ROAS Is Dead: Jurus CMO Cerdas Kembali ke Metrik 'Jadul' Bernama MMM

Halo gengs! Coba bayangin skenario ini. Kamu, seorang Head of Marketing, lagi presentasi di depan C-level. Slides-mu kinclong. Data bertebaran: CTR naik 15%, engagement rate di TikTok gokil, dan — ini jagoannya — ROAS dari Meta Ads tembus 5x! Kamu merasa di atas angin. Sampai akhirnya, CFO nyeletuk, "Keren. Total sales kita naik 8% kuartal ini. Dari angka ROAS 5x itu, berapa rupiah kontribusi pastinya ke kenaikan 8% tadi? Gimana bedainnya sama efek dari TVC yang baru kita rilis, atau program diskon Lebaran kemarin? Atau jangan-jangan karena kompetitor utama kita lagi kehabisan stok?"

Hening. Senyummu perlahan luntur. Real talk: kamu nggak punya jawaban pastinya. Kamu bisa nunjukkin dashboard dari Ads Manager, tapi di lubuk hati, kamu tahu itu bukan gambaran utuh. Itulah 'dosa' terbesar kita sebagai marketer modern. Kita terobsesi dengan metrik-metrik digital yang granular, yang seolah-olah presisi, sampai lupa bahwa perjalanan konsumen itu jauh lebih messy dan non-linear.

Kita terjebak dalam ilusi atribusi. Dan di tahun 2024 ke atas, dengan kiamat third-party cookies dan regulasi privasi seketat Apple ATT, mengandalkan metrik usang ini sama saja dengan membawa pisau ke pertarungan senjata api. It's time to get real. It's time to talk about Marketing Mix Modeling (MMM).

The Last-Click Illusion: Kenapa Angka di Dashboard Itu Menipu

Selama satu dekade terakhir, kita dimanjakan oleh last-click attribution. Model ini memberikan 100% kredit penjualan kepada touchpoint terakhir yang berinteraksi dengan konsumen. Seseorang lihat iklanmu di Instagram, klik, lalu beli? Instagram dapat semua kreditnya. Sederhana, mudah diukur, dan bikin laporan kelihatan bagus. Masalahnya, itu salah besar.

Ini seperti memberikan seluruh pujian atas gol kemenangan ke striker yang cuma melakukan tap-in mudah, sambil mengabaikan assist brilian dari gelandang, atau tekel krusial dari bek yang memulai serangan balik. Perjalanan konsumen itu sebuah tim, bukan one-man show. Mereka mungkin lihat billboard-mu di jalan tol (OOH), dengar tentang brand-mu dari teman (Word-of-Mouth), nonton review di YouTube, baru akhirnya terekspos iklan di Facebook yang jadi 'pukulan terakhir'. Model last-click mengabaikan semua babak sebelumnya.

Oke, marketer yang lebih savvy mungkin pakai Multi-Touch Attribution (MTA). Model ini lebih adil, membagi kredit ke beberapa touchpoint. Tapi MTA punya dua kelemahan fatal di era sekarang. Pertama, ia buta terhadap dunia offline. Budget PR, sponsor event, TVC, kualitas packaging, bahkan sentimen pemberitaan media — semua itu hantu bagi model MTA. Kedua, MTA bergantung pada tracking user-level (cookies, IDFA) yang sekarang sedang dibabat habis atas nama privasi. Akibatnya, data MTA makin bolong-bolong dan tidak reliable.

Menurut data dari AppsFlyer, setelah Apple merilis ATT, opt-in rate untuk tracking hanya sekitar 25% secara global. Artinya, 75% pengguna iPhone jadi 'hantu digital' yang tidak bisa dilacak oleh model atribusi tradisional.

Jadi, saat dashboard Meta atau Google menunjukkan ROAS yang fantastis, angka itu sering kali 'terkontaminasi'. Platform tersebut cenderung mengklaim konversi yang mungkin saja akan terjadi tanpanya, didorong oleh kekuatan brand equity atau channel lain yang tak terukur. Mengalokasikan jutaan dolar budget berdasarkan data yang bias ini adalah resep bencana finansial.

Hello Old Friend: Kebangkitan Mulia Marketing Mix Modeling (MMM)

Di tengah kekacauan ini, sebuah metodologi 'jadul' dari era Mad Men kembali naik panggung dengan gagah: Marketing Mix Modeling (MMM). Kalau kamu pikir ini cuma buat brand FMCG raksasa kayak Unilever atau P&G, kamu salah besar. Raksasa digital seperti Meta, Google, dan Airbnb sekarang justru jadi evangelist terbesarnya.

