Contentsquare พบ 23% ของนักช้อปที่ AI ส่งมา ย้ายไปหาคู่แข่งเพราะเว็บไซต์ไม่ดี

Contentsquare เผยแพร่ผลสำรวจเมื่อวันที่ 2 กันยายน 2569 ระบุว่ามีผู้บริโภคเพียง 3% เท่านั้นที่ยังซื้อสินค้าต่อจนจบ เมื่อผู้ช่วย AI แนะนำแบรนด์หนึ่งแล้วเว็บไซต์ปลายทางกลับสร้างประสบการณ์ที่น่าผิดหวัง อีก 23% บอกว่าจะย้ายไปหาคู่แข่ง 57% บอกว่าจะหาข้อมูลต่อ และ 16% บอกว่าจะเลิกซื้อไปเลย บริษัทวิเคราะห์ข้อมูลดิจิทัลรายนี้ซึ่งมีสำนักงานใหญ่อยู่ที่ปารีสและนิวยอร์ก เก็บข้อมูลจากผู้บริโภค 2,000 คนในสหรัฐอเมริกาและฝรั่งเศส โดย PPC Land รายงานผลสำรวจชิ้นนี้ ในวันเดียวกัน

งานภาคสนามดำเนินการผ่าน Pollfish ซึ่งเป็นแพลตฟอร์มเก็บตัวอย่างแบบสอบถาม ครอบคลุมผู้บริโภค 2,000 คนในสหรัฐอเมริกาและฝรั่งเศส Contentsquare ระบุว่าแบบสอบถามครอบคลุมการใช้ AI ในการช้อปปิงออนไลน์ การค้นพบและพิจารณาแบรนด์ การตัดสินใจซื้อ agentic commerce และประสบการณ์ดิจิทัล และตัวเลขที่เผยแพร่ทั้งหมดเป็นผลแบบถ่วงน้ำหนักและจัดชั้นจากกลุ่มตัวอย่างสองประเทศรวมกัน บริษัทเปิดให้ PPC Land ดูข้อมูลล่วงหน้าภายใต้ข้อตกลงห้ามเผยแพร่เมื่อวันที่ 31 สิงหาคม 2569 ก่อนกำหนดเผยแพร่จริงในวันที่ 2 กันยายน

สิ่งที่ผลสำรวจชิ้นนี้วัดคือช่วงรอยต่อ นั่นคือคำถามว่าผู้บริโภคทำอะไรต่อ เมื่อคำแนะนำจาก AI มาถึงก่อน แล้วเว็บไซต์ที่ตามมากลับไม่รองรับคำแนะนำนั้น นี่เป็นคำถามที่แคบกว่างานสำรวจเรื่อง AI search ส่วนใหญ่ที่เผยแพร่ในปีนี้ และเป็นคำถามที่ใกล้กับรายได้มากที่สุด งานวิจัยเกือบทุกชิ้นก่อนหน้าวัดว่าแบรนด์ปรากฏในคำตอบของ AI หรือไม่ ส่วนชิ้นนี้เริ่มนับหลังจากที่เรื่องนั้นเกิดขึ้นแล้ว

สี่ทางเลือกของผู้บริโภคหลังเจอเว็บไซต์ที่แย่

Contentsquare แบ่งผู้ตอบแบบสอบถามออกเป็นสี่ปฏิกิริยา เมื่อประสบการณ์บนเว็บไซต์ที่ตามหลังคำแนะนำจาก AI ไม่เป็นไปตามที่คาด สัดส่วนที่รายงานไว้ในเอกสารเผยแพร่วันที่ 2 กันยายน 2569 เป็นดังนี้

ตัวเลขทั้งสี่รวมกันได้ 99% เอกสารเผยแพร่ไม่ได้อธิบายว่าอีก 1% หายไปไหน คำอธิบายที่เป็นไปได้มากที่สุดคือการปัดเศษ แต่บริษัทไม่ได้แจกแจงเอาไว้ ตัวเลขที่ถูกหยิบไปพูดถึงมากที่สุดคือ 23% นั่นคือเกือบหนึ่งในสี่ของนักช้อปที่มาจาก AI ย้ายไปหาคู่แข่ง เพราะสิ่งที่เกิดขึ้นหลังคลิก ไม่ใช่เพราะสิ่งที่ผู้ช่วย AI พูด ส่วนตัวเลข 3% สื่อสารเรื่องเดียวกันจากอีกด้านหนึ่ง แทบไม่มีใครฝืนซื้อผ่านประสบการณ์ที่แย่ เพียงเพราะ AI แนะนำแบรนด์นั้นมา

