TL;DR: Dalam rentang kurang dari tiga minggu, tiga sinyal independen dari luar Indonesia menunjukkan wacana AI search global sudah bergerak tiga langkah di depan pertanyaan paling umum di sini, dari sekadar apakah brand muncul di AI search menuju kesiapan struktural, pembeda disebut versus direkomendasikan, dan akhirnya dampak bisnis yang harus diukur dengan sebaran, bukan angka tunggal, sehingga brand yang melompat langsung ke pertanyaan ROI tanpa melewati tahap tengah sebenarnya sedang menebak, bukan mengukur.
HELLOCHANDRA – Anda mungkin merasa sudah menjawab tantangan AI search. Tim Anda sesekali cek ChatGPT, menemukan nama brand disebut sekali dua kali, lalu menganggap itu bukti cukup bahwa brand sudah “ada” di radar AI. Pertanyaan “apakah brand saya muncul di AI search” sudah lama jadi tolok ukur utama percakapan GEO di Indonesia.
Masalahnya, dalam tiga minggu terakhir, tiga hal terjadi di luar Indonesia yang menunjukkan pertanyaan itu sudah tertinggal satu, dua, bahkan tiga langkah dari perbincangan global. Brand yang masih puas berhenti di “apakah muncul” berisiko menyusun anggaran dan strategi di atas sinyal yang, ternyata, sudah dianggap terlalu dasar oleh brand dan praktisi yang lebih dulu bergerak.
Seorang konsultan SEO top global memperbarui kerangka pengukurannya, riset akademik mengajukan instrumen baru untuk membedah “direkomendasikan” dari sekadar “disebut”, dan angka ROI vendor global justru saling bertabrakan tanpa ada yang sepakat. Ketiganya, dibaca bersama, adalah peta jalan ke arah mana wacana ini bergerak, dan tulisan ini memetakan persis di titik mana brand Anda sendiri berada di jalan itu.
Tiga Hal yang Terjadi Berurutan Tanpa Saling Koordinasi
Pada 22 Agustus 2026, hellochandra mempublikasikan Dual Funnel Strategy, kerangka yang memisahkan visibilitas brand di AI search menjadi dua tahap terpisah, Citation dan Recommendation. Empat hari kemudian, 26 Agustus 2026, Aleyda Solis, salah satu suara SEO paling dirujuk secara global, memperbarui dan memperluas signifikan kerangka pengukurannya sendiri, 3 Layer Framework, yang membedakan Presence, Readiness, dan Business Impact sebagai tiga lapis pengukuran yang harus dibaca terpisah. Dua minggu setelah itu, 10 September 2026, Spandan Ghose Chowdhury mempublikasikan paper Agentic Share of Search di arXiv, mengusulkan sistem multi agent untuk mengukur brand mana yang benar benar direkomendasikan AI, bukan cuma disebut.
Tidak ada satu pun dari ketiganya yang saling mengutip atau berkoordinasi. Namun ketiganya menunjuk arah yang sama, dari eksistensi menuju kesiapan menuju pembeda disebut versus direkomendasikan.
Sinyal 1: Praktisi Top Bilang Jangan Buru Buru Bicara Dampak Bisnis
Aleyda Solis bukan nama baru di SEO. Ia konsultan SEO internasional, penulis, pembicara, dan salah satu suara yang paling banyak dirujuk komunitas SEO global lewat newsletter SEOFOMO yang diikuti puluhan ribu praktisi. Pada 26 Agustus 2026, ia memperbarui dan memperluas signifikan artikelnya, A 3 Layer Framework to Measure AI Search Presence, Readiness and Business Impact, yang aslinya lebih dulu ia terbitkan pada April 2026.
