Temukan peluang pertumbuhan yang layak diprioritaskan berdasarkan permintaan pasar, lanskap persaingan, proposisi nilai merek, dan sumber kutipan.
Visibilitas AI tingkat merek ditimbang berdasarkan volume jawaban, sehingga produk yang lemah bisa tersembunyi di dalam angka yang naik. Pelajari kapan melihat per merek, per produk, atau per skenario.
Jelajahi 12,000 pasar khusus.
Diperbarui oleh
Diperbarui pada Nov 05, 2026
Visibilitas AI merek secara keseluruhan yang naik tidak berarti semua produk ikut naik. Visibilitas AI tingkat merek dihitung dengan menggabungkan jawaban atas pertanyaan semua produk. Produk dengan pertanyaan terbanyak punya bobot terbesar. Produk dengan sedikit pertanyaan bisa kehilangan visibilitas, atau hampir tidak disebut AI sama sekali, dan angka keseluruhan tidak akan menunjukkannya. Selain itu, saat jumlah pertanyaan per produk, atau jumlah pengambilan sampel per pertanyaan, berubah, angka keseluruhan bergerak dengan sendirinya. Untuk mengetahui apakah kenaikan satu produk menutupi absennya produk lain, gunakan pertanyaan yang sama dan periode yang sama, lalu pecah perubahan keseluruhan menjadi dua bagian: perubahan visibilitas masing-masing produk dan perubahan porsi jawaban masing-masing produk.
Alasan langsungnya: visibilitas AI tingkat merek adalah rata-rata tertimbang. Angka ini menggabungkan jawaban atas semua pertanyaan yang Anda pantau dan menghitung "jawaban yang menyebut merek ÷ semua jawaban". Bobot setiap produk bergantung pada berapa banyak pertanyaannya di kumpulan pertanyaan dan berapa banyak jawaban yang dikumpulkan pertanyaan-pertanyaan itu. Saat produk berbobot besar naik sedikit, angka keseluruhan ikut naik. Saat produk berbobot kecil turun, atau tidak pernah disebut sama sekali, angka keseluruhan hampir tidak bergerak.
Ambil contoh Apple dalam sampel historis yang dikumpulkan Dageno dari tiga pasar contoh: smartphone, laptop, dan smartwatch. Apple dan Samsung muncul di sini sebagai contoh publik, bukan sebagai pelanggan Dageno. Dari 3 hingga 19 Agustus 2026, Apple disebut dalam 53,4% jawaban tentang smartphone (12.807 jawaban), 43,5% jawaban tentang laptop (9.578), dan 61,6% jawaban tentang smartwatch (3.301). Jika digabung, hasilnya 50,8%. Jawaban tentang smartwatch hanya 13% dari total. Jadi, meskipun visibilitas Apple di smartwatch turun 10 poin persentase, angka keseluruhan hanya akan turun sekitar 1,3 poin, yang dalam laporan mudah dianggap fluktuasi biasa.
Alasan kedua lebih sulit dilihat: saat porsi jawaban dari setiap produk berubah, angka keseluruhan juga berubah, meskipun tidak ada produk yang benar-benar membaik. Jumlah jawaban bergantung pada dua hal: berapa banyak pertanyaan yang diajukan dan berapa banyak jawaban yang dikumpulkan setiap pertanyaan. Berikut Samsung dari sampel yang sama. Kami menggabungkan jawaban dari ketiga pasar, yang sama dengan memakai satu kumpulan pertanyaan yang mencampur pertanyaan tentang tiga produk, lalu menghitung visibilitas Samsung di tingkat merek. Periode 1 adalah 3–10 Agustus; Periode 2 adalah 11–19 Agustus. Mulai dari hitungan mentahnya:
| Produk | Jawaban Periode 1 | Jawaban yang menyebut Samsung Periode 1 | Jawaban Periode 2 | Jawaban yang menyebut Samsung Periode 2 |
|---|---|---|---|---|
| Smartphone | 7.215 | 5.788 | 5.592 | 4.130 |
| Laptop | 6.066 | 198 | 3.512 | 162 |
| Smartwatch | 1.360 | 634 | 1.941 | 907 |
| Total | 14.641 | 6.620 | 11.045 | 5.199 |
Rasionya langsung berasal dari hitungan ini:
| Metrik | Periode 1 | Periode 2 | Perubahan (poin persentase) |
|---|---|---|---|
| Tingkat merek (ketiganya digabung) | 45,2% (6.620 ÷ 14.641) | 47,1% (5.199 ÷ 11.045) | +1,9 |
| Visibilitas dalam jawaban smartphone | 80,2% (5.788 ÷ 7.215) | 73,9% (4.130 ÷ 5.592) | −6,4 |
| Visibilitas dalam jawaban laptop | 3,3% (198 ÷ 6.066) | 4,6% (162 ÷ 3.512) | +1,3 |
| Visibilitas dalam jawaban smartwatch | 46,6% (634 ÷ 1.360) | 46,7% (907 ÷ 1.941) | +0,1 |
| Porsi smartphone dari semua jawaban | 49,3% | 50,6% | +1,3 |
| Porsi laptop dari semua jawaban | 41,4% | 31,8% | −9,6 |
| Porsi smartwatch dari semua jawaban | 9,3% | 17,6% | +8,3 |
Catatan: perubahan dihitung dari nilai yang belum dibulatkan.
