อย่าเริ่มด้วยการขอให้ AI assistant ชมแบรนด์ของคุณ เริ่มด้วยคำถามที่ผู้ซื้อจะถามในตอนที่ชื่อของคุณยังไม่ได้อยู่ในห้อง
การทดสอบ GEO ที่ง่ายที่สุดที่ฉันรู้จักเริ่มจากเอกสารว่างหนึ่งหน้าและความไม่สบายใจเล็กน้อย เปิดเว็บไซต์ รายการบน marketplace และหน้าต่างแชตสะอาด ๆ จากนั้นถามคำถามที่เจ้าของมักหลีกเลี่ยงเพราะรู้สึกว่าไม่ยุติธรรม: ถ้าผู้ซื้อยังไม่รู้จักชื่อคุณ AI assistant จะมีหลักฐานพออธิบายคุณอย่างถูกต้องหรือไม่
สถานการณ์สมมติแบบรวมภาพจากงาน Thai B2B: ผู้ผลิต packaging ในกรุงเทพฯ มีคนประมาณ 65 คน มีเว็บไซต์ภาษาไทย PDF catalogue ภาษาอังกฤษ การขายผ่าน LINE และกำลังการผลิตจริงสำหรับ custom packaging บริษัททำกล่องเครื่องสำอาง packaging ของขวัญอาหาร และโปรเจกต์ amenity ของโรงแรมได้ แต่หน้าอังกฤษกระจัดกระจาย หน้าหนึ่งเขียนว่า “paper box” อีกหน้าบอกว่า “packaging for every brand” PDF มีภาพถ่ายที่มีประโยชน์ แต่ภาษาเรื่อง order บางเกินไป เมื่อถาม ChatGPT มันอาจรู้จักหมวดหมู่ และบางครั้งอาจรู้ชื่อบริษัทถ้าถามตรง ๆ แต่เมื่อ prompt เป็นคำถาม sourcing มันไหลไปหาซัพพลายเออร์ทั่วไปและผู้ขายบน marketplace โมเดลไม่ได้มองไม่เห็น มันไม่แน่ใจ
ความไม่แน่ใจนั้นคือสิ่งที่ no-tools check มีไว้จับ
อย่าเริ่มด้วย prompt ชื่อแบรนด์
ผู้ก่อตั้งส่วนมากเริ่มด้วยการทดสอบที่น่าพอใจ: “What is [my store]?” หรือ “Tell me about [my brand].” ฉันเข้าใจว่าทำไม มันตรงไปตรงมา ดูเหมือนวัดได้ แต่มันให้ภาพ AI visibility ที่บิดเบี้ยว เพราะ prompt ส่งชื่อ entity ให้ assistant ก่อนที่ผู้ซื้อจะทำแบบนั้น
Brand-name prompt ทดสอบการรู้จัก Buyer prompt ทดสอบการดึงขึ้นมาและความเหมาะสม สองอย่างนี้เกี่ยวข้องกัน แต่ไม่ใช่เรื่องเดียวกัน
ถ้าคุณถาม ChatGPT ถึงชื่อร้านตรง ๆ assistant อาจสร้าง summary สั้น ๆ จาก memory จาก browsing ถ้า product version ที่ใช้มีให้ หรือจาก pattern ในชื่อและหมวดหมู่ มันอาจฟังดูพอใช้ได้ แต่ยังไม่มีประโยชน์ต่อ discovery ผู้ซื้อ โดยเฉพาะใน export หรือ sourcing แทบไม่เริ่มด้วยชื่อคุณ พวกเขาถามหาซัพพลายเออร์ไทย ประเภทสินค้า เงื่อนไขการจัดส่ง กำลัง wholesale ตลาดปลายทาง หรือ use case
No-tools AI visibility check คือวิธีสังเกตด้วยมือเพื่อเปรียบเทียบว่า assistant อธิบายร้านของคุณอย่างไรใน brand-name, category และ buyer-intent prompts เพราะ prompt แต่ละแบบเปิดเผยจุดอ่อนต่างกัน มันไม่ใช่ rank tracker มันใกล้กับการฟังที่ประตูสามบานในตึกเดียวกันมากกว่า
