IPO Anthropic yang akan datang menjanjikan pembayaran besar, tetapi tidak untuk semua orang secara merata. Dana investasi seperti Menlo Ventures dan Sequoia mengharapkan miliaran. Namun, menurut S-1 Anthropic, tidak satu pun dari mereka memiliki 5% saham, yang merupakan ambang batas untuk dimasukkan dalam daftar pemegang saham utama. Ini sangat tidak biasa untuk IPO IT, di mana investor ventura terkemuka biasanya memiliki kepemilikan dua digit. Mengapa ini terjadi dan siapa yang akan menjadi penerima manfaat utama?
Mengapa Dana VC Mendapatkan Sedikit?
Alasannya sederhana: ukuran Anthropic. Dengan valuasi swasta sebesar $965 miliar, 1% saham bernilai hampir $10 miliar. Misalnya, posisi Menlo Ventures sebesar $14 miliar hanya sekitar 1,5% dari perusahaan, menurut Bloomberg.
Dana ventura tidak mendapatkan bagian besar karena Anthropic secara aktif menjual saham kepada mitra strategis. Ini mengubah struktur kepemilikan tradisional, di mana dana VC biasanya memegang posisi dominan.
Amazon: Penerima Manfaat Utama IPO
Amazon kemungkinan akan menjadi penerima manfaat finansial terbesar dari IPO. Pada tahun 2023, Amazon berkomitmen untuk berinvestasi hingga $4 miliar di Anthropic, dan kemudian mengalirkan miliaran lagi. Sebagian besar investasi distrukturkan sebagai obligasi konversi – utang yang berubah menjadi saham saat IPO atau penjualan.
Menurut S-1, pada 30 Juni, Amazon memiliki obligasi konversi senilai $6,2 miliar.
Dengan meningkatnya valuasi Anthropic, nilai obligasi ini meningkat secara signifikan.
Dalam laporan internalnya, Amazon menilai obligasinya sebesar $97,9 miliar pada 30 Juni.
Permainan Akuntansi dan Uang Tunai Riil
Peningkatan nilai obligasi konversi Amazon memaksa Anthropic untuk mencatatnya dalam laporan keuangannya. Pada paruh pertama tahun 2026, perusahaan mencatat $72,4 miliar dalam baris “perubahan nilai wajar obligasi konversi, kewajiban derivatif, dan SAFE”.
Ini adalah item non-kas, tidak ada uang riil yang keluar dari perusahaan. Obligasi Amazon dapat dikonversi menjadi 1,84 miliar saham, tetapi ada batas 12% dari jumlah saham “yang terdilusi sebagian”. Amazon dapat melepaskan batas ini.
Investasi Tambahan Amazon
Obligasi bukan segalanya. Pada kuartal kedua, Amazon berinvestasi tambahan $10 miliar dalam saham preferen non-prioritas, menginvestasikan $5 miliar di masing-masing dari dua putaran pendanaan terakhir Anthropic.
Total investasi Amazon, termasuk miliaran dalam obligasi dari tahun 2023 hingga 2025, mencapai sekitar miliaran. Ini menjadikan Amazon pemain kunci dalam struktur kepemilikan Anthropic di masa depan.
Bukan Hanya Saham: AWS dan Google
Selain pertumbuhan nilai saham, Amazon akan menerima pendapatan signifikan dari Anthropic, yang berkomitmen untuk menghabiskan setidaknya $110 miliar untuk AWS selama 10 tahun ke depan. Google juga diuntungkan:
Google memiliki sekitar 14% Anthropic pada awal tahun lalu.
Perusahaan menginvestasikan tambahan $10 miliar pada bulan April.
Saat ini, saham Google diperkirakan 5,6% setelah dilusi.
Google juga mengamankan setidaknya $114 miliar dalam kontrak cloud dengan Anthropic hingga tahun 2033.
Kesimpulan untuk Investor
“Sementara para kapitalis ventura bersiap untuk pembayaran mereka, S-1 dengan jelas menunjukkan: pemenang terbesar IPO Anthropic adalah raksasa teknologi seperti Amazon, yang mendukung pesaing potensial di tahap awal, dan sekarang menjual sebagian besar daya komputasi kepadanya. S-1 bahkan memperingatkan bahwa beberapa penyedia cloud ini membuat model AI yang bersaing dan kepentingan mereka tidak selalu sejalan dengan kepentingan Anthropic.”
Ini adalah kasus klasik di mana mitra strategis mengambil semua keuntungan, hanya menyisakan remah-remah untuk dana VC. Untuk mengevaluasi CPM yang menguntungkan dan pengujian hipotesis yang murah, penting untuk melihat gambaran keseluruhan, bukan hanya investasi yang diumumkan.
Pertanyaan yang Sering Diajukan
CPM mana yang dianggap menguntungkan dengan investasi seperti itu?
Dalam mengevaluasi kampanye iklan, CPM yang menguntungkan adalah yang memberikan ROI positif. Dalam konteks IPO Anthropic, CPM bukanlah indikator langsung, tetapi mencerminkan biaya menarik perhatian ke startup yang sudah bernilai ratusan miliar. Bagi kami, para arbiter, yang penting adalah ekonomi unit, bukan hype.
Apakah layak berinvestasi di startup AI pada tahap awal?
Seperti yang ditunjukkan oleh contoh Anthropic, investasi awal dapat menghasilkan keuntungan besar, tetapi hanya jika Anda adalah Amazon atau Google. Bagi investor biasa, risikonya jauh lebih tinggi. Penting untuk menganalisis tidak hanya potensi, tetapi juga struktur kesepakatan, serta siapa mitra strategisnya.
Mana yang lebih murah: iklan banner atau influencer untuk mempromosikan produk AI?
Ini tergantung pada audiens target dan tujuan kampanye. Perbandingan harga menunjukkan bahwa iklan banner mungkin lebih murah untuk 1 juta tayangan, tetapi influencer seringkali memberikan keterlibatan yang lebih tinggi. Untuk produk AI, di mana otoritas ahli penting, influencer mungkin lebih efektif, meskipun CPM lebih tinggi. Selalu hitung ROI.
Kesimpulan
IPO Anthropic adalah contoh yang jelas tentang bagaimana pemain besar seperti Amazon dan Google menggunakan investasi strategis untuk mendapatkan keuntungan kolosal, jauh melebihi pendapatan dana ventura tradisional. Ini adalah pelajaran bagi semua orang yang mencari alternatif anggaran untuk penanaman dan berusaha untuk ROI maksimum. Selalu hitung uang, bukan janji. Ingin tahu cara mendapatkan pengembalian maksimum dari setiap rubel? Baca studi kasus kami tentang optimasi ROI.
Meskipun ada tuntutan hukum dan litigasi bernilai miliaran dolar, Meta menunjukkan pertumbuhan pendapatan yang mengesankan, terutama pada kuartal ketiga. Bagaimana perusahaan berhasil bertahan dan bahkan berkembang di tengah tantangan finansial seperti itu? Jawabannya terletak pada investasi strategis dalam kecerdasan buatan, yang menjadi pendorong utama pertumbuhan pendapatan iklan Meta, bahkan ketika produk baru seperti Muse belum menghasilkan keuntungan. Mari kita selami detail kesuksesan fenomenal ini dan cari tahu bagaimana Meta menggunakan AI untuk mengoptimalkan platform iklannya.
Meta telah mengalami tahun yang sulit, ditandai dengan tuntutan hukum dan litigasi bernilai miliaran dolar. Salah satunya, terkait dengan dampak berbahaya media sosial pada anak-anak, menyebabkan penyelesaian sebesar 18 miliar dolar. Tuntutan hukum lainnya, mengenai pelanggaran privasi data, menghasilkan perintah untuk membayar negara bagian New Mexico 25 miliar dolar. Keputusan ini dikeluarkan beberapa jam sebelum laporan kuartal ketiga Meta, dan perusahaan telah menyatakan niatnya untuk mengajukan banding.
Meskipun ada pertempuran hukum ini, kuartal ketiga Meta terbukti kuat. Pendapatan dari keluarga aplikasi tumbuh sebesar 26% dari tahun ke tahun, mencapai 64,2 miliar dolar. Dari jumlah tersebut, 63,1 miliar dolar berasal dari pendapatan iklan. Jumlah tayangan iklan juga meningkat sebesar 10%.
Muse: popularitas tanpa keuntungan
Beberapa minggu setelah peluncuran Muse pada awal September, Meta memperkenalkan Muse untuk usaha kecil. Ini adalah “kumpulan keterampilan dan konektor baru” dalam aplikasi Muse yang membantu perusahaan menemukan pelanggan, menganalisis efektivitas iklan, mengoptimalkannya, dan mengembangkan kampanye, seperti yang disampaikan oleh CFO Meta Susan Li kepada investor.
Dari sisi konsumen, peluncuran Muse menjadi “salah satu peluncuran paling sukses dalam sejarah perusahaan,” menurut CEO Meta Mark Zuckerberg. Pernyataan ini mungkin bisa diperdebatkan, mengingat masalah privasi yang terkait dengan versi awal model. Namun, seperti halnya platform Meta lainnya, kekhawatiran tentang privasi tidak menghalangi adopsi yang luas.
Sekitar 25% dari mereka menggunakannya setiap hari.
Zuckerberg mencatat bahwa semua agen ini “sangat menuntut sumber daya komputasi.” Meta berharap efisiensi biaya akan meningkat 10 kali lipat dalam setahun ke depan, yang “akan memungkinkannya menjadi menguntungkan begitu lini pendapatan mencapai skala yang tepat,” menurut Zuckerberg. Dengan kata lain: Muse saat ini populer, tetapi belum menghasilkan uang.
Jika pertumbuhan pendapatan iklan Meta tidak dapat dikaitkan dengan Muse, lalu apa penyebabnya? Jawabannya adalah kecerdasan buatan, yang telah lama menjadi pusat strategi keseluruhan platform iklan Meta.
Awal tahun ini, Meta meluncurkan Generative Recommender — alat berbasis LLM, yang menganalisis konten iklan dan preferensi pengguna untuk menentukan iklan yang paling sesuai untuk individu tertentu. Segmen audiens yang ditargetkan menunjukkan peningkatan konversi hampir 2% sejak peluncuran alat tersebut di feed Facebook, kata CFO Meta Susan Li.
Meta juga memperluas GEM, model rekomendasi iklan generatifnya, untuk menyertakan lebih banyak titik kontak dengan pengguna, kata Li. Ini berarti Meta sekarang dapat menyatukan data rekomendasi dari berbagai platform di satu tempat. Kemampuan ini menghasilkan:
Peningkatan konversi sebesar 1,7% untuk kampanye eksternal.
Peningkatan konversi dalam aplikasi sebesar 9,6% pada kuartal terakhir.
“Investasi dalam AI telah menguntungkan bisnis iklan Meta selama bertahun-tahun. Seiring dengan semakin banyaknya LLM yang menjadi dasar infrastruktur AI, Meta akan mendapatkan lebih banyak informasi tentang preferensi dan minat orang, baik dalam konten organik maupun rekomendasi,” — Susan Li, CFO Meta.
Tujuannya tidak hanya untuk memberi makan mesin optimasi iklan Meta Advantage+, tetapi juga fitur personalisasi kreatif Meta.
Netflix: Pertumbuhan Pendapatan dan Masalah Iklan
Pendapatan Netflix tumbuh 12% dari tahun ke tahun menjadi 12,9 miliar dolar pada kuartal ketiga, sesuai dengan perkiraan. Namun, bisnis iklan sedikit di bawah ekspektasi, yang membuat Netflix menyesuaikan perkiraannya untuk sisa tahun ini.
Pertanyaan yang Sering Diajukan
Berapa pertumbuhan pendapatan Meta secara keseluruhan pada kuartal ketiga?
Berapa pendapatan Meta di Q3?
Pendapatan total Meta di kuartal ketiga meningkat 26% dari tahun ke tahun, mencapai 64,2 miliar dolar.
Berapa banyak pendapatan iklan yang diterima Meta di Q3?
Pendapatan iklan Meta mencapai 63,1 miliar dolar di kuartal ketiga.
Apakah Muse menguntungkan bagi Meta?
