จาก SEO สู่ GEO: 3 ด่านที่ทำให้ ChatGPT, Gemini, Perplexity เลือกอ้างเว็บคุณ

โดย Nokka (นก-กา) | 10 ตุลาคม 2026

บทความนี้เขียนโดย AI (deepseek-v4.1-flash) ผ่าน Hermes Agent ภายใต้การควบคุมและตรวจสอบคุณภาพโดยมนุษย์ - Nokka (นก-กา)

ใจความสำคัญ

วันนี้คนจำนวนมากไม่ได้เริ่มค้นหาสินค้าและบริการจากช่องค้นหาเดิมอีกแล้ว แต่เริ่มจาก "การถาม AI" และตัวเลขที่ผมเปิดดูหลายแหล่งก็ชี้ทางเดียวกันว่า เกมนี้มีเป้าหมายคนละอย่างกับ SEO

บทความนี้จะอธิบายว่า GEO (Generative Engine Optimization) ทำงานอย่างไรผ่าน สามด่านที่ต้องผ่านเรียงกัน: Access (บอทเข้าเว็บคุณได้) → Selection (เนื้อหาถูกหยิบไปใช้) → Attribution (ถูกอ้างในคำตอบ)

โดย SEO เดิมพาคุณไปถึงด่านที่สองได้ แต่ด่านที่สามต้องอาศัยแรงจากข้างนอกที่เว็บตัวเองทำไม่ได้

ตัวเลขที่ผมใช้ในบทความนี้ทุกตัวมีแหล่งอ้างอิง เปิดตรวจตามได้

ลูกค้าของคุณอาจกำลังถาม AI อยู่ และ AI ไม่ได้ตอบด้วยหน้าแรกของ Google

ลองนึกภาพเจ้าของร้านอาหารบนถนนสุขุมวิทที่ทำเว็บไว้อย่างดี ติดอันดับต้นๆ ใน Google มาหลายปี เขาเคยชินกับคำตอบว่า "SEO ดีแล้ว เว็บก็มา"

แต่เมื่อลูกค้ารุ่นใหม่เปิด ChatGPT ถามว่า "ร้านอาหารญี่ปุ่นเปิดดึกแถวสุขุมวิท ร้านไหนดี" สิ่งที่ AI ตอบกลับมามักไม่ใช่ลิงก์ของเว็บที่ทำ SEO ไว้ แต่เป็นการสรุปที่อ้างถึงบล็อกท่องเที่ยว กระทู้พันทิป รีวิวในเพจดัง หรือหน้าของร้านคู่แข่งที่มีคนอื่นเขียนถึง

ปรากฏการณ์นี้ไม่ได้เกิดจากความบังเอิญ สองปีที่ผ่านมามีพฤติกรรมผู้ใช้เปลี่ยนไปพร้อมกันหลายชั้น

ชั้นแรกคือคนเลิกคลิก ข้อมูลของ Similarweb ชี้ว่าสัดส่วนการค้นหาบน Google ที่จบลงโดยไม่มีการคลิกไปที่ใดเลย เพิ่มจาก 56% ในเดือนพฤษภาคม 2024 เป็น 69% ในเดือนพฤษภาคม 2025 [7] ยิ่งมี AI Overviews ขึ้นมาวางคำตอบเหนือผลการค้นหาเท่าไร การคลิกก็ยิ่งหดตัวลง

งานวิจัยของ 5W ที่รวบรวมข้อมูลการอ้างอิง 680 ล้านรายการระบุว่า เมื่อ AI Overviews ปรากฏ ผลลัพธ์อันดับหนึ่งของผลค้นหาแบบเดิมสูญเสียอัตราการคลิกไป 34.5% [8]

ชั้นที่สองคือคนเริ่มเปลี่ยนจุดสตาร์ท Similarweb สำรวจผู้บริโภคในสหรัฐฯ ผ่าน Market Research Panel เมื่อมกราคม 2026 พบว่า 35% ของผู้บริโภคเริ่มค้นหาสินค้าจากเครื่องมือ AI ส่วนที่เริ่มจากเสิร์ชเอนจินแบบเดิมมีเพียง 13.6% [6]

นี่คือครั้งแรกที่ตัวเลขสองฝั่งนี้สลับขั้วกันชัดเจนขนาดนี้ และมันเปลี่ยนคำถามของเจ้าของธุรกิจจาก "เว็บฉันติดอันดับไหม" เป็น "AI รู้จักฉันไหม"

ชั้นที่สามคือคำตอบของ AI กับผลการค้นหาเดิมเป็นคนสะสมคนละชุด งานวิจัยที่เปรียบเทียบ Google Search, AI Overviews และ Gemini กับคำถามจริง 11,500 ข้อ พบว่า AI Overviews ถูกสร้างขึ้นสำหรับ 51.5% ของคำถาม และแสดงอยู่เหนือผลการค้นหาแบบเดิม ขณะที่แหล่งข้อมูลที่แต่ละระบบดึงมาใช้ "ต่างกันอย่างมีนัยสำคัญ" [16]

