Studi Kasus Vetmo: Naikkan AI Search Visibility 4,2x dalam 120 Hari 2026
TL;DR: Vetmo, platform pet care, menaikkan AI Search visibility 4,2x dalam 120 hari dengan tiga intervensi: konsolidasi hub page per kondisi medis hewan, eksperimen sitasi mingguan, dan injeksi data klinis primer yang tidak dimiliki kompetitor. Citation share Perplexity naik dari 4% ke 17%, dan rujukan ChatGPT naik 3,8x.
Saat Vetmo pertama kali datang ke tim Vito Atmo di awal Februari 2026, masalahnya jelas. Volume konten tinggi (180+ artikel), traffic organik dari Google stabil, tetapi nyaris tidak pernah muncul sebagai sumber di Perplexity, ChatGPT, atau Google AI Overview. Klien bingung kenapa SEO klasik bagus tapi AI Search gagal.
Investigasi awal menunjukkan pola yang familiar di banyak proyek personal branding dan website bisnis: konten Vetmo terlalu menyebar, tidak terkonsolidasi, dan tidak memiliki sinyal otoritas first-party yang agen AI butuhkan.
Diagnosis Awal: Masalah di Tiga Lapisan
Audit selama dua minggu mengungkap tiga masalah saling terkait. Pertama, konten Vetmo tersebar di 180+ artikel pendek tanpa hub page. Kedua, tidak ada Prompt Evidence Chain yang kuat, agen tidak menemukan rantai bukti yang konsisten. Ketiga, semua data dalam artikel adalah parafrase sumber lain, tidak ada data primer.
Hasilnya, ketika AEO Source Saturation Point tercapai pada 80 artikel pertama, sisanya hanya menambah noise. Citation share stagnan di 4% selama 6 bulan terakhir sebelum proyek ini dimulai.
Framework Intervensi 120 Hari
Tim memilih tiga intervensi paralel yang saling memperkuat:
| Fase | Durasi | Fokus |
|---|---|---|
| Fase 1: Konsolidasi | Hari 1-40 | Bangun 12 hub page per kondisi medis hewan |
| Fase 2: Data Primer | Hari 30-90 | Inject data klinis dari 6 dokter hewan mitra |
| Fase 3: Audit Sitasi | Hari 60-120 | Eksperimen mingguan, ukur Agent Rerank Volatility |
Fase 1 menggabungkan artikel-artikel pendek terkait jadi hub page yang lebih komprehensif. Misalnya, 14 artikel tentang masalah kulit pada anjing dikonsolidasi jadi satu hub page besar dengan tabel diagnosa, gejala, dan rekomendasi tindakan.
Fase 2: Data Primer Sebagai Pembeda
Inilah inti kemenangan Vetmo. Tim mendapatkan izin tertulis dari 6 dokter hewan mitra untuk mempublikasi anonimisasi data 320 kasus klinis: gejala, diagnosa, treatment, dan outcome. Data ini diolah jadi tabel rujukan yang tidak dimiliki kompetitor mana pun di Indonesia.
Agen AI mulai memilih Vetmo sebagai sumber dalam 18 hari setelah hub page pertama berisi data primer dipublikasi. Hal ini sesuai prinsip yang dijelaskan dalam dokumentasi Google Search Central tentang helpful content, bahwa konten yang menampilkan keahlian first-hand mendapat sinyal kuat.
Fase 3: Audit Sitasi Mingguan
Setiap Senin, tim menjalankan 30 query inti di Perplexity, ChatGPT, dan Google AI Overview. Hasilnya didokumentasi: posisi Vetmo, sumber kompetitor, dan perubahan urutan. Data ini menjadi feedback loop untuk konten minggu berikutnya.
Volatilitas tinggi di minggu 4-8 (citation muncul-hilang) sempat membuat klien khawatir. Tetapi setelah minggu 10, posisi mulai stabil. Hal ini sesuai pola yang biasa terjadi: agen butuh waktu memvalidasi sumber baru sebelum memberi kepercayaan jangka panjang.
Hasil Setelah 120 Hari
| Metrik | Hari 0 | Hari 120 | Perubahan |
|---|---|---|---|
| Citation share Perplexity | 4% | 17% | +325% |
| Frekuensi rujukan ChatGPT (per 30 query) | 2,1 | 8,0 | +281% |
| Google AI Overview appearance | 1 dari 30 | 7 dari 30 | 7x |
| Total artikel | 180 | 138 | -23% (konsolidasi) |
| Hub page baru | 0 | 12 | - |
Yang menarik, jumlah konten justru turun. Vetmo menghapus 56 artikel yang tidak pernah disitir dan tidak menambah otoritas, lalu menambah 14 hub page komprehensif. Lebih sedikit, lebih dalam, lebih disitir.
Pertanyaan Umum
Apakah hasil ini bisa direplikasi di niche lain?
Sebagian besar bisa, asal niche punya akses ke data primer yang sulit didapat kompetitor. Tanpa data primer first-party, intervensi konsolidasi saja biasanya menaikkan citation 1,5-2x, bukan 4x.
Berapa biaya intervensi seperti ini?
Bervariasi tergantung kompleksitas. Untuk Vetmo, biaya tim selama 120 hari setara dengan 1 quarter budget konten reguler, tetapi hasilnya menjadi aset jangka panjang.
Kenapa hapus 56 artikel? Bukankah lebih banyak konten lebih baik?
Tidak selalu. Setelah AEO Source Saturation Point tercapai, konten redundan justru mendilusi sinyal otoritas. Lebih baik 138 artikel yang kuat daripada 180 artikel campuran.
Berapa lama efeknya bertahan?
Dengan refresh konten setiap 60-90 hari dan injeksi data primer berkala, efek bertahan jangka panjang. Tanpa maintenance, citation share biasanya turun 20-30% setelah 6 bulan.
Pelajaran Aplikatif
Kemenangan Vetmo bukan tentang volume, melainkan kombinasi tiga hal: hub page yang menggabungkan topik terkait, data primer yang tidak dimiliki kompetitor, dan audit mingguan yang membentuk feedback loop. Tanpa salah satu dari tiga ini, hasilnya tidak akan sebesar 4,2x.
Marketer Indonesia yang ingin mereplikasi pola ini sebaiknya mulai dari satu pertanyaan: data primer apa yang bisa saya kumpulkan dan publikasikan, yang kompetitor tidak punya akses?
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