AI Search ทำงานอย่างไร? เจาะลึกวิธีที่ ChatGPT, Google และ Perplexity สร้างคำตอบ

AI Search คือเครื่องมือเสิร์ชที่ตอบคำถามด้วยข้อความที่เขียนขึ้นจากข้อมูลที่เจอบนเว็บ และมักบอกด้วยว่าใช้ข้อมูลจากหน้าไหน

ส่วนสุดท้ายนี้คือสิ่งที่แยก AI Search ออกจาก Chatbot ธรรมดา Chatbot ที่ไม่มีขั้นตอนเสิร์ชจะตอบจากสิ่งที่เรียนมาตอนเทรนเท่านั้น ข้อมูลชุดนั้นหยุดอยู่ที่วันตัดข้อมูล (Cutoff) ถามเรื่องราคาล่าสุด เวลาเปิดร้าน หรือข่าวเมื่อวานก็อาจได้คำตอบเก่า ส่วน AI Search จะอ่านหน้าเว็บปัจจุบันก่อนตอบ จึงให้ข้อมูลที่ใหม่กว่าและชี้ได้ว่าเอามาจากไหน

ตัวที่คนไทยใช้กันมากในตอนนี้คือ Google AI Overviews และ AI Mode ที่อยู่ในหน้า Google เอง, ChatGPT ที่เปิดโหมดเสิร์ช, Perplexity, Microsoft Copilot และ Gemini แต่ละตัวมีหัวข้อของตัวเองด้านล่าง

เพื่อให้เห็นภาพตลอดบทความ เราจะใช้ตัวอย่างสมมติตัวเดียว คือคลินิกทันตกรรมขนาดกลางในจังหวัดขอนแก่น คนไข้คนหนึ่งพิมพ์ถาม AI ว่า “คลินิกจัดฟันใสในขอนแก่นที่ไหนดี มีหมอเฉพาะทาง ผ่อนได้ และเปิดวันอาทิตย์?” เราจะตามคำถามนี้ไปตลอดทุกขั้นตอน เพื่อดูว่าคลินิกต้องมีอะไรบ้างถึงจะได้อยู่ในคำตอบ

ถ้าคุณเพิ่งเริ่มสนใจเรื่องการทำเว็บให้ติดคำตอบของ AI ลองอ่านคู่มือ AEO ฉบับเข้าใจง่ายก่อน บทความนี้จะลงลึกอีกชั้นหนึ่ง คือกลไกที่อยู่ข้างใต้

การเสิร์ชแบบเดิมหาและจัดอันดับหน้าเว็บ ส่วน AI Search หาย่อหน้าแล้วเขียนคำตอบจากย่อหน้าเหล่านั้น นี่คือความต่างที่สำคัญที่สุด

Google อธิบายการทำงานของ Google Search แบบเดิมไว้สามช่วง ช่วงแรกคือ Crawling ที่ Google ดาวน์โหลดข้อความ รูปภาพ และวิดีโอจากหน้าเว็บที่เจอบนอินเทอร์เน็ต ช่วงที่สองคือ Indexing ที่ Google วิเคราะห์เนื้อหาแล้วเก็บไว้ในฐานข้อมูลขนาดใหญ่ และช่วงที่สามคือ Serving ที่ Google แสดงผลลัพธ์ที่มองว่ามีคุณภาพและเกี่ยวข้องที่สุดกับคำเสิร์ช (Google Search Central)

AI Search ยังเก็บสองช่วงแรกไว้เหมือนเดิม เพราะโมเดลอ่านทั้งอินเทอร์เน็ตทุกครั้งที่มีคนถามไม่ได้ ต้องมีดัชนีรองรับ สิ่งที่เปลี่ยนคือช่วงที่สาม แทนที่จะโยนลิงก์สิบลิงก์ให้คุณอ่านเอง ระบบอ่านแทนคุณแล้วสรุปมาให้

มีสองแถวที่สำคัญที่สุด แถวแรกคือหน่วยที่ถูกจัดอันดับ ใน Google แบบเดิม บทความยาวที่ครอบคลุมหัวข้อกว้างๆ ติดอันดับได้ดี แต่ใน AI Search ระบบกำลังมองหาย่อหน้าเดียวที่ตอบโจทย์ย่อยข้อเดียว หน้าเว็บอาจดีโดยรวม แต่ไม่มีย่อหน้าไหนที่หยิบไปตอบได้เลย

แถวที่สองคือสิ่งที่แสดงผล ลิงก์สิบลิงก์แปลว่ามีผู้ชนะสิบราย คำตอบของ AI มักเอ่ยชื่อแบรนด์แค่สองสามราย และไม่มีหน้าสองให้เลื่อนไปดู ถ้าคลินิกในขอนแก่นไม่ได้เป็นหนึ่งในสามแห่งที่ AI แนะนำ คนไข้คนนั้นอาจไม่เคยได้ยินชื่อคลินิกเลย

อีกเรื่องที่คนไทยควรรู้คือภาษา คนไทยจำนวนมากเสิร์ชปนกันทั้งไทยและอังกฤษ บางคนพิมพ์ว่า “จัดฟันใส ขอนแก่น” บางคนพิมพ์ “Invisalign Khon Kaen” ใน Google แบบเดิม สองคำนี้คือสองหน้าผลลัพธ์แยกกัน ใน AI Search คำถามภาษาไทยอาจถูกแตกเป็นการเสิร์ชย่อยทั้งภาษาไทยและภาษาอังกฤษ ขึ้นอยู่กับแต่ละแพลตฟอร์ม ซึ่งเป็นอีกเหตุผลที่เว็บไทยควรมีข้อมูลสำคัญทั้งสองภาษา

ด้านกลยุทธ์ของการเปลี่ยนแปลงนี้ และงานของคนทำ SEO ที่เปลี่ยนไป เราเขียนไว้ในบทความเปรียบเทียบ SEO, AEO และ GEO

RAG ย่อมาจาก Retrieval-Augmented Generation คือเทคนิคที่ดึงข้อมูลที่เกี่ยวข้องมาก่อน แล้วให้โมเดลภาษาเขียนคำตอบโดยใช้ข้อมูลนั้นเป็นฐาน

