ศูนย์รถหรู ยิงแอดเต็มที่ แต่ AI ไม่แนะนำ? ผลทดสอบ ChatGPT + AIO

By Thanacharn

November 4, 2026

0

7

AI Research · Case Study

ศูนย์รถหรูยิงแอดเต็มที่ แต่ AI ไม่แนะนำ: ผลทดสอบ ChatGPT และ Google AI Overview กับปัญหาลีดน้อยและลีดซ้ำ

5 พฤศจิกายน 2569 · AI Research · อ่าน 9 นาที

สรุปสั้น

ทดสอบดีลเลอร์ Mercedes-Benz รายหนึ่ง (เรียกว่า “ดีลเลอร์ A”) ที่ยิง Google Ads, โฆษณาออนไลน์ และทำการตลาด offline แต่ได้ลีดน้อยและมีลีดซ้ำ
ChatGPT แนะนำดีลเลอร์ A 0 จาก 8 คำตอบ ส่วน Benz BKK และ Suanluang ถูกแนะนำครบ 8/8
Google AI Overview ขึ้น 8 จาก 12 หน้าผลค้นหา แต่ไม่พูดถึงดีลเลอร์ A เลย ขณะที่โฆษณาของดีลเลอร์ A ไปอยู่ใต้คำตอบ AI ที่ส่งลูกค้าไปจองกับเว็บแบรนด์แม่
เว็บของดีลเลอร์ A ออกแบบสวยหรู แต่เนื้อหาโหลดด้วย JavaScript ทั้งหมด จาก 20 หน้าที่ตรวจ AI crawler อ่านเนื้อหาได้ 0 หน้า

โจทย์: ลีดน้อย ลีดซ้ำ ทั้งที่ทำการตลาดครบ

ดีลเลอร์ A เป็นผู้จำหน่าย Mercedes-Benz ที่มีหลายสาขาในกรุงเทพฯ และปริมณฑล ทีมการตลาดทำครบทั้ง Google Ads, โฆษณาบนโซเชียล และกิจกรรม offline แต่ลีดที่เข้ามายังน้อย และมีลีดซ้ำจำนวนมาก

รถราคาหลักล้านไม่ได้ซื้อกันในวันเดียว ลูกค้าจะค้นข้อมูลซ้ำหลายรอบ ถาม AI ว่ารุ่นไหนดี จองทดลองขับที่ไหน แล้วค่อยกรอกฟอร์ม คำถามที่ทีมยังไม่เคยดูคือ ตอนลูกค้าถาม AI ชื่อดีลเลอร์ A อยู่ในคำตอบหรือไม่

วิธีทดสอบ

ส่วนที่ทดสอบ	วิธี
คำค้น 6 คำ	Benz Test Drive, ทดลองขับ Benz, รถเบนซ์ รุ่นไหนดี, รถเบนซ์ไฟฟ้า, benz ไฟฟ้า, benz ev
Google AI Overview	คำละ 2 รอบ รวม 12 หน้าผลค้นหา (ภาษาไทย ประเทศไทย ปิด personalization) แยกโฆษณาออกจาก AI Overview
ChatGPT	ไม่ล็อกอิน เปิดแชทใหม่ทุกครั้ง 10 คำตอบ (ถามทั่วไป 8 + ระบุย่าน 2)
เว็บไซต์	ดึง HTML ดิบ 20 หน้าโดยไม่รัน JavaScript แบบเดียวกับที่ AI crawler เห็น
ความต้องการตลาด	Google Ads Keyword Planner + Google Trends 12 เดือน

วันที่ทดสอบ: 30 ตุลาคม 2569

ผล 1: ChatGPT แนะนำคู่แข่งทุกครั้ง แต่ไม่มีชื่อดีลเลอร์ A

คำถามแบบที่ลูกค้าถามจริง เช่น “อยากทดลองขับ Benz ในกรุงเทพ ต้องจองที่ไหน ดีลเลอร์ไหนดี” หรือ “รถเบนซ์ไฟฟ้ารุ่นไหนน่าซื้อตอนนี้ ซื้อที่ไหนดี” ChatGPT ระบุชื่อโชว์รูมให้ทุกคำตอบ คำตอบละ 3-5 แห่ง

จำนวนคำตอบ ChatGPT ที่พูดถึงแต่ละดีลเลอร์ (จาก 8 คำตอบทั่วไป)

