เบื้องหลัง AI Search Analyzer เครื่องมือเจาะเนื้อหาคู่แข่งด้วย AI ฉบับทำเองใช้เอง

ยุคนี้ใครๆ ก็พึ่งพา AI ในการหาคำตอบกันเยอะขึ้น คำถามที่คนทำเว็บอย่างเราต้องเริ่มถามตัวเองคือ "แล้วเว็บเราในสายตาของ AI มันดีพอที่จะถูกหยิบไปเป็นคำตอบหรือยัง?" มันไม่ใช่แค่เรื่องการทำ SEO ให้ติดหน้าแรก Google อีกต่อไป แต่มันคือการทำให้อ่านง่าย มีโครงสร้างชัดเจน และตอบคำถามได้ตรงจุด (สิ่งที่เดี๋ยวนี้เรียกกันเท่ๆ ว่า AEO - AI Engine Optimization)

จุดเริ่มต้น: จาก Checker สู่ Analyzer

จริงๆ แล้วที่มาของงานนี้ เริ่มจาก Pain Point ส่วนตัวนิดนึง คือปกติเราทำเว็บให้ลูกค้าหลายเจ้า ก็เลยอยากได้เครื่องมือมาช่วยเช็คว่า เราทำโครงสร้างเว็บตามที่ Google หรือบอทต่างๆ ต้องการครบหรือยัง เลยเริ่มทำ AI Search Checker
ออกมาก่อนแบบง่ายๆ เน้นตรวจสอบความพร้อมเบื้องต้น เช่น พวกไฟล์ robots.txt, โครงสร้าง Schema และ Meta tags เช็คให้ชัวร์ว่าเราไม่ได้พลาดอะไรไป

AI Search Checker (/tools/ai-search-checker)

แต่ทำไปทำมา ก็เกิดโจทย์ใหม่ตามมาอีกว่า "แล้วเราจะรู้ได้ยังไง ว่าถึงเราจะใส่ทุกอย่างครบแล้ว แต่มันดีพอหรือยังล่ะ?" บอทอ่านออกก็เรื่องนึง แต่เนื้อหาข้างในเราสู้ชาวบ้านในยุค AI ได้มั้ย?

นั่นเลยเป็นที่มาของการงอกโปรเจกต์ใหม่ ถือกำเนิดขึ้นมาเป็น AI Search Analyzer เพื่อให้วิเคราะห์เชิงลึกได้มากขึ้น

AI Search Analyzer (/lab/geo-gap-analyzer)

เครื่องมือนี้เกิดมาเพื่อตอบโจทย์เดียวเลยคือ "เจาะลึกเนื้อหาคู่แข่งด้วย AI เพื่อหาว่าเว็บเราขาดอะไรไป ทำไม AI ถึงไม่เลือกไปตอบ" แค่โยน URL ที่ต้องการวิเคราะห์ กับคีย์เวิร์ดเป้าหมายลงไป ระบบจะไปกวาดข้อมูลตัวท็อปในตลาดมาให้ AI สับละเอียด บทความนี้เราจะมาแง้มดูหลังบ้านของฝั่ง Analyzer กันว่า Data Flow มันไหลไปยังไงบ้าง

ลองใช้ AI Search Analyzer

ทำไมต้องใส่ทั้ง "คีย์เวิร์ด" และ "URL" ลงไป?

