เขียน FAQ ให้ AI หยิบไป - แมวส้ม SEO

สารบัญ

FAQ SEO ปี 2026 เขียนคำถามคำตอบยังไงให้ AI Search หยิบไปตอบ

·ตุลาคม 19, 2026·AI SEO·

สวัสดีครับ วันนี้แมวส้มมีเรื่องที่หลายคนยังเข้าใจผิดอยู่มาเล่า เรื่องของส่วน “คำถามที่พบบ่อย” ท้ายหน้าเว็บนั่นเอง FAQ SEO คือการเลือกคำถามที่ลูกค้าถามจริง แล้วเขียนคำตอบสั้น ตรง และจบในตัว ให้ทั้งคนอ่านและ AI Search อย่าง Google AI Overviews, AI Mode, ChatGPT และ Perplexity หยิบไปใช้ได้ทันที ปี 2026 กล่อง FAQ ใต้ผลค้นหาของ Google หายไปแล้วตั้งแต่ 7 พฤษภาคม 2026 แต่เนื้อหาถามตอบที่เขียนดียังมีค่าเท่าเดิม แค่ต้องเขียนเพื่อคน ไม่ใช่เขียนเพื่อเอากล่อง

FAQ SEO ปี 2026 เปลี่ยนไปยังไง หลัง Google เลิกโชว์ FAQ rich result

สิ่งที่เปลี่ยนคือ “รางวัล” ไม่ใช่ “งาน” เมื่อก่อนคนเขียน FAQ เพราะอยากได้กล่องคำถามแบบกดขยายใต้ลิงก์ใน Google ตอนนี้กล่องนั้นไม่มีแล้ว เหตุผลเดียวที่เหลือในการเขียน FAQ คือมันตอบคำถามลูกค้าได้จริง ซึ่งบังเอิญเป็นสิ่งที่ AI Search ต้องการพอดี

ไล่ไทม์ไลน์ให้ชัด Google จำกัด FAQ rich result ให้เหลือแค่เว็บรัฐบาลและเว็บสุขภาพที่น่าเชื่อถือตั้งแต่สิงหาคม 2023 จากนั้นวันที่ 8 พฤษภาคม 2026 Google เพิ่มประกาศในเอกสารว่าฟีเจอร์นี้จะไม่ปรากฏใน Google Search ตั้งแต่ 7 พฤษภาคม 2026 และวันที่ 15 มิถุนายน 2026 ก็ลบเอกสารทิ้งทั้งหน้า ภาพด้านล่างคือบันทึกจริงจากหน้า changelog ของ Google Search Central

ภาพหน้าจอจริงจาก Google Search Central changelog รายการวันที่ 8 พ.ค. 2026 ประกาศว่า FAQ rich result จะไม่ปรากฏตั้งแต่ 7 พ.ค. 2026 และรายการ 15 มิ.ย. 2026 ถอดเอกสาร FAQ rich result ออก
ภาพหน้าจอจริงจาก Google Search Central changelog รายการวันที่ 8 พ.ค. 2026 ประกาศว่า FAQ rich result จะไม่ปรากฏตั้งแต่ 7 พ.ค. 2026 และรายการ 15 มิ.ย. 2026 ถอดเอกสาร FAQ rich result ออก

ใครเคยลงแรงใส่ FAQ ทุกหน้าเพื่อเอากล่องนี้ แมวส้มเข้าใจความรู้สึกเลย มันเหมือนสะสมแต้มร้านกาแฟมาครึ่งปี แล้วร้านประกาศเลิกโปรแกรมสะสมแต้ม แต่ข่าวดีคือกาแฟยังอร่อยเหมือนเดิม คำถามคำตอบที่ช่วยลูกค้าตัดสินใจได้ ยังทำหน้าที่ของมันต่อไป

ฝั่ง AI ล่ะ Google เขียนในคู่มือ AI optimization (อัปเดต 10 ก.ค. 2026) ว่า “You don’t need to write in a specific way just for generative AI search.” แปลว่าไม่ต้องเขียนท่าพิเศษเพื่อ AI ส่วน Microsoft Bing ในบทความของ Krishna Madhavan (ต.ค. 2025) บอกว่าคำถามตรงพร้อมคำตอบชัด “mirror the way people search” และผู้ช่วย AI มักยกคู่ถามตอบไปใช้ได้แทบคำต่อคำ สองบริษัทพูดไม่ขัดกัน สรุปง่ายๆ คือ เขียน FAQ ให้คนเข้าใจง่าย แล้ว AI จะเข้าใจตามไปเอง

