การเพิ่มประสิทธิภาพสำหรับ Perplexity และผู้ช่วยอ้างอิงอื่นๆ

โดย Kiran Sharma, นักวางกลยุทธ์ด้านคอนเทนต์ที่เน้นการเติบโต อัปเดตเมื่อ 14 ตุลาคม 2026

ผู้ช่วย AI ไม่ได้เพียงแค่แสดงรายการลิงก์เท่านั้น พวกเขาจะเลือกหน้าเว็บ ดึงข้อความที่เป็นประโยชน์ออกมา จากนั้นจึงตัดสินใจว่าจะแนบแหล่งที่มาใดกับคำตอบ สิ่งนี้สร้างปัญหาใหม่ด้านคอนเทนต์: การค้นหาเจอง่าย ไม่เหมือนกับการอ้างอิงได้ง่าย หรือมีประโยชน์มากพอที่จะช่วยกำหนดรูปแบบคำตอบได้

ไม่มีเคล็ดลับที่เชื่อถือได้สำหรับการชนะตำแหน่งอ้างอิงแรกบน Perplexity, Microsoft Copilot หรือ You.com เครื่องมือค้นหา โหมดคำตอบ และรายการแหล่งที่มาของพวกเขาอาจแตกต่างกันไป และยังมีการเปลี่ยนแปลงตลอดเวลา เป้าหมายในทางปฏิบัติไม่ใช่การเดาหาสูตรการจัดอันดับที่ซ่อนอยู่ แต่คือการเผยแพร่หน้าเว็บที่ชัดเจนและเป็นประโยชน์ และทำการทดสอบที่เป็นธรรมเพื่อเรียนรู้ว่าอะไรได้ผลสำหรับหัวข้อและกลุ่มเป้าหมายของคุณ

หมายเหตุการวิจัย: ฉันไม่สามารถเรียกใช้งานอินเทอร์เฟซสำหรับผู้ใช้ทั่วไปของผู้ช่วยเหล่านี้จากสภาพแวดล้อมการวิจัยนี้ได้ ดังนั้นนี่จึงไม่ใช่รายงานเกี่ยวกับข้อความแจ้ง (prompt) ใหม่ที่ใช้งานจริง หรือการอ้างว่าฉันถอดรหัสระบบการจัดอันดับปัจจุบันของพวกเขาได้สำเร็จ มันเป็นการรวบรวมเอกสารผลิตภัณฑ์ปัจจุบันกับการวิจัยที่เผยแพร่แล้ว จากนั้นจึงนำเสนอชุดการทดสอบแบบควบคุมที่คุณสามารถดำเนินการได้ด้วยตนเอง

ผู้ช่วยอ้างอิงเลือกแหล่งที่มาอย่างไร

วิธีที่เป็นประโยชน์ในการคิดเกี่ยวกับการอ้างอิงของ AI คือการมองว่าเป็นกระบวนการสามขั้นตอน:

ค้นหาหน้าเว็บ: ผู้ช่วยจะค้นหาหรือเรียกข้อมูลแหล่งที่มาที่เป็นไปได้
เลือกข้อความ: มันจะระบุเนื้อหาที่อาจช่วยตอบคำถามได้
เขียนและอ้างอิง: มันจะสร้างคำตอบและแนบแหล่งที่มาบางส่วนเข้ากับข้อความอ้างบางอย่าง

หน้าเว็บสามารถล้มเหลวได้ในทุกขั้นตอน หากไม่สามารถค้นหาเจอ การเขียนใหม่ก็ไม่ช่วยอะไร หากปรากฏในผลการค้นหาแต่ข้อเท็จจริงที่เป็นประโยชน์หายาก ผู้ช่วยอาจเลือกหน้าอื่น และแหล่งที่มาที่ปรากฏในรายการก็ไม่ได้ถูกอ้างอิงเสมอไปในคำตอบสุดท้าย

