AI untuk Digital Marketing: Yang Berubah, Yang Berguna, dan Yang Masih Hype
Cara memisahkan pemakaian AI di tim dari visibilitas brand di jawaban AI, memilih use case pertama, mengendalikan risiko, dan menetapkan KPI.
AI dalam digital marketing mencakup dua urusan yang berbeda, yaitu memakai AI untuk mempercepat dan merapikan pekerjaan tim, dan memastikan brand tetap ditemukan ketika calon pembeli bertanya kepada asisten AI. Keduanya membutuhkan alur kerja, pengaman, dan ukuran keberhasilan yang berbeda, sehingga sebaiknya dikelola sebagai dua program terpisah.
Pemisahan ini penting untuk anggaran dan ekspektasi. Tim yang menulis draf dua kali lebih cepat belum tentu lebih sering muncul di jawaban ChatGPT, Gemini, atau AI Overviews. Sebaliknya, brand yang sering direkomendasikan AI bisa saja masih menulis kontennya dengan cara lama. Kerangka berikut membantu Anda memilih di mana AI layak dipakai lebih dulu, risiko apa yang perlu dikendalikan, dan KPI apa yang cocok untuk tiap pilihan. Fokusnya pada prioritas dan cara memutuskan, karena daftar tool berubah setiap bulan sementara cara menilai use case tetap berguna.
Apa arti AI dalam digital marketing?
AI dalam digital marketing adalah pemakaian model AI, terutama model bahasa dan model gambar, untuk membantu pekerjaan marketing atau untuk menjangkau pembeli yang mencari informasi lewat produk AI. Cakupannya bisa dibagi menjadi tiga kelompok yang punya karakter berbeda.
- Eksekusi yang dibantu AI, seperti menyusun kerangka konten, membuat variasi judul iklan, atau menerjemahkan materi kampanye.
- Analisis yang dibantu AI, misalnya mengelompokkan keyword, merangkum ulasan pelanggan, atau membantu membaca data kampanye.
- AI sebagai permukaan penemuan, yaitu ChatGPT, Gemini, Perplexity, AI Overviews, dan AI Mode yang menjawab pertanyaan pembeli dan kadang merekomendasikan brand.
Dua kelompok pertama terjadi di dalam tim dan bisa Anda kendalikan sepenuhnya. Kelompok ketiga terjadi di luar, di produk milik pihak lain, sehingga Anda hanya bisa memengaruhinya lewat informasi yang tersedia tentang brand Anda di web. Perbedaan kendali ini yang membuat cara mengelolanya berbeda.
Apa bedanya memakai AI dan ditemukan lewat AI?
Memakai AI adalah soal efisiensi dan kualitas kerja internal, sedangkan ditemukan lewat AI adalah soal kehadiran brand ketika pembeli meminta rekomendasi. Satu tidak otomatis menghasilkan yang lain, karena keduanya bergantung pada faktor yang berbeda.
| Aspek | Memakai AI di dalam tim | Ditemukan lewat AI |
|---|---|---|
| Pertanyaan utama | Apakah pekerjaan jadi lebih cepat atau lebih baik? | Apakah brand disebut dan direkomendasikan saat pembeli bertanya? |
| Siapa yang mengendalikan | Tim Anda sendiri | Produk AI pihak lain, berdasarkan informasi di web |
| Input yang paling menentukan | Brief, data internal, dan kualitas review | Halaman website, sumber pihak ketiga, konsistensi informasi brand |
| Risiko utama | Klaim keliru, kebocoran data, konten massal berkualitas rendah | Brand tidak hadir, atau dijelaskan dengan informasi yang salah atau usang |
| Ukuran keberhasilan | Waktu produksi, tingkat koreksi, kualitas output | Kehadiran di jawaban, sumber yang dikutip, kunjungan dan enquiry dari AI |
Contoh sederhananya, sebuah tim bisa memakai AI untuk menulis 40 artikel blog per bulan. Jika artikel itu mengulang informasi umum yang sudah ada di ratusan situs lain, AI search tidak punya alasan khusus untuk memakainya sebagai sumber. Kecepatan produksi naik, tetapi visibilitas di jawaban AI tidak ikut naik.
