Filter Penolakan Balasan Ulasan Google: Apa yang Terungkap dari 12.752 Balasan yang Ditolak

Google kini secara diam-diam menolak balasan ulasan. Tanpa pemberitahuan. Tanpa penjelasan. Balasan Anda tetap berada dalam status "DITOLAK" di API, sementara Anda mengira balasan tersebut sudah dipublikasikan.

Kami tahu hal ini karena kami dapat melihatnya. Google Business Profile memperkenalkan ReviewReplyState pada tanggal 1 April 2026 (Blog Perubahan Google Dev). Sebelumnya, setiap balasan yang diposting melalui API langsung ditayangkan. Tanpa moderasi. Tanpa filter.

Hal itu berubah. Dan seiring dengan itu muncul masalah penolakan diam-diam yang tidak disadari oleh sebagian besar perusahaan dan agensi.

Kami mengumpulkan 12.752 tanggapan ulasan yang ditolak dari data platform kami melalui dua proses ekstraksi terpisah: yang pertama dilakukan segera setelah data tersebut tersedia pada 22 April 2026, dan yang kedua pada 28 Mei 2026, untuk mengetahui apa yang sebenarnya memicu filter Google. Ini adalah kali pertama data ini dipublikasikan. Berikut temuan kami.

Skala masalah ini jauh lebih besar daripada yang disadari siapa pun

Dalam kumpulan data gabungan kami yang terdiri dari 12.752 balasan yang ditolak:

92,6% di antaranya merupakan balasan atas ulasan bintang lima. Ulasan positif justru menghasilkan penolakan terbanyak, kemungkinan besar karena bisnis (dan alat AI) menanggapinya dengan bahasa yang baku dan antusias.

Jumlah penolakan melonjak tajam pada tahun 2024. Dari 354 penolakan sepanjang tahun 2022 dan 398 pada tahun 2023, angka tersebut melonjak menjadi 9.393 hanya pada tahun 2024 saja. Entah filter Google jelas menjadi jauh lebih ketat, atau kualitas peninjauan yang berubah.

Balasan yang ditolak rata-rata ditulis 1.221 jam, atau sekitar 50 hari, setelah ulasan asli diposting. Balasan yang tertunda dan dijadwalkan secara massal muncul dalam data dengan frekuensi yang tidak proporsional, dan rata-rata tersebut terus meningkat sejak pengambilan data pertama kami. Sifat diam-diam dari hal ini merupakan inti masalahnya. Balasan yang ditolak tidak menghasilkan kesalahan. Balasan tersebut tidak dikembalikan. Balasan tersebut hanya tidak muncul. Tanpa visibilitas di tingkat API, Anda tidak akan pernah mengetahuinya.

Dua Potret, Satu Cerita

Grafik di bawah ini menampilkan jumlah penolakan bulanan dari kedua pengambilan data tersebut. Ekstraksi pertama (22 April 2026, ditampilkan dalam warna biru muda) mencatat 7.151 balasan yang ditolak. Ekstraksi kedua (28 Mei 2026, ditampilkan dalam warna biru solid) mengidentifikasi 12.752 balasan, meningkat 78% hanya dalam lima minggu, yang mencerminkan penolakan baru serta balasan yang ditolak sebelumnya yang belum diindeks dalam pengambilan data pertama kami.

Garis kuning menunjukkan persentase balasan yang ditolak setiap bulannya yang mengandung kalimat baku yang dapat dideteksi sebagai hasil karya AI. Pola pergerakannya merupakan temuan utama dari analisis ini.

Kedua kumpulan data tersebut menggambarkan pola yang konsisten: tren yang relatif stabil hingga tahun 2022–2023, lonjakan tajam pada tahun 2024, serta pergeseran komposisi yang signifikan mulai pertengahan 2025 ke depan, di mana volume mengalami penurunan sementara karakteristik dari apa yang tersisa berubah secara signifikan.

Alasan 1: Teks baku AI adalah pemicu terbesar

67% dari seluruh balasan yang ditolak dalam kumpulan data kami mengandung setidaknya satu frasa baku buatan AI yang dapat terdeteksi. Proporsi tersebut meningkat dari sekitar 35% pada awal 2024 menjadi 85% pada pertengahan 2024, dan tetap stabil hingga awal 2025.