ฝั่งของ 5W ยิ่งชัดกว่าเดิม เมื่อวิเคราะห์ข้อมูลการอ้างอิงก้อนใหญ่แล้วพบว่า มีเพียงประมาณ 11% ของโดเมนที่ถูกอ้างทั้งใน ChatGPT และ Perplexity [8] แปลว่าการเป็นที่หนึ่งใน ChatGPT ไม่ได้ทำให้คุณมีตัวตนใน Perplexity เลย

และชั้นสุดท้ายคือของจริงในประเทศไทย ในวันที่ 10 ตุลาคม 2026 ผมเปิดไฟล์ robots.txt ของเว็บไทยที่มีผู้เข้าชมมากหกแห่ง ทั้งเว็บข่าว ชุมชนออนไลน์ และบล็อกสายการตลาด ได้แก่ thairath.co.th, sanook.com, pantip.com, blognone.com, markepear.com และ thestandard.co

ปรากฏว่าอ่านไฟล์ได้จริงและมีเนื้อหาเพียงสามแห่ง (sanook.com, blognone.com, markepear.com) และในสามแห่งนั้น ไม่มีที่ใดระบุชื่อบอทของ AI แม้แต่ตัวเดียว

ส่วนอีกสามแห่งถูกระบบ CDN ตอบกลับด้วยรหัส 403 หรือคืนไฟล์ว่าง ทำให้ผมยืนยันไม่ได้ว่าในไฟล์มีอะไร และไม่มีเว็บใดในกลุ่มที่เปิดอ่านได้มีไฟล์ llms.txt เลย (llms.txt ของหกเว็บนี้ตอบ 404 สี่แห่ง ที่เหลือสองแห่งตอบ 403)

พูดแบบตรงไปตรงมา: ช่องนี้ในตลาดไทยยังว่างอยู่จริง

GEO คืออะไร และทำไมมันไม่ใช่ SEO เวอร์ชันอัปเกรด

คำว่า GEO ถูกทำให้เป็นทางการครั้งแรกในงานวิจัยของนักวิจัยจาก Princeton, Georgia Tech และ IIT Delhi ที่ตีพิมพ์ในงานประชุม KDD ปี 2024 [2]

นิยามสั้นๆ คือ ศาสตร์และศิลป์ของการปรับเนื้อหาและตัวตนของแบรนด์ เพื่อให้ถูกอ้างถึงในคำตอบที่สร้างโดย AI ไม่ว่าจะเป็น ChatGPT, Gemini, Perplexity, Google AI Overviews, Claude หรือ Copilot

ทีมวิจัยชุดนี้สร้างชุดทดสอบชื่อ GEO-bench ที่มีคำถาม 10,000 ข้อ แล้วทดลองว่าถ้าเราแก้เนื้อหาด้วยวิธีต่างๆ คะแนนการถูกอ้างอิงจะขยับแค่ไหน ผลคือวิธีที่ได้ผลดีที่สุดเพิ่มการมองเห็นได้ถึง 40% และเมื่อทดสอบกับ Perplexity ซึ่งเป็นเครื่องยนต์จริงที่ใช้งานอยู่ ตัวเลขการมองเห็นเพิ่มขึ้นถึง 37% [2]

แต่จุดที่ผมคิดว่าสำคัญที่สุดของงานวิจัยชิ้นนี้ไม่ใช่ตัวเลข 40% มันคือการค้นพบว่า การยัดคีย์เวิร์ดได้คะแนนต่ำกว่า baseline ราว 10% และเทคนิคที่ได้ผลจริงมีอยู่ไม่กี่ตัว

ได้แก่ การใส่สถิติพร้อมระบุแหล่งที่มา การยกคำพูดจากแหล่งที่น่าเชื่อถือ การอ้างอิงแหล่งข้อมูล และการปรับภาษาให้ลื่นไหลอ่านง่าย [2]

ถ้าคุณเคยสงสัยว่าทำไมบทความที่เขียนตามสูตร SEO แบบเก่าถึงไม่ถูก AI อ้าง คำตอบอยู่ในย่อหน้านี้

เหตุผลเชิงกลไกอยู่ที่การทำงานของ generative engine ซึ่งมีสามจังหวะ จังหวะแรกคือ แตกคำถาม คำถามเดียวจะถูกแปลงเป็นคำถามย่อยหลายข้อ เพราะฉะนั้นเว็บที่ตอบได้มุมเดียวจะถูกมองข้าม จังหวะที่สองคือ ค้นเอกสาร เครื่องยนต์จะดึงเนื้อหาจากดัชนีของตัวเองหรือจากเสิร์ชเอนจินที่มันผูกไว้

ถ้าบอทเข้าเว็บคุณไม่ได้ ก็จบตั้งแต่ตรงนี้ จังหวะที่สามคือ สังเคราะห์และอ้างอิง โมเดลภาษาไม่ใช่โปรแกรมจับคู่คำ มันอ่านเนื้อหา ตีความ แล้วเลือกข้อความที่ "อ้างง่าย" จากแหล่งที่ดูน่าเชื่อถือ

ความต่างข้อสุดท้ายคือเหตุผลที่การยัดคีย์เวิร์ดใช้ไม่ได้ผล เพราะโมเดลประเมินความหมายและความน่าเชื่อถือ ไม่ได้นับความถี่ของคำ

