VIDEOuditJournal
← Semua laporan

Pencarian AI

Kalau video sudah ada teksnya, apakah persiapan GEO sudah selesai?

Teks otomatis sudah dinyalakan, jadi rasanya persiapan untuk pencarian AI sudah beres. Padahal teks hanya menuliskan apa yang diucapkan dengan suara di dalam video. Kata yang salah tangkap, hal yang hanya ditunjukkan di layar tanpa diucapkan, dan penjelasan di luar video tidak bisa digantikan oleh teks. Hari ini kita buka satu video Anda dan cari celah itu bersama.

3 November 2026Riset CHROMETI7 menit baca

Teks adalah awal yang bagus

Pertama, kenapa teks itu penting. Dalam panduannya tentang AI Overviews dan AI Mode, Google menyebut tidak ada persyaratan tambahan atau optimasi khusus agar bisa muncul. Sebagai gantinya, Google menyebut beberapa hal dasar, dan salah satunya adalah membuat konten penting tersedia dalam bentuk teks. Gambar dan video dijelaskan sebagai pendukung teks tersebut.

Video pada dasarnya terdiri dari suara dan gambar. Teks mengubah suara itu menjadi tulisan, jadi memang benar ini langkah pertama. Masalahnya, banyak orang berhenti di situ. Teks hanya menyalin "apa yang diucapkan". Apakah ucapan itu tertulis dengan benar, dan di mana hal yang tidak diucapkan akan tersimpan, perlu dicek terpisah.

Teks otomatis bisa salah menulis nama produk Anda

Di halaman Bantuan YouTube tentang teks otomatis ada kalimat seperti ini. Teks otomatis bisa salah menampilkan konten lisan karena salah pengucapan, aksen, dialek, atau suara latar, jadi selalu tinjau dan edit bagian yang tidak ditranskripsikan dengan benar.

Di video produk, kata yang paling sering salah justru kata yang paling penting. Nama merek, nama model, dan satuan angka, yaitu kata-kata yang jarang muncul di obrolan sehari-hari. Penonton bisa membetulkannya sendiri sambil melihat layar, tapi pihak yang hanya membaca tulisan akan menerima kata yang salah apa adanya.

Satu kalimat yang sama, ucapan dan teks otomatis Contoh

Yang benar-benar diucapkan Begini yang didengar penonton "Air fryer Lumi Mini, kapasitasnya 5,5 liter, keranjangnya aman masuk mesin cuci piring." Lewat gambar dan suara, langsung paham.
Teks otomatis Begini yang bisa tertulis "er frayer rumi mini kapasitasnya 55 liter keranjangnya aman masuk mesin cuci piring" Nama dan angka yang lebih dulu melenceng.
Yang paling mudah salah adalah nama dan angka. Produk dalam contoh ini fiktif. Di video Anda, cukup cek satu bagian yang menyebut nama produk untuk mendapat gambarannya.

Yang tidak diucapkan juga tidak ada di teks

Celah kedua lebih tidak kelihatan. Saat merekam video produk, kita sering bilang "kalau lihat ini" atau "di sini tinggal begini". Bagi yang menonton layar, itu sudah cukup jelas, karena mereka bisa melihat ke mana jari Anda menunjuk.

Tapi kalau hanya membaca teksnya, tidak ketahuan apa itu "ini" dan bagaimana "begini". Kalau uji tahan air hanya ditunjukkan di layar dan Anda cuma bilang "Lihat, aman kan?", kata tahan air tidak pernah muncul sekali pun di sisi tulisan.

Menyebut sekali dengan suara, informasi yang hanya ada di layar Contoh

Hanya layar"Kalau lihat ini, paham kan?"Adegan menuang air terlihat, tapi teks tidak mencatat apa yang ditunjukkan.
Diucapkan sekali"Saya tuang satu gelas air, bagian dalamnya tetap kering."Tambahkan satu kalimat di adegan yang sama, dan informasinya tersimpan untuk yang mendengar maupun yang membaca.
Hanya layar"Di sini tinggal dilipat begini."Tangan yang melipat terlihat, tapi ukuran setelah dilipat tidak tercatat dalam tulisan.
Diucapkan sekali"Kalau dilipat dua, ukurannya sebesar kertas A4."Penonton juga mendapat patokan untuk membayangkannya di dalam tas mereka.
Tidak perlu menulis ulang naskah. Di adegan kunci, cukup ucapkan "apa dan seberapa" dalam satu kalimat.

Buka satu tab dan coba 3 menit saja sekarang. Putar video Anda, nyalakan teks, lalu jangan lihat gambarnya dan baca teksnya saja selama 30 detik. Apakah dari tulisan saja Anda bisa membayangkan produk apa yang ditunjukkan dan bagaimana? Bagian yang tidak bisa dibayangkan itulah yang perlu dibenahi.

