ทีมวิจัยของ Google เผยแพร่งานวิจัยบน arXiv ชื่อ "Empty Shelves or Lost Keys? Recall Is the Bottleneck for Parametric Factuality" ซึ่งระบุว่าโมเดลภาษาขนาดใหญ่รุ่นแนวหน้าเก็บข้อเท็จจริงจากข้อมูลฝึกไว้ได้ 95 ถึง 98 เปอร์เซ็นต์ แต่กลับเรียกคืนข้อเท็จจริงเหล่านั้นออกมาตรง ๆ ไม่ได้ 26 ถึง 34 เปอร์เซ็นต์ Search Engine Journal รายงานงานวิจัยชิ้นนี้เมื่อวันที่ 17 สิงหาคม 2026 และจุดที่สำคัญที่สุดสำหรับคนที่ทำงานเรื่องการมองเห็นในคำตอบของ AI คือตัวกระตุ้นที่นักวิจัยชี้ไว้ นั่นคือลำดับของเอนทิตี หรือการที่คำถามเอ่ยถึงฝั่งไหนของข้อเท็จจริงก่อน
Google ยังเผยแพร่บทอธิบายควบคู่กันในชื่อ "Why does recall fail?" ข้อสรุปของทั้งสองชิ้นตรงกัน เวลาที่โมเดลตอบข้อเท็จจริงผิด ส่วนใหญ่ไม่ใช่เพราะข้อเท็จจริงนั้นหายไปจากพารามิเตอร์ ข้อมูลยังอยู่ในนั้น แต่โมเดลเข้าไปหยิบไม่ได้ด้วยรูปประโยคที่ได้รับมา
งานวิจัยวัดอะไร
นักวิจัยแยกความล้มเหลวสองแบบที่มองจากภายนอกแล้วเหมือนกันทุกอย่างออกจากกัน แบบแรกคือโมเดลไม่เคยเรียนรู้ข้อเท็จจริงนั้นเลย แบบที่สองคือโมเดลเรียนรู้ไปแล้วแต่ดึงออกมาตอนถูกถามไม่ได้ ชื่องานวิจัยคือคำเปรียบเทียบของการแยกนี้ ชั้นวางที่ว่างเปล่า เทียบกับกุญแจที่หาไม่เจอ ผลที่ได้จากโมเดลรุ่นแนวหน้าคือชั้นวางเกือบเต็ม ข้อเท็จจริงที่ทดสอบถูกเก็บไว้ระหว่างการฝึก 95 ถึง 98 เปอร์เซ็นต์ แล้วการเรียกคืนแบบตรง ๆ ล้มเหลว 26 ถึง 34 เปอร์เซ็นต์ของข้อเท็จจริงเหล่านั้น
วิธีพิสูจน์ว่าข้อเท็จจริงถูกเก็บไว้จริง ไม่ใช่ไม่มีอยู่ คือส่วนที่ทำให้ผลลัพธ์นี้เถียงยาก เมื่อโมเดลตอบคำถามปลายเปิดไม่ได้ นักวิจัยเอาข้อเท็จจริงเดียวกันมาถามใหม่ในรูปแบบตัวเลือก แล้วโมเดลเลือกข้อที่ถูก โมเดลไม่มีทางเลือกถูกในอัตรานั้นได้ถ้าไม่เคยเก็บข้อเท็จจริงไว้เลย ปัญหาจึงอยู่ที่การดึงข้อมูล ไม่ใช่ที่ตัวความรู้
ตัวเลขที่ตามมาคือตัวเลขที่มีน้ำหนักที่สุด งานวิจัยระบุว่าความล้มเหลวในการเรียกคืนข้อมูลเป็นต้นเหตุของข้อผิดพลาดเชิงข้อเท็จจริงใน GPT-5.2 มากกว่า 70 เปอร์เซ็นต์ สิ่งที่คนเรียกกันว่าอาการหลอนของโมเดล ในการทดสอบชุดนี้ ส่วนใหญ่จึงเป็นปัญหาการค้นข้อมูลภายใน ไม่ใช่การกุเรื่องขึ้นมาใหม่
ตัวอย่าง Oasis และเหตุผลที่การเปลี่ยนคำถามไม่ช่วย
