Studi Kasus Vetmo: Bangun Agentic Discoverability untuk Pet Care 2026

TL;DR: Saat membangun Vetmo, kami menemukan bahwa konten website saja tidak cukup untuk dikenali AI agent generasi baru seperti ChatGPT Agent atau Perplexity Pro. Kombinasi agents.md yang jelas, structured data lengkap, dan API documentation publik menaikkan agentic discoverability Vetmo sekitar 30-45% berdasarkan tracking referral dari AI agent dalam dua bulan.

Tahun 2026 adalah momen ketika AI agent mulai aktif merekomendasikan layanan, bukan sekadar menjawab pertanyaan. Saat user minta ChatGPT atau Perplexity "carikan dokter hewan online di Jakarta", agent akan scan beberapa sumber dan memilih yang paling jelas struktur datanya.

Vetmo, brand pet care yang kami kembangkan, jadi laboratorium menarik untuk uji konsep agentic discoverability. Inilah breakdown praktis dari implementasi yang kami lakukan.

Masalah: Vetmo Tidak Terlihat oleh AI Agent

Awal 2026, kami test query "konsultasi dokter hewan online Indonesia" di ChatGPT Agent. Hasilnya, Vetmo tidak muncul, padahal website sudah punya konten lengkap dan ranking di Google untuk keyword serupa.

Setelah audit, masalahnya tiga hal:

1. Tidak ada agents.md yang memandu AI agent
2. Structured data hanya untuk Organization, tidak ada untuk service spesifik
3. Tidak ada dokumentasi API atau endpoint yang bisa di-call oleh agent

Framework: Agentic Discoverability Stack

Studi Kasus: Implementasi di Vetmo

Tahap pertama, kami buat agents.md di root Vetmo dengan struktur:

# Vetmo Agent Guide
- Service: Online vet consultation Indonesia
- Pricing: Rp 75rb per sesi 30 menit
- Booking endpoint: /api/booking
- Coverage area: Jabodetabek + 12 kota besar

Tahap kedua, schema markup expanded. LocalBusiness schema untuk klinik fisik mitra, Service schema per jenis layanan (konsultasi umum, vaksinasi, grooming), dan Person schema untuk setiap dokter hewan dengan kredensial.

Tahap ketiga, API publik untuk booking dengan OpenAPI spec. Dokumentasi jelas memungkinkan AI agent seperti Claude Agent atau ChatGPT Operator melakukan booking atas nama user.

Per April 2026, query test menunjukkan Vetmo sudah dipilih sebagai rekomendasi di sekitar 35% query relevan di ChatGPT Agent dan Perplexity Pro. Referral traffic dari AI agent naik dari nyaris nol jadi sekitar 12% dari total trafik baru.

Pertanyaan Umum

Apakah agents.md harus terpisah dari llms.txt?

Tidak wajib, tapi disarankan. llms.txt fokus pada panduan crawling untuk training LLM, sedangkan agents.md fokus pada actionable info untuk runtime agent. Standard ini masih berkembang per 2026.

Apakah perlu API publik untuk dikenali agent?

Tidak wajib di tahap awal. Discovery dan Schema sudah cukup untuk dapat sitasi. API publik diperlukan kalau ingin agent bisa melakukan transaksi langsung.

Apakah ini bisa diterapkan untuk e-commerce kecil?

Bisa. Konsep stack-nya sama, tinggal sesuaikan schema (Product instead of Service). Atmo LMS kami juga implement pattern serupa untuk modul edukasi.

Bagaimana cara ukur agentic discoverability?

Belum ada tools standar. Cara praktis: test 10-20 query relevan secara berkala di ChatGPT, Perplexity, dan Claude, lalu catat berapa kali brand disebut. Untuk skala lebih besar, vendor seperti Profound atau Otterly mulai menawarkan dashboard tracking.

Penutup: Agentic Era Butuh Standar Baru

Era SEO klasik membentuk web menjadi readable untuk Google bot. Era AI Search membentuk web menjadi quotable untuk LLM. Era agentic 2026 menuntut web menjadi actionable untuk autonomous agent. Vetmo menunjukkan bahwa transisi ini bisa dimulai dengan implementasi yang relatif murah, asal struktur datanya konsisten dan dokumentasi publik tersedia.