วงการ SEO กำลังเปลี่ยนแปลงไปอย่างมีนัยสำคัญ เมื่อปัญญาประดิษฐ์ (AI) เข้ามาเป็นส่วนหนึ่งในแพลตฟอร์มการค้นหามากขึ้นเรื่อย ๆ
เพื่อให้นักการตลาดรับมือกับความท้าทายใหม่ ๆ และคว้าโอกาสที่น่าตื่นเต้นเหล่านี้ คุณเกน รัชวิทย์ หวังพัฒนธน ซีอีโอและกรรมการผู้จัดการ บริษัท แองก้า แบงค็อก จำกัด ดิจิทัลเอเจนซีที่ให้บริการด้านการตลาดออนไลน์ครบวงจร ได้ให้ข้อมูลที่น่าสนใจไว้ในงาน MKTCON2025 ณ ไบเทคบางนา เมื่อวันที่ 19 กันยายนที่ผ่านมา เพื่อเจาะลึกว่าแบรนด์ต่าง ๆ ควรปรับกลยุทธ์ SEO อย่างไรเพื่อรับมือกับอนาคตที่ขับเคลื่อนด้วย AI
ยุค AI Search ได้เริ่มต้นขึ้นแล้ว
การที่กูเกิล (Google) เปิดตัว AI Mode ไปเมื่อไม่นานมานี้ ถือเป็นอีกหนึ่งจุดเปลี่ยนสำคัญในวงการเสิร์ช ถัดจากฟีเจอร์ AI Overview ที่เพิ่งเปิดตัวไปเมื่อปีที่แล้ว
AI Mode ได้พลิกโฉมวิธีการใช้งาน Search Engine ไปอย่างสิ้นเชิง จากเดิมที่ใช้เพียงคำหลัก มาเป็นการถามตอบแบบสนทนา เช่น แทนที่จะพิมพ์ว่า “สถานที่เที่ยวกาญจนบุรี” ยูสเซอร์ก็จะเริ่มถามคำถามที่ซับซ้อนขึ้นอย่าง “ช่วยหาสถานที่เที่ยวกาญจนบุรี สำหรับครอบครัวให้หน่อย อยู่ไม่ไกลจากไทรโยค” AI Mode ของกูเกิลก็จะประมวลผลคำถามด้วยภาษาธรรมชาติเหล่านี้โดยไปรวบรวมข้อมูลจากหลายเว็บไซต์และสรุปออกมาเป็นคำตอบที่ครบถ้วน
การ์ตเนอร์ (Gartner) คาดการณ์ว่า ปริมาณการค้นหาจะลดลงถึง 25% ภายในปี 2569 เนื่องจากผู้ใช้จะได้รับคำตอบโดยตรงจาก AI Chatbot
การเปลี่ยนแปลงครั้งนี้ได้เปลี่ยนกูเกิลจาก Search Engine (เครื่องมือค้นหา) ไปเป็น “Answer Engine” (เครื่องมือหาคำตอบ) อย่างแท้จริง โดยไม่ได้ทำหน้าที่เหมือนบรรณารักษ์ที่คอยชี้ว่าหนังสือ (เว็บไซต์) เล่มไหนมีข้อมูล แต่ทำหน้าที่เหมือนนักข่าวที่อ่านหนังสือทั้งหมดแล้วสรุปมาให้เลย
ปรากฏการณ์ “ปากจระเข้” ทั่วโลก
นักการตลาด SEO ทั่วโลกกำลังเจอกับปรากฏการณ์ “ปากจระเข้” (Crocodile Mouth Effect) ซึ่งเป็นเทรนด์ที่แสดงให้เห็นว่ายอดแสดงผล (Impression) พุ่งสูงขึ้น แต่ยอดคลิก (Click) กลับนิ่งหรือลดลง ทำให้ดูเหมือนปากของจระเข้ที่กำลังอ้าอยู่ ผลที่ตามมาคืออัตราการคลิก (CTR) ลดลงอย่างมาก เพราะผู้ใช้งานได้รับคำตอบจาก AI โดยไม่ต้องกดเข้าเว็บไซต์ต้นทางเลย