หาคำถามที่ลูกค้าถามจริง จาก 4 แหล่งฟรี

คำถามสำหรับ FAQ ต้องมาจากข้อมูล ไม่ใช่จากการนั่งเดาในห้องประชุม แหล่งฟรีมี 4 แหล่ง คือ Google Search Console, Google autocomplete, กล่อง People Also Ask และแชตที่ลูกค้าส่งมาหาคุณเอง แต่ละแหล่งเห็นคนละมุม ใช้ร่วมกันจะได้ภาพครบ

แหล่ง ได้อะไร จุดอ่อน ใช้เวลา
Search Console คำค้นที่คนพิมพ์แล้วเจอเว็บคุณจริง พร้อม impression และอันดับ เห็นเฉพาะคำที่เว็บคุณติดอยู่แล้ว 15 นาที
Google autocomplete คำค้นที่คนทั่วไปพิมพ์บ่อย แม้เว็บคุณยังไม่ติด ไม่มีตัวเลข ผลต่างตามภาษาและพื้นที่ 10 นาที
People Also Ask คำถามต่อเนื่องที่ Google คิดว่าเกี่ยวข้อง (ใน Google ภาษาไทยชื่อกล่อง “คำถามอื่นๆ”) ไม่ได้ขึ้นทุกคำค้น ต้องค้นด้วยตา 10 นาที
แชตลูกค้า (LINE OA, Messenger, อีเมล, ทีมขาย) คำถามก่อนตัดสินใจซื้อ ที่ไม่มีใครเอาไปพิมพ์ใน Google ต้องนั่งอ่านและนับเอง 1-2 ชั่วโมง

Search Console: ดูว่าแต่ละหน้าโดนถามอะไร

ตัวกรอง regex คือการค้นหาแบบมีสูตร เหมือนบอกบรรณารักษ์ว่า “หยิบทุกเล่มที่ชื่อลงท้ายด้วยคำว่า ไหม มาให้หน่อย” ใน Search Console ใช้ไวยากรณ์ RE2 และไม่สนตัวพิมพ์เล็กใหญ่ วิธีพื้นฐานแมวส้มเขียนไว้แล้วใน บทความ AEO รอบนี้ขอเพิ่มอีกขั้น คือแยกคำถามตามเจตนา แล้วดูทีละหน้า ทำตาม 5 ขั้นนี้ได้เลย

  1. เปิด Search Console ไปที่ Performance แล้วเลือก Search results ตั้งช่วงเวลา 3 เดือน
  2. กดแท็บ Pages แล้วคลิกหน้าบริการที่สำคัญที่สุด 1 หน้า ตัวกรองหน้าจะถูกใส่ให้อัตโนมัติ
  3. กด + Add filter เลือก Query แล้วเลือก Custom (regex) วางสูตรของเจตนาที่อยากดูทีละกลุ่ม
  4. กลับไปแท็บ Queries จะเห็นเฉพาะคำถามกลุ่มนั้นที่พาคนมาหน้านี้ พร้อม impression และอันดับเฉลี่ย
  5. จดคำถามที่ impression สูงลง Google Sheets แยกคอลัมน์ตามกลุ่ม แล้วเปลี่ยนสูตรไปกลุ่มถัดไป

สูตรแยกตามเจตนา 4 กลุ่มที่แมวส้มใช้กับเว็บภาษาไทย ก็อปเฉพาะส่วนในวงเล็บไปวาง แล้วปรับคำให้เข้ากับธุรกิจคุณได้เลย

คัดลอก

ดูทีละหน้าแล้วจะรู้เลยว่าคำถามไหนควรอยู่หน้าไหน เช่น ถ้าหน้า “ล้างแอร์” โดนถามเรื่องแอร์มีกลิ่นเยอะมาก แปลว่าลูกค้ากลุ่มนี้มาด้วยปัญหา ไม่ใช่มาหาราคา ข้อมูลแบบนี้ไม่มีเครื่องมือเสียเงินตัวไหนรู้ดีกว่าเว็บคุณเอง