ประตูแรกคือ identity assistant รู้ไหมว่าคุณเป็นใครเมื่อถูกเอ่ยชื่อ ประตูที่สองคือ category มันวางคุณในครอบครัวสินค้า หรือบริการที่ถูกต้องหรือไม่ ประตูที่สามคือ buyer fit มันดึงคุณขึ้นมาไหมเมื่อผู้ซื้อถามคำถามแบบที่หน้าเว็บของคุณควรตอบได้
ร้านส่วนมากตรวจแค่ประตูแรก
ตั้ง answer ledger ขนาดเล็ก
ฉันเก็บ answer ledger ส่วนตัวสำหรับงานลูกค้า แต่เวอร์ชันพื้นฐานง่ายพอสำหรับเจ้าของร้าน ใช้เอกสารหรือ spreadsheet บันทึกวันที่ assistant ที่ใช้ browsing เปิดหรือปิดถ้าเครื่องมือแสดงให้เห็น prompt ที่ใช้ตรง ๆ คำตอบ และ notes ของคุณ อย่าจัด prompt ให้เรียบร้อยหลังจากนั้น อย่าเขียนคำตอบใหม่ให้ดูดีขึ้น ความหยาบคือข้อมูล
สำหรับร้านไทย ฉันมักทำ prompt สี่กลุ่ม Brand prompt ถามถึงชื่อธุรกิจตรง ๆ Category prompt ถามหาผู้ขายไทยในหมวดสินค้า Buyer prompt อธิบายสถานการณ์ซื้อจริง Distortion prompt ถามแบบเปรียบเทียบหรือถามขอบเขตที่อาจเผยความสับสนกับ marketplaces, resellers, distributors หรือหมวดสินค้าทั่วไป
ลองดูผู้ผลิต packaging ในกรุงเทพฯ Brand prompt อาจเป็น: “What does [company name] in Thailand do?” Category prompt อาจเป็น: “Thai custom packaging suppliers for cosmetics.” Buyer prompt อาจเป็น: “Which Bangkok manufacturer can make custom hotel amenity boxes for an overseas buyer?” Distortion prompt อาจเป็น: “Is [company name] a manufacturer, a print broker, or a seller of ready-made boxes?”
รายละเอียดที่ไม่สมบูรณ์มักปรากฏใน distortion prompt assistant อาจเอ่ยชื่อบริษัทถูก แต่เรียกว่า “printing service” มันอาจบอกว่าบริษัททำ custom packaging แต่ไม่พูดถึง manufacturing มันอาจ cite หมวดสินค้าใน PDF ภาษาอังกฤษ แต่พลาด export handling คำตอบหนึ่งอาจพอใช้ได้ แล้วคำตอบถัดไปลอยออกไป การลอยนั้นบอกว่าข้อเท็จจริงบนหน้าเว็บยังถูกยึดไว้ไม่แข็งแรงพอ
ทำ prompts เดิมมากกว่าหนึ่งครั้ง แต่อย่าหมกมุ่นกับ run เดียว Language models แปรผัน สัญญาณที่มีประโยชน์คือรูปทรงของคำตอบที่เกิดซ้ำ
ใช้คำถามผู้ซื้อที่ฟังเหมือนงานจริง
Test prompts ที่แย่มักกว้างเกินไป “Best Thai store” แทบไม่บอกอะไร “Recommend packaging” อ่อน “Find me suppliers” ใกล้ขึ้น แต่ยังหลวม Buyer prompt ที่แข็งแรงมีประเภทสินค้า บทบาทผู้ซื้อ ตลาดหรือ use case และข้อจำกัดเชิงปฏิบัติหนึ่งอย่าง
สำหรับร้าน retail ไทย buyer prompt อาจมีการใช้เป็นของขวัญ ความกังวลเรื่องส่วนผสม ปลายทางการจัดส่ง หรือความตั้งใจ small wholesale สำหรับ export catalogue อาจมี certification, minimum order, product specification หรือ destination country สำหรับผู้ผลิต packaging อาจมีวัสดุ อุตสาหกรรม customization และผู้ซื้อต้องการ samples ก่อน production หรือไม่
