Menemukan nilai maksimum
Apa itu optimisation? Menurut kamus Merriam-Webster, optimisation adalah aksi, proses atau metodologi untuk membuat sesuatu --baik itu berupa desain, sistem atau keputusan- menjadi semakin sempurna, berfungsi penuh atau bekerja seefektif mungkin. Secara spesifik, optimisation disini lekat dengan prosedur matematis untuk mencari nilai maksimum dari sebuah fungsi.
Pada kenyataannya memang demikian. Dalam pandangan marketing pada umumnya, optimalisasi adalah memberikan yang terbaik sehingga hasilnya pun mencapai nilai maksimum. Namun dalam digital marketing, upaya ini lebih terukur dan dekat dengan prosedur matematis.
Contohnya pada optimalisasi email marketing, digital advertising dan optimalisasi website. Teknik optimalisasi yang paling sering dilakukan adalah A/B Testing dan Multivariate Testing. Keduanya adalah upaya real-time optimisation yang terukur.
A/B Testing
A/B testing dikenal juga sebagai split testing atau bucket testing. Disini kita membandingkan dua versi dari email, landing page, website atau materi iklan untuk mengetahui mana yang performanya paling baik. Ada beberapa data sebagai metrics yang dimonitor performanya. Data-data ini antara lain open rates, click-through rates dan conversion rates.
Pada dasarnya A/B testing ini adalah sebuah eksperimen dimana dua atau lebih variasi dipaparkan kepada pengguna secara random. Selanjutnya dilakukan analisis statistik untuk menentukan variasi mana yang performanya lebih bagus untuk mencapai sebuah tujuan --biasanya konversi.
A/B testing ini adalah cara paling gampang untuk optimalisasi. Namun kekurangannya, perlu waktu lama untuk melakukan testing jika variabel yang diukur lebih dari empat. Dalam situasi ini, A/B testing kurang dapat menunjukkan informasi lebih banyak tentang bagaimana variabel-variabel itu saling berinteraksi mencapai tujuan.
Multivariate Testing
Disinilah peran multivariate testing. Metodenya mirip dengan A/B testing namun dalam multivariate testing ini variabelnya lebih banyak. Dengan demikian kita bisa mendapatkan lebih banyak informasi bagaimana variabel-variabel ini saling berinteraksi satu sama lain.
Kapan menggunakan multivariate testing? Ketika perbedaan antara satu variasi dengan variasi yang lainnya ini tipis-tipis. Jadi, lewat A/B testing kita menetapkan format atau variasi utama yang kinerjanya terbaik. Lalu dengan multivariate test, kita menemukan detil-detil elemen mana dari variasi utama itu yang paling efektif mencapai tujuan.
Sebagai contoh adalah multivariate testing pada landing page yang memiliki beberapa elemen. Di dalamnya ada formulir registrasi, teks utama dengan Call-To-Action (CTA) yang menarik dan footer. Jika kita melakukan A/B testing, kita perlu membuat dua desain landing page yang sama sekali berbeda.
Namun dalam multivariate testing, yang kita buat adalah dua versi formulir registrasi dengan kolom isian yang berbeda, tiga versi teks dengan CTA dan dua footer. Kita menguji semua kombinasi yang mungkin dibuat dengan berbagai variasi tersebut. Metode ini disebut juga sebagai full factorial testing.
Semakin banyak elemen yang diuji, semakin kompleks testingnya. Waktu yang dibutuhkan juga lebih lama. Oleh karena itu, multivariate testing ini lebih cocok untuk menguji digital asset dengan trafik yang signifikan. Disini, perbaikan sedikit saja bisa membuat kinerja digital asset tersebut meningkat tajam.
Proses Real-Time Optimisation
Pertanyaan selanjutnya adalah, apa yang dibutuhkan supaya organisasi marketing bisa menjalankan real-time optimisation dengan baik? Untuk mengetahuinya, mari kita lihat rangkaian prosesnya.