Sebaliknya, satu halaman produk yang menjelaskan spesifikasi, harga, dan perbandingan dengan jelas bisa lebih berguna bagi AI search daripada puluhan artikel umum. Halaman seperti itu bisa ditulis dengan atau tanpa bantuan AI. Yang menentukan adalah isinya akurat, spesifik, dan mudah dibaca crawler.
Pekerjaan marketing apa yang layak dibantu AI?
Pekerjaan yang layak dibantu AI adalah pekerjaan yang inputnya jelas, outputnya bisa diperiksa dengan cepat, dan kesalahannya tidak mahal. Lima jenis pekerjaan berikut sering memenuhi syarat itu, dengan catatan manfaatnya perlu diukur di tim Anda sendiri.
Mengorganisasi riset adalah titik awal yang aman. Inputnya catatan wawancara, ulasan pelanggan, atau hasil survei. Outputnya pengelompokan tema dan kutipan pendukung. Reviewer memeriksa apakah tema yang muncul memang ada di data mentah, dan ukurannya adalah waktu yang dihemat serta jumlah tema yang harus dikoreksi.
Menyusun brief konten juga cocok. Inputnya keyword, persona, dan halaman yang sudah ada. Outputnya kerangka, pertanyaan pembaca, dan sumber yang perlu dicek. Editor tetap memutuskan sudut pandang dan klaim yang boleh dibuat. Ukurannya adalah waktu dari permintaan sampai brief disetujui dan seberapa banyak brief harus ditulis ulang.
Repurposing konten, misalnya mengubah artikel menjadi ringkasan email atau beberapa unggahan media sosial, punya risiko rendah karena sumbernya sudah disetujui. Reviewer memastikan tidak ada klaim baru yang muncul saat diringkas. Klasifikasi data, seperti memberi label sentimen pada ulasan atau mengelompokkan pertanyaan pelanggan, juga cocok selama ada sampel yang diperiksa manual. Dukungan pelaporan, seperti merangkum perubahan metrik mingguan, layak dicoba asalkan angka sumbernya tetap dibaca langsung dari tool analytics.
Manfaat dari satu tugas tidak bisa dipindahkan begitu saja ke tugas lain. Tim yang menghemat banyak waktu di repurposing belum tentu mendapat hasil yang sama di riset strategi, karena tingkat kesulitan dan beban review-nya berbeda.
Ada juga pekerjaan yang sebaiknya belum diserahkan ke AI di tahap awal. Klaim harga, klaim kesehatan atau keamanan produk, materi hukum, dan respons saat krisis reputasi punya biaya kesalahan yang tinggi dan butuh penilaian orang yang memahami konteks bisnis. AI masih bisa membantu menyiapkan bahan mentahnya, tetapi keputusan dan kalimat akhirnya sebaiknya ditulis dan disetujui manusia.
Apa yang benar-benar didukung penelitian?
Penelitian yang ada menunjukkan manfaat AI generatif cenderung spesifik per tugas dan per kelompok pekerja, sementara efek yang lebih luas terhadap jam kerja dan pendapatan bisa kecil. Tidak satu pun temuan berikut berasal dari tim marketing, jadi angkanya tidak bisa dipakai sebagai janji ROI marketing.
Studi Brynjolfsson, Li, dan Raymond terhadap 5.179 agen customer support menemukan akses ke asisten AI meningkatkan jumlah masalah yang diselesaikan per jam rata-rata 14%. Kenaikannya mencapai 34% untuk pekerja baru dan kurang terampil, dengan dampak minimal pada pekerja berpengalaman. Para peneliti juga menemukan sentimen pelanggan membaik dan retensi karyawan meningkat. Temuan ini memberi petunjuk bahwa AI bisa membantu menyebarkan cara kerja terbaik ke anggota tim yang lebih baru, sementara manfaatnya untuk anggota senior jauh lebih kecil.
