บทนำ
ปัญหาของ Google AI Overview อาจไม่ใช่แค่เรื่องว่าใครจะถูก AI เลือกให้ขึ้นเป็นคำตอบ แต่คือ เมื่อคนคลิกกลับมาที่เว็บไซต์ บริษัทอาจมองไม่เห็นต้นทางของ traffic นั้นอย่างถูกต้อง งานติดตามจาก Search Engine Land ซึ่งเก็บข้อมูลมากกว่า 51,000 events ในช่วง 9 เดือน พบว่า AI Overview traffic เฉลี่ย 22.4% ถูกนับเป็น Direct แทน Organic Search และสัดส่วน traffic จาก AI Overview เองก็แกว่งอย่างมากตามช่วงเวลา
สำหรับธุรกิจไทย เรื่องนี้น่ากลัวตรงที่ บริษัทอาจกำลังทำ SEO ได้ดี แต่ dashboard กลับบอกว่าผลงานไม่ได้ดีขึ้น
ข้อเท็จจริง: AI Search เริ่มสร้าง “ช่องว่างระหว่างสิ่งที่เกิดขึ้นกับสิ่งที่วัดได้”
ทีมของ Alex Galinos จาก Search Engine Land ติดตามข้อมูลของแบรนด์ในอุตสาหกรรมขนส่งตั้งแต่กันยายน 2025 ถึงมิถุนายน 2026 โดยตรวจพบ AI Overview events จำนวน 51,200 ครั้งจาก cited snippets 1,661 รายการ
เรื่องนี้เชื่อมกับ การทำ AEO สำหรับธุรกิจขนาดเล็ก โดยตรง ใครยังใหม่กับคำนี้ ลองเริ่มจาก AEO คืออะไร ฉบับ SME ไทย
วิธีติดตามไม่ได้อาศัยข้อมูลลับจาก Google แต่ใช้สัญญาณจาก URL ที่บางครั้ง Google เติม #:~:text= เมื่อผู้ใช้กด citation จาก AI Overview แล้วเข้ามายังหน้าเว็บ จากนั้นนำสัญญาณดังกล่าวเข้าไปเก็บใน GA4 เพื่อวิเคราะห์ต่อ
ผลที่น่าสนใจไม่ได้มีแค่จำนวน citation แต่คือ traffic ไม่ได้กระจายอย่างเท่าเทียม
จาก 1,661 snippets นั้น snippet ที่ทำผลงานดีที่สุดเพียงรายการเดียวสร้าง 2,276 events ขณะที่ค่าเฉลี่ยอยู่ที่ประมาณ 31 events ต่อ snippet สะท้อนรูปแบบเดิมของ Search ที่เนื้อหาบางส่วนรับภาระ traffic ส่วนใหญ่ ขณะเดียวกัน snippets ก็มีวงจรชีวิต บางชิ้นพุ่งขึ้นในช่วงหนึ่งแล้วลดลง ขณะที่บางชิ้นกลับเติบโตหลังจากเผยแพร่ไปแล้วหลายเดือน
อีกจุดที่น่าสนใจคือเนื้อหาที่ถูกอ้างอิงบ่อยไม่ได้เป็นเพียงบทความยาวๆ แต่เป็นข้อมูลที่ตอบคำถามตรง เช่น เวลา ราคา เส้นทาง และตารางเปรียบเทียบที่มีโครงสร้างชัดเจน โดยกรณีศึกษานี้พบว่าตารางเปรียบเทียบที่ทำเป็น HTML table จริงมีแนวโน้มถูกอ้างอิงได้ดี
นี่ทำให้คำว่า GEO หรือ Generative Engine Optimization เริ่มเข้าใกล้โลกจริงมากขึ้น
ไม่ใช่แค่ “เขียนให้ AI อ่าน”
แต่คือ จัดข้อมูลให้ AI หยิบไปใช้ตอบคนได้ง่าย
ตัวเลขที่น่ากังวลกว่าอันดับบน Google: 22.4%
จุดที่สำคัญที่สุดจากการติดตามครั้งนี้คือปัญหา attribution
จาก AI Overview events ทั้งหมดในชุดข้อมูล มีค่าเฉลี่ย 22.4% ที่ถูกจัดเป็น Direct แทน Organic Search คิดเป็น 11,468 events โดยเดือนพฤษภาคม 2026 สูงถึง 29.3% ขณะที่เดือนเมษายนยังอยู่ที่ 16.8%
สิ่งนี้หมายความว่าเวลาผู้บริหารเปิด dashboard แล้วเห็นว่า Organic traffic ลดลง เขาอาจสรุปว่า SEO กำลังแย่ลง
แต่ความจริงอาจเป็นว่า traffic ยังมา เพียงแต่มันถูกใส่ไว้ในกล่องชื่อ “Direct”
แน่นอน ตัวเลข 22.4% นี้ ไม่ควรถูกนำไปใช้เป็น benchmark ของทุกธุรกิจ เพราะเป็นข้อมูลจากแบรนด์หนึ่งและใช้วิธี tracking ที่มีข้อจำกัด แต่ประเด็นเรื่อง attribution gap เป็นสิ่งที่ทีม Digital ควรตรวจสอบกับข้อมูลของตัวเอง ไม่ใช่เชื่อตัวเลขชุดนี้แบบสำเร็จรูป
Google เองอธิบายว่า Direct/(none) สามารถเกิดขึ้นได้เมื่อระบบไม่สามารถระบุแหล่งที่มาของ traffic ได้ เช่น referral information หายไปหรือข้อมูล campaign ไม่ติดมาด้วย
ดังนั้นประเด็นที่ควรถามในห้องประชุมไม่ใช่แค่
“SEO เดือนนี้ตกหรือเปล่า?”