ตัวอย่างที่งานวิจัยใช้คือข้อเท็จจริงที่ว่าวง Oasis เล่นคอนเสิร์ตครั้งแรกที่ Boardwalk club โดย Oasis เป็นประธานและ Boardwalk club เป็นกรรม ถ้าถามตามลำดับเดียวกับที่ข้อเท็จจริงปรากฏในข้อมูลฝึก โมเดลตอบได้ แต่ถ้าสลับสองเอนทิตีให้คำถามเริ่มจากสถานที่แล้วถามว่าวงไหนเล่นที่นั่นเป็นครั้งแรก การเรียกคืนข้อมูลแย่ลงอย่างชัดเจน ทั้งที่คำถามสลับลำดับแบบเดียวกันในรูปตัวเลือกยังตอบถูก ซึ่งเป็นหลักฐานว่าข้อเท็จจริงไม่ได้หายไปจากโมเดล
งานวิจัยระบุว่าการเปลี่ยนถ้อยคำแทบไม่มีผล เปลี่ยนคำพ้อง เปลี่ยนโครงประโยค ถามด้วยภาษาที่เป็นธรรมชาติขึ้น ผลลัพธ์ก็ขยับน้อยมาก สิ่งที่ทำให้พังคือการสลับลำดับประธานและกรรม ประเด็นนี้น่าคิด เพราะคำแนะนำเรื่องการเขียนคอนเทนต์ให้ตอบคำถามได้ชัดเจนส่วนใหญ่พูดถึงถ้อยคำ ซึ่งเป็นตัวแปรที่งานวิจัยบอกว่าไม่ใช่ต้นเหตุ
ข้อเท็จจริงแบบลองเทลและข้อเท็จจริงที่พบได้ยากคือกลุ่มที่ล้มเหลวหนักที่สุด ข้อเท็จจริงที่ปรากฏอยู่ในหน้าเว็บนับพันหน้าถูกเขียนจากหลายมุมและหลายลำดับระหว่างการฝึก เส้นทางเข้าถึงจึงมีมากกว่าหนึ่งทาง ส่วนข้อเท็จจริงที่ปรากฏยี่สิบครั้งด้วยรูปประโยคเดิมทุกครั้งมีทางเข้าอยู่ทางเดียว พอคำถามมาจากอีกด้าน ก็ไม่เจออะไรเลย
ตัวเลขที่รายงานไว้
ตัวเลขทุกบรรทัดด้านล่างมาจากงานวิจัยตามที่ Search Engine Journal รายงานเมื่อวันที่ 17 สิงหาคม 2026 ไม่มีการประมาณการหรือคำนวณเพิ่มในบทความนี้
| สิ่งที่วัด | ตัวเลขที่รายงาน |
|---|---|
| ข้อเท็จจริงที่ถูกเก็บไว้ระหว่างการฝึก | 95 ถึง 98 เปอร์เซ็นต์ |
| ข้อเท็จจริงที่เก็บไว้แล้วแต่เรียกคืนตรง ๆ ไม่ได้ | 26 ถึง 34 เปอร์เซ็นต์ |
| ข้อเท็จจริงที่ยังเรียกคืนไม่ได้แม้เปิดโหมดคิดยาว | 11 ถึง 12 เปอร์เซ็นต์ |
| ข้อเท็จจริงที่กู้กลับมาได้ด้วยการให้โมเดลคิดยาวขึ้น | 40 ถึง 65 เปอร์เซ็นต์ |
| สัดส่วนข้อผิดพลาดของ GPT-5.2 ที่มาจากการเรียกคืนล้มเหลว | มากกว่า 70 เปอร์เซ็นต์ |
การให้โมเดลคิดนานขึ้นช่วยได้ แต่ไม่ได้แก้ปัญหา
การให้โมเดลใช้เวลาคิดนานขึ้นกู้ข้อเท็จจริงที่เดิมดึงออกมาไม่ได้กลับมาได้ 40 ถึง 65 เปอร์เซ็นต์ ถือว่าเยอะ และก็ไม่ได้มาฟรี การคิดยาวกินทรัพยากรประมวลผล ซึ่งแปลเป็นเวลารอและค่าใช้จ่าย ไม่มีหน้าจอค้นหาสำหรับผู้ใช้ทั่วไปที่จะยอมจ่ายงบการคิดระดับนั้นกับทุกคำถามธรรมดา และ Search Engine Journal ยังรายงานว่ามีข้อเท็จจริงอีก 11 ถึง 12 เปอร์เซ็นต์ที่เรียกคืนไม่ได้อยู่ดีแม้เปิดโหมดคิด
