Ringkasan
Pengecek keterbacaan LLM gratis membaca sebuah halaman dan menilai, dari 100, seberapa mudah teksnya dibaca dan dipecah menjadi bagian-bagian yang bersih. Alat ini mengukur Flesch reading ease, tingkat Flesch-Kincaid, panjang rata-rata kalimat dan paragraf, serta struktur (bagian H2 dan daftar), lalu memberikan nilai dari A sampai F dengan satu tip untuk setiap titik lemah. Targetkan reading ease 60 atau lebih, kalimat di bawah 20 kata, dan paragraf di bawah 60 kata.
Ingin tahu lebih banyak? Tanyakan kepada
Pengecek keterbacaan LLM menerapkan ilmu keterbacaan klasik pada jenis pembaca baru. Manusia memindai: dalam riset awal Nielsen Norman Group, 79% pengguna uji memindai halaman baru apa pun dan hanya 16% yang membaca kata demi kata (Nielsen Norman Group, bagaimana pengguna membaca di web). Model bahasa tidak memindai, tetapi sistem yang menyuplainya memotong halaman menjadi bagian-bagian dan menyimpan yang menjawab pertanyaan. Kalimat pendek, paragraf pendek, dan bagian yang jelas melayani kedua jenis pembaca.
Apa yang diukur oleh pengecek keterbacaan LLM?
Alat ini mengunduh halaman, mengekstrak teksnya, dan menghitung enam metrik. Empat di antaranya masuk ke dalam skor.
| Metrik | Target | Sebagian | Bobot dalam skor |
|---|---|---|---|
| Flesch reading ease | 60 atau lebih | 45 sampai 59 | 2 |
| Panjang rata-rata kalimat | 20 kata atau kurang | 21 sampai 28 kata | 1.5 |
| Panjang rata-rata paragraf | 60 kata atau kurang | 61 sampai 100 kata | 1 |
| Struktur | 2 atau lebih H2 dan minimal satu daftar | Satu H2 atau satu daftar | 1.5 |
| Tingkat Flesch-Kincaid | Ditampilkan sebagai informasi: tingkat sekolah di Amerika Serikat yang dibutuhkan untuk mengikuti teks | ||
| Suku kata per kata, panjang kata | Ditampilkan sebagai informasi: nilai tinggi menunjukkan kosakata yang panjang dan teknis | ||
Setiap pemeriksaan mendapat bobot penuh jika memenuhi target dan setengahnya jika sebagian. Totalnya dikonversi menjadi skor dari 100 dan sebuah nilai: A mulai 90, B mulai 75, C mulai 60, D mulai 40, F di bawahnya. Hasilnya juga melabeli teks sebagai "Mudah dibaca" (reading ease 60 atau lebih), "Cukup sulit" (45 sampai 59), atau "Sulit" (di bawah 45).
Bagaimana rumus keterbacaan dihitung?
Pengecek ini memakai dua rumus yang dihitung ulang oleh Angkatan Laut Amerika Serikat pada 1975 dari tes membaca terhadap 531 personel militer (Kincaid et al., 1975, arsip University of Central Florida). Keduanya bertumpu pada dua rasio yang sama: kata per kalimat dan suku kata per kata.
- Flesch reading ease = 206.835 − 1.015 × (kata ÷ kalimat) − 84.6 × (suku kata ÷ kata). Semakin tinggi semakin mudah; alat ini menjaga hasil antara 0 dan 100.
- Tingkat Flesch-Kincaid = 0.39 × (kata ÷ kalimat) + 11.8 × (suku kata ÷ kata) − 15.59. Hasilnya dibaca sebagai tingkat sekolah: 8 berarti pembaca berusia 13 sampai 14 tahun dapat mengikutinya.
Ambil satu paragraf berisi 100 kata dalam 5 kalimat dengan 150 suku kata. Kalimat rata-rata 20 kata dan kata rata-rata 1.5 suku kata, sehingga reading ease-nya 206.835 − 20.3 − 126.9 = 59.6, sedikit di bawah target, dan tingkatnya 7.8 + 17.7 − 15.59 = 9.9. Memotong teks yang sama menjadi 7 kalimat menaikkan reading ease menjadi sekitar 65.
Bagaimana cara menggunakan pengecek ini?
- Masukkan URL halaman yang Anda ingin dikutip asisten AI.
- Lewati pemeriksaan anti-bot dan jalankan analisis. Tiga pengecekan per hari gratis.
- Baca nilai dan tipsnya. Setiap tip menyebutkan metrik yang harus diperbaiki dan target yang harus dicapai.
- Tulis ulang bagian tersulit lebih dulu, biasanya pendahuluan dan paragraf di bawah setiap H2.
- Jalankan pengecekan lagi setelah menerbitkan.
Jika alat melaporkan teks yang dapat dibaca terlalu sedikit, halaman itu kemungkinan membangun kontennya dengan JavaScript atau sebagian besar berupa gambar. Banyak crawler AI juga tidak mengeksekusi JavaScript, jadi perbaiki hal itu lebih dulu.
