คืนก่อนภรรยาผมส่งรูปผู้หญิงคนหนึ่งมาให้ แล้วถามว่า “ช่วยดูหน่อยได้ไหมว่าเสื้อชุดนี้ของแบรนด์อะไร?”
ปัญหาคือในรูปไม่มีชื่อแบรนด์ ไม่มีชื่อรุ่น และผมเองก็ไม่รู้ว่าทรงของเสื้อตัวนั้นเรียกว่าอะไร
ถ้าเป็น Search แบบที่เราคุ้นเคย ผมอาจต้องเริ่มเดาจากสี ทรง หรือ Style แล้วพิมพ์ Keyword หลายแบบเพื่อหารูปที่ใกล้เคียง
แต่ทุกวันนี้ Search ไม่จำเป็นต้องเริ่มจากการรู้ว่า เราต้องพิมพ์อะไร เสมอไปแล้ว
เราสามารถเอารูปหรือ Screenshot ไปค้นหาโดยตรง ให้ Google Lens ช่วยดูว่าสิ่งที่อยู่ในภาพคืออะไร มีภาพไหนคล้ายกัน หรือมีเว็บไซต์ไหนที่เกี่ยวข้องกับสิ่งนั้นอยู่บ้าง Google ระบุว่าการ Search ด้วยภาพสามารถแสดงทั้งผลลัพธ์เกี่ยวกับวัตถุในภาพ รูปที่คล้ายกัน เว็บไซต์ที่มีภาพเดียวกันหรือใกล้เคียง และในบางกรณีรวมถึง AI Overview ด้วย Google Help
นี่เป็นตัวอย่างง่าย ๆ ของสิ่งที่เรียกว่า Multimodal Search
และเมื่อวันที่ 24 กันยายน 2026 Google ก็เพิ่งทำให้เจ้าของเว็บไซต์มองเห็นพฤติกรรมแบบนี้ได้มากขึ้น ด้วยการเพิ่ม Multimodal Search Reporting ใน Google Search Console Google for Developers
สำหรับคนทำ SEO เรื่องนี้น่าสนใจไม่ใช่เพียงเพราะ Search Console มี Filter เพิ่มขึ้นมาอีกหนึ่งอัน
แต่เพราะมันทำให้เราเริ่มเห็น Search Behavior ที่เมื่อก่อนซ่อนอยู่จาก Report มากขึ้น
คนอาจกำลังค้นหาเรา โดยที่ไม่ได้เริ่มจาก Keyword เลยก็ได้
Multimodal Search คืออะไร?
Multimodal Search คือการค้นหาที่ไม่ได้อาศัย Text เพียงอย่างเดียว แต่ใช้ข้อมูลหลายรูปแบบร่วมกัน เช่น รูปภาพ ข้อความ หรือสิ่งที่กำลังปรากฏอยู่บนหน้าจอ
ตัวอย่างที่เห็นได้ชัดคือ Google Lens
เราอาจถ่ายรูปสินค้า อัปโหลด Screenshot หรือเลือกบางส่วนของภาพแล้วให้ Google ช่วยค้นหาว่าสิ่งนั้นคืออะไร หรือมีข้อมูลอะไรเกี่ยวข้องบ้าง
บน Android ยังมี Circle to Search ที่ให้ผู้ใช้วง แตะ Highlight หรือเลือกสิ่งที่อยู่บนหน้าจอแล้ว Search ต่อได้ โดยไม่ต้องรู้ก่อนว่าสิ่งนั้นเรียกว่าอะไร Google Help
ความต่างสำคัญจาก Search แบบเดิมคือ จุดเริ่มต้นของการค้นหาไม่จำเป็นต้องเป็นคำถามว่า
“ฉันควรพิมพ์ Keyword อะไร?”
แต่อาจเริ่มจาก
“สิ่งที่ฉันกำลังเห็นอยู่นี่คืออะไร?”
ในกรณีของเสื้อที่ภรรยาผมให้ช่วยหา นี่คือวิธี Search ที่เป็นธรรมชาติกว่าการพยายามอธิบายเสื้อตัวนั้นด้วย Text ยาว ๆ มาก
Google Search Console เพิ่มอะไรใหม่?
