เจ้าของเว็บหลายคนสงสัยว่าทำไมบทความที่เขียนดีมาก ยาว ครบถ้วน กลับไม่เคยถูกผู้ช่วย AI อ้างถึงเลย ขณะที่หน้าสั้น ๆ ของคู่แข่งถูกยกไปตอบตลอด
สาเหตุมักไม่ได้อยู่ที่คุณภาพเนื้อหา แต่อยู่ที่วิธีที่เนื้อหาถูกแบ่งเป็นก้อน
Chunking คืออะไร
Chunking คือการแบ่งเนื้อหายาวออกเป็นก้อนย่อย เพื่อให้ระบบ AI ประมวลผลและค้นหาได้ ระบบไม่ได้เก็บบทความทั้งเรื่องเป็นหน่วยเดียว แต่ตัดเป็นก้อนละไม่กี่ร้อยคำ แล้วเก็บแต่ละก้อนไว้พร้อมกับตัวเลขที่แทนความหมายของก้อนนั้น
เมื่อมีคนถามคำถาม ระบบจะหาว่าก้อนไหนใกล้เคียงกับคำถามที่สุด แล้วดึงเฉพาะก้อนนั้นไปประกอบคำตอบ ไม่ได้ดึงทั้งบทความ
ผลที่ตามมาคือ หน่วยที่แข่งขันกันคือย่อหน้า ไม่ใช่หน้าเว็บ บทความสองหมื่นคำที่ดีมาก อาจแพ้ย่อหน้าเดียวของคู่แข่งที่ตอบคำถามนั้นตรงกว่า
ระบบแบ่งก้อนอย่างไร
วิธีที่ใช้กันมีสามแบบหลัก
แบ่งตามจำนวนคำ ตัดทุก ๆ 300-500 คำโดยไม่สนใจโครงสร้าง เป็นวิธีที่ง่ายที่สุดและแย่ที่สุด เพราะอาจตัดกลางประโยคหรือกลางความคิด
แบ่งตามโครงสร้างเอกสาร ตัดตามหัวข้อ ย่อหน้า หรือรายการ วิธีนี้ให้ผลดีกว่ามาก และเป็นวิธีที่ระบบสมัยใหม่ส่วนใหญ่ใช้ ซึ่งแปลว่า การจัดหัวข้อของคุณมีผลโดยตรงต่อการแบ่งก้อน
แบ่งตามความหมาย ตัดเมื่อเนื้อหาเปลี่ยนเรื่อง วิธีนี้แม่นที่สุดแต่ใช้ทรัพยากรมาก
สำหรับคนเขียนเนื้อหา ข้อสรุปคือ ถ้าคุณจัดหัวข้อและย่อหน้าให้สอดคล้องกับการแบ่งเรื่อง ระบบจะแบ่งก้อนได้สะอาดเอง
หกวิธีเขียนให้แบ่งก้อนได้ดี
1. หนึ่งความคิดต่อหนึ่งย่อหน้า
ย่อหน้าที่พูดสามเรื่องปนกันจะกลายเป็นก้อนที่ความหมายกลาง ๆ ไม่ใกล้เรื่องไหนเลย และไม่ถูกเลือกสำหรับคำถามใด
2. อย่าอ้างถึงสิ่งที่อยู่ก่อนหน้าโดยไม่ระบุ
คำว่า “ดังที่กล่าวไปแล้ว” “ในกรณีนี้” “ค่าดังกล่าว” ทำให้ก้อนขาดบริบททันทีที่ถูกตัดออกมา
เปรียบเทียบ
ตัดออกมาแล้วไร้ความหมาย: “ในกรณีนี้ควรตั้งไว้ไม่เกินสองวินาทีครึ่ง”
ตัดออกมาแล้วยังใช้ได้: “ค่า LCP ของหน้าเว็บควรอยู่ที่ไม่เกิน 2.5 วินาที”
3. ใส่คำสำคัญไว้ในตัวย่อหน้า ไม่ใช่แค่ในหัวข้อ
ระบบบางตัวเก็บหัวข้อไปกับก้อนด้วย บางตัวไม่เก็บ การเขียนให้ย่อหน้ามีคำสำคัญของเรื่องนั้นอยู่ในตัวเอง ทำให้ปลอดภัยทั้งสองกรณี
4. ใช้หัวข้อย่อยถี่พอสมควร
บทความที่มีหัวข้อเดียวแล้วเนื้อหายาวสองพันคำ จะถูกตัดเป็นก้อนแบบสุ่ม การใส่หัวข้อย่อยทุก 300-500 คำช่วยให้ระบบตัดตรงจุดที่เราตั้งใจ