ผลการศึกษาบ่งชี้ว่า การมี AI Overview ทำให้อัตรา CTR เข้าเว็บไซต์ลดลงถึง 34.5% และมีการคาดการณ์ว่ายอดเข้าชมเว็บไซต์แบบธรรมชาติ (Organic Traffic) อาจลดลงได้ตั้งแต่ 18% ไปจนถึง 64% เลยทีเดียว
ปรากฏการณ์นี้ไม่ได้เกิดขึ้นแค่บางเว็บไซต์หรือบางประเทศ แต่เป็นเทรนด์ระดับโลกที่ส่งผลกระทบต่อทั้งอุตสาหกรรม อย่างไรก็ตาม ไม่ใช่ทุกธุรกิจที่จะยอดตกเสมอไป เพราะเว็บไซต์อีคอมเมิร์ซที่เน้นคีย์เวิร์ดที่มีความตั้งใจซื้อสูง (High-intent) โดยเฉพาะที่เจาะจงชื่อสินค้า ยังคงเติบโตอย่างต่อเนื่อง
คนคลิกเข้าเว็บไซต์น้อยลง แต่เมื่อคลิกแล้วมีโอกาสเปลี่ยนเป็นยอดขายได้ดี
คุณเกนเรียกทราฟฟิกที่มาจาก AI Search ว่า LLM (Large Language Model) โดยทราฟฟิกที่มาจาก LLM นั้นมีศักยภาพในการสร้างยอดขายที่น่าสนใจ
ข้อมูลจากเว็บไซต์แห่งหนึ่งในไทยเผยว่า ทราฟฟิกจาก LLM เช่น ChatGPT, Gemini หรือ Perplexity มีอัตราการเปลี่ยนเป็นยอดขาย หรือ Conversion Rate สูงกว่าหลาย ๆ ช่องทางในปัจจุบัน โดยทราฟฟิก LLM จำนวน 13,900 ครั้ง สามารถเปลี่ยนเป็นยอดขายได้ถึง 469 ครั้ง หรือคิดเป็น Conversion Rate ได้ 3.4%
ทำเลทองในวงการ AI Search
AI Search ได้เข้ามาสร้าง “ทำเลทอง” ที่มีจำนวนจำกัด โดย AI จะแนะนำแบรนด์ประมาณ 3-10 แบรนด์ต่อหนึ่งการค้นหา ความจำกัดนี้ทำให้ AI Search กลายเป็นพื้นที่ที่มีการแข่งขันสูงมาก ซึ่งแบรนด์ต่าง ๆ ต้องต่อสู้เพื่อแย่งชิงการมองเห็น ต่างจากการค้นหาแบบเดิม ที่ผู้ใช้สามารถเลื่อนดูได้หลายหน้าจนกว่าจะเหนื่อย
การที่แบรนด์ได้เข้าไปอยู่ในคำตอบที่ AI สร้างขึ้นก็เหมือนกับการได้ครอบครองป้ายโฆษณา ซึ่งทำให้แบรนด์เป็นที่รู้จักที่ด้านบนของผลการค้นหา อย่างไรก็ตาม สิ่งนี้ก็มีความเสี่ยงเช่นกัน หาก AI ดึงข้อมูลผิดพลาด ก็อาจนำเสนอแบรนด์ในทางที่ไม่ถูกต้องหรือไม่สามารถสื่อสารจุดเด่นได้ครบถ้วน
ปั้นเว็บให้เป็นคำตอบที่ AI เลือก
งานวิจัยจากสถาบัน Stanford HAI เผยว่า LLM หรือ AI ที่ประมวลผลภาษาขนาดใหญ่นั้น ไม่ได้ประเมินความน่าเชื่อถือจากแค่แหล่งเดียว แต่อาศัยการยืนยันจากหลายแหล่ง (Corroboration Consensus) โดยจะมองหาข้อมูลที่คล้าย ๆ กันจากหลาย ๆ แหล่งที่น่าเชื่อถือและไม่ได้เกี่ยวข้องกับแบรนด์โดยตรง
