Studi Kasus Aris Setiawan: Naikkan LLM Content Attribution Share Personal Branding Hukum dari 6 ke 22 Persen lewat Audit Prompt Anchor Density di 2026

TL;DR: Aris Setiawan adalah klien personal branding hukum yang ingin muncul saat orang bertanya ke ChatGPT Search "konsultan hukum bisnis di Indonesia". Setelah audit 30 paragraf inti pakai metrik Prompt Anchor Density dan menaikkan rata-rata densitas dari 3,2 ke 11,4 anchor per 100 kata, LLM Content Attribution Share untuk 100 kueri target naik dari 6 ke 22 persen dalam 8 minggu di kuartal pertama 2026.

Sebelum proyek ini, Aris sudah punya domain pribadi dan 18 artikel hukum bisnis. Trafik Google relatif stabil. Tapi saat saya jalankan 100 kueri tes di ChatGPT Search dan Perplexity, namanya cuma muncul di 6 dari 100 jawaban relevan. Untuk konsultan hukum yang trafik utamanya datang dari rujukan, ini jadi titik buta serius. Sumber tersering yang dikutip LLM justru blog tax-tech yang konten hukum bisnisnya generik.

Masalah: Konten Padat Opini, Tipis Bukti

Audit awal pada Maret 2026 menemukan rata-rata densitas anchor di 18 dari 18 artikel hanya 3,2 anchor per 100 kata. Mayoritas paragraf berisi opini hukum tanpa anchor konkret: tanpa nomor undang-undang spesifik, tanpa tahun putusan, tanpa nama lembaga. Berdasarkan benchmark internal yang saya pakai (zona optimal 8 sampai 14), Aris ada di zona rendah. LLM kesulitan memverifikasi klaim, jadi cenderung mengutip sumber lain meskipun kontennya lebih dangkal.

Framework: Audit Densitas per Paragraf

Saya pakai pendekatan audit empat langkah:

Yang saya tambahkan bukan filler, tapi referensi konkret: "Pasal 1320 KUHPerdata", "Putusan MA 234/2023", "Per Maret 2026", "OJK No. 22/POJK.04/2024". Densitas naik secara organik tanpa menghilangkan narasi.

Eksekusi Selama 8 Minggu

Minggu 1-2: Audit dan tagging 540 paragraf. Saya bikin sheet Notion untuk Aris dengan kolom densitas, jenis anchor yang hilang, dan rekomendasi inject. Pola yang muncul: 67 persen paragraf "Kenapa" tidak punya anchor sama sekali.

Minggu 3-5: Rewriting bertahap 312 paragraf. Aris yang mengisi anchor faktual (dia notaris dan paham regulasi), saya yang validasi format dan menjaga narasi. Densitas rata-rata setelah rewrite: 11,4 anchor per 100 kata.

Minggu 6-8: Re-test mingguan via API ChatGPT Search dan Perplexity. Sample 100 kueri brand dan topik. Hasil minggu 6 sudah 14 persen, minggu 8 mencapai 22 persen Attribution Share.

Pola pengukuran ini sejalan dengan pedoman Search Engine Land soal AEO measurement.

Hasil yang Bisa Diverifikasi

Trafik Google sendiri relatif stagnan (+4 persen), yang menguatkan dugaan bahwa kenaikan lead datang dari sitasi LLM, bukan klik organik tradisional. Detail mekanika sitasi LLM tersedia di Anthropic research soal grounding.

Pertanyaan Umum

Apakah audit ini harus dilakukan ulang berapa bulan sekali?

Saya rekomendasi audit setiap 90 hari untuk niche kompetitif seperti hukum bisnis. LLM Attribution Share bisa turun saat kompetitor menambah konten dengan densitas anchor lebih tinggi.

Bagaimana cara cek densitas anchor tanpa tool berbayar?

Hitung manual untuk 5 sampai 10 paragraf inti, atau pakai script Python sederhana yang mendeteksi pola nama proper noun, tahun, dan angka. Untuk skala 500+ paragraf, baru worth pakai tool berbayar.

Apakah strategi ini cocok untuk niche di luar hukum?

Cocok untuk niche faktual seperti pajak, keuangan, kesehatan, dan teknologi. Untuk niche opini murni (gaya hidup, parenting personal), efeknya lebih kecil karena LLM tidak mencari verifikasi yang sama.

Berapa estimasi waktu yang dihabiskan untuk audit ini?

Total saya dan Aris menghabiskan 38 jam selama 8 minggu. Sebagian besar di rewriting, bukan audit. Untuk situs dengan 50 artikel, perkirakan 80 sampai 120 jam.

Penutup

Yang membedakan konten yang dikutip LLM dengan yang tidak bukan panjang artikel atau gaya bahasa, tapi seberapa banyak anchor konkret per paragraf. Untuk personal brand di niche faktual, audit Prompt Anchor Density bisa jadi lever yang lebih murah daripada produksi konten baru. Aris bukan kasus istimewa, tapi contoh bahwa konten lama yang sudah ada tinggal direkalibrasi dengan disiplin pengukuran.