สรุปสั้น ๆ (TL;DR)
- OpenAI เผยแพร่ Signals v3.0 เมื่อ 26 ตุลาคม 2569 จากข้อความ ChatGPT ฝั่งผู้บริโภคที่จัดประเภทแล้ว 1 ล้านข้อความต่อเดือน ตั้งแต่กรกฎาคม 2567 ถึงกันยายน 2569 ไม่รวมบัญชีองค์กรและ Codex
- การเขียนลดจาก 34.1% เหลือ 21.4% ของข้อความ และการค้นหาข้อมูลเพิ่มจาก 16.7% เป็น 20.2% ทั้งสองตัดกันเพียงเดือนสิงหาคม 2569 ที่ 20.7% ต่อ 20.6%
- ข้อความเกี่ยวกับงานลดจาก 51.6% เหลือ 32.2% ในแพ็กเกจ Free สัดส่วนงานลดจาก 44.0% ในกันยายน 2567 เหลือ 24.7% ในกันยายน 2569
- ในประเทศไทย การค้นหาข้อมูลลดจาก 18.6% เหลือ 14.5% ขณะที่การเขียนยังเป็นหัวข้ออันดับหนึ่งที่ 27.0% ในกันยายน 2569
- Signals ไม่ได้วัดการค้นเว็บหรือการอ้างอิง ความเชื่อมโยงกับการมองเห็นใน AI จึงเป็นบทวิเคราะห์ ไม่ใช่ผลที่ข้อมูลแสดง
ข้อมูล Signals v3.0 ของ OpenAI ที่เผยแพร่เมื่อวันที่ 26 ตุลาคม 2569 แสดงว่าสัดส่วนข้อความประเภท "ค้นหาข้อมูล" (seeking information) เพิ่มจาก 16.7% ของข้อความ ChatGPT ฝั่งผู้บริโภคในเดือนกรกฎาคม 2567 เป็น 20.2% ในเดือนกันยายน 2569 ขณะที่คำขอด้านการเขียนลดลงจาก 34.1% เหลือ 21.4% ในช่วงเดียวกัน และข้อความที่เกี่ยวกับงานลดลงจาก 51.6% เหลือ 32.2% สำหรับแบรนด์ที่อยากถูกเอ่ยชื่อในคำตอบของ ChatGPT ตัวเลขนี้สำคัญ เพราะการใช้งานส่วนที่โตขึ้นคือคำถามที่มีคำตอบเป็นข้อเท็จจริง รวมถึงคำถามเกี่ยวกับสินค้า
OpenAI เผยแพร่อะไรเมื่อวันที่ 26 ตุลาคม 2569
ทีม Economic Research ของ OpenAI อัปเดตหน้า Signals individual data เมื่อวันที่ 26 ตุลาคม 2569 และระบุชื่อชุดข้อมูลในรูปแบบการอ้างอิงว่า "OpenAI Signals v3.0" หน้านี้อธิบายว่าคนใช้ ChatGPT แพ็กเกจส่วนบุคคลอย่างไร ทั้งหัวข้อของข้อความ ข้อความนั้นเกี่ยวกับงานหรือไม่ ส่งจากแพ็กเกจไหน อายุที่ผู้ใช้ระบุเอง และการใช้งานแยกตามประเทศ ข้อมูลดาวน์โหลดได้ฟรีเป็นไฟล์ CSV ภายใต้สัญญาอนุญาต Creative Commons CC BY 4.0 ซึ่งนำไปใช้ต่อได้โดยต้องระบุแหล่งที่มา
