# GEO คืออะไร งานวิจัยต้นเรื่องทดสอบ 9 วิธีให้ AI หยิบเนื้อหา

> ที่มา: https://phygital.co.th/insights/geo-ai-seo-generative-engine-optimization · เผยแพร่ 26 กุมภาพันธ์ 2569 · อ่าน 11 นาที · โดย PARANATH PANARATANA

งานวิจัยที่ตั้งชื่อ GEO ทดสอบ 9 วิธีปรับเนื้อหาให้ AI หยิบไปตอบ การอ้างแหล่ง คำพูดอ้างอิง และสถิติได้ผลดีสุด ส่วนการยัดคีย์เวิร์ดแทบไม่ช่วย

## Key Takeaways

- **คำว่า GEO มาจากงานวิจัยที่ตั้งชื่อคำนี้และตีพิมพ์ในงานประชุม KDD 2024** — ผู้วิจัยนิยาม GEO ว่าเป็นวิธีช่วยเจ้าของเนื้อหาเพิ่มการมองเห็นในคำตอบของระบบค้นหาที่ใช้ AI สรุปคำตอบ และสร้างชุดทดสอบ 10,000 คำถามชื่อ GEO-bench
- **สามวิธีที่ได้ผลดีที่สุดในการทดลองคือการอ้างแหล่ง การใส่คำพูดอ้างอิง และการใส่สถิติ** — เพิ่มการมองเห็นได้ 30-40% ในตัวชี้วัดหลัก ส่วนการเขียนให้ลื่นและอ่านง่ายเพิ่มได้ 15-30%
- **การยัดคีย์เวิร์ดแบบ SEO ดั้งเดิมแทบไม่ช่วย และบน Perplexity ได้ผลแย่กว่าไม่ปรับเลย 10%** — ผลยังต่างกันตามอันดับของเว็บและประเภทคำถาม เว็บอันดับห้าที่อ้างแหล่งได้การมองเห็นเพิ่ม 115.1%

คำว่า GEO ถูกขายเป็นบริการใหม่หลายแบบ บางรายสัญญาว่าจะทำให้ ChatGPT แนะนำแบรนด์ บางรายขายเครื่องมือวัดว่า AI พูดถึงแบรนด์กี่ครั้ง จนเจ้าของเว็บแยกไม่ออกว่าอะไรมีหลักฐานรองรับและอะไรเป็นคำโฆษณา วิธีที่ตรงที่สุดคือกลับไปอ่านงานวิจัยที่ตั้งชื่อคำนี้ ส่วนต่อจากนี้เล่าว่างานวิจัยนั้นทดลองอะไร วิธีไหนได้ผล วิธีไหนไม่ได้ผล และผลนั้นใช้กับเว็บไทยได้แค่ไหน

งานวิจัยที่บทนี้อ่านคือ[GEO: Generative Engine Optimization โดย Pranjal Aggarwal และคณะ](https://arxiv.org/abs/2311.09735) ฉบับแก้ไขครั้งที่สามลงวันที่ 28 มิถุนายน 2567 บน arXiv และตีพิมพ์ในงานประชุมวิชาการ KDD 2024 ผู้วิจัยมาจาก Princeton University, IIT Delhi และนักวิจัยอิสระ ตัวเลขทุกตัวในบทนี้มาจากรายงานฉบับนั้น

## งานวิจัยที่ตั้งชื่อ GEO ทดลองอะไร

ผู้วิจัยเรียกระบบค้นหาที่ใช้ AI สรุปคำตอบว่า Generative Engine ระบบแบบนี้ค้นแหล่งข้อมูลมาก่อน แล้วให้โมเดลภาษาเขียนคำตอบที่รวมหลายแหล่งไว้ในย่อหน้าเดียวพร้อมอ้างอิง ปัญหาของเจ้าของเว็บคือการมองเห็นไม่ได้วัดจากอันดับหนึ่งถึงสิบอีกต่อไป แต่วัดจากว่าคำตอบหยิบเนื้อหาของเว็บไปใช้มากแค่ไหนและวางไว้ตรงไหน