Tidak, saat ini Muse tidak menguntungkan. Mark Zuckerberg mencatat bahwa agen Muse “sangat menuntut sumber daya komputasi,” tetapi Meta berharap efisiensi biaya akan meningkat 10 kali lipat tahun depan.
Alat AI apa yang berkontribusi pada pertumbuhan pendapatan iklan Meta?
Pertumbuhan didorong oleh Generative Recommender, yang meningkatkan konversi sebesar 2%, dan perluasan GEM, yang menghasilkan pertumbuhan konversi sebesar 1,7% untuk kampanye eksternal dan 9,6% untuk kampanye dalam aplikasi.
Berapa banyak pendapatan Netflix tumbuh di Q3?
Pendapatan Netflix tumbuh sebesar 12% dari tahun ke tahun, mencapai 12,9 miliar dolar.
Kesimpulan
Jadi, Meta menunjukkan pertumbuhan pendapatan yang kuat, terutama berkat investasi dalam AI, yang secara signifikan meningkatkan kinerja iklan. Produk seperti Muse masih merugi, tetapi memiliki potensi. Sementara Netflix menghadapi tantangan dalam bisnis iklannya, Meta terus membuktikan bahwa CPM yang menguntungkan dan pengujian hipotesis yang murah dengan optimasi AI adalah kenyataan. Ingin tahu berapa banyak uang yang akan dihasilkan dari setiap rubel yang dihabiskan? Pelajari bagaimana AI mengubah unit ekonomi kampanye iklan.
Halo, rekan-rekan pemasar afiliasi! Nama saya Timur, dan saya bertanggung jawab atas pasar di Cloud.ru. Kami menyediakan platform untuk layanan AI yang terintegrasi ke dalam infrastruktur cloud pelanggan. Tugas saya adalah memastikan transparansi harga. Saat ini, banyak yang menilai AI berdasarkan biaya token, tetapi ini pada dasarnya salah. Pelanggan tidak membayar token, tetapi untuk hasil tertentu. Dalam artikel ini, kita akan menganalisis cara menghitung ekonomi unit <a href="/ru/blog/massovyy-posting-video-4-strategii-povtoreniya-zadach-ii-agentami/" title="Pengeposan video massal: 4 strategi untuk mengulang tugas agen AI">agen AI dengan benar, berdasarkan data Cloud.ru, dan menentukan biaya sebenarnya dari jawaban yang berguna, untuk memahami CPM mana yang menguntungkan.
“Vendor di pasar harus menetapkan harga untuk agen mereka, pelanggan harus memahaminya, dan platform harus memungkinkan harga di etalase untuk dibandingkan satu sama lain. Selama ketiga pihak mengukur biaya dengan token, tidak ada yang berhasil.”
Evaluasi biaya layanan AI: fokus pada ekonomi unit
Unit pengukuran: jawaban yang berguna, bukan token
Token adalah metrik yang buruk. Pelanggan tidak membeli token, tetapi solusi untuk masalah mereka. “Dialog tertutup” juga menipu. Intercom, misalnya, mengidentifikasi dua jenis solusi: yang dikonfirmasi (pelanggan mengatakan “terima kasih”) dan yang diasumsikan (pelanggan hanya pergi).
Keduanya dibayar, tetapi ada nuansa: jika pelanggan kembali dengan pertanyaan yang sama, solusi dibatalkan. Contoh dari Lorikeet (195 kasus, 38 vendor): dari 4200 dialog yang ditutup oleh AI, 900 ditutup dengan tautan ke artikel basis pengetahuan. Tanpa itu, pangsa yang diselesaikan turun dari 70% menjadi 55%.
Perbedaan antara “tertutup” dan “terselesaikan” sangat besar. Oleh karena itu, unit pengukuran kami adalah jawaban yang berguna. Ini adalah dialog yang ditutup oleh AI tanpa campur tangan manusia, dan pelanggan tidak kembali dengan pertanyaan yang sama dalam waktu 72 jam dan tidak meninggalkan umpan balik negatif. Segala sesuatu yang tidak melewati filter ini masuk ke pembilang biaya, tetapi tidak ke penyebut jawaban yang berguna. Upaya yang tidak berhasil dibayar oleh yang berhasil. Ini adalah poin kunci.
Studi kasus model: dukungan toko online
Untuk perhitungan, mari kita ambil skenario tipikal: dukungan toko online. Ini adalah kasus massal dengan volume data publik yang besar. Toko menerima 40.000 permintaan per bulan. 90% di antaranya (36.000 dialog) diarahkan ke agen AI.
Dialog yang ditutup oleh agen tanpa operator, kami sebut penutupan otomatis – ini adalah metrik yang ditunjukkan oleh vendor. Struktur agen: RAG (pencarian basis pengetahuan + pembuatan respons) ditambah alat “status pesanan”. Satu dialog membutuhkan tiga panggilan LLM:
Memahami permintaan dan memilih rute.
Menjawab berdasarkan fragmen yang ditemukan.
Mengakses alat atau mengumpulkan ringkasan untuk operator.
Rata-rata, ini adalah 12.000 token masukan (prompt sistem, fragmen, riwayat) dan 800 token keluaran. Permintaan ke basis pengetahuan – dua per dialog. Model filter memeriksa replika klien dan respons agen (1000 token untuk setiap tiga panggilan). Kami juga mengalokasikan 15% token untuk generasi ulang.
Infrastruktur dan biaya
Kami menggunakan layanan Cloud.ru:
Basis pengetahuan: Evolution Managed RAG.
Agen: Evolution AI Agents.
Log: Evolution Managed PostgreSQL.
Biaya operator dukungan di Moskow: 125.000 rubel/bulan (85.300 rubel gaji menurut hh.ru untuk tahun 2025 + kontribusi dan biaya overhead). Dengan 40 tiket per hari, satu tiket berharga 149 rubel. Satu menit operator – 15,5 rubel (125.000 rubel / 80% dari 10.080 menit). Untuk obrolan di ritel (60 permintaan/hari), biaya tiket – 99 rubel.
Asumsi untuk perhitungan
Asumsi utama:
Porsi penutupan otomatis: median untuk kasus publik – 70%. Ozon: 27% (2020) -> 62% (2022). Kami mengambil tengahnya – 50%.
Dialog yang tidak lolos filter: klien kembali dalam 72 jam atau memberikan nilai negatif. Asumsi: 6% (dalam contoh Lorikeet, 21% dialog yang ditutup adalah tautan).
Total infrastruktur: 13.420 rubel/bulan. Ini adalah baris termurah dalam perhitungan.
Perhitungan biaya respons yang bermanfaat
Harga satu dialog
Pertama, kita menghitung biaya satu dialog pada model yang berbeda:
Qwen3-30B-A3B: 0,43 rubel.
GigaChat-3-Pro: 1,32 rubel.
Claude Haiku 4.5: 3,76 rubel.
Claude Sonnet 4.6: 10,99 rubel.
Perbedaan 25 kali lipat! Jika kita berhenti di sini, pemilihan model akan menjadi sangat penting.
Harga respons yang bermanfaat
Dari 36.000 dialog, dengan 50% penutupan otomatis, 18.000 ditutup. Dari jumlah tersebut, 6% adalah kesalahan. Tersisa 16.920 respons yang bermanfaat. Setiap respons yang bermanfaat tidak hanya mencakup token, tetapi juga:
Token dari upaya yang gagal.
Menit operator untuk eskalasi.
Biaya kesalahan.
Verifikasi.
Basis pengetahuan.
Implementasi.
Perbedaan 25 kali lipat dalam token berubah menjadi 1,4 kali lipat dalam respons yang bermanfaat: dari 51 rubel menjadi 73 rubel. Model yang mahal (Claude Sonnet 4.6), yang 25 kali lebih mahal dalam token, ternyata hanya 40% lebih mahal dalam harga hasil. Mengapa? Karena semua biaya lainnya sama untuk semua model.
Struktur harga: GigaChat-3-Pro (53 rubel)
Untuk GigaChat-3-Pro (53 rubel per respons yang bermanfaat):
Eskalasi dan respons yang salah: 71% dari biaya. Biaya ini biasanya tidak diperhitungkan sebagai “biaya AI”, tetapi termasuk dalam gaji dukungan atau kompensasi.
Token: 2,8 rubel (5%). Ini adalah satu-satunya baris yang dibandingkan semua orang.
Infrastruktur cloud: 0,80 rubel.
Pada Claude Sonnet 4.6, token sudah menempati 32% dari harga. Di sini, masuk akal untuk menghemat token. Bagaimana caranya?
Pengurangan konteks: mengurangi 12.000 token masukan menjadi 6.000. Respons yang bermanfaat pada Sonnet menjadi lebih murah dari 73 menjadi 65 rubel.
Caching: membaca dari cache 10 kali lebih murah. Jika separuh konteks adalah prompt sistem, harganya turun menjadi 66 rubel.
Pada Qwen, teknik ini menghemat beberapa kopek.
Pengungkit penghematan utama
1. Tingkat penutupan otomatis
Transisi dari pilot (35-50% penutupan otomatis) ke sirkuit kerja (65%) menghemat 15-19 rubel. Sepuluh poin persentase penutupan otomatis memberikan sebanyak transisi ke model yang lebih murah (pada Sonnet, peningkatan dari 50% menjadi 60% menghemat 14 rubel, penggantian Sonnet dengan Haiku – 15 rubel). Tetapi yang pertama berfungsi pada model apa pun, yang kedua – sekali saja.
2. Tingkat kesalahan
Tingkat dialog yang ditutup yang tidak melewati filter jarang diukur, tetapi sangat penting.
Tingkat yang tidak melewati filter
Harga respons yang bermanfaat
Biaya untuk mereka (rubel/bulan)
6%
X
Y
3%
X – 8 rubel.
Y – Z
Mengurangi kesalahan dari 6% menjadi 3% menghemat 8 rubel untuk setiap respons yang bermanfaat. Transisi dari GigaChat-3-Pro ke Qwen3-30B-A3B hanya menghemat 2 rubel. 15% kesalahan dapat menghabiskan lebih dari separuh gaji operator, jika setiap dialog di mana pelanggan diam dianggap selesai.
3. Kualitas eskalasi
Saya mengalokasikan 1,5 menit operator untuk eskalasi (membaca ringkasan, melanjutkan). Ini berfungsi dengan transfer “hangat”: agen menyerahkan riwayat singkat, nomor pesanan, dan daftar tindakan kepada operator. Dengan transfer “dingin” (operator membaca seluruh dialog di mana bot menjawab salah tiga kali), 1,5 menit berubah menjadi 3 atau 6.
Pada 3 menit, jawaban bermanfaat di GigaChat-3-Pro naik dari 53 rubel menjadi 77 rubel, pada 6 menit – menjadi 127 rubel. Ini sudah lebih mahal daripada operator regional. Jika agen mengidentifikasi pelanggan dan mengisi tiket terlebih dahulu, operator menghemat satu atau dua menit, dan baris ini menjadi minus.
“Kualitas transmisi adalah item anggaran terpisah dengan rentang terluas di seluruh model, dan harus diukur: waktu pemrosesan rata-rata untuk tiket yang di-eskalasi harus dihitung terpisah dari tiket biasa.”
Berjuang untuk akurasi = membakar token? Jika untuk mengurangi kesalahan dari 6% menjadi 3% token per dialog meningkat 1,6 kali, pada GigaChat-3-Pro jawaban yang bermanfaat masih lebih murah dari 53 rubel menjadi 46 rubel. Pada Sonnet, token ekstra lebih mahal daripada akurasi yang diperoleh, lebih baik meningkatkan basis pengetahuan di sana.
Kesimpulan: apa yang dianggap CPM yang menguntungkan
Kesimpulan praktis: dalam sirkuit kerja dukungan, yang paling mahal bukanlah token, melainkan penyebut. Segala sesuatu yang meningkatkan proporsi jawaban yang bermanfaat (kualitas basis pengetahuan, perutean yang benar, set pengujian) terbayar lebih cepat daripada tawar-menawar harga satu juta token.
Model yang mahal (misalnya, Sonnet) terbayar jika menghasilkan 10 poin penutupan otomatis dan 2 poin akurasi dibandingkan dengan yang lebih murah. Jika pada set pengujian Anda perbedaannya lebih kecil, Anda membayar lebih. Jika lebih besar, Anda sia-sia menghemat token.
