ผมเพิ่งนั่งดูคอร์สของ Ahrefs เรื่อง AI SEO / AEO ยาวประมาณชั่วโมงครึ่ง แล้วรู้สึกว่าเรื่องนี้ไม่ใช่ buzzword ผ่านๆ แบบที่หลายคนพูดกัน แต่มันคือการเปลี่ยนวิธีคิดของคนทำ SEO จาก “ทำยังไงให้ติดอันดับ” ไปสู่ “ทำยังไงให้ AI เข้าใจเรา และเลือกพูดถึงเราในคำตอบ”
ตอนแรกผมก็คิดเหมือนกันว่า AEO หรือ Answer Engine Optimization จะเป็นอีกคำใหม่ที่เอามาขายคอร์สหรือเปล่า แต่พอดูจนจบ สิ่งที่น่าสนใจคือ Ahrefs ไม่ได้บอกว่า SEO ตายแล้ว หรือให้ทิ้ง Google ไปทำ AI อย่างเดียว ตรงกันข้าม — เขาย้ำค่อนข้างชัดว่า AEO คือ layer ใหม่ที่วางอยู่บน SEO foundation เดิม
บทความนี้ผมจะสรุปสิ่งที่ผมได้จากคอร์สนี้แบบภาษาคนทำเว็บจริง ไม่ใช่สรุปตามสไลด์ทุกหน้า เพราะถ้าไล่ทุกประโยคคงยาวเกินไป จุดที่ผมอยากเก็บไว้คือ framework ที่เอาไปใช้กับงาน SEO จริงได้ โดยเฉพาะคนที่ทำ content, affiliate, business website, comparison site หรือเว็บที่ต้องพึ่ง search traffic ครับ
AEO คืออะไรในภาษาคนทำเว็บ
ถ้า SEO แบบเดิมคือการทำให้หน้าเว็บของเรามีโอกาสติดอันดับใน Google, AEO ก็คือการทำให้แบรนด์หรือคอนเทนต์ของเรามีโอกาสถูก AI เอาไปพูดถึง อ้างอิง หรือแนะนำในคำตอบ
คำว่า AI ในที่นี้ไม่ได้หมายถึงแค่ ChatGPT แต่รวมถึง Google AI Overviews, Google AI Mode, Perplexity, Claude, Gemini, Copilot และระบบ answer engine อื่นๆ ที่ผู้ใช้ถามเป็นประโยคยาวๆ แล้วได้คำตอบสำเร็จรูปกลับมา
AEO ไม่ได้ถามว่า “เราติดอันดับที่เท่าไหร่” อย่างเดียว แต่ถามว่า “AI เข้าใจเราไหม, พูดถึงเราไหม, cite เราไหม, และอธิบายเราได้ถูกต้องไหม”
จุดนี้สำคัญมาก เพราะในโลกของ AI search การชนะไม่ได้แปลว่าคุณต้องได้ลิงก์เสมอไป บางครั้ง AI อาจพูดชื่อแบรนด์คุณโดยไม่ใส่ลิงก์ บางครั้งอาจ cite เว็บคุณเป็น source และบางครั้งอาจไม่พูดถึงคุณเลย ทั้งสามแบบนี้คือ visibility คนละระดับ
สิ่งที่ทำให้ AI search ต่างจาก Google search เดิม
ใน Google search แบบเดิม เรามักเริ่มจาก keyword เช่น “best espresso machine” แล้วดูว่า SERP ต้องการบทความแบบไหน แต่ใน AI search ผู้ใช้มักถามยาวกว่า เช่น “ช่วยแนะนำเครื่องชงกาแฟสำหรับมือใหม่ งบไม่เกินเท่านี้ พื้นที่ครัวเล็ก และอยากดูแลง่าย”
AI ไม่ได้เอาคำถามนั้นไปค้นตรงๆ แค่ครั้งเดียว แต่มันอาจแตกคำถามออกเป็นหลาย subqueries เช่น รุ่นไหนดี, ราคาเท่าไหร่, เหมาะกับมือใหม่ไหม, ดูแลยากไหม, รีวิวจากผู้ใช้ว่าอย่างไร, มีปัญหาอะไรบ่อย แล้วค่อยเอาทุกอย่างมาสรุปเป็นคำตอบเดียว
Ahrefs เรียกแนวคิดนี้ว่า query fan-out ซึ่งผมว่ามันคือหัวใจของ AEO เลย เพราะมันทำให้เราเห็นว่า การทำ SEO แบบจับ keyword เดี่ยวๆ อาจไม่พออีกต่อไป เราต้องคิดเป็น topic ecosystem มากขึ้น