นักวิจัยยังปิดประตูทางแก้ที่คนคิดถึงเป็นอย่างแรกด้วย การเพิ่มปริมาณข้อมูลฝึกไม่ได้ทำให้คอขวดการเรียกคืนข้อมูลหายไป ข้อมูลที่เพิ่มเข้ามาก็แค่วางของบนชั้นเพิ่ม แต่ไม่ได้แจกกุญแจเพิ่ม ถ้าเส้นทางการดึงข้อมูลคือจุดที่พัง การเติมของในคลังก็ไม่ได้ซ่อมเส้นทางนั้น
ข้อสรุปด้าน SEO ที่งานวิจัยไม่ได้ทดสอบ
ตรงนี้ต้องระวัง ข้อสรุปที่ชวนให้เชื่อคือผู้เผยแพร่ควรเขียนข้อเท็จจริงเกี่ยวกับแบรนด์ตามลำดับประธานและกรรมแบบเดียวกับที่คนใช้ตอนตั้งคำถาม เพื่อให้รูปแบบที่ถูกเก็บไว้ตรงกับรูปแบบของคำถาม Search Engine Journal ระบุชัดว่าแนวคิดนี้ "not a finding in the research paper" และยังไม่ได้รับการพิสูจน์ สื่อนำเสนอไว้ในฐานะข้อสันนิษฐานที่ฟังดูมีเหตุผล ไม่ใช่ผลการทดลอง และบทความนี้ขอย้ำแบบเดียวกันว่านี่คือการอนุมาน งานวิจัยไม่ได้ทดสอบเรื่องนี้
งานวิจัยศึกษาการเรียกคืนข้อเท็จจริงที่ถูกเก็บไว้ตั้งแต่ขั้นตอนการฝึกล่วงหน้าแล้ว ไม่ได้ทดสอบว่าการเปลี่ยนวิธีเขียนข้อเท็จจริงบนหน้าเว็บสาธารณะจะเปลี่ยนวิธีที่โมเดลดึงข้อมูลนั้นในภายหลังหรือไม่ สองเรื่องนี้เป็นการทดลองคนละชุด และมีข้อต่อหลายจุดระหว่างทางที่ยังไม่มีใครทดสอบ หน้าเว็บของคุณอยู่ในข้อมูลฝึกหรือเปล่า ตัวแทนข้อมูลภายในโมเดลรักษาลำดับประธานและกรรมของประโยคต้นทางไว้จริงไหม การเลือกใช้ถ้อยคำจะรอดผ่านกระบวนการเตรียมข้อมูลระหว่างการเก็บหน้าเว็บกับการฝึกโมเดลหรือไม่ และคำตอบแบบที่ดึงเอกสารสดมาอ่านตอนตอบ ทำงานเหมือนการเรียกคืนจากพารามิเตอร์หรือเปล่า
จุดยืนที่ตรงไปตรงมาคือเรื่องลำดับเอนทิตีในคำตอบของ AI เป็นสมมติฐานที่ควรทดลองกับหน้าเว็บของตัวเอง ไม่ใช่แนวปฏิบัติที่มีหลักฐานรองรับ การเขียนข้อเท็จจริงทั้งสองลำดับใช้พื้นที่แค่ประโยคเดียว ถ้าไม่ได้ผลก็ไม่เสียหายอะไร นั่นคือเหตุผลที่พอฟังขึ้นสำหรับการลองกับหน้าไม่กี่หน้าแล้วดูผล แต่ไม่ใช่เหตุผลที่จะรื้อเขียนทั้งเว็บ และไม่ควรใส่ในเอกสารนำเสนอลูกค้าในฐานะข้อค้นพบ
ใครได้รับผลกระทบ และใครไม่
ผลกระทบไม่เท่ากัน และงานวิจัยชี้ไว้ว่าอยู่ตรงไหน ข้อเท็จจริงเกี่ยวกับเอนทิตีที่ปรากฏในข้อมูลฝึกอยู่ตลอด เช่น แบรนด์ผู้บริโภครายใหญ่ บริษัทจดทะเบียน หรือสถานที่ที่คนรู้จักทั้งโลก ถูกเขียนถึงจากทุกมุมมาแล้ว คำถามที่สลับลำดับจึงยังตอบได้ ส่วนข้อเท็จจริงเกี่ยวกับเอนทิตีที่ปรากฏน้อยมักมีรูปประโยคมาตรฐานอยู่แบบเดียวและไม่มีทางเข้าเส้นที่สอง
