AI Search Measurement: Apa yang Bisa Diukur dan Apa yang Masih Harus Diobservasi Manual

✦ GEO.OR.ID KNOWLEDGE SYSTEM

AI Search Measurement: Apa yang Bisa Diukur dan Apa yang Masih Harus Diobservasi Manual

◆ FormatPost
↻ Diperbarui20 October 2026
◷ Waktu baca7 menit
✦ KonteksPanduan praktis

Kalau tim marketing masih bertanya, “AI visibility kita berapa?”, masalahnya biasanya bukan karena tidak ada data. Masalahnya justru karena terlalu banyak hal berbeda dipaksa masuk ke satu angka.

Di search klasik, kita sudah terbiasa dengan impressions, clicks, CTR, average position, sessions, conversions, dan revenue. Formatnya relatif familiar. Masuk ke AI search, situasinya lebih messy. Brand bisa disebut tanpa link. Website bisa dikutip tanpa brand direkomendasikan. Jawaban bisa berubah ketika query yang sama diulang. Satu model bisa memilih sumber kita, model lain tidak. Bahkan ketika traffic referral kecil, visibility di jawaban bisa lumayan besar.

Jadi AI search measurement perlu dimulai dari satu prinsip sederhana: bedakan apa yang benar-benar terukur dari platform, apa yang bisa dihitung melalui observasi berulang, dan apa yang sampai sekarang masih membutuhkan pemeriksaan manual.

Kalau tiga lapisan ini dicampur, dashboard terlihat rapi tetapi keputusan bisnisnya bisa misleading.

Yang Sekarang Sudah Bisa Diukur Lebih Langsung

Per Agustus 2026, Google sudah memberi data khusus untuk generative AI features melalui Search Console. Generative AI performance report mencakup impressions dari AI Overviews dan AI Mode. Ini perubahan penting karena sebelumnya banyak tim bergantung pada observasi SERP, scraping, atau asumsi dari data Search biasa.

Artinya, untuk Google, kita sekarang punya jalur first-party yang lebih kuat untuk melihat exposure di generative AI features.

Tetapi tetap perlu disiplin membaca metriknya.

Impression bukan citation.

Citation bukan click.

Click bukan conversion.

Dan conversion bukan berarti AI menjadi satu-satunya penyebab transaksi.

Misalnya sebuah halaman mendapat peningkatan impressions pada generative AI report. Itu berarti konten tersebut tampil dalam cakupan yang dihitung Google untuk fitur generative AI. Itu belum otomatis berarti brand kita disebut sebagai rekomendasi utama. Belum tentu juga user mengklik. Apalagi sampai membeli.

Search Console membantu menjawab “apakah ada exposure?”, tetapi tidak otomatis menjawab semua pertanyaan tentang bagaimana brand diposisikan di dalam jawaban.

Di level website analytics, referral traffic juga dapat diukur selama sumber kunjungan bisa teridentifikasi. Kita dapat memonitor sessions, engaged sessions, conversions, assisted conversions, atau halaman landing yang menerima kunjungan dari layanan AI.

Ini penting, tetapi referral hanya menangkap user yang benar-benar mengklik.

Bayangkan seseorang bertanya kepada sebuah AI tentang konsultan tertentu. AI menyebut nama brand, menjelaskan spesialisasi, lalu user tidak mengklik karena sudah mendapatkan informasi yang dibutuhkan. Dari sisi referral, kontribusinya nol. Dari sisi brand visibility, jelas bukan nol.

Itulah gap pertama yang harus dipahami CEO.

Yang Bisa Diukur dengan Observation Protocol

Banyak metrik AI search tidak diberikan langsung oleh platform, tetapi tetap bisa dihitung jika kita membuat protocol yang konsisten.

Contohnya brand mention rate.

Kita tentukan satu query set, misalnya 100 buyer-intent queries yang relevan. Setiap query diuji beberapa kali pada model yang ditentukan. Lalu kita catat berapa output yang menyebut brand.

Kalau brand muncul dalam 28 dari 100 observasi, kita bisa mencatat observed mention rate sebesar 28 persen untuk test condition tersebut.

Kata “observed” penting.

Jangan menulis “brand punya 28 persen visibility di ChatGPT” seolah angka itu adalah populasi lengkap seluruh permintaan pengguna. Itu overclaim.

