Apa praktik terbaik untuk menganalisis data dengan AI di pemasaran dan mengambil keputusan yang berdasar kuat? Aturan emasnya muat dalam satu baris: perlakukan setiap kesimpulan AI sebagai hipotesis sampai Anda bisa menunjukkan data di baliknya. Segala hal lain (merumuskan pertanyaan dengan benar, menyatukan sumber, review bersama tim) ada supaya aturan itu dijalankan tanpa mengubah setiap analisis menjadi audit.
Persoalan ini sudah merambah ke kontrak. Menurut Digiday, agensi memasukkan AI ke dalam master service agreement mereka klausul demi klausul alih-alih menulis ulang seluruhnya. Tiga hal memicu perubahan: klien meminta diberi akses ke alat AI milik agensi, klien meminta bahasa spesifik tentang AI ditambahkan, atau alat baru bertenaga AI dipakai pada proyek klien. Keri Bruce, partner di firma hukum Reed Smith, mengatakannya dengan sederhana: “Pada akhirnya, orang menginginkan keterbukaan. Mereka ingin tahu alat apa yang dipakai.”
Mengetahui alat mana yang dipakai adalah langkah pertama. Langkah berikutnya, yang pernah didengar setiap account director dalam rapat, lebih tidak nyaman: “Lalu dari mana kita tahu itu?” Jika jawabannya “kata AI-nya begitu”, insight itu nyaris tak bernilai, sebagus apa pun kelihatannya.
Mengapa analisis berbasis AI menumbuhkan ketidakpercayaan?
Karena sering kali ia datang tanpa jejak. Ringkasan yang rapi, tiga kesimpulan yang meyakinkan, dan tidak ada jalan kembali ke data asli. Klien tidak bisa membedakan apakah mereka sedang melihat pembacaan yang solid atau sintesis yang masuk akal tetapi belum diperiksa siapa pun.
Lalu tambahkan silo. Social listening ada pada satu tim, data kampanye pada tim lain, CRM di pihak klien, dan iklan pesaing berupa tangkapan layar di dalam deck. AI hanya menganalisis apa yang Anda berikan, sehingga sumber yang parsial menghasilkan kesimpulan yang parsial, dan setiap tim datang ke rapat dengan versi kenyataannya sendiri.
Hasilnya sangat akrab: berjam-jam terbuang untuk merekonsiliasi angka, rapat untuk memutuskan angka mana yang menang, dan klien yang, demi aman, tidak memercayai satu pun.
Asimetri informasi: masalah yang mendasarinya
Teori Asimetri Informasi, yang dipopulerkan ekonom George Akerlof lewat “market for lemons”-nya yang terkenal, menjelaskan apa yang terjadi ketika satu pihak tahu jauh lebih banyak daripada pihak lain. Pembeli, yang tidak bisa membedakan yang baik dari yang buruk, mencurigai segalanya dan membayar lebih rendah untuk segalanya.
AI bekerja dengan cara yang sama. Jika klien tidak bisa melihat bagaimana sebuah kesimpulan dicapai, mereka menurunkan nilai semuanya, termasuk yang bagus. Dan waktunya nyaris tak bisa lebih buruk: menurut Digiday, AI mengurangi jam yang dibutuhkan pekerjaan dan mengguncang model billable hours agensi. Jika pekerjaan memakan lebih sedikit jam dan menumbuhkan lebih sedikit kepercayaan, margin terjepit dari dua sisi.
Asimetri itu juga ada di dalam agensi. Analis tahu bagaimana analisis dilakukan; account director tidak; tim kreatif lebih tidak tahu lagi. Jalan keluarnya sama dalam kedua kasus: bagikan buktinya. Kolaborasi menaklukkan inefisiensi ketika semua orang melihat data yang sama dan bisa memeriksa hal yang sama.
Apa yang membuat kesimpulan AI dapat diverifikasi?
