Arsip Penulis: dikicuceng

66% Agency Client Tanyakan Visibilitas di ChatGPT 2026, Ini Cara Mengukur dan Melaporkannya

66% agensi kini diminta klien untuk menunjukkan visibilitas di ChatGPT dan AI search. Pelajari cara mengukur, melacak, dan melaporkan AI visibility untuk klien.

“Apakah klien kami muncul di ChatGPT?” Pertanyaan ini kini menjadi salah satu yang paling sering diajukan klien kepada agensi pemasaran digital. Berdasarkan laporan AgencyAnalytics 2026 Marketing Agency Benchmarks Report yang mensurvei 494 responden, 66% agensi melaporkan meningkatnya permintaan klien untuk membantu mereka muncul di AI-driven search—dan ini kini menjadi layanan baru nomor satu yang diminta klien .

Namun, ada masalah besar: 48% agensi tidak bisa melacak dengan andal orang-orang yang menemukan brand melalui AI tools . Metrik tradisional seperti ranking kata kunci di Google tidak lagi cukup untuk menjawab pertanyaan klien tentang visibilitas AI. Klien ingin tahu: apakah AI menyebut brand mereka? Bagaimana AI mendeskripsikannya? Apakah AI merekomendasikan mereka sebagai solusi?

Lebih dari itu, Semrush menemukan bahwa 45% marketing leader tidak dapat mengukur visibilitas brand mereka dalam jawaban yang dihasilkan AI secara akurat, dan hanya 9% yang memiliki tools untuk melacak semua metrik relevan di berbagai platform . Artikel ini akan membahas empat hal yang bisa diukur hari ini, cara melacak AI visibility untuk klien, dan bagaimana menghubungkan AI visibility dengan revenue—jawaban atas pertanyaan yang paling sering ditanyakan klien di 2026.

Mengapa Metrik Tradisional Gagal Menjawab Pertanyaan Klien

Ranking Tracking Dibangun untuk Blue Links

Selama lebih dari dua dekade, agensi mengandalkan rank tracking untuk membuktikan nilai mereka kepada klien. “Kami ranking di halaman 1 untuk keyword X” adalah kalimat yang cukup untuk meyakinkan klien.

Namun di era AI search, rank tracking tradisional tidak bisa menjawab pertanyaan baru yang diajukan klien :

Apakah brand muncul dalam jawaban ChatGPT saat pengguna bertanya tentang produk kami?
Bagaimana AI mendeskripsikan brand kami—positif, netral, atau negatif?
Sumber apa yang digunakan AI untuk mendukung jawabannya?

Attribution Across Multi-Session AI Journeys

Attribution di AI search jauh lebih kompleks daripada di search tradisional. Pengguna dapat memulai perjalanan di ChatGPT, kemudian melanjutkan ke Gemini, lalu akhirnya mengunjungi website brand tanpa pernah “mengklik” link dari AI. Perjalanan ini sulit dilacak dengan analytics tradisional .

Semrush mencatat bahwa visibilitas AI bukan lagi sekadar “peringkat”—ini adalah tantangan narasi brand . Di seluruh ChatGPT, Gemini, Google AI Mode, dan AI Overviews, brand diinterpretasikan, diringkas, disebutkan, dan dikutip melalui kombinasi konten owned, sumber pihak ketiga, diskusi komunitas, publisher, retailer, dan platform referensi .

Empat Hal yang Bisa Diukur Hari Ini

Berdasarkan kerangka yang dikembangkan oleh Similarweb, Semrush, dan AgencyAnalytics, berikut adalah empat dimensi AI visibility yang bisa dilacak dan dilaporkan kepada klien .

1. Visibility: Apakah Brand Muncul Saat Prompt Relevan?

Visibility adalah dimensi paling dasar: apakah brand Anda muncul dalam jawaban AI ketika pengguna mengajukan pertanyaan yang relevan ?

AgencyAnalytics AI Tracker memungkinkan agensi memantau visibilitas ini di ChatGPT, Gemini, dan platform AI lainnya . Agensi dapat menambahkan prompt yang relevan dengan industri dan lokasi klien, lalu melihat apakah brand klien disebut atau dikutip sebagai sumber dalam respons AI .

