Jawaban organik adalah bagian yang tidak bisa Anda beli
OpenAI mulai menguji iklan di ChatGPT pada 9 Februari 2026, dan pada pembaruan 11 Agustus pilotnya sudah menjangkau Inggris, Meksiko, Brasil, Jepang, dan Korea Selatan. Iklan diberi label bersponsor, dipisahkan dari jawaban organik, dan menurut OpenAI sendiri tidak memengaruhi jawaban yang diberikannya kepada Anda.
Jadi rekomendasinya tidak dijual. Itu menyisakan pertanyaan yang sudah diajukan setiap penantang: jika model sudah mengenal pesaing Anda dan belum mengenal Anda, adakah jalan masuk?
Dengan spesifikasi identik, merek yang dikenal dipilih di 100% dari 670 percobaan
Xi Chu di Trine University dan YuPeng Hou di Texas A&M mengukurnya dalam makalah yang diajukan pada Juni 2026 dan direvisi pada Agustus. Mereka menyusun set berisi sepuluh produk perawatan kulit: satu merek nyata, CeraVe atau Paula's Choice atau EltaMD, dan sembilan nama fiktif yang sudah disaring untuk memastikan model belum pernah mendengarnya.
Pada kondisi pertama, setiap produk punya rating, harga, jumlah ulasan, dan deskripsi bahan yang sama. Hanya namanya yang berbeda, jadi model yang adil akan memilih masing-masing sekitar 10% dari waktu. Di 670 percobaan yang valid, merek nyata memenangkan setiap percobaan, di ketiga model dan keempat subkategori. Tidak satu pun merek fiktif pernah dipilih.
Itulah pembacaan paling suram bagi penantang, dan yang paling tidak berguna, karena kondisi yang digambarkannya mungkin sedang Anda ciptakan ulang tanpa sengaja.
Keunggulan 0,075 bintang membalikkannya, dan merek lalu hanya menjelaskan 1,2% peringkat
Beri produk tak dikenal spesifikasi lebih baik dan produk nyata spesifikasi lebih buruk, dan di 2.769 percobaan model tetap setia antara 1,7% dan 4,6% dari waktu. Perkecil keunggulannya dan peralihannya ternyata berupa anak tangga, bukan lereng. Pada spesifikasi identik, merek tak dikenal menang 3,6% hingga 6,0%. Pada keunggulan terkecil yang diuji, ia menang 64% hingga 80%, dan menambah keunggulan lebih banyak nyaris tidak menambah apa-apa. Diinterpolasi ke titik lempar koin, di 9.220 percobaan, ambangnya cukup kecil untuk dituliskan.
- Keunggulan rating 0,075 bintang, lebih kecil dari selisih antara 4,3 dan 4,4 bintang
- Jumlah ulasan 1,6 kali lebih banyak
- Harga 7,3% lebih murah
Pengenalan merek adalah pegangan model ketika Anda tidak menyampaikan apa pun
Dekomposisi varians atas 14.395 percobaan menjawab apa yang mendorong peringkat. Parameter produk menjelaskan 82,4%, posisi dalam daftar 6,5%, identitas merek 1,2%. Merek tidak berpengaruh terukur ketika kualitas jelas tinggi atau jelas rendah. Pengaruhnya memuncak di tengah, ketika informasinya ambigu. Tanyakan ini per mesin, bukan secara agregat: pada keunggulan rating terkecil, Claude berbalik 11% dari waktu, dibanding 94% untuk GPT-4o-mini dan 88% untuk Gemini.
Tuas terkuat yang mereka temukan adalah klaim klinis yang tidak pernah ada
Dengan semua spesifikasi tetap identik dan hanya teksnya yang diubah, bahasa otoritas mematahkan dominasi merek mapan 73,3% dari waktu dan bukti sosial 50,7%, dibanding baseline sekitar 4%. Anchoring, kelangkaan, dan penghindaran kerugian nyaris tidak berpengaruh, antara 9,6% dan 12,9%. Model mengabaikan urgensi dan memperlakukan kalimat berbentuk kutipan sebagai bukti yang bernilai sekitar 0,17 poin rating, atau diskon 15,3%.
Inilah bagian yang akan dihilangkan sebuah ringkasan. Stimulus itu adalah uji klinis karangan dan dukungan dermatolog palsu. Para penulis menyebutnya berpotensi menjadi iklan palsu dan membatasi rekomendasi mereka sendiri pada sertifikasi nyata dan uji yang dipublikasikan. Tuas yang terukur adalah fabrikasi, yang merupakan temuan tentang cara model mengecek bukti, bukan sebuah taktik.
