Apa yang Kami Pelajari dari 10.000 Jawaban Generatif pada Tahun 2025

Pengantar

Pada tahun 2025, pencarian generatif akhirnya melewati ambang batas. Ia berhenti menjadi eksperimen dan menjadi cara utama bagi ratusan juta orang untuk berinteraksi dengan informasi.

Untuk memahami bagaimana pergeseran ini mengubah proses penemuan, kami melakukan salah satu upaya penelitian GEO independen terbesar hingga saat ini:

10.000 jawaban generatif dianalisis di 7 mesin pencari utama selama 4 bulan di 5 kategori kueri di lebih dari 100 merek.

Artikel ini merangkum wawasan paling penting — apa yang dilakukan mesin generatif, bagaimana mereka memilih sumber, pola apa yang muncul, merek mana yang menang atau kalah, dan apa artinya ini bagi masa depan optimasi.

Ini adalah laporan definitif "keadaan jawaban generatif" untuk tahun 2025.

Bagian 1: Ringkasan Proyek — Apa yang Kami Uji

Dari 10.000 jawaban generatif, kami melacak:

• frekuensi inklusi

• pola kutipan

• perilaku penalaran

• jenis halusinasi

• pergeseran fakta seiring waktu

• bias generatif

• pengaruh multi-modal

• struktur jawaban

• klasifikasi entitas

• dominasi tingkat kategori

Pertanyaan berasal dari 5 kelompok:

1. Informasional

Definisi, panduan, penjelasan, fakta.

2. Transaksional

Perbandingan, pilihan produk, penyedia layanan.

3. Tingkat Merek

“Apa itu X?”, “Siapa pemilik X?”, “X vs Y.”

4. Multi-Modal

Gambar, tangkapan layar, grafik, video.

5. Agensi

Alur kerja multi-langkah, instruksi penelitian, pertanyaan penggunaan alat.

Mesin yang termasuk:

• Google SGE

• Bing Copilot

• ChatGPT Pencarian

• Perplexity

• Claude Search

• Ringkasan Brave

• You.com

Data set ini merupakan gambaran paling jelas hingga saat ini tentang bagaimana jawaban AI dibangun di dunia nyata.

Bagian 2: 10 Temuan Terpenting (Ringkasan)

Berikut adalah poin-poin utama sebelum kita membahas lebih dalam:

1. Jawaban generatif ditulis menggunakan sangat sedikit sumber — biasanya 3–10.

2. Kejelasan entitas adalah prediktor terkuat untuk inklusi.

3. Data asli dikutip jauh lebih sering daripada konten lainnya.

4. Halaman yang sudah usang hampir selalu dikecualikan.

5. Definisi kanonik membentuk cara merek dijelaskan.

6. Aset multi-modal memengaruhi merek mana yang dipilih.

7. Halusinasi berkurang, tetapi kesalahan klasifikasi meningkat.

8. Konsistensi lintas web sangat memengaruhi penilaian kepercayaan.

9. Agen memodifikasi jawaban berdasarkan penalaran multi-langkah.

10. Faktor SEO berbasis SERP hampir tidak memprediksi visibilitas generatif.

Mari kita uraikan detailnya.

Bagian 3: Temuan #1 — Model Menggunakan Jauh Lebih Sedikit Sumber daripada yang Diharapkan

Meskipun mengambil puluhan atau ratusan halaman:

Jawaban generatif biasanya dibangun dari 3–10 sumber yang dipilih.

Hal ini konsisten di seluruh:

• jawaban singkat

• penjelasan panjang

• perbandingan

• penalaran bertahap

• alur kerja agen

Jika Anda bukan salah satu dari 3–10 sumber yang lolos penyaringan, Anda tidak terlihat.

Ini adalah perubahan terbesar dari era SERP:

Visibilitas ≠ peringkat. Visibilitas = inklusi.

Bagian 4: Temuan #2 — Kejelasan Entitas Adalah Prediktor Terkuat Visibilitas

Merek dengan visibilitas terbaik di seluruh mesin pencari memiliki satu ciri umum:

AI dapat menjawab “Apa ini?” dengan keyakinan penuh.

Kami mengamati tiga tingkat kejelasan entitas:

Tingkat 1 — Jelas sekali Konsisten, tidak ambigu, kanonik. Merek-merek ini mendominasi visibilitas generatif.

Tingkat 2 — Jelas sebagian Beberapa ketidakkonsistenan. Merek-merek ini muncul sesekali.

Tingkat 3 — Ambigu Deskripsi yang bertentangan. Merek-merek ini hampir sepenuhnya diabaikan.

