เปรียบเทียบ AI Search Engine: ความต่างของกลไกการอ้างอิงใน ChatGPT/Gemini/Perplexity
1. ทำไมต้องแยกดู: ตรรกะการอ้างอิงไม่ได้มีชุดเดียว
หลายทีมที่ทำ GEO Monitoring เอาจำนวนการอ้างอิงจาก ChatGPT, Gemini และ Perplexity มาบวกกันเป็น “จำนวนอ้างอิงรวม” ซึ่งผิด เพราะทั้งสามเจ้ามีระบบค้นหา แหล่งข้อมูล และรูปแบบการแสดงการอ้างอิงไม่เหมือนกัน พอบวกกันแล้วจะมองไม่ออกว่าปัญหาอยู่ที่เจ้าไหน
ที่สำคัญกว่านั้นคือ เนื้อหาเดียวกันมักได้ผลต่างกันในแต่ละเจ้า หน้าโปรดักต์ B2B หน้าหนึ่งอาจถูกอ้างอิง 4 ครั้งใน Perplexity โผล่แค่ 1 ครั้งใน ChatGPT Search และไม่โผล่เลยใน Gemini ถ้าเอาตัวเลขมาเฉลี่ยเป็น 2 ครั้ง จะเข้าใจว่าผลงานคงที่ แต่จริง ๆ มีแค่ Perplexity เจ้าเดียวที่พยุงไว้
| มิติ | ChatGPT Search | Gemini / AI Overviews | Perplexity |
|---|---|---|---|
| จำนวนแหล่งที่มาต่อคำตอบ | 3 ถึง 8 แหล่ง | 2 ถึง 5 แหล่ง | 3 ถึง 7 แหล่ง |
| ตำแหน่งที่แสดงการอ้างอิง | การ์ด Source ท้ายคำตอบ | ตัวเลขมุมบน [1] ในเนื้อหา | ตัวเลขมุมบนพร้อมลิงก์หลังทุกประโยค |
| บอทดึงข้อมูลหลัก | OAI-SearchBot、GPTBot | Googlebot | PerplexityBot |
| แหล่งที่มาที่ชอบ | Reddit วิกิ เว็บทางการ | เว็บน่าเชื่อถือในดัชนี Google | เว็บเชิงพาณิชย์ ไดเรกทอรี B2B ข่าว |
| ความถี่ในการอัปเดต | ทริกเกอร์จากการค้นหา แบบเรียลไทม์ | อัปเดตตามดัชนี Google | ทริกเกอร์จากการค้นหา แบบเรียลไทม์ |
ข้อดีของการแยกตัวชี้วัดคือระบุปัญหาได้ อย่างเช่น Perplexity มีอัตราการอ้างอิงสูงแต่ Gemini เป็นศูนย์ มักแปลว่าเพจของคุณมีปัญหากับดัชนี Google หรือสัญญาณ E-E-A-T ไม่พอ ส่วน ChatGPT มีอัตราการอ้างอิงต่ำแต่ Perplexity สูง แปลว่าคุณขาดการหนุนหลังจากชุมชนอย่าง Reddit และวิกิ วิธีตั้งแดชบอร์ดติดตามผลดูได้ที่แดชบอร์ดติดตามการอ้างอิงของ AI Engine。
2. ChatGPT Search: ชอบทั้งชุมชนและเว็บทางการ
ChatGPT Search ดึงข้อมูลจากทั้งความรู้ที่ฝึกมาและผลการค้นหาแบบเรียลไทม์พร้อมกัน ในรายการอ้างอิงมีแนวโน้มชัดเจนอย่างหนึ่ง คือเนื้อหาประเภทฟอรัม (Reddit, Stack Exchange) เนื้อหาเชิงสารานุกรม (Wikipedia) และเว็บไซต์ทางการ มักปรากฏพร้อมกันทั้งสามแหล่ง เพราะ OpenAI ให้คะแนนสูงกับ “การตรวจสอบข้ามหลายแหล่ง” ในอันดับการค้นหา
| ประเภทหน้าเว็บของคุณ | โอกาสถูกอ้างอิงใน ChatGPT Search | แนวทางเพิ่มแหล่งอ้างอิง |
|---|---|---|
| หน้าสินค้าทางการ | ปานกลาง ต้องมีฟอรัมหรือสารานุกรมกล่าวถึง | สร้างรายการแบรนด์บน Wikipedia และ Reddit |
