Lima hal yang terlewat saat menulis untuk manusia dan AI sekaligus
Satu halaman kini punya dua pembaca sekaligus: orang yang memutuskan apakah lanjut membaca, dan engine yang memutuskan apakah layak dikutip. Lima kebiasaan menulis yang sama cenderung kehilangan keduanya.
Sebagian besar halaman gagal di hadapan pembaca AI-nya karena alasan menulis biasa, bukan alasan teknis. Lima kesalahan yang berulang: menyimpan jawaban sampai akhir, menulis klaim yang terlalu kabur untuk dikutip, menamai sesuatu dengan longgar, membiarkan angka yang sama bergeser antar draf, dan menulis dengan cara yang hanya menghargai pembaca yang sabar. Tiap kesalahan adalah soal craft, dan memperbaikinya cenderung melayani pembaca manusia juga.
Kenapa tulisannya sendiri yang kini menjadi variabel
Ketika tim Princeton yang memberi nama Generative Engine Optimization menguji apa yang benar-benar memindahkan sebuah halaman ke dalam jawaban AI, faktor yang berhasil adalah pilihan menulis biasa, bukan markup.
Dari sembilan taktik yang diuji pada sekitar 10.000 query, menambahkan statistik yang relevan menaikkan kutipan sekitar 41%, menambahkan kutipan sekitar 28%, dan memperbaiki kejernihan kalimat juga membantu. Keyword stuffing — refleks warisan satu dekade SEO — tidak berpengaruh, dan kadang merugikan.
Arahnya mengarah ke tempat yang kurang populer: halaman yang dikutip cenderung halaman yang sekadar ditulis lebih baik. Klaim yang lebih jelas, angka yang nyata, kalimat yang lugas. Maka sebagian besar persoalannya bukan soal tooling. Ia soal menulis, dan biasanya muncul di lima titik yang berulang.
1. Menyimpan jawaban sampai akhir
Marketer dilatih membangun menuju sebuah klimaks. Pembaca yang menyapu halaman, dan model yang mengekstrak, sama-sama cenderung pergi sebelum klimaks itu tiba.
Sebuah answer engine mengangkat bagian yang paling langsung menjawab pertanyaan; ia tidak menunggu paragraf kesembilan untuk melihat ke mana argumennya bermuara. Perbaikannya adalah yang paling tua dalam jurnalisme: nyatakan jawaban di kalimat pembuka yang utuh dan berdiri sendiri, lalu raih perhatian lewat detail di bawahnya.
Ini bukan menyederhanakan secara berlebihan. Ini menaruh kesimpulan di tempat yang dilihat kedua pembaca lebih dulu — dan kebetulan merupakan disiplin yang sama yang membuat sebuah halaman mudah dikutip. Satu tes sederhana: baca hanya kalimat pertama tiap bagian. Bila kalimat-kalimat itu sudah menjawab pertanyaan yang dibawa pembaca, halaman tersebut dibangun dengan urutan yang benar.
2. Menulis klaim yang terlalu kabur untuk dikutip
“Kami memberikan hasil terbaik di kelasnya” adalah kalimat yang tidak bisa dikutip. Tidak ada di dalamnya yang bisa diangkat dan dipertanggungjawabkan sebuah model.
Sebuah klaim menjadi layak dikutip ketika ia spesifik, utuh, dan bisa dicek — ketika kalimatnya tetap masuk akal saat diangkat dari halaman dan ditempatkan di dalam sebuah jawaban. Temuan Princeton bahwa statistik menaikkan kutipan sekitar 41%, bila dibaca cermat, adalah temuan tentang kespesifikan: angka adalah klaim yang bisa dibawa model tanpa kehilangan makna.
Layak dikutip: “Onboarding dalam dua hari, bukan dua minggu.”
Ini jarang berarti menulis lebih banyak. Biasanya berarti menulis satu kalimat yang sanggup bertahan saat dikutip, lalu membiarkan sisa paragraf menopangnya. Versi yang kabur meminta pembaca percaya pada kata penulis; versi yang spesifik menyerahkan sesuatu yang bisa diulang pembaca, atau engine.