Autocomplete และ People Also Ask: ฟังเสียงคนทั้งประเทศ

Autocomplete คือคำที่ Google เดาให้ตอนคุณพิมพ์ยังไม่จบ หน้า Help ของ Google บอกว่าคำเดาเหล่านี้ “reflect real searches that have been done on Google” และขึ้นกับภาษา พื้นที่ และกระแสตอนนั้น เหมือนแอบฟังว่าคนทั้งตลาดกำลังถามแม่ค้าว่าอะไร ลองพิมพ์ชื่อบริการตามด้วยเว้นวรรคแล้วรอ ภาพด้านล่างคือผลจริงตอนแมวส้มพิมพ์ “ล้างแอร์”

ภาพหน้าจอจริง Google autocomplete เมื่อพิมพ์คำว่า ล้างแอร์ มีคำแนะนำอย่าง ล้างแอร์ กี่บาท และ ล้างแอร์ กี่เดือนครั้ง ซึ่งเป็นคำถามที่นำไปเขียน FAQ ได้
ภาพหน้าจอจริง Google autocomplete เมื่อพิมพ์คำว่า ล้างแอร์ มีคำแนะนำอย่าง ล้างแอร์ กี่บาท และ ล้างแอร์ กี่เดือนครั้ง ซึ่งเป็นคำถามที่นำไปเขียน FAQ ได้

ในภาพมีคำถามซ่อนอยู่ 3 ข้อ คือ “กี่บาท” “กี่เดือนครั้ง” และ “ดีไหม” ทั้งหมดนี้เอาไปเป็นคำถาม FAQ ได้ทันที ส่วน “นนทบุรี” หรือ “ใกล้ฉัน” บอกว่าคนอยากรู้พื้นที่ให้บริการ ลองพิมพ์ต่อด้วยคำว่า “ทำไม” “ยังไง” หรือ “ไหม” จะได้คำถามเพิ่มอีกชุด

ส่วน People Also Ask คือกล่องคำถามต่อเนื่องที่ Google แทรกไว้ในหน้าผลค้นหา ใน Google ภาษาไทยกล่องนี้ใช้ชื่อว่า “คำถามอื่นๆ” และขึ้นในคำค้นภาษาไทยจำนวนมาก แมวส้มลองค้น “ล้างแอร์บ่อยแค่ไหน” ก็เจอทันที 4 ข้อตามภาพด้านล่าง เหมือนมีคนกระซิบบอกว่าลูกค้าที่ถามเรื่องนี้ยังสงสัยอะไรต่อ

ภาพหน้าจอจริงจาก Google ภาษาไทย เมื่อค้น ล้างแอร์บ่อยแค่ไหน มีกล่อง คำถามอื่นๆ ซึ่งคือ People Also Ask แสดง 4 คำถาม เช่น 1 ปี ควรล้างแอร์กี่ครั้ง และ ควรล้างแอร์ทุก 3 เดือนหรือไม่
ภาพหน้าจอจริงจาก Google ภาษาไทย เมื่อค้น ล้างแอร์บ่อยแค่ไหน มีกล่อง คำถามอื่นๆ ซึ่งคือ People Also Ask แสดง 4 คำถาม เช่น 1 ปี ควรล้างแอร์กี่ครั้ง และ ควรล้างแอร์ทุก 3 เดือนหรือไม่

ดูคำถามในภาพสิ ทั้ง 4 ข้อเป็นภาษาพูดธรรมดา และวนอยู่กับตัวเลขอย่าง “1 ปี ควร ล้าง แอร์ กี่ ครั้ง” “ทุก 6 เดือนไหม” และ “ทุก 3 เดือนหรือไม่” แปลว่าคนกำลังลังเลเรื่องความถี่ เอาไปเป็นคำถาม FAQ ได้เลย วิธีเก็บคือค้นคำหลักของคุณในหน้าต่างไม่ระบุตัวตน กดเปิดสัก 2-3 ข้อ Google จะเติมคำถามใหม่ให้เรื่อยๆ จดคำถามเหล่านั้นไว้ แต่อย่าลอกคำตอบของเว็บอื่นมา เพราะคู่มือของ Google เขียนชัดว่า “Don’t just recycle what others on the internet have already said”

