Merekmu mungkin sudah dikenal di pasar, tapi bagaimana jika bisa lebih mudah ditemukan dalam percakapan digital yang dikuasai oleh chatbot berbasis AI?
Dengan semakin canggihnya teknologi, seperti Gemini dan Perplexity, maka peluang untuk meningkatkan visibilitas merek dalam percakapan berbasis AI semakin besar.
Tapi, untuk mencapainya, dibutuhkan lebih dari sekadar optimasi tradisional. Di dalam artikel ini, kami akan mengungkap beberapa strategi LLMO (Large Language Model Optimization) yang dapat membantu kamu menonjol dalam dunia digital yang penuh dengan informasi ini.
Table of Contents
Apa Itu LLMO?
Large Language Model Optimization (LLMO) adalah proses menyiapkan semua aspek merekmu, seperti posisi, produk, tim, dan informasi pendukung, agar lebih mudah dikenali dan disebutkan dalam jawaban LLM. Penyebutan ini bisa berupa teks, tautan, atau bahkan konten asli merekmu, seperti kutipan, data statistik, video, atau gambar.
Contohnya, ketika kamu bertanya kepada Perplexity, “Apa itu gluten free?”, maka chatbot tersebut memberikan jawaban yang mencantumkan nama hellosehat, lengkap dengan tautan dan artikel terkait dari situs hellosehat.
Sering kali, orang mengaitkan LLM dengan fitur ringkasan AI. Tapi, mengoptimalkan LLM (LLMO) berbeda dari sekadar membuat kontenmu muncul dalam ringkasan AI walaupun keduanya bisa saling mendukung.
LLMO dapat dianggap sebagai versi baru dari SEO, di mana merek berusaha memastikan keberadaan mereka di dalam hasil LLM, mirip dengan bagaimana mereka mengoptimalkan visibilitas di mesin pencari. Bahkan, Harvard Business Review memprediksi bahwa SEO di masa depan akan berevolusi menjadi LLMO sebagai bidang marketing baru.
Baca juga: Memanfaatkan 3 Strategi The Tabloid Technique untuk Membuat Kampanye PR Viral
Manfaat LLMO
LLM tidak hanya memberi informasi tentang merekmu, tetapi juga dapat merekomendasikannya. Seperti seorang asisten penjualan atau konsultan pribadi, LLM dapat memengaruhi pengguna untuk membuat keputusan, termasuk berbelanja.
Jika orang menggunakan LLM untuk mencari jawaban dan membeli produk, maka penting bagi merekmu untuk muncul dalam hasilnya. Ini adalah beberapa manfaat utama berinvestasi dalam pengoptimalan LLM (LLMO):
- LLM adalah alat baru yang efektif untuk meningkatkan kesadaran merek, dan perannya tidak akan hilang dalam waktu dekat.
- LLMO untuk merek, saat ini memberi kamu keunggulan karena belum banyak kompetitor yang memanfaatkannya.
- Dengan menempatkan merekmu di lebih banyak tautan dan kutipan, kamu mengurangi peluang kompetitor untuk tampil.
- LLM memungkinkan merekmu terlibat di dalam interaksi yang lebih relevan dengan pelanggan, sehingga menjadikannya lebih personal.
- Tautan atau referensi di LLM dapat mengarahkan pengguna untuk mengunjungi situs webmu.
- Dengan hadir di LLM, kamu secara tidak langsung juga meningkatkan visibilitas merekmu di pencarian lainnya.
Apakah LLMO dan SEO Saling Berkaitan?
Ada 2 jenis chatbot berbasis LLM, self-contained LLM dan Retrieval Augmented Generation (RAG) LLM. Self-contained LLM dilatih menggunakan kumpulan data besar dari masa lalu dan tidak diperbarui secara real-time. Contohnya adalah Claude.
Misalnya, jika kamu bertanya tentang cuaca di Jakarta Selatan kepada Claude, ia tidak dapat memberikan informasi terbaru jika datanya belum diperbarui sejak April 2024.
Sementara itu, Chatbot jenis retrieval augmented generation (RAG) LLM mampu mengambil informasi langsung dari internet secara real-time, seperti Gemini atau Perplexity.
Jika kamu bertanya kepada Perplexity tentang cuaca di Jakarta Selatan, ia dapat memberikan jawaban terkini karena mengambil data langsung dari mesin pencari (SERP).
LLMO berbasis RAG memiliki keunggulan penting, seperti dapat mencantumkan sumber informasi dengan tautan, sehingga berpotensi mengarahkan trafik rujukan ke situs webmu, yang berarti meningkatkan visibilitas organik dan SEO.
