RPS minggu 7 · 2x50 menit

Periklanan Daring: Display dan Social

Pemasaran Digital — Program Magister Manajemen FEB UNDIP

Pertemuan 7 dari 14 · dari lelang pencarian menuju ekosistem display & social terprogram

Selamat datang kembali, Bapak/Ibu. Pekan lalu Anda sudah membahas periklanan pencarian (search); hari ini kita bergerak ke dua kanal yang secara mekanisme lelang dan metrik keberhasilan cukup berbeda — display dan social. Karena Anda mayoritas sudah berkarier, saya akan langsung masuk ke pertanyaan yang biasa muncul di rapat anggaran: kapan display worth it dibanding performance marketing murni, dan bagaimana social ads dievaluasi ketika atribusi semakin buram pasca-iOS 14.5. Sepanjang sesi ini saya akan mengaitkan konsep dengan kasus Indonesia — mulai dari Tokopedia, Astra, sampai UMKM skincare lokal — supaya diskusi langsung relevan dengan konteks kerja Anda. Silakan siapkan contoh kampanye display atau social dari perusahaan Anda sendiri karena akan saya minta beberapa kali sepanjang sesi.

Peta Posisi: Dari Search ke Display & Social

Rekap pertemuan 6

Search ads = intent-driven, lelang kata kunci, Quality Score
Konversi terukur relatif jernih — user sudah mencari
Biaya per klik naik seiring kompetisi kata kunci

Fokus hari ini

Display & social = interruption-driven, bukan intent-driven
Targeting berbasis audiens, bukan kata kunci
Metrik bergeser: dari CTR/konversi langsung ke brand lift & assisted conversion

Sub-CPMK minggu ini: mahasiswa mampu mengevaluasi pilihan format display & social, model pembayaran, dan metrik keberhasilan untuk mengambil keputusan alokasi anggaran iklan daring.

Bagian 1

Ekosistem Display: Format, Lelang, dan Model Biaya

Diskusi kelas: Bila anggaran display Anda dipotong 30% oleh CFO karena "sulit dibuktikan ROI-nya", argumen apa yang akan Anda bawa ke rapat?

Anatomi Programmatic Display

Implikasi manajerial

Anda tidak lagi membeli "slot media", tapi audiens spesifik lintas ribuan situs
DSP (Demand-Side Platform) = alat pengiklan; SSP (Supply-Side Platform) = alat publisher
Kualitas data first-party menentukan presisi targeting — makin penting pasca-penghapusan cookie pihak ketiga
Contoh Indonesia: Tokopedia & Bukalapak memasang display ads programmatic lintas situs berita nasional untuk retargeting pengunjung yang meninggalkan keranjang

Format Display: Kapan Pakai Apa

Banner statis / rich media

Biaya produksi rendah, jangkauan luas
Cocok untuk awareness tahap atas funnel
CTR umumnya rendah (~0,05-0,1%)

Native advertising

Menyatu dengan format konten publisher
CTR lebih tinggi karena tidak terasa "iklan"
Perlu disclosure transparan (etika & regulasi)

Dynamic retargeting

Menampilkan produk yang pernah dilihat user
ROAS tertinggi di antara format display
Risiko: creepiness & kelelahan iklan (ad fatigue)

Keputusan manajerial: alokasikan format sesuai posisi funnel — bukan sekadar memilih format yang sedang tren.

Model Biaya: CPM vs CPC vs CPA

Langkah	Perhitungan	Nilai
1. Tentukan skenario kampanye	Anggaran display Rp 50.000.000; harga CPM Rp 40.000; asumsi CTR 0,08%; asumsi konversi 2% dari klik	Input dasar
2. Hitung total impresi	Rp 50.000.000 / (Rp 40.000 / 1.000 impresi)	1.250.000 impresi
3. Hitung total klik	1.250.000 x 0,08%	1.000 klik
4. Hitung CPC efektif	Rp 50.000.000 / 1.000 klik	Rp 50.000 / klik
5. Hitung total konversi	1.000 klik x 2%	20 konversi
6. Hitung CPA (Cost per Acquisition)	Rp 50.000.000 / 20 konversi	Rp 2.500.000 / konversi

Keputusan manajerial: bandingkan CPA Rp 2,5 juta ini dengan margin kotor per pelanggan & customer lifetime value — bukan hanya dengan CPA kanal lain secara telanjang.