AI จะตรวจสอบข้อเท็จจริง เริ่มจากหาข้อมูลบนเว็บไซต์ของแบรนด์ เช่น เว็บไซต์ระบุว่าแบรนด์ A คือผู้นำในอุตสาหกรรมนั้น แต่ในขั้นนี้ AI จะถือว่าข้อมูลนี้เป็นแค่ “คำเคลม” ที่ยังไม่ได้รับการยืนยัน ไม่ใช่ “ข้อเท็จจริง” (Fact) คำถามในใจของ AI คือ “ใครเป็นคนพูด และมีใครที่ยืนยันเรื่องนี้ได้อีกบ้าง”
จากนั้น AI จะสแกนข้อมูลบนโลกอินเทอร์เน็ต เพื่อมองหาแหล่งข้อมูลที่น่าเชื่อถือจากที่อื่นที่ไม่ได้เกี่ยวข้องกับแบรนด์ A แต่มีข้อมูลที่คล้ายคลึงกัน เช่น รีวิวลูกค้า การถูกพูดถึงจากสำนักข่าว การได้รับรางวัล หรือแหล่งข้อมูลที่น่าเชื่อถืออื่น ๆ
ทั้งหมดนี้สรุปเป็นหลักการง่าย ๆ คือ ถ้าคุณเป็นคนเดียวที่พูดเรื่องนี้ คุณก็เป็นเพียงแค่ “ความคิดเห็น” แต่ถ้าผู้เชี่ยวชาญคนอื่นพูดเหมือนกัน ความคิดเห็นนั้นก็จะกลายเป็น “ข้อเท็จจริง”
สิ่งนี้หมายความว่า AI ใช้กระบวนการที่คล้ายคลึงกับการทำ SEO แบบดั้งเดิมอย่างการสร้าง Backlink ในการมองหาแหล่งข้อมูลหลาย ๆ แหล่งเพื่อยืนยันคำเคลมของแบรนด์ ก่อนที่จะพิจารณาว่าเป็นข้อเท็จจริง
ทำความเข้าใจเรื่อง Query Fan-out และบริบทการสนทนา
AI จะประมวลผลคำค้นหาที่ซับซ้อนของผู้ใช้ด้วยกลไกที่เรียกว่า “Query Fan-out” เมื่อผู้ใช้ป้อนคำขอแบบละเอียด เช่น “อยากพาลูกไปเที่ยวกาญจนบุรีสิ้นปี มีบัดเจ็ท 2500 บาทต่อคืน เลี่ยงวันไปกลับรถติดให้ด้วยนะ” AI ก็จะแยกคำขอออกเป็นคำค้นหาย่อย ๆ อย่างเช่น
วันหยุดสิ้นปี 2568
โรงแรมสำหรับครอบครัว กาญจนบุรี
โรงแรมคืนละ 2500 ที่กาญจนบุรี
เส้นทางเลี่ยงรถติดปีใหม่ กรุงเทพ-กาญจนบุรี
รีวิวโรงแรม กาญจนบุรี
กิจกรรมสำหรับครอบครัว กาญจนบุรี
จากนั้น AI จะค้นหาข้อมูลในแต่ละส่วน ก่อนจะนำมาสรุปเป็นคำตอบที่ครบถ้วน ทำให้ผู้ใช้ไม่ต้องเสียเวลากดเข้าไปดูแต่ละเว็บไซต์เอง
การจดจำ Entity และกราฟความรู้
AI จะสร้างกราฟความรู้ที่ซับซ้อนขึ้นมา เพื่อเชื่อมโยงข้อมูลเกี่ยวกับแบรนด์และสิ่งต่าง ๆ เข้าด้วยกัน ตัวอย่างเช่น เมื่อ AI เรียนรู้เกี่ยวกับธนาคาร TTB ระบบก็จะเชื่อมโยงแนวคิดที่เกี่ยวข้องเข้าด้วยกัน เช่น บัตรเครดิต สินเชื่อบ้าน แอปพลิเคชันบนมือถือ การรีไฟแนนซ์ การออม ความสะดวกสบาย และบริการอื่น ๆ ยิ่งการเชื่อมโยงเหล่านี้แข็งแกร่งและครอบคลุมมากเท่าไหร่ AI ก็ยิ่งมีโอกาสที่จะแนะนำแบรนด์นั้นสำหรับคำค้นหาที่เกี่ยวข้องมากขึ้นเท่านั้น
