Apa itu Misinformasi?

Misinformasi adalah informasi yang tidak akurat, tidak lengkap, atau menyesatkan, terlepas dari apakah orang yang membagikannya bermaksud membahayakan atau tidak. Hal ini dapat muncul dalam laporan berita, percakapan pribadi, iklan, klaim kesehatan, gambar, statistik, dan komentar sehari-hari. Suatu pernyataan mungkin mengandung sedikit unsur kebenaran namun tetap menciptakan kesan yang salah secara material.

Misinformasi vs. Disinformasi

Perbedaan utama antara misinformasi dan disinformasi adalah niat. Misinformasi umumnya dibagikan karena adanya kesalahan, kesalahpahaman, atau kurangnya pengetahuan, sedangkan disinformasi sengaja dibuat atau disebarkan untuk menipu. Oleh karena itu, klaim tidak akurat yang sama dapat menjadi misinformasi jika diulangi secara santai dan menjadi disinformasi jika dirancang sebagai bagian dari kampanye manipulasi.

Niat tidak selalu terlihat dari konten itu sendiri. Foto daur ulang, misalnya, dapat dibagikan oleh satu orang yang meyakini foto tersebut baru dan oleh orang lain yang mengetahui foto tersebut disajikan dalam konteks yang salah. Inilah sebabnya mengapa mengevaluasi sumber, tanggal, bukti, dan keadaan sekitar sama pentingnya dengan mengevaluasi rumusan kalimat dari klaim tersebut.

Mengapa Misinformasi Cepat Menyebar

Tiga mekanisme berada di pusat mengapa klaim palsu menyebar, dan masing-masing bekerja secara diam-diam di dalam logika sistem periklanan modern.

Efek Ruang Gema (Echo Chamber)

Model simulasi jaringan menunjukkan bahwa ketika kelompok pengguna berbagi opini yang sama dan terhubung erat sementara juga terpolarisasi dari sisa jaringan, penularan yang kompleks seperti misinformasi berjalan lebih cepat dan lebih jauh.

“Efek ruang gema” ini berarti bahwa keberadaan klaster yang terpolarisasi bertindak sebagai efek ikut-ikutan awal, menciptakan momentum awal yang mendorong klaim palsu dari ketidakjelasan menjadi visibilitas yang luas. Hubungan ini sulit dipelajari di alam liar karena koneksi media sosial sangat padat dan lingkaran sebab-akibat saling terkait. Namun, temuan bahwa polarisasi opini dan polarisasi jaringan bekerja secara sinergis untuk meningkatkan viralitas misinformasi menawarkan penjelasan yang masuk akal tentang mengapa narasi palsu tertentu dapat berkembang pesat.

Hal ini menunjukkan bahwa audiens periklanan yang secara struktural menyerupai ruang gema, klaster yang sangat berpikiran sama dengan sedikit koneksi eksternal, dapat menjadi lahan yang sangat subur bagi penyebaran statistik yang telah didebunk, terutama jika statistik tersebut selaras dengan pandangan dunia kelompok yang sudah ada.

Bahan Bakar Emosional

Data eksperimental dari studi besar dengan 719 peserta AS mengungkapkan bahwa kecemasan yang meningkat membuat orang secara signifikan lebih mungkin mempercayai dan menyatakan kesediaan untuk membagikan semua jenis klaim, baik yang benar, korektif, maupun yang sepenuhnya palsu. Efek ini sangat terasa di kalangan Partai Republik, tetapi pola intinya jelas: kecemasan mengurangi filter kognitif yang biasanya akan memblokir konten yang meragukan.

Secara terpisah, sebuah survei terhadap 513 orang dewasa di Korea Selatan menemukan bahwa kemarahan menyebabkan orang menilai klaim palsu COVID-19 sebagai "kredibel secara ilmiah," dengan hubungan yang lebih kuat di kalangan konservatif.

