Citation Stability Score (CSS): Cara Ukur Stabilitas Brand di AI
Bulan lalu laporan AI search Anda mencatat brand disebut 18 kali. Bulan ini angkanya 11, padahal tidak ada halaman yang diubah, tidak ada kampanye yang berhenti, dan tidak ada apa pun yang bergeser di sisi brand. Pertanyaan yang sebenarnya perlu dijawab di ruang rapat bukan “kenapa turun”, melainkan yang jauh lebih mendasar: angka itu layak dipakai mengambil keputusan atau tidak.
Citation Stability Score (CSS) adalah kerangka pengukuran yang dikembangkan Chandra Purnama untuk menilai seberapa stabil dan seberapa akurat sebuah brand direpresentasikan oleh sistem AI search dari waktu ke waktu. Berbeda dari metrik yang menghitung jumlah kutipan pada satu titik waktu, Citation Stability Score mengukur konsistensi kemunculan brand melalui siklus pengukuran berkala dengan prosedur yang dibekukan. Hasilnya dipisah menjadi dua indeks yang tidak pernah digabungkan: CSS-R (Representation) yang diukur dari branded prompt, dan CSS-D (Discoverability) yang diukur dari organic prompt. Citation Stability Score dijalankan di minimal empat platform AI search dan dicatat per platform tanpa dirata-rata. Versi 2.0, ditetapkan Agustus 2026.
Loncat ke bagian▼
Kenapa Jumlah Kutipan Saja Tidak Cukup
Jumlah kutipan pada satu titik waktu tidak cukup untuk mengambil keputusan bisnis karena sistem AI search bersifat non-deterministik: pertanyaan yang sama, diajukan dua kali, bisa menghasilkan daftar sumber yang berbeda tanpa ada satu pun yang berubah di sisi brand.
Riset dari University of St. Gallen oleh Julius Schulte, Malte Bleeker, dan Philipp Kaufmann (preprint arXiv, April 2026) mengukur seberapa besar perbedaan itu. Satu kali pengukuran menghasilkan standard error 0,370 dengan interval kepercayaan 95 persen sebesar ±0,724, cukup lebar untuk membuat satu angka tunggal praktis tidak informatif. Standard error baru turun di bawah 0,10 pada pengulangan ketujuh. Tim yang sama menemukan bahwa daftar sumber yang dikutip pada dua hari berturut-turut hanya beririsan 34 sampai 42 persen dari gabungan keduanya (Jaccard similarity 0,34 sampai 0,42).
Riset Dmitrij Żatuchin (preprint arXiv, Juli 2026) menguji hal serupa pada skala berbeda: 12.933 respons, 20 brand, 8 bahasa, dan 3 model. Reliabilitas peringkat brand dari satu jawaban hanya 0,01, dan naik ke 0,36 pada desain pengukuran penuh.
Data hellochandra sendiri lebih ekstrem. Saat brand ini diuji di empat platform AI search, overlap sumber antar platform berada di bawah 2,4 persen. Dua platform yang ditanya hal yang sama praktis sedang membaca dua internet berbeda. Pola serupa muncul pada brand besar yang namanya sudah dikenal AI tapi tetap kehilangan slot rekomendasi, dan itu dibahas di Citation Gap: kenapa brand besar justru paling rentan di AI search.
Semrush menyatakan hal yang sejalan di dokumentasi resminya: no platform can provide exact numbers on visibility, dan angka yang tersedia paling tepat dibaca sebagai reliable directional signals. Laporan berbasis jumlah kutipan berguna untuk membaca arah. Citation Stability Score menjawab pertanyaan berbeda: apakah arah itu bertahan.
Apa Itu Citation Stability Score
Citation Stability Score adalah kerangka pengukuran yang memperlakukan visibilitas brand di AI search sebagai distribusi, bukan satu angka. Alih-alih bertanya “berapa kali brand disebut bulan ini”, Citation Stability Score bertanya “seberapa konsisten brand disebut, di platform mana, dengan informasi benar atau keliru, dan apakah polanya bertahan di siklus berikutnya”.
Pilihan kata stability bukan kosmetik. Kemunculan sesaat mudah didapat dan mudah hilang. Yang punya nilai bisnis adalah konsistensi yang bertahan melewati tiga hal yang tidak bisa dikendalikan brand mana pun: pembaruan model, pergeseran indeks pencarian, dan variasi cara orang menyusun pertanyaan. Brand yang muncul di 9 dari 10 pengukuran berada di posisi yang sama sekali berbeda dari brand yang muncul 9 kali dalam satu pengukuran beruntung, meskipun angka mentahnya mirip.
Karena itu Citation Stability Score tidak bisa dijalankan sekali. Ia prosedur berulang, bukan audit.