เปิดกลยุทธ์ SOURCE CODE ปั้นแบรนด์ให้ AI พูดถึงเรามากขึ้น
คุณเกนได้สรุปกลยุทธ์ปั้นแบรนด์ให้โดนใจ AI ไว้ 6 ข้อด้วยกัน หรือเรียกง่าย ๆ ว่า SOURCE CODE ได้แก่
S – Structured Data (Schema Markup)
ใช้ Schema Markup เพื่อช่วยให้ AI เข้าใจเนื้อหาบนเว็บได้ง่ายขึ้น ซึ่ง Schema Markup ที่ว่านี้ทำหน้าที่เหมือนป้ายบอกทางที่ช่วยชี้ชัดว่าหน้าเว็บนั้น ๆ มีเนื้อหาประเภทไหน เช่น บทความ สินค้า หรือบริการ
แม้ผู้ใช้งานจะมองไม่เห็นโค้ดนี้ แต่ระบบ AI อาศัย Schema Markup เพื่อให้ตีความเนื้อหานั้นได้ถูกต้องแม่นยำ และควรมี Schema Markup เพื่อไม่ให้ AI เข้าใจผิด สิ่งนี้เป็นเรื่องที่ค่อนข้าง Technical ซึ่ง Developer ที่ทำเว็บจะเป็นคนจัดการเรื่องนี้เอง
คุณเกนได้แชร์ Insight หนึ่งที่น่าสนใจว่า บอตของ ChatGPT อ่านข้อมูลเพียงประมาณ 50 หน้าต่อหนึ่งเว็บไซต์เท่านั้น ต่างจากกูเกิลที่ถ้ามี 1,000 หน้า ก็อ่านครบทั้ง 1,000 หน้า การสร้างโครงสร้างที่ถูกต้องจึงยิ่งมีความสำคัญอย่างยิ่ง เพื่อให้ AI มองเห็นเนื้อหาได้ถูกต้อง
O – Original Research
AI ให้ความสำคัญกับงานที่มีความออริจินอลและความคิดเห็นจากผู้เชี่ยวชาญ มากกว่าเนื้อหาที่นำมาเล่าใหม่ ดังนั้นแทนที่จะสรุปข้อมูลจากแหล่งอื่น ควรสร้างเนื้อหาที่มีงานวิจัยและสถิติที่เป็นต้นฉบับ ความคิดเห็นจากผู้เชี่ยวชาญในวงการ ข้อมูลเชิงลึกและมุมมองที่ไม่เหมือนใคร และการวิเคราะห์ในเชิงลึก
U – User Experience Signals
นอกเหนือจากในเรื่องคอนเทนต์แล้ว AI ยังดูพฤติกรรมการใช้งานของยูสเซอร์ เพื่อประเมินคุณภาพด้วย ยกตัวอย่างเช่น เว็บไซต์ที่มีประสบการณ์ใช้งานบนมือถือที่ไม่ดี โหลดช้า หรือออกแบบซับซ้อนใช้งานยากจนคนกดออก ก็จะส่งสัญญาณในทางลบ
ปัจจัยเหล่านี้มีอิทธิพลต่อการตัดสินใจของ AI ว่าเนื้อหานั้นมีความน่าเชื่อถือและควรค่าแก่การแนะนำหรือไม่ เพราะถ้ายูสเซอร์ไม่อยากใช้งานเว็บไซต์นี้ ก็จะกลายเป็นสัญญาณให้ AI รับรู้ได้ว่า ขนาดยูสเซอร์ยังไม่ใช้งานเว็บนี้ แสดงว่าเว็บไซต์นี้ก็อาจไม่ดีมากพอให้ AI นำไปแนะนำให้ยูสเซอร์คนอื่น