Dalam konteks periklanan, variasi kreatif yang memanfaatkan kecemasan atau kemarahan, baik melalui berita utama yang mendesak atau citra berbingkai krisis, secara tidak sengaja dapat meningkatkan interaksi. Ketika tuas emosional tersebut ditarik dalam skala besar oleh sistem otomatis yang mengoptimalkan murni untuk sinyal perhatian, bahan bakar emosional yang sama yang mendorong pembagian misinformasi dapat mengarahkan mesin Dynamic Creative Optimization untuk memilih varian iklan yang mengandung klaim meragukan.

Pemeriksaan Fakta Bisa Menjadi Bumerang

Sebuah analisis terhadap 5.303 postingan media sosial dan lebih dari 2,6 juta komentar di Facebook, Twitter, dan YouTube menemukan bahwa meskipun artikel pemeriksaan fakta menghasilkan beberapa sinyal positif, artikel tersebut juga menghasilkan sinyal yang konsisten dengan efek "bumerang", reaksi pengguna yang mungkin memperkuat keyakinan palsu alih-alih mengoreksinya.

Jejak linguistik seperti tingkat makian yang lebih tinggi, penggunaan emoji yang padat, dan penanda kesadaran misinformasi muncul jauh lebih sering pada postingan yang lebih palsu. Sinyal-sinyal ini dapat membantu platform mendeteksi misinformasi, tetapi mereka juga mengungkapkan bahwa ketika statistik yang telah didebunk muncul di dalam iklan, dan percakapan di sekitarnya meledak dalam utas koreksi atau komentar beracun, amplifikasi algoritmik dari interaksi tersebut dapat memperburuk asosiasi merek dengan klaim palsu tersebut, bahkan jika pesan eksplisitnya adalah "ini salah."

Kita Tidak Yakin Misinformasi Secara Langsung Menyebabkan Bahaya di Dunia Nyata

Sebuah tinjauan interdisipliner tahun 2023 yang mencakup ilmu komputer, ekonomi, psikologi, dan studi media menemukan bahwa sementara kemajuan dalam teknologi informasi tidak diragukan lagi telah mengaktifkan dan mengungkap distorsi dari kebenaran dasar, “perilaku menyimpang belum terbukti secara empiris dan andal sebagai hasil dari misinformasi; korelasi sebagai sebab-akibat mungkin ikut berperan.”

Banyak dari asumsi kerugian sosial bertumpu pada persepsi intersubjektif, apa yang diyakini orang sedang terjadi, daripada rantai kausal yang ketat dari paparan ke perilaku. Bagi pemasar, ketidakpastian ini sangat penting. Ini berarti bahwa melebih-lebihkan bahaya dari statistik yang didebunk dalam iklan dapat menyebabkan kepanikan yang tidak perlu, tetapi itu juga berarti bahwa mengabaikan risiko ketika rantai sentimen negatif yang jelas dan pengeluaran yang sia-sia terlihat akan sama tidak bijaksananya.

Bagaimana Misinformasi Menyebar

Misinformasi bergerak melalui jaringan digital maupun offline. Platform sosial dapat membuat publikasi dan pembagian menjadi hampir instan, tetapi percakapan keluarga, obrolan grup, televisi, iklan, dan dari mulut ke mulut tetap menjadi saluran yang signifikan. Kecepatan sirkulasi sering kali melebihi kecepatan di mana suatu klaim dapat diperiksa.

Misinformasi di Media Sosial

Media sosial mendorong perhatian cepat melalui materi visual, berita utama yang ringkas, dan sinyal popularitas yang terlihat. Postingan yang memicu kemarahan, ketakutan, kejutan, atau hiburan mungkin menerima lebih banyak reaksi dan bagikan daripada penjelasan yang hati-hati. Seseorang juga mungkin mempercayai suatu klaim karena klaim tersebut berasal dari teman, kenalan profesional, atau komunitas yang sudah mereka identifikasi.

Beberapa fitur biasanya meningkatkan kemungkinan bahwa informasi yang tidak andal akan menyebar luas:

• Bahasa emosional dapat mendorong pembagian langsung sebelum direfleksikan.

• Pengulangan dapat membuat klaim yang tidak didukung terasa akrab dan kredibel.