ประเด็นสุดท้ายนี้มีความสำคัญ เอกสารงานวิจัยปี 2026 (preprint) เสนอให้แยก การเลือกแหล่งอ้างอิง — ว่าแหล่งที่มาถูกเลือกหรือไม่ — ออกจาก การดูดซับแหล่งอ้างอิง — ว่าข้อเท็จจริงหรือถ้อยคำของแหล่งที่มานั้นมีส่วนช่วยในคำตอบมากน้อยเพียงใด ผลการวิจัยเบื้องต้นเป็นลักษณะเชิงพรรณนา ไม่ใช่กฎถาวรสำหรับแพลตฟอร์มใดๆ แต่การแยกความแตกต่างนี้ก็ยังมีประโยชน์: การนับจำนวนการอ้างอิงเพียงอย่างเดียวไม่สามารถแสดงได้ว่าหน้าเว็บของคุณมีส่วนกำหนดคำตอบจริงๆ หรือไม่ เอกสารการวัดผลปี 2026 (arxiv.org)

ผู้ช่วยต่างๆ แสดงอะไรให้เราเห็นต่อสาธารณะ

ผู้ช่วย	เอกสารประกอบระบุว่าอย่างไร	สิ่งที่ต้องทดสอบ
Perplexity	เอกสาร Pro Search ระบุว่าสามารถทำการค้นหาหลายครั้งและดึงข้อมูลจากแหล่งที่มา เช่น บทความ, เอกสารทางวิชาการ, ฟอรัม และวิดีโอ ขึ้นอยู่กับโฟกัสที่เลือก เอกสาร Perplexity Pro Search (perplexity.ai)	เปรียบเทียบการค้นหาปกติกับ Pro Search กำหนดโมเดลและหัวข้อให้คงที่ และบันทึกทั้งรายการแหล่งที่มาและการอ้างอิงที่แนบมากับข้อความในคำตอบ
Microsoft Copilot	เมื่อเปิดการค้นหาเว็บ Copilot จะสร้างคำค้นหา Bing สั้นๆ จากข้อความแจ้ง ผู้ใช้สามารถเปิดแหล่งที่มาเพื่อดูคำค้นหานั้นและแหล่งที่มาที่ใช้ คู่มือการค้นหาเว็บของ Microsoft (support.microsoft.com)	ตรวจสอบคำค้นหาที่ Copilot ส่งไปยัง Bing จริงๆ หากละเว้นชื่อผลิตภัณฑ์ วันที่ หรือคำคุณศัพท์ที่สำคัญ นั่นอาจอธิบายได้ว่าทำไมจึงพบหน้าเว็บที่ไม่ถูกต้อง
You.com	เอกสารสำหรับนักพัฒนาของ You.com แยกผลการค้นหาแบบดิบ (raw Search results) ออกจากผลลัพธ์ Answer และ Research ที่มีการอ้างอิง Search API สามารถส่งคืนส่วนย่อย (snippets), เนื้อหาเต็มหน้า หรือส่วนที่เน้นที่ตรงกับคำค้นหา คู่มือ You.com Research API และ เอกสาร Search API (you.com)	บันทึกพื้นผิวที่คุณใช้งานอย่างแม่นยำ คำตอบสำหรับผู้ใช้ทั่วไป ผลลัพธ์ Search API และรายงาน Research API ไม่ใช่การทดสอบที่ใช้แทนกันได้

หมายเหตุเกี่ยวกับโหมด “สมดุล” (Balanced) และ “แม่นยำ” (Precise) ของ Copilot

ป้ายกำกับ More Balanced (สมดุลมากขึ้น) และ More Precise (แม่นยำมากขึ้น) เป็นของ Bing Chat เวอร์ชันก่อนหน้า โพสต์ของ Microsoft ปี 2023 ได้อธิบายรูปแบบเหล่านั้นไว้ เอกสาร Copilot ของ Microsoft สำหรับบัญชีส่วนบุคคลในปัจจุบันระบุว่ามี Quick response, Think Deeper, Study and learn, Smart, และ Search แทน Search เป็นโหมดที่ Microsoft อธิบายว่าให้คำตอบจากเว็บปัจจุบันพร้อมการอ้างอิง ความพร้อมใช้งานของโหมดอาจแตกต่างกันไปตามบัญชีและพื้นผิวผลิตภัณฑ์ ดังนั้นให้บันทึกป้ายกำกับที่คุณเห็นเมื่อทำการทดสอบอย่างแม่นยำ โหมดการสนทนาของ Copilot ปัจจุบัน (blogs.microsoft.com)