Smartphone turun 6,4 poin, tetapi angka tingkat merek naik 1,9 poin. Tiga baris terakhir menjelaskan sebabnya. Pada Periode 2, jawaban tentang laptop, tempat Samsung hampir tidak disebut, turun dari 6.066 menjadi 3.512, dan porsinya turun dari 41,4% menjadi 31,8%. Jawaban tentang smartwatch, tempat Samsung cukup baik, naik dari 1.360 menjadi 1.941, dan porsinya naik dari 9,3% menjadi 17,6%. Kenaikan keseluruhan berasal dari perubahan pada apa yang ditanyakan dan seberapa sering, bukan dari produk mana pun yang lebih sering disebut AI. Baris laptop bahkan lebih banyak bercerita: Samsung menjual laptop, tetapi hanya 3% sampai 5% jawaban tentang laptop yang menyebutnya di kedua periode, sementara angka tingkat merek tetap di atas 45% sepanjang waktu.
Jadi, apakah jumlah pertanyaan tentang laptop turun? Tidak. Dengan menghapus duplikat berdasarkan ID prompt, kita bisa melihat berapa banyak pertanyaan berbeda yang dimiliki setiap produk di setiap periode, dan berapa jawaban rata-rata yang dihasilkan setiap pertanyaan. Jawaban atas pertanyaan yang sama dari platform, wilayah, atau tanggal berbeda semuanya dihitung.
| Produk | Pertanyaan Periode 1 | Pertanyaan Periode 2 | Jawaban per pertanyaan Periode 1 | Jawaban per pertanyaan Periode 2 |
|---|---|---|---|---|
| Smartphone | 3.249 | 3.748 | 1,65 | 1,22 |
| Laptop | 1.885 | 2.049 | 2,25 | 1,41 |
| Smartwatch | 649 | 1.155 | 1,59 | 1,19 |
Catatan: hanya jawaban yang bisa dikaitkan dengan ID prompt yang dihitung, mencakup 70% sampai 82% jawaban tergantung produk dan periode. Gunakan tabel ini hanya untuk melihat arah; jangan mengalikannya dengan hitungan jawaban di atas.
Laptop sebenarnya punya sedikit lebih banyak pertanyaan (1.885 menjadi 2.049) tetapi lebih sedikit jawaban, karena setiap pertanyaan laptop rata-rata menghasilkan 1,41 jawaban, bukan 2,25. Pertanyaan smartwatch hampir dua kali lipat (649 menjadi 1.155). Dengan kata lain, porsi jawaban sebuah produk bisa bergeser karena jumlah pertanyaannya, atau karena berapa kali setiap pertanyaan dijalankan. Itulah sebabnya Bagian 7 meminta Anda menetapkan kumpulan pertanyaan sekaligus jumlah pengambilan sampel.
Ahli statistik menyebutnya paradoks Simpson ketika tren di seluruh populasi muncul, hilang, atau berbalik setelah populasi dibagi menjadi subkelompok (definisi dari Stanford Encyclopedia of Philosophy). Visibilitas tingkat merek menghadapi masalah yang sama: saat proporsi subkelompok berubah, angka gabungan bisa bergerak ke arah yang berbeda dari angka per bagian.