ในวันเดียวกัน OpenAI เผยแพร่บทความประกอบชื่อ "ChatGPT's expanding world of work" ซึ่งเพิ่มข้อมูลอีกชั้นหนึ่ง โดยจับคู่ข้อความที่เกี่ยวกับงานเข้ากับ "Intermediate Work Activities" 165 ประเภทจากกรอบ O*NET ของสหรัฐฯ ครอบคลุมเกือบ 100 ประเทศ เป็นรายไตรมาสตั้งแต่ไตรมาสแรกของปี 2568 ถึงไตรมาสที่สามของปี 2569 และ OpenAI ยกตัวอย่าง "การพัฒนาคอนเทนต์การตลาด" เป็นหนึ่งในกิจกรรมที่คนนำมาใช้กับ ChatGPT
ชุดข้อมูล Signals สร้างขึ้นอย่างไร
เอกสาร OpenAI Signals README เวอร์ชัน 3.0 อธิบายวิธีการไว้ว่า สถิติทั้งหมดมาจากการจัดประเภทข้อความ ChatGPT ฝั่งผู้บริโภคจำนวน 1,000,000 ข้อความต่อเดือน ตั้งแต่กรกฎาคม 2567 ถึงกันยายน 2569 จากบัญชีที่ระบุอายุตั้งแต่ 18 ปีขึ้นไป หน้าเว็บระบุว่าตัวอย่างครอบคลุมข้อความจากบัญชี ChatGPT Free, Go, Plus และ Pro ซึ่ง OpenAI อธิบายว่าเป็นบัญชีที่โดยทั่วไปบุคคลเป็นผู้ดูแล ไม่ใช่องค์กร
มีหลายกลุ่มที่ไม่ได้อยู่ในข้อมูล ข้อความจากบัญชีองค์กร (enterprise) ถูกตัดออก และ README ระบุว่าด้วยเหตุนี้ข้อมูลน่าจะสะท้อนการใช้งานเชิงธุรกิจต่ำกว่าความจริง Codex ก็ไม่ได้รวมอยู่ด้วย เช่นเดียวกับผู้ใช้ที่ลบบัญชีไปแล้วหรือเลือกไม่ให้นำข้อมูลไปใช้ฝึกโมเดล
การจัดประเภททำโดยระบบอัตโนมัติ ตัวจำแนกที่ใช้ LLM จะจัดข้อความแต่ละข้อความเข้าหัวข้อและป้ายกำกับอื่น ๆ README ระบุว่านักวิจัยไม่ได้อ่านข้อความดิบของผู้ใช้ ตัวจำแนกทำงานกับข้อมูลที่ถูกลบข้อมูลระบุตัวตนออกไปแล้ว จากนั้น OpenAI ยังเติมสัญญาณรบกวนแบบ differential privacy ลงในตัวเลขที่เผยแพร่ ชุดข้อมูลมีไฟล์ CSV ทั้งหมด 24 ไฟล์ และปัดเศษสัดส่วนไว้ที่ทศนิยมตำแหน่งที่สาม
ข้อควรระวังจาก README ที่ควรจำไว้เมื่อดูข้อมูลรายประเทศคือ ทุกชุดข้อมูลดึงมาจากตัวอย่างระดับโลกชุดเดียวกันที่มี 1 ล้านข้อความต่อเดือน ชุดข้อมูลที่ใช้ตัวอย่างเพียงส่วนเล็ก ๆ เช่นประเทศเดียวหรือรัฐเดียวของสหรัฐฯ จึงมีความแปรปรวนสูงกว่าตัวเลขระดับโลก
หัวข้อการใช้งานระดับโลกเปลี่ยนไปอย่างไร ตั้งแต่กรกฎาคม 2567 ถึงกันยายน 2569
ตารางด้านล่างใช้ข้อมูลรายเดือนระดับโลกที่อยู่เบื้องหลังกราฟ "Share of messages by conversation topic over time in individual ChatGPT data" ของ OpenAI ตัวเลขแต่ละช่องคือสัดส่วนของข้อความทั้งหมดที่สุ่มมาในเดือนนั้น
