Apa Bedanya Brand Visibility, Source Visibility, dan Recommendation Visibility di AI

Ada satu kebiasaan yang bikin laporan AI visibility cepat misleading: semua kemunculan dianggap setara.

Nama brand disebut? Visibility.

Website dikutip? Visibility.

Brand masuk shortlist? Visibility.

Padahal tiga kejadian itu punya arti yang berbeda.

Bayangkan adegan ilustratif di ruang meeting sebuah perusahaan B2B. Head of Marketing membuka tiga screenshot.

Screenshot pertama, ChatGPT menyebut nama brand mereka sebagai salah satu pemain kategori.

Screenshot kedua, Perplexity tidak menyebut brand secara menonjol, tetapi memakai artikel dari website mereka sebagai citation.

Screenshot ketiga, sebuah AI assistant merekomendasikan dua kompetitor untuk buyer dengan kebutuhan spesifik.

“Berarti visibility kita bagus atau jelek?” tanya founder.

Jawaban paling tepat: tergantung visibility yang mana.

Untuk membaca AI secara waras, minimal pisahkan tiga layer:

Brand Visibility.

Source Visibility.

Recommendation Visibility.

Ketiganya bisa bergerak sendiri-sendiri.

Brand Visibility: apakah entitas Anda masuk ke jawaban?

Brand visibility adalah keberadaan nama brand, produk, organisasi, atau orang dalam jawaban AI.

Contoh:

“Beberapa platform yang sering dipertimbangkan di Indonesia antara lain Brand A, Brand B, dan Brand C.”

Kalau Anda Brand C, berarti brand visibility ada.

Ini menunjukkan bahwa entitas Anda cukup tersedia dalam information environment sehingga sistem dapat memasukkannya ke response tertentu.

Tetapi jangan langsung mengartikan:

AI percaya kita.
AI merekomendasikan kita.
Website kita dipakai.
Kita punya authority tertinggi.

Mention hanya menunjukkan presence dalam context itu.

Konteksnya bisa sangat berbeda.

Brand bisa disebut karena populer.
Karena kontroversi.
Karena historis.
Karena termasuk daftar pemain.
Karena pertanyaan user memang menyebut kategori yang relevan.

Jadi brand visibility perlu dibaca bersama framing.

Apakah disebut sebagai leader?

Alternatif?

Contoh?

Risiko?

Brand lama?

Brand yang sudah tutup?

Nama muncul bukan selalu good news.

Source Visibility: apakah informasi Anda dipakai sebagai evidence?

Source visibility berbeda.

Di sini yang dilihat bukan apakah nama brand tampil di narasi utama, tetapi apakah website, dokumentasi, artikel, riset, atau page milik Anda dipakai sebagai source.

Contoh:

AI menjelaskan tren AI Search Indonesia lalu memberi citation ke GEO.or.id.

Nama GEO.or.id mungkin tidak disebut berkali-kali dalam body.

Tetapi domain menjadi evidence layer.

Untuk publisher, research site, documentation platform, dan media, source visibility bisa lebih bernilai daripada brand mention.

Kenapa?

Karena source visibility menunjukkan content Anda ikut membentuk jawaban.

Google sendiri menjelaskan bahwa page yang ingin muncul sebagai supporting link di AI Overviews atau AI Mode harus terindeks dan eligible tampil di Search dengan snippet. Tidak ada requirement teknis tambahan khusus untuk AI features tersebut. Google juga menggunakan core Search systems dan, dalam AI features, dapat menjalankan query fan-out untuk mencari supporting pages dari beberapa subtopic.

OpenAI juga menyediakan OAI-SearchBot bagi publisher yang ingin content mereka tersedia untuk ChatGPT Search, serta memungkinkan referral tertentu ditandai dengan utm_source=chatgpt.com.

Artinya source visibility punya infrastructure sendiri:

crawlability,
indexability sesuai platform,
content relevance,
factual clarity,
freshness,
dan evidence quality.

Brand bisa punya source visibility tinggi walaupun brand mention rendah.

Misalnya situs penelitian sering dikutip untuk data.

AI mungkin tidak pernah merekomendasikan lembaga itu sebagai vendor.

Itu bukan kegagalan.

Fungsinya memang source.

Recommendation Visibility: apakah brand dipilih untuk suatu kebutuhan?

Ini layer yang paling dekat dengan keputusan.

User bertanya:

“Agency mana yang cocok untuk perusahaan B2B yang ingin membangun AI visibility dan knowledge graph?”

