Apa yang Harus Diaudit Sebelum Memulai AI Optimization

Ada satu kebiasaan yang kelihatannya produktif tetapi sering bikin proyek AI Optimization berantakan dari minggu pertama: tim langsung lompat ke eksekusi.

“Tambahin schema.”
“Bikin halaman FAQ.”
“Buka crawler AI.”
“Naikin jumlah artikel.”
“Masukin llms.txt sekalian.”

Semua terdengar aktif. Masalahnya, aktif belum tentu maju.

Sebelum bicara AI Optimization, website perlu diaudit seperti bisnis yang sedang mau ekspansi ke channel baru. Kita harus tahu apa yang sebenarnya sudah ada, bagian mana yang bisa dibaca mesin, mana yang dipercaya manusia, mana yang bertentangan, dan mana yang hanya terlihat rapi di deck internal.

Audit yang benar bukan ritual mencari seratus error agar report kelihatan tebal. Tujuannya lebih sederhana: membangun baseline yang cukup jelas supaya enam bulan kemudian kita tahu apa yang berubah dan kenapa.

Mulai dari pertanyaan paling basic: AI mau memahami bisnis yang mana?

Ini terdengar receh sampai kita masuk ke website perusahaan yang punya lima nama brand, tiga legal entity, puluhan product line, kantor pindah tetapi alamat lama masih muncul, dan halaman “About” yang belum disentuh sejak 2021.

Di mata tim internal, semuanya jelas karena mereka hidup di dalam organisasi itu setiap hari. Di mata mesin, belum tentu.

Audit entity harus memetakan setidaknya nama resmi, nama brand, variasi penulisan nama, produk atau layanan utama, lokasi, orang atau organisasi yang relevan, kanal resmi, serta hubungan antarkomponen tersebut. Bukan berarti semua hubungan harus dipaksa masuk schema. Yang perlu dicari pertama justru konsistensi informasi di halaman nyata.

Kalau homepage menulis perusahaan berdiri pada tahun A, halaman profil menulis tahun B, dan profil direktori pihak ketiga menyebut tahun C, problemnya bukan kurang markup. Problemnya adalah fakta dasar belum governance-ready.

Di tahap ini, bikin satu canonical fact sheet. Tidak perlu fancy. Satu dokumen yang mengatakan, “Ini fakta yang kita anggap benar, ini sumber internalnya, ini owner-nya, dan ini halaman publik yang seharusnya mencerminkan fakta tersebut.”

Baru setelah itu kita bicara bagaimana mesin membacanya.

Audit kedua: crawlability dan indexability

AI Optimization tetap berdiri di atas fondasi web yang bisa diakses.

Untuk Google Search, dokumentasi resmi Google masih sangat clear: halaman perlu bisa ditemukan dan diakses Googlebot, memiliki konten yang dapat diindeks, dan memenuhi persyaratan teknis dasar agar eligible muncul di Search. Dokumentasi Google untuk generative AI features juga menegaskan bahwa praktik SEO fundamental tetap relevan untuk AI Overviews dan AI Mode.

Artinya, proyek AI Search yang mengabaikan crawling dan indexing itu mirip renovasi interior toko yang pintunya dikunci.

Audit hal-hal yang boring tetapi critical: status HTTP, robots.txt, noindex, canonical, redirect chain, XML sitemap, render JavaScript, duplicate URL, parameter URL, orphan page, serta response dari CDN atau WAF.

Kemudian jangan berhenti di Googlebot.

Kalau target mencakup ChatGPT Search, cek policy untuk crawler OpenAI yang relevan. OpenAI membedakan crawler berdasarkan fungsi. Itu penting karena keputusan akses seharusnya deliberate, bukan “allow semua bot” atau “block semua AI”.

Audit log server kalau tersedia. Robots.txt hanya menunjukkan policy yang kita deklarasikan. Log membantu melihat apa yang benar-benar meminta halaman, apa yang mendapat 200, apa yang kena 403, dan apa yang mentok challenge keamanan.

Tim engineering biasanya lebih percaya log daripada screenshot dashboard. Bagus. Pakai keduanya.

Audit ketiga: arsitektur informasi

Sekarang buka website seperti orang yang sama sekali tidak mengenal perusahaan.

Bisa tidak kita memahami dalam beberapa klik: siapa mereka, menjual apa, untuk siapa, di mana mereka beroperasi, bagaimana layanan berbeda satu sama lain, dan mana halaman yang paling authoritative untuk setiap topik?

Website besar sering punya problem yang lucu. Kontennya banyak, tetapi jalur maknanya kabur.

Misalnya sebuah perusahaan punya 47 artikel tentang “AI untuk bisnis”, tetapi tidak punya satu halaman canonical yang menjelaskan layanan AI Optimization mereka sendiri. Akibatnya, internal link menyebar ke mana-mana dan tidak ada pusat konteks yang kuat.