เหตุผลที่เราต้องใช้ทั้งสองอย่างร่วมกัน ก็เพราะตัว "คีย์เวิร์ด" จะช่วยบอกเราว่าตอนนี้ Google หรือฟีเจอร์ AI Overview กำลังชอบดึงข้อมูลแบบไหนขึ้นมาโชว์บนหน้าผลการค้นหา ส่วน "URL" คือหน้าเว็บของเราที่อยากจะผลักดันขึ้นไป

การเอาสองอย่างนี้มาเทียบกัน จะทำให้เรารู้ว่าเมื่อเทียบกับเว็บที่ติดอันดับต้นๆ แล้ว หน้าเว็บของเรายังขาดตกบกพร่องตรงไหนไปบ้าง ทั้งในแง่ของความครบถ้วนของเนื้อหา มุมมองทางเทคนิค หรือความถูกต้องของโครงสร้าง Schema ต่างๆ

หน้าตาผลลัพธ์ที่ได้

พยายามออกแบบไม่ให้ผลลัพธ์มันอ่านยากจนเกินไป เลยย่อยสิ่งที่โมเดลวิเคราะห์ออกมาเป็นส่วนๆ ตามนี้:

• คะแนนความน่าสนใจ (AEO Visibility Score) — วัดคะแนนว่าเว็บเราเข้าตา AI แค่ไหน เต็ม 100 คะแนน ยิ่งสูงยิ่งมีลุ้นถูก AI หยิบไปใช้ตอบคำถาม (คะแนนมาจากมุมมองของ AI ล้วนๆ ไม่ใช่สูตรสำเร็จตายตัวแบบทำ SEO)
• ส่องสิ่งที่ตกหล่น (The Missing Pieces) — เทียบให้ดูชัดๆ ว่าคู่แข่งส่วนใหญ่เขาเขียนเรื่องอะไรไว้ที่เว็บเรายังไม่ได้พูดถึง (เช่น ขาดการเปรียบเทียบ ขาดช่วงถาม-ตอบ) จะได้รู้เป้าหมายว่าควรไปเติมส่วนไหนเพิ่ม
• คำแนะนำที่ทำตามได้เลย (Actionable Advice) — เมื่อรู้แล้วว่าขาดอะไร ระบบจะสรุปวิธีแก้มาให้เป็นข้อๆ แบบ 1-2-3 หยิบไปอัปเดตงานต่อได้ทันทีไม่ต้องคิดเอง
• ตรวจสุขภาพหลังบ้าน (Technical Audit) — เช็คโครงสร้างเว็บเบื้องต้นให้ด้วย ว่าหลงลืมใส่ข้อมูลเทคนิคตรงไหนไปไหม ที่อาจทำให้บอทอ่านเว็บเรายากขึ้น
• รายชื่อคู่แข่ง (Top Competitors) — สรุปรายชื่อเว็บตัวท็อปที่ระบบไปดูเนื้อหามาวิเคราะห์ พร้อมบอกด้วยว่าสามารถล้วงข้อมูลมาได้แบบครบทั้งหน้าเว็บ หรือได้แค่ข้อความสั้นๆ จากหน้าค้นหา (เพราะบางเจ้าก็มีระบบป้องกันบอทไว้ดีมาก)

ระหว่างที่กำลังวิเคราะห์ ก็จิบกาแฟรอประมาณ 1-2 นาที

---

🛠️ ต่อท่อประมวลผล (The Pipeline)

สำหรับเบื้องหลังการทำงาน ขอเล่า Flow การทำงานหลังบ้านแบบรวบรัดสักหน่อย:

1) 🔐 ล็อกอินและใช้งาน

ระบบนี้จะเปิดให้ใช้งานเฉพาะคนที่เข้าสู่ระบบแล้วเท่านั้น โดยการวิเคราะห์ 1 คีย์เวิร์ด จะแลกด้วย 1 เครดิต แต่แฟร์ๆ เลยคือ ถ้าเว็บเป้าหมายมันบล็อคการอ่านข้อมูลตั้งแต่สเตปแรก ระบบจะส่งแค่รายการคู่แข่งจากหน้าสรุปให้ดู พร้อมอธิบายเหตุผล โดยที่ไม่หักเครดิต เลย (ทดลองใช้งาน มีเครดิตให้ใช้ฟรี อยากเล่นต่อหลังไมค์มาได้นะ)

