จากที่เราคุยกันเมื่อวานเรื่อง SEO → GEO (Generative Engine Optimization) และการเปลี่ยนแปลงของ Consumer Journey ผมคิดว่า “AI Insight” มี 3 ระดับที่ต่างกัน และนักการตลาดส่วนใหญ่มักเข้าใจแค่ระดับแรก
Level 1: AI as Data Analyst
AI Insight = สิ่งที่ AI ค้นพบจากข้อมูลจำนวนมาก
เช่น AI วิเคราะห์ว่า
* ลูกค้า Gen Z มี engagement สูงสุดช่วง 21:00–23:00
* คนที่ซื้อสินค้า A มักซื้อสินค้า B ตาม
* รีวิวเชิงลบส่วนใหญ่เกี่ยวกับการจัดส่ง
นี่คือ Insight แบบดั้งเดิม
⸻
Level 2: AI as Consumer
AI Insight = การเข้าใจว่า AI “มอง” แบรนด์ของเราอย่างไร
ในอดีต
Consumer → Search Google → Website → Purchase
ปัจจุบัน
Consumer → Ask ChatGPT/Gemini/Claude → Receive Recommendation → Purchase
คำถามสำคัญคือ
AI เรียนรู้อะไรเกี่ยวกับแบรนด์เรา?
เช่น
ถ้าคนถาม
“ครีมกันแดดที่ดีที่สุดสำหรับผิวแพ้ง่าย”
AI อาจแนะนำบางแบรนด์ แต่ไม่แนะนำแบรนด์คุณ
ทั้งที่คุณภาพดีมาก
เหตุผลอาจไม่ใช่เพราะสินค้าดีหรือไม่ดี
แต่เป็นเพราะ AI หา “หลักฐาน” ไม่เจอ
ดังนั้น AI Insight คือ
การเข้าใจว่า AI ใช้ข้อมูลอะไรในการสร้างคำตอบ
⸻
Level 3: AI as Decision-Making Environment
อันนี้น่าสนใจที่สุดสำหรับงานวิจัย
ในอดีต
นักการตลาดศึกษา
Consumer Insight
* Need
* Motivation
* Attitude
* Decision Process
แต่ปัจจุบัน
มี “AI Layer” แทรกอยู่ระหว่างผู้บริโภคกับแบรนด์
เดิม
Brand → Consumer
ตอนนี้
Brand → AI → Consumer
ดังนั้นเราอาจต้องศึกษา
AI Insight
แทนที่จะศึกษาแค่ Consumer Insight
⸻
Framework ที่ผมคิดว่าน่าสนใจ
Consumer Insight
= เข้าใจว่าลูกค้าต้องการอะไร
AI Insight
= เข้าใจว่า AI ใช้อะไรในการตัดสินว่าแบรนด์ใดควรถูกแนะนำ
ตัวอย่าง
ผู้บริโภคต้องการ
* ความน่าเชื่อถือ
* คุณภาพ
* ความคุ้มค่า
แต่ AI อาจมองจาก
* จำนวนแหล่งอ้างอิง
* ความสอดคล้องของข้อมูล
* Expert citation
* Review credibility
* Structured content
* Brand authority
ดังนั้น
แบรนด์ที่ผู้บริโภครัก
อาจไม่ใช่แบรนด์ที่ AI แนะนำ
และ
แบรนด์ที่ AI แนะนำ
อาจได้เปรียบอย่างมากในอนาคต
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2026 Blockdit
