ChatGPT memilih merek sebelum pencarian: bagaimana bisa masuk daftar
ChatGPT menyisipkan nama merek ke dalam kueri pencariannya bahkan sebelum memuat halaman. Saya membaca 60 dialog untuk memahami kapan ini terjadi dan apa yang membantu sebuah merek disebutkan. Ini adalah wawasan kunci bagi semua yang bekerja pada visibilitas AI: keputusan tentang apakah merek Anda direkomendasikan dibuat jauh sebelum ChatGPT menyentuh situs Anda.
Saya meminta ChatGPT menyebutkan aplikasi catatan terbaik dengan AI. Tujuh kata, tanpa menyebut merek. Sebelum memuat apa pun, ia menulis kueri pencarian untuk dirinya sendiri: Granola, Notion AI, Otter, Fireflies, Fathom, Mem, Limitless — tujuh produk dalam satu pencarian. Saya tidak menyebut satu pun, dan tidak ada yang datang dari pencarian web, jadi nama-nama ini muncul dari model itu sendiri.
Kemudian ia melakukan sembilan pencarian lagi — ini adalah ‘kipas’ kueri yang saya tulis di dua bagian pertama. Satu pencarian membentuk daftar pendek, lalu satu pencarian per merek, masing-masing mengarah langsung ke situs perusahaan. Kipas tidak pernah menjadi pencarian kandidat — ini adalah ChatGPT yang menelusuri daftar yang sudah dimilikinya, satu nama pada satu waktu.
Di dua bagian pertama, saya menulis bahwa Anda perlu melewati pemeriksaan site:yourdomain.com, karena ChatGPT menjalankan pemeriksaan semacam itu. Tapi ia hanya menjalankannya jika Anda masuk dalam kueri pencarian pertama. Jika Anda tidak ada dalam daftar pendek, situs Anda tidak akan dilihat sama sekali, sebaik apa pun itu. Keputusan dibuat sebelum apa pun menyentuh server Anda.
Saya membaca lalu lintas ini selama dua bulan untuk bagian pertama dan kedua. Ini adalah hal pertama yang mengubah rekomendasi saya kepada klien. Sebelum membaca lebih lanjut: semua ini didapat dari satu akun, jadi setiap persentase adalah arah, bukan ukuran. Mekanismenya lain. Anda dapat mereproduksinya di akun Anda dalam dua menit, dan saya akan menunjukkan caranya di akhir.
Bagaimana ini bekerja
Saat Anda mengajukan pertanyaan, ChatGPT menulis ulang menjadi kueri pencariannya sendiri, menjalankannya, membaca hasilnya, lalu menulis jawaban. Kueri-kueri ini ada dalam respons yang dimuat browser Anda, di bawah kunci search_queries. OpenAI mengganti namanya dari search_model_queries pada awal Agustus 2026.
Ini bukan kebocoran: browser Anda memerlukan JSON ini untuk merender halaman, dan Anda dapat membacanya di DevTools di akun Anda dalam sekitar dua menit. Berikut contoh dari pertanyaan tentang program obrolan: saya bertanya ‘perangkat lunak AI terbaik untuk obrolan dukungan’, dan ia menambahkan tahun, ‘resmi’, ‘harga’, dan tiga nama.
Semua di bawah ini didasarkan pada pembacaan beberapa ratus permintaan semacam itu. Mulailah dengan ini: buka ChatGPT, ajukan pertanyaan “terbaik [kategori Anda]”, yang diajukan pembeli Anda, dan baca permintaan yang akan ditulisnya. Baris ini akan menunjukkan apakah ChatGPT mengetahui keberadaan merek Anda — inilah yang biasanya dijual sebagai audit visibilitas AI. Seluruh artikel lainnya tentang apa yang harus dilakukan dengan apa yang Anda temukan.
Uji Kausalitas
Keberatan yang jelas terhadap contoh aplikasi catatan saya: mungkin ChatGPT pertama kali melakukan pencarian, melihat merek-merek tersebut, lalu menulis permintaan kedua yang lebih cerdas. Ini akan membuat nama-nama itu menjadi hasil pencarian, bukan penyebab.
