เทคนิค AEO 7 ข้อ เขียนคำตอบให้ AI หยิบไปใช้ พร้อมตัวอย่างก่อน-หลัง

สวัสดีครับ วันนี้แมวส้มขอเปิดกล่องเครื่องมือ AEO พร้อมตัวอย่างก่อน-หลังแก้ให้ก็อปไปใช้ได้เลย เทคนิค AEO คือวิธีเขียนให้ทุกหัวข้อมีคำตอบสั้นที่ตัดไปใช้ได้ทันที ทั้งใน AI Overviews, ChatGPT และ Copilot มี 7 ข้อหลัก คือตอบในประโยคแรก ตั้งหัวข้อเป็นคำถาม เขียนนิยามแบบ “X คือ” เลือกรายการหรือตารางให้ตรงคำถาม เรียกชื่อเฉพาะให้ถูก บอกว่าข้อมูลเป็นของวันไหน และใส่ตัวเลขพร้อมที่มา

นี่คือภาคลงมือต่อจาก AEO คืออะไร เตรียมปากกาแดงไว้เลย

เทคนิค AEO แต่ละข้อมีหลักฐานแน่นแค่ไหน

เทคนิค AEO มีหลักฐาน 3 ระดับ บางข้อแพลตฟอร์มแนะนำเอง บางข้อมาจากการนับการอ้างอิง ซึ่งบอกได้แค่ว่า “เกิดคู่กัน” บางข้อเป็นสูตรที่คนทำงานใช้ต่อกันมา แมวส้มติดป้ายให้ทุกข้อ จะได้ไม่เสียแรงกับสูตรที่ไม่มีใครพิสูจน์

ย่อหน้าคำตอบควรยาวแค่ไหน และต้องอยู่ตรงไหน

ย่อหน้าคำตอบที่ดีคือ 1-3 ประโยคแรกใต้หัวข้อ ที่ตอบหัวข้อนั้นครบในตัวเอง Microsoft Bing แนะนำคำตอบ 1-2 ประโยคที่เข้าใจได้แม้ถูกตัดออกจากบริบท ส่วนตัวเลข “40-60 คำ” ในบทความฝรั่งเป็นสูตรของคนทำงาน ยังไม่มีแพลตฟอร์มไหนยืนยัน

เหมือนเพื่อนถามในแชตกลุ่มห้องว่า “พรุ่งนี้สอบกี่โมง” แล้วคุณเล่าย้อนไปตั้งแต่ครูประกาศ เพื่อนกดออกแน่ๆ

ตำแหน่งสำคัญกว่าความยาว Kevin Indig วิเคราะห์การอ้างอิง (citation หรือการที่ AI แปะลิงก์บอกว่าเอาข้อมูลมาจากไหน) ของ ChatGPT ร่วม 18,000 รายการ (Search Engine Journal, กุมภาพันธ์ 2026) พบว่า 44.2% มาจาก 30% แรกของเนื้อหา 31.1% จากช่วงกลาง และ 24.7% จากช่วงท้าย เป็นข้อมูล ChatGPT อย่างเดียว และไม่ได้พิสูจน์ว่าย้ายย่อหน้าขึ้นบนแล้วจะถูกอ้างเพิ่ม ชุดเดียวกันยังพบว่าในระดับย่อหน้า 53% ของข้อความที่ถูกอ้างมาจากกลางย่อหน้า มีแค่ 24.5% จากประโยคแรก และ 22.5% จากประโยคสุดท้าย แปลว่า AI ไม่ได้หยิบแค่ประโยคแรก ทุกประโยคในย่อหน้าคำตอบต้องยืนได้เอง

ก่อนแก้ (ร้านล้างแอร์สมมติ) “ปัจจุบันอากาศร้อนขึ้นทุกปี แอร์จึงขาดไม่ได้ ระยะเวลาในการล้างขึ้นอยู่กับหลายปัจจัย…”

