Traffic บนเว็บไซต์ที่เพิ่มขึ้น อาจไม่ได้หมายความว่ามี “คน” เข้ามามากขึ้นอีกต่อไป เมื่อ Search Crawlers, AI Training Bots และ AI Agents เริ่มเข้าถึงเว็บไซต์ในสัดส่วนที่สูงขึ้น การวัด Pageviews, Sessions หรือ Conversion แบบเดิมจึงอาจทำให้ธุรกิจเข้าใจพฤติกรรมผู้ใช้งานคลาดเคลื่อน
EXZY AI ชวนคุณมาทำความเข้าใจโลกของ Web Analytics ยุคใหม่ ว่า Human, Bot และ AI Agent แตกต่างกันอย่างไร และองค์กรควรปรับวิธีวัด Traffic อย่างไรให้สะท้อน Business Value ได้แม่นยำขึ้น
Web Analytics ถูกสร้างขึ้นในโลกที่ Session ส่วนใหญ่ถูกตีความว่าเป็นคน หรืออย่างน้อย Automated Traffic มักถูกกรองออกเป็น กลุ่มเดียว แต่เมื่อ Search Crawlers, AI Training Bots, User-driven Agents, Monitoring Tools และ Automation เข้ามาใช้เว็บพร้อมกัน สมมติฐานนี้เริ่มไม่พอ
Cloudflare รายงานในเดือนกรกฎาคม 2026 ว่า Traffic ที่ไม่ใช่มนุษย์บนเครือข่ายข้าม 50% เป็นครั้งแรก และใน Crawler Requests ที่จำแนกตามวัตถุประสงค์ 52% เป็น AI Training ขณะที่ Mixed-use Crawlers เกิน 36% ในเดือนมิถุนายน 2026 ตัวเลขเหล่านี้เป็นข้อมูลจากเครือข่าย Cloudflare ไม่ใช่สัดส่วนสากลของทุกเว็บไซต์ แต่ชี้ให้เห็นว่า Machine Traffic มีขนาดใหญ่พอที่จะต้องถูกวัดแยก
ปัญหาจึงไม่ใช่แค่ “มี Bot เยอะ” แต่คือ Automated Traffic แต่ละชนิดมี Intent และ Business Value ต่างกัน
Bot ไม่ใช่ประเภทเดียว และ Human ก็ไม่ใช่ฝั่งตรงข้ามเพียงอย่างเดียว
Cloudflare เปลี่ยน Taxonomy ของ AI Traffic ในปี 2026 ให้แยกอย่างน้อย Search, Agent และ Training เพราะเว็บไซต์อาจต้องการ Allow/Block แต่ละกลุ่มไม่เหมือนกัน และยังมี Verified Bots ประเภทอื่น เช่น Monitoring, Webhooks, Security Scanners และ Page Preview
ในทางปฏิบัติทีม Analytics ควรคิดเป็นหลาย Class
1. Human Traffic
คนจริงที่เข้ามาดู ค้นหา เปรียบเทียบ สมัคร หรือซื้อสินค้า เป็น Traffic หลักที่ใช้วัด Conversion แบบเดิม
2. Search / Discovery Crawlers
ระบบที่เข้ามาอ่านเว็บไซต์เพื่อค้นหาและจัดทำ Index แม้จะไม่ได้ซื้อหรือสมัครโดยตรง แต่ช่วยให้ Content ถูกค้นพบและนำคนจริงเข้ามาในภายหลัง
3. AI Training Crawlers
4. User-driven / AI Agents
AI Agent ที่ทำงานแทนผู้ใช้ เช่น ค้นข้อมูล เปรียบเทียบสินค้า หรือทำ Workflow อัตโนมัติ อาจเข้าเว็บไซต์หลายหน้าและทำ Action ต่อได้โดยไม่ใช้งานเหมือนคนทั่วไป
5. Operational Automation
Traffic จากระบบภายใน เช่น Monitoring, Integration, Preview หรือ Security อาจมีจำนวนมาก แต่ไม่ควรถูกนับเป็นความสนใจจากผู้ใช้งานจริง
6. Malicious / Abusive Bots
Bot ที่ใช้เพื่อโจมตี ขโมยข้อมูล ทำ Fraud หรือ Scraping ที่ผิด Policy ควรถูกแยกออกและวิเคราะห์ในมุม Security ไม่ใช่ Marketing Analytics
การรวมทั้งหมดเข้าด้วยกันทำให้ Funnel ผิดอย่างไร
สมมติหน้า Product มี Pageviews เพิ่ม 40% แต่ครึ่งหนึ่งมาจาก Agent/Crawler ที่อ่านหน้าเดิมซ้ำ Conversion Rate ที่คำนวณด้วย Sessions ทั้งหมดจะลดลงแม้ Human Demand ไม่ได้แย่ลง