Faktanya, laporan menunjukkan bahwa chatbot seperti Perplexity, bahkan ia dapat mengarahkan trafik ke situs yang mencoba memblokir aksesnya. Dengan demikian, LLMO berbasis RAG tidak hanya mendukung SEO tetapi juga membantu meningkatkan visibilitas merekmu di dalam LLM itu sendiri.
Cara Menerapkan LLMO
LLMO adalah bidang yang masih terus berkembang dan sedang dalam tahap awal. Karena itu, berbagai strategi dan teknik LLMO terus diteliti untuk menemukan cara terbaik meningkatkan visibilitas merekmu di platform ini.
Berikut ini ada beberapa pendekatan yang menurut penelitian memiliki potensi besar untuk membantu merekmu tampil lebih menonjol di LLM.
Berinvestasi Pada PR
LLM memahami makna dengan menganalisis hubungan antara kata dan frasa. Prosesnya melibatkan beberapa langkah seperti ini:
- LLM memecah data pelatihan menjadi token, yang bisa berupa kata, bagian dari kata, spasi, atau tanda baca.
- Token ini diterjemahkan ke dalam bentuk numerik yang disebut embedding.
- Representasi numerik ini dipetakan di dalam “ruang” semantik, di mana hubungan antara kata-kata diukur.
- Dengan menghitung sudut “kesamaan kosinus,” LLM menentukan seberapa erat atau jauh hubungan makna antara kata atau frasa tertentu.
Bayangkan ini seperti peta klaster. Topik yang saling terkait, seperti “anjing” dan “kucing,” dikelompokkan berdekatan, sedangkan topik yang berbeda, seperti “anjing” dan “skateboard,” diposisikan lebih jauh.
Misalnya, jika kamu bertanya kepada Claude tentang kasur yang bagus untuk memperbaiki postur tubuh, ia mungkin merekomendasikan merek, seperti King Koil, Serta iComfort, atau Airland. Rekomendasi ini muncul karena merek tersebut memiliki hubungan erat dengan topik “ergonomi” dan “postur tubuh.”
Jika kamu ingin merekmu muncul di dalam rekomendasi serupa, kamu perlu menciptakan asosiasi kuat antara merekmu dan topik tertentu. Salah satu cara efektif untuk melakukannya adalah berinvestasi di dalam strategi PR berbasis topik.
Contohnya, Herman Miller berhasil membangun citra terkait ergonomi dengan mendapatkan 273 berita dalam setahun terakhir dari publikasi, seperti Yahoo, CBS, CNET, dan Tech Radar. Strategi ini meningkatkan relevansi topik dan visibilitas merek di LLM.
Untuk memaksimalkan hasil, lacak metrik, seperti share of voice, brand mention di web, dan tautan untuk topik yang relevan, misalnya “ergonomi”. Ini membantu kamu mengukur aktivitas PR yang paling efektif.
Selain itu, terus uji LLM dengan pertanyaan terkait topikmu, dan catat apakah merekmu mulai disebutkan. Jika kompetitormu sudah disebutkan, maka analisis penyebutan mereka untuk mempelajari strategi yang digunakan.
Dengan begitu, kamu bisa merekayasa ulang keberhasilan mereka, menentukan target KPI, seperti jumlah penyebutan, dan membandingkan pencapaianmu dengan mereka.
Sertakan Data dan Kutipan
Seperti yang sudah dijelaskan sebelumnya, beberapa chatbot LLM dapat terhubung ke internet dan mengutip hasil pencarian secara langsung. Proses ini dikenal sebagai Retrieval Augmented Generation (RAG).
Baru-baru ini, para peneliti AI melakukan studi terhadap 10.000 kueri mesin pencari dunia nyata (dari Bing dan Google) untuk mengetahui teknik terbaik dalam meningkatkan visibilitas di chatbot berbasis RAG, seperti Perplexity atau BingChat.
Di dalam studi tersebut, mereka memilih situs web secara acak untuk dioptimalkan dan menguji berbagai jenis konten, seperti kutipan, istilah teknis, dan statistik.
Mereka juga menguji karakteristik konten, seperti kefasihan, pemahaman, dan nada yang berwibawa. Hasilnya menunjukkan bahwa situs web yang menyertakan kutipan, statistik, dan sitasi lebih sering dirujuk oleh LLM berbasis pencarian. Situs-situs tersebut mengalami peningkatan visibilitas sebesar 30-40% dalam jawaban yang diberikan chatbot.
Ketiga elemen tersebut, memiliki kesamaan utama, yaitu mereka meningkatkan otoritas dan kredibilitas merek. Selain itu, konten seperti ini juga cenderung menarik lebih banyak tautan dari sumber lain.
Chatbot berbasis pencarian mempelajari informasi dari berbagai sumber daring. Jika kutipan atau statistik sering dirujuk dalam data yang dipelajarinya, besar kemungkinan LLM akan lebih sering menampilkan informasi tersebut dalam jawaban mereka.