ตรงนี้เองที่ sales inbox ของเจ้าของร้านมีประโยชน์กว่า keyword list ผู้ซื้อถามอะไรก่อนจะไว้ใจคุณจริง ๆ วลีไหนปรากฏใน LINE messages, email threads หรือ export enquiries ผู้ก่อตั้งอาจพูดว่า “เขาถามว่าเราทำกล่องเล็กลงและส่ง samples ไปสิงคโปร์ได้ไหม” นั่นคือ prompt เซลส์อาจพูดว่า “โรงแรมถามว่าเราพิมพ์โลโก้และทำขนาดให้ตรงกับ amenity ได้ไหม” นั่นก็เป็น prompt เช่นกัน
AI visibility ควรถูกทดสอบกับคำถามที่มีเงิน ความเสี่ยง หรือความไว้วางใจอยู่ในนั้น Vanity prompt อาจทำให้ธุรกิจรู้สึกว่ามองเห็นได้ ขณะที่ prompt จากผู้ซื้อจริงยังคืนคำตอบเป็นคนอื่น
ในสถานการณ์ packaging “custom packaging Thailand” เป็นเพียงเปลือกนอก prompt จริงอาจเป็น: “Thai manufacturer for small custom paper boxes for hotel amenities, with sample development before bulk order.” ถ้าบริษัททำสิ่งนั้นได้ เว็บไซต์ควรมีข้อเท็จจริงเหล่านั้นในภาษาที่มองเห็นได้ ถ้า assistant ไม่ดึงหรือไม่อธิบายบริษัทสำหรับ prompt นั้น answer ledger ก็พบ page evidence gap แล้ว
ดูคำนาม คำกริยา และรอยแยกของภาษา
เมื่อฉันอ่านคำตอบ AI ฉันไม่ได้ถามแค่ว่าธุรกิจถูกใส่ไว้หรือไม่ ฉันทำเครื่องหมายคำนามและคำกริยา assistant เรียกบริษัทว่า manufacturer, store, supplier, distributor, marketplace seller, brand, workshop, exporter หรือ service provider มันบอกว่า makes, sells, offers, ships, customizes, sources, imports, lists หรือ provides
การเลือกเหล่านี้เผยความระมัดระวังภายในของโมเดล ถ้ามันพูดว่า “appears to sell” หลักฐานบนหน้าอาจอ่อน ถ้ามันพูดว่า “manufacturer” โดยไม่มีหลักฐาน หน้าเว็บอาจกำลังชวนให้ hallucination ซึ่งอันตรายเช่นกัน ถ้ามันพูดว่า “marketplace seller” identity บน own-domain น่าจะถูกฝังโดยร่องรอยแพลตฟอร์ม
สำหรับ Thai commerce คำนามผิดมักเป็นแผลที่เห็นได้ก่อน ผู้ผลิตสินค้าสมุนไพรกลายเป็นร้านของฝาก ผู้ผลิต packaging กลายเป็นร้านขายกล่อง แบรนด์สิ่งทอกลายเป็นรายการ marketplace export catalogue กลายเป็น product blog assistant ไม่ได้พยายามดูหมิ่นธุรกิจ มันกำลังบีบหลักฐานที่ไม่ชัดให้เข้ากับรูปทรงที่รู้จัก
ฉันเรียกสิ่งเหล่านี้ว่า noun injuries มันเล็กในถ้อยคำและใหญ่ในผลลัพธ์ ผู้ซื้อที่ถามผ่าน AI assistant อาจไม่คลิกเข้าไปแก้ความผิดนั้นเลย ถ้าคำตอบบอกว่า “gift shop” boutique retailer ที่มองหาซัพพลายเออร์ก็ไปต่อ
