Bagaimana kami mengaudit Beauty Clinic A: di balik layar Audit Daya Saing Pro CI Subscription

Pertanyaan yang dimulai semua audit ANYÉ adalah satu kalimat. Pemilik klinik mengatakannya dengan kata berbeda — kadang frustrasi, kadang tenang, kadang sambil menunjukkan laporan keuangan — tetapi kalimatnya sama: “Saya keluar Rp 50 juta sebulan untuk marketing. Rp 100 juta berikutnya, ke mana sebaiknya mengalir?”

Itu pertanyaan yang mudah ditanyakan. Itu pertanyaan yang sangat sulit dijawab dengan cara yang bisa dipertahankan.

Kebanyakan agensi pemasaran Indonesia menjawab dengan intuisi. Lebih banyak posting Instagram. Boost story yang bagus. Lebih banyak Reels. Lebih banyak ads. Setiap rekomendasi terdengar masuk akal dalam ruangan dan tidak bisa dipertahankan tiga bulan kemudian. Saat klien menanyakan “kenapa kita putuskan ke arah ini?”, jawabannya adalah pendapat. Pendapat tidak menumpuk; mereka terdepresiasi.

ANYÉ membangun engine sebagai jawaban dari frustrasi itu. Artikel ini menunjukkan engine itu bekerja pada satu kasus — Beauty Clinic A, sebuah klinik kecantikan Jakarta — supaya Anda bisa melihat apa yang mungkin ketika setiap rupiah memiliki bukti yang menyertainya.

Apa yang kami audit

Beauty Clinic A adalah satu dari sekitar 50–65 klinik kecantikan di Jakarta dengan profil revenue Rp 200–800 juta per bulan dan tim pemasaran in-house yang minimal. Itu adalah sweet spot ANYÉ — bisnis yang cukup besar untuk memiliki anggaran pemasaran, cukup kecil untuk merasakan setiap rupiah yang salah-alokasi.

Audit kompetitif kami bukan pemeriksaan saja terhadap apa yang Beauty Clinic A lakukan. Audit ini juga pemeriksaan terhadap tiga peer paling penting bagi pricing power-nya: ZAP Clinic (Cost Leader, Scale Operator), JAC (Differentiation-Focus, Niche Specialist), dan Erha (Cost Leader, Scale Operator). Itu adalah konteks. Beauty Clinic A diukur bukan terhadap “industri” — yang abstrak — tetapi terhadap tiga pesaing nyata yang dia kalah atau menang setiap hari.

Layer 1 — pengumpulan bukti dari delapan permukaan paralel

Engine ANYÉ adalah pipa tiga-layer. Layer pertama mengumpulkan bukti.

Pemasaran modern memiliki delapan permukaan kompetitif — Google search, Google Maps, TikTok, Instagram, marketplace seperti Tokopedia/Shopee, ad libraries, dan satu sumber vertical-spesifik (untuk klinik: panel asuransi, akreditasi, BPJS). Setiap permukaan itu memiliki bahasa sendiri, format datanya sendiri, perilaku scraping-nya sendiri.

Sebagian besar agensi memilih satu atau dua dari delapan dan menyatakannya “audit kompetitif”. ANYÉ menjalankan delapan secara paralel.

Exhibit 1 — Funnel competitive evidence pipeline: dari 2.400 keyword yang di-expand hingga 4 peer terpilih untuk audit ini. Cap di setiap node terdokumentasi di search-volume cap, fetch cap, dan quality threshold.

Untuk Beauty Clinic A, funnel itu mengeluarkan dataset 61 data point Process Map (4 di antaranya GAP — lihat Catatan metodologi di bawah) — distribusi: 4 di Group A (Identitas Produk), 8 di Group B (Suara Pelanggan), 4 di C (Permintaan Pasar), 4 di D (Posisi Kompetitif), 5 di E (Reputasi Entitas), 5 di F (Infrastruktur Digital), 10 di G (Kapabilitas Konversi), 14 di H (Visibilitas), 5 di I (Kapabilitas Perbandingan), 3 di J (Kecerdasan Konten). Setiap titik data memiliki nilai numerik yang dilacak ke sumber yang bisa diaudit.

Biaya total satu cycle Layer 1: sekitar $0,23. Itu bukan typo. Ekonomi yang membuat Pro CI Subscription bermargin tinggi adalah ekonomi yang memungkinkan ANYÉ harga di Rp 12 juta sambil tetap menjadi proposisi nilai yang absurd untuk klien.