Eksperimen lapangan Dillon dan rekan di 66 perusahaan dengan 7.137 pekerja pengetahuan menemukan pekerja yang memakai tool AI di aplikasi kerja mereka menghabiskan dua jam lebih sedikit per minggu untuk email. Di luar penghematan waktu individu itu, para peneliti tidak mendeteksi perubahan pada jumlah atau komposisi tugas pekerja. Beberapa penulisnya bekerja di Microsoft, pembuat tool yang diuji, dan hal ini diungkapkan di halaman makalahnya.
Di tingkat pasar tenaga kerja, studi Humlum dan Vestergaard di Denmark menemukan adopsi chatbot yang luas dan laporan manfaat produktivitas dari pekerja. Meski begitu, efek terhadap pendapatan dan jam kerja yang tercatat mendekati nol dua tahun setelah ChatGPT diluncurkan. Yang berubah adalah struktur pekerjaan, termasuk munculnya tugas baru seperti membuat konten, mengawasi AI, dan mengintegrasikannya.
Bagi pengambil keputusan marketing, pelajaran dari tiga studi ini cukup praktis. Ukur manfaat per tugas di tim Anda sendiri, perhatikan siapa yang paling terbantu, dan siapkan waktu untuk tugas baru seperti review dan pengawasan kualitas. Hindari memakai satu angka produktivitas dari studi mana pun sebagai target tim.
Bagaimana AI search mengubah pekerjaan brand?
AI search menambah satu pekerjaan rutin bagi brand, yaitu memeriksa bagaimana produk AI menjawab pertanyaan pembeli tentang kategori Anda. Pemeriksaan itu mencakup isi jawaban, sumber yang dikutip, fakta produk yang disebut, dan konteks ketika brand direkomendasikan.
Pekerjaan ini berbeda dari memantau ranking. Di hasil pencarian biasa, Anda melihat posisi halaman. Di jawaban AI, Anda perlu membaca apakah brand disebut, apakah informasinya benar, dan apakah ia direkomendasikan untuk kebutuhan yang tepat. Brand bisa disebut dengan harga lama, fitur yang sudah tidak ada, atau positioning yang keliru, dan semua itu memengaruhi keputusan pembeli walaupun tidak ada klik ke website.
Untuk Google, klik dari AI Overviews dan AI Mode tercatat sebagai Organic Search di GA4, sedangkan kunjungan dari asisten seperti ChatGPT dan Gemini masuk ke channel AI Assistant menurut definisi channel GA4. Search Console juga menyediakan laporan Generative AI performance yang menampilkan impression di fitur AI Google. Data ini membantu mengukur sebagian dampak, tetapi tidak menggantikan pemeriksaan isi jawaban.
Temuan dari pemeriksaan jawaban perlu ditindaklanjuti di sumbernya. Jika AI menyebut harga atau fitur yang salah, periksa halaman resmi, profil marketplace, dan halaman pihak ketiga yang dikutip, lalu perbarui informasi yang Anda kendalikan. Konsistensi fakta dasar seperti nama produk, kategori, lokasi, dan harga di semua profil resmi membantu produk AI mendapat gambaran yang sama tentang brand Anda. Pekerjaan ini lebih dekat ke manajemen informasi brand daripada produksi konten.
Pendekatan lengkap untuk membuat brand hadir di jawaban AI dibahas di panduan GEO, sedangkan cara menyusun konten yang mudah dikutip sebagai jawaban langsung dibahas di panduan AEO.
Bagaimana memilih use case pertama?
Use case pertama sebaiknya dipilih dengan skor yang sama untuk semua kandidat, supaya keputusan tidak ditentukan oleh tool yang sedang ramai dibicarakan. Lembar penilaian berikut adalah alat bantu keputusan yang kami sarankan, dan tidak dimaksudkan sebagai standar industri yang sudah divalidasi.
Beri nilai 1 sampai 5 untuk setiap kandidat pada tujuh kriteria ini:
- Nilai bisnis, seberapa besar pengaruhnya terhadap pendapatan, biaya, atau risiko.
- Frekuensi tugas, seberapa sering pekerjaan ini dilakukan setiap bulan.