| หัวข้อหรือตัวชี้วัด | กรกฎาคม 2567 | กันยายน 2569 |
|---|---|---|
| การเขียน (Writing) | 34.1% | 21.4% |
| คำแนะนำเชิงปฏิบัติ (Practical guidance) | 26.1% | 28.1% |
| ค้นหาข้อมูล (Seeking information) | 16.7% | 20.2% |
| ความช่วยเหลือด้านเทคนิค (Technical help) | 13.5% | 4.6% |
| การแสดงออกส่วนตัว (Self-expression) | 4.0% | 8.9% |
| มัลติมีเดีย (Multimedia) | 2.0% | 8.8% |
| สัดส่วนข้อความที่เกี่ยวกับงาน | 51.6% | 32.2% |
หมวดคำแนะนำเชิงปฏิบัติ ซึ่งรวมคำแนะนำแบบ how-to การสอนหรือติวเตอร์ การระดมไอเดีย และเรื่องสุขภาพ ฟิตเนส ความงามและการดูแลตัวเอง เป็นหัวข้อที่ใหญ่ที่สุดทุกเดือนตั้งแต่มีนาคม 2568 ในข้อมูลของ OpenAI โดยขึ้นไปสูงสุดที่ 33.1% ในเดือนเมษายน 2569 และอยู่ที่ 28.1% ในเดือนกันยายน 2569
จุดตัดเดือนสิงหาคม 2569 และเหตุที่ไม่ควรตีความเกินจริง
ในเดือนสิงหาคม 2569 หมวดค้นหาข้อมูลอยู่ที่ 20.7% ของข้อความ ส่วนการเขียนอยู่ที่ 20.6% นี่เป็นเดือนเดียวในข้อมูลทั้ง 27 เดือนที่การค้นหาข้อมูลสูงกว่าการเขียน พอถึงเดือนกันยายน 2569 การเขียนก็กลับมานำอีกครั้งที่ 21.4% ต่อ 20.2%
ช่องว่าง 0.1 จุดในชุดข้อมูลที่ตั้งใจเติมสัญญาณรบกวนเพื่อความเป็นส่วนตัวไม่ใช่หลักไมล์ที่ชัดเจน การบอกว่าการค้นหาข้อมูลแซงการเขียนไปแล้วจึงเกินกว่าที่ข้อมูลรองรับ สิ่งที่อ่านได้มั่นคงกว่าคือแนวโน้ม การเขียนลดลงเกือบ 13 จุดในสองปี และการค้นหาข้อมูลเพิ่มขึ้น 3.5 จุด สองหมวดที่เคยห่างกัน 17 จุดในกรกฎาคม 2567 ตอนนี้แทบจะเท่ากันแล้ว
สัดส่วนการใช้งานเพื่องานลดลง โดยเฉพาะในแพ็กเกจฟรี
ข้อความที่เกี่ยวกับงานคิดเป็น 51.6% ของตัวอย่างในกรกฎาคม 2567 และ 32.2% ในกันยายน 2569 กราฟแยกตามแพ็กเกจของ OpenAI ซึ่งเริ่มที่กันยายน 2567 ไม่ใช่กรกฎาคม แสดงให้เห็นว่าการลดลงเกิดขึ้นตรงไหน
- Free: ข้อความเกี่ยวกับงาน 44.0% ในกันยายน 2567 เทียบกับ 24.7% ในกันยายน 2569
- Plus: 61.9% ในกันยายน 2567 เทียบกับ 50.8% ในกันยายน 2569
- Pro: 68.1% ในกันยายน 2569 โดยข้อมูล Pro เริ่มที่มกราคม 2568 ที่ 63.1%
- Go: 42.4% ในกันยายน 2569 โดยข้อมูล Go เริ่มที่กันยายน 2568 ที่ 53.8%