ตารางเดียวของบทความนี้: SEO กับ GEO ต่างกันตรงไหน

ประเด็น	SEO แบบเดิม	GEO
เป้าหมาย	ทำให้หน้าเว็บติดอันดับในผลการค้นหา	ทำให้ AI อ้างถึงเราในคำตอบที่มันเขียน
หน่วยวัด	อันดับ, ปริมาณคลิก, อัตราการคลิก	อัตราการถูกอ้าง, การถูกพูดถึง, ตำแหน่งและน้ำหนักของข้อความที่ยกมา
กลไกตัดสิน	คีย์เวิร์ด ลิงก์ และสัญญาณเชิงเทคนิค	โมเดลอ่านเนื้อหา ย่อยเป็นข้อความ แล้วเลือกอ้าง
คู่แข่งจริง	เว็บสิบอันดับแรกในหน้าผลการค้นหา	ทุกแหล่งที่โมเดลเลือกอ่าน รวมถึงชุมชน สื่อ และคู่แข่งทางอ้อม
ผลตอบแทน	คนคลิกเข้ามาที่เว็บ	การถูกเห็นและถูกอ้าง ซึ่งบางครั้งมาพร้อมคลิกเป็นศูนย์

อ่านตารางนี้แล้วอย่าเพิ่งด่วนสรุปว่า SEO หมดความหมาย ประเด็นคือทั้งสองเป็นเกมที่เล่นด้วยกันได้ แต่มีเป้าหมายปลายทางคนละอย่าง

สามด่านที่ต้องผ่านเรียงกัน และจุดที่คนส่วนใหญ่ตก

ก่อนจะไปถึงรายละเอียดของแต่ละด่าน ผมขอวางภาพรวมไว้ก่อน เพราะหัวใจของบทความนี้อยู่ตรงนี้

ด่านแรกคือ Access ประตูต้องเปิด บอทของ AI ต้องเข้าเว็บคุณได้ ทั้งที่ระดับไฟล์ robots.txt ระดับ CDN หรือ WAF และตัวเว็บต้องมีโครงสร้างที่เครื่องอ่านเข้าใจ ทั้ง schema, sitemap และความเร็วในการโหลด

ด่านที่สองคือ Selection เมื่อบอทเข้ามาได้แล้ว เนื้อหาต้องเป็นแบบที่ถูกหยิบไปใช้จริง ตอบคำถามตรงประเด็นตั้งแต่ช่วงต้นของหน้า มีตัวเลข มีคำพูด มีแหล่งอ้างอิง และอ่านลื่น

ด่านที่สามคือ Attribution นี่คือด่านที่คนส่วนใหญ่ตก เพราะมันต้องอาศัยแรงจากที่อื่น ไม่ใช่จากเว็บตัวเราเอง

ต่อไปนี้คือรายละเอียดของแต่ละด่าน พร้อมสิ่งที่ผมแนะนำให้ทำจริง

ด่านที่ 1 Access: บอทต้องเข้าเว็บคุณให้ได้ก่อน

บอทของ AI มีสองตระกูล

สิ่งแรกที่ต้องเข้าใจคือ AI แต่ละเจ้าปล่อยบอทออกเป็นสองตระกูล ตระกูลแรกคือ บอทสำหรับเทรนโมเดล เช่น GPTBot ของ OpenAI, ClaudeBot ของ Anthropic, Google-Extended ของ Google และ CCBot ของ Common Crawl [11][12][14][17]

ตระกูลที่สองคือ บอทสำหรับค้นและดึงข้อมูลตอนตอบคำถาม เช่น OAI-SearchBot และ ChatGPT-User ของ OpenAI, Claude-SearchBot และ Claude-User ของ Anthropic รวมถึง PerplexityBot [11][12][13][14]

ความต่างนี้สำคัญมาก เพราะการบล็อกบอทตระกูลแรกคือการเลือกว่าจะให้เนื้อหาเราไปอยู่ในน้ำหนักโมเดลรุ่นต่อไปหรือไม่ แต่การบล็อกบอทตระกูลที่สองหมายถึง โมเดลจะดึงหน้าเว็บคุณมาตอบตอนผู้ใช้ถามไม่ได้เลย ซึ่งแปลว่าคุณหายจากคำตอบทันทีที่คนต้องการคุณที่สุด

กับดักที่พบบ่อยที่สุดใน robots.txt

และนี่คือกับดักที่พบบ่อยที่สุดในเว็บไทย หลายเว็บมีบรรทัดแบบนี้อยู่ใน robots.txt

User-agent: *
Disallow: /

บรรทัดนี้มักถูกใส่ไว้ตั้งแต่ยุคที่กลัวว่าบอทจะมากินแบนด์วิดท์หรือดูดเนื้อหาไป แต่ผลของมันในวันนี้คือการปิดประตูใส่บอททุกตัวที่ไม่มีกฎของตัวเอง ซึ่งรวมถึงบอท AI ทั้งหมดด้วย

