Panduan Praktis Cara Melakukan Technical SEO Audit Menggunakan Claude Desktop & MCP

Proses technical SEO audit tradisional sering kali terjebak dalam rutinitas yang tidak efisien: mengunduh belasan berkas CSV dari crawler, mencocokkan data Google Search Console (GSC) secara manual menggunakan fungsi VLOOKUP atau kueri SQL, lalu mengelompokkan temuan ke dalam ratusan baris lembar kerja yang membuat tim pengembang (developer) kewalahan.

Masalah utama dari metode lama ini bukan terletak pada kemampuan menjalankan alatnya, melainkan pada proses menyatukan data yang terpisah serta menentukan temuan mana yang benar-benar memberikan imbal hasil (ROI) tertinggi.

Artikel ini membahas pendekatan modern: Conversational Technical SEO Audit. Dengan mengintegrasikan Claude Desktop dan arsitektur Model Context Protocol (MCP), Anda dapat menggabungkan data struktur situs (crawl) dan data kinerja pencarian (Google Search Console) ke dalam satu basis data lokal terpadu. Hasilnya adalah laporan audit terprioritas yang tidak hanya menemukan masalah, tetapi juga langsung membuatkan kode perbaikannya melalui percakapan alami.

Mengapa Penggabungan Data (Data Merge) Adalah Kunci Audit SEO

Alat audit SEO konvensional umumnya hanya berfokus pada salah satu sudut pandang:

• Site Crawler: Memberitahu Anda apa yang dinyatakan oleh situs Anda (tag judul, struktur tautan internal, kanonisasi, status HTTP).
• Google Search Console: Memberitahu Anda bagaimana Google merespons situs Anda (impresi, posisi rerata, klik, dan status indeksasi).

Peluang pertumbuhan trafik terbesar justru berada pada titik temu antara kedua data tersebut. Penggabungan (merge) kedua himpunan data ini mengungkap masalah yang mustahil terdeteksi jika hanya menganalisis satu sumber data:

1. Ghost Pages: Halaman yang masih menghasilkan impresi di pencarian Google, namun sudah terputus dari arsitektur tautan internal (internal link graph) situs Anda.
2. Ketidaksesuaian Judul vs. Kueri Dominan: Halaman yang memiliki peringkat bagus untuk kueri bernilai tinggi, tetapi tag judulnya (title tag) sama sekali tidak memuat kata kunci tersebut.
3. Kanibalisasi Akurat (Tanpa False Positive): Mendeteksi dua halaman yang benar-benar membagi peringkat kata kunci utama, tanpa terkecoh oleh kueri long-tail sekunder yang hanya memiliki impresi tipis.
4. Perbandingan Link Equity vs. Trafik Organik: Mengidentifikasi halaman yang diuntungkan oleh struktur navigasi utama tetapi tidak menghasilkan trafik, atau sebaliknya—halaman yang menghasilkan banyak trafik tetapi posisinya terpendam di dalam struktur navigasi.

Persiapan Infrastruktur & Setup MCP Server

Sebelum memulai proses audit berbasis percakapan, siapkan komponen teknis berikut di perangkat lokal Anda.

Prasyarat System:

• Claude Desktop Application terinstal di komputer.
• Node.js (Versi 20 atau yang lebih baru).
• Google Cloud Service Account yang terhubung ke properti Google Search Console Anda.

Langkah Kritis: Konfigurasi GSC Service Account

Proses menghubungkan akun service account merupakan langkah yang sering mengalami kendala jika tidak dikonfigurasi secara benar.

1. Buat Service Account baru melalui Google Cloud Console dan unduh berkas kunci autentikasi (JSON key).
2. Salin alamat email Service Account tersebut (format: nama-account@project-id.iam.gserviceaccount.com).
3. Buka Google Search Console, pilih properti situs Anda, lalu masuk ke Settings > Users and permissions.
4. Tambahkan email Service Account tersebut sebagai pengguna baru dengan izin Full atau Owner.

Peringatan Teknis: Jika Anda melewatkan langkah menambahkan email Service Account ke dalam properti Search Console, perintah pemeriksaan properti akan mengembalikan hasil kosong meskipun MCP server terpasang dengan benar di Claude Desktop.

Keamanan & Privasi Data

Seluruh data hasil penelusuran (crawl) dan riwayat Search Console disimpan secara lokal dalam berkas basis data SQLite di komputer Anda. Pemrosesan model penilaian berjalan secara lokal tanpa ada telemetri atau pengiriman data internal situs ke server pihak ketiga.