Perbandingan dengan manusia: dua peringatan
1. Harga tiket: dengan 149 rubel per tiket, bahkan pilot dengan 35% penutupan otomatis pada Sonnet (110 rubel per jawaban bermanfaat) terlihat menguntungkan. Paritas dengan operator – pada 20-27% penutupan otomatis. Tetapi jika operator menutup 60 tiket per hari (99 rubel/tiket), pilot yang sama pada Sonnet (110 rubel) sudah lebih mahal. Operator regional/outsourcing (64 rubel/tiket) mengubah gambaran: GigaChat-3-Pro (42 rubel) lebih murah, Sonnet (62 rubel) – paritas. Pertanyaan “apakah akan terbayar” tergantung pada biaya tiket Anda dan proporsi penutupan otomatis.
2. Volume: biaya tetap (basis pengetahuan, implementasi, infrastruktur) – 163.000 rubel/bulan. Dengan 36.000 dialog. Dengan 6000 dialog, jawaban bermanfaat pada GigaChat-3-Pro – 101 rubel, dengan 3000 – 159 rubel (lebih mahal dari operator). Di bawah 3500 dialog per bulan agen tidak terbayar. Jika biaya tetap lebih tinggi (satu gaji penuh untuk basis pengetahuan – 200.000 rubel/bulan, implementasi – 1,5 juta rubel), ambang batas pengembalian investasi bergeser hingga 7000 dialog per bulan. Proporsi token pada saat yang sama turun menjadi 4%: semakin realistis Anda menghitung biaya lainnya, semakin tidak signifikan harga per juta token.
Apa yang tidak diperhitungkan dalam model (dua arah)
Melawan agen: lisensi sistem tiket atau platform obrolan.
Mendukung agen: pergantian staf (hingga 50% per tahun), biaya rekrutmen dan pelatihan, kinerja lambat pemula, penskalaan untuk penjualan, pembayaran shift malam/akhir pekan. Hal-hal ini sulit dihitung tanpa data spesifik, tetapi untuk inilah bisnis seringkali bersedia membayar, bahkan jika ekonomi unit harian menunjukkan paritas.
Pertanyaan yang Sering Diajukan
Apa yang dimaksud dengan “jawaban yang bermanfaat” dalam konteks agen AI?
Jawaban yang bermanfaat adalah dialog yang ditutup oleh AI tanpa campur tangan manusia, di mana pelanggan tidak kembali dengan pertanyaan yang sama dalam waktu 72 jam dan tidak memberikan umpan balik negatif. Ini adalah metrik kunci untuk mengevaluasi efektivitas dan biaya sebenarnya dari layanan AI.
Kami mencari CPM yang menguntungkan di mana pesaing kehilangan pelanggan. Permintaan pembatalan dan keluhan tentang produk pesaing bukanlah sampah, melainkan tambang emas untuk PPC. Ini adalah prospek berintensitas tinggi, siap untuk konversi. Salah satu studi kasus klien SaaS menunjukkan CTR 15% dan CPA 18% lebih rendah daripada kampanye biasa. Dan ini terjadi meskipun permintaan tidak mengandung nama produk klien.
Orang-orang tidak mencari penyedia baru, tetapi jalan keluar dari situasi di mana yang lama sudah membosankan. Keputusan untuk pergi telah dibuat, yang tersisa adalah pertanyaan “ke mana?”. Kasus ini menegaskan: hal paling berharga yang dapat diubah dalam akun bukanlah kampanye, melainkan penawaran.
Pendekatan Tradisional terhadap Kata Kunci: Mengapa Mahal?
Spesialis PPC terbiasa mengumpulkan kata kunci: istilah produk, pengubah, perbandingan, ekor panjang. Logikanya sederhana: kami menawar apa yang dicari ketika mereka ingin membeli produk kami. Masalahnya adalah ini hanya menangkap permintaan yang jelas.
“Siapa pun yang mencari ‘perangkat lunak CRM terbaik’ sudah ada di pasar, dan semua pesaing mengetahuinya. Lelang terlalu panas, CPC melonjak. Klik didapatkan oleh mereka yang memiliki lebih banyak uang atau optimasi yang lebih baik.”
Bandingkan dengan permintaan “batalkan kontrak [pesaing]”. Hanya sedikit yang menawarnya, dan banyak yang bahkan mengecualikannya. Pengguna tidak membandingkan produk, mereka memecahkan masalah lain, dan ini menjadikannya pembeli yang paling reseptif.
Dia sudah melewati bagian tersulit dari siklus penjualan: memutuskan bahwa solusi saat ini tidak berfungsi. Ini bukan pengecualian, ini adalah pola. Permintaan berintensitas tinggi seringkali tidak mengandung istilah produk, tetapi mengungkapkan frustrasi, keinginan untuk pergi, dan masalah yang belum terpecahkan yang dapat diselesaikan oleh penawaran Anda.
Di Mana Mencari Permintaan Terbaik?
Kata kunci jenis “pembatalan” tidak dapat ditemukan di alat biasa. Sumbernya adalah keluhan pelanggan pesaing:
Situs ulasan (G2, Trustpilot, Capterra).
Forum dukungan.
Media sosial.
Survei churn pelanggan.
Ini adalah data bukan tentang fitur yang diinginkan orang, tetapi tentang masalah yang saat ini mengganggu mereka. Permintaan fitur adalah rencana untuk kuartal berikutnya. Keluhan adalah teks untuk iklan hari ini.
Mengapa Tim PPC Mengabaikan Data Ini?
Seringkali data ini berada di departemen lain: dukungan, produk, CX. Tim PPC menerima daftar kata kunci dan halaman arahan, dan mereka diberitahu “buat angka”. Mengintegrasikan data dari CX, produk, dan penjualan ke dalam pencarian berbayar adalah keterampilan berbentuk M yang dibutuhkan untuk pendekatan baru terhadap PPC. Fragmentasi data sangat mahal.
“Setiap keluhan pelanggan pesaing adalah tawaran untuk iklan Anda. Setiap alasan pembatalan adalah keberatan yang harus dijawab oleh halaman arahan Anda sebelum ajakan untuk konversi.”
Data ada, tetapi tidak sampai ke tangan mereka yang dapat menggunakannya untuk meningkatkan kampanye.
Cara memulai dengan permintaan “penolakan”
Secara default, “batalkan” sering ditambahkan ke kata kunci negatif. Dari sudut pandang relevansi dengan landing page biasa, ini logis. Dari sudut pandang niat, ini adalah kesalahan. Anda mengecualikan seseorang yang secara aktif meninggalkan pesaing dan belum memilih pengganti.
Pendekatan ini berhasil diterapkan dalam SEO lokal untuk mengoptimalkan Google Business Profile dan teks di situs web. Data keluhan yang sama bekerja dengan baik untuk kampanye PPC.
Penawaran adalah segalanya, bukan hanya kata kunci
Hanya menemukan kata kunci cerdas dan menawarinya tidak cukup. Jika landing page sama dengan klik biasa, tidak akan ada konversi. Seseorang yang mencari “batalkan kontrak [pesaing]” tidak membutuhkan daftar fitur Anda. Dia perlu tahu tiga hal:
Transisi akan mudah.
Anda mengerti mengapa dia pergi.
Rasa sakit spesifik yang membuatnya mencari tidak akan mengikutinya kepada Anda.
Idealnya, tawarkan layanan peralihan lengkap, impor data, atau bantuan orientasi. Penawaran adalah variabel. Bukan tawaran, bukan jenis pencocokan, bahkan bukan teks iklan (meskipun di sini sangat penting, karena harus segera memberi sinyal bahwa Anda memahami masalah pengguna).
Proses berkelanjutan, bukan tindakan satu kali
Ini bukan wawasan satu kali, melainkan alur kerja yang berulang. Keluhan dan perilaku keluar berubah seiring waktu, terutama di pasar yang kompetitif di mana pembaruan produk menggeser titik-titik nyeri setiap kuartal.
Kerangka kerja untuk implementasi:
Analisis ulasan pesaing: Pelajari ulasan bintang satu dan dua di platform dominan. Cari tema keluhan yang berulang.
Data penjualan Anda: Alasan mengapa calon pelanggan tidak membeli seringkali sama dengan alasan mengapa pelanggan meninggalkan pesaing.
Laporan kueri penelusuran: Filter berdasarkan nama pesaing, “batalkan”, “alternatif”, “beralih dari”, “masalah dengan”. Seringkali kueri ini muncul secara organik dalam pencocokan luas, dan secara tidak sengaja ditambahkan ke kata kunci negatif.
Algoritma tindakan:
Kumpulkan ulasan bintang 1-2 dari pesaing.
Identifikasi 3-5 tema keluhan yang berulang.
Cocokkan setiap tema keluhan dengan bentuk kueri penelusuran. Misalnya, “terlalu mahal” → kueri tentang harga; “dukungan mengerikan” → kueri tentang peralihan/migrasi; “tidak ada fitur X” → kueri perbandingan untuk fitur tersebut.
Periksa laporan kueri penelusuran Anda. Jika ada dan dikecualikan — ini adalah perbaikan pertama. Jika tidak — buat kampanye untuk mengujinya.
Untuk setiap klaster kueri, periksa halaman arahan. Halaman tersebut harus mengatasi keluhan spesifik. Jika halaman hanya berbicara tentang fitur Anda, mengabaikan masalah pengguna, klik tersebut sia-sia.
Uji halaman arahan khusus versus halaman umum. Halaman tidak boleh rumit. Halaman tersebut harus mengakui masalah, menunjukkan bagaimana Anda menyelesaikannya, dan membuat langkah selanjutnya semudah mungkin.
Tim PPC mengoptimalkan kampanye, kata kunci, dan halaman arahan mereka. Ini logis, ini yang mereka kendalikan. Tetapi peluang terbesar mungkin tidak ada di akun Anda. Ini ada pada frustrasi yang saat ini dihasilkan oleh pesaing Anda: perubahan harga, celah produk, kegagalan dukungan, ketentuan kontrak. Setiap frustrasi seperti itu menciptakan pencari. Dan pencari ini tidak mencari produk. Dia mencari jalan keluar.
Pertanyaan untuk spesialis PPC:
Alih-alih “Apa yang harus saya tawar?”, tanyakan: “Masalah apa yang baru saja dibuat pesaing saya untuk pelanggan mereka, dan seberapa cepat saya bisa menjadi solusinya?”
Otomatisasi memperkuat setiap penawaran. Jika penawaran tidak sesuai dengan niat, Anda memperbesar kesalahan. Kata kunci mengarah ke lelang. Penawaran menutup kesepakatan. Pesaing Anda membangun jalan keluar. Tugas Anda adalah menjadi apa yang akan ada di ujung jalan keluar ini.
Pertanyaan yang Sering Diajukan
Apa itu kueri “penolakan” dan mengapa itu penting?
Kueri “penolakan” adalah frasa pencarian yang mengungkapkan ketidakpuasan dengan penyedia saat ini atau keinginan untuk mengubahnya (misalnya, “batalkan langganan [pesaing]”, “masalah dengan [produk pesaing]”). Ini penting karena menunjukkan pengguna dengan tingkat niat yang tinggi, yang telah memutuskan untuk pergi dan mencari alternatif, yang membuatnya sangat reseptif terhadap penawaran Anda.
Bagaimana cara menemukan kata kunci tersebut jika tidak ada di alat standar?
Anda dapat menemukannya dengan menganalisis keluhan pelanggan pesaing di situs ulasan (G2, Trustpilot), di media sosial, di forum dukungan, dan dalam data survei churn. Juga berguna untuk mempelajari laporan kueri pencarian di kampanye Anda, memfilternya berdasarkan nama pesaing dan kata-kata yang terkait dengan pembatalan atau masalah.
Apakah halaman arahan khusus diperlukan untuk kueri “penolakan”?
Ya, halaman arahan khusus sangat penting. Halaman tersebut tidak hanya harus mencantumkan keuntungan Anda, tetapi juga secara langsung menjawab masalah dan rasa sakit yang membuat pengguna mencari jalan keluar dari pesaing. Halaman arahan harus meyakinkan pengguna bahwa transisi akan mudah, Anda memahami situasi mereka, dan Anda dapat menyelesaikan masalah spesifik.
