Pelajari roda gila GEO, siklus mingguan untuk mengukur, membangun, meraih, dan menyegarkan visibilitas merek di
ChatGPT,
Claude,
Gemini, dan
Perplexity.

Di halaman ini
Ringkas artikel ini dengan AI
Kuis singkat
Bagaimana agar disebut oleh ChatGPT dan AI lainnya?
Sorank cocok dengan jawaban Anda
Coba selama 3 hari di situs Anda sendiri dan lihat posisi Anda di Google, ChatGPT, dan AI lainnya.
Mulai uji coba gratis 3 hari3 hari gratis, lalu berhenti kapan saja. Garansi hasil 90 hari, syarat dan ketentuan berlaku.
Ringkasnya: Roda gila GEO adalah siklus mingguan. Anda mengukur jawaban AI mana yang menyebut merek Anda, mengubah halaman dan sumber eksternal yang menentukan jawaban itu, lalu mengukur lagi. Setiap putaran memberi data untuk putaran berikutnya, sehingga pekerjaannya makin mudah seiring waktu. Jawaban AI terus berubah, itulah sebabnya audit sekali jalan cepat kehilangan nilai, sedangkan siklus membuat Anda tetap mutakhir.
Generative Engine Optimization (GEO) adalah pekerjaan agar merek Anda disebut, dikutip, atau direkomendasikan dalam jawaban dari ChatGPT, Claude, Gemini, dan Perplexity. Roda gila adalah cara menjalankan pekerjaan itu agar setiap putaran membuat putaran berikutnya lebih murah. Namanya berasal dari roda berat di mesin tua. Butuh tenaga untuk memulainya, lalu roda terus berputar dengan dorongan yang lebih kecil.
Metafora ini bisa menyesatkan. Roda gila tidak berarti "terbitkan lebih banyak lalu tunggu". Artinya ada empat tahap yang berjalan dalam urutan tetap, dan hasil satu tahap menjadi masukan tahap berikutnya. Anda mengukur di mana Anda muncul. Anda mengubah apa yang menentukan jawaban. Anda mendapatkan penyebutan di sumber yang sudah dipakai jawaban. Anda menyegarkan apa yang sudah usang, dan pengukuran Anda menunjukkan langkah berikutnya.
Sebagian besar saran GEO masih terbaca seperti proyek: audit sekali, perbaiki daftarnya, tulis laporan, lalu lanjut. Itu cukup untuk situs yang rusak. Namun itu tidak cocok dengan jawaban AI, karena model terus memperbarui sumber dan cara penyampaiannya. Pertanyaan yang sama bisa menyebut sekumpulan merek yang berbeda bulan depan, meskipun Anda tidak mengubah apa pun di pihak Anda.
Proyek sekali jalan vs. roda gila
Jika Anda menginginkan pengaturan lengkap untuk ChatGPT, Claude, dan Gemini, halaman optimasi GEO membahas alatnya. Artikel ini membahas siklusnya sendiri, yaitu bagian yang membuat pengaturan tetap berguna setelah bulan pertama.
Mulailah dari Google, karena posisinya paling sederhana. Dalam dokumentasi Google Search Central, Google menyatakan bahwa tidak ada "persyaratan tambahan" untuk muncul di AI Overviews atau AI Mode, dan Anda tidak memerlukan "file baru yang dapat dibaca mesin, file teks AI, atau markup" untuk fitur tersebut (Google Search Central, AI features and your website). Halaman Anda harus terindeks dan memenuhi syarat untuk menampilkan cuplikan. Selebihnya, aturan konten yang baik tetap berlaku.
