Menulis dengan jawaban di awal: susun halaman agar bisa dikutip manusia dan AI

Penulisan dengan jawaban di awal menempatkan jawaban atas pertanyaan utama halaman di paragraf pertama, membatasi setiap bagian pada satu ide, dan merumuskan setiap definisi serta angka agar tetap masuk akal ketika dikutip terpisah dari halaman. Pembaca yang memindai teks lebih cepat menemukan intinya, dan sistem yang mengambil satu bagian mendapatkan informasi yang lengkap. Tidak diperlukan markup khusus.

Apa arti penulisan dengan jawaban di awal?

Artinya ada tiga kebiasaan yang masing-masing mudah diuji pada draf.

Paragraf pertama menjawab pertanyaan dalam judul. Jika halaman menanyakan berapa lama peninjauan berlangsung, kalimat pembuka memberikan durasinya, lalu diikuti latar belakang. Satu ide per bagian membuat setiap judul sesuai dengan isinya: judul menjanjikan satu hal, bagian tersebut menyampaikannya lalu berhenti. Definisi dapat dipahami sendiri: "X adalah Y" dalam satu kalimat, dengan X disebutkan secara lengkap alih-alih menggunakan "itu" atau "pendekatan ini", sehingga kalimat tetap dapat dipahami ketika disalin ke halaman lain, jawaban percakapan, atau cuplikan pencarian.

Mengapa struktur membantu orang yang memindai teks?

Nielsen Norman Group (NN/g) melaporkan pada 1997 bahwa orang membaca halaman web secara sekilas: Jakob Nielsen menulis bahwa 79% pengguna uji selalu memindai setiap halaman baru dan 16% membaca kata demi kata (terbuka di tab baru)^[6]. Halaman tersebut tidak menyebutkan jumlah pesertanya. Sebuah makalah oleh John Morkes dan Jakob Nielsen (terbuka di tab baru)^[7] lebih spesifik. Dalam studi keduanya, 15 dari 19 peserta selalu berusaha memindai teks yang belum dikenal dan 3 membacanya kata demi kata, sesuai dengan 79% dan 16% jika dibulatkan, meskipun halaman tahun 1997 itu tidak menyatakan bahwa data tersebut digunakan. Studi pengukurannya meminta 51 pengguna web berpengalaman masing-masing menggunakan satu dari lima versi situs perjalanan tujuh halaman yang sama. Pada skor kegunaan keseluruhan (rata-rata geometrik dari lima ukuran yang dinormalisasi: waktu tugas, kesalahan tugas, ingatan, waktu menggunakan peta situs, dan kepuasan subjektif, dengan versi kontrol yang bersifat promosi ditetapkan pada 100), versi yang mudah dipindai mendapat skor 147. Versi yang menggabungkan penulisan ringkas, mudah dipindai, dan objektif mendapat skor 224.

Pelacakan mata menunjukkan hal yang sama. Artikel NN/g tentang pola berbentuk F (terbuka di tab baru)^[8] (Kara Pernice, diterbitkan 2017, ditinjau Agustus 2026) melaporkan bahwa titik fokus mata terkumpul di bagian atas dan kiri halaman. Artikel itu menyarankan agar poin terpenting diletakkan dalam dua paragraf pertama dan judul diawali dengan kata-kata yang paling informatif. Judulnya sendiri menyebut pola ini "disalahpahami", dan artikel itu mencantumkan pola pemindaian lain, jadi anggaplah sebagai kecenderungan, bukan hukum.

Pengujian tahun 1997 menggunakan satu situs kecil dan tugas mencari fakta. Tidak satu pun dari kedua sumber NN/g tersebut menguji halaman dengan jawaban di awal pada asisten AI.

Mengapa ini membantu sistem temu kembali?