Argumen intinya sederhana tapi sering diabaikan. Readiness bukan hal yang sama dengan visibility, brand bisa punya struktur konten yang kuat tapi tetap tidak muncul di jawaban AI. Visibility bukan hal yang sama dengan impact, brand bisa muncul berkali kali di jawaban AI tapi kemunculan itu tidak pernah berubah jadi transaksi yang terukur. Framework Aleyda Solis memisahkan tiga lapis ini secara eksplisit, Presence untuk mengukur apakah dan bagaimana brand muncul, Readiness untuk mendiagnosis kondisi struktural di baliknya, dan Business Impact untuk menghubungkan visibilitas ke nilai komersial tanpa mengklaim atribusi berlebihan.
Yang membuat framework ini berat untuk brand kebanyakan, setup penuhnya dirancang untuk enterprise dengan tim analytics sendiri. Business Impact-nya butuh custom channel di GA4, prompt library yang bisa mencapai 50 sampai lebih dari 250 prompt tergantung kompleksitas brand, survei discovery di alur signup, dan empat lapis kepercayaan data yang harus dilaporkan terpisah, observed, proxy dari data sendiri, proxy dari pihak ketiga, dan modelled. Ini bukan kerangka yang bisa dipasang brand kecil dalam satu sore.
Diterjemahkan ke Bahasa yang Sudah Kita Pakai:
Kalau dipetakan ke aset yang sudah dipakai hellochandra, Presence-nya Aleyda Solis kurang lebih setara fungsi dengan Citation Stability Score, sama sama mengukur apakah dan seberapa stabil brand muncul di jawaban AI dari waktu ke waktu. Readiness-nya setara fungsi dengan pembeda Citation versus Recommendation di Dual Funnel Strategy, sama sama mendiagnosis kenapa visibilitas lemah, kuat, atau tidak stabil.
Ini bukan pemetaan satu satu yang sempurna, dan perlu dikatakan jujur, versi hellochandra jauh lebih ringan karena memang dirancang untuk brand yang levelnya belum sampai butuh apparatus seberat versi Aleyda Solis, brand Indonesia kebanyakan belum punya tim analytics khusus AI search, apalagi prompt library ratusan item. Yang ditunjukkan pemetaan ini bukan orisinalitas, tapi bahwa hellochandra mengikuti diskursus global secara aktif, membangun kerangka yang searah dengan pemikiran terbaru, hanya diringankan bebannya untuk konteks pasar yang levelnya masih lebih awal.
Sinyal 2: Riset Akademik Mulai Mengukur “Direkomendasikan”, Bukan Cuma “Disebut”
Pada 10 September 2026, Spandan Ghose Chowdhury mempublikasikan paper di arXiv berjudul Agentic Share of Search, A Multi Agent AI System for Competitive Decision Making in LLM Mediated E Commerce. Paper ini mengusulkan Agentic Share of Search atau ASoS, sistem multi agent yang mengukur competitive visibility brand di AI shopping assistant dan mendiagnosis penyebab perubahan visibility itu lewat agen diagnostik berbasis ReAct.
Yang penting secara konsep bukan detail teknis sistemnya, tapi arah risetnya. Dunia akademik mulai membangun instrumen formal untuk membedakan brand yang ada dari brand yang dipilih, persis pembeda yang sudah lama dipakai hellochandra lewat Dual Funnel Strategy, hanya lewat jalur akademik dan cakupan yang berbeda.
Yang Perlu Diluruskan dari Paper Ini:
Paper ini perlu dibaca dengan proporsi yang tepat. Ini preprint arXiv, ditulis satu penulis, diterima presentasi di Decision Science Institute Annual Conference 2026 tapi belum melalui peer review jurnal. Cakupannya juga spesifik, khusus AI shopping assistant di ranah ecommerce, bukan AI search secara umum. Validasinya baru tahap feasibility study berskala kecil, ablation study 100 trial, dengan hasil sistem berhasil memulihkan sinyal yang dihilangkan pada 39 persen percobaan, interval kepercayaan 95 persen antara 30,0 sampai 48,8 persen, 5,5 kali lebih baik dari tebakan acak, naik ke 63,9 persen untuk kasus yang berkorelasi tinggi. Ini bukti arah riset yang menjanjikan, bukan bukti bahwa metriknya sudah siap dipakai industri secara luas.
