Bagaimana Anda membuktikan kepada klien bahwa uang media mereka bekerja? Berhentilah membuka presentasi dengan tangkapan layar ROAS. Bukti yang kini dipercaya klien terdiri dari tiga bagian: model yang menunjukkan apa yang ditambahkan setiap kanal di atas baseline, eksperimen yang mengonfirmasinya, dan bukti yang menjelaskan mengapa angkanya berubah. Marketing mix modelling kembali karena menyediakan bagian pertama dengan baik.
Bukti terbarunya datang dari kawasan Teluk. Campaign Middle East memberitakan bahwa agensi performance TRKKN menggunakan Meridian, marketing mix model open-source dari Google, untuk menganalisis data tiga tahun milik peritel kecantikan Faces. Di 11 kanal, model tersebut memproyeksikan kenaikan pendapatan inkremental sebesar 8,5% dan peningkatan ROI sebesar 10,8 poin persentase, hanya dengan merealokasi anggaran yang sudah ada.
Mengapa marketing mix modelling kembali?
Karena alternatifnya tak lagi meyakinkan siapa pun. Dasbor platform melaporkan konversi yang mereka yakini sebagai hasil kerja mereka, sehingga platform yang menjual media juga yang mengukurnya. Atribusi last click memberikan kredit kepada touchpoint mana pun yang muncul terakhir, yang menguntungkan search dan retargeting sekaligus menelantarkan aktivitas yang sejak awal membangun permintaan.
MMM menempuh jalur berbeda. Metode ini melihat belanja dan penjualan dari waktu ke waktu, di setiap kanal termasuk offline, lalu memperkirakan kontribusi masing-masing di atas baseline. MMM tidak perlu melacak pengguna individual. Dan dengan opsi open-source seperti Meridian, hambatannya kini adalah rekayasa data dan keahlian, bukan biaya lisensi yang mahal.
Harry Lonergan, digital marketing director di Faces, mengatakan kepada Campaign Middle East: “Meridian telah membantu kami melangkah melampaui apa yang kami lihat pada performa last click.” Itulah kalimat yang ingin bisa diucapkan kebanyakan klien.
Apa yang sebenarnya ditunjukkan kasus Faces dan TRKKN?
Detailnya layak dibaca, karena sekaligus bisa menjadi templat. TRKKN memimpin rekayasa data, pembangunan model, dan penerapannya di dalam lingkungan Google Cloud yang sudah dimiliki Faces. Model tersebut mencakup data pemasaran dan pendapatan online maupun offline di Arab Saudi dari 2023 hingga 2025.
Ada tiga output yang penting. Pertama, model ini menunjukkan kanal mana yang mendorong pendapatan inkremental, dengan mengidentifikasi 19% pendapatan sebagai hasil kampanye. Kedua, model ini memperkirakan kurva respons dan saturasi setiap kanal, menunjukkan di titik mana tambahan belanja akan menghasilkan imbal balik yang makin menurun. Ketiga, model ini memodelkan skenario anggaran, dan dari situlah angka 8,5% berasal. Performance Max muncul sebagai kanal terkuat dalam analisis tersebut.
Perhatikan apa yang tidak diminta agensi: tambahan uang. Rekomendasinya adalah memindahkan uang yang sudah ada. Dan kerangka kerjanya berkelanjutan, menilai ulang ROI setiap kali data baru masuk, bukan laporan sekali jadi. Seperti kata Vimal Badiani, managing director TRKKN: “Ini tentang memberi marketer bukti dan keyakinan untuk membuat keputusan yang lebih baik.”
Bukti apa yang dibutuhkan klien untuk memercayai ROI media?
Tidak ada satu metode pun yang cukup. Setiap lapisan menjawab pertanyaan yang berbeda dan memiliki kelemahan yang berbeda.
| Lapisan bukti | Pertanyaan yang dijawab | Metode yang umum | Kelemahan |
|---|---|---|---|
| ROAS yang dilaporkan platform | Seberapa efisien kanal ini, menurut ukurannya sendiri? | Pelaporan ads manager | Menilai pekerjaannya sendiri; mengabaikan inkrementalitas |
| Pemodelan bauran pemasaran | Apa yang ditambahkan setiap kanal di atas baseline? | Model statistik atas belanja dan penjualan selama beberapa tahun | Menjelaskan apa, bukan mengapa; membutuhkan data yang konsisten |
| Uji inkrementalitas | Apakah kanal ini yang menyebabkan kenaikan? | Geo holdout, studi conversion lift | Lambat; biasanya satu kanal dalam satu waktu |
| Kurva saturasi | Di titik mana tambahan belanja berhenti memberikan imbal balik? | Output dari MMM | Hanya sebaik model di baliknya |
| Bukti audiens dan kompetitor | Mengapa hasil berubah? | Social listening, analisis iklan kompetitor | Bersifat anekdotal kecuali ditelusuri ke data nyata |
Sebagian besar agensi menyajikan baris pertama lalu berharap. Agensi yang berhasil mempertahankan anggaran menyajikan kelima-limanya.
