Traffic kecil, intent bisa besar

Selama bertahun-tahun digital marketing sangat terbiasa dengan volume. Berapa impression, click-through rate, session, cost per click, conversion rate. Kanal yang membawa traffic besar cenderung mendapat perhatian besar.

AI bikin logika ini sedikit berantakan.

Seseorang bisa menghabiskan lima belas menit berdiskusi dengan AI, menyaring tujuh pilihan menjadi dua, lalu datang ke website retailer hanya untuk memastikan stok dan checkout. Di analytics, retailer mungkin melihat satu session pendek. Padahal bagian terbesar dari riset sudah terjadi di luar website.

Ini mirip pelanggan masuk toko elektronik di mall sambil bilang, “Saya sudah tahu model yang mau dibeli, tinggal cek warnanya.”

Dari sudut pandang retailer, pelanggan seperti itu sangat berharga.

Masalahnya, atribusi digital belum selalu bisa membaca seluruh perjalanan tersebut. Orang bisa menerima rekomendasi dari AI lalu mengetik nama brand langsung di browser. Bisa juga dia mencari brand di Google setelah melihat rekomendasi. Bisa masuk melalui aplikasi marketplace. Bisa screenshot nama produk dan baru beli dua hari kemudian.

Jadi, angka referral AI yang terlihat di analytics sebaiknya tidak dibaca sebagai keseluruhan pengaruh AI.

Yang terlihat hanyalah bagian yang meninggalkan jejak referral cukup jelas.

Ini juga menjelaskan kenapa retailer mulai memperhatikan bukan hanya traffic AI, tetapi kualitas traffic AI. Berapa banyak yang masuk ke halaman produk spesifik? Berapa yang langsung melihat stok? Berapa yang menambahkan barang ke cart? Apakah average order value berbeda? Apakah retur lebih rendah karena pembeli sudah lebih memahami produk sebelum membeli?

Pertanyaan seperti itu jauh lebih berguna daripada sekadar, “Traffic dari ChatGPT berapa persen?”

AI menggeser fungsi halaman produk

Ada konsekuensi lain yang cukup brutal buat retailer: halaman produk sekarang punya dua audiens.

Audiens pertama manusia. Mereka butuh foto bagus, ukuran jelas, harga, variasi, ulasan, ongkir, dan alasan kenapa produk tersebut worth it.

Audiens kedua adalah sistem AI yang mencoba memahami apa sebenarnya produk itu, cocok untuk siapa, apa perbedaannya, bagaimana spesifikasinya, dan apakah informasi di halaman cukup konsisten untuk dipercaya.

Kalau retailer punya ribuan SKU, tantangannya langsung kelihatan.

Deskripsi produk yang isinya “premium quality dengan desain modern yang cocok untuk gaya hidup masa kini” hampir nggak membantu siapa-siapa. Manusia tidak mendapat detail. Mesin juga tidak mendapat atribut yang bisa dibandingkan.

Sebaliknya, informasi konkret seperti ukuran, material, kapasitas, kompatibilitas, garansi, batas penggunaan, cara perawatan, ketersediaan, dan perbedaan antarmodel jauh lebih berguna.

AI membuat kualitas data produk menjadi bagian dari marketing.

Dulu tim merchandising bisa merasa urusan struktur data adalah kerjaan teknis. Sekarang struktur data berpotensi menentukan apakah produk ikut masuk ke shortlist yang dibuat AI.

Itu perubahan besar.

Retailer tetap ingin hubungan langsung

Menariknya, retailer tidak otomatis senang kalau seluruh proses belanja pindah ke AI.

Mereka mau produknya ditemukan lewat AI, tetapi belum tentu mau kehilangan hubungan langsung dengan pelanggan.

Ini masuk akal. Retailer punya kepentingan terhadap loyalty program, histori transaksi, preferensi, customer service, cross-sell, dan pengalaman setelah pembelian. Kalau transaksi sepenuhnya terjadi di lapisan AI, sebagian hubungan itu bisa bergeser ke platform AI.

Reuters mencatat dinamika ini dengan cukup jelas. Retailer ingin memperoleh manfaat discovery dari AI, tetapi tetap ingin transaksi terjadi di properti mereka sendiri supaya hubungan pelanggan dan data transaksi tidak hilang.

Jadi pertarungan berikutnya bukan sekadar “siapa ranking satu di AI”.

Pertarungannya adalah siapa yang menguasai hubungan setelah rekomendasi terjadi.

Bayangin restoran, fashion retailer, atau toko elektronik. Kalau AI menjadi tempat orang bertanya, membandingkan, memilih, lalu suatu hari membayar, retailer bisa berubah dari destination menjadi supplier di belakang layar.

Brand masih menjual, tetapi pengalaman pelanggan dimiliki pihak lain.

Buat sebagian bisnis, itu oke. Buat yang sangat bergantung pada repeat purchase dan loyalty, itu masalah strategis.

AI referral juga mengubah SEO

SEO belum mati. Search juga belum hilang. Tapi perilaku discovery mulai terfragmentasi.

Orang bisa menemukan brand dari TikTok, Google Maps, marketplace search, Reddit, Instagram, AI assistant, rekomendasi teman, lalu baru mengunjungi website.

AI referral menambah satu jalur yang unik karena AI tidak hanya menampilkan link. Ia mencoba menjelaskan, membandingkan, dan memberi alasan.

Kalau sebuah produk disebut oleh AI, produk itu sering datang dengan framing.

“Lebih cocok untuk pemula.”

