Model Atribusi Pemasaran: Kanal Mana yang Benar-benar Menjual?

Laporan bulanan datang dengan tiga versi kebenaran. Tim iklan berbayar menunjukkan kanalnya menyumbang konversi terbesar. Tim konten mengklaim artikel organik yang memicu keputusan pembelian. Tim email menunjuk dasbornya sendiri sebagai penyumbang angka tertinggi. Ketiganya bisa benar menurut data masing-masing, tetapi anggaran perusahaan hanya satu. Di titik inilah atribusi pemasaran berhenti menjadi urusan teknis dan mulai menjadi urusan politik internal.

Kenapa Tiga Laporan Bisa Sama-sama Benar

Perjalanan pelanggan jarang berupa satu klik lalu bayar. Seseorang bisa membaca artikel, melihat iklan di media sosial, membuka email promo, lalu mengetik nama merek di mesin pencari sebelum akhirnya berbelanja. Setiap platform hanya melihat bagian perjalanan yang terjadi di dalam sistemnya sendiri, dan hampir semua platform punya kepentingan agar angka di dasbornya terlihat bagus.

Pengaturan bawaan di banyak alat analitik adalah last click, yaitu seluruh kredit diberikan kepada sentuhan terakhir. Akibatnya kanal penutup tampak sangat efisien, sedangkan kanal pembuka seperti konten, komunitas, dan pencarian merek terlihat seperti pemborosan. Jika keputusan anggaran mengikuti angka ini, kanal yang sebenarnya menciptakan permintaan akan dipangkas lebih dulu, dan penjualan biasanya menyusut beberapa bulan kemudian tanpa sebab yang jelas di dasbor.

Mengenal Model Atribusi dan Kapan Memakainya

• Last click: 100 persen kredit ke sentuhan terakhir. Bagus untuk menilai kanal penutup, tetapi bias terhadap kanal kesadaran.
• First click: kredit ke sentuhan pertama. Berguna untuk menilai kanal akuisisi dan konten, namun mengabaikan peran kanal penutup.
• Linear: kredit dibagi merata ke semua sentuhan. Sederhana, tetapi menganggap semua sentuhan sama pentingnya.
• Position based: porsi besar untuk sentuhan pertama dan terakhir, sisanya dibagi ke sentuhan di tengah.
• Time decay: bobot lebih besar ke sentuhan yang lebih dekat dengan pembelian. Cocok untuk siklus keputusan yang panjang.
• Data driven: pembagian kredit berbasis pola data historis. Kuat saat volume konversi besar, tidak stabil saat volume kecil.

Tidak ada model yang paling benar. Yang ada adalah model yang paling sesuai dengan pertanyaan bisnis yang sedang dijawab, dan sebaiknya satu model utama dipakai secara konsisten agar laporan antarbulan bisa dibandingkan.

Contoh Perhitungan dari Satu Perjalanan Pelanggan

Anggap satu pelanggan membeli produk senilai Rp500.000 setelah melewati empat sentuhan, dengan biaya tercatat Rp20.000 untuk kunjungan dari artikel blog, Rp8.000 untuk klik iklan media sosial, Rp200 untuk satu kontak email, dan Rp12.000 untuk klik iklan pencarian merek.

Sentuhan	Biaya	Last click	Linear	Position based
Artikel blog	Rp20.000	0 persen	25 persen	40 persen
Iklan media sosial	Rp8.000	0 persen	25 persen	20 persen
Email promo	Rp200	0 persen	25 persen	20 persen
Iklan pencarian merek	Rp12.000	100 persen	25 persen	40 persen

Dengan model last click, iklan pencarian terlihat sebagai satu-satunya kanal yang bekerja. Padahal biaya per konversinya hanya tampak murah karena sentuhan sebelumnya tidak ikut dihitung. Dengan model linear, kontribusi artikel blog dinilai 25 persen dari Rp500.000, yaitu Rp125.000, jauh di atas biaya kunjungannya. Dari sudut pandang ini, memangkas produksi konten justru keputusan yang merugikan.

Langkah Praktis Membangun Atribusi yang Lebih Jujur

1. Rapikan penamaan UTM. Tetapkan aturan tetap: huruf kecil, pemisah tanda hubung, dan daftar nilai yang disetujui untuk sumber serta medium. Sekali aturan dilanggar, seluruh laporan ikut keruh.
2. Tentukan jendela lihat dan tuliskan. Misalnya 30 hari untuk klik dan 1 hari untuk tayangan. Jendela yang terlalu panjang membuat kanal kesadaran terlihat lebih berjasa dari kenyataannya.
3. Samakan definisi konversi. Semua kanal memakai definisi yang sama, misalnya pembelian tervalidasi, bukan campuran antara prospek dan penjualan.
4. Pisahkan klik dan tayangan. Tayangan yang tidak diklik punya tingkat konversi jauh lebih rendah dan sebaiknya dilaporkan terpisah.
5. Hitung margin, bukan hanya pendapatan. Kanal dengan rasio pendapatan terhadap biaya iklan yang tinggi bisa tetap merugi jika mayoritas pembelian memakai diskon besar.

Uji Inkrementalitas sebagai Pelengkap Wajib

Atribusi hanya membagi kredit di antara sentuhan yang tercatat. Ia tidak membuktikan bahwa tanpa sentuhan itu penjualan tidak akan terjadi. Karena itu, jalankan uji inkrementalitas: hentikan atau kurangi satu kanal di sebagian wilayah atau sebagian audiens selama periode tertentu, lalu bandingkan penjualannya dengan kelompok pembanding. Selisih penjualan itulah dampak nyata kanal tersebut. Metode ini lebih lambat dan menuntut volume memadai, tetapi hasilnya jauh lebih dekat ke kebenaran daripada angka atribusi mana pun.

Kapan Angka Atribusi Justru Menyesatkan

• Volume konversi kecil membuat model algoritmik tidak stabil, sehingga kredit berpindah tempat setiap kali data disegarkan.
• Pembatasan cookie dan perangkat membuat sebagian sentuhan tidak tercatat, terutama pada perjalanan yang melewati banyak perangkat.
• Penjualan offline lewat toko atau tenaga penjual hampir tidak pernah muncul di dasbor platform digital.
• Setiap platform cenderung mengklaim kredit lebih besar untuk dirinya sendiri, terutama saat laporannya dipakai untuk memperebutkan anggaran.

Menutup: Atribusi Adalah Perkiraan, Bukan Kebenaran

Perlakukan atribusi sebagai alat bantu keputusan, bukan hakim akhir. Pakai satu model utama untuk konsistensi, bandingkan dengan satu model alternatif untuk melihat seberapa sensitif kesimpulan Anda, dan lengkapi dengan uji inkrementalitas pada kanal yang paling diperdebatkan. Dengan begitu, perdebatan anggaran berpindah dari soal siapa yang paling berjasa menjadi soal kombinasi kanal mana yang benar-benar menambah penjualan.