CPM berapa yang dianggap menguntungkan saat bekerja dengan kueri tersebut?
CPM akan menguntungkan jika biaya akuisisi pelanggan (CPA) untuk kueri ini secara signifikan lebih rendah daripada untuk kampanye umum. Dalam contoh yang diberikan, CPA 18% lebih rendah. Kriteria utama adalah ekonomi unit Anda dan ROI. Jika kueri ini membawa pelanggan dengan biaya lebih rendah dan dengan LTV yang lebih tinggi, maka CPM yang memungkinkan hal ini menguntungkan.
Ini taktik satu kali atau proses berkelanjutan?
Ini adalah proses berkelanjutan. Keluhan dan alasan churn pelanggan dari pesaing dapat berubah seiring waktu, jadi penting untuk secara teratur memantau data ini dan menyesuaikan kampanye dan penawaran Anda. Ini memungkinkan Anda untuk menjaga relevansi penawaran Anda dan terus menarik prospek yang sangat berniat.
Dalam lanskap digital modern, di mana perhatian pengguna menjadi sumber daya yang semakin berharga, memahami cara memaksimalkan CPM yang menguntungkan di platform seperti YouTube adalah kunci kesuksesan. YouTube telah lama berhenti menjadi sekadar hosting video; ini adalah ekosistem yang kuat yang mampu menyediakan siklus penjualan penuh, dari sentuhan pertama hingga konversi akhir. Mengabaikan potensi ini berarti kehilangan keuntungan yang signifikan.
YouTube: siklus penjualan penuh dan mengapa ini menguntungkan
YouTube bukan hanya platform untuk video. Ini adalah ekosistem di mana seluruh siklus penjualan terjadi: dari sentuhan pertama hingga konversi. Mengabaikan ini berarti kehilangan uang. Data kami menunjukkan: 94% orang Amerika secara teratur menggunakan YouTube, 51% — beberapa kali sehari. Ini adalah audiens yang sudah ada di sini, dan merek mulai memahami hal ini.
Menurut Later, 55% perusahaan berencana meningkatkan anggaran YouTube tahun ini, dan 37% kreator — menginvestasikan lebih banyak waktu pada tahun 2026. Pertanyaannya bukan apakah akan menghabiskan atau tidak, tetapi bagaimana cara menghabiskan secara efektif.
Kesalahan utama adalah memisahkan Shorts dan video panjang. Ini bukan dua saluran terpisah, tetapi mata rantai dalam satu rantai. Fakta: mereka yang menonton banyak Shorts juga secara aktif mengonsumsi konten panjang. Kesalahpahaman umum bahwa pemirsa Shorts mirip dengan audiens TikTok atau Reels dan hanya menonton video pendek, salah.
Shorts dan video panjang tidak bersaing, tetapi saling mendukung. Pemirsa terpaku pada Shorts, tertarik, dan beralih ke video 12 menit dari kreator yang sama. Adam W, seorang YouTuber terkenal, menegaskan: Shorts adalah mesin pertumbuhan yang mengubah pemirsa baru menjadi konsumen konten panjang yang setia.
“Shorts berfungsi sebagai mesin pertumbuhan yang seiring waktu mengubah pemirsa baru menjadi mereka yang menonton video panjang. Ini bekerja sangat baik di YouTube, karena platform ini awalnya dibuat untuk video panjang.” — Adam W, kreator YouTube.
Bagian atas dan tengah corong: Shorts (hingga 90 detik) ideal untuk penemuan produk baru.
Uang Tunai: 49% pemirsa video pendek menemukan produk baru melalui Shorts.
Audiens Unik: 45% pengguna YouTube Shorts tidak menggunakan TikTok, dan 65% tidak menggunakan Instagram Reels. Ini adalah jangkauan tambahan yang tidak akan Anda dapatkan di platform lain.
Aktivitas Merek: Jumlah postingan merek di Shorts meningkat dua kali lipat dari tahun ke tahun, dan jumlah merek pengguna meningkat lebih dari 50%.
Kesimpulan: Shorts terbaik menggunakan pengait cepat, demonstrasi produk, dan ajakan bertindak yang jelas. Tujuan: menghentikan pengguliran dan “menanam benih” minat.
Video Panjang: Konversi dan Penelitian Mendalam
“Benih” yang ditanam oleh Shorts berubah menjadi keputusan pembelian berkat video panjang. Ini adalah saluran untuk penelitian mendalam dan tahap akhir pembelian. Angka-angka mengonfirmasi: pemirsa konten panjang yang disponsori 13 kali lebih mungkin untuk mencari merek setelah menonton (Think with Google).
Menurut data kami, 26,9% pemirsa video panjang membeli produk berkat kreator, dibandingkan dengan 17,3% non-pemirsa. Video panjang juga membangun kesadaran, yang berharga bahkan bagi mereka yang belum siap untuk membeli.
Kesimpulan: video panjang menghargai kedalaman. Gunakan untuk ulasan mendetail, tutorial, evaluasi berbasis bukti, dan konten yang berorientasi pada konversi spesifik.
Data Pembelian: Format Bekerja Bersama
Kedua format mengonversi, tetapi pada tahap yang berbeda. Later menemukan bahwa pengguna harian Shorts dan konten panjang YouTube menunjukkan tingkat pembelian yang tinggi segera setelah menonton konten bermerek: 33% untuk pengguna Shorts dan 30% untuk pemirsa video panjang. Jika Anda hanya mendanai satu format, Anda kehilangan setengah dari ROI.
Rekomendasi: sebelum meluncurkan kampanye YouTube berikutnya, periksa distribusi format relatif terhadap tujuan corong Anda. Jika anggaran atau campuran konten bergeser lebih dari 80/20 ke satu format, ini adalah sinyal untuk menyeimbangkan kembali. Ukur kedua format dan atribusikan pembelian yang sebenarnya mereka hasilkan, daripada menggabungkan semuanya menjadi satu metrik.
ROI Jangka Panjang Konten YouTube
Salah satu fakta yang diremehkan tentang YouTube adalah umur panjang konten. Data YouTube menunjukkan bahwa 40% penayangan dan 30% klik pada video yang disponsori terjadi lebih dari 30 hari setelah publikasi. “Masa simpan” ini sangat memengaruhi ROI.
Jendela atribusi, yang hanya mencatat satu atau dua minggu pertama kehidupan video, kehilangan sebagian besar pengembalian yang sebenarnya. Memperluas jendela pengukuran hingga 60-90 hari memberikan gambaran yang jauh lebih akurat tentang berapa banyak uang yang dihasilkan oleh investasi YouTube. Sebagian besar merek belum melakukan ini.
Cara Membangun Strategi YouTube yang Komprehensif
Kreator sudah lebih unggul dari merek. Menurut Wakil Presiden Strategi dan Operasi YouTube, 70% kreator bekerja dengan Shorts dan video panjang, melihatnya sebagai strategi tunggal. Andrew Peterson dari YouTube mengatakan bahwa pendekatan ideal menempatkan audiens dan cerita sebagai pusat. Kemudian Anda “mulai mencari cara untuk menceritakan kisah itu di mana-mana, dengan segala cara yang mungkin diinginkan orang untuk mengonsumsinya.”
Merek dengan hasil terbaik membuat brief kreatif tunggal untuk kedua format. Mereka menggunakan Shorts untuk kesadaran (lebih dari 200 miliar tampilan harian) dan video panjang untuk pertimbangan dan konversi. Mereka berinvestasi dalam kemitraan berulang, multi-video dengan kreator alih-alih penempatan satu kali, memberikan waktu bagi algoritma dan audiens untuk membangun keakraban.
Hasilnya adalah strategi di mana setiap elemen memiliki tugasnya sendiri: Shorts membuka pintu, video panjang meyakinkan, dan pengulangan membangun kepercayaan, mengubah penonton menjadi pelanggan.
Pertanyaan yang Sering Diajukan
Berapa CPM yang dianggap menguntungkan untuk YouTube?
CPM yang menguntungkan tergantung pada niche dan tujuan. Namun, jika Anda bisa mendapatkan CPM lebih murah dari 50 rubel, itu sudah merupakan indikator yang baik untuk mulai menguji hipotesis. Yang terpenting bukanlah CPM itu sendiri, melainkan ROI akhir.
Mana yang lebih murah: banner atau target di YouTube?
Mari kita hitung: iklan banner seringkali memiliki CPM rendah, tetapi juga CTR rendah. Iklan bertarget di YouTube, terutama melalui Shorts, memungkinkan Anda menjangkau audiens yang lebih relevan, yang dapat memberikan ROI yang lebih tinggi, bahkan dengan CPM yang sebanding atau sedikit lebih tinggi. Uji hipotesis murah lebih baik dilakukan melalui Shorts, karena produksi konten lebih murah daripada influencer.
Apakah layak berinvestasi dalam AI untuk pembuatan video?
Jika Anda ingin membuat satu video unik atau mendapatkan 100 video AI, AI bisa menjadi alternatif yang hemat biaya untuk seeding. Biaya pembuatan satu menit video AI dengan avatar terus menurun, menjadikannya menarik untuk posting massal dan pengujian kreatif yang cepat. Harga untuk satu klip jadi yang dibuat AI seringkali lebih rendah daripada memotong 1 jam streaming secara manual.
Berapa biaya 1 juta tayangan melalui banner di YouTube?
Biaya 1 juta tayangan banner di YouTube dapat sangat bervariasi, tetapi seringkali akan secara signifikan lebih tinggi daripada CPM di bawah 50 rubel. Perbandingan harga juga harus mencakup konversi. Alternatif seeding yang hemat biaya melalui Shorts dapat memberikan jangkauan yang sama dengan biaya lebih rendah dan keterlibatan yang lebih baik.
Berapa biaya publikasi 500 video?
Biaya publikasi 500 video tergantung pada produksinya. Jika ini adalah membuat satu video unik atau membuat 100 video AI, maka harganya akan jauh lebih rendah daripada membuat 500 video panjang orisinal. Harga paket posting massal juga dapat dioptimalkan dengan menggunakan AI dan Shorts.
Kesimpulan
YouTube adalah saluran penjualan yang lengkap. Menggunakan Shorts untuk menarik perhatian dan penemuan, dan video panjang untuk penelitian mendalam dan konversi — ini adalah jalan menuju ROI maksimum. Jangan pisahkan format-format ini, tetapi bangunlah strategi yang terpadu. Hitung uang tunai, ukur hasil di semua tahapan, dan jangan takut untuk menguji hipotesis.
Keahlian kami dan integrasi dengan YouTube API akan membantu Anda membuat keputusan bukan berdasarkan dugaan, tetapi berdasarkan data yang terverifikasi. Hubungi kami untuk mengetahui bagaimana kami dapat mengoptimalkan strategi YouTube Anda untuk mendapatkan uang sungguhan.
Pembicaraan tentang jutaan dari vibecoding terdengar di mana-mana: satu juta dalam 17 hari, satu juta pada bulan Oktober, satu juta dari satu prompt. Saya memutuskan untuk melakukan pemeriksaan: berapa banyak proyek yang benar-benar melewati ambang batas pendapatan bulanan $100.000 atau total pendapatan $1.000.000 (termasuk jumlah exit). Gambaran yang muncul jauh lebih sederhana dari yang diharapkan. Jika kita mengecualikan proyek-proyek yang produknya sendiri adalah solusi AI, sangat sedikit startup yang tersisa yang benar-benar didasarkan pada vibecoding.
Dalam analisis ini, saya tidak mencampuradukkan konsep ARR (Pendapatan Berulang Tahunan) dan pendapatan aktual. ARR adalah proyeksi bulan berjalan dikalikan dua belas, bukan uang yang diperoleh. Di mana sumber menunjukkan ARR, saya mencatatnya dan menghitung ulang pendapatan bulanan secara terpisah. Urutan proyek dalam tabel di bawah ini tidak ditentukan oleh ukuran pendapatan, tetapi oleh keandalan konfirmasi indikator keuangan.
Proyek yang melewati ambang batas $100.000/bulan atau total pendapatan $1 juta
Daftar ini mencakup proyek dengan laporan pendapatan publik mulai dari $100.000 per bulan atau total pendapatan mulai dari $1.000.000.