Coba Sendiri: Telusuri Rantai CPM ke CPA

Ubah anggaran, CPM, CTR, dan tingkat konversi, lalu amati bagaimana angka mengalir berjenjang dari impresi sampai menjadi CPA akhir.

Viewability, Ad Fraud, dan Brand Safety

Tiga risiko tersembunyi belanja display

Viewability: standar industri (MRC) — minimal 50% piksel iklan tampil >=1 detik untuk dihitung "terlihat"
Ad fraud: bot traffic, domain spoofing — estimasi industri global kerugian miliaran dolar per tahun
Brand safety: iklan tayang berdampingan konten tak pantas/misinformasi

Mitigasi tingkat manajerial

Minta laporan viewability dari agensi/DSP, bukan sekadar impresi mentah
Gunakan verifikasi pihak ketiga (mis. IAS, DoubleVerify) untuk kampanye bernilai besar
Tetapkan blocklist & whitelist domain/kategori konten secara eksplisit dalam kontrak media

Kasus ilustrasi: sebuah bank nasional menemukan ~18% (ilustrasi) anggaran display bulanannya terbuang pada traffic non-viewable setelah audit pihak ketiga — memicu klausul viewability minimum di kontrak media berikutnya.

Targeting Pasca-Cookie: Contextual & Data Kolaboratif

Mengapa ini penting sekarang

Third-party cookie kian dibatasi (Safari/Firefox sejak lama, Chrome bertahap); App Tracking Transparency iOS menekan akurasi targeting perilaku
Targeting berbasis histori penjelajahan individual makin sulit & makin diawasi regulasi privasi (mis. RUU/UU PDP Indonesia)
Perusahaan perlu strategi targeting yang tidak bergantung sepenuhnya pada cookie pihak ketiga

Tiga arah adaptasi manajerial

Contextual targeting: menargetkan berdasarkan konten halaman (mis. iklan reksa dana di artikel finansial), bukan histori user
Clean room data: kolaborasi data first-party dengan publisher/platform tanpa membagi data mentah individual
Investasi lebih besar pada data first-party sendiri (program loyalitas, akun terdaftar) sebagai aset jangka panjang

Keputusan manajerial: jangan menunggu regulasi memaksa — mulai bangun kapabilitas data first-party & contextual sekarang, karena kompetitor yang sudah bersiap akan lebih efisien saat cookie pihak ketiga benar-benar hilang.

Bagian 2

Periklanan Social: Targeting, Format, dan Lelang Platform

Diskusi kelas: Mengapa iklan yang sama bisa berbiaya sangat berbeda di Instagram dibanding Facebook, padahal satu perusahaan induk?

Mekanisme Lelang Social Ads

Implikasi: kreatif yang relevan & disukai audiens bisa mengalahkan bid lebih tinggi dari kompetitor dengan kreatif buruk — inilah mengapa "kualitas konten" berdampak langsung ke efisiensi biaya, bukan sekadar estetika.

Targeting Social: Tiga Lapis Presisi

Core audience

Demografi, minat, perilaku eksplisit
Presisi sedang, jangkauan luas
Rentan bias platform (data minat kadang usang)

Custom audience

Berbasis data first-party: CRM, pengunjung situs, pembeli lama
Presisi tinggi — untuk retensi & cross-sell
Bergantung kualitas & kepatuhan data (privasi)

Lookalike audience

Platform cari user "mirip" pelanggan terbaik Anda
Untuk skala akuisisi, bukan retensi
Kualitas seed audience menentukan hasil

Keputusan manajerial: gunakan custom & lookalike audience untuk efisiensi anggaran akuisisi — core audience saja umumnya menghasilkan CPA lebih tinggi pada tahap kematangan bisnis lanjut.