Apakah sebuah pertanyaan memuat nama merek juga mengubah angka keseluruhan. Dalam Better Metrics for AI Search Visibility, Ann Smarty dari Practical Ecommerce menunjukkan bahwa skor visibilitas sebuah alat sepenuhnya bergantung pada pertanyaan yang diajukan. Pertanyaan bermerek kemungkinan besar mendapat skor mendekati 100%, jadi harus ditempatkan di kelompok tersendiri. Jika satu produk mendapat lebih banyak pertanyaan bermerek, angka tingkat merek juga ikut menggelembung.
Satu hal lagi sebelum lanjut: penurunan 6,4 poin smartphone di tabel perlu dipecah lagi. Seperti ditunjukkan Bagian 7, sebagian besarnya juga berasal dari kumpulan pertanyaan yang berbeda.
Jawaban singkat: untuk periode dan kumpulan pertanyaan yang sama, pisahkan jawaban per produk dan hitung dua angka untuk setiap produk: visibilitasnya sendiri dan porsinya dari semua jawaban. Lalu bandingkan dengan periode sebelumnya dan pecah perubahan keseluruhan menjadi dua bagian: "perubahan di dalam setiap produk" dan "perubahan komposisi pertanyaan". Jika Anda melihat salah satu tanda berikut, ada produk yang tersembunyi:
Metodenya tiga langkah:
Jumlahkan kedua bagian untuk semua produk dan Anda akan mendapat perubahan keseluruhan secara tepat.
Berikut pemecahan untuk Samsung dari Bagian 1:
| Produk | Perubahan visibilitas sendiri | Efek pada angka keseluruhan | Perubahan porsi jawaban | Efek komposisi pertanyaan |
|---|---|---|---|---|
| Smartphone | −6,4 | −3,2 | +1,3 | +1,0 |
| Laptop | +1,3 | +0,5 | −9,6 | −0,4 |
| Smartwatch | +0,1 | 0,0 | +8,3 | +3,9 |
| Total | — | −2,7 | — | +4,5 |
Catatan: semua nilai dalam poin persentase; kedua total berjumlah +1,9 (dihitung dari nilai yang belum dibulatkan).
Secara gabungan, perubahan di dalam ketiga produk menarik angka keseluruhan turun 2,7 poin, sementara perubahan komposisi pertanyaan mendorongnya naik 4,5 poin. Jika hanya melihat tingkat merek, Anda akan mengira Samsung tampil lebih baik dalam jawaban AI di periode ini. Setelah dipecah, terlihat bahwa smartphone sedang turun, laptop hampir tidak ada, dan angka keseluruhan ditopang oleh lebih banyak jawaban smartwatch dan lebih sedikit jawaban laptop.
Jika Anda memakai Dageno, Anda bisa memulai langkah pertama, melihat setiap produk secara terpisah, di halaman AI Market Segments. Halaman ini menampilkan peringkat dan visibilitas merek yang sama di setiap pasar, beserta merek-merek teratas di tiap pasar (lihat Gambar 1). Pemecahan di langkah ketiga saat ini harus dilakukan di spreadsheet setelah mengekspor data; kami tidak menemukan fitur di produk yang langsung menghasilkan pemecahan ini.
Gambar 1: Ruang kerja Apple di halaman AI Market Segments Dageno. Merek yang sama berada di peringkat 2 di Smart Phones (50,5%), peringkat 3 di Laptops (36,7%), peringkat 1 di Smart Watches (52,2%), dan hanya peringkat 10 di Cloud File Storage Software (6,2%), dan setiap pasar punya merek teratas yang berbeda. Apple adalah contoh merek publik, bukan pelanggan Dageno. Gambar tidak menunjukkan periode pelaporan; visibilitas bukan penjualan atau pangsa pasar, dan peringkat rendah tidak membuktikan adanya peluang yang layak dimasuki.
Jawaban singkat: pastikan tiga hal sebelum menarik kesimpulan.
Hanya jika ketiganya terpenuhi, itu benar-benar absen. Pertanyaan yang diajukan sekali atau dua kali, atau segelintir jawaban, tidak cukup.