Data Similarweb menunjukkan bahwa visibility bervariasi secara signifikan antar industri. Di Fashion, Nike memimpin dengan 16.02% mention share, sementara di News, Reuters memimpin dengan 22.98% . Ini memberikan benchmark yang realistis untuk klien di industri masing-masing.

2. Position: Seberapa Menonjol Kemunculan?

Tidak cukup hanya muncul—posisi kemunculan dalam jawaban AI juga penting. Semakin awal brand muncul dalam jawaban, semakin besar pengaruhnya terhadap pengguna .

Semrush AI Visibility Index mengukur mention position sebagai salah satu metrik kunci. Ini mirip dengan posisi ranking di Google, tetapi dalam konteks jawaban yang dihasilkan AI .

3. Sentiment: Bagaimana AI Mendeskripsikan Brand?

Ini adalah dimensi yang paling sulit diukur namun paling penting. Apakah AI mendeskripsikan brand Anda secara positif, netral, atau negatif ?

AgencyAnalytics AI Tracker melacak sentiment dalam jawaban AI. AgencyAnalytics MCP juga memungkinkan agensi menarik live data klien ke tools AI seperti Claude dan ChatGPT untuk analisis lebih mendalam .

4. Citations: URL Apa yang Digunakan AI sebagai Sumber?

Mention dan citation mengukur bentuk visibilitas yang berbeda . Mention menunjukkan seberapa sering brand muncul dalam jawaban, sedangkan citation menunjukkan domain dan halaman mana yang digunakan AI sebagai bukti .

Di Gemini, overlap antara brand yang disebutkan dan domain yang dikutip bisa serendah 30% . Ini berarti brand harus bersaing di dua front: mendapatkan cukup authority dan relevansi untuk disebutkan, sekaligus menciptakan konten kredibel dan terstruktur yang dapat dikutip AI .

Cara Melacak AI Visibility untuk Klien

1. Gunakan Tools yang Tersedia

Beberapa tools kini tersedia untuk melacak AI visibility:

AgencyAnalytics AI Tracker memungkinkan agensi memantau visibilitas, posisi, sentiment, dan citations di ChatGPT, Gemini, dan platform AI lainnya . AI Tracker berjalan di dalam platform AgencyAnalytics, sehingga agensi dapat melaporkan AI search di samping channel dan metrik lain yang menjadi perhatian klien. Ini memungkinkan integrasi dengan laporan traffic dan revenue .

Semrush AI Visibility Index memberikan benchmark industri berdasarkan analisis 126 juta prompt AI search di AS . Index ini mengukur Share of Voice (SOV), total mentions, mention position, dan website citations . Data diperbarui secara bi-weekly di microsite interaktif .

Similarweb Generative AI Brand Visibility Index mencakup enam industri—Finance, Travel, Consumer Electronics, Beauty, Fashion, dan News—dengan ranking 113 brand . Laporan ini mengidentifikasi “overachiever”—brand yang menunjukkan visibilitas lebih besar di AI daripada di search tradisional .

2. Hubungkan AI Visibility ke Revenue

Joe Kindness, CEO AgencyAnalytics, menyatakan: “Klien ingin tahu apakah mereka muncul di ChatGPT, mereka ingin jawaban saat mereka bertanya, dan mereka mengharapkan bukti yang terkait dengan revenue” .

Karena AI Tracker berjalan di platform yang sama dengan reporting tools lainnya, agensi dapat menunjukkan koneksi antara AI visibility dan revenue . AgencyAnalytics MCP memungkinkan agensi menarik live client data ke tools AI untuk analisis yang lebih mendalam .

3. Lacak di Multiple AI Platforms

Perbedaan citation patterns antar platform sangat signifikan:

Platform	Rata-rata Sitasi per Respons	Sumber yang Sering Dikutip
ChatGPT	15 sumber	Reddit, Wikipedia
Gemini	3 sumber	Wikipedia, Reddit, YouTube
Google AI Overviews	Bervariasi	Structured authorities

Brand yang tampil kuat di ChatGPT mungkin memiliki visibilitas terbatas di Gemini, dan sebaliknya . Agensi harus melacak di semua platform untuk memberikan gambaran lengkap kepada klien.

