Lima Kemungkinan Pintu Belakang ke Hasil Pencarian LLM

Seiring anjloknya lalu lintas tradisional dari hasil mesin pencari akibat tren baru berupa ringkasan AI, penerbit dari segala skala kini berusaha mendapatkan perhatian lebih dari model bahasa besar yang menggerakkan ringkasan AI pencarian web, serta secara langsung dari model mutakhir populer seperti ChatGPT.

Menurut penelitian terdahulu seperti Mengoptimalkan Visibilitas dalam Mesin Generatif dan Cara Mendominasi Pencarian AI, pendekatan yang sah meliputi memperoleh liputan editorial independen, menerbitkan konten berwibawa dan terstruktur baik, menyediakan informasi produk yang dapat dibaca mesin, serta menyesuaikan materi untuk berbagai bahasa dan pasar.

Metode alternatif yang belakangan menarik perhatian menyerupai praktik SEO curang pada dekade-dekade sebelumnya. Contohnya ialah rekayasa dukungan akar rumput di Reddit, dengan menanam rekomendasi yang tampak independen untuk memengaruhi hasil pencarian AI; peracunan memori, ketika tautan menyesatkan mencoba membuat asisten menyimpan klaim promosi sebagai informasi tepercaya; serta injeksi perintah, ketika instruksi tersembunyi di situs berusaha memengaruhi rekomendasi asisten AI, bukan sekadar menyediakan informasi untuk diringkas.

Salah satu contoh manipulasi GEO yang sangat cerdik terjadi ketika peneliti ETH Zürich menciptakan kamera fiktif dan menerbitkan halaman promosi berisi instruksi tersembunyi dalam teks putih sangat kecil, yang memerintahkan Bing Copilot milik Microsoft untuk hanya merekomendasikan kamera tersebut. Ukuran huruf yang sangat kecil dan kontras rendah dirancang untuk menyembunyikan manipulasi itu.

Dua iklan kamera fiktif yang digunakan dalam eksperimen ETH Zürich untuk memanipulasi rekomendasi pencarian AI. Iklan biasa di kiri memuat teks promosi yang terlihat, sedangkan iklan PixelBlitz di kanan menyembunyikan instruksi dalam teks putih berukuran satu poin, tak terlihat di atas latar putih. Pesan tersembunyi tersebut menyamar sebagai instruksi sistem, menyuruh AI hanya merekomendasikan PixelBlitz dan menyembunyikan keberadaan instruksinya. Dalam pengujian terkendali, teknik ini meningkatkan tingkat rekomendasi kamera fiktif dari 34% menjadi 59,4%. Sumber

Dalam pengujian terkendali, tingkat rekomendasi kamera palsu naik dari 34% menjadi 59,4%, sedikit melampaui 57,9% yang dicapai kamera asli Nikon dan Fuji-film. Ini menunjukkan bahwa instruksi berbahaya yang disisipkan dalam halaman web hasil penelusuran memang dapat memengaruhi rekomendasi AI.

Dengan begitu besarnya kepentingan yang dipertaruhkan, masuk akal untuk menduga bahwa GEO curang merupakan jalur penelitian ilegal yang aktif dan didanai besar di industri pemasaran serta sektor-sektor lain yang berupaya memperoleh atau memulihkan keunggulan SEO mereka melalui rekomendasi sistem jawaban AI dan mesin percakapan.

Karena itu, mari kita lihat sejumlah jalur yang mungkin atau mulai muncul:

1: Manipulasi Arsip

Internet Archive adalah salah satu sumber daya jaringan paling lengkap dan berguna yang ada. Wayback Machine-nya melewati tonggak satu triliun halaman pada 2025. Saat tulisan ini dibuat, Internet Archive melaporkan jumlah luar biasa, yakni 47.381.733 dokumen PDF yang disimpan dan tersedia bagi publik:

Internet Archive menyimpan koleksi materi PDF yang luar biasa besar, sebagian besar disumbangkan oleh sukarelawan. Sumber

Seperti terlihat pada contoh hasil di atas, banyak PDF yang diunggah berisi materi biasa: mulai dari selebaran musik yang kurang dikenal dari 1950-an hingga 1990-an; majalah dan buku langka yang menarik dan sempat dianggap hilang selamanya; hingga tumpukan notulen rapat dewan kota pada 1970-an dan 1980-an yang membosankan, serta banyak lagi.