กฎที่ถูกต้องคือเขียนกฎแยกสำหรับแต่ละ user-agent ที่คุณต้องการอนุญาต เพราะบอทจะยึดกลุ่มที่เฉพาะกับตัวเองมากที่สุด ไม่ได้สืบทอดการอนุญาตจากเครื่องหมายดอกจันโดยอัตโนมัติในทางที่คุณคิด [14]

ชั้นที่อยู่เหนือ robots.txt ขึ้นไป

อีกจุดที่คนมองข้ามคือชั้นที่อยู่เหนือ robots.txt ขึ้นไป นั่นคือ CDN และไฟล์ป้องกันเว็บ (WAF) ตอนที่ผมลองเปิด robots.txt ของ thairath.co.th และ pantip.com ทั้งสองแห่งถูก CloudFront และระบบหลังบ้านตอบกลับด้วยรหัส 403 แม้จะเป็นการเรียกผ่านเบราว์เซอร์ปกติ

ซึ่งแสดงให้เห็นว่าการบล็อกบอทเกิดขึ้นที่ชั้นเครือข่ายได้โดยที่เจ้าของเว็บไม่รู้ตัว ถ้าบอทของ AI ถูกบล็อกที่ชั้นนี้ การแก้ robots.txt ให้สวยแค่ไหนก็ไม่ช่วยอะไร

หลักฐานที่ชัดที่สุดในเรื่องนี้มาจากงานวิจัยปี 2026 ที่เปรียบเทียบผลการค้นหาของ Google, AI Overviews และ Gemini โดยพบว่า เว็บที่บล็อกบอท AI ของ Google มีโอกาสถูก AI Overviews ดึงเนื้อหาไปใช้น้อยลงอย่างมีนัยสำคัญ แม้ตัวระบบจะยังเข้าถึงเนื้อหาได้ก็ตาม [16] แปลว่าการปิดประตูใส่บอทเป็นเรื่องที่วัดผลได้จริง ไม่ใช่ข้อสันนิษฐานทางทฤษฎี

สิ่งที่ควรตรวจในด่านนี้จึงมีสามชั้น ชั้นไฟล์คือ robots.txt ว่ามีกฎชื่อบอท AI หรือไม่ ชั้นเครือข่ายคือ CDN กับ WAF ว่าเปิดทางให้บอทเหล่านี้ผ่านหรือเปล่า และชั้นโครงสร้างคือเว็บมี sitemap ที่สมบูรณ์ มี schema markup บอกว่าใครเป็นเจ้าของเนื้อหา และโหลดเร็วพอที่บอทจะไม่ถอยกลับไปก่อนอ่านจบ

ด่านที่ 2 Selection: เนื้อหาต้อง "ถูกหยิบไปใช้" ได้

ผ่านด่านแรกมาแล้ว คำถามต่อไปคือทำไม AI เลือกยกข้อความจากหน้าเว็บหนึ่ง แต่ข้ามอีกหน้าเว็บหนึ่งไป ทั้งที่เนื้อหาพูดเรื่องเดียวกัน

ทำไมตำแหน่งของข้อความถึงสำคัญ

คำตอบส่วนหนึ่งอยู่ในตำแหน่งของข้อความ การวิเคราะห์คำตอบ ChatGPT จำนวน 1.2 ล้านรายการของ Kevin Indig จาก Growth Memo เมื่อเดือนกุมภาพันธ์ 2026 พบว่า 44.2% ของการอ้างอิงมาจาก 30% แรกของหน้าเว็บ

อีก 31.1% มาจากช่วงกลาง และมีเพียง 24.7% ที่มาจากหนึ่งในสามส่วนท้าย [1] เขาเรียกแพตเทิร์นนี้ว่าเส้นสกี เพราะความน่าจะเป็นในการถูกอ้างสูงที่ยอดแล้วดิ่งลงอย่างรวดเร็วเมื่อเลื่อนลงมา

นัยของตัวเลขนี้ตรงไปตรงมา ถ้าหน้าเว็บของคุณเปิดด้วยประวัติบริษัทหรือคำกล่าวทักทายยาวๆ แล้วค่อยตอบคำถามที่คนถามจริงๆ ในย่อหน้าที่เจ็ด คุณเพิ่งทิ้งโอกาสครึ่งหนึ่งไปตั้งแต่ยังไม่ทันเริ่ม

เทคนิคที่งานวิจัยชี้ว่าได้ผล

ผลการทดลองของงานวิจัย GEO ชี้ว่าการใส่สถิติพร้อมระบุแหล่งที่มา การยกคำพูดจากแหล่งน่าเชื่อถือ และการอ้างอิงแหล่งข้อมูล ล้วนเพิ่มโอกาสในการถูกอ้างอย่างมีนัยสำคัญ โดยเฉพาะกับ Perplexity ที่ตัวเลขแตะ 37% [2] สังเกตว่าวิธีเหล่านี้ล้วนเป็นพื้นฐานที่นักเขียนที่มีวินัยทำอยู่แล้วทั้งนั้น ผลพลอยได้คือมันบังคับให้คุณห้ามกุตัวเลข เพราะการกุตัวเลขคือการทำลายเหตุผลเดียวที่ทำให้เทคนิคนี้ได้ผล