4. Lakukan “Prompt Testing” Secara Berkala

AgencyAnalytics AI Tracker beroperasi dengan sistem kredit: setiap kombinasi query + AI platform + lokasi dihitung sebagai satu prompt . Agensi dapat menambahkan prompt yang relevan dengan klien dan melihat hasilnya secara berkala (misalnya, mingguan) .

Data ini kemudian dapat divisualisasikan untuk menunjukkan “share of voice” klien di jawaban yang dihasilkan AI, mirip dengan bagaimana rank tracker menunjukkan posisi di Google .

Kesimpulan: AI Visibility sebagai Retensi Klien

Permintaan klien untuk visibilitas AI bukanlah tren sementara. 66% agensi kini diminta klien untuk membantu mereka muncul di AI search, dan ini menjadi layanan baru nomor satu yang diminta . Sementara itu, 48% agensi tidak bisa melacak dengan andal orang yang menemukan brand melalui AI tools .

Ini adalah peluang sekaligus tantangan bagi agensi. Agensi yang dapat memberikan laporan AI visibility yang akurat dan menghubungkannya dengan revenue akan memenangkan retensi klien jangka panjang.

Langkah yang bisa diambil agensi hari ini:

Gunakan AI Tracker (AgencyAnalytics, Semrush, Similarweb) untuk memantau visibility klien di ChatGPT, Gemini, dan Perplexity
Laporkan empat dimensi: visibility, position, sentiment, dan citations
Integrasikan AI visibility dengan laporan traffic dan revenue
Lacak di multiple platforms karena citation patterns sangat berbeda
Lakukan prompt testing secara berkala dengan prompt yang relevan dengan industri dan lokasi klien

Rachel Thornton, CMO Adobe Enterprise, merangkumnya dengan tepat: “Your AI narrative is becoming the decisive entry point to your customer experience” . Di era di mana AI menjadi pintu gerbang pertama bagi konsumen, kemampuan mengukur dan melaporkan AI visibility bukan lagi opsional—ini adalah keharusan untuk mempertahankan klien.

Citation Absorption vs Citation Selection: Memahami Metrik Baru Visibilitas AI Search untuk Brand

Tinggalkan Balasan

Pelajari perbedaan citation selection dan citation absorption dalam AI search. Memahami metrik baru untuk mengukur visibilitas brand di ChatGPT, Gemini, dan Perplexity.

Selama lebih dari dua dekade, SEO mengajarkan satu metrik utama untuk mengukur visibilitas: peringkat kata kunci. Semakin tinggi posisi Anda di halaman hasil pencarian, semakin baik performa Anda. Namun di era AI search, metrik ini menjadi usang. Pertanyaan yang lebih relevan bukan lagi “di posisi berapa kita ranking?” tetapi “apakah AI mengutip kita? Dan seberapa dalam konten kita digunakan dalam jawaban AI?”

Sebuah paper penelitian dari arXiv yang menganalisis 602 prompt di tiga platform AI terbesar—ChatGPT, Google AI Overview/Gemini, dan Perplexity—menemukan bahwa jumlah kutipan tidak mencerminkan seberapa dalam konten Anda digunakan. Beberapa sumber dikutip tetapi hanya disebutkan sekilas. Sumber lain bahkan tidak terlihat sebagai kutipan eksplisit tetapi menjadi fondasi utama jawaban AI .

Penelitian ini memperkenalkan dua konsep kunci yang harus dipahami oleh setiap praktisi GEO: Citation Selection dan Citation Absorption. Artikel ini akan membahas secara mendalam perbedaan keduanya, mengapa absorption lebih penting untuk brand Anda, serta strategi meningkatkan absorption rate.

Citation Selection vs Citation Absorption: Perbedaan Fundamental

Apa Itu Citation Selection?

Citation Selection adalah tahap pertama dalam proses visibilitas AI. Pada tahap ini, AI engine memilih sumber-sumber yang dianggap relevan untuk menjawab pertanyaan pengguna. Ini adalah “daftar pendek” kandidat yang berpotensi digunakan dalam jawaban .

