
สารบัญ
เทคนิค AEO 7 ข้อ เขียนคำตอบให้ AI หยิบไปใช้ พร้อมตัวอย่างก่อน-หลัง
สวัสดีครับ แมวส้มพกปากกาแดงมาด้วยครับ เคยสงสัยไหมครับ เวลาอ่านบทความสอนเขียนให้ AI หยิบไปตอบ แล้วเจอสูตรอย่าง “ย่อหน้าคำตอบต้องยาว 40-60 คำ” ว่าสูตรนั้นใครเป็นคนยืนยัน วันนี้แมวส้มขอเปิดกล่องเครื่องมือ AEO (Answer Engine Optimization การเขียนเว็บให้ AI หยิบไปเป็นคำตอบ) พร้อมตัวอย่างก่อนและหลังแก้ให้ก็อปไปใช้ได้เลย
เทคนิค AEO คือวิธีเขียนให้ทุกหัวข้อมีคำตอบสั้นที่ตัดไปใช้ได้ทันที ทั้งใน AI Overviews (กล่องสรุป AI บนหน้า Google), ChatGPT และ Copilot (AI ของ Microsoft) มี 7 ข้อหลัก ไล่ดูได้ในรายการนี้
- ตอบในประโยคแรก
- ตั้งหัวข้อเป็นคำถาม
- เขียนนิยามแบบ “X คือ”
- เลือกรายการหรือตารางให้ตรงคำถาม
- เรียกชื่อเฉพาะให้ถูก
- บอกว่าข้อมูลเป็นของวันไหน
- ใส่ตัวเลขพร้อมที่มา
หรือจะพูดแบบภาษาบ้าน ๆ ก็คือ เขียนให้ AI ตัดย่อหน้าไหนของคุณไปแปะในคำตอบก็ได้ แล้วคนอ่านยังเข้าใจครบ นั่นเอง
ถ้าแยกคำออกมาดูทีละคำ จะเห็นภาพชัดขึ้น
- Answer แปลว่า คำตอบ
- Engine แปลว่า เครื่องยนต์ ในที่นี้หมายถึงระบบที่ตอบคำถามให้คน เช่น Google, ChatGPT และ Copilot
- Optimization แปลว่า การปรับให้ดีขึ้น
รวมกันก็คือ “การปรับเนื้อหาให้เหมาะกับระบบที่ตอบคำถาม” นี่คือภาคลงมือต่อจาก AEO คืออะไร อ่านจบคุณจะรู้ว่าข้อไหนมีหลักฐานแน่น ข้อไหนเป็นแค่สูตรเล่าต่อกันมา และได้วิธีทดลองกับเว็บตัวเอง เตรียมปากกาแดงไว้เลย
- ไม่มีสูตรความยาวที่แพลตฟอร์มยืนยัน Microsoft แนะนำคำตอบ 1-2 ประโยคที่อ่านรู้เรื่องแม้ถูกตัดไปใช้
- ข้อมูล ChatGPT ที่ Kevin Indig (นักวิเคราะห์ SEO ที่เขียนลง Search Engine Journal) วิเคราะห์ (ก.พ. 2026) พบว่าราว 44% ของการอ้างอิงมาจาก 30% แรกของเนื้อหา แต่บอกแค่ว่าสองอย่างเกิดคู่กัน ยังไม่ได้พิสูจน์ว่าอย่างหนึ่งเป็นเหตุของอีกอย่าง
- Google (ก.ค. 2026) บอกว่าไม่ต้องเขียนใหม่เพื่อ AI เทคนิคเหล่านี้คือการเขียนให้คนอ่านง่ายนั่นเอง
- ความสดใหม่ที่ทำได้จริง คือวันที่บนหน้าที่ตรงกับ dateModified (ค่าวันที่แก้ล่าสุดที่ซ่อนในโค้ด) และห้ามเปลี่ยนวันที่โดยไม่แก้เนื้อหา
เทคนิค AEO แต่ละข้อมีหลักฐานแน่นแค่ไหน
เทคนิค AEO มีหลักฐาน 3 ระดับ บางข้อแพลตฟอร์มแนะนำเอง บางข้อมาจากการนับการอ้างอิงของจริง (ในตารางเรียกว่าข้อมูลเชิงสังเกต) ซึ่งบอกได้แค่ว่า “เกิดคู่กัน” และบางข้อเป็นแนวปฏิบัติหรือสูตรที่คนทำงานใช้ต่อกันมา