Satu poin yang layak dicatat, bukan sebagai klaim originasi konsep karena pembeda disebut versus direkomendasikan sudah lama ada di banyak tempat, tapi sebagai bukti yang bisa diverifikasi siapa pun, Dual Funnel Strategy hellochandra sudah memisahkan Citation dari Recommendation sejak 22 Agustus 2026, tiga minggu sebelum paper ini terbit. Bukan mendahului secara akademik, tapi searah dengan arah riset terbaru, bukan mengekor.
Sinyal 3: Angka ROI yang Beredar Tidak Ada yang Sepakat
Sementara dua sinyal di atas bicara soal kesiapan dan pembeda, sinyal ketiga justru menunjukkan kekacauan di lapis paling akhir, dampak bisnis. Angka ROI AI search yang beredar dari berbagai sumber global saling bertabrakan cukup jauh.
| Sumber | Klaim Konversi AI Search Dibanding Organik |
|---|---|
| Semrush | 4,4 kali lipat |
| Seer Interactive | Sekitar 9 kali (15,9 persen berbanding 1,76 persen) |
| Adobe / Synscribe | 6 sampai 7 persen berbanding 3 sampai 4 persen |
| Sebuah agency Tanpa metodologi terbuka | 23 kali lipat |
Tiga baris pertama datang dari studi dengan metodologi yang bisa ditelusuri, meski beda periode dan sampel sehingga wajar angkanya beda. Baris terakhir berbeda kelas, klaim 23 kali lipat itu beredar luas tanpa satu pun keterangan metodologi terbuka, dan patut dicurigai, bukan dikutip setara dengan tiga angka di atasnya.
Bukan berarti ROI AI search tidak ada. Tapi angka tunggal tanpa ukuran sebaran bukan sesuatu yang bisa langsung dipercaya, apalagi kalau sumbernya menjual produk yang diukur angka itu sendiri. Ini prinsip yang sama dengan yang dibangun Citation Stability Score sejak awal, satu angka tanpa interval kepercayaan adalah angka yang belum bisa dibaca, dan buktinya sekarang bukan cuma datang dari akademisi, tapi dari kekacauan angka vendor sendiri. Kenapa Jumlah Kutipan Tidak Cukup untuk Mengukur Visibilitas Brand di AI Search membahas prinsip ini lebih dalam.
Kalau Digabung, Ini Peta Jalannya
Dibaca satu satu, ketiga sinyal ini bisa terasa seperti tiga berita lepas dari dunia SEO global. Dibaca bersama, urutannya jelas dan tidak boleh dilompati.
Tahap pertama, eksistensi terukur, apakah brand muncul sama sekali di jawaban AI. Tahap kedua, kesiapan struktural, apakah fondasi kontennya cukup kuat untuk visibilitas yang lebih baik, ini yang dibahas Readiness-nya Aleyda Solis dan Citation Stability Score. Tahap ketiga, pembeda disebut versus direkomendasikan, di titik mana funnel-nya bocor, ini yang coba diukur ASoS dan sudah lebih dulu dipisahkan Dual Funnel Strategy. Baru setelah tiga tahap itu terlewati, tahap keempat, dampak bisnis atau ROI, dan itu pun harus dilaporkan dengan ukuran sebaran, bukan angka tunggal.
Brand yang meloncat ke tahap terakhir tanpa melewati tiga tahap sebelumnya bukan sedang optimasi. Itu menebak.
Di Mana Posisi Brand Indonesia Hari Ini
Berdasarkan pemetaan konten GEO dan AEO berbahasa Indonesia yang beredar, wacana lokal rata rata masih berhenti di tahap paling awal, apa itu GEO, cara audit dasar, target 60 sampai 90 hari untuk mulai dikutip AI. Kesiapan struktural apalagi dampak bisnis, jarang dibahas.