Faktor yang memengaruhi Citation Selection:

Otoritas sumber: Domain rating, mention di indeks tepercaya, kehadiran dalam korpus training LLM
Pengenalan entitas: Brand dan domain disebut bersama cukup sering sehingga AI menganggapnya sebagai satu entitas
Kesegaran sinyal: Tanggal last-modified, mention inbound terkini, pembaruan halaman
Domain context: Seluruh domain koheren secara topikal, bukan hanya satu halaman yang bagus

Jika brand Anda jarang dipilih (selection adalah bottleneck), pekerjaan yang diperlukan adalah PR editorial, konsistensi entitas di seluruh data, dan memperketat perimeter topikal domain. Menulis lebih banyak halaman saja TIDAK akan memperbaiki masalah selection .

Apa Itu Citation Absorption?

Citation Absorption adalah tahap kedua—dan jauh lebih penting. Ini mengukur seberapa dalam konten yang telah dipilih benar-benar digunakan dalam jawaban yang dihasilkan AI. Apakah AI mengekstrak fakta dari halaman Anda? Apakah klaim brand Anda bertahan setelah diparafrase? Apakah halaman Anda membentuk substansi jawaban ?

Faktor yang memengaruhi Citation Absorption:

Semantic alignment: Halaman langsung mencocokkan intent prompt, bukan intent tetangga
Evidence density: Angka konkret, tanggal, entitas bernama, definisi, kutipan. Model lebih mudah mengangkat fakta daripada kata sifat
Structural legibility: Paragraf pendek, H2 deskriptif, definisi di dekat atas, FAQ yang mencerminkan frasa umum
Modular content: Bagian yang berdiri sendiri saat diekstrak dari konteks
Claim survivability: Klaim spesifik brand dirumuskan dengan cara yang tetap mempertahankan brand saat diparafrase

Jika absorption adalah bottleneck, pekerjaan yang diperlukan adalah penulisan ulang: tingkatkan evidence density, restrukturisasi untuk legibility, pastikan setiap halaman menargetkan tepat satu intent .

Data Empiris: Perplexity Paling Banyak Mengutip, ChatGPT Paling Dalam Menyerap

Penelitian Zhang Kai, He Xinyue, dan Yao Jingang (2026) dengan 602 prompt di tiga platform menghasilkan temuan yang kontra-intuitif namun sangat penting :

Platform	Rata-rata Kutipan per Prompt	Average Influence Score
Perplexity	16.35 sumber	Moderate
Google AI Overview/Gemini	12.06 sumber	Moderate
ChatGPT	6.88 sumber	Tertinggi

Perplexity mengutip paling banyak, tetapi ChatGPT menyerap paling dalam. Jumlah kutipan tidak mencerminkan seberapa banyak konten benar-benar digunakan .

Implikasinya: jika brand Anda hanya fokus pada “jumlah kutipan” dan mengabaikan “kedalaman absorpsi,” Anda bisa memiliki banyak mention tetapi tidak pernah menjadi fondasi jawaban AI. Ini adalah perangkap yang harus dihindari.

Karakteristik Halaman dengan Absorption Tinggi

Penelitian yang sama menganalisis jenis halaman apa yang paling “diserap” oleh AI. Temuannya sangat mencerahkan :

Faktor yang Meningkatkan Absorption:

Halaman dengan kode: 76.88% lebih tinggi rata-rata influence score
Halaman dengan angka/statistik: 61.55% lebih tinggi
Halaman dengan definisi tags: 57.33% lebih tinggi
Halaman dengan konten perbandingan: 55.28% lebih tinggi

Faktor yang Menurunkan Absorption:

Format Q&A: Menurunkan influence score sebesar 5.74%

Ini adalah temuan yang sangat penting: evidence density lebih krusial daripada formatting permukaan. AI tidak peduli apakah konten Anda diformat sebagai Q&A atau artikel panjang—yang penting adalah seberapa banyak data konkret, angka, dan fakta yang dapat diekstrak .