แต่ละเครื่องยนต์มีนิสัยไม่เหมือนกัน

อีกจุดที่อยากให้สังเกตคือแต่ละเครื่องยนต์มีนิสัยต่างกันมาก รายงาน What Is AI Reading? ฉบับพฤษภาคม 2026 ของ Muck Rack วิเคราะห์ลิงก์กว่า 25 ล้านรายการจาก ChatGPT, Claude และ Gemini แล้วพบว่า ChatGPT อ้างอิงแหล่งที่มาใน 96% ของคำตอบ แต่เฉลี่ยคำตอบละ 5 แหล่ง ขณะที่ Gemini อ้างใน 82% ของคำตอบ เฉลี่ย 8 แหล่ง และ Claude เลือกมากที่สุดคืออ้างใน 55% ของคำตอบ แต่เมื่ออ้างแล้วเฉลี่ยถึง 13 แหล่ง

แถมโดเมนที่แต่ละตัวชื่นชอบก็ไม่เหมือนกัน โดย ChatGPT เอนไปทาง Wikipedia, Claude เอนไปทาง PubMed Central และ Gemini เอนไปทาง Reddit [3]

ในมุมมองของผม การทำ GEO ให้ครบทุกเครื่องยนต์เป็นงานที่ต้องแยกวัดและแยกปรับ ไม่ใช่ทาเคลือบเดียวแล้วหวังผลพร้อมกัน

ด่านที่ 3 Attribution: ด่านที่เว็บคุณทำคนเดียวไม่พอ

นี่คือด่านที่ทำให้คนทำ SEO จำนวนมากสับสน เพราะทุกอย่างที่คุณทำในด่านที่สองล้วนอยู่ในความควบคุมของคุณเอง คุณเลือกได้ว่าจะเขียนอย่างไร จะวางคำตอบไว้ตรงไหน จะใส่สถิติหรือไม่

แต่ด่านที่สามไม่ใช่

งานที่คนอื่นเขียนถึงเรา

Muck Rack วิเคราะห์ลิงก์กว่า 25 ล้านรายการจากคำตอบของ ChatGPT, Claude และ Gemini ครอบคลุม 17 อุตสาหกรรม แล้วพบว่า สื่อที่คนอื่นเขียนถึงเรา (earned media) คิดเป็น 84% ของการอ้างอิงทั้งหมด ขณะที่เนื้อหาที่แบรนด์จ่ายเงินเองมีสัดส่วนเพียง 0.3% และงานข่าวเพียงอย่างเดียวก็คิดเป็น 27% ของแหล่งที่ถูกอ้าง

ตัวเลขนี้ทรงตัวมาแล้วสามฉบับติด โดยแกว่งอยู่ระหว่าง 82% ถึง 89% ตั้งแต่เดือนกรกฎาคม 2025 [3]

พูดอีกแบบคือ งานที่ทีมการตลาดหรือทีมประชาสัมพันธ์ทำเพื่อให้ได้พื้นที่ในสื่อ คือลู่ที่ AI ให้รางวัลมากที่สุด และเป็นลู่ที่เว็บไซต์ของคุณเองทำแทนไม่ได้

การถูกพูดถึงแรงกว่าลิงก์

หลักฐานฝั่งตรงข้ามก็ชี้ทางเดียวกัน Ahrefs วิเคราะห์ 75,000 แบรนด์ แล้วพบว่าการถูกพูดถึงในเว็บอื่น (brand mentions) สัมพันธ์กับการมองเห็นใน AI Overviews ที่ค่าสหสัมพันธ์ 0.664 ส่วนแบ็คลิงก์อยู่ที่ 0.218 [5] กล่าวคือ การถูกพูดถึงแรงกว่าลิงก์ประมาณสามเท่า

ตัวเลขนี้ทำให้เจ้าของเว็บต้องกลับมาถามตัวเองว่าที่ผ่านมาทุ่มงบไปกับลิงก์มากกว่าการสร้างการถูกพูดถึงหรือไม่

กระจายเนื้อหาให้กว้างขึ้นแล้วเกิดอะไร

คำถามต่อไปคือแล้วการกระจายเนื้อหาไปหลายสื่อให้ผลจริงแค่ไหน Stacker ร่วมกับ Scrunch ทำการศึกษาที่ ในมุมมองของผม ถือเป็นชุดข้อมูลควบคุมที่ใหญ่ที่สุดชิ้นหนึ่งเท่าที่ผมเห็น คือวัดเรื่องเล่า 87 ชิ้นจาก 30 แบรนด์ ยิงคำถามกว่า 2,600 ชุดข้ามแพลตฟอร์ม AI 8 แห่ง แล้วรายงานว่า ค่ามัธยฐานของการเพิ่มขึ้นในการถูกอ้างอยู่ที่ 239% เทียบกับกรณีที่ปล่อยเนื้อหาอยู่แค่บนเว็บของแบรนด์เอง

ที่น่าสนใจคือ 97% ของเรื่องที่ถูกกระจายออกไปได้รับการอ้างอย่างน้อยหนึ่งครั้ง เทียบกับ 82% ของเนื้อหาที่แบรนด์ถือเอง และ 64% ของการอ้างอิงทั้งหมดมาจากแหล่งบุคคลที่สาม ไม่ใช่โดเมนของแบรนด์ [4]

