เขียนคอนเทนต์แบบไหนให้ AI หยิบไปตอบ: เช็กลิสต์ 10 ข้อที่ใช้ได้จริง

เปิด Search Console แล้วเจอภาพแบบนี้ไหม: Impression ของบทความยังทรงตัว แต่ Clicks ค่อย ๆ ลดลงทุกเดือน คนยังค้นเรื่องที่เราเขียนอยู่ เพียงแต่ได้คำตอบจาก AI ไปก่อนจะเลื่อนลงมาเจอลิงก์ของเรา

ข้อมูลรองรับความรู้สึกนี้ Pew Research Center ติดตามการค้นหาของผู้ใช้ Google ในสหรัฐฯ ช่วงมีนาคม 2025 พบว่าเมื่อหน้าผลค้นหามี AI summary คนคลิกลิงก์ผลค้นหาแค่ 8% ของการเข้าชม เทียบกับ 15% เมื่อไม่มี และลิงก์ที่อยู่ใน summary เองถูกคลิกเพียงราว 1% ตัวเลขนี้ยังไม่ใช่ตลาดไทย แต่ทิศทางชัดพอให้ต้องคิดใหม่

คำถามที่ช่วยทีมได้จริงจึงไม่ใช่ “จะทำให้ AI เห็นเรายังไง” แต่เป็น “ถ้า AI มีหน้าเว็บให้เลือกอ้างอิง 10 หน้า ทำไมมันต้องเลือกหน้าเรา” บทความนี้ตอบเป็นเช็กลิสต์ 10 ข้อที่ใช้ตรวจบทความได้ตั้งแต่ตอนวาง Brief จนหลังเผยแพร่ และปิดด้วย 5 อย่างที่ Google บอกเองว่าเลิกทำได้

ถ้ายังไม่แน่ใจว่าลูกค้าเจอแบรนด์ผ่านคำตอบของ AI ในจุดไหนบ้าง อ่านภาพรวมได้ที่ SEO ยุค AI Search: ถ้า AI ตอบแทนการคลิก ลูกค้าจะเจอแบรนด์คุณตอนไหน

AI เลือกหน้าไหนไปตอบ

สำหรับ Google ไม่มีระบบคัดเลือกแยกสำหรับ AI โดยเฉพาะ AI Overviews และ AI Mode ดึงหน้าจาก Search index ผ่านระบบจัดอันดับเดิม แล้วอ่านเนื้อหาเพื่อเรียบเรียงคำตอบพร้อมลิงก์อ้างอิง

ในคู่มือการทำเว็บสำหรับ Generative AI ของ Google (อัปเดต 10 กรกฎาคม 2026) Google อธิบายกลไกหลักไว้ 2 อย่าง อย่างแรกคือ RAG หรือ Grounding ที่ใช้ระบบจัดอันดับของ Search หาหน้าที่เกี่ยวข้องก่อน แล้วค่อยให้ AI สรุป อย่างที่สองคือ Query fan-out ที่ระบบแตกคำถามเดียวออกเป็นหลายคำค้นย่อยพร้อมกัน

ลองนึกภาพลูกค้าพิมพ์ว่า “ทีมขาย B2B ควรเริ่มใช้ CRM ยังไง” ระบบอาจค้นต่อเองว่า CRM แบบไหนเหมาะกับ B2B ใช้งบเท่าไร และต้องระวังเรื่อง PDPA อะไรบ้าง (ตัวอย่างประกอบ ไม่ใช่คำค้นที่ Google เปิดเผย) หน้าเว็บที่ติดอันดับในคำค้นย่อยเหล่านั้นคือหน้าที่มีโอกาสถูกหยิบ

แปลว่า GEO ไม่ได้มาแทน SEO มันยืนอยู่บน SEO ถ้าหน้าไม่ติด Index หรือไม่มีอันดับเลย ก็แทบไม่มีโอกาสเข้าไปอยู่ในกองที่ AI เลือก

