ถ้าเคยสงสัยว่าทำไม Google ถึงรู้ว่าคำว่า “ทำเว็บ” กับ “พัฒนาเว็บไซต์” หมายถึงเรื่องเดียวกัน ทั้งที่ไม่มีตัวอักษรตรงกันเลยสักตัว คำตอบอยู่ที่เทคนิคที่เรียกว่า Embeddings
บทความนี้อธิบายว่ามันคืออะไรแบบที่ไม่ต้องรู้คณิตศาสตร์ และที่สำคัญกว่าคือ มันเปลี่ยนวิธีที่เราควรเขียนเนื้อหาอย่างไร
Embeddings คืออะไร
Embeddings คือการแปลงข้อความให้เป็นชุดตัวเลขที่สะท้อนความหมายของข้อความนั้น ข้อความที่มีความหมายใกล้กันจะได้ชุดตัวเลขที่อยู่ใกล้กัน แม้จะใช้คำต่างกันโดยสิ้นเชิง
ลองนึกภาพแผนที่ ทุกข้อความบนโลกถูกวางลงบนแผนที่นี้ตามความหมาย คำว่า “ร้านอาหาร” กับ “ภัตตาคาร” อยู่ใกล้กันมาก คำว่า “ร้านอาหาร” กับ “คาเฟ่” อยู่ใกล้กันพอสมควร ส่วนคำว่า “ร้านอาหาร” กับ “เครื่องยนต์ดีเซล” อยู่คนละมุมของแผนที่
แผนที่จริงมีมิติเป็นร้อยหรือเป็นพัน ไม่ใช่สองมิติแบบที่วาดได้บนกระดาษ แต่หลักการเหมือนกัน คือ ระยะห่างคือความต่างของความหมาย
ระบบเอาไปใช้ทำอะไร
จับคู่คำค้นกับเนื้อหา เมื่อมีคนค้นหา ระบบแปลงคำค้นเป็นตัวเลข แล้วหาว่าเนื้อหาชิ้นไหนอยู่ใกล้ที่สุด นี่คือเหตุผลที่หน้าเว็บที่ไม่มีคำค้นนั้นอยู่เลยก็ยังติดอันดับได้
เข้าใจคำพ้องและคำใกล้เคียง โดยไม่ต้องมีใครมานั่งทำพจนานุกรมให้ ระบบเรียนรู้เองจากการเห็นคำเหล่านั้นถูกใช้ในบริบทเดียวกันนับล้านครั้ง
หาเนื้อหาที่เกี่ยวข้อง ทั้งในระบบแนะนำบทความ และในการที่ผู้ช่วย AI ค้นหาข้อมูลมาประกอบคำตอบ
ตรวจจับเนื้อหาซ้ำ สองหน้าที่เขียนคนละสำนวนแต่พูดเรื่องเดียวกัน จะอยู่ใกล้กันมากบนแผนที่ ระบบจึงรู้ว่าซ้ำกันแม้ตัวอักษรจะไม่เหมือน นี่เป็นเหตุผลหนึ่งที่การเขียนบทความหลายเรื่องในหัวข้อเดียวกันแล้วหวังจะได้อันดับหลายอัน มักไม่ได้ผล
สิ่งที่ตามมาสำหรับคนทำเนื้อหา
บริบทรอบข้างมีผลต่อความหมายของคำ
คำเดียวกันในหน้าที่ต่างกันได้ตำแหน่งบนแผนที่ต่างกัน เพราะระบบดูคำรอบข้างประกอบ
คำว่า “แพ็กเกจ” ในหน้าที่พูดถึงโรงแรม กับในหน้าที่พูดถึงการส่งพัสดุ ถูกเข้าใจคนละอย่าง โดยที่เราไม่ต้องอธิบาย ตราบใดที่บริบทรอบ ๆ ชัดเจนพอ
ในทางปฏิบัติแปลว่า หน้าที่พูดหลายเรื่องปนกันจะได้ตำแหน่งกลาง ๆ ที่ไม่ใกล้เรื่องไหนเลย หน้าที่โฟกัสเรื่องเดียวได้เปรียบกว่า
เขียนเป็นก้อนที่จบในตัวเอง
ระบบไม่ได้แปลงทั้งหน้าเป็นตัวเลขชุดเดียว แต่แบ่งเป็นก้อนแล้วแปลงทีละก้อน ก้อนที่ขาดบริบทจะได้ตำแหน่งที่ไม่ชัด