แนวคิดนี้ถูกวางไว้ในงานวิจัยเดือนพฤษภาคม 2020 ของ Patrick Lewis และผู้ร่วมวิจัยอีกสิบเอ็ดคน ชื่อ “Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks” (Lewis et al., arXiv) จุดเริ่มต้นของงานคือจุดอ่อนที่รู้กันอยู่แล้ว โมเดลภาษาเก็บข้อเท็จจริงไว้ในพารามิเตอร์ได้มาก แต่ความสามารถในการ “access and precisely manipulate knowledge is still limited” แปลง่ายๆ ว่าโมเดลยังดึงความรู้มาใช้อย่างแม่นยำได้ไม่ดี บอกไม่ได้ว่าข้อเท็จจริงมาจากไหน และอัปเดตความรู้ไม่ได้ถ้าไม่เทรนใหม่

ทางแก้ของทีมวิจัยคือให้โมเดลมีความจำสองแบบ แบบแรกคือ Parametric Memory หรือสิ่งที่โมเดลเรียนรู้ตอนเทรน แบบที่สองคือ Non-parametric Memory หรือคลังเอกสารภายนอกที่โมเดลเปิดดูได้ ในงานวิจัยต้นฉบับ คลังนั้นคือ “dense vector index of Wikipedia” ที่เสิร์ชด้วยตัวดึงข้อมูลแบบ Neural โมเดลจะดึงย่อหน้าที่เกี่ยวข้องที่สุดมาก่อน แล้วเขียนคำตอบโดยอิงย่อหน้านั้น ทีมวิจัยรายงานว่าโมเดล RAG เขียนภาษาได้ “more specific, diverse and factual” มากกว่าโมเดลที่ใช้แค่ความจำในพารามิเตอร์

AI Search ในวันนี้ก็คือ RAG ในระดับทั้งเว็บ เปลี่ยนคำว่า Wikipedia เป็นดัชนีเว็บหลายแสนล้านหน้า เพิ่มขั้นตอนที่เขียนคำเสิร์ชเก่งๆ เข้าไป แล้วคุณจะได้โครงสร้างพื้นฐานของ ChatGPT Search, Perplexity และฟีเจอร์ AI ของ Google

คุณจะได้ยินอีกคำหนึ่งบ่อยๆ คือ Grounding ความหมายเหมือนกันแต่มองจากอีกฝั่ง คือคำตอบถูกยึดโยง (Grounded) กับแหล่งข้อมูลที่ดึงมาอย่างเจาะจง เมื่อ API ของ Gemini ส่งคำตอบแบบ Grounded กลับมา จะมีข้อมูลประกอบบอกว่าเสิร์ชคำอะไรไปบ้าง ใช้หน้าเว็บไหน และข้อความส่วนไหนของคำตอบอิงกับแหล่งไหน (Google AI for Developers) ข้อมูลการจับคู่ตรงนี้เองคือที่มาของ Citation

ทำไมเจ้าของธุรกิจต้องสนใจเรื่องนี้? เพราะมันบอกว่าโมเดลทำอะไรกับคอนเทนต์ของคุณ โมเดลไม่ได้ “จำ” เว็บของคุณไว้ทั้งเว็บ มันกำลังอ่านย่อหน้าไม่กี่ย่อหน้าจากเว็บคุณ ณ ตอนนั้น แล้วตัดสินว่าย่อหน้าเหล่านั้นช่วยตอบคำถามได้หรือไม่ ซึ่งเป็นสิ่งที่คุณควบคุมได้มากกว่าที่คนส่วนใหญ่คิด

งานแรกของ AI Search คือหาให้เจอว่าคุณต้องการอะไรจริงๆ ซึ่งส่วนใหญ่แปลว่าต้องดึงความต้องการหลายข้อออกมาจากประโยคเดียว

AI Search ได้ข้อมูลจากผู้ใช้มากกว่าการเสิร์ชแบบเดิมเยอะ คนพิมพ์คำถามเต็มประโยค เติมเงื่อนไขอย่าง “ผ่อนได้” หรือ “เปิดวันอาทิตย์” และถามต่อด้วยคำถามที่เข้าใจได้เฉพาะในบริบทนั้น โมเดลอ่านบทสนทนาทั้งหมด จับเงื่อนไขได้ และรู้ว่าคำที่อ้างถึงหมายถึงอะไร ถ้าคนไข้ถามต่อว่า “แห่งไหนใกล้มหาวิทยาลัยขอนแก่นที่สุด?” โมเดลรู้ว่า “แห่งไหน” หมายถึงคลินิกที่เพิ่งแนะนำไป

การแยกความต้องการแบบนี้สำคัญกับคนไทยเป็นพิเศษ เพราะคำถามภาษาไทยมักยาวและมีเงื่อนไขซ้อนกันหลายชั้นในประโยคเดียว ไม่มีการเว้นวรรคระหว่างคำ และมักใช้ภาษาพูดปนศัพท์อังกฤษ เช่น “ทำรีเทนเนอร์ใสด้วยได้ไหม?” โมเดลรุ่นใหม่จัดการเรื่องนี้ได้ดีขึ้นมาก แต่หน้าเว็บที่ใช้คำเดียวกับที่ลูกค้าพูดจริงยังได้เปรียบเสมอ

ตัดสินว่าต้องเสิร์ชหรือไม่

ขั้นต่อมา ระบบตัดสินว่าจำเป็นต้องเสิร์ชเว็บหรือไม่ OpenAI ระบุว่า “ChatGPT will choose to search the web based on what you ask” และผู้ใช้ยังกดปุ่มเสิร์ชเพื่อบังคับให้เสิร์ชได้ด้วย (OpenAI) ส่วนเอกสาร Gemini อธิบายการตัดสินใจเดียวกันว่าโมเดลจะดูว่า Google Search ช่วยให้คำตอบดีขึ้นได้หรือไม่

จากที่ทีมเราเช็กมา คำถามเรื่องข้อเท็จจริงที่ไม่ค่อยเปลี่ยน เช่น “จัดฟันใสคืออะไร?” มักถูกตอบจากข้อมูลตอนเทรน ส่วนคำถามเรื่องราคา รายละเอียดในพื้นที่ รีวิว หรือการขอคำแนะนำ มักกระตุ้นให้ระบบเสิร์ช และคำถามขอคำแนะนำคือคำถามที่ธุรกิจสนใจที่สุด