Jadi, jika kamu ingin kontenmu muncul di chatbot LLM, pastikan untuk:
- Menyertakan kutipan yang relevan.
- Menambahkan statistik eksklusif dari merekmu.
- Menggunakan sumber referensi yang kredibel.
Selain itu, buat kontenmu ringkas dan to the point. Kebanyakan LLM hanya menampilkan 1 atau 2 kalimat yang mengandung kutipan atau statistik, jadi pastikan informasimu mudah dipahami dan langsung ke inti.
Lakukan Entity Research
LLM bekerja dengan memahami hubungan antara kata dan frasa untuk menghasilkan jawaban yang relevan. Untuk menyesuaikan strategimu, penting untuk tidak hanya fokus pada keyword individual. Sebaliknya, kamu perlu melihat merekmu di dalam konteks yang lebih luas, yaitu bagaimana merekmu terhubung dengan berbagai topik atau entitas terkait.
Tinjau Hasil Riset
Untuk memahami bagaimana LLM melihat merekmu, kamu bisa melakukan audit terhadap entitas yang terkait dengan merek tersebut. Pendekatan ini serupa dengan cara Google memahami dan memberi peringkat konten.
Google menggunakan 3 elemen utama untuk menentukan peringkat konten, yaitu teks isi, anchor text, dan data interaksi pengguna. Selain itu, berdasarkan informasi dari Google Leak, Google memetakan entitas dengan 2 langkah utama:
- Google menggunakan teknologi Natural Language Processing (NLP) untuk mengenali topik atau “penyematan halaman” di dalam konten. Penyematan ini membantu Google mengidentifikasi entitas yang relevan dengan lebih baik.
- Google juga menganalisis seluruh situs untuk memahami topik yang sering dibahas. Analisis ini mencakup:
- Penanaman situs: identifikasi topik yang sering muncul di situs.
- Skor fokus situs: mengukur seberapa konsisten situs membahas topik tertentu.
- Radius situs: mengukur sejauh mana topik di halaman-halaman situs berbeda dari fokus utama situs.
Untuk mempraktikkan metode ini, pendiri Clearscope, Bernard Huang, menggunakan Google Natural Language API untuk mengidentifikasi topik yang muncul di artikel tertentu yang disebut “penyematan halaman”.
Selanjutnya, ia menggunakan Gemini untuk menanyakan topik yang menjadi fokus utama sebuah situs, seperti iPullRank. Dengan cara ini, ia menilai seberapa erat merek tersebut terkait dengan topik tertentu.
Bernard juga menganalisis anchor text yang mengarah ke situs tersebut, karena teks ini mencerminkan relevansi topik dan menjadi salah satu elemen penting dalam pemeringkatan.
Jika kamu ingin merekmu muncul secara alami di dalam percakapan berbasis AI, kamu dapat melakukan penelitian serupa. Dengan menganalisis entitas di sekitar merekmu, kamu bisa memahami bagaimana merekmu dipandang oleh sistem AI dan meningkatkan relevansinya.
Setelah kamu memahami entitas yang terkait dengan merekmu, langkah berikutnya adalah mengidentifikasi jika ada celah antara topik-topik yang dianggap penting oleh LLM dan topik yang ingin kamu tonjolkan.
Jika ditemukan kesenjangan, kamu bisa mulai membuat konten baru yang dirancang khusus untuk membangun hubungan antara merekmu dan topik tersebut.
Gunakan Alat Entity Research
Ini adalah 3 alat yang dapat membantu kamu meneliti dan mengaudit entitas merekmu, sekaligus meningkatkan peluang untuk muncul dalam percakapan LLM yang relevan:
- Google Natural Language API adalah alat berbayar yang membantu mengidentifikasi entitas dalam kontenmu. Meskipun chatbot LLM menggunakan data pelatihan yang berbeda dari Google, mereka juga mengandalkan pemrosesan bahasa alami, sehingga kemungkinan besar mereka mengenali entitas yang serupa.
- Entity Analyzer dari Inlinks memanfaatkan Google API dan memberikan beberapa akses gratis untuk membantu kamu menganalisis dan mengoptimalkan entitas di tingkat situs.
- AI Content Helper Ahrefs dirancang untuk menunjukkan entitas yang belum kamu bahas di tingkat halaman. Selain itu, ia memberikan rekomendasi untuk meningkatkan otoritas topik merekmu.
Manfaatkan Wikipedia
Saat ini, rekomendasi dan penyebutan merek di dalam LLM sangat bergantung pada keberadaan merekmu di Wikipedia. Sebagian besar data pelatihan LLM berasal dari Wikipedia, sehingga mencantumkan merekmu di platform ini bisa menjadi langkah penting.