R – Reputation Footprint (Offsite Trust)
AI จะพยายามทำความเข้าใจโดยไปตามหาว่าแบรนด์นั้นมี Reputation Footprint บนโลกออนไลน์มากน้อยแค่ไหน คนพูดถึงมากน้อยแค่ไหนและในแง่ใดบ้าง เช่น ถ้าเว็บไซต์ A ทำแค่ Blog และทำ SEO แต่เว็บไซต์คู่แข่งทำทั้ง Blog, ทำ PR, ทำ Advertorial, Backlink, ลูกค้ารีวิวดี, มี Testimonial และได้รับรางวัลต่าง ๆ มากมาย คงไม่ต้องสงสัยเลยว่า AI จะเชื่อแบรนด์คู่แข่งมากกว่าแบรนด์ A แน่นอน
การทำให้เว็บไซต์ติด AI Search นั้น ทำ SEO อย่างเดียวจึงไม่พอแล้ว เพราะการมีแค่ตัวเว็บไซต์ไม่ได้ Powerful พอที่จะทำให้ถูก AI พูดถึงและแนะนำได้
C – Conversational Context
ทำความเข้าใจหลักการทำงานของ AI ในการประมวลผลคำค้นหาแบบ “Query Fan-out” ที่เพิ่งยกตัวอย่างไปข้างต้น เพื่อช่วยให้วางกลยุทธ์คอนเทนต์ได้ดีขึ้น
E – Entity (Be a Thing)
การทำให้แบรนด์เป็นที่จดจำ หรือมี Entity ที่แข็งแกร่ง ต้องอาศัยการกล่าวถึงอย่างสม่ำเสมอในหลายแพลตฟอร์มและหลายบริบท โดย AI จะเรียนรู้ความเชื่อมโยงของแบรนด์ด้วยการวิเคราะห์ว่ามีการกล่าวถึงแบรนด์นั้น ๆ ที่ไหนและอย่างไรในโลกออนไลน์ ยิ่งแบรนด์มี Entity แข็งแกร่งมากเท่าไหร่ ก็ยิ่งมีโอกาสที่จะได้รับคำแนะนำจาก AI มากขึ้นเท่านั้น
ทั้งนี้ การเข้ามาของ AI ในโลกของ Search Engine ถือเป็นการเปลี่ยนแปลงครั้งสำคัญในวงการดิจิทัลมาร์เก็ตติงนับตั้งแต่มีอินเทอร์เน็ตเกิดขึ้น แม้การทำ SEO แบบดั้งเดิมจะยังคงมีความสำคัญ แต่การเพิ่มประสิทธิภาพสำหรับ AI Search จะเป็นการเปิดโอกาสใหม่ ๆ สำหรับแบรนด์ที่พร้อมปรับตัว
ความสำเร็จในยุคนี้จึงไม่ได้อยู่ที่การทำ SEO แบบพื้นฐานอีกต่อไป แต่ต้องใช้กลยุทธ์ที่เป็นระบบอย่าง SOURCE CODE เพื่อทำให้ AI Search มองเห็นแบรนด์ หากแบรนด์สามารถนำกลยุทธ์เหล่านี้ไปปรับใช้ ควบคู่กับการรักษามาตรฐานการทำ SEO แบบดั้งเดิมได้อย่างดีเยี่ยม ก็จะได้เปรียบเหนือคู่แข่งในยุค AI และจะกลายเป็นหนึ่งในแบรนด์ที่ AI เลือกเป็น “คำตอบ” ให้กับผู้ใช้งาน
โดย สำนักข่าวอินโฟเควสท์ (22 ก.ย. 68)