Google ประกาศเพิ่ม Multimodal Search Type Filter เข้าไปใน Search Console Performance Reports
ข้อมูลนี้ครอบคลุม Search ที่มาจากหลายรูปแบบ ได้แก่
- Google Lens
- Circle to Search บน Android
- การ Upload Image เข้า Google Search
- ฟังก์ชัน “Search this image” ใน Chrome
เจ้าของเว็บไซต์สามารถใช้ Filter ใหม่เพื่อดู Performance ของ Traffic จากการค้นหาเหล่านี้ และ Export ข้อมูลออกไปวิเคราะห์ในเครื่องมืออื่นต่อได้ Google for Developers
Google ระบุว่า Multimodal Search Reporting กำลัง Rollout ทั่วโลก และเว็บไซต์จะเริ่มเห็น Metrics เมื่อเว็บไซต์ได้รับ Traffic จาก Query ประเภทนี้จริง Google for Developers
พูดง่าย ๆ คือ ถ้าเปิด Search Console แล้วไม่เห็นข้อมูล ก็ไม่ได้หมายความว่าตั้งค่าผิดเสมอไป
อาจเป็นเพียงเพราะเว็บไซต์ยังไม่ได้รับ Traffic จาก Multimodal Search มากพอ
ทำไมเรื่องนี้สำคัญกับ SEO?
ถ้ามองแบบผิวเผิน เราอาจคิดว่านี่เป็นเพียง Report ใหม่สำหรับ Image SEO แต่ผมคิดว่าความหมายของมันกว้างกว่านั้น
เพราะสิ่งที่ Google กำลังเปิดให้เราเห็นคือ รูปแบบของ Search Intent ที่ไม่ได้ถูกแสดงออกมาเป็น Keyword ตั้งแต่ต้น
1. Search Intent ไม่จำเป็นต้องเริ่มจาก Text Query
SEO แบบที่เราคุ้นเคยมักเริ่มจาก Keyword Research
คน Search อะไร
Search Volume เท่าไร
Intent คืออะไร
หน้าไหนควร Rank
วิธีคิดนี้ยังสำคัญอยู่
แต่ลองกลับไปที่ตัวอย่างเสื้ออีกครั้ง
ผมไม่ได้รู้ว่าเสื้อตัวนั้นชื่ออะไร
ไม่รู้แบรนด์
ไม่รู้ชื่อ Collection
และอาจไม่รู้ด้วยซ้ำว่าควรอธิบาย Style แบบไหน
ถ้ามองจาก Keyword Data อย่างเดียว Search Demand แบบนี้แทบมองไม่เห็น
แต่ความต้องการมีอยู่จริง
User รู้ว่าอยากรู้อะไร เพียงแต่ยังไม่รู้ว่าจะ เปลี่ยนสิ่งที่เห็นเป็น Text Query อย่างไร
ตรงนี้คือส่วนที่ Visual และ Multimodal Search เข้ามาเติม
สำหรับ SEO จึงอาจต้องเพิ่มคำถามจากเดิมว่า
“คน Search คำว่าอะไร?”
เป็น
“คนอาจเห็นอะไร แล้วอยากรู้อะไรต่อ?”