ถ้าถามว่า.. ทำไมต้องสนใจว่าหลักฐานมาจากไหน ลองคิดสภาพว่า.. หมอบอกให้กินยา กับเพื่อนบอกว่า “ป้าข้างบ้านกินแล้วหาย” สองอย่างนี้น่าเชื่อไม่เท่ากันใช่ไหมครับ เพราะแบบนี้ แมวส้มติดป้ายให้ทุกข้อ คุณจะได้ไม่เสียแรงกับสูตรที่ไม่มีใครพิสูจน์
| เทคนิค | หลักฐานหลัก | ระดับ |
|---|---|---|
| ตอบในประโยคแรกของหัวข้อ | Microsoft Bing แนะนำคำตอบ 1-2 ประโยค, Indig พบว่าช่วงต้นหน้าถูกอ้างมากสุด (ระดับหน้า ไม่ใช่ระดับประโยค) | แพลตฟอร์มแนะนำ (ระดับหน้า: ข้อมูลเชิงสังเกต) |
| ความยาวย่อหน้าคำตอบ | ไม่มีตัวเลขจากแพลตฟอร์ม | แนวปฏิบัติ |
| หัวข้อเป็นคำถาม | Microsoft Bing ยกตัวอย่างเอง, Indig | แพลตฟอร์มแนะนำ + ข้อมูลเชิงสังเกต |
| นิยามแบบ “X คือ” | Indig พบภาษาแบบนิยาม 36.2% เทียบ 20.2% | ข้อมูลเชิงสังเกต (ChatGPT เท่านั้น) |
| รายการ ตาราง ขั้นตอน เป็น HTML (ตัวหนังสือบนหน้าเว็บที่เครื่องอ่านได้ ไม่ใช่รูป) | Microsoft Bing แนะนำ และเตือนเรื่องข้อความในรูป | แพลตฟอร์มแนะนำ |
| จับคู่ชนิดคำถามกับรูปแบบคำตอบ | ไม่มีตัวเลขจากแพลตฟอร์ม | แนวปฏิบัติ |
| ชื่อเฉพาะ ตัวเลข หน่วย | Microsoft Bing ยกตัวอย่าง, Indig เรื่องสัดส่วนชื่อเฉพาะ | แพลตฟอร์มแนะนำ + ข้อมูลเชิงสังเกต |
| วันที่และความสดใหม่ | เอกสาร Google เรื่องวันที่ของบทความ, Ahrefs บริษัทเครื่องมือ SEO (URL ที่ถูกอ้างเกือบ 17 ล้านรายการ) | แพลตฟอร์มแนะนำ + ข้อมูลเชิงสังเกต |
| สถิติ คำพูด แหล่งอ้างอิง | งานวิจัย GEO (การปรับเนื้อหาให้ AI หยิบไปใช้) ของ Aggarwal และคณะ | การทดลองในห้องแล็บ |
พอไล่ดูครบทุกแถว แมวส้มมองว่าตารางนี้บอกอะไรเราชัดมาก เทคนิคที่ติดป้าย “แพลตฟอร์มแนะนำ” เกือบทั้งหมดมาจาก Microsoft Bing ส่วนเรื่องความยาวย่อหน้าคำตอบ ที่บทความฝรั่งมีสูตรตัวเลขให้ กลับยังไม่มีตัวเลขจากแพลตฟอร์มเลยสักตัว
ถ้าให้แมวส้มเลือกจุดเริ่ม แมวส้มเลือกข้อที่มีหลักฐานสองทางชี้ไปทางเดียวกัน เช่น หัวข้อเป็นคำถาม ทีนี้มาเริ่มที่รากของทุกข้อกันก่อน คือย่อหน้าคำตอบ
ย่อหน้าคำตอบควรยาวแค่ไหน และต้องอยู่ตรงไหน
ย่อหน้าคำตอบที่ดีคือ 1-3 ประโยคแรกใต้หัวข้อ ที่ตอบหัวข้อนั้นครบในตัวเอง Microsoft Bing แนะนำคำตอบ 1-2 ประโยคที่เข้าใจได้แม้ถูกตัดออกจากบริบท
แล้วถามว่า.. ตัวเลข “40-60 คำ” ที่เห็นกันในบทความฝรั่งล่ะ เอาจริง ๆ มันเป็นสูตรของคนทำงาน ยังไม่มีแพลตฟอร์มไหนยืนยัน