เนื่องจากบัญชีองค์กรไม่ได้อยู่ในข้อมูล สัดส่วนงานที่ลดลงในแพ็กเกจส่วนบุคคลจึงไม่ได้แปลว่างานที่ทำใน ChatGPT โดยรวมลดลง แต่หมายความว่าการใช้งานส่วนตัวที่ไม่เกี่ยวกับงานเติบโตเร็วกว่า
ในข้อความที่เกี่ยวกับงาน การค้นหาข้อมูลก็เพิ่มขึ้นเช่นกัน
OpenAI เผยแพร่สัดส่วนหัวข้อเฉพาะในข้อความที่เกี่ยวกับงานด้วย ในกลุ่มนี้ การค้นหาข้อมูลอยู่ที่ 10.7% ในกรกฎาคม 2567 และ 11.4% ในกรกฎาคม 2569 จากนั้นเพิ่มเป็น 13.9% ในสิงหาคม และ 15.2% ในกันยายน 2569 การเขียนยังเป็นหัวข้องานที่ใหญ่ที่สุด แต่ลดลงจาก 41.8% เหลือ 32.6% ส่วนความช่วยเหลือด้านเทคนิคในข้อความงานลดจาก 20.6% เหลือ 8.1%
OpenAI ไม่ได้อธิบายว่าทำไมความช่วยเหลือด้านเทคนิคจึงลดลงมากขนาดนี้ ปัจจัยหนึ่งที่ตัวข้อมูลเองชี้ไว้คือขอบเขต เพราะ Codex ไม่ได้รวมอยู่ งานเขียนโค้ดที่ย้ายไปทำใน Codex จึงจะไม่ปรากฏในข้อมูลนี้ OpenAI ไม่ได้ระบุความเชื่อมโยงนี้ จึงควรมองเป็นความเป็นไปได้ ไม่ใช่ข้อสรุป
หมวด "ค้นหาข้อมูล" มีอะไรอยู่ข้างใน
ชื่อหมวดนี้ซ่อนรายละเอียดที่สำคัญกับนักการตลาดไว้ ตาม README หมวด "Seeking information" ประกอบด้วยป้ายกำกับย่อยสามแบบ คือข้อมูลเฉพาะเรื่อง สินค้าที่ซื้อได้ (purchasable products) และการทำอาหารกับสูตรอาหาร คำถามเกี่ยวกับสินค้าจึงอยู่ในหมวดที่กำลังโต
ไฟล์ที่เผยแพร่ไม่ได้แยกสามส่วนนี้ออกจากกัน ข้อมูลจึงบอกไม่ได้ว่าใน 20.2% นั้นเป็นการหาข้อมูลสินค้าเท่าไร และเป็นสูตรอาหารหรือข้อเท็จจริงทั่วไปเท่าไร สิ่งที่บอกได้คือกลุ่มที่มีคำถามเรื่องสินค้าอยู่ด้วยเติบโตขึ้น ขณะที่การเขียนหดตัวลง
การแบ่งงานกับไม่ใช่งานในเดือนกันยายน 2569 ช่วยให้เห็นภาพเพิ่ม ข้อความค้นหาข้อมูล 75.7% ไม่เกี่ยวกับงาน และ 24.3% เกี่ยวกับงาน ส่วนความช่วยเหลือด้านเทคนิคเป็นไปในทางตรงข้าม คือ 57.1% เกี่ยวกับงาน
ตัวเลขของประเทศไทยบอกอะไร
ประเทศไทยมีข้อมูลแยกของตัวเองในชุดข้อมูล Signals และไม่ได้เดินตามแนวโน้มโลกในเรื่องการค้นหาข้อมูล ตัวเลขด้านล่างมาจากมุมมองรายประเทศของกราฟหัวข้อเดียวกัน ข้อมูลนี้อิงตัวอย่างที่เล็กกว่าตัวเลขระดับโลกมาก การขยับขึ้นลงหนึ่งถึงสองจุดในแต่ละเดือนจึงไม่ควรตีความมากเกินไป
