ผู้ช่วย AI ตัดสินอย่างไรว่าจะแนะนำธุรกิจใด

สี่ขั้นตอนระหว่างพรอมต์กับชื่อ

พรอมต์อย่าง "ผมควรใช้ใครทำงานตกแต่งภายในเชิงพาณิชย์ในแมนเชสเตอร์" ไม่ใช่คำค้นหา ก่อนจะดึงอะไรมา ผู้ช่วย AI จะตัดสินก่อนว่าจำเป็นต้องใช้เว็บหรือไม่ แล้วจึงแตกคำขอนั้นออกเป็นคำค้นที่เป็นรูปธรรมหลายชุด โดยทั่วไปเป็นส่วนผสมของคำระบุหมวดหมู่ คำระบุทำเล และคำบอกเจตนาอย่าง "ดีที่สุด" "รีวิว" หรือ "เปรียบเทียบ" OpenAI อธิบายว่าการค้นหาของ ChatGPT คือการผสมโมเดลเข้ากับข้อมูลจากเว็บ แล้วคืนลิงก์ไปยังแหล่งข้อมูล แทนที่จะตอบจากข้อมูลฝึกล้วน ๆ (OpenAI)

การค้นหาคืนชุดผู้เข้าชิงกลับมา โดยทั่วไปคือ URL หลายสิบรายการ ซึ่งมีเพียงไม่กี่รายการที่ใส่ลงในบริบทการทำงานได้ จากนั้นชุดนั้นจะถูกกรอง บางแหล่งถูกถือว่าเชื่อถือได้สำหรับข้อกล่าวอ้างเชิงพาณิชย์ บางแหล่งถูกมองข้าม บางแหล่งถูกตัดออกเพราะผู้เผยแพร่บล็อกบ็อตไว้ ตัวอย่างเช่น การค้นหาเว็บของ Anthropic สำหรับ Claude จะคืนคำตอบพร้อมการอ้างอิงหน้าเว็บที่ใช้ (Anthropic) ซึ่งแปลว่าแหล่งข้อมูลรับน้ำหนักจริงและตรวจสอบได้

จากนั้นคือขั้นตอนที่ธุรกิจส่วนใหญ่ไม่เคยนึกถึง นั่นคือการระบุตัวตน ผู้ช่วย AI ต้องตัดสินว่า "Northgate Interiors" "Northgate Interiors Ltd" และผู้รับเหมาที่ถูกกล่าวถึงโดยไม่ระบุชื่อในบทความนิตยสารการค้า เป็นบริษัทเดียวกันหรือไม่ สุดท้ายคือการสังเคราะห์ โมเดลเขียนชื่อสองถึงห้าชื่อลงในเนื้อความ โดยลำดับถูกกำหนดจากว่าผู้เข้าชิงแต่ละรายปรากฏในหลักฐานที่ดึงมาได้หนักแน่นและสม่ำเสมอแค่ไหน

ทุกขั้นตอนคือตัวกรอง คุณอาจถูกเก็บข้อมูลได้ มีรีวิวดี และเป็นตัวเลือกที่ดีที่สุดจริง ๆ แต่ยังหลุดตอนระบุตัวตนได้ การวินิจฉัยว่าตัวกรองไหนคัดคุณออก มีประโยชน์กว่าคำแนะนำกว้าง ๆ เรื่อง "การปรับให้เหมาะกับ AI" ใด ๆ

ขั้นที่ 1 การดึงข้อมูล ถูกดึงได้ก่อน แล้วจึงถูกหาเจอ

ถ้าการดึงข้อมูลล้มเหลว ทุกอย่างถัดจากนั้นก็ไร้ความหมาย ผู้ช่วย AI แต่ละรายใช้บ็อตและดัชนีของตัวเอง และแต่ละรายเผยแพร่ user agent ที่เกี่ยวข้องไว้ OpenAI ระบุ OAI-SearchBot ไว้สำหรับแสดงเว็บไซต์ใน ChatGPT search ควบคู่กับ GPTBot สำหรับการฝึกโมเดล (OpenAI) และการบล็อกตัวหนึ่งไม่เท่ากับการบล็อกอีกตัว ไฟล์ robots.txt ที่เขียนไว้เมื่อปี 2023 เพื่อกันการฝึกโมเดล มักกันบ็อตของการค้นหาไปด้วย เป็นการตัดตัวเองออกที่ไม่มีงานคอนเทนต์ปริมาณไหนแก้ได้