ระบบที่ใช้ทดลองดึงห้าแหล่งแรกจากผลค้นหาของ Google ต่อหนึ่งคำถาม แล้วให้โมเดล gpt-3.5-turbo เขียนคำตอบ ผู้วิจัยวัดการมองเห็นสองแบบ

1. **จำนวนคำที่ถ่วงตามตำแหน่ง** นับว่าคำตอบใช้คำจากแหล่งนั้นมากเท่าไร โดยให้น้ำหนักกับส่วนที่อยู่ต้นคำตอบมากกว่า
2. **ความประทับใจเชิงอัตวิสัย** ให้โมเดลภาษาประเมินเจ็ดด้าน เช่น ความเกี่ยวข้อง ความโดดเด่นของตำแหน่ง และโอกาสที่ผู้ใช้จะกดดูแหล่ง

ชุดทดสอบ GEO-bench มี 10,000 คำถามจาก 25 หมวด เช่น ศิลปะ สุขภาพ และเกม ครอบคลุมคำถามเก้าประเภท ตั้งแต่คำถามหาข้อมูลไปจนถึงคำถามที่ต้องการซื้อ คำถามมาจากเก้าแหล่ง ส่วนหนึ่งเป็นคำค้นจริงที่ปิดชื่อผู้ใช้จาก Bing และ Google อีกส่วนมาจากหัวข้อยอดนิยมบน Perplexity คำถามจากชุมชนที่ขอคำอธิบายแบบง่าย และคำถามที่ GPT-4 สร้างเพิ่ม ผู้วิจัยแบ่งเป็นชุดฝึก 8,000 ข้อ ชุดตรวจ 1,000 ข้อ และชุดทดสอบ 1,000 ข้อ โดยรักษาสัดส่วนคำถามหาข้อมูลไว้ 80% คำถามที่ต้องการทำรายการ 10% และคำถามที่ต้องการไปยังเว็บใดเว็บหนึ่ง 10%

### ถามคำถามเดิมซ้ำ ทำไม AI ตอบไม่เหมือนเดิม

โมเดลภาษาสุ่มถ้อยคำทุกครั้งที่ตอบ ผู้วิจัยจึงให้ระบบเขียนคำตอบห้าครั้งต่อคำถามแล้วนำผลมาเฉลี่ย เพื่อลดความคลาดเคลื่อนจากการสุ่ม เจ้าของเว็บที่ลองถาม AI ครั้งเดียวแล้วไม่เห็นชื่อเว็บของตัวเอง จึงยังสรุปไม่ได้ว่าเว็บไม่ถูกหยิบ ต้องถามซ้ำหลายรอบและดูสัดส่วน

### GEO กับ SEO วัดความสำเร็จต่างกันอย่างไร

SEO วัดอันดับของหน้าในรายการผลค้นหา GEO ในงานวิจัยนี้วัดสัดส่วนและตำแหน่งของเนื้อหาในคำตอบที่ AI เขียน เว็บหนึ่งอาจอยู่อันดับหนึ่งของผลค้นหาแต่ถูกอ้างเพียงประโยคเดียวในคำตอบ หรืออยู่อันดับห้าแต่ถูกหยิบไปเป็นย่อหน้าแรก

## เก้าวิธีที่ผู้วิจัยทดสอบ

ผู้วิจัยเขียนเนื้อหาของแหล่งใหม่ด้วยวิธีต่าง ๆ แล้วเทียบกับเนื้อหาเดิมที่ไม่ได้ปรับ

| วิธี                 | สิ่งที่เปลี่ยนในเนื้อหา                      |
| -------------------- | ------------------------------------------------ |
| Authoritative        | ปรับน้ำเสียงให้โน้มน้าวและดูมีอำนาจ     |
| Statistics Addition  | ใส่ตัวเลขสถิติแทนคำบรรยาย                   |
| Keyword Stuffing     | ใส่คำจากคำถามเพิ่มแบบ SEO ดั้งเดิม          |
| Cite Sources         | เพิ่มการอ้างแหล่งที่น่าเชื่อถือ           |
| Quotation Addition   | เพิ่มคำพูดอ้างอิงจากแหล่งที่น่าเชื่อถือ |
| Easy-to-Understand   | ทำภาษาให้ง่ายขึ้น                            |
| Fluency Optimization | ทำให้ข้อความลื่นไหล                           |
| Unique Words         | เพิ่มคำที่ไม่ซ้ำใคร                         |
| Technical Terms      | เพิ่มศัพท์เทคนิค                               |

