Share of Model คืออะไร สัดส่วนที่แบรนด์ถูก AI แนะนำเทียบกับคู่แข่ง

เมื่อผู้บริโภคใช้ ChatGPT, Gemini, Perplexity หรือ AI Search เพื่อค้นหาสินค้าและบริการ แบรนด์ไม่ได้แข่งขันกันเฉพาะอันดับบน Google อีกต่อไป แต่ยังแข่งขันเพื่อให้ชื่อแบรนด์ปรากฏอยู่ในคำตอบของ AI ด้วย

Share of Model หรือ SoM คือสัดส่วนที่แบรนด์ถูกกล่าวถึงหรือแนะนำในคำตอบจาก AI เมื่อเทียบกับแบรนด์อื่นในหมวดเดียวกัน ตัวชี้วัดนี้ช่วยตอบว่า เมื่อกลุ่มเป้าหมายถาม AI ในเรื่องที่เกี่ยวข้อง แบรนด์ของเรามีโอกาสถูกนำเสนอมากเพียงใด

ตัวอย่างเช่น หากทดสอบคำถามเกี่ยวกับซอฟต์แวร์บัญชี 100 คำถาม และแบรนด์ A ปรากฏใน 35 คำตอบ แบรนด์ A มี Share of Model แบบนับตามคำถามเท่ากับ 35% อย่างไรก็ตาม การวัดที่มีคุณภาพต้องระบุให้ชัดว่าทดสอบกับ AI ใด ประเทศใด ภาษาใด และช่วงเวลาใด เพราะคำตอบของโมเดลสามารถเปลี่ยนตามบริบทและการอัปเดตระบบได้

ในทางปฏิบัติ ผู้เขียนมองว่า SoM ไม่ควรถูกอ่านเป็นคะแนนความนิยมแบบตายตัว แต่ควรใช้เป็นตัวชี้วัดแนวโน้มเพื่อเปรียบเทียบแบรนด์กับคู่แข่งภายใต้เงื่อนไขการทดสอบเดียวกัน

Share of Model vs Share of Voice ต่างกันยังไง

ประเด็น	Share of Model	Share of Voice
สิ่งที่วัด	สัดส่วนการปรากฏหรือการถูกแนะนำในคำตอบ AI	สัดส่วนการมองเห็นของแบรนด์ในสื่อ โฆษณา การค้นหา หรือบทสนทนา
แหล่งข้อมูล	ChatGPT, Gemini, Perplexity, Copilot และ AI Search	สื่อออนไลน์ โฆษณา Search Social Media และช่องทางอื่น
หน่วยวัด	จำนวนคำตอบที่กล่าวถึงแบรนด์ หรือจำนวน Brand Mention	Impression, Mention, ค่าโฆษณา หรือ Search Visibility
ประโยชน์หลัก	ประเมินว่า AI นำแบรนด์เข้าสู่ชุดตัวเลือกของผู้ใช้หรือไม่	ประเมินการรับรู้และการปรากฏของแบรนด์ในตลาด

คำว่า Share of Model ยังไม่มีมาตรฐานกลางเพียงแบบเดียว เครื่องมือหลายรายใช้คำว่า AI Share of Voice และอาจคำนวณต่างกัน เช่น Ahrefs สามารถถ่วงน้ำหนักด้วย Estimated Impressions ขณะที่การวัดแบบง่ายนับจำนวนคำตอบที่มีชื่อแบรนด์ ดังนั้นก่อนเปรียบเทียบรายงานต้องตรวจสอบนิยามและสูตรของเครื่องมือก่อนเสมอ

ทำไม Share of Model ถึงสำคัญกว่า Market Share ยุค AI

Share of Model ไม่ได้สำคัญกว่า Market Share ในทุกมิติ และไม่ควรนำมาใช้แทนกัน Market Share วัดผลลัพธ์ทางธุรกิจที่เกิดขึ้นแล้ว เช่น สัดส่วนยอดขายหรือรายได้ในตลาด ส่วน Share of Model วัดการมองเห็นในช่วงที่ผู้ใช้กำลังค้นหา เปรียบเทียบ และสร้างรายชื่อแบรนด์ที่น่าสนใจผ่าน AI