Sistem tanya jawab berbasis temu kembali sering memilih bagian teks, bukan seluruh halaman. Makalah Dense Passage Retrieval (Karpukhin et al., 2020 (terbuka di tab baru)^[9]) menjelaskan bahwa tanya jawab domain terbuka mengandalkan "pengambilan bagian teks yang efisien untuk memilih kandidat konteks". Bagian yang dibuka dengan jawaban dan menyebutkan subjeknya dapat dipilih dan dibaca tanpa paragraf di sekitarnya. Bagian yang mengatakan "seperti disebutkan di atas" lebih sulit digunakan secara terpisah.

Liu et al. (2023) (terbuka di tab baru)^[10] menguji model bahasa dengan input panjang dan menemukan bahwa "kinerja sering kali paling tinggi ketika informasi yang relevan berada di awal atau akhir konteks input." Temuan ini berkaitan dengan urutan teks dalam input model, bukan tata letak halaman web, sehingga hanya mendukung penempatan jawaban di awal melalui analogi.

Makalah-makalah ini tidak menjelaskan cara asisten tertentu membagi halaman web. Alasan penggunaan struktur di sini adalah kesimpulan desain, bukan hasil pengukuran. Untuk mengetahui apa yang dihitung dan tidak dihitung oleh studi tentang lalu lintas rujukan AI, lihat apa yang diukur oleh studi tersebut.

Apa yang ditemukan makalah GEO?

Makalah GEO (Aggarwal et al., arXiv 2311.09735 (terbuka di tab baru)^[2], diajukan November 2023, diterima di KDD 2024) menguji apakah penulisan ulang halaman mengubah tingkat visibilitasnya dalam jawaban yang dihasilkan AI. Para penulis membuat GEO-bench, berisi 10.000 kueri di 25 domain, dan pipeline khusus yang mengambil lima hasil Google teratas lalu meminta gpt-3.5-turbo menulis jawaban dengan sitasi. Mereka menulis ulang teks sumber dengan sembilan metode: Authoritative, Statistics Addition, Keyword Stuffing, Cite Sources, Quotation Addition, Easy-to-Understand, Fluency Optimization, Unique Words, dan Technical Terms. Hasil utama berasal dari bagian uji berisi 1.000 kueri, dirata-ratakan dari lima seed acak, dengan satu sumber yang dipilih secara acak per kueri untuk ditulis ulang.

Visibilitas dinilai dengan dua cara. Position-Adjusted Word Count menghitung kata dalam kalimat yang mengutip sumber, dengan bobot berdasarkan posisi sitasi. Subjective Impression adalah kumpulan tujuh skor dari GPT-3.5, seperti relevansi dan kemungkinan klik. Makalah tersebut menyesuaikan skala Subjective Impression agar memiliki rata-rata dan varians yang sama dengan metrik pertama, sehingga keduanya dimulai dari nilai dasar 19,3 dan skor mentahnya tidak dapat dibandingkan. Tabel berikut menggunakan kolom Overall untuk Position-Adjusted Word Count dan kolom Average untuk Subjective Impression.

Skor berasal dari Tabel 1 makalah tersebut; persentase dihitung di sini terhadap nilai dasar yang tidak berubah. Teks makalah dan tabelnya tidak sepenuhnya selaras. Teks menyatakan Cite Sources, Quotation Addition, dan Statistics Addition masing-masing naik 30-40% pada Position-Adjusted Word Count dan 15-30% pada Subjective Impression, tetapi Tabel 1 menunjukkan Cite Sources +27% dan +13%, di bawah Fluency Optimization pada metrik pertama. Teks juga melaporkan "tidak ada peningkatan signifikan" untuk Authoritative, sedangkan Tabel 1 menunjukkan +10% dan +19%. Persentase di atas mengikuti tabel.

Pada mesin Perplexity.ai yang telah diluncurkan, yang diuji pada subset 200 kueri dari bagian uji dengan teks sumber diberikan sebagai file yang diunggah, Quotation Addition memberikan hasil terbaik pada Position-Adjusted Word Count dengan peningkatan 22% dibandingkan nilai dasar.