ChatGPT, Claude, dan Perplexity menerbitkan panduan lebih sedikit daripada Google, jadi Anda mempelajari perilaku mereka lewat pengukuran. Jawaban mereka bergantung pada apa yang mereka ambil, apa yang sudah mereka ketahui tentang merek Anda, dan apa yang situs lain katakan tentang Anda. Tiga hal membuat jawaban itu menurun:
Tabel di bawah memetakan setiap penyebab ke gejala yang akan Anda lihat lebih dulu.
| Penyebab | Gejala yang terlihat lebih dulu | Pemeriksaan pertama |
|---|---|---|
| Pembaruan model | Visibilitas turun di satu mesin dan tetap stabil di yang lain | Jalankan lagi prompt yang sama di mesin lain, lalu tunggu satu siklus tinjauan |
| Pesaing menerbitkan | Pesaing muncul di jawaban yang dulu menyebut Anda | Buka halaman yang dikutip jawaban dan catat apa yang dikatakannya dan tidak ada di halaman Anda |
| Halaman Anda usang | Jawaban mengulang harga, fitur, atau tanggal yang lama | Periksa tanggal pembaruan terakhir dan setiap angka di halaman |
| Sumber berubah | Situs ulasan atau utas forum tidak lagi muncul di jawaban | Bandingkan sumber yang dikutip minggu ini dengan sumber yang dikutip bulan lalu |
Siklus menjawab masalah ini. Setiap siklus menangkap penurunan lebih awal dan meninggalkan catatan tentang apa yang berubah. Audit sekali jalan memberi Anda satu potret. Siklus memberi Anda tren, dan tren adalah sesuatu yang bisa Anda tindak lanjuti.

Siklus ini punya empat tahap: Ukur, Bangun, Raih, dan Segarkan. Namanya sengaja dibuat sederhana. Anda seharusnya bisa menyebutkan dalam satu baris apa yang Anda kerjakan minggu ini.
Roda gila GEO dalam empat tahap
Setiap tahap punya biaya dan imbalan. Mengukur memakan waktu dan memberi Anda titik awal. Membangun memakan waktu menulis dan mengubah apa yang bisa dikutip model. Meraih memakan waktu untuk menjangkau pihak lain dan mengubah sumber mana yang menyebut Anda. Menyegarkan memakan waktu tinjauan dan menjaga ketiga tahap lainnya tetap jujur. Jika Anda melewati satu tahap, siklus tetap berputar, tetapi berputar tanpa arah, atau berhenti membaik.
Bagian-bagian berikut membahas setiap tahap secara berurutan, lengkap dengan langkah yang tepat dan kesalahan yang paling sering muncul.
Panel prompt adalah daftar pertanyaan tetap yang diajukan dengan cara yang sama di setiap mesin, setiap minggu. Tetap berarti kata-katanya sama. Jika Anda mengubah pertanyaan, Anda tidak bisa tahu apakah jawaban berubah karena mesinnya atau karena cara Anda mengetik.
Tulislah prompt seperti cara pembeli mengetiknya, bukan seperti cara pemasar menamai kategori. "Perangkat lunak akuntansi terbaik untuk agensi lima orang" memberi tahu Anda lebih banyak daripada "perangkat lunak akuntansi". Campurkan tiga jenis prompt:
Ambil kata-kata prompt dari percakapan penjualan, tiket dukungan, dan pertanyaan panjang di analitik Anda. Pelanggan juga bertanya setelah membeli: "apakah ini sepadan", "apa yang digantikannya". Prompt seperti itu sering menyebut pesaing yang sudah dilihat pembeli. Untuk cara terstruktur menyusun daftar ini, lihat fitur riset prompt AI dan panduan tentang prompt AI.