AI Overviews ของ Google มีตัวกรองเพิ่มอีกชั้น คือไม่ได้แสดงในทุกการเสิร์ช Google บอกว่าจะแสดงเฉพาะเมื่อระบบเห็นว่าเพิ่มคุณค่าเกินกว่าผลการเสิร์ชแบบเดิม (Google Search Central) คีย์เวิร์ดบางคำของคุณจึงอาจไม่มี AI Overviews เลย ในขณะที่คำถามยาวแบบเปรียบเทียบมักมี

Query Fan-out คือขั้นที่ AI Search เปลี่ยนคำถามเดียวของคุณเป็นการเสิร์ชย่อยหลายรอบ รันทั้งหมด แล้วนำผลมารวมกัน

Google ยืนยันว่าใช้เทคนิคนี้ เอกสารของ Google ระบุว่า AI Overviews และ AI Mode อาจใช้ Query Fan-out โดย “issuing multiple related searches across subtopics and data sources” เพื่อสร้างคำตอบ ซึ่งทำให้แสดงลิงก์ได้กว้างและหลากหลายกว่าการเสิร์ชแบบเดิม (Google Search Central) ตอนประกาศเปิด AI Mode ทั่วสหรัฐฯ ในงาน Google I/O วันที่ 20 พฤษภาคม 2025 Google อธิบายว่าระบบจะแยกคำถามเป็นหัวข้อย่อยแล้วเสิร์ชหลายคำพร้อมกันแทนผู้ใช้ และโหมด Deep Search “can issue hundreds of searches” ก่อนเขียนรายงานที่มีการอ้างอิงครบ (Google)

Robby Stein รองประธานฝ่ายผลิตภัณฑ์ของ Google Search ยกตัวอย่างไว้ชัดในการให้สัมภาษณ์เดือนกรกฎาคม 2025 ถ้าถามว่าไปเที่ยว Nashville กับกลุ่มเพื่อนควรทำอะไร ระบบอาจคิดคำถามย่อยขึ้นมาเอง เช่น ร้านอาหารดีๆ บาร์ดีๆ หรือกิจกรรมสำหรับคนมีลูก ซึ่งเป็นหัวข้อที่ผู้ใช้ไม่ได้พูดถึงเลย (Search Engine Journal)

สำหรับคลินิกในขอนแก่น คำถามของคนไข้อาจถูกแตกเป็นการเสิร์ชย่อยแบบในภาพด้านล่าง ทั้งภาษาไทยและภาษาอังกฤษ นี่เป็นตัวอย่างประกอบเพื่อให้เห็นภาพ ไม่ใช่ข้อมูลที่ดึงจากระบบจริง

ข้อมูลจริงเรื่อง Fan-out บอกอะไร?

OpenAI และ Perplexity ไม่ได้เปิดเผยคำเสิร์ชย่อยของตัวเอง ตัวเลขที่ดีที่สุดจึงมาจากบริษัทติดตามผลที่เก็บข้อมูลเหล่านี้ไว้ Peec AI วิเคราะห์ Fan-out ราว 5 ล้านครั้งที่เก็บระหว่างวันที่ 1 ถึง 21 เมษายน 2026 และพบว่า ChatGPT เสิร์ชเฉลี่ย 2.1 รอบต่อ Prompt Perplexity 1.4 รอบ และ Grok 6.8 รอบ (Peec AI) ในข้อมูลของ ChatGPT คำที่โมเดลเติมเข้าไปเองบ่อยที่สุดคือ “best” ราว 15% ของกรณี ตามด้วย “what” “reviews” และปีปัจจุบัน (PPC Land)

งานก่อนหน้าของ Peec AI วิเคราะห์ Fan-out ของ ChatGPT มากกว่า 20 ล้านครั้ง เก็บช่วงตุลาคม 2025 ถึงมกราคม 2026 จากเยอรมนี สหราชอาณาจักร สิงคโปร์ ไทย และสหรัฐฯ พบว่าคำเสิร์ชย่อยยาวขึ้นราวเท่าตัว จากประมาณ 6 คำเป็นประมาณ 12 คำ ขณะที่จำนวน Fan-out ต่อ Prompt อยู่ระหว่าง 2.3 ถึง 2.8 และแนวโน้มนี้แทบเหมือนกันทุกประเทศทุกภาษา รวมถึงภาษาไทย (Peec AI) ข้อมูลชุดนี้มีค่ามากสำหรับเว็บไทย เพราะเป็นหนึ่งในงานไม่กี่ชิ้นที่รวมคำถามจากประเทศไทยไว้ด้วย

ข้อควรระวังคือทั้งหมดนี้เป็นงานของผู้ขายเครื่องมือ Peec ขายบริการติดตามการมองเห็นใน AI และยังไม่ได้เผยแพร่วิธีเลือก Prompt แบบละเอียด ตัวเลขจะขยับไปตามโมเดลที่เปลี่ยน แต่ทิศทางตรงกับสิ่งที่ Google พูดถึงระบบของตัวเอง

บทเรียนคือ คุณไม่ได้แข่งกันที่คำเสิร์ชเดียว คุณแข่งกันทั้งกลุ่มคำถาม คลินิกที่มีหน้า “บริการ” บางๆ หน้าเดียวอาจตรงกับการเสิร์ชย่อยแค่ข้อเดียว คลินิกที่มีย่อหน้าชัดเจนเรื่องราคาจัดฟันใส ประวัติหมอเฉพาะทาง เงื่อนไขการผ่อน และเวลาเปิดวันอาทิตย์ มีโอกาสสี่ครั้ง นี่คือเหตุผลที่การสร้าง Topical Authority สำคัญใน AI Search มากกว่าตอนที่เราแข่งกันทีละคีย์เวิร์ด

Robby Stein เองก็โพสต์บน X เมื่อเดือนพฤศจิกายน 2025 ว่าโมเดล Gemini 3 ทำให้ Query Fan-out ของ Google เสิร์ชได้มากขึ้นและฉลาดขึ้น เพราะเข้าใจผู้ใช้ได้ดีกว่าเดิม

เมื่อเลือกย่อหน้าที่ดีที่สุดได้แล้ว ระบบจะส่งย่อหน้าเหล่านั้นพร้อมคำถามของคุณให้โมเดลภาษา แล้วโมเดลเขียนคำตอบใหม่ด้วยถ้อยคำของตัวเอง