Ini bukan kekurangan, ini konteks. Pasar Indonesia early adopter untuk topik ini, dan itu berarti ada jendela waktu untuk brand yang mau mempersiapkan diri sebelum kompetitornya mulai bertanya di tahap yang lebih maju. Pertanyaannya bukan lagi sekadar apakah brand Anda muncul di AI search, tapi di tahap mana dari empat tahap di atas brand Anda sebenarnya berada, dan siapa yang bisa membantu memetakannya dengan pengukuran, bukan tebakan. Konsultan AI Search Indonesia: Siapa Bertahan di AI Overview? membahas bagaimana proses pemetaan itu biasanya dimulai.
Apa yang Bisa Dilakukan Sekarang, Tanpa Melompat Tahap
Tiga langkah ini realistis dikerjakan minggu ini, tanpa anggaran tambahan dan tanpa menunggu apparatus seberat versi enterprise. Pertama, cek apakah brand Anda punya baseline pengukuran AI search yang sebenarnya, bukan cuma snapshot satu kali cek manual di ChatGPT. Kedua, coba pisahkan pencatatan Citation dari Recommendation di laporan yang sudah ada, meski masih sesederhana kolom tambahan di spreadsheet bulanan. Ketiga, tahan dulu godaan menghitung ROI AI search dengan angka tunggal dari sumber yang metodologinya tidak jelas, terutama kalau sumbernya sedang menjual sesuatu yang diukur oleh angka itu sendiri.
Masalahnya, mengetahui brand Anda ada di tahap mana dari empat tahap di atas itu sendiri butuh pengukuran, bukan tebakan orang dalam tim yang paling sering pakai ChatGPT. Di sinilah biasanya proses dimulai, bukan dengan janji hasil, tapi dengan diagnosis yang jujur soal titik berangkatnya.
Langkah Berikutnya
Sudah tahu brand Anda ada di tahap mana?
FAQ Seputar Peta Kesiapan Brand di AI Search
Apa beda brand yang disebut AI dan direkomendasikan AI?
Disebut AI berarti konten Anda dipakai sebagai bahan jawaban, itu prestasi konten. Direkomendasikan AI berarti brand Anda disebut sebagai saran ketika pengguna bertanya rekomendasi tanpa menyebut nama brand, itu prestasi brand. Sebuah artikel bisa dikutip berkali kali tanpa brand di baliknya pernah direkomendasikan, sehingga dua hal ini perlu diukur terpisah, bukan dianggap satu metrik yang sama.
Bagaimana cara tahu brand saya sudah siap untuk AI search?
Kesiapan struktural bisa mulai dicek dari tiga hal, apakah konten Anda gampang diekstrak AI, apakah sinyal E-E-A-T-nya konsisten di semua kanal, dan apakah brand Anda muncul dengan makna yang jelas begitu disebut tanpa perlu konteks tambahan. Kalau tiga hal ini belum pernah diaudit, kemungkinan besar brand Anda masih di tahap eksistensi, bukan kesiapan.
Kenapa angka ROI AI search dari berbagai sumber sering berbeda jauh?
Karena setiap sumber punya metodologi, periode, dan sampel yang berbeda, dan sebagian sumber bahkan tidak membuka metodologinya sama sekali. Semrush, Seer Interactive, dan Adobe menghasilkan angka berbeda karena mengukur hal yang mirip tapi tidak identik, sementara klaim seperti 23 kali lipat dari sumber tanpa metodologi terbuka sebaiknya diperlakukan sebagai contoh yang perlu dicurigai, bukan fakta yang bisa langsung dikutip.
Siapa yang bisa membantu audit kesiapan brand saya di AI search?
Audit kesiapan brand di AI search idealnya dimulai dari pengukuran, bukan asumsi, memetakan brand Anda ada di tahap eksistensi, kesiapan, atau pembeda disebut dan direkomendasikan sebelum bicara ROI. Kalau Anda belum pernah melakukan pemetaan ini, Strategy Session gratis dengan Chandra Purnama bisa jadi titik awal untuk melihat posisi brand Anda secara konkret, bukan tebakan.
Artikel Terkait:
Tentang Penulis:
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.
Leave a Reply