Studi Kasus Vetmo: Turunkan AEO Query Deflection Rate dari 84 ke 47 Persen dalam 80 Hari 2026

TL;DR: Vetmo, platform pet care yang kami bangun, awalnya punya AEO Query Deflection Rate 84 persen. Artinya, hanya 16 persen pengguna AI search yang mengklik ke website setelah Vetmo disitasi. Dalam 80 hari, angka itu turun ke 47 persen dengan tiga taktik: insert calculator interaktif, gating konten studi kasus, dan restructure FAQ menjadi multi-step.
Pada awal Februari 2026, kami melihat fenomena aneh di dashboard Vetmo. Brand disitir Perplexity dan ChatGPT untuk query "vaksin kucing umur berapa", "biaya grooming anjing besar", "tanda kucing dehidrasi". Citation impressions tinggi, tetapi traffic ke website stagnan.
Setelah analisis, kami menemukan bahwa konten Vetmo terlalu sempurna untuk di-deflect. Setiap jawaban lengkap di paragraf pertama, sehingga AI search bisa menyalin tanpa kebutuhan klik. Konsep ini sekarang dikenal sebagai aeo query deflection rate.
Diagnosa: Kenapa Vetmo Tinggi Deflection?
Dalam audit kami menemukan tiga masalah struktural:
| Masalah | Dampak |
|---|---|
| Jawaban lengkap di paragraf pertama | AI cukup menyalin satu paragraf untuk jawab user |
| Tidak ada elemen interaktif | Tidak ada alasan klik ke website |
| FAQ generik tanpa konteks lokal | Bisa diganti sumber lain dengan mudah |
Praktik standar di industri pet tech menunjukkan deflection ideal di rentang 50-65 persen untuk konten informasional. Vetmo di 84 persen artinya brand "dipakai" tetapi tidak "dikunjungi". Berhubungan erat dengan first-party evidence density.
Tiga Intervensi
1. Calculator Interaktif untuk Top Query
Untuk query "biaya grooming anjing", kami bangun kalkulator yang minta input ras, ukuran, dan kota. Output: estimasi biaya per kota. AI search bisa mengarahkan ke kalkulator, tetapi tidak bisa menyalin output yang dinamis.
2. Gating Studi Kasus
Studi kasus klien lengkap (dengan nama klinik, foto before-after) hanya tersedia di halaman penuh, tidak di-render dalam JSON-LD ringkas. AI search menyitir overview, user yang butuh detail harus klik.
3. FAQ Multi-Step
FAQ lama: "Vaksin kucing umur berapa? Mulai 8 minggu." Terlalu lengkap untuk AI search. FAQ baru: "Vaksin kucing umur berapa? Tergantung jenis vaksin. Lihat jadwal lengkap per vaksin di tabel berikut." Tabel ada di halaman, tidak di JSON-LD.
Hasil 80 Hari
| Metrik | Sebelum | Sesudah | Delta |
|---|---|---|---|
| AEO Query Deflection Rate | 84% | 47% | -37 pp |
| Source Clicks dari AI search | 280/bulan | 1.140/bulan | +307% |
| Citation Impressions | 1.750/bulan | 2.150/bulan | +23% |
| Lead conversion dari AI traffic | 1,2% | 3,8% | +217% |
Catatan: angka ini spesifik untuk vertikal pet care di Indonesia dengan ukuran sample relatif kecil. Variasi industri bisa mempengaruhi hasil. Untuk konteks lebih luas tentang AI search behavior, lihat Search Central panduan AI features.
Pelajaran dari Vetmo
Konten yang terlalu lengkap di permukaan justru rentan deflection tinggi. Strategi "answer-first" untuk SEO tradisional bisa berbalik jadi liabilitas di AI search era. Kuncinya: jawaban awal cukup untuk credibility, sisanya dipindah ke elemen yang hanya hidup di halaman penuh. Konsep ini selaras dengan agent handoff friction yang sengaja didesain.
Pertanyaan Umum
Apakah strategi ini bisa diterapkan ke industri lain?
Bisa, terutama yang punya pertanyaan kuantitatif (harga, dosis, durasi) atau studi kasus dengan elemen verifikasi.
Berapa lama biasanya intervensi seperti ini berdampak?
Sinyal awal terlihat 30-45 hari setelah perubahan dipublish, dampak signifikan biasanya 60-90 hari.
Apa risiko strategi ini?
Risiko utama: jika gating terlalu agresif, AI search berhenti menyitasi sama sekali. Kuncinya tetap menyediakan jawaban inti yang bermanfaat di paragraf pertama, hanya detail yang dipindah.
Insight Aplikatif
Optimasi AI search 2026 bukan tentang "muncul lebih sering", tetapi tentang "muncul dengan dampak". Vetmo membuktikan bahwa metrik citation tanpa metrik click adalah ilusi. Sebelum membangun strategi AEO, definisikan dulu apa yang Anda inginkan: visibility, traffic, atau konversi. Strateginya berbeda.
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