AI รอก่อน แล้วค่อยแนะนำแบรนด์ของคุณ

ระบบแนะนำด้วย AI เรียนรู้ได้ว่าควรแนะนำเมื่อไร ไม่ใช่แค่ควรแนะนำอะไร ลองนึกภาพผู้ใช้คนหนึ่งเปิดผู้ช่วยด้านความงามด้วยประโยคกว้าง ๆ ว่าแค่ดูไปเรื่อย ๆ ยังไม่รู้ว่าต้องการอะไร โมเดลเวอร์ชันแรกตอบด้วยสินค้าทันที แล้วเสนอสินค้าอีกชิ้นในรอบถัดไป และอีกชิ้นในรอบต่อมา ส่วนเวอร์ชันที่สองกลับถามสองคำถาม สนใจดูแลผิวหรือเส้นผม? มีปัญหาอะไรเป็นพิเศษไหม? แล้วจึงเอ่ยชื่อสินค้าในรอบที่สาม เมื่อผู้ใช้เล่าว่ารองพื้นของตัวเองลงไม่เรียบ เป็นดวง ๆ

ทั้งสองเวอร์ชันใช้โมเดลพื้นฐานตัวเดียวกัน ความต่างมาจากการฝึก ฉากนี้มาจากกรณีศึกษาในงานวิจัย Adapting Generative Recommenders for Multi-Turn Interaction และมันตั้งชื่อให้สิ่งที่รายงานการมองเห็นบน AI ส่วนใหญ่มองข้าม นั่นคือจังหวะที่การแนะนำเกิดขึ้น

งานวิจัยจาก National Taiwan University เผยแพร่อะไร?

งานวิจัยนี้เผยแพร่บน arXiv เมื่อ 6 ตุลาคม 2026 ในรหัส arXiv:2610.08136 นำเสนอ INTEGER วิธีเปลี่ยนระบบแนะนำสินค้าให้เป็นผู้ช่วยที่สนทนาได้ โดยไม่เสียความแม่นยำในการแนะนำ ผู้เขียนทั้งเจ็ดคนได้แก่ Yu-Chen Den, Zhi Rui Tam, Yung-Yu Shih, Shih-Hsin Wang, Yun-Nung Chen และ Pu-Jen Cheng จาก National Taiwan University และ Eugene Yang จาก Johns Hopkins University งานนี้เป็นฉบับเผยแพร่ล่วงหน้า (preprint) ที่ยังไม่ผ่านการประเมินโดยผู้ทรงคุณวุฒิ

จุดตั้งต้นคือระบบแนะนำที่ฝึกจากประวัติการซื้อ ระบบเห็นว่าผู้ใช้เคยซื้อหรือให้คะแนนอะไร แล้วทำนายสินค้าชิ้นถัดไป นักวิจัยตั้งคำถามว่าโมเดลแบบนี้จะเรียนรู้การพูดคุย รับคำแก้ไข และปรับคำแนะนำได้หรือไม่ โดยไม่ลืมความเชื่อมโยงระหว่างพฤติกรรมในอดีตกับสินค้าที่ใช่ คำตอบคือได้ ด้วยกลไกป้องกันสามอย่าง และขั้นตอนที่สี่ที่สอนให้โมเดลรับมือเมื่อผู้ใช้ปฏิเสธคำแนะนำ

การทดลองใช้แคตตาล็อกสาธารณะของ Amazon สองหมวด คือ Beauty (ผู้ใช้ 9,880 คน สินค้า 11,707 รายการ) และ Toys and Games (ผู้ใช้ 9,631 คน สินค้า 11,498 รายการ) เนื่องจากยังไม่มีชุดข้อมูลขนาดใหญ่ที่จับคู่ประวัติการซื้อจริงกับบทสนทนาจริง บทสนทนาจึงถูกสังเคราะห์ด้วยโมเดลภาษาของ Tencent ได้ 6,302 บทสนทนาสำหรับ Beauty และ 5,647 บทสนทนาสำหรับ Toys เฉลี่ยราวเจ็ดรอบต่อบทสนทนา ตัวโมเดลสร้างบน Qwen3-1.7B ซึ่งเป็นโมเดลโอเพนขนาดเล็ก

Generative recommender คืออะไร?

