LLM Ubah Cara Konsumen Cari Produk, 70% Respons AI Rekomendasikan Satu Merek

Telset.id – Cara konsumen menemukan produk dan informasi terus berubah, dan kini AI-driven Large Language Models (LLMs) menjadi lapisan baru dalam ekosistem penemuan tersebut. Menurut Forrester, lebih dari 50% orang dewasa online telah menggunakan generative AI untuk mencari jawaban atas pertanyaan mereka. Perubahan ini membuat LLM tidak lagi sekadar alat bantu, tetapi sudah menjadi bagian dari perjalanan konsumen sebelum mereka menyentuh situs web sebuah merek.

Sam Coates, Global Director of Insight & Data Science di Captify, menjelaskan bahwa penemuan produk kini menjadi lebih conversational. Jika sebelumnya kata kunci membentuk digital discovery, LLM mengubah dinamika itu dengan memungkinkan orang menyelesaikan kebutuhan mereka secara lebih detail dan natural. Alih-alih mengetik “sepatu lari terbaik”, konsumen bisa bertanya produk apa yang mereka butuhkan untuk latihan maraton, apakah sepatu tertentu cocok untuk tipe kaki spesifik, bagaimana perbandingannya dengan alternatif lain, dan di mana bisa membelinya.

Perubahan ini menggeser peran antarmuka pencarian. Pengguna kini semakin nyaman membiarkan AI mempersempit pilihan sebelum mereka memutuskan ke mana akan pergi berikutnya. Data Captify menunjukkan informational (39%) dan transactional (37%) prompts menyumbang lebih dari tiga perempat penggunaan LLM. Artinya, konsumen sudah memakai alat AI untuk riset praktis dan keputusan terkait pembelian.

Fakta yang paling mencolok: AI tidak bertindak sebagai direktori netral. Sebanyak 70% respons LLM menempatkan satu merek sebagai rekomendasi utama. Konsumen kini semakin sering menerima satu rekomendasi terkurasi, bukan satu halaman hasil untuk dibandingkan sendiri.

Intent Terbentuk Sebelum Konsumen Menyentuh Web Terbuka

LLM tidak hanya memengaruhi penemuan, tetapi juga mengubah di mana riset dan niat pembelian berkembang. Secara historis, organisasi sangat bergantung pada search queries, klik, dan perilaku browsing untuk memahami pencarian pengguna. Namun conversational AI memperkenalkan sinyal lain, berupa pertanyaan yang diajukan orang bahkan sebelum mereka tahu apa yang harus dicari.

Bayangkan seorang pembeli yang membandingkan bahan skincare, seorang traveler yang merencanakan itinerary keluarga, atau pembeli bisnis yang mengevaluasi vendor software. Semuanya mengungkap lebih banyak konteks melalui percakapan mereka ketimbang melalui kueri kata kunci sederhana. Menurut Gartner, konsumen menggunakan AI untuk meriset dan membandingkan produk, tetapi hanya 11% konsumen yang mengatakan mereka bersedia membiarkan AI membuat keputusan pembelian atas nama mereka.

Jadi meskipun transaksi akhir mungkin masih terjadi di situs web retailer, aplikasi, atau toko fisik, proses riset dan pengambilan keputusan mulai jauh lebih awal, di dalam percakapan AI. Sementara itu, perjalanan yang dipengaruhi AI sering mencapai titik konversi tertinggi setelah lima hingga enam prompts, dengan 75–85% dari perjalanan tersebut terkonversi dalam dua minggu.

Konsumen mengandalkan AI untuk mempersempit pilihan, menguji asumsi, dan membangun kepercayaan diri sebelum berpindah ke web terbuka. Hal ini berdampak pada cara organisasi memahami permintaan, tetapi juga bagaimana mereka memahami dan berbicara kepada konsumen yang mendorongnya.

Pertama, ini bisa berarti lebih sedikit traffic yang datang langsung ke situs web mereka. Namun pengguna yang benar-benar mendarat di sana setelah percakapan AI cenderung tiba dengan pemahaman produk yang lebih jelas dan kemungkinan pembelian yang lebih tinggi. Kedua, ini mengubah sifat sinyal yang bisa dipelajari organisasi. Data pencarian tradisional cenderung singkat dan transaksional, sedangkan percakapan AI lebih panjang, lebih eksploratif, lebih emotif, dan mengungkap lebih banyak tentang apa yang ingin dipahami orang sebelum membeli.

Melihat pertanyaan yang diajukan konsumen dan respons yang mereka terima menawarkan gambaran yang lebih kaya tentang bagaimana keputusan pembelian terbentuk. Ini sejalan dengan bagaimana perusahaan perlu mengelola data besar mereka, sebagaimana terlihat pada kasus Database APIS yang menunjukkan betapa masifnya volume data yang kini beredar.

Model Berbeda, Gambaran Konsumen yang Berbeda Pula

Bukan hanya jenis datanya yang berbeda, tetapi juga konsistensinya. Berbagai LLM menarik dari sumber yang berbeda, dengan pembobotan informasi dan sinyal yang berbeda pula. Sebuah perusahaan yang sering muncul di satu model bisa hampir tidak terdaftar di model lain. Rekomendasi merek dapat bervariasi hingga 27 percentage points di antara ChatGPT, Gemini, Claude, dan Perplexity.

Namun, banyak yang dipasarkan sebagai AI consumer insight tidak didasarkan pada perilaku konsumen yang nyata. Sering kali AI insight dibangun dengan mengambil top search terms, memasukkannya ke dalam model, dan memperlakukan output sebagai proksi atas apa yang dipikirkan atau diinginkan konsumen. Fokus AEO atau GEO-style semacam ini memahami model, tetapi tidak memahami konsumen.

Pendekatan yang lebih berguna dimulai dari perilaku konsumen nyata: melihat apa yang sebenarnya orang tanyakan, bagaimana mereka mengungkapkannya, dan apa yang mereka coba pahami. Semua ini diamati secara langsung dan bukan disimpulkan dari output sebuah model.

Seiring AI menjadi lapisan penemuan lain, organisasi perlu memperluas cara mereka mengukur performa digital. Peringkat pencarian, traffic situs web, dan tingkat konversi tetap penting, tetapi tidak akan menceritakan keseluruhan kisah. Cara konsumen meriset dan memutuskan telah menjadi lebih berlapis, berlangsung di seluruh search, social, marketplaces, dan kini percakapan AI, sering kali sebelum merek melihat kunjungan situs web sama sekali.

Memahami pergeseran itu berarti melampaui bagaimana sebuah model berperilaku untuk memahami bagaimana orang sebenarnya berpikir, bertanya, dan memilih. Bagi bisnis yang ingin berhasil di era baru ini, kuncinya bukan sekadar memiliki dataset terbesar, tetapi memiliki dataset yang menawarkan gambaran paling lengkap tentang consumer intent, dan memahami apa yang diungkapnya tentang peluang di depan.

Perubahan ini juga berdampak pada cara pengguna mengelola perangkat mereka sehari-hari. Seperti halnya pengguna iPhone yang perlu memahami Aplikasi Boros Baterai, konsumen kini juga perlu lebih sadar tentang bagaimana AI memengaruhi keputusan mereka. Bahkan hal sederhana seperti Alarm iPhone pun kini bisa dikelola dengan lebih cerdas berkat bantuan AI.