นี่คือคำว่า Generation ใน RAG โมเดลไม่ได้ลอกจากแหล่งเดียว มันอ่านย่อหน้าจากหลายหน้าแล้วเขียนสรุปที่รวมทุกอย่างเข้าด้วยกัน เช่น คลินิกแรกมีหมอเฉพาะทางสองคน คลินิกที่สองเปิดวันอาทิตย์ คลินิกที่สามมีรีวิวเรื่องการผ่อนชำระดี

โมเดลที่ทำหน้าที่เขียนเป็นเวอร์ชันปรับแต่งของโมเดลหลักของแต่ละบริษัท Google บอกเมื่อพฤษภาคม 2025 ว่ากำลังนำ “a custom version of Gemini 2.5” เข้ามาใน Search สำหรับทั้ง AI Mode และ AI Overviews ในสหรัฐฯ (Google) และเมื่อเปิดในภาษาไทย Google ประเทศไทยก็เขียนว่าโหมด AI ใช้โมเดล Gemini ขั้นสูงที่ปรับแต่งขึ้นมาโดยเฉพาะ (Google ประเทศไทย) ส่วน OpenAI บอกตอนเปิดตัวว่าโมเดลเสิร์ชของ ChatGPT คือ “a fine-tuned version of GPT-4o” (OpenAI) ทั้งสองบริษัทอัปเกรดโมเดลไปหลายรอบแล้ว ให้มองข้อมูลเหล่านี้เป็นรายละเอียดตอนเปิดตัว ไม่ใช่สิ่งที่รันอยู่วันนี้

ทำไมคำตอบถึงผสมข้อมูลที่ดึงมากับข้อมูลที่จำได้?

ย้อนกลับไปที่ความจำสองแบบในงานวิจัย RAG โมเดลมีย่อหน้าที่เพิ่งดึงมา แต่ก็มีทุกอย่างที่เรียนรู้มาตอนเทรนด้วย เวลาเขียน มันใช้ทั้งสองอย่าง

นี่คือเหตุผลที่คำตอบของ AI เอ่ยชื่อแบรนด์ได้โดยไม่ลิงก์ไปที่แบรนด์นั้น ถ้าโมเดลเคยอ่านเกี่ยวกับคลินิกหนึ่งซ้ำๆ ตอนเทรน จากบล็อกรีวิว กระทู้ Pantip หรือเว็บรวมรายชื่อ มันอาจแนะนำคลินิกนั้นจากความจำ แล้วไปอ้างอิงหน้าเว็บอื่นสำหรับรายละเอียด การถูกพูดถึง (Mention) กับการถูกอ้างอิง (Citation) จึงมาจากคนละที่ เราอธิบายวิธีสร้างทั้งสองอย่างไว้ในคู่มือ AI Citation และ Brand Mention

ผลในทางปฏิบัติคือ ชื่อเสียงของแบรนด์นอกเว็บไซต์มีผลกับคำตอบมากพอๆ กับหน้าเว็บของคุณเอง ถ้าคลินิกในขอนแก่นมีรีวิวที่สม่ำเสมอใน Google Maps มีคนพูดถึงในกระทู้จริง และอยู่ในบทความรวมคลินิกที่น่าเชื่อถือ โอกาสที่โมเดลจะ “นึกถึง” ชื่อคลินิกก็สูงขึ้น แม้ในวันที่ย่อหน้าบนเว็บของคลินิกไม่ได้ถูกดึงเข้ารอบ

AI Search อ้างอิงหน้าที่มีย่อหน้าซึ่งสนับสนุนประโยคในคำตอบจริงๆ หน้าที่ถูกอ้างอิงจึงมักไม่ตรงกับหน้าที่ติดอันดับสูงสุด

API ของ Google ทำให้เห็นกลไกนี้ชัดเจน คำตอบแบบ Grounded มีข้อมูลประกอบสามส่วน คือคำเสิร์ชที่ระบบรัน (webSearchQueries) รายการแหล่งข้อมูลพร้อมชื่อและ URL (groundingChunks) และ groundingSupports ที่เชื่อมข้อความแต่ละช่วงในคำตอบกับแหล่งข้อมูลที่เจาะจง (Google AI for Developers) พูดอีกแบบคือ Citation หนึ่งรายการคือเส้นเชื่อมระหว่างประโยคหนึ่งประโยคกับย่อหน้าหนึ่งย่อหน้า ถ้าไม่มีย่อหน้าไหนในหน้าของคุณสนับสนุนประโยคใดในคำตอบ ก็ไม่มีอะไรให้ลิงก์

ติดอันดับใน Google ไม่ได้รับประกันว่าจะถูกอ้างอิง

Ahrefs รัน Prompt แบบ Long-tail 15,000 คำถามผ่าน Google, Bing และผู้ช่วย AI หลักๆ แล้วเผยแพร่ผลเมื่อวันที่ 11 สิงหาคม 2025 พบว่ามีเพียงราว 12% (11.9%) ของ URL ที่ผู้ช่วย AI อ้างอิงที่ติด 10 อันดับแรกของ Google สำหรับคำถามเดียวกัน ของ ChatGPT อยู่ที่ 8% ส่วน Perplexity ซึ่งมีดัชนีของตัวเองสูงสุดที่ 28.6% และการซ้อนทับกับ 10 อันดับแรกของ Bing ต่ำกว่านั้นอีก อยู่ที่ราว 10% (Ahrefs)

Query Fan-out อธิบายช่องว่างนี้ได้มาก AI เสิร์ชคำถามของคุณในรูปแบบที่เรียบเรียงใหม่ หน้าที่ติดอันดับหนึ่งของคำว่า “คลินิกจัดฟัน ขอนแก่น” อาจไม่โผล่เลยในการเสิร์ชย่อย “จัดฟันใส ผ่อน 0% เปิดวันอาทิตย์”

ฟีเจอร์ AI ของ Google เองใกล้เคียงกับอันดับมากกว่า บทความเดียวกันของ Ahrefs อ้างถึงงานก่อนหน้าที่พบว่า 76% ของ Citation ใน AI Overviews มาจากหน้าที่ติด 10 อันดับแรก การทำ SEO ให้ดีจึงยังเป็นฐานของการติด AI Overviews ส่วนแพลตฟอร์มอื่นต้องอาศัยการเข้าถึงและย่อหน้าที่ตอบโจทย์มากกว่า

ย่อหน้าแบบไหนถูกอ้างอิง?

