MMM vs Multi-Touch Attribution: Mana Lebih Akurat di Era Cookieless

TL;DR: Marketing Mix Modeling (MMM) pakai data agregat dan tahan terhadap pembatasan cookie, cocok untuk bisnis dengan revenue minimal Rp 5 miliar per bulan. Multi-touch attribution pakai user-level tracking, granular tapi makin terbatas pasca UU PDP. Solusi terbaik di 2026 sering kombinasi keduanya plus incrementality testing sebagai validasi.

Dalam beberapa proyek terakhir, saya melihat pola berulang. Klien e-commerce dengan ad spend Rp 200-500 juta per bulan mengandalkan attribution dashboard Meta dan Google, lalu kaget ketika hasil real revenue tidak match dengan klaim platform. Ada gap 25-40%. Pertanyaan yang muncul: dashboard mana yang harus dipercaya?

Pertanyaan ini makin sulit dijawab di 2026. iOS 17.4 sudah cabut tracking IDFA, Chrome resmi pensiunkan third-party cookies bertahap sejak Q1 2024, dan UU PDP Indonesia memberi sanksi nyata untuk pelanggaran consent. Multi-touch attribution yang dulu jadi standar emas, kini jadi sumber data yang patah-patah.

Bagaimana Multi-Touch Attribution Bekerja

Multi-touch attribution memetakan perjalanan satu pengguna lintas kanal lewat user ID, cookie, atau device fingerprint. Tujuannya memberikan kredit fraksional ke setiap touchpoint yang berkontribusi terhadap konversi. Model populer: linear, time decay, position-based, data-driven (Google).

Masalahnya, attribution selalu butuh first-party data yang lengkap. Tanpa cookie pihak ketiga, tracking lintas domain pecah. Tanpa IDFA, atribusi mobile app jadi guessing game. Tanpa consent eksplisit user (kewajiban UU PDP), data yang dikumpulkan jadi sebagian kecil dari total trafik.

Studi internal Meta yang dirilis 2024 mengakui platform-reported conversions cenderung overstate 20-40% dibanding hasil incrementality testing. Ini bukan bug, melainkan konsekuensi statistik dari last-touch bias dan view-through windows yang panjang.

Bagaimana Marketing Mix Modeling Bekerja

Marketing Mix Modeling bekerja dari arah berlawanan. Alih-alih track individu, MMM ambil data agregat mingguan: total spend per kanal, total konversi, faktor eksternal seperti musim, harga, kompetitor. Lalu regresi statistik menghasilkan kontribusi ROI per kanal plus kurva saturation.

Karena tidak butuh user-level data, MMM tahan terhadap perubahan privacy regulation. Output utamanya jawab pertanyaan strategis: berapa optimal alokasi budget Rp 1 miliar bulan depan agar revenue maksimal? Kanal mana yang mulai diminishing return?

Per April 2026, Meta dan Google sama-sama merilis open-source MMM tools (Robyn, Meridian) gratis. Vendor enterprise seperti Nielsen dan Analytic Partners masih dominan untuk klien dengan kompleksitas multi-channel.

Kapan Pakai Mana

Pendekatan unified yang dipopulerkan Google Meridian playbook menggabungkan MMM untuk strategi level atas, MTA untuk taktis level bawah, lalu validasi dengan incrementality test setiap kuartal.

Studi Kasus dari Pengalaman

Saat membantu Atmo (LMS untuk personal branding), kami sempat hanya pakai attribution dari Meta dan Google. Dashboard menunjukkan 80% konversi datang dari Meta. Setelah saya jalankan geo holdout test selama 8 minggu di 3 region berbeda, hasilnya cuma 50% incremental. Sisa 30% adalah pengguna yang tetap akan mendaftar walaupun iklan dimatikan, biasanya karena sudah kenal brand dari konten organik dan rekomendasi.

Insight ini mengubah strategi alokasi. Budget Meta diturunkan 25%, lalu dialihkan ke konten organik dan SEO. Hasil tiga bulan kemudian: revenue tetap, tapi blended ROAS naik dari 2,1 ke 2,9.

Kasus serupa terjadi di Vetmo (pet care startup). Tanpa MMM, founder cenderung menggandakan budget di kanal yang dashboard-nya kelihatan paling untung. Setelah masuk MMM, baru kelihatan kanal TVC lokal punya kontribusi besar yang selama ini tidak terlihat di Google Analytics.

Pertanyaan Umum

Apakah MMM pengganti Google Analytics dan attribution platform?

Bukan. MMM adalah lapisan strategis di atas attribution. GA4 dan platform attribution tetap dipakai untuk monitoring harian, optimisasi creative, dan retargeting. MMM dipakai 1-2 kali per kuartal untuk keputusan budget.

Berapa biaya bangun MMM untuk bisnis menengah?

Pakai Robyn (open source) gratis tapi butuh data scientist atau marketing analyst. Vendor SaaS seperti Mutiny atau Recast mulai dari USD 2.000-5.000 per bulan. Konsultan custom Rp 50-150 juta per project.

Apakah cocok untuk UMKM?

Kurang ideal jika bisnis hanya punya 1-2 kanal dan revenue di bawah Rp 1 miliar per bulan. Untuk skala UMKM, fokus dulu ke penataan first-party data, GA4 yang benar, dan A/B testing rutin. MMM masuk akal setelah skala dan multi-kanal.

Kapan idealnya jalankan incrementality test?

Setiap kanal dengan spend lebih dari 20% total budget pemasaran wajib dites incrementality minimal 1 kali per kuartal. Skema termurah: geo holdout 4-8 minggu.

Penutup

Era ketika attribution dashboard adalah kata akhir sudah lewat. Marketer di 2026 perlu tiga pilar pengukuran: MMM untuk strategi, MTA untuk taktis, incrementality test untuk validasi. Mulai dari yang relevan dengan skala bisnis Anda, jangan langsung loncat ke tools paling kompleks. Yang dihindari: mengambil keputusan budget besar berdasarkan satu sumber data saja.