แล้วเมื่อหน้าเราอยู่ในกองนั้นแล้ว อะไรทำให้ AI ใช้เนื้อหาของเรามากกว่า? งานวิจัย GEO จาก Princeton และ IIT Delhi (นำเสนอที่ KDD 2024) ทดลองปรับเนื้อหา 9 แบบกับคำถาม 10,000 ข้อ ผลคือการเพิ่มแหล่งอ้างอิง คำพูดจากแหล่งที่น่าเชื่อถือ และตัวเลขสถิติ ทำให้เนื้อหาถูกใช้ในคำตอบมากขึ้นราว 30–40% การปรับให้อ่านลื่นและเข้าใจง่ายเพิ่มได้ 15–30% ส่วนการยัดคีย์เวิร์ดแทบไม่ช่วย และเมื่อทดสอบบน Perplexity กลับแย่กว่าไม่ทำอะไรราว 10%

ผลที่น่าสนใจที่สุดอยู่ที่ตารางอันดับ เมื่อเว็บอันดับ 5 เพิ่มแหล่งอ้างอิง พื้นที่ในคำตอบเพิ่มขึ้น 115.1% ส่วนเว็บอันดับ 1 กลับเสียพื้นที่ไป 30.3% ในสภาพนี้ เว็บที่ไม่ได้อยู่บนสุดยังแย่งพื้นที่ในคำตอบได้ ถ้าเนื้อหามีหลักฐานแน่นกว่า

ควรรู้ข้อจำกัดด้วย งานนี้ทดลองกับ GPT-3.5 และผลค้นหา 5 อันดับแรกของ Google ในปี 2024 ระบบจริงเปลี่ยนเร็วกว่านั้นมาก ให้ใช้เป็นทิศทาง ไม่ใช่สูตรสำเร็จ

ทำไมบทความที่ “ดีแล้ว” ยังไม่ถูกอ้าง

เพราะบทความที่ดี กับบทความที่มีสิ่งที่ที่อื่นไม่มี เป็นคนละเรื่องกัน

Google ใช้คำว่า Commodity content กับคอนเทนต์ที่สร้างจากความรู้ทั่วไปที่ใครก็เขียนได้ และยกตัวอย่างบทความแนว “7 ทิปสำหรับคนซื้อบ้านหลังแรก” ส่วนคอนเทนต์ที่ระบบให้คุณค่าคือแบบที่มีประสบการณ์ตรงหรือมุมมองของผู้เชี่ยวชาญที่เกินกว่าความรู้ทั่วไป

ลองคิดจากฝั่ง AI ถ้ามี 10 หน้าที่พูดเรื่องเดียวกันด้วยข้อมูลชุดเดียวกัน มันไม่มีเหตุผลต้องอ้างหน้าไหนเป็นพิเศษ หน้าที่ถูกเลือกมักเป็นหน้าที่ให้ข้อมูลบางอย่างที่อีก 9 หน้าไม่มี

เรื่องนี้ย้อนกลับมาที่บทความเช็กลิสต์ด้วย รวมถึงบทความนี้เอง ถ้าแค่รวบรวมทิปที่หาได้ทั่วไป มันก็คือ Commodity content แบบที่ Google ยกตัวอย่าง เช็กลิสต์ด้านล่างจึงเริ่มจากคำถามว่า “เรามีอะไรที่คนอื่นไม่มี” ก่อนจะไปถึงเรื่องรูปแบบการเขียน

ก่อนไปต่อ ถ้าทราฟฟิกของคุณลดลงและยังไม่แน่ใจว่าลดเพราะ AI จริงหรือเปล่า เริ่มจากดูข้อมูลใน AI Assistant Channel ของ GA4 ก่อน ตัวเลขบางช่วงมีความคลาดเคลื่อนที่ต้องรู้ไว้ก่อนสรุป

เช็กลิสต์ช่วงที่ 1: ก่อนเขียน

1. บทความนี้มีข้อมูลอะไรที่มีแค่เรา?