ไม่มีแพลตฟอร์มไหนเปิดเผยสูตรการเลือก Citation ใครบอกว่ารู้สูตรแน่นอนให้ระวังไว้ก่อน แต่งานวิจัยที่มีอยู่ชี้ไปทางเดียวกัน ในงานวิจัย GEO ของ Pranjal Aggarwal และทีม ที่นำเสนอในงาน KDD 2024 นักวิจัยทดสอบการแก้คอนเทนต์หลายแบบกับชุดทดสอบ 10,000 คำถาม การเพิ่มคำพูดอ้างอิง สถิติ และแหล่งที่มา เป็นวิธีที่ได้ผลดีที่สุด เพิ่มการมองเห็นได้ราว 30 ถึง 40% ขณะที่การยัดคีย์เวิร์ดได้ผลแย่กว่าการไม่ทำอะไรราว 10% เมื่อทดสอบบน Perplexity (Aggarwal et al.) การทดสอบนี้ทำบนชุดทดสอบของทีมวิจัยเอง ไม่ใช่ ChatGPT ตัวจริง จึงควรมองตัวเลขเป็นทิศทาง

สิ่งที่เราอ่านได้จากเอกสารทางการและจากการเช็กคำตอบของ AI จำนวนมาก คือย่อหน้าที่ถูกอ้างอิงมักมีลักษณะร่วมกันสี่ข้อ ตรงกับคำถามย่อยข้อใดข้อหนึ่ง บอกข้อเท็จจริงที่เจาะจงอย่างตรงไปตรงมา อ่านเข้าใจได้แม้ถูกตัดออกมาเดี่ยวๆ และมาจากแหล่งที่ดูน่าเชื่อถือและสอดคล้องกับแหล่งอื่น ถ้าอยากได้วิธีทำแบบครบชุด อ่านต่อได้ที่บทความ GEO คืออะไร

ChatGPT Search ทำงานโดยตัดสินว่าคำถามไหนต้องใช้ข้อมูลใหม่ เสิร์ชผ่านข้อมูลที่ OpenAI เก็บเองและผู้ให้บริการภายนอก แล้วเขียนคำตอบพร้อมลิงก์ไปยังหน้าที่ใช้

OpenAI เปิดตัว ChatGPT Search เมื่อวันที่ 31 ตุลาคม 2024 เปิดให้ผู้ใช้ที่ล็อกอินทุกคนใช้ได้เมื่อวันที่ 16 ธันวาคม 2024 และเปิดให้ใช้โดยไม่ต้องมีบัญชีในประเทศที่ ChatGPT ให้บริการเมื่อวันที่ 5 กุมภาพันธ์ 2025 (OpenAI) การเสิร์ชเกิดขึ้นอัตโนมัติเมื่อ ChatGPT เห็นว่าคำถามต้องใช้ หรือเมื่อผู้ใช้กดไอคอนเสิร์ชเอง คำตอบจะมีลิงก์แทรกในข้อความ และปุ่ม Sources จะเปิดแถบด้านข้างที่รวมแหล่งอ้างอิงทั้งหมด

ChatGPT ใช้ Crawler ตัวไหน?

ตรงนี้คือจุดที่เว็บส่วนใหญ่พลาด OpenAI มีบอทสามตัวที่ทำงานต่างกัน (OpenAI)

OAI-SearchBot ใช้สำหรับเสิร์ช ทำหน้าที่ดึงเว็บไซต์ขึ้นมาแสดงในฟีเจอร์เสิร์ชของ ChatGPT OpenAI แนะนำให้อนุญาตบอทนี้ถ้าอยากปรากฏในผลการเสิร์ชของ ChatGPT เว็บที่บล็อกบอทนี้จะไม่ถูกแสดงในคำตอบของ ChatGPT Search แต่ยังอาจปรากฏเป็นลิงก์นำทางธรรมดาได้

ChatGPT-User เข้าหน้าเว็บเมื่อการกระทำของผู้ใช้ต้องใช้ เช่น มีคนวางลิงก์เว็บของคุณในแชต OpenAI บอกว่าบอทนี้ “is not used for crawling the web in an automatic fashion” และเพราะการเข้าเว็บเกิดจากผู้ใช้สั่ง กฎใน robots.txt อาจไม่มีผล

GPTBot เก็บคอนเทนต์ที่อาจถูกใช้เทรนโมเดลของ OpenAI การบล็อกบอทนี้เป็นการตัดสินใจแยกต่างหาก OpenAI บอกว่าการตั้งค่าแต่ละตัวเป็นอิสระต่อกัน เว็บจึงอนุญาต OAI-SearchBot สำหรับเสิร์ช และไม่อนุญาต GPTBot สำหรับการเทรนได้ในเวลาเดียวกัน

OpenAI ยังระบุด้วยว่าหลังแก้ robots.txt ระบบเสิร์ชอาจใช้เวลาราว 24 ชั่วโมงในการปรับตาม ถ้าเพิ่งแก้แล้วยังไม่เห็นผล อย่าเพิ่งแก้ซ้ำไปมา

เพราะ ChatGPT ใช้ข้อมูลจากการเก็บเองและผู้ให้บริการภายนอก ไม่ใช่ดัชนีของ Google หน้าที่ติดอันดับดีใน Google จึงยังอาจหายไปจาก ChatGPT ได้ ถ้าเจอปัญหานี้ บทความทำไมเว็บไม่ขึ้นใน ChatGPTไล่สาเหตุที่พบบ่อยไว้ครบ และคู่มือทำให้ ChatGPT แนะนำแบรนด์บอกว่าควรทำอะไรต่อ

Perplexity ทำงานเป็นเสิร์ชเอนจินที่ออกแบบมาเพื่อ AI ตั้งแต่ต้น มี Crawler ของตัวเอง ดัชนีของตัวเองที่ติดตาม URL มากกว่า 200,000 ล้าน URL และระบบจัดอันดับหลายชั้นที่ส่งย่อหน้าให้โมเดล

เราไล่ขั้นตอนการดึงข้อมูลของ Perplexity ไปแล้วข้างบน ทั้งการดึงแบบผสม การแบ่งเป็นช่วงข้อความที่อ่านจบในตัว การกรอง การให้คะแนนแบบเร็ว และการจัดอันดับใหม่ด้วย Cross-encoder (Perplexity) Perplexity เสริมว่ามีโมเดล Machine Learning ที่ตัดสินว่า URL ไหนควรถูกเก็บเข้าดัชนี และควรกลับมาเก็บใหม่เมื่อไร โดยดูจากความสำคัญและความถี่ในการเปลี่ยนแปลงของหน้า