Format Social: Feed, Stories, Reels, Influencer

Langkah analisis	Perhitungan / kriteria	Kesimpulan
1. Kenali karakteristik konsumsi tiap format	Feed: dwell time lebih lama · Stories/Reels: durasi pendek, vertikal, native-feel	Format ≠ interchangeable
2. Petakan tujuan kampanye ke format	Awareness → Reels/video; Consideration → Feed carousel; Konversi → Stories dgn swipe-up/link	Tujuan menentukan format
3. Evaluasi opsi influencer/KOL	Makro (>100rb follower): jangkauan; Mikro/nano (1rb-50rb): engagement rate lebih tinggi & biaya lebih rendah per interaksi	Mikro-KOL sering lebih efisien
4. Tetapkan kriteria keputusan alokasi	Bandingkan cost-per-engagement lintas format & tier KOL sebelum commit anggaran besar	Uji kecil dulu, scale setelah data

Contoh Indonesia (ilustrasi): brand skincare lokal menguji 5 nano-influencer sebelum scale ke 1 makro-influencer — cost-per-engagement nano ~40% lebih rendah, memandu keputusan realokasi anggaran KOL tahun berikutnya.

Latihan Kelas: Rancang Alokasi Anggaran Display + Social

Instruksi (kerja kelompok 10 menit)

Anggaran digital Rp 200.000.000/bulan untuk peluncuran produk baru (pilih sektor: fintech, F&B, atau fesyen)
Tentukan alokasi persentase antara display programmatic, social awareness (Reels/Stories), social konversi (Feed+retargeting), dan KOL
Justifikasi tiap alokasi dengan kerangka funnel & model biaya yang sudah dibahas
Setiap kelompok presentasi 2 menit; siapkan argumen untuk pertanyaan "mengapa bukan alokasi lain?"

Tujuan: melatih Anda mengambil keputusan alokasi berbasis kerangka, bukan tebakan — sesuai konteks tugas manajerial nyata.

Bagian 3

Atribusi dan Pengambilan Keputusan Lintas-Kanal

Diskusi kelas: Pasca-penghapusan cookie pihak ketiga & pembatasan tracking iOS, bagaimana Anda tetap membuktikan nilai kampanye display & social ke pimpinan?

Model Atribusi: Dari Last-Click ke Data-Driven

Model tradisional (bermasalah)

Last-click: 100% kredit ke titik sentuh terakhir — sering "mencuri" kredit dari search brand
First-click: 100% kredit ke titik sentuh pertama — mengabaikan peran nurturing di tengah funnel
Keduanya mengabaikan peran display/social sebagai assist

Pendekatan yang lebih robust

Multi-touch attribution: kredit terdistribusi pada seluruh titik sentuh
Media Mix Modeling (MMM): regresi lintas kanal, tak bergantung cookie individual
Incrementality/geo-lift test: uji kontrol vs perlakuan lintas wilayah — standar emas era privasi ketat

Perhatikan bahwa jawaban atas tantangan privasi bukanlah menyerah pada pengukuran, melainkan berpindah ke metode yang tidak bergantung pelacakan individual per pengguna. Media Mix Modeling misalnya, sudah dipakai perusahaan consumer goods seperti Unilever sejak sebelum era digital untuk mengukur kontribusi tiap kanal media secara agregat menggunakan data historis penjualan dan belanja iklan. Geo-lift test, di mana Anda menjalankan kampanye di sebagian wilayah dan membandingkan dengan wilayah kontrol yang tidak diberi kampanye, kini menjadi standar yang semakin populer justru karena tidak memerlukan data pelacakan individual sama sekali. Diskusikan dengan kelas, metode mana yang paling feasible diterapkan di perusahaan mereka mengingat keterbatasan sumber daya data science yang mereka miliki.

Coba Sendiri: Bandingkan Model Atribusi Kanal Iklan

Susun perjalanan titik sentuh pelanggan lalu bandingkan bagaimana kredit konversi terdistribusi berbeda antara last-click, first-click, linear, dan data-driven.