Tidak. Paling jauh, itu dihitung tidak stabil. Jawaban AI bisa berbeda setiap kali. SparkToro dan Gumshoe.ai meminta 600 relawan menjalankan 12 prompt rekomendasi merek di ChatGPT, Claude, dan jawaban AI Google sebanyak total 2.961 kali antara November dan Desember 2025. Peluang prompt yang sama menghasilkan daftar merek yang sama dua kali kurang dari 1% (tulisan asli SparkToro). Schulte, Bleeker, dan Kaufmann dari Universitas St. Gallen juga berpendapat bahwa visibilitas harus dibaca sebagai distribusi dari pengukuran berulang, bukan hasil satu kali pengamatan (Don't Measure Once). Menurut makalah itu, menjalankan prompt sekali menghasilkan galat baku 0,370 untuk tingkat deteksi sebuah merek; setelah 7 kali, angkanya turun di bawah 0,10. Seorang praktisi juga mengatakan dalam diskusi di Reddit bahwa visibilitas pada prompt yang sama berayun 15% sampai 20% dari minggu ke minggu tanpa ada perubahan di pihak mereka. Itu pengamatan pribadi, bukan temuan statistik.
Jadi lihat hasilnya setelah pengambilan sampel berulang. Dalam sampel tiga pasar, 26 kelompok pertanyaan laptop diajukan setidaknya tiga kali di platform yang sama dan wilayah yang sama.
Sampelnya kecil, tetapi cukup untuk menunjukkan bahwa absennya Samsung bukan soal satu atau dua pengambilan sampel yang sial. Visibilitasnya juga rendah di semua jenis pertanyaan laptop:
Artinya, seluruh produk absen, bukan hanya satu skenario. Merek seperti Dell (63,0%), Lenovo (49,2%), dan Apple (43,5%) mengambil tempat-tempat itu.
Itu bergantung pada aturan deteksi alat, dan sebaiknya baca jawaban aslinya lalu lakukan pengecekan sampel. Sampel berisi 8.713 jawaban laptop dengan teks lengkap yang bisa dibaca. Pengecekan sampel menemukan:
Hitungan yang hilang bisa berasal dari aturan deteksi yang hanya menghitung merek yang disajikan sebagai rekomendasi, atau dari deteksi yang terlewat; periksa dengan aturan alat tersebut. Untuk Samsung, bahkan jika semua ini dihitung, jawaban yang menyebut Galaxy Book hanya sekitar 3% dari jawaban laptop, jadi kesimpulan bahwa produk itu absen tetap berlaku.
Itu bukan celah. Catat sebagai "tidak dikejar". Samsung memang punya lini laptop Galaxy Book, tetapi sampel mencakup banyak negara dan wilayah. Kami tidak memeriksa model mana yang dijual di mana, atau dengan harga berapa; hanya tim produk merek itu sendiri yang bisa memastikannya. Demikian pula, jika sebuah merek tidak punya produk di rentang harga atau untuk kegunaan tertentu, wajar jika AI tidak menyebutnya, dan itu tidak boleh dianggap sebagai celah konten.
Di Dageno, angka di halaman segmen pasar dan niat pencarian bisa diklik hingga ke jawaban AI aslinya, lengkap dengan platform, wilayah, dan teks jawaban penuh (berdasarkan catatan basis pengetahuan produk Dageno tanggal 8–9 September 2026). Anda bisa melakukan dua pengecekan pertama di sana; pengecekan ketiga memerlukan data produk Anda sendiri.
Jawaban singkat: angka tingkat merek sudah cukup jika ketiga syarat berikut terpenuhi:
Jika salah satunya tidak terpenuhi, angka tingkat merek hanya menjadi acuan tren; angka itu tidak bisa memberi tahu apakah produk tertentu berkinerja baik.
Syarat pertama biasanya terpenuhi untuk merek satu kategori. Bayangkan merek yang hanya membuat smartwatch: model-modelnya menghadapi jenis pertanyaan yang sama dan pesaing yang sama. Memecah per model membuat setiap bagian punya terlalu sedikit jawaban dan malah lebih sulit dibaca. Memecah juga ada biayanya. Dengan uji statistik standar, ThriveStack memperkirakan bahwa untuk membedakan tingkat sebutan nyata 10% dari 15% dengan tingkat keyakinan 95% diperlukan sekitar 686 kali eksekusi per kondisi (ringkasan ThriveStack). Jika dipecah menjadi lima produk, masing-masing butuh jawaban yang cukup, sehingga volume pengambilan sampel berlipat.