หลังแก้ “ล้างแอร์ติดผนัง 1 เครื่องที่ร้านแอร์เย็นใจใช้เวลาประมาณ 45-60 นาที ถ้าต้องถอดแผงคอยล์ล้างใหญ่ใช้ราว 2 ชั่วโมง”

เวอร์ชันหลังตอบตั้งแต่คำแรกและมีชื่อร้าน ยกไปวางที่ไหนก็รู้ว่าเป็นข้อมูลของใคร (ตัวเลขสมมติ)

เขียนหัวข้อเป็นคำถามยังไงให้ตรงกับที่คนพิมพ์

หัวข้อที่ดีสำหรับ AEO คือคำถามหรือวลีที่คนพิมพ์ค้นจริง เหมือนป้ายหมวดบนตู้หนังสือห้องสมุดที่บอกว่าข้างล่างมีอะไร เอกสารของ Microsoft Bing (ตุลาคม 2025) ยกตัวอย่างเองว่าแทนหัวข้อกว้างอย่าง “Learn More” ให้ใช้ “What Makes This Dishwasher Quieter Than Most Models?”

ฝั่งข้อมูล Indig พบว่าข้อความที่ ChatGPT อ้างมีเครื่องหมายคำถาม 18% เทียบกับ 8.9% ในข้อความที่ไม่ถูกอ้าง และ 78.4% ของข้อความที่ถูกอ้างซึ่งมีคำถาม มาจากหัวข้อ แปลว่าคำถามที่ได้ผลคือคำถามในหัวข้อที่ตามด้วยคำตอบทันที

ใครเคยยัดคำค้นทุกแบบลงหัวข้อ ไม่ต้องอายนะ แต่เลิกได้แล้ว Google บอกว่าระบบ AI เข้าใจคำพ้องความหมายเอง หาคำถามจริงได้จาก Google autocomplete, People Also Ask และคำค้นใน Search Console (วิธีกรองอยู่ใน บทความ AEO หลัก)

เขียนนิยามแบบ “X คือ” ให้ AI ยกไปได้ทั้งประโยค

นิยามที่ดีคือประโยคเดียวรูปแบบ “X คือ Y ที่ทำ Z” บอกว่าเป็นอะไร ทำอะไร และต่างจากของคล้ายกันยังไง Indig พบว่าข้อความที่ ChatGPT อ้างใช้ภาษาแบบนิยาม เช่น “is defined as” หรือ “refers to” 36.2% เทียบกับ 20.2% ในข้อความที่ไม่ถูกอ้าง ตัวเลขนี้มาจากภาษาอังกฤษและ ChatGPT อย่างเดียว แต่หลักเดียวกันใช้กับภาษาไทยได้

ก่อนแก้ “หลายคนอาจสงสัยว่าตัวเลือกนี้ใน Search Console มีไว้ทำไม จริงๆ แล้วมันเกี่ยวกับการที่ Google เอาเนื้อหาไปใช้กับ AI”

หลังแก้ “Search generative AI control คือการตั้งค่าใน Search Console ที่ Settings > Search generative AI ให้เลือก Include หรือ Exclude เว็บจากฟีเจอร์ AI ของ Google Search ได้แก่ AI Overviews, AI Mode และ AI ใน Discover โดยไม่กระทบอันดับปกติ เปิดให้ทุกเว็บทั่วโลกตั้งแต่ 31 สิงหาคม 2026”

เช็กนิยามด้วย 3 คำถาม ขึ้นต้นด้วยชื่อสิ่งนั้นไหม (ไม่ใช่ “มัน”) มีคำบอกหมวดไหม เช่น “การตั้งค่า” และมีจุดแยกจากของคล้ายกันไหม ในตัวอย่างคือ “ไม่กระทบอันดับปกติ” ซึ่งคนสับสนกับ Google-Extended บ่อยที่สุด ทริกที่แมวส้มชอบที่สุดคือส่งนิยามให้เพื่อนที่ไม่ได้ทำเว็บอ่าน ถ้าเพื่อนถามกลับว่า “ตั้งค่าที่ไหน” แปลว่ายังต้องแก้