Frasa-frasa yang paling sering muncul dalam balasan yang ditolak justru adalah frasa-frasa yang dihasilkan oleh alat balasan AI yang belum dikonfigurasi atau bersifat umum:

Ungkapan-ungkapan ini tidak hanya muncul dalam balasan penolakan; mereka justru mendominasi balasan-balasan tersebut. Ini bukanlah sekadar korelasi. Polanya terlalu konsisten, dan rentang waktunya terlalu tepat, untuk sekadar kebetulan.

Hipotesis kami: Sistem moderasi Google telah mengembangkan model statistik untuk tanggapan ulasan otomatis berkualitas rendah. Frasa-frasa di atas merupakan ciri khas dari pembangkitan massal oleh AI. Frasa-frasa tersebut muncul dalam jutaan tanggapan di seluruh miliaran bisnis dengan frekuensi yang tidak wajar. Filter Google tampaknya menandai tanggapan yang menggabungkan sinyal-sinyal ini ke dalam pola templat yang dapat dikenali.

Anggap saja ini sebagai filter spam. Kata-kata individualnya bukanlah masalahnya. Kombinasi “pembuka + nama + ungkapan pujian + kalimat kepuasan + penutup yang mengarah ke masa depan” adalah pola yang telah dipelajari Google untuk ditolak.

Berikut ini contoh nyata dari data kami (balasan ulasan layanan tukang ledeng dengan rating 5 bintang, 1.731 karakter, langsung ditolak):

“Halo Tannas, Terima kasih atas ulasan positif Anda dan atas rekomendasi hangat Anda untuk Kingstree Plumbing! Kami sangat berterima kasih atas dukungan Anda… Senang sekali mendengar bahwa pendekatan Dane yang informatif, efisien, dan ramah memberikan dampak yang begitu positif… Masukan Anda sangat berharga bagi kami… #KingstreePlumbing #SangatDirekomendasikan #LayananEfisien…”

Balasan ini berisi tagar, penumpukan kata kunci, panjang yang berlebihan, ungkapan pujian bergaya AI, dan terkesan seolah-olah dihasilkan oleh alat tanpa batasan. Balasan tersebut langsung ditolak.

Pelajarannya: jika alat balasan AI Anda menghasilkan tanggapan yang terdengar sama seperti alat balasan AI lainnya, pada akhirnya filter Google akan mendeteksinya.

Alasan 2: Kata-kata kasar dalam nama, nama perusahaan, dan menu

Hal ini sering mengejutkan orang. Filter kata-kata kasar Google bekerja berdasarkan teks lengkap dari balasan tersebut, tetapi tidak dapat membedakan antara kata-kata kasar dan konteks di mana rangkaian kata yang sama dianggap wajar.

Masalah tersebut muncul dalam tiga bentuk yang berbeda.

The practical rule:Aturan praktisnya: sebelum alat balasan Anda mengirimkan tanggapan, alat tersebut harus melakukan pemeriksaan awal terhadap teks lengkap, termasuk nama peninjau, nama produk apa pun, dan tanda tangan perusahaan. Jika ada teks yang berpotensi memicu filter kata-kata kasar otomatis, balasan tersebut harus ditinjau oleh manusia sebelum dikirimkan.

Alasan 3: Konten Duplikat Persis dan Balasan dengan Isi Minimal

Dalam data tersebut, satu akun mengirimkan balasan “Terima kasih!”, yang terdiri dari sepuluh karakter persis sama, ke lebih dari 100 ulasan berturut-turut. Semua balasan tersebut ditolak. Akun lain mengirimkan pesan “terima kasih atas ulasannya yang bagus” dengan cara yang sama ke 46 ulasan secara berurutan. Pola ketiga: “Terima kasih 🙏” dengan hanya menambahkan nama depan pengulas, dikirim ratusan kali melalui satu akun.

Di ujung ekstrem: balasan yang ditolak yang hanya terdiri dari satu emoji “👍”, “🙌”, “😊”, atau sekadar tanda baca seperti “!!!” atau “.”.

Ada dua mekanisme yang kemungkinan besar berperan di sini. Pertama, duplikasi persis dalam skala besar merupakan tanda spam yang klasik. Ketika teks yang sama dikirimkan dari akun yang sama ke puluhan atau ratusan ulasan dalam waktu singkat, pola tersebut sesuai dengan perilaku otomatisasi berkualitas rendah yang sudah dikenal, terlepas dari apakah teks tersebut bersifat menyinggung atau tidak. Kedua, Google tampaknya menerapkan ambang batas kualitas minimum. Balasan yang tidak menambah nilai informasi pada catatan publik, seperti “Terima kasih!”, tidak memberikan kontribusi apa pun yang tidak dapat disimpulkan pembaca dari peringkat bintang, dan mungkin gagal memenuhi standar kualitas minimum yang diterapkan sistem moderasi sebelum balasan disetujui.