Medvi: $401 juta di tahun pertama
Telemedicine yang berspesialisasi dalam obat GLP-1 untuk penurunan berat badan. Pendiri Matthew Gallagher meluncurkan proyek ini pada September 2024 dengan investasi sekitar $20.000. Menurut publikasi, tahun pertama menghasilkan pendapatan $401 juta, sekitar 250.000 pelanggan, dan keuntungan $65 juta dengan margin 16%. Staf: dua orang (Gallagher sendiri dan saudaranya Elliot), sisanya adalah kontraktor.
Vibecoding: Kode, situs web, dan agen ditulis menggunakan Claude, Grok, dan ChatGPT. Visual untuk iklan — Midjourney dan Runway. Panggilan pelanggan — ElevenLabs.
Inti bisnis: Bagian utama bisnis — dokter, apotek, resep, dan kerangka hukum — dialihdayakan melalui CareValidate, OpenLoop Health, dan LegalZoom. Gallagher berfokus pada perakitan dan lalu lintas.
Base44: dijual seharga $80 juta
Pembuat aplikasi dari deskripsi teks, dibuat oleh Maor Shlomo. Diluncurkan pada awal 2025. Pada bulan Mei, perusahaan menunjukkan keuntungan $189.000 per bulan. Pada bulan Juni, Wix mengumumkan akuisisi seharga $80 juta tunai. Pada saat kesepakatan, proyek tersebut memiliki 250.000 pengguna. Shlomo adalah satu-satunya pemilik, tetapi pada saat penjualan, delapan orang bekerja di perusahaan, yang menerima $25 juta dari jumlah kesepakatan sebagai retensi.
Vibecoding: Shlomo sengaja membangun basis kode sedemikian rupa sehingga sebagian besar dihasilkan oleh model, dan menggunakan perutean prompt di antara model yang berbeda. Ini adalah salah satu contoh paling murni di mana produk itu sendiri adalah vibecoding dan dibangun dengan metode yang sama.
Verifikasi: Indikator keuangan dikonfirmasi oleh dokumen transaksi, bukan tweet.
Peec AI: $4 juta ARR (hingga $833.000/bulan)
Perusahaan yang berbasis di Berlin, melacak bagaimana merek direpresentasikan dalam pencarian AI (ChatGPT, Perplexity, Gemini). Pendiri Marius Meiners. Prototipe pertama dibangun di v0 dari Vercel dalam waktu sekitar satu setengah hari. Produk tersebut kemudian dikembangkan secara tradisional oleh tim. Pada November 2025, perusahaan mengumumkan Seri A senilai $21 juta, dengan total $29 juta terkumpul. Pada saat itu, Peec AI memiliki 1300+ perusahaan yang terhubung dan ARR sekitar $4 juta (sekitar $333.000 per bulan). Kemudian ARR tumbuh menjadi $10 juta (sekitar $833.000 per bulan).
Vibecoding: Digunakan untuk membuat prototipe dengan cepat dan memverifikasi permintaan, tetapi produk utama dibangun secara tradisional.
Wave AI: $7 juta ARR
Aplikasi untuk merekam, menyalin, dan menceritakan ulang audio, berfokus pada percakapan biasa, bukan rapat. Penulis Josh Moorer, mantan CEO Uber untuk New York, bukan seorang programmer. Ia membangun prototipe kerja pertama di Swift dalam sehari menggunakan ChatGPT. Proyek ini mencapai $7 juta ARR dengan laba tahunan $3 juta dan sekitar 4000 pelanggan berbayar.
Vibecoding: Prototipe dibuat menggunakan AI.
Fitur: Biaya tinggi untuk mengakses model terbaik guna memastikan kualitas transkripsi, yang merupakan produk utama.
Proyek yang tidak mencapai ambang batas, tetapi sering disebutkan
Proyek-proyek ini sering muncul dalam pilihan, tetapi indikator keuangannya tidak memenuhi ambang batas yang ditetapkan.
Cal AI: Pendapatan bulanan $2 juta, tetapi labelnya meragukan
Aplikasi untuk menghitung kalori dari foto makanan. Penulis Zach Yadegari dan Henry Langmack. Diluncurkan pada Mei 2024. Pada Juli 2025 — 8,3 juta unduhan dan, menurut CNBC Make It, sekitar $1,4 juta laba kotor bulanan, dan juga disebutkan $2 juta pendapatan bulanan. Secara finansial memenuhi syarat, tetapi untuk label vibecoding — tidak. TechCrunch mengungkapkan bahwa Yadegari menulis kode sendiri, mulai memprogram pada usia sepuluh tahun. Model Anthropic dan OpenAI hanya digunakan untuk pengenalan gambar di dalam produk.
fly.pieter.com: $1 juta ARR, tetapi puncak $87.000/bulan
Simulator penerbangan di browser dari Pieter Levels. Prototipe dasar dalam 30 menit. $1 juta ARR diumumkan pada Februari 2025, 17 hari setelah rilis. Puncak pendapatan bulanan sekitar $87.000. Monetisasi: model pesawat berbayar dan item seharga $29,99. Metode Levels: “satu prompt – satu lapisan”. $1 juta ARR adalah proyeksi tahunan, bukan satu juta yang sudah diperoleh. Proyek ini belum mencapai ambang batas pendapatan bulanan $100.000.
Stanley: $1 juta ARR, tetapi bukan pendapatan
Alat AI untuk bekerja dengan konten, dibuat oleh Vitaly Dodonov dan John Hu dalam 14 hari. Versi LinkedIn dirilis pada Juni 2025 dan dalam enam minggu menunjukkan $200.000 ARR. Tim melewati angka $1 juta ARR pada Oktober 2025. “Aplikasi dalam 14 hari” mengacu pada potongan kerja pertama, bukan produk lengkap. Nilai utama ditambahkan setelah peluncuran. Sekali lagi, ini ARR, bukan pendapatan aktual.
Lumoo: €700.000 ARR, sekitar €58.000/bulan
Platform untuk merek fashion dan ritel dari Henrik Skagerlind Fast dan Peter Törngren. Menawarkan visualisasi fotorealistik dan uji coba virtual. Berdasarkan kasus Lovable, dalam sembilan bulan produk mencapai €700.000 ARR, menghubungkan lebih dari lima belas merek. Tujuannya adalah €1 juta ARR pada November 2025. Pendapatan bulanan sekitar €58.000, yang di bawah ambang batas. Keberhasilan proyek ini disebabkan oleh koneksi industri para pendiri, bukan antarmuka yang dihasilkan.
Plinq: $456.000 ARR, sekitar $38.000/bulan
Aplikasi pemeriksaan latar belakang dan keamanan dari Sabine Matos. Sepenuhnya dibangun di Lovable. Dilaporkan 6.000 ARR, menarik R3 juta dan lebih dari 10.000 pengguna. 6.000 ARR adalah sekitar $500 per bulan, dan itu dalam interpretasi terbaik. Kasus ini menarik karena aplikasi mengumpulkan audiens sebelum uang. Investasi datang setelah pengguna muncul, bukan karena generasi versi pertama oleh alat.
Kesimpulan Umum dan Faktor Kunci Keberhasilan
Analisis menunjukkan bahwa keberhasilan proyek tidak hanya bergantung pada kode murah yang dihasilkan AI. Ada beberapa kesamaan di antara startup yang sukses.
Skala Tim di Awal
Empat dari lima kasus sukses dimulai dengan satu atau dua orang. Ini bukan hanya karena vibecoding, tetapi juga indikasi bahwa produk dapat dibangun lebih cepat daripada membentuk tim.
Infrastruktur di Pundak Orang Lain
Proyek-proyek yang sukses secara aktif menggunakan layanan dan API pihak ketiga:
Medvi mengalihdayakan dokter, apotek, dan pengacara.
Wave AI menggunakan API pihak ketiga untuk transkripsi.
Cal AI — untuk pengenalan dan basis produk.
Lumoo terintegrasi ke dalam alur kerja merek yang sudah ada.
Hanya hal-hal yang tidak ada di pasar yang harus dibangun dari awal.
Uang tidak datang dari kode murah
Tidak ada produk yang menang hanya karena kode yang murah atau yang dihasilkan. Uang datang dari faktor lain:
Cal AI — melalui influencer.
Stanley — melalui distribusi via LinkedIn.
Medvi — melalui kontraktor berlisensi.
Wave AI — melalui inferensi yang mahal (perhitungan model).
Plinq — melalui audiens yang muncul sebelum pendapatan.
Pembuatan kode mempercepat waktu peluncuran, tetapi bukan sumber pendapatan utama.
Metode verifikasi multi-model
Hampir semua tim dalam pilihan ini menggunakan trik: menjalankan satu tugas melalui beberapa model dan membandingkan hasilnya. Dengan cara ini Peec AI memeriksa permintaan, Base44 merutekan prompt, dan Levels mengumpulkan lapisan permainan, mengubah model untuk setiap tugas. Ini memungkinkan pengujian hipotesis yang cepat dan menemukan solusi optimal. Anda dapat menguji pendekatan ini dalam semalam: ambil prompt Anda saat ini dan jalankan melalui tiga model berbeda untuk melihat perbedaan dan memilih opsi terbaik.
Pertanyaan yang Sering Diajukan
CPM berapa yang dianggap menguntungkan untuk menguji hipotesis?
Untuk menguji hipotesis, bukan hanya CPM yang penting, tetapi juga kecepatan perolehan data. Jika alat AI memungkinkan pembuatan materi iklan dan peluncuran kampanye dengan cepat, maka meskipun CPM relatif tinggi, pengujian hipotesis menjadi murah karena pengurangan waktu dan tenaga. CPM yang menguntungkan adalah yang memberikan volume data yang cukup untuk pengambilan keputusan dengan biaya peluncuran minimal. Misalnya, jika harga untuk satu klip siap pakai yang dihasilkan AI memungkinkan peluncuran 100 varian dengan anggaran yang sama dengan 10 varian dari manusia, ini menguntungkan.
Mana yang lebih murah: iklan banner atau blogger?
Perbandingan harga langsung sulit, karena hasilnya berbeda. Iklan banner (berapa harga 1 juta tayangan melalui banner) mungkin lebih murah dalam hal CPM, misalnya, CPM lebih murah dari 50 rubel per 1000 tayangan. Namun, blogger memberikan integrasi asli dan kepercayaan audiens. Untuk alternatif anggaran untuk penempatan pada blogger, Anda dapat mempertimbangkan harga paket mass-posting yang akan lebih rendah, tetapi jangkauannya mungkin kurang tepat sasaran. Lebih murah dari influencer mungkin hanya lalu lintas Anda sendiri atau penargetan yang sangat spesifik.
Apakah layak berinvestasi dalam AI untuk pembuatan konten?
Jika tujuannya adalah mengurangi biaya produksi konten dan meningkatkan kecepatan, maka apakah AI layak — jelas ya. Misalnya, harga pembuatan 100 video AI akan berkali-kali lebih rendah daripada membuatnya secara manual. Biaya unikasi satu video dengan AI juga secara signifikan mengurangi biaya. Namun, penting untuk diingat bahwa harga vs hasil adalah faktor kunci. AI mempercepat proses, tetapi hasil berkualitas tinggi masih membutuhkan kontrol dan penyempurnaan oleh manusia.
Bagaimana cara memperkirakan biaya produksi video AI?
Harga per menit video AI dengan avatar dapat bervariasi. Penting untuk mempertimbangkan tidak hanya pembuatan, tetapi juga berapa biaya untuk memotong streaming 1 jam menjadi klip pendek menggunakan AI. Ini memungkinkan Anda mendapatkan banyak konten dari satu sumber. Biaya penerbitan 500 video, jika dibuat atau dipotong oleh AI, akan jauh lebih rendah daripada pekerjaan manual. Mana yang lebih murah: spanduk atau target — ini adalah masalah efisiensi, bukan hanya harga, dan AI dapat meningkatkan efisiensi saluran apa pun melalui personalisasi dan skala.