2. รูปภาพอาจเป็น Entry Point ของ Search มากขึ้น
ที่ผ่านมาเว็บไซต์จำนวนมากมองรูปเป็นองค์ประกอบประกอบ Content
มี Hero Image
มีรูปสินค้า
มีภาพ Before/After
มี Diagram
มี Screenshot
แต่ถ้า Search เริ่มต้นจากภาพได้มากขึ้น Visual Asset บางประเภทอาจทำหน้าที่มากกว่าเรื่องความสวยงาม
มันอาจกลายเป็น Entry Point ที่พาคนเข้าสู่เว็บไซต์
ตัวอย่างเช่น
ร้านเฟอร์นิเจอร์อาจมีคนเห็นตู้หรือครัวในรูป แล้วอยากรู้ว่าสไตล์อะไร
Fashion Brand อาจมีคนเห็นเสื้อใน Screenshot แล้วอยากรู้ว่าเป็นรุ่นไหน
Travel Website อาจมีคนเห็นสถานที่จากรูปแล้วอยากรู้ว่าอยู่ที่ไหน
ร้านขายต้นไม้อาจมีคนถ่ายต้นไม้ที่ไม่รู้ชื่อแล้ว Search ต่อ
ธุรกิจเหล่านี้มี Search Demand ที่เกิดจาก สิ่งที่คนเห็น ไม่ได้เกิดจาก Keyword ที่คนรู้จักอยู่แล้วเสมอไป
3. Original Visual Content อาจมีคุณค่ามากขึ้น
ตรงนี้ผมคิดว่าเชื่อมกับเรื่อง Content ในยุค AI ได้ค่อนข้างดี
ถ้าทุกเว็บไซต์สามารถใช้ AI ช่วยเขียนบทความคล้ายกันได้ง่ายขึ้น สิ่งที่ Copy กันยากกว่าคือของที่ธุรกิจมีจริง
เช่น
- ภาพ Project จริง
- ภาพสินค้าจริง
- Before/After
- รูป Detail
- Diagram ที่ทีมสร้างเอง
- Screenshot จากการทดลอง
- Visual Case Study
สิ่งเหล่านี้มีคุณค่าอยู่แล้วในแง่ของ Trust และ Content Quality
Multimodal Search อาจเพิ่มเหตุผลอีกข้อให้ธุรกิจลงทุนกับ Original Visual มากขึ้น
ไม่ได้หมายความว่าแค่มีรูป Original แล้วจะ Rank ดีขึ้นอัตโนมัติ
แต่หมายความว่า Visual Content อาจมีบทบาทมากขึ้นในเส้นทางที่ User ใช้ค้นพบข้อมูลของเรา
หลักคิดนี้คล้ายกับสิ่งที่เราเขียนไว้ในบทความเรื่อง AEO และ GEO คืออะไร ว่า Content ที่มีประสบการณ์ ข้อมูล หรือหลักฐานของตัวเองมีคุณค่ามากกว่าการผลิตข้อมูลที่เว็บไซต์อื่นสามารถสร้างซ้ำได้ง่าย
Multimodal Search Reporting บอกอะไรเราได้ และอะไรที่ยังบอกไม่ได้?
Feature เพิ่งเปิด สิ่งสำคัญคืออย่ารีบตีความ Data มากเกินไป
ตอนนี้ Search Console ช่วยให้เราเริ่มแยก Performance ของ Multimodal Search ออกจาก Search ประเภทอื่นได้ และสามารถ Export ข้อมูลไปวิเคราะห์ต่อได้ Google for Developers
แต่ผมยังไม่คิดว่าเราควรรีบสรุปว่า
“รูปแบบไหนทำ Multimodal SEO ได้ดีที่สุด”
หรือ
“Google Lens Traffic Convert ดีกว่า Search ปกติ”
เพราะเรายังแทบไม่มี Data ระยะยาวให้ตอบคำถามแบบนั้น
สิ่งที่ควรทำในช่วงแรกคือเริ่มดู Pattern
เช่น
- หน้าไหนเริ่มได้รับ Traffic จาก Multimodal Search
- Content ประเภทไหนถูกค้นพบ
- Product Page หรือ Article ได้ Performance ต่างกันไหม
- Traffic เปลี่ยนไปอย่างไรเมื่อเวลาผ่านไป
- มี Business Outcome ตามมาหรือไม่
นี่เป็นช่วงของ Observation ก่อน Optimization
เว็บไซต์แบบไหนควรจับตาเรื่องนี้เป็นพิเศษ?
