Case Study

Studi Kasus Yuanita Sekar: Naikkan Author Entity Disambiguation Score Coaching Personal Branding dari 31 ke 78 Persen, Sitasi ChatGPT Search Lipat Empat di 2026

Vito Atmo
Vito Atmo·28 Mei 2026·0 kali dibaca·4 min baca
Studi Kasus Yuanita Sekar: Naikkan Author Entity Disambiguation Score Coaching Personal Branding dari 31 ke 78 Persen, Sitasi ChatGPT Search Lipat Empat di 2026

TL;DR: Yuanita Sekar, coach personal branding yang kami dampingi sejak 2024, sempat menemukan namanya disebut di hasil ChatGPT Search tapi merujuk ke profil orang lain dengan nama mirip. Setelah audit [Author [Entity Disambiguation Score](/glosarium/entity-disambiguation-score)](/glosarium/author-entity-disambiguation-score), skor awal 31 persen. Lewat tiga intervensi (schema Person lengkap, sameAs lintas platform, kanonikal author page), skor naik ke 78 persen dalam 9 minggu dan sitasi ChatGPT Search yang merujuk ke profil Yuanita yang benar naik dari 6 ke 24 per minggu.

Di awal 2026, Yuanita melapor ada calon klien yang bilang "saya cari nama Mbak di ChatGPT, tapi yang muncul foto orang lain". Untuk seorang coach yang menjual identitas dan otoritas, ini bukan masalah ego. Ini masalah pipeline. Kami buka inspeksi: ternyata sistem retrieval LLM mencampur Yuanita Sekar coach personal branding dengan Yuanita Sekar lain di domain hiburan.

Kasus ini bukan unik. Indonesia punya banyak nama umum dengan kombinasi kata yang mirip. Tanpa sinyal disambiguasi yang kuat, AI Search seperti ChatGPT, Perplexity, dan Google AI Overview cenderung melakukan grounding ke entitas yang paling terdokumentasi, bukan yang paling relevan.

Masalah: Sinyal Entity Terlalu Tipis

Audit awal menemukan tiga masalah utama. Pertama, halaman about Yuanita tidak punya schema Person sama sekali, hanya artikel biasa. Kedua, link sameAs tidak lengkap. Hanya LinkedIn yang dipasang, padahal Yuanita aktif di Instagram, X, dan TikTok dengan handle berbeda-beda. Ketiga, byline di blog kadang ditulis "Yuanita Sekar", kadang "Yuanita S.", kadang "Tim Yuanita". Inkonsistensi ini membuat sistem retrieval kesulitan agregasi.

Kami mengukur Author Entity Disambiguation Score awal pakai pipeline internal yang menggabungkan empat pengecekan: keberadaan schema Person, jumlah sameAs valid, konsistensi byline, dan ada-tidaknya halaman author kanonikal. Hasil baseline 31 persen, kategori "rentan ambiguitas tinggi".

Framework 3 Intervensi

IntervensiBobotEstimasi Effort
Schema Person lengkap di halaman about30 persen1 hari engineering
sameAs links lintas 5 platform25 persen2 jam, butuh akses akun
Kanonikal author URL + byline konsisten20 persen1 hari konten audit

Total effort sekitar 3 hari kerja, tapi dampaknya bertahan lama karena ini sinyal struktural, bukan konten musiman.

Eksekusi: 9 Minggu, 3 Tahap

Minggu 1-2 kami pasang schema Person lengkap di halaman about Yuanita: nama, jobTitle ("Personal Branding Coach"), alumniOf (universitas resmi), worksFor (brand resmi), description satu paragraf, plus knowsAbout array berisi topik utama. Skor naik dari 31 ke 51 persen.

Minggu 3-5 kami audit semua akun aktif Yuanita dan menambahkan sameAs links: Instagram, X, TikTok, LinkedIn, YouTube. Total 5 platform. Kami juga update bio platform supaya konsisten menyebut "Personal Branding Coach". Skor naik ke 67 persen.

Minggu 6-9 kami pindahkan semua artikel lama ke author page kanonikal /penulis/yuanita-sekar dan normalisasi byline jadi "Yuanita Sekar" konsisten di semua artikel. Skor finish di 78 persen, kategori "stabil terdisambiguasi".

Studi Kasus: Hasil di Pipeline

Selain skor AEDS yang naik, kami melacak tiga metrik bisnis selama 12 minggu:

  • Sitasi ChatGPT Search yang menyebut Yuanita Sekar dengan link ke domain yang benar naik dari 6 ke 24 per minggu (kategori sitasi terverifikasi).
  • Klik referral dari ChatGPT Search ke halaman booking konsultasi naik dari rata-rata 4 ke 17 per minggu.
  • LLM Content Attribution Share Yuanita di topik "personal branding coach Indonesia" naik dari 12 ke 38 persen.

Kami tidak klaim semua kenaikan murni dari AEDS, karena selama periode yang sama kami juga publish 6 artikel pilar. Tapi pattern sitasi yang mengkredit Yuanita yang benar (bukan namesake-nya) jelas berkorelasi dengan timing intervensi.

Pertanyaan Umum

Apakah saya perlu nama unik untuk skor AEDS tinggi?

Tidak. Nama mirip justru kasus paling butuh disambiguasi. Sinyal struktural (schema Person, sameAs, kanonikal URL) jauh lebih penting daripada keunikan nama.

Berapa lama hasil terlihat?

Umumnya 6-12 minggu setelah implementasi, tergantung frekuensi crawl LLM dan jumlah konten author yang sudah ada.

Apakah ini berlaku untuk perusahaan, bukan personal?

Iya, prinsipnya sama, tapi schema yang dipakai Organization, bukan Person. Untuk personal brand di bawah perusahaan, kombinasikan keduanya.

Penutup: Identitas Anda Adalah Aset

Untuk personal brand Indonesia, AI Search adalah saluran sitasi yang akan terus tumbuh. Membiarkan identitas Anda ambigu di mata sistem retrieval sama dengan membiarkan brand share Anda diambil orang lain dengan nama mirip. Audit AEDS sekali, perbaiki sinyal strukturalnya, lalu fokus kembali ke konten. Tiga hari kerja yang berdampak ke pipeline berbulan-bulan ke depan.

Bagikan

Artikel Terkait

#yuanita-sekar#aeds#personal-branding#schema-person#chatgpt-search#disambiguation

Butuh website yang benar-benar bekerja?

Hubungi Vito untuk konsultasi gratis 15 menit.

WhatsApp Sekarang