AI SEO และ GEO: อะไรได้ผลจริง ไม่มีมายาคติ

แบรนด์เข้าไปอยู่ในคำตอบของ ChatGPT, Gemini, Perplexity และ AI Overview ได้ผ่านสองทางหลักที่ทับซ้อนกัน และ AI SEO คือการทำงานกับทั้งสองทาง:

1. ผ่านการค้นหา โมเดลค้นหาในเว็บระหว่างตอบ และอ้างอิงบางส่วนของหน้าที่พบ ตรงนี้ใช้สิ่งเดียวกับ SEO: การเข้าถึงของบอต ดัชนี การแสดงผลกับคำค้นหาและรูปแบบอื่นของคำนั้น และส่วนของเนื้อหาที่ตอบคำถามได้โดยไม่ต้องพึ่งส่วนที่เหลือของหน้า ผลเห็นได้เหมือนใน SEO คือหลังผ่านไปหลายสัปดาห์หรือหลายเดือน
2. ผ่านความจำของโมเดล โมเดลตอบจากสิ่งที่เรียนรู้ก่อนจบการเทรน และความจำนี้ส่งผลต่อว่าโมเดลจะกล่าวถึงแบรนด์ไหนเมื่อค้นหาในเว็บด้วย ตรงนี้สำคัญที่สิ่งที่คนอื่นเขียนถึงแบรนด์ และคำอธิบายแบรนด์ที่ตรงกันในหลายแหล่ง ผมยังไม่ได้วัดความเร็วของการเปลี่ยนแปลงในความจำ จึงไม่ให้คำมั่นอะไรในช่วงไตรมาส

“กลเม็ด GEO” ส่วนใหญ่ไม่มีหลักฐาน และบางข้อผมทดสอบกับข้อมูลของตัวเองแล้ว ไฟล์ llms.txt และข้อมูลที่มีโครงสร้างไม่มีหลักฐานว่าทำให้ถูกอ้างอิง หัวข้อที่มากขึ้นไม่ได้ดันหน้าเว็บขึ้น 3 อันดับแรกในการทดสอบของผม การทดสอบว่าอันดับของคำค้นหาย่อยทำนายการอ้างอิงได้ดีกว่าอันดับของคำค้นหาหลักหรือไม่ ไม่ได้ข้อสรุป และข้อสรุปแรกของผมจากการทดสอบนั้นถูกการตรวจไขว้หักล้าง หลักฐานของแต่ละข้อความอยู่ด้านล่าง

AI SEO คืออะไร และมีชื่อเรียกว่าอะไรบ้าง?

AI SEO คือการทำงานเพื่อให้แบรนด์ปรากฏในคำตอบที่ AI สร้างขึ้น ทั้งใน AI Overview และ AI Mode ของ Google และใน ChatGPT, Gemini, Perplexity และ Copilot งานเดียวกันนี้มีหลายชื่อ และความต่างระหว่างชื่อส่วนใหญ่เป็นเรื่องการตลาด:

ชื่อ GEO มาจากงานวิชาการ และพื้นฐานของงานทั้งหมดนี้เหมือนกับ SEO GEO มาจากงานวิจัยเดือนพฤศจิกายน 2023 ที่ได้รับการตอบรับในงานประชุม KDD 2024 ผู้เขียน Pranjal Aggarwal และคณะ แสดงบนชุดทดสอบของตัวเองว่าการเปลี่ยนเนื้อหาเพิ่มการมองเห็นของแหล่งข้อมูลในคำตอบเชิงสร้างสรรค์ได้มากถึง 40% (arXiv) Google เขียนในเอกสารว่าการปรับให้เหมาะกับการค้นหาเชิงสร้างสรรค์ยังคงเป็น SEO (Google Search Central) Cyrus Shepard จาก Zyppy ตอบคล้ายกันต่อคำถามว่าบริษัทต้องมีกลยุทธ์ GEO แยกหรือไม่:

ผู้คนก็ไม่มีชื่อเดียวสำหรับงานนี้ และเห็นได้ในผลการค้นหาของ Google คำถาม “Jak nazywa się pozycjonowanie w AI?” (งานนี้เรียกว่าอะไร) ปรากฏในส่วน “คำถามที่เกี่ยวข้อง” ในผลการค้นหาของโปแลนด์ คำถามที่เทียบเท่ากันปรากฏในผลจากเยอรมนี สเปน และฟินแลนด์ และคำถามภาษาอังกฤษ “What is AI SEO called now?” ในผลจากสหรัฐอเมริกา สวีเดน และสิงคโปร์ คำถามเรื่องความต่างระหว่าง GEO (หรือ LLMO) กับ SEO ปรากฏใน 9 จาก 27 ตลาดที่ตรวจ ตั้งแต่บราซิลถึงญี่ปุ่น