Pengujian terpisah menulis ulang setiap sumber untuk satu kueri dengan metode yang sama sekaligus. Tabel 2 makalah tersebut melaporkan perubahan relatif dalam "visibilitas" berdasarkan posisi dalam hasil Google, tanpa menyebutkan metrik mana dari dua metriknya yang digunakan. Sumber di peringkat kelima naik 115,1% (Cite Sources), 99,7% (Quotation Addition), dan 97,9% (Statistics Addition). Sumber di peringkat pertama turun 30,3%, 22,9%, dan 20,6% dengan tiga metode yang sama. Para penulis berpendapat bahwa ini menguntungkan situs berperingkat lebih rendah; peringkat tidak sama dengan ukuran, dan angka-angka tersebut berasal dari satu pipeline simulasi. Gambaran yang lebih luas tersedia di optimasi mesin generatif untuk bisnis berbasis keahlian.

Ada empat keterbatasan:

• Metode-metode tersebut adalah penulisan ulang pilihan kata dan konten oleh model: gaya, statistik, kutipan, dan sitasi. Tidak ada yang dijelaskan mengubah judul, ringkasan, tabel, atau urutan jawaban, sehingga struktur jawaban di awal tidak diuji secara langsung. Easy-to-Understand dan Fluency Optimization adalah yang paling mendekati.
• Pengujian dilakukan pada satu pipeline simulasi dan satu mesin yang beroperasi secara langsung. Para penulis mengatakan mesin akan berubah, dan mereka tidak mengukur dampaknya pada peringkat pencarian konvensional.
• "Visibilitas" berarti seberapa banyak jawaban yang mengutip suatu sumber, bukan klik atau penjualan.
• Kutipan, angka, dan sitasi hanya membantu jika nyata dan dapat diperiksa. Yang direkayasa akan menyesatkan pembaca.

Apa kata Google tentang markup dan struktur?

Dokumentasi Google tentang fitur AI di Search menyatakan "Tidak ada persyaratan tambahan untuk muncul di AI Overviews atau AI Mode" (terbuka di tab baru)^[3], bahwa tidak diperlukan data terstruktur schema.org khusus, dan bahwa Anda tidak memerlukan file baru yang dapat dibaca mesin atau file teks AI (terakhir diperbarui 10 Desember 2025). Google memang menyarankan agar konten penting tersedia dalam bentuk teks dan data terstruktur sesuai dengan teks yang terlihat. Untuk aspek berbasis file dari pertanyaan ini, lihat apakah llms.txt penting.

Panduan optimasi untuk fitur AI generatif (terbuka di tab baru)^[1] Google yang lebih baru (ditambahkan 15 Mei 2026, terakhir diperbarui 10 Juli 2026) membahas struktur secara langsung: "Tidak ada keharusan untuk memecah konten Anda menjadi bagian-bagian kecil agar AI lebih memahaminya." Panduan itu menambahkan bahwa orang umumnya menghargai halaman yang disusun dalam paragraf dan bagian, dengan judul yang memberikan struktur yang jelas. Alasan menggunakan jawaban di awal di sini adalah manfaatnya bagi pembaca; Google tidak mengatakan fitur AI-nya membutuhkannya.

Kebijakan data terstruktur (terbuka di tab baru)^[4] Google menjadikan poin kedua sebagai aturan: "Data terstruktur Anda harus benar-benar merepresentasikan konten halaman." Konten yang tidak dapat dilihat pembaca tidak boleh diberi markup (terakhir diperbarui 10 Juli 2026).

Hasil kaya FAQ sudah tidak ada. Dalam entri tertanggal 8 Mei 2026, log pembaruan Search (terbuka di tab baru)^[5] menyatakan "Fitur ini tidak akan lagi muncul di Google Search mulai 7 Mei 2026", dan entri tanggal 15 Juni menghapus dokumentasinya. Bagian FAQ tetap membantu pembaca yang datang dengan beberapa pertanyaan yang sama, jadi tulislah untuk mereka. Setiap markup harus sesuai dengan pertanyaan dan jawaban pada halaman.

Elemen halaman mana yang membentuk struktur?