Syarat kedua berkaitan dengan pelaporan kepada pimpinan. Pimpinan biasanya hanya perlu tren keseluruhan dan apakah ada produk yang bermasalah, bukan rincian setiap skenario.
Syarat ketiga paling mudah terlewat. Samsung di Bagian 1 menunjukkan bahwa saat porsi jawaban setiap produk berubah, angka keseluruhan bergerak dengan sendirinya. Solusinya adalah menghitung angka tingkat merek dengan bobot tetap: hitung dulu visibilitas setiap produk, lalu gabungkan dengan bobot yang ditetapkan sejak awal dan tetap sama setiap periode. Anda bisa membekukan bobot pada proporsi pertanyaan saat ini, atau menetapkannya berdasarkan kepentingan bisnis setiap produk. Dengan begitu, perubahan jumlah pertanyaan atau frekuensi pengambilan sampel tidak bisa menggerakkan angka keseluruhan.
Meskipun pimpinan hanya melihat satu angka, tambahkan satu baris di bawahnya berisi visibilitas dan perubahan setiap produk, sebagai pengecekan apakah ada produk yang melorot. Simpan pertanyaan yang memuat nama merek di baris tersendiri dan jangan masukkan ke angka keseluruhan. Pertanyaan bermerek dan tidak bermerek mengukur dua hal yang berbeda; lihat perbedaan antara sebutan bermerek dan tidak bermerek.
Jawaban singkat: jika salah satu hal berikut berlaku, beri setiap produk garis dasarnya sendiri, artinya pertanyaannya sendiri, daftar pesaingnya sendiri, dan angka awalnya sendiri:
Pesaing yang berbeda terlihat jelas dalam sampel tiga pasar. Lima merek dengan visibilitas tertinggi benar-benar berbeda di setiap pasar:
Apple yang sama bersaing dengan Samsung dan Google dalam jawaban smartphone, tetapi dengan Dell dan Lenovo dalam jawaban laptop. Jika digabung menjadi satu peringkat merek, Anda tidak lagi membandingkan dengan pesaing yang sama.
Selisih yang besar terlihat seperti ini: visibilitas Samsung 77,4% di smartphone, 46,7% di smartwatch, dan hanya 3,8% di laptop. Apple di Gambar 1 juga sama: peringkat 1 di smartwatch, peringkat 3 di laptop, dan hanya peringkat 10 di penyimpanan cloud.
Penanggung jawab yang berbeda berarti menilai orang berdasarkan angka tingkat merek akan membagikan pujian atau kesalahan yang bukan hasil kerja mereka. Penanggung jawab laptop mungkin melihat angka naik hanya karena ada lebih banyak pertanyaan smartwatch, padahal produknya sama sekali tidak berubah.
Porsi yang kecil berarti, menurut hitungan di Bagian 1, produk itu bisa turun 10 poin sementara angka keseluruhan hanya bergerak sedikit di atas 1.
Riset eksternal dan para praktisi menunjukkan hal yang sama. Vendor Odyssiant menganalisis 5.356 jawaban AI dari Februari sampai April 2026 dan menyimpulkan bahwa visibilitas merek memberi tahu apakah AI mengenali perusahaan, sedangkan visibilitas produk memberi tahu apakah penawaran yang tepat dipahami dalam konteks pembelian yang tepat. Perbedaan ini paling penting bagi perusahaan dengan banyak lini produk atau layanan (Product Visibility vs Brand Visibility). Studi ini menyesuaikan metode penilaiannya selama periode tersebut, dan penulisnya mencatat bahwa pola per tahap pembelian harus dibaca sebagai garis dasar yang sedang terbentuk, bukan tren yang bersih. Seorang praktisi di Reddit juga menggambarkan merek yang "terbelah menjadi dua profil" di AI, satu untuk kueri produk dan satu untuk informasi perusahaan (diskusi aslinya). Itu pengamatan pribadi, tetapi intinya sama: dikenali sebagai merek tidak sama dengan produk Anda direkomendasikan.