ข้อนี้มีนัยกับเว็บธุรกิจไทย หน้าเว็บที่ไม่เคยอัปเดต ไม่มีลิงก์เข้ามา และไม่มีใครพูดถึง อาจถูกมองว่าไม่สำคัญพอจะเก็บซ้ำบ่อย ข้อมูลราคาหรือโปรโมชันเก่าจึงค้างอยู่ในดัชนีได้นานกว่าที่คุณคิด

Perplexity มี Crawler สองตัวที่คุณควรรู้จัก (Perplexity)

PerplexityBot “is designed to surface and link websites in search results on Perplexity” Perplexity บอกว่าบอทตัวนี้ไม่ได้ใช้เก็บคอนเทนต์ไปเทรนโมเดล AI พื้นฐาน และแนะนำให้อนุญาต PerplexityBot ใน robots.txt ถ้าอยากปรากฏในผลการเสิร์ชของ Perplexity

Perplexity-User เข้าหน้าเว็บเมื่อผู้ใช้ถามคำถามที่ต้องใช้หน้านั้น และอาจลิงก์หน้านั้นในคำตอบ เพราะการเข้าเว็บเกิดจากคนสั่ง Perplexity บอกว่าตัวนี้ “generally ignores robots.txt rules”

สำหรับเจ้าของเว็บ Citation แบบใส่ตัวเลขในข้อความของ Perplexity ทำให้เห็นง่ายว่าใครได้เครดิตในแต่ละประโยค และ Perplexity ยังมีสัดส่วนการซ้อนทับกับ 10 อันดับแรกของ Google สูงที่สุดในงานของ Ahrefs ที่ 28.6% Perplexity จึงเป็นแพลตฟอร์มที่ดีสำหรับเริ่มสังเกตว่าคอนเทนต์ของคุณถูกหยิบไปใช้ตรงไหน วิธีทำให้ติดคำตอบโดยละเอียดอยู่ในคู่มือ Perplexity SEO

AI Search แต่ละตัวใช้ Crawler เฉพาะในการหาหน้าเว็บ และ Crawler ตัวนั้นเป็นคนละตัวกับบอทที่เก็บข้อมูลไปเทรนโมเดล

นี่คือเรื่องที่นำไปใช้ได้ทันทีที่สุดในบทความนี้ ถ้า Crawler สำหรับเสิร์ชเข้าถึงหน้าเว็บของคุณไม่ได้ ขั้นดึงข้อมูลจะไม่มีวันเห็นหน้านั้น ตารางด้านล่างรวบรวมจากเอกสารของแต่ละบริษัท

สังเกตว่า Google ไม่ได้ใช้ Crawler AI แยกสำหรับ AI Overviews และ AI Mode เอกสารของ Google ระบุว่ากฎ robots.txt ของ Googlebot ยังเป็นตัวควบคุมการเข้าถึงหลัก และ Google-Extended ใช้สำหรับจำกัดการนำคอนเทนต์ไปเทรนและ Grounding ในระบบ AI อื่นบางตัวของ Google (Google Search Central) การบล็อก Google-Extended จึงไม่ได้ทำให้คุณหายจาก AI Overviews

AI Crawler เก็บข้อมูลไปแล้วส่งคนกลับมาแค่ไหน?

Cloudflare ซึ่งอยู่หน้าเว็บจำนวนมากในอินเทอร์เน็ต เผยแพร่ข้อมูลเรื่องนี้ในเดือนสิงหาคม 2025 ในช่วง 12 เดือนก่อนหน้า การเก็บข้อมูลของบอท AI ราว 80% เป็นไปเพื่อเทรน 18% เพื่อเสิร์ช และ 2% เพื่อการกระทำของผู้ใช้ Cloudflare ยังวัดอัตรา Crawl-to-refer หรือจำนวนหน้าที่ถูกเก็บต่อการส่งคนกลับมาหนึ่งครั้ง ในเดือนกรกฎาคม 2025 ของ Google อยู่ที่ราว 5.4 ต่อ 1, Perplexity ราว 195 ต่อ 1, OpenAI ราว 1,091 ต่อ 1 และ Anthropic ราว 38,066 ต่อ 1 (Cloudflare)

ตัวเลขนี้อธิบายว่าทำไมหลายเว็บบล็อกบอท AI ทั้งหมด คำแนะนำของเราคือ ตัดสินเรื่องบอทเทรนตามนโยบายคอนเทนต์ของคุณเอง แต่เปิด Crawler สำหรับเสิร์ชไว้เสมอ เพราะ Crawler กลุ่มนี้คือทางเดียวที่จะพาเว็บของคุณเข้าไปอยู่ในคำตอบ

คุณเช็กทั้งหมดนี้ได้ในหนึ่งนาทีด้วยเครื่องมือ AI Crawler Checker ฟรี ซึ่งเช็กว่า Googlebot, Bingbot, OAI-SearchBot, PerplexityBot และบอทเทรนเข้าถึงหน้าเว็บของคุณได้หรือไม่ ถ้าต้องแก้ไฟล์เอง ตัวสร้าง robots.txtช่วยสร้างไฟล์ที่สะอาดให้

AI Search ผิดพลาดได้เมื่อขั้นดึงข้อมูลเจอแหล่งที่อ่อน เมื่อโมเดลอ่านย่อหน้าหรือคำถามผิด หรือเมื่อหัวข้อนั้นไม่มีคอนเทนต์ดีๆ ให้ใช้มากพอ

การทดสอบที่ถูกอ้างถึงมากที่สุดมาจาก Tow Center for Digital Journalism ของมหาวิทยาลัยโคลัมเบีย ในเดือนมีนาคม 2025 นักวิจัย Klaudia Jaźwińska และ Aisvarya Chandrasekar ให้ AI Search 8 ตัวดูข้อความที่ตัดมาจากบทความข่าว แล้วให้ระบุบทความต้นฉบับ ผู้เผยแพร่ และ URL จากทั้งหมด 1,600 คำถาม เครื่องมือเหล่านี้ตอบผิดมากกว่า 60% Perplexity ทำได้ดีที่สุดที่ผิด 37% ส่วน Grok 3 แย่ที่สุดที่ผิด 94% (Nieman Lab) การทดสอบนี้แคบ เพราะเป็นการหาต้นทางของข้อความข่าว ไม่ใช่การตอบคำถามทั่วไป แต่ก็แสดงว่า Citation ไม่ได้เชื่อถือได้เสมอไป

