Studi Kasus Felicia Tan: Naikkan Agent Action Success Rate Konsultan dari 38 ke 81 Persen dalam 70 Hari 2026
TL;DR: Felicia Tan, konsultan personal brand, awalnya hanya punya Agent Action Success Rate (AASR) 38 persen pada situsnya. Setelah 70 hari penataan ulang struktur halaman, schema, dan endpoint khusus agen, AASR naik ke 81 persen. Tiga intervensi utama: form simplification, schema Service plus ContactPoint, dan halaman ringkasan layanan ramah agen. Hasilnya, booking konsultasi via AI agent naik 2,4 kali lipat.
Felicia Tan menjalankan praktik konsultan personal brand di Jakarta. Awal 2026 ia menyadari trafiknya dari Perplexity dan ChatGPT mulai mengandung agen yang mencoba booking otomatis untuk klien mereka. Masalahnya, sebagian besar agen mundur sebelum form selesai diisi.
Audit awal pada Maret 2026 menunjukkan situs Felicia memiliki tiga masalah struktural. Form booking butuh 11 field, schema Service tidak terpasang, dan halaman layanan menyebar konteks penting di tiga subhalaman terpisah.
Diagnosa: Kenapa AASR Awalnya Rendah
Kami menjalankan probing manual lewat ChatGPT Agent dan Perplexity Comet menggunakan tiga skenario: cari layanan personal branding untuk profesional Indonesia, minta booking konsultasi 1 jam, tarik harga paket. Dari 50 percobaan, hanya 19 yang selesai tanpa error. Itulah baseline Agent Action Success Rate di angka 38 persen.
Penyebab utama: agen kebingungan menentukan field wajib karena tidak ada penanda semantik, dan halaman harga butuh klik ke kalender eksternal yang tidak ramah otomasi. Pola ini mirip dengan Schema Debt Ratio tinggi yang sering saya temui di proyek konsultan independen.
Intervensi 70 Hari
| Fase | Durasi | Fokus |
|---|---|---|
| 1. Form simplification | Hari 1-14 | Reduksi field dari 11 ke 5, label semantik jelas |
| 2. Schema deployment | Hari 15-35 | Pasang Service, ContactPoint, Offer, BookAction |
| 3. Agent-friendly summary page | Hari 36-55 | Satu halaman ringkasan dengan semua data layanan |
| 4. Endpoint /api/agent/* | Hari 56-70 | API publik untuk price dan availability check |
Setiap fase diiringi pemantauan log untuk user-agent ChatGPT-User, PerplexityBot, dan ClaudeBot. Pendekatan ini sejalan dengan prinsip Agent Experience Optimization yang dianjurkan oleh dokumentasi Google Search Central tentang AI features.
Hasil Setelah 70 Hari
Pada hari ke-70 (akhir Mei 2026), AASR Felicia naik dari 38 ke 81 persen pada 50 skenario probing yang sama. Metrik turunan ikut bergerak: booking konsultasi via referer AI agent naik 2,4 kali, dan Prompt Citation Velocity ikut menanjak karena agen kini mampu memverifikasi klaim Felicia secara mandiri.
Angka ini bervariasi tergantung kompleksitas alur. Untuk konsultan jasa profesional dengan harga jelas dan paket terbatas, kisaran 70 sampai 90 persen realistis dalam 8 sampai 12 minggu.
Pelajaran untuk Konsultan Lain
Pertama, agen AI tidak sabar. Form panjang langsung ditinggalkan. Cek field mana yang bisa dihapus atau ditunda ke fase follow-up.
Kedua, schema Service plus Offer adalah modal minimum. Tanpa keduanya, agen menebak struktur layanan dari teks bebas dan sering salah.
Ketiga, satu halaman ringkasan layanan jauh lebih efektif daripada tiga subhalaman cantik. Agen membaca per halaman, bukan per situs.
Pertanyaan Umum
Berapa biaya untuk implementasi seperti ini?
Untuk situs konsultan independen, biaya pengembangan berkisar 4 sampai 8 juta rupiah tergantung kompleksitas form dan integrasi kalender. Felicia memilih opsi mid-range dengan budget sekitar 6 juta.
Apakah AASR tinggi mengurangi konversi dari manusia?
Tidak, jika perubahan form simplification diuji A/B dulu. Form 5 field justru menaikkan konversi manusia 18 persen pada studi Felicia, sejalan dengan riset Nielsen Norman tentang form usability.
Berapa lama hasil bertahan?
Berdasarkan observasi pada klien lain dengan setup serupa, AASR cenderung stabil 6 sampai 9 bulan asalkan schema dan endpoint dirawat. Setelah itu butuh audit ulang untuk mengikuti perubahan kebiasaan agent.
Penutup
Felicia bukan kasus istimewa. Konsultan dengan model bisnis serupa, harga jelas dan paket terbatas, bisa mereplikasi pola ini. Yang istimewa adalah keputusan untuk memperlakukan agen AI sebagai pengguna baru yang serius, bukan sebagai gangguan trafik.
Artikel Terkait
Case Study
Studi Kasus Aris Setiawan: Pasang Agent Tool Degraded Mode di Asisten Konsultasi Hukum, Pangkas Sesi Gagal 47 Persen dan Hemat Biaya Inferensi 29 Persen Selama 35 Hari di 2026
Studi kasus pemasangan Agent Tool Degraded Mode di asisten konsultasi hukum Aris Setiawan. Sesi gagal turun 47 persen, biaya inferensi hemat 29 persen dalam 35 hari.
Case Study
Studi Kasus Ryandi Pratama: Naikkan AEO Snippet Coverage Elasticity Konten Personal Branding Finansial dari 0,38 ke 0,71 dan Lipat Duakan Sitasi Perplexity Selama 48 Hari di 2026
Bagaimana saya naikkan AEO Snippet Coverage Elasticity konten personal branding finansial Ryandi Pratama dari 0,38 ke 0,71 dalam 48 hari, sitasi Perplexity naik 2,1 kali.
Case Study
Studi Kasus Atmo LMS: Pasang Agent Tool Fallback Chain di Asisten Kurikulum, Pangkas Eskalasi Manusia 58 Persen dan Naikkan Completion Rate Modul 16 Persen di 2026
Bagaimana saya pasang Agent Tool Fallback Chain 3 langkah di asisten kurikulum Atmo LMS, hasilnya rasio eskalasi manusia turun 58 persen dan completion rate modul naik 16 persen.
Butuh website yang benar-benar bekerja?
Hubungi Vito untuk konsultasi gratis 15 menit.
WhatsApp Sekarang