32 Auditor dari Enam Pulau Mengaudit Google AI Mode: Apa yang Terjadi pada Visibilitas Brand Indonesia?

Jawaban singkat: dalam snapshot Mei 2026, Google AI Mode menampilkan kumpulan brand dengan tingkat kesamaan lintas auditor sebesar 0,476. Pada perbandingan Jawa–Sumatra, kesepakatan antarwilayah tidak berbeda signifikan dari kesepakatan dalam wilayah. Namun, hasil ini tidak berarti Google AI Mode sama sekali tidak melakukan personalisasi geografis.

Ketika konsumen mencari rekomendasi melalui AI, mereka tidak lagi selalu memulai dari daftar tautan. AI dapat menyusun jawaban, menyebut beberapa brand, dan menampilkan sumber yang mendukung jawabannya sebelum pengguna mengunjungi website mana pun.

Perubahan ini menimbulkan pertanyaan penting bagi perusahaan: apakah brand yang muncul akan sama untuk setiap pengguna? Apakah lokasi pengguna memengaruhi brand yang direkomendasikan? Dan sumber apa yang digunakan AI untuk membentuk jawaban tersebut?

Pertanyaan itu menjadi dasar paper Auditing AI Together: A Distributed Human-Auditor Study of Brand Convergence and Citation Structure in Google AI Mode.

Mengapa Google AI Mode perlu diaudit oleh banyak pengguna?

Audit satu operator tidak cukup untuk mengamati variasi yang dialami pengguna berbeda. Satu orang dapat menjalankan banyak prompt, tetapi seluruh hasilnya tetap berasal dari akun, perangkat, jaringan, atau titik akses yang terbatas.

Penelitian ini menggunakan distributed human-auditor design. Sebanyak 32 guru SMK di enam pulau menjalankan protokol yang sama secara independen melalui perangkat dan jaringan masing-masing. Setiap auditor menggunakan sesi baru, kondisi incognito, dan satu kali eksekusi untuk setiap prompt.

Audit mencakup 13 kategori terkait properti dan 109 brand dalam proses normalisasi. Sektor properti dipilih karena memiliki karakter geografis yang kuat: rumah, kawasan, agen, pengembang, dan pembiayaan selalu berhubungan dengan lokasi.

“The 32-auditor design demonstrated here is replicable and scalable, and the study offers it as a template for future audits in other markets and sectors.”

— Budiman (2026), Auditing AI Together, Section 5.5

Apakah pengguna di wilayah berbeda menerima brand yang berbeda?

Penelitian tidak menemukan perbedaan signifikan antara kesepakatan Jawa–Sumatra dan kesepakatan dalam wilayah. Mean pairwise Jaccard convergence index keseluruhan tercatat 0,476.

Formulasi yang tepat bukan “Google AI Mode tidak melakukan personalisasi geografis”. Kesimpulan yang didukung data lebih terbatas:

Dalam snapshot Mei 2026 untuk prompt kategori nasional, perbedaan wilayah tidak menghasilkan tingkat kesepakatan brand yang berbeda secara signifikan dari tingkat kesepakatan dalam wilayah.

Mengapa beberapa brand muncul hampir untuk semua auditor?

Konvergensi terkonsentrasi pada stable core berupa sejumlah brand nasional besar. Dalam kategori developer, Sinar Mas Land, Ciputra, dan Summarecon masing-masing muncul untuk 31 dari 32 auditor atau sekitar 97%.

Di luar kelompok inti tersebut terdapat variable tail: brand yang muncul untuk sebagian auditor, tetapi tidak muncul bagi auditor lain. Penelitian menduga variasi ini konsisten dengan sifat probabilistik keluaran generatif, tetapi desain single-run belum dapat memastikan apakah penyebabnya adalah stokastisitas, personalisasi, atau faktor lainnya.

Konvergensi juga berbeda menurut kategori. Exterior paint dan ceramics masing-masing mencapai 0,61. Mortgage simulation berada pada 0,32. Pola ini konsisten dengan dugaan bahwa kategori yang lebih terkonsolidasi menghasilkan kumpulan nama yang lebih seragam, tetapi studi ini tidak melakukan uji kausal terhadap tingkat kematangan pasar.

