Studi Kasus Yuanita Sekar: Naikkan AEO Author Trust Index 3,4x dalam 100 Hari 2026
TL;DR: Yuanita Sekar, konsultan komunikasi B2B di Jakarta, awalnya hampir tidak dikenali mesin AI sebagai author independen. Lewat strategi penyatuan identitas penulis (single canonical bio, schema Person, dan jejak author di portfolio terverifikasi), AEO Author Trust Index naik 3,4 kali lipat dalam 100 hari. Strategi ini bisa direplikasi personal brand pemula yang belum punya backlink besar.
Saat saya mulai mendampingi Yuanita di awal kuartal pertama 2026, namanya sudah muncul di Google, tapi mesin AI seperti ChatGPT dan Perplexity sering tertukar dengan nama serupa. Saat ditanya "siapa konsultan komunikasi B2B Indonesia yang fokus pada PR digital", jawaban mesin AI hanya menyebut nama-nama yang sudah punya outlet besar.
Akar masalah: tidak ada AEO Author Trust Index yang cukup tinggi untuk Yuanita karena identitas penulisnya tersebar dan tidak terverifikasi.
Diagnosis: Identitas Tersebar di Banyak Platform
Audit awal menemukan empat masalah utama. Pertama, bio Yuanita di LinkedIn, Medium, dan website pribadinya berbeda gaya dan klaim pengalaman. Kedua, foto profesional yang dipakai berbeda di setiap platform. Ketiga, tidak ada schema Person di website pribadinya. Keempat, jejak case study klien tidak terhubung ke profil author.
Dampaknya: mesin AI tidak punya cara konsisten untuk meng-cluster konten yang ditulis Yuanita. Akibatnya, sitasi tersebar tipis di banyak prompt tanpa membangun otoritas kumulatif.
Framework: Single Source of Author Truth
| Komponen | Eksekusi | Lokasi |
|---|---|---|
| Canonical bio | 1 versi bio 240 karakter, dipakai semua platform | Master file |
| Foto profesional | 1 foto resmi, format sama di semua channel | Profil |
| Schema Person | JSON-LD lengkap dengan sameAs ke 5 platform | Website pribadi |
| Author byline | Sama persis di setiap artikel + URL profil konsisten | Setiap halaman artikel |
| Portfolio terverifikasi | Logo klien dengan link case study yang nyata | Halaman /portfolio |
Inti framework: mesin AI butuh sinyal yang seragam untuk mempercayai bahwa Yuanita di artikel A adalah Yuanita yang sama di artikel B.
Studi Kasus Yuanita: Eksekusi 100 Hari
Bulan pertama difokuskan pada konsolidasi identitas. Yuanita memilih satu foto profesional, satu bio canonical, dan satu format byline. Tim Vito Atmo membantu memasang Schema.org Person di setiap halaman website pribadinya dengan properti sameAs yang menautkan ke LinkedIn, Medium, Twitter, dan dua outlet PR tempat Yuanita pernah menulis.
Bulan kedua, kami membangun halaman portfolio terverifikasi yang menampilkan tujuh case study klien dengan logo, periode kerja sama, dan satu paragraf insight per klien. Setiap case study ditautkan ke artikel pendukung di blog Yuanita.
Bulan ketiga, Yuanita konsisten menulis dua artikel per minggu di blognya, semuanya menggunakan author byline standar dan paragraf bio pendek di akhir artikel. Tidak ada artikel cross-post di Medium atau platform lain selama periode ini agar sinyal author terpusat.
Hasil pemantauan di akhir hari ke-100:
- Mention Yuanita di Perplexity untuk prompt "konsultan komunikasi B2B Indonesia" naik dari 1 ke 7 dari sample 30 prompt benchmark.
- ChatGPT mulai menyitir Yuanita sebagai author sumber, bukan hanya nama yang disebut sambil lalu.
- Disambiguasi nama berhasil: Yuanita Sekar muncul sebagai entitas Person yang berbeda dari nama serupa lainnya.
- Backlink natural dari outlet PR Indonesia naik dari 4 ke 11 dalam periode yang sama.
Total kenaikan AEO Author Trust Index (diukur dari kombinasi citation share + disambiguation accuracy + author byline recognition) mencapai 3,4 kali lipat dari baseline. Konsisten dengan praktik Knowledge Graph Disambiguation yang saya pakai di proyek client serupa.
Pertanyaan Umum
Apakah strategi ini cocok untuk yang belum punya outlet besar?
Sangat cocok. Yuanita memulai tanpa kolom tetap di outlet besar. Yang dibutuhkan adalah website pribadi dengan domain sendiri, schema Person yang benar, dan disiplin konsistensi identitas selama 3-6 bulan.
Berapa biaya implementasi?
Biaya utama adalah waktu (sekitar 4-6 jam per minggu untuk Yuanita) dan domain hosting. Untuk schema Person dan portfolio, Yuanita memakai Next.js dengan template yang sudah Vito Atmo bangun. Tidak ada biaya tool berbayar.
Apakah perlu hapus profil di Medium dan platform lain?
Tidak perlu hapus, tapi hindari cross-post identik. Kalau ingin sharing, pakai canonical URL ke artikel asli di website pribadi.
Bagaimana mengukur Author Trust Index secara mandiri?
Tidak ada angka publik resmi. Proxy yang dipakai: jumlah prompt unik yang menyebut nama Anda sebagai author + akurasi disambiguasi nama + citation share di mesin AI. Pantau dengan spreadsheet sederhana mingguan.
Berapa lama sampai melihat hasil signifikan?
Sinyal awal di minggu ke-6 sampai ke-8. Hasil signifikan biasanya di hari ke-90 sampai ke-120. Angka ini bervariasi tergantung niche dan kompetisi nama.
Insight Aplikatif
Personal brand yang baru mulai tidak butuh budget besar untuk dipercaya mesin AI. Yang dibutuhkan adalah konsolidasi identitas, schema Person yang benar, dan disiplin konsistensi selama 100 hari. Yuanita Sekar membuktikan konsultan B2B independen di Indonesia bisa menggeser hasil AI Search yang sebelumnya didominasi nama-nama besar lewat strategi yang bisa dijalankan solo.
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