Implikasi praktisnya: penggunaan templat bukan sekadar masalah bahasa boilerplate. Bahkan balasan yang singkat, ringkas, dan tidak menggunakan kecerdasan buatan pun akan ditolak jika isinya sama persis dengan puluhan balasan lain dari akun yang sama.

Alasan ke-4: Rincian Kontak dalam Isi Balasan

Balasan ulasan bukanlah sarana untuk meningkatkan lalu lintas situs atau mengumpulkan prospek. Kebijakan konten Google telah menegaskan hal ini, dan data kami pun menunjukkan hal yang sama.

327 balasan (2,6%) berisi alamat email yang disertakan dalam isi balasan. Hal ini hampir selalu merupakan upaya yang bermaksud baik untuk menyelesaikan keluhan: “Silakan hubungi kami di[email protected]agar kami dapat memperbaikinya.”

287 balasan (2,3%) berisi frasa seperti “hubungi kami” atau “telepon kami”, yang mengarahkan pemberi ulasan untuk mengambil tindakan di luar platform. Pola ini sejalan dengan ulasan negatif dan netral, di mana para pelaku usaha secara naluriah ingin memindahkan percakapan ke luar platform.

Sikap Google sangat jelas: balasan atas ulasan harus ditujukan kepada pemberi ulasan secara terbuka. Jika Anda ingin menindaklanjuti secara pribadi, gunakan fitur pesan pribadi yang sudah tersedia di Google. Menyertakan alamat email layanan pelanggan Anda dalam balasan publik akan dianggap sebagai ajakan komersial atau ajakan di luar platform, dan hal tersebut akan diblokir.

Alasan ke-5: Tagar dalam Teks Balasan

38 balasan dalam dataset kami berisi tagar, dan ketiganya ditolak. Tagar adalah fitur platform media sosial di mana penemuan konten didorong oleh penandaan. Google Business Profile bukanlah media sosial. Ulasan tersebut merupakan sinyal kepercayaan yang terstruktur.

Contoh tagar yang ditolak dari data kami memperjelas masalah ini: #KingstreePlumbing #HighlyRecommended #EdmontonAreaExperts

Hal ini terlihat seperti manipulasi SEO, yaitu menyisipkan nama bisnis dan istilah lokasi secara berlebihan dalam sebuah balasan untuk memanipulasi sinyal pencarian lokal. Terlepas dari apakah itu memang niatnya atau tidak, filter Google menafsirkannya demikian.

Aturannya sederhana: jangan gunakan tagar dalam balasan ulasan.

Alasan ke-6: Penjadwalan Massal dan Kecepatan Balasan

Waktu respons saja tidak menjadi penyebab penolakan. Namun, hal itu merupakan salah satu faktor dalam pola yang lebih luas yang tampaknya sedang dianalisis oleh Google.

78,7% dari balasan yang ditolak dalam kumpulan data kami diposting lebih dari 24 jam setelah ulasan tersebut ditulis. Rata-rata keterlambatan mencapai 1.221 jam, atau sekitar 50 hari, naik dari 720 jam pada pengumpulan data pertama kami. Hal ini mencerminkan kebiasaan perusahaan yang mengelompokkan balasan mereka, sering kali menjalankan proses pembuatan balasan massal berbasis AI sekali seminggu atau sebulan sekali, alih-alih merespons secara real-time. Rata-rata tersebut justru semakin memburuk, bukan membaik.

Ketika akun yang sama mengirimkan sejumlah besar balasan dalam waktu singkat, yang semuanya mengikuti pola struktur yang sama, pola tersebut mengindikasikan adanya penyalahgunaan otomatis. Hal ini setara dengan mengirimkan 500 email dari alamat IP yang sama dalam satu jam; secara teknis sah, tetapi secara statistik mencurigakan.