Jadi, apa itu MMM? Sederhananya: MMM adalah analisis statistik top-down yang menggunakan data historis (biasanya 2-3 tahun) untuk mengisolasi dan mengukur dampak dari setiap aktivitas marketing (dan non-marketing) terhadap sebuah KPI utama, biasanya sales.

Alih-alih melacak individu, MMM melihat data agregat mingguan atau bulanan. Ia memasukkan semua variabel ke dalam sebuah 'blender' statistik (biasanya multiple linear regression) untuk menghasilkan sebuah resep. Resep itu berbunyi kira-kira begini:

• Setiap kenaikan 1 Miliar Rupiah pada budget TVC akan menaikkan sales sebesar 0.8% dalam 6 minggu ke depan.
• Setiap 10% diskon harga akan menaikkan volume penjualan 5%, tapi menurunkan margin profit sebesar 2%.
• Aktivitas PR yang menghasilkan 100+ mentions di media tier-1 berkorelasi dengan peningkatan share of search sebesar 15% bulan berikutnya, yang kemudian berujung pada kenaikan sales 0.5%.
• Budget Google Search Ads kita punya ROI 3.5x, sementara TikTok Ads hanya 2.1x, tapi TikTok sangat efektif untuk penetrasi pasar Gen Z di luar Jawa.

Lihat bedanya? MMM tidak peduli si Budi klik iklan yang mana. MMM peduli pada pertanyaan yang lebih strategis: Jika saya punya budget 100 Miliar Rupiah tahun depan, bagaimana alokasi paling optimal antara TV, digital, OOH, dan trade promotion untuk memaksimalkan total revenue? Ini adalah pertanyaan level CEO, bukan cuma level Digital Marketing Manager.

Bedah Konsep: Adstock & Diminishing Returns

Dua konsep kunci dalam MMM yang wajib kamu pahami adalah adstock dan diminishing returns. Adstock adalah ide bahwa efek iklan punya 'ekor' atau daya tahan. Iklan yang kamu lihat hari ini mungkin baru mendorongmu membeli minggu depan. MMM mampu mengukur efek tunda dan peluruhan (decay) ini untuk setiap channel. Mungkin efek TVC bertahan 6 minggu, sementara efek Instagram Story hanya 48 jam.

Diminishing Returns adalah hukum universal di marketing: dolar pertama yang kamu habiskan di sebuah channel akan selalu lebih efektif daripada dolar ke-sejuta. Kopi pertamamu di pagi hari efeknya luar biasa. Kopi kelima? Cuma bikin gelisah. MMM akan menghasilkan 'response curve' untuk setiap channel, menunjukkan titik di mana penambahan budget sudah tidak lagi efisien. Ini adalah senjata pamungkas untuk melawan argumen, "Pokoknya naikin terus budget digital!"

Studi Kasus Fiktif: Brand Skincare 'Cahaya' Keluar dari Jebakan ROAS

Bayangkan 'Cahaya', sebuah brand skincare D2C yang lahir dari Instagram. Selama tiga tahun, mereka membakar uang di Meta Ads. Awalnya, ROAS mereka 8x. Hidup terasa indah. Tapi setahun terakhir, meski budget iklan digandakan, sales mulai stagnan. Tim merasa frustrasi. ROAS di dashboard masih menunjukkan 4x, tapi angka di rekening bank tidak seindah itu.

Mereka akhirnya memutuskan berinvestasi pada proyek MMM. Mereka mengumpulkan data sales mingguan selama 2.5 tahun, lengkap dengan rincian spend di Meta Ads, Google Ads, TikTok, budget untuk 50+ influencer, jadwal promo diskon, tanggal rilis produk baru, bahkan data Google Trends untuk keyword 'jerawat' dan 'skincare viral'.

Tiga bulan kemudian, hasilnya keluar dan mengejutkan:

1. Over-attribution Parah: MMM menunjukkan ROI sebenarnya dari Meta Ads hanya 1.8x, bukan 4x seperti laporan platform. Sebagian besar konversi yang 'diklaim' Meta adalah dari existing customer atau mereka yang sudah kenal 'Cahaya' dari channel lain.
2. Kekuatan Tak Terlihat: Ternyata, kolaborasi dengan 3 beauty editor dari media besar (earned media) tahun lalu punya kontribusi signifikan terhadap sales selama 4 bulan setelahnya, sesuatu yang tidak pernah bisa diukur sebelumnya.
3. Kelelahan Influencer: Budget influencer mereka sudah melewati titik jenuh. Menambah influencer baru dengan tier yang sama tidak lagi memberikan uplift yang berarti.
4. Kanibalisme Diskon: Program diskon 'Payday Sale' 25% memang menaikkan volume, tapi MMM membuktikan bahwa mayoritas pembeli adalah pelanggan loyal yang toh akan tetap membeli dengan diskon 10%. Diskon tersebut menggerus margin tanpa menambah pelanggan baru secara signifikan.