ดัชนีที่อยู่เบื้องหลังผู้ช่วย AI ก็สำคัญไม่แพ้กัน Google ระบุว่าฟีเจอร์ AI ใน Search อาศัยระบบและการจัดทำดัชนีชุดเดียวกับ Search เอง และแนวทางก็คือ Search Essentials ชุดเดียวกัน (Google Search Central) ส่วน Microsoft Copilot สืบทอดดัชนีของ Bing ดังนั้นแนวทางสำหรับผู้ดูแลเว็บของ Bing เรื่องการเก็บข้อมูลได้ URL แบบ canonical และคุณภาพเนื้อหา คือคู่มือที่ใช้จริง (แนวทางผู้ดูแลเว็บของ Bing) ขณะที่ Perplexity เดินระบบค้นหาของตัวเองและอ้างอิงแหล่งข้อมูลไว้ในเนื้อความ พร้อมสร้างความสัมพันธ์เชิงพาณิชย์กับผู้เผยแพร่ผ่าน Publishers Program (Perplexity)

แล้วยังมีเรื่องคำค้นที่ไม่ตรงกัน ผู้ช่วย AI ค้นด้วยคำศัพท์ของผู้ใช้ ไม่ใช่คำศัพท์ในงานการตลาดของคุณ ธุรกิจที่อธิบายตัวเองว่าให้ "โซลูชันพื้นที่ทำงานแบบครบวงจร" จะล่องหนสำหรับการแตกคำค้นอย่าง "ผู้รับเหมาตกแต่งออฟฟิศ แมนเชสเตอร์" "บริษัทตกแต่งภายในเชิงพาณิชย์" และ "บริษัทตกแต่งออฟฟิศที่ดีที่สุด" ภาษาระบุหมวดหมู่ตรง ๆ บนหน้าบริการของคุณ ด้วยคำเดียวกับที่ผู้ซื้อใช้ คือสิ่งที่ทำให้หน้าเว็บถูกดึงมาใช้ได้สำหรับคำค้นที่รันจริง

สิ่งที่คุณกุมได้ตรงนี้ คือสิทธิ์เข้าถึงของบ็อต ความสามารถในการถูกจัดทำดัชนีระดับหน้า ความสดของหน้าสำคัญ และการที่คำศัพท์ของคุณตรงกับถ้อยคำค้นหาที่ผู้ช่วย AI น่าจะสร้างขึ้นหรือไม่

ขั้นที่ 2 ความน่าเชื่อถือของแหล่ง หน้าเว็บของแหล่งภายนอกมักเป็นคนเลือกรายชื่อผู้เข้ารอบ

เมื่อดึงเอกสารมาแล้ว เอกสารเหล่านั้นไม่เท่ากัน ผู้ช่วย AI พึ่งพาหน้าเว็บที่อ่านแล้วเหมือนการประเมินอย่างเป็นอิสระเป็นหลัก ทั้งไดเรกทอรี แพลตฟอร์มรีวิว สื่อของวงการ บทความเปรียบเทียบ รายชื่อสมาชิกสมาคม และโปรไฟล์บนมาร์เก็ตเพลส เพราะหน้าเหล่านั้นคือที่ที่มีรายการของตัวเลือกที่แข่งกันอยู่ เว็บไซต์ของผู้ขายเองนั้นดีเยี่ยมสำหรับยืนยันรายละเอียด แต่แย่มากในฐานะหลักฐานว่าเหนือกว่า ประโยคว่า "เราคือผู้ให้บริการชั้นนำ" คือข้อกล่าวอ้างที่โมเดลถูกฝึกมาให้หักลบน้ำหนัก