### ทำไมผู้วิจัยใส่วิธียัดคีย์เวิร์ดไว้ในการทดลอง

เพื่อใช้เป็นตัวเทียบกับวิธีที่ใช้ได้ผลใน SEO แบบเดิม ถ้าวิธีจากยุคผลค้นหาแบบรายการยังใช้ได้กับคำตอบของ AI ผลของวิธีนี้ควรดีขึ้นชัด ผลที่ได้ออกมาตรงข้าม

## ผลของแต่ละวิธี

บนระบบทดลองของผู้วิจัย สามวิธีที่ดีที่สุดคือ Cite Sources, Quotation Addition และ Statistics Addition เพิ่มการมองเห็นแบบจำนวนคำที่ถ่วงตำแหน่งได้ 30-40% และแบบอัตวิสัยได้ 15-30% ผู้วิจัยชี้ว่าทั้งสามวิธีเปลี่ยนเนื้อหาไม่มาก วิธีที่ดีที่สุดดีกว่าเนื้อหาเดิม 41% และ 28% ในสองตัวชี้วัด

การปรับรูปแบบภาษาอย่าง Fluency Optimization และ Easy-to-Understand ก็เพิ่มการมองเห็น 15-30% ผู้วิจัยตีความว่าระบบให้ค่ากับวิธีนำเสนอข้อมูลด้วย ไม่ใช่แค่ตัวข้อมูล

สองวิธีที่ไม่ได้ผลคือน้ำเสียงโน้มน้าวแบบ Authoritative ซึ่งไม่เพิ่มการมองเห็นอย่างมีนัยสำคัญ และ Keyword Stuffing ซึ่งแทบไม่ช่วย

### ใช้หลายวิธีพร้อมกันได้ผลกว่าใช้วิธีเดียวไหม

ผู้วิจัยทดลองจับคู่สี่วิธีที่ได้ผลดีที่สุด คือ Cite Sources, Fluency Optimization, Statistics Addition และ Quotation Addition กับคำถาม 200 ข้อที่สุ่มจากชุดทดสอบ คู่ที่ดีที่สุดคือเขียนให้ลื่นพร้อมใส่สถิติ ได้ผลเกินวิธีเดี่ยวที่ดีที่สุดมากกว่า 5.5% ส่วน Cite Sources ซึ่งใช้เดี่ยว ๆ ได้ผลต่ำกว่า Quotation Addition 8% กลับช่วยได้มากเมื่อใช้คู่กับวิธีอื่น เฉลี่ย 31.4% ผู้วิจัยหมายเหตุว่าตัวเลขชุดนี้มาจากชุดย่อย จึงไม่ตรงกับตารางหลัก

### ผลบน Perplexity ตรงกับระบบทดลองไหม

ทิศทางเดียวกัน ผู้วิจัยทดสอบซ้ำบน Perplexity.ai โดยอัปโหลดเนื้อหาเป็นไฟล์ เพราะ Perplexity ไม่ให้ระบุแหล่งเอง Quotation Addition ได้ผลดีสุดในตัวชี้วัดแรก เพิ่ม 22% วิธีอ้างแหล่งและใส่สถิติเพิ่มได้ถึง 9% และ 37% ในสองตัวชี้วัด ส่วน Keyword Stuffing ได้ผลแย่กว่าไม่ปรับเลย 10%

## เว็บอันดับต่ำได้ประโยชน์มากกว่าเว็บอันดับหนึ่ง

ผู้วิจัยแยกผลตามอันดับของเว็บในผลค้นหา วิธี Cite Sources ทำให้เว็บที่อยู่อันดับห้ามีการมองเห็นเพิ่ม 115.1% ขณะที่เว็บอันดับหนึ่งมีการมองเห็นลดลงเฉลี่ย 30.3% ผู้วิจัยมองว่าเว็บอันดับต่ำจำนวนมากเป็นของผู้สร้างเนื้อหารายเล็กหรือธุรกิจอิสระ และ GEO อาจช่วยให้แข่งกับบริษัทใหญ่ได้มากขึ้น

