RPS minggu 15 · 2x50 menit

Masa Depan Komunikasi Bisnis

Pertemuan 14 · Komunikasi Pemasaran Terintegrasi · Magister Manajemen FEB UNDIP

Dari kampanye linear ke ekosistem IMC adaptif: AI generatif, retail media, martech stack, dan privasi data sebagai medan keputusan manajerial.

Selamat datang di pertemuan terakhir kita, Anda sudah melewati seluruh siklus IMC — dari lingkungan periklanan sampai promosi penjualan — dan hari ini kita menutup dengan arah masa depan yang akan Anda hadapi sebagai manajer pemasaran maupun konsultan komunikasi. Tekankan bahwa ini bukan sekadar "tren", melainkan pergeseran struktural yang mengubah cara biro iklan, klien, dan platform media bernegosiasi nilai — contohkan bagaimana Tokopedia dan Shopee kini bersaing bukan hanya di iklan display, tapi di retail media network mereka sendiri. Ingatkan mahasiswa bahwa evaluasi akhir akan menagih kemampuan mereka merancang kampanye IMC yang mengintegrasikan elemen-elemen yang akan kita bahas hari ini. Ajak mereka mengaitkan setiap konsep dengan pengalaman profesional mereka sendiri di kantor masing-masing.

Peta Pertemuan 14

Bagian A — Kekuatan Pendorong (Slide 3-9)

AI generatif dalam perencanaan & eksekusi kreatif
Retail media network & commerce media
Martech stack terintegrasi dan CDP
Privasi data pasca-cookie & regulasi PDP

Bagian B — Sintesis & Keputusan (Slide 10-19)

Kerangka kesiapan organisasi menuju IMC 2030
Mini-kasus: transformasi IMC BCA & Wardah
Kerangka alokasi anggaran era konvergensi
Latihan kelompok: rancang roadmap 18 bulan

Pertemuan ini menyatukan seluruh materi semester menjadi satu pertanyaan manajerial: bagaimana organisasi Anda menyusun ulang IMC agar tetap relevan lima tahun ke depan?

Bagian A · 01

AI Generatif Mengubah Rantai Nilai Kreatif

Diskusi: jika AI dapat menghasilkan 50 varian iklan dalam semenit, di mana letak nilai tambah biro iklan bagi kliennya?

AI generatif — perangkat lunak yang mampu menciptakan teks, gambar, atau video baru dari perintah bahasa alami — sudah masuk ke setiap simpul rantai nilai kreatif, mulai dari riset audiens, ideation copy, produksi visual, sampai personalisasi versi iklan per segmen. Lontarkan pertanyaan diskusi ini ke kelas dan biarkan dua atau tiga mahasiswa menjawab sebelum Anda melanjutkan ke slide berikutnya, karena jawaban mereka akan menjadi jembatan alami ke kerangka value pada slide selanjutnya. Ingatkan bahwa biro-biro besar seperti Dentsu dan Publicis Groupe sudah mengumumkan investasi triliunan rupiah pada AI generatif, sementara agency independen Indonesia mulai membangun kapabilitas serupa secara bertahap. Kaitkan dengan pengalaman kerja mereka: siapa yang sudah memakai Midjourney atau ChatGPT untuk draft brief kreatif di kantornya?

Rantai Nilai Kreatif: Dulu vs. Ter-AI-kan

Nilai biro iklan tidak hilang, tetapi bergeser dari eksekusi ke kurasi strategis — brief yang tajam dan penilaian kualitas menjadi keunggulan kompetitif baru.

Kerangka Keputusan: Kapan AI Generatif Layak Dipakai?