Jawaban ya atau tidak menyembunyikan sebagian besar sinyal. Untuk setiap prompt dan setiap mesin, tulis kolom-kolom dalam tabel. Simpan lembar kerja dengan urutan yang sama setiap minggu, agar Anda bisa membandingkan baris dari waktu ke waktu.
| Kolom | Yang dicatat | Mengapa penting |
|---|---|---|
| Prompt | Kata-kata persis yang Anda pakai | Kata-kata yang sama setiap minggu membuat hasil tetap bisa dibandingkan |
| Mesin | ChatGPT, Claude, Gemini, atau Perplexity | Setiap mesin mengutip sumber yang berbeda |
| Disebut | Ya atau tidak | Ini angka utama Anda |
| Posisi | Pertama, kedua, nanti, atau tidak tercantum | Penyebutan yang terlambat bernilai lebih kecil daripada yang pertama |
| Kalimat | Baris yang menyebut Anda, disalin kata demi kata | Menunjukkan bagaimana model menggambarkan Anda, dan gambaran itu bisa keliru |
| Sumber | URL yang dikutip jawaban | Menunjukkan di mana Anda perlu mendapatkan penyebutan |
| Pesaing | Merek yang disebut di posisi Anda | Menunjukkan persaingan Anda yang sebenarnya |
Nilai panel sebagai persentase. Jika Anda disebut dalam 9 dari 25 jawaban, bagian Anda adalah 36%. Simpan juga bagian per mesin, karena keempat mesin mengutip sumber yang berbeda dan sering tidak sepakat.
Mesin menjawab pertanyaan yang sama secara berbeda dari satu kali jalan ke jalan berikutnya. Satu jawaban per prompt hanyalah satu sampel. Jalankan setiap prompt minimal dua kali per mesin dan ambil rata-ratanya. Panel kecil sangat sensitif: dengan 25 prompt, satu jawaban setara 4 poin persentase bagian. Nilai tren selama empat minggu, bukan perubahan dari satu minggu.
Alat bisa menjalankan ini untuk Anda. Fitur pelacakan penyebutan AI dibangun di atas gagasan yang sama: ia mengikuti setiap prompt dan menunjukkan kapan AI mengutip Anda.

Model mengutip bagian halaman yang berdiri sendiri. Tugas Anda di tahap ini adalah membuat setiap bagian mudah diambil, tanpa mengubah halaman menjadi daftar kata kunci. Mulailah dari halaman yang memenangkan prompt terbanyak dalam data dasar Anda, dan tunda sisanya.
Buka setiap bagian dengan jawabannya, lalu berikan buktinya. Alasannya adalah posisi. Dalam "Lost in the Middle: How Language Models Use Long Contexts", Liu dan rekan-rekannya (2023, arXiv 2307.03172) menguji bagaimana model bahasa menggunakan input yang panjang. Mereka menemukan bahwa performa sering paling tinggi ketika informasi yang relevan berada di awal atau akhir input, dan menurun ketika konten kuncinya terkubur di tengah. Halaman web bukanlah prompt, dan sistem pengambilan data tidak sama dengan pengaturan uji mereka. Namun pelajarannya tetap berlaku untuk menulis: kalimat pertama sebuah bagian membawa bobot paling besar.
Bandingkan dua versi dari klaim yang sama:
Versi yang kuat memberi model sebuah kalimat yang bisa ia kutip utuh, lengkap dengan cakupan, angka, dan metodenya. Versi yang lemah memaksa model menebak maksud Anda, dan model yang menebak biasanya membuat Anda terlewat.
Makalah GEO adalah hal paling dekat dengan uji terkontrol di bidang ini. Aggarwal dan rekan-rekannya (KDD 2024, arXiv 2311.09735) membangun benchmark jawaban dari mesin generatif dan menguji perubahan teks: mengutip sumber, menambahkan kutipan, dan menambahkan statistik. Mereka mengukur seberapa banyak setiap jawaban yang dihasilkan memanfaatkan teks sumber. Makalah itu menyatakan bahwa GEO "dapat meningkatkan visibilitas hingga 40%" dalam benchmark mereka.
Angka dalam blok di bawah berasal dari tabel makalah itu sendiri. Pengaturan GEO-bench memakai konfigurasi bersumber Google dengan mesin generatif GPT-3.5. Hasil Perplexity.ai berasal dari pengujian terpisah. Dalam kedua kasus, kenaikan dihitung relatif terhadap teks dasar dalam pengaturan itu, bukan terhadap lalu lintas absolut.
