Selamat pagi, saya まさきん.
Di dunia periklanan, ada satu ucapan yang sudah lama dikenal. Kalimat John Wanamaker, pengusaha department store, “Half the money I spend on advertising is wasted”. Artinya, separuh biaya iklan terbuang sia-sia, tapi tidak ada yang tahu separuh mana yang sia-sia itu.
Salah satu upaya untuk membantah ucapan ini adalah metode Marketing Mix Modeling atau MMM. Belakangan ini saya merasa metode ini kembali disorot, jadi saya coba merangkumnya.
Belakangan ini, layanan yang dulunya sepenuhnya online justru kembali menggelontorkan budget ke iklan offline seperti iklan televisi. Ketika perusahaan berbasis digital “mengalir balik” ke iklan massal, pengukuran efeknya pun tidak bisa lagi cukup hanya dengan indikator online. Kebutuhan akan metode yang bisa menilai efek program lintas offline dan online secara bersamaan, meningkat karena latar belakang seperti ini juga.
Apa itu Marketing Mix Modeling
Metode ini memodelkan secara statistik bagaimana berbagai faktor marketing, seperti penayangan iklan, program promosi, gerakan kompetitor, dan faktor musiman, memengaruhi penjualan.
Ciri khasnya, metode ini bisa menangani bukan hanya indikator yang jelas terlihat angkanya seperti klik dan konversi, tapi juga faktor yang sulit diukur langsung seperti iklan TV atau program di toko. Soal bahaya menilai baik-buruk hanya dari indikator yang mudah dipantau, saya pernah menulis hal yang mirip waktu memikirkan inti dari CRM.
Dulu, ini hanya milik segelintir perusahaan
Waktu pertama kali saya mengenal konsep ini, kesan saya adalah metode dengan ambang penerapan yang sangat tinggi.
Bukan cuma indikator yang jelas angkanya seperti klik dan konversi, tapi juga faktor yang tidak jelas dan sulit diubah jadi angka harus dikumpulkan. Ditambah lagi, cara membagi biaya per media atau slot juga rumit, dan sejujurnya ini pekerjaan yang cukup berat.
Kesan saya, penerapannya juga hanya berkembang di segelintir perusahaan yang cukup canggih. Perusahaan dengan budget iklan massal yang besar, atau perusahaan yang punya orang dari agensi iklan di dalam timnya, yang lebih dulu bergerak ke arah ini. Ada juga faktor khas industri periklanan, di mana semakin pengiklan paham modeling, semakin sulit menjual produk agensi, jadi tidak banyak agensi yang aktif mengedukasi metode ini.
Saya sendiri juga mirip. Budget iklan perusahaan, atau biaya tetap rumah tangga, sering diputuskan asal-asalan. Paket telepon seluler pun kadang tetap dikontrak tanpa dibandingkan. Kebiasaan meninjau ulang dengan angka mungkin memang efektif untuk keduanya.
Setelah diklik, halaman login Rakuten akan terbuka. Setelah login, detail kampanye akan muncul.
Kenapa sekarang di tahun 2026 ini kembali disorot
Beberapa tahun terakhir situasinya berubah, menurut saya. Tapi menyebut alasannya cuma “karena regulasi cookie membuat pengukuran klik jadi sulit” belakangan saya rasa kurang tepat.
Faktanya, Google sempat membatalkan rencana penghapusan cookie pihak ketiga di Chrome, dan pada Oktober 2025 menghentikan sebagian besar API Privacy Sandbox yang jadi pilar rencana itu, hanya menyisakan sebagian seperti CHIPS, FedCM, dan Private State Tokens. Artinya, penguatan regulasi di sisi Chrome tidak berjalan sejauh perkiraan awal.
Meski begitu, browser seperti Safari, Firefox, dan Brave sejak awal sudah memblokir cookie pihak ketiga secara default. Rasio traffic gabungan dari browser-browser ini diperkirakan sekitar hampir 20%, dan ada estimasi bahwa secara total 15 sampai 35% traffic sebenarnya sudah bersifat cookieless. Kondisi di mana hanya mengandalkan last click tidak cukup untuk menjelaskan “iklan mana yang efektif” tetap ada, bahkan setelah Google mengubah arah kebijakannya.