Langkah	Pertanyaan Keputusan	Implikasi
1. Skala pesan	Apakah kampanye butuh >20 varian kreatif (segmen, bahasa, format)?	Ya → AI generatif efisien secara biaya
2. Sensitivitas merek	Apakah kategori produk berisiko tinggi (keuangan, kesehatan, syariah)?	Ya → wajib review kepatuhan manusia berlapis
3. Kematangan data	Apakah tersedia data first-party memadai untuk melatih/mengarahkan model?	Tidak → hasil generik, ROI personalisasi rendah
4. Kapabilitas kurasi	Apakah tim internal/agency punya kapasitas menyaring output secara cepat?	Tidak → backlog kurasi menghambat kecepatan
5. Keputusan akhir	Skor "ya" >= 3 dari 4 → adopsi AI generatif untuk fase produksi	GO / NO-GO

Bagian A · 02

Retail Media: Iklan Pindah ke Titik Transaksi

Diskusi: jika marketplace menjadi "media" sekaligus "toko", siapa sebenarnya pesaing biro iklan konvensional saat ini?

Anatomi Retail Media Network

Keunggulan tak tertandingi retail media: atribusi closed-loop — peritel bisa menghubungkan tayangan iklan langsung ke transaksi kasir tanpa proxy pihak ketiga.

Diagram ini menunjukkan bahwa data transaksi first-party menjadi poros dari empat format retail media utama, dan keunggulan struktural mereka adalah closed-loop reporting — sesuatu yang sulit ditandingi media sosial karena mereka tidak memiliki data kasir. Jelaskan bahwa inilah sebabnya brand FMCG besar seperti Unilever dan Wings Group mulai mengalihkan sebagian anggaran dari iklan televisi dan media sosial ke sponsored search di Tokopedia dan Shopee, karena mereka bisa melihat langsung konversi ke penjualan riil. Ingatkan bahwa manajer pemasaran perlu menegosiasikan ulang KPI dengan tim mereka karena metrik retail media (ROAS langsung) berbeda paradigma dengan metrik brand awareness dari kampanye TV. Tanyakan ke mahasiswa dari sektor consumer goods: bagaimana pembagian anggaran iklan digital-vs-retail-media di perusahaan mereka saat ini?

Coba Sendiri: Anatomi Retail Media Network

Pilih contoh retailer, klik tiap simpul alur data untuk penjelasan, lalu bandingkan skor atribusi closed-loop retail media dengan kanal tradisional seperti TV atau billboard.

Mini-Kasus: Wardah dan Pergeseran Anggaran ke Commerce Media

Ilustrasi berbasis pola industri kosmetik nasional — angka bersifat ilustratif, bukan data resmi perusahaan.

Situasi

Anggaran iklan digital tahunan ~Rp 40 miliar (ilustrasi)
70% historis dialokasikan ke media sosial & display konvensional
Pertumbuhan penjualan lewat marketplace melampaui toko fisik
Tim pemasaran diminta merevisi bauran media kuartal berikutnya

Keputusan Manajerial

Realokasi bertahap 15-20% anggaran ke sponsored search marketplace
Pertahankan media sosial untuk fase awareness & peluncuran produk baru
Bangun dasbor closed-loop bersama tim data untuk validasi ROAS
Renegosiasi KPI biro iklan: dari reach ke kontribusi penjualan langsung

Pelajaran manajerial: realokasi anggaran ke commerce media paling efektif dilakukan bertahap dan berbasis data closed-loop, bukan lompatan penuh yang mengorbankan awareness jangka panjang.

Bagian A · 03

Martech Stack: Tulang Punggung Eksekusi IMC

Diskusi: apakah organisasi Anda memiliki satu sumber kebenaran data pelanggan, atau data tersebar di banyak sistem yang tidak saling bicara?

Martech stack adalah kumpulan perangkat lunak pemasaran — mulai dari CDP (customer data platform) untuk menyatukan data pelanggan, marketing automation untuk eksekusi berulang, sampai attribution tool untuk mengukur kontribusi tiap kanal — yang bekerja sebagai satu ekosistem terintegrasi. Lontarkan pertanyaan diskusi ini dan biarkan mahasiswa merefleksikan kondisi nyata di perusahaan mereka, karena fragmentasi data adalah masalah yang sangat umum di korporasi Indonesia, bahkan di perusahaan besar sekalipun. Sampaikan bahwa tanpa martech stack yang matang, seluruh kekuatan AI generatif dan retail media yang kita bahas sebelumnya kehilangan daya ungkitnya karena tidak ada data terpadu untuk mengarahkannya. Jelaskan bahwa topik ini akan kita bahas dengan kerangka kesiapan organisasi, bukan sekadar daftar nama vendor perangkat lunak.