• Gambar dan video pendek mungkin dipisahkan dari tanggal asli atau konteksnya.

• Sistem rekomendasi dapat mengekspos pengguna ke sudut pandang yang semakin mirip.

Mekanisme ini tidak membuat setiap postingan populer menjadi palsu, tidak juga membuat setiap postingan yang tidak populer menjadi akurat. Namun, mereka menunjukkan mengapa jangkauan dan interaksi adalah pengganti yang buruk untuk bukti. Pembaca yang cermat memisahkan bukti sosial di sekitar klaim dari kualitas klaim itu sendiri.

Bagaimana 3 Pilar MarTech Menjadi Vektor Misinformasi

1. Dynamic Creative Optimization

Platform Dynamic Creative Optimization (DCO) secara algoritmik menguji ribuan judul iklan, gambar, dan ajakan bertindak, mendorong lebih banyak anggaran ke varian yang menghasilkan rasio klik-tayang yang tinggi, kecepatan komentar yang cepat, atau momentum pembagian yang kuat.

Jalur risikonya adalah jika konten emosional mendorong interaksi, seperti yang ditunjukkan oleh studi kecemasan dan kemarahan, maka mesin DCO yang dilatih pada sinyal interaksi dapat mempromosikan materi iklan yang menggemakan statistik yang didebunk justru karena varian tersebut memicu kecemasan atau kemarahan yang mendorong pembagian. Sinyal linguistik yang menyertai postingan palsu, makian berat, reaksi emoji yang intens, dapat disalahartikan oleh algoritma sebagai "interaksi tinggi," yang semakin memperkuat siklus tersebut.

Oleh karena itu, pemasar harus menguji apakah varian DCO mereka sendiri yang mengandung klaim yang belum diverifikasi berkinerja lebih baik daripada yang bersih secara faktual dan mempertimbangkan apakah peningkatan kinerja tersebut benar-benar merupakan aset merek.

2. Pemodelan Audiens Lookalike

Model Lookalike mengambil audiens benih, pengunjung yang melakukan konversi, pembuat interaksi yang menonton video, dan menemukan jutaan pengguna baru dengan tanda perilaku platform serupa. Jika daftar benih dibuat dari pengguna yang berinteraksi dengan varian iklan yang mengandung klaim palsu, atau dari pengguna yang berkerumun di dalam ruang gema yang sangat terpolarisasi, ekspansi Lookalike dapat mewarisi profil ideologis dan emosional yang lebih rentan terhadap pembagian misinformasi.

Tindakan pencegahan praktis adalah dengan mengaudit komposisi audiens benih berkinerja tinggi yang telah mendorong ekspansi Lookalike besar-besaran dan memeriksa apakah riwayat interaksi mereka selaras dengan konten yang kemudian memerlukan koreksi.

3. Alat Konten AI Generatif

Model bahasa besar dan generator gambar menghasilkan salinan iklan dan visual dari pola dalam data pelatihan mereka. Tanpa batasan yang jelas, alat AI generatif dapat mereproduksi statistik yang didebunk secara kata-per-kata karena angka-angka tersebut sering muncul di seluruh web, dalam artikel lama, utas forum, dan postingan yang pernah viral.

Penanda linguistik yang disebutkan dalam studi tersebut di atas yang terkait dengan konten palsu, seperti bahasa emosional yang sarat muatan dan struktur retoris tertentu, dapat ditiru oleh model, memberikan klaim yang didebunk kesan kredibilitas baru.

Oleh karena itu, pemasar harus menjalankan pengujian internal, mengirimkan berita utama benih yang mengandung statistik palsu yang diketahui untuk melihat apakah alat tersebut mereproduksinya atau membuat variasi yang dapat lolos dari tinjauan sekilas.

Persamaan Keamanan Merek dan Pemborosan

Ketika sebuah iklan mengaitkan merek dengan statistik yang didebunk, KPI keamanan merek mulai bergeser. Skor analisis sentimen dapat turun saat komentar berubah menjadi korektif. Tingkat spam dan bendera dapat naik jika pemeriksa fakta atau pengguna yang waspada menandai konten tersebut.