แต่ควรถามว่า
“Organic ที่เราคิดว่าตก มีส่วนไหนจริงๆ แล้วมาจาก AI Search แต่ถูกจัดหมวดผิดหรือไม่?”
AI Overview ไม่ได้โตเป็นเส้นตรง และนี่คือกับดักของ KPI
ข้อมูลจากกรณีศึกษาพบว่า AI Overview คิดเป็น 7.53% ของ organic sessions โดยรวมในช่วงเก้าเดือน แต่ตัวเลขไม่ได้คงที่
ช่วงกุมภาพันธ์ถึงมีนาคม 2026 เคยขึ้นไปประมาณ 16–17% ก่อนลดลงมาเหลือราว 2–4% ในช่วงหลังของชุดข้อมูล
นี่คือเหตุผลที่ธุรกิจไม่ควรใช้คำว่า
“AI Overview ทำให้ Organic traffic เราเพิ่ม 16%”
แล้วเอาเดือนที่ดีที่สุดไปตั้งเป็น baseline ของทั้งปี
เพราะ AI Search ไม่ใช่ช่องทางที่นิ่งเหมือนการซื้อสื่อแบบ fixed placement
มันเปลี่ยนตาม query, เนื้อหา, ความสดของข้อมูล และพฤติกรรมของระบบ Search เอง ซึ่งทำให้การวางงบประมาณโดยอิงค่าเฉลี่ยเพียงจุดเดียวมีโอกาสผิดพลาด
ผลกระทบต่อธุรกิจในประเทศไทย: ปัญหาจริงอาจอยู่ที่ “การตัดสินใจ” ไม่ใช่แค่ Traffic
สำหรับธุรกิจไทย ผลกระทบที่สำคัญที่สุดคือ AI Search กำลังสร้างช่องว่างระหว่าง Visibility, Traffic และ Business Result ซึ่งเดิมเราเคยคิดว่าเป็นเรื่องเดียวกัน
ลองนึกภาพบริษัทท่องเที่ยวแห่งหนึ่งทำบทความเรื่อง “ค่าเดินทางจากสนามบินไปใจกลางเมือง” เนื้อหานี้อาจถูก AI Overview หยิบไป cite เพราะมีข้อมูลราคา เวลา และเส้นทางที่ชัดเจน แต่เมื่อผู้ใช้คลิกมายังเว็บไซต์ ส่วนหนึ่งของ traffic อาจไม่ถูกอ่านว่าเป็นผลจาก AI Search อย่างที่ทีมคาดไว้ หากระบบ attribution ไม่สามารถเก็บ source ได้ครบ บริษัทจึงอาจลดงบ Content เพราะคิดว่า “บทความนี้ไม่สร้าง Organic traffic”
นี่ไม่ใช่ปัญหา SEO อย่างเดียว แต่กระทบไปถึงการบริหารงบประมาณและการประเมิน ROI
ฝ่าย Marketing อาจตีความว่า Content team ทำผลงานไม่ดี ฝ่ายบริหารอาจโยกงบไป Paid Media และทีม SEO อาจพยายามไล่อันดับ keyword แบบเดิมมากขึ้น ทั้งที่สิ่งที่เกิดขึ้นจริงคือ รูปแบบการค้นหาเปลี่ยน แต่ KPI ยังวัดแบบเก่า
สำหรับ SME ความเสี่ยงยิ่งชัด เพราะงบ Content มักมีจำกัด หากเลือกผิดเพียงไม่กี่เดือนก็อาจทิ้งหัวข้อที่จริงๆ แล้วมีศักยภาพสูงในการถูก AI cite
ส่วนองค์กรใหญ่มีปัญหาอีกแบบ เพราะข้อมูลกระจายหลายระบบ ทั้ง Search Console, GA4, CRM และ dashboard ภายในองค์กร เมื่อแต่ละเครื่องมือมอง AI Search คนละมุม การประชุมผู้บริหารอาจจบด้วยตัวเลขสามชุดที่ขัดกันเอง
ที่สำคัญ Google ได้เริ่มเปิด Generative AI performance report ใน Search Console แล้ว โดยรายงานสามารถแสดง impressions จาก AI Overviews และ AI Mode รวมถึงดูได้ตามหน้า ประเทศ อุปกรณ์ และช่วงเวลา แต่ Google ระบุว่ายังอยู่ระหว่างทยอยเปิดให้บางเว็บไซต์ใช้งาน