ชื่อที่นำอยู่ขึ้นกับตลาด ในญี่ปุ่น 72% ของการค้นหาราว 16,730 ครั้งต่อเดือนในหัวข้อนี้เป็น LLMO และวลี “llmo” เดี่ยว ๆ มีราว 12,100 ครั้ง มากกว่า “ai seo” ในสหรัฐอเมริกา (ราว 6,600) ในเยอรมนีและฝรั่งเศส GEO นำ (64% และ 66%) ในเกาหลีใต้ 83% ในโปแลนด์ 58% ของการค้นหาราว 2,265 ครั้งต่อเดือนเป็น AI SEO รวมวลี “ai seo” และชื่อเรียกภาษาโปแลนด์ (“pozycjonowanie ai”, “pozycjonowanie w ai”) และ GEO 32% ในสหรัฐอเมริกา AI SEO กับ GEO สูสีกัน: 42% และ 39% จากราว 25,400 ครั้งต่อเดือน และในสเปนเสมอกัน (44% และ 44%) ในเช็กไม่มีความต้องการค้นหาชื่อใดเลยในข้อมูล

วลี “ai seo” กำกวม ผมจึงถือว่าสัดส่วนของ AI SEO เป็นขอบบน สำหรับ “ai seo” Google แสดงทั้งบทความเรื่อง AI SEO และเครื่องมือ AI กับคู่มือการทำ SEO ด้วยความช่วยเหลือของ AI: ในสหรัฐอเมริกาเกินครึ่งของ 10 อันดับแรก ในเดนมาร์กอย่างน้อย 6 จาก 8 แต่ AI Overview สำหรับวลีนี้ในสหรัฐอเมริกาและเดนมาร์กอธิบาย AI SEO ว่าเป็นการปรับให้เหมาะกับคำตอบของ AI ดังนั้น Google ถือว่าเป็นชื่อของงานนี้ ถ้าไม่นับวลีเดียวนี้ GEO นำใน 25 จาก 26 ตลาดในบล็อกของผม และในญี่ปุ่น LLMO ยังนำอยู่ ในโปแลนด์ ชื่อเรียกภาษาโปแลนด์ที่ไม่กำกวม (“pozycjonowanie ai”, “pozycjonowanie w ai”) รวมกันมีราว 580 ครั้งต่อเดือน และ GEO ราว 725 ครั้ง เครื่องมือ AI สำหรับ SEO ผมจะเขียนแยกเป็นบทความต่างหาก

ผมไม่นับวลี “aeo” เดี่ยว ๆ เพราะในโปแลนด์หมายถึงใบรับรองศุลกากรเป็นหลัก และในสหรัฐอเมริกาผลลัพธ์ส่วนหนึ่งเป็นราคาหุ้นของเครือร้านเสื้อผ้า American Eagle สำหรับ “aeo” ใน Google ของโปแลนด์ สามจากสี่ผลแรกเป็นเว็บไซต์ของกระทรวงการคลัง วลีที่เป็นชื่อเต็ม เช่น “answer engine optimization” ผมนับในชุด “อื่น ๆ”

ทุกฉบับภาษาของบทความนี้ใช้ชื่อที่คนในตลาดนั้นค้นหา ฉบับภาษาญี่ปุ่นพูดถึง LLMO ฉบับภาษาเยอรมันและภาษาฝรั่งเศสพูดถึง GEO ส่วนฉบับภาษาโปแลนด์พูดถึง “pozycjonowanie w AI” และ AI SEO ฉบับภาษาไทยนี้ใช้ AI SEO ควบคู่กับ GEO เพราะในประเทศไทยการค้นหาในหัวข้อนี้ราว 815 ครั้งต่อเดือน เป็น AI SEO 69% และ GEO 25%

AI เลือกแหล่งที่มาของคำตอบอย่างไร?

โมเดลตอบจากการค้นหาหรือจากความจำ และสิ่งนี้กำหนดว่าคุณเปลี่ยนอะไรได้บ้าง เมื่อค้นหาในเว็บ โมเดลแตกคำถามเป็นหลายคำค้นหา ดึงผลลัพธ์ เลือกส่วนของเนื้อหา และอ้างอิงบางส่วน Google เรียกสิ่งนี้ในเอกสารว่า “query fan-out”: ระบบส่งการค้นหาที่เกี่ยวข้องหลายครั้งเกี่ยวกับหัวข้อย่อยและจากหลายแหล่ง (Google Search Central) เมื่อโมเดลไม่ค้นหา โมเดลตอบจากสิ่งที่เรียนรู้ตอนเทรน และตอนนั้นอันดับของหน้าเว็บใน Google ไม่เปลี่ยนอะไร

สองทางนี้ทับซ้อนกัน เพราะความจำของโมเดลส่งผลต่อคำตอบที่โมเดลใช้การค้นหาในเว็บด้วย Dan Petrovic จาก Dejan เขียนว่าการกล่าวถึงแบรนด์ในเนื้อหาของคำตอบอิงกับความรู้เดิมของโมเดลเป็นหลัก และหน้าเว็บเดียวแทบไม่ขยับมัน (Dejan, 7 กรกฎาคม 2026) ผมจึงวัดสองทางแยกกัน แต่ทำงานกับทั้งสองไปพร้อมกัน