นี่คือเหตุผลที่รายชื่อผู้เข้ารอบในทางปฏิบัติมักถูกกำหนดไปแล้วก่อนที่เว็บไซต์ของคุณจะถูกอ่านด้วยซ้ำ ถ้าบทความรวมรายชื่อห้าชิ้นเกี่ยวกับหมวดหมู่ของคุณเอ่ยชื่อแปดบริษัท และคุณไม่อยู่ในชิ้นไหนเลย ชุดผู้เข้าชิงของผู้ช่วย AI ก็คือแปดรายนั้น เว็บไซต์ของคุณจะถูกดึงมาก็ต่อเมื่อจะเสริมรายละเอียดให้ชื่อที่ปรากฏอยู่แล้ว หรือไม่ถูกดึงมาเลย ความไม่สมมาตรนี้ฟังดูไม่สบายใจแต่ลงมือแก้ได้ การได้พื้นที่สักบรรทัดบนหน้าที่ติดอันดับอยู่แล้วสำหรับ "X ที่ดีที่สุดใน Y" พาคุณไปได้ไกลกว่าการเขียนหน้าแรกใหม่อีกรอบ

ความสอดคล้องข้ามแหล่งข้อมูลทำหน้าที่เป็นสัญญาณความน่าเชื่อถือชั้นที่สอง เมื่อหน้าเว็บอิสระหกหน้าอธิบายคุณเหมือนกัน ทั้งความเชี่ยวชาญเดียวกัน เมืองเดียวกัน ขนาดลูกค้าเดียวกัน โมเดลก็ถือว่าคำอธิบายนั้นเป็นข้อเท็จจริงที่ยุติแล้ว เมื่อขัดกันเอง โมเดลก็ออกตัว และตัวตนที่ถูกออกตัวมักถูกตัดออกจากคำตอบสั้น ๆ เพราะต้องเปลืองคำอธิบาย

ความสดใหม่สำคัญกว่าที่ทีมส่วนใหญ่คาด ผู้ช่วย AI ชอบเอกสารที่มีวันที่เป็นปัจจุบันสำหรับคำถามเชิงพาณิชย์ รายการในไดเรกทอรีปี 2019 ที่มีเบอร์โทรตายแล้วจึงแย่กว่าการไม่มีรายการเลย การตรวจสอบว่าคุณปรากฏอยู่ที่ไหนบ้างและตามแก้โปรไฟล์ที่ค้างเก่า เป็นงานที่ไม่หวือหวาแต่ส่งผลโดยตรงต่อการถูกดึงข้อมูล ด้านการวัดผลของเรื่องนี้เราเขียนไว้ในการมองเห็นใน AI

• หน้าที่สร้างรายชื่อผู้เข้ารอบ ได้แก่ บทรวมรายชื่อตามหมวดหมู่ รายการ "ดีที่สุด" บทความเปรียบเทียบและบทความเรื่องทางเลือกแทน แพลตฟอร์มรีวิว ไดเรกทอรีของวงการ และทะเบียนสมาชิกสมาคม
• หน้าที่ยืนยันรายละเอียด ได้แก่ หน้าบริการ หน้าราคา กรณีศึกษา หน้าเกี่ยวกับเรา และข้อมูลที่มีโครงสร้าง
• หน้าที่ทำร้ายคุณ ได้แก่ โปรไฟล์ล้าสมัยที่ข้อมูลติดต่อผิด รายการซ้ำที่ถูกทิ้งร้าง และหน้าที่อธิบายบริการที่คุณไม่ได้ทำแล้ว

ขั้นที่ 3 การระบุตัวตน การเป็นธุรกิจเดียวที่ไม่กำกวม

ตอนนี้โมเดลมีกองการกล่าวถึงอยู่ในมือ และต้องรวบมันให้เป็นตัวตน ตรงนี้เองที่ชื่อคล้ายกันมาก การรีแบรนด์ การมีหลายสาขา และโครงสร้างบริษัทโฮลดิ้ง สร้างความสูญเสียแบบเงียบ ๆ ถ้าหลักฐานเกี่ยวกับบริษัทของคุณกระจายอยู่ในสามตัวตนที่ไม่สมบูรณ์ ก็ไม่มีตัวไหนดูแข็งแรงพอจะถูกแนะนำ ทั้งที่ถ้ารวมกันแล้วแข็งแรงพอ