ผลที่ตามมาคือ search volume อาจหลอกเราได้
หลาย subqueries ที่ AI สร้างขึ้นอาจไม่มี search volume ในเครื่องมือ keyword research เลย แต่ไม่ได้แปลว่าไม่มีความสำคัญ เพราะมันอาจเป็นส่วนหนึ่งที่ AI ใช้ตัดสินใจว่าจะพูดถึงแบรนด์ไหน
นี่คือจุดที่ผมคิดว่าคนทำ SEO ต้องระวัง ถ้าเราดูแค่ volume เราอาจมองข้ามคำถามย่อยที่ไม่มี volume แต่มีผลต่อการถูก AI แนะนำ เช่น ข้อจำกัด, use case, comparison, alternatives, pricing, support, หรือปัญหาที่ผู้ใช้เจอจริง
Visibility ในโลก AI ไม่ได้มีแค่ traffic
สิ่งหนึ่งที่ผมชอบในคอร์สนี้คือเขาแยก AI visibility ออกมาเป็นหลายชั้น ไม่ใช่คิดแค่ว่า AI ส่งคนเข้าเว็บกี่คน
- Cited and linked — AI ใช้เว็บเราเป็น source และใส่ลิงก์กลับมา
- Mentioned but not linked — AI พูดชื่อแบรนด์เรา แต่ไม่ได้ใส่ลิงก์
- Invisible — AI ไม่พูดถึงเราเลย ทั้งที่ topic นั้นเกี่ยวกับเรา
ตรงนี้ทำให้ผมมอง SEO report แบบเดิมไม่เหมือนเดิมนิดหน่อย เพราะถ้าเราดูแค่ organic sessions ใน GA4 เราอาจไม่เห็นว่า AI กำลังพูดถึงเราอยู่ หรือแย่กว่านั้นคือ AI กำลังพูดถึงคู่แข่งทุกครั้ง แต่ไม่มีเราอยู่ใน conversation เลย
Brand mentions สำคัญขึ้นมาก
SEO แบบเก่าให้ความสำคัญกับ backlinks มาก ซึ่งยังสำคัญอยู่ แต่ในโลก AEO สิ่งที่เพิ่มน้ำหนักขึ้นมาคือ brand mentions โดยเฉพาะ mention ที่อยู่ในบริบทถูกต้อง
ยกตัวอย่างง่ายๆ ถ้าหลายเว็บพูดซ้ำๆ ว่า “แบรนด์ A เหมาะกับ technical SEO”, “แบรนด์ A มี crawler ดี”, “แบรนด์ A ใช้ดู backlink ได้ละเอียด” ต่อให้บาง mention ไม่มีลิงก์ AI ก็อาจเรียนรู้ association ระหว่างแบรนด์ A กับหัวข้อนั้นได้
นี่ไม่ได้แปลว่าเราควรไป spam ชื่อแบรนด์ในทุกที่นะครับ แต่แปลว่าเราต้องทำให้ ecosystem รอบแบรนด์พูดเรื่องเดียวกับ positioning ที่เราต้องการให้ AI จำ
6 Brand Gaps ที่ควร audit
คอร์สนี้พูดถึงการทำ brand gap analysis ซึ่งผมว่าเอามาใช้กับงานจริงได้ดีมาก แทนที่จะถามกว้างๆ ว่า “ทำไม AI ไม่พูดถึงเรา” เราแยก gap ออกเป็น 6 แบบได้
| Gap | ความหมาย | ตัวอย่างที่เจอได้จริง |
|---|---|---|
| Visibility gap | AI พูดถึงคู่แข่งมากกว่าเรา | ถาม best tools แล้วมีแต่ชื่อคู่แข่ง |
| Narrative gap | AI อธิบายเราไม่ตรง positioning | เราเป็น premium แต่ AI บอกว่าเป็น budget option |
| Topic gap | topic ที่ควรโยงกับเรา แต่ AI ไม่โยง | เรามี feature นั้น แต่ไม่มี content ชัดพอ |
| Format gap | AI ชอบ cite format ที่เรายังไม่มี | AI cite comparison/listicle แต่เว็บเรามีแต่ blog ธรรมดา |