โมเดลค้นหาในเว็บบ่อยแค่ไหนขึ้นกับโมเดล: ในการทดสอบของผมตั้งแต่ 10 ถึง 94 คำจาก 94 ผมตรวจผ่าน API กับ 94 คำค้นหาจากโครงการที่ผมดูแล เป็นภาษาอังกฤษและภาษาโปแลนด์ ในคืนวันที่ 3 ถึง 4 ตุลาคม 2026 และรอบที่สองในตอนเช้า ในบทความเรื่องกลยุทธ์ SEO ผมอธิบายผลแบบเดียวกันกับคำถามเชิงคู่มือห้าข้อ ที่นี่เป็นชุดข้อมูลที่ใหญ่กว่า

• 93 จาก 94จำนวนครั้งที่ Gemini 2.5 Flash ใช้การค้นหาในรอบแรก (รอบที่สอง 94 จาก 94)การทดสอบของผมผ่าน API 3-4 ตุลาคม 2026
• 71 จาก 94จำนวนครั้งที่ Gemini 3.5 Flash ค้นหา (รอบที่สอง 69 จาก 94)การทดสอบของผมผ่าน API 3-4 ตุลาคม 2026
• 25 จาก 84จำนวนครั้งที่ Gemini 3.1 Pro ค้นหา (10 การเรียกจบด้วยข้อผิดพลาดเรื่องโควตา รอบที่สอง 32 จาก 94)การทดสอบของผมผ่าน API 3-4 ตุลาคม 2026
• 10 จาก 94จำนวนครั้งที่ Gemini 3.8 Flash ค้นหา (รอบที่สอง 15 จาก 94) ในคำที่เหลือตอบจากความจำการทดสอบของผมผ่าน API 3-4 ตุลาคม 2026

ในการตั้งค่านี้ Gemini Flash รุ่นใหม่กว่าค้นหาน้อยลง แต่ Gemini 3.1 Pro ไม่เข้ากับรูปแบบนั้น Pro มีเลขรุ่นเก่ากว่า 3.5 Flash แต่ค้นหาน้อยกว่า นี่คือโมเดลตระกูลเดียวและการตั้งค่า API เดียว ไม่ใช่แอป Gemini ที่ผู้ใช้เห็น ผมจึงถือตัวเลขเป็นสัญญาณ ไม่ใช่กฎ แต่ก็พอให้ทุกครั้งที่วัดผลต้องตรวจว่าโมเดลค้นหาในกี่คำถาม

ความจำของโมเดลเกี่ยวกับแบรนด์โปแลนด์ใหม่เต็มไปด้วยช่องโหว่ และบางโมเดลแต่งคำอธิบายขึ้นเอง ในโครงการเดียวกัน คำตอบราว 500 ข้อต่อคำถามเกี่ยวกับแบรนด์ที่ผมทำงานด้วย ถูกโมเดลอีกตัวประเมินแบบไม่รู้ที่มา แบรนด์โปแลนด์ใหม่แบรนด์หนึ่งในชุดนี้ไม่เป็นที่รู้จักของทุกโมเดลที่ตรวจ และใน 9 จาก 12 คำตอบเกี่ยวกับแบรนด์นั้น คำอธิบายถูกแต่งขึ้น สัดส่วนการแต่งขึ้นขึ้นกับโมเดล: ตั้งแต่ 5% ถึง 77% ของคำตอบเกี่ยวกับทุกแบรนด์ คำตอบถูกประเมินโดยโมเดลผู้ตัดสินตัวเดียว ผมจึงถือความต่างที่ต่ำกว่าราว 10 จุดเปอร์เซ็นต์เป็นสัญญาณรบกวน

โดเมนเดียวกันอาจมองเห็นได้ในทางหนึ่งและมองไม่เห็นในอีกทางหนึ่ง เว็บไซต์แห่งหนึ่งถูกอ้างอิงใน AI Mode ของ Google ใน 10 จาก 13 คู่คำค้นหา แต่ในคำตอบของโมเดลที่ไม่ค้นหาไม่ปรากฏเลยสักครั้ง (0 จาก 13) นี่คือโดเมนเดียวและ 13 คู่ จึงเป็นตัวอย่างประกอบ ไม่ใช่กฎ

ปรากฏการณ์ที่เกี่ยวข้องเห็นได้ในงานวิจัยขนาดใหญ่กว่า Dan Petrovic รายงานงานวิจัยของ Google Research กับ 13 โมเดลและข้อเท็จจริงจาก Wikipedia 2,150 ข้อ: โมเดลชั้นนำเช่น Gemini 3 Pro และ GPT-5 มี 95-98% ของความรู้นั้นอยู่ในพารามิเตอร์ แต่เรียกคืนไม่ได้ 26-34% ของมัน (Dejan, 17 สิงหาคม 2026) นี่คือข้อเท็จจริงเชิงสารานุกรม ไม่ใช่ความรู้เกี่ยวกับแบรนด์ แต่ข้อสรุปสำหรับแบรนด์คล้ายกัน: การที่ข้อมูลอยู่ในข้อมูลเทรนไม่รับประกันว่าโมเดลจะพูดออกมา

จะเข้าไปอยู่ในคำตอบของ AI ผ่านการค้นหาได้อย่างไร?

