Marketer suka jalur yang bisa digambar.
Ad impression.
Click.
Landing page.
Conversion.
Semua masuk dashboard.
Semua dapat credit.
AI mengganggu jalur itu karena sebagian informasi dikonsumsi sebelum click.
User bisa bertanya ke AI:
“Bandingin tiga software ini.”
“Mana yang cocok buat bisnis kecil?”
“Apa kelemahan masing-masing?”
“Berapa harga kira-kira?”
“Mana yang implementasinya paling gampang?”
Setelah ringkasan panjang, user baru masuk website salah satu brand.
Analytics hanya melihat referral terakhir.
Sebagian research sudah terjadi di luar.
Marketing attribution menjadi lebih rumit karena AI merangkum sebelum user click.
Zero-click bukan hal baru
Search sudah lama punya featured snippet, knowledge panel, maps, dan answer box.
Social platform juga menahan user di feed.
AI memperluas pola zero-click menjadi lebih conversational.
User bisa bertanya follow-up tanpa meninggalkan interface.
Setiap follow-up memperkaya consideration.
Brand bisa mendapatkan influence tanpa session.
Ini membuat old metric seperti organic traffic tidak cukup untuk menggambarkan visibility.
Traffic turun belum tentu awareness turun.
Traffic naik belum tentu brand influence naik.
Marketer perlu memisahkan:
visibility, engagement, referral, conversion, influence.
Lima hal itu tidak identik.
AI bisa memberi brand credit tanpa memberi website traffic
Misalnya AI bilang:
“Untuk tim kecil, Brand X cocok karena setup sederhana, sedangkan Brand Y lebih kuat untuk enterprise.”
User belum click.
Brand X sudah mendapat positioning benefit.
Tiga hari kemudian user search “Brand X pricing”.
Google Ads mungkin mendapat conversion credit.
Padahal AI punya peran.
Attribution system tidak melihat.
Ini disebut dark influence secara informal.
Bukan berarti semua AI mention pasti memengaruhi.
Tapi ada touchpoint yang tidak observable.
Marketer harus mengakui.
Kepastian palsu lebih berbahaya daripada uncertainty.
Referral tracking hanya menangkap click yang benar-benar terjadi
Kalau AI mencantumkan source dan user klik, kita punya data.
Adobe pada 2026 sudah membuat referral traffic dashboard untuk external platform dan AI citation.
Dengan Analytics atau GA4 integration, marketer bisa menilai engagement dan conversion.
Bagus.
Tapi itu hanya observable referral.
Tidak menangkap:
brand disebut tanpa link, user baca lalu search belakangan, user screenshot, user copy nama produk, user masuk marketplace, user tanya teman.
Jadi AI referral adalah lower bound.
Bukan total influence.
Jangan mengarang multiplier.
Cukup pahami batas data.
Survey menjadi complement
Attribution stack modern butuh behavioural plus declared data.
Tanya customer.
“How did you first hear about us?”
“What helped you decide?”
“Did you use an AI assistant during research?”
Untuk ecommerce, post-purchase survey bisa singkat.
Untuk B2B, sales rep bisa tanya di discovery call.
Untuk local service, admin WhatsApp bisa mencatat source.
Tidak semua customer jawab.
Tapi pattern membantu.
Kalau AI mulai sering disebut, marketer punya signal.
Kalau tidak pernah disebut, mungkin impact masih kecil.
Data real dari customer lebih baik daripada asumsi industri.
Branded search menjadi proxy, bukan proof
Kalau AI mention naik lalu branded search ikut naik, mungkin ada hubungan.
Tapi jangan langsung klaim causal.
Creator campaign juga bisa memicu.
PR.
TV.
Offline.
Seasonality.
Competitor issue.
Branded search adalah proxy.
Gunakan bersama signal lain.
Prompt visibility.
Referral.
Survey.
Direct traffic.
Sales note.
Semakin banyak signal searah, semakin confident.
Attribution modern lebih mirip triangulation daripada single-source truth.
Ini mungkin terasa kurang satisfying.
Tapi lebih jujur.
AI summary bisa mengubah landing page economics
Kalau AI sudah menjawab pertanyaan umum, orang yang click punya kebutuhan lebih specific.