เลือกรายการ ตาราง หรือขั้นตอน ให้ตรงกับคำถาม

รูปแบบคำตอบควรตามรูปร่างของคำถาม “ทำยังไง” ใช้ขั้นตอนเรียงเลข “ต่างกันยังไง” ใช้ตาราง “มีอะไรบ้าง” ใช้รายการ (การจับคู่นี้เป็นแนวปฏิบัติของแมวส้ม) Microsoft Bing บอกแค่ว่ารายการ ขั้นตอน และตารางแตกรายละเอียดเป็นชิ้นที่หยิบใช้ซ้ำได้ ส่วนกำแพงข้อความยาวๆ ทำให้ระบบแยกเนื้อหายากขึ้น ลองดูรายงาน AI ของ Google กับ Bing ที่เล่าเป็นย่อหน้าเดียวแล้วงง พอเป็นตารางก็ตอบได้ในแถวเดียว

ระวัง 3 อย่างที่ทำให้ตารางเสียของ ข้อแรก ทำตารางเป็นรูปภาพ (Bing แนะนำให้ข้อมูลสำคัญอยู่ใน HTML) ข้อสอง ซ่อนคำตอบในแท็บที่ต้องกดเปิด (ระบบ AI อาจไม่ render เนื้อหาที่ซ่อน) ข้อสาม bullet ที่เป็นคำนามลอยๆ อย่าง “ราคา” ที่ไม่มีข้อมูลเลย

เรียกชื่อให้ถูก: entity ตัวเลข และหน่วย

Entity คือสิ่งที่มีตัวตนชัดและระบบรู้จัก เช่น ชื่อแบรนด์ เครื่องมือ สถานที่ สเปก เหมือนชื่อเพื่อนในห้องที่ทุกคนรู้ว่าหมายถึงใคร ชื่อเต็มทำให้ข้อความตรวจสอบได้และไม่กำกวม Microsoft Bing ยกตัวอย่างว่าหน้าสินค้าควรเขียน “42 dB dishwasher designed for open-concept kitchens” ไม่ใช่แค่ “quiet dishwasher” ส่วน Indig พบว่าข้อความที่ ChatGPT อ้างบ่อยมีสัดส่วนชื่อเฉพาะเฉลี่ย 20.6% เทียบกับราว 5-8% ในข้อความภาษาอังกฤษทั่วไป

• ก่อน “เข้าไปตั้งค่าใน GSC ได้เลย” หลัง “เปิด Google Search Console ไปที่ Settings > Search generative AI” คำย่อลอยๆ อาจไม่มีใครรู้ว่าคืออะไร
• ก่อน “ปลั๊กอินตัวนั้นสร้างไฟล์ให้อัตโนมัติ” หลัง “Yoast SEO สร้างไฟล์ llms.txt ให้อัตโนมัติที่ Settings > Site features” ครบทั้งชื่อปลั๊กอิน ไฟล์ และเมนู
• ก่อน “ช่องทางใหม่ใน GA4 แยกทราฟฟิก AI ได้แล้ว” หลัง “GA4 มี default channel ชื่อ AI Assistant ตั้งแต่ 13 พฤษภาคม 2026 แยกคลิกจากผู้ช่วย AI เช่น ChatGPT ส่วน AI Overviews และ AI Mode ยังนับใน Organic Search”

แนวปฏิบัติของแมวส้มคือ เขียนชื่อไทยคู่ชื่ออังกฤษครั้งแรก แล้วใช้ชื่อเดียวทั้งหน้า ไม่ใช่ครึ่งบนเรียก “AI Overviews” ครึ่งล่างเรียก “AI สรุปของ Google” ส่วนการทำให้แบรนด์เป็น entity อยู่ใน Entity SEO คืออะไร

