Bisnis disebut dalam jawaban AI belum tentu berarti informasi yang diterima pelanggan benar. Nama cabang dapat tertukar, jam lama muncul kembali, atau layanan panggilan dianggap mempunyai toko fisik. Untuk menguji visibilitas lokal, nilai kemunculan dan ketepatan fakta sebagai dua hasil terpisah.
Tujuannya adalah menemukan hambatan keputusan pelanggan. Kita ingin mengetahui apakah orang dapat memilih lokasi yang tepat dan memahami batas layanan. Satu jawaban yang keliru merupakan observasi yang perlu ditelusuri, bukan bukti seluruh pengguna menerima jawaban yang sama.
Siapkan tabel fakta sebelum menilai respons
Pilih fakta yang penting bagi tindakan pelanggan: nama bisnis, cabang, alamat yang boleh ditampilkan, wilayah layanan, jam, fasilitas, dan cara membuat janji.
Untuk setiap fakta, catat sumber resmi, pemilik informasi, serta waktu pemeriksaan. Gunakan penanda “belum dikonfirmasi” untuk data yang belum disetujui penanggung jawab operasional.
Contoh ilustratif: bengkel sepeda mempunyai cabang Utara dan cabang Selatan. Hanya cabang Selatan yang menerima perawatan suspensi. Tanpa tabel fakta cabang, penilai bisa salah memberi nilai benar ketika AI menyebut layanan itu pada nama brand secara umum.
| Fakta | Cabang Utara | Cabang Selatan | Bukti yang diperiksa |
|---|---|---|---|
| Perawatan suspensi | Tidak tersedia | Dengan janji | Halaman layanan per cabang |
| Lokasi penerimaan sepeda | Toko Utara | Toko Selatan | Halaman kontak dan profil bisnis |
| Jam hari libur | Perlu cek tanggal | Perlu cek tanggal | Informasi operasional terbaru |
Nilai tabel ini berasal dari ketepatan faktanya. Menambah banyak kolom tanpa pemilik informasi akan menghasilkan daftar yang cepat usang.
Pilih pertanyaan yang meniru keputusan nyata
Gunakan pertanyaan dengan kebutuhan dan lokasi yang jelas, misalnya “di mana servis suspensi sepeda di area Selatan yang menerima janji?” Pisahkan dari pertanyaan bermerek seperti “apakah cabang Utara dari Bengkel Contoh menerima servis suspensi?”
Pertanyaan pertama menguji penemuan berdasarkan kebutuhan. Pertanyaan kedua menguji pemahaman terhadap bisnis tertentu. Mencampur keduanya akan membuat angka kemunculan sulit ditafsirkan.
Catat kota atau wilayah yang tertulis dalam prompt, lokasi pengujian yang diketahui, platform, waktu, dan status akun bila relevan. Mengetik nama kota tidak membuktikan sistem memperlakukan penguji seolah berada di kota tersebut. Jangan memberi label “hasil seluruh warga Selatan” pada satu pengamatan.
Nilai respons per fakta, bukan hanya per nama
Simpan teks respons beserta tautan yang benar-benar ditampilkan. Lalu beri label terpisah untuk bisnis disebut, sumber dikutip, cabang cocok, fakta benar, dan batas layanan dijelaskan.
Untuk ketepatan, gunakan benar, salah, tidak cukup informasi, atau tidak dinilai. Jawaban yang tidak menyebut jam tidak otomatis salah tentang jam. Jawaban yang menyatakan buka pada tanggal libur tanpa sumber yang memadai memerlukan pemeriksaan lebih lanjut.
Google menjelaskan bahwa fitur AI dapat menggunakan sumber dan pendekatan pencarian yang berbeda. Kelayakan tampil juga tidak menjamin kemunculan. Karena itu, satu sesi tidak mewakili seluruh pengalaman pengguna. Dokumentasi fitur AI di Google Search.
Contoh membaca enam respons
Dalam simulasi, enam respons valid diamati untuk pertanyaan tentang perawatan suspensi. Empat menyebut bisnis. Dari empat itu, dua menunjuk cabang Selatan dengan benar, satu menunjuk cabang Utara secara keliru, dan satu hanya menyebut brand tanpa cabang.
Laporkan kemunculan empat dari enam. Untuk kecocokan cabang, jelaskan dua benar, satu salah, dan satu tidak cukup spesifik pada empat respons yang menyebut bisnis. Jangan menyebut “akurasi 100%” dengan mengeluarkan respons salah atau kurang jelas tanpa keterangan.
Respons yang gagal dimuat dicatat sebagai percobaan tidak valid. Respons yang valid tetapi tidak menyebut bisnis tetap masuk denominator pengukuran kemunculan.
Telusuri sumber sebelum membuat koreksi
Jika respons menampilkan rujukan, baca apakah sumber tersebut memang mengatakan hal yang keliru. Bisa jadi halaman cabang tidak jelas, direktori masih memuat layanan lama, atau respons menggabungkan fakta dari dua lokasi.
Bila sumber tidak mendukung klaim respons, catat ketidaksesuaian itu. Jangan menuduh penerbit sumber membuat kesalahan yang sebenarnya tidak tertulis di halamannya.
Perbaiki informasi yang kamu kelola, lalu ajukan koreksi faktual pada tempat lain melalui mekanisme yang tersedia. Perubahan sumber tidak menjamin respons AI langsung berubah. Uji ulang dengan panel dan aturan yang sama, kemudian catat hasil observasinya.
Pilih perbaikan berdasarkan dampak pelanggan
Prioritaskan kesalahan yang membuat orang datang ke lokasi salah, menghubungi nomor tidak aktif, atau mengira layanan tersedia padahal tidak. Kesalahan penulisan yang tidak mengubah pemahaman dapat masuk urutan berikutnya.
Lembar tindak lanjut cukup berisi prompt, fakta salah, bukti, dampak, sumber yang bisa diperbaiki, penanggung jawab, dan hasil pemeriksaan ulang. Dengan cara ini, pengujian AI lokal menghasilkan pekerjaan informasi yang berguna, sekalipun jumlah penyebutan brand belum berubah.