ตัวเลข 21% ที่สำคัญกว่าพาดหัว

ผู้ตอบราวหนึ่งในห้า หรือ 21% ระบุว่าผู้ช่วยช้อปปิง AI ให้ข้อมูลที่ต่างจากสิ่งที่พวกเขาเจอบนเว็บไซต์ของแบรนด์เอง อีก 20% บอกว่า AI ให้รายละเอียดไม่มากพอที่จะตัดสินใจซื้อได้อย่างมั่นใจ Contentsquare นำเสนอทั้งสองข้อในฐานะปัญหาด้านประสบการณ์ แต่เนื้อแท้แล้วมันคือปัญหาด้านข้อมูลมากกว่า ทั้งราคา สเปก ระยะเวลาจัดส่ง หรือเงื่อนไขการคืนสินค้า ที่ถูกระบุไว้ในคำตอบของ AI แล้วขัดแย้งกับหน้าเว็บจริง

สิ่งที่ทำให้ความขัดแย้งนี้แพงคือจังหวะเวลา มันโผล่ขึ้นมาตอนที่ผู้ซื้อมีความตั้งใจซื้อสูงที่สุด คือตอนที่ตัดสินใจแล้วว่าจะเข้าไปดูของจริง แบรนด์ควบคุมไม่ได้ว่าผู้ช่วย AI จะพูดถึงตัวเองอย่างไร แต่แบรนด์ควบคุมได้เต็มที่ว่าหน้าเว็บปลายทางเขียนอะไรไว้ และผลสำรวจชิ้นนี้กำลังใส่ตัวเลขให้กับต้นทุนของความไม่ตรงกันระหว่างสองอย่างนั้น

งานวัดผลอิสระที่ถูกอ้างอิงควบคู่กับข่าวนี้ชี้ไปทางเดียวกัน รายงานตรวจสอบที่เผยแพร่เมื่อวันที่ 18 สิงหาคม 2569 โดยบริษัทวิจัย Empirank ตรวจข้อความเชิงข้อเท็จจริงที่ตรวจสอบได้ 1,257 ข้อ จากธุรกิจ 182 แห่งที่ถูกแนะนำโดยการตั้งค่า OpenAI แบบเชื่อมต่อการค้นหา แล้วพบว่า 20 ธุรกิจ หรือ 11.0% มีข้อความอย่างน้อยหนึ่งข้อที่หลักฐานขัดแย้ง และมีอีก 479 ข้อที่นักวิจัยไม่สามารถสรุปได้ทั้งสองทาง งานอีกชิ้นที่ตรวจร้านอาหาร 4,776 แห่งในบาหลี พบว่า ChatGPT และ Gemini ไม่รู้จักร้านเหล่านั้นถึง 85.6% ส่วนงานวิจัยก่อนหน้านั้นระบุว่า 47.1% ของนักการตลาดเจอความผิดพลาดจาก AI หลายครั้งต่อสัปดาห์

AI อยู่ตรงไหนของเส้นทางการซื้อแล้ว

ผู้ตอบ 36% บอก Contentsquare ว่า AI เข้ามาแทนที่เสิร์ชเอนจินแบบเดิมในกิจกรรมการช้อปปิงบางส่วนแล้ว ในกลุ่มพฤติกรรมนี้ 53% ใช้ AI หาราคาหรือดีลที่ดีที่สุด 52% ใช้เปรียบเทียบสินค้า และ 29% ใช้ค้นหาแบรนด์ใหม่

รูปแบบตามช่วงวัยสวนทางกับสมมติฐานที่คนมักตั้งไว้ กลุ่มมิลเลนเนียล ซึ่งผลสำรวจนี้นิยามว่าอายุ 30 ถึง 44 ปี นำหน้าด้วยสัดส่วน 74% ที่มีแนวโน้มใช้ AI เวลาช้อปออนไลน์ สูงกว่า Gen Z ที่ 70% ในช่วงอายุ 18 ถึง 29 ปี และ Gen X ที่ 65% ในช่วงอายุ 45 ถึง 60 ปี กลุ่มมิลเลนเนียลยังนำในเรื่องการค้นพบแบรนด์ที่ 35% และการล่าราคาหรือดีลที่ 57% ส่วนผู้บริโภคอายุเกิน 60 ปีนั้น เอกสารเผยแพร่ไม่ได้รายงานตัวเลขใดเลย ดังนั้นผลสำรวจนี้จึงไม่ได้บอกอะไรเกี่ยวกับคนกลุ่มนั้น