Google เองก็พูดถึงจุดอ่อนของระบบตัวเองอย่างเปิดเผย หลัง AI Overviews เปิดตัวในเดือนพฤษภาคม 2024 คำตอบบางข้อกลายเป็นไวรัลเพราะแนะนำผิดๆ รวมถึงข้อที่แนะนำให้ใช้กาวช่วยให้ชีสติดพิซซ่า ซึ่งมาจากโพสต์ในฟอรัม Google อธิบายว่าความผิดพลาดมักมาจากการตีความคำถามผิด อ่านความหมายแฝงของภาษาผิด หรือมาจาก “data void” คือหัวข้อที่มีคอนเทนต์คุณภาพดีน้อย และบอกว่า AI Overviews “generally don’t hallucinate” แบบที่ผลิตภัณฑ์ LLM อื่นเป็น (Google)

เมื่อนำทั้งหมดมารวมกัน AI ตอบผิดได้จากสี่สาเหตุหลัก

ดึงข้อมูลผิดแหล่ง หน้าที่เป็นมุกล้อเลียน ข้อมูลเก่า หรือหน้าที่อ่อน บังเอิญตรงกับการเสิร์ชย่อยที่สุด

อ่านผิดบริบท โมเดลดึงย่อหน้าออกมาโดยไม่มีบริบท หรือรวมข้อเท็จจริงของสองธุรกิจเข้าด้วยกัน เช่น เอาเวลาเปิดของสาขาหนึ่งไปใส่ให้อีกสาขา

ช่องว่างข้อมูล (Data Void) หัวข้อเฉพาะทางหรือหัวข้อในพื้นที่อาจมีหน้าเว็บให้ดึงแค่หนึ่งหรือสองหน้า

ความสุ่ม ขั้นเขียนให้ผลต่างกันในแต่ละรอบ คำตอบที่ถูกวันนี้อาจผิดเล็กน้อยในวันพรุ่งนี้

สำหรับธุรกิจ เรื่องช่องว่างข้อมูลน่าสนใจที่สุด ถ้ายังไม่มีใครเขียนหน้าที่ชัดเจนเรื่องจัดฟันใสแบบผ่อนได้ในขอนแก่น AI จะใช้อะไรก็ตามที่เจอ และอาจอธิบายคลินิกของคุณผิด การเขียนหน้านั้นเองคือการเติมช่องว่างด้วยข้อเท็จจริงที่ถูกต้อง เรื่องนี้เกิดกับเว็บไทยบ่อยเป็นพิเศษ เพราะหลายหัวข้อในภาษาไทยยังมีคอนเทนต์คุณภาพน้อยกว่าภาษาอังกฤษมาก

เมื่อรู้ว่า AI Search ทำงานอย่างไร รายการงานก็แทบเขียนตัวเองได้ เพราะทุกขั้นในกระบวนการตรงกับงานหนึ่งอย่างที่คุณควบคุมได้

ขั้นตัดสินใจและดึงข้อมูล เปิดทางให้เข้าถึง ให้ Googlebot, Bingbot, OAI-SearchBot และ PerplexityBot เข้าหน้าเว็บได้ ทำให้หน้าสำคัญติด Index ทั้ง Google และ Bing และเก็บเนื้อหาหลักไว้เป็นข้อความ HTML ไม่ใช่อยู่ในรูปภาพ ไฟล์ PDF หรือ JavaScript อย่างเดียว เว็บไทยจำนวนมากใส่ตารางราคาเป็นรูปภาพที่ออกแบบสวย ซึ่ง Crawler อ่านไม่ออก

ขั้น Fan-out ครอบคลุมทั้งกลุ่มคำถาม จดคำถามย่อยที่อยู่เบื้องหลังคำถามที่มีค่าที่สุดของธุรกิจ สำหรับคลินิกในขอนแก่นคือราคา หมอเฉพาะทาง การผ่อน เวลาเปิด รีวิว และการเดินทาง แล้วให้แต่ละเรื่องมีย่อหน้าที่ชัดเจน ทั้งภาษาไทยและภาษาอังกฤษถ้าลูกค้าใช้ทั้งสองภาษา

ขั้นจัดอันดับใหม่ เขียนย่อหน้าที่อ่านจบในตัว ตอบตรงๆ ตั้งแต่ประโยคแรกใต้หัวข้อ ใช้หัวข้อที่ตรงกับวิธีที่คนถาม และใส่รายละเอียดที่เจาะจง เช่น ตัวเลข เวลา สถานที่ และเหมาะกับใคร

ขั้นเขียนคำตอบ ให้ข้อเท็จจริงที่โมเดลเชื่อได้ อ้างอิงแหล่งที่มา แสดงว่าใครเขียนหรือใครตรวจเนื้อหา และทำให้วันที่และราคาเป็นปัจจุบันเสมอ

การถูกพูดถึง สร้างชื่อเสียงในที่ที่โมเดลอ่าน รีวิว กระทู้ Pantip บทความรวมรายชื่อ และ Google Business Profile มีผลว่าแบรนด์จะถูกเอ่ยชื่อหรือไม่ ทำให้ข้อมูลแบรนด์ตรงกันทุกที่ ทั้งชื่อไทยและชื่ออังกฤษ ที่อยู่ เบอร์โทร และเวลาเปิด

ขั้น Citation วัดผลหลายแพลตฟอร์มต่อเนื่อง แต่ละแพลตฟอร์มใช้ดัชนีต่างกันและคำตอบเปลี่ยนในแต่ละรอบ จึงควรติดตามชุด Prompt เดิมในทุกแพลตฟอร์มทุกเดือน

จะดูได้อย่างไรว่า AI Search พูดถึงคุณว่าอะไร?