เหมือนเพื่อนถามในแชตกลุ่มห้องว่า “พรุ่งนี้สอบกี่โมง” แล้วคุณเล่าย้อนไปตั้งแต่ครูประกาศ เพื่อนกดออกแน่ๆ 5 5
แมวส้มชอบภาพนี้ตรงที่ ChatGPT ทำให้ดูเองเลย ประโยคแรกตอบเวลาทันที แล้วค่อยแตกรายละเอียดเป็นรายการ
ตำแหน่งสำคัญกว่าความยาว Kevin Indig วิเคราะห์การอ้างอิง (citation คือการที่ AI แปะลิงก์บอกว่าเอาข้อมูลมาจากไหน) ของ ChatGPT ร่วม 18,000 รายการ (Search Engine Journal เว็บข่าววงการค้นหา, กุมภาพันธ์ 2026)
ผลออกมาน่าสนใจ 44.2% มาจาก 30% แรกของเนื้อหา 31.1% จากช่วงกลาง และ 24.7% จากช่วงท้าย นี่เป็นข้อมูล ChatGPT อย่างเดียว และไม่ได้พิสูจน์ว่าย้ายย่อหน้าขึ้นบนแล้วจะถูกอ้างเพิ่ม
ทีนี้ซูมลงไปอีกชั้น ชุดเดียวกันพบว่าในระดับย่อหน้า 53% ของข้อความที่ถูกอ้างมาจากกลางย่อหน้า มีแค่ 24.5% จากประโยคแรก และ 22.5% จากประโยคสุดท้าย
แปลว่า AI ไม่ได้หยิบแค่ประโยคแรก ทุกประโยคในย่อหน้าคำตอบต้องยืนได้เอง
สิ่งที่แมวส้มเอาไปใช้จริงจากเรื่องนี้คือ ให้ประโยคแรกตอบ แล้วประโยคถัดไปเรียกชื่อสิ่งนั้นซ้ำ ไม่ใช้คำว่า “มัน” ลอยๆ
ก่อนแก้ (ร้านล้างแอร์สมมติ) “ปัจจุบันอากาศร้อนขึ้นทุกปี แอร์จึงขาดไม่ได้ ระยะเวลาในการล้างขึ้นอยู่กับหลายปัจจัย…”
หลังแก้ “ล้างแอร์ติดผนัง 1 เครื่องที่ร้านแอร์เย็นใจใช้เวลาประมาณ 45-60 นาที ถ้าต้องถอดแผงคอยล์ล้างใหญ่ใช้ราว 2 ชั่วโมง”
เห็นความต่างไหม เวอร์ชันหลังตอบตั้งแต่คำแรกและมีชื่อร้าน ยกไปวางที่ไหนก็รู้ว่าเป็นข้อมูลของใคร (ตัวเลขสมมติ)
ตอบครบแล้ว ทีนี้หัวข้อเหนือคำตอบต้องหน้าตาแบบไหน ไปดูกันต่อ
เขียนหัวข้อเป็นคำถามยังไงให้ตรงกับที่คนพิมพ์
หัวข้อที่ดีสำหรับ AEO คือคำถามหรือวลีที่คนพิมพ์ค้นจริง เหมือนป้ายหมวดบนตู้หนังสือห้องสมุดที่บอกว่าข้างล่างมีอะไร เอกสารของ Microsoft Bing (ตุลาคม 2025) ยกตัวอย่างไว้เอง
แทนหัวข้อกว้างอย่าง “Learn More” ให้ใช้ “What Makes This Dishwasher Quieter Than Most Models?” (อะไรทำให้เครื่องล้างจานรุ่นนี้เงียบกว่ารุ่นส่วนใหญ่)
แล้วถามว่า.. มีตัวเลขยืนยันไหม ตัวเลขก็ไปทางเดียวกัน Indig พบว่าข้อความที่ ChatGPT อ้างมีเครื่องหมายคำถาม 18% เทียบกับ 8.9% ในข้อความที่ไม่ถูกอ้าง
และ 78.4% ของข้อความที่ถูกอ้างซึ่งมีคำถาม มาจากหัวข้อ แปลว่าคำถามที่ได้ผลคือคำถามในหัวข้อที่ตามด้วยคำตอบทันที