Memantau setiap produk secara terpisah tidak rumit:
Halaman solusi Product Portfolio Planning Dageno menggambarkan persis perbandingan semacam ini: bandingkan dulu visibilitas dan peringkat AI antarlini produk, lalu pilih satu lini dan dalami pertanyaan pembeli serta poin penjualannya. Halaman itu juga menyebutkan batasannya: posisi dan cakupan dalam jawaban AI tidak mengukur permintaan pasar, pangsa pasar, atau pendapatan, dan hasil dari pasar yang berbeda harus dipisahkan.
Jawaban singkat: saat visibilitas atau peringkat produk yang sama sangat berbeda antarjenis pertanyaan pembeli, dan Anda perlu selisih itu untuk memutuskan halaman mana yang diubah atau konten apa yang ditambahkan, pecah satu tingkat lagi per skenario. Jika selisihnya berasal dari rentang harga atau kegunaan yang tidak Anda layani, cukup catat; itu bukan celah.
Dalam sampel tiga pasar, visibilitas keseluruhan Apple dalam jawaban smartphone adalah 53,4%, tetapi jika dipecah per jenis pertanyaan pembeli, gambarannya berubah banyak:
| Jenis pertanyaan pembeli | Visibilitas | Jawaban |
|---|---|---|
| Terbaik secara keseluruhan | 73,8% | 839 |
| Terbaik untuk anggaran | 22,9% | 376 |
| Alasan memilihnya | 18,5% | 287 |
Jenis pertanyaan adalah klasifikasi Dageno. Untuk pemecahan per skenario, kami hanya memakai jawaban yang bisa dikaitkan dengan metadata pertanyaan, sekitar 78% dari jawaban smartphone.
Jika hanya melihat 53,4% di tingkat produk, Anda akan mengira produk ini berkinerja baik dalam jawaban AI secara keseluruhan. Setelah dipecah per skenario, terlihat bahwa pertanyaan "terbaik secara keseluruhan" menopang rata-rata, sementara produk ini jarang muncul begitu anggaran masuk ke dalam pertanyaan.
Halaman AI Search Intents Dageno disusun berdasarkan gagasan ini (lihat Gambar 2). Dalam contoh Smart Watches, Apple mencakup semua 25 sub-niat, dengan tingkat cakupan 100%. Tetapi di dalam Recommendations:
Cakupan 100% hanya berarti merek muncul di setiap jenis pertanyaan, bukan berarti memimpin di setiap jenis.
Gambar 2: Tampilan niat pencarian untuk pasar Smart Watches di ruang kerja Apple: 7 niat utama dan 25 sub-niat, dengan tingkat cakupan sub-niat 100%. Di dalam Recommendations, Apple berada di peringkat 1 untuk "Find alternatives" (71,4%) dan peringkat 4 untuk "Choose by budget or tier" (32,9%). Porsi permintaan menggambarkan sebaran pertanyaan yang dianalisis, bukan total volume pencarian atau permintaan pembeli yang terbukti; gambar tidak menunjukkan periode pelaporan.
Dalam Prompt-Level Visibility, Swetha Venkiteswaran dari Pixis memberi contoh: dua merek dengan skor visibilitas keseluruhan yang sama. Satu muncul secara konsisten di semua jenis pertanyaan; yang lain kuat di pertanyaan umum tetapi hilang saat pembeli bertanya soal alternatif atau kegunaan tertentu. Rata-ratanya identik, tetapi posisi komersialnya sama sekali berbeda. Skor keseluruhan memberi tahu ke mana harus melihat; pertanyaan satu per satu memberi tahu alasannya.
Perlu juga dikatakan kapan tidak perlu memecah per skenario. Jika sebuah skenario hanya punya beberapa puluh jawaban, naik turunnya sebagian besar acak; pantau bersama yang lain sampai datanya cukup untuk dipecah. Dan jika merek tidak punya produk untuk rentang harga atau kegunaan itu, tidak perlu menetapkan garis dasar tersendiri untuk skenario tersebut.