Karena itu, saya melakukan uji: untuk setiap dialog, saya mengambil pesan pertama pengguna dan permintaan pencarian pertama, diurutkan berdasarkan waktu. Pada saat itu, tidak ada yang dimuat, jadi tidak ada yang bisa dipelajari. Dalam 21 dari 27 dialog, permintaan pertama berisi merek yang tidak dimasukkan pengguna. Lihat baris 2 dan 3: pertanyaan yang sama, sedikit perbedaan kata — dan daftar bertambah dari tiga menjadi tujuh nama. Daftar bertambah tergantung pada kata-kata, bukan dari tabel tetap.
Kemudian saya menjalankan 12 kategori yang tidak terkait satu sama lain untuk memeriksa bahwa ini bukan fitur perangkat lunak. 11 dari 13 menunjukkan hal yang sama. Baris dengan robot penyedot debu mengejutkan saya: mengingat bahwa Roborock ada adalah hal biasa, tetapi ia mengingat Saros, Dreame X50, dan Eufy S1 Pro — nomor model terkini dalam permintaan pertama, tanpa petunjuk. Pengetahuan ini mencapai lini produk.
Baris dengan SUV listrik berperilaku berbeda. Untuk akuntansi, terapi, dan hosting, ia menyebut vendor dan beralih ke halaman harga mereka. Untuk mobil, ia menyebut majalah: Car and Driver, Edmunds, Top Gear. Dalam satu kategori, nalurinya adalah pergi ke produsen; di kategori lain, ke pengulas.
Saya senang dengan ini dan menjalankan ulang tiga kategori untuk memeriksa stabilitas. Belajar bahasa hampir tidak berubah: lima dari enam nama cocok. Akuntansi menyusut dari enam vendor menjadi satu permintaan yang ditargetkan ke QuickBooks. Web hosting sepenuhnya berpindah sisi: meninggalkan semua vendor dan beralih ke situs ulasan. Jadi “vendor versus majalah” adalah tren yang dapat berubah antar peluncuran, bukan properti tetap dari kategori.
Dua hal bertahan: injeksi terjadi setiap kali, dan kategori dengan pemimpin pasar paling jelas mempertahankan nama-nama mereka. Saya berasumsi bahwa kategori mapan memiliki daftar pendek yang stabil, sementara yang diperdebatkan berfluktuasi, tetapi tiga pengulangan tidak cukup untuk menegaskan ini. Jangan menilai visibilitas AI dari satu jawaban. Jalankan pertanyaan lima kali, karena daftar berubah antar peluncuran.
Apa yang Mempengaruhi Injeksi Merek
Semua permintaan sebelumnya mengandung kata “terbaik”, jadi saya mencoba memecahnya. Saya menjalankan 24 permintaan tambahan tanpa kata itu dalam tujuh bentuk berbeda. Ternyata “terbaik” tidak ada hubungannya dengan itu. Yang penting adalah apakah ChatGPT harus memikirkan produk sendiri.
Ketika dia tidak mencari sama sekali, itu tidak berfungsi. Tanyakan cara kerja peredam bising atau apa itu basis data vektor—dia akan menjawab dari pelatihan tanpa pencarian web. Hal yang sama untuk keluhan terbuka: “Kami menghabiskan terlalu banyak untuk alat dukungan pelanggan”—juga tanpa pencarian. Tujuh dari dua puluh empat permintaan saya tidak menyentuh web sama sekali, jadi tidak ada daftar pendek untuk dimasuki.
Jika Anda menyebutkan merek sendiri, dia akan menerimanya. “Xero atau QuickBooks untuk bisnis kecil” langsung beralih ke site:xero.com/uk. “Haruskah saya menggunakan HubSpot untuk agensi kecil”—ke site:hubspot.com. Jika kandidat diserahkan padanya, dia menggunakan memori. Ini terjadi dalam sepuluh dari sebelas kasus ketika saya meminta rekomendasi tanpa menyebutkan nama.
Baris ketiga adalah favorit saya: Saya sengaja menghindari kata “robot penyedot debu” dan tidak menyebutkan siapa pun, tetapi dia langsung pergi ke situs model Roborock tertentu di pencarian pertama. Baris 2 seharusnya mengkhawatirkan Anda jika Anda menjual perangkat lunak: keluhan tentang catatan rapat berubah menjadi “harga resmi Granola” sebelum halaman dimuat.