บริษัท B2B ส่วนใหญ่ ธุรกิจบริการระดับภูมิภาค คลินิก ผู้ให้บริการซอฟต์แวร์ในประเทศ และแบรนด์ที่ไม่ได้ใช้ภาษาอังกฤษ อยู่ในกลุ่มหลังแทบทั้งหมด นี่คือคำอธิบายเชิงกลไกของอาการที่หลายคนเห็นมานานโดยไม่มีคำอธิบาย แบรนด์อยู่ในข้อมูลฝึก ถามชื่อตรง ๆ โมเดลก็อธิบายได้ถูก แต่พอถามจากฝั่งหมวดหมู่ว่าใครทำเรื่องนี้บ้าง ชื่อนั้นกลับไม่โผล่ ตามกรอบของงานวิจัยนี้ อาการแบบนั้นคือการเรียกคืนล้มเหลว ไม่ใช่การไม่มีข้อมูล
มีเส้นแบ่งหนึ่งที่ต้องขีดไว้ งานวิจัยนี้พูดถึงการเรียกคืนจากพารามิเตอร์ คือสิ่งที่โมเดลตอบจากน้ำหนักของตัวเองโดยไม่ค้นข้อมูลสด ขณะที่ AI Overviews โหมดค้นหาของ ChatGPT และ Perplexity ดึงเอกสารมาอ่านตอนตอบในหลายคำถาม คำตอบแบบอ้างอิงเอกสารสดเป็นคนละกลไก และงานวิจัยไม่ได้อ้างว่าอธิบายกลไกนั้น ในกรณีที่ระบบอ่านหน้าเว็บของคุณสด ๆ งานพื้นฐานเรื่องการให้บอทเข้าถึงได้ ข้อมูลใหม่ และเนื้อหาที่หยิบไปอ้างได้ง่าย ยังเป็นตัวตัดสินเหมือนเดิม
สิ่งที่นักการตลาดตรวจสอบได้จริง
ทุกข้อด้านล่างไม่ได้อิงกับข้อสรุปที่ยังไม่ถูกทดสอบ แต่อิงกับสิ่งที่งานวิจัยบอกไว้เองว่าข้อเท็จจริงแบบไหนเปราะบาง
- ถามโมเดลจากสองทิศทาง เอ่ยชื่อแบรนด์แล้วถามว่าทำอะไร จากนั้นอธิบายสิ่งที่แบรนด์ทำแล้วถามว่ามีแบรนด์ไหนทำบ้าง ถ้าคำตอบสองชุดนี้ไม่ตรงกัน นั่นคือรูปแบบการเรียกคืนล้มเหลวที่งานวิจัยอธิบายไว้
- ทดสอบแยกภาษาไทยกับภาษาอังกฤษ ข้อเท็จจริงที่ตอบได้ในภาษาหนึ่งอาจตอบไม่ได้ในอีกภาษา และรายงานไม่ได้ให้เหตุผลใดที่จะสรุปว่าทั้งสองภาษาทำงานเหมือนกัน
- ทำรายการข้อเท็จจริงที่ต้องการให้ถูกดึงออกมาจริง ๆ ขายอะไร ทำธุรกิจในพื้นที่ไหน ลูกค้าคือใคร มีใบรับรองอะไร ประโยคเหล่านี้คือสิ่งที่ควรตรวจ ไม่ใช่ทั้งเว็บไซต์
- ตรวจว่าข้อเท็จจริงแต่ละข้อมีอยู่นอกโดเมนของคุณเองหรือไม่ ข้อเท็จจริงที่ระบุไว้เฉพาะบนเว็บตัวเองมีแหล่งเดียวและรูปประโยคเดียวรองรับ ซึ่งตรงกับลักษณะเปราะบางที่งานวิจัยอธิบาย
- แยกปัญหาการมองเห็นสองแบบออกจากกันก่อนลงงบ การไม่ปรากฏในคำตอบที่อ้างอิงหน้าเว็บสดคือปัญหาการเก็บข้อมูลและการถูกอ้างอิง ส่วนการไม่ปรากฏในคำตอบที่โมเดลตอบเองโดยไม่อ้างแหล่ง ใกล้เคียงกับสิ่งที่งานวิจัยนี้พูดถึงมากกว่า