แมวส้มมองว่าตัวเลขนี้คือหัวใจของหัวข้อนี้ คำถามต้องอยู่บนหัวข้อ แล้วย่อหน้าข้างล่างรับลูกตอบทันที ลองดูตัวอย่างในตารางนี้
| หัวข้อก่อนแก้ | หัวข้อหลังแก้ | เหตุผล |
|---|---|---|
| ข้อมูลเพิ่มเติม | ล้างแอร์ราคาเท่าไร แยกตาม BTU | บอกว่าตอบอะไร และแบ่งตามอะไร |
| มาทำความรู้จักบริการของเรา | ล้างแอร์ใช้เวลากี่นาที | ใช้คำที่ลูกค้าพิมพ์ ไม่ใช่คำที่บริษัทอยากพูด |
| GA4 (เครื่องมือนับคนเข้าเว็บ) กับ AI | ดูทราฟฟิกจาก ChatGPT ใน GA4 ได้ที่ไหน | มีชื่อเครื่องมือทั้งสองฝั่ง ระบบรู้ทันทีว่าเกี่ยวกับอะไร |
แมวส้มชอบแถวที่สองที่สุด เพราะเหตุผล “ใช้คำที่ลูกค้าพิมพ์ ไม่ใช่คำที่บริษัทอยากพูด” สรุปหัวข้อนี้ได้ทั้งหมดในประโยคเดียว
ใครเคยยัดคำค้นทุกแบบลงหัวข้อ ไม่ต้องอายนะ แต่เลิกได้แล้ว Google บอกว่าระบบ AI เข้าใจคำพ้องความหมายเอง
แล้วจะหาคำถามจริงจากไหนดีล่ะ หาได้จาก Google autocomplete (คำที่ Google เดาให้ตอนพิมพ์), People Also Ask (กล่องคำถามที่คนถามบ่อยในหน้าผล Google) และคำค้นใน Search Console (เครื่องมือฟรีของ Google สำหรับเจ้าของเว็บ) (วิธีกรองอยู่ใน บทความ AEO หลัก)
ได้หัวข้อแล้ว ประโยคแรกใต้หัวข้อควรเขียนแบบไหน หัวข้อถัดไปมีสูตรให้
เขียนนิยามแบบ “X คือ” ให้ AI ยกไปได้ทั้งประโยค
นิยามที่ดีคือประโยคเดียวรูปแบบ “X คือ Y ที่ทำ Z” บอกว่าเป็นอะไร ทำอะไร และต่างจากของคล้ายกันยังไง
หรือจะพูดแบบภาษาบ้าน ๆ ก็คือ อ่านประโยคเดียวแล้วต้องตอบได้ว่า “มันคืออะไร เอาไว้ทำอะไร” นั่นเอง
ถ้าถามว่า.. ทำไมต้องแบบนี้ เพราะ Indig พบว่าข้อความที่ ChatGPT อ้างใช้ภาษาแบบนิยาม เช่น “is defined as” หรือ “refers to” 36.2% เทียบกับ 20.2% ในข้อความที่ไม่ถูกอ้าง
ตัวเลขนี้มาจากภาษาอังกฤษและ ChatGPT อย่างเดียว แต่หลักเดียวกันใช้กับภาษาไทยได้ แมวส้มมองว่าคำว่า “คือ” ที่ตามด้วยหมวดของสิ่งนั้นทันที ใช้แทน “is defined as” ได้ง่ายที่สุด
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 (รวมหรือไม่รวม ค่าเริ่มต้นคือ Include ส่วน property ที่มี property แม่จะตั้งเป็น Inherit คือใช้ค่าตามแม่) 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
ในตัวอย่าง จุดแยกคือ “ไม่กระทบอันดับปกติ” ซึ่งคนสับสนบ่อยที่สุดกับ Google-Extended (product token ใน robots.txt ไม่ใช่บอทตัวใหม่ ใช้คุมการเอาเนื้อหาไปฝึก Gemini และการ grounding ในแอป Gemini กับ Vertex AI แต่ไม่ได้เอาเว็บออกจาก AI Overviews หรือ AI Mode)