Benz BKK

8/8

Suanluang

8/8

TTC Motor

6/8

Mercedes-Benz Thailand

6/8

Primus

2/8

ดีลเลอร์ A

0/8

Benz BKK ถูกแนะนำเป็นอันดับแรก 6 ใน 8 ครั้ง อีก 2 ครั้ง ChatGPT แนะนำให้จองผ่านเว็บ Mercedes-Benz Thailand ก่อน และอ้างลิงก์ benzbkkgroup.co.th เป็นแหล่งข้อมูล 3 จาก 10 คำตอบ

อีกจุดที่น่าสนใจคือ เวลา ChatGPT ถามกลับว่าลูกค้าสะดวกโซนไหน ตัวเลือกที่เสนอมีแค่บางนา สุขุมวิท-พระราม 9 และพัฒนาการ-ศรีนครินทร์ ซึ่งไม่ใช่โซนที่ดีลเลอร์ A มีสาขา

ผล 2: ชนะเฉพาะตอนลูกค้าพิมพ์ชื่อย่านเอง

ทดสอบเพิ่มอีก 2 คำถามที่ระบุย่านที่ดีลเลอร์ A มีสาขาจริง ผลออกมาต่างกันชัดเจน

ย่าน A (ที่ตั้งสาขา): ชนะ

ดีลเลอร์ A ขึ้นเป็นอันดับ 1 ตามด้วยดีลเลอร์อีก 2 ราย ChatGPT อ้างคะแนนรีวิวบน Google Maps และลิงก์ไปหน้า landing page ของดีลเลอร์ A

ย่าน B (ที่ตั้งสำนักงานใหญ่): แพ้

ChatGPT แนะนำสาขาของ Benz BKK และโชว์รูมอื่นอีก 2 แห่งในโซนใกล้เคียง ไม่มีชื่อดีลเลอร์ A ทั้งที่สำนักงานใหญ่อยู่ในย่านนั้น

แปลว่าชื่อเสียงหน้าร้านมีอยู่แล้ว แต่ AI ไม่รู้ว่าดีลเลอร์ A ครอบคลุมพื้นที่ไหนบ้าง เพราะบนเว็บไม่มีหน้าสาขาที่บอกข้อมูลนี้ให้ AI อ่าน ข้อมูลจาก Google Trends ยังพบว่าคำค้นชื่อแบรนด์คู่กับชื่อย่าน B ขึ้นเป็น Breakout คนเริ่มหาสาขานี้แล้ว แต่ AI ยังแนะนำคนอื่น

ผล 3: Google AI Overview ตอบจากสื่อรถและโซเชียล

8/12

หน้าผลค้นหาที่ AI Overview ขึ้น (ไม่ขึ้นในคำ “ทดลองขับ” ทั้ง 2 คำ)

0/8

ครั้งที่ AI Overview พูดถึงดีลเลอร์ A

10/12

ครั้งที่ mercedes-benz.co.th ติดอันดับ 1 ใน Google

0/12

ครั้งที่เว็บดีลเลอร์ A ติด top 10 (TTC Motor ติด 6/12)

เว็บที่ AI Overview อ้างถึง (จาก 8 ครั้งที่ AI Overview ขึ้น)

facebook.com

6

autolifethailand.tv

6

instagram.com

4

headlightmag.com

4

mercedes-benz.co.th

2

pantip.com

2

carcarrod.com

2

เว็บดีลเลอร์ A

0

ผลนี้สอดคล้องกับที่เคยพบในเคสแบรนด์อาหารเสริมที่คนรู้จักแต่ AI ไม่แนะนำ แบรนด์ที่ดังในโลกจริงไม่ได้แปลว่า AI จะหยิบไปตอบ ถ้าเว็บของแบรนด์เองไม่มีข้อมูลที่ AI อ่านได้ AI ก็จะไปเอาคำตอบจากสื่อและโซเชียลแทน

ผล 4: คำ “benz ev” แอดอยู่ใต้คำตอบ AI ที่ส่งลูกค้าไปที่อื่น

คำว่า “benz ev” มีคนค้น 100-1K ครั้งต่อเดือน และ Google Trends แสดงว่ากำลังโต +110% ส่วนคำว่า “รถเบนซ์ไฟฟ้า ราคา” โต +160% สิ่งที่เกิดขึ้นในหน้าผลค้นหามี 4 ขั้น

1. ลูกค้าค้น

“benz ev”