งานที่ดูแลว่าแบรนด์ถูกอธิบายอย่างไรทั่วทั้งเว็บอยู่ในขอบเขตของ การทำ GEO ส่วนงานฝั่งการเก็บข้อมูลและการถูกอ้างอิงใกล้กับ AI SEO มากกว่า งานวิจัยชิ้นนี้เป็นเหตุผลที่ดีในการแยกสองสายงานนี้ออกจากกันให้ชัด แทนที่จะรวมเป็นแผนเดียว
สิ่งที่รายงานไม่ได้บอก
การบอกให้ชัดว่าอะไรที่ยังไม่รู้ เป็นส่วนหนึ่งของการรายงานอย่างถูกต้อง
- ไม่มีการประกาศเปลี่ยนแปลงผลิตภัณฑ์ใด ไม่มีอัปเดตอันดับ ไม่มีการเปลี่ยน AI Overviews และไม่มีกำหนดปล่อยอะไรผูกกับงานวิจัยนี้
- รายงานไม่ได้ระบุว่าทดสอบภาษาใดบ้าง จึงยังสรุปเรื่องพฤติกรรมกับภาษาไทยโดยเฉพาะไม่ได้
- ตัวเลขมากกว่า 70 เปอร์เซ็นต์ผูกกับ GPT-5.2 ไม่ได้นำเสนอว่าเป็นตัวเลขที่ใช้ได้กับทุกโมเดล
- งานวิจัยไม่ได้บอกว่าข้อเท็จจริงต้องปรากฏกี่ครั้งหรือกี่ลำดับจึงจะมีเส้นทางเรียกคืนครบทั้งสองทาง ไม่มีเกณฑ์ตัวเลขในรายงาน
- ไม่มีข้อความใดในรายงานที่บอกว่าผู้เผยแพร่เนื้อหามีอิทธิพลต่อการเรียกคืนได้ นั่นคือส่วนที่เป็นการอนุมานและยังไม่ถูกทดสอบ
เรื่องนี้หมายถึงอะไรกับนักการตลาดไทย
ตามนิยามของงานวิจัยนี้ แบรนด์ไทยแทบทั้งหมดคือเอนทิตีแบบลองเทล คลินิกในกรุงเทพ โรงงานผู้ผลิตของไทย หรือซอฟต์แวร์ที่ขายในประเทศ ปรากฏในข้อมูลฝึกจำนวนไม่มากเมื่อเทียบกับแบรนด์ระดับโลก และมักปรากฏด้วยรูปประโยคตายตัวแบบเดียว นี่คือลักษณะที่งานวิจัยระบุว่าเรียกคืนล้มเหลวหนักที่สุด ซึ่งพอจะอธิบายได้ว่าทำไมแบรนด์ไทยที่คนในตลาดรู้จักดีมาก ถึงหายไปจากคำตอบภาษาอังกฤษที่ AI ให้เกี่ยวกับหมวดหมู่ของตัวเอง
แหล่งข่าวไม่ได้พูดถึงประเทศไทยเลย ไม่ได้ทดสอบภาษาไทย และไม่มีตัวเลขใดในนั้นที่ชี้มาที่ตลาดไทยได้ สิ่งที่พูดได้คือถ้ากลไกนี้ทำงานข้ามภาษา แบรนด์ที่มีการกล่าวถึงบางและซ้ำรูปแบบเดิมคือกลุ่มที่เสี่ยงที่สุด และแบรนด์ไทยอยู่ในกลุ่มนั้นในสัดส่วนที่สูงกว่าค่าเฉลี่ย
ข้อสรุปเชิงปฏิบัติจึงไม่หวือหวาและไม่ต้องพึ่งส่วนที่ยังไม่ถูกทดสอบ การทำให้ข้อเท็จจริงหลักของแบรนด์ถูกพูดถึงในที่มากขึ้น โดยบุคคลที่สามมากขึ้น และด้วยรูปประโยคมากกว่าแบบเดียว เป็นโจทย์ของการสร้างลิงก์และงานประชาสัมพันธ์ดิจิทัลก่อนจะเป็นโจทย์ของการเขียนคอนเทนต์ ส่วนการเรียงลำดับประธานและกรรมให้ตรงกับวิธีที่คนไทยถามจริง เป็นการทดลองราคาถูกที่ทำเพิ่มได้ ควรลอง แต่ไม่ควรขายในฐานะเทคนิคที่พิสูจน์แล้ว
คำถามที่พบบ่อย