ตัวตนที่เครื่องอ่านได้คือทางแก้ที่ถูกที่สุดเท่าที่มี เอกสารข้อมูลที่มีโครงสร้างของ Google สำหรับธุรกิจในพื้นที่ระบุคุณสมบัติที่ใช้อธิบายธุรกิจซึ่งมีหน้าร้านจริง ทั้งชื่อ ที่อยู่ เบอร์โทร เวลาทำการ พิกัด และช่วงราคา (Google Search Central) ส่วนคุณสมบัติ sameAs ของ Schema.org มีอยู่เพื่อการนี้โดยเฉพาะ คือเพื่อเชื่อมหน้าเว็บของคุณเข้ากับแหล่งอ้างอิงหลักของตัวตนเดียวกัน เช่น โปรไฟล์ทางการหรือหน้าในฐานความรู้ (Schema.org) การกรอกสิ่งเหล่านี้ทำให้บ็อตทุกตัวได้รับคำประกาศชุดเดียวกันอย่างไม่กำกวมว่าคุณคือใคร

ที่เหลือคือวินัย ใช้รูปแบบชื่อจดทะเบียนบวกชื่อทางการค้าแบบเดียวทุกที่ คงคำระบุหมวดหมู่ชุดเดิมไว้ทั้งในแท็กชื่อเรื่อง ในโปรไฟล์ตามไดเรกทอรี และในคำอธิบายบน LinkedIn ตรวจให้แน่ใจว่าที่อยู่และเบอร์โทรในรายการของแหล่งภายนอกตรงกับเว็บไซต์ของคุณทุกตัวอักษร ถ้ามีหลายสาขา ให้แต่ละสาขามีหน้าเว็บของตัวเองที่จัดทำดัชนีได้พร้อมข้อมูลที่มีโครงสร้างของตัวเอง แทนที่จะใช้หน้าเดียวแล้วให้เลือกจากเมนูดรอปดาวน์

ผู้ช่วย AI ยังระบุตัวตนจากการปรากฏร่วมกันด้วย นั่นคือแบรนด์ เทคโนโลยี การรับรองมาตรฐาน และประเภทลูกค้าที่ปรากฏใกล้ชื่อคุณ ถ้าไม่มีอะไรในหลักฐานที่ดึงมาเชื่อมคุณเข้ากับบริการเฉพาะที่พรอมต์ถามถึง คุณก็จะถูกระบุเป็นบริษัททั่ว ๆ ไปในอุตสาหกรรมของคุณ คือถูกดึงมาได้ แต่ไม่มีวันเป็นคำตอบของคำถามเจาะจง

ขั้นที่ 4 การสังเคราะห์ รายชื่อผู้เข้ารอบกลายเป็นประโยคได้อย่างไร

ตอนสังเคราะห์ โมเดลอาจมีข้อความที่ดึงมาราวห้าพันถึงสองหมื่นคำ และต้องผลิตออกมาให้ได้ราวหนึ่งร้อยยี่สิบคำ การบีบอัดเป็นตัวตัดสินทุกอย่าง ผู้เข้าชิงที่มีข้อความชัดเจนซึ่งยกไปอ้างได้หนุนอยู่จะรอด ส่วนผู้เข้าชิงที่ต้องอาศัยการอนุมานจะถูกตัดทิ้ง เพราะโมเดลไม่มีที่ว่างให้โต้แย้ง

ตำแหน่งภายในบริบทที่ดึงมามีผลที่วัดได้ Liu และคณะแสดงให้เห็นว่าโมเดลภาษาใช้ข้อมูลได้ดีที่สุดเมื่อข้อมูลนั้นอยู่ต้นหรือท้ายของอินพุตยาว ๆ และความแม่นยำลดลงอย่างสังเกตได้เมื่อข้อความสำคัญไปอยู่ตรงกลาง (Liu และคณะ, "Lost in the Middle") ในทางปฏิบัตินี่ให้รางวัลกับโครงสร้างเนื้อหา ข้อกล่าวอ้างที่วางไว้ในประโยคแรกของหัวข้อหนึ่ง หรืออยู่ในตารางเปรียบเทียบที่มีป้ายชัดเจน มีโอกาสรอดจากการบีบอัดมากกว่าข้อกล่าวอ้างเดียวกันที่อยู่ในย่อหน้าที่เก้ามาก