2. AI Overview ตอบ

บอกรุ่นและราคา แล้วแนะนำให้นัดทดลองขับผ่านเว็บไซต์ Mercedes-Benz ประเทศไทย

3. ถัดลงมา

โฆษณาของดีลเลอร์ A ที่จ่ายเงินต่อคลิก ชวนจองรุ่นเดียวกัน

4. ผลที่อาจเกิด

ลูกค้าคนเดียวกรอกทั้งฟอร์มแบรนด์แม่และฟอร์มดีลเลอร์ A

โฆษณาของดีลเลอร์ A ขึ้น 5 จาก 12 หน้าผลค้นหา ทุกครั้งที่ขึ้นพร้อม AI Overview โฆษณาจะอยู่ใต้คำตอบที่ไม่ได้แนะนำดีลเลอร์ A

ผล 5: เว็บสวยหรู แต่ AI อ่านไม่ออก

~350

ตัวอักษรต่อหน้าที่ AI crawler อ่านได้ (มีแค่เมนูกับฟุตเตอร์)

9/9

หน้าหลักที่ใช้ title เดียวกันทั้งหมด

0/3

robots.txt, sitemap.xml, llms.txt ที่ใช้งานได้จริง

2 ปี

ช่วงที่ไม่มีบทความใหม่ (ทั้งเว็บมี 4 บทความ)

หน้ารุ่นรถของดีลเลอร์ A มีข้อมูลดีอยู่แล้ว ทั้งราคา ค่างวด สเปก และอุปกรณ์ แต่ทั้งหมดโหลดด้วย JavaScript หลังเปิดหน้า เมื่อดึง HTML ดิบแบบที่ AI crawler เห็น จะเหลือแค่เมนูกับฟุตเตอร์

งานวิจัยของ Vercel ร่วมกับ MERJ ที่ดู log การ crawl จริงบนเครือข่ายของ Vercel พบว่า crawler หลักของ AI อย่าง GPTBot, OAI-SearchBot และ ClaudeBot ไม่รัน JavaScript เนื้อหาที่ต้องรอ script ทำงานก่อนจึงแสดง จะไม่ถึง AI กลุ่มนี้เลย ส่วน Googlebot รัน JavaScript ได้ แต่เป็นรอบที่สองซึ่งช้ากว่า

จากประสบการณ์ของผู้เขียน

ปัญหานี้ไม่ได้เกิดจากใครทำผิด ผู้บริหารต้องการเว็บที่สวยและหรูหราสมกับแบรนด์รถระดับนี้ จึงสั่งให้ทำเว็บแบบ JavaScript เต็มรูปแบบ แต่ไม่ได้รู้ว่า AI เก็บข้อมูลจากเว็บอย่างไร คนทำเว็บก็ทำตามโจทย์ที่ได้รับ โดยไม่มีที่ปรึกษาคอยบอกว่าแบบไหนเหมาะกับ AI ผลที่ได้จึงแย่กว่าที่ควร ทีม Online Marketing ไม่ว่าจะเป็น in-house หรือ outsource จึงต้องมีความรู้มากพอที่จะคุมเรื่องนี้ตั้งแต่ตอนสั่งทำเว็บ

เรื่องไฟล์ llms.txt ที่ยังไม่มี เคยทดลองไว้ในบทความllms.txt ช่วยให้ AI อ้างอิงเว็บไทยได้จริงไหม ถ้าเนื้อหาหลักของเว็บยังโหลดด้วย JavaScript อยู่ ควรแก้ส่วนนั้นก่อนเพิ่มไฟล์นี้

ลีดซ้ำมาจากไหน

จากการตรวจพบว่ามีทางรับลีด 3 ทางที่ไม่เชื่อมกัน คือฟอร์มทดลองขับบนเว็บหลัก, landing page แยกสำหรับโฆษณา และหน้าจองทดลองขับของ Mercedes-Benz Thailand ที่ AI แนะนำ ลูกค้าคนเดียวที่ค้นหลายรอบมีโอกาสกรอกมากกว่าหนึ่งทาง ข้อนี้ยังเป็นสมมติฐาน ต้องตรวจกับข้อมูล CRM จริงก่อน