Kerangka Kesiapan Martech: 5 Langkah Diagnosis

Langkah	Kerangka/Rubrik Analisis	Pertanyaan Kunci
1. Inventarisasi	Petakan seluruh alat pemasaran yang dipakai lintas divisi	Berapa banyak alat yang tumpang tindih fungsinya?
2. Konsolidasi data	Uji apakah data pelanggan bisa disatukan dalam satu identitas (CDP)	Adakah "single customer view" yang valid?
3. Interoperabilitas	Cek apakah alat-alat saling bertukar data otomatis (API/integrasi)	Berapa persen proses masih manual/Excel?
4. Tata kelola	Nilai kejelasan kepemilikan data & kepatuhan privasi antar-divisi	Siapa pemilik data, siapa yang mengawasi kepatuhan?
5. Kesimpulan	Skor kematangan menentukan prioritas investasi berikutnya	Level 1-4

Kerangka lima langkah ini adalah alat diagnosis cepat yang bisa Anda bawa pulang dan terapkan langsung di organisasi masing-masing minggu depan. Jalankan tiap baris secara berurutan dan tekankan bahwa langkah kedua — konsolidasi data menjadi satu identitas pelanggan tunggal — biasanya menjadi titik tersulit di perusahaan Indonesia karena data tersebar di sistem CRM, e-commerce, dan call center yang tidak terhubung. Ceritakan bahwa bank-bank besar seperti BCA dan BRI sudah berinvestasi besar pada CDP untuk menyatukan data nasabah lintas kanal digital dan cabang fisik, sementara banyak perusahaan menengah masih di level tata kelola yang lemah. Minta mahasiswa menilai secara kasar level kematangan organisasinya sendiri dari 1 sampai 4 berdasarkan kerangka ini, lalu ajak dua orang berbagi hasilnya.

Bagian A · 04

Privasi Data: Batas Baru Personalisasi

Diskusi: bagaimana Anda tetap mempersonalisasi pesan pemasaran ketika cookie pihak ketiga dan data pribadi kian dibatasi UU PDP?

Regulasi privasi seperti UU Pelindungan Data Pribadi di Indonesia dan matinya cookie pihak ketiga di browser global memaksa pemasar beralih dari pelacakan lintas-situs ke strategi berbasis data first-party dan consent eksplisit dari konsumen. Lontarkan pertanyaan diskusi ini dan biarkan mahasiswa menyadari bahwa jawabannya bukan "berhenti mempersonalisasi", melainkan mengubah sumber dan cara memperoleh data tersebut secara sah. Sampaikan bahwa UU PDP mewajibkan persetujuan eksplisit untuk pemrosesan data pribadi termasuk untuk tujuan pemasaran, dan pelanggaran bisa berujung sanksi administratif serta reputasional yang serius bagi brand. Ajak mahasiswa yang bekerja di sektor perbankan atau fintech untuk berbagi bagaimana tim compliance mereka sudah menyesuaikan praktik pemasaran digital pasca UU PDP berlaku.

Dari Third-Party ke First-Party: Pergeseran Sumber Data

Kepatuhan privasi bukan sekadar biaya hukum — ia menjadi aset kepercayaan merek yang membedakan pemasar yang siap dari yang tertinggal.

Bagian B · 05

Menyusun Kesiapan Organisasi Menuju IMC 2030

Diskusi: dari empat kekuatan tadi, mana yang paling mendesak diprioritaskan organisasi Anda dalam 12 bulan ke depan?