ในฝั่งเม็ดเงิน Contentsquare รายงานว่า 57% ของผู้บริโภคบอกว่าคำแนะนำจาก AI ทำให้เงินออกจากกระเป๋าไปแล้วจริง แต่การแจกแจงที่ตามมากลับคิดเป็นสัดส่วนของผู้บริโภคทั้งหมด ไม่ใช่ของกลุ่ม 57% นั้น โดย 21% ใช้จ่ายระหว่าง 50 ถึง 150 ดอลลาร์กับการซื้อที่ได้รับอิทธิพลจาก AI, 14% ใช้จ่ายระหว่าง 150 ถึง 500 ดอลลาร์ และ 5% ใช้จ่ายตั้งแต่ 500 ดอลลาร์ขึ้นไป สามช่วงนี้รวมกันได้ 40% ซึ่งต่ำกว่าตัวเลขพาดหัว 57% อยู่ถึงสิบเจ็ดจุด ช่วงการใช้จ่ายต่ำกว่า 50 ดอลลาร์น่าจะเป็นคำอธิบาย แต่เอกสารเผยแพร่ไม่ได้ระบุว่ามีช่วงนั้นอยู่

ตัวเลขความเชื่อมั่นเป็นการเปรียบเทียบ ไม่ใช่ค่าสัมบูรณ์

ผู้ตอบสองในสาม หรือ 67% บอกว่าจะเชื่อคำแนะนำจาก AI มากกว่าครีเอเตอร์หรืออินฟลูเอนเซอร์บนโซเชียลมีเดีย เมื่อต้องประเมินแบรนด์ที่ไม่คุ้นเคย และ 47% บอกว่า AI เคยเปลี่ยนใจพวกเขาเรื่องแบรนด์ที่จะซื้อ ทั้งสองตัวเลขเป็นการจัดอันดับ AI เทียบกับทางเลือกที่ระบุชื่อไว้ชัดเจน ไม่มีตัวเลขไหนบอกได้ว่าผู้บริโภคเชื่อมั่นในคำตอบของ AI มากแค่ไหนโดยลำพัง

งานวิจัยอื่นในปี 2569 ที่ถูกอ้างอิงรอบข่าวนี้ให้ภาพตรงข้ามในคำถามเชิงค่าสัมบูรณ์ Yelp ร่วมกับ Morning Consult สำรวจผู้ใหญ่ในสหรัฐอเมริกา 2,202 คน พบว่ามีเพียง 15% ที่เชื่อถือแพลตฟอร์มค้นหาแบบ AI ในระดับมาก ทั้งที่ 65% เคยใช้งานในช่วงหกเดือนก่อนหน้า และ 63% ตรวจสอบผลลัพธ์ซ้ำจากที่อื่น งานวิจัย Path to Purchase ของ Reddit พบว่าครึ่งหนึ่งของนักช้อปในสหรัฐอเมริกาเข้าไปตรวจสอบคำแนะนำสินค้าจาก AI บนแพลตฟอร์มก่อนจะซื้อจริง ขณะที่ RTB House รายงานในเดือนสิงหาคมว่าผู้ช่วย AI ชั้นนำมีคะแนนความเชื่อมั่นด้านการช้อปปิงเหนือกว่า TikTok, Instagram, Facebook, หนังสือพิมพ์ และอินฟลูเอนเซอร์แล้ว แต่ 42% ของผู้ตอบในสหรัฐอเมริกาบอกว่าเครื่องมือเดียวกันนี้ทำให้ใช้เวลาตัดสินใจซื้อนานขึ้น การเปรียบเทียบของ Reddit เองยังพบว่ารีวิวจากอินฟลูเอนเซอร์ตามหลังโพสต์จากผู้ใช้ด้วยกันราวสองเท่าในการตัดสินใจซื้อของคนอเมริกัน ซึ่งแปลว่าเกณฑ์เปรียบเทียบที่ Contentsquare เลือกใช้นั้นเป็นเกณฑ์ที่ข้ามได้ไม่ยากอยู่แล้ว