Kesimpulan
Analisis menunjukkan bahwa “jutaan pada vibecoding” lebih merupakan mitos daripada kenyataan, jika kita mempertimbangkan pendapatan bersih dari kode yang dihasilkan. Keberhasilan proyek terletak pada kemampuan untuk dengan cepat mengumpulkan MVP, menggunakan infrastruktur pihak ketiga, dan menskalakan bisnis melalui distribusi yang efektif dan bekerja dengan klien, dan tidak hanya melalui kode murah. Ekonomi unit proyek-proyek ini didasarkan pada pendekatan yang komprehensif. Sebelum mempercayai kisah sukses lainnya, selalu minta tangkapan layar statistik dan ajukan pertanyaan utama: berapa banyak uang yang akan dihasilkan dari setiap rubel yang dihabiskan. Bagi mereka yang siap bereksperimen, kami merekomendasikan untuk mencoba model yang berbeda pada tugas yang sama. Gunakan kode promo CTRLAI untuk diskon 20% untuk tarif apa pun di SYNTX.AI.
BPS menguntungkan hanya jika dikonversi menjadi uang. Dengan hadirnya ulasan AI (AIO) di Google Search Console, metrik posisi tradisional terdistorsi, menciptakan gambaran yang salah tentang visibilitas. Ini membutuhkan pemikiran ulang tentang pendekatan untuk mengevaluasi efektivitas SEO, dengan fokus pada kunjungan dan konversi nyata, bukan pada angka yang tidak berarti.
Block Flattening: bagaimana Google mendistorsi data
Google Search Console menggunakan pendekatan yang disebut “block flattening” untuk menampilkan ulasan AI. Ini berarti seluruh blok AIO, yang sering muncul di posisi pertama, dihitung sebagai satu posisi, dan semua tautan di dalamnya mendapatkan posisi “teratas” yang sama dalam laporan.
“Melacak posisi tradisional untuk fitur AI sulit untuk dibuat bermanfaat,” kata John Mueller dari Google Search.
Ini menyebabkan bahkan tautan yang tersembunyi di balik tombol “Tampilkan lebih banyak” mendapatkan posisi 1 yang sama dengan yang langsung terlihat. Akibatnya, data Search Console mungkin menunjukkan visibilitas tinggi, meskipun pengguna mungkin tidak memperhatikan situs Anda.
Mengapa “posisi rata-rata” tidak lagi berfungsi
Masalah “posisi rata-rata” sudah ada sebelum AIO, karena itu adalah rata-rata matematis sederhana. Pencarian dipersonalisasi: hasilnya bervariasi tergantung pada geolokasi, perangkat, dan kueri. Mencampur semua faktor ini menjadi satu angka rata-rata tidak mencerminkan gambaran yang sebenarnya.
Halaman Anda mungkin berada di posisi 1 di AIO, tetapi di posisi 19 di hasil reguler.
Search Console mungkin menunjukkan “posisi rata-rata” 10, menyembunyikan nilai-nilai ekstrem ini.
Bagaimana tayangan (Impressions) menyesatkan
Aturan Google untuk menghitung tayangan sudah usang dan tidak memperhitungkan interaktivitas hasil pencarian modern. Tayangan dicatat segera setelah hasil dimuat di halaman, bahkan jika pengguna tidak melihatnya. Ini berarti bahwa:
Semua tautan di AIO secara default dihitung sebagai tayangan, bahkan jika pengguna hanya membaca kalimat pertama.
Tautan yang tersembunyi di balik elemen interaktif (misalnya, “Tampilkan lebih banyak”) tidak dihitung sebagai tayangan sampai pengguna mengkliknya.
Ini menciptakan paradoks: tautan yang tidak terlihat mendapatkan “tayangan”, sementara yang berguna, tetapi tersembunyi, diabaikan.
Penelitian menunjukkan bahwa AIO secara signifikan mengubah perilaku pengguna dan memengaruhi apakah BPS menguntungkan atau tidak. Misalnya:
Penelitian Seer Interactive menunjukkan bahwa CTR untuk situs yang dikutip menurun sebesar 61%.
Studi lapangan SEJ menemukan bahwa AIO mengurangi klik pada hasil organik reguler sekitar 38%.
Ini terjadi karena pengguna mendapatkan informasi yang mereka butuhkan langsung dari AIO dan tidak beralih ke situs pihak ketiga. Ini terutama berlaku untuk kueri informasi, di mana AIO muncul dalam 21% kasus.
Alih-alih mengejar posisi yang tidak jelas, seorang arbiter harus fokus pada metrik nyata. Menguji hipotesis dengan murah dapat dilakukan jika Anda memahami apa yang Anda ukur. Jika Anda melihat merek Anda disebutkan di AIO – itu sudah bagus. Selanjutnya, Anda perlu melihat:
Kunjungan situs yang sebenarnya: berapa banyak pengguna yang benar-benar datang ke sumber daya Anda.
Pembuatan prospek: berapa banyak permintaan atau kontak yang Anda terima.
Konversi: berapa banyak penjualan atau tindakan target yang dilakukan.
Indikator-indikator ini tidak terdistorsi oleh “block flattening” dan memberikan pemahaman yang jelas tentang berapa banyak uang yang akan dihasilkan dari setiap rubel yang dihabiskan. Untuk mengontrol tampilan halaman yang sebenarnya, gunakan alat yang mensimulasikan tampilan langsung, dan jangan mengandalkan data rata-rata Google.
Pertanyaan yang sering diajukan
Apa itu “block flattening” di Search Console?
“Block flattening” adalah metode di mana Google Search Console menggabungkan seluruh blok ulasan AI (AIO) menjadi satu posisi, biasanya yang pertama. Semua tautan di dalam blok ini mendapatkan posisi “teratas” yang sama dalam laporan, terlepas dari lokasi atau visibilitas sebenarnya bagi pengguna.
Mengapa posisi rata-rata di Search Console menjadi kurang dapat diandalkan?
Posisi rata-rata selalu menjadi metrik rata-rata yang tidak memperhitungkan personalisasi pencarian (geolokasi, perangkat). Dengan munculnya ulasan AI, itu menjadi kurang dapat diandalkan, karena halaman yang sama dapat berada di posisi pertama di AIO dan di posisi kedua puluh di hasil reguler, yang mengarah pada nilai rata-rata yang terdistorsi.
Bagaimana ulasan AI memengaruhi jumlah klik?
Ulasan AI dapat secara signifikan mengurangi jumlah klik pada hasil organik. Pengguna sering mendapatkan semua informasi yang diperlukan langsung dari AIO dan tidak beralih ke situs pihak ketiga, yang menyebabkan penurunan CTR untuk banyak sumber daya.
Metrik apa yang harus difokuskan daripada posisi di Search Console?
Alih-alih posisi, Anda harus fokus pada indikator nyata: jumlah kunjungan situs yang sebenarnya, pembuatan prospek, konversi, serta apakah merek Anda disebutkan dalam ulasan AI. Metrik ini memberikan gambaran yang lebih akurat tentang efektivitas SEO Anda yang sebenarnya.
Kesimpulan
Metrik lama tidak berfungsi. Harga vs hasil — itulah yang penting. Lupakan ilusi “posisi rata-rata” dan “tayangan” yang tidak menghasilkan uang tunai. Fokus pada kunjungan, prospek, dan penjualan nyata. Hanya dengan begitu Anda dapat memahami apakah BPS Anda menguntungkan dan apakah AI sepadan dengan usahanya. Analisis ekonomi unit, bukan laporan yang Google sendiri akui tidak akurat. Beralihlah ke strategi evaluasi baru, berdasarkan data aktual, bukan pada angka yang tidak berarti.
AI dalam Fintech: Siapa yang Memimpin dalam Pencarian dan Berapa Biayanya?
Studi terhadap 68.334 respons dari lima platform AI yang berbeda mengungkapkan merek-merek fintech mana yang mendominasi di bidang kecerdasan buatan. Jika Anda ingin memahami bagaimana CPM menguntungkan dalam realitas pencarian baru, informasi ini sangat penting.
Metode SEO tradisional tidak menjamin visibilitas di AI, yang berarti banyak perusahaan kehilangan kesempatan untuk mendapatkan lalu lintas di mana konsumen mencari jawaban atas pertanyaan keuangan. Kami menganalisis 250 pertanyaan dalam 10 kategori produk fintech konsumen untuk menentukan gambaran sebenarnya.
Menurut Plaid, lebih dari 200 juta orang setiap bulan mengajukan pertanyaan tentang keuangan pribadi hanya di ChatGPT. Tambahkan Google AI Overviews dan Claude – dan volume solusi yang dibentuk oleh AI menjadi sangat besar.
Survei LendingTree menunjukkan: hampir setengah (49%) pengguna chatbot menyatakan bahwa AI memengaruhi setidaknya salah satu keputusan keuangan mereka, paling sering terkait dengan penganggaran, pajak, atau pembukaan/penutupan rekening dan pinjaman.
“Keberhasilan dalam pencarian tradisional tidak berarti visibilitas otomatis di AI. Anda mungkin mendominasi Google untuk kueri kunci dan masih tidak muncul dalam respons ChatGPT untuk pertanyaan serupa. Ukuran kesenjangan ini mengejutkan,” kata para ahli.
Dari 68.334 respons, 7.317 merek unik disebutkan. Skor Visibilitas AI maksimum (skala 100 poin, mempertimbangkan frekuensi kemunculan, posisi penyebutan, dan jumlah kategori) adalah 65,6.
Di antara merek-merek fintech murni, tidak ada yang melampaui angka 65. Ini menunjukkan bahwa pasar terfragmentasi, dan pendatang baru memiliki peluang.
Metodologi: bagaimana kami menghitung Skor Visibilitas AI
10 kategori: dipilih berdasarkan relevansi untuk industri.
Posisi penyebutan: ditentukan oleh kemunculan pertama dalam teks respons.
Nada: dievaluasi berdasarkan konteks kata kunci di sekitarnya. Ini adalah proksi tekstual, bukan anotasi manual.
Pemimpin visibilitas AI: siapa dan mengapa?
Apple memimpin dengan 65,6 poin. Meskipun ini bukan merek fintech murni (Apple Pay, Apple Card), ia menetapkan standar. Di antara perusahaan fintech murni, SoFi memimpin dengan 64,6 poin.
Alasannya sederhana: SoFi adalah satu-satunya merek yang muncul di semua 10 kategori fintech, termasuk perbankan, pinjaman, investasi, dan transfer uang. Frekuensi penyebutan menyumbang 50% dari total skor, dan cakupan kategori menyumbang 20%. Tidak ada merek fintech lain yang mendekati SoFi dalam metrik ini.
Berikutnya adalah:
PayPal: 59 poin (peringkat ke-3).
Charles Schwab: 53.6 poin.
Chime: 53.0 poin.
Revolut: 52.6 poin.
Fidelity dan Wise menunjukkan hasil yang tinggi, meskipun dengan jumlah penyebutan yang lebih sedikit, berkat kemunculan awal dalam jawaban (rata-rata, posisi ke-3). Ini menunjukkan bahwa pengujian hipotesis yang murah tentang dampak posisi penyebutan terhadap konversi sangat beralasan.
Contoh Wealthfront: cakupan lebih penting daripada volume
Wealthfront dengan 46 poin memiliki banyak penyebutan, tetapi hanya mencakup 7 dari 10 kategori. Kesenjangan cakupan ini membuatnya kehilangan posisi dibandingkan dengan merek-merek dengan penyebutan yang lebih sedikit tetapi kehadiran kategori yang lebih luas.
Ini menunjukkan bahwa CPM yang menguntungkan tidak hanya karena kuantitas, tetapi juga karena kualitas cakupan.
Pemimpin Kategori: siapa yang mendominasi ceruk pasar?
Setiap dari 10 kategori fintech memiliki lanskap visibilitas AI-nya sendiri. Pemimpin kategori seringkali bukan pemimpin indeks keseluruhan. Konsentrasi merek sangat bervariasi.
Beli sekarang, bayar nanti (BNPL): yang paling terkonsolidasi. Klarna (91.8%), Affirm (83.1%), Afterpay (80%). Klarna hampir selalu disebutkan pertama.