Metode terbaik dibandingkan teks dasar, dalam makalah GEO
Sumber: Aggarwal dkk., "GEO: Generative Engine Optimization", KDD 2024, Tabel 1 dan 7 (arXiv 2311.09735)
Baca angka-angka ini sebagai arah, bukan prakiraan. Makalah itu memilih kueri dan mesinnya sendiri, dan kategori Anda bisa berperilaku berbeda. Yang didukung angka-angka ini adalah kebiasaan praktis. Jika memungkinkan, kutip sumber primer untuk setiap angka, tambahkan angka tepatnya dengan tanggalnya, dan atributkan klaim kepada orang atau dokumen di baliknya. Kalimat dengan angka bertanggal dan sumber yang jelas lebih sulit dilewati daripada "diakui secara luas".
Data terstruktur memberi tahu crawler apa isi sebuah halaman: judulnya, penulisnya, dan tanggalnya. Data itu tidak membuat model mengutip Anda. Namun data itu menghilangkan keraguan tentang siapa yang menulis halaman dan kapan terakhir diperiksa. Blok di bawah ini adalah deskripsi Article minimal. Tambahkan melalui CMS atau template Anda, lalu uji dengan validator data terstruktur.
{
"@context": "https://schema.org",
"@type": "Article",
"headline": "GEO Flywheel: A Weekly Loop That Builds Your AI Visibility",
"author": {"@type": "Person", "name": "Thibault Besson-Magdelain"},
"datePublished": "2026-11-19",
"dateModified": "2026-11-19"
}
Peringatan
Anda mungkin membaca saran untuk menambahkan file llms.txt sebagai langkah pertama menuju kutipan AI. Google menyatakan fitur AI-nya tidak memerlukan file seperti itu. Tambahkan jika Anda mau, tetapi anggap sebagai tugas kecil di luar siklus. File itu tidak akan menggantikan klaim yang jelas, bersumber, dan mutakhir.
Model jarang membentuk pandangan tentang merek Anda hanya dari situs Anda. Mereka membaca halaman lain juga. Klaim yang muncul di satu tempat mudah diabaikan, sedangkan klaim yang sama di beberapa situs independen lebih mudah diulang. Itulah alasan tahap Raih: Anda memperluas kumpulan sumber yang mengatakan hal yang benar tentang Anda.
Panel Anda sudah menunjukkan ke mana harus pergi. Buka sumber yang dikutip di setiap jawaban dan daftarkan URL-nya. Kelompokkan berdasarkan jenis: situs ulasan, artikel perbandingan, media industri, utas komunitas, direktori. Lalu baca setiap halaman dan ajukan tiga pertanyaan:
Halaman yang menyebut pesaing Anda dan tidak menyebut Anda adalah target paling berharga. Halaman dengan angka usang ada di urutan kedua. Kirim kepada editor angka yang benar beserta sumbernya, dalam dua atau tiga baris. Koreksi dengan sumber lebih mudah diterima daripada tawaran umum, karena koreksi itu membantu halaman tanpa meminta apa pun sebagai imbalan.
Jauhkan penempatan berbayar dari tahap ini. Baris berbayar yang menjanjikan penyebutan dalam jawaban AI bisa melanggar aturan Google tentang tautan, dan tidak meninggalkan catatan yang bisa Anda pertahankan nanti. Risiko dan pilihan yang lebih aman dibahas dalam Haruskah Anda Membeli Backlink? Risiko, Aturan Google, dan Alternatif yang Lebih Aman.
