Marketing 7.0 dan Marketing 8.0 bukanlah dua versi dari kerangka yang sama dengan tambahan fitur. Mereka adalah dua paradigma yang berbeda tentang siapa yang mengambil keputusan, bagaimana keputusan dibentuk, dan apa yang harus dilakukan pemasar untuk memenangkan keputusan itu.
Marketing 7.0 berpusat pada manusia sebagai pengambil keputusan akhir. Ia mengajarkan cara memahami pikiran manusia—melalui Cognitive Compass, peta kognitif, dan pemahaman bias—agar brand dapat mempengaruhi keputusan yang diambil manusia tersebut.
Marketing 8.0 berpusat pada tiga audiens simultan: manusia, algoritma pencarian, dan agen AI yang bertindak atas nama manusia. Ia tidak menggantikan pemahaman tentang manusia—ia menambahkan lapisan baru: memahami bagaimana mesin memahami manusia, dan bagaimana kepercayaan pada mesin memediasi kepercayaan pada brand.
Perbedaan ini bukanlah perbedaan taktis. Ia adalah perbedaan di mana Anda mengarahkan upaya, apa yang Anda ukur, dan bagaimana Anda mendefinisikan keberhasilan.
Tabel Perbedaan Operasional Lengkap
| Dimensi | Marketing 7.0 | Marketing 8.0 (Agentic Trust Marketing 1.0) |
|---|---|---|
| Audiens utama | Manusia (Augmented Human) | Manusia + algoritma pencarian + agen AI yang bertindak atas nama manusia |
| Pertanyaan kunci | “Bagaimana konsumen berpikir?” | “Bagaimana agen memutuskan, dan bagaimana konsumen mempercayai agen?” |
| Titik kontrol | Kanal pemasaran (media sosial, email, iklan, website) | Antarmuka keputusan (jawaban AI, rekomendasi agen, checkout yang dapat diakses mesin) |
| Kepercayaan | Kepercayaan manusia pada brand | Kepercayaan agen pada data brand + kepercayaan manusia pada agen |
| Transparansi | Membuka proses kepada manusia (behind-the-scenes, cerita, nilai) | Membuka data terstruktur kepada mesin + proses kepada manusia |
| Kreativitas | Kreativitas kritis manusia sebagai pembeda | Kreativitas yang terbaca mesin dan bermakna manusiawi secara bersamaan |
| Metrik utama | Engagement, konversi, memori, loyalitas | Share of Model, Eligibility Rate, Share of Trust, Delegation Completion Rate |
| Kegagalan utama | Tidak diingat | Tidak terlihat oleh agen (invisible) |
| Sinyal yang dipantau | Impresi, klik, kunjungan, keranjang, pembelian berulang | Mandat, kelayakan, eksklusi, skor kepercayaan, token persetujuan, hasil transaksi |
| Sumber data | Platform analitik, CRM, survei pelanggan | Log agen, audit eksternal, pengujian prompt manual, server logs |
| Kecepatan umpan balik | Harian hingga mingguan (dashboard) | Mingguan hingga bulanan (pengujian manual; data API terbatas) |
| Siapa yang menanggung risiko | Brand menanggung risiko reputasi jika produk buruk | Agen menanggung risiko reputasi jika merekomendasikan produk buruk; brand menanggung risiko tidak direkomendasikan |
| Cara memenangkan keputusan | Mempengaruhi pikiran manusia melalui konten, emosi, dan pengalaman | Memastikan data dapat dibaca mesin, dipercaya agen, dan dikonversi melalui pengalaman siap-delegasi |
Pergeseran Metrik — Mengapa Dashboard Tradisional Mulai Buta
Pemasaran tradisional mengukur keberhasilan melalui sinyal yang dapat diamati: impresi, klik, kunjungan, keranjang belanja, pembelian berulang. Sinyal-sinyal ini adalah fondasi dari semua platform analitik dan model atribusi.
Di era agentic, sinyal-sinyal ini mulai kehilangan relevansi. Ketika agen AI memediasi perjalanan pembelian, sebagian besar proses keputusan terjadi di luar saluran yang dimiliki merchant dan di luar jangkauan analitik konvensional. Agen mengevaluasi, memfilter, membandingkan, dan merekomendasikan—semua ini terjadi dalam percakapan yang tidak menghasilkan impresi, tidak menghasilkan klik, dan seringkali tidak menghasilkan kunjungan ke website.
Profound (2025) menemukan bahwa 46,4% pengguna AI menyelesaikan keputusan pembelian di dalam percakapan AI tanpa perlu mengklik ke website . Ini berarti hampir separuh interaksi belanja yang dimediasi AI terjadi tanpa jejak yang terlihat oleh platform analitik tradisional.
Empat Metrik Baru yang Harus Dipantau
1. Eligibility Rate (Tingkat Kelayakan)
Persentase prompt relevan di mana produk Anda lolos ke consideration set—bahkan jika tidak direkomendasikan. Ini mengukur kesehatan data Anda di gerbang pertama.
Cara mengukur: Ajukan 10-20 prompt yang relevan ke ChatGPT, Perplexity, dan Gemini. Catat apakah brand Anda muncul dalam daftar yang dipertimbangkan (bukan hanya rekomendasi akhir). Jika muncul di beberapa tetapi tidak di lainnya, periksa inkonsistensi data antar platform.
2. Share of Model (Pangsa Model)
Persentase prompt di mana brand Anda muncul dalam rekomendasi akhir yang dihasilkan oleh model AI. Ini adalah metrik yang paling langsung berkorelasi dengan peluang penjualan.