ในทางผ่านการค้นหา สิ่งที่ได้ผลคือสิ่งเดียวกับ SEO โดยมีข้อต่างหนึ่งข้อ Google เขียนว่าการจะเข้า AI Overview และ AI Mode หน้าเว็บต้องอยู่ในดัชนีและแสดงในผลการค้นหาพร้อมตัวอย่างข้อความได้ และไม่มีข้อกำหนดทางเทคนิคเพิ่มเติม (Google Search Central) ข้อต่างคือโมเดลถามหลายคำค้นหาพร้อมกัน หน้าเว็บที่มองเห็นได้เฉพาะคำค้นหาหลักคำเดียวจึงมีโอกาสถูกอ้างอิงน้อยกว่าหน้าที่มองเห็นได้กับรูปแบบอื่นของคำนั้นด้วย ChatGPT มีบอตค้นหาของตัวเอง (กล่าวถึงด้านล่าง) ดังนั้นการมองเห็นใน Google จึงไม่ส่งต่อไปยัง ChatGPT โดยตรง

การให้บอตของ AI เข้าถึงเว็บไซต์

บอตของเสิร์ชเอนจิน AI อาจถูกบล็อกโดยเจ้าของเว็บไซต์ไม่รู้ตัว ไฟร์วอลล์หรือการตั้งค่าในเครือข่ายส่งมอบเนื้อหา (CDN) อาจบล็อกบอตเหล่านี้ มักเมื่อจำนวนคำขอเกินเกณฑ์ที่กำหนด การทดสอบครั้งเดียวจึงไม่แสดงอะไร ผมส่งคำขอเป็นชุดด้วยชื่อบอตของ Google, OpenAI, Perplexity และ Anthropic และเทียบการตอบกลับของเซิร์ฟเวอร์กับสิ่งที่เบราว์เซอร์ปกติได้รับ

การบล็อกการเทรนโมเดลเป็นคนละการตัดสินใจกับการบล็อกการค้นหา OpenAI แยกบทบาทเหล่านี้: GPTBot เก็บเนื้อหาที่อาจเข้าสู่การเทรนโมเดล ส่วน OAI-SearchBot กำหนดการปรากฏในผลการค้นหาของ ChatGPT OpenAI เขียนว่าเว็บไซต์ที่บล็อก OAI-SearchBot จะไม่แสดงในคำตอบการค้นหาของ ChatGPT และการบล็อก GPTBot ไม่เปลี่ยนเรื่องนี้ (OpenAI) ในทำนองเดียวกัน Google-Extended ควบคุมการใช้เนื้อหาโดยโมเดล Gemini แต่ตามที่ Google ระบุ ไม่ส่งผลต่อการปรากฏหรืออันดับในการค้นหา (Google Search Central) ใครบล็อกบอต AI ทั้งหมดด้วยสวิตช์เดียว อาจเสียการปรากฏในการค้นหาของ ChatGPT โดยไม่ได้ตั้งใจจะเสียไป

อันดับของคำค้นหาและคำค้นหาย่อย

ผมไม่รู้ว่าอันดับที่สูงขึ้นเพิ่มโอกาสถูกอ้างอิงหรือไม่ เพราะข้อมูลของผมตัดสินเรื่องนี้ไม่ได้ ในบทความเรื่องกลยุทธ์ SEO ในส่วนแผนที่สมมติฐาน ผมอธิบายบทความที่ในห้าคำค้นหาที่ใกล้กันมากถูกอ้างอิงใน AI Overview เพียงคำเดียว และเป็นคำที่อยู่ต่ำสุด คำค้นหาย่อยโมเดลเป็นผู้สร้างและอาจต่างกันในทุกคำตอบ จึงไม่มีรายการ “คำค้นหาย่อยของคำ X” ที่คงที่ ในชุด 94 คำของผม โมเดลสร้างคำค้นหาย่อยที่ต่างกัน 493 รายการในหนึ่งรอบ เฉลี่ยเกินห้ารายการต่อคำ

ผมตรวจว่าอันดับของคำค้นหาย่อยทำนายการอ้างอิงได้ดีกว่าอันดับของคำค้นหาหลักหรือไม่ และผลแรกของผมไม่ผ่านการตรวจสอบ บนคู่คำค้นหา-หน้าเว็บจากโครงการที่ผมดูแล ผมเขียนกฎไว้ก่อนคำนวณผล ตัวชี้วัดคือพื้นที่ใต้เส้นโค้ง ROC (AUC) คือสัญญาณแยกหน้าที่ถูกอ้างอิงออกจากหน้าที่ไม่ถูกอ้างอิงได้ดีแค่ไหน (0.5 คือระดับโยนเหรียญ 1 คือแยกได้ไม่มีผิดพลาด) คำค้นหาย่อยจะชนะถ้าพื้นที่ของมันมากกว่าอย่างน้อย 0.10 บน 29 คู่ที่กันไว้สำหรับทดสอบ AI Overview ความต่างได้ 0.44 คือการทดสอบ “ผ่าน”