วิธีเดียวที่เชื่อถือได้คือถามคำถามที่ลูกค้าถามจริง ถามซ้ำหลายรอบ แล้วจดสิ่งที่ได้กลับมา นี่คือขั้นตอนที่ทีมเราใช้ เริ่มจากสเปรดชีตธรรมดาก็พอ

1. เขียนคำถาม 20 ถึง 50 ข้อที่นำไปสู่การซื้อในธุรกิจของคุณ ใช้คำที่ลูกค้าใช้จริง ทั้งภาษาไทยและภาษาอังกฤษถ้าตลาดของคุณใช้สองภาษา
2. ถามแต่ละข้อใน ChatGPT ที่เปิดเสิร์ช, Google AI Mode, Gemini, Perplexity และ Copilot
3. ถามซ้ำแต่ละข้ออย่างน้อยสามรอบ เพราะขั้นเขียนและ Fan-out ให้ผลต่างกันในแต่ละรอบ
4. จดว่าแบรนด์ถูกพูดถึงไหม หน้าเว็บถูกอ้างอิงไหม และคู่แข่งหรือเว็บภายนอกเว็บไหนปรากฏ
5. ทำซ้ำทุกเดือนและดูแนวโน้ม ไม่ใช่ดูคำตอบทีละครั้ง

มักมีสองเรื่องที่เห็นชัด เรื่องแรก แต่ละแพลตฟอร์มให้คำตอบไม่ตรงกัน แบรนด์หนึ่งอาจถูก Perplexity แนะนำแต่ไม่มีใน ChatGPT ซึ่งเป็นเรื่องปกติเมื่อแต่ละตัวเสิร์ชคนละดัชนี เรื่องที่สอง หน้าที่ถูกอ้างอิงจำนวนมากเป็นเว็บรีวิว กระทู้ และบทความเปรียบเทียบของคนอื่น เว็บเหล่านี้คือเป้าหมายที่คุณควรติดต่อหรือทำให้ข้อมูลของคุณถูกต้องในนั้น

ทำด้วยมือจะเริ่มช้าเมื่อมี Prompt มากกว่าไม่กี่ข้อ นี่คือเหตุผลที่เราสร้าง GrixTrack ซึ่งติดตามอันดับ Google แยกตามประเทศ เมือง และภาษา ควบคู่กับการถูกพูดถึงและการถูกอ้างอิงใน ChatGPT, Gemini และ Google AI Mode และรันแต่ละ Prompt 3 รอบเพื่อลดผลของความสุ่ม แพ็กเกจฟรีครอบคลุม 10 คีย์เวิร์ด 5 Prompt 1 โปรเจกต์ และคู่แข่ง 2 ราย

ถ้าอยากให้คนอื่นดูให้ก่อน ทีมรับทำ AEO ของเราเช็กให้ได้ว่า AI อ้างอิงเว็บไหนในคำถามสำคัญของคุณ และเว็บของคุณติดตรงขั้นไหนของกระบวนการ

ถ้าอยากเห็นฝั่ง Crawler จากปากของ Google เอง วิดีโอจากช่อง Google Search Central ด้านล่างอธิบายว่า Crawler ของ Google ทำงานเบื้องหลังอย่างไร ซึ่งเป็นจุดเริ่มต้นของทุกขั้นที่เราพูดถึงในบทความนี้

Google Search Central · YouTube

Google Search Central · Google crawlers behind the scenes · ดูบน YouTube

1. Google Search Central: AI features and your website (อัปเดต 10 ธ.ค. 2025)
2. Google Search Central: In-depth guide to how Google Search works
3. Google: AI Mode in Google Search, updates from Google I/O 2025 (20 พ.ค. 2025)
4. Google: AI Overviews, about last week โดย Liz Reid (30 พ.ค. 2024)
5. Google ประเทศไทย: AI Mode ใน Google Search พร้อมให้บริการในประเทศไทย (22 ส.ค. 2025)
6. Google ประเทศไทย: โหมด AI พร้อมให้บริการในภาษาไทย และ Google AI Plus (8 ต.ค. 2025)
7. Search Engine Journal: Query fan-out technique in AI Mode, new details from Google (30 ก.ค. 2025)
8. Google AI for Developers: Grounding with Google Search (Gemini API)
9. OpenAI: Introducing ChatGPT search (31 ต.ค. 2024 อัปเดต ก.พ. 2025)
10. OpenAI: Overview of OpenAI crawlers
11. Perplexity: Architecting and evaluating an AI-first search API (25 ก.ย. 2025)
12. Perplexity: Perplexity crawlers
13. Microsoft: Bringing the best of AI search to Copilot (7 พ.ย. 2025)
14. Microsoft Learn: How to use Grounding with Bing Search in Foundry Agent Service
15. Lewis et al.: Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (arXiv, พ.ค. 2020)
16. Aggarwal et al.: GEO, Generative Engine Optimization (KDD 2024)
17. Ahrefs: Only 12% of AI-cited URLs rank in Google's top 10 for the original prompt (11 ส.ค. 2025)
18. Peec AI: ChatGPT fan-outs have doubled in length in 4 months, 20 million fan-outs analyzed (12 ก.พ. 2026)
19. Peec AI research: Fan-outs per prompt by engine (ข้อมูล 1 ถึง 21 เม.ย. 2026)
20. PPC Land: What ChatGPT actually searches for, 5 million fan-out queries analyzed (มิ.ย. 2026)
21. Nieman Lab: AI search engines fail to produce accurate citations in over 60% of tests, Tow Center study (10 มี.ค. 2025)
22. Cloudflare: The crawl-to-click gap, Cloudflare data on AI bots, training and referrals (29 ส.ค. 2025)
23. Search Engine Land: Google zero-click searches reach 68% in early 2026 (ข้อมูล SparkToro / Similarweb)
24. Pew Research Center ผ่าน Search Engine Roundtable: Google users click less when AI summaries appear (ก.ค. 2025)
25. Relevant Audience: AI Search คืออะไร? สร้างคำตอบอย่างไร และทำไมคลิกเข้าเว็บลดลง

อ่านต่อ

• พื้นฐาน AEOAEO คืออะไร? คู่มือ Answer Engine Optimization ฉบับเข้าใจง่าย
• พื้นฐาน AEOGEO คืออะไร? Generative Engine Optimization อธิบายแบบเข้าใจง่าย
• แพลตฟอร์ม AIทำยังไงให้เว็บติด AI Overview? วิธีติด Google AI Overviews ทีละขั้น
• แพลตฟอร์ม AIทำไมเว็บไม่ขึ้นใน ChatGPT? เช็กสาเหตุและวิธีแก้ทีละขั้น