ตัวเลขภายใน ผลการทดสอบ ข้อสังเกตจากโปรเจกต์ หรือคำถามที่ลูกค้าถามทีมขายบ่อย ๆ ถ้าตอบข้อนี้ไม่ได้ ให้คุยกับทีมขายหรือทีม Customer Success ก่อนเปิดไฟล์เขียน ตัวอย่าง แทนที่จะเขียน “5 วิธีเลือก CRM” ลองเขียน “เกณฑ์ที่เราใช้คัด CRM ให้ทีมขาย 20 คน และเหตุผลที่ตัดตัวเลือกยอดนิยมทิ้ง”

2. ลูกค้าจะถามอะไรต่อ หลังได้คำตอบแรก?

เพราะ Query fan-out ทำให้ AI ค้นคำถามต่อเนื่องแทนผู้ใช้ ไล่ดูได้จาก People Also Ask, คำค้นใน Search Console และคำถามในแชตลูกค้า แล้วตอบไว้ในหน้าเดียวอย่างเป็นธรรมชาติ อย่าแตกเป็นหลายหน้าสำหรับทุกคำค้นย่อย Google เตือนว่าการทำแบบนั้นเพื่อหวังผลในคำตอบของ AI อาจเข้าข่าย Scaled content abuse (อ่านต่อเรื่องการปรับกลยุทธ์คีย์เวิร์ดเมื่อ Traffic ตก)

3. เรากล้ายืนความเห็นเรื่องอะไร?

AI ดึงข้อมูลจากหลายแหล่ง Google บอกตรง ๆ ว่ามุมมองที่แตกต่างช่วยให้หน้าโดดเด่น บทความที่บอกว่า “วิธีนี้ใช้ได้เมื่อไร และใช้ไม่ได้เมื่อไร” มีค่ามากกว่าบทความที่เห็นด้วยกับทุกอย่าง ถ้าต้องการกรอบคิดเรื่องความน่าเชื่อถือ ดูได้ที่ F.A.C.T.S. model

เช็กลิสต์ช่วงที่ 2: ระหว่างเขียน

4. ทุกหัวข้อมีคำตอบตรงในประโยคแรกไหม?

ข้อนี้ไม่ใช่การหั่นเนื้อหาเป็นท่อนให้ AI แต่เป็นการเคารพเวลาคนอ่าน วิธีทดสอบง่าย ๆ คือปิดทุกอย่างหลังประโยคแรกของแต่ละหัวข้อ ถ้าคนอ่านยังรู้คำตอบ ถือว่าผ่าน

5. ทุกตัวเลขมีที่มาและปีอยู่ในประโยคเดียวกันไหม?

งานวิจัย GEO พบว่าการอ้างอิงและสถิติเป็นกลุ่มที่ช่วยมากที่สุด แต่ตัวเลขที่ไม่มีที่มากลับทำร้ายความน่าเชื่อถือ ถ้าใช้ข้อมูลต่างประเทศ บอกด้วยว่าเป็นของตลาดไหน อย่าปล่อยให้คนอ่านเข้าใจว่าเป็นตัวเลขของไทย

6. เรียกสิ่งต่าง ๆ ด้วยชื่อเดียวกันตลอดบทความไหม?

ครั้งแรกใช้ชื่อเต็มของสินค้า บริการ หรือแพลตฟอร์ม และใช้ชื่อนั้นต่อเนื่อง ระวังคำอย่าง “ระบบนี้” หรือ “เครื่องมือดังกล่าว” ที่อยู่ไกลจากคำที่มันอ้างถึง บทความไทยที่ปนภาษาอังกฤษควรเลือกแบบเดียว เช่น ใช้ “AI Overviews” ทั้งบทความ ไม่สลับกับ “AI สรุปผล”

7. อ่านออกเสียงแล้วลื่นไหม?