Situs Anda sendiri adalah tempat pertama model dan crawler mencari kedalaman. Tautan internal memberi tahu crawler halaman mana yang penting, dan memberi tahu pembaca ke mana harus pergi berikutnya. Dokumentasi Google Search Central membahas dasarnya. Dokumentasi itu menyatakan bahwa "setiap halaman yang Anda anggap penting sebaiknya memiliki tautan dari setidaknya satu halaman lain di situs Anda", dan bahwa Google "hanya dapat merayapi tautan Anda jika berupa elemen HTML <a>" (Google Search Central, Link best practices for Google Search).
Teks jangkar sama pentingnya dengan tautannya. Panduan Google menyebut bahwa "teks jangkar yang baik bersifat deskriptif, cukup ringkas, dan relevan dengan halaman tempat ia berada". Berikut tautan yang ditulis sesuai panduan itu:
<a href="/id/blog-geo-seo/optimasi-visibilitas-ai">cara agar ChatGPT, Gemini, dan Perplexity menyebut Anda</a>
Hindari "baca selengkapnya" dan "klik di sini". Jangkar adalah satu-satunya bagian tautan yang memberi tahu pembaca dan crawler tentang halaman tujuannya. Panduan yang sama menyatakan bahwa tidak ada jumlah tautan ideal yang ajaib untuk sebuah halaman, tetapi "jika menurut Anda terlalu banyak, kemungkinan memang terlalu banyak". Gunakan tautan yang membantu pembaca, dan berhenti di situ.
Bangun hub, bukan tumpukan. Halaman hub membahas topik secara luas dan menautkan ke halaman pendukung yang lebih dalam. Struktur itu adalah klaster topik, yang didefinisikan dalam entri klaster topik, dan paling efektif ketika setiap halaman pendukung menautkan kembali ke hub. Untuk sisi perencanaan, baca pilar konten. Fitur generator klaster topik merencanakan strukturnya untuk Anda, tanpa halaman yang tumpang tindih.
Untuk mengaudit tautan yang sudah Anda miliki, penganalisis tautan internal memeriksa tautan internal dari halaman mana pun.

Tip
Jalankan penganalisis di halaman hub Anda terlebih dahulu. Jika halaman itu menautkan ke lebih sedikit halaman pendukung daripada yang Anda perkirakan, perbaiki dulu sebelum menulis apa pun yang baru. Panduan strategi tautan internal memberi urutan kerjanya.
Menyegarkan berarti memperbarui halaman atau sumber ketika data menunjukkan perlu, bukan menurut kalender. Halaman yang Anda perbarui setiap bulan tanpa alasan tidak memberi tahu Anda apa-apa, dan bisa menjauh dari fakta yang sudah Anda verifikasi. Aturannya sederhana: setiap perubahan punya alasan di log, dan setiap alasan berasal dari pengukuran atau fakta yang bertanggal.
Gunakan daftar yang sama setiap minggu, agar tinjauannya selalu berbentuk sama dan Anda bisa membandingkan satu minggu dengan minggu berikutnya.
Tinjauan mingguan
Jaga agar tinjauan tetap singkat. Baca perubahannya, pilih satu atau dua tindakan, lalu berhenti. Siklus ini bergantung pada ritme lebih daripada ukuran setiap putaran. Mingguan sudah cukup untuk sebagian besar situs. Hasil harian sebagian besar berisi derau, sedangkan tinjauan bulanan membiarkan terlalu banyak penurunan menumpuk di antara pemeriksaan.
Penurunan punya penyebab, dan penyebab itulah yang menentukan tindakan. Gunakan tabel ini sebelum Anda menyentuh halaman mana pun.