แชตลูกค้า: ขุมทองที่คู่แข่งมองไม่เห็น

แหล่งนี้แหละที่แมวส้มชอบที่สุด คำถามในแชตเป็นคำถามตอนลูกค้าเกือบจะจ่ายเงิน และมักไม่มีใครพิมพ์ใน Google เพราะไม่รู้จะค้นยังไง เช่น ร้านเค้กอาจโดนถามว่า “เขียนชื่อบนเค้กเป็นภาษาจีนได้ไหม” หรือ “ส่งคอนโดที่ห้ามคนนอกขึ้นลิฟต์ทำยังไง” คำถามแบบนี้ถ้าเว็บคุณตอบไว้ คุณคือคนเดียวที่ตอบ

วิธีทำแบบไม่ต้องใช้เครื่องมือ เปิดแชต LINE OA, Messenger และอีเมลย้อนหลัง 1-3 เดือน ก็อปคำถามลง Google Sheets หนึ่งแถวต่อหนึ่งคำถาม รวมคำถามที่ความหมายเหมือนกันเข้าด้วยกัน แล้วนับว่าแต่ละข้อโดนถามกี่ครั้ง 10 ข้อที่โดนถามบ่อยสุดคือร่างแรกของ FAQ อย่าลืมถามแอดมินเพจหรือพนักงานขายด้วย พวกเขาจำได้แม่นว่าคำถามไหนตอบจนเบื่อ

คำถามไหนควรอยู่ใน FAQ คำถามไหนควรเป็นหัวข้อหรือหน้าใหม่

FAQ เหมาะกับคำถามที่ตอบจบได้ใน 2-4 ประโยค ถ้าคำตอบต้องยาวเป็นหน้าจอ มีขั้นตอนหลายข้อ หรือมีคนค้นเยอะจนเป็นคำค้นหลักของตัวเอง ให้ยกไปเป็นหัวข้อ H2 หรือเขียนเป็นหน้าแยก FAQ คือที่เก็บคำถามเล็กๆ ที่สำคัญ ไม่ใช่ห้องเก็บของที่ยัดทุกอย่างลงไป

ลองนึกถึงร้านข้าวมันไก่ เมนูหลักติดป้ายใหญ่หน้าร้าน ส่วนคำถามอย่าง “ขอน้ำซุปเพิ่มได้ไหม” หรือ “ใส่ถุงแยกน้ำจิ้มได้ไหม” เป็นป้ายเล็กข้างแคชเชียร์ ถ้าเอาเมนูหลักไปเขียนไว้ในป้ายเล็ก ลูกค้าก็หาไม่เจอ ใช้ตารางนี้ตัดสินใจได้เลย

ลักษณะคำถาม ตัวอย่าง (ร้านล้างแอร์สมมติ) วางไว้ที่ไหน
ตอบได้ใน 2-4 ประโยค ล้างแอร์ต้องย้ายของออกจากห้องไหม FAQ ท้ายหน้าบริการ
คำตอบเป็นตัวเลขที่เปลี่ยนตามรุ่นหรือขนาด ล้างแอร์กี่บาท ตารางราคาในเนื้อหาหลัก แล้ว FAQ สรุปสั้นพร้อมชี้ไปที่ตาราง
ต้องอธิบายหลายขั้นตอน แอร์มีกลิ่นอับแก้ยังไง H2 ในหน้าบริการ หรือบทความแยก
มีคนค้นเยอะจนเป็นคำค้นหลัก ล้างแอร์กี่เดือนครั้ง บทความแยก แล้วลิงก์จาก FAQ
ถามเหมือนกันทุกบริการ จ่ายเงินช่องทางไหนได้บ้าง หน้า FAQ รวมของเว็บหน้าเดียว

กฎเหล็กอีกข้อ คำถามเดียวกันควรมีบ้านหลักแค่บ้านเดียว ถ้าคุณตอบ “ล้างแอร์กี่บาท” ไว้ 6 หน้า ด้วยราคาที่ต่างกันนิดหน่อย AI อาจหยิบตัวเลขผิดไปตอบลูกค้า และหน้าของคุณก็แย่งอันดับกันเอง หน้าอื่นที่จำเป็นต้องพูดถึง ให้สรุปหนึ่งประโยคแล้วลิงก์ไปบ้านหลัก

