AI Visibility Bukan Sekadar Mention: Empat Level yang Harus Dibedakan

Bayangkan ada empat notifikasi di grup marketing.

Notifikasi pertama:
“ChatGPT nyebut brand kita.”

Notifikasi kedua:
“Perplexity pakai website kita sebagai source.”

Notifikasi ketiga:
“Gemini masukin kita ke shortlist.”

Notifikasi keempat:
“Ada lead bilang nemu kita dari AI.”

Semua orang biasanya membalas dengan emoji yang sama.

Padahal empat kejadian itu berbeda level.

Kalau semuanya diberi label AI visibility, tim kehilangan kemampuan membaca progress.

Lebih berguna kalau kita membaginya menjadi empat level:

Mention.
Citation.
Recommendation.
Action.

Bukan standard resmi industri.

Ini framework praktis GEO.or.id untuk membantu measurement agar tidak mencampurkan hal yang berbeda.

Level 1: Mention

Brand disebut dalam jawaban.

Contoh:

“Beberapa platform yang dapat dipertimbangkan adalah Brand A, Brand B, dan Brand C.”

Brand C mendapat mention.

Apa yang dibuktikan?

Sistem mengenali atau mengambil informasi tentang entitas tersebut dalam context query.

Apa yang belum dibuktikan?

Tidak tahu source-nya.
Tidak tahu apakah brand dianggap bagus.
Tidak tahu apakah user akan click.
Tidak tahu apakah brand cocok.
Tidak tahu apakah recommendation kuat.

Mention adalah awareness layer.

Nilainya nyata.

Tetapi jangan overclaim.

Kalau brand disebut dalam artikel tentang “vendor yang perlu dibandingkan”, itu berbeda dengan “vendor yang direkomendasikan”.

Context wajib dicatat.

Ada mention positive.
Neutral.
Negative.
Historical.
Incidental.

Measurement yang hanya menghitung nama muncul akan kehilangan nuance.

Level 2: Citation

Citation terjadi ketika AI answer menghubungkan statement dengan source.

Source bisa owned website.

Bisa third party.

Untuk publisher, citation sangat penting karena halaman mereka digunakan sebagai evidence.

Untuk brand, owned citation menunjukkan website menjadi bagian dari source layer.

Third-party citation menunjukkan narasi tentang brand dibentuk oleh source eksternal.

Citation lebih kuat daripada mention dalam satu aspek:
kita bisa melihat evidence path.

Misalnya AI berkata:

“Brand A menyediakan integrasi X.”

Citation menuju documentation resmi Brand A.

Itu source alignment yang bagus.

Atau citation menuju blog review 2023.

Sekarang ada freshness risk.

Citation membuka pintu audit.

Tetapi citation bukan endorsement.

AI bisa mengutip website brand untuk limitation:
“Layanan ini tidak tersedia di wilayah tertentu.”

Masih citation.

Jadi citation rate saja belum cukup.

Catat function:
definition,
evidence,
feature,
price,
limitation,
comparison.

Level 3: Recommendation

Ini tahap decision.

Brand bukan hanya disebut.

Brand dipilih sebagai salah satu option yang dianggap cocok.

Contoh:

“Untuk perusahaan dengan kebutuhan implementasi lokal dan approval kompleks, Brand A lebih masuk akal dibanding dua opsi lain.”

Sekarang AI melakukan positioning.

Recommendation visibility biasanya lebih dekat ke commercial value.

Tetapi recommendation punya requirement lebih tinggi.

Sistem membutuhkan cukup informasi untuk menjawab:
brand ini cocok untuk siapa?
kenapa?
trade-off?
apa alternatif?

Kalau web tidak punya evidence perbandingan, recommendation bisa lemah atau generic.

Recommendation juga harus diuji dengan buyer-fit query.

Jangan hanya meminta:
“brand terbaik.”

Pertanyaan realistis punya constraint.

Budget.
Lokasi.
Industry.
Company size.
Feature.
Risk.
Timeline.

Brand yang benar-benar visible secara recommendation harus muncul pada scenario yang cocok.

Bukan semua scenario.

Kalau brand enterprise selalu direkomendasikan untuk freelancer, itu bukan kemenangan.

Itu mismatch.

Level 4: Action

Action adalah ketika visibility menghasilkan langkah.

Bentuk paling sederhana:
click/referral.