สัญญาณความสดใหม่ที่ทำได้จริง โดยไม่ต้องโกงวันที่

สัญญาณความสดใหม่ที่ทำได้จริงมี 3 ชั้น คือวันที่ที่มองเห็นบนหน้า วันที่ใน structured data ที่ตรงกัน และเวลากำกับในประโยคที่ข้อมูลเปลี่ยนเร็ว Structured data คือป้ายข้อมูลให้เครื่องอ่าน คล้ายฉลากโภชนาการหลังซองขนม เอกสาร Google เรื่องวันที่แนะนำให้แสดงวันที่ชัดพร้อมป้าย เช่น “อัปเดตล่าสุด” ใส่ datePublished (วันเผยแพร่) และ dateModified (วันแก้ล่าสุด) ให้ตรงกับที่แสดง ห้ามใช้วันที่ในอนาคต และถ้า Google ดึงวันที่ผิด ให้ลดวันที่อื่นบนหน้า

ฝั่ง AI สนับสนุนแบบมีเงื่อนไข Ahrefs วิเคราะห์ URL ที่ถูกอ้างเกือบ 17 ล้านรายการ (กรกฎาคม 2025) พบว่าเนื้อหาที่ผู้ช่วย AI อ้างใหม่กว่าผลค้นหาปกติเฉลี่ย 25.7% โดย ChatGPT เอียงหาของใหม่มากที่สุด แต่ AI Overviews อ้างเนื้อหาเก่ากว่าเล็กน้อย และเนื้อหาที่ถูกอ้างเฉลี่ยยังอายุราว 2.9 ปี ความใหม่จึงเป็นปัจจัยหนึ่ง ไม่ใช่ตัวตัดสิน

ชั้นที่สามคนลืมบ่อยที่สุด เพราะประโยคที่ถูกตัดไปใช้ไม่ได้พาวันที่หัวบทความไปด้วย เหมือนรูปโปรที่ส่งต่อในไลน์แล้วไม่มีใครรู้ว่าหมดเขตเมื่อไร

ก่อนแก้ “ปัจจุบันการใส่ FAQ schema ยังช่วยให้ได้กล่องคำถามใต้ผลค้นหา”

หลังแก้ “Google เลิกแสดง FAQ rich result ตั้งแต่ 7 พฤษภาคม 2026 การใส่ FAQ schema จึงไม่ทำให้ได้กล่องคำถามใต้ผลค้นหาแล้ว”

วันที่ใน structured data หน้าตาแบบนี้ และบนหน้าต้องแสดงตรงกันว่า “อัปเดตล่าสุด 19 ตุลาคม 2026” เสมอ

ใส่ตัวเลข คำพูด และแหล่งอ้างอิงในประโยคคำตอบ

คำตอบที่มีตัวเลขพร้อมที่มา คำพูดจากแหล่งต้นทาง และการอ้างอิงที่ตรวจสอบได้ มีแนวโน้มถูก AI ใช้มากกว่า หลักฐานคืองานวิจัย GEO ของ Aggarwal และคณะ (arXiv:2311.09735, v3 มิถุนายน 2024) ในตาราง 1 การเพิ่มคำพูด (Quotation Addition) ได้คะแนน Position-Adjusted Word Count (วัดว่าคำตอบของ AI ใช้ถ้อยคำจากเว็บนั้นมากแค่ไหน ถ้อยคำต้นคำตอบได้น้ำหนักมากกว่า) 27.2 เทียบ baseline (เนื้อหาเดิมที่ยังไม่แก้) 19.3 หรือสูงขึ้นราว 41% ส่วนการยัดคีย์เวิร์ดได้ 17.7 ต่ำกว่าเดิมอีก แต่ทดลองกับ gpt-3.5-turbo ไม่ใช่ระบบจริงปี 2026 (รายละเอียดใน GEO คืออะไร)

ก่อนแก้ “งานวิจัยหลายชิ้นบอกว่า AI ทำให้คนคลิกน้อยลงมาก”

หลังแก้ “Pew Research Center เก็บข้อมูลการท่องเว็บของผู้ใหญ่สหรัฐฯ 900 คนในเดือนมีนาคม 2025 พบว่าเมื่อหน้าผลค้นหามีสรุป AI คนคลิกผลค้นหาแบบเดิม 8% ของครั้ง เทียบกับ 15% เมื่อไม่มี”