จากประสบการณ์ของผู้เขียน: ลดลีดซ้ำด้วยคอนเทนต์

สมัยที่ทำแคมเปญหาลีดด้วย SEO อย่างเดียว ลีดซ้ำมีบ้าง แต่เป็นสัดส่วนที่ต่ำมาก เพราะทีมหาคีย์เวิร์ดใหม่อยู่ตลอด ความจริงคือไม่มีวิธีไหนแก้ลีดซ้ำได้ 100% แต่การทำคอนเทนต์คือทางแก้ที่ได้ผลที่สุด

ตัวอย่างจากงานบัตรเครดิต คำว่า “ผ่อนโทรศัพท์มือถือ บัตรเครดิตใบไหนดี” หรือ “บัตรผ่อนมือถือ 0%” เป็นตลาดกลุ่มหนึ่ง ถ้าขยายไปทำคำว่า “บัตรเครดิตผ่อนค่าตั๋ว 0%” จะได้คนอีกกลุ่ม คนละ audience กัน ลีดที่ได้จึงไม่ทับกับกลุ่มเดิม สำหรับรถยนต์ก็ใช้หลักเดียวกัน คนที่ค้นรถไฟฟ้า คนที่ค้นเปรียบเทียบรุ่นตามงบ และคนที่ค้นสาขาใกล้บ้าน คือคนละกลุ่มที่ควรมีหน้าตอบแยกกัน

ยิงแอดเพิ่ม หรือทำให้ AI แนะนำ

เรื่อง	ยิงแอดเพิ่ม	ทำให้ AI แนะนำ
ความเร็ว	ได้ลีดทันที	ใช้เวลาสร้าง
ความยั่งยืน	หยุดจ่ายก็หยุดได้ รถหลักล้านตัดสินใจนาน อาจต้องยิงต่อเนื่องนานกว่า ลูกค้ากลับมาค้นซ้ำและอาจคลิกซ้ำ	ยั่งยืนกว่า แม้ AI จะไม่แนะนำครบทุกรอบ ถ้าทดสอบ 10 รอบก็ไม่ได้ขึ้นครบ 10
การกรองกลุ่มเป้าหมาย	โซเชียลคือการ push ตาม demographic หรือการตั้งค่าแอด ลูกค้าอาจยังไม่สนใจ ส่วน keyword ถ้าไม่ได้ตั้ง Exact Match อาจไม่ตรงเจตนา	ลูกค้าถามเองตามเจตนา AI กรอง intent ให้เรียบร้อยก่อนแนะนำ
ความน่าเชื่อถือ	ลูกค้ารู้ว่าเป็นโฆษณา	ได้คะแนนมากกว่า เพราะเป็นคำตอบที่ลูกค้าค้นหาเอง
คุณภาพลีด	ปนกันระหว่างคนสนใจจริงกับคนที่บังเอิญเห็น	ดีกว่า ปิดการขายได้เร็วกว่า และดึงคนมาทดลองขับได้ดีกว่า

ตารางนี้สรุปจากประสบการณ์ของผู้เขียน ไม่ใช่ผลวัดจากเคสนี้โดยตรง

สองทางนี้ไม่ได้แทนกัน แอดยังจำเป็นในช่วงที่ต้องการลีดเร็ว แต่ถ้าคำตอบ AI ด้านบนแนะนำคนอื่นอยู่ เงินแอดก็ต้องทำงานหนักขึ้นเพื่อดึงลูกค้ากลับมา ประเด็นการแยกแยะโฆษณากับคำแนะนำของ AI เคยเขียนไว้ในโฆษณาใน ChatGPT กับการถูก AI แนะนำ ต่างกันอย่างไร

ทีมการตลาดควรเริ่มตรงไหน

ทำให้เว็บอ่านได้: ให้เนื้อหาหลัก ราคา และสเปกอยู่ใน HTML ตั้งแต่ server ส่งมา แก้ title ให้ต่างกันทุกหน้า และทำ robots.txt กับ sitemap.xml ให้เป็นไฟล์จริง
ทำหน้าตามย่านและสาขา: บอกให้ชัดว่าแต่ละสาขาอยู่ที่ไหน เปิดกี่โมง มีรถรุ่นไหนให้ทดลองขับ และครอบคลุมพื้นที่ใดบ้าง
ทำหน้าตอบคำถามที่ลูกค้าถามจริง: รถไฟฟ้าทุกรุ่นพร้อมราคา, เลือกรุ่นตามงบ, ขั้นตอนทดลองขับ
ทำข้อมูลให้ตรงกันทุกช่องทาง: จำนวนสาขา เวลาทำการ และราคาที่ไม่ตรงกันระหว่างหน้าเว็บ ทำให้ AI ไม่กล้าอ้าง
รวมทางรับลีด: ทุกฟอร์มส่งเข้าระบบเดียว ตรวจซ้ำด้วยเบอร์โทร และติด UTM เพื่อแยกลีดจาก AI, แอด และ offline