จริง ๆ ทุกเว็บไซต์สามารถได้รับประโยชน์จากการเข้าใจ Search Behavior ใหม่ ๆ
แต่บางธุรกิจน่าจะเห็นความเกี่ยวข้องเร็วกว่าธุรกิจอื่น เพราะ Visual เป็นส่วนสำคัญของการตัดสินใจอยู่แล้ว
E-commerce
สินค้าที่คนอาจเห็นจากที่อื่นก่อน เช่น เสื้อ รองเท้า กระเป๋า เฟอร์นิเจอร์ ของตกแต่งบ้าน หรือ Gadget มีโอกาสตรงกับ Visual Search โดยธรรมชาติ
User อาจไม่รู้ชื่อสินค้า แต่มีรูปอยู่แล้ว
Interior, Furniture และ Real Estate
คนมักเริ่มจาก Reference Image
เช่น
“อยากได้ครัวแบบนี้”
“ตู้ในรูปเรียกว่าสไตล์อะไร”
“บ้านนี้ใช้วัสดุอะไร”
ภาพจึงไม่ใช่แค่ Illustration แต่เป็นจุดเริ่มของ Intent
Travel และ Local Business
สถานที่ ร้านอาหาร โรงแรม หรือ Landmark เป็นอีก Category ที่คนอาจเริ่มจากสิ่งที่เห็นก่อนรู้ชื่อ
Automotive
อะไหล่ รุ่นรถ อุปกรณ์ หรือ Detail ต่าง ๆ อาจถูก Search ผ่านภาพได้ง่ายกว่าการพยายามอธิบายด้วย Text
Food และ Lifestyle
อาหาร เครื่องดื่ม ต้นไม้ งานออกแบบ และสินค้า Lifestyle อีกจำนวนมากมีลักษณะคล้ายกัน
คือ User อาจรู้ว่า อยากรู้เกี่ยวกับสิ่งนี้ แต่ยังไม่รู้ว่ามันชื่ออะไร
แล้ว SEO ต้องทำอะไรเพิ่มไหม?
ผมยังไม่คิดว่าธุรกิจต้องรีบสร้าง “Multimodal SEO Strategy” แยกออกมาเป็นอีก Project หนึ่ง หลายอย่างที่ควรทำจริง ๆ ก็คือหลัก SEO และ Content ที่ดีอยู่แล้ว
1. ใช้ภาพที่มีประโยชน์กับ Content จริง
อย่าใส่รูปเพียงเพื่อให้หน้าเว็บดูไม่โล่ง
ถามว่าภาพนั้นช่วยให้ User เข้าใจสินค้า บริการ หรือ Concept มากขึ้นหรือไม่
ถ้ามีของจริงให้ถ่ายเอง Original Image มักมีคุณค่ามากกว่า Stock Image ที่เว็บไซต์อื่นใช้เหมือนกัน
2. ให้ Text และ Visual พูดเรื่องเดียวกัน
Google ต้องเข้าใจ Context ของสิ่งที่อยู่ในหน้า
ถ้าเป็น Product Image หรือ Project Photo ก็ควรมีข้อความรอบ ๆ ที่อธิบายว่าสิ่งที่เห็นคืออะไร
Google เองแนะนำให้ใช้ข้อความประกอบภาพ เช่น Alt Text หรือ Caption เพื่อช่วยให้ระบบเข้าใจสิ่งที่อยู่ในภาพและ Search ที่เกี่ยวข้อง Google Help
แต่ไม่จำเป็นต้องยัด Keyword ลงทุกช่อง เป้าหมายคือ อธิบายภาพให้มีความหมาย
3. อย่ามอง Alt Text เป็นช่องใส่ Keyword
Alt Text มีประโยชน์ทั้งด้าน Accessibility และช่วยอธิบายภาพให้ Search Engine เข้าใจ
แต่ถ้าภาพเป็น
“ครัว Mid-Century Modern ไม้สีเข้มพร้อม Kitchen Island”
ก็ควรอธิบายตามที่เห็น
ไม่จำเป็นต้องเขียนเป็น
“ครัว mid century modern รับบิวต์อินครัว บริษัทบิวต์อินครัว ราคาบิวต์อินครัว”
สิ่งนั้นไม่ได้ช่วย User และไม่ได้ทำให้ภาพมีความหมายมากขึ้น
4. เก็บ Original Visual ที่ธุรกิจมีอยู่แล้วให้เป็นระบบ
ธุรกิจจำนวนมากมี Asset ที่มีคุณค่ามาก แต่กระจายอยู่ตามโทรศัพท์ LINE หรือ Folder ของทีม
เช่น
- Project Photos
- Product Detail
- Before/After
- Process
- Diagram
- Customer Use Case
ถ้า Visual Search มีบทบาทเพิ่มขึ้น Asset เหล่านี้อาจมีคุณค่ามากกว่าที่เราเคยมอง
5. ดู Data ก่อนสร้างงานเพิ่ม
ถ้า Search Console เริ่มมี Multimodal Data ค่อยดูว่า Page ไหนได้ Traffic และ Pattern เป็นอย่างไร
ผมไม่แนะนำให้สร้างภาพใหม่ 500 รูปเพียงเพราะ Google เปิด Report ใหม่
ให้ Demand และ Data ช่วยบอกก่อนว่าควรลงทุนตรงไหน
Multimodal Search กับ AI Search เป็นเรื่องเดียวกันไหม?