Ada lagi satu gerakan konkret yang mendukung sorotan terhadap MMM. Google sendiri, pada Maret 2024, merilis alat MMM open source bernama “Meridian”. Ini adalah penerus dari Lightweight MMM sebelumnya, ditujukan untuk engineer dan data scientist, mendukung konsep reach and frequency sampai penyisipan pengetahuan domain ke parameter ROI. Menurut saya, fakta bahwa “platform pengukuran itu sendiri berinvestasi pada MMM” ini jauh lebih meyakinkan dibanding sekadar alasan regulasi cookie.
Bertambahnya alat analisis dan data yang lebih mudah dipakai dibanding sebelumnya juga jadi angin segar. Saya tidak akan bilang tingkat kesulitannya sudah turun, tapi setidaknya lebih mudah dijangkau dibanding dulu. Perubahan serupa, “ambangnya turun dibanding sebelumnya”, juga saya rasakan waktu merangkum 3 elemen personalisasi. Untuk yang bekerja langsung di dunia iklan, Nielsen membagikan gratis konsep modeling dan checklist praktisnya, jadi bisa jadi referensi bagus untuk memahami gambaran besarnya lebih dulu.
Perusahaan yang berhasil menerapkan MMM sepertinya punya beberapa ciri yang sama. Perusahaan dengan pengeluaran iklan massal yang besar sehingga biaya modeling mudah tertutupi. Dan perusahaan yang punya orang dari agensi atau data scientist di dalam timnya, sehingga bisa memverifikasi validitas model sendiri, tanpa sepenuhnya bergantung pada black box eksternal. Sebaliknya, untuk perusahaan dengan budget iklan yang masih kecil, mungkin lebih realistis untuk tidak memaksakan penerapan penuh, dan mulai dulu dari memeriksa sejauh mana data iklan sendiri sudah tersedia, misalnya dengan checklist seperti dari Nielsen.
Kesulitan yang tetap tersisa
Meski begitu, kesulitan mengubah efek offline dan branding jadi angka masih belum banyak berubah sampai sekarang.
Kalau memaksa mengubah faktor yang tidak bisa diangkakan jadi angka, justru bisa menurunkan kredibilitas model itu sendiri. Proses menyusun model dalam praktik sering jadi pekerjaan jangka panjang yang butuh kerja sama lama dengan konsultan atau data scientist. Selain itu, pemahaman juga harus dicapai sampai ke media, agensi, dan divisi internal terkait, dan bagian membangun konsensus ini menurut saya sama sulitnya, kalau tidak lebih sulit, dibanding pengumpulan data dan pembuatan model itu sendiri. Keseimbangan ini menurut saya tetap bergantung pada pengalaman manusia, sekalipun alatnya makin canggih.
Kesimpulan
Bukan cuma mengandalkan insting dan pengalaman, bukan pula cuma mengejar jumlah klik. Sebagai metode di antara keduanya, menurut saya Marketing Mix Modeling akan makin penting ke depannya.
Alokasi budget perusahaan, atau biaya tetap rumah tangga, sesekali memang perlu ditinjau ulang dengan angka. Paket telepon seluler mungkin salah satunya.
Setelah diklik, halaman login Rakuten akan terbuka. Setelah login, detail kampanye akan muncul.
Artikel ini mengandung iklan afiliasi. Jika Anda mendaftar produk atau layanan melalui tautan di situs ini, kami mungkin menerima komisi dari perusahaan mitra. Selain itu, pengelola adalah karyawan Rakuten Group dan mungkin menerima imbalan melalui program referral karyawan. Konten dan penilaian artikel dibuat berdasarkan pengalaman nyata dan riset pengelola, terlepas dari ada atau tidaknya iklan, namun kami harap Anda membaca dengan memahami hubungan di atas. Untuk detailnya, silakan lihat Sangkalan & Info Afiliasi. Sangkalan & Info Afiliasi
Artikel ini menggunakan terjemahan mesin. Untuk syarat resmi, silakan cek halaman multibahasa di situs resmi Rakuten Mobile.
Jika Anda memiliki kekhawatiran tentang area jangkauan atau kondisi sinyal Rakuten Mobile, Anda dapat berkonsultasi melalui formulir permintaan perbaikan sinyal resmi.