- Kualitas input, seberapa lengkap dan rapi data atau brief yang tersedia.
- Biaya kesalahan, dinilai terbalik, sehingga tugas yang kesalahannya murah mendapat nilai tinggi.
- Beban review, juga dinilai terbalik, sehingga output yang cepat diperiksa mendapat nilai tinggi.
- Usaha integrasi, dinilai terbalik, sehingga tugas yang bisa dijalankan dengan tool yang sudah ada mendapat nilai tinggi.
- Kemudahan diukur, seberapa jelas baseline dan hasilnya bisa dibandingkan.
Jumlahkan nilainya, lalu bahas tiga kandidat teratas bersama tim. Skor membantu menyusun urutan, sedangkan keputusan akhir tetap mempertimbangkan hal yang sulit diberi angka, seperti kesiapan tim dan kebijakan perusahaan. Simpan lembar penilaian ini supaya alasan memilih use case bisa ditinjau ulang setelah pilot selesai.
Sebagai contoh hipotetis, merangkum ulasan pelanggan biasanya mendapat nilai tinggi di frekuensi, kualitas input, dan biaya kesalahan. Menulis klaim produk untuk iklan bisa bernilai bisnis tinggi, tetapi biaya kesalahannya juga tinggi karena klaim yang keliru bisa bermasalah secara hukum. Lembar penilaian membuat perbedaan seperti ini terlihat sebelum anggaran dikeluarkan.
Risiko apa yang harus dikendalikan?
Ada lima risiko yang perlu punya pengaman sebelum AI dipakai di produksi, yaitu klaim yang dikarang, data sensitif, hak cipta, konten massal berkualitas rendah, dan otomasi tanpa review.
Klaim yang dikarang adalah risiko yang paling sering muncul. Panduan Google tentang konten AI generatif menjelaskan bahwa model generatif memprediksi urutan kata yang mungkin berdasarkan data pelatihannya dan tidak mengambil fakta, sehingga output bisa mengandung ketidakakuratan. Google meminta semua konten buatan AI diperiksa faktanya secara manual sebelum terbit, termasuk title, meta description, structured data, dan alt text.
Panduan yang sama menyebut membuat banyak halaman dengan AI tanpa menambah nilai bagi pengguna bisa melanggar kebijakan spam Google tentang scaled content abuse. Batas ini dibahas lebih rinci di artikel artikel buatan AI. Risiko ini relevan bagi tim yang tergoda memproduksi ratusan halaman serupa untuk menargetkan variasi keyword.
Data sensitif perlu aturan tertulis. Tentukan jenis data yang boleh dan tidak boleh dimasukkan ke tool AI, seperti data pelanggan, angka penjualan yang belum diumumkan, atau dokumen kontrak, dan pastikan tim memakai akun dengan pengaturan privasi yang disetujui perusahaan. Untuk hak cipta, periksa ketentuan tool yang dipakai dan hindari memasukkan materi pihak lain yang tidak Anda miliki haknya.
Otomasi tanpa review adalah risiko yang menggabungkan semua risiko lain. Alur yang langsung menerbitkan output AI ke website, iklan, atau balasan pelanggan tanpa ada orang yang memeriksa akan memperbesar setiap kesalahan. Tetapkan siapa reviewer untuk setiap alur dan apa yang ia periksa.
Untuk brand ecommerce, ada aturan tambahan. Google menyarankan memberi konteks kepada pembaca tentang cara sebuah konten dibuat jika otomasi dipakai. Panduan yang sama menyebut Google Merchant Center punya kebijakan khusus, termasuk gambar buatan AI yang harus memuat metadata IPTC DigitalSourceType TrainedAlgorithmicMedia, dan data produk buatan AI seperti judul serta deskripsi yang harus diberi label terpisah. Periksa kebijakan ini sebelum memakai AI untuk membuat feed produk.
KPI apa yang tepat untuk tiap use case?