Panduan Audit 11-Langkah Berbasis Percakapan

Setelah integrasi MCP terpasang, jalankan technical SEO audit langsung melalui antarmuka Claude Desktop dengan alur perintah (prompts) berikut.

Langkah 1: Verifikasi Koneksi Properti

Ketik perintah berikut untuk memastikan Claude dapat membaca akun Search Console Anda:

Plaintext

list properties

Output: Claude akan menampilkan daftar properti domain yang terhubung ke Service Account Anda.

Langkah 2: Sinkronisasi Data Riwayat & Penelusuran Situs (Crawl)

Jalankan perintah pengumpulan data gabungan:

Plaintext

Refresh sc-domain:yoursite.com

Proses ini menjalankan beberapa tindakan secara simultan:

• Menarik seluruh riwayat Google Search Console.
• Melakukan penelusuran (crawl) berbasis HTTP/2 yang mematuhi aturan robots.txt.
• Menghitung nilai ekuitas tautan internal (internal link equity).
• Menemukan halaman orphan dengan membandingkan sitemap, struktur navigasi, dan URL yang tercatat di GSC.

Catatan Performa: Proses penarikan riwayat pertama kali memakan waktu lebih lama tergantung pada skala situs (misalnya ~30 menit untuk situs menengah). Namun, penarikan selanjutnya bersifat inkremental dan hanya membutuhkan waktu beberapa detik.

Langkah 3: Jalankan 90 Pemeriksaan Teknis Otomatis

Untuk memulai pengujian basis data terpadu, ketik:

Plaintext

Run an SEO audit on yoursite.com

Secara default, sistem menjalankan pemeriksaan berjenis Deterministic (fakta teknis terukur seperti tautan rusak, kesalahan kanonikal, atau redirect loop). Jika Anda ingin menyertakan penilaian berjenis Judgement (analisis berbasis persepsi model, seperti kesesuaian niat pencarian), gunakan perintah:

Plaintext

Run an SEO audit on yoursite.com and include the judgement findings

Kategori Pemeriksaan	Tipe Data	Contoh Temuan
Deterministic	Fakta Terukur	Link 404, Canonical Tag Mismatch, Broken Structured Data, Redirect Chains.
Judgement	Analisis Model	Ketidaksesuaian Niat Kueri (Search Intent), Kualitas Paragraf Jawaban, Relevansi Topik.

Langkah 4: Isolasi & Analisis 5 Temuan Teratas

Alih-alih membaca ratusan baris laporan, instruksikan Claude untuk menampilkan masalah dengan dampak lalu lintas tertinggi:

Plaintext

Show me the top 5 prioritised findings for yoursite.com

Setiap temuan yang ditampilkan akan menyertakan tiga komponen utama:

1. Bukti Data (Evidence): URL, kueri terkait, posisi rata-rata, impresi, dan jumlah klik.
2. Estimasi Potensi Trafik (Traffic at Stake): Proyeksi jumlah klik yang bisa dipulihkan.
3. Rekomendasi Tindakan (Action Plan): Langkah konkret yang harus diambil.

Langkah 5: Buat Kode Perbaikan Siap Pakai (Fix Generation)

Setelah mengisolasi masalah, instruksikan Claude untuk menuliskan solusi teknisnya secara langsung:

Plaintext

Generate the fix for the broken link on /halaman-lama

Atau untuk pembuatan skema data terstruktur:

Plaintext

Write the Product structured data for /widgets

Claude akan menghasilkan artefak teknis berupa konfigurasi server redirect (Nginx/Apache/.htaccess), blok kode JSON-LD yang tervalidasi, atau daftar halaman donor untuk penguatan internal link.

Langkah 6: Diagnostik Kesehatan Situs (Site Health)

Untuk meninjau indikator teknis dasar seperti pada alat crawler konvensional, gunakan perintah:

Plaintext

Show me the site health for yoursite.com

Sistem akan menampilkan distribusi kode respons HTTP, rantai redirect, waktu respons server, dan analisis ukuran halaman.

Efisiensi Bandwidth: Pemeriksaan gambar berukuran besar (heavy images) dilakukan dengan cara memeriksa HTTP Header tanpa mengunduh berkas fisik media. Metode ini menjaga konsumsi bandwidth tetap efisien dan tidak membebani server situs.

Langkah 7: Identifikasi Peluang Struktur Konten Baru

Temukan kueri bernilai yang belum memiliki halaman pendaratan (landing page) khusus:

Plaintext

Suggest new pages for yoursite.com

Perintah ini menganalisis kata kunci dari data GSC di mana situs Anda berada di posisi halaman dua atau tiga pencarian, lalu merekomendasikan pembuatan halaman baru beserta usulan halaman internal yang cocok menjadi donor link.