การปรับให้อ่านลื่นเป็นหนึ่งในวิธีที่งานวิจัยวัดผลได้ ภาษาไทยไม่เว้นวรรคระหว่างคำ ประโยคที่ซ้อนหลายชั้นจึงยิ่งอ่านยาก ให้คนในทีมอ่านออกเสียงหนึ่งรอบ ตรงไหนต้องหยุดหายใจกลางประโยค ตรงนั้นควรตัด

เช็กลิสต์ช่วงที่ 3: ก่อนกด Publish และหลังเผยแพร่

8. หน้านี้ถูก Index และแสดง Snippet ได้ไหม?

Google ระบุว่าหน้าที่จะปรากฏใน AI features ต้องถูก Index และแสดงผลพร้อม Snippet ได้ ตรวจว่าไม่ได้ตั้ง nosnippet หรือจำกัด max-snippet โดยไม่ตั้งใจ ตรวจในการตั้งค่า Search Console ว่าเว็บไม่ได้เลือกปิดการแสดงใน Generative AI features และถ้าเนื้อหาหลักโหลดด้วย JavaScript ให้ทดสอบการเรนเดอร์ด้วย ส่วน Structured data ใช้ตามปกติ ขอให้ตรงกับข้อความที่คนเห็นบนหน้า

9. คนอ่านรู้ไหมว่าใครเขียน และทำไมควรเชื่อ?

ใส่ชื่อผู้เขียน บทบาท วันที่อัปเดตล่าสุด และลิงก์แหล่งข้อมูล นอกหน้าเว็บ การที่คนอื่นพูดถึงแบรนด์อย่างเป็นธรรมชาติยังสำคัญเหมือนเดิม (อ่านต่อ: ทำไมการให้คนอื่นพูดถึงเป็นไพ่ตายของ SEO ยุค AI)

10. เรารู้ไหมว่า AI อ้างอิงหน้านี้จริงหรือเปล่า?

ข้อนี้คือข้อที่ทีมส่วนใหญ่ข้าม ใช้ 3 แหล่งประกอบกัน: Generative AI performance report ใน Search Console ดูการแสดงผลใน AI Overviews และ AI Mode, AI Assistant Channel ใน GA4 ดูว่าคนที่มาจาก ChatGPT หรือ Gemini ทำอะไรต่อบนเว็บ และการลองถามคำถามที่ลูกค้าใช้จริงใน ChatGPT, Perplexity และ Gemini แล้วจดว่าแบรนด์ปรากฏหรือไม่ (ผลอาจต่างกันตามผู้ใช้และเวลา จึงต้องทำซ้ำเป็นรอบ) บันทึกค่าก่อนแก้บทความ แล้วเทียบอีกครั้งหลังผ่านไป 4–8 สัปดาห์

ถ้าทีมยังรวมข้อมูล 3 แหล่งนี้ไม่ได้ ปัญหามักไม่ได้อยู่ที่บทความ แต่อยู่ที่ระบบรายงานยังแยก AI Traffic ไม่ออก ทีม Predictive ทำงานทั้งฝั่ง Analytics และ SEO จึงช่วยตั้งค่าและตีความข้อมูลชุดนี้ให้ใช้ตัดสินใจได้ ผ่านบริการ SEO+GEO

5 อย่างที่เลิกทำได้เลย

สำหรับ Google Search ทั้ง 5 อย่างนี้ Google ระบุในคู่มือว่าไม่จำเป็น

1. สร้างไฟล์ llms.txt เพื่อ Google — Google Search ไม่ได้ใช้ ทำไว้ก็ไม่ช่วยและไม่เสียหาย อาจมีประโยชน์กับระบบ AI อื่น (อ่านบริบทเพิ่มใน LLMs.txt คืออะไร?)
2. หั่นเนื้อหาเป็นท่อนเล็ก ๆ (Chunking) — ระบบเข้าใจหน้าที่มีหลายหัวข้อได้ และไม่มีความยาวที่เหมาะที่สุด
3. เขียนใหม่ให้เป็น “ภาษา AI” — AI เข้าใจคำพ้องความหมาย ไม่ต้องไล่ใส่ Long-tail ทุกรูปแบบ
4. ปั๊ม Mention ปลอม — ระบบกรองสแปมทำงานกับ AI features เช่นเดียวกับ Search
5. ทุ่มกับ Schema พิเศษ — ไม่มี schema สำหรับ AI โดยเฉพาะ ใช้ Structured data ตามปกติเพื่อ Rich results ต่อได้