SoM จึงมีประโยชน์ในฐานะสัญญาณนำ หากแบรนด์ไม่ปรากฏในคำตอบที่มีเจตนาเชิงพาณิชย์ เช่น โปรแกรมบัญชีที่เหมาะกับ SME หรือบริษัทรับทำ SEO ที่น่าเชื่อถือ แบรนด์อาจไม่ได้เข้าสู่กระบวนการพิจารณาตั้งแต่ต้น แม้จะมีอันดับเว็บไซต์หรือยอดขายปัจจุบันที่ดีก็ตาม

สำหรับ CMO ควรอ่านสามตัวชี้วัดร่วมกัน ได้แก่ SoM เพื่อดูการปรากฏใน AI, Share of Search เพื่อดูความสนใจค้นหาแบรนด์ และ Market Share เพื่อดูผลลัพธ์ทางธุรกิจ การใช้เพียงตัวใดตัวหนึ่งอาจทำให้สรุปสถานการณ์ผิดได้

กฎ 76% ทำไม 2 แบรนด์แรกกินส่วนแบ่งเกือบทั้งหมด

ตัวเลข 76% ไม่ควรถูกเรียกว่าเป็นกฎสากล เนื่องจากยังไม่มีหลักฐานที่ยืนยันว่า 2 แบรนด์แรกจะครองคำแนะนำรวม 76% ในทุกอุตสาหกรรม ทุกโมเดล และทุกชุดคำถาม ความกระจุกตัวขึ้นอยู่กับจำนวนคู่แข่ง ความชัดเจนของหมวดสินค้า แหล่งข้อมูลที่ AI เข้าถึง และวิธีออกแบบ Prompt

สิ่งที่นักการตลาดนำไปใช้ได้จริงคือการตรวจสอบ Concentration Rate หรือระดับการกระจุกตัวของคำแนะนำในหมวดของตน โดยรวม SoM ของ 2 แบรนด์อันดับแรก หากผลรวมเท่ากับ 76% จึงรายงานได้ว่า Top 2 Concentration ของชุดข้อมูลนั้นเท่ากับ 76% ไม่ควรขยายผลว่าเป็นพฤติกรรมของ AI ทั้งหมด

Winner Takes Most Effect ใน AI Search

AI มักตอบด้วยรายชื่อแบรนด์จำนวนจำกัด โดยเฉพาะคำถามที่ขอแบรนด์ที่ดีที่สุดหรือขอให้เปรียบเทียบตัวเลือก แบรนด์ที่มีข้อมูลชัดเจน ถูกกล่าวถึงจากหลายแหล่ง และมีหลักฐานสนับสนุนตรงกับเงื่อนไขของคำถามจึงมีโอกาสถูกเลือกซ้ำ

ปรากฏการณ์นี้เรียกว่า Winner Takes Most Effect หมายถึงแบรนด์ผู้นำได้รับการมองเห็นส่วนใหญ่ แต่ไม่ได้หมายความว่าผู้ชนะจะครองคำตอบทั้งหมด ผลลัพธ์ยังเปลี่ยนได้ตาม AI ภาษา ประเทศ Persona และวิธีตั้งคำถาม การวัดจึงควรแยกตามหัวข้อและแพลตฟอร์ม ไม่ควรรวมเป็นคะแนนเดียวจนมองไม่เห็นจุดอ่อน

วิธีคำนวณ Share of Model ของแบรนด์คุณ

เริ่มจากสร้างชุดคำถามที่สะท้อน Customer Journey ตั้งแต่การหาข้อมูล การเปรียบเทียบ จนถึงการตัดสินใจซื้อ จากนั้นกำหนดโมเดล ภาษา ประเทศ และรอบการทดสอบให้เหมือนกันทุกแบรนด์