Berangkat dari definisi optimalisasi tadi, kita bisa mengidentifikasikan ada tiga proses dalam real-time optimisation. Diawali dengan pengumpulan data, lalu menarik insights dari data tersebut dan mengambil langkah-langkah yang diperlukan untuk mencapai “nilai maksimum.” Satu aktivitas tambahan adalah melakukan ketiga proses itu dalam siklus mingguan, bulanan, per kuartal dan tahunan.
Pengumpulan Data
Kita tahu bahwa data memiliki peran krusial dalam setiap tahapan digital marketing. Mulai dari perencanaan, eksekusi sampai evaluasi. Namun dalam konteks real-time optimisation, data disini adalah yang digunakan pada tahap eksekusi. Tahap dimana data berperan meningkatkan efisiensi dan efektifitas dari eksekusi strategi.
Data apa saja yang kita butuhkan? Paling penting adalah data yang bisa menjadi indikator efektivitas dan efisiensi dari aktivitas digital marketing. Efektivitas merujuk pada seberapa besar upaya yang kita lakukan bisa mendatangkan hasil. Efisiensi adalah berapa biaya atau resources yang kita keluarkan untuk mencapai hasil tersebut.
Contoh data efektivitas adalah Impressions, Reach, Clicks, Open-Rates, Video Views dan Conversion. Data tentang efisiensi antara lain CPM, CPC, CPV atau Cost Per Conversion. Kita mengumpulkan data-data ini untuk mendapatkan informasi tentang respons platform, respons dari target audience, dan dampaknya pada bisnis.
Data-data itu dengan mudah bisa kita dapatkan dari platform digital marketing yang kita jalankan, seperti Facebook, Google atau yang berbasis programmatic advertising.
Khusus untuk programmatic advertising, biasanya kita perlu menambahkan tools atau feature khusus untuk melengkapi pengumpulan data. Lalu, jika kita memiliki banyak touchpoints dalam digital marketing, sebaiknya kita mengotomatisasikan proses pengumpulan data.
Analisis Data untuk mencari problem
Tantangan muncul di tahap berikutnya, yakni menarik insights. Ini berarti ada proses mengolah dan menganalisis data untuk menemukan problem dan potensi problem. Pada tahap inilah kita membutuhkan data analyst dalam organisasi marketing.
Misalnya, ada kondisi ketika jumlah impressions dan reach per hari kecil sehingga penyerapan budgetnya rendah dibandingkan dengan rencana awal. Disini ada indikasi masalah dengan respons platform. Mungkin buying method-nya salah, ada masalah dengan materi iklan atau pemilihan audience data untuk targeting yang terlalu niche.
Hasil analisis bisa langsung ditindak lanjuti oleh tim, namun ada juga beberapa hal yang perlu mendapat pertimbangan dari pengambil keputusan bisnis. Disini visualisasi data sangat penting untuk membuat informasi lebih mudah dimengerti.
Data dan informasi disajikan dalam bentuk grafik, bagan atau format visal yang lain. Hubungan antar data dikomunikasikan melalui gambar. Ini sangat penting karena visualisasi memudahkan kita melihat tren dan pola. Pastikan kita memiliki data visualisation tool yang handal.
Membuat perubahan
Berdasarkan informasi dan analisisnya, selanjutnya kita perlu menentukan perubahan apa yang perlu kita lakukan dan bagaimana kita akan melakukannya. Pada tahap ini, penting bagi kita untuk membuat beberapa hipotesis hasil dari perubahan. Dalam membuat hipotesis ini kita menggunakan data-data historikal sebagai basis.
Seringkali hipotesis itu perlu diuji terlebih dahulu melalui A/B testing atau multivariate testing seperti yang disampaikan di awal artikel.
Baik strategis maupun taktis, eksekusi dari perubahan ini membutuhkan kematangan dari tim marketing maupun para mitra seperti agensi. Kematangan ini merujuk pada dua hal, yakni data-driven culture dan marketing operational excellence.
Aksi inilah yang menjadi inti dari melakukan manuver dalam digital marketing. Sudah siapkah organisasi marketing Anda untuk menjalankannya?
4.241
