Tidak ada daftar "faktor peringkat AI" yang andal seperti adanya konsensus kasar industri tentang faktor peringkat SEO yang dibangun dari dua dekade pengujian. Tak seorang pun di luar lab AI tahu mekanisme persis yang dipakai model tertentu untuk memutuskan merek mana yang disebut di jawaban tertentu, dan mekanisme itu bisa bergeser di setiap pembaruan model. Siapa pun yang menjual cara terjamin untuk "meretas" ChatGPT agar merekomendasikan Anda sedang melebih-lebihkan — taktik di bawah ini adalah yang berpijak pada cara sistem ini diketahui benar-benar bekerja, dan itu soal meningkatkan peluang, bukan menjamin hasil.
Jelaskan dengan tegas siapa Anda
Asisten AI — baik yang mengambil dari data pelatihan maupun langkah pencarian web langsung — lebih baik dengan merek yang mudah dikategorikan. Jika situs web, ulasan, dan sebutan pihak ketiga Anda semuanya menggambarkan Anda dengan cara yang sama ("manajemen pengeluaran untuk tim keuangan mid-market," bukan "platform fintech" di satu halaman dan "solusi spend" di halaman lain), model lebih mudah mengaitkan Anda dengan percaya diri pada pertanyaan persis yang diajukan pembeli. Ambiguitas kategori tidak hanya membingungkan mesin pencari — ia memberi model bahasa lebih sedikit bahan saat memutuskan siapa yang disebut.
Raih sebutan pihak ketiga yang nyata
Ini satu-satunya faktor yang paling konsisten disebut dalam riset yang tersedia. Analisis Ahrefs atas visibilitas AI pada sekitar 75.000 merek menemukan bahwa sebutan di YouTube memiliki korelasi terkuat dengan visibilitas AI dari semua sinyal yang diuji, dan sebutan web bermerek secara keseluruhan (pers, situs ulasan, konten perbandingan) juga berkorelasi kuat — lihat studi korelasi visibilitas merek Ahrefs. Secara terpisah, pemberitaan tentang cara ChatGPT memunculkan rekomendasi menunjuk validasi pihak ketiga — liputan pers, sebutan analis, dan konsensus di sumber berotoritas tinggi seperti Wikipedia — sebagai faktor yang lebih besar daripada trik SEO di halaman (Profound). Secara praktis: dapatkan liputan dari publikasi nyata di bidang Anda, masuklah ke artikel perbandingan/rangkuman yang nyata, dan jangan membuat yang palsu — model yang merangkum sumber tipis atau spam cenderung memantulkan ketipisan itu kembali.
Dapatkan ulasan yang benar-benar bagus
Situs ulasan seperti G2 dan Capterra termasuk halaman yang dibaca asisten tentang perangkat lunak. Jika rating rata-rata Anda biasa-biasa saja atau ulasan Anda tidak konsisten antarplatform, itu sinyal nyata yang terlihat yang bisa ditangkap model saat menyusun rekomendasi — bukan rumor. Ini bukan sesuatu yang bisa Anda persingkat dengan meyakinkan; ia hilir dari benar-benar andal dalam pekerjaan Anda dan meminta pelanggan nyata menyatakannya.
Terbitkan konten yang langsung menjawab pertanyaan pembeli
Tulis untuk pertanyaan sebenarnya, bukan keyword. "What's the best X for Y" mendekati cara pembeli nyata merumuskannya ke asisten AI — konten yang menjawab pembingkaian itu langsung, dalam bahasa lugas, dengan sudut pandang jelas, lebih mudah diekstrak dan dikutip model daripada konten yang dibangun di sekitar kepadatan keyword. Struktur juga membantu: header yang jelas, jawaban langsung di dekat bagian atas, dan konten yang kalimatnya bisa diambil model tanpa perlu menyimpulkan makna lintas paragraf.
Jaga fakta publik Anda tetap konsisten dan mutakhir
Informasi salah atau usang tentang bisnis Anda di mana pun yang menonjol secara daring — listing Google Business Profile lama, halaman "Tentang" yang basi, detail yang bertentangan antardirektori — bisa terserap ke dalam apa yang diyakini model tentang Anda, dan tidak ada cara "mengoreksi" model setelahnya kecuali dengan memperbaiki sumbernya. Akurasi memang tak glamor, tetapi ia salah satu dari sedikit tuas yang benar-benar bisa dikendalikan di sini.