บทเรียนง่ายๆ คือ: อย่าคิดว่าชื่อโหมดเก่าจะยังคงมีความหมายเหมือนเดิม หรือว่าโหมดจะเปลี่ยนแหล่งที่มาที่เข้าเกณฑ์ได้ ทดสอบโหมดที่มีให้ผู้ชมของคุณใช้งานได้ในวันนี้

งานวิจัยกล่าวถึงรูปแบบคอนเทนต์อย่างไร

การศึกษาแบบควบคุมที่ชัดเจนที่สุดคืองานวิจัยปี 2024 ที่ชื่อว่า GEO: Generative Engine Optimization ซึ่งได้ทดสอบการแก้ไขหน้าแหล่งที่มาบนชุดข้อมูลมาตรฐาน 10,000 คำค้นหา การทดลองหลักใช้เครื่องมือตอบคำถามจำลอง: โดยป้อนผลการค้นหาจาก Google ห้ารายการให้กับโมเดลภาษา จากนั้นวัดว่าแต่ละแหล่งที่มามีส่วนช่วยในคำตอบมากน้อยเพียงใดและปรากฏเด่นชัดแค่ไหน นักวิจัยยังได้ทำการทดสอบ Perplexity ขนาดเล็กกว่า แต่ใช้ข้อความหน้าเว็บที่อัปโหลดเป็นไฟล์แทนการทดสอบการค้นพบเว็บปกติ การศึกษา GEO (arxiv.org)

รายละเอียดนั้นจำกัดสิ่งที่คุณสมบัติของการศึกษาที่สามารถพิสูจน์ได้ มันนำเสนอหลักฐานว่าเนื้อหาของหน้าเว็บสามารถส่งผลต่อคำตอบได้อย่างไร หลังจากที่มีแหล่งที่มาพร้อมใช้งานแล้ว มันไม่ได้เปิดเผยกฎการดึงข้อมูลหรือการจัดอันดับปัจจุบันของผู้ช่วยทั้งสามนี้

การเปลี่ยนแปลงหน้าเว็บที่ทดสอบ	ผลลัพธ์ในเกณฑ์มาตรฐานหลัก	การตีความในทางปฏิบัติ
เพิ่มคำอ้างอิงที่น่าเชื่อถือ	คะแนนเพิ่มขึ้นจาก 19.3 เป็น 27.2	เป็นหลักฐานที่เป็นประโยชน์สำหรับการเพิ่มคำอ้างอิงจริงที่ระบุแหล่งที่มา ไม่ใช่สำหรับการสร้างคำอ้างอิงขึ้นมาเองหรือตกแต่งหน้าเว็บ
เพิ่มสถิติ	คะแนนเพิ่มขึ้นจาก 19.3 เป็น 25.2	ตัวเลขสามารถช่วยได้เมื่อมีความเกี่ยวข้อง มีแหล่งที่มา และมีการอธิบาย
เพิ่มการอ้างอิงถึงแหล่งที่มา	คะแนนเพิ่มขึ้นจาก 19.3 เป็น 24.6	ทำให้การตรวจสอบข้อความอ้างที่สำคัญทำได้ง่ายขึ้น
ยัดคีย์เวิร์ดเพิ่ม	คะแนนลดลงจาก 19.3 เป็น 17.7	การทำซ้ำคำค้นหาไม่เหมือนกับการเพิ่มหลักฐานที่เป็นประโยชน์

นี่คือ คะแนนการมองเห็น ไม่ใช่ความน่าจะเป็นของการอ้างอิงหรือผลลัพธ์การเข้าชม ในการทดสอบ Perplexity แยกต่างหาก นักวิจัยพบประโยชน์จากการเพิ่มคำอ้างอิงและสถิติอีกครั้ง ในขณะที่การยัดคีย์เวิร์ดทำได้ต่ำกว่าค่าพื้นฐาน แต่เนื่องจากการทดสอบนั้นใช้ข้อความแหล่งที่มาที่อัปโหลด จึงไม่ได้ทดสอบว่า Perplexity จะค้นหาหรือดึงข้อมูลหน้าเว็บที่เขียนใหม่ได้หรือไม่ (arxiv.org)