Audit arsitektur bukan sekadar menghitung click depth. Cari hub, canonical topic page, supporting content, commercial route, evidence page, FAQ yang benar-benar diperlukan, serta halaman yang saling cannibalize secara semantik.

Kalau dua halaman menjawab intent yang sama dengan fakta berbeda, itu harus masuk daftar prioritas.

Audit keempat: kualitas dan provenance konten

Jangan cuma menanyakan, “Kontennya bagus tidak?”

Pertanyaan yang lebih berguna adalah:

Siapa yang bisa mempertanggungjawabkan klaim ini?
Apakah ada tanggal pembaruan?
Apakah contoh masih relevan?
Apakah angka punya sumber?
Apakah artikel menambahkan informasi yang benar-benar khas, atau hanya merangkum internet?
Apakah page menjawab pertanyaan buyer atau cuma mengejar keyword?
Kalau ada perubahan produk, siapa yang memperbarui halaman ini?

Google dalam panduan resminya untuk generative AI Search mendorong konten yang helpful, reliable, people-first, dan punya nilai di luar informasi komoditas. Mereka juga menyatakan tidak perlu membuat “special” AI markup untuk tampil di generative features Google.

Implikasinya cukup keras: kalau isi dasarnya generic, menambah file khusus AI tidak menyelesaikan masalah fundamental.

Audit sample content secara manual. Jangan percaya scoring tool sendirian.

Ambil beberapa halaman dari kategori berbeda: halaman layanan, artikel editorial, halaman produk, profil perusahaan, lokasi, case study, dan FAQ. Baca seperti buyer yang skeptis. Tandai klaim yang tidak didukung, kalimat yang terlalu generik, bagian yang outdated, dan informasi penting yang malah hanya ada di PDF atau image.

Audit kelima: evidence

AI Optimization sering terlalu fokus pada “apa yang kita bilang tentang diri sendiri”.

Padahal buyer dan sistem pencarian juga melihat apa yang dikatakan sumber lain.

Audit evidence internal dan eksternal.

Evidence internal bisa berupa case study, metodologi, dokumentasi produk, kebijakan, profil tim, sertifikasi yang valid, hasil riset sendiri, atau data yang memang boleh dipublikasikan.

Evidence eksternal bisa berupa regulator, asosiasi, partner, media kredibel, marketplace, direktori profesional, review platform, publikasi riset, atau sumber lain yang relevan dengan jenis bisnis.

Bukan berarti kita harus mengejar mention sebanyak-banyaknya. Google bahkan secara eksplisit mengingatkan bahwa mengejar mention yang tidak autentik bukan shortcut yang berguna.

Yang dicari adalah corroboration.

Jika website mengklaim sesuatu yang material, apakah ada bukti yang masuk akal? Jika bisnis punya lisensi, apakah nomor dan penerbitnya jelas? Kalau halaman mengatakan “partner resmi”, apakah relationship itu masih aktif? Kalau ada case study, apakah batas antara fakta klien dan marketing language jelas?

Trust dibangun dari detail yang bisa diperiksa, bukan dari kata “terpercaya” yang ditulis 17 kali.

Audit keenam: structured data

Schema tetap perlu diaudit, tetapi posisinya jangan dibalik.

Google menjelaskan structured data sebagai format untuk memberi informasi eksplisit tentang halaman dan membantu eligibility pada rich result tertentu. Panduan mereka juga mewajibkan markup mencerminkan konten yang benar-benar terlihat atau relevan pada halaman, bukan dunia alternatif yang hanya ada di JSON-LD.

Jadi cek tiga level.

Pertama, syntactic validity. Apakah markup valid?

Kedua, semantic accuracy. Apakah entity, property, dan hubungan yang ditulis benar?

Ketiga, operational governance. Kalau alamat perusahaan berubah, siapa yang memastikan HTML dan JSON-LD berubah bersama?

Ini bagian yang sering dilupakan. Schema yang benar hari ini bisa menjadi sumber inkonsistensi enam bulan lagi kalau tidak punya owner.

Jangan menambah schema hanya karena property tersedia. Markup bukan koleksi Pokémon.

Audit ketujuh: measurement baseline

Sebelum mengubah apa pun, dokumentasikan keadaan awal.

Untuk Google, ambil baseline dari Search Console: query, page, country, device, impression, click, position, dan jika tersedia di properti Anda, laporan yang relevan untuk generative AI visibility.

Untuk channel lain, definisikan observation set. Misalnya sekumpulan pertanyaan buyer yang diuji secara konsisten pada interval tertentu. Catat tanggal, engine, mode, wording query, apakah brand disebut, apakah domain dikutip, URL sumber, dan konteks jawabannya.

Jangan hanya menyimpan screenshot kemenangan.

Simpan juga non-appearance.

