Satu malam saya scroll X dan menekan tombol bookmark pada sebuah thread panjang tentang cara kerja algoritma. Saya tidak me-like-nya. Tidak me-repost. Hanya menyimpannya — karena saya tahu akan butuh lagi nanti. Ternyata, tindakan diam itu jauh lebih berharga bagi algoritma dibanding ratusan like yang saya bagi ke post lain.

Inilah yang kebanyakan kreator konten belum sadar: kita terlalu obsesif mengejar like, padahal sinyal yang paling bernilai justru datang dari tindakan yang tidak terlihat orang lain.

Kode Sumber Algoritma Sudah Bicara — Kita yang Belum Dengar

Sejak Maret 2023, X (sebelumnya Twitter) menjadi salah satu platform pertama yang membuka kode sumber algoritma rekomendasinya ke publik. Lalu pada Januari 2026, xAI merilis pembaruan melalui repositori GitHub xai-org/x-algorithm. Tidak ada spekulasi, tidak ada teori. Datanya tersedia untuk siapa saja yang mau membacanya.

Formula skor keterlibatan yang paling banyak dikutip dari kode tersebut adalah:

Likes × 1 + Retweets × 20 + Replies × 13.5 + Profile Clicks × 12 + Link Clicks × 11 + Bookmarks × 10

Artinya, satu bookmark bernilai setara dengan 10 like. Satu repost bernilai 20 like. Sebaliknya, likes — sinyal yang paling banyak dikejar kreator — hanya bernilai satu poin. Ini bukan opini. Ini bukan interpretasi. Ini yang tertulis di kode.

Menurut analisis Sprout Social terhadap kode open-source tersebut, bookmark disebut sebagai "silent like" — tindakan yang tidak terlihat oleh siapapun di timeline, tapi dideteksi dengan bobot tinggi oleh Heavy Ranker, yaitu sistem AI yang menentukan distribusi konten ke For You feed setiap pengguna (Sprout Social, 2026).

Mengapa Bookmark Punya Bobot Setinggi Itu?

Logika di baliknya sederhana: bookmark adalah tanda bahwa seseorang menilai konten itu cukup berharga untuk disimpan dan dibaca ulang. Ini bukan reaksi impulsif seperti like yang bisa ditekan dalam sepersekian detik. Bookmark membutuhkan niat.

Dari perspektif algoritma, ini adalah sinyal "lasting value" — konten yang dianggap berguna melampaui momen scroll. Menurut analisis adlibrary.com terhadap cara kerja Heavy Ranker di 2026, bookmark berada di posisi kedua setelah replies sebagai sinyal terkuat yang menandakan kualitas konten yang tahan lama (adlibrary.com, 2026).

Dan ada satu fakta lagi yang jarang dibahas: bookmark juga melatih model Grok. Setiap kali seseorang menyimpan kontenmu, sistem transformer berbasis Grok yang kini menjadi tulang punggung algoritma X mencatat bahwa konten ini cocok disajikan ke pengguna dengan profil keterlibatan yang mirip. Kamu tidak hanya mendapat bobot skor — kamu juga memperluas distribusi ke audiens baru yang belum mengenalmu.

Format Konten yang Secara Alami Mendapat Banyak Bookmark

Tidak semua konten diciptakan untuk di-bookmark. Ada pola yang jelas dari konten dengan bookmark rate tertinggi, dan semuanya berputar pada satu pertanyaan: "Apakah ini sesuatu yang saya butuhkan lagi nanti?"

Berikut format yang secara konsisten menghasilkan bookmark tinggi:

1. Checklist yang bisa langsung digunakan Format ini bekerja karena memberikan nilai instan dan utilitas jangka panjang. Contoh: "7 hal yang harus dicek sebelum publish artikel" atau "Checklist sebelum pitching ke klien". Orang menyimpannya bukan karena ingin membaca — tapi karena ingin menggunakan.

2. Framework ringan dengan nama yang mudah diingat Formula seperti "Hook → Story → Data → Action" atau "3P: Problem, Proof, Path" memberi pembaca sebuah struktur yang bisa diterapkan. Mereka bookmark karena tidak ingin lupa rumusnya.

3. "Cara saya capai X" dengan konteks spesifik Bukan motivasi generik. Yang dimaksud adalah: "Cara saya naik dari 200 ke 5.000 follower dalam 90 hari — ini yang saya ubah di minggu ke-3." Spesifisitas adalah kunci. Orang menyimpan karena mereka ingin kembali ke detail itu ketika mereka siap mencobanya.

4. Data atau statistik yang mengejutkan Angka yang counter-intuitive menghasilkan bookmark karena orang ingin menunjukkannya ke orang lain nanti. Mereka menyimpan dulu, share kemudian.

5. Thread yang menjawab pertanyaan yang sering mereka hadapi Ini adalah konten referensi. Bukan untuk dibaca sekarang, tapi untuk diakses ketika masalah itu muncul.

Menurut posteverywhere.ai yang menganalisis algoritma X terbaru, konten yang dirancang untuk disimpan — bukan hanya disukai — adalah strategi yang paling fundamental tapi paling sering diabaikan oleh kreator konten baru (posteverywhere.ai, 2026).