Sinyal negatif yang diidentifikasi dalam analisis linguistik, makian, kepadatan emoji, reaksi sarat emosi, menawarkan peringatan dini yang terukur bahwa materi iklan mungkin telah melewati batas. Membayar untuk mengamplifikasi klaim palsu juga membuang-buang anggaran dengan cara yang sangat berbahaya: tayangan yang menghasilkan bumerang pemeriksaan fakta atau menelurkan utas koreksi pengguna menghasilkan interaksi yang terlihat bagus di dasbor tetapi memberikan ROI negatif jika diukur terhadap kesehatan merek yang sebenarnya.

Namun, ingat peringatan dari tinjauan interdisipliner, hubungan antara paparan misinformasi dan hasil perilaku konsumen yang terukur, seperti menghindari pembelian, secara empiris masih goyah. Kehati-hatian memang diperlukan, tetapi prediksi hiperbolis tentang kehancuran merek secara langsung tidak didukung oleh bukti.

Protokol Audit Langkah-demi-Langkah: Inventarisasi, Verifikasi, Supresi

Protokol ini menerjemahkan penelitian ke dalam urutan yang dapat dieksekusi oleh tim pertumbuhan mana pun, dengan setiap langkah terikat pada jalur bukti tertentu dan KPI yang terukur.

Langkah 1: Inventarisasi

Daftarkan setiap aset kreatif, variabel templat dinamis, sumber benih audiens, dan perintah AI generatif yang digunakan dalam kampanye yang saat ini aktif dan direncanakan. Tandai aset apa pun yang mengandung klaim statistik, angka terkait kesehatan, referensi politik, atau bahasa yang terkait dengan krisis (tingkat kasus COVID-19, statistik pemilu, indikator ekonomi). Inventarisasi ini menjadi dasar untuk sisa audit.

Kaitkan ke KPI: Tarik metrik keamanan merek Anda saat ini, skor sentimen komentar, bendera verifikasi pihak ketiga, pangsa tayangan yang ditandai, untuk minggu sebelum audit. Ini adalah tolok ukur sebelum intervensi.

Langkah 2: Verifikasi Klaim

Periksa silang setiap klaim faktual dalam inventarisasi terhadap sumber utama dan database pemeriksaan fakta yang diakui, sumber Snopes dan PolitiFact yang sama yang digunakan dalam studi Linguistik.

Ketika Anda menemukan statistik yang didebunk, jangan buat versi koreksi yang mengulangi klaim palsu dalam bentuk negasi (“X tidak benar”). Negasi semacam itu secara tidak sengaja dapat memperkuat klaim palsu, sebuah pola yang konsisten dengan sinyal bumerang yang diamati dalam analisis komentar.

Sebaliknya, ganti klaim sepenuhnya dengan pernyataan benar yang terverifikasi. Untuk output AI generatif, masukkan pos pemeriksaan peninjauan manusia wajib sebelum salinan buatan AI masuk ke umpan DCO.

Langkah 3: Pengaturan Aturan Supresi

Terapkan aturan supresi otomatis di dalam platform iklan Anda menggunakan tanda linguistik dan emosional yang diidentifikasi dalam penelitian:

• Jeda varian iklan apa pun yang bagian komentarnya melebihi ambang batas untuk sinyal kesadaran misinformasi, khususnya rasio makian yang tinggi atau penggunaan emoji yang ekstensif relatif terhadap norma untuk akun Anda.

• Supresi segmen audiens yang menunjukkan pola interaksi terkait kecemasan tinggi atau kemarahan dengan konten sensitif. Meskipun segmen ini mungkin menunjukkan tingkat klik yang tinggi, mereka juga menghadirkan risiko yang lebih besar untuk memicu lingkaran bumerang.

• Bangun database klaim terlarang dan blokir masuknya kembali URL yang didebunk, rangkaian statistik, atau klaim palsu yang diparafrasakan ke dalam pustaka DCO Anda. Ini mencegah algoritma memunculkan kembali varian lama bermasalah yang pernah berkinerja baik pada metrik interaksi yang dangkal.