Kalau dari 50 query kita cuma mencatat tiga query saat brand muncul, dashboard akan terlihat sexy tetapi useless untuk keputusan.

Baseline yang bagus bukan yang membuat manajemen senang. Baseline yang bagus membuat perubahan bisa dibandingkan.

Audit kedelapan: analytics dan conversion path

Misalnya visibility naik. Terus apa?

Cek apakah analytics bisa mengidentifikasi referral penting, apakah landing page punya event yang relevan, apakah form bekerja, apakah CTA terlihat, apakah halaman bisa dipakai di mobile, apakah lead masuk ke CRM, dan apakah campaign tagging konsisten.

AI Optimization yang berhenti di citation tanpa memahami tindakan setelah citation berisiko menjadi vanity program.

Untuk B2B, conversion bahkan bisa terjadi jauh setelah kunjungan pertama. Seorang buyer mungkin membaca jawaban AI hari ini, membuka website minggu depan dari branded search, lalu bicara ke procurement sebulan kemudian.

Karena itu, jangan mengklaim attribution presisi kalau datanya memang tidak bisa membuktikan.

Lebih baik punya model measurement bertingkat: visibility, engagement, assisted discovery, lead quality, sampai commercial outcome.

Audit kesembilan: governance dan risk

Di sinilah proyek berubah dari pekerjaan marketing menjadi pekerjaan organisasi.

Siapa boleh mengubah fakta perusahaan?
Siapa approve claim?
Siapa pegang data produk?
Siapa memutuskan crawler policy?
Siapa memperbarui dokumentasi saat layanan berubah?
Siapa menangani informasi sensitif?
Siapa mengecek output AI ketika brand description salah?

Framework seperti NIST AI RMF berguna sebagai cara berpikir karena menempatkan governance, mapping, measurement, dan management sebagai proses yang saling terkait, bukan satu checklist sekali jalan.

Tidak perlu menjadikan setiap proyek GEO sebagai proyek compliance raksasa. Tapi prinsipnya masuk akal: risk harus punya owner.

Kalau legal baru diajak bicara sehari sebelum launch, prosesnya sudah terlambat.

Audit kesepuluh: operating capacity

Ini yang paling sering tidak masuk report.

Apakah organisasi sebenarnya sanggup menjalankan rekomendasi?

Ada website yang butuh pembenahan 300 halaman tetapi tim content cuma satu orang. Ada perusahaan yang ingin update mingguan tetapi approval legal makan tiga minggu. Ada tim marketing yang punya roadmap bagus tetapi developer queue penuh sampai kuartal depan.

Audit kapasitas menentukan prioritas.

Rekomendasi yang ideal tetapi tidak executable bukan strategi. Itu wishlist.

Pisahkan pekerjaan menjadi tiga bucket: bisa dilakukan sekarang, perlu dependency, dan belum layak dikerjakan.

Lalu tentukan owner dan definition of done.

Apa output audit yang benar-benar berguna?

Bukan PDF 180 halaman yang dibuka sekali lalu hilang di Drive.

Output yang lebih berguna biasanya terdiri dari baseline, issue register, entity map, content inventory, technical findings, measurement plan, dan prioritized backlog.

Setiap issue minimal punya dampak, evidence, owner yang relevan, urgency, dependency, dan tindakan berikutnya.

Contoh:

“Organization schema belum lengkap” terlalu dangkal.

Lebih useful:

“Nama legal entity pada footer dan halaman profil berbeda. JSON-LD mengikuti versi footer. Dampak: informasi organisasi tidak konsisten. Tindakan: Legal menentukan canonical naming, Content memperbarui visible copy, Engineering menyamakan structured data. Priority: tinggi karena menyangkut identitas dasar.”

Itu baru actionable.

Jangan audit untuk membuktikan bahwa Anda pintar

Audit terbaik justru membuat pekerjaan terasa lebih sederhana setelah selesai.

Kita tahu mana masalah fondasi, mana eksperimen, mana nice-to-have, dan mana hype yang bisa diabaikan.

Pada 2026, godaannya besar sekali untuk memperlakukan AI Optimization sebagai kumpulan trik baru. Padahal sebagian besar pekerjaan berkualitas datang dari disiplin yang sudah lama penting: informasi benar, struktur jelas, akses teknis sehat, sumber kuat, pengalaman pengguna masuk akal, dan measurement yang jujur.

Yang baru adalah surface-nya makin banyak, sistem makin agentic, dan cara brand direpresentasikan makin tidak sepenuhnya berada di halaman hasil pencarian tradisional.

Makanya audit harus lebih luas dari SEO audit klasik, tetapi jangan kehilangan fondasinya.

Sebelum menambah apa pun, cari tahu dulu apa yang sudah dipercaya website Anda sendiri sebagai “kebenaran”.

Kalau jawabannya belum jelas, itu tempat pertama untuk mulai.