สิ่งที่ผลสำรวจนี้ยังพิสูจน์ไม่ได้

ข้อจำกัดควรถูกพูดให้ชัด เพราะตัวเลขพาดหัวมักถูกอ้างต่อโดยไม่มีข้อจำกัดติดไปด้วย Contentsquare อธิบายผลลัพธ์ว่าเป็นระดับโลก แต่กลุ่มตัวอย่างที่มาจากสหรัฐอเมริกาและฝรั่งเศสไม่ใช่ระดับโลก เอกสารเผยแพร่ไม่ได้ให้สัดส่วนระหว่างสองตลาด ไม่ได้ให้วันที่เก็บข้อมูล ไม่ได้ให้ค่าความคลาดเคลื่อน และไม่ได้ให้ตัวแปรที่ใช้ถ่วงน้ำหนัก ทั้งยังไม่แยกคำตอบของผู้บริโภคอเมริกันออกจากผู้บริโภคฝรั่งเศสในข้อมูลชุดใดเลย นั่นทำให้ไม่มีทางตรวจสอบได้ว่าตัวเลขพาดหัวเป็นจริงในทั้งสองตลาด หรือถูกดันด้วยตลาดใดตลาดหนึ่ง บริษัทยังไม่ได้เผยแพร่ตัวแบบสอบถามหรือข้อมูลระดับรายคำตอบด้วย

ผลสำรวจนี้ยังวัดความตั้งใจที่ผู้ตอบรายงานเอง ไม่ใช่พฤติกรรมที่สังเกตได้จริง การถามใครสักคนว่าจะทำอย่างไรหลังเจอเว็บไซต์ที่น่าผิดหวัง ไม่เหมือนกับการเฝ้าดูว่าเขาทำอะไรจริง และจากข้อมูลที่เผยแพร่ก็ยังบอกไม่ได้ว่าช่องว่างนั้นเอียงไปทางไหน

ผลประโยชน์เชิงพาณิชย์ไม่ได้ถูกปิดบัง และควรถูกนับรวมในการอ่าน Contentsquare ขายซอฟต์แวร์วิเคราะห์ประสบการณ์ ทั้ง session replay, heatmap, การวิเคราะห์แบบแบ่งโซน และการให้คะแนนความหงุดหงิดของผู้ใช้ ครอบคลุมทั้งเว็บ มือถือ และแอป บนแพลตฟอร์มที่บริษัทระบุว่ามีเว็บไซต์ใช้งานมากกว่า 1.3 ล้านแห่ง งานวิจัยที่สรุปว่าประสบการณ์หลังคลิกเป็นตัวชี้ขาดผลลัพธ์การเปลี่ยนเป็นยอดขาย จึงทับกับสิ่งที่บริษัทขายพอดี ข้อนี้ไม่ได้ทำให้ข้อมูลผิด แต่แปลว่าคำถามถูกเลือกโดยฝ่ายที่มีส่วนได้ส่วนเสียกับคำตอบ

Jean-Christophe Pitie ประธานเจ้าหน้าที่ฝ่ายการตลาดของ Contentsquare วางกรอบข่าวนี้ไว้ที่เรื่องงบประมาณ เขากล่าวว่า "ขณะที่บริษัทต่าง ๆ ทุ่มเงินไปกับ AEO และ GEO เพื่อให้แบรนด์ของตัวเองปรากฏต่อ AI คำถามถัดไปคือ เกิดอะไรขึ้นหลังจาก AI ส่งลูกค้ามาให้คุณแล้ว" และเขายังกลับมาที่ประเด็นความสอดคล้องของข้อมูลอีกครั้งว่า "แบรนด์ใช้เวลาหลายปีพยายามสร้างแหล่งข้อมูลที่เป็นความจริงหนึ่งเดียวให้ลูกค้า แล้ว AI ก็เพิ่งสร้างอีกแหล่งหนึ่งขึ้นมา"