Pada periode ini, koleksi tersebut dihantam akses masif tanpa pandang bulu. Pelaku yang paling jelas ialah gerombolan bot pengumpul data AI yang sangat membutuhkan data baru, atau versi yang lebih baik maupun menguatkan data yang sudah mereka miliki.

Jelas bahwa mengubah dokumen unggahan untuk mendukung pernyataan palsu, produk fiktif, rujukan palsu terhadap orang—baik pujian maupun fitnah—pernyataan palsu tentang mereka, dan sebagainya, merupakan hal yang mudah.

Materi semacam itu dapat disisipkan ke dalam dokumen yang dianggap sebagai sumber berwibawa oleh LLM, misalnya PDF majalah terkemuka yang kebetulan belum terindeks sepenuhnya dalam koleksi Internet Archive. Dalam kasus tersebut, edisi yang telah direkayasa akan tampak seperti mengisi kekosongan secara sah.

AI sendiri dapat meniru gaya tulisan agar sesuai dengan gaya artikel pendek atau bahkan keterangan gambar yang sudah ada. Tanggal PDF pun dapat diubah, bersama berbagai trik sederhana lain, agar dokumen tampak seperti sesuatu yang ditemukan dalam arsip dari 1990-an atau bahkan lebih awal:

Sebuah perubahan sejarah sederhana yang diberikan ChatGPT-5.5 tanpa keberatan, lalu dengan mudah disisipkan kembali ke dokumen PDF sumber. Akibatnya, Pence Opera House menghilang dari sejarah, sementara pembukaan Guthrie Theater—teater yang benar-benar ada di Minnesota—dimajukan dari tahun pembukaan sebenarnya, 1963, ke tahun yang jauh lebih awal, 1867. Sumber

Dalam kasus semacam ini, tampaknya orang hanya perlu menunggu informasi tersebut diambil oleh bot pengumpul data AI yang rakus. Masih terlalu dini untuk memastikan seberapa jauh filter atau sistem pemeriksaan dalam kurasi kumpulan data dapat mendeteksi perubahan ilegal seperti itu. Namun, skala kumpulan data ini begitu besar sehingga biasanya menghalangi pengawasan sedetail itu. Dengan volume sebesar ini, pada dasarnya orang hanya mempercayai data.

2: Jaringan Konsensus Sintetis

Atau, bagi yang cukup tua untuk mengingatnya, sebuah lingkaran situs web modern: situs-situs yang saling terhubung pada awal internet, sebelum PageRank Google dan Domain Authority Moz, yang menilai jumlah serta kualitas tautan masuk.

Namun, jaringan konsensus sintetis melangkah lebih jauh, dengan menciptakan kesan adanya penguatan independen di berbagai situs yang konon tidak saling terkait. Sebuah studi terbaru dari Chinese University of Hong Kong dan EPFL secara umum menunjukkan prinsip ini. Para penelitinya menguji 12 model AI dengan 225 produk dalam 15 kategori, mengganti rujukan merek asli dalam hasil pencarian yang diambil dengan merek fiktif.

Ilustrasi dari makalah menunjukkan dua jalur bagaimana informasi produk rekaan dapat memengaruhi rekomendasi AI. Di atas, konten palsu ditanam di web nyata dan masuk ke hasil pencarian. Di bawah, peneliti menyimulasikan proses yang sama dengan mengubah halaman yang diambil secara lokal. Kedua jalur dapat menyebabkan asisten AI merekomendasikan merek yang tidak ada bersamaan dengan produk asli. Sumber

Efeknya meningkat ketika semakin banyak hasil memuat informasi palsu yang sama. Dengan tiga halaman yang dimanipulasi di antara hasil teratas, model paling rentan merekomendasikan produk yang tidak ada dalam 73,8% pengujian. Bahkan satu hasil peringkat pertama yang telah diubah dapat menyesatkan beberapa model dalam 27% kasus.