Hipotesis kami mengenai penjadwalan massal: Sistem Google mungkin tidak mengevaluasi sebuah balasan secara terpisah. Sistem tersebut mungkin mengevaluasinya dalam konteks frekuensi, yaitu seberapa banyak balasan yang telah dikirimkan akun tersebut dalam periode waktu tertentu, seberapa mirip struktur balasan-balasan tersebut, dan apakah pola tersebut sesuai dengan perilaku otomatisasi berkualitas rendah yang sudah diketahui. Hal ini lebih sulit dibuktikan hanya berdasarkan teks balasan saja. Namun, data waktu, jika digabungkan dengan data teks baku dan data duplikasi, memberikan petunjuk yang kuat ke arah ini.

What Google's Content Policy Actually Prohibits

Kebijakan resmi Google terkait tanggapan atas tinjauan bersifat umum dan belum didokumentasikan secara menyeluruh. Berdasarkan data kami dan dokumentasi API, kategori konten berikut ini memiliki risiko penolakan tertinggi:

Penyebab pasti:

• Kata-kata kasar atau bahasa yang menyinggung (termasuk dalam nama pengulas, nama perusahaan, dan nama produk yang disertakan dalam balasan)

• Alamat email

• Tagar

• Balasan yang persis sama yang dikirimkan secara massal dari akun yang sama

• Balasan yang tidak memenuhi standar kualitas atau isi minimal (hanya satu emoji, atau hanya “Terima kasih!”)

Hipotesis yang kuat berdasarkan data kami:

• Teks baku AI yang menggunakan templat (penyebab utama, 67% dari seluruh penolakan)

• Pola kecepatan massal dari satu akun

• Penumpukan kata kunci atau manipulasi SEO dalam teks balasan

• Balasan yang melebihi batas panjang yang tidak didokumentasikan (balasan terpanjang yang ditolak dalam data kami adalah 1.731 karakter)

Risikonya lebih rendah, tetapi tetap perlu dipantau:

• Balasan dalam beberapa bahasa di mana konten ditandai sebagai masalah dalam satu bahasa tetapi tidak dalam bahasa lainnya

• Balasan yang dipenuhi emoji, terutama jika dipadukan dengan teks yang sangat singkat

• Garis Waktu: Kapan Filter Berubah dan Bagaimana Perkembangannya

Data tersebut menggambarkan gambaran yang jelas dalam dua fase.

Fase 1: 2024 hingga awal 2025. Wabah teks baku AI. Sebelum 2024, jumlah penolakan dalam dataset kami sangat sedikit: 354 pada 2022, 398 pada 2023. Mulai Maret 2024, penolakan mulai meningkat tajam. Pada Mei 2024, lebih dari 70% dari semua balasan yang ditolak berisi teks baku AI. Pada Juli 2024, angka tersebut mencapai 85% dan tetap demikian hingga Februari 2025.The AI boilerplate epidemic. Before 2024, rejections in our dataset were minimal: 354 in 2022, 398 in 2023. Starting in March 2024, rejections began accelerating sharply. By May 2024, over 70% of all rejected replies contained AI boilerplate. By July 2024, that figure reached 85% and held there through February 2025.

Waktu kejadian ini bertepatan persis dengan maraknya penggunaan alat balasan ulasan berbasis AI. Seiring meningkatnya volume balasan yang dihasilkan AI di seluruh ekosistem Google, sistem moderasi Google tampaknya mulai mendeteksi pola-pola yang dihasilkan oleh alat-alat tersebut. Inilah dinamika utamanya: alat-alat AI memicu maraknya penggunaan kalimat baku. Google merespons dengan filter kalimat baku (dua tahun kemudian).

Fase 2: Mulai April 2025.Mulai April 2025, porsi penolakan yang dihasilkan oleh sistem AI turun drastis dari lebih dari 70% menjadi satu digit pada beberapa bulan. Total volume penolakan juga turun secara signifikan.

Ada dua kemungkinan interpretasi, dan keduanya mungkin sebagian benar. Entah alat balasan ulasan yang didukung AI telah menjadi cukup canggih sehingga perusahaan-perusahaan berhenti menggunakan templat berkualitas rendah tersebut (sehingga balasan klise yang dikirimkan pun berkurang). Atau, Google menerapkan filter untuk menyaring balasan klise pada tahap tertentu dalam siklus Balasan Ulasan, sebelum balasan tersebut mencapai status resmi "DITOLAK". Kemungkinan ini kecil. Google mungkin tidak menggunakan Tanggapan Ulasan untuk profil entitas dan konteks AI pada tahun pertama ulasan, atau dalam skala yang lebih kecil. Yang tersisa dalam data akhir 2025 dan 2026 adalah profil komposisi yang berbeda: terutama kasus kata-kata kasar dalam konteks, spam duplikat persis, dan tanggapan dengan konten minimal, kategori yang tercakup dalam Alasan 2, 3, dan 6 di atas.