แมวส้มชอบตัวอย่างหลังแก้ตรงที่ยาวกว่าก็จริง แต่ทุกคำมีหน้าที่ ไม่มีคำไหนเกริ่นเปล่าๆ
ทริกง่ายแต่ได้ผลคือส่งนิยามให้เพื่อนที่ไม่ได้ทำเว็บอ่าน ถ้าเพื่อนถามกลับว่า “ตั้งค่าที่ไหน” แปลว่ายังต้องแก้
แต่ถ้าคำตอบมีหลายชิ้นหรือต้องเทียบกัน จะจัดเป็นรูปแบบไหนดี ไปดูกัน
เลือกรายการ ตาราง หรือขั้นตอน ให้ตรงกับคำถาม
รูปแบบคำตอบควรตามรูปร่างของคำถาม “ทำยังไง” ใช้ขั้นตอนเรียงเลข “ต่างกันยังไง” ใช้ตาราง “มีอะไรบ้าง” ใช้รายการ (การจับคู่นี้เป็นแนวปฏิบัติของแมวส้ม)
เอาจริง ๆ Microsoft Bing บอกแค่ว่ารายการ ขั้นตอน และตารางแตกรายละเอียดเป็นชิ้นที่หยิบใช้ซ้ำได้ ส่วนกำแพงข้อความยาวๆ ทำให้ระบบแยกเนื้อหายากขึ้น
ใครเคยอ่านตัวเลขยาวเป็นพรืดแล้วตาลาย จะเข้าใจทันที ลองดูรายงาน AI ของ Google กับ Bing ที่เล่าเป็นย่อหน้าเดียวแล้วงง พอเป็นตารางก็ตอบได้ในแถวเดียว
| เรื่อง | Search Console: Generative AI performance | Bing Webmaster Tools: AI Performance |
|---|---|---|
| นับอะไร | Impressions (จำนวนครั้งที่หน้าเราโผล่ให้คนเห็น) ใน AI Overviews และ AI Mode (รวมกัน) | จำนวนครั้งที่ถูกอ้างอิงใน Copilot และสรุป AI ของ Bing |
| คำค้น | ไม่มีมิติคำค้น | มีตัวอย่าง grounding queries (คำที่ AI ใช้ค้นตอนดึงเนื้อหาเรา) |
| แยกดูได้ | หน้า ประเทศ อุปกรณ์ วันที่ | รายหน้า และแนวโน้มตามเวลา |
| สถานะ (ต.ค. 2026) | ใช้ได้ทุกเว็บตั้งแต่ 31 ส.ค. 2026 | เปิดเป็น public preview (เปิดให้ลองก่อนเวอร์ชันจริง) 10 ก.พ. 2026 ยังไม่มีประกาศเวอร์ชันเต็ม |
แมวส้มมองว่าตารางนี้ตอบเองว่าทำไม “ต่างกันยังไง” ต้องใช้ตาราง อยากรู้ว่าฝั่งไหนมีคำค้น ดูแถว “คำค้น” แถวเดียวก็จบ
ทีนี้ ตารางดีแค่ไหนก็เสียของได้ ระวัง 3 อย่างที่ทำให้ตารางเสียของ
- ทำตารางเป็นรูปภาพ (Bing แนะนำให้ข้อมูลสำคัญอยู่ใน HTML)
- ซ่อนคำตอบในแท็บที่ต้องกดเปิด (ระบบ AI อาจไม่ render คือไม่ประกอบหน้าให้เห็นเนื้อหาที่ซ่อน)
- รายการแบบจุด (bullet) ที่เป็นคำนามลอยๆ อย่าง “ราคา” แต่ไม่มีข้อมูลเลย
สิ่งที่แมวส้มกังวลที่สุดคือข้อที่สอง เพราะดูไม่มีพิษภัย แต่ถ้าระบบ AI ไม่เห็นเนื้อหาที่ซ่อน คำตอบที่ดีที่สุดของหน้าก็เหมือนไม่มีอยู่จริง
รูปแบบถูกแล้ว แต่ถ้าชื่อในตารางยังกำกวม AI ก็ยังงงอยู่ดี ไปต่อเรื่องการเรียกชื่อกัน
เรียกชื่อให้ถูก: entity ตัวเลข และหน่วย