Kejelasan entitas mengungguli:

• tautan balik

• peringkat domain

• panjang konten

• kepadatan kata kunci

• usia domain

Ini adalah faktor GEO teratas di seluruh dataset kami.

Bagian 5: Temuan #3 — Data Asli Mengungguli Semua Jenis Konten Lainnya

Mesin generatif secara dominan lebih memilih:

• studi eksklusif

• statistik

• tolok ukur

• whitepaper

• laporan penelitian

• temuan survei

Konten yang tidak ada di tempat lain.

Merek dengan data asli memiliki:

• 3–4 kali lipat tingkat inklusi yang lebih tinggi

• 5× lebih stabil dalam hal kutipan

• risiko halusinasi mendekati nol

Mesin-mesin tersebut menginginkan bukti sumber pertama, bukan konten SEO yang diubah-ubah.

Bagian 6: Temuan #4 — Keberadaan Terbaru Lebih Penting daripada Otoritas

Ini mengejutkan bahkan bagi kami:

Mesin pencari secara konsisten menurunkan peringkat halaman yang sudah usang, bahkan jika halaman tersebut berasal dari domain dengan otoritas tinggi.

Keterbaruan sangat penting.

Halaman yang diperbarui dalam 90 hari terakhir outperformed:

• pesaing DR yang lebih tinggi

• konten yang lebih panjang

• lebih banyak halaman yang terhubung

• panduan evergreen yang lebih lama

Model menginterpretasikan keaktualan = kredibilitas.

Bagian 7: Temuan #5 — Definisi Kanonik Mempengaruhi Cara AI Mendeskripsikan Anda

Kami mengamati hubungan langsung antara:

• format halaman kanonik merek

• penggunaan kata-kata dalam ringkasan generatif

Definisi sederhana dan terstruktur secara konsisten muncul dalam jawaban secara harfiah.

Ini berarti:

Anda dapat membentuk cara web generatif menggambarkan Anda —

dengan membentuk definisi kanonik Anda.

Ini adalah optimasi "snippet" yang baru.

Bagian 8: Temuan #6 — Aset Multi-Modal Memainkan Peran yang Tak Terduga

Mesin generatif semakin sering menggunakan:

• screenshot

• Contoh antarmuka pengguna

• gambar produk

• diagram

• video

sebagai bukti pendukung.

Merek dengan:

• desain yang konsisten

• gambar yang terang

• visual yang diberi anotasi

• demo video

muncul lebih sering dan dijelaskan dengan lebih akurat.

Kejelasan visual = kejelasan generatif.

Bagian 9: Temuan #7 — Halusinasi Berkurang, Tapi Kesalahan Klasifikasi Meningkat

Halusinasi menurun secara signifikan di semua mesin pencari.

Namun, masalah baru muncul:

Kesalahan klasifikasi — AI menempatkan merek ke dalam kategori yang salah.

Contoh:

• Menyebut platform SaaS sebagai "alat" daripada "paket"

• salah mengidentifikasi tingkatan produk

• mencampurkan pesaing

• menggabungkan fitur dua merek

• menyalahartikan perusahaan induk dengan produk

Kesalahan ini hampir selalu dapat dilacak kembali ke:

• Data kanonik yang lemah

• penamaan produk yang tidak konsisten

• halaman dukungan yang sudah usang

Merek yang memperbarui definisi secara bulanan memiliki tingkat kesalahan klasifikasi yang jauh lebih rendah.

Bagian 10: Temuan #8 — Konsistensi Antar-Web Memiliki Bobot Tinggi dalam Pemilihan

Mesin yang diperiksa:

• LinkedIn

• Wikipedia

• Wikidata

• Crunchbase

• G2

• GitHub

• profil media sosial

• skema

• ulasan pihak ketiga

satu sama lain.

Jika fakta cocok → kepercayaan meningkat. Jika fakta bertentangan → pengecualian terjadi.

Konsistensi antar-web merupakan faktor peringkat teratas.

Bagian 11: Temuan #9 — Penalaran Agensi Meningkatkan Beberapa Merek dan Merugikan yang Lain

Pertanyaan agentik adalah instruksi bertahap:

“Teliti X, bandingkan penyedia, ringkas opsi, dan rekomendasikan yang terbaik.”

Kami mengamati:

Merek dengan perbandingan terstruktur yang kuat lebih sering dipilih.