หรือ Content Page อาจดูเหมือน Engagement สูงเพราะ AI Crawler เรียก URL จำนวนมาก แต่ไม่มีความสัมพันธ์กับ Brand Awareness ของคนเลย ในทางกลับกัน Agent Traffic บางประเภทอาจมี Business Value สูงมาก เพราะ Agent กำลัง Research หรือทำ Transaction แทนผู้ใช้จริง แม้จะไม่มี Scroll, Session Duration หรือ Click Path แบบมนุษย์
ดังนั้น Metric แบบ Pageviews, Sessions, Bounce Rate และ Average Time ไม่ควรถูกตีความโดยไม่รู้ Traffic Identity/Intent
Verified ไม่ได้แปลว่า Human แต่ช่วยให้วัด Intent ได้ดีขึ้น
Cloudflare มองว่า Verified Bot/Agent ควรสามารถระบุตัวตนได้ชัดเจน และมีพฤติกรรมที่เชื่อถือได้ เช่น ใช้วิธีตรวจสอบตัวตน มีข้อมูล IP หรือ User Agent ที่ประกาศไว้ และเคารพกฎการเข้าถึงเว็บไซต์
ในเดือนกรกฎาคม 2026 Cloudflare ยังเพิ่มแนวทางสำหรับ Signed Agents และข้อมูลที่ช่วยแยกว่า Agent เข้ามาโดยตรงหรือผ่านตัวกลาง สิ่งนี้สำคัญต่อ Analytics เพราะ Machine Traffic ไม่จำเป็นต้องถูกมองเป็น Bot ที่ต้องตัดทิ้งทั้งหมด แต่ควรแยกตามว่า เป็นใคร เข้ามาเพื่ออะไร และทำงานแทนผู้ใช้ในระดับไหน แล้วจึงวัดผลให้เหมาะกับแต่ละประเภท
Dashboard ใหม่ควรแยก Traffic อย่างไร
Exzy แนะนำให้ Dashboard แยก Traffic ตามวัตถุประสงค์ของการใช้งาน ไม่ควรรวมทุก Request แล้วนับเป็น “ผู้ใช้” เหมือนกันทั้งหมด โดยสามารถแบ่งออกเป็น 4 ชั้นหลัก
Layer 1 - Human Experience
สำหรับวัดพฤติกรรมของคนจริง เช่น
- จำนวนผู้ใช้งานและ Session
- Engagement
- Conversion
- Lead หรือ Revenue
- Retention
Layer 2 - Machine Discovery
สำหรับวัดระบบที่เข้ามาค้นหาและอ่าน Content เช่น
- Search Crawlers
- AI Search / AI Answer
- AI Training Crawlers
- ความถี่ในการ Crawl
- หน้าที่ถูกเข้าถึง
- ประเภท Content ที่ถูกอ่าน
Layer 3 - Agent Interaction
สำหรับวัด AI Agent ที่เข้ามาทำงานแทนผู้ใช้ เช่น
- จำนวน Agent Requests
- จำนวน Task หรือ Tool/API Calls
- Success / Failure
- ประเภท Action ที่ Agent ทำ
- ผู้ใช้หรือ Account ที่เกี่ยวข้อง เมื่อสามารถระบุได้อย่างเหมาะสมตาม Privacy Policy
Layer 4 - Security & Abuse
สำหรับแยก Traffic ที่มีความเสี่ยงหรือไม่สามารถยืนยันตัวตนได้ เช่น
- Unverified Automation
- Suspicious Bots
- Fraud หรือ Credential Attempts
- Rate-limit Events
- Traffic ที่ถูก Block หรือ Challenge
Attribution ต้องมองทั้ง Crawl และ Downstream Referral
ในยุค Search Engine แบบเดิม Website Owner มักเห็น Crawler เข้ามาเพื่อ Index แล้วมี Human Referral กลับมาในภายหลัง แต่ AI Discovery เพิ่มช่องว่างระหว่างการ Crawl/Consume Content กับการส่งคนกลับเว็บ
Cloudflare เปิดตัว Attribution Business Insights ในปี 2026 เพื่อให้เจ้าของเว็บดูทั้ง AI Bot Consumption และ Human Traffic ที่ AI Company ส่งกลับ แนวคิดนี้สะท้อน Metric ที่ธุรกิจควรมี: ไม่ใช่แค่ “Bot มาเท่าไร?” แต่ “Bot ใช้ Content อะไร และสร้าง Downstream Value อะไรกลับมา?”