Perbedaan Word Count dan Judul

Halaman dengan influence tinggi vs influence rendah memiliki perbedaan yang mencolok :

Word count: 11.44 kali lebih banyak kata
Jumlah judul: 12.5 kali lebih banyak

Ini menunjukkan bahwa halaman yang komprehensif dan terstruktur dengan baik memiliki peluang lebih besar untuk diserap secara mendalam oleh AI.

Mengapa Absorption Lebih Penting untuk Brand

Sumber yang Di-Absorb Membentuk Substansi Jawaban

Sebuah sumber yang dipilih (selection) mungkin hanya disebutkan sebagai referensi di akhir jawaban. Namun sumber yang di-absorb (absorption) membentuk struktur dan substansi jawaban itu sendiri . Ketika ChatGPT menulis paragraf tentang topik Anda dan menggunakan fakta dari halaman Anda, itulah absorption.

Brand yang Di-Absorb Memiliki Visibilitas Lebih Tinggi

Jika brand Anda secara konsisten di-absorb oleh AI, brand Anda menjadi bagian dari “body of knowledge” yang digunakan AI untuk menjawab pertanyaan. Ini menciptakan efek compounding: semakin sering Anda di-absorb, semakin AI “percaya” pada data Anda, semakin sering Anda dipilih di masa depan.

Dampak pada Brand Recall dan Reputasi

AI yang meng-absorb konten Anda berarti AI telah “memahami” dan menginternalisasi informasi Anda. Ketika AI menjawab pertanyaan lanjutan tentang topik yang sama, ia lebih cenderung merujuk pada pengetahuan yang sudah di-absorb sebelumnya—bahkan tanpa secara eksplisit mengutip Anda lagi. Ini adalah bentuk brand recall di tingkat AI yang tidak terlihat tetapi sangat powerful.

Cara Mengukur dan Meningkatkan Absorption

Metrik yang Harus Dilacak

Berdasarkan framework yang dikembangkan dalam paper penelitian, ada beberapa metrik untuk mengukur absorption :

Position: Seberapa awal sumber muncul dalam jawaban
Paragraph coverage: Berapa banyak paragraf yang menggunakan sumber Anda
Semantic alignment: Seberapa dekat konten Anda dengan intent prompt
Text overlap: Seberapa besar teks Anda “terlihat” dalam jawaban AI

Strategi Meningkatkan Absorption

1. Bangun Evidence Density Tinggi

Tambahkan angka, tanggal, data statistik, kode, dan definisi yang jelas ke setiap halaman konten. Ini adalah faktor dengan peningkatan absorption terbesar .

2. Pastikan Setiap Halaman Menargetkan Satu Intent

Halaman yang dibangun untuk satu intent menyerap lebih baik daripada halaman yang dibangun untuk tiga intent .

3. Struktur untuk Ekstraksi

Gunakan paragraf pendek, heading deskriptif, dan definisi di dekat atas halaman. AI mengekstrak dari span yang dapat diisolasi dengan bersih .

4. Hindari Format Q&A yang Berlebihan

Meskipun Q&A berguna untuk featured snippets, penelitian menunjukkan bahwa format ini dapat menurunkan absorption rate . Seimbangkan dengan konten naratif yang kaya data.

5. Tulis “Self-Contained Blocks”

Setiap bagian 200 kata harus berdiri sendiri saat diekstrak dari konteks. Jangan membuat konten yang hanya masuk akal jika dibaca utuh .

6. Pastikan Klaim Brand “Survive Paraphrase”

Rumuskan klaim spesifik dengan cara yang tetap mempertahankan brand saat diparafrase oleh AI. Klaim generik akan larut menjadi teks jawaban generik .

Tools untuk Mengukur Absorption

AgencyAnalytics AI Tracker: Melacak visibility, position, sentiment, dan citations di ChatGPT dan Gemini
Capston Core: Mengukur selection dan absorption secara terpisah untuk diagnosis yang akurat
Semrush AI Visibility Index: Benchmark performa brand di AI search
Similarweb Generative AI Brand Visibility Index: Brand visibility benchmarking di berbagai kategori

Kesimpulan: Dari Sekadar Dikutip Menjadi Sumber yang Diandalkan

Citation Selection dan Citation Absorption adalah dua tahap yang sangat berbeda dalam perjalanan visibilitas AI. Selection adalah tentang “masuk dalam daftar pendek.” Absorption adalah tentang “menjadi fondasi jawaban.”