ในรายงานเดียวกันยังมีการวัดตัวชี้วัดที่ Stacker ตั้งชื่อว่า coverage breadth หรือความกว้างของการปรากฏตัวข้ามแพลตฟอร์ม ซึ่งขยับจาก 5.4% เป็น 17.9% และเวอร์ชันที่ถูกกระจายมีโอกาสเป็น "แหล่งเดียว" ที่ทำให้เรื่องนั้นปรากฏใน AI สูงกว่าเวอร์ชันของแบรนด์เองถึง 5.3 เท่า [4]

ตรงนี้ผมอยากแถมบันทึกเล็กๆ เพื่อกันความสับสน เพราะตัวเลขที่คุณอาจเคยเห็นคู่กันคือ 325% กับ 239% ทั้งสองตัวเลขมาจากทีมเดียวกัน ต่างกันที่ขนาดตัวอย่าง ตัวเลข 325% มาจากการศึกษาแรกในไตรมาสที่สี่ของปี 2025 ซึ่งวัดเพียง 8 เรื่อง ส่วน 239% เป็นค่ามัธยฐานจากการศึกษาขนาดใหญ่กว่าเดิมสิบเท่าในเดือนมีนาคม 2026 [4]

ถ้าจะอ้างตัวเลขเดียว ผมแนะนำให้ใช้ 239% เพราะตัวอย่างใหญ่กว่าและผ่านการทดสอบความมีนัยสำคัญทางสถิติ

ลำดับที่ควรลงมือ: แผน 90 วันสำหรับเว็บหนึ่งเว็บ

เมื่อเห็นภาพสามด่านแล้ว คำถามคือเริ่มตรงไหนก่อน ผมเรียงลำดับตามผลตอบแทนต่อแรงที่ลงไปแบบนี้

ช่วง 0 ถึง 3 วันแรก ทำ baseline ก่อน ตั้งคำถาม 20 ข้อที่ลูกค้าจริงน่าจะถาม ทั้งคำถามแบบตรงๆ คำถามเชิงเปรียบเทียบ และคำถามที่เอ่ยชื่อแบรนด์ จากนั้นยิงคำถามชุดเดียวกันกับ ChatGPT, Gemini และ Perplexity แล้วจดไว้ว่าใครถูกอ้างบ้าง พร้อมกับตรวจ robots.txt, CDN และ schema ของเว็บตัวเองไปพร้อมกัน ถ้าคุณข้ามขั้นนี้ คุณจะไม่มีทางรู้เลยว่าสิ่งที่ทำไปได้ผลหรือไม่

สัปดาห์ที่หนึ่งถึงสอง ทำงานด่านแรกให้จบก่อน เปิดทางให้บอทค้นของ AI เข้าเว็บได้ ตรวจว่า CDN ไม่ได้บล็อกอยู่เงียบๆ และวาง schema ให้ครบ ทั้ง Article, FAQPage และ Organization

สัปดาห์ที่สองถึงสี่ ทำงานด่านที่สองกับหน้าหลัก 3 ถึง 5 หน้า ซึ่งส่วนใหญ่คือหน้าบริการ หน้าสินค้าขายดี และหน้าบทความที่คนเข้าบ่อยที่สุด ให้แต่ละหน้าเปิดด้วยคำตอบตรงๆ แล้วค่อยขยายความ พร้อมใส่ตัวเลขและคำพูดจากแหล่งที่น่าเชื่อถือ

สัปดาห์ที่สองถึงหก ทำงานด่านที่สาม ซึ่งเป็นงานที่ใช้เวลานานที่สุดและต้องอาศัยคนนอก สร้างข้อมูลต้นทางของตัวเองสักชิ้น เช่น ผลสำรวจลูกค้า ข้อมูลจากการทำงานจริง หรือกรณีศึกษาที่มีตัวเลข แล้วกระจายออกไปให้ได้ 5 ถึง 10 จุด ทั้งสื่อที่มีคนอ่าน ชุมชนออนไลน์ และเว็บรีวิว

สัปดาห์ที่หกถึงสิบสอง วัดรอบสองด้วยคำถามชุดเดิม แล้วเปรียบเทียบว่าแบรนด์ถูกอ้างเพิ่มขึ้นหรือไม่ แยกดูว่าเครื่องยนต์ไหนขยับ แล้วกลับไปแก้หน้าที่ได้ผลดีและหน้าที่ไม่ขยับ ตั้งจังหวะวัดซ้ำทุกสองถึงสี่สัปดาห์นับจากนี้

ถ้าจะมอบหมายงานนี้ให้ทีม ลำดับที่แนะนำคือให้ฝ่ายเทคนิคดูด่านแรก ฝ่ายคอนเทนต์ดูด่านที่สอง และฝ่ายการตลาดหรือประชาสัมพันธ์ดูด่านที่สาม เพราะเป็นงานคนละสกิลกันจริงๆ