Ukur hasilnya dengan melacak tiga angka ini setelah aturan supresi diaktifkan: penurunan persentase bendera pemeriksaan fakta pada materi iklan, perubahan lonjakan sentimen negatif setelah peluncuran iklan, dan pengurangan pengeluaran berbayar yang dikirimkan ke slot iklan yang menghasilkan tingkat bendera tinggi.

Karena hubungan antara sinyal komentar dan penyebaran misinformasi yang sebenarnya bersifat korelasional, deteksi bukanlah pencegahan. Protokol ini adalah lapisan mitigasi risiko, bukan obat yang sempurna.

Kesimpulan

Integrasi alat pemasaran otomatis menghadirkan risiko unik untuk amplifikasi misinformasi digital yang tidak disengaja. Sistem yang dirancang untuk kecepatan dan skala dapat mendaur ulang klaim yang didebunk ke dalam kampanye aktif tanpa pengawasan manusia. Transformasi bahaya reputasi ini menjadi masalah martech teknis memerlukan perhatian segera dari tim pertumbuhan.

Meskipun hubungan kausal antara paparan misinformasi dan perilaku konsumen tertentu tetap menjadi subjek debat akademis, mitigasi proaktif sangat penting. Menerapkan protokol audit terstruktur berfungsi sebagai perlindungan berbiaya rendah dan dapat dibatalkan untuk menjaga integritas merek. Dengan menekan klaim palsu yang terverifikasi, pemasar melindungi efisiensi anggaran mereka dan keamanan merek jangka panjang.

Protokol audit Anda membersihkan klaim palsu, tetapi apa yang membangun daya ingat merek yang tahan lama? Pelajari mengapa tim modern beralih ke neuroteknologi untuk melewati tebak-tebakan dan mendapatkan Insight berbasis data tentang bagaimana audiens Anda benar-benar memproses merek Anda.

Referensi

1. Törnberg, P. (2018). Echo chambers and viral misinformation: Modeling fake news as complex contagion. PLoS one, 13(9), e0203958. https://doi.org/10.1371/journal.pone.0203958

2. Freiling, I., Krause, N. M., Scheufele, D. A., & Brossard, D. (2023). Believing and sharing misinformation, fact-checks, and accurate information on social media: The role of anxiety during COVID-19. New media & society, 25(1), 141-162. https://doi.org/10.1177/14614448211011451

3. Han, J., Cha, M., & Lee, W. (2020). Anger contributes to the spread of COVID-19 misinformation. Harvard Kennedy School Misinformation Review, 1(3).

4. Jiang, S., & Wilson, C. (2018). Linguistic signals under misinformation and fact-checking: Evidence from user comments on social media. Proceedings of the ACM on Human-Computer Interaction, 2(CSCW), 1-23. https://doi.org/10.1145/3274351

5. Adams, Z., Osman, M., Bechlivanidis, C., & Meder, B. (2023). (Why) is misinformation a problem?. Perspectives on Psychological Science, 18(6), 1436-1463. https://doi.org/10.1177/17456916221141344

Pertanyaan yang Sering Diajukan

Apa itu efek ruang gema (echo chamber) dan bagaimana hal itu memfasilitasi penyebaran misinformasi?

Efek ruang gema terjadi ketika kelompok yang terhubung erat dan terpolarisasi berbagi opini yang sama, memungkinkan penularan yang kompleks seperti misinformasi untuk berjalan lebih cepat dan lebih jauh. Momentum efek ikut-ikutan awal ini dapat mendorong klaim palsu dari ketidakjelasan menjadi visibilitas yang luas, terutama pada audiens periklanan yang secara struktural menyerupai ruang gema tersebut.

Bagaimana kecemasan dan kemarahan memengaruhi kemungkinan orang untuk membagikan misinformasi dalam iklan?

Kecemasan yang meningkat membuat orang secara signifikan lebih mungkin mempercayai dan membagikan semua jenis klaim, termasuk yang palsu, dengan mengurangi filter kognitif. Demikian pula, kemarahan mengarahkan individu untuk menilai klaim palsu sebagai lebih kredibel secara ilmiah, dengan keadaan emosional ini berpotensi mendorong interaksi dengan iklan yang mengandung statistik yang didebunk.