นี่ทำให้ธุรกิจไทยต้องแยกให้ชัดว่า
Search Console บอกว่าเรา “ถูกมองเห็น” แค่ไหน
ขณะที่
Analytics ต้องตอบต่อว่าเรา “ได้รับผู้ใช้เข้ามาและสร้างผลทางธุรกิจอย่างไร”
สองอย่างนี้ไม่ใช่ตัวเลขเดียวกัน
และเมื่อ AI Search เข้ามาอยู่ตรงกลาง การเอาเลข visibility, traffic และ conversion มารวมกันเป็น KPI เดียว จะยิ่งทำให้การวิเคราะห์ผิดง่ายขึ้น
แล้วธุรกิจควรทำอะไรต่อ?
1. แยก AI Search เป็น measurement layer ของตัวเอง
อย่ารอให้เครื่องมือใดเครื่องมือหนึ่งตอบทุกอย่างได้ครบ ควรเก็บข้อมูลจาก Search Console และ GA4 แยกกัน แล้ววิเคราะห์ว่า citation/visibility เชื่อมโยงกับ traffic และ conversion อย่างไร
2. ตรวจ Direct traffic ที่โตผิดปกติ
อย่าตีความ Direct ว่าเป็นคนพิมพ์ URL เองทั้งหมด Google ระบุว่า Direct สามารถรวม traffic ที่สูญเสียข้อมูลแหล่งที่มาได้ด้วย
3. เริ่มทำ Content audit จากคำถามที่ AI มีโอกาสหยิบไปตอบ
ให้ความสำคัญกับข้อมูลที่ชัด เช่น ราคา เวลา ขั้นตอน เงื่อนไข ข้อเปรียบเทียบ และข้อมูลที่มีโครงสร้าง ไม่ใช่เพิ่มจำนวนบทความโดยไม่ดูว่าเนื้อหาใดกำลังสร้าง citation
4. อย่าใช้ peak month เป็น baseline
วัด AI Search เป็น trend มากกว่าค่าเดียว เพราะข้อมูลจากกรณีศึกษานี้สะท้อนว่าความโดดเด่นของ AI Overview เปลี่ยนได้มากตามช่วงเวลา
5. ให้ Marketing กับ Management ใช้นิยาม KPI เดียวกัน
ควรตกลงกันให้ชัดว่า “AI visibility”, “AI referral traffic”, “organic traffic” และ “conversion จาก AI Search” เป็นคนละตัวชี้วัด ไม่ใช่คำแทนกัน
มุมมองผู้เชี่ยวชาญ
“จุดที่ผมว่าธุรกิจต้องระวังคือ เราอาจไม่ได้เสีย traffic แต่เสียความสามารถในการอธิบายว่า traffic มาจากไหนมากกว่า พอวัดผิด เราก็จะตัดสินใจผิดตามไปด้วย วันนี้โจทย์ไม่ใช่แค่ทำให้ AI cite เรา แต่ต้องทำให้คนในองค์กรรู้ด้วยว่า AI cite แล้วมันสร้างอะไรให้ธุรกิจจริง”
— Phuwara Krobtaku —
LL.M. (IP & IT) | M.S. (IT) | Thai Barrister & Attorney-at-Law
แหล่งอ้างอิง
ต้นฉบับ: Search Engine Land — What 9 months of AI Overview data and 51,000+ tracked events reveal เผยแพร่ 18 สิงหาคม 2026 โดย Alex Galinos
อ่านต้นฉบับจาก Search Engine Land
ข้อมูลประกอบจาก Google Search Central: Google ประกาศ Generative AI performance reports ใน Search Console เมื่อ 3 มิถุนายน 2026 และระบุว่าระบบอยู่ระหว่างการทยอยเปิดใช้งาน
Google Search Central — Generative AI performance reports
ข้อมูลประกอบจาก Google Analytics Help: คำอธิบายเรื่อง Direct/(none) และกรณีที่ข้อมูล referral หายจนระบบไม่สามารถระบุแหล่งที่มาได้
