Iklans – Mengapa #Attribution Tidak Selalu Menunjukkan Penyebab Penjualan? – Dalam #digital marketing, attribution sering digunakan untuk mengetahui channel #pemasaran yang berkontribusi terhadap terjadinya penjualan. Melalui data attribution, #bisnis dapat melihat apakah sebuah transaksi berkaitan dengan #iklan, #mesin pencari, #media sosial, #email marketing, atau channel pemasaran lainnya.

Namun, ada satu hal yang perlu dipahami: attribution tidak selalu menunjukkan penyebab sebenarnya dari sebuah penjualan.

Sebuah laporan mungkin memberikan kredit kepada suatu iklan karena iklan tersebut menjadi salah satu interaksi terakhir sebelum konsumen membeli. Akan tetapi, hal tersebut bukan berarti iklan tersebut merupakan satu-satunya alasan konsumen melakukan pembelian.

Baca Juga: Apa Itu Incrementality dalam Periklanan? Memahami Dampak Nyata dari Iklan

Perjalanan konsumen biasanya jauh lebih kompleks. Seseorang dapat melihat iklan, mengunjungi website, membaca artikel, mencari informasi di Google, melihat ulasan, membandingkan produk, kemudian kembali beberapa hari kemudian sebelum akhirnya melakukan transaksi.

Karena itu, attribution sebaiknya digunakan sebagai alat untuk memahami perjalanan konsumen, bukan sebagai bukti mutlak mengenai penyebab sebuah penjualan.

Apa Itu Attribution?

Attribution adalah metode untuk memberikan kredit kepada berbagai interaksi pemasaran yang terjadi sebelum konsumen melakukan tindakan tertentu, seperti pembelian atau pengisian formulir.

Sebagai contoh, perjalanan seorang konsumen dapat terlihat seperti berikut:

Iklan Instagram → Website → Google Search → Membaca artikel → Retargeting → Pembelian

Dalam kondisi tersebut, terdapat beberapa touchpoint yang mungkin berkontribusi terhadap keputusan konsumen.

Model attribution kemudian digunakan untuk menentukan bagaimana kredit penjualan diberikan kepada touchpoint tersebut.

Beberapa model attribution yang umum digunakan antara lain:

• First-click attribution, memberikan kredit kepada interaksi pertama.
• Last-click attribution, memberikan kredit kepada interaksi terakhir sebelum konversi.
• Linear attribution, membagi kredit secara merata kepada beberapa interaksi.
• Time-decay attribution, memberikan bobot lebih besar kepada interaksi yang terjadi mendekati waktu konversi.
• Data-driven attribution, menggunakan data untuk memperkirakan kontribusi berbagai interaksi terhadap konversi.

Masing-masing model memiliki pendekatan yang berbeda. Oleh karena itu, hasil attribution juga dapat berbeda tergantung model yang digunakan.

Kredit Attribution Tidak Sama dengan Penyebab Penjualan

Inilah konsep utama yang perlu dipahami ketika membaca data attribution.

Misalnya, sebuah laporan menunjukkan bahwa suatu iklan mendapatkan kredit atas 100 transaksi.

Kesimpulan yang terlalu sederhana adalah:

“Iklan tersebut menyebabkan 100 penjualan.”

Padahal, data attribution pada dasarnya menunjukkan bahwa terdapat hubungan antara interaksi dengan iklan tersebut dan terjadinya transaksi.

Belum tentu seluruh 100 konsumen tidak akan membeli jika mereka tidak melihat iklan tersebut.

Sebagian konsumen mungkin memang sudah berniat membeli. Mereka hanya membutuhkan pengingat, informasi tambahan, atau kesempatan yang tepat sebelum melakukan transaksi.

Dengan demikian:

Attribution menunjukkan siapa yang mendapatkan kredit, sedangkan kausalitas berusaha menjawab apakah aktivitas tersebut benar-benar menyebabkan terjadinya penjualan.

Keduanya merupakan konsep yang berbeda.

Mengapa Attribution Bisa Memberikan Gambaran yang Tidak Lengkap?

Ada beberapa alasan mengapa attribution tidak selalu dapat menggambarkan penyebab penjualan secara akurat.

1. Perjalanan Konsumen Melibatkan Banyak Channel

Konsumen jarang melakukan pembelian hanya setelah melihat satu iklan.

Misalnya:

1. Konsumen melihat iklan di Instagram.
2. Konsumen mengunjungi website.
3. Konsumen mencari nama produk di Google.
4. Konsumen membaca review.
5. Konsumen melihat iklan retargeting.
6. Konsumen akhirnya membeli.

Jika hanya melihat interaksi terakhir, kontribusi dari interaksi sebelumnya dapat terlihat lebih kecil daripada kenyataannya.

Padahal, interaksi pertama mungkin berperan penting dalam memperkenalkan produk kepada konsumen.

2. Last-Click Attribution Dapat Menguntungkan Channel Terakhir

Last-click attribution merupakan salah satu model yang paling mudah dipahami karena memberikan seluruh kredit kepada interaksi terakhir sebelum pembelian.