Tulisan di luar teks yang menjelaskan video

Celah ketiga ada di luar video. Praktik terbaik SEO video dari Google meminta judul dan deskripsi yang khas untuk setiap video. Artinya, tulisan pertama yang memberi tahu apa isi sebuah video adalah judul dan deskripsi, bukan teks.

Dokumen yang sama juga membahas momen penting dalam video. Untuk video yang diunggah ke YouTube, Anda bisa menentukan momen itu sendiri dengan menulis stempel waktu dan label di deskripsi, dan Google menyatakan lebih mengutamakan momen yang ditentukan langsung seperti ini. Menurut halaman Bantuan YouTube tentang bab video, stempel waktu pertama harus dimulai dari 00:00, minimal ada tiga stempel waktu, dan setiap bab minimal 10 detik.

Lapisan tulisan di sekitar satu video

  1. 01TeksYang diucapkan di dalam videoCekNama produk dan angka tertulis dengan benar
  2. 02Adegan yang disebut dengan suaraInformasi yang tadinya hanya ada di layarCekTidak ada bagian yang isinya hanya "ini, di sini"
  3. 03Judul dan deskripsiVideo ini tentang apaCekDeskripsinya tidak sama dengan video lain
  4. 04BabApa ada di manaCekMulai 00:00, minimal tiga, minimal 10 detik
Teks hanyalah lapisan 01. Disusun berdasarkan panduan publik dari Google dan YouTube. Semakin ke bawah, semakin membantu pihak yang tidak menonton video untuk memahami isinya.
Satu lagi. Anda mungkin tergoda mengulang-ulang kata kunci di teks atau deskripsi. Dalam penelitian yang menguji mesin pencari generatif dan dipresentasikan di konferensi KDD 2024, cara menjejalkan kata kunci hampir tidak meningkatkan visibilitas dalam jawaban, dan di Perplexity justru 10% lebih rendah dari patokan. Di penelitian yang sama, yang efeknya besar adalah menambahkan sumber, kutipan, dan angka. Satu kalimat yang akurat lebih baik daripada pengulangan.

Cek 3 menit yang bisa dicoba hari ini

Buka satu video produk yang baru Anda unggah.

  1. 1 menit · DengarTeks di bagian nama produkNyalakan teks dan lompat ke bagian tempat nama produk atau angka pertama kali muncul. Lihat apakah tulisannya benar. Kalau salah, cukup perbaiki baris itu di YouTube Studio.
  2. 1 menit · BacaCari "ini, di sini"Baca teks saja tanpa gambar selama 30 detik di adegan paling penting. Catat satu kalimat yang tidak jelas sedang menunjukkan apa. Itulah bagian yang perlu disebut dengan suara di video berikutnya.
  3. 1 menit · LihatDua baris pertama deskripsi dan babBaca dua baris pertama deskripsi saja, lalu cek apakah sudah jelas video ini tentang apa, dan apakah bab dimulai dari 00:00.

Kalau dikerjakan manual, di mana macetnya?

Satu video cukup 3 menit. Tapi kalau video produk Anda ada puluhan, lalu setiap video harus didengar teksnya, dicocokkan, dan dibaca ulang untuk memastikan isinya tersampaikan lewat tulisan saja, satu hari cepat habis. Dan begitu video berikutnya diunggah, pekerjaan yang sama muncul lagi.

Pengulangan itu diambil alih oleh VIDEOudit. Cukup masukkan URL video, lalu VIDEOudit melihat sekaligus bagaimana video itu dibaca, dan menunjukkan urutan apa yang sebaiknya dibenahi lebih dulu.

Namun VIDEOudit tidak bisa melihat kualitas produk, harga, stok, iklan, musim, atau reputasi channel Anda. Dan video mana yang akan disebut oleh AI, pada akhirnya ditentukan oleh masing-masing AI.

Cek di bagian mana video Anda tersendat lewat diagnosis VIDEOudit.

Sumber

  1. Google Search Central · AI features and your website (tidak ada persyaratan tambahan, konten penting dalam bentuk teks, diperbarui 2025-12-10)
  2. Bantuan YouTube · Menggunakan teks otomatis (kemungkinan kesalahan teks otomatis dan anjuran untuk meninjaunya, dicek 2026-11-03)
  3. Google Search Central · Video SEO best practices (judul dan deskripsi khas per video, momen penting yang ditentukan langsung diutamakan, diperbarui 2025-12-18)
  4. Bantuan YouTube · Bab video (mulai 00:00, minimal tiga, minimal 10 detik, dicek 2026-11-03)
  5. Aggarwal, P. dkk. (2024). GEO: Generative Engine Optimization. KDD '24 (perbandingan menjejalkan kata kunci dengan menambahkan sumber, kutipan, dan angka)