| Web mentions gap | เว็บภายนอกพูดถึงคู่แข่ง แต่ไม่พูดถึงเรา | review site มีคู่แข่งครบ แต่ไม่มีเรา |
| Demand gap | มี demand แต่แบรนด์เราไม่ถูกเชื่อม | คนถาม use case ที่เราช่วยได้ แต่ AI ไม่แนะนำเรา |
ผมชอบ framework นี้เพราะมันทำให้ action ชัดขึ้น บาง gap แก้ด้วยการ update content เดิม บาง gap ต้องสร้างหน้าใหม่ บาง gap ต้องทำให้เว็บภายนอกพูดถึงเรา
Fix / Build / Influence — วิธีจัด priority ที่ไม่หลงทาง
ถ้าจะเอา AEO ไปทำจริง ผมคิดว่าควรเริ่มด้วย 3 กล่องนี้
- Fix — ปรับสิ่งที่มีอยู่แล้ว เช่น update หน้าเก่า เพิ่ม section ที่ขาด ทำให้คำตอบชัดขึ้น
- Build — สร้าง asset ใหม่ เช่น comparison page, alternatives page, glossary, calculator, template, FAQ
- Influence — ทำให้ source ภายนอกที่ AI ใช้ พูดถึงเราอย่างถูกต้อง เช่น review sites, listicles, community, creator content
สำหรับผม ถ้าเป็นเว็บที่เราคุมเอง ผมจะเริ่มจาก Fix และ Build ก่อนเสมอ เพราะมันเป็นของที่ควบคุมได้จริง พอ foundation ในเว็บเราแน่นแล้ว ค่อยไปดูว่า source ภายนอกไหนสำคัญพอที่จะทำ outreach หรือเข้าไปมีส่วนร่วม
อันนี้คล้ายกับเวลาผมดูแลเว็บ WordPress หลายสิบเว็บจาก dashboard เดียว — ก่อนจะไปหาท่า growth ใหม่ๆ เราต้องมั่นใจก่อนว่าเว็บตัวเองไม่พังก่อน ลองอ่านเรื่องนี้ต่อได้ที่บทความ จัดการเว็บ WordPress 90 กว่าเว็บ จากที่เดียว ครับ
Content ที่ AI ใช้งานง่าย หน้าตาเป็นอย่างไร
Ahrefs ให้หลักการเขียน content สำหรับ AI ไว้ 4 ข้อ ซึ่งผมว่านำไปใส่ใน content brief ได้เลย
1. BLUF — Bottom Line Up Front
เปิด section ด้วยคำตอบก่อน แล้วค่อยอธิบายเหตุผล ไม่ใช่เล่าพื้นหลังยาวๆ ก่อนถึงจะตอบ เพราะทั้งคนอ่านและ AI มัก scan จากต้น section
2. Atomic content
แต่ละ H2/H3 ควรยืนเองได้ ถ้า AI ตัด section นั้นไปใช้เป็น chunk เดี่ยวๆ ก็ยังเข้าใจว่าเรากำลังพูดเรื่องอะไร
3. Entity-rich writing
อย่าเขียนกำกวมว่า “เครื่องมือนี้ช่วยเรื่อง SEO” ตลอดเวลา แต่ควรเขียนให้ชัดว่าเครื่องมืออะไร ช่วยงานอะไร กับ entity ไหน เช่น product name, feature, metric, category, use case
4. Simple and declarative
ประโยคสั้น ชัด หนึ่ง idea ต่อหนึ่ง sentence ไม่ได้แปลว่าต้องเขียนตื้น แต่แปลว่าเขียนให้ parse ง่ายทั้งสำหรับคนและ AI
Keyword research ต้องเพิ่ม AI filter เข้าไป
สิ่งที่ผมคิดว่าน่าจะกระทบ SEO workflow มากที่สุด คือ keyword ที่เคยดูน่าทำ อาจไม่คุ้มเท่าเดิม ถ้า AI ตอบจบจนคนไม่ต้องคลิก
Ahrefs เสนอให้ดู keyword แบบเดิมด้วย Business potential, Intent, Difficulty แต่เพิ่มคำถามอีกข้อว่า:
AI ตอบ query นี้จบจน user ไม่จำเป็นต้องคลิกเข้าเว็บไหม?