Ini bagian yang masih semi-manual hari ini. Sebagian besar Group B (Suara Pelanggan) dan Group J (Kecerdasan Konten) masih dijalankan via prompt template AI synthesis, bukan competitive evidence pipeline otomatis. Kami menerbitkan keduanya secara publik karena cara kerja yang masih manual hari ini juga akan menjadi cara kerja yang otomatis enam minggu lagi — itu komitmen siklus build kami.

Layer 2 — mengubah bukti menjadi skor yang bisa dipertahankan

Dataset 62 data point masuk ke rating engine, lima fungsi deterministik yang menghitung — bukan menghakimi — posisi kompetitif Beauty Clinic A.

Hasil pertama yang keluar: klasifikasi Porter Stuck-in-Middle dengan confidence 0,30. Itu bukan label yang menyenangkan. Itu konsekuensi matematis dari kombinasi data point yang tidak bisa diabaikan:

• F1 (GBP exists + claimed) = 100
• F7 (Website link present on GBP) = 100
• F8 (WhatsApp enabled di GBP) = 100
• F14 (Website loads) = 100
• F20 (IG account active + verified) = 100
• E20 (IG verification) = 100

— infrastruktur digital dasar Beauty Clinic A excellent. Tetapi:

• G15 (Price ranges visible on website) = 0
• G16 (Specific treatment pricing) = 0
• I1 (Why-us / differentiation page) = 0
• I2 (Comparison-stage blog content) = 0
• E19 (Before/after gallery exists) = 0

— tidak ada signal diferensiasi publik. Operasional excellent + tidak ada diferensiasi publik = Stuck-in-Middle. Engine tidak mengarang klasifikasi ini. Engine menghitungnya dari sepuluh data point spesifik di atas.

Setiap orang yang menjalankan rating engine pada dataset yang sama akan mendapat klasifikasi yang sama.

Exhibit 2 — Empat skor Porter untuk Beauty Clinic A. Margin antara klasifikasi teratas (Differentiation-Focus 69,2) dan kedua (Differentiator 62,7) hanya 6,5 poin — di bawah threshold 10 yang memisahkan archetype decisive dari yang Stuck-in-Middle.

Lensa kedua — Maister Trust dengan dekomposisi yang jujur

Trust adalah kuantitas multiplikatif, bukan additif. Satu komponen lemah menyeret seluruh skor ke bawah meskipun tiga komponen lain kuat. Persamaan Maister — Trust = (Credibility × Reliability × Intimacy) / Self-Orientation — menangkapnya secara matematis.

Untuk Beauty Clinic A (engine v2 re-run 27 April 2026): C=48, R=100, I=48, S=78 → Trust 44,5 (band B).

Reliability 100 adalah pilar terkuat di permukaan. Catatan metodologi: dari empat input R (G2 WA response time tested, G4 phone answered, E21 review velocity trend, F14 website uptime), dua di antaranya adalah GAP — G2 dan G4 menunggu tes telepon manual yang dijadwalkan untuk audit follow-up. Nilai R=100 sebagian artefak dari input yang sparse: engine rata-rata-kan input yang ada, dan dua input yang terukur (E21 + F14) keduanya tinggi. Setelah G2 + G4 diisi via tes manual, R diperkirakan turun ke kisaran 65-75. Klinik tetap berfungsi dengan baik di operasional dasar — itu sebabnya skor Retention bagus (kita akan ke sana).

Intimacy 48 adalah pilar terlemah. Touchpoint digital terasa institusional, bukan personal. Bio website membicarakan klinik, bukan pasien. Pesan WhatsApp template, bukan adapted. Tidak ada follow-up Week-12 yang terstruktur.

Self-Orientation 78 adalah angka yang harus diwaspadai. Self-Orientation tinggi = kepercayaan rendah. Salinan website condong ke “kami” alih-alih “Anda” (B3 negative themes 35 → inverted 65; I9 pricing-clarity 10 → inverted 90 → S avg 78). Itu adalah kebocoran lambat yang Maister peringatkan paling banyak.

Threshold 60-poin Maister adalah tempat tekanan harga berhenti. Beauty Clinic A 44,5 berarti 35–45% prospek tahap konsultasi hilang ke perbandingan harga melawan Scale Operators. Pada volume lead 80–120/bulan dengan ticket Rp 4–6 juta, itu Rp 90–200 juta per bulan recovery yang bisa dicapai dengan menggerakkan trust score ke 62 — di mana JAC duduk.