Penelitian empiris telah membuktikan bahwa jumlah kutipan tidak mencerminkan kedalaman penggunaan konten. Perplexity mengutip paling banyak, tetapi ChatGPT menyerap paling dalam . Brand yang hanya mengejar “jumlah kutipan” tanpa memperhatikan “kualitas absorpsi” akan kehilangan pertarungan sesungguhnya.

Langkah yang bisa Anda ambil hari ini:

Audit konten Anda: apakah memiliki evidence density tinggi (angka, data, definisi)?
Periksa struktur halaman: apakah setiap halaman menargetkan satu intent dengan jelas?
Pastikan klaim brand Anda “survive paraphrase” oleh AI
Mulai lacak absorption menggunakan tools yang tersedia
Prioritaskan konten berbasis data dan penelitian orisinal

Pertanyaan yang harus Anda tanyakan bukan lagi “apakah AI mengutip saya?” tetapi “apakah AI mengandalkan saya?” . Di era AI search, menjadi sumber yang diandalkan—bukan sekadar disebutkan—adalah ukuran sebenarnya dari visibilitas brand.

Brand Safety di AI Search 2026: Risiko Iklan di Samping Halusinasi dan Cara Melindungi Reputasi

Tinggalkan Balasan

Pelajari risiko brand safety iklan di AI search 2026: iklan muncul di samping halusinasi dan misinformasi. Strategi melindungi reputasi brand di era iklan AI.

Industri periklanan digital sedang menghadapi momen yang paling membingungkan sejak kemunculan iklan di mesin pencari. AI search yang menjanjikan jangkauan audiens baru justru menghadirkan ancaman brand safety yang belum pernah terjadi sebelumnya. OpenAI resmi meluncurkan uji coba iklan di ChatGPT, Google membangun kapabilitas iklan untuk AI Mode, dan para pemimpin industri mulai menyuarakan kekhawatiran nyata .

Namun, di balik peluang ini, ada risiko yang mengintai: iklan bisa muncul di samping halusinasi dan misinformasi AI, terutama ketika percakapan menyentuh ranah medis, hukum, atau keuangan . Lebih mengkhawatirkan lagi, penelitian menunjukkan bahwa chatbot dapat dengan mudah digunakan untuk iklan tersembunyi yang memanipulasi pengguna, dan sebagian besar orang tidak menyadari bahwa mereka sedang dimanipulasi .

Artikel ini akan membahas secara mendalam risiko brand safety di era iklan AI search, tantangan pengukuran yang dihadapi marketer, serta strategi “trust but verify” untuk melindungi reputasi brand Anda.

Mengapa Brand Safety di AI Search Berbeda dari Iklan Tradisional?

Hubungan yang Lebih Intim dengan Pengguna

Berbeda dengan iklan di mesin pencari tradisional yang bersifat transaksional, hubungan pengguna dengan chatbot AI jauh lebih intim dan personal . Richard Raddon, Co-CEO Zefr, menjelaskan bahwa pengguna kini mengembangkan hubungan “jauh lebih intim” dengan LLM karena sifat percakapan yang personal. Inilah yang membuat Anthropic dengan tegas menolak iklan di Claude—mereka berargumen bahwa iklan akan terasa “tidak tulus” dalam konteks hubungan yang intim ini .

Keith Turco, CEO Madison Logic, menambahkan bahwa “tidak ada elemen branding dalam cara LLM menyampaikan hasil” . Ini berarti pendekatan pengukuran harus bergeser—bukan lagi soal tayangan atau klik, tetapi seberapa besar LLM meningkatkan kemampuan pengguna untuk terhubung dengan brand.