Angka tersebut hanya benar untuk query set, waktu, lokasi, akun, mode, model, dan prosedur pengujian yang digunakan.

Hal yang sama berlaku untuk citation rate.

Kita dapat menghitung seberapa sering domain atau URL milik kita muncul sebagai sumber ketika jawaban menyediakan citation. Kita juga dapat memisahkan owned citation, third-party citation yang membahas brand kita, dan citation kompetitor.

Recommendation rate juga bisa dicatat. Tetapi definisinya harus jelas.

Apakah brand dianggap recommended hanya jika AI menggunakan kata “rekomendasi”? Bagaimana jika brand berada di urutan pertama daftar? Bagaimana jika disebut sebagai alternatif? Bagaimana jika AI mengatakan brand cocok untuk kondisi tertentu tetapi bukan pilihan terbaik secara umum?

Sebelum menghitung, rulebook harus dibuat.

Tanpa definisi operasional, dua auditor bisa melihat output yang sama dan menghasilkan angka berbeda.

Manual Observation Masih Tidak Bisa Dihindari

Ada bagian yang otomatisasi belum cukup reliable untuk menggantikan reviewer manusia.

Pertama, konteks mention.

Brand disebut karena direkomendasikan atau justru karena dikritik?

Nama perusahaan muncul sebagai contoh positif atau sekadar disebut dalam daftar panjang?

AI mengutip halaman kita karena menganggapnya authoritative, atau karena halaman tersebut kebetulan punya fakta yang cocok untuk satu kalimat?

Mesin dapat membantu mengklasifikasikan, tetapi quality control manusia tetap penting untuk observasi strategis.

Kedua, kualitas rekomendasi.

Dua output sama-sama mencantumkan brand, tetapi nilainya berbeda jauh.

Output pertama: “Beberapa pilihan adalah Brand A, Brand B, Brand C.”

Output kedua: “Untuk perusahaan dengan kebutuhan X, Brand A paling relevan karena memiliki kapabilitas Y dan bukti Z.”

Secara mention rate, keduanya sama-sama satu mention.

Secara commercial value, obviously berbeda.

Ketiga, hallucination.

Kalau AI menyebut brand tetapi salah menulis layanan, lokasi, founder, harga, sertifikasi, atau hubungan perusahaan, mention itu tidak bisa dirayakan sebagai visibility positif. Justru itu identity risk.

Karena itu audit AI visibility perlu menyimpan bukan hanya apakah brand muncul, tetapi apakah fakta utamanya benar.

Keempat, source interpretation.

Sebuah citation bisa menuju halaman yang benar tetapi mendukung klaim yang salah. Bisa juga citation berasal dari halaman pihak ketiga yang informasinya sudah outdated.

Secara teknis brand mendapatkan exposure. Secara entity consistency, ada masalah.

Ini sulit dipahami dari angka dashboard saja.

Pisahkan Tiga Layer Measurement

Framework praktis yang lebih sehat adalah memisahkan tiga layer.

Layer pertama: platform telemetry.

Ini adalah data yang diberikan platform atau analytics system secara langsung. Contohnya generative AI impressions di Google Search Console, click data yang tersedia, referral sessions, engagement, dan conversion.

Layer kedua: controlled observation.

Ini datang dari query testing yang kita desain sendiri. Contohnya mention rate, citation rate, recommendation rate, query coverage, competitor overlap, volatility, dan source preference.

Layer ketiga: human interpretation.

Ini mencakup kualitas positioning, akurasi entity, tone, hallucination, suitability, commercial relevance, dan apakah jawaban benar-benar membantu buyer memilih.

Tiga layer ini tidak harus disatukan menjadi satu skor.

Justru dalam banyak kasus, dashboard terbaik adalah dashboard yang membiarkan masing-masing layer terlihat sendiri.

Contoh sederhana:

Generative AI impressions: naik.

Referral traffic: datar.

Observed citation rate: naik.

Recommendation rate: turun.

Hallucination rate: naik.

Kalau semua metrik itu dipadatkan menjadi “AI Visibility Score 74”, tim kehilangan cerita yang justru paling penting.

Mengapa Manual Testing Harus Punya Protocol

Manual bukan berarti asal buka chatbot lalu mengetik pertanyaan.

Kalau audit ingin dibandingkan dari bulan ke bulan, testing condition harus dicatat.