| Gejala | Kemungkinan penyebab | Tindakan |
|---|---|---|
| Penurunan di keempat mesin sekaligus | Situs Anda berubah, atau crawler tidak lagi bisa mengakses halaman kunci | Periksa pengindeksan dan aturan robots Anda (lihat robots.txt untuk crawler AI), lalu tinjau suntingan terakhir Anda |
| Penurunan hanya di satu mesin | Mesin itu mengubah model atau sumbernya | Tunggu satu siklus tinjauan, lalu bandingkan dengan ketiga mesin lain sebelum mengedit |
| Pesaing muncul di jawaban baru | Mereka menerbitkan atau mendapatkan sumber baru | Baca halaman yang dikutip jawaban dan rencanakan jawaban yang lebih baik untuk pertanyaan yang sama |
| Kalimat negatif dalam jawaban | Ulasan lama, utas forum, atau fakta yang usang | Temukan halaman yang dikutip, perbaiki faktanya di sumbernya, atau koreksi dengan bukti Anda sendiri |
Log adalah bagian dari roda gila yang paling sering dilewatkan tim, dan justru itulah yang membuat siklus berlipat ganda. Untuk setiap perubahan, catat tanggalnya, halaman atau sumbernya, apa yang berubah, dan prompt mana yang seharusnya terpengaruh. Setelah empat sampai enam minggu, Anda punya catatan yang menunjukkan jenis perubahan apa yang menggeser bagian Anda. Catatan itu yang menentukan pekerjaan putaran berikutnya.
Ketika jawaban berubah karena alasan yang tidak bisa Anda jelaskan, panduan volatilitas pencarian AI menunjukkan cara memisahkan derau dari perubahan nyata sebelum Anda menulis ulang apa pun.
Tip
Sebelum mengubah halaman, jalankan audit GEO gratis padanya. Hasilnya menjadi baseline untuk halaman itu, sehingga perubahannya bisa diukur nanti.
Ada lebih dari satu cara menjalankan empat tahap. Masing-masing punya biaya waktu dan risiko yang berbeda. Pilih yang sesuai dengan ukuran panel dan tim Anda, dan naik ke cara yang lebih tinggi hanya ketika cara yang Anda pakai sudah tidak mampu mengikuti.
Dalam versi ini, seseorang mengajukan setiap prompt secara manual, mencatat jawabannya di lembar kerja, dan membuat perubahannya. Prinsipnya adalah manusia membaca setiap jawaban. Cocok untuk sekitar 10 prompt, satu atau dua mesin, dan tim satu orang. Keunggulannya tidak memakan biaya selain waktu, dan Anda benar-benar merasakan bagaimana setiap mesin menulis tentang kategori Anda. Batasannya adalah waktu dan pergeseran: pengujian manual sering terlewat, kata-katanya merayap, dan lembar kerja jadi sulit dibaca setelah beberapa bulan.
Di sini alat pelacakan menjalankan panel dan menyimpan riwayatnya, sementara seseorang melakukan tindakannya. Cocok untuk 20 sampai 50 prompt, beberapa mesin, dan tim yang menulis konten. Keunggulannya adalah sampling yang konsisten dan garis tren yang jelas. Batasannya, dasbor menunjukkan perubahan tetapi tidak memberi perbaikannya. Anda tetap membutuhkan editor untuk memutuskan apa yang akan ditulis ulang. Dasbor GEO dan SEO menyatukan lalu lintas Google dan AI dalam satu tampilan, yang menjadi masukan untuk tinjauan mingguan.

Dalam versi ini, perangkat lunak menjalankan pengukuran, menyusun atau memperbarui halaman, dan mengusulkan tautan, sementara seseorang menyetujui setiap perubahan. Cocok untuk jumlah halaman yang besar dan tim kecil yang membutuhkan output yang stabil. Keunggulannya, siklus terus berputar setiap minggu tanpa ada orang yang mengejarnya. Batasannya, aturan yang buruk akan terulang dalam skala besar. Anda membutuhkan tinjauan atas setiap perubahan dan log tentang apa yang dilakukan sistem, atau Anda tidak akan tahu perubahan mana yang menggeser bagian Anda.