Ini bukan pendapat. Ini matematika multiplikatif yang Maister sudah tetapkan untuk profesi konsultan tiga puluh tahun lalu, diaplikasikan ke data yang ditelusuri.

Lensa ketiga — CDJ funnel yang tidak seimbang

Bagian paling mengejutkan dari audit Beauty Clinic A adalah perpecahan funnel-nya.

Exhibit 3 — Empat tahap CDJ untuk Beauty Clinic A (engine v2). Threshold 50 (garis putus) memisahkan band yang bisa dipertahankan dari yang tidak. MOFU 13,1 adalah temuan paling mahal dalam audit ini; Retention 69,6 adalah pilar yang sebagian besar agensi gagal cite.

• TOFU 46,4 (band BB) — kesadaran cukup. Orang tahu Beauty Clinic A ada.
• MOFU 13,1 (band D) — kebocoran terbesar. Prospek yang sudah tahu tidak punya infrastruktur konten untuk mendukung keputusan booking. (I1 Why-us page = 0; I2 Comparison-stage blog = 0 — dua angka nol ini menyeret skor MOFU ke band D.)
• BOFU 24,2 (band CCC) — tahap konversi rusak. WhatsApp autoresponder hilang, before/after di blog bukan service page, no-claim graphics di paid IG.
• Retention 69,6 (band A) — pasien yang sudah datang kembali. Tetap pilar terkuat di antara empat tahap funnel.

Konsekuensi untuk strategi: fokus 30 hari berikutnya BUKAN pada memperbaiki keempat tahap secara merata. Retention sudah menang; setiap rupiah yang masuk ke program retention di bulan pertama adalah rupiah yang mis-alokasi. MOFU dan BOFU adalah prioritas. Rincian play di IPM kita.

Anda tidak punya masalah pertumbuhan. Anda punya masalah pengakuan. Prospek keluar dari funnel Anda di MOFU karena mereka tidak bisa membedakan Anda dari tiga klinik lain yang kelihatan sama di pencarian Google.

Layer 3 — dari skor ke prescription

Output dari Layer 2 adalah skor. Output dari Layer 3 adalah keputusan. Layer 3 punya dua sub-layer yang harus dibedakan: (a) output deterministik dari engine (32 ERRC bucket terkalibrasi), dan (b) Investment Priority Matrix yang ditulis oleh layer judgment di atasnya (13 play, prescriptive).

3a — Output engine: 32 ERRC bucket terkalibrasi

Engine v2 menghasilkan 32 ERRC bucket untuk Beauty Clinic A sebagai Stuck-in-Middle. Distribusi: 31 ELIMINATE + 1 REDUCE + 0 RAISE + 0 CREATE.

Kenapa hampir semua ELIMINATE? Itulah posture Stuck-in-Middle. Tabel kalibrasi multiplier yang kami rilis di engine v2 (27 April 2026) memetakan archetype ke arahan strategis: Stuck-in-Middle dengan multiplier m_E=1.3 berarti “klarifikasi dulu, eliminasi sinyal yang membingungkan.” Multiplier m_C=0.6 berarti “jangan ekspansi/CREATE selama posture belum jelas.” Output engine yang ELIMINATE-dominant adalah kalibrasi yang benar untuk posture itu — bukan calibration debt.

Catatan history: engine v1 yang lama menggunakan flat 0,6× untuk semua empat aksi → output 22 ELIMINATE-only yang tidak prescriptive. Itu adalah calibration debt yang terdokumentasi di v1, dan engine v2 (27 April 2026) yang baru menggantinya dengan tabel per-archetype × per-action. Yang Anda lihat sekarang (32 bucket terdistribusi) adalah output v2, bukan v1.

Exhibit 4 — Kiri: 22 bucket ERRC mentah dari engine v1 lama (semua ELIMINATE — calibration debt). Kanan: 32 bucket terkalibrasi dari engine v2 (31 E + 1 Rd + 0 R + 0 C). Engine v2 kalibrasi-by-archetype, tetapi tetap ELIMINATE-dominant untuk posture Stuck-in-Middle.