Sumber apa yang paling banyak dikutip Google AI Mode?

Earned media menjadi kategori terbesar, tetapi tidak mencapai mayoritas absolut. Sebanyak 2.104 sitasi diklasifikasikan menggunakan MOSE: Marketplace/Platform, Owned, Social, dan Earned.

Marketplace dan portal memasok sekitar satu dari lima sitasi. Temuan ini penting untuk konteks Indonesia karena platform transaksi juga berfungsi sebagai tempat konsumen dan AI menemukan informasi tentang produk, harga, lokasi, spesifikasi, dan ketersediaan.

MOSE memisahkan Marketplace/Platform dari Earned agar fungsi tersebut terlihat secara analitis. Namun, MOSE masih merupakan working adaptation dari PESO dan belum menjadi model yang tervalidasi lintas sektor, engine, atau negara.

Apakah hanya beberapa website besar yang menguasai sitasi AI?

Tidak pada dataset ini. Domain dengan sitasi terbesar hanya menyumbang 5,9% dari seluruh sitasi. Dua puluh domain teratas secara bersama-sama menyumbang 47,8%, sedangkan 52,2% lainnya berada dalam long tail.

Artinya, brand tidak hanya berhadapan dengan satu gerbang informasi. Representasi tentang suatu brand dapat tersebar di media, website resmi, portal, marketplace, social media, blog, dan berbagai sumber lain.

Temuan ini tidak membuktikan bahwa menambah jumlah publikasi secara otomatis meningkatkan rekomendasi AI. Implikasi yang lebih aman adalah bahwa audit brand perlu memeriksa keluasan dan konsistensi representasi pada berbagai jenis sumber.

Apa implikasi penelitian ini bagi strategi brand?

Brand perlu mengukur lebih dari sekadar ranking dan traffic. Ketika AI menyintesis jawaban, audit perlu melihat apakah sebuah brand dikenali, dalam prompt apa brand ditemukan, sumber apa yang mendukungnya, dan seberapa konsisten kemunculannya lintas pengguna.

1. Petakan prompt kategori. Identifikasi pertanyaan non-branded yang digunakan calon konsumen ketika mencari solusi, rekomendasi, atau perbandingan.
2. Ukur konsistensi kemunculan. Jangan menyimpulkan posisi brand dari satu pengguna dan satu kali query.
3. Audit struktur sumber. Periksa keseimbangan antara Owned, Earned, Social, serta Marketplace/Platform.
4. Periksa kejelasan entity. Pastikan nama, kategori, produk, lokasi, dan proposisi brand direpresentasikan secara konsisten.
5. Ulangi pengukuran. Generative search berubah sehingga hasil perlu dipantau lintas engine dan waktu.

Langkah tersebut merupakan implikasi praktis dari audit, bukan intervensi yang telah diuji secara kausal dalam paper.

Apa yang belum dapat disimpulkan dari penelitian ini?

Paper ini adalah studi eksploratoris yang dibatasi oleh waktu, engine, sektor, dan desain pengumpulan data. Hasilnya perlu dibaca sebagai snapshot yang menyediakan bukti awal dan metode replikasi.

• Studi dilakukan pada Google AI Mode, bukan seluruh platform AI.
• Audit berlangsung pada Mei 2026 dan bukan pengukuran longitudinal.
• Setiap auditor menjalankan satu kali eksekusi untuk setiap prompt.
• Sektor yang diaudit adalah properti di Indonesia.
• Analisis geografis yang memadai hanya membandingkan Jawa dan Sumatra.
• Convergence index mengukur konsensus, bukan personalisasi secara langsung.
• Penelitian tidak menguji dampak intervensi terhadap visibility atau hasil penjualan.

FAQ tentang audit Google AI Mode dan visibilitas brand

Sumber utama: Budiman, D. (2026). Auditing AI Together: A Distributed Human-Auditor Study of Brand Convergence and Citation Structure in Google AI Mode. SSRN Working Paper. https://ssrn.com/abstract=6972038.