หลังแก้ ต้องวัดซ้ำด้วยวิธีเดิม เพราะคำตอบและแหล่งอ้างอิงของ AI Overview เปลี่ยนได้ทุกครั้งที่ค้น การดูครั้งเดียวจึงสรุปอะไรไม่ได้

ข้อจำกัดของการทดสอบ

Google ทดสอบคำละ 2 รอบ และ ChatGPT 10 คำตอบ เป็นภาพ ณ วันที่ 30 ต.ค. 2569 ไม่ใช่ค่าเฉลี่ยระยะยาว
ChatGPT เดาตำแหน่งผู้ถามจาก IP ว่าอยู่ฝั่งตะวันออกของกรุงเทพฯ ผลคำถามทั่วไปจึงอาจเอียงไปทางโชว์รูมโซนนั้น ส่วนคำถามที่ระบุย่านไม่ได้ขึ้นกับ IP
Google ทดสอบผ่านเบราว์เซอร์ที่ไม่ได้ล็อกอิน แต่ไม่ใช่โหมด incognito
สาเหตุของลีดซ้ำยังเป็นสมมติฐาน ต้องยืนยันด้วยข้อมูล CRM
ปิดชื่อแบรนด์ลูกค้าตามข้อตกลง ชื่อดีลเลอร์อื่นและเว็บไซต์ที่ปรากฏเป็นผลที่ AI ตอบจริงในวันทดสอบ

คำถามที่พบบ่อย

ยิงแอดเยอะแล้ว ทำไม AI ถึงยังไม่แนะนำแบรนด์

เพราะโฆษณาไม่ใช่ข้อมูลที่ AI ใช้เลือกคำตอบ AI ตอบจากเนื้อหาที่อ่านได้บนเว็บ สื่อ โซเชียล และข้อมูลแผนที่ ถ้าเว็บของแบรนด์อ่านไม่ได้หรือไม่มีหน้าที่ตอบคำถามนั้น AI ก็จะแนะนำแบรนด์อื่นที่มีข้อมูลให้อ่าน

เว็บที่ทำด้วย JavaScript ทำให้ AI มองไม่เห็นจริงไหม

ถ้าเนื้อหาหลักโหลดด้วย JavaScript หลังเปิดหน้า crawler ของ AI อย่าง GPTBot และ ClaudeBot จะเห็นแค่ HTML ดิบ ในเคสนี้แต่ละหน้าเหลือราว 350 ตัวอักษร มีแค่เมนูกับฟุตเตอร์ ทางแก้คือให้ server ส่งเนื้อหาหลักมาใน HTML ตั้งแต่แรก

ลีดซ้ำแก้ได้ 100% ไหม

ไม่มีวิธีไหนแก้ได้ 100% แต่ลดได้ด้วยการรวมทางรับลีดเข้าระบบเดียว และทำคอนเทนต์ที่ขยายไปหากลุ่มคนใหม่ที่ไม่ทับกับกลุ่มเดิม

ลีดจาก AI ดีกว่าลีดจากแอดอย่างไร

ลูกค้าที่ถาม AI ถามตามเจตนาของตัวเอง AI จึงกรอง intent มาให้แล้ว ลีดกลุ่มนี้มีแนวโน้มปิดการขายได้เร็วกว่าและมาทดลองขับมากกว่า ต่างจากแอดโซเชียลที่ push ตามกลุ่มเป้าหมายซึ่งอาจยังไม่สนใจ

อ่านเคสอื่นในซีรีส์ AI Research

แหล่งอ้างอิง

Vercel: The rise of the AI crawler (ร่วมกับ MERJ)
ผลทดสอบ Google AI Overview, ChatGPT และ crawl เว็บไซต์ โดยทีมผู้เขียน 30 ตุลาคม 2569
Google Ads Keyword Planner และ Google Trends (ประเทศไทย 12 เดือน หมวด Autos & Vehicles)

TJ

Thanacharn J.

20+ ปีในสาย SEO / PPC / Social Marketing โฟกัสงานวิจัยด้าน GEO และ Zero-Click Threat · LinkedIn