ข้อเท็จจริงที่กระชับ: งานฝีมือที่เป็นประโยชน์ ไม่ใช่ปัจจัยจัดอันดับที่ทราบกันดี

ข้อความสั้นๆ ที่ตอบคำถามด้วยภาษาง่ายๆ จะช่วยให้คนสแกนได้ง่ายขึ้นและประเมินผลในการทดสอบได้ง่ายขึ้น แต่เอกสาร GEO ไม่ได้ ระบุว่าย่อหน้าแรกที่ให้คำตอบสั้นๆ จะได้รับการจัดอันดับสูงสุดในทุกแพลตฟอร์ม

ถือว่าเป็นการออกแบบคอนเทนต์ที่ดีและเป็นแนวคิดที่สามารถทดสอบได้ ไม่ใช่สัญญาณที่รับประกัน ลองขึ้นต้นส่วนด้วยคำตอบที่สมบูรณ์และเจาะจง จากนั้นจึงอธิบายรายละเอียดด้านล่าง

แหล่งข้อมูลปฐมภูมิ: มาตรฐานที่ดี ไม่ใช่เคล็ดลับการอ้างอิงวิเศษ

การศึกษา GEO ได้ทดสอบการอ้างอิงถึงแหล่งที่มาที่น่าเชื่อถือ มันไม่ได้แยก แหล่งข้อมูลปฐมภูมิ — เช่น งานวิจัยต้นฉบับ ข้อมูลจากรัฐบาล หรือเอกสารผลิตภัณฑ์อย่างเป็นทางการ — ออกมาเป็นปัจจัยการจัดอันดับพิเศษ

อย่างไรก็ตาม แหล่งข้อมูลปฐมภูมิเป็นทางเลือกที่ใช้งานได้จริงเมื่อมีอยู่ หากคุณเผยแพร่ข้อความอ้างเกี่ยวกับราคาปัจจุบัน ให้ลิงก์ไปยังหน้าแสดงราคา หากคุณอ้างถึงกฎ ให้ลิงก์ไปยังหน่วยงานกำกับดูแลหรือกฎจริง หากคุณรายงานการทดสอบผลิตภัณฑ์ ให้อธิบายวิธีการดำเนินการและลิงก์ไปยังข้อมูลหรือวิธีการนั้น สิ่งนี้ทำให้ผู้อ่านมีช่องทางในการตรวจสอบข้อความอ้าง และเป็นพื้นฐานที่มั่นคงสำหรับการรายงานของคุณเอง

สถิติและตาราง: ข้อเท็จจริงสำคัญกว่าเนื้อหาที่จัดรูปแบบเป็นตาราง

หลักฐานที่ควบคุมได้สนับสนุนการเพิ่มสถิติที่เกี่ยวข้อง แต่ ไม่ได้ พิสูจน์ว่าการใส่สถิติไว้ในตารางเพียงอย่างเดียวจะเพิ่มการอ้างอิงได้

ตารางยังคงมีประโยชน์เมื่อคำถามต้องการการเปรียบเทียบ You.com กล่าวว่าโหมด Highlights ของ Search API จะรักษาส่วนหัวของตารางไว้เมื่อดึงข้อความที่เกี่ยวข้อง นั่นเป็นหลักฐานเกี่ยวกับคุณสมบัติ API ที่มีการบันทึกไว้หนึ่งอย่าง ไม่ใช่ข้อพิสูจน์ว่าผู้ช่วยสำหรับผู้บริโภคทุกรายนิยมตาราง คู่มือ Highlights ของ You.com (you.com)

สร้างตารางสำหรับผู้อ่าน ใส่หน่วย, วันที่, ขอบเขต และแหล่งที่มาข้างตัวเลขแต่ละตัว อย่าเปลี่ยนทุกหน้าให้เป็นตารางเพียงเพื่อดึงดูดผู้ช่วย

ความทันสมัย: อัปเดตข้อเท็จจริงที่เปลี่ยนแปลง ไม่ใช่วันที่ประทับ

ราคา, ข้อจำกัดของผลิตภัณฑ์, นโยบาย และกฎหมายสามารถเปลี่ยนแปลงได้ ใส่วันที่ "ณ วันที่" ที่ถูกต้องกำกับข้อความอ้างเหล่านั้น และอัปเดตหน้าเมื่อข้อความอ้างเปลี่ยนแปลง อย่าเปลี่ยนวันที่ของหน้าเว็บ เว้นแต่คุณจะเปลี่ยนเนื้อหา