AI tidak hanya menyebut beberapa pemain.

Ia memilih.

Mungkin berkata:

“Untuk use case ini, Brand A lebih relevan karena X, sedangkan Brand B lebih cocok jika prioritasnya Y.”

Di sini recommendation visibility terjadi.

Brand masuk consideration set.

Ini lebih berat daripada mention karena sistem harus punya alasan fit.

Ia perlu memahami:

brand itu siapa,
menawarkan apa,
untuk siapa,
atribut apa,
bukti apa,
trade-off apa,
dan bagaimana dibandingkan dengan alternatif.

Itulah sebabnya sebuah brand dapat sering disebut tetapi jarang direkomendasikan.

Awareness ada.

Decision evidence belum cukup.

Tiga visibility ini tidak membentuk tangga yang selalu linear

Mudah sekali membuat diagram:

Brand → Source → Recommendation.

Kelihatan rapi.

Realitas tidak serapi itu.

Publisher bisa source-visible tanpa recommendation.

Brand consumer bisa recommendation-visible berdasarkan review pihak ketiga tanpa owned website menjadi source utama.

Perusahaan bisa brand-visible karena namanya terkenal tetapi source visibility owned rendah.

SaaS bisa punya documentation yang kuat dan sering dikutip, tetapi tidak direkomendasikan untuk segmen tertentu karena fit-nya tidak cocok.

Jadi ini bukan level 1, 2, 3 yang wajib dilewati.

Lebih tepat disebut tiga dimensi.

Bayangkan koordinat.

Brand visibility menjawab:

Apakah entitas terlihat?

Source visibility menjawab:

Apakah informasi kita dipakai?

Recommendation visibility menjawab:

Apakah entitas dipilih?

Tiga pertanyaan. Tiga fungsi.

Kenapa pemisahan ini penting untuk strategy?

Karena tindakan perbaikannya berbeda.

Kalau brand visibility rendah, diagnosis bisa menyentuh:

entity clarity,
category association,
public footprint,
content coverage,
external mention,
atau discovery.

Kalau source visibility rendah:

crawl access,
Search eligibility,
documentation quality,
canonical information,
evidence,
content structure,
freshness.

Kalau recommendation visibility rendah:

positioning,
fit,
comparison evidence,
review ecosystem,
third-party corroboration,
pricing clarity,
limitation,
dan reputation.

Satu playbook tidak bisa menyelesaikan tiga problem.

Contoh pertama: media industri

Sebuah media niche mungkin jarang disebut dalam jawaban AI.

Tetapi report dan artikelnya sering menjadi citation.

Kalau direksi hanya mengukur brand mention, mereka akan menyimpulkan visibility lemah.

Padahal source influence tinggi.

Untuk media seperti itu, KPI yang lebih tepat:

citation frequency,
source diversity,
referral,
high-value article exposure,
subscription outcome.

Recommendation mungkin relevan hanya untuk query seperti:

“Media apa yang layak diikuti untuk topik X?”

Contoh kedua: marketplace

Marketplace bisa punya brand visibility sangat tinggi.

Semua orang tahu namanya.

Tetapi ketika AI menjelaskan spesifikasi produk, source yang dipakai mungkin manufacturer page.

Ketika user meminta rekomendasi toko, marketplace baru masuk.

Jadi source dan recommendation berpindah berdasarkan intent.

Contoh ketiga: jasa profesional

Firma konsultan bisa punya source visibility rendah karena website-nya tipis.

Tetapi brand direkomendasikan karena banyak external evidence.

Ini situasi bagus, tetapi ada risk.

AI representation sangat bergantung pada source pihak ketiga.

Kalau source lama atau salah, brand punya sedikit canonical material untuk mengoreksi.

Maka owned source tetap perlu.

Bagaimana mengukurnya tanpa bikin score palsu?

Mulai dengan fixed query set.

Bagi query menjadi beberapa family:

Informational.

Category.

Comparison.

Recommendation.

Buyer-intent.

Untuk setiap run, catat:

Brand mentioned? Ya/tidak.

Owned source cited? Ya/tidak.

Third-party source cited? Ya/tidak.

Recommended? Ya/tidak.

Reason for recommendation.

Accuracy.

Jangan langsung aggregate.

Lihat pattern per intent.

Mungkin hasilnya seperti ini:

Informational:
brand mention rendah,
source citation tinggi.

Comparison:
brand mention medium,
recommendation medium.