Generative recommender คือระบบที่แนะนำสินค้าด้วยการเขียนรหัสของสินค้าออกมาทีละโทเค็น เหมือนที่โมเดลภาษาเขียนประโยค ระบบแนะนำแบบเดิมให้คะแนนสินค้าทุกชิ้นในแคตตาล็อก แล้วส่งรายการอันดับต้น ๆ กลับมา ส่วนระบบแบบ generative สร้างรหัสของสินค้าออกมาโดยตรง

รหัสนี้ไม่ได้สุ่มขึ้นมา ในงานวิจัยนี้ เนื้อหาของสินค้าแต่ละชิ้นถูกแปลงเป็น embedding ด้วยตัวเข้ารหัสประโยค แล้วบีบอัดเป็นรหัสสั้น ๆ สามระดับ ระดับละ 256 ค่า บวกอีกหนึ่งระดับสำหรับแยกสินค้าที่ซ้ำกัน สินค้าที่มีเนื้อหาใกล้กันจึงมีรหัสส่วนต้นเหมือนกัน มอยส์เจอไรเซอร์สองตัวอยู่บนกิ่งเดียวกัน ส่วนรถบรรทุกของเล่นอยู่อีกกิ่งหนึ่ง

การออกแบบนี้มีผลที่ควรพูดให้ชัด ในระบบที่สร้างแบบนี้ ข้อความที่อธิบายสินค้าเป็นตัวกำหนดว่าสินค้าอยู่ตรงไหนในแคตตาล็อก และสินค้าใดนับเป็นเพื่อนบ้านของมัน เพราะคำและสินค้าใช้พื้นที่ผลลัพธ์เดียวกัน การแนะนำสินค้ากับการเขียนคำตอบจึงกลายเป็นงานเดียว นี่คือสิ่งที่ทำให้การสนทนาเป็นไปได้ และก็เป็นสิ่งที่ทำให้มันเปราะบางด้วย

โมเดลตัดสินใจอย่างไรว่าควรแนะนำเมื่อไร?

INTEGER เพิ่มโทเค็นพิเศษสำหรับเลือกเส้นทางเข้าไปในคำศัพท์ของโมเดล ถ้าโมเดลส่งโทเค็นนี้ออกมาตอนต้นรอบ มันจะแนะนำสินค้า ถ้าไม่ส่ง มันจะสนทนาต่อ การตัดสินใจเกิดขึ้นในโมเดลตัวเดียวกับที่เขียนคำตอบ โดยไม่มีตัวจำแนกแยกต่างหาก

นักวิจัยวัดว่าโมเดลอยากแนะนำมากแค่ไหนในทุกรอบที่ผู้ช่วยตอบ ในรอบที่ควรแนะนำ ค่ามัธยฐานของความน่าจะเป็นอยู่ที่ 0.88 ในรอบสนทนาก่อนหน้านั้นอยู่ที่ 0.09 และหลังจากนั้นเกือบเป็นศูนย์ ความสามารถในการแยกสองประเภทนี้ออกจากกันวัดเป็นค่า AUC ได้ 0.94

โมเดลเปรียบเทียบซึ่งฝึกด้วยบทสนทนาชุดเดียวกัน ผสมกับตัวอย่างการแนะนำแบบครั้งเดียวจบ ให้ภาพตรงกันข้าม ค่า AUC ของมันอยู่ที่ 0.51 ไม่ต่างจากการเดาสุ่ม และค่ามัธยฐานของความอยากแนะนำก่อนถึงจังหวะที่ถูกต้องสูงถึง 0.99 สูงกว่าในรอบที่ควรแนะนำเสียอีก ผู้เขียนตีความว่ามันเรียนรู้มาว่าการแนะนำสามารถเปิดบทสนทนาได้เลย ไม่ว่าผู้ใช้จะพูดอะไร

ทำไมการสอน AI ให้คุยเก่งทำให้การแนะนำแย่ลง?