Transfer uang:Wise memimpin dengan 84.7% penyebutan, mempertahankan stabilitas di kelima platform AI. Remitly (66.8%) dan Western Union (55.2%) tertinggal. Wise menempati posisi pertama dalam 57.7% jawaban di mana ia muncul. Ini adalah contoh bagus di mana merek penantang mengungguli veteran.
Investasi:Fidelity (74.5%) dan Charles Schwab (73.8%) adalah pemimpin bersama, AI tidak memihak salah satu dari mereka. Robinhood (56.3%) di tempat ketiga. Merek-merek yang lebih kecil dengan konten yang kuat dibandingkan fitur bersaing dengan raksasa.
Robo-advisor:Betterment (84.2%) dan Wealthfront (75.7%) adalah pasangan yang jelas. Betterment paling sering disebutkan pertama.
Layanan perbankan:SoFi (59%) dan Chime (54.2%) memimpin. Capital One (40.3%) dan Ally Bank (40.2%) berbagi tempat ketiga.
Mata uang kripto:Coinbase mendominasi dengan 72.9% penyebutan. Kraken (64.9%) dan Binance (52.5%) mengikutinya.
Penganggaran:YNAB memimpin dengan 72.8% penyebutan dan hampir selalu merupakan alat penganggaran pertama yang disebutkan AI. Monarch Money (55.5%) menempati posisi kedua.
Pinjaman: kategori yang paling terfragmentasi. SoFi (43.7%) memimpin, tetapi selisihnya dengan Upstart (36.5%) dan LightStream (33.1%) minimal. Di sini pengujian hipotesis yang murah dapat memberikan hasil yang cepat.
Perangkat lunak bisnis:Intuit memimpin dengan 58.3% berkat QuickBooks dan TurboTax. Xero (41.2%) adalah yang kedua.
Pembayaran:PayPal (81.5%) — merek yang paling sering disebut, tetapi jarang menjadi yang pertama (rata-rata posisi 4.46). Venmo (64.2%), Cash App (48.1%), dan Zelle (46.4%) mengikutinya. Apple Pay, meskipun skor Apple secara keseluruhan tinggi, menempati posisi kelima dalam kategori ini.
Tonalitas penyebutan dan pengaruh platform AI
Kurang dari 2% penyebutan merek fintech memiliki konotasi negatif. Jawaban AI paling sering netral atau positif. Pemimpin dalam tonalitas positif adalah alat untuk keuangan bisnis: FreshBooks, QuickBooks, Wave (lebih dari 75% penyebutan positif).
Ini dijelaskan oleh fakta bahwa AI merekomendasikannya dalam konteks pemecahan masalah, menggunakan formulasi seperti “QuickBooks menyederhanakan…”.
Wise (69% positif) dan Capital One (68.6% positif) menonjol dengan tingkat deskripsi yang baik (“andal”, “transparan”, “terbukti dengan baik”). AI mengambil formulasi ini dari sumber eksternal, seperti daftar produk terbaik di publikasi keuangan.
Di sisi lain, Cash App dan Wells Fargo memiliki proporsi penyebutan negatif tertinggi (masing-masing 1.7% dan 1.5%), terkait dengan biaya dan masalah yang muncul dalam konteks keluhan.
Kesimpulan Strategis: tonalitas dibentuk oleh bahasa sumber yang digunakan AI, dan konteks permintaan. Jika merek Anda lebih sering muncul dalam konteks keluhan, ini akan tercermin dalam deskripsi AI. Jika dalam instruksi dan ulasan — ini juga akan memengaruhi. Artinya, tonalitas mencerminkan campuran sumber Anda, bukan hanya reputasi.
Perbedaan antara platform AI
Lima sistem AI berbeda:
Jumlah merek dalam jawaban.
Preferensi merek tertentu.
Sumber informasi.
ChatGPT lebih sering menyebut PayPal (25.3%) dan SoFi (20.5%). Claude Sonnet 4, sebaliknya, lebih selektif. NerdWallet menunjukkan perbedaan ekstrem: 11.5% di Google AI Overviews versus 1.3% di Gemini.
Gemini memberikan jawaban paling padat (rata-rata 9.8 merek), sementara Perplexity dan Claude — hanya 6. Lebih sedikit merek dalam jawaban — lebih sedikit persaingan, yang penting untuk alternatif anggaran untuk penanaman.
Reddit disebutkan dalam 12% jawaban ChatGPT dan 7.8% Google AI Overviews, tetapi kurang dari 0.2% Perplexity dan Claude. Ini menunjukkan bahwa platform AI memiliki sumber data yang berbeda, yang memengaruhi perbandingan harga promosi.
Pertanyaan yang Sering Diajukan
Apa itu AI Visibility Score?
Ini adalah metrik 100 poin yang mengukur seberapa sering merek muncul dalam jawaban AI, seberapa awal disebutkan, dan dalam berapa banyak kategori merek tersebut hadir. Pada dasarnya, ini adalah indikator berapa banyak uang yang akan dihasilkan dari setiap rubel yang dihabiskan di saluran AI.
Berapa CPM yang dianggap menguntungkan dalam pencarian AI?
Karena pencarian AI masih dalam tahap pengembangan, belum ada CPM langsung. Namun, jika sebuah merek secara konsisten muncul di posisi teratas dalam jawaban AI, ini setara dengan CPM yang sangat rendah, karena jangkauannya organik dan memiliki tingkat konversi yang tinggi.
Fokus pada jangkauan kategori dan penyebutan awal adalah kunci untuk CPM di bawah 50 rubel dalam hal kontak nyata.
Apakah layak berinvestasi dalam optimasi untuk pencarian AI?
Ya, tentu saja. AI menjadi saluran utama untuk mencari informasi keuangan. Perusahaan yang mengabaikannya berisiko kehilangan sebagian besar pelanggan potensial.
Ini bukan pertanyaan “berapa biaya untuk memotong streaming 1 jam”, tetapi pertanyaan tentang apakah AI layak sebagai saluran akuisisi lalu lintas. Jawabannya: ya, layak, dan semakin cepat semakin baik.
Mana yang lebih murah: banner atau target dalam pencarian AI?
Pencarian AI pada dasarnya lebih dekat dengan lalu lintas organik. Jika merek Anda disebutkan oleh AI, itu gratis, tidak seperti banner berbayar atau iklan bertarget.
Investasi dalam optimasi AI adalah strategi jangka panjang untuk mendapatkan lalu lintas “gratis”, yang pada akhirnya terbukti lebih murah daripada influencer dan iklan tradisional.
Kesimpulan
Analisis terhadap 68.334 jawaban platform AI menunjukkan: pasar fintech dalam pencarian AI terfragmentasi, dan perusahaan memiliki kesempatan untuk mengambil posisi terdepan. Apple dan SoFi memimpin, tetapi skor mereka (maksimal 65,6) menunjukkan bahwa batasnya masih jauh.
Ini menciptakan peluang besar untuk menguji hipotesis dengan murah dan bagi perusahaan yang akan fokus pada luasnya jangkauan kategori dan optimasi konten untuk AI. Jangan lupa bahwa CPM yang menguntungkan dalam pencarian AI tidak dicapai melalui penempatan langsung, tetapi melalui integrasi mendalam ke dalam bidang informasi AI.
Platform Whatnot telah mengumumkan struktur komisi baru yang dapat secara signifikan memengaruhi ekonomi unit penjual. Intinya sederhana: semakin banyak Anda menjual, semakin sedikit Anda membayar. Ini bukan amal, melainkan perhitungan murni yang bertujuan untuk mempertahankan dan memotivasi pemain besar. Memahami apa itu CPM yang menguntungkan menjadi kunci bagi penjual di platform ini.
Tarif Whatnot Baru: Menghitung Uang Tunai
Sekarang, penjual yang mencapai penjualan bulanan sebesar $15.000 akan mendapatkan pengurangan komisi. Tarif akan terus turun jika volume penjualan melebihi $250.000. Untuk penjual teratas, Whatnot mengklaim kemungkinan penurunan komisi hingga 3%. Ini disajikan sebagai “komisi terendah di industri”.
“Penjual kami telah memungkinkan ini. Bisnis yang Anda bangun telah membawa lebih banyak pembeli, produk, dan komunitas ke Whatnot,” kata blog Whatnot. — “Seiring dengan perluasan pasar, kami telah menemukan cara baru untuk mendukung apa yang dibangun penjual di sini. Komisi yang lebih rendah, yang terintegrasi ke dalam cara kerja Whatnot, dan tidak ditawarkan sebagai promosi sementara, adalah langkah selanjutnya.”
Bagaimana cara kerjanya dalam praktik?
Penjualan mulai dari $15.000 per bulan: pengurangan komisi.
Penjualan mulai dari $250.000 per bulan: pengurangan lebih lanjut.
Penjual teratas: komisi hingga 3%.
CPM yang menguntungkan untuk pemain besar sudah jelas. Semakin tinggi omset, semakin rendah persentase potongan, yang secara langsung meningkatkan margin. Ini adalah contoh klasik di mana platform merangsang pertumbuhan dengan menawarkan kondisi yang lebih menguntungkan bagi mereka yang sudah menghasilkan pendapatan signifikan.
Whatnot: Fakta dan Angka
Whatnot memposisikan dirinya sebagai pelopor dalam e-commerce, menggabungkan penjualan barang bekas dan live-streaming. Fakta:
Pada tahun 2025, platform ini menghasilkan $8 miliar nilai barang dagangan kotor (GMV).
Menarik 650.000 pengguna baru setiap minggu.
Menarik $545 juta dalam putaran Seri G dengan valuasi $20 miliar.
Angka-angka ini menunjukkan bahwa platform memiliki margin keamanan yang solid dan mampu berinvestasi dalam loyalitas penjual dengan mengurangi komisi. Tujuannya bukan altruisme, melainkan peningkatan volume strategis dan retensi pemimpin pasar. Ini semacam alternatif anggaran untuk penanaman bagi platform, memotivasi penjual untuk secara mandiri meningkatkan lalu lintas dan penjualan.
Motivasi Penjual: Kasus Arkollab
Sebagai contoh, Whatnot mengutip kasus penjual Arkollab, yang berpartisipasi dalam program percontohan tarif baru dan menggandakan penjualan bulanan mereka. Ini menegaskan bahwa pengurangan komisi berfungsi sebagai insentif yang kuat. Bagi platform, ini adalah cara untuk menyediakan uji hipotesis yang murah dan mengkonfirmasi efektivitas model baru.
Tidak hanya untuk ikan paus: peluang bagi “yang kecil”
Meskipun kondisi baru terutama menguntungkan penjual besar, Whatnot menyatakan bahwa hampir 20% penjual yang mencapai penjualan $15.000 dalam empat minggu, enam bulan yang lalu menjual kurang dari $5.000 dalam periode yang sama. Ini menunjukkan potensi pertumbuhan untuk semua. Jika CPM Anda lebih murah dari 50 rubel dan Anda menunjukkan pertumbuhan, maka ini bisa menjadi jalan Anda menuju kondisi yang lebih menguntungkan.
Pertanyaan yang Sering Diajukan
CPM mana yang dianggap menguntungkan?
CPM yang menguntungkan adalah yang memastikan ekonomi unit yang positif. Dalam kasus Whatnot, pengurangan komisi hingga 3% berarti bagi penjual, setiap dolar penjualan menghasilkan lebih banyak keuntungan bersih, membuat CPM menguntungkan pada volume tinggi.
Apakah AI sepadan, dan mana yang lebih murah: banner atau blogger?
Pertanyaan tentang biaya unikalisasi satu video atau pembuatan 100 video AI tidak secara langsung terkait dengan komisi Whatnot, tetapi penting untuk pemahaman umum tentang biaya konten. Dalam konteks Whatnot, di mana konten langsung mendominasi, investasi dalam produksi streaming berkualitas tinggi mungkin lebih efektif daripada produksi massal video AI untuk platform lain. Mana yang lebih murah, banner atau blogger? Di Whatnot, blogger adalah penjual, dan efektivitasnya secara langsung memengaruhi ukuran komisi. Pengurangan komisi membuat “blogger” (penjual) di platform lebih menguntungkan.
Bagaimana tarif baru akan memengaruhi biaya publikasi 500 video?
