Marketing team sudah terbiasa mengukur hampir semuanya.
Impression.
Click.
CTR.
CPC.
Conversion.
ROAS.
Share of voice.
Branded search.
Organic ranking.
Lalu muncul pertanyaan baru yang beberapa tahun lalu terdengar terlalu niche:
“Brand kita disebut nggak kalau orang tanya ChatGPT atau Gemini?”
Pada 2026, pertanyaan itu mulai layak masuk measurement stack.
Bukan karena setiap mention otomatis menghasilkan revenue.
Bukan juga karena AI answer harus menggantikan SEO dashboard.
Tapi karena AI interface semakin dipakai untuk discovery, comparison, research, dan shopping.
Kalau keputusan pelanggan mulai dibentuk di sana, visibility di sana layak dipantau.
Yang penting, jangan mengukurnya dengan cara bodoh.
Mention bukan ranking
Search marketer terbiasa dengan posisi.
Nomor 1.
Nomor 3.
Nomor 10.
AI answer tidak selalu punya urutan stabil seperti SERP.
Jawaban bisa berubah karena wording query, context, model, personalization, waktu, atau source retrieval.
Brand yang disebut hari ini bisa tidak muncul besok.
Dua prompt yang hampir sama bisa menghasilkan shortlist berbeda.
Karena itu measurement perlu probabilistic.
Jangan bertanya “kita ranking berapa?”
Lebih berguna bertanya:
Dalam 100 prompt buyer-intent yang relevan, seberapa sering brand muncul?
Dalam kategori apa?
Dengan kompetitor siapa?
Apa sentiment atau framing-nya?
Apakah deskripsinya akurat?
Apakah source yang dipakai berkualitas?
Apakah mention muncul untuk query non-brand?
Ini lebih dekat ke share of answer daripada ranking tradisional.
Prompt set harus merepresentasikan buyer journey
Kesalahan umum adalah hanya menguji prompt brand.
“Apa itu Brand X?”
“Apakah Brand X bagus?”
Tentu sistem kemungkinan membahas brand kalau namanya disebut.
Yang lebih penting adalah unprompted discovery.
Misalnya lo menjual software HR.
Prompt yang relevan mungkin:
“software HR untuk perusahaan 100 karyawan di Indonesia”
“HRIS yang punya payroll lokal”
“alternatif software attendance untuk multi-branch”
“platform HR untuk perusahaan yang nggak punya tim IT besar”
Kalau brand muncul di sana, asosiasinya lebih meaningful.
Untuk bisnis lokal:
“klinik estetika Jakarta Selatan yang punya dokter spesialis”
“virtual office dekat Sudirman”
“catering kantor untuk 50 orang di Kuningan”
Prompt harus menyerupai language customer.
Sales call dan customer service adalah sumber prompt yang bagus.
Bukan brainstorming marketer saja.
Ukuran pertama: frequency
Metrik paling sederhana adalah mention frequency.
Dari sekumpulan prompt, berapa persen jawaban menyebut brand?
Angka ini belum cukup untuk mengambil keputusan.
Tapi berguna sebagai baseline.
Misalnya brand disebut dalam 8 dari 50 prompt.
Bulan depan 15 dari 50.
Ada perubahan.
Lalu cari sebab.
Apakah website diperbaiki?
Ada media coverage baru?
Review bertambah?
Model berubah?
Kompetitor turun?
Sumber baru mulai terindeks?
Jangan langsung mengklaim causal relationship.
AI systems sangat dinamis.
Measurement berguna untuk melihat pattern, bukan membuktikan semua sebab.
Ukuran kedua: context quality
Mention bisa positif, netral, salah, atau bahkan merugikan.
Brand mungkin disebut sebagai pilihan murah padahal positioning sebenarnya premium.
Atau sistem menyebut fitur yang sudah dihentikan.
Atau lokasi salah.
Jadi quality lebih penting daripada frequency saja.
Buat klasifikasi sederhana:
accurate, partially accurate, incorrect, outdated, unclear.
Kemudian catat konteks.
Dengan data seperti ini, marketing team tahu apa yang perlu diperbaiki di public sources.
Kalau misinformation konsisten muncul, cari sumbernya.
Mungkin website lama masih online.
Mungkin marketplace menggunakan copy lama.
Mungkin artikel media outdated masih dominan.
