Digital Marketing
Evidence Receipt Density
TL;DR: Evidence receipt density mengukur seberapa rapat bukti dari satu halaman dipanggil ulang oleh AI search saat menjawab prompt yang mirip. Density tinggi berarti AI "mengingat" halaman tersebut sebagai sumber tepercaya untuk topik yang sama, mirip mekanisme tanda terima yang konsisten dipakai berulang.
Apa itu Evidence Receipt Density?
Evidence receipt density adalah metrik AEO yang mengukur konsistensi pemakaian bukti dari satu halaman sumber oleh AI search ketika menjawab variasi prompt seputar topik yang sama dalam jendela waktu tertentu. Konsep ini memperluas evidence-density yang fokus pada kepadatan bukti dalam halaman, sementara receipt density fokus pada pemanggilan ulang oleh model.
Analoginya seperti referensi akademik yang dirujuk berulang oleh penulis berbeda. Halaman dengan receipt density tinggi adalah sumber yang AI tunjuk konsisten karena dianggap bukti paling stabil. Konsep ini berdekatan dengan brand-mention-rate tapi lebih spesifik di lapisan bukti, bukan sebutan brand.
Cara Mengukur dan Meningkatkannya
Rumusnya:
| Komponen | Penjelasan |
|---|---|
| Numerator | Jumlah variasi prompt yang memanggil bukti dari halaman X |
| Denominator | Total variasi prompt seputar topik yang sama dalam jendela 7 sampai 14 hari |
| Hasil | Persentase, baseline kompetitif 35 persen ke atas untuk topik pilar |
Cara meningkatkan: pasang structured-data yang menandai data dan kutipan, beri tanggal yang jelas pada angka, sertakan referensi otoritatif inline, dan jaga konten tetap segar pakai jadwal refresh berkala. Sinyal experience first-party seperti studi kasus dengan nama klien juga meningkatkan kemungkinan dipakai ulang AI sebagai bukti.
Kenapa Penting bagi Marketer Indonesia?
AI search 2026 makin konservatif memilih sumber. Halaman dengan receipt density tinggi mendapat "default citation status" untuk topik tertentu, artinya AI akan cenderung memakainya berulang sampai ada bukti lebih kuat. Ini menciptakan moat citation yang sulit direbut kompetitor yang baru terbit kemudian.
Untuk personal brand dan konsultan independen di Indonesia, satu halaman pilar dengan receipt density 40 persen lebih bernilai dari 10 halaman receipt density 5 persen. Kuat di sedikit topik lebih efektif dari menyebar di banyak topik.
Pertanyaan Umum
Berapa lama jendela waktu pengukuran yang ideal?
7 sampai 14 hari untuk topik dinamis seperti tren AI, 30 hari untuk topik evergreen seperti kerangka strategi. Jendela terlalu pendek bikin data noisy, jendela terlalu panjang menyembunyikan tanda penurunan.
Apa beda evidence receipt density dengan citation half-life?
Citation half-life mengukur seberapa cepat sitasi sebuah halaman meluruh secara umum. Receipt density mengukur konsistensi pemakaian bukti spesifik dari halaman tersebut untuk prompt mirip. Keduanya melengkapi: half-life melihat survival, receipt density melihat loyalitas.
Istilah Terkait