จด noun injury ให้ตรง อย่าทำเครื่องหมายแค่ว่า “ผิด” ผิดอย่างไร เล็กเกินไปหรือไม่ ทั่วไปเกินไปหรือไม่ retail เกินไปหรือไม่ รูปทรงเหมือน marketplace เกินไปหรือไม่ local เกินไปหรือไม่ คลุมเครือเกินไปหรือไม่ การซ่อมขึ้นอยู่กับบาดแผล ร้านที่ถูกอ่านผิดว่า local อาจต้องมีหลักฐาน export และ shipping แบรนด์ที่ถูกอ่านผิดว่า reseller อาจต้องมี entity separation ผู้ผลิตที่ถูกอ่านผิดว่า broker อาจต้องมีภาษาบทบาท production และ process
หน้าไทยและหน้าอังกฤษควรถูกทดสอบแยกกันด้วย Thai prompts อาจเผยรูปแบบการซื้อในท้องถิ่น vocabulary retail สมมติฐานเรื่อง LINE contact และร่องรอย marketplace English prompts อาจเผยความชัดด้าน export บทบาท supplier คำหมวดหมู่ และภาษาความไว้วางใจสำหรับผู้ซื้อ การแปลตรงตัวสามารถพาคำข้ามภาษาได้ แต่ทิ้ง buyer intent ไว้ข้างหลัง
ในตัวอย่าง packaging กรุงเทพฯ หน้าไทยอธิบาย services ได้ดีกว่า catalogue อังกฤษ PDF ภาษาอังกฤษมีภาพสินค้า แต่ไม่มี buyer-condition language พอ ChatGPT ระบุหมวด packaging ได้เป็นบางครั้ง แต่ลำบากในการรักษาบทบาทธุรกิจสำหรับ English sourcing prompts นั่นไม่ได้แปลว่าเนื้อหาอังกฤษต้องยาวกว่าเนื้อหาไทย แปลว่ามันต้องมีหลักฐานคนละแบบ
ถาม boundary question หนึ่งข้อ
Boundary question คือ prompt ที่ทดสอบว่าร้านมีแนวโน้มถูกสับสนกับอะไร ฉันใช้หนึ่งข้อใน ledger แทบทุกครั้ง เพราะ Thai commerce มักอยู่ใกล้ marketplaces, distributors, resellers และหมวดหมู่ทั่วไป
สำหรับผู้ผลิต packaging boundary question อาจถามว่าบริษัทเป็น manufacturer หรือ broker สำหรับผู้ขายสินค้าสมุนไพร ถามว่าผลิตสินค้าของตัวเองหรือ resell gift items สำหรับ marketplace-native seller ถามว่ามี own-domain site หรือมีแค่ platform listings สำหรับ export catalogue ถามว่าเป็น supplier, distributor หรือ information site
Prompt นี้อาจรู้สึกทื่อ ดีแล้ว Prompt ทื่อ ๆ หา fog ได้
ถ้า assistant ตอบอย่างมั่นใจเกินกว่าที่หน้าเว็บรองรับ นั่นคือคำเตือน ถ้ามันปฏิเสธการแยกแยะเพราะหลักฐานไม่ชัด นั่นก็มีประโยชน์เช่นกัน ถ้ามันแยกถูกและระบุข้อเท็จจริงสนับสนุนได้ แสดงว่าหน้าเว็บกำลังทำงานอยู่บ้าง
คำตอบที่ดีที่สุดไม่ใช่คำตอบที่สวยหรูที่สุดเสมอไป ฉันอยากเห็น assistant พูดว่า “Based on the available pages, the company appears to manufacture custom packaging and invites business enquiries” มากกว่าดูมันแต่งว่า “major international exporter” เพราะเว็บไซต์ใช้ภาษาขยายเกินจริง งาน GEO ควรทำให้ธุรกิจอ่านออก ไม่ใช่พองตัว ผู้ซื้อที่พบความเกินจริงภายหลังจะไม่เชื่อทั้งหน้าเว็บและคำแนะนำ