เพราะการสนทนาและการแนะนำใช้พารามิเตอร์ชุดเดียวกัน การฝึกด้านหนึ่งจึงอาจลบล้างอีกด้านหนึ่ง งานวิจัยวัดการลืมนี้ทั้งสองทิศทาง

โมเดลที่ฝึกด้วยบทสนทนาอย่างเดียวพังทั้งสองด้าน ในหมวด Beauty อัตราการแนะนำถูกลดลงเหลือ 0.029 และคุณภาพการสนทนา ซึ่งให้คะแนน 1 ถึง 5 โดยโมเดลผู้ตัดสินอีกตัว ลดลงเหลือ 2.39 การตัดกลไกป้องกันด้านพฤติกรรมออกไปเพียงอย่างใดอย่างหนึ่ง ทำให้ความแม่นยำหายไปราวหนึ่งในสาม จาก 0.049 เหลือ 0.033 เมื่อไม่มีการยึดประวัติซ้ำ และเหลือ 0.034 เมื่อไม่มีการฝึกซ้ำ

กลไกแรก ที่ผู้เขียนเรียกว่า history re-anchoring (การยึดประวัติซ้ำ) จะใส่ประวัติการซื้อของผู้ใช้กลับเข้าไปอีกครั้งก่อนสร้างรหัสสินค้า กลไกที่สอง behavioral replay (การฝึกพฤติกรรมซ้ำ) ฝึกโมเดลกับงานเดิม คือจากประวัติไปสู่สินค้า ต่อไประหว่างที่มันเรียนการสนทนา ส่วนผสมที่สามคือข้อมูลคำสั่งทั่วไป ซึ่งคืนคุณภาพการสนทนากลับมา คะแนนจากผู้ตัดสินขยับจาก 4.14 เป็น 4.77 ขณะที่ความแม่นยำแทบไม่เปลี่ยน

ส่วนที่บอกอะไรได้มากที่สุดคือการวิเคราะห์ attention ในจังหวะที่แนะนำ โมเดลเต็มรูปแบบให้ความสนใจกับประวัติของผู้ใช้มากกว่าตอนคุยทั่วไป 2.11 เท่า ส่วนโมเดลที่ฝึกด้วยบทสนทนาอย่างเดียวให้ความสนใจน้อยลงเล็กน้อย คือ 0.86 เท่า การมองประวัติในจังหวะที่สำคัญจึงเป็นพฤติกรรมที่ต้องเรียนรู้ และการฝึกสนทนาเพียงอย่างเดียวไม่ได้สอนสิ่งนี้

สำหรับแบรนด์ ความหมายเชิงปฏิบัติตรงไปตรงมา ในระบบแบบนี้ คนสองคนที่พิมพ์ประโยคเดียวกันจะไม่ได้รับสินค้าเดียวกัน เพราะสิ่งที่แต่ละคนเคยทำมามีน้ำหนักต่อคำตอบในรอบที่ชี้ขาด

จะเกิดอะไรขึ้นเมื่อผู้ใช้บอกว่าไม่?

