Case Study

Studi Kasus Atmo LMS: Naikkan Evidence Density Ratio Konten Glosarium dari 32 ke 71 Persen dan Lipat Tigakan Sitasi ChatGPT Search di 2026

A
Admin·28 Mei 2026·0 kali dibaca·5 min baca
Studi Kasus Atmo LMS: Naikkan Evidence Density Ratio Konten Glosarium dari 32 ke 71 Persen dan Lipat Tigakan Sitasi ChatGPT Search di 2026

TL;DR: Atmo LMS punya 340 halaman glosarium yang awalnya nyaris tidak pernah dijadikan sumber jawaban oleh agen AI. Setelah audit Evidence Density Ratio (EDR) dan revisi sistematis selama 8 minggu, EDR rata-rata naik dari 32% ke 71% dan sitasi dari ChatGPT Search naik 3,2 kali lipat. Pelajaran utama: agen tidak peduli panjang konten, mereka peduli kepadatan bukti yang bisa di-quote.

Saat saya mulai mengaudit konten glosarium Atmo LMS pada Februari 2026, gejala awalnya jelas: traffic organik dari Google relatif stabil, tapi referral dari ChatGPT, Perplexity, dan Claude nyaris nol. Padahal niche pendidikan online termasuk yang paling sering dipakai sebagai pertanyaan ke AI Search. Setelah audit awal, akar masalahnya kelihatan: konten glosarium ditulis seperti definisi kamus, tanpa sumber primer, tanpa angka, tanpa link otoritatif.

Artikel ini merangkum proses delapan minggu, struktur audit yang saya pakai, dan angka before-after lengkap supaya marketer Indonesia lain bisa replikasi pendekatan yang sama untuk konten edukasi mereka.

Konteks Masalah: Konten Padat Definisi tapi Miskin Bukti

Atmo LMS punya 340 entri glosarium yang dibangun dalam 14 bulan via strategi programmatic SEO. Tiap halaman rata-rata 800-1200 kata. Audit awal pakai framework Evidence Density Ratio menunjukkan EDR rata-rata hanya 32%. Artinya dari 100 klaim, hanya 32 yang punya sumber eksplisit. Sisanya adalah definisi parafrase dari sumber sekunder.

Data referral dari Perplexity (lewat Sources panel) menunjukkan dalam periode Januari 2026, hanya 11 dari estimasi 1.200+ kueri relevan yang mengutip Atmo LMS. Setara dengan Prompt Coverage Rate sekitar 0,9%.

Framework Audit 5 Sinyal

Berdasarkan pengalaman 7+ tahun mengelola konten edukasi, saya pakai framework 5 sinyal berikut sebagai checklist audit per halaman:

SinyalBobot internalStatus awalTarget
Outbound link ke sumber primer30%0-1 per halaman2-3 per halaman
Angka konkret dengan rentang waktu25%JarangMinimal 3 per halaman
Tabel atau bullet pendek20%Tidak adaMinimal 1 per halaman
Author byline + tanggal eksplisit15%Tanggal sajaByline + tanggal
Quote dari studi atau dokumentasi10%Tidak adaMinimal 1 per halaman

Total halaman yang harus diaudit: 340. Kapasitas tim: 2 orang content editor + 1 reviewer. Waktu target: 8 minggu.

Eksekusi: Minggu per Minggu

Saya bagi 340 halaman ke dalam 5 batch berdasarkan trafik historis. Batch dengan trafik tertinggi diaudit duluan untuk memaksimalkan dampak awal.

Minggu 1-2 fokus pada 80 halaman top-trafik. Edit utama: tambah outbound link ke Google Search Central dan web.dev untuk istilah teknis, sertakan angka dari riset industri yang relevan, restructure narasi panjang jadi tabel ringkas.

Minggu 3-5 menyelesaikan 180 halaman middle-trafik. Pola edit hampir sama, plus tambahan: insert FAQ section 2-3 Q&A di akhir tiap halaman untuk meningkatkan retrievability.

Minggu 6-8 menutup 80 halaman long-tail. Sini saya pakai template yang sudah teruji dari batch sebelumnya untuk percepatan.

Hasil Setelah 8 Minggu

Data per akhir April 2026:

MetrikSebelumSesudahDelta
EDR rata-rata32%71%+39 pp
Sitasi ChatGPT Search/bulan8263,25x
Sitasi Perplexity/bulan11383,45x
Sesi referral dari AI agents1426894,85x
Lead konversi dari AI referral3175,67x

Yang menarik: traffic Google organik justru ikut naik 18% di periode yang sama. Sinyal kualitas yang menaikkan EDR ternyata juga membantu peringkat SERP klasik. Mekanisme ini sejalan dengan pengamatan saya di studi kasus AEO trust score Atmo LMS.

Pertanyaan Umum

Apakah pendekatan ini berlaku untuk e-commerce, bukan hanya LMS?

Ya. Saat Nalesha (e-commerce parfum) menerapkan pola yang sama untuk halaman edukasi produk, hasil serupa dicapai dalam 6 minggu. Lihat studi kasus Nalesha evidence pack.

Berapa biaya tambahan untuk audit 340 halaman?

Estimasi 2 content editor part-time selama 8 minggu setara 320 jam kerja. Dengan rate freelance Indonesia, biaya total sekitar 15-22 juta rupiah.

Apakah perlu tools khusus untuk hitung EDR?

Tidak. Spreadsheet sederhana cukup. Kolom: jumlah klaim, jumlah klaim dengan sumber, rasio. Untuk skala besar, script Python pakai BeautifulSoup bisa otomatisasi parsing link dan claim detection.

Apakah pendekatan ini sustain dalam 6-12 bulan?

Ya, asal ada audit refresh tiap 90 hari untuk update angka dan validasi link. Sumber yang outdated akan menurunkan EDR efektif walau jumlah link tetap.

Risiko paling besar dari pendekatan ini?

Over-optimization. Menjejalkan link otoritatif yang tidak relevan justru menurunkan kepercayaan pembaca. Setiap link harus benar-benar mendukung klaim spesifik.

Pelajaran untuk Marketer Indonesia

Konten edukasi Indonesia umumnya masih bersifat naratif tanpa sumber. Ini sebenarnya peluang karena kompetisi untuk slot sitasi AI Search masih longgar. Investasi 8 minggu untuk audit dan revisi konten existing bisa membuka pintu visibilitas baru di era AI Search. Daripada tulis 50 artikel baru yang tipis, lebih baik perdalam 100 artikel existing.

Bagikan

Artikel Terkait

#atmo-lms#aeo#evidence-density-ratio#ai-search#programmatic-seo

Butuh website yang benar-benar bekerja?

Hubungi Vito untuk konsultasi gratis 15 menit.

WhatsApp Sekarang