รูปทรงของคำตอบยังเดินตามรูปทรงของแหล่งข้อมูลด้วย ถ้าเอกสารที่ดึงมาเป็นบทความเปรียบเทียบ คุณก็ได้คำตอบแบบเปรียบเทียบ ถ้าเป็นหน้ารีวิว คุณก็ได้เรื่องความรู้สึก ถ้าแหล่งใดวางกรอบตลาดไว้แล้วว่า "สามตัวเลือกระดับองค์กรกับสองตัวเลือกราคาประหยัด" ผู้ช่วย AI ก็มักผลิตกรอบนั้นซ้ำแล้วเสียบชื่อลงไป ใครที่เขียนกรอบซึ่งถูกดึงไปใช้ ย่อมมีอิทธิพลมากกว่าคนที่เขียนข้อความขายได้ดีที่สุด

สุดท้าย โมเดลต้องมีเหตุผลที่จะเอ่ยชื่อคุณ ประโยคว่า "เหมาะกับอุตสาหกรรมที่มีการกำกับดูแลเพราะได้รับการรับรอง ISO 27001" คือประโยคที่ผู้ช่วย AI ยกไปใช้และปกป้องได้ ส่วน "รางวัลการันตีและใส่ใจลูกค้า" ไม่ใช่ การเผยแพร่เงื่อนไขที่เจาะจงและตรวจสอบได้ซึ่งผู้ซื้อใช้กรอง ทั้งภาคธุรกิจ ขนาดดีล พื้นที่ การปฏิบัติตามข้อกำหนด การเชื่อมต่อระบบ และระยะเวลาส่งมอบ คือการจัดหาจุดต่างที่ทำให้คุณกลายเป็นสิ่งที่ยกไปอ้างได้

ทำไมพรอมต์เดียวกันจึงให้คำตอบต่างกันในแต่ละผู้ช่วย AI

ความต่างนี้เป็นเรื่องเชิงโครงสร้าง ไม่ใช่ความบังเอิญ Copilot ตอบจากดัชนีของ Bing ฟีเจอร์ AI ของ Gemini ทำงานบนระบบและการจัดทำดัชนีของ Google Search (Google Search Central) Perplexity ค้นผ่านระบบของตัวเองและอ้างอิงในเนื้อความ Claude ค้นเว็บและแนบการอ้างอิงไว้กับข้อความที่ดึงมาจากที่นั่น (Anthropic) ส่วนการค้นหาของ ChatGPT ผสมโมเดลเข้ากับข้อมูลจากเว็บแล้วลิงก์ออกไป (OpenAI) ดัชนีต่างกันก็มีเอกสารต่างกัน และรีเฟรชคนละจังหวะ คำถามเดียวกัน หลักฐานคนละชุด

เหนือจากนั้นยังมีต้นตอความแปรผันอีกสี่อย่าง การแตกคำค้นต่างกัน คำค้นที่รันจริงจึงไม่เหมือนกัน การสุ่มทำให้การสร้างข้อความไม่ตายตัว ผู้ช่วย AI รายเดียวกันจึงให้ลำดับต่างกันได้สองครั้งติด การระบุตำแหน่งทำให้ผลลัพธ์ขยับตามประเทศและเมืองที่อนุมานได้ และการปรับให้เข้ากับผู้ใช้ ทั้งประวัติแชตหรือฟีเจอร์ความจำ ก็ทำให้คำตอบของผู้ใช้คนหนึ่งเอนไปหาแบรนด์ที่เขาเคยพูดถึงมาก่อน

ผลในทางปฏิบัติคือ การสุ่มตรวจครั้งเดียวแทบไม่บอกอะไรเลย การจะรู้ว่าคุณถูกแนะนำหรือไม่ ต้องใช้ชุดพรอมต์ที่สะท้อนเจตนาซื้อชุดเดียวกัน รันซ้ำ ๆ ข้ามผู้ช่วย AI หลายราย จากพื้นที่ที่คุณขายจริง พร้อมเก็บแหล่งที่ถูกอ้างอิงไว้ทุกครั้ง นั่นคือสิ่งที่ Growli ทำ เราติดตามการถูกกล่าวถึง การเปรียบเทียบ และคำแนะนำ แยกรายผู้ช่วย AI แสดงว่าคำตอบถูกสร้างจากแหล่งใด แล้วเปลี่ยนช่องว่างให้เป็นรายการสิ่งที่ต้องแก้ที่จัดลำดับแล้ว ดูได้ที่หน้าวิธีการทำงาน