Batas 60 kata dan 40 hingga 70 kata adalah pedoman editorial praktis, bukan ambang batas dari penelitian. Nama penulis dan detail bisnis yang konsisten juga berkaitan dengan entitas, yang dibahas dalam SEO entitas untuk para ahli.

Seperti apa contoh sebelum dan sesudahnya?

Contoh ilustratif ini menggunakan studio dan angka rekaan. Pertanyaan halaman adalah berapa lama peninjauan portofolio berlangsung.

Sebelum

Portofolio setiap pekerja kreatif berbeda, dan kami selalu percaya bahwa umpan balik yang baik tidak bisa diberikan secara terburu-buru. Selama bertahun-tahun kami menyempurnakan proses yang menyeimbangkan ketelitian dan fleksibilitas. Waktu pengerjaan bergantung pada ukuran portofolio, jumlah putaran yang diperlukan, dan kesibukan kami, jadi sebaiknya hubungi kami dan kami akan mencari tahu apa yang cocok untuk Anda.

Sesudah

Peninjauan portofolio memerlukan lima hari kerja sejak file Anda diterima. Anda menerima laporan tertulis hingga enam halaman dan satu panggilan selama 45 menit. Satu peninjauan mencakup hingga 20 karya; portofolio yang lebih besar dibagi menjadi dua putaran, sehingga menambah lima hari kerja. Jika Anda memiliki tenggat, sampaikan saat memesan dan kami akan mengonfirmasi secara tertulis apakah kami dapat memenuhinya.

Teks Sebelum tidak memiliki apa pun yang dapat dikutip pembaca atau sistem pengekstrak: tidak ada durasi, tidak ada subjek yang disebutkan, dan ada instruksi untuk menghubungi. Teks Sesudah dimulai dengan durasi, menyebutkan hal yang diukur waktunya agar kalimat pertama dapat dipahami sendiri, menyertakan angka untuk setiap kondisi, dan mengganti "hubungi kami" dengan tindakan yang spesifik.

Apa saja isi daftar periksa halaman dengan sepuluh poin?

1. Paragraf pertama menjawab pertanyaan judul dalam 60 kata atau kurang.
2. Setiap H2 adalah pertanyaan yang akan diajukan pembaca, dengan kata-kata informatif di awal.
3. Setiap bagian memuat satu ide dan berhenti setelah menyampaikannya.
4. Setiap definisi berbunyi "X adalah Y" dan menyebutkan X secara lengkap, tanpa mengandalkan "itu", "ini", atau "seperti di atas".
5. Ringkasan 40 hingga 70 kata berada di bagian atas dan dapat dipahami sendiri.
6. Perbandingan disajikan dalam tabel dengan atribut yang sama untuk setiap pilihan.
7. Tanggal penerbitan, pembaruan, dan peninjauan serta nama penulis terlihat.
8. Setiap angka disertai tahun, populasi, dan metriknya, dengan sumber ditautkan pada klaim.
9. Setiap FAQ berupa teks yang terlihat dan ditulis untuk pembaca, dan setiap markup sesuai dengannya.
10. Fakta utama tersedia dalam teks, bukan hanya dalam gambar atau video.

Untuk bisnis berbasis keahlian, penulisan ulang yang sama berlaku pada materi yang dipelajari Digital Mind. Panduan Plandora untuk dokumen di Drive Mind adalah mempertahankan satu topik per dokumen dan menggunakan judul atau daftar untuk materi yang akan dibaca sekilas oleh pengunjung. Uji hasilnya di pratinjau percakapan: jawaban AI bisa salah.

Blog ini mengikuti format yang dijelaskan di sini. Setiap artikel dibuka dengan ringkasan, mencantumkan poin-poin penting, diakhiri dengan FAQ dan daftar sumber bernomor, serta menampilkan tanggal penerbitan, pembaruan, dan peninjauan. Itulah cara halaman-halaman ini dibuat. Itu bukan bukti bahwa format tersebut menghasilkan sitasi, dan artikel ini tidak mengklaim demikian.