Ada versi yang menargetkan pesaing Anda. Ketiga permintaan saya tentang penggantian menghasilkan nama baru: “Alternatif Zendesk”—Help Scout; “apa yang bisa digunakan selain QuickBooks”—Zoho Books; “sesuatu seperti Duolingo, tapi lebih baik untuk tata bahasa”—Kwiziq dan Babbel. Ketika pelanggan Anda mencari jalan keluar dari pesaing Anda, ChatGPT menawarkan yang sudah dikenalnya. Itu bisa jadi Anda, dan pada hari itu Anda tidak bisa memengaruhinya.
Jika ChatGPT mencari produk dan Anda tidak menyebutkan satu pun, dia membawa miliknya sendiri. Lakukan ini: jalankan pertanyaan kategori Anda lima kali dan catat nama yang muncul di kueri setiap kali. Nama yang muncul di setiap putaran adalah set kompetitif nyata Anda di kepala ChatGPT. Yang muncul dan hilang adalah wilayah yang diperdebatkan di mana Anda bisa menggeser keadaan. Jika merek Anda tidak muncul sama sekali dalam lima putaran, Anda punya jawabannya, dan itu bukan teknis.
Kutipan: Peluang 3,1%
Saya membagi semua merek menjadi dua kelompok: yang muncul di kueri yang ditulis ChatGPT dan yang hanya dimuat selama pencarian tetapi tidak disebutkan. Lalu saya memeriksa seberapa sering setiap kelompok masuk ke jawaban akhir. Perbedaannya sekitar 33 kali lipat. Saya juga menemukan 86 kasus di mana merek direkomendasikan tetapi situsnya tidak pernah dimuat dalam dialog itu. Penyebutan tidak memerlukan perayapan.
Ini tidak nyaman untuk industri saya sendiri. Sebagian besar yang sekarang dijual sebagai GEO adalah kerja ekstraksi, yaitu kolom 2,1%. Kolom 68,9% diputuskan sebelum semua itu dimulai. Bagilah anggaran sesuai dengan dua kolom tersebut.
Jika Anda tidak ada di kueri, uang harus pergi ke upaya agar Anda ditulis, diulas, dibandingkan, dan dimasukkan dalam daftar: PR digital, konten kategori, penempatan di situs ulasan, liputan analis, partisipasi dalam kurasi yang dibaca pembeli Anda. Jika Anda sudah ada di kueri, pengeluaran itu sebagian besar sudah selesai, dan yang tersisa adalah kerja teknis di bawah ini.
Jika semuanya berhenti di sini, sarannya adalah “bangun ekuitas merek”, dan kita semua bisa pulang. Tetapi setelah kueri, ada filter kedua yang bekerja, dan itu kejam. Saya membuat kumpulan data berlabel dari 57 dialog: setiap halaman yang dimuat sebagai baris, dengan label apakah halaman itu mendapat sitasi. 3.554 halaman, 110 mendapat sitasi — 3,1%. ChatGPT membaca sekitar 600 halaman untuk menulis satu jawaban, dan menyebut sekitar 30. Hampir semuanya dibaca. Kesenjangan antara pembacaan dan sitasi — di situlah pekerjaan berada.
Tiga Faktor yang Mempengaruhi Sitasi
Posisi. ChatGPT mengelompokkan hasil berdasarkan domain, dan posisi Anda dalam grup itu memprediksi hampir semuanya. Di bawah dua teratas, sitasi adalah kesalahan pembulatan. Berada dalam kumpulan bukanlah kemenangan jika Anda berada di posisi kesembilan.
Kanibalisasi. Menambahkan halaman merugikan. Ketika beberapa halaman dari domain yang sama muncul dalam satu grup, konversi per halaman turun drastis. Dua halaman yang terkait erat adalah optimal. Lebih dari enam — Anda pada dasarnya bersaing dengan diri sendiri. Saya selama setahun memberi tahu klien untuk konsolidasi berdasarkan intuisi. Ini pertama kalinya saya melihatnya dalam data.
Relevansi. Relevansi memenuhi syarat, tetapi tidak memilih. Saya menilai halaman yang disitasi terhadap semua halaman lain yang diambil untuk pernyataan yang sama, berdasarkan seberapa baik teksnya sesuai dengan kalimat yang didukung. Halaman yang disitasi masuk ke 5% teratas dari kumpulan. Tetapi itu adalah satu-satunya kecocokan terbaik hanya dalam 20% kasus, dan tumpang tindih rata-ratanya jauh lebih rendah daripada yang terbaik yang tersedia.