Bentuk lain:
booking.
trial.
download.
purchase.
contact.
product selection.
agentic task.

AI ecosystem 2026 mulai bergerak semakin dekat ke action.

ChatGPT punya search referral dan product discovery.
Google Search mengembangkan agentic booking dan agents.
Browser agent dapat berinteraksi dengan website.

Ini membuat action layer semakin relevan.

Namun jangan menganggap action selalu terjadi di dalam AI.

Banyak journey tetap handoff ke website.

Jadi ukur:
referral,
conversion,
lead,
purchase,
task completion.

Action adalah jembatan dari visibility ke business outcome.

Kenapa empat level ini perlu dipisahkan?

Karena optimasinya berbeda.

Kalau problem di Mention:
audit entity discovery, topic relevance, external presence.

Kalau Mention tinggi tetapi Citation rendah:
audit owned source, content clarity, evidence, crawl access.

Kalau Citation tinggi tetapi Recommendation rendah:
audit fit, comparative information, reputation, third-party corroboration.

Kalau Recommendation tinggi tetapi Action rendah:
audit CTA, landing page, brand trust, offer, pricing, user journey.

Satu score tidak bisa menunjukkan root cause.

Contoh diagnosis

Brand SaaS menjalankan 50 buyer query.

Hasil:

Mention: 70%.
Citation: 40%.
Recommendation: 18%.
Referral: kecil.

Apa artinya?

Brand dikenal cukup sering.

Owned source mulai dipakai.

Tetapi brand jarang masuk shortlist.

Jangan langsung tambah artikel definisi.

Problem mungkin ada pada comparative evidence.

Apakah website menjelaskan:
company size fit,
implementation,
integration,
security,
support,
pricing model?

Apakah ada case study?

Apakah third-party source mengonfirmasi?

Sekarang strategy lebih tajam.

Contoh lain.

Publisher:

Mention brand media: 20%.
Citation: 75%.
Recommendation sebagai “source to follow”: 15%.
Referral: tinggi pada breaking news.

Ini normal.

Publisher tidak harus sering disebut dalam text.

Nilai utamanya citation.

Business model berbeda.

Framework harus mengikuti jenis entitas.

Untuk product brand:
Recommendation dan Action lebih penting.

Untuk publisher:
Citation bisa menjadi core.

Untuk research institute:
Citation dan trust.

Untuk local business:
Recommendation dan Action.

Untuk public institution:
accuracy dan citation.

Jangan satu KPI untuk semua.

Ada juga Level 0: Retrievable

Secara teknis, sebelum Mention ada satu kondisi dasar:
content bisa diakses dan dipahami.

Crawler tidak diblokir.
Page indexed sesuai platform.
Information available.

Saya tidak masukkan sebagai level visibility utama karena retrievable belum terlihat user.

Tetapi kalau Level 1 nol, cek Level 0.

Untuk ChatGPT Search misalnya, publisher yang ingin muncul perlu memperhatikan OAI-SearchBot access.

Untuk Google generative Search, core Search eligibility tetap foundation.

Retrievability adalah infrastructure.

Mention adalah surface outcome.

Ada Level 5? Trust?

Sebagian orang mungkin ingin menambahkan trust.

Saya lebih suka tidak membuatnya sebagai level linear.

Trust bekerja lintas level.

AI bisa mention brand dengan distrust context.
Citation bisa berasal dari source yang menyoroti masalah.
Recommendation biasanya membutuhkan confidence lebih tinggi.
Action membutuhkan user trust.

Trust adalah dimension.

Bukan urutan kelima.

Ukur quality di setiap level.

Mention quality:
apakah konteks benar?

Citation quality:
apakah source current dan mendukung statement?

Recommendation quality:
apakah fit dan alasan tepat?

Action quality:
apakah conversion legitimate dan user satisfied?

Ini mencegah growth vanity.

Ada risiko ketika organisasi terlalu mengejar Level 3

Recommendation terdengar paling sexy.

“Mau direkomendasikan AI.”

Lalu tim mulai mencari manipulation tactic.

Fake review.
Fake listicle.
Sponsored mention yang disamarkan.
Forum seeding.

Ini buruk.

Google secara eksplisit mengingatkan bahwa mengejar mention inauthentic bukan strategi yang bermanfaat untuk generative Search dan sistem Search tetap punya spam protections.

Lebih penting lagi, recommendation yang dibangun di atas evidence palsu tidak tahan lama.