ปัญหาเรื่องหลักฐานที่อยู่เบื้องหลังงบ AI visibility

คำถามเรื่องการใช้จ่ายที่ Pitie ตั้งไว้ยังไม่มีคำตอบตลอดปี 2569 งานวิจัยของ Adobe ที่ครอบคลุมนักการตลาดกว่า 500 คน พบว่า 98% ยังไม่มีแผนงานด้าน AI search ที่มั่นใจได้ Fractl สำรวจผู้มีอำนาจตัดสินใจด้านการตลาดในสหรัฐอเมริกา 343 คน พบว่า 81% ยังเรียกงานสาย AI search ว่า SEO อยู่ในการคุยกันภายใน และมีเพียง 19% ที่รับคำว่า GEO มาใช้ เครื่องมือจากผู้ขายเดินเร็วกว่าคำศัพท์ HubSpot เปิดตัวผลิตภัณฑ์ answer engine optimisation เมื่อวันที่ 14 เมษายน 2569 พร้อมกับเปิดเผยว่าทราฟฟิกออร์แกนิกของลูกค้าตัวเองลดลง 27% เมื่อเทียบปีต่อปี

หลักฐานที่รองรับตัวเทคนิคเองยังเป็นที่ถกเถียง งานทบทวนเชิงวิพากษ์ที่รวบรวมงานวิจัย 45 ชิ้น เผยแพร่บน arXiv เมื่อวันที่ 15 กรกฎาคม 2569 สรุปว่าไม่มีเทคนิค generative engine optimisation ชิ้นใดที่ให้ผลคงที่ข้ามแพลตฟอร์มต่อการถูกค้นพบหรือทราฟฟิกปลายทาง และมีกรณีเขียนใหม่หนึ่งกรณีที่ทำให้หน้าเว็บถูกดึงไปใช้ลดลง 16% เมื่ออ่านคู่กัน ข่าวของ Contentsquare จึงเสนอเรื่องเส้นแบ่งของการวัดผล มากกว่าจะเสนอช่องทางใหม่ การปรากฏอยู่ในคำตอบของ AI คือปัจจัยนำเข้า ส่วนเหตุการณ์ที่เปลี่ยนเป็นยอดขายอยู่ถัดไปอีกหลายขั้น บนโครงสร้างที่แบรนด์ยังเป็นเจ้าของและยังแก้ไขได้เอง

ยังมีมุมของการรักษาลูกค้าด้วย งานวิจัยของ Adobe ที่เผยแพร่ในเดือนสิงหาคมพบว่า 72% ของนักช้อปลบแอปร้านค้าทิ้งหลังใช้เพียงครั้งเดียว และข้อมูลช่วงเทศกาลของ Optimove พบว่า 53% ของผู้บริโภคอเมริกันตั้งใจซื้อเฉพาะจากร้านที่เคยซื้อเมื่อปีก่อน ความประทับใจแรกที่ก่อตัวขึ้นในบทสนทนากับ AI แล้วถูกหักล้างตอนมาถึงหน้าเว็บ จึงเป็นจุดตั้งต้นที่อ่อนแอสำหรับทั้งสองเรื่อง

เรื่องนี้หมายความว่าอย่างไรกับนักการตลาดไทย

ไม่มีส่วนใดในเอกสารของ Contentsquare ที่ครอบคลุมประเทศไทย กลุ่มตัวอย่างเป็นชาวอเมริกันและชาวฝรั่งเศส ไม่มีตลาดในเอเชียตะวันออกเฉียงใต้ปรากฏในข้อมูลที่เผยแพร่ และไม่ควรนำเปอร์เซ็นต์เหล่านี้ไปพูดซ้ำราวกับว่าอธิบายพฤติกรรมนักช้อปไทย สิ่งที่ข้ามมาได้คือกลไก และกลไกนี้ไม่ได้ผูกกับประเทศใด ผู้ช่วย AI พูดบางอย่างเกี่ยวกับแบรนด์ ผู้ซื้อเข้าไปเช็กที่เว็บไซต์ แล้วสองอย่างนั้นก็ตรงกันหรือไม่ตรงกัน

สำหรับทีมอีคอมเมิร์ซไทย ผลที่ตามมาในทางปฏิบัติคืองาน generative engine optimisation เลิกเป็นโปรเจกต์ที่อยู่ลำพังได้แล้ว ถ้าผู้ช่วย AI บอกราคาที่เว็บไซต์ไม่ตรงด้วย หรือบอกระยะเวลาจัดส่งที่หน้าเว็บไม่ยืนยัน งบที่จ่ายไปเพื่อความมองเห็นก็ซื้อผู้ซื้อที่เชื่อมั่นในแบรนด์น้อยลงกว่าก่อนคลิกเสียอีก ค้าปลีกไทยยังมีปัญหาเวอร์ชันของตัวเองเพิ่มเข้ามา เพราะข้อมูลสินค้าที่เป็นความจริงมักกระจายอยู่บนเว็บไซต์ บัญชี LINE หน้าร้านบน Lazada และหน้าร้านบน Shopee ซึ่งอัปเดตกันคนละวัน ผู้ช่วย AI ที่อ่านเจอชุดใดชุดหนึ่งก็สามารถให้คำตอบที่เว็บไซต์ไม่ยืนยันได้