การตรวจไขว้แสดงว่าผมเปรียบเทียบการวัดสองแบบที่ความแม่นยำต่างกัน ผู้ตรวจที่คำนวณทุกอย่างใหม่ตั้งแต่ต้นทำซ้ำตัวเลขของผมได้ตรงทุกหลัก แต่สังเกตว่าผมเอาอันดับของคำค้นหาหลักจากการดึงผลของ Google ครั้งเดียว ส่วนการอ้างอิงมาจากห้าครั้ง เมื่อคำนวณอันดับจากการดึงห้าครั้งเดียวกัน ความต่างลดเหลือ 0.04 ด้วยช่วง -0.28 ถึง +0.36 ผมจึงยังพิสูจน์ไม่ได้ว่าคำค้นหาย่อยดีกว่าอันดับ หรือแย่กว่า สัญญาณทั้งสองบอกอะไรบางอย่าง ผมจึงทำงานกับทั้งสอง

อันดับจากการดึงครั้งเดียวด้วย DataForSEO กลายเป็นการสุ่มหนึ่งในหลายรูปแบบของผลลัพธ์ เมื่อผมดึง 94 คำเดิมสามครั้งห่างกันราวหนึ่งชั่วโมง การดึงสองครั้งของคำเดียวกันมีที่อยู่ซ้ำกันใน 10 อันดับแรกน้อยในค่ามัธยฐาน: ดัชนี Jaccard ซึ่งเป็นการวัดความตรงกันของสองชุดจาก 0 ถึง 1 ได้ 0.14-0.15 รูปแบบบางส่วนน่าจะเป็นผลที่คนในเบราว์เซอร์ไม่เห็น เพราะใน 5 คำ เบราว์เซอร์ตรงกับหนึ่งในนั้น AI Overview ค่อนข้างเสถียร: การปรากฏของมันตรงกันระหว่างการดึง 97-99% ผมจึงคำนวณอันดับจากเครื่องมือนี้ตอนนี้เป็นสัดส่วนจากการดึงราว 10 ครั้งที่ส่งพร้อมกัน เครื่องมืออื่นผมไม่ได้ตรวจแบบนี้

ส่วนของเนื้อหาที่ตอบได้ด้วยตัวเอง

โดยปกติโมเดลไม่ใช้ทั้งหน้า แต่ใช้ส่วนที่ตอบคำค้นหาของมัน ผมจึงเขียนให้ทุกส่วนเข้าใจได้โดยไม่ต้องอ่านส่วนที่เหลือของหน้า: คำตอบในประโยคแรกใต้หัวข้อ ตัวเลขที่ชัดเจนพร้อมตัวหารและวันที่ ชื่อแทน “สิ่งนี้” และ “อันนั้น” ทุกย่อหน้าในบทความนี้ขึ้นต้นด้วยประโยคข้อสรุปด้วยเหตุผลนี้ นี่คือแนวทางการเขียนที่ดีซึ่งช่วยคนด้วย ไม่ใช่เทคนิคแยกสำหรับ AI

นั่นไม่ได้แปลว่าต้องหั่นเนื้อหาเป็นชิ้นเล็กหรือเพิ่มหัวข้อให้มาก Google เขียนตรง ๆ ว่าไม่มีข้อกำหนดให้แบ่งเนื้อหาเป็นชิ้นเล็กเพื่อให้ AI เข้าใจดีขึ้น (Google Search Central) ผมยังตรวจว่าหัวข้อที่มากขึ้นช่วยเข้า 3 อันดับแรกหรือไม่ บน 632 หน้าใน 10 อันดับแรกของ 119 คำค้นหาภาษาอังกฤษในกลุ่มซอฟต์แวร์สำหรับธุรกิจ (สหรัฐอเมริกา 26 กันยายน 2026) อัตราส่วนออดส์ได้ 0.95 (ช่วงความเชื่อมั่น 95%: 0.81-1.12) และเมื่อคำนึงถึงความยาวของข้อความเป็น 1.00 สัดส่วนหน้าใน 3 อันดับแรกเกือบเท่ากันในสามกลุ่มตั้งแต่จำนวนหัวข้อน้อยที่สุดไปมากที่สุด: 32%, 34% และ 32% นี่คือการทดสอบเดียวกับที่ผมเขียนถึงในบทความเรื่องกลยุทธ์ SEO: หนึ่งกลุ่มธุรกิจและหนึ่งวันของการวัด แต่ก็พอให้ผมไม่เพิ่มหัวข้อเพื่อปรับอันดับ: หัวข้อต้องบอกว่าส่วนที่อยู่ใต้มันเกี่ยวกับอะไร

คำถามภาษาโปแลนด์ คำค้นหาย่อยภาษาอังกฤษ

ในชุดข้อมูลของผม คำค้นหาย่อยของคำถามภาษาโปแลนด์ส่วนหนึ่งเป็นภาษาอังกฤษ 81 จาก 277 คำค้นหาย่อยที่สร้างสำหรับคำภาษาโปแลนด์ไม่มีลักษณะของภาษาโปแลนด์ ตัวอย่างเช่น คำถามภาษาโปแลนด์เรื่องการจัดอันดับสินค้าในหมวดหนึ่งกลายเป็นคำค้นหาภาษาอังกฤษที่มีระบุปีด้วย นี่เป็นเกณฑ์หยาบบนชุดข้อมูลเดียว แต่พอให้ผมตรวจแหล่งภาษาอังกฤษด้วยเมื่อทำงานกับแบรนด์โปแลนด์

จะเข้าไปอยู่ในความจำของโมเดลได้อย่างไร?