Mereka mungkin masuk langsung pricing.
Security.
Comparison.
Product detail.
Case study.
Landing page generic bisa kurang relevan.
Marketer perlu melihat path AI visitor.
Halaman entry apa?
Apakah bounce?
Apa next page?
Apa conversion?
Maybe visitor AI lebih qualified.
Maybe tidak.
Adobe pada 2026 melaporkan AI-driven retail traffic terus tumbuh dan menunjukkan kualitas kunjungan yang menarik pada beberapa metrik.
Reuters pada Agustus 2026 juga melaporkan retailer memperhatikan revenue per visit dari generative AI referrals.
Konteks retail penting.
Jangan copy conclusion ke semua business.
Audit data sendiri.
Attribution model perlu role, bukan hanya credit
Salah satu cara keluar dari perdebatan credit adalah memberi role ke channel.
Discovery.
Education.
Validation.
Conversion.
Retention.
AI bisa memainkan discovery dan education.
Paid search bisa validation dan capture.
Email retention.
Creator discovery.
Tidak semua harus diberi 100 persen revenue credit.
Role framework membantu budget conversation.
Misalnya AI visibility tidak punya direct revenue yang jelas.
Tapi sales survey menunjukkan 15 persen lead baru memakai AI selama research.
Itu cukup untuk mempertahankan investasi source optimization.
Attribution tidak harus sempurna untuk keputusan.
Harus cukup reliable.
Performance marketer perlu eksperimen
Kalau ingin tahu apakah initiative AI discovery memberi impact, lakukan experiment.
Perbaiki source pages untuk subset product.
Bandingkan dengan control.
Lihat branded search.
AI mention.
Referral.
Conversion.
Atau pilih region.
Atau time period.
Eksperimen tidak selalu clean karena model AI berubah.
Tapi lebih baik daripada hanya correlation.
Marketing science semakin penting.
AI era memberi banyak noise.
Experiment membantu memisahkan signal.
Jangan mencoba membuat “AI attribution pixel” sebagai solusi ajaib
Akan banyak vendor menawarkan magic dashboard.
Hati-hati.
Kalau influence terjadi tanpa click, pixel tidak bisa melihat semua.
Kalau user berpindah device, identity gap ada.
Kalau privacy restriction, gap bertambah.
Kalau AI platform tidak membagikan event, marketer tidak bisa memaksa.
Tool bisa meningkatkan observability.
Tidak bisa menghapus physics data.
Tanyakan metodologi.
Apa yang sebenarnya diukur?
Referral?
Prompt mention?
Citation?
Estimated traffic?
Survey?
Modelled influence?
Semua punya arti berbeda.
Dashboard yang bagus menjelaskan limitation.
Dashboard yang buruk menyembunyikan.
Jakarta buyer journey makin multi-surface
Misalnya orang cari klinik.
Lihat TikTok.
Tanya ChatGPT.
Cari nama dokter.
Buka Google Maps.
Lihat Instagram.
Chat WhatsApp.
Datang.
Attribution bisa bilang WhatsApp.
Itu benar secara technical conversion.
Tapi tidak menjelaskan journey.
Atau orang cari apartemen.
Tanya AI tentang area dekat MRT.
Baca forum.
Lihat listing.
Follow Instagram agent.
Visit.
Journey tidak linear.
Marketing team lokal perlu menggabungkan digital data dengan conversation.
Admin front desk sering tahu source lebih baik dari dashboard.
Jangan meremehkan qualitative insight.
AI membuat assisted conversion makin sulit terlihat
Dulu analytics punya multi-touch path.
Sekarang sebagian touchpoint tidak tercatat.
Assisted conversion report jadi incomplete.
Brand perlu shift dari obsession “siapa dapat credit” ke “kombinasi apa menghasilkan growth”.
Kalau total revenue naik dan acquisition cost sehat, channel mix mungkin bekerja meski credit tidak sempurna.
Attribution tetap perlu untuk optimization.
Tapi jangan sampai tim perang antar-channel karena model credit.
SEO bilang revenue mereka.
Paid bilang revenue mereka.
PR bilang mereka.
AI visibility team ikut minta bagian.
Customer tidak peduli.