Microsoft กล่าวว่าค่า lastmod ที่ถูกต้องใน sitemap ช่วยให้ Bing จัดลำดับความสำคัญของหน้าเว็บที่อัปเดตสำหรับการรวบรวมข้อมูลซ้ำ สิ่งนี้สนับสนุนการรักษาหน้าเว็บที่มีความอ่อนไหวต่อเวลาให้เป็นปัจจุบันทางเทคนิค แต่ ไม่ได้ พิสูจน์ว่าวันที่ใหม่เพียงอย่างเดียวจะได้รับตำแหน่งการอ้างอิง คำแนะนำ sitemap ของ Bing (blogs.bing.com)

รูปแบบหน้าเว็บที่ควรค่าแก่การทดสอบ

สร้างหน้าเว็บสำหรับผู้อ่านเป็นอันดับแรก ทำให้ข้อเท็จจริงค้นหาง่าย ตรวจสอบง่าย และเข้าใจง่าย

ตอบคำถามตามหัวข้อ เริ่มต้นแต่ละส่วนหลักด้วยประโยคหนึ่งหรือสองประโยคที่ตอบคำถามของส่วนนั้น
แสดงหลักฐาน เชื่อมโยงข้อความอ้างกับแหล่งที่มาที่สนับสนุน เพิ่มวันที่และขอบเขตในจุดที่สำคัญ
ใช้ตารางสำหรับการเปรียบเทียบที่แท้จริง รักษาหัวข้อให้ชัดเจนและตัวเลขเชื่อมโยงกับหน่วยและแหล่งที่มาที่ถูกต้อง
อธิบายวิธีการของคุณ หากคุณเผยแพร่ข้อมูลต้นฉบับ ให้ระบุว่ามาจากไหน เมื่อใดที่คุณรวบรวม และสิ่งที่ไม่ได้แสดง
เพิ่มมุมมองของเจ้าของ อธิบายว่าทีมของคุณเรียนรู้อะไร การแลกเปลี่ยน (tradeoff) ที่คุณเลือกคืออะไร หรือผลลัพธ์ของคุณแสดงอะไร ระบุประสบการณ์ของบริษัทว่าเป็นประสบการณ์ของบริษัท—ไม่ใช่ข้อเท็จจริงที่ใช้ได้ทั่วทั้งอุตสาหกรรม
รักษาการเข้าถึงของหน้าเว็บ ทำให้ข้อมูลสำคัญสามารถมองเห็นได้ในรูปแบบข้อความ อย่าซ่อนสำเนาเดียวในรูปภาพหรือหลังการโต้ตอบ

ประเด็นสุดท้ายนี้ยังสอดคล้องกับคำแนะนำของ Google สำหรับฟีเจอร์การค้นหา AI ของตน: หลักปฏิบัติการค้นหาหลักยังคงใช้ได้ เนื้อหาสำคัญควรอยู่ในรูปแบบข้อความ และ Google ไม่ได้กำหนดให้มีการมาร์กอัป AI พิเศษ คำแนะนำนั้นเกี่ยวกับ Google ไม่ใช่การรับประกันสำหรับ Perplexity, Copilot หรือ You.com คำแนะนำคุณสมบัติ AI ของ Google (developers.google.com)

เขียนข้อความที่สามารถยืนได้ด้วยตัวเอง

ผู้ช่วยอาจใช้ข้อความโดยไม่มีประโยคก่อนหน้า ให้ข้อเท็จจริงที่สำคัญมีบริบทเพียงพอที่จะรอดชีวิตจากการถูกดึงออกจากหน้าเว็บ

ข้อเท็จจริงของผลิตภัณฑ์

ณ วันที่ 14 ตุลาคม 2026, [ผลิตภัณฑ์] มี [คุณสมบัติ] ในแผน [แผน] ตาม [เอกสารทางการ] คุณสมบัตินี้ไม่สามารถใช้ได้กับ [ข้อยกเว้นที่ระบุ]