Mengapa keterbacaan penting bagi LLM dan pencarian AI?
Karena jawaban AI dibangun dari bagian-bagian teks, dan sebuah bagian hanya berguna jika dapat berdiri sendiri. Tiga temuan menjelaskan kaitannya.
- Posisi dalam teks panjang berpengaruh. Peneliti Stanford menemukan bahwa model bahasa menggunakan informasi dengan paling baik ketika berada di awal atau akhir masukan yang panjang, dan lebih buruk ketika terkubur di tengah (Liu et al., Lost in the Middle). Letakkan jawaban di awal setiap bagian.
- Tulisan yang jelas meningkatkan visibilitas. Studi GEO dari Princeton menemukan bahwa meningkatkan kelancaran dan keterbacaan teks sumber menaikkan visibilitasnya dalam jawaban mesin generatif sebesar 15 sampai 30% (Aggarwal et al., GEO, KDD 2024).
- Kalimat panjang menyembunyikan intinya. Panduan gaya GOV.UK meminta penulis memeriksa setiap kalimat di atas 25 kata untuk melihat apakah dapat dipecah (panduan gaya GOV.UK).
Jaga proporsi. Google menyatakan bahwa Anda tidak perlu memecah konten menjadi potongan-potongan kecil atau menulis ulang untuk sistem AI, dan bahwa halaman harus ditulis untuk audiensnya (Google, optimasi untuk pencarian AI generatif). Keterbacaan adalah cara untuk melayani pembaca dengan lebih baik, yang juga membuat sebuah bagian mudah dipakai ulang.
Bagaimana cara menaikkan skor keterbacaan LLM?
Garap kalimat, lalu paragraf, lalu struktur. Tabel memasangkan setiap metrik yang lemah dengan perbaikan yang paling menggerakkannya.
| Metrik lemah | Perbaikan paling efektif | Contoh |
|---|---|---|
| Reading ease di bawah 60 | Ganti kata panjang dengan kata yang umum | "mengimplementasikan" menjadi "menerapkan", "dalam rangka untuk" menjadi "untuk" |
| Kalimat di atas 20 kata | Pecah pada "dan", "yang" atau "karena" | Satu kalimat 35 kata menjadi dua kalimat 17 kata |
| Paragraf di atas 60 kata | Satu gagasan per paragraf, jawaban lebih dulu | Blok 120 kata menjadi jawaban 40 kata dan rincian 80 kata |
| Struktur lemah | Tambahkan H2 berbentuk pertanyaan dan daftar | Langkah menjadi daftar bernomor, pilihan menjadi tabel |
Lalu periksa kerangka dengan penganalisis struktur judul dan blok jawaban dengan audit AEO. Entri glosarium kami tentang konten siap LLM mencantumkan sinyal lain yang membantu sebuah halaman dikutip.
Skor berapa yang sebaiknya ditargetkan halaman teknis atau pakar?
Lebih rendah daripada artikel umum, dan itu tidak masalah. Halaman medis, hukum, atau teknik memakai istilah panjang yang presisi yang menurunkan skor Flesch tanpa membuat kontennya lebih buruk. Untuk halaman seperti itu, fokuslah pada metrik yang dapat Anda kendalikan tanpa kehilangan ketepatan: panjang kalimat, panjang paragraf, dan struktur. Nilai B dengan reading ease sekitar 45 adalah hasil yang baik untuk konten pakar, selama setiap bagian dibuka dengan jawaban yang lugas.
Apa batasan pengecek keterbacaan LLM?
- Rumus dibuat untuk bahasa Inggris. Penghitungan suku kata bergantung pada pola vokal bahasa Inggris, sehingga skor untuk halaman berbahasa Prancis, Jerman, atau Spanyol hanya bersifat indikatif; bandingkan halaman dengan versi sebelumnya sendiri, bukan dengan target mutlak.
- Seluruh teks halaman dihitung, termasuk menu dan footer, yang dapat memperpendek rata-rata kalimat pada halaman dengan banyak label pendek.
- Keterbacaan bukan akurasi. Teks yang sederhana tetap bisa salah, generik, atau tanpa sumber. Panduan Google meminta konten non-komoditas yang menambahkan sesuatu di luar pengetahuan umum.
- Satu halaman per pengecekan, sebagaimana adanya pada saat permintaan.
Dari halaman yang mudah dibaca menuju halaman yang dikutip
Kalimat pendek, paragraf pendek, dan bagian yang jelas membuat halaman lebih mudah dibaca manusia dan lebih mudah dikutip asisten AI. Perbaiki halaman yang paling penting, lalu ukur apakah halaman itu dikutip: pelacakan sebutan AI Sorank memantau sitasi Anda prompt demi prompt, dan generator artikel blog menulis artikel baru dengan bagian yang dimulai dari jawaban sejak awal. Lihat paket Sorank untuk menerbitkan secara autopilot.