ก่อนการฝึกด้วยข้อมูลความชอบ โมเดลเสนอสินค้าที่ถูกปฏิเสธกลับมาซ้ำทุกครั้ง ไม่ว่าผู้ใช้จะขอตัวเลือกอื่น หรือบอกว่าสินค้านั้นไม่เหมาะ มันก็กลับมาพร้อมสินค้าตัวเดิมใน 10 อันดับแรก ครบ 100% ของกรณีที่ทดสอบ

จากนั้นผู้เขียนฝึกโมเดลด้วย Direct Preference Optimization บนคู่ตัวอย่างที่คำตอบที่ดีกว่าคือการเปลี่ยนสินค้า ไม่ใช่การเสนอซ้ำ ผลคือสินค้าที่ถูกปฏิเสธยังอยู่ใน 10 อันดับแรกเพียง 28.4% ของคำขอตัวเลือกที่หลากหลาย และ 26.9% ของการปฏิเสธ ส่วนสินค้าที่ถูกต้อง ซึ่งเดิมอยู่ระหว่างอันดับ 2 ถึง 50 กลับเข้ามาใน 10 อันดับแรก 36.7% และ 36.4% ของกรณี จากเดิม 22.8% และ 18.2%

รายละเอียดที่สำคัญคือสิ่งที่ไม่เปลี่ยน ไม่ว่าผู้ใช้จะขอสิ่งที่คล้ายกัน หรือปฏิเสธสินค้าไปเลย สินค้าที่มาแทนอยู่ห่างจากสินค้าที่ถูกปฏิเสธในระยะเกือบเท่ากันทุกประการ ค่าความคล้ายคือ 0.885 ในกรณีหนึ่ง และ 0.886 ในอีกกรณีหนึ่ง โมเดลเรียนรู้ท่าเดียว คือขยับไปหาเพื่อนบ้านที่ใกล้ที่สุด และใช้ท่านี้ไม่ว่าเหตุผลจะเป็นอะไร ผู้เขียนยอมรับเรื่องนี้เอง และระบุว่าข้อโต้แย้งอย่าง "แพงเกินไป" หรือ "อยากได้สีดำ" ต้องอาศัยการฝึกด้วยคุณสมบัติของสินค้า ซึ่งวิธีของพวกเขายังไม่มี

ผลลัพธ์หนักแน่นแค่ไหน?

INTEGER ชนะโมเดลเปรียบเทียบทุกตัวในหมวด Beauty แต่ให้ผลก้ำกึ่งในหมวด Toys และอัตราการแนะนำถูกในตัวเลขสัมบูรณ์ยังต่ำ ตารางด้านล่างแสดงตัวเลขตามที่เผยแพร่

ในหมวด Beauty อัตราการแนะนำถูกดีกว่าโมเดลเปรียบเทียบที่ดีที่สุด 13.3% และคะแนนการสนทนาสูงกว่าอย่างมีนัยสำคัญ ในหมวด Toys INTEGER ได้อัตราเท่ากับระบบแนะนำแบบสนทนาที่ดีที่สุด แต่แพ้ทั้งด้านคุณภาพการจัดอันดับและคะแนนการสนทนา เมื่อเทียบกับระบบแนะนำที่เป็นจุดตั้งต้น INTEGER ชนะชัดเจนทั้งสองแคตตาล็อก

อัตรา 0.051 หมายความว่าสินค้าที่ถูกต้องติด 10 อันดับแรกประมาณหนึ่งในยี่สิบบทสนทนาทดสอบ ตัวเลขระดับนี้เป็นเรื่องปกติของการทดสอบลักษณะนี้ ที่เป้าหมายคือสินค้าชิ้นเดียวจากกว่าหนึ่งหมื่นหนึ่งพันชิ้น และเป็นเครื่องเตือนว่านี่คือตัวเลขวิจัยบนงานที่แคบ ไม่ใช่ภาพว่าผู้ช่วยเชิงพาณิชย์แนะนำถูกบ่อยแค่ไหน

สิ่งนี้เปลี่ยนการวัดการมองเห็นบน AI อย่างไร?