สถิติการวิจัย

ใน [ช่วงเวลา], [กลุ่มหรือตัวอย่าง] บันทึก [ผลลัพธ์] โดยวัดด้วย [วิธีการ] ผลลัพธ์ใช้ได้กับ [ขอบเขต]; ไม่ได้แสดง [ข้อจำกัด]

ข้อมูลเชิงลึกของผู้ก่อตั้งหรือเจ้าของผลิตภัณฑ์

เราเลือก [แนวทาง] เนื่องจาก [ความต้องการของลูกค้าเฉพาะเจาะจงหรือการแลกเปลี่ยนผลิตภัณฑ์] ใน [ช่วงเวลา], เราสังเกตเห็น [ผลลัพธ์ที่วัดได้] ใน [ตัวอย่าง] นี่คือข้อมูลผลิตภัณฑ์ของเราเอง ไม่ใช่การศึกษาอุตสาหกรรมอิสระ

นี่ไม่ใช่สูตร AI ลับ แต่เป็นวิธีที่จะทำให้ข้อความอ้างมีความชัดเจนและเป็นประโยชน์ต่อผู้อ่านที่เป็นมนุษย์มากขึ้น

ชุดการทดสอบแบบควบคุมสำหรับห้าแนวดิ่ง

เป้าหมายของการทดสอบไม่ใช่แค่ถามว่า “ผู้ช่วยอ้างอิงเราหรือไม่?” แต่คือการค้นหาว่า คำถามใดที่ดึงหน้าเว็บของคุณเข้ามาในคำตอบ ข้อความใดที่สนับสนุนคำตอบ และผลลัพธ์ซ้ำกันหรือไม่

ใช้รูปแบบคำถาม (prompt) สามแบบสำหรับแต่ละแนวดิ่ง:

ข้อเท็จจริงโดยตรง: ขอคำอธิบายที่ชัดเจนหรือข้อเท็จจริงที่ระบุชื่อไม่กี่อย่าง
ตรวจสอบหลักฐาน: ถามว่าแหล่งข้อมูลปฐมภูมิปัจจุบันกล่าวไว้อย่างไร และขอวันที่ของแหล่งที่มา
เปรียบเทียบ: ขอตารางเปรียบเทียบในมาตรการที่ระบุชื่อเดียวกัน โดยมีการระบุข้อมูลที่ไม่ทราบ

แนวดิ่ง	คำถามแบบข้อเท็จจริงโดยตรง	คำถามแบบตรวจสอบหลักฐาน	คำถามแบบเปรียบเทียบ
SaaS และผลิตภัณฑ์	“[ผลิตภัณฑ์] ทำอะไร และสำหรับใคร?”	“แผนและข้อจำกัดปัจจุบันของ [ผลิตภัณฑ์] คืออะไร? ใช้แหล่งข้อมูลผลิตภัณฑ์อย่างเป็นทางการและระบุวันที่”	“เปรียบเทียบ [ผลิตภัณฑ์ A] และ [ผลิตภัณฑ์ B] ใน [คุณสมบัติสามอย่างที่ระบุชื่อ] อ้างอิงแต่ละข้อความและระบุสิ่งที่คุณไม่สามารถยืนยันได้”
สุขภาพ	“[คำศัพท์การตรวจคัดกรองหรือการรักษา] คืออะไร และคำแนะนำนี้ใช้กับใคร?”	“แนวทางปฏิบัติปัจจุบันของ [หน่วยงานสาธารณสุขที่ระบุชื่อ] กล่าวถึง [หัวข้อ] อย่างไร? ระบุวันที่เผยแพร่และขอบเขต”	“เปรียบเทียบคำแนะนำจาก [หน่วยงานที่ระบุชื่อ] ใน [มาตรการเฉพาะ] แยกสิ่งที่พวกเขายอมรับออกจากสิ่งที่แตกต่างกัน”
การเงิน	“[คำศัพท์ทางการเงิน] หมายความว่าอย่างไร? ยกตัวอย่างพร้อมแหล่งที่มาหนึ่งตัวอย่าง”	“[อัตรา, ขีดจำกัด, หรือตัวเลขที่รายงาน] ปัจจุบันคือเท่าใด ตาม [แหล่งข้อมูลทางการที่ระบุชื่อ]? ระบุวันที่”	“เปรียบเทียบ [ตัวเลือก] ในเรื่อง [ค่าธรรมเนียม, อัตรา, หรือขีดจำกัด] โดยใช้แหล่งข้อมูลทางการปัจจุบัน ระบุค่าธรรมเนียมหรือเงื่อนไขที่คุณไม่สามารถยืนยันได้”
กฎหมายและข้อบังคับ	“[กฎที่ระบุชื่อ] ครอบคลุมอะไรบ้างใน [เขตอำนาจ]?”	“กฎปัจจุบันกำหนดอะไรบ้าง ณ วันที่ [วันที่]? อ้างอิงกฎอย่างเป็นทางการหรือคำแนะนำจากหน่วยงาน และระบุวันที่มีผลบังคับใช้”	“เปรียบเทียบข้อกำหนดสำหรับ [สองกลุ่มหรือเขตอำนาจ] แสดงขอบเขต, ข้อยกเว้น และวันที่มีผลบังคับใช้”
วิทยาศาสตร์และเทคโนโลยี	“อธิบาย [แนวคิด] ด้วยภาษาง่ายๆ และระบุหลักฐานสำคัญที่อยู่เบื้องหลัง”	“ผลลัพธ์ที่เกี่ยวข้องล่าสุดจาก [วารสาร, หน่วยงาน, หรือห้องปฏิบัติการที่ระบุชื่อ] คืออะไร? ระบุวันที่เผยแพร่และแยกออกจากสิ่งที่ค้นพบที่ได้รับการยอมรับแล้ว”	“เปรียบเทียบ [สองวิธีหรือข้อค้นพบ] ใน [มาตรการเดียวกัน] เชื่อมโยงไปยังการศึกษาต้นฉบับและระบุข้อจำกัดในหลักฐาน”