Ketika setiap merek mengoptimalkan, jawabannya kembali ke merek mapan
Eksperimen ketiga seharusnya mengubah cara Anda menganggarkan. Menaikkan jumlah penantang yang menulis teks otoritas dari nol hingga kesembilannya, dalam 4.800 panggilan: tanpa ada yang mengoptimalkan, merek mapan bertahan 100% dari waktu; dengan satu penantang 19,8%; dengan kesembilannya 93,8%. Sinyal itu berhenti menjadi sinyal begitu semua orang membawanya, dan model kembali ke nama yang dikenalnya.
Imbal hasil per merek turun dari 0,802 untuk penggerak pertama menjadi 0,007 ketika semua mengadopsinya, dengan waktu paruh sekitar 1,4 pesaing. Di 4.745 percobaan, penantang yang tidak mengoptimalkan mendapat nol rekomendasi. Para penulis menyebutnya dilema tahanan dan mereka benar. Taktik yang bisa ditiru pesaing dalam satu sore punya imbal hasil dengan waktu paruh sekitar satu pesaing. Perbedaan nyata yang bisa Anda buktikan tidak begitu.
Di dunia nyata, model harus menemukan faktanya lebih dulu
Setiap kondisi di atas menyerahkan tabel spesifikasi yang rapi kepada model di dalam prompt. Mesin yang berjalan langsung harus menyusunnya sendiri, dan di celah itulah pekerjaan praktisnya. Dalam kategori yang kami ambil sampelnya, listicle mencakup 44% dari yang dikutip ChatGPT untuk pertanyaan "terbaik", situs ulasan 24%, dan halaman vendor 18%. Itu angka kami, terbatas pada sampel kami, bukan hukum umum.
Polanya itulah intinya. Jika artikel rangkuman yang menjawab pertanyaan kategori Anda mencantumkan Anda tanpa rating, tanpa jumlah ulasan, dan tanpa satu spesifikasi yang Anda menangkan, maka bagi model Anda berada dalam kondisi spesifikasi identik. Anda tidak kalah dalam perbandingan. Anda tidak berada dalam perbandingan.
- Temukan satu dimensi tempat Anda benar-benar mengalahkan pemimpin kategori, dan cek apakah dimensi itu muncul sebagai angka di halaman pihak ketiga yang dikutip mesin, bukan hanya di situs Anda sendiri.
- Ambil jawaban tempat pesaing mendapat rekomendasi dan baca apa yang dikatakan model tentang perbedaannya.
Apa yang kami lakukan
Proofsource mengambil sampel mesin berulang kali, bukan sekali, menilai setiap angka visibilitas dengan interval Wilson, mengatur peringatan berdasarkan interval itu, memetakan halaman mana yang dikutip di samping Anda, dan mengecek apakah crawler bisa membaca halaman Anda sama sekali.
Batasnya, dinyatakan terus terang: kami mengukur apakah mesin menyebut Anda, apa yang dikutipnya saat menyebut Anda, dan apakah crawler AI serta trafik rujukan AI sampai ke situs Anda. Kami tidak mengukur apakah penjualannya terjadi.
Di mana ini bisa keliru
Satu kategori, perawatan kulit, dipilih karena pembeli tidak bisa menilai kualitas sebelum membeli. Replikasi untuk barang yang bisa dinilai sebelum dibeli hanya mencakup eksperimen pertama, dan para penulis menyebut belum menguji hasil soal bahasa atau multi-merek di luarnya. Tiga model tertutup, satu persona pembeli, temperatur 0,7, dengan cluster bootstrap atas 24 blok yang tetap mempertahankan efek utamanya.
Sembilan dari sepuluh produk di setiap set adalah fiktif. Itu mengisolasi pengenalan merek dengan bersih dan menghilangkan semua yang dimiliki pesaing nyata: ulasan di dunia nyata, liputan pihak ketiga, halaman yang bisa diambil model. Angka 100% itu bukan pasar yang nyata.
Sebagian besar studi ini menguji apa yang diketahui model, bukan apa yang diambilnya, padahal mesin yang dipakai pembeli adalah sistem pengambilan. Uji pengambilan dalam makalah itu sendiri minimal, satu model embedding dan tanpa re-ranking, dan para penulis menolak menggeneralisasi darinya. Uji itu justru menunjukkan arah sebaliknya: lapisan pengambilan tidak memberi merek nyata kredit apa pun karena dikenal, dan tingkat rekomendasinya turun ke 0%.
Angka 44% kami adalah satu pengukuran pada sampel kami sendiri, dipublikasikan sebagai milik kami dan bukan sebagai sifat web.
