Ada jebakan klasik di digital.
Brand baru peduli channel setelah traffic-nya besar.
SEO dulu begitu.
Social dulu begitu.
Marketplace juga.
Begitu competitor sudah punya momentum, semua buru-buru masuk.
AI shopping sedang ada di fase di mana banyak brand melihat angka referral masih kecil lalu menyimpulkan:
“Belum penting.”
Bisa jadi terlalu cepat.
Kenapa?
Karena visibility muncul sebelum traffic.
Orang bisa melihat produk di ChatGPT atau Gemini tanpa klik.
AI bisa menyebut brand, membandingkan, lalu user membeli lewat marketplace.
Analytics website tidak melihat hubungan.
Jadi kalau brand menunggu referral besar, dia mungkin terlambat memahami decision layer.
Pada 2026, Google mulai mengakui problem measurement ini secara eksplisit. Pada Mei, Google mengumumkan AI performance insights di Merchant Center yang membantu retailer melihat bagaimana brand tampil di AI surfaces, termasuk share of voice dibanding brand sejenis dan insight sepanjang shopping funnel.
Tool itu rollout bertahap di beberapa negara.
Belum berarti tersedia sama di semua market.
Tapi arah measurement-nya jelas.
AI shopping visibility menjadi metric sendiri.
Bukan cuma click.
Apa yang perlu diukur brand?
Pertama: presence.
Untuk query yang relevant, brand muncul atau tidak?
Simple.
Jangan hanya pakai brand query.
Kalau user sudah mengetik nama brand, itu awareness.
Yang menarik adalah non-brand need.
“Laptop untuk consultant yang sering travel.”
“Sunscreen buat kulit sensitif.”
“Standing desk apartemen kecil.”
“Running shoes kaki lebar.”
Apakah produk masuk?
Presence memberi baseline.
Kedua: recommendation context.
Brand muncul sebagai apa?
Top recommendation?
Budget alternative?
Premium alternative?
Not recommended?
Mention incidental?
Ini jauh lebih penting daripada count mention.
Misalnya brand muncul 80 persen query, tapi selalu sebagai “lebih mahal dan kurang value”.
Visibility tinggi.
Outcome belum tentu bagus.
AI share of voice perlu qualitative layer.
Ketiga: competitor set.
Siapa selalu muncul bareng?
Competitor nyata di rak retail belum tentu sama dengan competitor di AI.
AI bisa mempertemukan brand lintas kategori atau price segment berdasarkan use case.
Misalnya brand sepatu casual tiba-tiba dibandingkan dengan running brand untuk query travel walking.
Ini insight positioning.
AI menunjukkan siapa yang dianggap substitute oleh machine dan user intent.
Product team perlu tahu.
Keempat: factual accuracy.
Apakah AI menyebut spec benar?
Harga?
Warranty?
Availability?
Compatibility?
Store location?
Kalau salah, cari source.
Visibility salah bisa lebih buruk daripada tidak muncul.
User mengambil keputusan dari informasi itu.
Brand perlu correction workflow.
Official page.
Feed.
Marketplace.
Documentation.
Structured data.
Jangan hanya screenshot error lalu complain ke platform.
Perbaiki underlying web evidence.
Kelima: source footprint.
AI recommendation datang dari mana?
Official site?
Retailer?
Publisher?
Forum?
Review site?
Platform tidak selalu menunjukkan source sama untuk setiap experience.
Tapi kalau source terlihat, catat.
Brand bisa menemukan information gap.
Misalnya AI selalu mengandalkan marketplace karena official site tipis.
Berarti canonical product info lemah.
Atau selalu mengandalkan review site karena brand tidak punya comparison.
Opportunity.
Keenam: query coverage.
Jangan membuat 500 random prompt.
Cluster.
Use case.
Price.
Problem.
Persona.
Comparison.
Feature.
Location jika relevan.
Lifecycle.
Setiap cluster punya sample.
Misalnya 10 prompt per cluster.
Repeat periodik.
Tujuan bukan mendapatkan angka scientifically perfect.
Tujuan melihat pattern.
Apakah brand invisible di “budget”?
Strong di “premium”?
Tidak muncul di “small apartment”?
Sering kalah di “warranty”?
Actionable.
Ketujuh: volatility.
Model dan web berubah.
Jangan panik dari satu answer.
Run repeated tests.
Different phrasing.
Maybe location.
Logged in versus logged out jika methodology memang mengizinkan.
Document date.
AI output non-deterministic.
Measurement harus menerima variance.
Trend lebih penting daripada screenshot tunggal.
Eighth: referral quality.
Saat traffic mulai muncul, connect visibility dengan analytics.
Session.
Conversion.
Revenue per visit.
Landing page.
Return.
Adobe pada Maret 2026 melihat AI-referred retail traffic convert 42 persen lebih baik daripada non-AI traffic dalam dataset mereka.
Ini menunjukkan volume kecil bisa punya economic weight.
Brand perlu melihat value per visit.
Bukan hanya share.
Ninth: assisted influence.
Post-purchase survey.
“Apakah AI assistant membantu Anda memilih?”
Bisa ChatGPT, Gemini, Perplexity, atau lain.