Sorank dibangun untuk versi ketiga: ia melacak penyebutan AI, menulis dan memperbarui artikel, dan mendapatkan tautan, semuanya dengan autopilot. Apa pun versi yang Anda pilih, tetap jalankan tinjauan mingguan. Bahkan autopilot pun membutuhkan seseorang untuk memeriksa apa yang berubah dan mengapa.
| Versi | Cocok untuk | Risiko utama | Siapa yang mengerjakan |
|---|---|---|---|
| Siklus lembar kerja | Hingga sekitar 10 prompt, satu atau dua mesin | Pengujian yang terlewat dan kata-kata yang bergeser | Satu orang, secara manual |
| Siklus dasbor | 20 sampai 50 prompt, beberapa mesin | Tren yang jelas tanpa perbaikan yang menyertainya | Tim yang menulis dan menyunting |
| Siklus autopilot | Banyak halaman, tim kecil, output yang stabil | Aturan yang buruk terulang dalam skala besar | Perangkat lunak, dengan seseorang menyetujui setiap perubahan |
Setiap kesalahan di bawah ini punya tiga bagian: seperti apa tampilannya, cara mengenalinya di data Anda, dan cara memperbaikinya. Mulailah dari yang Anda kenali, dan periksa sisanya saat tinjauan pertama Anda.
Seperti apa. Satu kali jalan panel, biasanya di satu mesin, disimpan sebagai titik awal untuk sepanjang tahun.
Cara mengenalinya. Lembar kerja Anda punya satu tanggal di header dan tidak ada kolom kedua untuk prompt yang sama. Setiap perubahan yang Anda buat terlihat seperti keberhasilan atau kegagalan, tanpa derau untuk dibandingkan.
Cara memperbaikinya. Untuk baseline, jalankan setiap prompt dua kali per mesin, ambil rata-rata dari kedua jalan itu, dan simpan jawaban mentahnya agar Anda bisa memeriksa ulang baris yang diperdebatkan. Baru setelah itu hitung perubahan sebagai hasil.
Seperti apa. Seluruh panel dijalankan di ChatGPT karena itu mesin yang paling dikenal, dan tim berasumsi hasilnya berlaku di mana saja.
Cara mengenalinya. Kolom sumber mencantumkan domain yang sama di setiap baris. Mesin lain menyebut Anda dengan cara yang berbeda, atau tidak sama sekali, dan tidak ada yang memeriksanya.
Cara memperbaikinya. Tambahkan keempat mesin ke panel. Setiap mesin mengutip sumber yang berbeda, jadi perbaikan untuk satu mesin mungkin tidak menyentuh yang lain. Laporkan bagian per mesin di samping bagian keseluruhan.
Seperti apa. Tim menghabiskan dua minggu untuk file yang dapat dibaca mesin dan tidak menyisihkan waktu untuk halaman yang menurut panel sedang kehilangan penyebutan.
Cara mengenalinya. Tahap Bangun di log tidak punya paragraf yang berubah, hanya suntingan file. Tinjauan mingguan tidak menunjukkan perubahan halaman sama sekali.
Cara memperbaikinya. Dokumentasi Google menyatakan fitur AI-nya tidak memerlukan file baru yang dapat dibaca mesin, file teks AI, atau markup. Curahkan waktu pada klaim di awal setiap bagian, sumber bertanggal, dan tautan internal, yaitu bagian yang benar-benar diubah oleh tahap Bangun.
Seperti apa. Penulisan ulang besar seluruh situs setelah baseline yang buruk, dengan setiap halaman diubah sekaligus.
Cara mengenalinya. Bagian minggu berikutnya bergeser, dan tidak ada yang bisa menyebut perubahan mana yang menyebabkannya. Log hanya punya satu entri untuk sepuluh halaman.
Cara memperbaikinya. Ubah satu klaster per putaran, catat setiap halaman secara terpisah, dan tunggu satu siklus tinjauan penuh sebelum perubahan berikutnya. Siklus yang lebih lambat tetapi bisa Anda baca lebih baik daripada siklus cepat yang tidak bisa Anda jelaskan.