ผลที่ตามมาข้อที่สองคือการวัดผล ระบบวิเคราะห์ข้อมูลของทีมไทยส่วนใหญ่รายงานทราฟฟิกออร์แกนิกและทราฟฟิกที่จ่ายเงินได้ไม่ยาก แต่ทราฟฟิกที่มาจาก AI มักมาพร้อมข้อมูลผู้อ้างอิงที่บางหรือหายไป ทำให้คำถามเรื่องประสบการณ์หลังคลิกตอบได้ยากด้วยรายงานที่ทีมมีอยู่แล้ว ก่อนจะเถียงกันเรื่องงบ AI SEO จึงควรเช็กก่อนว่าระบบปัจจุบันแยกเซสชันเหล่านั้นออกมาได้หรือไม่ และเทียบอัตราการเปลี่ยนเป็นยอดขายกับช่องทางอื่นได้หรือเปล่า สำหรับทีมที่ดูแลแคตตาล็อกสินค้า วินัยเดียวกับที่ใช้รักษาความถูกต้องของฟีดใน การตลาดอีคอมเมิร์ซ ก็คือวินัยที่ทำให้คำตอบของผู้ช่วย AI ยืนยันได้

สิ่งที่ควรตรวจบนเว็บไซต์ของคุณเอง

ผลสำรวจไม่ได้สั่งให้ทำอะไร ดังนั้นสิ่งที่อยู่ด้านล่างนี้เป็นการวิเคราะห์ ไม่ใช่ข้อค้นพบ มีสี่ข้อที่ตามมาจากสิ่งที่ผลสำรวจวัดโดยตรง

• ลองถามผู้ช่วย AI เกี่ยวกับสินค้าของคุณเอง แล้วเทียบคำตอบกับหน้าเว็บจริงทีละฟิลด์ ทั้งราคา สต็อก สเปก ระยะเวลาจัดส่ง และเงื่อนไขการคืนสินค้า ตัวเลข 21% คือราคาที่ต้องจ่ายเมื่อข้อมูลไม่ตรงกัน และความไม่ตรงกันส่วนใหญ่มาจากเนื้อหาเก่าค้าง ไม่ใช่การกุขึ้นมา
• หาให้เจอว่าข้อมูลสินค้าที่เป็นความจริงเก็บอยู่ที่ไหน ถ้าราคาถูกเปลี่ยนในระบบหนึ่งแต่ไม่ได้เปลี่ยนในฟีด ในหน้าร้านมาร์เก็ตเพลส หรือในหน้าช่วยเหลือ สุดท้ายผู้ช่วย AI ก็จะไปอ่านเวอร์ชันที่ไม่มีใครอัปเดต
• ดูว่าผู้เข้าชมที่มาจาก AI ตกลงที่หน้าไหน ผู้ซื้อที่มาถึงพร้อมคำแนะนำอยู่ลึกกว่าผู้เข้าชมจากการค้นหาทั่วไป การส่งเขาไปหน้าแรกหรือหน้าหมวดหมู่กว้าง ๆ เท่ากับให้เขาเริ่มต้นใหม่
• แยกเซสชันที่มาจาก AI ออกมาในระบบวิเคราะห์ถ้าทำได้ แล้วเทียบอัตราการเปลี่ยนเป็นยอดขายและพฤติกรรมการออกจากเว็บกับการค้นหาแบบออร์แกนิก ถ้าไม่มีการแยกนี้ ตัวเลข 23% ก็ไม่มีค่าเทียบเคียงในบ้านเราให้วัดได้เลย