มันเปลี่ยนหน่วยของการวัด จากพรอมป์เดียว ไปเป็นบทสนทนาสั้น ๆ สิ่งที่ตามมาคือการตีความของ KAIS ซึ่งขยายผลการวิจัยไปสู่ answer engines โดยการเทียบเคียง และแต่ละข้อระบุว่าสังเกตได้มากน้อยแค่ไหน

ข้อแรกเกี่ยวกับจังหวะเวลา ชุดคำถามวัดการมองเห็นบน AI ส่วนใหญ่ส่งคำถามเดียวแล้วอ่านคำตอบเดียว ถ้าผู้ช่วยรอจนกว่าผู้ใช้จะบอกความต้องการ คำตอบแรกก็คือช่วงที่สะท้อนการตัดสินใจได้น้อยที่สุด แบรนด์อาจไม่ปรากฏในคำตอบแรก แต่ถูกเอ่ยชื่อเมื่อผู้ซื้อเล่าปัญหาที่เจาะจง หรือกลับกัน ทางแก้นั้นสังเกตได้จริง คือสร้างสถานการณ์สนทนาสามถึงสี่รอบ ที่ความต้องการค่อย ๆ เผยออกมา แล้วบันทึกรอบที่แต่ละแบรนด์ปรากฏครั้งแรก

ข้อที่สองเกี่ยวกับถ้อยคำ ในกรณีศึกษา การแนะนำถูกกระตุ้นด้วยปัญหาที่จับต้องได้ คือรองพื้นที่ลงไม่เรียบ ไม่ใช่ด้วยชื่อหมวดสินค้า สำหรับชุดคำถาม นี่หมายถึงการเขียนคำถามด้วยคำพูดของลูกค้าเอง รวมถึงอาการและสถานการณ์ ควบคู่กับคำถามเรื่องหมวดสินค้าและผู้ให้บริการ เป็นตรรกะเดียวกับอาณาเขตคำถามในบทวิเคราะห์เรื่อง query fan-out ของเรา การตัดสินใจหนึ่งครั้งมีหลายด้าน และแต่ละด้านมีคำศัพท์ของตัวเอง

ข้อที่สามเกี่ยวกับการปรับให้เป็นส่วนตัว ถ้าพฤติกรรมในอดีตมีน้ำหนักต่อคำตอบในรอบที่ชี้ขาด การวัดจากบัญชีที่ว่างเปล่าก็คือการวัดเส้นฐาน ไม่ใช่สิ่งที่ลูกค้าประจำเห็น เส้นฐานนี้ยังเป็นจุดอ้างอิงที่ถูกต้องสำหรับเปรียบเทียบแบรนด์ เพราะเท่ากันสำหรับทุกแบรนด์ แต่ควรระบุว่าเป็นตัวแทนโดยประมาณ (proxy) ไม่ใช่ประสบการณ์ของผู้ใช้ทุกคน

ข้อที่สี่เกี่ยวกับการปฏิเสธ การเพิ่มรอบปฏิเสธลงในสถานการณ์ เช่น "ไม่เอาตัวนี้ ขออย่างอื่น" จะแสดงให้เห็นว่าใครเข้ามาแทนที่ผู้นำตลาด ในงานวิจัย ตัวที่มาแทนมาจากละแวกเนื้อหาของสินค้าที่ถูกปฏิเสธ ส่วน answer engines จะทำแบบเดียวกันหรือไม่ เป็นสมมติฐานที่ต้องทดสอบ ไม่ใช่ข้อเท็จจริง แต่คำถามนี้คมมากในเชิงธุรกิจ เมื่อผู้ซื้อปฏิเสธผู้นำตลาด แบรนด์ของคุณคือตัวเลือกถัดไปหรือเปล่า?

ทั้งหมดนี้ไม่ได้มาแทนการแยกระหว่างการถูกอ้างอิงกับการถูกแนะนำ ที่อธิบายไว้ในแบรนด์ของคุณถูก AI อ้างอิง แต่ถูกแนะนำหรือเปล่า แต่เพิ่มมิติใหม่เข้าไป ส่วนแบ่งการแนะนำที่วัดจากพรอมป์เดียวบอกว่าแบรนด์ถูกเลือกหรือไม่ บทสนทนาบอกว่าถูกเลือกเมื่อไร หลังจากอะไร และใครมาเป็นลำดับถัดไป

เรื่องนี้อยู่ตรงไหนใน AI Visibility Chain ของ KAIS?