Repost: Sinyal Distribusi yang Tidak Kalah Penting

Jika bookmark adalah sinyal "nilai tahan lama", repost adalah sinyal distribusi. Dengan bobot 20x like dalam formula algoritma, satu repost dari akun yang relevan bisa secara dramatis mengubah jangkauan postmu.

Yang lebih menarik adalah cara algoritma memperlakukan repost berbeda dari sekadar engagement biasa. Menurut opentweet.io, ketika seseorang dengan jumlah follower besar me-repost kontenmu, algoritma bisa me-re-expand distribusi postmu bahkan setelah periode awal selesai — seperti "menghidupkan kembali" konten yang sudah mulai meredup (opentweet.io, 2026).

Ini berarti repost dari satu akun yang tepat bisa lebih bernilai dari ratusan repost dari akun-akun kecil. Algoritma membaca siapa yang me-repost, bukan hanya berapa banyak yang me-repost.

Untuk mendapatkan repost, konten harus memenuhi satu kriteria sederhana: apakah ini cukup penting untuk dibagikan ke audiens orang lain? Konten yang mendapat banyak repost biasanya adalah:

Pendapat yang tajam dan defensible (berani punya posisi yang jelas)
Data atau fakta yang mengejutkan dan relevan untuk banyak orang
Insight yang membuat pembaca berpikir "orang-orang di circle saya perlu tahu ini"
Konten yang mewakili sesuatu yang ingin pembaca katakan tapi belum bisa mereka artikulasikan

Cara Praktis: Ubah Insight Jadi Format yang Layak Disimpan

Ada gap besar antara "punya insight bagus" dan "menyajikannya dalam format yang orang mau bookmark". Di sinilah AI bisa membantu secara konkret.

Misalnya, kamu punya insight: "Kebanyakan orang salah memahami bagaimana algoritma menilai engagement."

Tanpa struktur, itu hanya kalimat. Dengan bantuan AI, kamu bisa mengubahnya menjadi:

Versi Checklist:

✅ Sebelum posting di X, tanya dirimu:
□ Apakah ini worthy untuk disimpan (bookmark bait)?
□ Apakah ini worthy untuk dibagikan (repost worthy)?
□ Apakah hook-nya kuat di 3 kata pertama?
□ Apakah ada data atau contoh spesifik?
□ Apakah ada CTA yang natural (bukan meminta)?

Versi Framework:

Formula Konten Berkualitas Tinggi:
HOOK (1-2 kalimat) → DATA yang mengejutkan → INSIGHT yang belum diketahui → ACTION yang bisa langsung dicoba

Kedua format ini dirancang untuk di-bookmark. Keduanya menjawab pertanyaan: "Apakah saya butuh ini lagi nanti?"

Langkah praktisnya:

Identifikasi satu insight dari pengalamanmu — sesuatu yang kamu pelajari dari kegagalan, eksperimen, atau observasi
Minta AI untuk mengubahnya menjadi 3 format berbeda — checklist, framework bernama, dan "cara saya capai X"
Pilih format yang paling sesuai dengan konteks topikmu
Tambahkan satu data atau statistik yang memperkuat insight tersebut
Post dan pantau bookmark rate di X Analytics — bukan like, bukan impressi

Bookmark Bukan Tujuan, Tapi Konsekuensi

Ada jebakan yang perlu dihindari: jangan membuat konten yang "terasa" seperti harus di-bookmark tapi tidak benar-benar berguna. Algoritma cukup canggih untuk mendeteksi engagement yang tidak konsisten — jika orang membuka bookmarknya dan tidak menemukan nilai yang dijanjikan, mereka akan men-delete bookmark itu, dan itu bisa menjadi sinyal negatif.

Yang paling sustainabel adalah membangun kebiasaan ini: sebelum posting, tanyakan satu pertanyaan — "Apakah saya sendiri akan menyimpan ini?"

Jika jawabannya tidak, revisi dulu. Jika jawabannya ya, kemungkinan besar audiens juga akan menyimpannya.

Algoritma X pada akhirnya didesain untuk satu tujuan: menampilkan konten yang kemungkinan besar akan membuat pengguna tetap di platform lebih lama. Konten yang di-bookmark adalah konten yang dianggap bernilai untuk kembali lagi — dan itulah persis apa yang ingin didistribusikan oleh sistem.

Ingat: Like membuat orang merasa baik. Bookmark membuat orang merasa cerdas. Buat konten yang membuat orang merasa cerdas.

Referensi & Resources:

xAI. X Algorithm — Source Code Repository. GitHub, Januari 2026. https://github.com/xai-org/x-algorithm
Sprout Social. How the Twitter (X) Algorithm Works in 2026. Maret 2026. https://sproutsocial.com/insights/twitter-algorithm/
adlibrary.com. X (Twitter) Algorithm Explained 2026: How For You Ranks Posts. Mei 2026. https://adlibrary.com/guides/x-twitter-algorithm-explained
opentweet.io. The X Algorithm in 2026: What Actually Makes Posts Go Viral. Februari 2026. https://opentweet.io/blog/how-twitter-x-algorithm-works-2026
posteverywhere.ai. How the X/Twitter Algorithm Works in 2026 (Source Code). Mei 2026. https://posteverywhere.ai/blog/how-the-x-twitter-algorithm-works