ไม่ใช่เรื่องเดียวกัน แต่มีความเกี่ยวข้องกันในภาพใหญ่ของ Search ที่กำลังเปลี่ยน
ก่อนหน้านี้ Google เพิ่ม Generative AI Performance Report ใน Search Console เพื่อให้เว็บไซต์ดู Performance ของตัวเองใน AI Overviews และ AI Mode ได้ Google Help
ล่าสุดก็เพิ่ม Multimodal Search Reporting
สอง Report นี้ตอบคนละคำถาม
Generative AI Reporting ช่วยดูว่า Content ของเราไปปรากฏใน AI-generated Search Experience อย่างไร
ส่วน Multimodal Reporting ช่วยดู Search ที่ User ใช้ภาพหรือ Visual Context เป็นส่วนหนึ่งของการค้นหา
สิ่งที่เหมือนกันคือ Search Console กำลังทำให้เจ้าของเว็บไซต์เห็น Search Journey ที่ซับซ้อนกว่าหน้า Search Results แบบเดิม
สำหรับคนทำ SEO ผมคิดว่านี่เป็น Signal ที่น่าสนใจ
เพราะอนาคตของ Search อาจไม่ได้มีเพียง
Keyword
Ranking
Click
เป็นสามสิ่งหลักที่เราดูอีกต่อไป
TikTok และ Social Platform ก็เริ่มทำให้ Visual Discovery สำคัญขึ้น
อีกเรื่องที่ผมเคยสังเกตคือเวลาคนใช้ TikTok หรือ Social Platform ทุกวันนี้ การค้นพบสินค้าและสถานที่จำนวนมากก็เริ่มจาก Visual ก่อนเช่นกัน
เราเห็นรูปหรือ Video ก่อน แล้วค่อยเกิดความอยากรู้ว่าสินค้านั้นคืออะไร ร้านอยู่ที่ไหน หรือซื้อได้จากไหน
ตรงนี้ผมยังไม่อยากสรุปว่า TikTok มี Image Search สำหรับผู้ใช้ทั่วไปในประเทศไทยแบบเดียวกับ Google Lens เพราะ Feature และ Availability แตกต่างกันไปตาม Market
แต่สิ่งที่เห็นชัดคือเส้นระหว่าง Search กับ Discovery กำลังเบลอมากขึ้น
User อาจไม่ได้เริ่ม Journey จาก Google Search Box เสมอไป
บางครั้งเริ่มจากรูป
บางครั้งเริ่มจาก Video
บางครั้งเริ่มจาก AI Conversation
แต่สุดท้ายความต้องการของคนยังเหมือนเดิม คือ อยากเข้าใจสิ่งที่ตัวเองกำลังเห็นหรือกำลังสนใจ
แล้ว C & S Assist จะดูอะไรจาก Multimodal Search ต่อ?