| ตัวชี้วัดของไทย | กรกฎาคม 2567 | กันยายน 2569 |
|---|---|---|
| การเขียน | 33.4% | 27.0% |
| คำแนะนำเชิงปฏิบัติ | 25.4% | 26.3% |
| ค้นหาข้อมูล | 18.6% | 14.5% |
| มัลติมีเดีย | 2.5% | 10.0% |
| การแสดงออกส่วนตัว | 3.5% | 10.2% |
| สัดส่วนข้อความที่เกี่ยวกับงาน | 44.0% | 35.5% |
มีความต่างสามข้อที่เห็นชัด ข้อแรก การค้นหาข้อมูลในไทยลดลงจาก 18.6% เหลือ 14.5% ขณะที่ตัวเลขโลกเพิ่มขึ้น ข้อสอง การเขียนยังเป็นหัวข้อเดี่ยวที่ใหญ่ที่สุดในไทยเมื่อกันยายน 2569 ที่ 27.0% นำคำแนะนำเชิงปฏิบัติอยู่เล็กน้อย ข้อสาม สัดส่วนข้อความเกี่ยวกับงานของไทยที่ 35.5% ในกันยายน 2569 สูงกว่าตัวเลขโลกที่ 32.2%
ในการแบ่งประเภท asking, doing และ expressing ของเดือนกันยายน 2569 ข้อความที่ไม่เกี่ยวกับงานของไทยเป็นการ "ถาม" 39.6% เทียบกับ 41.5% ทั่วโลก และข้อความเกี่ยวกับงานของไทยเป็นการถาม 28.4% เทียบกับ 27.3% ทั่วโลก OpenAI นิยาม asking ว่าเป็นการขอข้อมูลหรือคำอธิบาย doing คือการขอให้ ChatGPT สร้างผลงานหรือทำงานให้ และ expressing คือการแสดงความเห็นหรือความรู้สึกโดยไม่ได้ขอข้อมูลหรือให้ทำอะไร
ในการจัดอันดับการใช้งานต่อหัว ไทยอยู่อันดับที่ 106 ในไตรมาสที่สามของปี 2569 วัดจากจำนวนข้อความต่อคน โดยอันดับ 1 หมายถึงใช้งานมากที่สุด อันดับรายไตรมาสของไทยขยับอยู่ระหว่าง 95 ถึง 112 ตั้งแต่ไตรมาสแรกของปี 2568 ส่วนสิงคโปร์อยู่อันดับ 2 ในไตรมาสเดียวกัน
สิ่งที่ข้อมูลนี้ไม่ได้บอก
ไม่มีไฟล์ใดใน 24 ไฟล์ที่ README อธิบายไว้ซึ่งวัดว่า ChatGPT ค้นเว็บ แสดงแหล่งที่มา หรืออ้างอิงเว็บไซต์ในคำตอบหรือไม่ Signals บอกว่าคนถามเรื่องอะไร แต่ไม่ได้บอกว่าคำตอบมาจากไหน การอ้างว่าข้อมูลชุดนี้พิสูจน์ว่า ChatGPT ส่งทราฟฟิกไปยังเว็บไซต์มากขึ้นจึงเกินกว่าที่ข้อมูลแสดง
ข้อมูลยังไม่รวมบัญชีองค์กร Codex และผู้ใช้อายุต่ำกว่า 18 ปี และป้ายหัวข้อเป็นผลจากการอนุมานของตัวจำแนก ไม่ใช่สิ่งที่ผู้ใช้ระบุเอง OpenAI ไม่ได้เผยแพร่คำอธิบายเฉพาะสำหรับประเทศไทย และไม่ได้อธิบายว่าทำไมการค้นหาข้อมูลของผู้ใช้ไทยจึงลดลง
บทวิเคราะห์: การค้นหาข้อมูลที่มากขึ้นมีความหมายอย่างไรต่อการถูกอ้างอิง