ความจำของโมเดลเปลี่ยนด้วยเว็บไซต์ของตัวเองอย่างเดียวไม่ได้: สิ่งที่คนอื่นเขียนถึงคุณสำคัญ โมเดลเรียนรู้จากชุดข้อความขนาดใหญ่ที่รวบรวมก่อนจบการเทรน ถ้าแบรนด์เขียนถึงตัวเองเป็นหลัก และแหล่งอื่นเก่าหรือขัดแย้งกัน โมเดลจะพูดซ้ำภาพที่เก่าหรือขัดแย้ง ผมไม่มีการวัดว่าความจำของโมเดลอัปเดตเร็วแค่ไหน ผมสมมติว่าเมื่อมีรุ่นถัดไปเท่านั้น จึงไม่ให้คำมั่นอะไรในช่วงไตรมาส

กับแบรนด์ของผมเอง ผมเห็นแหล่งความผิดพลาดทั้งสองพร้อมกัน Gemini อธิบายถึงผมโดยระบุนายจ้างเมื่อหลายปีก่อนเหมือนยังทำอยู่ในปัจจุบัน และอธิบาย rogala.pro ว่าเป็นเว็บไซต์ “ที่กำลังสร้าง” สองคำอธิบายที่โมเดลพูดซ้ำเกี่ยวกับผมบ่อยที่สุดมาจากประวัติย่อของผมในเว็บไซต์ของวงการแบบคำต่อคำ ซึ่งแสดงอันดับสูงใน Google สำหรับชื่อของผม ส่วนนายจ้างรายนั้นในฐานะปัจจุบัน ไม่มีหน้าใดใน 26 หน้าที่ผมตรวจในผลการค้นหาชื่อของผมระบุไว้ ความผิดพลาดนี้จึงน่าจะอยู่ในความจำของโมเดล ผมจะตรวจด้วยคำถามชุดเดียวกันเมื่อประวัติย่อถูกอัปเดต

สิ่งที่โมเดลจำเกี่ยวกับแบรนด์ คุณตรวจได้เอง โดยไม่ต้องใช้เครื่องมือวัดการมองเห็นใน AI ถามคำถามเกี่ยวกับแบรนด์โดยไม่ให้เข้าถึงการค้นหา น่าจะผ่าน API ที่ไม่มีเครื่องมือค้นหา ถามว่าแบรนด์ทำอะไร เพื่อใคร และดำเนินงานมาตั้งแต่เมื่อไร ถามทุกข้อสามครั้ง แล้วเทียบคำตอบกับข้อเท็จจริง และบันทึกแยกว่าอะไรทันสมัย อะไรล้าสมัย อะไรแต่งขึ้น

การกล่าวถึงที่ไม่มีคำนิยามแบรนด์ที่ตรงกันจะพูดซ้ำคำอธิบายเก่า ผมจึงเริ่มจากตัวตน ลำดับของผม:

• คำนิยามแบรนด์เดียว ที่เหมือนกันบนเว็บไซต์ ในโปรไฟล์ และในประวัติย่อบนเว็บไซต์ของผู้อื่น;
• ข้อมูลที่มีโครงสร้างพร้อมตัวระบุที่ผมตรวจด้วยมือ;
• รายการในฐานความรู้ เช่น Wikidata เฉพาะที่มีแหล่งที่ยืนยันได้;
• แล้วจึงการกล่าวถึงและการเผยแพร่ในที่ที่คนอื่นเป็นบรรณาธิการ

ตัวระบุต้องเปิดอ่านก่อนใส่ในโค้ดของหน้าเว็บ วันที่ 5 ตุลาคม 2026 ผมสังเกตว่าตัวระบุ Knowledge Graph ที่อยู่ในข้อมูลที่มีโครงสร้างของ rogala.pro มาตั้งแต่วันก่อน ชี้ไปที่แผงของนักแสดงที่มีชื่อและนามสกุลเดียวกัน ราวหนึ่งวัน เว็บไซต์ของผมแจ้งเสิร์ชเอนจินว่าผมเป็นนักแสดง การตรวจใช้เวลาหนึ่งนาที: ที่อยู่ google.com/search?kgmid= ต่อท้ายด้วยตัวระบุ แสดงว่าเป็นของใครจริง ๆ

Wikidata ให้พื้นที่กับข้อมูลที่ไม่มีแหล่งอ้างอิงไม่ได้ Wikidata ต้องการแหล่งอ้างอิงสำหรับข้อมูลของบุคคลที่ยังมีชีวิต จึงประกาศความเชี่ยวชาญที่ไม่มีใครนอกจากคุณเขียนถึงไม่ได้ ผมจึงเริ่มจากการเผยแพร่ในที่ที่คนอื่นเป็นบรรณาธิการ ไม่ใช่จากการลงรายการในฐานข้อมูล

อะไรใน AI SEO ได้ผล และอะไรเป็นมายาคติ?