Tabel di bawah merangkum kapan setiap tampilan cocok:
| Tampilan | Kapan dipakai | Yang tidak bisa diberitahukannya |
|---|---|---|
| Tingkat merek | Produk menghadapi pertanyaan dan pesaing yang sama; keputusannya tentang merek; porsi atau bobot setiap produk tetap | Apakah produk tertentu berkinerja baik; apakah perubahan halaman berhasil |
| Per produk | Pesaing berbeda, selisih visibilitas besar, penanggung jawab dan halaman situs berbeda, atau ada produk dengan porsi kecil | Jenis pertanyaan pembeli mana yang menjadi masalah di dalam satu produk |
| Per skenario | Satu produk sangat berbeda antarpertanyaan pembeli, dan Anda perlu selisih itu untuk memutuskan halaman mana yang diubah | Naik turun di skenario dengan terlalu sedikit jawaban; rentang harga atau kegunaan yang tidak dilayani merek |
Jawaban singkat: gunakan hanya pertanyaan yang diajukan di kedua periode, di platform dan wilayah yang sama dengan jumlah pengambilan sampel yang sama, lalu periksa apakah visibilitas produk itu sendiri naik. Setelah itu pecah perubahan tingkat merek menjadi perubahan di dalam setiap produk dan perubahan komposisi pertanyaan. Anda baru bisa mengatakan produk itu membaik jika ia naik pada pertanyaan yang sama. Apakah perubahan halaman penyebabnya adalah pertanyaan lain yang belum bisa Anda jawab.
Kembali ke Samsung di Bagian 1: jika menghitung semua jawaban, visibilitas smartphone-nya turun 6,4 poin. Bandingkan hanya pertanyaan yang diajukan di kedua periode (dicocokkan dengan ID prompt, 1.431 pertanyaan), dan hasilnya sama sekali berbeda:
| Visibilitas dalam jawaban smartphone | Semua jawaban | Pertanyaan yang sama di kedua periode |
|---|---|---|
| Samsung | 81,1% → 77,6% | 84,3% → 84,9% |
| Apple | 56,3% → 48,6% | 58,2% → 55,1% |
Di sini hanya jawaban yang bisa dikaitkan dengan ID prompt yang dipakai, sekitar 78% jawaban smartphone, sehingga kolom "Semua jawaban" sedikit berbeda dari angka di Bagian 1.
"Penurunan" smartphone Samsung hampir seluruhnya berasal dari kumpulan pertanyaan yang berbeda; pada pertanyaan yang sama, visibilitasnya hampir tidak berubah. Apple turun 7,7 poin secara keseluruhan, tetapi hanya sekitar 3 poin pada pertanyaan yang sama. Komposisi platform jawaban smartphone juga bergeser pada waktu yang sama: porsi jawaban Gemini turun dari 46% menjadi 27%, sementara ChatGPT naik dari 30% menjadi 48%. Jika Anda memakai angka semua jawaban untuk menilai perubahan yang dibuat di antara kedua periode, Anda akan sampai pada kesimpulan yang salah.
Jadi, pengecekan ulang memerlukan empat hal:
Di Dageno, prompt, platform, wilayah, dan pesaing yang ingin Anda periksa ulang dari waktu ke waktu bisa ditetapkan di pengaturan pemantauan. Mengimpor CSV memerlukan empat kolom: prompt, platforms, regions, dan language. Tidak satu pun yang merupakan label produk, jadi tim Anda perlu mencatat setiap pertanyaan milik produk mana di spreadsheet sendiri. Menurut catatan basis pengetahuan Dageno, yang sudah diverifikasi hanya layar pengaturan dan aturan isiannya; pengiriman impor, penyimpanan, dan pengambilan sampel sebenarnya belum diuji. Untuk pemantauan berkelanjutan, lihat Pantau visibilitas merek di seluruh jawaban AI.