ถ้าคำตอบคือใช่ keyword นั้นอาจยังมีประโยชน์เชิง brand mention แต่ไม่ควรคาดหวัง traffic มากเหมือนเดิม ในทางกลับกัน query ที่ต้องให้ user ลงมือทำ เช่น calculator, checker, generator, template, finder, planner, tool ยังมีโอกาสได้ click มากกว่า
YouTube และ transcript ก็เป็น AEO surface
อีกส่วนที่ผมเก็บไว้คือ YouTube ไม่ใช่แค่ช่องทางทำ video marketing แต่เป็น surface ที่ AI อาจใช้เข้าใจ topic ได้ โดยเฉพาะเมื่อวิดีโอมี title, description, chapters และ transcript ที่ชัดเจน
หลักการที่ผมชอบคือ “title ขาย relevance, thumbnail ขาย click” ถ้า title clever เกินไปจนไม่บอกว่า video เกี่ยวกับอะไร Google และ AI ก็อาจเข้าใจยากขึ้น
- ใส่ keyword ใน title แบบตรงไปตรงมา
- description ต้องสรุปเนื้อหาจริง ไม่ใช่มีแต่ลิงก์
- ใส่ chapters/timestamps ให้ชัด
- พูด keyword หรือ topic สำคัญในวิดีโอจริง
- ทำ format ให้ตรงกับ search intent เช่น tutorial, review, comparison, listicle
Technical AEO: ของพื้นฐานที่ห้ามพลาด
พอพูดถึง AEO หลายคนอาจคิดถึง prompt, AI tools หรือเทคนิคใหม่ๆ แต่ช่วงท้ายคอร์สกลับพากลับมาที่ technical SEO พื้นฐาน ซึ่งผมเห็นด้วยมาก
- robots.txt — อย่า block AI crawlers โดยไม่ตั้งใจ เช่น GPTBot, OAI-SearchBot, ClaudeBot, Google-Extended
- JavaScript rendering — ถ้า content โหลดด้วย JS ล้วน AI crawler บางตัวอาจเห็นแค่ empty shell
- Page speed — AI retrieval ต้อง fetch, parse, chunk หน้าเว็บให้เร็ว
- Clean HTML — heading structure ชัด ทำให้ AI chunk content ได้ง่ายขึ้น
- Schema — ยังมีประโยชน์เป็น hygiene แต่หลักฐานเรื่องเพิ่ม AI citation โดยตรงยังไม่ชัด
ถ้าอยากเช็กแบบง่ายๆ ให้ลองปิด JavaScript แล้วเปิดหน้าเว็บดู ถ้า content หลักหายหมด แปลว่า crawler บางตัวอาจอ่านหน้าเราไม่ออก ตรงนี้เป็นปัญหาที่ไม่ค่อย sexy แต่กระทบจริง
เรื่องพวกนี้ทำให้ผมนึกถึงตอนตั้งค่า AI ไปควบคุม server และ tooling ต่างๆ ถ้า foundation ไม่ชัด ต่อให้ AI เก่งแค่ไหนก็พาเราหลงได้เหมือนกัน ใครสนใจแนว server/AI ลองอ่านบทความ ควบคุม Server ด้วย AI: ตั้งค่า Coolify MCP กับ Claude Code ต่อได้ครับ
วัดผล AEO ยังไง ถ้า AI ไม่ส่ง referrer ครบ
ปัญหาใหญ่ของ AEO คือ measurement ยากกว่า SEO เดิมมาก เพราะ AI หลายตัวไม่ส่ง referral data ชัดเจน บาง traffic กลายเป็น direct ใน GA4 บาง user ถาม AI แล้วค่อยไป Google ชื่อแบรนด์ทีหลัง เราก็ไม่รู้ว่า AI เป็นจุดเริ่มต้น
ผมคิดว่าควรวัด 3 ชั้นพร้อมกัน
- AI referral traffic — แยก channel สำหรับ chatgpt.com, perplexity, claude.ai, gemini.google.com, copilot.microsoft.com
- AI bot activity — ดูจาก server logs ว่า AI crawler เข้า page ไหนบ้าง
- Self-reported attribution — เพิ่มคำถามใน form ว่า “รู้จักเราจากที่ไหน” แล้วมีตัวเลือก AI assistant / ChatGPT / Perplexity / Google AI
อันสุดท้ายดูบ้านๆ แต่ผมว่าโคตรสำคัญ เพราะถ้าเรารอแต่ GA4 เราอาจ underestimate AI influence หนักมาก
AEO operating system ที่ผมจะเอาไปใช้