Entity คือสิ่งที่มีตัวตนชัดและระบบรู้จัก เช่น ชื่อแบรนด์ เครื่องมือ สถานที่ สเปก เหมือนชื่อเพื่อนในห้องที่ทุกคนรู้ว่าหมายถึงใคร ชื่อเต็มทำให้ข้อความตรวจได้และไม่กำกวม
หรือจะพูดแบบภาษาบ้าน ๆ ก็คือ เรียกของให้ถูกชื่อเต็ม ไม่เรียกว่า “ตัวนั้น” หรือ “อันนี้” นั่นเอง
ตัวอย่างชัดๆ คือ Microsoft Bing แนะนำว่าหน้าสินค้าควรเขียน “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 (โปรแกรมเสริมของเว็บ) 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” (Organic Search คือผลค้นหาปกติที่ไม่ใช่โฆษณา)
ในสามตัวอย่างนี้ แมวส้มให้น้ำหนักกับข้อสุดท้ายมากที่สุด เพราะประโยคเดียวมีทั้งชื่อช่อง วันที่ และจุดที่ต้องระวังว่าอะไรยังนับใน Organic Search
แนวปฏิบัติของแมวส้มคือ เขียนชื่อไทยคู่ชื่ออังกฤษครั้งแรก แล้วใช้ชื่อเดียวทั้งหน้า ไม่ใช่ครึ่งบนเรียก “AI Overviews” ครึ่งล่างเรียก “AI สรุปของ Google”
การทำให้แบรนด์เป็น entity อยู่ใน Entity SEO คืออะไร ส่วนการเขียนทั้งบทความให้ AI รู้ว่าแต่ละย่อหน้าพูดถึงใคร ดูต่อใน Entity-based Content เขียนยังไงให้ AI เข้าใจ
พูดถึงวันที่แล้วพอดีเลย หัวข้อถัดไปคือความสดใหม่ แบบไหนทำได้จริง แบบไหนคือโกง
สัญญาณความสดใหม่ที่ทำได้จริง โดยไม่ต้องโกงวันที่
สัญญาณความสดใหม่ที่ทำได้จริงมี 3 ชั้น คือวันที่ที่มองเห็นบนหน้า วันที่ใน structured data ที่ตรงกัน และเวลากำกับในประโยคที่ข้อมูลเปลี่ยนเร็ว
structured data คือป้ายข้อมูลที่ซ่อนไว้ให้เครื่องอ่าน หรือจะพูดแบบภาษาบ้าน ๆ ก็คือ ฉลากโภชนาการหลังซองขนม นั่นเอง
เอกสาร Google เรื่องวันที่แนะนำไว้หลายข้อ ข้อที่ควรรู้มี 4 ข้อ
- แสดงวันที่ชัดพร้อมป้าย เช่น “อัปเดตล่าสุด”
- ใส่ datePublished (วันเผยแพร่) และ dateModified (วันแก้ล่าสุด) ให้ตรงกับที่แสดง
- ห้ามใช้วันที่ในอนาคต
- ถ้า Google ดึงวันที่ผิด ให้ลดวันที่อื่นบนหน้า
แมวส้มชอบภาพนี้ตรงที่เห็นกับตาว่าทำได้จริง วันที่บนหน้าข่าวตรงกับวันที่ในโค้ดของหน้าเดียวกัน
ทีนี้ฝั่ง AI ล่ะ คำตอบคือข้อมูลสนับสนุนแบบมีเงื่อนไข Ahrefs วิเคราะห์ URL ที่ถูกอ้างเกือบ 17 ล้านรายการ (กรกฎาคม 2025) พบว่าเนื้อหาที่ผู้ช่วย AI อ้างใหม่กว่าผลค้นหาปกติเฉลี่ย 25.7%
ChatGPT เอียงหาของใหม่มากที่สุด แต่ AI Overviews อ้างเนื้อหาเก่ากว่าเล็กน้อย และเนื้อหาที่ถูกอ้างเฉลี่ยยังอายุราว 2.9 ปี ความใหม่จึงเป็นปัจจัยหนึ่ง ไม่ใช่ตัวตัดสิน