Contentsquare พบว่ามีผู้บริโภค 3% ที่จะซื้อจนจบเมื่อคำแนะนำจาก AI ตามมาด้วยเว็บไซต์ที่น่าผิดหวัง ขณะที่ 23% จะเปลี่ยนแบรนด์ 57% จะหาข้อมูลต่อ และ 16% จะเลิกซื้อ บริษัทเผยแพร่ผลสำรวจนี้เมื่อวันที่ 2 กันยายน 2569 จากกลุ่มตัวอย่างผู้บริโภค 2,000 คนในสหรัฐอเมริกาและฝรั่งเศส เก็บข้อมูลผ่าน Pollfish

ตัวเลข 23% ใช้กับนักช้อปไทยได้หรือไม่

ใช้โดยตรงไม่ได้ เพราะกลุ่มตัวอย่างครอบคลุมเฉพาะสหรัฐอเมริกาและฝรั่งเศส และ Contentsquare ไม่ได้เผยแพร่ข้อมูลของไทยหรือเอเชียตะวันออกเฉียงใต้เลย กลไกเบื้องหลังตัวเลขนี้ คือความไม่ตรงกันระหว่างสิ่งที่ผู้ช่วย AI พูดกับสิ่งที่หน้าเว็บแสดง ไม่ได้ผูกกับตลาดใดตลาดหนึ่ง แต่ตัวเปอร์เซ็นต์ไม่ควรถูกอ้างว่าเป็นตัวเลขของไทย

ผลสำรวจนี้น่าเชื่อถือแค่ไหน

เป็นข้อมูลแบบสอบถามที่ผู้ตอบรายงานเอง และว่าจ้างโดยผู้ขายซอฟต์แวร์ที่ข้อสรุปชี้กลับมาที่สินค้าของตัวเอง อีกทั้งเอกสารเผยแพร่ยังไม่ระบุวันเก็บข้อมูล สัดส่วนระหว่างสองตลาด ค่าความคลาดเคลื่อน และตัวแปรถ่วงน้ำหนัก การแจกแจงสองชุดที่เผยแพร่ยังบวกไม่ลงตัวด้วย คือ 99% สำหรับสี่ทางเลือกหลังคลิก และ 40% เทียบกับพาดหัว 57% ในเรื่องการใช้จ่ายที่ได้รับอิทธิพลจาก AI

AI visibility ต่างจากสิ่งที่ผลสำรวจนี้วัดอย่างไร

AI visibility วัดว่าผู้ช่วย AI เอ่ยถึงหรืออ้างอิงแบรนด์หรือไม่ ส่วนผลสำรวจนี้วัดสิ่งที่เกิดขึ้นหลังการคลิกนั้น บนเว็บไซต์ของแบรนด์เอง ความต่างนี้สำคัญ เพราะอย่างแรกอยู่นอกเหนือการควบคุมของแบรนด์เป็นส่วนใหญ่ ส่วนอย่างหลังไม่ใช่

ทีมการตลาดควรเริ่มจากอะไรก่อน

เริ่มจากเทียบคำตอบของผู้ช่วย AI เกี่ยวกับสินค้าของคุณกับหน้าเว็บจริง ก่อนจะทุ่มงบเพิ่มไปกับงานสร้างการมองเห็น ข้อค้นพบเรื่องความสอดคล้องของข้อมูลที่ 21% เป็นปัญหาที่แก้ถูกที่สุดในรายการนี้ และเป็นข้อที่อยู่ในมือแบรนด์มากที่สุด

สรุปว่าคำถามเรื่อง AI search ไปหยุดตรงไหน

ผลสำรวจชิ้นนี้ไม่ได้ตัดสินว่างบ AEO และ GEO คุ้มกับที่จ่ายไปหรือไม่ และไม่ได้ถูกออกแบบมาเพื่อตัดสินเรื่องนั้น สิ่งที่มันทำคือย้ายข้อถกเถียงมาอยู่บนพื้นที่ที่ทีมการตลาดยืนได้จริง เพราะขั้นตอนการเปลี่ยนเป็นยอดขายหลังทราฟฟิกจาก AI เกิดขึ้นบนเว็บไซต์ที่แบรนด์เป็นเจ้าของและวัดผลได้ ลำดับที่ข้อมูลชุดนี้ชี้ไว้สำหรับไตรมาสหน้าคือแก้ปัญหาความสอดคล้องของข้อมูลก่อน แล้วค่อยซื้อการมองเห็นทีหลัง หากอยากได้สายตาอีกคู่มาช่วยดูลำดับนี้สำหรับแคตตาล็อกสินค้าไทย ทักมาคุยกันได้