ตัวอย่าง Metric ที่น่าสนใจ
- Crawl-to-referral ratio
ดูว่า Bot หรือ AI ที่เข้ามาอ่าน Content สามารถสร้าง Referral Traffic กลับมาที่เว็บไซต์ได้มากน้อยแค่ไหน - Pages / Content Categories Consumed
ดูว่า Bot หรือ Agent แต่ละประเภทสนใจหน้าและ Content แบบไหนมากที่สุด - AI Referral Sessions & Conversion
วัดจำนวน Session ที่มาจาก AI Search หรือ AI Answer และดูว่ากลุ่มนี้ Convert ได้ดีแค่ไหน - Branded / Direct Demand หลัง AI Exposure
ดูว่าหลังจากแบรนด์ถูกพูดถึงใน AI แล้ว มีคน Search ชื่อแบรนด์หรือเข้าเว็บไซต์โดยตรงเพิ่มขึ้นหรือไม่ - Agent-initiated Transactions / Qualified Actions
วัด Action ที่ AI Agent เริ่มต้นให้ เช่น การจอง การสมัคร การขอข้อมูล หรือ Transaction ที่มีคุณภาพ - Infrastructure Cost per Machine Visitor Class
ดูต้นทุนระบบที่เกิดจาก Bot, Crawler และ Agent แต่ละประเภท เพื่อรู้ว่า Machine Traffic แบบไหนสร้างคุณค่าและแบบไหนสร้างแต่ต้นทุน
อย่าบล็อก Bot ทั้งหมดเพียงเพราะ Analytics อ่านยาก
Automated Traffic บางชนิดมีประโยชน์ เช่น Search Indexing, Monitoring, User-driven Agent หรือ Integration ที่ลูกค้าใช้จริง การ Block ทุกอย่างอาจทำให้ Discovery และ Product Experience เสีย
แนวทางที่ดีกว่าคือ Policy by Purpose: ระบุว่า Search, Agent, Training, Operational Automation และ Unknown Bot แบบไหน Allow, Rate-limit, Challenge หรือ Block และทำให้ Analytics ใช้ Classification เดียวกับ Control Layer
Cloudflare เองเพิ่ม Controls ที่แยก Search, Agent และ Training Traffic พร้อม BotBase/Verified Bot Classification ในปี 2026 ซึ่งสะท้อนว่าความโปร่งใสของ Purpose กำลังกลายเป็น Infrastructure สำคัญของ Agentic Web
Exzy Perspective: Web Analytics ต้องเปลี่ยนจาก “นับผู้เข้าชม” เป็น “เข้าใจ Actor และ Intent”
เมื่อทั้งคนและ Agent ใช้เว็บเดียวกัน Unit of Analysis ไม่ควรมีแค่ Session แต่ต้องรู้ว่าใครหรืออะไรเป็น Actor, Intent คืออะไร และ Outcome ที่เกี่ยวข้องคืออะไร
สำหรับ Marketing สิ่งนี้ช่วยให้ Human Funnel ไม่ถูก Machine Traffic รบกวน สำหรับ Product ช่วยมองเห็น Agent-driven Usage สำหรับ Infrastructure ช่วยคำนวณ Cost และ Capacity และสำหรับ Security ช่วยแยก Helpful Automation ออกจาก Abuse