Iklan yang Tidak Terdeteksi dan Manipulasi Halus

Penelitian yang diterbitkan di jurnal Association for Computing Machinery mengungkapkan temuan yang mengkhawatirkan: chatbot dapat dengan mudah digunakan untuk iklan tersembunyi yang memanipulasi pilihan pengguna, dan sebagian besar peserta tidak menyadari bahwa mereka sedang dimanipulasi . Dalam eksperimen tersebut:

Chatbot yang menyisipkan iklan produk memengaruhi pilihan pengguna secara signifikan
Banyak peserta mengaku telah “mengoutsource” sepenuhnya pengambilan keputusan mereka ke chatbot
50% peserta yang menerima iklan yang disponsori tidak menyadari adanya bahasa iklan dalam respons chatbot

Yang lebih mengejutkan, meskipun iklan membuat performa chatbot turun 3-4% dalam banyak tugas, banyak pengguna justru lebih menyukai respons yang mengandung iklan—mereka menganggapnya “lebih ramah dan membantu” .

Risiko LLM Poisoning dan Manipulasi Informasi

Sebuah artikel di jurnal Nature mengingatkan tentang risiko “LLM poisoning”—di mana volume besar konten yang bias atau promosi diri dimasukkan ke dalam ekosistem informasi untuk memengaruhi output yang dihasilkan . Melalui skala, bukan akurasi, konten semacam itu dapat secara tidak proporsional memengaruhi respons yang dihasilkan AI.

Yang lebih berbahaya: manipulasi ini mungkin tidak terlihat oleh pasien maupun klinisi, karena output AI muncul sebagai ringkasan yang koheren dan netral, bukan sumber yang diurutkan . Dalam konteks medis, seorang pasien yang bertanya “siapa ahli bedah retina terbaik di Australia?” atau “di mana sebaiknya saya pergi untuk operasi katarak?” bisa mendapatkan jawaban yang dipengaruhi oleh komersialisasi—tanpa menyadarinya .

Risiko Spesifik Brand Safety di AI Search

1. Iklan di Samping Halusinasi dan Misinformasi

Anudit Vikram, Chief Product Officer Channel Factory, menyoroti risiko brand safety yang muncul ketika percakapan menyimpang ke ranah nasihat medis, hukum, atau keuangan, serta risiko iklan muncul di samping halusinasi dan misinformasi . Dalam lingkungan di mana monetisasi beroperasi dalam antarmuka yang sama yang menafsirkan dan meranking intensi, visibilitas ke dalam logika keputusan bukanlah opsional .

2. Tidak Ada Kontrol atas Konteks Munculnya Iklan

Berbeda dengan iklan display atau search tradisional di mana Anda bisa memilih kata kunci atau kategori konten, iklan di AI search muncul dalam respons percakapan yang tidak dapat diprediksi. Sebuah pertanyaan tentang kesehatan bisa menghasilkan jawaban yang dicampur dengan rekomendasi produk yang disponsori—tanpa label yang jelas .

3. Manipulasi Pasien di Ranah Medis

Kasus di ranah medis adalah contoh paling ekstrem dari risiko ini. Nature mencatat bahwa pertanyaan yang sebelumnya mengarahkan pengguna untuk membandingkan banyak sumber, dalam setting AI percakapan, satu jawaban yang meyakinkan dapat mengarahkan pasien ke klinisi, modalitas pencitraan, atau interpretasi urgensi tertentu . Kekhawatirannya bukan hanya misinformasi, tetapi normalisasi saran yang dibingkai secara komersial pada saat pasien mengharapkan sintesis ‘netral’ .

Measurement dan Verifikasi yang “Sporadic and Minimal”

Tantangan Pengukuran ROI Awal

Nada Bradbury, CEO AD-ID, memprediksi bahwa pengukuran ROI awal akan bersifat “sporadic and minimal” dan “dikontrol ketat” oleh platform . Platform akan menjaga data ini tetap tertutup sampai marketer mulai menuntut bukti bahwa konsumen nyata benar-benar terpapar dan tergerak untuk membeli.

Bradbury menambahkan bahwa integrasi pihak ketiga bukanlah prioritas awal yang diutamakan; yang lebih penting adalah “mengeluarkan produk ini ke pasar” . Ini mirip dengan apa yang kita lihat di banyak walled garden saat ini—platform enggan membiarkan data keluar dari ekosistem mereka .