ตอนนี้ผมยังไม่มีข้อมูลมากพอที่จะบอกว่า Multimodal Search จะสร้าง Traffic หรือ Lead ให้ธุรกิจไทยได้มากแค่ไหน
และผมไม่คิดว่าควรแกล้งทำเป็นรู้
สิ่งที่เราจะจับตาต่อคือ
- เว็บไซต์ประเภทไหนเริ่มเห็น Data ก่อน
- หน้าแบบไหนได้รับ Exposure
- Product หรือ Visual Content ประเภทไหนมี Pattern
- Traffic มี Engagement อย่างไร
- และสำคัญที่สุดคือมี Conversion หรือ Business Outcome ตามมาหรือไม่
ถ้าในอีกไม่กี่เดือน Data เริ่มมากพอ เราก็ค่อยกลับมาดูว่าเรื่องนี้เป็นเพียง Report ที่น่าสนใจ หรือควรเปลี่ยนวิธีที่เราวาง SEO และ Content จริง ๆ
สรุป: สิ่งที่น่าสนใจไม่ใช่แค่ Search Console มี Filter ใหม่
ถ้าดูเพียง Feature Google ก็แค่เพิ่ม Multimodal Search Type เข้าไปใน Search Console
แต่ถ้ามองจากพฤติกรรมคน มันสะท้อนเรื่องที่ใหญ่กว่านั้น
Search ไม่จำเป็นต้องเริ่มจากคำที่เราพิมพ์อีกต่อไป
คนอาจเริ่มจากเสื้อที่เห็นในรูป
เฟอร์นิเจอร์ในบ้านคนอื่น
ต้นไม้ที่ไม่รู้ชื่อ
สถานที่จาก Video
หรือสิ่งของบางอย่างบนหน้าจอ
แล้วใช้สิ่งที่เห็นเป็นจุดเริ่มต้นของ Search
สำหรับ SEO ผมยังไม่คิดว่าเราต้องโยน Keyword Research ทิ้ง หรือเปลี่ยน Strategy ทั้งหมด
แต่ผมคิดว่าเราควรเริ่มมอง Content กว้างกว่า Text
เพราะถ้า Visual กลายเป็นส่วนหนึ่งของ Search Journey มากขึ้น คำถามก็ไม่ใช่เพียงว่า
หน้าเรามี Keyword ที่คน Search หรือยัง
แต่ควรถามเพิ่มว่า
สิ่งที่อยู่ในหน้าเรา มีคุณค่ามากพอให้คนค้นพบจากสิ่งที่เขากำลังเห็นหรือเปล่า
FAQ
Multimodal Search คืออะไร?
ตอบ: Multimodal Search คือการค้นหาที่ใช้ข้อมูลมากกว่า Text เพียงอย่างเดียว เช่น รูปภาพร่วมกับข้อความหรือบริบทอื่น เพื่อให้ Search Engine เข้าใจสิ่งที่ผู้ใช้ต้องการค้นหาได้ดีขึ้น
Google Search Console วัด Multimodal Search ได้แล้วหรือยัง?
ตอบ: ได้ Google เริ่ม Rollout Multimodal Search Reporting ทั่วโลกตั้งแต่วันที่ 24 กันยายน 2026 โดยข้อมูลครอบคลุม Search ผ่าน Lens, Circle to Search, Image Upload และ Search this image ใน Chrome Google for Developers
ถ้า Search Console ไม่เห็น Multimodal Data แปลว่ามีปัญหาหรือไม่?
ตอบ: ไม่จำเป็น Google ระบุว่าเว็บไซต์จะเริ่มเห็น Metrics เมื่อได้รับ Traffic จาก Query ประเภท Multimodal Search ดังนั้นบางเว็บไซต์อาจยังไม่มี Data ให้แสดง Google for Developers
Multimodal Search หมายความว่า Keyword SEO ไม่สำคัญแล้วหรือไม่?
ตอบ: ไม่ใช่ Keyword Research และ Search Intent ยังมีความสำคัญ แต่ Multimodal Search เพิ่มวิธีใหม่ที่ User สามารถเริ่มต้น Search ได้ โดยไม่จำเป็นต้องรู้ว่าควรพิมพ์ Keyword อะไรก่อน
ต้องทำ Image SEO ใหม่ทั้งหมดหรือไม่?
ตอบ: ยังไม่จำเป็น สิ่งที่ควรเริ่มก่อนคือใช้ภาพที่มีคุณค่าและเกี่ยวข้องกับ Content จริง อธิบายภาพให้ชัด ใช้ Original Visual เมื่อมี และดู Data ใน Search Console ก่อนตัดสินใจลงทุนเพิ่ม