สูตรเขียนคำตอบ FAQ ให้ AI ยกไปตอบได้ทั้งก้อน

คำตอบ FAQ ที่ดีมี 4 ชั้นเรียงกัน คือ ตอบตรงในประโยคแรก ตามด้วยเงื่อนไขที่ทำให้คำตอบเปลี่ยน ใส่ตัวเลขหรือชื่อเฉพาะที่ตรวจสอบได้ แล้วปิดด้วยทางไปต่อ ถ้าตัดคำตอบไปวางที่อื่นแล้วยังรู้เรื่องและรู้ว่าเป็นข้อมูลของใคร แปลว่าผ่าน

AI หยิบเนื้อหาไปเป็นท่อนๆ ถ้าประโยคแรกคือ “ขึ้นอยู่กับหลายปัจจัย” ท่อนนั้นก็ไร้ประโยชน์ เหมือนถามเพื่อนว่าพรุ่งนี้สอบกี่โมง แล้วเพื่อนเล่าประวัติโรงเรียนก่อน ดูตัวอย่างก่อนแก้และหลังแก้กันเลย (ทุกตัวอย่างเป็นธุรกิจสมมติ ตัวเลขใช้ดูโครงเท่านั้น)

ตัวอย่างที่ 1: ร้านล้างแอร์ ถามเรื่องเวลา

คำถามคือ “ล้างแอร์ใช้เวลานานไหม”

ก่อนแก้ “ระยะเวลาในการล้างแอร์ขึ้นอยู่กับหลายปัจจัย เช่น สภาพเครื่อง ความสกปรก และประเภทของแอร์ ทางร้านจะประเมินหน้างานให้อีกครั้ง”

หลังแก้ “ล้างแอร์ติดผนัง 1 เครื่องที่ร้านเย็นฉ่ำแอร์ใช้เวลาประมาณ 1 ชั่วโมง ถ้าต้องถอดแผงคอยล์ล้างใหญ่ใช้ราว 2 ชั่วโมง ช่างจะแจ้งก่อนเริ่มงานว่าเครื่องคุณเป็นแบบไหน ดูราคาแยกตาม BTU ได้ในตารางด้านบน”

ฉบับแรกยาวพอกันแต่ไม่มีคำตอบเลย ฉบับหลังครบทั้ง 4 ชั้น

ตัวอย่างที่ 2: ร้านเค้ก ถามแบบใช่หรือไม่ใช่

ก่อนแก้ คำถาม “Delivery” คำตอบ “เรามีบริการจัดส่งที่สะดวกรวดเร็ว ใส่ใจทุกรายละเอียด”

หลังแก้ คำถาม “สั่งเค้กวันเกิดล่วงหน้ากี่วัน ส่งถึงบ้านไหม” คำตอบ “สั่งล่วงหน้าอย่างน้อย 2 วัน ร้านบ้านน้ำตาลส่งเองในเขตบางนาและพระโขนง ค่าส่ง 60 บาท พื้นที่อื่นส่งผ่าน Lalamove ลูกค้าจ่ายค่าส่งตามจริง เค้กที่มีตัวหนังสือภาษาจีนต้องสั่งล่วงหน้า 3 วัน”

สังเกตว่าคำถามก็ต้องแก้ด้วย คำว่า “Delivery” ไม่ใช่คำถาม ไม่มีใครพิมพ์แบบนั้น ให้ใช้ประโยคที่ลูกค้าพิมพ์มาในแชตจริง

ตัวอย่างที่ 3: คลินิกทันตกรรม คำถามเรื่องสุขภาพ

ก่อนแก้ “จัดฟันไม่เจ็บแน่นอน ด้วยเทคโนโลยีทันสมัยที่สุด”

หลังแก้ “ช่วง 2-3 วันแรกหลังใส่เครื่องมือหรือปรับลวด ส่วนใหญ่จะรู้สึกตึงหรือเจ็บเวลาเคี้ยว แล้วค่อยๆ ดีขึ้น ความรู้สึกแต่ละคนไม่เท่ากัน ถ้าเจ็บมากจนกินข้าวไม่ได้หรือลวดทิ่มกระพุ้งแก้ม ให้โทรนัดทันตแพทย์ได้ก่อนวันนัด”