KPI yang tepat bergantung pada jenis use case, dan sebaiknya dipisahkan menjadi ukuran produksi, ukuran kualitas, ukuran visibilitas, dan hasil bisnis. Menggabungkan semuanya menjadi satu "skor AI" justru menyembunyikan bagian yang tidak berjalan.
| Jenis ukuran | Contoh KPI | Cocok untuk |
|---|---|---|
| Produksi | Waktu produksi setelah review, jumlah output yang disetujui per minggu | Brief, repurposing, pelaporan |
| Kualitas | Tingkat koreksi oleh editor, jumlah klaim yang harus dihapus, kesalahan yang lolos ke publik | Semua use case konten |
| Visibilitas | Kehadiran brand di jawaban AI untuk daftar pertanyaan tetap, impression di laporan Generative AI Search Console, kunjungan dari channel AI Assistant | Program AI search |
| Hasil bisnis | Enquiry yang memenuhi syarat, key event dari halaman terkait, pendapatan yang bisa dilacak | Semua program, dibaca per kuartal |
Ukuran produksi paling cepat terlihat, tetapi paling mudah menyesatkan jika dibaca sendirian. Waktu produksi yang turun separuh tidak berarti apa-apa jika tingkat koreksi naik dua kali lipat. Pasangkan selalu satu ukuran produksi dengan satu ukuran kualitas.
Untuk program visibilitas, tetapkan daftar pertanyaan yang sama dan catat hasilnya secara berkala. Cara mengukur pangsa brand di jawaban AI dijelaskan di artikel pangsa pasar yang diukur dari pangsa jawaban. Hasil bisnis butuh waktu lebih lama, jadi baca per kuartal dan catat perubahan lain yang terjadi di periode yang sama.
Bagaimana membuat pilot 30 hari?
Pilot 30 hari yang berguna punya satu alur kerja yang sempit, baseline sebelum pilot, input yang sudah disetujui, satu reviewer, rubrik penilaian, dan keputusan yang jelas di akhir untuk lanjut atau berhenti. Pilih salah satu dari dua jenis pilot berikut, karena keduanya mengukur hal yang berbeda.
Jenis pertama, pilot operasional, menguji apakah AI membantu satu tugas internal. Contohnya penyusunan brief konten. Di minggu pertama, catat waktu dan kualitas brief yang dibuat dengan cara biasa sebagai baseline. Di minggu kedua sampai keempat, buat brief dengan bantuan AI memakai template prompt yang sama, lalu minta editor yang sama menilai setiap brief dengan rubrik yang sama. Di akhir bulan, bandingkan waktu, tingkat revisi, dan penilaian editor.
Jenis kedua, pilot visibilitas, menguji apakah perbaikan halaman memengaruhi kehadiran brand di jawaban AI. Pilih 20 sampai 30 pertanyaan pembeli, catat jawaban AI untuk semuanya di awal, lalu perbaiki beberapa halaman yang paling relevan. Ulangi pengecekan di akhir periode dengan produk dan mode yang sama. Tiga puluh hari sering terlalu pendek untuk melihat perubahan yang stabil, jadi perlakukan hasilnya sebagai sinyal awal dan lanjutkan pemantauan.
Untuk kedua pilot, tulis kriteria berhenti sebelum mulai. Misalnya, pilot dihentikan jika tingkat koreksi melewati batas yang disepakati atau jika ada kesalahan yang lolos ke publik. Kriteria yang ditulis di awal membuat keputusan di akhir lebih jujur.
Di akhir pilot, tulis ringkasan satu halaman yang berisi baseline, hasil, masalah yang muncul, dan keputusan beserta alasannya. Ringkasan ini berguna saat use case kedua dipilih, karena tim bisa melihat apa yang berhasil, berapa lama review sebenarnya, dan asumsi mana yang ternyata keliru.
Jika Anda ingin memilih prioritas yang menghubungkan AI dengan visibilitas dan hasil bisnis, tim AI Search bisa membantu memetakan pertanyaan pembeli dan sumber yang membentuk jawaban AI di kategori Anda, sementara layanan Digital Measurement membantu menyiapkan pengukuran trafik dan konversi dari AI. Hubungan antara AI dan pekerjaan SEO yang sudah berjalan dibahas di artikel AI SEO.