| บล็อกเทคนิคเชิงลึก | สูง เมื่อมีประโยคข้อเท็จจริงเยอะ | ให้ทุกย่อหน้ามีตัวเลขหนึ่งตัว |
| หน้าโปรโมทล้วน | ต่ำ | เขียนใหม่เป็นบทความประโยคข้อเท็จจริง |
| หน้าดาวน์โหลดไวท์เปเปอร์ | ปานกลางถึงต่ำ ต้องมีสรุปเนื้อหาให้เห็น | เปิดเผยสรุป 1000 คำนอกส่วน gated |
ตัวอย่างตามสถานการณ์: คุณเป็นบริษัททำเซ็นเซอร์อุตสาหกรรม หน้าสินค้าเขียนครบถ้วน แต่เมื่อ ChatGPT Search ค้นหา “ระดับความแม่นยำเซ็นเซอร์อุตสาหกรรม” คำตอบกลับอ้างอิง Wikipedia และการพูดคุยเชิงเทคนิคบน Reddit ไม่ได้อ้างคุณ สาเหตุไม่ใช่เพราะเนื้อหาแย่ แต่เพราะคุณขาด “แหล่งที่สอง” มาช่วยยืนยันข้าม วิธีทำคือสร้างรายการแบรนด์ที่ค้นหาเจอบน Wikipedia ฟอรัมอุตสาหกรรม และแพลตฟอร์มอย่าง G2 เพื่อให้โมเดลจับคู่คุณกับเว็บไซต์ทางการตอนตรวจสอบข้าม
ตรรกะชั้นนี้สอดคล้องกับที่แหล่งข้อเท็จจริงภายนอกเว็บไซต์ พูดไว้: คำตอบ AI ไม่ได้ดูแค่เว็บไซต์คุณ แต่ดูว่าไดเรกทอรีอุตสาหกรรม สารานุกรม และแพลตฟอร์ม B2B บรรยายคุณอย่างไร
สาม Gemini กับ Google AI Overviews: กินข้าวจากดัชนี Google
Gemini และ Google AI Overviews ใช้เส้นทาง Googlebot แหล่งข้อมูลก็คือหน้าต่างๆ ในดัชนี Google เป็นหลัก ซึ่งหมายถึงสองเรื่อง หนึ่ง หน้าที่คุณไม่ได้ถูกจัดทำดัชนีใน Google Gemini ก็อ่านไม่ได้ สอง สัญญาณอันดับของ Google (แบ็คลิงก์ E-E-A-T การทำเครื่องหมายเอนทิตี) ยังมีน้ำหนักสูงในคำตอบ Gemini
| เกณฑ์ตัดสิน | เกณฑ์ผ่าน | ผลเสียถ้าไม่ผ่าน |
|---|---|---|
| หน้าถูกจัดทำดัชนีใน Google หรือไม่ | Search Console ขึ้นว่าจัดทำดัชนีแล้ว | Gemini มองไม่เห็นเลย |
| Schema เอนทิตีครบถ้วนหรือไม่ | Organization、WebSite、Article | การจดจำเอนทิตีแบรนด์คลุมเครือ |
| คุณภาพแบ็คลิงก์ | มีแบ็คลิงก์ DR50 ขึ้นไป 5 ลิงก์ | ถูกคู่แข่งกดตอนอ้างอิงร่วม |
| ความสดใหม่ของเนื้อหา | มีการอัปเดตภายใน 12 เดือน | AI Overviews เลือกหน้าใหม่ก่อน |
ข้อสรุปที่ขัดกับสัญชาตญาณ: ใน Gemini การรีเฟรชบทความเก่าคุ้มกว่าเขียนบทความใหม่ เพราะสัญญาณความสดใหม่กับแบ็คลิงก์ที่สะสมมาของ Google บวกกัน บทความที่เขียนปี 2022 แล้วเพิ่งอัปเดตปี 2026 มีทั้งแบ็คลิงก์หนุนและความสดใหม่ จึงเข้าสู่ AI Overviews ง่ายกว่าบทความใหม่ที่เพิ่งเผยแพร่ ควรรีเฟรชเมื่อไหร่ ดูตารางตัดสินที่เกณฑ์ตัดสินใจรีเฟรชบทความเก่า。
ความหมายในทางปฏิบัติสำหรับทีม B2B: เส้นทาง Gemini ไม่ต้องทำเนื้อหาแยก ทำให้Google SEO แบบดั้งเดิมดี Gemini ก็ได้ประโยชน์เอง สิ่งที่ต้องออกแรงเพิ่มจริงๆ คือ ChatGPT และ Perplexity