องค์กรไทยไม่จำเป็นต้องสร้างระบบ Bot Intelligence ซับซ้อนทันที จุดเริ่มคือแยก Known/Verified Automation ออกจาก Human Analytics ก่อน จากนั้นค่อยเพิ่ม Purpose และ Downstream Attribution ตาม Business Relevance
สิ่งที่องค์กรควรทำต่อ
- ตรวจสอบก่อนว่า Analytics ปัจจุบันกรอง Bot และ Automation แบบไหนออกไปบ้าง
- เชื่อมข้อมูลจาก CDN, Bot Management และ Web Analytics ให้ดูร่วมกันได้
- แบ่ง Traffic ให้ชัดว่าเป็น Human, Search, AI Agent, Training, ระบบภายใน หรือ Traffic ที่เป็นอันตราย
- กำหนดแหล่งข้อมูลหลักสำหรับระบุว่า Bot หรือ Agent แต่ละตัวคือใคร และเข้ามาเพื่ออะไร
- แยก Dashboard ของ Human Funnel ออกจาก Dashboard ที่วัดการใช้งานของ Bot และ AI Agent
- วัด Traffic จาก AI และ Action ที่ Agent ทำ แยกจาก Pageview ปกติ
- ดูต้นทุนระบบและ Security Event ที่เกิดจาก Machine Traffic แต่ละประเภท
- ทบทวนกฎ Allow, Block หรือ Rate-limit ตามวัตถุประสงค์ของ Traffic ไม่ใช่ดูแค่ User-Agent อย่างเดียว
มีโปรเจกต์หรือโจทย์ธุรกิจที่อยากนำ AI มาใช้?
หากองค์กรของคุณกำลังมองหาวิธีนำ AI มาใช้กับงานจริง แต่ยังไม่แน่ใจว่าควรเริ่มจากจุดไหน หรือ Use Case แบบใดจะเหมาะกับธุรกิจมากที่สุด สามารถพูดคุยกับทีมผู้เชี่ยวชาญของ EXZY AI ได้
เราช่วยตั้งแต่วิเคราะห์โจทย์และ Workflow ที่มีอยู่ มองหาโอกาสที่ AI สามารถเข้ามาช่วยลดขั้นตอน เพิ่ม Productivity หรือยกระดับกระบวนการทำงาน ไปจนถึงออกแบบแนวทางและพัฒนา AI Solution ที่เหมาะกับบริบท ข้อมูล ระบบ และข้อจำกัดของแต่ละองค์กร
พูดคุยกับทีม EXZY AI ได้ที่
Facebook: Exzy AI
โทร. 095-919-1963
FAQs
AI Bot Traffic Analytics คืออะไร?
AI Bot Traffic Analytics คือการแยกและวัด Traffic จาก Bot หรือ AI ตามว่าเป็นใคร เข้ามาเพื่ออะไร และทำอะไรบนเว็บไซต์ เช่น Search Crawler, AI Agent, Training Bot หรือ Traffic ที่ผิดปกติ แทนที่จะรวม Bot ทุกประเภทไว้เป็นกลุ่มเดียว
AI Agent Traffic ควรถูกตัดออกจาก Analytics ทั้งหมดหรือไม่?
ไม่ควร เพราะ AI Agent บางประเภทอาจเข้ามาทำงานแทนผู้ใช้จริง เช่น ค้นข้อมูล เปรียบเทียบ หรือทำ Action บางอย่าง สิ่งสำคัญคือควรแยก Agent Traffic ออกจาก Human Traffic เพื่อไม่ให้ตัวเลข Session, Engagement และ Conversion คลาดเคลื่อน
