Evidence Stack Density

TL;DR: Evidence Stack Density mengukur seberapa padat sebuah konten berisi bukti first-party seperti studi kasus, angka konkret, screenshot, dan kutipan klien per 1.000 kata. Konten dengan kepadatan tinggi cenderung disitasi lebih sering oleh agent AI karena mereka mencari sumber dengan bukti, bukan opini.

Apa itu Evidence Stack Density?

Evidence Stack Density adalah metrik kualitas konten yang menghitung jumlah bukti first-party per 1.000 kata. Bukti yang dimaksud meliputi: angka spesifik dari proyek, nama klien atau studi kasus, kutipan langsung, screenshot atau visual data, dan rentang waktu yang jelas. Konsep ini melengkapi First-Party Evidence Density yang fokus pada sumber data internal.

Cara Menghitung

Rumus: total poin ÷ (jumlah kata ÷ 1.000). Target sehat: 8-12 poin per 1.000 kata untuk artikel pillar.

Kenapa Penting?

Mesin AI seperti Claude dan ChatGPT cenderung memilih sumber yang punya bukti spesifik, bukan generalisasi. Saat menulis untuk klien personal branding seperti Ryandi Pratama dan Felicia Tan, saya selalu memastikan setiap artikel pillar punya minimal 3 angka konkret dari pengalaman riil dan 1 studi kasus dengan nama. Hasilnya: sitasi di Perplexity dan Google AI Overview lebih konsisten merekam nama brand mereka, bukan kompetitor. Praktik ini sejalan dengan panduan Google Search Quality yang menekankan first-hand experience.

Konsep ini juga mendukung Prompt Evidence Density di sisi mesin AI.

Pertanyaan Umum

Apakah angka tanpa sumber dihitung sebagai bukti?

Tidak. Angka yang dihitung sebagai bukti harus bisa di-back up, baik dari pengalaman pribadi yang disebut konteksnya atau dari studi yang dilink.

Bagaimana kalau saya belum punya banyak klien?

Mulai dari proyek kecil, side project, atau eksperimen pribadi. Tiga eksperimen dengan angka konkret lebih bernilai daripada sepuluh artikel berisi teori.