ผลยังต่างกันตามประเภทคำถาม ผู้วิจัยพบว่า Authoritative ช่วยคำถามแนวโต้แย้งและหมวดประวัติศาสตร์ Cite Sources ช่วยคำถามข้อเท็จจริง และ Statistics Addition ช่วยหมวดกฎหมายและการปกครองกับคำถามที่ขอความเห็น ส่วนคำพูดอ้างอิงเหมาะกับเนื้อหาที่เล่าประสบการณ์ของคนหรือเหตุการณ์ในอดีต ผู้วิจัยจึงแนะนำให้เจ้าของเว็บเลือกวิธีตามประเภทเนื้อหาของตัวเอง แทนการใช้สูตรเดียวทั้งเว็บ

| กลุ่มผลลัพธ์                           | ตัวเลขในงานวิจัย   |
| --------------------------------------- | --------------------- |
| สามวิธีดีสุด (ตัวชี้วัดจำนวนคำ)  | เพิ่ม 30-40%          |
| สามวิธีดีสุด (ตัวชี้วัดอัตวิสัย) | เพิ่ม 15-30%          |
| Keyword Stuffing บน Perplexity          | แย่กว่าไม่ปรับ 10% |
| Cite Sources กับเว็บอันดับห้า        | เพิ่ม 115.1%          |
| เว็บอันดับหนึ่ง                       | ลดลงเฉลี่ย 30.3%    |

### ร้านเล็กที่เขียนบทความเองควรอ่านผลนี้อย่างไร

อ่านเป็นข่าวดีที่มีเงื่อนไข เว็บของร้านเล็กที่ติดอันดับสามถึงห้าในคำถามเฉพาะทาง เช่น วิธีดูแลต้นไม้บางชนิดหรือขั้นตอนขออนุญาตบางเรื่อง มีโอกาสถูกหยิบไปในคำตอบมากขึ้นเมื่อเติมแหล่งอ้างอิงและตัวเลขที่ตรวจได้ แต่เงื่อนไขคือเว็บต้องติดผลค้นหาก่อน และตัวเลขทั้งหมดในงานวิจัยมาจากคำถามภาษาอังกฤษ ร้านที่ลงมือจึงควรจดผลก่อนและหลังแก้ของตัวเองไว้เทียบ

### เว็บอันดับหนึ่งควรหยุดทำ SEO ไหม

ไม่ควร ระบบทดลองยังเริ่มจากห้าแหล่งแรกของผลค้นหา เว็บที่ไม่ติดห้าอันดับแรกไม่มีโอกาสถูกหยิบในระบบนี้เลย ผลเรื่องเว็บอันดับหนึ่งลดลงสะท้อนว่าคู่แข่งอันดับรองปรับเนื้อหาแล้วแย่งพื้นที่ในคำตอบได้ เว็บอันดับต้นจึงต้องดูเนื้อหาของตัวเองด้วย

## ข้อจำกัดของงานวิจัยชิ้นนี้

ท้ายรายงานมีหัวข้อข้อจำกัดที่ผู้วิจัยเขียนไว้ รวมกับเรื่องภาษาที่ต้องระวังเมื่อนำผลมาใช้กับเว็บไทย ได้ห้าข้อ

1. **ระบบ AI เปลี่ยนเร็ว** ผู้วิจัยบอกว่าวิธีอาจต้องปรับตามระบบที่พัฒนาไป เหมือนที่ SEO เปลี่ยนมาตลอด การทดลองใช้ gpt-3.5-turbo ซึ่งเป็นรุ่นเก่าแล้วเมื่อถึงปี 2569
2. **ไม่ได้วัดผลต่ออันดับในผลค้นหา** ผู้วิจัยบอกว่าวิธีเหล่านี้เปลี่ยนแค่ข้อความ จึงน่าจะกระทบอันดับน้อย แต่ไม่ได้ทดสอบ
3. **คำถามเปลี่ยนตามเวลา** ชุดทดสอบต้องปรับให้ใกล้คำถามจริงอยู่เสมอ
4. **ภาษา** คำถามในชุดทดสอบเป็นภาษาอังกฤษ งานวิจัยไม่ได้ทดสอบเนื้อหาหรือคำถามภาษาไทย
5. **การติดป้ายหมวดคำถาม** ผู้วิจัยตรวจด้วยมือแล้ว แต่ยอมรับว่าอาจมีการตีความหรือติดป้ายผิด