Apa Artinya Hal Ini bagi Strategi Balasan Ulasan Anda

Periksa status balasan Anda saat ini. Jika Anda mengirim balasan melalui API, Anda perlu memantau ReviewReplyState. Balasan yang dikirim melalui Google Business Profile atau alat pihak ketiga yang tidak menampilkan bidang ini akan dilakukan tanpa informasi yang memadai. Sebagian kecil dari balasan yang sudah ada mungkin sudah berada dalam status REJECTED; untuk mengantisipasi filter tersebut, ikuti 5 langkah berikut:

1. Periksa alat balasan AI Anda.Jika alat tersebut menghasilkan balasan yang berisi kalimat seperti “kami sangat senang mendengarnya,” “kepuasan Anda adalah prioritas utama kami,” atau “kami menantikan kedatangan Anda kembali,” berarti alat tersebut menghasilkan konten yang berisiko tinggi ditolak. Ungkapan-ungkapan tersebut merupakan indikator statistik dari otomatisasi berkualitas rendah. Latih ulang atau atur ulang alat tersebut dengan bahasa yang lebih spesifik, kontekstual, dan bervariasi.

2. Run a pre-flight profanity check on the full reply text.Hal ini mencakup nama peninjau, semua produk atau item menu yang disebutkan, serta nama bisnis Anda pada bagian penutup. Filter Google tidak memahami konteks. “Pornstar Martini” adalah nama koktail; namun, filter tersebut menganggapnya sebagai dua frasa yang perlu ditandai.

3. Hindari penggunaan templat yang persis sama. Jika alat yang Anda gunakan mengirimkan balasan yang identik di berbagai ulasan, pola tersebut merupakan sinyal penolakan langsung, terlepas dari kualitas kontennya. Setiap balasan harus berbeda, meskipun perbedaannya hanya sedikit.

4. Hapus detail kontak dari templat.Setiap templat yang mencantumkan alamat email, nomor telepon, atau kalimat "hubungi kami" harus direvisi. Tanggapi keluhan dengan tawaran umum untuk berkomunikasi, bukan ajakan bertindak langsung yang menyertakan informasi kontak.

5. Sebarkan balasan secara bertahap.Jika Anda menjadwalkan 200 balasan untuk dikirim pada pukul 09.00 hari Senin, pola tersebut dapat terdeteksi. Sebarkan balasan ke dalam rentang waktu yang berbeda dan usahakan untuk membalas dalam waktu 24 jam setelah ulasan tersebut diposting.

Kesenjangan Visibilitas Adalah Masalah Sebenarnya

Sebagian besar perusahaan tidak menyadari bahwa permohonan mereka ditolak. Itulah masalah yang lebih rumit.

Tidak ada email dari Google. Tidak ada tanda peringatan di dasbor Profil Bisnis. Balasan tersebut sama sekali tidak ditampilkan secara publik, sementara secara internal statusnya tetap " DITOLAK " yang hanya dapat diakses melalui API. Bagi bisnis mana pun yang mengandalkan alat pihak ketiga yang tidak menampilkan informasi ini, masalah tersebut sama sekali tidak terlihat.

Inilah sebabnya mengapa akses tingkat API ke ReviewReplyState bukanlah sekadar detail teknis; melainkan sebuah persyaratan operasional. Tanpa itu, Anda seperti mempublikasikan ke dalam sebuah kotak hitam.

Di GMBapi.com, ReviewReplyState ditampilkan untuk setiap balasan. Ketika sebuah balasan ditolak, platform akan menandainya agar dapat ditinjau, diperbaiki, dan dikirimkan kembali. Data dasar yang menjadi sumber artikel ini diperoleh langsung dari infrastruktur pemantauan tersebut, yang diambil melalui dua proses ekstraksi dengan selang waktu lima minggu.

Tujuannya bukanlah untuk memberitahu Anda apa yang tidak boleh dilakukan. Melainkan untuk membuat yang tak terlihat menjadi terlihat.