Mereka cuma memilih.
Business outcome lebih penting daripada politik attribution.
First-party data jadi anchor
Ketika external journey makin gelap, first-party data memberi ground truth.
Purchase.
Lead.
Customer profile.
Repeat order.
Email engagement.
Loyalty.
CRM stage.
Support history.
Ini outcome yang brand miliki.
Attribution model boleh berubah.
Outcome tetap.
Performance team perlu menghubungkan external signal ke first-party outcome.
Bukan hanya platform-reported conversion.
Platform selalu punya incentive memberi dirinya credit.
Brand harus punya independent measurement.
Marketing attribution setelah AI tidak akan kembali sederhana
Mungkin kita harus menerima ini.
Semakin banyak agent, assistant, social platform, marketplace, dan search layer, semakin fragmented journey.
Perfect attribution adalah fantasy.
Yang realistis:
track observable touchpoint, survey customer, monitor visibility, run experiment, use incrementality, connect first-party data, dan document uncertainty.
Ini terdengar kurang sexy daripada “single source of truth”.
Tapi jauh lebih professional.
AI merangkum sebelum pengguna click.
Artinya brand bisa memengaruhi keputusan tanpa mendapat session.
Bisa juga kehilangan keputusan tanpa pernah tahu sempat dipertimbangkan.
Marketing team perlu memperluas cara melihat performance.
Traffic tetap penting.
Conversion tetap penting.
Tapi influence semakin terjadi di ruang yang dashboard tidak lihat.
Saat visibility turun, judgment harus naik.
Bukan judgment berdasarkan feeling.
Judgment berdasarkan gabungan evidence yang memang tersedia, plus honesty tentang apa yang tidak terlihat.
Satu praktik berguna adalah membuat attribution confidence map. Kelompokkan channel menjadi high observability, medium observability, dan low observability.
Email dengan first-party identity mungkin tinggi.
Paid click dengan tracking baik medium sampai tinggi.
AI mention tanpa click rendah.
PR mention juga rendah.
Dengan map seperti ini, board memahami kenapa angka dari setiap channel tidak bisa dibandingkan lurus.
Ini mencegah tim memberi precision palsu.
Attribution seharusnya tidak hanya menghasilkan angka, tapi juga tingkat confidence terhadap angka tersebut.
Kalau confidence rendah, keputusan bisa dilengkapi experiment atau survey.
Dengan begitu uncertainty menjadi bagian sistem, bukan sesuatu yang disembunyikan.
Pada akhirnya attribution adalah alat alokasi, bukan mesin moral yang menentukan siapa paling berjasa.
Customer journey tidak peduli struktur organisasi.
Kalau AI, search, creator, email, dan sales bersama-sama membuat transaksi, business harus mengoptimalkan kombinasi itu.
Credit bisa dibagi dengan model.
Growth tetap datang dari sistem.
Tim juga perlu menyepakati decision rule sebelum melihat data. Misalnya channel baru tidak dipotong hanya karena last-click rendah kalau ada evidence kuat di survey dan branded search. Sebaliknya, channel tidak terus dibiayai hanya karena mention naik kalau pipeline tidak menunjukkan kualitas.
Rule seperti ini mengurangi bias setelah hasil keluar.
Attribution seharusnya membantu keputusan budget, bukan menjadi arena siapa yang bisa mengklaim conversion paling banyak.
Dalam organisasi besar, ini penting karena setiap team punya incentive membuktikan channel mereka paling valuable.
AI membuat overlap semakin tinggi.
Semakin tinggi overlap, semakin penting governance measurement.
Kalau satu hal harus berubah, ubah ekspektasi.
Attribution bukan lagi upaya menemukan satu jawaban final.
Ia proses mengumpulkan cukup evidence untuk membuat keputusan berikutnya lebih baik.
AI membuat proses itu lebih rumit, tetapi juga memaksa marketing kembali ke prinsip dasar: ukur yang bisa diukur, uji yang penting, dan jangan mengarang kepastian.
Bacaan terkait
Artikel ini berada dalam Marketing & Advertising dan mengikuti metodologi editorial Undercover.id. Format terkait tersedia di Explainer teknologi dan kebijakan digital.