Jadi, relevansi pernyataan membentuk daftar pendek, dan sesuatu yang lain memilih pemenang. Masuk ke 10% teratas untuk pernyataan tertentu — dan Anda dalam percakapan. Bagian itu Anda kendalikan melalui teks. Pilihan akhir melibatkan hal-hal yang tidak saya lihat.
Lakukan ini: ambil pertanyaan yang diajukan pembeli Anda, dan temukan semua halaman Anda yang menjawab pertanyaan yang sama. Pilih halaman yang paling sesuai dengan niat, jadikan itu jawabannya, dan gabungkan atau arahkan yang lain ke sana. Pastikan kalimat yang benar-benar menjawab pertanyaan berada di bagian atas halaman sebagai teks HTML sederhana dengan angka.
Menemukan tumpang tindih seperti itu secara manual di situs nyata adalah bagian yang paling tidak menyenangkan. Kanibalisasi biasanya dinilai berdasarkan tumpang tindih kata kunci, tetapi itu adalah unit yang salah, karena ChatGPT mengelompokkan berdasarkan pernyataan, bukan kata kunci. Justru untuk itulah Keyword Insights dibuat: ia mengelompokkan kata kunci berdasarkan niat pencarian, bukan berdasarkan kecocokan string, sehingga halaman yang bersaing untuk satu niat terlihat sebagai grup, bahkan jika mereka tidak memiliki kata kunci yang sama. Pengelompokan ini persis sesuai dengan apa yang saya lihat ketika ChatGPT memadatkan domain menjadi satu halaman yang disitasi. Pengungkapan penuh: ini adalah perusahaan saya, jadi saya tahu ia menangani tugas ini.
Hasilnya membagi visibilitas AI menjadi dua permainan yang sering membingungkan. Jika ChatGPT tidak menghubungkan merek Anda dengan kategori Anda, ia tidak akan menyebut Anda dalam permintaan, dan Anda memiliki peluang 2% untuk disebutkan. Skema tidak akan memperbaiki ini, begitu juga kecepatan halaman. File llms.txt memiliki peluang lebih kecil lagi, karena server Anda tidak melakukan kontak sebelum keputusan dibuat.
Yang tampaknya membangun koneksi adalah kerja yang lambat dan tidak menarik: orang menulis tentang Anda, mereview, membandingkan, dan memperdebatkan Anda di web terbuka selama bertahun-tahun sampai asosiasi muncul dalam data pelatihan. Ini adalah PR digital dan konten yang mendefinisikan kategori, yang tidak nyaman bagi mereka yang menjual audit teknis sebagai strategi AI.
Bagian teknis adalah 3,1%, dan itu nyata: satu halaman yang disesuaikan dengan tepat untuk setiap niat, proposisi dengan klaim kunci di awal, fakta dan angka dalam teks HTML sederhana, tanpa klaster halaman yang hampir identik yang saling bersaing. Berikut adalah seluruh urutan yang dapat Anda lakukan minggu ini:
- Periksa apakah ChatGPT mengenal merek Anda: ajukan pertanyaan kategori lima kali dan lihat apakah merek Anda muncul dalam hasil pencarian.
- Periksa halaman mana yang dikutip: gunakan FanoutFox untuk melacak kutipan dan melihat permintaan.
- Hilangkan kanibalisasi: temukan halaman yang menjawab pertanyaan yang sama dan gabungkan.
- Optimalkan konten: pastikan klaim kunci dan angka berada di bagian atas halaman.
Dalam data saya, satu merek dimuat 66 kali dan tidak pernah dikutip. Ini bukan masalah kesadaran. Mesin terus kembali dan memutuskan bahwa tidak ada yang bisa dikutip. Langkah 4 ada untuk menangkap ini.
Langkah 1 dan 4 adalah alasan saya membuat FanoutFox, karena melakukannya secara manual untuk setiap respons cepat membosankan. Ini adalah ekstensi Chrome gratis; semuanya tetap di browser Anda, dan ia membaca milik Anda sendiri.