Buyer-intent:
brand mention tinggi,
recommendation tinggi.

Itu sebenarnya profile yang sehat untuk brand tertentu.

Kenapa satu “AI Visibility Score” sering berbahaya?

Karena composite score memaksa weight.

Misalnya:

Mention 30%.
Citation 40%.
Recommendation 30%.

Siapa yang memutus weight itu?

Untuk publisher, citation seharusnya mungkin lebih besar.

Untuk retailer, recommendation dan action lebih penting.

Untuk government site, accuracy dan source authority lebih penting.

Untuk B2B service, recommendation buyer-intent mungkin core.

Satu formula global membuat false precision.

Lebih baik dashboard multidimensi.

Leadership tetap bisa mendapat summary.

Misalnya:

Brand visibility: strong.

Source visibility: medium.

Recommendation visibility: weak.

Itu sudah cukup untuk menentukan priority.

Ada satu layer yang sengaja belum kita masukkan: action

Action adalah apa yang terjadi setelah visibility.

Click.

Booking.

Purchase.

Lead.

Trial.

Agent task.

Ini sangat penting, tetapi bukan visibility dalam arti sempit.

Kalau kita memasukkan action ke visibility, funnel kembali kabur.

Visibility adalah exposure dan representation.

Action adalah outcome.

Bedakan.

Ada juga faktor correctness

Brand bisa visible dengan representasi salah.

AI menyebut nama lama.

Product discontinue.

Harga salah.

Cabang tutup.

Founder berubah.

Recommendation visibility tinggi tetapi accuracy buruk adalah masalah.

Jadi semua visibility dimension perlu quality overlay.

Bukan hanya frequency.

Tambahkan:

accurate,
partially accurate,
wrong,
outdated.

Kalau brand disebut 80% tetapi 25% salah, itu bukan kemenangan bersih.

Sekarang kembali ke meeting ilustratif di awal.

Founder bertanya lagi:

“Jadi kita bagus atau jelek?”

Analyst menjawab:

“Brand visibility kita kuat. Source visibility owned masih rendah, karena AI lebih sering memakai third-party source. Recommendation visibility bagus untuk enterprise query, tapi lemah untuk SMB, dan itu actually sesuai positioning kita.”

Tiba-tiba pertanyaan “bagus atau jelek” tidak lagi relevan.

Yang muncul adalah profile.

Profile jauh lebih berguna daripada score.

Karena AI ecosystem tidak memberi satu jenis visibility.

Ada saat brand menjadi topik.

Ada saat website menjadi source.

Ada saat brand menjadi pilihan.

Ketiganya sama-sama bisa bernilai.

Tetapi nilai bisnisnya berbeda.

Kalau perusahaan memahami perbedaannya, strategi GEO berhenti menjadi lomba “sebanyak mungkin muncul di AI”.

Ia berubah menjadi sesuatu yang lebih mature:

Ada satu dimensi lagi yang membantu membaca tiga visibility tersebut: siapa yang memiliki source pembentuk persepsi.

Kalau brand visibility tinggi tetapi hampir seluruh narasinya berasal dari third-party source, perusahaan punya exposure tetapi control atas factual correction lebih kecil. Kalau source visibility owned tinggi, perusahaan punya canonical information yang lebih mudah diperbarui. Kalau recommendation visibility tinggi karena kombinasi owned dan independent evidence yang konsisten, kondisi itu biasanya lebih sehat dari sisi information resilience.

Ini bukan berarti brand harus mengejar dominasi owned source. Justru recommendation yang kredibel sering membutuhkan evidence dari luar. Yang perlu dijaga adalah keseimbangan: fakta resmi berasal dari source resmi, sedangkan evaluasi dan pengalaman dapat diperkuat oleh pihak independen.

Karena itu audit sebaiknya menambahkan satu pertanyaan sederhana: siapa yang sedang “menceritakan” brand kepada AI?

Jawabannya bisa membuka risk yang tidak terlihat dalam mention rate. Brand terlihat kuat hari ini, tetapi kalau narasi bergantung pada satu artikel pihak ketiga yang sudah lama, visibility tersebut rapuh. Sebaliknya, source ecosystem yang beragam dan konsisten biasanya lebih tahan terhadap perubahan satu halaman atau satu platform.

hadir sebagai entitas ketika relevan,

dipakai sebagai source ketika punya evidence,

dan direkomendasikan ketika memang fit.

Itu jauh lebih dekat ke bagaimana manusia seharusnya mempercayai brand.