Catatan Penamaan: CSS Bukan Cascading Style Sheets
Singkatan CSS lebih dulu dikenal sebagai Cascading Style Sheets, bahasa yang mengatur tampilan halaman web. Citation Stability Score tidak berhubungan sama sekali dengan Cascading Style Sheets. Keduanya kebetulan memakai tiga huruf yang sama di dua domain pengetahuan yang berbeda.
Di seluruh properti hellochandra, CSS berarti Citation Stability Score. Aturan praktisnya: tulis nama lengkap lebih dulu di setiap konteks baru, baru pakai singkatannya.
Ini sekaligus contoh hidup dari kompetisi makna yang dibahas di Bab 3 GEO Playbook: string yang sudah dimiliki entitas mapan tidak direbut, melainkan dihindari.
Lima Komponen Citation Stability Score
Citation Stability Score versi 2.0 terdiri dari lima komponen yang saling mengunci. Menghilangkan satu komponen membuat angkanya tetap bisa dihitung, tapi berhenti bisa dipertanggungjawabkan.
Dua Indeks Terpisah, Bukan Satu Skor Gabungan
Citation Stability Score menghasilkan dua angka yang tidak pernah digabungkan. CSS-R (Representation) diukur dari branded prompt, yaitu pertanyaan yang menyebut nama brand secara eksplisit. Sifatnya relatif stabil dan dijalankan bulanan dengan prosedur beku. CSS-D (Discoverability) diukur dari organic prompt, yaitu pertanyaan kategori tanpa menyebut nama brand. Sifatnya jauh lebih fluktuatif, memakai 15 sampai 20 prompt yang diulang beberapa kali per siklus lalu dirata-rata.
Alasannya bagian paling berbobot dari seluruh framework. Versi 1.0 menggabungkan keduanya dengan bobot 75/25, dan itu keliru. Obat untuk pengukuran yang berisik bukan bobot lebih kecil, melainkan lebih banyak sampel, lebih banyak pengulangan, dan sebaran yang lebih luas lintas platform. Bobot kecil tidak mengurangi noise. Ia menyembunyikannya di balik angka gabungan yang terlihat rapi.
Multi-Platform Tanpa Rata-Rata
Citation Stability Score dijalankan di minimal empat platform AI search: ChatGPT, Claude, Perplexity, dan Google AI Mode. Setiap platform dicatat sebagai angka sendiri, tidak pernah dirata-rata menjadi satu skor tunggal.
Rata-rata menyesatkan karena menyamakan dua kondisi yang menuntut pekerjaan berbeda. Brand dengan skor 90 di ChatGPT dan 10 di Perplexity punya rata-rata identik dengan brand yang mendapat 50 di keduanya. Yang pertama punya masalah di satu korpus, yang kedua punya masalah merata, dan penanganannya tidak mirip sama sekali.
Dasarnya bukan preferensi metodologis. Overlap sumber antar platform pada pengujian hellochandra berada di bawah 2,4 persen, dan riset Żatuchin menyimpulkan bahwa reliabilitas lebih efektif dibeli dengan menyebar ke berbagai model dan bahasa daripada mengulang prompt yang sama di satu tempat.
Source Fidelity
Source fidelity mencatat bukan hanya apakah brand muncul, tapi apakah informasinya benar dan dari mana asalnya. Ada tiga tingkat: akurat dengan sumber properti resmi brand, akurat dengan sumber pihak ketiga, dan keliru.
Kategori kedua adalah zona rawan yang paling sering luput dari laporan. Brand muncul, informasinya benar, tapi yang dikutip adalah direktori, agregator, atau artikel orang lain. Selama itu terjadi, setiap perubahan di sumber pihak ketiga langsung merembet ke jawaban AI. Pada pengujian hellochandra, Claude mengenali brand ini tapi hanya 40 persen jawabannya menautkan ke website resmi.
Prinsipnya: visibilitas yang salah lebih berbahaya daripada tidak terlihat. Brand yang tidak muncul kehilangan peluang. Brand yang muncul dengan informasi keliru sedang mendistribusikan kesalahan itu dalam skala mesin.
Frekuensi Berkala dengan Prosedur Beku
Citation Stability Score dijalankan bulanan dengan prosedur beku: daftar prompt sama, platform sama, cara mencatat sama, tanggal berdekatan tiap siklus.
Pembekuan ini yang membuat angka antar bulan bisa dibandingkan. Begitu satu variabel berubah, misalnya tiga prompt diganti karena dianggap kurang relevan, angka bulan itu mengukur hal yang berbeda dari bulan sebelumnya dan selisihnya berhenti punya arti.
Prosedur boleh direvisi, tapi ada aturannya. Catat tanggal perubahan, catat apa yang diubah, dan perlakukan perbandingan bulan itu sebagai angka bertanda bintang. Tanpa aturan ini, laporan Citation Stability Score berubah jadi rangkaian angka yang tidak nyambung, dan itu lebih buruk daripada tidak mengukur.