Contohnya:

Facebook Ads → Website → Google Search → Pembelian

Jika menggunakan last-click attribution, Google Search mendapatkan kredit atas transaksi tersebut.

Namun, Facebook Ads mungkin menjadi channel yang pertama kali memperkenalkan produk kepada konsumen.

Akibatnya, bisnis dapat menganggap Google Search sebagai channel yang sepenuhnya menghasilkan penjualan, sementara kontribusi Facebook Ads terlihat lebih kecil.

3. Retargeting Bisa Terlihat Lebih Efektif dari Kondisi Sebenarnya

Retargeting juga dapat menimbulkan masalah dalam membaca attribution.

Misalnya, seseorang sudah mengunjungi website dan melihat sebuah produk. Beberapa hari kemudian, orang tersebut melihat iklan retargeting dan akhirnya membeli.

Laporan attribution mungkin memberikan kredit kepada retargeting.

Namun, konsumen tersebut mungkin memang sudah memiliki niat membeli sejak kunjungan pertama.

Dalam situasi seperti ini, iklan retargeting bisa saja hanya menjadi salah satu touchpoint terakhir, bukan faktor utama yang menciptakan keputusan pembelian.

4. Tidak Semua Interaksi Konsumen Dapat Dilacak

Sistem analytics tidak selalu dapat mencatat seluruh perjalanan konsumen.

Beberapa faktor yang dapat memengaruhi kelengkapan data antara lain:

• penggunaan perangkat yang berbeda;
• pembatasan cookie;
• pengaturan privasi pengguna;
• ad blocker;
• interaksi offline;
• rekomendasi dari teman atau keluarga;
• komunitas;
• serta aktivitas pemasaran yang tidak menggunakan sistem tracking yang sama.

Akibatnya, data attribution yang terlihat di dashboard belum tentu menggambarkan seluruh perjalanan konsumen.

Baca Juga: Cara Menghitung Break-Even ROAS Sebelum Menjalankan Iklan

Attribution Berbeda dengan Incrementality

Untuk memahami apakah sebuah iklan benar-benar menghasilkan penjualan tambahan, konsep incrementality menjadi penting.

Attribution bertanya:

“Channel mana yang mendapatkan kredit atas konversi?”

Sementara incrementality lebih berfokus pada pertanyaan:

“Berapa banyak konversi tambahan yang terjadi karena aktivitas pemasaran tersebut?”

Misalnya, sebuah kampanye memiliki 1.000 transaksi yang diatribusikan kepadanya.

Namun setelah dilakukan eksperimen, ternyata 700 transaksi kemungkinan besar tetap akan terjadi meskipun konsumen tidak menerima iklan tersebut.

Dalam kondisi tersebut, dampak tambahan dari iklan mungkin hanya sekitar 300 transaksi.

Sederhananya:

Attribution = siapa yang mendapatkan kredit.

Incrementality = berapa banyak dampak tambahan yang benar-benar dihasilkan.

Perbedaan ini penting karena bisnis dapat salah mengalokasikan anggaran jika hanya melihat angka attribution.

Jangan Menilai Iklan Hanya dari ROAS

ROAS atau Return on Ad Spend merupakan salah satu metrik penting dalam evaluasi iklan. Namun, ROAS juga sebaiknya tidak digunakan sendirian.

Misalnya terdapat dua kampanye:

Kampanye	Biaya	Revenue Teratribusi	ROAS
Kampanye A	Rp10 juta	Rp50 juta	5x
Kampanye B	Rp10 juta	Rp30 juta	3x

Sekilas, Kampanye A terlihat lebih baik.

Namun, angka tersebut belum menjawab beberapa pertanyaan penting:

• Apakah pelanggan Kampanye A merupakan pelanggan baru?
• Apakah mereka sudah memiliki niat membeli sebelumnya?
• Berapa banyak penjualan yang benar-benar incremental?
• Apakah pelanggan tersebut melakukan pembelian ulang?
• Berapa margin keuntungan yang dihasilkan?
• Apakah Kampanye B justru menghasilkan lebih banyak pelanggan baru?

Dengan demikian, ROAS tinggi tidak selalu berarti sebuah kampanye memberikan dampak bisnis yang lebih besar dalam semua aspek.

Bagaimana Cara Menggunakan Attribution dengan Lebih Tepat?

Attribution tetap sangat berguna jika digunakan dengan cara yang tepat. Berikut beberapa pendekatan yang dapat dilakukan.

1. Gunakan Attribution untuk Melihat Pola

Jangan langsung menganggap data attribution sebagai bukti penyebab.

Gunakan data tersebut untuk menemukan pola seperti:

• channel yang sering menjadi interaksi pertama;
• channel yang sering muncul sebelum pembelian;
• channel yang menghasilkan pelanggan baru;
• channel yang berperan dalam proses pertimbangan;
• serta hubungan antar-channel dalam customer journey.

Dengan pendekatan tersebut, attribution menjadi alat analisis yang lebih berguna.

2. Bandingkan Beberapa Model Attribution

Jangan hanya melihat satu model attribution.

Bandingkan hasil dari first-click, last-click, linear, time-decay, atau data-driven attribution jika tersedia.

