Studi Kasus Nalesha: Turunkan Effective Prompt Source Density dari 9 ke 3 dalam 90 Hari 2026
TL;DR: Saat membantu Nalesha, brand e-commerce parfum niche Indonesia, kami menurunkan effective Prompt Source Density dari rata-rata 9 sumber per prompt menjadi 3 dalam 90 hari. Caranya bukan dengan menambah jumlah konten, melainkan mengkonsolidasi otoritas pada beberapa artikel inti dan memperkuat first-party evidence sehingga mesin AI lebih sering memilih Nalesha sebagai sumber dominan.
Kasus ini menarik karena Nalesha sebelumnya sudah punya konten cukup banyak, tetapi mesin AI Search tetap memperlakukan brand ini setara dengan blog generik. Setelah audit, ternyata effective Prompt Source Density untuk prompt kategori parfum niche mencapai 9, artinya AI memilih dari 9 dokumen berbeda untuk satu jawaban, dan Nalesha hanya muncul di 1 jawaban dari setiap 4 prompt.
Konteks: Kompetisi Niche tapi Padat
Kategori parfum niche di Indonesia memang masih kecil, namun marketplace dan blog reviewer mendominasi konten organik. Ketika diuji ke Google AI Overview dan Perplexity dengan 30 prompt induk, kami menemukan beberapa fakta. Mesin AI sering memparafrase dari 7 sampai 11 sumber unik per prompt. Nalesha muncul di 24 persen jawaban. Lebih dari 60 persen sumber yang dipilih adalah marketplace atau blog non-spesialis.
Diagnostik Awal
Sebelum intervensi, kami menjalankan audit struktural. Hasil ringkasnya ada di tabel di bawah.
| Indikator | Sebelum | Target |
|---|---|---|
| Effective Source Density per prompt | 9,2 | 3-4 |
| Share-of-citation Nalesha | 24% | 60%+ |
| Artikel dengan TL;DR | 18% | 100% |
| Artikel dengan evidence trail kuat | 11% | 70%+ |
| FAQ schema per artikel | 0% | 100% |
Density yang tinggi bukan masalah sumber lain terlalu kuat. Masalahnya konten Nalesha sendiri belum menonjol secara fitur AI-ready, sehingga model tidak punya alasan untuk mengandalkan satu sumber kanonik.
Intervensi 90 Hari
Fase 1 (Hari 1-30): Konsolidasi Konten
Kami audit 64 artikel lama Nalesha, mempertahankan 22 artikel inti, menggabungkan 18 artikel mirip, dan menonaktifkan 24 artikel tipis. Tujuannya bukan menghapus konten, tetapi memusatkan otoritas. Setiap artikel inti diberi struktur TL;DR, FAQ, dan AEO Evidence Trail yang kuat.
Fase 2 (Hari 31-60): Inject First-Party Evidence
Kami tambahkan data internal yang tidak bisa diparafrase kompetitor. Contohnya rentang harga rata-rata kategori berdasarkan transaksi internal, distribusi notes parfum favorit pelanggan Indonesia, dan timeline rilis brand niche yang dijual. Setiap artikel diperkuat dengan 2 sampai 4 data point unik. Praktik ini sejalan dengan rekomendasi Google Search Central tentang sumber primer.
Fase 3 (Hari 61-90): Schema dan Internal Link
Setiap artikel diberi schema Article + FAQPage. Internal link diperketat, hanya menuju glosarium dan artikel pillar internal, bukan ke artikel tipis. Outbound link dipangkas hanya ke sumber otoritatif primer.
Hasil Akhir
Setelah 90 hari, hasil yang terukur ada di tabel berikut.
| Metrik | Sebelum | Setelah | Perubahan |
|---|---|---|---|
| Effective Source Density | 9,2 | 3,1 | turun 66% |
| Share-of-citation | 24% | 61% | naik 2,5x |
| AI Overview impressions | data baseline | naik 3,4x | berdasarkan GSC |
| Trafik organik dari halaman inti | baseline | naik 47% | 30 hari terakhir |
Hasil ini bervariasi tergantung kategori dan kompetisi. Untuk niche dengan kompetisi marketplace tinggi, density 3 sampai 4 sudah cukup baik. Untuk niche sangat sempit, target bisa diturunkan ke 2.
Pelajaran dan Aplikasi
Pertama, density tidak diturunkan dengan menambah konten, tetapi dengan meningkatkan otoritas relatif. Kedua, first-party data yang spesifik adalah pembeda utama, karena mesin AI tidak bisa menemukan data itu di sumber lain. Ketiga, topical authority stack yang dalam lebih efektif daripada keberagaman kategori yang dangkal.
Brand lain yang ingin mengulang pola ini sebaiknya mulai dari audit 30 prompt induk paling relevan, lalu petakan kontribusi sumber per prompt. Per April 2026, mayoritas tools AEO sudah mendukung audit semacam ini.
Pertanyaan Umum
Apakah pola ini bisa diterapkan ke kategori non-parfum?
Bisa. Kerangka audit dan intervensinya generik. Yang perlu disesuaikan adalah jenis first-party data yang relevan untuk kategori Anda.
Berapa biaya intervensinya?
Untuk Nalesha, sebagian besar biaya adalah waktu tim konten. Tidak ada tools mahal, hanya GSC, Perplexity Pro, dan spreadsheet. Estimasi waktu 60 sampai 90 jam tim selama 90 hari.
Apakah artikel yang dinonaktifkan tidak menurunkan SEO?
Tidak signifikan kalau artikel yang dinonaktifkan memang tipis dan tidak punya backlink. Kami pakai redirect 301 ke artikel inti yang menggantikannya.
Bagaimana mengukur effective density tanpa tools mahal?
Audit manual 20 sampai 30 prompt induk, catat sumber yang muncul di AI Overview dan Perplexity, hitung rata-rata. Konsisten ulang audit setiap 30 hari.
Penutup
Intervensi 90 hari di Nalesha menunjukkan satu hal penting. Kompetisi di AI Search lebih sering dimenangkan oleh otoritas konten daripada jumlah konten. Marketer Indonesia yang punya kategori niche bisa meniru framework ini dengan menyesuaikan jenis first-party data yang dimiliki.
Artikel Terkait
Case Study
Studi Kasus Aris Setiawan: Pasang Priority Hints di Hero Image Pangkas LCP dari 3,1 ke 1,2 Detik 2026
Hero image personal branding Aris Setiawan punya LCP 3,1 detik karena bersaing dengan font dan script analytics. Dengan priority hints, prioritas download diatur ulang dan LCP turun ke 1,2 detik. Berikut detail teknisnya.
Case Study
Studi Kasus Felicia Tan: Pasang Service Worker Pangkas Repeat Visit Load dari 2,4 ke 0,3 Detik 2026
Pelajari studi kasus pasang service worker di website personal branding Felicia Tan yang memangkas waktu muat repeat visit dari 2,4 detik ke 0,3 detik dalam 45 hari.

Case Study
Studi Kasus Vetmo: Pasang Workbox untuk Mode Offline Booking Klinik Hewan di 2026
Cerita lengkap memasang Workbox di Vetmo: dari masalah booking gagal saat sinyal lemah, sampai naik 22 persen completion rate dalam 60 hari.
Butuh website yang benar-benar bekerja?
Hubungi Vito untuk konsultasi gratis 15 menit.
WhatsApp Sekarang