ส่วนนี้เป็นบทวิเคราะห์ของ Relevant Audience ไม่ใช่สิ่งที่ OpenAI กล่าวไว้ คำขอให้เขียนอีเมลใหม่ไม่ต้องใช้แหล่งข้อมูลภายนอก แต่คำถามเรื่องข้อเท็จจริง สินค้า หรือราคา มักต้องใช้ และนั่นคือคำตอบประเภทที่ ChatGPT อาจค้นเว็บและแสดงการอ้างอิง สัดส่วนข้อความค้นหาข้อมูลที่มากขึ้นจึงหมายถึงบทสนทนาที่แบรนด์มีโอกาสถูกเอ่ยชื่อเป็นแหล่งข้อมูลมากขึ้น แม้ Signals จะไม่ได้นับการอ้างอิงเองก็ตาม
เหตุผลนี้ทำให้งานGenerative Engine Optimization (GEO) มีความเกี่ยวข้องมากขึ้น หน้าเว็บที่ตอบคำถามเดียวให้ชัดตั้งแต่ต้น มีข้อเท็จจริงเฉพาะเจาะจงพร้อมวันที่และตัวเลข และให้ข้อมูลสินค้า เช่น ราคา สเปก และนโยบาย ตรงกันทั้งเว็บไซต์ จะช่วยให้ระบบ AI อ้างอิงได้ถูกต้องง่ายขึ้น ทีมที่วางแผนงาน ChatGPT SEO สามารถใช้สัดส่วนหัวข้อเป็นแนวทางคร่าว ๆ ได้ เพราะคำแนะนำเชิงปฏิบัติและการค้นหาข้อมูลรวมกันคิดเป็น 48.3% ของข้อความในกันยายน 2569 และทั้งสองหมวดมีลักษณะเป็นคำถาม
สำหรับประเทศไทย ภาพไม่ได้ชัดขนาดนั้น สัดส่วนการค้นหาข้อมูลของผู้ใช้ไทยลดลง ขณะที่มัลติมีเดียและการแสดงออกส่วนตัวเพิ่มขึ้น เหตุผลของการลงทุนเรื่องการมองเห็นใน AI สำหรับตลาดไทยจึงอิงแนวโน้มโลกและพฤติกรรมการหาข้อมูลของผู้ซื้อไทยในแต่ละหมวดสินค้ามากกว่าตัวเลขไทยชุดนี้อย่างเดียว แผนAI SEO ที่ครอบคลุมฟีเจอร์ AI ของ Google ไปพร้อมกันจึงเป็นทางเลือกที่ปลอดภัยกว่าในช่วงที่ข้อมูลไทยยังผันผวนแบบนี้
ความหมายสำหรับนักการตลาดไทย
- มองการเปลี่ยนแปลงระดับโลกเป็นสัญญาณบอกทิศทาง ไม่ใช่การพยากรณ์ตลาดไทย เพราะข้อมูลไทยเรื่องการค้นหาข้อมูลไปในทางตรงข้าม
- ตรวจดูว่าตอนนี้ ChatGPT ตอบคำถามเรื่องสินค้าและนโยบายที่ผู้ซื้อในหมวดของคุณถามอย่างไร ทั้งภาษาไทยและภาษาอังกฤษ และจดไว้ว่ามันอ้างแหล่งข้อมูลใดบ้าง
- ทำให้ข้อเท็จจริงที่ผู้ช่วย AI ต้องใช้ เช่น ราคา เงื่อนไขการจัดส่ง และสเปก ปรากฏเป็นข้อความชัดเจนบนหน้าเว็บที่ crawl ได้ ไม่ได้อยู่แค่ในรูปภาพหรือไฟล์ PDF
- ถ้าอยากทดสอบข้อมูลการใช้งานในไทยด้วยตัวเอง ไฟล์ CSV ดาวน์โหลดได้ฟรี และมีการแบ่งตามประเทศ หัวข้อ และงานครบ
คำถามที่พบบ่อย
OpenAI Signals v3.0 คืออะไร