Lebih mengejutkan lagi, model kadang menciptakan penguatannya sendiri. Dalam satu pengujian tentang merek pelindung layar fiktif, Claude dan DeepSeek menambahkan klaim mengenai rekomendasi komunitas dan pengujian produk yang tidak ada dalam materi yang diberikan.

Meskipun eksperimen dilakukan pada hasil pencarian yang diubah secara lokal, bukan jaringan situs penipuan yang benar-benar beroperasi, hasilnya menunjukkan bagaimana kumpulan ulasan terkoordinasi yang tampak independen dapat menciptakan kredibilitas, sementara AI memperkuat kebohongan dengan dukungan tambahan.

3: Pembuatan Sitasi dan Klaim yang Kehilangan Asal-usul

Pembuatan sitasi—yang bisa disebut pencucian sitasi—merupakan variasi jaringan konsensus sintetis, tetapi lebih menekankan asal-usul informasi yang tampak daripada jumlah sumber yang mengulanginya.

Klaim rekaan bisa pertama kali muncul dalam jurnal perdagangan yang tidak terkenal, makalah penelitian yang diterbitkan sendiri, atau publikasi khusus dengan pengawasan editorial minim. Klaim itu kemudian dapat dikutip blog, direktori, dan publikasi lain. Setiap pengulangan memberi pernyataan awal sedikit tambahan legitimasi yang tampak.

Pada akhirnya, mesin pencari AI dapat menemukan klaim itu beberapa tahap jauhnya dari sumber asli, mungkin dalam artikel yang secara umum bereputasi baik tetapi mengutip publikasi perantara. Sesuatu yang bermula sebagai pernyataan tanpa dasar kini memiliki riwayat sitasi, meskipun tak satu pun rujukan berikutnya merupakan verifikasi independen.

Sudah ada sejumlah contoh terdokumentasi mengenai proses ini, meskipun sebagian besar terjadi sebelum kemunculan pencarian AI. Dalam satu kasus terkenal, seorang remaja menciptakan julukan aardvark Brasil untuk coati dan memasukkannya ke Wikipedia.

Nama rekaan itu menyebar ke surat kabar dan setidaknya satu buku akademis. Pada akhirnya, Wikipedia sendiri mengutip artikel koran sebagai bukti bagi klaim yang semula diperkenalkannya sendiri—sebuah lingkaran kewibawaan palsu yang hampir sempurna. Kejadian ini didokumentasikan oleh The New Yorker.

Demonstrasi yang lebih disengaja muncul pada 2025, ketika para peneliti membuat beberapa makalah akademis dengan AI dan mengatasnamakannya kepada ilmuwan yang tidak ada. Publikasi rekaan tersebut mengumpulkan 380 sitasi dan indeks h sebesar 19 di Google Scholar, sehingga peneliti fiktif itu tampak memiliki kedudukan akademis terhormat. Eksperimen yang diterbitkan dalam Scientific Reports milik Nature ini memperlihatkan bagaimana jumlah sitasi dapat direkayasa tanpa adanya penelitian nyata yang sepadan.

Kedua kasus itu tidak menunjukkan serangan yang berhasil terhadap mesin pencari AI. Namun, keduanya memperlihatkan kelemahan mendasar: begitu sebuah pernyataan palsu disebarluaskan kembali oleh sumber yang tampak kredibel, sistem berikutnya mungkin kesulitan membedakan penguatan independen dari peredaran berulang satu kebohongan. Bahaya khusus untuk pencarian AI ialah model dapat merangkum rantai rujukan itu sebagai bukti yang saling mendukung, tanpa menyadari bahwa semua sumber yang tampak berwibawa kembali pada klaim belum terverifikasi yang sama.