แปลว่าโมเดล AI กำลังกุข้อเท็จจริงที่ไม่เคยเรียนรู้ใช่หรือไม่
ตามงานวิจัยนี้ ส่วนใหญ่ไม่ใช่ ความล้มเหลวในการเรียกคืนข้อมูลเป็นต้นเหตุของข้อผิดพลาดเชิงข้อเท็จจริงใน GPT-5.2 มากกว่า 70 เปอร์เซ็นต์ แปลว่าโมเดลมีข้อเท็จจริงอยู่แล้วแต่ดึงออกมาไม่ได้ นักวิจัยยืนยันด้วยการนำคำถามที่ตอบไม่ได้กลับมาถามใหม่ในรูปแบบตัวเลือก แล้วโมเดลเดิมเลือกคำตอบที่ถูก
ควรรื้อเขียนหน้าเว็บให้ข้อเท็จจริงเรียงตามลำดับที่คนค้นหาหรือไม่
ยังไม่มีหลักฐานว่าวิธีนี้ได้ผล และ Search Engine Journal ระบุว่าแนวคิดนี้ไม่ใช่ข้อค้นพบในงานวิจัย งานวิจัยครอบคลุมการเรียกคืนข้อเท็จจริงที่อยู่ในโมเดลอยู่แล้ว ไม่ได้ครอบคลุมว่าการแก้หน้าเว็บสดจะเปลี่ยนสิ่งที่โมเดลดึงออกมาในภายหลังหรือไม่ การลองกับไม่กี่หน้าแทบไม่มีต้นทุน จึงควรมองว่าเป็นการทดลอง ไม่ใช่คำแนะนำ
เพิ่มปริมาณคอนเทนต์จะแก้ปัญหาได้ไหม
งานวิจัยระบุว่าการเพิ่มข้อมูลฝึกไม่ได้แก้คอขวดการเรียกคืนข้อมูล เพราะข้อเท็จจริงถูกเก็บไว้อยู่แล้ว การเผยแพร่หน้าเพิ่มบนโดเมนตัวเองคือการพูดข้อเท็จจริงเดิมด้วยรูปประโยคเดิมจากแหล่งเดิม ส่วนการทำให้ผู้เผยแพร่รายอื่นพูดถึงข้อเท็จจริงนั้นด้วยถ้อยคำที่ต่างออกไปเป็นอีกเรื่องหนึ่ง แม้งานวิจัยจะไม่ได้ทดสอบเรื่องนั้นเช่นกัน
เรื่องนี้ใช้กับ AI Overviews และผลค้นหาของ ChatGPT ด้วยหรือไม่
ไม่ได้ใช้โดยตรง งานวิจัยพูดถึงการเรียกคืนจากพารามิเตอร์ ซึ่งคือสิ่งที่โมเดลตอบจากน้ำหนักของตัวเองโดยไม่ค้นข้อมูลใด ระบบที่ดึงหน้าเว็บสดมาอ่านก่อนตอบทำงานด้วยกลไกคนละแบบ และรายงานไม่ได้อ้างอะไรเกี่ยวกับระบบเหล่านั้น
Google ประกาศเปลี่ยนแปลง Search เพราะงานวิจัยนี้หรือไม่
ไม่ นี่คืองานวิจัยที่เผยแพร่พร้อมบทอธิบาย ไม่มีการประกาศผลิตภัณฑ์ ไม่มีกำหนดปล่อย และไม่มีอะไรที่เจ้าของเว็บไซต์ต้องไปตั้งค่า
แล้วงานต่อจากนี้คืออะไร
ประโยชน์ของงานวิจัยชิ้นนี้ไม่ใช่เทคนิคใหม่ แต่คือการวินิจฉัยที่แม่นขึ้น แบรนด์ที่อยู่ในโมเดลแล้วแต่ไม่เคยถูกแนะนำ กำลังเจอปัญหาการดึงข้อมูล และปัญหาแบบนั้นแก้ด้วยการทำให้ข้อเท็จจริงมีอยู่ในที่มากขึ้นและในรูปแบบที่หลากหลายขึ้น ไม่ใช่ด้วยการเขียนเพิ่มบนโดเมนเดียว ถ้าอยากดูว่าเรื่องนี้แปลเป็นแผนงานของแบรนด์ใดแบรนด์หนึ่งอย่างไร เริ่มจากหน้าบริการ การมองเห็นบนการค้นหาด้วย AI ได้เลย
ที่มา: Search Engine Journal