OpenAI Signals v3.0 คือชุดข้อมูลที่ OpenAI เผยแพร่เมื่อวันที่ 26 ตุลาคม 2569 อธิบายว่าคนใช้ ChatGPT แพ็กเกจส่วนบุคคลอย่างไร โดยอิงข้อความผู้บริโภคที่จัดประเภทแล้ว 1 ล้านข้อความต่อเดือน ตั้งแต่กรกฎาคม 2567 ถึงกันยายน 2569 ครอบคลุมหัวข้อ การใช้เพื่องาน แพ็กเกจ อายุ เพศที่อนุมานจากชื่อ และประเทศ และใช้สัญญาอนุญาต CC BY 4.0
การค้นหาข้อมูลแซงการเขียนใน ChatGPT แล้วหรือยัง
แซงเพียงเดือนเดียว คือเดือนสิงหาคม 2569 ที่การค้นหาข้อมูลอยู่ที่ 20.7% และการเขียน 20.6% แต่ในกันยายน 2569 การเขียนกลับมานำที่ 21.4% ต่อ 20.2% ช่องว่างเล็กพอที่สัญญาณรบกวนเพื่อความเป็นส่วนตัวที่ OpenAI เติมไว้อาจเป็นสาเหตุได้ ข้อสรุปที่ปลอดภัยกว่าคือตอนนี้สองหมวดนี้แทบเท่ากันแล้ว หลังจากการเขียนลดลงจาก 34.1%
ข้อมูลนี้แสดงว่า ChatGPT อ้างอิงเว็บไซต์มากขึ้นหรือไม่
ไม่ Signals ไม่ได้วัดการค้นเว็บหรือการอ้างอิงเลย ข้อมูลจัดประเภทเพียงว่าผู้ใช้ถามเรื่องอะไร การเชื่อมโยงกับการอ้างอิงหรือทราฟฟิกที่ส่งต่อมาเป็นบทวิเคราะห์ ไม่ใช่สิ่งที่ข้อมูลแสดง
OpenAI Signals มีข้อมูลประเทศไทยหรือไม่
มี ประเทศไทยมีข้อมูลแยกเป็นของตัวเอง ในกันยายน 2569 การค้นหาข้อมูลคิดเป็น 14.5% ของข้อความจากไทย ลดลงจาก 18.6% ในกรกฎาคม 2567 และการเขียนเป็นหัวข้อที่ใหญ่ที่สุดที่ 27.0% ข้อมูลรายประเทศอิงตัวอย่างที่เล็กกว่าตัวเลขโลก จึงควรระวังเมื่อตีความการขยับเล็ก ๆ
นักการตลาดต้องทำอะไรเพราะข้อมูลชุดนี้หรือไม่
ไม่มีอะไรเปลี่ยนในบัญชีโฆษณาหรือเครื่องมือใด เพราะนี่คือชุดข้อมูลวิจัย ไม่ใช่การเปลี่ยนแปลงผลิตภัณฑ์ แต่เป็นจังหวะที่ดีในการทบทวนว่าหน้าเว็บของคุณตอบคำถามเชิงข้อเท็จจริงและคำถามเรื่องสินค้า ซึ่งเป็นสัดส่วนที่เติบโตขึ้นของการใช้ ChatGPT ทั่วโลก ได้ดีแค่ไหน
ข้อมูล Signals เป็นหนึ่งในมุมมองจากแหล่งต้นทางไม่กี่แห่งที่บอกว่าคนถาม ChatGPT เรื่องอะไรจริง ๆ และทิศทางก็ชัดเจน คืองานเขียนน้อยลง คำถามมากขึ้น หากต้องการมุมมองเพิ่มเติมว่าแบรนด์ของคุณปรากฏอย่างไรเมื่อคำถามเหล่านั้นเป็นเรื่องในหมวดของคุณ Relevant Audience ช่วยตรวจหน้าเว็บของคุณเทียบกับคำตอบที่ ChatGPT ให้อยู่ในปัจจุบันได้