Untuk membuat entri Wikipedia bagi merekmu, ikuti empat panduan utama ini:
- Ketenaran: pastikan merekmu cukup dikenal. Kamu bisa mencapainya dengan mendapatkan penyebutan dalam artikel berita, buku, makalah akademis, atau wawancara.
- Keterverifikasian: semua klaim tentang merekmu harus didukung oleh sumber pihak ketiga yang kredibel dan dapat dipercaya.
- Sudut pandang netral: tulis profil merekmu secara objektif, tanpa nada promosi atau bias.
- Menghindari konflik kepentingan: hindari menulis sendiri tentang merekmu. Konten sebaiknya dibuat oleh pihak netral dan berfokus pada fakta, bukan promosi.
Setelah merekmu tercantum di Wikipedia, penting untuk menjaga halaman tersebut dari suntingan yang bias atau tidak akurat, karena informasi yang salah dapat memengaruhi cara LLM memproses dan menyebut merekmu di dalam percakapan.
Manfaat tambahan dari memiliki halaman Wikipedia adalah kemungkinan merekmu muncul di Google Knowledge Graph. Knowledge Graph memudahkan LLM untuk memahami data, sehingga mencantumkan merekmu di Wikipedia bisa berdampak besar pada visibilitas dalam LLMO.
Jika kamu ingin lebih aktif meningkatkan kehadiran merek di Knowledge Graph, gunakan Google Knowledge Graph Search Tool oleh Carl Hendy. Alat ini memungkinkan kamu untuk meninjau seberapa terlihat merekmu di kategori, seperti orang, perusahaan, produk, tempat, dan lainnya.
Manfaatkan Question Keywords
Search volume mungkin tidak selalu mencerminkan jumlah permintaan aktual untuk sebuah merek. Tapi, data ini tetap bisa dimanfaatkan untuk menemukan pertanyaan penting yang berkaitan dengan merekmu, yang mungkin muncul dalam percakapan dengan chatbot berbasis LLM.
Di alat seperti Ahrefs, kamu dapat menemukan pertanyaan spesifik terkait merek menggunakan laporan Matching Terms. Caranya:
- Cari topik yang relevan dengan merekmu.
- Klik tab Pertanyaan.
- Aktifkan filter Merek untuk melihat daftar pertanyaan yang dapat dijawab dalam kontenmu.
Jika merekmu sudah cukup dikenal, kamu juga bisa melakukan riset langsung di chatbot LLM. Misalnya, beberapa chatbot seperti ChatGPT memiliki fitur pelengkapan otomatis pada bilah pencariannya.
Dengan mengetikkan perintah seperti, “Apakah [nama merek]…”, kamu bisa memicu fitur ini untuk mendapatkan ide pertanyaan yang sering diajukan tentang merekmu.
Walaupun metode ini terbatas, teknik ini dapat memberikan wawasan tambahan untuk mengidentifikasi topik yang perlu kamu bahas.
Berikan Umpan Balik
Gemini sebenarnya tidak dilatih menggunakan perintah atau respons dari pengguna. Tapi, memberikan umpan balik terhadap tanggapannya dapat membantu Gemini memahami merekmu dengan lebih baik.
Kamu bisa mencoba memberikan umpan balik secara langsung, terutama jika kamu menggunakan chatbot berbasis pengambilan informasi, seperti Gemini, Perplexity, atau CoPilot.
Umpan balik ini dapat memperkuat pemahaman mereka tentang topik yang relevan dengan merekmu, sehingga respons yang diberikan di masa mendatang menjadi lebih akurat dan sesuai kebutuhan.
Baca juga: Mengenali Apa Itu Natural Language Processing dan 8 Teknologinya
Gunakan Schema Markup dan Structured Data
Menggunakan schema markup membantu LLM dalam mengenali dan mengorganisir informasi penting tentang merekmu, seperti nama, produk, layanan, dan ulasan.
LLMO membutuhkan data yang terstruktur dengan baik agar bisa memahami konteks serta hubungan antar berbagai entitas.
Dengan menggunakan skema, kamu akan mempermudah model AI untuk mengakses dan menampilkan informasi tentang merekmu secara lebih akurat dan jelas.
Dengan memanfaatkan kutipan yang relevan, statistik, entitas terverifikasi, serta strategi lainnya, kamu dapat memperkuat kehadiran merekmu di dunia digital.
Jika kamu tertarik untuk mulai meningkatkan visibilitas merekmu ini, Optimaise, digital marketing agency Malang, dapat membantu kamu.
Kami menyediakan berbagai jasa, mulai dari jasa press release yang menarik, jasa penulisan artikel SEO-friendly yang efektif, hingga jasa SEO yang tepat untuk memastikan merekmu tampil maksimal di mesin pencari dan chatbot. Segera hubungi Optimaise sekarang untuk mendiskusikan bagaimana kami dapat membantu meningkatkan visibilitas merekmh!