รักษาการเปรียบเทียบให้เป็นธรรม

สำหรับผู้ช่วยแต่ละราย:

ใช้ คำพูด, ภาษา, ภูมิภาค และหัวข้อเดียวกัน
เริ่ม การสนทนาใหม่ สำหรับการรันแต่ละครั้ง อย่าปล่อยให้คำตอบก่อนหน้ามีผลต่อคำตอบถัดไป
ทำซ้ำแต่ละคำถาม (prompt) อย่างน้อยห้าครั้ง คำตอบเดียวไม่ใช่รูปแบบ
บันทึก วันที่, พื้นผิวผลิตภัณฑ์, โหมด และโมเดล สำหรับ Perplexity ให้แยก Search ออกจาก Pro Search สำหรับ Copilot ให้ทดสอบ Search แยกต่างหากจากโหมดการให้เหตุผลใดๆ สำหรับ You.com อย่าผสมคำตอบสำหรับผู้บริโภคกับผลลัพธ์ API
รักษารูปแบบคำถามที่เป็นกลางและเวอร์ชันที่ถามหาแหล่งที่มาอย่างชัดเจน สิ่งเหล่านี้ตอบคำถามที่แตกต่างกัน: ว่าผู้ช่วยอ้างอิงโดยไม่ได้รับคำถามหรือไม่ และมีพฤติกรรมอย่างไรเมื่อถูกขอให้แสดงแหล่งที่มา
บันทึกคำตอบทั้งหมดและรายการแหล่งที่มา ใน Copilot ให้บันทึกคำค้นหา Bing ที่แสดงใน Sources ด้วย
ตรวจสอบว่าแต่ละหน้าเว็บที่อ้างอิงสนับสนุนข้อความอ้างที่อยู่ถัดไปนั้นจริงหรือไม่

สำหรับการทดสอบการเขียนหน้าเว็บใหม่ ให้เปลี่ยน ทีละอย่าง เช่น เพิ่มย่อหน้าที่ให้คำตอบก่อน จากนั้นทดสอบเวอร์ชันที่มีสถิติพร้อมแหล่งที่มา จากนั้นจึงเป็นตารางเปรียบเทียบ ตรวจสอบให้แน่ใจว่าผู้ช่วยมีโอกาสที่ยุติธรรมในการดึงข้อมูลหน้าเว็บที่เปลี่ยนแปลงไป หากคุณเปลี่ยนหลายสิ่งพร้อมกัน—หรือโปรแกรมรวบรวมข้อมูลยังไม่เห็นหน้าเว็บใหม่—คุณจะไม่ทราบว่าอะไรเป็นสาเหตุของผลลัพธ์