ข้อดีอีกอย่างคือคนอ่านสแกนหาสิ่งที่ต้องการได้เร็วขึ้น อ่านเรื่องการจัดหัวข้อได้ที่ Heading Tags คืออะไร
5. ระวังตารางและรายการยาว
ตารางที่ยาวมากอาจถูกตัดกลาง ทำให้ได้ก้อนที่มีตัวเลขแต่ไม่มีหัวคอลัมน์ ซึ่งอันตรายกว่าไม่มีข้อมูลเลย เพราะระบบอาจตีความผิด
ทางแก้คือเขียนสรุปสาระสำคัญของตารางเป็นข้อความไว้ก่อนหรือหลังตารางเสมอ
6. เขียนคำตอบสั้นไว้ต้นหัวข้อ
โครงสร้างที่ทำงานได้ดีที่สุดคือ หัวข้อเป็นคำถาม แล้วย่อหน้าแรกตอบให้จบภายใน 2-3 ประโยค จากนั้นค่อยขยายความ
ย่อหน้าแรกนั้นจะกลายเป็นก้อนที่พร้อมถูกยกไปใช้ทันที
ความยาวของก้อนที่เหมาะสม
ไม่มีตัวเลขตายตัวเพราะแต่ละระบบต่างกัน แต่ช่วงที่ระบบส่วนใหญ่ใช้อยู่ที่ประมาณ 200-500 คำต่อก้อน
สำหรับภาษาไทยควรระวังเพิ่มหนึ่งเรื่อง คือระบบจำนวนหนึ่งนับหน่วยเป็นตัวอักษรหรือ token ซึ่งภาษาไทยกินจำนวนมากกว่าภาษาอังกฤษที่สื่อความหมายเท่ากัน ย่อหน้าภาษาไทยที่ยาวมากจึงมีโอกาสถูกตัดสูงกว่าที่คิด
ในทางปฏิบัติ ย่อหน้าละ 3-6 ประโยคเป็นช่วงที่ปลอดภัยและอ่านสบายไปพร้อมกัน
เกี่ยวอะไรกับ RAG
RAG คือสถาปัตยกรรมที่ระบบ AI ค้นหาเอกสารก่อนตอบ แทนที่จะตอบจากความจำอย่างเดียว Chunking เป็นขั้นตอนแรกของ RAG เสมอ
ถ้าคุณกำลังจะทำ Chatbot ที่ตอบจากเอกสารของธุรกิจเอง คุณภาพของการแบ่งก้อนคือปัจจัยที่ส่งผลต่อความแม่นยำมากที่สุด มากกว่าการเลือกโมเดล อ่านต่อได้ที่ RAG กับกลยุทธ์เนื้อหา
ทดสอบง่าย ๆ ว่าเนื้อหาแบ่งก้อนได้ดีหรือยัง
เปิดบทความของคุณขึ้นมา แล้วสุ่มเลือกย่อหน้ามาสามย่อหน้าจากกลางเรื่อง
อ่านแต่ละย่อหน้าเดี่ยว ๆ โดยไม่ดูหัวข้อและไม่ดูย่อหน้าก่อนหน้า แล้วถามตัวเองว่า
- ย่อหน้านี้พูดถึงเรื่องอะไร บอกได้ไหมโดยไม่ต้องเดา
- ถ้ามีคนส่งย่อหน้านี้มาให้อ่านลอย ๆ จะเข้าใจไหม
- มีตัวเลขหรือคำที่อ้างถึงสิ่งที่ไม่ได้ระบุในย่อหน้านี้ไหม
ถ้าตอบว่าไม่เข้าใจ นั่นคือย่อหน้าที่ AI ก็จะไม่เลือกเช่นกัน
สรุป
Chunking เป็นเรื่องเทคนิคที่คนเขียนเนื้อหาไม่ต้องลงมือทำเอง แต่ต้องเขียนให้สอดคล้อง หลักมีอยู่ไม่กี่ข้อ คือหนึ่งความคิดต่อย่อหน้า อย่าอ้างสิ่งที่ไม่ได้ระบุ ใส่คำสำคัญไว้ในตัวย่อหน้า และตอบคำถามให้จบก่อนขยายความ
ทั้งหมดนี้เป็นสิ่งที่ทำให้คนอ่านเข้าใจง่ายขึ้นอยู่แล้ว การเขียนเพื่อ AI กับการเขียนเพื่อคน จึงไม่ได้ขัดกันอย่างที่หลายคนกลัว
อ่านบทความอื่นในหมวดนี้ได้ที่ คู่มือ AI Search หรือดูบริการปรับปรุงเนื้อหาที่ /services/seo/