3. Menamai sesuatu dengan longgar
Halaman yang menyebut hal yang sama sebagai “platform” di satu baris, “tool” di baris berikutnya, dan “solusi” di baris ketiga lebih sulit diringkas daripada yang terlihat.
Model menyusun gambaran kerja tentang apa sebuah hal itu dari seberapa konsisten ia digambarkan. Penamaan yang longgar — jenis yang dilewati pembaca manusia tanpa sadar — membuat gambaran itu buram, dan subjek yang buram cenderung dijelaskan engine dengan kurang yakin.
Pilih kata benda untuk apa sebuah brand itu dan kategori tempatnya berada, lalu pakai dengan cara yang sama di tiap halaman. Saat pertama kali muncul, nyatakan dengan lugas apa ia, dalam bentuk “X adalah [kategori] yang [melakukan apa, untuk siapa].” Ini item paling tidak menarik di daftar ini dan mungkin paling berdampak. Tidak berbiaya, tidak ada pembaca manusia yang akan mengeluh, dan diam-diam menghapus ambiguitas yang harus ditebak model.
4. Membiarkan angka bergeser
Angka utama yang terbaca “40%” di situs, “sekitar separuh” di sebuah deck, dan “hingga 45%” dalam wawancara, bagi seseorang hanyalah pembulatan. Bagi model yang membaca ketiganya, itu derau.
Ketika klaim yang sama muncul dalam tiga bentuk yang sedikit berbeda, sebuah engine harus memutuskan mana yang dipercaya, dan angka yang harus ditimbang seperti itu cenderung tidak diulang. Konsistensi di sini istimewa karena sepenuhnya berada dalam kendali penulis. Langkah yang jujur adalah menetapkan angka kanonik beserta kata-katanya sekali, lalu memakai rumusan persis itu di mana pun ia muncul.
5. Menulis untuk pembaca yang punya waktu seharian
Kebiasaan yang paling dalam bersifat struktural: membangun halaman yang hanya menghargai orang yang membaca tiap kata secara berurutan.
Hampir tidak ada yang membaca seperti itu sekarang, dan tidak ada engine yang begitu. Sebuah halaman bekerja lebih keras ketika maknanya selamat dari sapuan mata — ketika heading adalah pernyataan nyata alih-alih label, ketika baris pertama tiap bagian bisa berdiri sendiri, ketika satu gagasan duduk di satu paragraf alih-alih tiga yang dipilin jadi satu.
Tidak satu pun dari ini adalah konsesi untuk mesin. Inilah yang sejak awal diinginkan pembaca yang sibuk; engine hanya membuat biaya mengabaikannya lebih sulit disembunyikan. Tes tenang untuk seluruh daftar ini: bisakah pembaca yang menyapu, dan model yang mengekstrak, sama-sama pergi dengan inti yang benar? Ketika jawabannya ya, persoalan yang kadang disebut Dual Legibility sudah terselesaikan — halaman yang dibaca manusia dan bisa dikutip mesin, ditulis sebagai satu pekerjaan, bukan dua.
Apa yang dihargai datanya, dalam satu baris
Risetnya konsisten dan terasa kuno: ia menghargai substansi yang bisa diverifikasi pembaca, bukan trik.
Yang terukur menggerakkan kutipan AI (studi GEO Princeton, 9 taktik pada ~10.000 query)
| Pilihan menulis | Efek pada kutipan AI |
|---|---|
| Menambahkan statistik yang relevan | Sekitar +41% |
| Menambahkan kutipan | Sekitar +28% |
| Memperbaiki kejernihan kalimat | Kenaikan berarti |
| Keyword stuffing | Tidak berguna — kadang merugikan |
Tidak satu pun dari lima perbaikan ini eksotis. Mulai dari jawabannya. Buat klaimnya spesifik. Namai sesuatu dengan cara yang sama tiap kali. Kunci angkanya. Tulis agar maknanya selamat dari sapuan mata. Yang membuatnya sulit adalah semuanya melawan kebiasaan yang dibangun untuk pembaca berbeda — pembangunan yang lambat, superlatif yang lunak, halaman yang baru terbayar bila dibaca utuh. Penulis yang melaju di jawaban AI bukan yang memegang taktik tersembunyi. Mereka yang berhenti menulis untuk dua audiens dan mulai menulis untuk satu pembaca yang kebetulan adalah keduanya.