เทมเพลตการรายงาน

text run_date,platform,surface,mode,model,region,language,prompt_id,prompt_text, page_version,answer_saved,source_list_saved,sent_search_query, all_sources,answer_citations,first_cited_source,top_3_sources, brand_mentioned,own_page_cited,claim_supported,primary_source_used, published_or_updated_date,unique_fact_used,run_notes

จากนั้นรายงานผลลัพธ์ตาม กลุ่มคำถามและแพลตฟอร์ม ไม่ใช่แค่คะแนนรวมทั่วทั้งเว็บไซต์:

มาตรการ	สิ่งที่บอกคุณ
อัตราการถูกอ้างอิง	ความถี่ที่หน้าเว็บของคุณถูกอ้างอิงในการรันซ้ำๆ
อัตราการถูกอ้างอิงติดอันดับสาม	ความถี่ที่ปรากฏอยู่ในสามแหล่งที่มาแรกที่ถูกอ้างอิง
ความครอบคลุมของคำถาม	จำนวนคำถามของผู้ซื้อหรือผู้อ่านที่แตกต่างกันที่ทำให้เกิดการอ้างอิง
ความเสถียรในการทำซ้ำ	ความถี่ที่หน้าเว็บเดียวกันปรากฏในการรันซ้ำๆ
ความสอดคล้องของหลักฐาน	ว่าข้อความที่อ้างอิงสนับสนุนข้อความอ้างที่อยู่ใกล้เคียงนั้นจริงหรือไม่
การมีส่วนร่วมในคำตอบ	ว่าคำตอบใช้ข้อเท็จจริง วิธีการ หรือคำอธิบายที่แตกต่างจากหน้าเว็บของคุณหรือไม่
ผลลัพธ์ทางธุรกิจ	การเยี่ยมชมที่มาจากการอ้างอิง, เซสชันที่มีส่วนร่วม, ลีด, หรือยอดขายที่เชื่อมโยงกับการอ้างอิงจาก AI

อย่ารวมสิ่งเหล่านี้เป็นคะแนน “การมองเห็น AI” เดียวกัน หน้าเว็บอาจถูกอ้างอิงบ่อยครั้งแต่เพิ่มคุณค่าให้กับคำตอบเพียงเล็กน้อย หรืออาจกำหนดรูปแบบคำตอบได้แต่ส่งการเยี่ยมชมเพียงไม่กี่ครั้ง ผลลัพธ์ทั้งสองมีความสำคัญได้ แต่เป็นคำถามทางธุรกิจที่แตกต่างกัน

สรุป

หลักฐานที่แข็งแกร่งที่สุดที่มีอยู่ชี้ไปที่ ข้อเท็จจริงที่เกี่ยวข้อง, คำอ้างอิงที่น่าเชื่อถือ และการระบุแหล่งที่มาที่ชัดเจน มันไม่ได้แสดงว่ารูปแบบใดรูปแบบหนึ่งรับประกันตำแหน่งการอ้างอิงสูงสุดบน Perplexity, Copilot และ You.com งานวิจัยมีจำกัด และประสบการณ์การค้นหาและคำตอบของแต่ละแพลตฟอร์มสามารถเปลี่ยนแปลงได้

ดังนั้น จงสร้างหน้าเว็บที่อธิบายคำตอบ แสดงหลักฐาน และเพิ่มความรู้ที่เฉพาะทีมของคุณเท่านั้นที่สามารถให้ได้ จากนั้นจึงทดสอบคำถามจริงแบบเดิมซ้ำๆ นั่นมีประโยชน์มากกว่าการยัดคีย์เวิร์ดหรือการเผยแพร่หน้า FAQ ทั่วไป—และทำให้คอนเทนต์ของคุณมีโอกาสที่ดีขึ้นในการช่วยทั้งผู้ช่วยและผู้ที่อ่านคำตอบนั้น

การเพิ่มประสิทธิภาพสำหรับ Perplexity และผู้ช่วยอ้างอิงอื่นๆ