Mengapa anggaran media berakhir di tempat yang salah?
Para ekonom punya nama untuk ini: kegagalan pasar. Pasar mengalokasikan sumber daya dengan baik ketika pembeli dan penjual memiliki informasi yang baik. Ketika informasi tidak lengkap, atau hanya dimiliki satu pihak, uang mengalir ke tempat yang salah dan bertahan di sana.
Pembelian media adalah contoh klasiknya. Klien tidak bisa melihat apa yang dilihat platform. Agensi melihat lebih banyak daripada klien, tetapi sering kali dibayar, setidaknya sebagian, berdasarkan jumlah yang dibelanjakannya. Platform melaporkan kinerjanya sendiri. Semua pihak bertindak rasional berdasarkan informasi yang tidak lengkap, dan hasilnya adalah anggaran yang menumpuk di kanal yang tampak bagus di last click, sementara kanal yang membangun permintaan kekurangan asupan. Proyeksi kenaikan 8,5% hanya dari memindahkan anggaran yang sudah dibelanjakan Faces pada dasarnya adalah ukuran dari salah alokasi tersebut.
Solusinya bukan lebih banyak data. Solusinya adalah kejelasan bersama. Dalam dunia bisnis, kejelasan melahirkan kedekatan: ketika klien dan agensi melihat bukti yang sama dan membacanya dengan cara yang sama, pembicaraan bergeser dari membela belanja menjadi memutuskan ke mana belanja itu diarahkan selanjutnya.
Bagaimana membangun kisah ROI media yang dipercaya klien?
- Sepakati hasil bisnis dan baseline-nya. Pendapatan, pelanggan baru, atau margin, serta pandangan jujur tentang apa yang akan terjadi tanpa pemasaran sama sekali.
- Kumpulkan riwayat data yang konsisten. Belanja dan hasil per kanal, online dan offline, ditambah harga, promosi, dan faktor musiman. Faces menggunakan data tiga tahun di 11 kanal.
- Jalankan modelnya. Gunakan MMM open-source seperti Meridian atau mitra spesialis. Mintalah kontribusi per kanal dan kurva saturasi, bukan satu angka ROI saja.
- Validasikan satu temuan dengan eksperimen. Geo holdout pada kanal yang menurut model kelebihan anggaran adalah uji paling meyakinkan yang bisa Anda jalankan.
- Jelaskan alasannya. Pasangkan setiap temuan kanal dengan apa yang benar-benar dikatakan dan terlihat: kreatif yang tayang, apa yang diluncurkan kompetitor, dan bagaimana percakapan audiens bergeser.
- Sajikan realokasi, bukan permintaan. Tunjukkan skenario yang memindahkan anggaran yang sudah ada dan hasil yang diproyeksikannya.
- Jaga model tetap hidup. Jalankan ulang setiap kali data baru masuk, sehingga ROI menjadi pembicaraan rutin, bukan perdebatan tahunan.
Di mana posisi kreatif dan konteks lokal dalam ROI media?
MMM memberi tahu Anda kanal mana yang berhasil. MMM hampir tidak mengatakan apa pun tentang dampak pesannya, dan celah itu penting. Campaign memberitakan riset baru dari Publicis London, System1, dan Effie yang membandingkan kampanye global dengan karya untuk pasar lokal, dan menemukan bahwa kampanye global menghasilkan lebih sedikit hasil komersial. Jika kecocokan antara pesan dan pasarnya memengaruhi hasil sebesar itu, penjelasan yang hanya berdasarkan kanal hanyalah setengah jawaban.
Inilah separuh yang hilang dari kebanyakan deck ROI. Ketika model menyebut paid social melampaui target pada kuartal ketiga, pertanyaan berikutnya dari klien adalah mengapa. Apakah karena kreatifnya? Kompetitor yang sedang diam? Pergeseran topik yang dibicarakan audiens? Defy Monitor menjawabnya dengan menelusuri setiap kesimpulan AI kembali ke postingan nyata yang dipublikasikan di baliknya, dengan strategi yang direkayasa balik dari apa yang benar-benar dipublikasikan audiens dan kompetitor, bukan dari survei. Defy Monitor bekerja berdampingan dengan pengukuran Anda, bukan menggantikannya, sebagai bagian dari platform Defy.