AI monitoring bisa menjadi early-warning system untuk information hygiene.
Ukuran ketiga: competitive adjacency
Brand disebut dengan siapa?
Ini insight besar.
Kalau brand ingin diposisikan sebagai enterprise solution tetapi selalu muncul bersama tool entry-level, ada positioning gap.
Kalau brand lokal mulai muncul bersama pemain global, itu bisa menjadi signal category elevation.
Kalau kompetitor baru terus muncul dan brand tidak, perlu investigasi.
Competitive adjacency memperlihatkan bagaimana sistem mengelompokkan brand.
Ini bukan kebenaran objektif.
Tapi berguna untuk memahami perception layer.
Marketer bisa membandingkan dengan customer perception.
Apakah AI melihat kategori yang sama seperti customer?
Kalau tidak, kenapa?
Ukuran keempat: source pattern
Ketika platform menampilkan citation atau link, lihat sumbernya.
Apakah brand website sendiri?
Media?
Review?
Marketplace?
Forum?
Dokumentasi?
Source pattern membantu menentukan investasi.
Kalau AI terus memakai halaman FAQ tertentu, itu asset.
Kalau competitor sering cited dari comparison site, mungkin kategori memang membutuhkan third-party validation.
Google pada 2026 memperjelas bahwa AI features-nya tetap menghubungkan pengguna ke relevant websites dan original content.
Itu membuat source quality tetap penting.
Di ChatGPT, shopping research juga menempatkan perbandingan dan kebutuhan pengguna sebagai pusat experience.
Dalam kedua kasus, marketer perlu memikirkan bukan hanya apakah brand disebut, tapi apa evidence yang membuat brand layak disebut.
AI referral adalah metrik terpisah
Brand mention tidak selalu menghasilkan click.
Namun ketika click terjadi, tracking referral bisa membantu.
Adobe pada 2026 sudah menyediakan referral traffic reporting yang secara eksplisit mencakup external platforms dan AI citations. Integrasi dengan analytics bisa membantu melihat engagement dan conversion.
Ini penting karena marketer bisa memisahkan dua layer:
AI visibility.
AI traffic.
Visibility menjawab apakah brand hadir di answer.
Traffic menjawab apakah answer mengirim kunjungan.
Conversion menjawab apakah kunjungan menghasilkan outcome.
Jangan campur ketiganya.
Brand bisa punya visibility tinggi tetapi traffic rendah karena jawaban sudah cukup.
Brand bisa punya traffic kecil tetapi conversion tinggi karena visitor datang setelah banyak pre-qualification.
Setiap layer punya cerita.
Jangan mengejar angka tanpa denominator
Misalnya brand disebut 20 kali.
Kedengarannya bagus.
Tapi dari berapa prompt?
Kalau 20 dari 25, kuat.
Kalau 20 dari 500, beda.
Sama seperti impression, mention perlu context.
Prompt set juga harus stabil agar tren bisa dibandingkan.
Kalau bulan ini prompt-nya easy dan bulan depan jauh lebih sulit, angka tidak comparable.
Buat core benchmark prompt yang relatif tetap.
Tambahkan exploratory prompt terpisah untuk tren baru.
Core set untuk measurement.
Exploratory set untuk discovery.
Ini membuat dashboard lebih disiplin.
Human review tetap dibutuhkan
AI monitoring tools akan semakin banyak.
Mereka bisa otomatis menjalankan prompt, menyimpan jawaban, mengklasifikasi mention, dan membuat chart.
Berguna.
Tapi jangan sepenuhnya percaya automated scoring.
Satu mention bisa technically positive tetapi sebenarnya tidak relevan.
Satu jawaban bisa menyebut brand hanya sebagai footnote.
Satu competitor comparison bisa salah konteks.
Human sampling tetap diperlukan.
Terutama untuk high-value query.
Kalau prompt berkaitan dengan produk flagship atau service utama, marketer perlu membaca jawaban utuh.
Jangan hanya lihat angka.
Measurement tanpa interpretation menghasilkan false confidence.
Brand mention bukan vanity kalau dikaitkan ke keputusan
Kapan AI mention menjadi KPI yang berguna?
Ketika ada hubungan dengan strategic objective.
Misalnya brand ingin masuk kategori tertentu.
Monitor apakah AI mulai mengasosiasikan brand dengan kategori itu.