การวินิจฉัยก็เดินตามสี่ขั้นเดียวกัน ไม่เคยถูกดึงข้อมูลเลยใช่ไหม ให้สงสัยสิทธิ์เข้าถึงของบ็อตหรือคำค้นที่ไม่ตรงกัน ถูกดึงมาแต่ไม่เคยถูกเอ่ยชื่อใช่ไหม ให้สงสัยความน่าเชื่อถือของแหล่งหรือความกำกวมของตัวตน ถูกเอ่ยชื่อแต่ถูกอธิบายผิดใช่ไหม แปลว่ามีแหล่งค้างเก่าแหล่งหนึ่งกำลังชนะอยู่ และระบุตัวมันได้จากรายการอ้างอิง

สิ่งที่คุณมีอิทธิพลได้จริง ทีละขั้น

แทบไม่มีอะไรในกระบวนการนี้ที่ตอบสนองต่อการโน้มน้าว และแทบทุกอย่างตอบสนองต่อหลักฐาน งานแบ่งตามขั้นตอนได้อย่างสะอาด และควรทำเรียงตามลำดับนั้นมากกว่าจะทำทุกอย่างพร้อมกัน

ในขั้นการดึงข้อมูล คันโยกเป็นเรื่องเทคนิคและภาษา ให้อนุญาตบ็อตค้นหาที่คุณต้องการ โดยตรวจ user agent ที่แต่ละแพลตฟอร์มระบุไว้ รักษาหน้าเชิงพาณิชย์ที่สำคัญให้จัดทำดัชนีได้และเป็นปัจจุบัน และใช้คำระบุหมวดหมู่ตรง ๆ ที่ผู้ซื้อของคุณพิมพ์ ในขั้นความน่าเชื่อถือของแหล่ง คันโยกอยู่ภายนอก ให้เข้าไปอยู่ในบทรวมรายชื่อและไดเรกทอรีที่ติดอันดับอยู่แล้วสำหรับพรอมต์ในหมวดหมู่ของคุณ แก้โปรไฟล์ที่ค้างเก่า และทำให้คำอธิบายจากแหล่งอิสระตรงกัน

ในขั้นการระบุตัวตน คันโยกเป็นเรื่องโครงสร้าง ทั้งรูปแบบการตั้งชื่อแบบเดียว ข้อมูลติดต่อที่ตรงกันทุกที่ ข้อมูลที่มีโครงสร้างแบบ LocalBusiness หรือ Organization และลิงก์ sameAs ไปยังโปรไฟล์ทางการของคุณ ในขั้นการสังเคราะห์ คันโยกเป็นเรื่องบรรณาธิการ ให้ระบุข้อเท็จจริงที่เป็นเงื่อนไขไว้ในประโยคแรกของหัวข้อ เผยแพร่เนื้อหาที่มีรูปทรงของการเปรียบเทียบพร้อมตาราง และให้จุดต่างที่ตรวจสอบได้แก่โมเดล เพื่อให้มันยกไปอ้างได้โดยไม่เสี่ยง

ไม่มีข้อไหนเป็นลูกเล่น และไม่มีข้อไหนอยู่ถาวร ดัชนีถูกรีเฟรช คู่แข่งเผยแพร่งานใหม่ และผู้ช่วย AI เปลี่ยนพฤติกรรมการค้นหาโดยไม่ประกาศ วงจรการวัดผลจึงสำคัญพอ ๆ กับการแก้ไข ธุรกิจที่ถูกแนะนำอย่างสม่ำเสมอคือธุรกิจที่ฐานหลักฐานของตัวเองหาเจอง่าย เชื่อถือง่าย และเป็นไปไม่ได้ที่จะสับสนกับของใครอื่น

FAQ