Sekarang kita masuk ke paruh kedua pertemuan: mensintesiskan AI generatif, retail media, martech stack, dan privasi data menjadi satu kerangka kesiapan organisasi yang bisa Anda bawa ke tempat kerja masing-masing. Lontarkan pertanyaan diskusi ini dan minta mahasiswa mempertimbangkan bahwa keempat kekuatan itu saling terkait — organisasi dengan martech stack lemah tidak akan mampu memanfaatkan AI generatif secara optimal, dan organisasi dengan tata kelola privasi lemah berisiko besar saat memperluas personalisasi. Sampaikan bahwa jawaban idealnya berbeda-beda tergantung sektor dan tahap kematangan digital masing-masing perusahaan, sehingga tidak ada resep tunggal yang berlaku universal. Ingatkan bahwa hasil diskusi ini akan langsung dipakai pada latihan kelompok merancang roadmap di akhir pertemuan.

Kerangka Kesiapan IMC: 4 Kuadran Prioritas

Kerangka empat kuadran ini adalah alat pengambilan keputusan strategis yang memetakan setiap inisiatif IMC berdasarkan dua sumbu: dampak bisnis dan kesiapan organisasi untuk mengeksekusinya. Jelaskan bahwa kesalahan paling umum manajer pemula adalah langsung mengejar kuadran kanan-atas tanpa menyadari organisasinya sebenarnya berada di kuadran kiri-atas — dampaknya besar tapi fondasinya belum siap, sehingga investasi jadi sia-sia. Ceritakan contoh perusahaan yang buru-buru membeli lisensi AI generatif mahal tanpa data first-party yang memadai, hasilnya output generik yang tidak lebih baik dari template lama. Minta setiap mahasiswa memetakan satu inisiatif IMC yang sedang atau akan dijalankan organisasinya ke salah satu dari empat kuadran ini, sebagai pemanasan untuk latihan kelompok berikutnya.

Coba Sendiri: Petakan Inisiatif IMC ke 4 Kuadran

Geser skor dampak bisnis dan kesiapan organisasi untuk sebuah inisiatif, lalu amati kuadran mana yang menampungnya.

Mini-Kasus: BCA — Integrasi IMC di Era Digital Banking

Ilustrasi berbasis pola transformasi digital perbankan nasional — angka bersifat ilustratif, bukan data resmi BCA.

Kekuatan yang Berkonvergensi

Data transaksi first-party dari myBCA & BCA mobile sangat kaya
Retail media internal: penawaran dalam aplikasi ke ~30 juta nasabah aktif (ilustrasi)
Martech stack terpusat untuk cross-sell kartu kredit & investasi
Kepatuhan UU PDP menjadi prasyarat mutlak sektor keuangan

Keputusan Manajerial Kunci

Personalisasi penawaran berbasis consent eksplisit, bukan asumsi
AI generatif untuk copy penawaran, bukan keputusan kredit (governance ketat)
Integrasi lintas kanal: aplikasi, cabang, dan media sosial satu pesan konsisten
Investasi martech diprioritaskan sebelum ekspansi personalisasi lanjutan

Pelajaran manajerial: sektor teregulasi ketat justru membuktikan bahwa tata kelola data yang kuat mempercepat, bukan menghambat, adopsi IMC berbasis data.

Kerangka Alokasi Anggaran Era Konvergensi

Langkah	Kerangka/Rubrik Analisis	Pertanyaan Kunci
1. Audit bauran saat ini	Petakan alokasi anggaran existing per kanal (TV, digital, retail media, PR)	Berapa persen masih di kanal legacy?
2. Nilai kontribusi	Bandingkan kontribusi tiap kanal terhadap tujuan bisnis (awareness vs. konversi)	Kanal mana yang closed-loop terukur?
3. Uji kesiapan	Rujuk kerangka 4 kuadran — kanal baru mana yang organisasi sudah siap eksekusi?	Fondasi data/martech memadai?
4. Realokasi bertahap	Geser 10-20% anggaran per siklus ke kanal berkinerja tinggi, uji, ulangi	Apakah ada mekanisme uji-dan-belajar?
5. Kesimpulan	Bauran ideal = kombinasi dinamis, bukan alokasi tetap tahunan	Realokasi Iteratif

