Schema Markup คือ? คู่มือ JSON-LD สำหรับ AI Search + Rich Results 2026

คำตอบสั้น: Schema Markup คือมาตรฐานข้อมูลโครงสร้าง (structured data) ตาม schema.org ที่ช่วยให้ Google และเครื่องมือค้นหาเข้าใจเนื้อหาเว็บ ใช้รูปแบบ JSON-LD ฝังใน <script type="application/ld+json"> Schema ทำให้เว็บมีโอกาสได้ rich results เช่น star rating, FAQ, breadcrumb, sitelinks และทำให้ AI Search (ChatGPT, Perplexity, Google AI Overviews) cite เนื้อหาได้ตรงและถูกต้อง

ในปี 2026 schema markup เปลี่ยนจาก “nice-to-have” เป็น “ต้องมี” เพราะ AI Search กำลังกินส่วนแบ่ง traffic จาก Google เดิม และ AI ต้องการ structured data เพื่อ parse, cite, และส่งผ่านข้อมูลของคุณไปยังผู้ใช้ บทความนี้อธิบาย schema ครบทุกระดับ พร้อม implementation จริง

สารบัญ

• Schema Markup คืออะไร?

• JSON-LD vs Microdata vs RDFa

• Schema สำคัญที่ควรมีในทุกเว็บ

• Schema สำหรับ AI Search (GEO)

• Schema สำหรับ Agentic Web

• วิธี Implement Schema

• วิธี Validate Schema

• Anti-patterns ที่ Google เตือน

• คำถามที่พบบ่อย

Schema Markup คืออะไร?

Schema Markup คือ vocabulary มาตรฐานที่กำหนดโดย schema.org (โครงการร่วมของ Google, Microsoft, Yahoo, Yandex) สำหรับการอธิบาย entities (สิ่งของ, คน, สถานที่, เหตุการณ์) บนเว็บในรูปแบบที่เครื่องอ่านได้

เปรียบเทียบให้เห็นภาพ:

• HTML ปกติ: บอก Google ว่า “นี่คือข้อความ”

• Schema: บอก Google ว่า “นี่คือชื่อร้านอาหาร · address นี้ · เปิด 10:00-22:00 · rating 4.5 · ราคา ฿฿”

ผลลัพธ์: Google แสดง rich result แทน blue link ธรรมดา = CTR เพิ่ม 20-40%

JSON-LD vs Microdata vs RDFa

มี 3 format แต่ Google แนะนำ JSON-LD ตั้งแต่ปี 2015 และยังคงเป็น standard:

ตัวอย่าง JSON-LD:

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "LocalBusiness",
  "name": "Hashbox Studio",
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "139 Pan Rd",
    "addressLocality": "Bangkok",
    "postalCode": "10500",
    "addressCountry": "TH"
  },
  "telephone": "+66-2-266-6222"
}
</script>

Schema สำคัญที่ควรมีในทุกเว็บ

ขั้นต่ำที่เว็บธุรกิจในไทยควรมี — แต่ละ type มีประโยชน์ต่าง:

1. Organization / LocalBusiness

ระบุตัวตนธุรกิจ + ที่อยู่ + contact ส่ง entity signal เข้า Google Knowledge Graph

2. WebSite + SearchAction

เปิด sitelinks search box ใน SERP

3. BreadcrumbList

แสดง breadcrumb ใน SERP แทน URL ยาว ๆ

4. Article / BlogPosting

สำหรับ blog post พร้อม author (Person), datePublished, dateModified

5. Service

สำหรับหน้าบริการ + offers (PriceSpecification) + areaServed

6. FAQPage + Speakable

สำคัญมากใน 2026: ทำให้ section คำถาม-คำตอบถูก cite ใน AI answer

7. Product (สำหรับ e-commerce)

ราคา, stock, review, rating

8. HowTo

สำหรับ guide แบบ step-by-step

Schema สำหรับ AI Search (GEO)

ในปี 2026 AI Search (ChatGPT, Claude, Perplexity, Google AI Overviews) ใช้ schema เพื่อ:

1. Parse content เร็วและตรง

2. Cite source เมื่อตอบคำถาม (เพิ่ม “Highly Cited” badge)

3. Disambiguate entity (ระบุว่า “Hashbox” คือบริษัทไหน ไม่ใช่อย่างอื่น)

4. Rank as “Preferred Source” ใน AI Overviews

Speakable Schema (สำคัญสำหรับ Voice + AI)

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "speakable": {
    "@type": "SpeakableSpecification",
    "cssSelector": [".faq-question", ".faq-answer"]
  },
  "mainEntity": [...]
}

Speakable บอก AI ว่าส่วนไหนของหน้า “เหมาะให้อ่าน” (citation-ready) AI Overviews + voice assistant ใช้ตรงนี้