Cara mengukur: Sama seperti di atas, tetapi fokus pada jawaban akhir. Bandingkan dengan pesaing utama. Jika Anda muncul tetapi pesaing lebih sering, analisis atribut apa yang mereka miliki dalam data yang tidak Anda miliki.
3. Share of Trust (Pangsa Kepercayaan)
Proporsi konsumen yang, setelah menerima rekomendasi AI tentang brand Anda, melanjutkan ke pembelian atau menunjukkan niat beli positif. Metrik ini menangkap kepercayaan manusia pada agen—sesuatu yang tidak ditangkap oleh metrik rekomendasi.
Cara mengukur: Survei pelanggan baru: “Apakah Anda menemukan kami melalui AI? Apakah Anda mempercayai rekomendasi itu?” Jika conversion rate dari AI-referred traffic rendah, masalahnya mungkin bukan pada rekomendasi, tetapi pada kepercayaan konsumen terhadap agen.
4. Delegation Completion Rate (Tingkat Penyelesaian Delegasi)
Persentase transaksi yang dimulai oleh agen dan berhasil diselesaikan—dengan atau tanpa persetujuan manusia. Metrik ini mengukur kesiapan pengalaman Anda untuk era agentic.
Cara mengukur: Jika Anda memiliki integrasi checkout dengan agen atau API, lacak berapa banyak transaksi yang dimulai oleh agen yang berhasil diselesaikan. Jika belum ada integrasi, ini adalah metrik yang harus Anda bangun kapabilitasnya untuk mengukurnya.
Metrik Pendukung: AI-Referred Traffic
Selain empat metrik utama, pantau AI-referred traffic sebagai segmen terpisah di Google Analytics 4 atau alat analitik Anda. Gunakan referrer domain (chatgpt.com, perplexity.ai, gemini.google.com, copilot.microsoft.com) untuk memisahkan traffic AI dari traffic organik.
Catatan penting: Google AI Mode menghapus referrer secara desain, sehingga klik dari AI Mode masuk ke bucket “direct.” Untuk menangkap traffic agen, analisis server logs diperlukan—mencari user-agent seperti ChatGPT-User .
Perbedaan dalam Siklus Umpan Balik
| Aspek | Marketing 7.0 | Marketing 8.0 |
|---|---|---|
| Kecepatan data | Real-time hingga harian | Mingguan (pengujian manual); data API terbatas |
| Sumber data | Dashboard platform, CRM | Pengujian prompt manual, server logs, survei pelanggan |
| Kemampuan atribusi | Multi-touch attribution tersedia | Atribusi terbatas; banyak interaksi tidak terlihat |
| Eksperimen | A/B testing pada kanal | Pengujian prompt; perbandingan baseline vs intervensi |
| Iterasi | Cepat (harian) | Lebih lambat (mingguan hingga bulanan) |
Implikasi: Marketing 8.0 memerlukan kesabaran yang lebih besar dan disiplin pengukuran yang lebih ketat. Anda tidak akan mendapatkan dashboard real-time yang menunjukkan Share of Model. Anda harus mengukurnya secara manual, secara konsisten, dengan prompt yang terstandarisasi.
Perbedaan dalam Definisi Keberhasilan
| Definisi Keberhasilan | Marketing 7.0 | Marketing 8.0 |
|---|---|---|
| Jangka pendek | Engagement, klik, konversi | Eligibility Rate, Share of Model |
| Jangka menengah | Loyalitas, retensi, repeat purchase | Share of Trust, Delegation Completion Rate |
| Jangka panjang | Brand equity, memori, preferensi | Posisi sebagai “default” dalam rekomendasi agen |
Perbedaan paling penting: Dalam Marketing 7.0, keberhasilan diukur dari apa yang dilakukan manusia. Dalam Marketing 8.0, keberhasilan diukur dari apakah agen merekomendasikan Anda, dan apakah manusia mempercayai rekomendasi itu.
Ringkasan
Perbedaan operasional antara Marketing 7.0 dan Marketing 8.0 bukanlah tentang mengganti metrik lama dengan yang baru. Ini tentang menambahkan lapisan yang menangkap apa yang terjadi di dalam funnel yang tidak terlihat—di mana agen AI membuat keputusan yang tidak menghasilkan sinyal konvensional.
Tiga prinsip operasional:
Pertama, ukur apa yang tidak terlihat. Eligibility Rate dan Share of Model adalah metrik yang tidak akan muncul di dashboard standar. Anda harus mengukurnya secara manual, secara konsisten, dengan prompt yang terstandarisasi.
Kedua, pisahkan AI-referred traffic. Jangan biarkan AI traffic bercampur dengan traffic organik atau berbayar. Segmentasi memungkinkan Anda melihat nilai sebenarnya dan membuat keputusan investasi yang tepat.
Ketiga, bangun kapabilitas untuk Delegation Completion Rate. Bahkan jika Anda belum memiliki integrasi checkout dengan agen, mulailah membangun pemahaman tentang bagaimana agen dapat menyelesaikan transaksi dengan brand Anda—dan di mana hambatannya.
Pertanyaan untuk direnungkan:
Jika Anda harus memilih satu metrik untuk diukur minggu ini Eligibility Rate, Share of Model, Share of Trust, atau Delegation Completion Rate metrik mana yang paling mungkin memberi Anda wawasan yang dapat ditindaklanjuti tentang posisi brand Anda di era agentic?