เรื่องสุขภาพห้ามรับประกันผลเด็ดขาด คำว่า “ไม่เจ็บแน่นอน” ทั้งเสี่ยงขัดหลักการโฆษณาสถานพยาบาลและทำให้คนไม่เชื่อ คำตอบที่บอกความจริงพร้อมบอกว่าเมื่อไหร่ต้องกลับมาหาหมอ ช่วยลูกค้าได้มากกว่า และ AI ก็ยกไปตอบได้โดยไม่ทำให้ใครเข้าใจผิด ข้อความนี้เป็นตัวอย่างโครงเท่านั้น คำตอบเรื่องสุขภาพของจริงต้องให้ทันตแพทย์ของคลินิกตรวจก่อนขึ้นเว็บทุกครั้ง

วาง FAQ ไว้ตรงไหนของเว็บ และอย่าซ่อนคำตอบ

วาง FAQ ไว้ในหน้าที่ตอบเรื่องนั้นจริง เช่น ท้ายหน้าบริการ ท้ายหน้าสินค้า หรือท้ายบทความ ส่วนคำถามที่ใช้ร่วมกันทุกบริการค่อยไปรวมไว้ในหน้า FAQ กลางหน้าเดียว ที่สำคัญที่สุดคือข้อความคำตอบต้องอยู่ใน HTML ตั้งแต่โหลดหน้า ไม่ใช่โหลดทีหลังตอนคนกด

หลายเว็บชอบทำ FAQ เป็นแบบพับได้ (accordion) คือกดหัวข้อแล้วคำตอบค่อยกางออก ถ้าคำตอบอยู่ในหน้าแล้วแค่ถูกพับไว้ เหมือนกระดาษที่พับอยู่ในซอง อย่างน้อยบอทที่อ่าน HTML ก็ยังเห็น แต่ถ้าคำตอบถูกดึงมาจากเซิร์ฟเวอร์ตอนคลิกด้วย JavaScript ซองนั้นว่างเปล่าจนกว่าจะมีคนกด บอทที่ไม่กดอะไรเลยก็ไม่เห็นคำตอบ Microsoft Bing เตือนกว้างกว่านั้นอีก ว่าอย่าซ่อนคำตอบสำคัญในแท็บหรือเมนูพับเลย เพราะระบบ AI อาจไม่ render (ไม่ประกอบหน้าให้เห็นครบ) เนื้อหาที่ซ่อนอยู่ ตามภาพด้านล่าง ทางที่ปลอดภัยคือคำตอบที่สำคัญที่สุด เช่น ราคาและเงื่อนไขหลัก ให้โชว์ในเนื้อหาหลักเลย ส่วนแบบพับเก็บไว้ใช้กับคำถามรอง

ภาพหน้าจอจริงจากบทความ Microsoft Bing หัวข้อ Common Mistakes That Hurt AI Search Visibility เตือนว่าอย่าซ่อนคำตอบสำคัญในแท็บหรือเมนูแบบพับ เพราะระบบ AI อาจไม่ render เนื้อหาที่ซ่อน
ภาพหน้าจอจริงจากบทความ Microsoft Bing หัวข้อ Common Mistakes That Hurt AI Search Visibility เตือนว่าอย่าซ่อนคำตอบสำคัญในแท็บหรือเมนูแบบพับ เพราะระบบ AI อาจไม่ render เนื้อหาที่ซ่อน

เช็กเองได้ใน 1 นาที เปิดหน้าที่มี FAQ กด Ctrl+U (บน Mac กด Command+Option+U) เพื่อดูซอร์สโค้ด แล้วกด Ctrl+F ค้นประโยคแรกของคำตอบสักข้อ ถ้าเจอแปลว่าคำตอบอยู่ในหน้าแล้ว สบายใจได้ ถ้าไม่เจอให้แจ้งคนทำเว็บว่าให้คำตอบ render มากับหน้าตั้งแต่แรก ถ้าเว็บเขียนเองได้ แท็ก HTML พื้นฐานแบบนี้ปลอดภัยที่สุด