Entity-First SEO + sameAs

เชื่อม entity ของคุณกับ Knowledge Graph ผ่าน sameAs:

{
  "@type": "Organization",
  "name": "Hashbox Studio",
  "sameAs": [
    "https://www.linkedin.com/company/hashbox-studio",
    "https://www.facebook.com/hashboxstudio",
    "https://www.wikidata.org/wiki/Q123456789",
    "https://www.crunchbase.com/organization/hashbox-studio"
  ]
}

ยิ่ง sameAs ครอบคลุม + ลิงก์ไปแหล่ง authoritative มาก → AI มั่นใจในตัวตน entity มากขึ้น → cite บ่อยขึ้น

Schema สำหรับ Agentic Web

trend ใหม่ปี 2026: AI agents กำลังจะ execute action บนเว็บแทนผู้ใช้ (จองโรงแรม, ซื้อของ, ติดต่อบริการ) Schema ต้อง support agent ด้วย:

potentialAction

{
  "@type": "Service",
  "name": "SEO-Ready Website Build",
  "potentialAction": {
    "@type": "ContactAction",
    "target": "https://hashbox.co.th/#contact",
    "name": "Request Free SEO Audit"
  }
}

Offer + PriceSpecification

ทำให้ agent compare ราคาได้ตรง:

{
  "@type": "Offer",
  "price": "80000",
  "priceCurrency": "THB",
  "priceSpecification": {
    "@type": "PriceSpecification",
    "price": "80000",
    "priceCurrency": "THB",
    "valueAddedTaxIncluded": false
  },
  "availability": "https://schema.org/InStock",
  "areaServed": "TH"
}

Reservation / Booking schema (สำหรับ booking flow)

ทำให้ agent จองได้โดยตรงผ่าน schema endpoint ในอนาคต

วิธี Implement Schema

ทาง 1: เขียน JSON-LD เอง

ใส่ใน <head> หรือ <body>:

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "Schema Markup คือ?",
  "author": {
    "@type": "Person",
    "name": "Tum Thaweewat",
    "url": "https://hashbox.co.th/about/"
  },
  "datePublished": "2026-06-02",
  "publisher": {
    "@type": "Organization",
    "name": "Hashbox Studio"
  }
}
</script>

ทาง 2: ใช้ WordPress Plugin

• Rank Math (แนะนำ) — schema auto-detect ตาม post type

• Yoast SEO — schema graph สมบูรณ์

• Schema Pro — custom schema builder

ทาง 3: ใช้ Helper Function ใน Theme

WordPress theme สามารถ register helper function:

function my_jsonld( $data ) {
    echo '<script type="application/ld+json">' .
         wp_json_encode( $data, JSON_UNESCAPED_UNICODE ) .
         '</script>';
}

แล้วเรียกใช้ตามหน้า:

my_jsonld( array(
    '@context' => 'https://schema.org',
    '@type' => 'Service',
    'name' => 'SEO Service',
) );

ทาง 4: Headless / Next.js

ใช้ next/script หรือฝัง JSON-LD ใน <Head> ผ่าน Next.js Script component ตาม Next.js documentation เพื่อให้ schema render server-side

วิธี Validate Schema

ก่อน deploy ต้องผ่านทั้ง 2 ตัว:

1. Schema.org Validator

validator.schema.org — ตรวจ syntax + structure ของ schema.org

2. Google Rich Results Test

search.google.com/test/rich-results — ตรวจว่า Google ใช้ schema ของคุณได้จริงไหม + eligible สำหรับ rich result ตัวไหน

3. Search Console > Enhancements

หลัง deploy 2-4 สัปดาห์ Google จะรายงาน rich result performance + warnings ใน GSC

Anti-patterns ที่ Google เตือน

จาก Google Structured Data Guidelines:

1. Schema ที่ไม่ตรงกับเนื้อหาบนหน้า = manual penalty (เช่น มี Review schema แต่ไม่มี review แสดงให้ user เห็น)

2. Fake review / aggregateRating ปลอม = ban

3. Schema ใน hidden div ที่ user เห็นไม่ได้ = ไม่นับ

4. Markup สำหรับเนื้อหาที่ไม่ใช่ของคุณ (เช่น scrape product reviews ของคนอื่น)

5. Misleading content เช่น Event schema สำหรับสิ่งที่ไม่ใช่ event

6. Spam @type ใส่หลาย type เพื่อ gaming

Schema กับ Ranking — ความเข้าใจที่ถูกต้อง

Schema ไม่ใช่ ranking factor โดยตรง ตาม Google เอง (SEO Starter Guide) แต่ส่งผลทางอ้อม:

• เพิ่ม CTR จาก rich result ใน SERP

• ทำให้ Google เข้าใจเนื้อหาได้ตรง → match query ดีขึ้น

• เปิดโอกาส AI citation ใน ChatGPT, Perplexity, AI Overviews

• ช่วย entity disambiguation ผ่าน Knowledge Graph

ดังนั้น schema ดี ≠ rank ดีอัตโนมัติ แต่ schema แย่ = พลาดโอกาส visibility ใหญ่

ทำเว็บใหม่พร้อม Schema ครบจาก Build แรก

การ retrofit schema ลงเว็บที่มีอยู่แล้วใช้เวลานานและบางครั้งต้องแก้ HTML structure ทางที่ดีคือ build เว็บใหม่ที่มี schema graph ครบตั้งแต่ deploy ครั้งแรก ครอบคลุม:

• Organization + LocalBusiness + WebSite (sitewide)

• BreadcrumbList (ทุกหน้า)

• Service + Offer (หน้าบริการ)

• Article + Person (blog post)

• FAQPage + Speakable (FAQ section)

• HowTo (guide)

• Product + Review (e-commerce)

ที่ Hashbox เราใช้ บริการรับทำเว็บไซต์ SEO-Ready ที่ install schema 8+ types ครบในทุกโปรเจกต์ validate ผ่าน Schema.org + Google Rich Results Test เป็นส่วนหนึ่งของ Build Gate ก่อน deploy

ดูเพิ่ม:

• Technical SEO คือ? คู่มือ 2026

• Core Web Vitals คือ? LCP, INP, CLS Guide

• GEO คืออะไร? Generative Engine Optimization

คำถามที่พบบ่อย

Schema Markup ทำให้ rank ขึ้นไหม?

ไม่ใช่ ranking factor โดยตรง แต่ส่งผลทางอ้อมผ่าน rich result (CTR เพิ่ม), AI citation, และ entity understanding เว็บที่มี schema มักได้ traffic มากกว่าเว็บที่ไม่มี ในระดับ keyword เดียวกัน

JSON-LD vs Microdata ใช้ตัวไหนดี?

Google แนะนำ JSON-LD ตั้งแต่ปี 2015 เพราะแยกจาก HTML ดูแลง่ายและไม่ต้องแก้ template ใช้ JSON-LD ทุกเคส ยกเว้นเคสที่ legacy system ไม่ support

มี schema กี่ types ที่ควรใส่?

ขั้นต่ำ: Organization + WebSite + BreadcrumbList (3 ตัว) ขั้นมาตรฐาน: + Service + Article + FAQPage (6 ตัว) ขั้น advanced: + HowTo + Product + Review + Speakable + Person + LocalBusiness + Offer (12+ ตัว)

Schema ทำให้เว็บโหลดช้าลงไหม?

JSON-LD อยู่ใน <script> ที่ browser parse แยก ไม่ block rendering ขนาดเฉลี่ย 500-3000 bytes/หน้า ไม่กระทบ Core Web Vitals

AI Search (ChatGPT, Perplexity) ดู schema เหมือน Google ไหม?

ใช้ schema เหมือนกันแต่ระดับการใช้ต่าง Perplexity + Bing Copilot ใช้ schema เต็มที่ ChatGPT browsing + Google AI Mode ใช้ผสม schema + semantic understanding Speakable schema สำคัญมากสำหรับ voice + AI answer

Schema generator ใช้ตัวไหนดี?

• Merkle Schema Markup Generator — visual builder

• Schema App — enterprise

• Plugin Rank Math / Yoast (WordPress)

• หรือเขียนเอง (แนะนำสำหรับ developer)

ทำ schema เองได้ไหม หรือต้องจ้างมือโปร?

เขียนเองได้ ใช้ schema generator + validate ผ่าน Google Rich Results Test แต่สำหรับ schema graph ขนาดใหญ่ (10+ types, cross-reference @id) + agentic web schema แนะนำให้ทีม technical SEO ทำ

ราคาทำ Schema เท่าไหร่?

• DIY: 0 บาท

• Plugin: 1,000-5,000 บาท/ปี

• จ้าง freelance ติดตั้ง: 5,000-20,000 บาท/เว็บ

• รวมในบริการ SEO-Ready Website — เริ่ม 80,000 บาท (schema 8+ types ครบ)

สรุป: Schema Markup คือ structured data ตาม schema.org รูปแบบ JSON-LD ที่ทำให้ Google + AI Search เข้าใจเนื้อหาเว็บได้ตรง ในปี 2026 schema ไม่ใช่ ranking factor โดยตรงแต่จำเป็นต่อ rich results, AI citation, และ entity authority schema สำคัญที่ทุกเว็บควรมี: Organization, BreadcrumbList, FAQPage + Speakable, Service + Offer, Article + Person สำหรับ trend ปี 2026 ต้องรวม Agentic Web schema (potentialAction, Offer) เพื่อรองรับ AI agents ที่จะ execute action บนเว็บแทนผู้ใช้