ผมแบ่งข้อกล่าวอ้างเกี่ยวกับ GEO ตามน้ำหนักของหลักฐาน มีเอกสารรองรับคือสิ่งที่เอกสารของเสิร์ชเอนจินยืนยัน ผลวัดของผมคือผลจากการตั้งค่าเดียวที่ผมทำซ้ำ ถูกหักล้างและไม่พบผลคือสิ่งที่ผมตรวจกับข้อมูลของตัวเองและไม่ผ่านหรือไม่ได้ข้อสรุป ไม่มีหลักฐานคือคำแนะนำยอดนิยมที่ไม่มีการวัดรองรับ และบางครั้งมีหลักฐานตรงข้าม

ไม่มีหลักฐานว่าไฟล์ llms.txt และหน้าเวอร์ชัน Markdown ช่วยให้เข้าไปอยู่ในคำตอบของ AI Google เขียนว่าการจะปรากฏในการค้นหาของ Google ไม่ต้องสร้างไฟล์ใหม่สำหรับเครื่อง ไฟล์ข้อความสำหรับ AI มาร์กอัป หรือ Markdown (Google Search Central) เมื่อกรกฎาคม 2026 ผมตรวจ 10 โดเมนจากพอร์ตโฟลิโอของผม ไม่มีโดเมนใดให้บริการหน้าเวอร์ชัน Markdown แก่เอเจนต์ AI บน rogala.pro ทุกหน้ามีเวอร์ชัน Markdown และไฟล์ llms.txt ตั้งแต่วันที่ 8 ตุลาคม และจนถึงวันที่ 8 พฤศจิกายนผมวัดในล็อกของเซิร์ฟเวอร์ว่ามีใครดึงไปหรือไม่ ในโปแลนด์ วลี “llms txt” มีราว 720 ครั้งต่อเดือน ผมจึงจะเขียนหัวข้อนี้แยกต่างหาก

ข้อมูลที่มีโครงสร้างบอกเสิร์ชเอนจินว่าแบรนด์คืออะไร แต่ไม่มีหลักฐานว่าทำให้ถูกอ้างอิง Google เขียนว่าข้อมูลที่มีโครงสร้างไม่จำเป็นในการค้นหาเชิงสร้างสรรค์ และไม่มีมาร์กอัป schema.org พิเศษที่ต้องเพิ่ม (Google Search Central) Matt Buxbaum จาก Seer Interactive วิเคราะห์ 8,500 คำค้นหาที่มี AI Overview และ 6,354 หน้าที่ได้การอ้างอิงครั้งแรกในนั้น: schema และสัญญาณ E-E-A-T สัมพันธ์กับการชนะน้อยที่สุด และหน้าที่มีมาร์กอัป FAQ และ HowTo มากที่สุดทำได้แย่กว่าราว 10 เท่า (Seer Interactive, 28 พฤษภาคม 2026) นี่คือความสัมพันธ์ ผมจึงไม่รู้ว่ามาร์กอัปทำให้แย่ลงหรือไม่ แต่ผมไม่อ่านข้อมูลนี้เป็นหลักฐานของประโยชน์ ผมใช้ข้อมูลที่มีโครงสร้างอธิบายเอนทิตี (ใคร อะไร ที่ไหน พร้อมตัวระบุใด) เพราะมีไว้เพื่อสิ่งนั้น การทดสอบผลของมันต่อคำตอบของ AI ของผมเองยังไม่เสร็จ

การกล่าวถึงกับการอ้างอิงเป็นสองเรื่องต่างกัน และรายงานจำนวนมากสับสนสองอย่างนี้ Petrovic แยกสามเหตุการณ์: หน้าที่ระบบดึงมาเป็นวัตถุดิบของคำตอบ การอ้างอิง คือหน้าที่แสดงเป็นแหล่งที่มา และการกล่าวถึง คือชื่อแบรนด์ในเนื้อหาของคำตอบที่ผู้ใช้อ่านและจำ (Dejan, 7 กรกฎาคม 2026) แบรนด์อาจถูกอ้างอิงโดยไม่ถูกกล่าวถึงในข้อความ และถูกกล่าวถึงโดยไม่ถูกอ้างอิงหน้าเว็บ ผมจึงวัดสองอย่างนี้แยกกัน และไม่รวมเป็น “คะแนนการมองเห็นใน AI” ตัวเดียว

จะรู้ได้อย่างไรว่า AI SEO ได้ผล?