3b — Investment Priority Matrix: 13 play (Claude judgment layer di atas engine)

Output engine adalah backlog “apa yang harus diklarifikasi/eliminasi.” Output IPM adalah keputusan “apa yang harus dibangun selama 30 hari ke depan.” Dua hal yang berbeda — IPM di-author oleh layer Claude judgment di atas output engine, bukan oleh engine sendiri.

Layer Claude judgment membaca 32 ERRC bucket + arketipe + diagnosis funnel + konteks finansial, lalu reframe arah dari ELIMINATE-backward ke CREATE/RAISE-forward: “ELIMINATE comparison-page absence” menjadi “CREATE comparison-stage blog content.” Setiap reframe memiliki dua kriteria eksplisit: “apakah data point ini kapabilitas yang bisa dibangun?” → CREATE/RAISE; “apakah data point ini kompetisi yang sudah hilang?” → REDUCE/ELIMINATE.

Hasil akhir: Investment Priority Matrix dengan 13 play yang dipetakan ke 30 hari, total investasi Rp 22 juta, return estimasi Rp 104–175 juta per bulan, payback Minggu 3.

Setiap play dalam matriks itu menunjuk ke satu data point Process Map yang skor saat ini adalah 0 atau sangat rendah. Tidak ada play yang muncul karena “best practice” — setiap play muncul karena ada satu cell di xlsx yang mengeluarkan skor yang tidak bisa dipertahankan.

Beberapa contoh:

• CREATE WhatsApp autoresponder dengan 4 keyword trigger → mengalamatkan G1 (WA pre-filled message = 0) dan G3 (WA auto-reply = 0). Investasi Rp 2 juta. Estimasi return Rp 24–38 juta/bulan.
• CREATE Bridal Skin Program landing page → mengalamatkan I1 (Why-us page = 0). Margin 78%, hanya 2 peer langsung di Jakarta. Investasi Rp 4 juta. Estimasi return Rp 18–30 juta/bulan.
• RAISE before/after gallery dari blog ke service pages → mengalamatkan E19 (Before/after gallery exists = 0). Investasi Rp 0,5 juta. Estimasi return Rp 12–18 juta/bulan.

Exhibit 5 — Radial Lima Lensa Beauty Clinic A: CLAIM, VOICE, POSITION, EXECUTION, TRUST. Polygon merah = Beauty Clinic A; polygon kelabu = mean tiga peer (ZAP, JAC, Erha). Cell di mana polygon merah berada di luar polygon kelabu adalah cell DOMINASI; cell di mana berada di dalam adalah cell KONTES atau LEPAS.

Apa yang dibawa pulang oleh Beauty Clinic A

Klien meninggalkan engagement dengan empat artefak:

1. Laporan 16 halaman (rilis v3) dengan 5 exhibit data, 2 dari 5 lensa ANYÉ 5 (Lensa Pertama POSITION via Bab 3 + Lensa Keempat EXECUTION via Bab 6), dan IPM 13 play. Ekspansi v4 ke 35-40 halaman dengan kelima lensa lengkap + 9 bab + IPM detail sedang dikerjakan; download saat ini adalah v3 baseline. PDF yang bisa diunduh di bawah adalah versi v3.
2. Spreadsheet 61 data point Process Map yang dipenuhi (4 di antaranya GAP — lihat Catatan metodologi) — sumber semua skor, dengan tanggal akses dan link. Klien bisa mengaudit setiap cell.
3. Walkthrough deck untuk meeting tim internal — 22 slide yang menceritakan audit dalam ~30 menit.
4. 30-day plan dengan setiap play yang dipetakan ke Peta Proses ID, biaya, dan estimasi return.

Semua deliverable ini bertahan: ketika ANYÉ menjalankan audit ulang setelah 60 hari, output baru dapat dibandingkan baris-per-baris dengan output ini. Tidak ada kerja yang dimulai dari nol.

Apa yang ini bisa berarti untuk Anda

Jika Anda pemilik klinik di Jakarta dengan revenue Rp 200–800 juta/bulan dan keingintahuan tentang ke mana rupiah marketing Anda sebaiknya mengalir:

• Unduh laporan lengkap di bawah dan bandingkan dengan klinik Anda sendiri.
• Bandingkan tabel data point Anda dengan tabel Beauty Clinic A. Pola yang Anda lihat di sana cenderung muncul di klinik Anda juga.
• Hubungi WhatsApp kami untuk percakapan 30 menit tentang apakah Pro CI Subscription audit membuat sense untuk situasi spesifik Anda.