## เลือกหน้าเว็บที่จะปรับก่อน

หน้าไหนของเว็บควรปรับก่อน คำตอบจากงานวิจัยคือหน้าที่ติดผลค้นหาอยู่แล้วแต่ไม่ได้อยู่อันดับต้น และตอบคำถามแนวข้อเท็จจริงที่อ้างแหล่งได้ ลำดับงานที่ใช้ได้มีสี่ขั้น

1. **เลือกหน้าที่ติดอันดับสองถึงสิบ** ของคำถามที่ลูกค้าถามจริง
2. **เติมแหล่งอ้างอิงที่ตรวจได้** พร้อมวันที่ของข้อมูล
3. **ใส่ตัวเลขหรือคำพูดของผู้รู้** เฉพาะที่มีต้นทาง
4. **ตัดคำค้นที่ยัดไว้ซ้ำ** และเขียนประโยคให้อ่านง่าย

สิ่งที่วัดได้และวัดยังไม่ได้ในงาน SEO สำหรับ AI เล่าไว้ใน[รับทำ SEO สำหรับ AI (AEO/GEO) อะไรวัดได้ อะไรยังวัดไม่ได้](https://phygital.co.th/insights/ai-seo-aeo-geo-agency) ความต่างของ AEO กับ SEO อ่านได้ที่[AEO ต่างจาก SEO อย่างไร เมื่อ Google เลือกกล่องคำตอบเอง](https://phygital.co.th/insights/aeo-answer-engine-optimization-vs-seo) งานพื้นฐานของเว็บใหม่อยู่ใน[SEO สำหรับธุรกิจเพิ่งเริ่มต้น ทำอะไรก่อนตามคู่มือของ Google](https://phygital.co.th/insights/what-is-seo-beginner-guide) การค้นหาที่เริ่มจากคำตอบของ AI มีเล่าใน[Zero-Click Discovery คืออะไร เมื่อ AI ตอบแทนการคลิกเข้าเว็บ](https://phygital.co.th/insights/ai-search-zero-click-discovery-phygital) และขอบเขตงานดูได้ที่หน้า[บริการ SEO](https://phygital.co.th/solutions/seo)

### แก้หน้าที่ติดอันดับอยู่แล้วเสี่ยงหลุดอันดับไหม

งานวิจัยไม่ได้วัดเรื่องนี้ ผู้วิจัยคาดว่ากระทบน้อยเพราะเปลี่ยนแค่ข้อความ ไม่ได้เปลี่ยนโดเมนหรือลิงก์ขาเข้า ทางที่ปลอดภัยคือจดอันดับไว้ก่อนแก้ และไม่เปลี่ยนหัวเรื่องหรือโครงหน้าที่ติดอันดับอยู่

## สรุป

GEO มาจากงานวิจัยของ Aggarwal และคณะใน KDD 2024 ซึ่งทดสอบเก้าวิธีบนชุดคำถาม 10,000 ข้อ การอ้างแหล่ง การใส่คำพูดอ้างอิง และการใส่สถิติได้ผลดีสุด เพิ่มการมองเห็น 30-40% ในตัวชี้วัดหลัก การเขียนให้ลื่นและง่ายเพิ่ม 15-30% ส่วนน้ำเสียงโน้มน้าวไม่ช่วย และการยัดคีย์เวิร์ดแย่กว่าไม่ปรับบน Perplexity เว็บอันดับห้าได้ประโยชน์มากกว่าเว็บอันดับหนึ่ง งานวิจัยใช้คำถามภาษาอังกฤษและโมเดลรุ่นเก่า ธุรกิจไทยจึงใช้ผลนี้เป็นทิศทางในการแก้หน้าเว็บ แล้ววัดผลซ้ำกับคำถามของลูกค้าเอง