งานวิจัยนี้อยู่ในขั้นที่เจ็ดของ AI Visibility Chain ของ KAIS ทั้งหมด คือ Be Recommended และแยกขั้นนี้ออกเป็นสองคำถาม คือการแนะนำเกิดขึ้นเมื่อไร และใครมาแทนเมื่อคำแนะนำถูกปฏิเสธ

งานนี้ยังเป็นตัวอย่างของข้อยกเว้นที่บันทึกไว้ในห่วงโซ่ด้วย ระบบแนะนำแบบ generative ไม่ได้ดึงหน้าเว็บมาอ้างอิง มันแนะนำจากสิ่งที่พารามิเตอร์ของมันเรียนรู้มา ในที่นี้คือประวัติการซื้อและคำอธิบายสินค้า ซึ่งเป็นรูปแบบเดียวกับการแนะนำจากความรู้ภายในโมเดล (parametric recommendation) ใน answer engines คือแบรนด์ถูกเอ่ยชื่อโดยไม่มีแหล่งอ้างอิงที่มองเห็นได้ รายงานที่ติดตามแค่การอ้างอิงจะไม่มีวันเห็นเส้นทางนี้

ขั้นตอนก่อนหน้ายังใช้ได้ แบรนด์ที่ค้นพบไม่ได้ ไม่ถูกเข้าใจ หรือไม่ได้รับความเชื่อถือ จะไม่ได้เข้าไปอยู่ในละแวกใดที่ AI จะหันมาหา งานวิจัยนี้เพียงแสดงว่าในขั้นสุดท้าย จังหวะเวลาและความใกล้เคียงกลายเป็นตัวแปรในตัวเอง

คำถามขยับไปอยู่ที่รอบที่สาม

หลายปีที่ผ่านมา คำถามเรื่องการมองเห็นคือหน้าเว็บติดอันดับเท่าไรสำหรับคำค้นหนึ่ง answer engines เปลี่ยนคำถามเป็นว่าแบรนด์ปรากฏในคำตอบหรือไม่ ระบบแนะนำแบบสนทนาผลักคำถามไปอีกขั้น คำถามที่มีประโยชน์ตอนนี้คือ แบรนด์ถูกเอ่ยชื่อในรอบไหน หลังจากผู้ซื้อพูดประโยคใด และใครเข้ามาแทนเมื่อผู้ซื้อบอกว่าไม่

ผู้ใช้ที่เริ่มต้นด้วย "แค่ดูไปเรื่อย ๆ" ไม่ได้ต้องการสินค้าในรอบแรก โมเดลที่เข้าใจเรื่องนี้ คือโมเดลที่แนะนำได้ดี

แหล่งอ้างอิง

• Den, Tam, Shih, Wang, Chen, Cheng และ Yang — Adapting Generative Recommenders for Multi-Turn Interaction, arXiv:2610.08136 [cs.IR], 6 ตุลาคม 2026, National Taiwan University และ Johns Hopkins University ฉบับเผยแพร่ล่วงหน้า สัญญาอนุญาต CC BY-NC-ND 4.0 สถิติชุดข้อมูล (ตารางที่ 1) ผลหลัก (ตารางที่ 3) การทดลองตัดองค์ประกอบ (ตารางที่ 4) ความน่าจะเป็นของการเลือกเส้นทางและค่า AUC (หัวข้อ 5.1) อัตราส่วน attention (หัวข้อ 5.2) ผลการปรับคำแนะนำ (ตารางที่ 5) กรณีศึกษา (รูปที่ 5) และข้อจำกัดที่ผู้เขียนระบุ (หัวข้อ 6) ตัวเลขทั้งหมดในบทความนี้มาจากงานวิจัย KAIS ไม่ได้ทดลองซ้ำหรือวัดใหม่