Untuk menganalisis pola arsitektur berdasarkan templat halaman:

Plaintext

List the page templates on yoursite.com

Langkah 8: Evaluasi Paragraf untuk AI Search (Passage Scoring)

Mesin pencari modern berbasis AI (Google AI Overviews, Perplexity, ChatGPT) mengindeks dan menampilkan paragraf jawaban yang spesifik (passages), bukan sekadar mencocokkan kata kunci tingkat halaman.

Jalankan pengujian tingkat kedalaman paragraf dengan perintah:

Plaintext

Score the passages on yoursite.com

Proses ini menggunakan model klasifikasi lokal berukuran kecil (~25MB) yang menilai apakah paragraf pada halaman target menjawab kueri utama secara padat dan relevan.

Untuk merevisi halaman yang mendapat skor rendah:

Plaintext

Draft the missing content for /halaman-target

Langkah 9: Evaluasi Kesiapan Agen AI (Agent Readiness)

Uji seberapa mudah situs Anda dipahami dan diindeks oleh bot pencari berbasis LLM:

Plaintext

Check agent readiness for yoursite.com

Claude akan memberikan skor 0–100 yang mencakup aspek keterbacaan struktur data, aksesibilitas berkas robots.txt untuk bot AI, serta kejelasan hierarki konten.

Langkah 10: Integrasi Data Kata Kunci Eksternal (DataForSEO)

Untuk melengkapi analisis internal dengan data pasar eksternal (seperti volume pencarian total dan analisis celah kata kunci pesaing), Anda dapat menghubungkan API DataForSEO opsional:

Plaintext

What do my competitors rank for that I don't?

Perintah ini membandingkan ranah kata kunci situs Anda dengan pesaing utama untuk menemukan content gap yang belum terjangkau oleh data Search Console internal.

Langkah 11: Deteksi Perubahan Pasca-Deploy & Ekspor Laporan

Sebelum mempublikasikan perbaikan ke klien atau tim internal, lakukan dua langkah akhir:

1. Deteksi Regresi Teknis:PlaintextDetect changes on yoursite.com Sistem membandingkan data dari dua titik waktu penelusuran (crawl) untuk mendeteksi munculnya halaman 404 baru, perubahan tag kanonikal yang tidak disengaja, atau hilangnya structured data.
2. Ekspor Laporan HTML:PlaintextExport the report for yoursite.com Menghasilkan satu berkas HTML mandiri (standalone) berisi dasbor interaktif, bukti analisis, dan daftar rekomendasi perbaikan yang siap dipresentasikan kepada klien.

Model Prioritasi Temuan: Berpikir Berdasarkan ROI Dev-Hours

Pendekatan audit berbasis percakapan ini mengganti sistem prioritas konvensional berbasis warna (Merah/Kuning/Hijau) dengan Model Rasio Pemulihan Trafik.

Setiap temuan dihitung menggunakan formula kuantitatif:

$$\text{Skor Prioritas} = \frac{\text{Trafik Berisiko (Clicks at Stake)} \times \text{Tingkat Kepastian Bukti Data}}{\text{Estimasi Jam Kerja Pengembang (Developer-Hours)}}$$

Melalui kalkulasi ini, tugas perbaikan sederhana yang berdampak besar pada lalu lintas organik (seperti mengoptimalkan title tag pada halaman yang sudah masuk peringkat 10 besar) akan diprioritaskan jauh di atas perbaikan struktur yang rumit namun hanya memulihkan sedikit trafik.

Ringkasan Alur Kerja Rutin Technical SEO Audit

Frekuensi	Perintah Utama	Fokus Eksekusi
Mingguan	Refresh & Detect changes	Memantau regresi teknis, mendeteksi halaman 404 baru pasca-deploy.
Bulanan	Run an SEO audit	Evaluasi menyeluruh 90 pemeriksaan teknis dan pembaruan prioritas perbaikan.
Per-Rilis Kode	Generate the fix & Export report	Menghasilkan berkas perbaikan untuk pengembang dan memperbarui dokumentasi audit.

Dengan mengintegrasikan Claude Desktop, Model Context Protocol, dan basis data terpadu, proses technical SEO audit tidak lagi berfokus pada pekerjaan manual mengolah lembar kerja, melainkan pada eksekusi strategi perbaikan berbasis data yang cepat, aman, dan terukur.