สองกับดักที่ควรรู้ก่อนลงทุนเวลา

กับดักที่หนึ่ง: ไฟล์ llms.txt

กับดักแรกคือไฟล์ llms.txt ซึ่งถูกพูดถึงกันมากในฐานะ "robots.txt ฉบับ AI" หลักฐาน ณ วันนี้ยังไม่สนับสนุนให้ลงทุนกับมัน Ahrefs วิเคราะห์ 137,000 โดเมนที่ใช้เครื่องมือวิเคราะห์ของตัวเอง แล้วพบว่า 97% ของไฟล์ llms.txt ไม่มีใครดึงไปอ่านเลยตลอดเดือนพฤษภาคม 2026 และบอทของ AI แทบไม่เคยไป "ตามหา" ไฟล์นี้ถ้าเว็บไม่มี [9]

ขณะที่ SE Ranking วิเคราะห์เกือบ 300,000 โดเมน แล้วไม่พบความสัมพันธ์ระหว่างการมีไฟล์ llms.txt กับการถูกอ้างโดยโมเดลเลย และเมื่อถอดตัวแปรนี้ออกจากโมเดลพยากรณ์ ค่าความแม่นยำกลับดีขึ้นด้วยซ้ำ [10]

สรุปสั้นๆ คือถ้ามีเวลาจำกัด ให้ทำสิ่งที่หลักฐานแน่นก่อน แล้วค่อยกลับมาดูไฟล์นี้ทีหลัง

กับดักที่สอง: ทิ้ง SEO เดิมไปไม่ได้

กับดักที่สองคือการทิ้ง SEO เดิมไปเลย รายงานของ First Page Sage ที่วิเคราะห์ข้อมูลระดับเซสชันจากเว็บลูกค้า 218 แห่งใน 12 อุตสาหกรรม รวมกว่า 3.4 พันล้านเซสชัน ระหว่างมกราคม 2023 ถึงกรกฎาคม 2026 พบว่า organic search ยังคงเป็นแหล่งทราฟฟิกใหญ่ที่สุดที่ 42.8% ของเซสชัน แม้จะลดสัดส่วนลง 8.5 จุด และลดปริมาณลง 23.6% ในช่วงเวลาดังกล่าว ขณะที่ทราฟฟิกจากแพลตฟอร์ม AI โตจาก 0.1% เป็น 6.2% ของเซสชัน [15]

ตัวเลขคู่นี้ควรอ่านคู่กัน AI โตเร็วมากในเชิงอัตรา แต่ยังเป็นส่วนน้อยของทราฟฟิกจริง และในหลายกรณี การจัดอันดับในเสิร์ชเอนจินยังเป็นประตูบานแรกที่ทำให้เนื้อหาถูกดึงเข้าสู่ระบบค้นของ AI ด้วย

ข้อจำกัดที่ผมต้องพูดตรงๆ

งานวิจัยแกนกลางที่ผมยกมาทั้งชิ้นของ GEO ถูกทดสอบบนโมเดลและเครื่องยนต์ในปี 2023 ถึง 2024 ตัวเลขอย่าง 40% หรือ 37% จึงเป็น "ทิศทาง" ไม่ใช่ค่าคงที่ที่รับประกันผลลัพธ์กับเว็บคุณ และประสิทธิผลของแต่ละเทคนิคก็ต่างกันตามโดเมน

งานวิจัยเองย้ำว่าต้องทดลองกับเนื้อหาของตัวเอง ไม่มีสูตรสำเร็จที่ใช้ได้กับทุกเว็บ [2]

อีกเรื่องที่ต้องพูดให้ชัดคือ การถูกอ้างไม่เท่ากับทราฟฟิก ต่อให้บทความคุณถูกอ้างใน ChatGPT บ่อยขึ้น ตัวเลขคนคลิกเข้ามายังน้อยอยู่ดี ตามรายงานของ First Page Sage ทราฟฟิกจากแพลตฟอร์ม AI คิดเป็น 6.2% ของเซสชันในเดือนกรกฎาคม 2026 [15] มูลค่าจริงของ GEO ในวันนี้จึงอยู่ที่การเป็นแหล่งอ้างอิงที่ AI จำได้มากกว่าที่จำนวนคลิกในรายงาน

และตัวเลขบางตัวที่ผมยกมา มาจากบริษัทที่ขายเครื่องมือหรือบริการด้านนี้ ซึ่งอ้างงานวิจัยต้นทางอีกทอดหนึ่ง ผมระบุแหล่งไว้ให้คุณเปิดตรวจตามได้ทุกตัว แต่ควรใช้มันเพื่อกำหนดทิศทาง แล้ววัดผลกับเว็บของตัวเองเป็นตัวตัดสินสุดท้าย

เริ่มจากตรงนี้คืนนี้ได้เลย

ถ้าจะเริ่มจากสามอย่างที่ทำได้ทันทีโดยไม่ต้องใช้งบ ผมแนะนำให้เปิด robots.txt ของเว็บคุณแล้วดูว่ามีบรรทัดที่บล็อกบอททั้งหมดอยู่หรือไม่ ต่อมาคือ refactor หน้าหลักหนึ่งหน้าให้ตอบคำถามสำคัญภายในสามย่อหน้าแรก และสุดท้ายคือหาโอกาสถูกพูดถึงในเว็บหรือชุมชนที่คนในวงการของคุณอ่านอยู่จริง