ประโยคหลังบอกครบว่าใครวัด เมื่อไร เทียบกับอะไร เจาะลึกต่อที่ AI Citation คืออะไร

วิธีทดสอบเทคนิค AEO กับเว็บตัวเอง

วิธีรู้ว่าเทคนิคไหนได้ผลกับเว็บคุณคือทดลองแบบมีกลุ่มเทียบ แก้บางหน้า ไม่แก้บางหน้า แล้ววัดด้วยตัวเลขชุดเดียวกัน เหมือนการทดลองวิทย์ ม.ปลาย ทำตาม 5 ขั้นนี้

1. เลือก 10-20 หน้าที่หัวข้อคล้ายกัน แบ่งครึ่งแบบสุ่มเป็นกลุ่มแก้กับกลุ่มเทียบ จดค่าเริ่มต้นไว้
2. แก้ทีละเทคนิค เช่น รอบแรกแก้แค่ย่อหน้าแรกของทุก H2 ถ้าแก้ทุกอย่างพร้อมกัน จะไม่รู้ว่าอะไรได้ผล
3. ขอให้ Google เข้ามาอ่านใหม่ ด้วยเครื่องมือ URL Inspection ใน Search Console แล้วจดวันที่แก้ไว้
4. วัดผลหลัง 4-6 สัปดาห์ (ระยะที่แมวส้มใช้ ไม่ใช่ตัวเลขจากแพลตฟอร์ม) เทียบ impressions รายหน้าในรายงาน Generative AI ของ Search Console, CTR (สัดส่วนคนที่เห็นแล้วคลิก) ของคำค้นแบบคำถาม และการอ้างอิงรายหน้าใน AI Performance ของ Bing
5. ถามด้วยมือด้วยชุดคำถามเดิม ถาม 10 คำถามที่ตรงกับหน้าทดลองใน ChatGPT และ Perplexity ก่อนและหลังแก้ จดว่าถูกอ้างไหมและประโยคไหนถูกยกไป คำตอบ AI แกว่งได้ จึงถามซ้ำอย่างน้อยสองรอบ (แนวปฏิบัติของเรา ไม่ได้มาจากแพลตฟอร์ม)

กลุ่มที่แก้ดีขึ้นชัดกว่าก็ขยายไปทั้งเว็บ ถ้าไม่ต่างก็ไม่ต้องเสียใจ ลองเทคนิคถัดไป วิธีอ่านตัวเลขอยู่ใน AI Visibility คืออะไร

คำถามที่พบบ่อย

แหล่งอ้างอิง

• Search generative AI control โดย Google Search Console Help (ต.ค. 2026)
• Generative AI performance report โดย Google Search Console Help (ต.ค. 2026)
• [GA4] Default channel group โดย Google Analytics Help (ต.ค. 2026)
• Latest documentation updates (FAQ rich result) โดย Google Search Central (ต.ค. 2026)
• Optimizing your website for generative AI features on Google Search โดย Google Search Central (อัปเดต ก.ค. 2026)
• New Study: AI Assistants Prefer to Cite “Fresher” Content (17 Million Citations Analyzed) โดย Ahrefs (Ryan Law) (ก.ค. 2025)
• The Science Of How AI Pays Attention โดย Search Engine Journal (Kevin Indig) (ก.พ. 2026)
• Introducing AI Performance in Bing Webmaster Tools Public Preview โดย Microsoft Bing Webmaster Blog (ก.พ. 2026)
• Add a Byline Date to Google Search Results โดย Google Search Central (อัปเดต ธ.ค. 2025)
• Optimizing Your Content for Inclusion in AI Search Answers โดย Microsoft Advertising Blog (Krishna Madhavan, Microsoft Bing) (ต.ค. 2025)
• Google users are less likely to click on links when an AI summary appears in the results โดย Pew Research Center (ก.ค. 2025)
• GEO: Generative Engine Optimization (Aggarwal et al.) โดย arXiv (v3 มิ.ย. 2024)