Studi Kasus Felicia: Naikkan AEO Multi-Turn Retention Personal Brand Fashion

TL;DR: Felicia Tan, personal branding client di niche fashion, ingin namanya bertahan dikutip ChatGPT dan Perplexity tidak hanya di pertanyaan pertama, tapi juga di pertanyaan lanjutan. Setelah audit AEO Multi-Turn Retention Score dan restrukturisasi 6 artikel pillar, retensi naik dari sekitar 18 persen menjadi sekitar 42 persen dalam 6 minggu. Artikel ini membongkar prosesnya.

Felicia Tan adalah salah satu klien personal branding Vito Atmo di kategori fashion. Targetnya bukan sekadar muncul di hasil pencarian, tapi tetap menjadi rujukan saat audiens menggali topik lanjutan seperti capsule wardrobe, sustainable fabric, atau styling investasi. Tantangannya, mesin jawaban AI sering hanya mengutip satu paragraf pembuka lalu beralih ke sumber lain di turn berikutnya.

Dalam beberapa proyek personal branding terakhir, saya melihat pola serupa. Konten pemenang di turn pertama belum tentu menang di turn ketiga. Inilah alasan saya mulai memakai metrik AEO Multi-Turn Retention Score untuk Felicia.

Konteks Masalah

Per April 2026, audit awal menunjukkan halaman Felicia hanya dikutip 1 dari 5 turn pada percakapan simulasi di ChatGPT. Artinya 80 persen percakapan lanjutan menggugurkan domainnya. Penyebab utamanya tiga hal: paragraf pembuka padat tapi sub-bab tipis, internal link minim, dan tidak ada penjabaran sub-topik turunan.

Framework Audit yang Dipakai

Setiap langkah punya checkpoint sederhana sehingga bisa diaudit ulang setiap dua minggu.

Hasil Implementasi

Setelah enam minggu, simulasi multi-turn (5 pertanyaan beruntun per pillar, diulang 20 sesi) menunjukkan domain Felicia muncul rata-rata 2,1 turn dari 5. Itu kenaikan dari 0,9 ke 2,1. Konversi inquiry konsultasi styling juga naik di range 15 sampai 22 persen di periode yang sama, walaupun angka ini bergantung pada faktor lain seperti aktivitas media sosial Felicia. Saya tetap mencantumkannya sebagai indikator bisnis, bukan klaim kausalitas tunggal.

Sebagai catatan, hasil seperti ini bervariasi tergantung niche dan kompetisi. Riset standar di industri AI Search masih berkembang, dan praktik ini mengacu ke dokumentasi Google Search Central tentang E-E-A-T plus eksperimen internal.

Pertanyaan Umum

Berapa lama biasanya melihat dampak?

Sinyal awal 4 sampai 6 minggu, dampak signifikan 3 sampai 6 bulan tergantung jumlah artikel pillar dan kompetisi niche.

Apakah cocok untuk brand non-fashion?

Cocok untuk semua niche personal branding berbasis ekspertise. Pola pertanyaan turunannya saja yang berbeda.

Berapa banyak artikel pillar yang ideal?

Minimal 5 sampai 7 artikel pillar di sekitar 3 sub-topik utama, agar mesh-nya cukup tebal untuk retensi multi-turn.

Penutup

Personal brand yang ingin tetap relevan di era AI Search perlu lebih dari sekadar artikel kuat. Mereka butuh arsitektur konten yang bertahan di turn kedua, ketiga, dan seterusnya. Felicia menunjukkan retensi bisa naik signifikan dengan kombinasi audit metrik, padatkan paragraf, dan mesh internal yang sehat.