สี่ Perplexity: ให้ความสำคัญกับความแข็งของประโยคข้อเท็จจริง ไดเรกทอรี B2B มีน้ำหนักสูง
Perplexity ทำงานแบบ “ค้นไป ตอบไป อ้างอิงไป” แทบทุกประโยคที่สร้างขึ้นจะมีเครื่องหมายอ้างอิงกำกับ ทำให้มันต้องการ “ความหนาแน่นของข้อเท็จจริง” ในแหล่งอ้างอิงสูงที่สุด ถ้าประโยคไหนไม่มีตัวเลข ไม่มีค่าขีดจำกัด ไม่มีประธานชัดเจน มันเลือกที่จะไม่อ้างอิงเลย
| วิธีเขียน | โอกาสที่ Perplexity จะอ้างอิง | เหตุผล |
|---|---|---|
| “วาล์วปีผีเสื้อ PN16 อุณหภูมิใช้งานสูงสุด 120 องศาเซลเซียส” | สูง | มีทั้งตัวเลขและวัตถุครบถ้วน |
| “วาล์วของเรารองรับการใช้งานได้หลายสภาวะ” | ต่ำ | ไม่มีตัวเลข ไม่มีวัตถุ |
| “ดูรายละเอียดในตารางพารามิเตอร์” | ต่ำ | chunk เดี่ยว ๆ ไม่มีข้อมูล |
| “มาตรฐานอุตสาหกรรม API 6D กำหนดว่า…” | ปานกลางถึงสูง | มีหมายเลขมาตรฐานให้ตรวจสอบไขว้ได้ |
ตัวอย่างตามสถานการณ์จริง: คุณเขียนบทความ “คู่มือเลือกวาล์วอุตสาหกรรม” แล้วผู้ใช้ Perplexity ถามว่า “API 6D กับ API 607 ต่างกันอย่างไร” ถ้าบทความของคุณเขียนแค่ว่า “ทั้งสองมาตรฐานสำคัญ ต้องเลือกตามสภาวะการใช้งาน” โมเดลจะไม่อ้างอิงคุณ แต่ถ้าเขียนว่า “API 6D ครอบคลุมการออกแบบและผลิตวาล์วในระบบท่อ ส่วน API 607 ใช้ทดสอบการทนไฟ ทั้งสองใช้แทนกันไม่ได้” ประโยคนี้มีโอกาสถูกดึงไปใช้โดยตรง หมายเลขมาตรฐาน ชื่อการรับรอง และค่าขีดจำกัดพารามิเตอร์ในอุตสาหกรรม B2B คือข้อเท็จจริงที่ Perplexity ชอบอ้างอิงมากที่สุด
Perplexity ให้น้ำหนักกับไดเรกทอรี B2B สื่ออุตสาหกรรม และข่าวประชาสัมพันธ์สูงกว่า ChatGPT ด้วย ซึ่งหมายความว่า การสร้างลิงก์ย้อนกลับและ Digital PR ผลตอบแทนบนช่องทาง Perplexity ตรงกว่า การส่งข่าวบริษัทไปยังสื่ออุตสาหกรรมหรือเติมข้อมูลบริษัทให้ครบในไดเรกทอรี B2B ไม่ใช่เพื่อลิงก์ภายนอก SEO แต่เพื่อให้ถูกอ้างอิงร่วมในคำตอบของ Perplexity
ห้า แยกตั้งระบบติดตาม: ชุดคำถามจะประกอบอย่างไร
อย่าใช้ชุดคำถามของสามเอนจินปนกัน แต่ละเจ้าควรมีอย่างน้อย 10 ถึง 15 คำถาม ครอบคลุมสามประเภท คือ คำถามเกี่ยวกับแบรนด์ คำถามเกี่ยวกับหมวดหมู่สินค้า และคำถามเปรียบเทียบ
| ประเภทคำถาม | ตัวอย่าง | เป้าหมายการติดตาม |
|---|---|---|
| คำค้นแบรนด์ | “บริษัท XX ทำธุรกิจอะไร” | ดูว่าการระบุเอนทิตีถูกต้องหรือไม่ |
| คำเชิงหมวดหมู่ | “อุณหภูมิใช้งานวาล์วปีผีเสื้อ PN16” | ดูอัตราการถูกอ้างอิงของประโยคข้อเท็จจริง |