ถ้าไม่มีค่าตั้งต้น คุณจะโยงผลไปที่การเปลี่ยนแปลงใดไม่ได้ ผมจึงบันทึกค่าตั้งต้นก่อนแก้ครั้งแรก ค่าตั้งต้นประกอบด้วยคำถามที่บันทึกคำต่อคำ ชื่อและรุ่นของโมเดล วันที่ และตลาด ผมสร้างคำถามจากข้อมูลความต้องการค้นหาและ Search Console และส่วนใหญ่ไม่มีชื่อแบรนด์ เพราะชื่อในคำถามบอกคำตอบให้โมเดลเอง ชุดคำถามจากสองกลุ่มอันดับ ผมอธิบายไว้ในบทความเรื่องกลยุทธ์ SEO

ผมวัดห้าอย่างแยกกัน เพราะแต่ละอย่างอาจไปคนละทาง:

1. การกล่าวถึงแบรนด์ในเนื้อหาของคำตอบ
2. การอ้างอิงหน้าเว็บเป็นแหล่งที่มา
3. โมเดลค้นหาในเว็บหรือไม่ คือการค้นหาและความจำแยกกัน
4. ทราฟฟิกจากผู้ช่วย AI ในระบบวิเคราะห์ ซึ่งเป็นขอบล่างเสมอ เพราะบางส่วนของการเข้าชมมาโดยไม่มีข้อมูลแหล่งที่มา
5. ทราฟฟิกจาก Google ในช่วงเวลาเดียวกัน เพื่อให้การเปลี่ยนแปลงเพื่อ AI ไม่เกิดขึ้นโดยแลกกับผลการค้นหาปกติ

คำตอบของแชตเป็นการสุ่ม ผมจึงถามคำถามเดียวสามครั้งพร้อมกัน AI Overview เสถียร และการดึงครั้งเดียวก็พอ ตัวเลขจากเครื่องมือวัดการมองเห็นใน AI ผมอ่านพร้อมตัวหารเสมอ: คือสัดส่วนในชุดคำถามของผม ไม่ใช่ “ส่วนแบ่งของตลาด AI” ซึ่งไม่มีใครรู้

ผมทำอะไรกับเว็บไซต์ของตัวเอง และยังไม่รู้อะไร?

ผมพูดเรื่อง AI ในการค้นหาต่อสาธารณะมาตั้งแต่ปี 2016 แต่ยังไม่มีแบรนด์ของตัวเองในคำตอบของ AI และการทดลองของผมเริ่มจากตรงนั้น ค่าตั้งต้นวันที่ 26 กรกฎาคม 2026: rogala.pro ไม่มีการอ้างอิงสักครั้งในพื้นผิว AI ทั้ง 7 ที่ตรวจใน Ahrefs สำหรับโปแลนด์ และใน 6 การตรวจบนสามแพลตฟอร์ม ในคำถามที่ไม่มีชื่อของผม ไม่มีโมเดลใดกล่าวถึงผม เมื่อถามถึงผมด้วยชื่อ โมเดลพูดซ้ำคำอธิบายเมื่อหลายปีก่อน นี่คือการวัดครั้งเดียวและไม่มี ChatGPT เพราะเครื่องมือที่ผมใช้เก็บคำตอบไม่ส่งผลสำหรับ ChatGPT ผมจึงถือเป็นจุดเริ่มต้น ไม่ใช่หลักฐาน

ลำดับงานมาจากข้อมูล: ตัวตนก่อน แล้วจึงการเข้าถึง ผมจัดคำนิยามเดียวในโปรไฟล์ (บน LinkedIn ใน 30 ฉบับภาษา) ตรวจตัวระบุในข้อมูลที่มีโครงสร้าง (จึงเกิดเรื่องนักแสดง) สร้างเว็บไซต์และบล็อกใน 27 ภาษาพร้อมเวอร์ชัน Markdown การเข้าถึง คือการเผยแพร่และการกล่าวถึงในสื่อของผู้อื่น มาหลังจากนั้นเท่านั้น

ผมยังไม่รู้ว่าสิ่งนี้ได้ผลหรือไม่ ผมวางแผนวัดคำตอบของ AI ซ้ำครั้งแรกตั้งแต่วันที่ 1 พฤศจิกายน 2026 และผลการวัดไฟล์ Markdown จะออกหลังวันที่ 8 พฤศจิกายน ผมจะเพิ่มผลลงในบทความนี้ แม้ผลจะเป็นศูนย์

คำถามที่พบบ่อยเกี่ยวกับ AI SEO

ควรเริ่มจากตรงไหน?

สามขั้นแรกไม่เสียอะไรนอกจากเวลา ตรวจว่าบอตของเสิร์ชเอนจิน AI เข้าถึงเว็บไซต์ของคุณได้ ถามหลายคำถามที่ลูกค้าของคุณถาม โดยไม่ใส่ชื่อแบรนด์ของคุณ ถามสามครั้งพร้อมกัน แล้วบันทึกว่าใครถูกกล่าวถึงและใครถูกอ้างอิง อ่านว่าผลการค้นหาของ Google สำหรับชื่อแบรนด์ของคุณเองพูดถึงแบรนด์ว่าอย่างไร เพราะโมเดลใช้แหล่งเดียวกัน ถ้าผลทำให้คุณแปลกใจ นั่นคือหัวข้อที่ดีสำหรับการปรึกษา