Apa yang tidak berhasil (dan mengapa)
Menjejali situs sendiri dengan nama merek tidak menggeser keputusan model untuk merekomendasikan Anda — model mensintesis makna, bukan menghitung frekuensi keyword seperti algoritma pencarian lama.
Membeli ulasan palsu atau "sebutan" rekaan berisiko menghasilkan efek sebaliknya jika terungkap atau dibantah di tempat lain secara daring, dan itu jenis hal yang mengikis sinyal kepercayaan nyata yang berusaha dideteksi sistem ini.
Prompt injection atau mencoba memanipulasi keluaran model tertentu secara langsung bukan strategi GEO yang nyata — mungkin berhasil sekali, dalam demo, dan tidak berskala ke pembeli nyata yang mengajukan pertanyaan nyata di dunia nyata.
Perbaikan mana untuk celah mana
Taktik di atas bekerja lebih baik saat Anda tahu celah mana yang sedang Anda tutup. Berikut pola yang layak dicari di jawaban, dan perbaikan yang biasanya menyertai masing-masing:
Pesaing dikutip di tempat Anda tidak. Baca kalimat yang dipakai asisten tentang mereka dan ambil klaim konkretnya: "paling mudah disiapkan", "terbaik untuk pelaporan pipeline". Terbitkan fakta sejenis tentang diri Anda, dengan lugas, dan masukkan ke halaman ulasan dan perbandingan yang membahas kategori Anda.
Satu pertanyaan pembeli tidak pernah menyebut Anda. Jika Anda disebut untuk "best CRM for small sales teams" tetapi tidak pernah untuk "switching from spreadsheets", celahnya ada di pembingkaian. Bahas pertanyaan itu dengan kata-katanya sendiri di halaman yang Anda kendalikan.
Satu asisten tidak pernah menyebut Anda. Periksa apakah ia mencari di web sebelum menjawab atau menjawab dari data pelatihan. Model berbasis pencarian membutuhkan Anda ada di halaman yang bisa diambil dan disitasinya; model data pelatihan berubah lambat, lewat liputan luas dari waktu ke waktu.
Asisten mensitasi situs yang tidak memuat Anda. Saat model mengembalikan sumbernya, itulah situs ulasan, dokumen, dan utas tempat Anda perlu diliput.
Cara mengetahui apakah semua ini berhasil
Satu-satunya cara andal untuk tahu adalah menanyakan ke model pertanyaan yang sama dengan yang ditanyakan pembeli Anda dan membaca hasilnya, bukan menyimpulkannya dari peringkat pencarian. Mentioned menghasilkan 5 pertanyaan pembeli yang realistis untuk kategori Anda, menanyakan masing-masing ke Claude, ChatGPT, dan Gemini secara independen, dan menampilkan kalimat tempat Anda disebut, atau siapa yang direkomendasikan sebagai gantinya jika Anda tidak.
Untuk melihat apakah perubahan berhasil, lacak keyword-nya alih-alih menjalankan ulang pemeriksaan sekali pakai. Pemeriksaan sekali pakai menulis pertanyaan baru setiap kali, jadi membandingkan dua di antaranya mencampur perubahan Anda dengan perubahan pada pertanyaan. Pertanyaan keyword yang dilacak dikunci dan ditanyakan tiap minggu, jadi pergerakan setelah perubahan Anda adalah pergerakan nyata. Di Starter ke atas, layar Actions mengurutkan celah di atas menurut berapa banyak jawaban yang dikorbankan masing-masing, dengan playbook perbaikan yang lazim di bawahnya.
Satu hal yang perlu disingkirkan dulu: apakah ChatGPT, Claude, dan Perplexity bisa membaca situs Anda sama sekali. Crawler pencarian yang diblokir berarti Anda tidak bisa disitasi sebagus apa pun halamannya. Crawler AI dan robots.txt menjelaskan bot mana yang penting, dan pemeriksa crawler AI menguji milik Anda.