| คำเชิงเปรียบเทียบ | “API 6D กับ 607 ต่างกันอย่างไร” | ดูว่าอยู่ร่วมอันดับกับคู่แข่งหรือไม่ |
| คำถามเชิงเลือกสินค้า | “เซนเซอร์อุตสาหกรรมเลือกความแม่นยำอย่างไร” | ดูทางเข้าของคำตอบแบบลองเทล |
รันตามเวลาที่กำหนดทุกสัปดาห์ บันทึกจำนวนครั้งที่ถูกอ้างอิง ตำแหน่งที่ถูกอ้างอิง และแหล่งที่ถูกอ้างอิงร่วมของแต่ละเอนจิน ตั้งค่าขีดจำกัดแยกกันทั้งสามเจ้า: แจ้งเตือนเมื่อเทียบสัปดาห์ต่อสัปดาห์ลดลง 10 เปอร์เซ็นต์ สคริปต์และแดชบอร์ดสำหรับติดตามดูได้ที่การวิเคราะห์ log ของ AI crawler และ ติดตามชุดคำถามคงที่รายเดือน。
ข้อเตือนเชิงปฏิบัติข้อสุดท้าย: ชุดคำถามต้องคงที่ ไม่เช่นนั้นจะเทียบกันขวางไม่ได้ ทุกครั้งที่เพิ่มคำถามใหม่จะเจือจางขนาดตัวอย่าง วิธีที่ถูกคือรันชุดคำถามเดิมต่อเนื่อง 3 เดือนเป็นค่าฐาน แล้วค่อย ๆ เพิ่มคำถามใหม่ คำถามเกี่ยวกับแบรนด์ยิ่งห้ามเปลี่ยน เพราะการที่โมเดลจดจำชื่อแบรนด์ต้องใช้เวลาทำให้เสถียร
FAQ คำถามที่พบบ่อย
ChatGPT, Gemini, Perplexity ตัวไหนสำคัญที่สุด
ทำไมหน้าเว็บของฉันถูกอ้างอิงใน Perplexity แต่ไม่ถูกอ้างอิงใน ChatGPT Search?
Gemini กับ AI Overviews ใช้กลไกการอ้างอิงชุดเดียวกันหรือไม่?
ทำไมจึงนำจำนวนการอ้างอิงของทั้งสามเจ้ามาบวกเป็นตัวเลขเดียวไม่ได้?
Perplexity ชอบอ้างอิงประโยคแบบไหนมากที่สุด?
ต้องสร้างคำถามกี่ข้อเพื่อติดตาม AI ทั้งสามเจ้า?
ทิ้งท้าย
การมองว่า AI search engine ทั้งสามเจ้าเป็นภาพรวมเดียวกันคือจุดบอดที่ทีม GEO พลาดกันบ่อยที่สุด แต่ละเจ้าเลือกแหล่งข้อมูลด้วยตรรกะคนละแบบ และทิศทางที่ต้องเสริมแหล่งข้อมูลก็ต่างกันด้วย: ChatGPT ต้องการการรับรองจากทั้งชุมชนและแหล่งทางการ, Gemini กิน Google index กับความสดใหม่, Perplexity ต้องการประโยคข้อเท็จจริงที่แน่นพอ ใช้เนื้อหาชุดเดียวเอาอยู่ทุกเจ้าไม่ realistic แต่ก็ไม่จำเป็นต้องทำสามชุด — เขียนประโยคข้อเท็จจริงให้แน่นก่อน แล้วค่อยเสริมการรับรองจากภายนอกให้เจ้าที่อ่อนที่สุด
สามขั้นตอนลงมือทำ: สัปดาห์นี้ตั้ง 10 คำถามในแต่ละเจ้าแล้วรัน baseline หนึ่งรอบ; สัปดาห์หน้าดูจาก baseline ว่าเจ้าตัวไหนอ่อนที่สุด เป็นปัญหาที่ประโยคข้อเท็จจริงหรือปัญหาที่การรับรองจากภายนอก; สัปดาห์ที่สามแก้เนื้อหาหรือเสริม backlink เฉพาะเจ้าที่อ่อนที่สุด แล้วอีก 4 สัปดาห์ค่อยทดสอบซ้ำ อย่าแก้ทั้งสามเจ้าพร้อมกัน ไม่งั้นจะดูไม่ออกว่าการกระทำไหนได้ผล
ประโยคเดียวที่จำได้: AI engine ทั้งสามเจ้าไม่ใช่ครูคนเดียวที่ตรวจข้อสอบสามชุด แต่เป็นผู้ตรวจสามคนที่มีจุดหักคะแนนต่างกัน — แยกกันจับตาดู ถึงจะรู้ว่าต้องเสริมวิชาไหน