Kerangka ini menjawab pertanyaan yang paling sering diajukan pimpinan pemasaran: bagaimana kita menentukan berapa persen anggaran untuk retail media, berapa untuk media sosial, dan berapa untuk kanal konvensional? Jalankan tiap langkah dan tekankan bahwa langkah keempat — realokasi bertahap 10 sampai 20 persen per siklus — jauh lebih aman dibanding lompatan drastis, karena memberi ruang untuk belajar dan mengoreksi kesalahan sebelum taruhannya terlalu besar. Ingatkan bahwa kesimpulan kerangka ini secara sengaja menolak gagasan "bauran anggaran ideal" yang statis, karena lanskap media bergerak terlalu cepat untuk dikunci dalam rencana tahunan yang kaku. Minta mahasiswa membayangkan bauran anggaran organisasinya sendiri dan mengidentifikasi kanal mana yang paling layak diuji realokasi terlebih dahulu.

Bagian B · 06

Sintesis Semester: Dari Teori ke Roadmap Nyata

Diskusi: elemen IMC mana dari seluruh semester yang paling sulit diintegrasikan secara konsisten di organisasi Anda, dan mengapa?

Sebelum masuk ke latihan kelompok penutup, mari kita mundur sejenak dan mengaitkan seluruh perjalanan semester — dari struktur industri periklanan, perilaku konsumen, PR dan sponsorship, perencanaan akun, proses kreatif, media digital, hingga perencanaan media dan promosi penjualan — menjadi satu benang merah yang relevan dengan masa depan yang baru kita bahas. Lontarkan pertanyaan diskusi ini dan biarkan mahasiswa merefleksikan pengalaman nyata mereka, karena integrasi yang konsisten antar-elemen IMC memang secara konsisten menjadi tantangan organisasi paling besar, bahkan di perusahaan besar dengan sumber daya melimpah. Sampaikan bahwa Resource-Based View (Barney, 1991) relevan di sini — kapabilitas mengintegrasikan elemen IMC secara konsisten adalah sumber daya langka dan sulit ditiru, sehingga menjadi keunggulan kompetitif berkelanjutan. Persiapkan mereka bahwa latihan kelompok berikutnya akan menagih sintesis konkret dari seluruh pembahasan hari ini.

Latihan Kelompok: Roadmap IMC 18 Bulan

Instruksi (30 menit diskusi + 15 menit presentasi kilat)

Bentuk kelompok 3-4 orang, pilih satu organisasi (tempat kerja salah satu anggota atau kasus hipotetis)
Petakan posisi organisasi pada kerangka 4 kuadran untuk masing-masing dari 4 kekuatan (AI, retail media, martech, privasi)
Tentukan 2 prioritas utama untuk 6 bulan pertama dan 2 prioritas lanjutan untuk bulan 7-18
Jelaskan satu risiko governance/kepatuhan yang harus diantisipasi dalam roadmap tersebut
Siapkan 3 slide/poin ringkas untuk dipresentasikan singkat ke kelas

Fokus penilaian: kejelasan logika prioritas (bukan kelengkapan), bukan seberapa canggih teknologi yang disebutkan.

Latihan ini adalah puncak sintesis pertemuan hari ini, jadi berikan waktu yang cukup dan berkeliling ke tiap kelompok untuk memastikan mereka benar-benar menautkan prioritas roadmap ke kerangka 4 kuadran yang sudah dibahas, bukan sekadar menyebut daftar teknologi tren. Ingatkan kelompok yang memilih organisasi tempat kerja mereka sendiri untuk tetap menjaga kerahasiaan data internal yang sensitif — cukup gunakan estimasi kasar atau tandai sebagai ilustrasi. Saat sesi presentasi kilat, minta setiap kelompok menyebutkan satu risiko governance secara spesifik, karena ini melatih mereka berpikir bukan hanya soal peluang tapi juga mitigasi risiko sebagaimana layaknya manajer senior. Tutup latihan dengan menegaskan bahwa kemampuan menyusun roadmap semacam ini adalah keterampilan inti yang akan diuji dalam evaluasi akhir mata kuliah.