Jangan buat survey panjang.
One question optional.
Data ini menangkap dark influence yang analytics tidak bisa.
Jika 8 persen buyer bilang AI membantu tetapi referral hanya 1 persen, gap-nya penting.
Tenth: product eligibility.
Berapa produk punya data lengkap?
Price.
Stock.
GTIN.
Review.
Warranty.
Return.
Attribute.
Google pada April 2026 menegaskan Merchant Center feed yang berantakan atau tidak lengkap membuat produk lebih sulit ditemukan di AI-driven shopping.
Visibility audit tidak boleh hanya output.
Input health juga.
Kalau 40 persen katalog missing dimension, jangan berharap AI magical.
Brand perlu readiness score.
Ini bisa sederhana.
100 top SKU.
Attribute completeness.
Structured data.
Availability freshness.
Review count.
Official page.
Policy.
Identifier.
Track improvement.
Ada juga issue geographic localization.
Brand Indonesia bisa muncul berbeda jika query dilakukan dari Indonesia versus US.
Availability dan retailer source berubah.
Pengukuran harus sesuai target market.
Jangan menjalankan audit dari environment yang tidak mewakili customer lalu membuat keputusan besar.
Language juga.
Bahasa Indonesia.
English.
Jaksel mix.
User tidak selalu query formal.
Google Gemini sudah mendukung shopping berbahasa Indonesia sejak Maret 2026.
Prompt lokal penting.
“Yang worth it buat ngegym.”
“Enak dipakai panas Jakarta.”
Natural language.
Visibility test harus mendekati manusia nyata.
Ada satu mistake: mengejar share of voice tanpa business relevance.
Brand sepatu formal tidak perlu muncul di query hiking.
Semakin banyak mention bukan goal.
Right mention.
Right context.
Right customer.
AI optimization yang sehat bukan spam entity ke semua category.
Fokus fit.
Kalau product tidak cocok, tidak muncul adalah hasil yang benar.
Measure only intent you want to own.
Ada juga organizational ownership.
Siapa mengukur?
SEO?
E-commerce?
Brand?
Performance?
PR?
AI visibility menyentuh semua.
Official content oleh web team.
Feed oleh e-commerce.
Review oleh CX.
Publisher source oleh PR.
Measurement mungkin marketing analytics.
Need one owner atau cross-functional cadence.
Kalau tidak, insight tidak berubah menjadi fix.
Bisa buat monthly AI commerce review.
Tidak perlu besar.
Top queries.
Visibility.
Fact errors.
Competitor changes.
Referral.
Action items.
30 menit.
Ini jauh lebih useful daripada deck 80 halaman.
Brand juga harus menetapkan baseline sekarang.
Kalau baru mulai mengukur ketika AI traffic sudah 10 persen, kita tidak tahu growth berasal dari mana.
Baseline Agustus 2026.
Presence sekian.
Referral sekian.
Conversion sekian.
Product completeness sekian.
Tiga bulan kemudian compare.
Ini membantu melihat effect dari improvement.
Jangan mengklaim causality terlalu cepat.
Tapi trend bisa dibaca.
Ada juga cost.
Manual prompt checking 1000 query mahal.
Automation mungkin membantu.
Tapi bot evaluation punya limits.
Personalization dan geography.
Platform policy.
Dynamic answer.
Start small.
High-value query.
Human review.
Kemudian scale.
Quality of measurement lebih penting daripada massive scrape.
Google AI performance insights menandakan platform sendiri akan memberi tools.
OpenAI merchant ecosystem juga makin structured lewat ACP.
Ke depan, merchant mungkin punya lebih banyak reporting langsung.
Sambil menunggu, brand tidak harus buta.
AI shopping visibility adalah leading indicator.
Traffic adalah lagging indicator.
Kalau brand mulai sering direkomendasikan untuk high-intent query, referral atau branded demand bisa menyusul.
Kalau visibility turun, traffic mungkin baru terasa belakangan.
Itulah alasan mengukur lebih awal.
Bukan karena AI sudah menguasai seluruh e-commerce.
Belum.
Justru karena behavior masih terbentuk.
Brand punya waktu belajar murah.
Sebelum channel jadi crowded.
Sebelum dashboard penuh.
Sebelum semua competitor punya team.
Visibility kecil hari ini bisa menjadi distribution advantage besok.
Yang penting jangan cuma menghitung apakah nama disebut.
Ukur apakah brand dipahami dengan benar.
Karena di AI shopping, recommendation bukan kompetisi siapa paling sering muncul.
Kompetisinya siapa paling sering masuk akal untuk dipilih.
Satu hal yang perlu dicatat adalah methodology. Simpan prompt, tanggal, platform, market, language, dan output ringkas. Tanpa methodology, bulan depan team tidak tahu apakah perubahan datang dari model atau cara test.
Simple spreadsheet cukup di awal. Measurement discipline lebih penting daripada tool mahal.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Ukurlah sebelum besar supaya nanti tahu apa yang sebenarnya tumbuh.
Bacaan terkait
Artikel ini berada dalam E-commerce & AI Shopping dan mengikuti metodologi editorial Undercover.id. Format terkait tersedia di Explainer teknologi dan kebijakan digital.