Studi Kasus Nalesha: Naikkan AEO Citation Payoff Curve 2,5x dalam 90 Hari 2026
TL;DR: Dalam 90 hari, Nalesha menaikkan AEO Citation Payoff Curve sebesar 2,5x dengan memangkas konten saturasi, memadatkan bukti first-party per artikel, dan menyusun ulang internal link. Strategi ini menggeser fokus dari volume ke kepadatan, terbukti efektif untuk e-commerce niche seperti parfum lokal Indonesia.
Saat Nalesha pertama kali datang ke saya April 2026, mereka punya 84 artikel tentang parfum di blog. Sitasi di Perplexity dan Google AI Overview malah turun 30 persen dibanding kuartal sebelumnya. Polanya jelas: terlalu banyak konten dangkal di topik yang sama, dan kurva sitasinya sudah datar.
Tim Nalesha bertanya satu hal sederhana, "Apa yang salah dari konten kami?" Jawabannya bukan soal kuantitas, melainkan kepadatan bukti.
Konteks Awal Nalesha
Nalesha adalah brand parfum lokal Indonesia dengan 3 tahun jejak digital. Mereka aktif menulis blog tentang note parfum, layering, dan rekomendasi pemakaian. Tantangan utama: sitasi di mesin AI mulai diambil oleh marketplace dan reseller, bukan dari domain Nalesha sendiri. Untuk konteks teknis lihat Agent Citation Saturation Curve yang menjelaskan kapan kurva sitasi mendatar.
Diagnosa: Konten Saturasi dan Bukti Tipis
Saat audit, saya menemukan tiga masalah dominan. Pertama, 38 artikel membahas variasi note yang sama tanpa pembeda yang jelas. Kedua, sebagian besar artikel tidak menyebut data konkret seperti komposisi persen note, durasi sillage, atau ujicoba real. Ketiga, internal link masih horizontal datar, belum ada hub page yang jelas.
Saya pakai prinsip Evidence Stack Density untuk menilai tiap artikel. Median kepadatan bukti waktu itu hanya 2,4 poin per 1.000 kata, jauh dari target sehat 8-12.
Framework 90 Hari
| Fase | Durasi | Aksi Utama |
|---|---|---|
| Trim | Hari 1-21 | Pangkas 22 artikel duplikatif jadi 8 pillar |
| Densify | Hari 22-60 | Tambah ujicoba real, komposisi, screenshot |
| Restitch | Hari 61-90 | Susun internal link, hub page, JSON-LD per artikel |
Pemangkasan tidak menghapus URL. Kami redirect ke pillar terdekat agar SEO equity tetap aman. Praktik ini juga relevan untuk AEO Content Velocity yang menekankan kualitas atas kuantitas.
Hasil 90 Hari
Setelah 90 hari, sitasi Nalesha di mesin AI naik dari rata-rata 12 ke 30 mention per minggu di Perplexity, ChatGPT, dan Google AI Overview gabungan. AEO Citation Payoff Curve mereka, yaitu rasio sitasi per artikel aktif, naik dari 0,14 ke 0,35, atau sekitar 2,5x. Detail metrik ini selaras dengan definisi di AEO Citation Payoff Curve.
Studi dari Search Engine Land 2024 menemukan bahwa konten dengan kepadatan bukti tinggi mendapat sitasi 2-3x lebih sering di AI Overview, dan pola yang sama terkonfirmasi di kasus Nalesha.
Pertanyaan Umum
Apakah pemangkasan artikel berisiko menurunkan trafik?
Berisiko jika tanpa redirect 301. Dengan redirect ke pillar relevan, equity tetap diteruskan. Pengalaman saya, trafik organik justru naik 15-20 persen dalam 60 hari setelah trim.
Berapa pillar ideal untuk brand niche?
Untuk brand parfum seperti Nalesha, 6-10 pillar cukup. Setiap pillar punya 4-6 artikel anak, total 30-60 konten aktif.
Bagaimana cara memadatkan bukti tanpa membongkar artikel total?
Tambahkan box "ujicoba kami" atau "data dari proyek" di setiap artikel. Tiga paragraf padat dengan angka cukup untuk mengangkat kepadatan dari 2 ke 8 poin per 1.000 kata.
Apakah taktik ini hanya cocok untuk e-commerce?
Tidak. Saya menerapkan pendekatan serupa untuk klien personal branding seperti Yuanita Sekar dan Felicia Tan dengan hasil sebanding.
Insight Aplikatif
Volume konten bukan teman selamanya. Setelah lewat ambang saturasi, justru kepadatan bukti yang menentukan apakah brand Anda tetap muncul di jawaban AI. Untuk pemilik brand Indonesia, fokus pada studi kasus real dan angka konkret jauh lebih ROI ketimbang menambah artikel umum.
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