ย่อหน้าที่เขียนว่า “ค่านี้ควรไม่เกิน 2.5 วินาที” โดยไม่บอกว่าค่าอะไร จะกลายเป็นก้อนที่ไม่มีความหมายชัดเจน และแทบไม่ถูกจับคู่กับคำค้นใดเลย
อ่านรายละเอียดเรื่องการแบ่งก้อนได้ที่ Chunking คืออะไร
คำพ้องช่วยได้ แต่ไม่ต้องยัด
เพราะระบบเข้าใจคำใกล้เคียงอยู่แล้ว การเขียน “ทำเว็บ” “รับทำเว็บไซต์” “พัฒนาเว็บ” ซ้ำ ๆ ในหน้าเดียวไม่ได้เพิ่มโอกาส แต่การใช้อย่างเป็นธรรมชาติในที่ที่เหมาะสมช่วยให้ครอบคลุมวิธีพูดของคนหลายกลุ่ม
เนื้อหาที่คล้ายกันเกินไปแย่งกันเอง
ถ้ามีสามบทความในเว็บที่อยู่ใกล้กันมากบนแผนที่ ระบบต้องเลือกหนึ่งมาแสดง และมักเลือกไม่ตรงกับที่เราอยากให้เลือก ทางแก้คือรวมเป็นบทความเดียวแล้วเปลี่ยนเส้นทางที่เหลือ หรือเขียนใหม่ให้แต่ละเรื่องจับคนละมุมจริง ๆ
ภาษาไทยกับ Embeddings
โมเดลส่วนใหญ่ฝึกด้วยข้อมูลภาษาอังกฤษเป็นหลัก ความแม่นยำกับภาษาไทยจึงต่ำกว่า มีสองเรื่องที่ควรรู้
การตัดคำ ภาษาไทยไม่เว้นวรรคระหว่างคำ ถ้าระบบตัดคำผิด ความหมายที่ได้จะเพี้ยนไปทั้งก้อน การเว้นวรรคระหว่างวลีตามธรรมชาติช่วยลดความเสี่ยงนี้ได้
คำทับศัพท์ คำอย่าง Conversion, Engagement หรือ Retention มักถูกเข้าใจแม่นกว่าเมื่อเขียนเป็นภาษาอังกฤษ การเขียนทั้งสองแบบครั้งแรกที่กล่าวถึง เช่น “อัตราการเปลี่ยนผู้เข้าชมเป็นลูกค้า (Conversion Rate)” ช่วยได้ทั้งกับคนอ่านและกับระบบ
ต้องทำอะไรกับ Embeddings โดยตรงไหม
สำหรับเว็บไซต์ธุรกิจทั่วไป ไม่ต้อง คุณไม่ต้องสร้าง Embeddings เอง ไม่ต้องมีฐานข้อมูลเวกเตอร์ และไม่ต้องรู้ว่ามิติคืออะไร
สิ่งที่ต้องทำคือเขียนเนื้อหาที่ชัดเจน โฟกัสเรื่องเดียวต่อหน้า และแบ่งเป็นก้อนที่อ่านเดี่ยว ๆ ได้ ซึ่งเป็นสิ่งที่ควรทำอยู่แล้วแม้ไม่มีเรื่อง AI เข้ามาเกี่ยว
กรณีที่ต้องยุ่งกับ Embeddings จริง ๆ มีอยู่สองแบบ คือเมื่อต้องการทำระบบค้นหาภายในเว็บที่ฉลาดกว่าการจับคู่คำ และเมื่อต้องการทำ Chatbot ที่ตอบจากเอกสารของธุรกิจเอง ซึ่งเป็นสถาปัตยกรรมที่เรียกว่า RAG อ่านต่อได้ที่ RAG กับกลยุทธ์เนื้อหา
สรุป
Embeddings เป็นเบื้องหลังของทั้ง Semantic Search และผู้ช่วย AI แต่สิ่งที่คนทำเนื้อหาต้องเปลี่ยนมีไม่มาก คือเขียนให้ชัด โฟกัสเรื่องเดียว และอย่าให้ก้อนเนื้อหาลอยจนขาดบริบท
ถ้าอยากให้เราช่วยตรวจว่าเว็บของคุณมีบทความที่ทับซ้อนกันจนแย่งอันดับกันเองอยู่หรือไม่ ดูบริการได้ที่ /services/seo-audit/ หรืออ่านบทความอื่นในหมวดนี้ที่ คู่มือ AI Search