì thiếu dữ liệu, nhiều hơn (trên 60–70) khiến người tham gia mệt mỏi và làm qua loa. Viết nhãn thẻ trung lập, rõ ràng, dùng đúng ngôn ngữ người dùng (tránh thuật ngữ nội bộ như "module CRM"). Tránh để các thẻ "gợi ý" sẵn cách nhóm (ví dụ đừng đặt "Áo nam" và "Quần nam" nếu bạn muốn xem họ có gom theo giới tính không).
Bước 3 — Với Closed/Hybrid, định nghĩa các nhóm. Đặt tên nhóm rõ ràng. Với Hybrid, chuẩn bị sẵn vài nhóm nhưng để ngỏ tùy chọn "tạo nhóm mới".
Bước 4 — Chọn công cụ và hình thức. Online unmoderated dùng OptimalSort, Maze, UXtweak để có dữ liệu lớn. Moderated có thể dùng thẻ giấy thật hoặc Miro/FigJam để vừa làm vừa phỏng vấn. Với người dùng Việt Nam ít quen công cụ tiếng Anh, cân nhắc moderated qua Google Meet kèm bảng Miro chia sẻ màn hình.
Bước 5 — Tuyển người tham gia. Nhắm 15–30 người đại diện đúng nhóm người dùng mục tiêu (xem lại Bài 8 về screener). Nếu có nhiều phân khúc khác nhau rõ rệt, có thể chạy riêng từng phân khúc rồi so sánh.
Bước 6 — Chạy buổi sort. Giải thích nhiệm vụ ngắn gọn, nhấn mạnh "không có đáp án đúng/sai". Với moderated, im lặng quan sát, chỉ hỏi khi họ ngập ngừng: "Bạn đang phân vân thẻ này à? Vì sao?". Ghi lại các thẻ gây do dự.
Bước 7 — Phân tích. Dựng similarity matrix và dendrogram (công cụ tự tạo). Tìm các cụm có độ đồng thuận cao (>70%), các thẻ "mồ côi" không thuộc cụm nào, và các thẻ bị phân tán giữa nhiều nhóm. Với Open, tổng hợp các tên nhóm người dùng đặt — chú ý từ ngữ họ dùng để làm nhãn navigation.
Bước 8 — Đề xuất IA và chuyển sang kiểm chứng. Dựng cây IA dự kiến từ các cụm. Đừng dừng ở đây: chuyển sang Tree Testing (Bài 19) để xác nhận người dùng tìm được đường đi trong cấu trúc mới.
Lỗi thường gặp & mẹo
Lỗi 1 — Đặt nhãn thẻ theo ngôn ngữ nội bộ. Nếu thẻ ghi "Phân hệ thanh toán B2B" thay vì "Thanh toán cho doanh nghiệp", người dùng không hiểu và kết quả vô nghĩa. Luôn dùng ngôn ngữ của người dùng.
Lỗi 2 — Quá nhiều thẻ. 100 thẻ nghe có vẻ "đầy đủ" nhưng người tham gia sẽ kiệt sức ở thẻ thứ 50 và nhóm bừa. Giữ trong khoảng 30–60. Nếu nội dung quá nhiều, hãy lấy mẫu đại diện.
Lỗi 3 — Nhầm Card Sorting với Tree Testing. Card Sorting tạo ra cấu trúc (người dùng tự nhóm); Tree Testing kiểm tra cấu trúc (người dùng tìm đồ trong cây có sẵn). Đừng dùng cái này thay cái kia.
Lỗi 4 — Diễn giải kết quả như "chân lý tuyệt đối". Card Sorting cho bạn xu hướng, không phải lệnh. Một cụm 60% đồng thuận là gợi ý, không phải mệnh lệnh bắt buộc. Kết hợp với phán đoán thiết kế và dữ liệu khác.
Lỗi 5 — Bỏ qua các thẻ phân tán. Thẻ bị chia đều giữa nhiều nhóm thường là phần thú vị nhất — nó báo hiệu nhãn mơ hồ hoặc mục cần đặt ở nhiều nơi.
Mẹo: Với người tham gia Việt Nam, một buổi moderated thường cho insight sâu hơn vì họ sẵn lòng giải thích bằng lời. Hãy hỏi "vì sao" nhiều — chính lý do mới là vàng, không chỉ là kết quả nhóm.
Mẹo: Chạy thử (pilot) với 2–3 người trước khi mở rộng, để phát hiện thẻ khó hiểu hoặc trùng nghĩa.
Bài tập thực hành
Chọn một website hoặc app bạn quen thuộc (ví dụ một sàn TMĐT, một app ngân hàng, hoặc wiki công ty bạn). Thực hiện:
- Viết ra 30 thẻ là các mục nội dung/tính năng thật của sản phẩm đó. Dùng ngôn ngữ người dùng, không dùng tên danh mục.
- Chọn loại sort phù hợp: nếu sản phẩm chưa có cấu trúc rõ ràng, làm Open; nếu đã có menu và bạn muốn kiểm chứng, làm Closed.
- Tuyển 5 người (bạn bè, đồng nghiệp đại diện đúng đối tượng) và chạy moderated. Dùng giấy ghi chú dán tường, Miro hoặc FigJam.
- Với mỗi người, ghi lại: các nhóm họ tạo, tên họ đặt (nếu Open), và 3 thẻ khiến họ do dự nhất kèm lý do.
- Tổng hợp: lập một bảng đơn giản đếm xem cặp thẻ nào hay được xếp cùng nhau nhất. Vẽ ra cây IA đề xuất gồm các nhóm cấp 1 và những thẻ thuộc mỗi nhóm.
- Viết một đoạn ngắn (150 từ) nêu một insight bất ngờ — một cách phân loại của người dùng khác với cấu trúc hiện tại của sản phẩm.
Tóm tắt
Card Sorting là phương pháp khám phá cách người dùng tổ chức thông tin trong đầu, từ đó định hình cấu trúc thông tin (IA) và navigation của sản phẩm. Có ba loại chính: Open (người dùng tự tạo và đặt tên nhóm — dùng để khám phá), Closed (phân loại vào nhóm có sẵn — dùng để kiểm chứng), và Hybrid (kết hợp cả hai). Bạn có thể chạy moderated để hiểu sâu lý do, hoặc unmoderated qua công cụ online để có dữ liệu lớn, với khoảng 15–30 người tham gia là đủ.
Khi phân tích, dựa vào similarity matrix và dendrogram để tìm các cụm đồng thuận cao, phát hiện thẻ phân tán và nhãn mơ hồ. Tránh các lỗi phổ biến: đặt nhãn thẻ theo ngôn ngữ nội bộ, dùng quá nhiều thẻ, nhầm với Tree Testing, và coi kết quả là chân lý tuyệt đối. Quan trọng nhất, hãy nhớ rằng Card Sorting tạo ra giả thuyết về cấu trúc — bước tiếp theo luôn là kiểm chứng nó bằng Tree Testing (Bài 19) để chắc chắn người dùng thực sự tìm được thứ họ cần trong cây IA bạn vừa dựng.