## คำถามที่พบบ่อย (FAQ)

### GEO ต่างจาก SEO ตรงไหน ต้องเลือกทำอย่างเดียวไหม

ไม่ต้องเลือก ระบบในงานวิจัยหยิบแหล่งจากผลค้นหาก่อน SEO ทำให้เว็บเข้าไปอยู่ในชุดแหล่งนั้น GEO ทำให้เนื้อหาในเว็บถูกหยิบไปใช้ในคำตอบมากขึ้น

### ใส่สถิติเยอะ ๆ ในทุกหน้าได้ผลเสมอไหม

งานวิจัยพบว่าผลต่างตามประเภทคำถาม สถิติช่วยหมวดกฎหมายและคำถามขอความเห็นชัด แต่ตัวเลขที่ใส่ต้องมีต้นทางและเกี่ยวกับเรื่อง ตัวเลขที่เติมเพื่อให้ดูน่าเชื่อถือโดยไม่มีแหล่งทำให้ผู้อ่านเสียความเชื่อใจ

### เขียนให้ดูเป็นผู้เชี่ยวชาญมาก ๆ ช่วยไหม

ในภาพรวมไม่ช่วย ผู้วิจัยพบว่าน้ำเสียงโน้มน้าวแบบมีอำนาจไม่เพิ่มการมองเห็นอย่างมีนัยสำคัญ ยกเว้นคำถามแนวโต้แย้งและประวัติศาสตร์

### GEO ทำให้ ChatGPT หรือ Gemini แนะนำแบรนด์ได้แน่นอนไหม

ไม่มีงานวิจัยในบทนี้ที่ยืนยันเรื่องนั้น การทดลองวัดการมองเห็นของแหล่งในคำตอบเป็นค่าเฉลี่ย บนระบบทดลองและ Perplexity เท่านั้น

### ต้องเขียนเนื้อหาใหม่ทั้งเว็บไหม

ไม่ต้อง ผู้วิจัยชี้ว่าวิธีที่ได้ผลดีสุดเปลี่ยนเนื้อหาไม่มาก เช่น เพิ่มแหล่งอ้างอิงหรือคำพูดของผู้รู้ในหน้าที่มีอยู่

### ต้องทำ Schema หรือไฟล์สำหรับ AI เพิ่มไหม

งานวิจัยนี้ไม่ได้ทดสอบเรื่องนั้น ทุกวิธีในการทดลองเป็นการแก้ข้อความที่ผู้อ่านเห็น ถ้ามีผู้ให้บริการอ้างว่าการติดตั้งไฟล์หรือโค้ดบางอย่างเป็น GEO ให้ถามหาหลักฐานแยกจากงานวิจัยชิ้นนี้

### ทำไมคำพูดอ้างอิงและแหล่งอ้างอิงถึงช่วย

ผู้วิจัยอธิบายว่าวิธีเหล่านี้เพิ่มทั้งความน่าเชื่อถือและความสมบูรณ์ของเนื้อหา และแหล่งอ้างอิงช่วยมากกับคำถามข้อเท็จจริง เพราะเป็นหลักฐานให้ตรวจสอบสิ่งที่พูด

### วัดผล GEO ด้วยตัวเองได้อย่างไร

เลือกคำถามที่ลูกค้าถามจริงชุดหนึ่ง ถามระบบ AI ที่ลูกค้าใช้ในช่วงเวลาเดียวกันทุกเดือน แล้วจดว่าเว็บถูกอ้างหรือไม่และอยู่ส่วนไหนของคำตอบ วิธีนี้หยาบกว่าตัวชี้วัดในงานวิจัย แต่เห็นทิศทางได้

## เว็บอันดับห้าที่อ้างแหล่งได้การมองเห็นเพิ่ม 115.1% ในงานวิจัยต้นเรื่องของ GEO

ส่งหน้าเว็บที่ติดอันดับอยู่แต่ยังไม่ขึ้นต้น มาให้ PHYGITAL AGENCY ดูว่าหน้าไหนควรเติมแหล่ง ตัวเลข และคำพูดอ้างอิงก่อน

- [นัดประชุมผ่าน Google Meet](https://calendar.app.google/DotQdE7Ca8LZG6Us5)
- [เพิ่มเพื่อนใน LINE](https://lin.ee/J8Qq8Do)