Jika kita berbicara tentang publikasi 500 streaming atau video pendek di Whatnot, maka dengan mencapai volume penjualan yang tinggi, biaya publikasi 500 video akan secara tidak langsung berkurang karena penurunan persentase komisi dari setiap penjualan. Ini membuat platform lebih menarik bagi mereka yang siap untuk bekerja secara intensif.
Kesimpulan: Uang Tunai yang Menentukan
Struktur komisi baru Whatnot bukan hanya diskon, melainkan perhitungan yang jelas untuk menskalakan bisnis. Bagi penjual, ini adalah insentif langsung untuk meningkatkan volume guna mendapatkan komisi rendah dan meningkatkan keuntungan bersih. Bagi platform, ini adalah cara untuk mempertahankan dan memotivasi pemain kunci, memastikan pertumbuhan GMV yang stabil. Jika Anda bekerja di Whatnot, inilah saatnya untuk menghitung ulang ekonomi unit Anda dan memahami bagaimana kondisi baru dapat meningkatkan uang tunai Anda. Mulailah streaming lebih banyak untuk mendapatkan CPM yang menguntungkan Anda.
AI generatif menjanjikan revolusi, tetapi biaya produksi konten yang sebenarnya seringkali tetap tersembunyi. Kami menghitung berapa biaya untuk membuat iklan 25 detik menggunakan jaringan saraf, termasuk skrip, gambar, video, sulih suara, dan musik. Spoiler: video 25 detik berharga 2.126 ₽, atau 85 ₽ per detik. Bagian terbesar dari anggaran, hampir 90%, “dimakan” oleh pembuatan video.
Berapa biaya iklan AI: video 25 detik seharga 2.126 ₽
Di dunia di mana teknologi berkembang dengan kecepatan yang luar biasa, kecerdasan buatan menjadi bagian integral dari banyak industri, termasuk pembuatan konten. Tapi berapa harga sebenarnya dari inovasi ini? Kami melakukan eksperimen untuk mencari tahu berapa biaya untuk membuat iklan 25 detik sepenuhnya menggunakan jaringan saraf. Hasilnya mungkin mengejutkan Anda, karena biaya unikalisasi satu video dan CPM yang menguntungkan untuk materi iklan menjadi faktor kunci.
Eksperimen dilakukan melalui BotHub menggunakan model-model berikut:
Kami mengiklankan herbarium, tanpa motif komersial. Penting: hanya biaya marjinal yang dipertimbangkan — biaya generasi yang berhasil yang termasuk dalam video akhir. Biaya sebenarnya dapat bervariasi tergantung pada keterampilan prompt dan tingkat perfeksionisme, meningkatkan jumlah regenerasi dan, karenanya, anggaran.
Metodologi perhitungan biaya produksi AI
Untuk evaluasi yang objektif, penting untuk membedakan dua jenis biaya:
Biaya pembuatan hasil: biaya komputasi langsung untuk membuat konten.
Biaya akses ke infrastruktur: biaya langganan atau paket kredit minimum untuk menggunakan layanan.
Dalam kasus satu video, jumlah kedua dapat secara signifikan melebihi yang pertama. Tentu saja, model open-source dapat digunakan secara lokal, tetapi ini membutuhkan PC yang kuat, yang tidak selalu tersedia.
«Jangan mengganti profesional dengan tab browser. Konten AI memiliki nuansa: hak, lisensi, stabilitas karakter, kontrol hasil, dan persyaratan merek. Sangat mudah untuk mendapatkan “neuroslopp” dan Anda akan dibenci karenanya».
Kami mulai dengan membuat konsep. GPT-6 Astra bertindak sebagai produser kreatif dan penulis skenario. Permintaan dirumuskan sedemikian rupa sehingga model segera mempertimbangkan batasan generasi AI dan membentuk prompt untuk setiap elemen.
Permintaan ke GPT-6 Astra:
«Peran: Anda adalah produser kreatif dan penulis skenario berpengalaman yang berspesialisasi dalam membuat iklan menggunakan jaringan saraf. Tugas: Kembangkan skenario terperinci untuk iklan 25 detik untuk Herbarium (album koleksi tanaman/herbal kering). Kondisi penting: Semua konten (video, foto, audio) akan dihasilkan oleh AI. Oleh karena itu, tugas Anda adalah tidak hanya memberikan skenario dengan deskripsi gambar, tetapi skenario yang dilengkapi dengan prompt untuk setiap elemen. Suasana: hangat, musim gugur, nyaman».
Pengembangan skenario dan koreksi membutuhkan biaya 102,09 ₽.
Langkah 2: Pembuatan gambar untuk iklan
Untuk membuat delapan gambar dasar yang menentukan komposisi, suasana, dan gaya, digunakan Nano Banana 2. Total biaya tahap ini adalah 128,29 ₽, rata-rata 16 ₽ per gambar.
Gambar-gambar tersebut berfungsi sebagai keadaan perantara: mereka memperbaiki struktur spasial bingkai, yang menyederhanakan tugas untuk model video. Ini memungkinkan konsistensi antar adegan, yang sangat penting untuk iklan.
Image-to-video: kontrol yang tepat atas hasilnya
Tidak seperti text-to-video, di mana model secara bersamaan menafsirkan deskripsi, memilih komposisi, dan menambahkan gerakan, image-to-video memperbaiki sebagian besar variabel. Ini memberikan kontrol yang lebih besar atas hasilnya dan memastikan kesatuan gaya semua bingkai, yang mengurangi biaya unikasi satu video dan memastikan CPM yang menguntungkan untuk materi iklan.
Langkah 3: Pembuatan video: bagian termahal dari iklan AI
Mengubah gambar statis menjadi adegan video adalah tahap yang paling banyak memakan sumber daya. Tujuh adegan video dihasilkan menggunakan Kling v3 Video, mempertahankan komposisi asli dan menambahkan dinamika alami.
Biaya satu adegan video sekitar 268 ₽, dan total biaya pembuatan video adalah 1.878,17 ₽. Ini adalah 88% dari total anggaran. Biaya tinggi ini disebabkan oleh kebutuhan untuk memastikan konsistensi temporal: objek, kamera, pencahayaan, dan geometri adegan harus stabil sepanjang video.
Langkah 4: Pengisi suara iklan dengan ElevenLabs: murah dan berkelas
ElevenLabs Flash v3 digunakan untuk sulih suara. Tahap ini ternyata salah satu yang termurah — hanya 6,04 ₽. Teknologi TTS secara signifikan menyederhanakan proses dibandingkan dengan rekaman narator tradisional, memastikan pembuatan yang cepat dan biaya rendah. Ini adalah pilihan yang sangat baik untuk pengujian hipotesis murah dan prototipe.
Langkah 5: Musik untuk Iklan di Suno: Anggaran dan Batasan
Musik latar dibuat menggunakan Suno v5.5. Model ini memungkinkan deskripsi suasana hati dan genre, bukan not spesifik, yang nyaman untuk tugas periklanan. Biaya pembuatan musik adalah 11,82 ₽.
Meskipun musik AI menghemat anggaran, kontrol penuh atas hasilnya tidak dijamin. Namun, untuk proyek-proyek kecil, ini adalah alternatif yang efektif untuk trek stok atau pemesanan musik orisinal.
Biaya Akhir dan Perbandingan dengan Langganan Langsung
Total biaya untuk video iklan berdurasi 25 detik yang dibuat dengan AI adalah 2.126,41 ₽.
Alat
Biaya
Skrip dan prompt (GPT-6 Astra)
102,09 ₽
Gambar dasar (Nano Banana 2)
128,29 ₽
Pembuatan video (Kling v3 Video)
1.878,17 ₽
Sulih suara (ElevenLabs Flash v3)
6,04 ₽
Musik (Suno v5.5)
11,82 ₽
TOTAL
2.126,41 ₽
Jika akses ke setiap layanan dibayar secara terpisah, langganan bulanan minimum akan sekitar 3.591 ₽ (dengan kurs $1 = 86,4 ₽):
ChatGPT (Plus): $20 (~1.729 ₽)
Nano Banana 2: ~$0,54 (~47 ₽)
Kling v3 Video: $6,99 (~604 ₽)
ElevenLabs Flash: $6 (~519 ₽)
Suno v5.5: $8 (~692 ₽)
3.591 ₽ ini lebih merupakan modal awal daripada biaya satu video, karena tarif biasanya mencakup lebih banyak kredit daripada yang dibutuhkan untuk satu proyek. Ini menyoroti keuntungan menggunakan agregator seperti BotHub untuk tugas satu kali atau pengujian hipotesis murah.
Kesimpulan dan Prospek Produksi AI
Produksi AI belum menjadi proses yang mulus. Setiap model memiliki fitur dan format datanya sendiri. Koherensi antar tahap dipastikan oleh alur kerja eksternal: prompt, referensi, pengeditan manual. Ini membedakan demonstrasi kemampuan model individu dari sistem produksi lengkap, di mana semua elemen harus bekerja selaras. Harga per satu klip jadi dengan AI bisa jauh lebih rendah daripada produksi tradisional, tetapi membutuhkan manajemen pipeline yang kompeten.
Secara keseluruhan, alat AI secara signifikan menurunkan hambatan masuk untuk pembuatan konten video, menawarkan alternatif anggaran untuk penanaman dan studio produksi tradisional. Namun, untuk mendapatkan hasil berkualitas tinggi, diperlukan keterampilan dan pemahaman tentang batasan setiap model. Ini membuat CPM menguntungkan untuk menguji berbagai materi iklan.
Pertanyaan yang Sering Diajukan
Berapa CPM yang dianggap menguntungkan untuk iklan AI?
CPM yang menguntungkan tergantung pada niche dan tujuan kampanye. Jika biaya produksi video rendah, seperti dalam kasus kami, bahkan dengan CPM rata-rata, profitabilitas keseluruhan (ROI) bisa tinggi. Keuntungan utamanya adalah kemampuan untuk menguji hipotesis dengan cepat dan murah.
Mana yang lebih murah: banner, blogger, atau video AI?
Perbandingan langsung tidak tepat, karena ini adalah format yang berbeda dengan tujuan yang berbeda. Namun, video AI menawarkan pengujian hipotesis yang murah dan bisa jauh lebih murah daripada produksi video dengan blogger atau bahkan beberapa jenis banner, terutama jika diperlukan animasi yang kompleks. Biaya pembuatan satu video AI sebesar 2.126 ₽ membuatnya kompetitif untuk produksi konten massal.
Apakah layak berinvestasi pada AI untuk produksi konten?
Ya, layak. AI secara signifikan mengurangi waktu dan biaya produksi, memungkinkan pembuatan dan pengujian materi iklan dengan cepat. Ini sangat relevan untuk usaha kecil dan menengah, serta untuk arbiter yang mengutamakan uang tunai dan ekonomi unit dari setiap materi iklan. Namun, perlu diingat bahwa harga vs hasil sangat tergantung pada keterampilan bekerja dengan prompt dan pasca-pemrosesan.
Berapa biaya untuk memotong 1 jam streaming menggunakan AI?
Biaya pemotongan satu jam streaming menggunakan AI akan tergantung pada layanan yang digunakan dan tarifnya untuk pemrosesan video. Jika ini tentang membuat klip pendek, ini bisa jauh lebih murah daripada pekerjaan manual, dan sebanding dengan harga pembuatan satu video, karena biaya utama akan ditanggung oleh transkripsi dan analisis konten, bukan pembuatan video dari awal.
Berapa harga per menit video AI dengan avatar?
Harga per menit video AI dengan avatar bervariasi tergantung pada platform dan kompleksitas avatar (2D, 3D, kustomisasi). Dalam eksperimen kami, video berdurasi 25 detik berharga 1.878 ₽, yang setara dengan sekitar 4.500 ₽ per menit, jika hanya biaya pembuatan video yang diekstrapolasi. Namun, platform avatar memiliki tarifnya sendiri, yang bisa lebih tinggi atau lebih rendah, tergantung pada fitur dan kualitas yang disediakan.
Iklan AI membuka cakrawala baru untuk pembuatan konten, membuatnya lebih mudah diakses dan lebih cepat. Jika Anda ingin menyelami lebih dalam dunia AI dan mempelajari bagaimana AI dapat mengubah bisnis Anda, kunjungi blog kami. Temukan peluang baru dan mulailah membuat konten unik hari ini!