2) 🔍 สืบหาคู่แข่ง Top 5 จาก Serper

เราส่งรีเควสไปหา Serper.dev เพื่อขอผลค้นหาจาก Google (ตั้งค่าเป็นภาษาไทยนะ) กรองเอาพวกลิงก์ที่มักจะไปโผล่ใน AI Overview มาให้ลุ้นก่อน ถ้าไม่ครบโควต้า 5 เว็บไซด์ ค่อยเอาผล Organic ตามปกติมาเติมเข้าไป

3) 🤖 ส่งหน่วยรบไปสกัดเนื้อหา (Scraper Service)

สเตปนี้น่าสนใจ เราเขียน Service แยกตัวนึงบน Cloud Run ให้ใช้ Playwright (Headless Browser) ไปไล่เปิดดูเนื้อหาเว็บเป้าหมายและคู่แข่งทีละเว็บ ข้อดีคือมันสามารถแกะพวก Metadata และพวก Schema ชนิดต่างๆ ออกมาได้ด้วย

พอดึงมาได้ เราก็จับมันล้างน้ำ ลบโฆษณา ลบ Header/Footer ทิ้งให้หมด เอาแค่บทความเน้นๆ แล้วแปลงร่างเป็น Markdown เตรียมไว้ แต่! ถ้าเจอเว็บเบอร์ใหญ่ที่ลงระบบป้องกันบอท (Anti-Bot) ไว้แน่นหนา เราก็ไม่ดันทุรังไปสู้ ยอมถอยมาใช้การวิเคราะห์จาก Snippet สั้นๆ บนผลการค้นหาแทน

4) 🧠 ประมวลผลด้วยสมองกล Gemini

สุดท้าย จับก้อนข้อมูล Markdown ทั้งหมด ห่อรวมเป็น Prompt ส่งให้ Gemini 2.5 Flash ช่วยย่อยข้อมูลและตอบกลับมาเป็นฟอร์แมต JSON ที่วางโครงสร้างไว้ โดยเราตั้งกฎเหล็กไว้ใน Prompt ชัดเจนว่า "ให้วิเคราะห์จากข้อมูลที่ให้ไปเท่านั้น ห้ามมโน"

5) 💾 บันทึกผล

เมื่อวิเคราะห์สำเร็จก็จะเซฟผล JSON ทั้งหมดลงฐานข้อมูลของระบบ ผู้ใช้จะได้คลิกเข้ามาดูประวัติย้อนหลังได้สบายๆ ไม่ต้องมาสั่งรันและเสียเครดิตใหม่

⚠️ ข้อจำกัดที่อยากบอกไว้ก่อน

• ⏱️ เรื่องเวลา — อย่างที่บอกว่า Flow นี้มันวิ่งไปหลายที่มาก บางจังหวะถ้าฝั่งเว็บที่ไปดึงมันโหลดช้า ก็มีลุ้นเจออาการ Timeout กลางทางได้
• 🔍 ความจริงของผลค้นหา — ข้อมูลที่เอามาเทียบ มันคือ Snapshot ณ เวลานั้น ที่ Google เลือกเอามาแสดง มันอาจจะไม่ได้ใช่วัดผลกันแบบตลอดไป
• 🔒 ความเป็นส่วนตัว — เพราะมีการส่งหน้าเว็บไปหาทั้ง Serper และ Gemini ใครที่จะเอาไปใช้วิเคราะห์เว็บภายในหรือข้อมูลลับ ก็ควรแตะเบรกพิจารณาก่อน

หากใครอยากรู้ว่าเนื้อหาบนหน้าเว็บตัวเอง สู้คู่แข่งในยุคที่ AI กำลังเริ่มตัดสินคนได้หรือเปล่า ลองไปทดสอบกันดูได้ที่ AI Search Analyzer ได้เลยนะ ผลลัพธ์เอาไปต่อยอดเป็นไอเดียได้เยอะเลยล่ะ!