Studi Kasus Atmo LMS: Naikkan Prompt Source Diversity Index Modul Marketing dari 0,31 ke 0,67 lewat Audit Internal Link Bidirectional di 2026

TL;DR: Di proyek Atmo LMS (platform learning management Vito Atmo untuk murid marketing), Prompt Source Diversity Index awalnya hanya 0,31. ChatGPT Search dan Perplexity terus mengutip 3 halaman yang sama dari total 28 halaman modul yang tersedia. Setelah audit internal link bidirectional pada 40 halaman dan menambah cross-link kontekstual, indeks naik ke 0,67 dalam 28 hari. Jumlah halaman unik yang dikutip naik dari 3 menjadi 11 per minggu.

Saat saya audit traffic Atmo LMS dari AI Search bulan April 2026, polanya cukup mengganggu. Dari 28 modul marketing yang sudah saya tulis, hanya 3 yang konsisten muncul sebagai sumber sitasi ChatGPT Search. 25 lainnya nyaris tidak pernah disebut. Setelah inspeksi, akar masalahnya adalah peta internal link yang miring, 3 modul itu menerima 80 persen inbound link dari modul lain. Mesin AI memetakan otoritas dari topology link, dan timpang.

Diagnosa Awal

Saya pakai metrik Prompt Source Diversity Index untuk baseline. Cara hitung: ambil 50 prompt query relevan tentang topik marketing, jalankan di ChatGPT Search dan Perplexity, hitung rasio (halaman unik dikutip) / (total halaman tersedia di topik). Hasil awal:

Indeks 0,31 menandakan ketimpangan ekstrem. Ini berbeda dari AEO Citation Reuse Rate yang menghitung frekuensi total, bukan keragaman sumber.

Hipotesis dan Eksekusi

Hipotesis: jika internal link antar modul lebih merata dan bersifat bidirectional (saling rujuk dengan konteks relevan), mesin AI akan menganggap lebih banyak halaman sebagai otoritatif. Eksekusinya bukan menambah link asal, melainkan audit terstruktur dengan tiga tahap.

Tahap pertama, peta inbound dan outbound link per modul dalam spreadsheet. Modul yang inbound link kurang dari 3 ditandai sebagai isolated. Tahap kedua, identifikasi 5-8 pasangan modul yang topiknya saling melengkapi tapi belum saling link. Tahap ketiga, tambahkan link bidirectional dengan anchor text deskriptif yang relevan ke konteks paragraf.

Total 40 halaman diaudit, 67 link baru ditambahkan, 12 link lama dengan anchor lemah diganti. Pendekatan ini sejalan dengan praktik Prompt Anchor Density yang fokus pada kualitas anchor.

Hasil Setelah 28 Hari

Kenaikan halaman per sesi adalah efek samping yang menyenangkan. Murid yang masuk lewat AI Search lebih mudah eksplorasi modul lain karena cross-link kontekstual sudah ada. Angka ini bervariasi tergantung densitas topik dan kedalaman modul. Untuk konteks teknis, lihat Google Search Central tentang link best practices.

Pelajaran Penting

Pertama, internal link adalah sinyal otoritas yang dipakai mesin AI, bukan sekadar SEO klasik. Kedua, bidirectional link lebih kuat dari satu arah karena membentuk pasangan entity yang konsisten. Ketiga, anchor text deskriptif (5-9 kata kontekstual) jauh lebih kuat daripada anchor pendek seperti "klik di sini" atau "lihat ini".

Pertanyaan Umum

Apakah audit ini perlu diulang berkala?

Ya, setiap 8-12 minggu. Setiap modul baru yang ditambahkan akan menggeser peta link, jadi audit ulang menjaga keragaman tetap terdistribusi.

Berapa minimum internal link per halaman?

Untuk modul edukasi seperti Atmo LMS, minimum 4 inbound dan 3-5 outbound link kontekstual. Lebih dari 12 outbound mulai menurunkan kepadatan signal per link.

Apakah pendekatan ini cocok untuk blog komersial?

Cocok, terutama untuk blog dengan 50+ artikel. Manfaatnya lebih kentara di domain dengan topical authority yang sudah terbentuk. Domain baru di bawah 6 bulan lebih dulu fokus build konten dasar.

Langkah Selanjutnya untuk Anda

Ekspor sitemap dan map internal link aktual lewat tools seperti Screaming Frog. Identifikasi 20 persen halaman yang menerima 80 persen inbound link. Audit pasangan modul yang topiknya saling melengkapi tapi belum saling link. Estimasi waktu 8-12 jam untuk situs 40-50 halaman, hasil terlihat dalam 3-4 minggu.