Menghitung Brand Lift & Assisted Conversion

Langkah	Perhitungan	Nilai
1. Data survei brand lift study	Grup terpapar iklan: 24% recall merek; grup kontrol tak terpapar: 9% recall merek	Input studi
2. Hitung brand lift absolut	24% - 9%	15 poin persentase
3. Hitung brand lift relatif	15 / 9 x 100%	~167% peningkatan recall
4. Hitung assisted conversion rate	Dari 500 total konversi bulan ini, 140 memiliki titik sentuh display/social sebelum konversi akhir via search	140 / 500 = 28%
5. Sintesis untuk laporan ke pimpinan	Gabungkan brand lift + assisted conversion sebagai bukti kontribusi tak-langsung	Narasi nilai lengkap, bukan hanya ROAS langsung

Keputusan manajerial: laporkan display/social dengan kombinasi metrik ini ke direksi — bukan ROAS langsung semata — agar keputusan alokasi anggaran tidak keliru memotong kanal yang justru menopang search & direct.

Kasus Manajerial: Bank Digital Menghadapi Tekanan Efisiensi

Situasi (ilustrasi berbasis pola industri)

Sebuah bank digital Indonesia (mis. sekelas Jenius/Blu) menaikkan CAC (Customer Acquisition Cost) 3x dalam 18 bulan karena kompetisi lelang social ads makin ketat
Tim keuangan mendesak pemotongan anggaran display & social sebesar 40%
Tim pemasaran berargumen brand lift & assisted conversion menunjukkan kanal ini menopang 35% (ilustrasi) konversi lewat search brand

Pertanyaan diskusi: sebagai CMO, kerangka apa yang akan Anda pakai untuk memutuskan — potong seluruh anggaran, realokasi ke kanal lain, atau pertahankan dengan negosiasi ulang target CAC?

Rubrik Analisis Kasus: Keputusan Alokasi Kanal Iklan Daring

Langkah analisis	Pertanyaan pemandu	Output
1. Petakan posisi funnel	Apakah masalahnya di awareness, consideration, atau konversi?	Diagnosis funnel
2. Audit kualitas metrik	Apakah metrik yang dipakai (mis. ROAS last-click) memang tepat untuk tujuan kanal ini?	Identifikasi metrik keliru
3. Kuantifikasi kontribusi tak-langsung	Berapa brand lift & assisted conversion yang bisa dibuktikan dengan data tersedia?	Bukti kuantitatif
4. Timbang terhadap batasan finansial	Berapa runway/toleransi CAC organisasi saat ini?	Batasan keputusan
5. Rumuskan rekomendasi bertingkat	Apa opsi selain "potong semua" vs "pertahankan semua"?	Rekomendasi realokasi terukur

Gunakan rubrik ini sebagai kerangka baku setiap kali menghadapi tekanan pemotongan anggaran kanal iklan daring — di industri mana pun.

Penutup

Sintesis & Jembatan ke Pertemuan 8

Diskusi kelas: Setelah search, display, dan social — kanal mana yang menurut Anda perlu strategi distribusi tersendiri agar pesan sampai konsisten ke target?

Ringkasan Poin Kunci Pertemuan 7

Kerangka mekanisme

Display & social = interruption-driven, ditargetkan lewat audiens bukan kata kunci
Lelang RTB & lelang social sama-sama menilai kualitas kreatif, bukan hanya bid
Model biaya CPM/CPC/CPA harus dihitung berjenjang sampai ke CPA sebenarnya

Kerangka keputusan

Alokasikan format & audiens sesuai posisi funnel, bukan tren
Waspadai viewability, ad fraud, brand safety sebagai risiko tersembunyi
Gunakan brand lift + assisted conversion + MMM untuk membela anggaran era pasca-cookie

Minggu depan: Strategi distribusi menuju pasar — bagaimana kanal-kanal ini disatukan menjadi go-to-market yang koheren.