ทั้งหมดนี้เป็นมุมของ Google Search แพลตฟอร์มอื่นอย่าง ChatGPT หรือ Perplexity ยังไม่มีคู่มือที่ละเอียดเท่านี้ หลักที่ใช้ได้ทุกที่คือเช็กลิสต์ 10 ข้อด้านบน

เรื่องนี้เปลี่ยนวิธีวัดผล Content อย่างไร

Clicks อย่างเดียวไม่พอสำหรับตัดสินว่าบทความทำงานหรือไม่ ต้องดูทั้งการถูกอ้างอิง และพฤติกรรมของคนที่มาจาก AI

Google เองบอกว่าคนที่มาจาก AI Search อาจมีแนวโน้มอยู่กับเนื้อหานานขึ้นหรือ Convert มากกว่า ถ้าเป็นจริงกับเว็บของคุณ ทราฟฟิกที่น้อยลงอาจไม่ได้แปลว่ามูลค่าน้อยลง แต่จะรู้ได้ก็ต่อเมื่อรายงานแยกกลุ่มนี้ออกมาได้

ในทางปฏิบัติ ชุดตัวชี้วัดที่ควรมีคือ Impression ใน Generative AI report, Sessions และ Key events จาก AI Assistant Channel, จำนวนคำถามสำคัญที่แบรนด์ปรากฏในคำตอบของ AI และแนวโน้ม Branded search ที่อาจโตจากการที่คนเห็นชื่อแบรนด์ในคำตอบโดยไม่ได้คลิก

เมื่อมีตัวเลขชุดนี้ ทีม Content จะตอบผู้บริหารได้ว่าบทความไหนควรลงทุนเขียนใหม่ บทความไหนแค่ต้องเติมหลักฐาน และบทความไหนปล่อยไว้ได้

Key Takeaways

• AI Search ของ Google ยืนอยู่บน SEO เดิม หน้าที่ไม่ถูก Index หรือไม่มีอันดับแทบไม่มีโอกาสถูกอ้าง
• สิ่งที่ทำให้ถูกเลือกคือข้อมูลที่ไม่มีที่อื่นและหลักฐานที่ตรวจสอบได้ ไม่ใช่ไฟล์หรือ Markup พิเศษ
• วัดผลด้วย Search Console + GA4 ตั้งค่าก่อนแก้ แล้วค่อยเทียบ

FAQ

เริ่มจากรู้ก่อนว่าบทความไหนถูก AI ใช้อยู่แล้ว

ทีมที่มีบทความหลายสิบหรือหลายร้อยชิ้นไม่จำเป็นต้องเขียนใหม่ทั้งหมด สิ่งที่ต้องรู้ก่อนคือหน้าไหนถูก AI ดึงไปใช้แล้ว หน้าไหนเป็น Commodity content และหน้าไหนมีข้อมูลดีแต่ขาดหลักฐาน ตอนนี้ Search Console เปิดรายงาน Generative AI ให้ใช้ทั่วโลกแล้ว ยิ่งเก็บ Baseline เร็ว ก็ยิ่งเห็นผลการปรับได้ชัด

Predictive ทำ Content Audit คู่กับการตรวจข้อมูล AI Traffic ใน GA4 และ Search Console เพื่อจัดลำดับว่าควรลงทุนกับหน้าไหนก่อน ดูรายละเอียดที่บริการ SEO+GEO หรือคุยกับทีม Predictive ได้โดยตรง