แมวส้มมองว่าตัวเลข 2.9 ปีเป็นข่าวดีของเว็บที่ไม่ได้ออกบทความใหม่ทุกวัน เพราะมันบอกว่าเนื้อหาเก่าที่ยังถูกต้องก็ยังถูกอ้างได้
ชั้นที่สามคนลืมบ่อยที่สุด เพราะประโยคที่ถูกตัดไปใช้ไม่ได้พาวันที่หัวบทความไปด้วย เหมือนรูปโปรที่ส่งต่อในไลน์แล้วไม่มีใครรู้ว่าหมดเขตเมื่อไร
ก่อนแก้ “ปัจจุบันการใส่ FAQ schema ยังช่วยให้ได้กล่องคำถามใต้ผลค้นหา”
หลังแก้ “Google เลิกแสดง FAQ rich result (กล่องคำถามใต้ผลค้นหา) ตั้งแต่ 7 พฤษภาคม 2026 การใส่ FAQ schema จึงไม่ทำให้ได้กล่องคำถามใต้ผลค้นหาแล้ว”
ลองคิดสภาพดูว่า.. ถ้าประโยคก่อนแก้ถูกตัดไปตอบคนในวันนี้ คำว่า “ปัจจุบัน” จะพาคนอ่านไปผิดทางทันที
วันที่ใน structured data หน้าตาแบบนี้ และบนหน้าต้องแสดงตรงกันว่า “อัปเดตล่าสุด 19 ตุลาคม 2026” เสมอ
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Article",
"datePublished": "2026-03-02T09:00:00+07:00",
"dateModified": "2026-10-19T10:30:00+07:00"
}
</script>
วันที่ถูกแล้ว ชิ้นสุดท้ายคือของที่ทำให้คำตอบน่าเชื่อ
ใส่ตัวเลข คำพูด และแหล่งอ้างอิงในประโยคคำตอบ
คำตอบที่มีตัวเลขพร้อมที่มา คำพูดจากแหล่งต้นทาง และการอ้างอิงที่ตรวจสอบได้ มีแนวโน้มถูก AI ใช้มากกว่า
แล้วถามว่า.. หลักฐานคืออะไร หลักฐานคืองานวิจัย GEO ของ Aggarwal และคณะ (arXiv:2311.09735, v3 มิถุนายน 2024) ในตาราง 1 การเพิ่มคำพูด (Quotation Addition) ได้คะแนน 27.2 เทียบ baseline (เนื้อหาเดิมที่ยังไม่แก้) 19.3 หรือสูงขึ้นราว 41%
ถ้าสงสัยว่าคะแนนอะไร มันชื่อ Position-Adjusted Word Count วัดว่าคำตอบของ AI ใช้ถ้อยคำจากเว็บนั้นมากแค่ไหน ถ้อยคำต้นคำตอบได้น้ำหนักมากกว่า
ที่ขำคือการยัดคีย์เวิร์ด (คำค้น) ได้ 17.7 ต่ำกว่าเดิมอีก แต่งานนี้ทดลองกับ gpt-3.5-turbo ซึ่งเป็นโมเดลรุ่นเก่าของ OpenAI ไม่ใช่ระบบจริงปี 2026 (รายละเอียดใน GEO คืออะไร)
สิ่งที่แมวส้มกังวลคือคนเอาตัวเลข 41% ไปพูดต่อเหมือนเป็นผลที่วัดกับ ChatGPT ในวันนี้ ทั้งที่เป็นการทดลองในห้องแล็บ แมวส้มจึงอ่านว่า “ทิศทางน่าลอง” ไม่ใช่ “สูตรรับประกันผล”
ก่อนแก้ “งานวิจัยหลายชิ้นบอกว่า AI ทำให้คนคลิกน้อยลงมาก”
หลังแก้ “Pew Research Center เก็บข้อมูลการท่องเว็บของผู้ใหญ่สหรัฐฯ 900 คนในเดือนมีนาคม 2025 พบว่าเมื่อหน้าผลค้นหามีสรุป AI คนคลิกผลค้นหาแบบเดิม 8% ของครั้ง เทียบกับ 15% เมื่อไม่มี”