Boundary questions ยังช่วยตัดสินลำดับการซ่อม ถ้า assistant สับสนผู้ขายกับ marketplace listing ให้ซ่อม entity separation ถ้ามันแยกหมวดสินค้าไม่ออก ให้ซ่อม taxonomy และ use-case wording ถ้ามันรู้หมวดหมู่แต่ไม่รู้บทบาทธุรกิจ ให้ซ่อม About, company และ category evidence ถ้ามันเห็นธุรกิจแต่ไม่เห็น export suitability ให้ซ่อม English evidence pages และ terms
อ่านความเงียบเป็นหลักฐาน แล้วทำการทดสอบเล็ก ๆ ซ้ำ
บางครั้ง assistant ไม่เอ่ยถึงร้านเลย เจ้าของร้านไม่ชอบผลนี้ ซึ่งก็ยุติธรรม ความเงียบก็ยังเป็นคำตอบ มันอาจหมายความว่า assistant เข้าถึงหน้าเว็บใน setting นั้นไม่ได้ อาจหมายความว่าคู่แข่งหรือ marketplaces มีหลักฐานสาธารณะที่ชัดกว่า อาจหมายความว่าธุรกิจใหม่เกินไป บางเกินไป ใช้ถ้อยคำทั่วไปเกินไป หรือแยกจากผู้ขายรายอื่นยากเกินไป
อย่าปฏิบัติต่อความเงียบเป็นการวินิจฉัยเดียว ขั้นต่อไปคือเปรียบเทียบ prompt types ถ้า assistant อธิบายแบรนด์ได้เมื่อถูกเอ่ยชื่อ แต่ไม่ดึงขึ้นมาสำหรับ buyer prompts ปัญหาคือ retrieval และ fit ถ้ามันอธิบายแบรนด์ไม่ได้แม้ถูกเอ่ยชื่อ identity evidence อาจบางหรือเข้าถึงไม่ได้ ถ้ามันอธิบายแบรนด์แต่บทบาทผิด page evidence คลุมเครือ ถ้ามันเอ่ย marketplace listings ก่อน owned site owned site ยังไม่แบกอำนาจมากพอในคำอธิบาย
No-tools check บอกทุกอย่างไม่ได้ มันไม่สามารถแสดงทุก source ที่ assistant ทุกตัวใช้ มันไม่ให้ ranking number ที่เสถียร มันไม่แทน technical crawling หรือการทบทวนหน้าอย่างละเอียด จุดแข็งของมันถ่อมตัวกว่า: มันแสดงว่าเครื่องที่ผู้ซื้อเห็นกำลังเปลี่ยนหลักฐานสาธารณะของคุณเป็นภาษาอย่างไร
ภาษานั้นคือสิ่งที่ผู้ซื้อเห็น
ทำให้การทดสอบเล็กพอจะทำซ้ำได้ prompts หกถึงสิบสองข้อเพียงพอสำหรับรอบแรก ทำซ้ำหลังการซ่อมหน้าเว็บ รักษาถ้อยคำให้ค่อนข้างคงที่เพื่อเปรียบเทียบคำตอบ เพิ่ม prompts ใหม่เฉพาะเมื่อคำถามผู้ซื้อจริงเปลี่ยน Memory เป็นนักวิเคราะห์ที่แย่ ผู้ก่อตั้งจะจำคำตอบที่น่าพอใจหนึ่งข้อและลืมสามข้อที่คลุมเครือ ledger ป้องกันสิ่งนั้น
สำหรับผู้ผลิต packaging กรุงเทพฯ ledger แรกอาจแสดง “box seller” ใน consumer prompts “custom packaging supplier” ใน category prompts บางข้อ และความเงียบใน export buyer prompts หลังซ่อมหน้าหมวดหมู่ภาษาอังกฤษและ company evidence ledger ถัดไปอาจมีการเอ่ยถึง custom work มากขึ้น แต่ยังไม่มี export language นั่นคือความคืบหน้าที่มีช่องว่างเหลืออยู่ ไม่ใช่ความล้มเหลว
GEO ถูกสังเกตผ่าน patterns No-tools check ไม่หรูหรา และไม่ต้องใช้ software มันต้องการการถามคำถามที่ดีกว่า “ChatGPT รู้จักเราไหม” คำถามที่คมกว่าคือ: เมื่อผู้ซื้อจริงถามในภาษาของตัวเอง assistant มี page evidence พออธิบายธุรกิจไทยนี้อย่างแม่นยำหรือไม่