Berbekal insight ini, CMO 'Cahaya' merombak strategi. Budget Meta Ads dipangkas 40%. Sebagian dialihkan ke YouTube Ads yang menurut MMM punya potensi belum tergarap, dan sebagian lagi untuk program PR & community engagement yang lebih terstruktur. Program diskon besar dihapus, diganti dengan GWP (Gift with Purchase) yang punya perceived value tinggi tapi cost rendah. Hasilnya? Dalam 6 bulan, total sales naik 20% dengan marketing budget yang 15% lebih rendah. Marketing Efficiency Ratio (MER) mereka meroket.

Lalu, Bagaimana Memulainya?

Oke, MMM terdengar seperti sihir yang rumit. Real talk: memang tidak sesederhana melihat dashboard Google Analytics. Tapi ini bukan lagi domain eksklusif korporasi raksasa dengan tim data scientist selusin.

1. Mulai dari Data Hygiene: Sampah masuk, sampah keluar. Mulailah merapikan dan mengumpulkan data Anda HARI INI. Kumpulkan data sales, spend per channel (serinci mungkin), jadwal promosi, data harga, data distribusi, SEMUANYA dalam satu format yang konsisten (misal: mingguan). Simpan dalam satu 'single source of truth'. Lakukan ini selama minimal 1-2 tahun ke depan.

2. Eksplorasi Tools Open-Source: Perusahaan seperti Meta dan Google, untuk mendorong adopsi MMM (yang notabene bagus untuk platform mereka yang sulit di-track seperti YouTube), telah merilis tools open-source. Coba lirik Meta's Robyn atau Google's LightweightMMM. Ini butuh keahlian teknis (biasanya R atau Python), tapi ini adalah cara 'murah' untuk memulai perjalanan MMM Anda. Ajak tim data atau analis Anda untuk bereksperimen.

3. Pertimbangkan Partner Ahli: Untuk proyek pertama yang serius, bekerja sama dengan agensi atau konsultan spesialis MMM bisa jadi investasi terbaik. Mereka punya benchmark, pengalaman, dan bisa menghindari jebakan-jebakan umum dalam modeling. Anggap ini sebagai biaya kuliah untuk membuat organisasi Anda lebih pintar.

4. Jadikan MMM & MTA Sahabat: Narasi 'MMM vs MTA' itu salah. Keduanya punya peran berbeda. Gunakan MMM untuk perencanaan strategis tahunan/kuartalan (mengatur alokasi budget antar benua). Gunakan MTA atau model atribusi lain untuk optimisasi taktis harian/mingguan (mengatur lalu lintas di dalam satu benua). MMM memberitahumu untuk pindah budget dari Facebook ke TV. MTA memberitahumu creative A lebih baik dari creative B di dalam kampanye Facebook tersebut.

Dunia marketing sedang di-reset. Para marketer yang masih membanggakan ROAS dari platform tanpa memahaminya secara holistik akan segera tertinggal. Mereka yang berani merangkul kompleksitas, melihat gambaran besar, dan menggunakan metrik cerdas seperti MMM akan jadi arsitek pertumbuhan sejati di dekade mendatang. Pertanyaannya, kamu mau jadi yang mana?

Key Takeaways: Your MMM Action Plan

• Audit Data Anda Sekarang Juga: Jangan menunggu. Mulailah proses pengumpulan data historis yang terstruktur (sales, spend per channel, promosi, dll) dalam format mingguan. Ini adalah fondasi dari semua insight masa depan.
• Berhenti Menyembah ROAS Platform: Anggap ROAS yang dilaporkan oleh platform (Meta, Google, TikTok) sebagai salah satu sinyal, bukan kebenaran mutlak. Selalu validasi dengan metrik top-down seperti Marketing Efficiency Ratio (Total Sales / Total Marketing Spend).
• Pikirkan Top-Down, Optimalkan Bottom-Up: Gunakan MMM untuk keputusan alokasi budget strategis (channel mix, budget tahunan). Gunakan metrik platform dan atribusi digital untuk optimisasi kampanye sehari-hari (creative testing, audience targeting).
• Eksperimen dengan Skala Kecil: Ajak tim data atau analis Anda untuk mencoba tools open-source seperti Meta's Robyn. Tujuannya bukan untuk langsung mendapat jawaban sempurna, tapi untuk membangun kapabilitas dan pemahaman internal tentang cara kerja MMM.
• Edukasi C-Suite Anda: Ajak CFO dan CEO Anda dalam perjalanan ini. Jelaskan keterbatasan atribusi digital saat ini dan bagaimana MMM bisa memberikan gambaran ROI yang lebih akurat dan holistik, menghubungkan marketing spend langsung ke P&L perusahaan.