คัดลอก

FAQPage schema ยังควรใส่ไหมในปี 2026

ไม่ต้องเพิ่มใหม่ เพราะ Google ไม่แสดง FAQ rich result แล้ว และไม่มี schema พิเศษที่ต้องใส่เพื่อติด AI Overviews หรือ AI Mode ถ้าเว็บมี FAQPage อยู่แล้ว และคำถามคำตอบใน markup ตรงกับที่แสดงบนหน้าทุกข้อ ก็ไม่ต้องรีบลบ เพราะไม่ผิดกฎและไม่ทำให้เสียอันดับ

หลักฐาน ณ ตุลาคม 2026 มีเท่านี้ คู่มือของ Google บอกว่า “Structured data isn’t required for generative AI search” แต่ยังแนะนำให้ใช้ต่อในงาน SEO ทั่วไป Microsoft Bing ยก FAQ เป็นตัวอย่างหนึ่งของป้ายที่ schema ติดให้เนื้อหาได้ ส่วน Ahrefs (พ.ค. 2026) ติดตาม 1,885 หน้าที่เพิ่ม JSON-LD แล้วไม่พบว่าการถูกอ้างใน AI Mode และ ChatGPT ต่างจากกลุ่มควบคุมอย่างมีนัยสำคัญ ส่วนใน AI Overviews ลดลงเล็กน้อย 4.6% ซึ่งผู้วิจัยบอกว่าอาจไม่ได้เกิดจาก schema ผู้วิจัยบอกเองว่ารวมทุกชนิด schema ไว้ด้วยกัน ยังไม่ได้แยกดู FAQ ฝั่ง OpenAI, Perplexity และ Anthropic แมวส้มยังไม่พบเอกสารทางการว่าใช้ FAQPage แค่ไหน

สถานการณ์ของเว็บคุณ ทำอะไร
มี FAQPage อยู่แล้ว คำถามตรงกับหน้า เก็บไว้ได้ ไม่ต้องลงแรงเพิ่ม
มี FAQPage แต่ markup มีคำถามที่หน้าไม่แสดง แก้ให้ตรงกับหน้า หรือลบ markup ส่วนนั้นออก
ปลั๊กอินใส่ FAQPage ให้ทุกหน้าอัตโนมัติ แม้หน้าไม่มี FAQ ปิดฟีเจอร์นั้น เพราะเป็น markup สิ่งที่มองไม่เห็นบนหน้า
ยังไม่มี และกำลังคิดจะเพิ่ม เอาเวลาไปเขียนคำตอบให้ดีก่อน แล้วทำ Organization และ Article ให้ถูก
หน้ามีคำถามเดียว และผู้ใช้ส่งคำตอบได้ เช่น กระทู้ถามตอบ นี่คือ QAPage ไม่ใช่ FAQPage ดูเงื่อนไขในเอกสาร Q&A ของ Google

เรื่อง QAPage คนสับสนบ่อยมาก เอกสาร Google (อัปเดต 8 ก.ย. 2026) เขียนชัดว่าไม่รองรับ “An FAQ page written by the site itself with no way for users to submit alternative answers” แปลว่า FAQ ที่เจ้าของเว็บเขียนเองทั้งคำถามและคำตอบ จะเปลี่ยนไปใส่ QAPage แทนไม่ได้ อย่าไปหาทางลัดตรงนั้น รายละเอียด schema ชนิดอื่นที่ยังคุ้มทำ อ่านต่อใน Schema สำหรับ AI Search

ทดสอบเองว่า AI หยิบ FAQ ของคุณไปตอบไหม

วิธีที่ซื่อสัตย์ที่สุดคือถามคำถามเดิมกับ AI ก่อนและหลังแก้ แล้วจดผลอย่างเป็นระบบ ไม่มีใครการันตีได้ว่าแก้แล้วจะถูกหยิบ แต่คุณวัดได้ว่าคำตอบของ AI แม่นขึ้นหรือมีลิงก์มาที่เว็บคุณบ่อยขึ้นไหม ทำตามนี้ได้เลย