Seperti apa. "Artikel mitra" dengan tautan Anda dan penyebutan dalam jawaban AI, tanpa pengungkapan dan tanpa tinjauan editorial yang nyata.
Cara mengenalinya. Halamannya berbayar, tautannya tidak ditandai sebagai sponsor, dan penyebutannya hanya ada di satu tempat itu. Penyebutan seperti ini jarang bertahan dalam jawaban di berbagai mesin untuk waktu yang lama.
Cara memperbaikinya. Hentikan penempatan itu, dan gantikan dengan koreksi atau data yang dikirim ke editor halaman yang sudah ada. Aturan dan pilihan yang lebih aman ada di Haruskah Anda Membeli Backlink?
Seperti apa. Setiap tautan internal berbunyi "baca selengkapnya", sehingga tautan itu tidak memberi tahu pembaca atau crawler apa pun tentang halaman tujuannya.
Cara mengenalinya. Urutkan jangkar Anda di laporan crawl atau di penganalisis tautan. Jika jangkar yang paling sering muncul bersifat generik, masalahnya sistematis.
Cara memperbaikinya. Tulis ulang setiap jangkar agar menyebut apa yang dijawab halaman tujuan. Perubahannya memakan waktu beberapa menit per tautan dan memberi crawler peta yang lebih jelas.
Satu tautan internal, dua cara
Gunakan rencana ini jika Anda mulai dari nol. Setiap minggu punya satu tugas utama, sehingga siklus sudah berjalan sebelum Anda siap menjalankannya dalam skala besar.
30 hari pertama Anda
Rencanakan setidaknya dua atau tiga putaran sebelum Anda menilainya. Putaran pertama memberi Anda baseline dan satu set perubahan. Jawaban AI bervariasi dari satu kali jalan ke jalan lain, jadi satu minggu saja membuktikan sedikit. Tren selama empat minggu adalah hal pertama yang layak dibaca.
Tidak, setidaknya tidak untuk fitur AI Google. Google menyatakan fitur itu tidak memerlukan file baru yang dapat dibaca mesin, file teks AI, atau markup. Mesin lain menerbitkan panduan lebih sedikit, jadi nilailah file apa pun berdasarkan hasil Anda sendiri. Menambahkannya murah, tetapi itu bukan tahap dalam siklus.
Bisa, dengan lembar kerja dan 20 prompt. Batasannya adalah waktu, karena pengujian manual lambat dan kata-katanya bergeser. Mulailah secara manual, pelajari prompt mana yang penting, lalu pindah ke alat pelacakan ketika panel melampaui kapasitas lembar kerja.
Mulailah minggu ini dengan panelnya. Tulis 20 prompt, ajukan di empat mesin, dan catat angka pertama. Angka itu adalah baseline Anda, dan setiap putaran berikutnya diukur terhadapnya.
Rencanakan setidaknya dua atau tiga putaran sebelum Anda menilainya. Putaran pertama memberi baseline dan satu set perubahan. Jawaban AI bervariasi dari satu kali jalan ke jalan lain, jadi satu minggu saja membuktikan sedikit, dan tren empat minggu adalah hal pertama yang layak dibaca.
Tidak untuk fitur AI Google, yang menurut Google tidak memerlukan file baru yang dapat dibaca mesin, file teks AI, atau markup. Mesin lain menerbitkan panduan lebih sedikit, jadi nilailah file apa pun berdasarkan hasil Anda sendiri. Menambahkannya murah, tetapi itu bukan tahap dalam siklus.
Bisa, dengan lembar kerja dan 20 prompt. Batasannya adalah waktu, karena pengujian manual lambat dan kata-katanya bergeser. Mulailah secara manual, pelajari prompt mana yang penting, lalu pindah ke alat pelacakan ketika panel melampaui kapasitas lembar kerja.