สูตรคำนวณ: จำนวนครั้งที่ AI เอ่ยชื่อแบรนด์ / จำนวนคำถามทั้งหมดในหมวด

สูตรพื้นฐานมีดังนี้

Share of Model = จำนวนคำถามที่คำตอบ AI กล่าวถึงแบรนด์ ÷ จำนวนคำถามทั้งหมด × 100

หากทดสอบ 200 คำถามและพบแบรนด์ใน 50 คำตอบ SoM เท่ากับ 25%

ควรนับหนึ่งแบรนด์ไม่เกินหนึ่งครั้งต่อหนึ่งคำตอบ เพื่อป้องกันคำตอบที่กล่าวชื่อซ้ำทำให้คะแนนสูงเกินจริง และควรแยก Brand Mention ออกจาก Citation เพราะ AI อาจกล่าวถึงแบรนด์โดยไม่ลิงก์เว็บไซต์ หรืออ้างอิงเว็บไซต์โดยไม่ได้แนะนำแบรนด์โดยตรง

หากต้องการเปรียบเทียบส่วนแบ่งระหว่างคู่แข่ง สามารถใช้สูตรจำนวนคำตอบที่กล่าวถึงแบรนด์ ÷ จำนวนคำตอบที่กล่าวถึงแบรนด์ใดแบรนด์หนึ่งในกลุ่มคู่แข่ง × 100 แต่ต้องระบุสูตรนี้แยกจาก Mention Rate เนื่องจากตัวหารต่างกัน

เครื่องมือที่ใช้วัด: Ahrefs Brand Radar, Profound, Otterly

เครื่องมือ	เหมาะกับ	จุดที่ควรตรวจสอบก่อนใช้
Ahrefs Brand Radar	ทีม SEO ที่ต้องการดู Mention, Citation, AI Share of Voice และข้อมูล Search ประกอบ	AI Share of Voice อาจถ่วงน้ำหนักด้วย Estimated Impressions จึงไม่ตรงกับสูตรนับคำถามแบบง่ายเสมอไป
Profound	แบรนด์และองค์กรที่ต้องการวิเคราะห์ Share of Voice, Sentiment, Citation และคู่แข่งหลายมิติ	ต้องกำหนด Topic, Competitor, Region และ Persona ให้สอดคล้องกับตลาดจริง
Otterly	ทีมที่ต้องการติดตาม Prompt, Brand Mention และ Citation ในหลายแพลตฟอร์ม	คุณภาพรายงานขึ้นอยู่กับ Prompt Library ที่เลือกติดตาม

ไม่ว่าจะใช้เครื่องมือใด ควรเก็บ Baseline ก่อนเริ่มปรับกลยุทธ์ และวัดซ้ำด้วยชุดคำถามเดิม การเปลี่ยน Prompt ระหว่างรอบมากเกินไปจะทำให้ไม่ทราบว่าคะแนนเปลี่ยนจากผลงานของแบรนด์หรือจากวิธีวัด

กลยุทธ์เพิ่ม Share of Model ให้แบรนด์

เพิ่ม Third Party Mention จากหลายแหล่ง

สร้างการกล่าวถึงจากแหล่งภายนอกที่เกี่ยวข้องกับหมวดธุรกิจ เช่น สื่อเฉพาะทาง เว็บไซต์รีวิว สมาคมวิชาชีพ คู่ค้าทางธุรกิจ งานวิจัย และชุมชนออนไลน์ เป้าหมายไม่ใช่เพิ่ม Mention จำนวนมากโดยไม่คำนึงถึงคุณภาพ แต่คือการทำให้ AI พบหลักฐานจากแหล่งอิสระที่น่าเชื่อถือและตรงกับคำถามของผู้ใช้

ควรเริ่มจากตรวจสอบว่า AI อ้างอิงโดเมนใดใน Prompt ที่แบรนด์แพ้คู่แข่ง จากนั้นพิจารณาว่าแบรนด์สามารถให้ข้อมูล งานวิจัย กรณีศึกษา หรือความคิดเห็นผู้เชี่ยวชาญแก่แหล่งเหล่านั้นได้หรือไม่ วิธีนี้แม่นยำกว่าการทำ Digital PR แบบหว่านกว้าง