  1. เลือก 10 คำถามจากรายการที่หามาได้ เน้นคำถามที่มีตัวเลขหรือคำตอบเฉพาะร้านคุณ
  2. ถามทีละข้อใน Google AI Mode (ใช้ภาษาไทยได้แล้ว), ChatGPT และ Perplexity จดว่าคำตอบอ้างเว็บไหน และตัวเลขที่ตอบตรงกับของจริงไหม
  3. แก้ FAQ ตามสูตร 4 ชั้นในหน้าที่เกี่ยวข้อง แล้วกด Request indexing ใน Search Console
  4. รอ 4-6 สัปดาห์ แล้วถามชุดเดิมด้วยถ้อยคำเดิม เทียบกับครั้งแรก
  5. เปิดรายงาน Generative AI performance ใน Search Console ดู impression ของหน้าที่แก้ และดูรายงาน AI Performance ใน Bing Webmaster Tools ประกอบ

AI ตอบไม่เหมือนเดิมทุกครั้ง ผลแกว่งเป็นเรื่องปกติ ถามแต่ละข้อ 2-3 รอบแล้วจดเป็นสัดส่วน อย่าถามครั้งเดียวแล้วดีใจหรือเสียใจ วิธีวัดแบบละเอียดขึ้นอยู่ใน AI Visibility วิธีวัดว่าแบรนด์ถูกพูดถึงใน AI แค่ไหน

คำถามที่พบบ่อย

ช่วยในแง่เนื้อหา ไม่ใช่ในแง่หน้าตาผลค้นหา คำถามที่คนพิมพ์จริงพร้อมคำตอบชัด ทำให้หน้าเข้ากับคำค้นแบบคำถามได้มากขึ้น และช่วยให้คนตัดสินใจได้เร็วขึ้น สิ่งที่หายไปมีแค่กล่องคำถามแบบกดขยายใต้ลิงก์ของ Google

ไม่มีตัวเลขที่ถูกต้องตายตัว แมวส้มเริ่มที่ 4-8 ข้อต่อหน้า โดยดูจากคำถามที่ลูกค้าถามจริงเกี่ยวกับหน้านั้น ถ้าเกิน 10 ข้อ มักแปลว่ามีบางข้อควรย้ายไปเป็นหัวข้อหรือหน้าแยก

ใช้ช่วยเกลาภาษาได้ แต่คำถามต้องมาจากลูกค้าจริง และข้อเท็จจริงอย่างราคา เวลา เงื่อนไข ต้องมาจากธุรกิจคุณ แล้วตรวจทุกข้อก่อนขึ้นเว็บ เพราะ AI ชอบเติมตัวเลขหรือบริการที่ร้านไม่มีจริง

ไม่มีใครรับประกันได้ หน้าที่มีสิทธิ์ถูกเลือกต้องถูก index มีสิทธิ์แสดง snippet และเว็บต้องเปิด Include ในการตั้งค่า Search generative AI ของ Search Console FAQ ที่ดีเพิ่มโอกาส แต่ไม่ใช่ตั๋ว ดูเงื่อนไขครบใน วิธีทำให้เว็บติด AI Overviews

สรุปแบบแมวส้ม FAQ ไม่ได้ตายตามกล่องของ Google มันแค่กลับไปทำหน้าที่เดิมของมัน คือตอบคำถามที่ลูกค้าอยากรู้ก่อนตัดสินใจ เริ่มวันนี้ด้วยการเปิดแชตลูกค้าย้อนหลังหนึ่งเดือน จด 10 คำถามที่โดนถามบ่อยที่สุด แล้วเขียนคำตอบตามสูตร 4 ชั้น ถ้าอยากฝึกเขียนย่อหน้าคำตอบให้คมทั้งหน้า ไม่ใช่แค่ในส่วน FAQ อ่านต่อที่ เทคนิค AEO ที่มีหลักฐานรองรับ และดูภาพรวมทั้งหมดได้ใน คู่มือ AI SEO

แหล่งอ้างอิง

แมวส้ม

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

อ่านต่อกับแมวส้ม

  • Zero-Click Search ค้นแล้วไม่คลิก - แมวส้ม SEO

    Zero-Click Search คืออะไร เมื่อคนค้นแล้วไม่คลิกเข้าเว็บ ต้องวัดผลยังไง

  • Vector Search ค้นตามความหมาย - แมวส้ม SEO

    Vector Search คืออะไร การค้นหาด้วยความหมายที่อยู่เบื้องหลัง AI Search

  • Transformer Model ตัว T ใน GPT - แมวส้ม SEO

    Transformer Model คืออะไร ตัว T ใน GPT ที่ทำให้ AI เข้าใจภาษา