Jika sebuah channel tetap terlihat memiliki peran penting pada beberapa model, hal tersebut dapat menjadi sinyal bahwa channel tersebut memang berkontribusi terhadap perjalanan konsumen.

Namun, tetap perlu diingat bahwa hal tersebut belum otomatis membuktikan hubungan sebab-akibat.

3. Pisahkan Pelanggan Baru dan Pelanggan Lama

Jumlah transaksi yang tinggi belum tentu berarti sebuah iklan berhasil mendapatkan banyak pelanggan baru.

Bisnis sebaiknya membedakan:

• new customers;
• existing customers;
• pembelian pertama;
• pembelian ulang.

Hal ini dapat membantu menunjukkan apakah iklan benar-benar memperluas basis pelanggan atau hanya mendorong pelanggan yang sudah mengenal brand untuk kembali membeli.

4. Gunakan Eksperimen untuk Mengukur Dampak

Jika ingin mengetahui apakah sebuah iklan benar-benar menyebabkan penjualan tambahan, eksperimen dapat memberikan informasi yang lebih kuat.

Misalnya, bisnis dapat membandingkan kelompok yang mendapatkan iklan dengan kelompok kontrol yang tidak mendapatkan iklan.

Perbedaan hasil antara kedua kelompok tersebut dapat membantu memperkirakan dampak tambahan dari kampanye.

5. Hubungkan Data Attribution dengan Tujuan Bisnis

Setiap kampanye dapat memiliki tujuan yang berbeda.

Jika tujuannya adalah brand awareness, jangan hanya melihat penjualan langsung.

Jika tujuannya adalah mendapatkan pelanggan baru, perhatikan jumlah new customers dan biaya akuisisinya.

Jika tujuannya adalah meningkatkan profit, revenue teratribusi saja tidak cukup. Biaya, margin, dan nilai pelanggan juga harus diperhitungkan.

Dengan kata lain, metrik harus disesuaikan dengan tujuan kampanye.

Contoh Kesalahan dalam Membaca Attribution

Bayangkan sebuah toko online menjalankan tiga channel pemasaran:

• Facebook Ads menghasilkan 200 transaksi.
• Google Ads menghasilkan 300 transaksi.
• Organic Search menghasilkan 400 transaksi.

Jika hanya melihat angka tersebut, bisnis mungkin menyimpulkan bahwa organic search adalah channel paling efektif.

Namun, perjalanan konsumen bisa saja seperti ini:

Facebook Ads → Brand Awareness → Google Search → Organic Search → Pembelian

Dalam kasus tersebut, organic search memang menjadi touchpoint penting sebelum transaksi, tetapi bukan berarti organic search sendirian menciptakan seluruh permintaan tersebut.

Sebagian permintaan mungkin sudah terbentuk melalui iklan dan aktivitas pemasaran sebelumnya.

Karena itu, angka attribution perlu dibaca dalam konteks customer journey secara keseluruhan.

Apa yang Sebaiknya Dilakukan Pengiklan?

Daripada hanya bertanya:

“Iklan mana yang mendapatkan kredit?”

Lebih baik mengajukan beberapa pertanyaan tambahan:

• Dari mana pelanggan pertama kali mengetahui brand?
• Channel apa yang paling sering berinteraksi dengan pelanggan?
• Apakah pelanggan tersebut sudah memiliki niat membeli?
• Berapa banyak pelanggan baru yang diperoleh?
• Apakah penjualan tetap terjadi tanpa iklan?
• Berapa besar dampak tambahan dari kampanye?
• Apakah kampanye menghasilkan profit yang sehat?
• Bagaimana kontribusi channel tersebut terhadap perjalanan konsumen secara keseluruhan?

Pertanyaan-pertanyaan tersebut dapat menghasilkan keputusan pemasaran yang lebih baik dibandingkan hanya melihat satu angka attribution.

Baca Juga: Mengenal Share of Search sebagai Indikator Kekuatan Brand

Kesimpulan

Attribution merupakan alat yang berguna untuk memahami hubungan antara aktivitas pemasaran dan konversi. Namun, attribution tidak selalu menunjukkan penyebab sebenarnya dari sebuah penjualan.

Sebuah iklan bisa mendapatkan kredit atas transaksi karena menjadi touchpoint terakhir, meskipun keputusan pembelian sudah dipengaruhi oleh berbagai interaksi sebelumnya.

Sebaliknya, sebuah channel yang tidak mendapatkan kredit langsung juga dapat memiliki peran penting dalam membangun awareness dan menciptakan permintaan.

Karena itu, attribution sebaiknya tidak digunakan sebagai satu-satunya dasar dalam menentukan efektivitas iklan. Gunakan attribution bersama data customer journey, new customer acquisition, ROAS, profit, dan jika memungkinkan, pengukuran incrementality melalui eksperimen.

Pada akhirnya, pertanyaan yang paling penting bukan hanya:

“Siapa yang mendapatkan kredit atas penjualan?”

Tetapi:

“Seberapa besar penjualan tambahan yang benar-benar dihasilkan oleh aktivitas pemasaran tersebut?”