Mesin pencari menginginkan:

• kelebihan & kekurangan

• harga transparan

• posisi yang jelas

• daftar kasus penggunaan

• uraian fitur

Merek yang menyembunyikan kelemahan atau menyamarkan fitur kehilangan peluang untuk dimasukkan.

Bagian 12: Temuan #10 — Kekuatan SEO Tidak Memprediksi Visibilitas Generatif

Ini adalah temuan paling jelas dari semua:

Merek dengan peringkat SEO tinggi seringkali berkinerja buruk dalam jawaban generatif.

Mengapa?

Karena visibilitas generatif bergantung pada:

• kejelasan

• konsistensi

• otoritas

• keterbaruan

• keaslian

• kepercayaan

• data terstruktur

—bukan pada peringkat kata kunci.

Kami melihat merek dengan:

• DR 20 outperform DR 80

• Situs dengan 100 halaman outperform situs dengan 10.000 halaman

• domain yang spesifik outperform domain yang luas

Mesin generatif menghargai koherensi, bukan volume.

Bagian 13: Temuan Tambahan yang Layak Diperhatikan

Di luar 10 temuan teratas, kami menemukan beberapa pola tambahan:

1. Mesin penalti ekosistem produk yang ambigu

Jika Anda memiliki terlalu banyak produk yang tumpang tindih, kejelasan akan menurun.

2. Paragraf panjang berkinerja buruk

Konten yang terstruktur secara konsisten lebih disukai.

3. Model menghargai konten yang berfokus pada definisi terlebih dahulu

Mulailah dengan jawaban → lalu kembangkan.

4. Model tidak menyukai tangkapan layar yang sudah usang

Antarmuka pengguna lama membingungkan pengenalan multi-modal.

5. Mesin lebih menyukai merek yang berbeda daripada keluarga merek

Hubungan orang tua/anak seringkali kabur atau digabungkan.

6. Mesin pencari menurunkan peringkat situs afiliasi secara signifikan

Kurangnya keaslian = pengucilan.

7. Otoritas domain hanya berpengaruh pada kepercayaan, bukan inklusi

Ini adalah salah satu sinyal, bukan sinyal penentu.

Bagian 14: Wawasan Tingkat Industri dari 10.000 Jawaban

Visibilitas generatif terkuat

• SaaS

• keuangan

• informasi kesehatan

• keamanan siber

• analisis

• alat pengembang

Industri-industri ini memiliki definisi yang jelas dan dokumentasi yang terstruktur.

Terlemah

• perhotelan

• perjalanan

• layanan rumah

• agen kreatif

• penyedia layanan lokal

Industri-industri ini mengalami ketidakjelasan dan penamaan yang tidak konsisten.

Bagian 15: Apa yang Dapat Dilakukan Merek dengan Wawasan Ini (Ringkasan Berorientasi Aksi)

1. Perkuat definisi kanonik Anda

Ini menentukan cara AI menggambarkan Anda.

2. Publikasikan penelitian asli

Ini meningkatkan visibilitas generatif.

3. Pertahankan konsistensi yang ketat di seluruh web

Hal ini meningkatkan kepercayaan dan inklusi.

4. Perbarui halaman inti setiap bulan

Keterbaruan bukanlah pilihan.

5. Buat konten yang mudah dibandingkan

Agen menyukai pembagian yang terstruktur.

6. Pertahankan keselarasan multi-moda

Gambar, tangkapan layar, dan antarmuka pengguna Anda kini sangat penting.

7. Hilangkan kontradiksi

AI lebih menghukum ambiguitas daripada mesin pencari.

8. Prioritaskan kejelasan entitas di atas segalanya

Ini adalah dasar dari GEO.

Kesimpulan: Jawaban Generatif Mengungkap Ekonomi Informasi Baru

Data dari 10.000 jawaban generatif membuktikan satu hal:

Kita memasuki ekonomi jawaban — bukan ekonomi tautan.

Visibilitas tidak lagi bergantung pada:

• peringkat

• tautan balik

• volume kata kunci

• Permukaan SERP

Hal ini bergantung pada:

• kejelasan

• fakta

• struktur

• keterbaruan

• keaslian

• koherensi entitas

• pemahaman multi-moda

• identitas yang konsisten di seluruh web

Mesin generatif tidak mengutamakan situs terbesar. Mereka mengutamakan yang paling jelas, paling dapat dipercaya, dan paling terstruktur.

Apa yang kami pelajari dari 10.000 jawaban generatif pada tahun 2025 sangat sederhana:

Jika Anda ingin visibilitas di era AI, Anda harus mengoptimalkan cara AI berpikir — bukan cara manusia dulu mengklik.