Studi Kasus Yuanita Sekar: Perlandai AEO Snippet Decay Curve Konten Coaching dari Half-Life 11 ke 47 Hari dan Pangkas Refresh Cost 38 Persen di 2026

TL;DR: Refresh konten coaching Yuanita Sekar yang sebelumnya dijadwalkan rutin tiap 21 hari diganti dengan refresh berbasis AEO Snippet Decay Curve. Hasil setelah 90 hari, half-life snippet naik dari 11 ke 47 hari, biaya produksi ulang turun 38 persen, dan share-of-voice sitasi Perplexity tetap di kisaran 32 persen.

Sebagian besar marketer Indonesia masih merefresh konten dengan jadwal tetap. Praktik ini sering memboroskan jam editorial untuk snippet yang sebetulnya masih kuat dan justru mengabaikan snippet yang sudah jatuh probabilitasnya. Studi kasus Yuanita Sekar (coach personal branding) menunjukkan refresh berbasis sinyal lebih hemat dan lebih akurat.

Konteks Klien dan Baseline

Yuanita Sekar punya 38 artikel coaching di kanal personal-brand-nya. Sebelum intervensi, refresh dilakukan setiap 21 hari pada artikel terlama. Half-life snippet (median umur sitasi sampai turun di bawah 0,40) berada di angka 11 hari. Biaya produksi ulang sekitar 2,1 juta per minggu untuk 4 sampai 5 artikel.

Baseline pengukuran berlangsung 28 hari menggunakan logging sitasi harian dari Perplexity dan ChatGPT.

Framework Intervensi

Tiga langkah utama yang dijalankan:

Mapping decay memakai kombinasi spreadsheet dan job Python harian yang mengambil log sitasi. Tidak ada infrastruktur baru, hanya disiplin pencatatan. Lihat metodologi pengukuran retrieval di riset evaluasi RAG terbuka yang sebagian besar relevan untuk AEO.

Hasil di 90 Hari

Setelah intervensi berjalan tiga siklus refresh:

• Half-life snippet naik dari 11 hari menjadi 47 hari (sweet spot industri 28 hingga 60 hari).
• 14 artikel ternyata tidak butuh refresh sama sekali selama 90 hari karena kurva landai.
• 9 artikel butuh refresh dua kali karena kurva curam, namun setelah refresh kedua langsung stabil.
• Share-of-voice sitasi Perplexity stabil di 32 persen sepanjang periode.
• Biaya produksi ulang turun dari 2,1 juta menjadi 1,3 juta per minggu (-38 persen).

Pelajaran tambahan, snippet dengan angka konkret cenderung punya kurva landai. Snippet dengan klaim kualitatif tanpa anchor data cenderung curam.

Pertanyaan Umum

Kenapa refresh jadwal-tetap boros?

Karena memperlakukan semua artikel sama, padahal distribusi decay curve sangat lebar. 30 persen artikel biasanya tidak butuh refresh selama 60 hari, namun di sistem jadwal-tetap mereka tetap masuk antrian.

Apakah pendekatan ini cocok untuk publisher kecil?

Cocok. Yuanita Sekar hanya punya 38 artikel dan satu copywriter paruh waktu. Yang dibutuhkan adalah logging harian, bukan tim besar. Lihat metrik dasarnya di Prompt Citation Half-Life.

Apakah Perplexity dan ChatGPT punya decay curve berbeda?

Berbeda. Perplexity cenderung lebih cepat merotasi sitasi, ChatGPT lebih lambat. Marketer disarankan memetakan kurva per mesin, bukan agregat.

Penutup

Refresh berbasis kurva, bukan kalender, adalah pergeseran sederhana yang mengembalikan jam editorial untuk hal yang lebih bernilai. Untuk publisher Indonesia yang sumber dayanya terbatas, disiplin pengukuran ini lebih menentukan daripada volume produksi.