Brand ingin meningkatkan consideration di Indonesia.
Monitor prompt lokal.
Brand ingin bersaing dengan tiga pemain tertentu.
Monitor competitive adjacency.
Brand memperbaiki product documentation.
Monitor apakah factual accuracy meningkat.
Ini actionable.
Kalau hanya ingin chart naik untuk presentasi board, metrik akan jadi vanity.
AI visibility harus menjawab pertanyaan bisnis.
Apa yang ingin kita ubah?
Apa signal bahwa perubahan terjadi?
Apa tindakan jika signal tidak bergerak?
Tanpa tiga hal itu, dashboard hanya wallpaper.
Jakarta dan bahasa Indonesia perlu benchmark sendiri
AI answer bisa berbeda berdasarkan bahasa.
Prompt “best virtual office Jakarta” belum tentu menghasilkan pola sama dengan “virtual office terbaik di Jakarta untuk PT baru”.
Bahasa Indonesia punya nuance.
Bahasa campuran juga umum.
User Indonesia bisa bertanya:
“VO yang legit dekat SCBD buat company registration, budget jangan terlalu mahal.”
Prompt seperti itu jauh dari keyword formal.
Measurement lokal perlu menangkap cara orang benar-benar bicara.
Jangan hanya menerjemahkan prompt Inggris.
Gunakan conversation dari sales.
Search query report.
Chat customer service.
Comment social.
Itu language market yang real.
AI mention layak diukur karena ia mulai menjadi bagian dari market perception.
Tapi treat it sebagai emerging metric.
Jangan memberi kepastian palsu.
Tidak ada satu angka “AI visibility score” yang bisa menjelaskan semuanya.
Yang lebih sehat adalah scorecard:
mention frequency, accuracy, competitive context, source quality, referral traffic, conversion, dan trend.
Dengan scorecard itu, marketer bisa melihat apakah brand hanya dikenal, benar-benar dipahami, atau mulai direkomendasikan.
Itulah bedanya vanity visibility dengan decision visibility.
Pada 2026, brand mention di ChatGPT dan Gemini belum menggantikan revenue dashboard.
Tapi mengabaikannya juga mulai terasa seperti mengabaikan branded search sepuluh tahun lalu.
Signal-nya belum sempurna.
Namun sudah terlalu dekat dengan buyer journey untuk tidak dilihat sama sekali.
Benchmark juga perlu disimpan. Screenshot atau log jawaban penting bisa membantu melihat perubahan dari waktu ke waktu. Jangan hanya menyimpan skor akhir. Context jawaban memungkinkan tim memahami kenapa mention naik atau turun.
Ketika board bertanya apa arti AI visibility, marketer harus bisa menunjukkan contoh konkret buyer query, jawaban, competitor set, source, dan business implication. Itu jauh lebih meyakinkan daripada satu angka abstrak 73/100.
Ada satu disiplin tambahan: jangan membandingkan hasil antar-engine seolah produknya identik. ChatGPT, Gemini, Google AI features, atau tool lain bisa memakai retrieval, source set, personalization, dan interface berbeda.
Maka scorecard sebaiknya dipisahkan per engine dan per market.
Misalnya brand kuat di Gemini untuk query edukasi tetapi lemah di ChatGPT untuk comparison. Itu lebih actionable daripada satu skor gabungan yang menyembunyikan perbedaan.
Sampling waktu juga penting. Jangan menjalankan benchmark satu kali lalu menganggapnya permanen. Ulangi dengan cadence yang masuk akal, misalnya bulanan untuk core prompt, lalu simpan perubahan penting.
Kalau ada campaign besar, product launch, atau coverage media, benchmark sebelum dan sesudah bisa memberi directional evidence. Tetap jangan menyebut perubahan sebagai causal proof tanpa data yang cukup.
AI visibility measurement yang matang menerima uncertainty. Nilainya bukan memberi kepastian palsu, tetapi membuat area yang sebelumnya gelap menjadi sedikit lebih observable.
Dan untuk marketer, observability adalah langkah pertama sebelum optimization.
Intinya, consistency matters.
Bacaan terkait
Artikel ini berada dalam Marketing & Advertising dan mengikuti metodologi editorial Undercover.id. Format terkait tersedia di Explainer teknologi dan kebijakan digital.