Pertanyaan yang sering diajukan
Kenapa tulisan yang bagus saja belum tentu dikutip AI?
Biasanya tulisan yang bagus sudah mengerjakan sebagian besar tugasnya — studi GEO Princeton menemukan kejernihan, statistik nyata, dan kutipan sama-sama menaikkan tingkat sebutan. Celahnya, prosa marketing sering menyimpan jawaban sampai akhir, mengaburkan klaim, dan hanya menghargai pembaca yang teliti. Memperketat kebiasaan itu adalah perbaikan menulis, bukan teknis.
Apakah jawaban benar-benar harus ada di kalimat pertama?
Untuk halaman yang dimaksudkan ditemukan dan dikutip, ya. Pembaca yang menyapu dan model yang mengekstrak sama-sama membaca dari atas, jadi kalimat pembuka yang utuh dan menyatakan jawaban lebih mudah dipercaya sekaligus lebih mudah diangkat. Cerita dan detail tetap berada di bawahnya — ia hanya berhenti menjadi penjaga gerbang menuju intinya.
Apa yang membuat sebuah klaim layak dikutip engine AI?
Kespesifikan yang bertahan saat dilepas. Sebuah kalimat layak dikutip ketika ia tetap masuk akal saat diangkat dari halaman: angka konkret, hal yang dinamai, pernyataan yang bisa dicek. “Hasil terbaik di kelasnya” tidak membawa apa pun begitu diangkat; “onboarding dalam dua hari, bukan dua minggu” membawa seluruh maknanya.
Apakah masalah kalau angka sedikit berbeda antar halaman?
Bagi manusia itu terbaca sebagai pembulatan; bagi model yang membaca beberapa versi itu terbaca sebagai derau, dan angka yang harus ditimbang cenderung tidak diulang. Menetapkan angka kanonik beserta rumusannya sekali, lalu memakai frasa itu di mana pun, adalah salah satu tuas konsistensi yang sepenuhnya dalam kendali penulis.
Apa itu Dual Legibility?
Ia adalah tantangan menulis satu halaman yang benar-benar ingin dibaca manusia sekaligus bisa dikutip engine AI dengan rapi — dua pembaca, satu prosa. Lima perbaikan craft di sini adalah cara persoalan itu terselesaikan dalam praktik: mulai dari jawaban, jadilah spesifik, namai sesuatu dengan konsisten, kunci angka, dan tulis agar makna selamat dari sapuan mata.
- Princeton dkk. — GEO: Generative Engine Optimization (KDD 2024): statistik ~+41%, kutipan ~+28%; keyword stuffing tidak berguna
- Paper GEO Princeton (arXiv) — sembilan taktik diuji pada ~10.000 query
- Search Engine Land — ~68% pencarian Google berakhir tanpa klik di awal 2026
- Pew Research — klik turun dari 15% ke 8% saat ada ringkasan AI (2025)
- Muck Rack — analisis 25 juta+ tautan: apa yang sebenarnya dikutip engine AI (2026)
- Semrush — analisis domain yang paling sering dikutip di jawaban AI (2025)
Mulai dari yang bisa diukur
Berapa pun anggaran kita, langkah pertamanya sama: lihat posisi kita sekarang. White Wood menjalankan laporan visibilitas AI gratis yang menunjukkan persis di mana AI menyebut kita — dan di mana ia menyebut pihak lain — di setiap mesin. Tanpa ikatan.