Apa itu efek bumerang dan mengapa hal itu bermasalah bagi merek?

Efek bumerang terjadi ketika artikel pemeriksaan fakta menghasilkan reaksi pengguna yang memperkuat keyakinan palsu alih-alih mengoreksinya, seperti makian, penggunaan emoji yang padat, dan penanda kesadaran misinformasi. Ketika statistik yang didebunk muncul di dalam iklan, utas koreksi dan komentar beracun yang dihasilkan dapat secara algoritmik memperkuat klaim palsu tersebut, memperburuk asosiasi merek dengannya.

Bagaimana platform Dynamic Creative Optimization (DCO) dapat menjadi vektor misinformasi?

Platform DCO secara algoritmik menguji varian iklan dan mendorong anggaran ke arah varian dengan interaksi tinggi. Jika konten emosional yang mendorong kecemasan atau kemarahan mengarah pada pembagian, DCO mungkin lebih menyukai materi iklan dengan statistik yang didebunk karena varian tersebut memicu bahan bakar emosional yang sama yang mendorong pembagian misinformasi.

Bagaimana alat konten AI generatif dapat mereproduksi statistik yang didebunk?

Alat AI generatif menghasilkan salinan iklan dari pola dalam data pelatihan mereka, yang mungkin berisi statistik yang didebunk dari artikel lama atau utas forum. Tanpa batasan, AI dapat mereproduksi angka-angka ini secara kata-per-kata, dan penanda linguistik dari konten palsu dapat ditiru, memberikan klaim yang didebunk penampilan yang segar.

Bagaimana persamaan keamanan merek saat menggunakan statistik yang didebunk dalam iklan?

Ketika sebuah iklan mengaitkan merek dengan statistik yang didebunk, KPI keamanan merek dapat bergeser: skor sentimen turun, tingkat spam dan bendera naik, dan sinyal negatif seperti makian dan kepadatan emoji meningkat. Membayar untuk mengamplifikasi klaim palsu membuang-buang anggaran pada interaksi yang terlihat bagus di dasbor tetapi memberikan ROI negatif jika diukur terhadap kesehatan merek yang sebenarnya.

Apa peringatan utama tentang hubungan antara misinformasi dan bahaya di dunia nyata?

Tinjauan interdisipliner memperingatkan bahwa meskipun teknologi informasi memungkinkan distorsi kebenaran, perilaku menyimpang belum terbukti secara empiris dan andal sebagai hasil dari misinformasi; korelasi mungkin disalahartikan sebagai sebab-akibat. Ini berarti melebih-lebihkan bahaya tidak diperlukan, tetapi mengabaikan rantai sentimen negatif yang jelas dan pengeluaran yang sia-sia akan menjadi tindakan yang tidak bijaksana.

Apa tiga langkah dalam protokol audit untuk memitigasi risiko misinformasi?

Protokol audit melibatkan tiga langkah: menginventarisasi semua aset kreatif dan menandai klaim, melakukan verifikasi klaim terhadap database pemeriksaan fakta dan mengganti statistik yang didebunk dengan pernyataan benar yang terverifikasi, dan menetapkan aturan supresi berdasarkan tanda linguistik dan emosional seperti makian dan penggunaan emoji. Ini menciptakan lapisan mitigasi risiko, bukan obat yang sempurna.

Mengapa protokol audit dianggap sebagai perlindungan berbiaya rendah dan dapat dibatalkan, alih-alih sebagai kebutuhan yang terbukti?

Dasar bukti tidak secara langsung menguji apakah sistem MarTech secara sistematis menyebarkan kembali statistik yang didebunk; jalur tersebut merupakan ekstrapolasi terdidik dari sains dasar. Protokol audit adalah perlindungan berbiaya rendah dan dapat dibatalkan terhadap risiko dengan kerugian reputasi dan finansial yang substansial jika jalur yang dihipotesiskan ternyata benar.