Ava — The Intelligence Layer
Ava is AVO’s intelligence engine — the layer between measurement data and practitioner action.
The division of labour
AVO’s architecture separates measurement from intelligence deliberately. Karsa measures: it runs AS scans, fires VS probes, computes scores, and stores results. Ava interprets: it reads Karsa’s output and produces recommendations. The two engines share data but never share responsibilities. Karsa does not tell practitioners what to do. Ava does not run scans.
This separation matters because the two problems require different architectures. Measurement is deterministic — the same domain under the same conditions produces the same score. Intelligence is contextual — the right action for a domain depends on industry, maturity stage, competitive position, and what has already been tried.
What Ava produces
Cards are Ava’s atomic output — one specific, actionable recommendation for one domain. Cards come in three tracks:
Fix track — a Datapoint scored below threshold. Ava identifies the specific structural problem, provides remediation guidance (code, content, or configuration), and projects the score improvement based on IKL network data from comparable domains.
Content track — a content gap identified from VS probe analysis. AI platforms consistently fail to mention the brand on a topic that matters to the Focus. Ava surfaces the gap, generates a Content Brief, and tracks whether publishing the resulting content moves VS.
Strategic track — cross-network intelligence that requires IKL context. A competitor improved their Knowledge Graph depth. Domains in the same industry that fixed entity-schema saw +12 VS within 60 days. These insights require network data; a single domain’s history cannot produce them.
Account Insights are Ava’s portfolio-level view — patterns across all domains in an account, benchmarked against IKL industry data.
The IKL dependency
Ava’s projections are only as credible as the IKL data behind them. A Fix card that says “fixing entity-schema typically improves VS by 8–15 points within 60 days” is only meaningful if that estimate comes from real outcome data across comparable domains. The IKL is what converts Ava from a heuristic advisor into an evidence-grounded one.
What Ava does not do
Ava does not modify scores. It does not run scans. It does not write to Karsa’s measurement tables. Scores in, intelligence out — the boundary is absolute.
Ava adalah mesin intelijen AVO — lapisan yang berada di antara data pengukuran dan tindakan praktisi.
Pembagian tugas
Arsitektur AVO memisahkan pengukuran dari intelijen secara sengaja. Karsa melakukan pengukuran: menjalankan pemindaian AS, mengirimkan probe VS, menghitung skor, dan menyimpan hasilnya. Ava melakukan interpretasi: membaca keluaran Karsa dan menghasilkan rekomendasi. Kedua mesin berbagi data tetapi tidak pernah berbagi tanggung jawab. Karsa tidak memberi tahu praktisi apa yang harus dilakukan. Ava tidak menjalankan pemindaian.
Pemisahan ini penting karena kedua masalah tersebut membutuhkan arsitektur yang berbeda. Pengukuran bersifat deterministik — domain yang sama dalam kondisi yang sama menghasilkan skor yang sama. Intelijen bersifat kontekstual — tindakan yang tepat untuk suatu domain bergantung pada industri, tahap kematangan, posisi kompetitif, dan apa yang sudah pernah dicoba.
Apa yang dihasilkan Ava
Cards adalah keluaran atomik Ava — satu rekomendasi spesifik dan dapat ditindaklanjuti untuk satu domain. Cards hadir dalam tiga jalur:
Fix track — sebuah Datapoint yang skornya berada di bawah ambang batas. Ava mengidentifikasi masalah struktural yang spesifik, memberikan panduan remediasi (kode, konten, atau konfigurasi), dan memproyeksikan peningkatan skor berdasarkan data jaringan IKL dari domain-domain yang sebanding.
Content track — kesenjangan konten yang diidentifikasi dari analisis probe VS. Platform-platform AI secara konsisten gagal menyebut merek pada topik yang penting bagi Focus. Ava menampilkan kesenjangan tersebut, menghasilkan Content Brief, dan melacak apakah penerbitan konten yang dihasilkan menggerakkan VS.
Strategic track — intelijen lintas jaringan yang memerlukan konteks IKL. Seorang kompetitor meningkatkan kedalaman Knowledge Graph mereka. Domain-domain dalam industri yang sama yang memperbaiki entity-schema mengalami peningkatan VS sebesar +12 dalam 60 hari. Wawasan-wawasan ini memerlukan data jaringan; riwayat satu domain saja tidak dapat menghasilkannya.
Account Insights adalah tampilan tingkat portofolio Ava — pola-pola di seluruh domain dalam sebuah akun, yang dibandingkan dengan data industri IKL.
Ketergantungan pada IKL
Proyeksi Ava hanya sekredibel data IKL yang mendasarinya. Sebuah Fix card yang menyatakan “memperbaiki entity-schema biasanya meningkatkan VS sebesar 8–15 poin dalam 60 hari” hanya bermakna jika estimasi tersebut berasal dari data hasil nyata di seluruh domain yang sebanding. IKL adalah yang mengubah Ava dari sekadar penasihat heuristik menjadi penasihat berbasis bukti.
Apa yang tidak dilakukan Ava
Ava tidak memodifikasi skor. Ava tidak menjalankan pemindaian. Ava tidak menulis ke tabel pengukuran Karsa. Skor masuk, intelijen keluar — batasannya bersifat mutlak.