ประโยคหลังบอกครบว่าใครวัด เมื่อไร เทียบกับอะไร แมวส้มชอบตรงที่คนอ่านเช็กต่อเองได้ทันที เจาะลึกต่อที่ AI Citation คืออะไร
ครบ 7 เทคนิคแล้ว เหลือคำถามสำคัญที่สุด ใช้กับเว็บคุณแล้วได้ผลจริงไหม
วิธีทดสอบเทคนิค AEO กับเว็บตัวเอง
วิธีทดสอบเทคนิค AEO คือทดลองแบบมีกลุ่มเทียบ แก้บางหน้า ไม่แก้บางหน้า แล้ววัดด้วยตัวเลขชุดเดียวกัน เหมือนการทดลองวิทย์ ม.ปลาย ทำตาม 5 ขั้นนี้
- เลือก 10-20 หน้าที่หัวข้อคล้ายกัน แบ่งครึ่งแบบสุ่มเป็นกลุ่มแก้กับกลุ่มเทียบ จดค่าเริ่มต้นไว้
- แก้ทีละเทคนิค เช่น รอบแรกแก้แค่ย่อหน้าแรกของทุกหัวข้อใหญ่ (H2) ถ้าแก้ทุกอย่างพร้อมกัน จะไม่รู้ว่าอะไรได้ผล
- ขอให้ Google เข้ามาอ่านใหม่ ด้วยเครื่องมือ URL Inspection (ตรวจทีละหน้า) ใน Search Console แล้วจดวันที่แก้ไว้
- วัดผลหลัง 4-6 สัปดาห์ (ระยะที่แมวส้มใช้ ไม่ใช่ตัวเลขจากแพลตฟอร์ม) เทียบ impressions รายหน้าในรายงาน Generative AI ของ Search Console, CTR (สัดส่วนคนที่เห็นแล้วคลิก) ของคำค้นแบบคำถาม และการอ้างอิงรายหน้าใน AI Performance ของ Bing
- ถามด้วยมือด้วยชุดคำถามเดิม ถาม 10 คำถามที่ตรงกับหน้าทดลองใน ChatGPT และ Perplexity ก่อนและหลังแก้ จดว่าถูกอ้างไหมและประโยคไหนถูกยกไป คำตอบ AI แกว่งได้ จึงถามซ้ำอย่างน้อยสองรอบ (แนวปฏิบัติของเรา ไม่ได้มาจากแพลตฟอร์ม)
ถ้าให้แมวส้มเลือกขั้นที่ห้ามข้ามเด็ดขาด แมวส้มเลือกขั้นที่ 2 เพราะถ้าแก้หัวข้อ นิยาม และวันที่พร้อมกัน ต่อให้ตัวเลขดีขึ้น คุณก็ไม่รู้ว่าเทคนิคไหนทำงาน
กลุ่มที่แก้ดีขึ้นชัดกว่าก็ขยายไปทั้งเว็บ ถ้าไม่ต่างก็ไม่ต้องเสียใจ ลองเทคนิคถัดไป วิธีอ่านตัวเลขอยู่ใน AI Visibility คืออะไร
ถ้าคำตอบของคุณกระจายอยู่ทั่วหน้า จนไม่มีย่อหน้าไหนตอบครบในตัวเอง อาการนี้มีชื่อเรียกว่า Diffuse Content และทำให้ AI หยิบไปใช้ได้ยาก
ยังมีคำถามค้างใจไหมครับ แมวส้มรวบไว้ข้างล่างแล้ว
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)
เขียนโดย
แมวส้มคือมาสคอตของทีม BIQDADDY เอเจนซี SEO และ AISO ในไทย เล่าเรื่อง AI SEO, GEO และ AEO แบบเข้าใจง่าย บทความเขียนด้วยระบบ AI ตามมาตรฐานของทีม ตรวจข้อเท็จจริงกับแหล่งต้นทาง และผ่านผู้ตรวจ AI อิสระก่อนเผยแพร่ ทีม BIQDADDY เป็นผู้ดูแลเว็บและแก้ไขเมื่อมีผู้แจ้งข้อผิดพลาด อ่านนโยบายการเขียน
เรียบเรียงเนื้อหาโดย วุฒิภัทร อุณหะกะ Co-Founder และ COO ของ BIQDADDY
