ถ้าต้องสรุปคอร์สนี้ให้กลายเป็น workflow ผมจะเขียนแบบนี้
- Audit — ตอนนี้ AI พูดถึงเราไหม พูดว่าอะไร cite source ไหน
- Gap — เราขาด visibility, narrative, topic, format, web mentions หรือ demand gap
- Fix — update หน้าเดิมให้สด ชัด และตอบ intent มากขึ้น
- Build — สร้าง asset ที่ขาด เช่น comparison, FAQ, tool, template, glossary
- Influence — เข้าไปอยู่ใน source ที่ AI ใช้จริง เช่น review pages, communities, videos
- Measure — ดู referral, bot logs, self-reported attribution และ AI share of voice
Checklist ที่ผมคิดว่าควรทำทันที
- เช็ก robots.txt ว่าไม่ได้ block AI crawlers สำคัญโดยไม่ตั้งใจ
- เช็กว่า content หลัก render ได้โดยไม่ต้องพึ่ง JavaScript ทั้งหมด
- เลือกหน้า strategic 5–10 หน้า มา refresh ให้สดขึ้น
- ปรับบทความสำคัญให้ตอบแบบ BLUF และแยก section ให้ atomic มากขึ้น
- เพิ่ม FAQ ที่ตอบคำถามจริงของ user แบบตรงไปตรงมา
- ตั้ง channel สำหรับ AI referral traffic ใน analytics
- เพิ่ม self-reported attribution ใน form สำคัญ
- หา query ที่ AI พูดถึงคู่แข่ง แต่ไม่พูดถึงเรา
ข้อควรระวัง: อย่ารีบเชื่อทุกตัวเลข
คอร์สของ Ahrefs มีตัวเลขเยอะมาก เช่น AI traffic โตเร็ว, AI visitors convert ดี, citations เปลี่ยนบ่อย, content ที่ AI cite สดกว่า search result ปกติ ฯลฯ แต่ถ้าจะเอาไปอ้างอิงจริง ผมคิดว่าควรกลับไปดู slide หรือ source ต้นทางก่อน เพราะ transcript ของ YouTube มีคำเพี้ยนเยอะ โดยเฉพาะชื่อ tool, ชื่อคน และตัวเลข
อีกอย่างคือข้อมูลส่วนใหญ่เป็น global data และมาจาก ecosystem ของ Ahrefs เอง ถ้าเอามาใช้กับเว็บภาษาไทยหรือ SERP ไทย เราควร verify ด้วย Google SERP จริง และลองถาม AI เป็นภาษาไทยด้วย ไม่ใช่ยก framework ฝรั่งมาใช้ตรงๆ ทั้งหมด
สรุป
หลังดูคอร์สนี้จบ ผมไม่ได้รู้สึกว่า SEO กำลังตาย แต่รู้สึกว่า SEO กำลังมีชั้นใหม่เพิ่มขึ้นมา ชั้นที่วัดยากกว่าเดิม และต้องคิดเรื่อง brand/entity มากขึ้น
สิ่งที่ผมจะจำไว้คือ AEO ไม่ใช่การวิ่งตาม AI tool ใหม่ทุกตัว แต่คือการทำให้เว็บและแบรนด์ของเราชัดพอ สดพอ มีโครงสร้างดีพอ และถูกพูดถึงในที่ที่ AI ใช้เป็น source มากพอ
ถ้าคุณทำ SEO อยู่แล้ว จุดเริ่มต้นไม่ใช่การทิ้งทุกอย่างไปทำ AI แต่คือการกลับมาเช็กว่า content เดิมของคุณตอบชัดไหม, technical foundation ดีไหม, entity ชัดไหม, และถ้า AI ต้องอธิบายแบรนด์คุณวันนี้ มันจะอธิบายถูกหรือเปล่า
สำหรับผม นี่น่าจะเป็นทิศทางที่คนทำเว็บต้องเริ่มใส่ไว้ใน workflow แล้วครับ ไม่ใช่เพราะ AI จะมาแทน Google พรุ่งนี้ แต่เพราะพฤติกรรมการค้นหากำลังค่อยๆ เปลี่ยน และคนที่วาง foundation ไว้ก่อน น่าจะได้เปรียบในวันที่มันชัดขึ้นกว่านี้
แหล่งข้อมูลอ้างอิง
เครื่องมือหลักที่ใช้
- Ahrefs course: AI SEO Course for Beginners: Complete AEO Tutorial
- Ahrefs Site Explorer / Brand Radar / Keywords Explorer ตามที่คอร์สพูดถึง
- Google Search / Google AI features สำหรับ verify intent จริง
- GA4 หรือ analytics tool ที่แยก AI referral traffic ได้
- Server logs สำหรับดู AI bot activity