สร้าง Consensus Signal: ข้อมูลสอดคล้องกันทุกแพลตฟอร์ม

Consensus Signal คือสัญญาณที่เกิดจากหลายแหล่งให้ข้อมูลเกี่ยวกับแบรนด์ไปในทิศทางเดียวกัน ชื่อบริษัท หมวดธุรกิจ สินค้าหลัก ราคา พื้นที่ให้บริการ จุดเด่น และข้อมูลผู้เชี่ยวชาญควรตรงกันบนเว็บไซต์ โปรไฟล์ธุรกิจ สื่อ คู่ค้า และแพลตฟอร์มรีวิว

ความสอดคล้องไม่ได้แปลว่าต้องคัดลอกข้อความเดียวกันทุกเว็บไซต์ แต่ข้อเท็จจริงหลักต้องไม่ขัดแย้งกัน หากแต่ละแหล่งอธิบายตำแหน่งทางการตลาดคนละแบบ AI อาจไม่มั่นใจว่าแบรนด์เหมาะกับคำถามประเภทใด

ทำ Content ตอบ Query ที่ AI ถูกถามบ่อย

วิเคราะห์ Prompt ที่มีคุณค่าทางธุรกิจและจัดกลุ่มตามเจตนา เช่น การเลือกซื้อ การเปรียบเทียบ ราคา ความเหมาะสม ข้อจำกัด และวิธีใช้งาน จากนั้นสร้างเนื้อหาที่ตอบคำถามโดยตรง มีข้อมูลตรวจสอบได้ และระบุเงื่อนไขของคำตอบอย่างชัดเจน

Content ที่มีโอกาสถูกนำไปใช้ใน AI Search ควรมีคำจำกัดความที่ชัด ตารางเปรียบเทียบ ข้อมูลจากผู้เชี่ยวชาญ วันที่อัปเดต ผู้เขียน และแหล่งอ้างอิง ไม่ควรสร้างหลายหน้าที่ตอบคำถามใกล้เคียงกันจนข้อมูลซ้ำและแข่งขันกันเอง

จากประสบการณ์ทำ AI Search จุดที่หลายแบรนด์พลาดคือมุ่งเพิ่มจำนวนบทความ แต่ไม่ตรวจสอบว่า AI เข้าใจแบรนด์อย่างไร การเริ่มจาก Prompt Gap ซึ่งเป็นคำถามที่คู่แข่งถูกกล่าวถึงแต่แบรนด์ไม่ปรากฏ จะช่วยจัดลำดับงานได้ตรงกับโอกาสมากกว่า

สรุป Share of Model: ตัวชี้วัดใหม่ที่ CMO ต้องรู้

Share of Model ช่วยวัดว่าแบรนด์มีพื้นที่ในคำตอบของ AI มากน้อยเพียงใดเมื่อเทียบกับคู่แข่ง เหมาะสำหรับติดตามการมองเห็นในช่วงก่อนที่ผู้ใช้จะเข้าเว็บไซต์หรือเริ่มติดต่อแบรนด์

การใช้ SoM ให้เกิดประโยชน์ต้องกำหนดชุด Prompt คู่แข่ง แพลตฟอร์ม ภาษา ประเทศ และสูตรคำนวณให้ชัด วัดแนวโน้มอย่างต่อเนื่อง และอ่านร่วมกับ Citation, Sentiment, Share of Search, Traffic, Lead และ Market Share

สิ่งสำคัญที่สุดไม่ใช่การได้คะแนนสูงจากคำถามจำนวนมาก แต่คือการเพิ่มการปรากฏในคำถามที่เกี่ยวข้องกับการตัดสินใจของลูกค้า พร้อมทำให้ข้อมูลที่ AI นำเสนอถูกต้อง สม่ำเสมอ และมีหลักฐานรองรับ