Refleksi Etis: Batas Personalisasi dan Otomasi

Risiko yang Harus Diwaspadai

Manipulasi algoritmik terhadap kelompok rentan (anak, lansia, literasi keuangan rendah)
Bias dalam data pelatihan AI generatif yang mereproduksi stereotip
Personalisasi berlebihan yang terasa "mengintai" (creepy factor) dan merusak kepercayaan
Konten sintetis (deepfake testimoni/endorsement) tanpa disclosure

Prinsip Governance Minimal

Manusia tetap menjadi pengambil keputusan akhir pada konten sensitif
Disclosure eksplisit saat konten dihasilkan atau dibantu AI
Uji dampak (impact assessment) sebelum meluncurkan personalisasi baru
Kanal keluhan konsumen yang responsif terhadap kekhawatiran privasi

Sebagai manajer, keputusan etis dalam IMC bukan beban kepatuhan semata — ia adalah investasi dalam kepercayaan jangka panjang yang tidak bisa dibeli kembali setelah hilang.

Slide ini penting untuk ditekankan karena mahasiswa program magister akan menjadi pengambil keputusan yang menyetujui atau menolak inisiatif IMC berbasis AI dan data di organisasinya, sehingga kepekaan etis bukan sekadar materi tambahan melainkan kompetensi inti. Berikan contoh nyata insiden viral di Indonesia di mana iklan yang terlalu personal atau algoritma yang bias menuai kecaman publik dan merusak reputasi merek dalam hitungan hari. Tekankan bahwa disclosure konten yang dibantu AI kini menjadi praktik terbaik global yang mulai diadopsi platform media sosial, dan brand yang proaktif transparan justru membangun kepercayaan lebih besar dibanding yang menyembunyikannya. Ajak mahasiswa mendiskusikan sejenak: apakah organisasi mereka sudah punya mekanisme impact assessment sebelum meluncurkan kampanye personalisasi baru?

Ringkasan: Lima Pesan Kunci Masa Depan IMC

Kreatif

Kurasi > Produksi

Nilai biro iklan bergeser ke penilaian strategis atas output AI.

Media

Titik Transaksi

Retail media menyatukan iklan dan penjualan lewat closed-loop.

Infrastruktur

Fondasi Dulu

Martech stack matang adalah syarat, bukan pelengkap, adopsi AI.

Privasi

Consent = Aset

Kepatuhan UU PDP yang kuat mempercepat kepercayaan konsumen.

Manajerial

Prioritas Bertahap

Roadmap 4-kuadran mengalahkan lompatan teknologi serampangan.

Slide ringkasan ini adalah titik konsolidasi seluruh pertemuan, jadi bacakan setiap pesan kunci secara singkat dan kaitkan kembali ke bagian yang membahasnya — kreatif ke AI generatif, media ke retail media, infrastruktur ke martech stack, privasi ke UU PDP, dan manajerial ke kerangka empat kuadran. Ingatkan mahasiswa bahwa kelima pesan ini bukan daftar terpisah, melainkan satu sistem yang saling menguatkan: tanpa fondasi martech yang kuat, personalisasi berbasis consent tidak akan optimal, dan tanpa kurasi manusia yang baik, kecepatan AI generatif justru bisa merugikan merek. Sampaikan bahwa lima pesan ini adalah kerangka mental yang bisa mereka pakai bertahun-tahun ke depan, jauh melampaui tren teknologi spesifik yang akan terus berubah. Beri kesempatan singkat untuk pertanyaan sebelum masuk ke slide penutup.

Penutup Semester

Dari Mahasiswa Menjadi Arsitek IMC

Terima Kasih atas satu semester diskusi yang tajam — kini giliran Anda merancang integrasi komunikasi pemasaran di organisasi masing-masing.