Gunakan tabel ini sebagai checklist sebelum analisis apa pun dikirim ke klien.
| Kriteria | Kesimpulan “kotak hitam” | Kesimpulan yang dapat diverifikasi |
|---|---|---|
| Asal | “Kata AI-nya begitu” | Tautan ke postingan, iklan, atau catatan tertentu |
| Cakupan | Tanpa sumber, volume, atau periode waktu | Menyebutkan sumber, volume yang dianalisis, dan tanggal |
| Penalaran | Mencampur pengamatan dan interpretasi | Memisahkan apa yang terlihat dari apa yang disimpulkan |
| Uji tantang | Hanya bukti yang mendukung | Menyertakan apa yang membantah atau memberi catatan pada kesimpulan |
| Review | Satu orang, tanpa catatan | Ditinjau oleh tim strategi, media, dan account |
| Dapat diulang | Mustahil diulang | Orang lain di tim mencapai hasil yang sama |
| Dalam rapat | Dibela dengan otoritas | Dibela dengan contoh |
Praktik terbaik analisis data AI, langkah demi langkah
- Mulailah dari keputusan, bukan data. Tuliskan pertanyaannya dan apa yang akan Anda lakukan secara berbeda tergantung jawabannya. Jika tidak ada jawaban yang mengubah apa pun, Anda tidak membutuhkan analisis itu.
- Satukan sumber di satu tempat. Social listening, iklan pesaing, data kampanye, dan, jika memungkinkan, data klien. Semakin tidak terfragmentasi basisnya, semakin kecil bias kesimpulannya.
- Pisahkan pengamatan dari interpretasi. “Banyak komentar menyebut harga” adalah pengamatan. “Harga menghambat pembelian” adalah interpretasi. Minta alat menyajikannya secara terpisah.
- Tuntut keterlacakan hingga ke data asli. Setiap kesimpulan harus bisa ditelusuri ke postingan, iklan, atau catatan yang mendukungnya. Di Defy Monitor, misalnya, setiap kesimpulan AI mengarah kembali ke postingan nyata di baliknya, karena strategi direkayasa balik dari apa yang benar-benar dipublikasikan audiens dan pesaing, bukan dari survei.
- Cari bukti yang bertentangan. Tanyakan apa yang membantah kesimpulan tersebut. Jika tidak ada yang muncul, curigalah: entah sampelnya kecil atau pertanyaannya sudah condong.
- Review bersama tim sebelum presentasi. Lima belas menit bersama strategi, media, dan account yang melihat contoh yang sama menghemat berminggu-minggu salah paham.
- Dokumentasikan alat, sumber, dan tanggal. Itulah persis yang, menurut Digiday, mulai diminta klien: alat apa yang dipakai dan bagaimana data mereka ditangani.
Jika Anda ingin melihat bagaimana alur kerja ini disusun, dari mengumpulkan data hingga menanyainya sebagai tim, lihat platform Defy.
Bagaimana memecah silo data di agensi?
Bukan dengan rapat mingguan lagi, melainkan dengan basis bukti bersama. Ketika strategi, media, kreatif, dan account merujuk sumber yang sama, perdebatan berhenti soal angka mana yang benar dan mulai soal apa yang dilakukan dengan angka itu.
Sangat membantu bila menanyai basis itu tidak bergantung pada satu orang. Jika hanya analis yang bisa mengoperasikan dashboard, silo itu tetap ada; hanya saja kini berwujud manusia. Alat yang memungkinkan Anda menanyai data dengan bahasa sehari-hari menyebarkan akses dan, bersamanya, tanggung jawab untuk memeriksa.
Apa yang harus masuk ke kontrak dan presentasi?
Kontrak sudah bergeser. Menurut Digiday, Mile Marker telah menyesuaikan klausul tentang pengelolaan metadata, kekayaan intelektual atas konten buatan AI, dan transparansi tentang alat yang dipakai, sementara Go Fish menambahkan klausul brand safety dan perlindungan data dalam enam bulan terakhir. Klien, rangkum media itu, ingin tahu bagaimana data mereka disimpan dan dipakai, pengawasan manusia seperti apa yang ada, dan alat apa saja yang terlibat.
Masuk akal untuk mendahului dengan tiga komitmen yang tak perlu menunggu perpanjangan kontrak berikutnya:
- Lampiran bukti pada setiap deliverable, yang menunjukkan sumber dan contoh di balik setiap kesimpulan.
- Baris pengawasan yang menyatakan siapa yang meninjau analisis dan kapan.
- Inventaris alat: AI mana yang dipakai, untuk apa, dan dengan data apa.
Brian Yamada dari VML memperingatkan dalam artikel yang sama bahwa struktur biaya standar untuk AI harus disepakati dulu sebelum bahasa kontrak standar bisa ditulis, dan menyarankan agar fleksibilitas untuk meninjau ulang ketentuan dibangun sejak awal. Sampai standar itu tiba, transparansi adalah klausul terbaik yang belum ada di kontrak mana pun.