Minimal simpan tanggal pengujian, model atau product surface, query persis, lokasi bila relevan, status login bila relevan, fitur pencarian aktif atau tidak, output, sumber yang dikutip, dan hasil klasifikasi.

Kalau model berubah, catat.

Kalau interface berubah, catat.

Kalau satu query diuji dengan phrasing berbeda, jangan diam-diam memasukkannya ke seri yang sama.

Measurement yang rapi tidak mencoba menghilangkan seluruh noise. Tujuannya adalah mengetahui noise apa yang masih ada.

Ini penting karena generative system memang tidak harus mengeluarkan jawaban identik setiap kali. Output dapat dipengaruhi oleh model version, retrieval, freshness, context, personalization, dan kondisi produk lainnya.

Jadi satu screenshot bukan baseline.

Satu percobaan bukan trend.

Satu mention bukan proof of optimization success.

Apa yang Sebaiknya Masuk Dashboard CEO

CEO tidak butuh 47 chart.

Untuk fase awal, lima sampai tujuh indikator biasanya sudah cukup selama definisinya kuat.

Misalnya:

1. Query coverage: persentase query strategis di mana brand muncul.
2. Citation rate: seberapa sering owned domain dikutip pada query set.
3. Recommendation rate: seberapa sering brand benar-benar diposisikan sebagai pilihan relevan.
4. Generative AI impressions dari Search Console untuk visibility Google.
5. AI referral conversions, bukan traffic saja.
6. Hallucination or entity error rate.
7. Volatility, untuk melihat stabil atau tidaknya visibility.

Lalu tambahkan annotation.

Jika ada kenaikan besar setelah perubahan canonical page, jangan langsung menulis “canonical page menyebabkan kenaikan 42 persen”. Tulis bahwa kenaikan terjadi setelah perubahan, lalu cek faktor lain: indexation, content freshness, query demand, model update, competitor movement, dan perubahan platform.

AI search measurement harus kuat secara metodologi, bukan dramatis secara presentasi.

Yang Belum Bisa Dijawab dengan Pasti

Ada pertanyaan yang wajar tetapi jawabannya belum bisa didapat secara presisi.

Berapa banyak orang yang melihat brand kita di semua jawaban AI di Indonesia?

Tidak ada satu dashboard universal yang memberi angka lengkap lintas ChatGPT, Gemini, Google AI Mode, Perplexity, Copilot, dan platform lain.

Berapa persen revenue yang “diciptakan” AI sebelum user masuk lewat direct traffic?

Sulit, karena journey bisa lintas perangkat dan lintas channel.

Apakah satu perubahan schema tertentu menyebabkan citation meningkat?

Bisa diuji secara observasional, tetapi causal proof-nya jauh lebih sulit daripada sekadar membandingkan sebelum dan sesudah.

Apakah mention tanpa click punya economic value?

Bisa punya, tetapi value-nya perlu didefinisikan dengan model brand lift, assisted journey, survey, atau outcome lain. Jangan asal memberi angka rupiah.

Ketidakpastian seperti ini bukan kelemahan report. Justru report yang kredibel harus menunjukkan batas data.

Measurement yang Dewasa Tidak Takut Menulis “Belum Tahu”

Di era dashboard, ada godaan besar untuk membuat semua hal terlihat measurable.

Padahal keputusan bagus sering lahir dari kombinasi angka kuat dan observasi yang jujur.

Kalau sebuah platform memberikan data first-party, gunakan.

Kalau suatu fenomena bisa dihitung lewat controlled query set, hitung dengan protocol yang konsisten.

Kalau kualitas jawaban membutuhkan judgement manusia, jangan pura-pura automation sudah menyelesaikannya.

Dan kalau belum ada cara yang valid untuk membuktikan causal impact, tulis sebagai observasi atau hipotesis.

GEO bukan lomba membuat score paling fancy. Tujuannya adalah memahami apakah mesin menemukan brand yang benar, menggunakan sumber yang tepat, menjelaskan entity secara akurat, dan membawa outcome yang relevan untuk bisnis.

Kalau measurement system bisa menjawab itu dengan disiplin, kita sudah jauh lebih maju daripada sekadar bertanya, “AI visibility kita naik berapa poin bulan ini?”

Leave a Comment

Your email address will not be published. Required fields are marked *