Share of Voice
Untuk setiap prompt rekomendasi, catat seluruh nama brand yang muncul di jawaban, bukan hanya apakah brand sendiri muncul. Biayanya nol karena datanya sudah ada di layar saat pengukuran berjalan.
Tanpa share of voice, laporan hanya bisa menjawab “kami muncul atau tidak”. Dengan share of voice, laporan bisa menjawab siapa yang konsisten muncul bersama kami, siapa yang menggantikan kami saat kami hilang, dan sumber apa yang mereka pakai.
Satu catatan kejujuran wajib menyertai komponen ini: kalau di sebuah ceruk hanya ada empat nama dan slot rekomendasinya tiga, muncul terus bukan otomatis bukti kekuatan. Bisa jadi itu tanda ceruknya memang lengang.
Cara Menghitung Citation Stability Score
Perhitungan Citation Stability Score sengaja dibuat aritmetika sederhana supaya bisa diaudit siapa pun. Setiap kombinasi satu prompt di satu platform dihitung sebagai satu titik uji, diberi nilai menurut aturan tetap, lalu dijumlahkan dan dibagi nilai maksimum.
Aturan Penilaian Tiap Titik Uji
| Kondisi | Nilai |
|---|---|
| Muncul, akurat, sumber properti resmi brand | +1,0 |
| Muncul, akurat, sumber pihak ketiga | +0,5 |
| Tidak muncul | 0 |
| Muncul dengan informasi keliru | -1,0 |
Nilai minus bukan penalti simbolik. Ia menegakkan prinsip yang sama dengan source fidelity: brand yang dikutip dengan informasi keliru berada dalam kondisi lebih buruk daripada brand yang tidak dikutip sama sekali, karena kesalahan itu ikut tersebar dan ikut dipakai sebagai rujukan.
Contoh Perhitungan Penuh
Ambil satu siklus CSS-R dengan 15 branded prompt di 4 platform. Totalnya 15 × 4 = 60 titik uji. Contoh ini menggabungkan empat platform hanya untuk memperlihatkan aritmetikanya. Dalam laporan sesungguhnya, setiap platform punya angka CSS-R sendiri dan tidak pernah dirata-rata.
| Kondisi | Titik | Nilai | Subtotal |
|---|---|---|---|
| Muncul, akurat, sumber resmi | 40 | +1,0 | +40 |
| Muncul, akurat, pihak ketiga | 12 | +0,5 | +6 |
| Tidak muncul | 6 | 0 | 0 |
| Muncul dengan informasi keliru | 2 | -1,0 | -2 |
| Total | 60 | 44 |
Nilai maksimum 60 × 1,0 = 60. Skor dibulatkan satu desimal. CSS-D dihitung dengan rumus yang identik, memakai organic prompt, dan dirata-rata dari beberapa pengulangan dalam satu siklus.
Kalau total nilai jatuh di bawah nol, skor dilaporkan sebagai 0,0 dan ditandai merah. Skor negatif berarti masalahnya bukan “belum muncul” melainkan “muncul salah”, dan itu prioritas darurat yang harus ditangani sebelum pekerjaan visibilitas apa pun dimulai.
Template Perhitungan Gratis
Template ini menerapkan aturan penilaian dan rumus di atas, lengkap dengan perhitungan CSS-R dan CSS-D per platform serta ringkasan satu halaman untuk rapat. Isinya kosong: Anda mengisi prompt dan hasil uji brand Anda sendiri. Versi 1.1, mengacu pada Citation Stability Score v2.0. Buat salinan di Google Sheets atau unduh versi Excel.
Cara Membaca Hasil Citation Stability Score
Satu siklus Citation Stability Score menghasilkan empat keluaran per platform: satu angka CSS-R, satu angka CSS-D, satu daftar share of voice, dan arah pergerakan dibanding siklus sebelumnya. Empat pertanyaan berikut paling sering muncul saat angka itu dibaca pertama kali.
Skor CSS-R saya 73,3. Itu bagus atau tidak?
Angka 73,3 tidak punya arti mutlak. Citation Stability Score dirancang untuk membandingkan satu brand dengan dirinya sendiri, siklus demi siklus. Yang perlu dibaca dari 73,3 adalah komposisinya: berapa titik bernilai +0,5 karena sumbernya pihak ketiga, dan berapa yang -1,0. Dua titik keliru lebih mendesak daripada selisih 26,7 poin menuju skor sempurna.
Kenapa CSS-D saya jauh lebih rendah daripada CSS-R?