AI visibility yang sehat harus mengikuti reputasi nyata.

Produk cocok.
Evidence ada.
Source jelas.
User feedback genuine.

GEO tidak boleh menjadi industri reputasi palsu.

Bagaimana membuat dashboard empat level?

Buat query set per intent.

Informational.
Comparison.
Recommendation.
Transactional.

Lalu per platform.

Untuk setiap run:
Mention 0/1.
Citation 0/1.
Recommendation 0/1.
Action measurable yes/no.

Action tidak selalu bisa diatribusikan per query.

Tidak apa.

Gunakan aggregate referral/conversion.

Kemudian tambahkan accuracy.

Dashboard bukan cuma:
berapa banyak?

Tapi:
seberapa benar?

Ada satu konsep yang penting: progression bukan selalu linear

Brand bisa direkomendasikan tanpa owned citation.

AI menggunakan third-party source.

Brand bisa mendapat referral dari link meski tidak disebut panjang.

Publisher bisa sangat kuat citation tanpa recommendation.

Jadi empat level bukan funnel wajib yang selalu berurutan.

Ia taxonomy value.

Gunanya untuk membedakan bentuk visibility.

Kalau ingin membuat funnel, sesuaikan use case.

Retail:
Mention → Product → Referral → Purchase.

B2B:
Mention → Recommendation → Research → Lead.

Publisher:
Citation → Referral → Subscription.

Local:
Recommendation → Maps/booking → Visit.

Framework harus fleksibel.

Di grup marketing tadi, empat notifikasi akhirnya diberi label.

“Mention.”
“Citation.”
“Recommendation.”
“Lead.”

Tiba-tiba diskusinya berubah.

Tidak ada lagi:
“AI visibility kita naik banget.”

Yang ada:

“Mention kita sudah kuat. Citation masih medium. Recommendation mulai muncul untuk query enterprise. Action masih belum cukup.”

Kalimat itu tidak seviral screenshot.

Empat level ini juga membantu menentukan siapa owner internal.

Mention sering menyentuh brand, PR, dan content.

Citation menyentuh editorial, SEO, documentation, dan web platform.

Recommendation menyentuh product marketing, reputation, evidence, dan positioning.

Action menyentuh growth, product, commerce, sales, dan operations.

Kalau semua dimiliki SEO, organization design-nya terlalu sempit.

AI visibility 2026 bukan channel milik satu tim.

Ia cross-functional representation problem.

Ada manfaat lain: framework ini mencegah target yang absurd.

Misalnya CEO berkata:
“Saya mau citation rate 100%.”

Untuk semua query?

Tidak masuk akal.

Sebagian query tidak membutuhkan source brand.
Sebagian query tidak cocok untuk brand.
Sebagian platform tidak selalu menampilkan citation dengan format yang sama.

Target yang lebih sehat:
meningkatkan citation pada query family di mana owned expertise memang relevan.

Atau:
meningkatkan recommendation pada buyer-intent scenario yang benar-benar fit.

Measurement yang baik mempersempit objective.

Bukan membesarkan angka.

Tapi bisa dijadikan roadmap.

Ada satu cara praktis memakai empat level ini saat review bulanan: jangan bertanya “berapa skor AI kita?”, tetapi tanyakan bottleneck tertinggi yang belum sehat.

Kalau Mention masih rendah, belum waktunya obsesif pada conversion AI.
Kalau Citation rendah, perkuat source dan evidence.
Kalau Recommendation rendah, perjelas fit dan trade-off.
Kalau Action rendah, periksa journey bisnis.

Urutan kerja seperti ini mencegah tim melompati fondasi.

Dan perlu diingat, progress tidak selalu berarti semua angka naik bersamaan. Brand bisa sengaja mempersempit positioning sehingga Mention turun pada query generic, tetapi Recommendation naik pada query buyer-fit. Secara bisnis, itu bisa lebih baik.

Measurement HUMANIS seharusnya tetap mengingat manusia di ujung sistem. Visibility yang bagus bukan visibility maksimal. Visibility yang bagus adalah ketika orang mendapat jawaban yang benar, brand yang relevan muncul dengan alasan yang masuk akal, dan langkah berikutnya tidak menyesatkan.

Dan itulah fungsi measurement.

Bukan membuat tim merasa menang.

Membuat tim tahu apa yang harus diperbaiki berikutnya.