Dua jenis kesimpulan boleh masuk laporan bulanan:
Siapkan kolom terpisah "belum terbukti" dengan setidaknya tiga butir:
Berikut contoh catatan. Merek, tanggal, dan angkanya rekaan dan hanya menunjukkan cara mengisinya:
| Butir | Contoh hipotetis (angka rekaan) |
|---|---|
| Perubahan | 10 September: memperbarui halaman produk laptop dengan kasus penggunaan, kondisi uji baterai, dan perbandingan dengan model berharga serupa |
| Cakupan perbandingan | 120 pertanyaan laptop yang diajukan di kedua periode; ChatGPT dan Google AI Mode; Amerika Serikat dan Jerman; 5 kali eksekusi per pertanyaan per periode; 14 hari per periode |
| Perubahan di dalam produk | Visibilitas laptop pada 120 pertanyaan ini: 8,0% → 12,5% |
| Perubahan angka tingkat merek | +1,6 poin: +0,9 dari laptop itu sendiri, +0,7 dari bertambahnya pertanyaan smartwatch |
| Masuk laporan bulanan | Pada pertanyaan yang sama, porsi jawaban yang menyebut laptop naik 4,5 poin |
| Belum terbukti | Bahwa perubahan halaman menyebabkan kenaikan; apakah bertahan hingga periode berikutnya; apakah membawa pertanyaan calon pembeli atau penjualan |
Untuk cara menetapkan jendela uji ulang dan jumlah pengambilan sampel, lihat cara menetapkan ukuran sampel dan frekuensi uji ulang. Untuk cara mengetahui apakah perubahan setelah pembaruan halaman lebih dari sekadar kebetulan, lihat cara memverifikasi bahwa rekomendasi AI benar-benar membaik.
Tidak. Makin rinci Anda memecah, makin sedikit jawaban di setiap bagian, dan makin besar angka berayun secara acak. Seperti disebutkan di atas, membedakan tingkat sebutan nyata 10% dari 15% memerlukan sekitar 686 kali eksekusi per kondisi. Mulailah dengan memecah per produk berdasarkan pesaing dan penanggung jawab, dan pecah produk lebih jauh menjadi model atau skenario hanya setelah datanya cukup.
Masukkan ke kelompok tersendiri "pertanyaan lintas produk", untuk pertanyaan seperti "bagaimana memadukan ponsel dengan smartwatch?". Pertanyaan ini tidak dihitung untuk produk mana pun; pantau trennya secara terpisah. Jika tidak, jawaban yang sama akan terhitung dua kali, atau dimasukkan ke salah satu produk secara sembarangan.
Hitung secara terpisah. Pertanyaan yang memuat nama merek hampir selalu menyebut merek, jadi mencampurnya akan menggelembungkan angka keseluruhan, dan setiap perubahan jumlahnya akan menggerakkan angka itu. Untuk cara memadukan nama merek, nama produk, dan istilah kategori dalam kumpulan pertanyaan, lihat cara menyusun kumpulan prompt visibilitas AI.
Gunakan bobot tetap. Menggabungkan jawaban secara langsung membuat hasilnya bergantung pada pergeseran porsi jawaban setiap produk, seperti ditunjukkan contoh Samsung. Anda bisa membekukan bobot pada proporsi pertanyaan saat ini atau menetapkannya berdasarkan kepentingan bisnis setiap produk. Setelah ditetapkan, jaga tetap sama setiap periode, agar perubahan angka keseluruhan hanya mencerminkan perubahan di dalam produk.
Bisa. Dalam sampel, sekitar 14% jawaban laptop yang menyebut "MacBook" tidak tercatat sebagai menyebut Apple. Periksa sampel jawaban asli dengan metode di Bagian 3, lalu periksa aturan deteksi alat untuk memutuskan apakah jawaban-jawaban itu harus dihitung.
Anda tidak bisa mengklaimnya. Visibilitas adalah porsi jawaban AI yang menyebut produk; angka ini tidak mengukur penjualan, pangsa pasar, atau volume pencarian nyata. Untuk menilai dampak bisnis, bandingkan secara terpisah dengan data pertanyaan calon pembeli, trafik, dan penjualan.
Mulailah dengan visibilitas tingkat merek periode ini dan periode lalu, memakai metode dari Bagian 2:
Jika satu sinyal saja muncul, tambahkan satu baris di bawah angka tingkat merek dalam laporan Anda berisi angka setiap produk, dan tandai produk yang tersembunyi. Lalu putuskan dua hal: apakah produk itu perlu garis dasarnya sendiri (Bagian 5), dan apakah perlu dipecah lagi per skenario (Bagian 6).
Angka tingkat merek tetap bisa menunjukkan tren keseluruhan kepada pimpinan. Hanya saja, angka itu tidak boleh menjadi satu-satunya dasar untuk menilai apakah sebuah produk berkinerja baik.
Diperbarui oleh
Dageno
Dageno is the research and insights team at Dageno AI, publishing industry reports and expert analysis on AI Search Visibility, Generative Engine Optimization (GEO), and AI-powered search discovery.
Alexa for Shopping