Kebutuhan akan “All the Bells and Whistles”

Richard Raddon, Co-CEO Zefr, berpendapat bahwa marketer akan memberi waktu kepada platform untuk mengembangkan kapabilitas pada tahap awal. Namun, jika platform ingin meningkatkan pendapatan iklan secara signifikan, mereka harus menyediakan “semua fitur yang biasa didapatkan marketer di lingkungan lain” .

“Anggaran uji coba hanya bisa membawa Anda sejauh ini,” kata Raddon. “Anda benar-benar masuk ke bisnis besar ketika Anda menarik perhatian CPG—perusahaan yang jauh lebih berorientasi ROI dan disiplin. Saat itulah Anda tahu bisnis iklan Anda siap untuk skala” .

Strategi “Trust but Verify” untuk Marketer

1. Tuntut Transparansi dan Explainability

Anudit Vikram menekankan bahwa “pengiklan dan agensi membutuhkan explainability” . Dalam lingkungan di mana monetisasi beroperasi di dalam antarmuka yang sama yang menafsirkan intensi, visibilitas ke dalam logika keputusan adalah keharusan. Ini termasuk:

Labeling konten yang disponsori
Pengungkapan kepada pengiklan tentang mention brand berbayar dan organik
Penghentian monetisasi dalam kategori sensitif dan yang memiliki skor kepercayaan rendah

2. Gunakan Verified Third-Party Measurement

Platform seperti Zefr dan DoubleVerify kini memperluas layanan brand safety ke berbagai format iklan AI dan search. Zefr, misalnya, telah memperluas cakupan ke TikTok Search, Smart+, dan TikTok Lite—memberikan verifikasi independen tentang brand safety dan viewability .

3. Audit Konten dan Channel Secara Berkala

Lakukan audit rutin terhadap bagaimana AI mendeskripsikan brand Anda. Pendekatan “trust but verify” adalah kunci untuk menilai addressability lingkungan iklan AI search . Platform perlu menyediakan “all the bells and whistles” untuk memungkinkan audit yang memadai .

4. Waspadai “LLM Poisoning” dan Manipulasi Reputasi

Nature memperingatkan bahwa risiko tidak lagi terbatas pada pengaruh komersial pasif, tetapi meluas ke manipulasi aktif substrat informasi dari mana LLM mengambil jawaban mereka. Apa yang muncul sebagai sintesis ahli yang netral mungkin mencerminkan prominensi yang direkayasa daripada kelayakan klinis . Pastikan brand Anda tidak terlibat—atau menjadi korban—praktik ini.

Kesimpulan: Menavigasi Era Iklan AI dengan Bijak

Iklan di AI search di 2026 adalah lanskap yang penuh peluang sekaligus risiko. Di satu sisi, AI search menawarkan jangkauan audiens yang sangat besar—ChatGPT sendiri memiliki 900 juta pengguna aktif mingguan di seluruh dunia. Di sisi lain, brand safety menjadi tantangan yang jauh lebih kompleks daripada di iklan tradisional.

Para pemimpin industri sepakat bahwa pendekatan “trust but verify” adalah yang paling bijak . Jangan terburu-buru mengalokasikan anggaran besar tanpa verifikasi. Tuntut transparansi dari platform, gunakan third-party verification, dan pantau secara aktif bagaimana AI mendeskripsikan brand Anda.

Langkah yang bisa Anda ambil hari ini:

Audit bagaimana AI saat ini mendeskripsikan brand Anda—apakah akurat dan positif?
Tetapkan pedoman brand safety internal untuk iklan AI search
Mulai dengan anggaran uji coba kecil, tetapi tuntut transparansi
Gunakan verified third-party measurement seperti Zefr atau DoubleVerify
Pantau secara berkala—brand safety di AI search adalah tanggung jawab yang berkelanjutan

Pertanyaannya bukan apakah Anda akan beriklan di AI search, tetapi bagaimana Anda melakukannya dengan bijak dan bertanggung jawab. Di era di mana satu percakapan dengan chatbot dapat mengubah keputusan pembelian, melindungi reputasi brand adalah investasi, bukan biaya.