Catatan metodologi — apa yang masih GAP

Audit ini ditulis dengan disiplin yang kami sebut “GAP-honest” — setiap data point dengan sumber yang belum terverifikasi ditandai eksplisit. Pada audit Beauty Clinic A, 4 dari 61 data point berstatus GAP:

• G2 (WA response time tested) + G4 (phone answered) — keduanya memerlukan tes telepon manual yang dijadwalkan untuk audit follow-up. Sementara itu, R component Maister Trust (Reliability) over-weighted ke dua input yang terukur (E21 + F14) — itu sebabnya R=100 di output engine ini tetapi diperkirakan turun ke 65-75 setelah G2/G4 diisi.
• H18 (TikTok presence) + H20 (TikTok engagement) — pipeline scraper TikTok (WF-01C) direncanakan tetapi belum dibangun. Audit follow-up dalam 6 minggu akan mengisi keduanya.

Selain itu, rilis PDF v3 berisi 4 dari 9 bab yang direncanakan (Bab 1, 3, 6, 9) dan 2 dari 5 Lensa ANYÉ (POSITION via Bab 3, EXECUTION via Bab 6). 5 bab yang hilang dan 3 lensa sisanya (VOICE, CLAIM, TRUST) dijadwalkan untuk ekspansi v4. Output engine (archetype + Maister + funnel + ERRC + IPM) lengkap di v3; konten v4 yang hilang adalah kedalaman naratif pada lensa, bukan kesimpulan analitik baru.

Ke-4 GAP + chapter coverage v3 ini tidak mengubah temuan headline (Stuck-in-Middle, MOFU katastrofik, Retention sebagai kekuatan undervalued, ERRC ELIMINATE-dominant calibrated). Tetapi mereka ditandai eksplisit supaya pembaca tahu di mana audit ini berhenti dan di mana iterasi berikutnya melanjutkan.

Catatan tentang publikasi

Kami menerbitkan studi kasus ini secara publik dengan persetujuan Beauty Clinic A sebagai bagian dari komitmen kami pada metodologi yang dipublikasikan. Tiga data point identifikasi (nama tepat lokasi, kontak owner, dan satu data operasional) di-redact untuk keamanan klien. Semua skor, semua play, semua angka return adalah real — diturunkan dari engine v2 (rilis 27 April 2026).

Kami melakukan ini karena tesis sentral ANYÉ adalah: metodologi yang dipublikasikan mengalahkan metodologi yang disembunyikan. Audit yang Anda lihat di sini bukan rahasia. Itu adalah cara kami bekerja, ditempatkan di publik supaya Anda bisa menilai apakah cara itu cocok untuk bisnis Anda sebelum pernah membayar kami satu rupiah.

---

Unduh

• Laporan audit v3 (PDF Bahasa — 16 halaman, 4 bab, 2 lensa) — versi Bahasa baseline
• Laporan v4 EN (PDF — 30+ halaman, 9 bab, 5 lensa lengkap) — versi v4 lengkap, English; transcreation Bahasa sedang dikerjakan
• Workpaper audit hidup (Excel — 9 sheet, formula-driven, traceability lengkap) — buka di Excel; sheet Raw_Inputs memiliki kolom source_path + evidence_quote + captured_at sehingga setiap skor bisa ditelusuri kembali ke bukti mentahnya. Sheet Sources_Manifest mendaftarkan ke-12 input flows dengan disk path + tanggal refresh. Sheet Trace_Spot_Check melacak 5 data points perwakilan dari raw → score → engine → IPM.

Workpaper xlsx adalah tulang hidup audit. PDF adalah snapshot dari state workpaper + engine pada 2026-04-27.

Kerangka kerja yang dirujuk

• Matriks Prioritas Investasi — output IPM yang dijelaskan di Layer 3.
• Peta peta proses — skema 202 titik data yang Layer 1 isi.
• Mesin Rating — lima fungsi deterministik yang menghasilkan Layer 2.
• Lima Lensa — CLAIM/VOICE/POSITION/EXECUTION/TRUST yang divisualisasikan di Exhibit 5.
• Gerbang Otoritas H-W6 — disiplin sitasi yang membuat artikel ini bisa dipertahankan.

---

Dipublikasikan 26 April 2026 oleh ANYÉ Digital · Versi audit yang dirujuk: v3 (engine v2 re-run 27 April 2026) · Tanggal audit: April 2026