“Lebih mahal tetapi garansinya lebih panjang.”

“Lebih ringan.”

“Lebih mudah ditemukan di Indonesia.”

Framing seperti ini bisa memengaruhi keputusan bahkan sebelum retailer punya kesempatan menjelaskan dirinya sendiri.

Maka pekerjaan retailer bukan hanya memastikan halaman terindeks. Mereka perlu memastikan informasi tentang produknya cukup jelas dan konsisten sehingga AI tidak perlu menebak.

Ini berlaku terutama pada kategori yang orang suka bandingkan: elektronik, beauty, travel gear, peralatan rumah, fashion teknis, produk bayi, otomotif, layanan finansial, bahkan makanan dengan kebutuhan tertentu.

Semakin banyak parameter keputusan, semakin berguna AI sebagai alat shortlist.

Jakarta adalah laboratorium yang masuk akal

Perubahan ini terasa sangat relevan di kota seperti Jakarta karena pola belanjanya sudah omnichannel dari dulu.

Orang bisa lihat produk di TikTok saat naik MRT, bandingkan di AI pas makan siang di SCBD, cek stok di marketplace, lalu malamnya mampir ke toko fisik di Pondok Indah karena masih mau pegang barangnya.

Jalur belanja tidak linear.

Kadang barang ditemukan online tetapi dibeli offline. Kadang sebaliknya. Kadang keputusan sebenarnya terjadi dalam chat dengan AI, sementara pembayaran terjadi di marketplace.

Buat retailer, obsesi mencari satu “source of truth” untuk atribusi bisa jadi makin susah.

Yang lebih realistis adalah membangun beberapa lapisan pengukuran sekaligus: referral yang terlihat, brand search, direct traffic, conversion quality, survey pascapembelian, serta perubahan pada halaman yang sering disebut atau dikunjungi setelah exposure dari AI.

Ini tidak sebersih dashboard iklan, tetapi perilaku manusia memang tidak pernah benar-benar bersih.

Jangan buru-buru bikin “AI SEO department”

Karena topiknya sedang hot, ada godaan untuk langsung membentuk tim baru, mengganti seluruh copy, atau memasang puluhan tools tracking.

Belum tentu perlu.

Retailer bisa mulai dari hal yang lebih sederhana.

Cek apakah informasi produk akurat dan lengkap. Pastikan varian tidak membingungkan. Hilangkan deskripsi generik. Jelaskan return policy dengan bahasa manusia. Pastikan halaman kategori punya konteks. Lihat apakah brand dan produk bisa dipahami tanpa harus menebak dari gambar.

Lalu ukur traffic dari AI sebagai cohort, bukan hanya sebagai angka total.

Bandingkan conversion rate-nya dengan organic search, paid social, dan direct. Lihat landing page yang paling sering menerima referral. Amati apakah user yang datang sudah dekat ke transaksi atau masih melakukan riset.

Kalau pola mulai konsisten, baru retailer punya dasar untuk mengambil keputusan lebih besar.

AI referral bernilai tinggi bukan berarti semua referral AI akan bernilai tinggi.

Ada kategori yang cocok. Ada yang tidak. Ada retailer yang sudah punya awareness kuat sehingga AI hanya membantu validasi. Ada brand baru yang justru bisa mendapat kesempatan karena AI memberi ruang pada produk yang relevan meski belum dominan secara popularitas.

Dan tentu saja sistem AI sendiri berubah cepat.

Model, interface, integrasi retailer, kebijakan checkout, serta cara platform menyajikan recommendation masih berkembang. Strategi yang bekerja tahun ini bisa berubah lagi.

Nilai sebenarnya ada pada intent

Hal paling penting dari fenomena AI referral mungkin bukan traffic itu sendiri.

Yang berubah adalah kualitas pertanyaan sebelum traffic muncul.

Search tradisional banyak dibangun di sekitar keyword. AI conversation bisa membawa konteks jauh lebih kaya: budget, preferensi, lokasi, ukuran, tujuan, masalah, pengalaman sebelumnya, sampai alasan seseorang tidak suka produk tertentu.

Kalau sistem AI bisa mengubah konteks itu menjadi shortlist, retailer menerima pelanggan yang lebih siap.

Buat bisnis, itu peluang.

Tetapi juga ancaman.

Karena kalau AI yang memahami kebutuhan pelanggan paling dalam, retailer harus memastikan dirinya tetap punya peran selain menjadi tempat fulfillment.

Retailer yang menang kemungkinan bukan sekadar yang paling sering disebut AI. Mereka adalah yang informasinya mudah dipahami, produknya mudah dibandingkan, transaksinya minim friksi, dan hubungan pelanggan setelah klik tetap kuat.

Di 2026, AI referral masih belum menggantikan Google, marketplace, atau social commerce.

Tapi sinyalnya sudah cukup jelas untuk dianggap serius.

Kanal baru ini mungkin tidak selalu membawa traffic paling ramai. Justru itu poinnya.

Kadang lima ratus pengunjung yang sudah tahu apa yang mereka cari jauh lebih menarik daripada lima puluh ribu orang yang cuma mampir.

Dan ketika AI semakin sering berada di awal proses belanja, retailer perlu berhenti bertanya hanya, “Berapa banyak traffic dari AI?”

Pertanyaan yang lebih tajam adalah: “Saat orang datang dari AI, seberapa dekat mereka dengan keputusan membeli, dan apakah setelah transaksi hubungan pelanggan masih jadi milik kita?”