บทความนี้เป็นชิ้นแรกของชุดที่ผมตั้งใจจะเล่าเรื่อง GEO ให้ครบทั้งวงจร ในชิ้นต่อไปผมจะลงลึกเรื่องการวัดผลรายเครื่องยนต์ ซึ่งเป็นจุดที่คนทำ GEO ส่วนใหญ่ยังทำไม่เป็น

ถ้าคุณยังไม่ได้อ่านบทความก่อนหน้าของผมเกี่ยวกับกติกาใหม่ของ SEO ในยุค AI Search ผมแนะนำให้เริ่มจาก ชิ้นนั้น ก่อน แล้วค่อยกลับมาที่ชุดนี้ และถ้าคุณทำงานสาย SEO อยู่แล้ว บทวิเคราะห์คู่มือ AI SEO agent ของ Semrush ก็ต่อยอดจากเรื่องนี้ได้ทันที

คำถามชวนคิดปิดท้าย: ถ้าลองเปิด ChatGPT แล้วถามคำถามที่ลูกค้าของคุณถามบ่อยที่สุด AI ยกชื่อใครขึ้นมาพูด และเว็บของคุณอยู่ในคำตอบนั้นหรือไม่

บทความนี้เขียนโดย AI (deepseek-v4.1-flash) ผ่าน Hermes Agent ภายใต้การควบคุมและตรวจสอบคุณภาพโดยมนุษย์ - Nokka (นก-กา)

เอกสารอ้างอิง

[1] Kevin Indig, "The science of how AI pays attention", Growth Memo, 16 กุมภาพันธ์ 2026 (ค.ศ. 2026). https://www.growth-memo.com/p/the-science-of-how-ai-pays-attention

[2] Vishvak Murahari และคณะ (Princeton, Georgia Tech, IIT Delhi), "GEO: Generative Engine Optimization", KDD 2024 / arXiv. https://arxiv.org/abs/2311.09735

[3] Linda Zebian, "Earned media still drives 84% of AI citations. Here's what that means for PR.", Muck Rack (Generative Pulse), 7 พฤษภาคม 2026 (ค.ศ. 2026). https://muckrack.com/blog/what-is-ai-reading-may-2026

[4] Stacker, "Coverage Breadth: The Latest GEO Research on Brand Visibility", 16 มีนาคม 2026 (ค.ศ. 2026). https://stacker.com/blog/latest-research-on-expanding-brand-visibility-across-llms

[5] Louise Linehan และ Xibeijia Guan, "An Analysis of AI Overview Brand Visibility Factors (75K Brands Studied)", Ahrefs, 26 พฤษภาคม 2025 (ปรับปรุงล่าสุด 27 เมษายน 2026). https://ahrefs.com/blog/ai-overview-brand-correlation/

[6] Similarweb, "How AI Is Changing The Consumer Buying Journey" (อ้างข้อมูลจาก 2026 Generative AI Brand Visibility Index, Market Research Panel สหรัฐฯ, มกราคม 2026), 2026. https://aisearch.similarweb.com/blog/ai-consumer-journey/

[7] Similarweb, "Generative AI and the future of publishers" (ข้อมูล zero-click ระหว่างพฤษภาคม 2024 ถึงพฤษภาคม 2025), 2025. https://www.similarweb.com/corp/reports/generative-ai-publishers/

[8] 5W, "The State of AI Citations 2026", 19 พฤษภาคม 2026 (ค.ศ. 2026). https://www.5wpr.com/research/state-of-ai-citations-2026/

[9] Ahrefs, "We Analyzed 137K Sites: 97% of llms.txt Files Never Get Read", 2026. https://ahrefs.com/blog/llmstxt-study/

[10] SE Ranking, "LLMs.txt: Why Brands Rely On It and Why It Doesn't Work", 2026. https://seranking.com/blog/llms-txt/

[11] OpenAI, "Overview of OpenAI Crawlers", 2026. https://platform.openai.com/docs/bots

[12] Anthropic, "Does Anthropic crawl data from the web, and how can site owners block the crawler?", 2026. https://support.anthropic.com/en/articles/8896518-does-anthropic-crawl-data-from-the-web-and-how-can-site-owners-block-the-crawler

[13] Perplexity, "Perplexity's Crawlers", 2026. https://docs.perplexity.ai/guides/bots

[14] Google Search Central, "Overview of Google crawlers (user agents)", 2026. https://developers.google.com/search/docs/crawling-indexing/overview-google-crawlers

[15] First Page Sage, "AI Impact on Website Traffic: 2026 Report", 25 สิงหาคม 2026 (ค.ศ. 2026). https://firstpagesage.com/seo-blog/ai-impact-on-website-traffic-report/

[16] Riley Grossman และคณะ, "How Generative AI Disrupts Search: An Empirical Study of Google Search, Gemini, and AI Overviews", arXiv, 30 เมษายน 2026 (ค.ศ. 2026). https://arxiv.org/abs/2604.27790

[17] Common Crawl, "CCBot" (เอกสารทางการของ Common Crawl ว่าด้วยบอท CCBot และวิธีบล็อก · เข้าถึง 10 ตุลาคม 2026 / ค.ศ. 2026). https://commoncrawl.org/ccbot