4: Pengambilalihan Kewibawaan

Domain kedaluwarsa dapat mempertahankan kredibilitas yang tampak, tautan masuk, dan visibilitas pencarian pemilik sebelumnya. Membeli alamat tersebut dan mengisinya dengan materi baru dapat membuat klaim yang baru diperkenalkan seolah berasal dari publikasi mapan, sebuah praktik yang sudah berlangsung 20–30 tahun. Kewibawaan domain yang kedaluwarsa atau ditinggalkan sering dibeli untuk mengubah isinya menjadi materi yang masih berkaitan tetapi dikomersialkan.

Pada 2024, blog perempuan berpengaruh The Hairpin, yang tutup pada 2018, muncul kembali di bawah kepemilikan baru sebagai pabrik konten buatan AI. Artikel aslinya dicampur dengan materi yang ditulis ulang dan nama penulis fiktif, memanfaatkan reputasi serta kewibawaan domain publikasi yang dulu dihormati itu. Walaupun bukan serangan pencarian AI yang terbukti, kasus ini menunjukkan bagaimana sejarah situs yang sudah mapan dapat diambil alih.

Walaupun salinan arsip dapat membantu mengungkap perbedaan antara masa lalu asli suatu domain dan konten yang baru direkayasa, bukti seperti ini pun belum tentu permanen. Pada 2002, Internet Archive menghapus salinan situs yang mengkritik Scientology setelah pengaduan hak cipta dari pengacara organisasi tersebut. Awalnya, Internet Archive menyiratkan bahwa penghapusan diminta oleh pemilik situs itu sendiri.

Hingga 2017, Wayback Machine menerapkan aturan pengecualian situs secara retroaktif, sehingga pemilik domain baru berpotensi menyembunyikan konten pendahulunya. Walaupun praktik ini dihentikan, Internet Archive masih mempertimbangkan permintaan untuk menghapus salinan historis.

5: Eksploitasi Repositori Akademis

Repositori akademis menawarkan jalur lain menuju kewibawaan yang tampak. Server pracetak memungkinkan peneliti menerbitkan makalah sebelum penelaahan sejawat, sementara mesin pencari dan sistem penelusuran AI dapat menemukan dokumen itu bersama literatur ilmiah yang sudah mapan.

Masalahnya, penerbitan dan verifikasi bukan hal yang sama. Pada 2024, para peneliti menunjukkan bagaimana instruksi berbahaya yang disisipkan ke makalah akademis dapat memanipulasi asisten AI yang memproses dokumen tersebut. Penelitian mereka memperlihatkan bahwa kesan legitimasi sebuah makalah tidak mencegah isinya dipakai untuk memengaruhi sistem AI.

Pendekatan GEO yang kurang mencolok dapat berupa penyimpanan penelitian yang masuk akal tetapi kurang penting, yang berulang kali menghubungkan perusahaan, produk, atau individu dengan keahlian tertentu. Bahkan tanpa instruksi eksplisit kepada AI, materi itu dapat memberi dukungan yang tampak ilmiah bagi klaim yang berasal dari pihak penerima manfaat sendiri.

Kesimpulan

Jalur potensial lainnya mencakup penyusupan ke ekosistem ulasan, yakni menanam penilaian positif di situs perbandingan dan direktori perangkat lunak; manipulasi graf pengetahuan, yakni mengubah data terstruktur untuk menciptakan hubungan menyesatkan antara perusahaan, produk, dan keahlian; serta pencucian reputasi multibahasa, yakni menempatkan klaim promosi dalam sumber berbahasa asing yang kurang diawasi.

Terakhir, pengoptimalan GEO berbasis agen dapat mengotomatiskan teknik ini dengan berulang kali menguji konten terhadap mesin pencari AI dan menyempurnakan variasi yang menghasilkan rekomendasi yang diinginkan.

Pertama kali diterbitkan Senin, 12 Oktober 2026. Diubah dalam waktu tiga puluh menit untuk memperbaiki kapitalisasi judul dan tag yang hilang.