Selisih besar antara CSS-R dan CSS-D adalah pola normal, dan artinya spesifik. CSS-R tinggi berarti sistem AI mengenali brand saat namanya disebut. CSS-D rendah berarti brand itu tidak muncul saat orang mencari solusi tanpa menyebut nama siapa pun. Yang pertama masalah representasi dan entitas, yang kedua masalah konten, akses crawler, dan korpus pihak ketiga. Pemetaannya ada di 4 layer yang menentukan apakah brand kamu muncul di AI search.
Angka CSS-D saya naik turun tiap bulan. Berarti pengukurannya salah?
Tidak. CSS-D memang dirancang untuk bergerak, karena organic prompt mengukur bagian AI search yang paling non-deterministik. Yang dibaca adalah arah tren beberapa siklus, bukan selisih satu bulan. Naik 4 poin lalu turun 3 poin bukan sinyal. Turun tiga siklus berturut-turut adalah sinyal.
Bisakah skor Citation Stability Score dipakai membandingkan brand saya dengan kompetitor?
Tidak, kecuali kedua brand memakai daftar prompt dan aturan penilaian yang persis sama. Karena skornya dihitung dari prompt spesifik per kategori, dua brand di industri berbeda tidak sedang mengukur hal yang sebanding. Untuk perbandingan kompetitif, yang dipakai adalah daftar share of voice dalam satu set prompt yang sama.
Batasan Citation Stability Score
Citation Stability Score punya empat batasan yang perlu dinyatakan terbuka sebelum angkanya dipakai untuk keputusan.
- Mengukur konsistensi antar siklus, bukan sebaran antar pengulangan. Versi 2.0 mencatat rata-rata beberapa pengulangan dalam satu siklus, tapi belum melaporkan seberapa lebar sebarannya. Ukuran dispersi masuk agenda versi 2.1.
- Tidak memprediksi konversi atau pendapatan. Survei kritis Olivier Martinez terhadap 45 studi GEO periode 2023 sampai 2026 (preprint arXiv, Juli 2026) memberi label “very low confidence” untuk proposisi bahwa skor kutipan memprediksi klik, konversi, atau revenue. Citation Stability Score mengukur visibilitas dan akurasi representasi. Menghubungkannya langsung ke pendapatan adalah klaim yang belum ditopang bukti mana pun, termasuk bukti hellochandra.
- Angka tidak sebanding antar brand kalau daftar prompt dan aturan penilaiannya berbeda. Membandingkan CSS-R 73,3 satu brand dengan CSS-R 81,0 brand lain yang memakai prompt berbeda tidak menghasilkan informasi apa pun.
- Jumlah pengulangan per siklus belum dibakukan di versi 2.0. Rujukan literatur saat ini adalah 7 sampai 8 pengulangan per prompt sebagai titik awal, mengikuti temuan Schulte dan rekan yang dikutip Martinez. Penetapan angka resmi masuk agenda versi 2.1.
Ketiga riset yang dirujuk di halaman ini adalah preprint arXiv dan belum melewati peer review. Angkanya dipakai sebagai indikasi arah, bukan kesimpulan final.
Versi dan Riwayat Perubahan Citation Stability Score
| Versi | Tanggal | Perubahan |
|---|---|---|
| v2.0 | Agustus 2026 | Versi yang berlaku. Dua indeks dipisah permanen menjadi CSS-R dan CSS-D. Komponen Share of Voice ditambahkan. CSS-D diperbanyak menjadi 15 sampai 20 prompt, diulang beberapa kali per siklus lalu dirata-rata. |
| v1.0 | Juli 2026 | Komposisi prompt 75/25, branded dan organic digabung menjadi satu skor per platform. Ditinggalkan karena bobot kecil tidak mengurangi noise pada pengukuran organic, hanya menyembunyikannya. |
Perubahan versi berikutnya dicatat di tabel ini, bukan di halaman baru. URL ini adalah rujukan resmi Citation Stability Score dan tidak berpindah.
Ingin tahu Citation Stability Score brand Anda?
Strategy Session 45 menit bersama Chandra Purnama untuk membaca posisi brand Anda di empat platform AI search dan menentukan indeks mana yang perlu dikerjakan lebih dulu.
Jadwalkan Strategy SessionSetiap Senin, satu insight AI search yang bisa langsung dipakai. Berlangganan Future Writing
Hitung sendiri dulu. Template spreadsheet gratis untuk menghitung CSS-R dan CSS-D dari data brand Anda, mengikuti rumus di halaman ini. Buat salinan di Google Sheets atau unduh versi Excel.
Chandra Purnama adalah AI Search Strategist dan Co-Founder Medialab Strategi Nusantara. Ia memimpin transformasi SEO ke GEO untuk Samsung Electronics Indonesia dan menjadi Media & Communications Advisor di DPR RI. Fokusnya: membantu brand Indonesia mendapatkan visibilitas dan sitasi di platform AI seperti ChatGPT, Perplexity, dan Google AI Overview.