Studi Kasus Vetmo: Pakai Marketing Mix Modeling Realokasi Budget Iklan Pet Care dari TikTok ke Meta Naikkan ROAS dari 2,1 ke 3,8 di 2026

TL;DR: Vetmo, platform pet care yang saya bantu, sempat menghabiskan 62 persen budget iklan ke TikTok karena dashboard platform menunjukkan ROAS 4,2. Setelah menjalankan Marketing Mix Modeling selama 90 hari dengan data agregat mingguan, ternyata kontribusi inkremental TikTok cuma 14 persen, sementara Meta menyumbang 47 persen. Realokasi budget membawa ROAS keseluruhan naik dari 2,1 ke 3,8.

Saya ingat momen pertama buka output MMM untuk Vetmo. Saya pikir akan ada penyesuaian kecil. Tapi yang muncul: jurang lebar antara klaim dashboard TikTok dan kontribusi inkremental sebenarnya. Hal ini bukan kasus unik. Tim marketing Vetmo bukan tim baru, mereka punya tracker lengkap. Yang berubah cuma satu, browser dan OS makin agresif memutus cookie pihak ketiga.

Tulisan ini saya susun supaya marketer Indonesia yang masih bergantung 100 persen pada attribution dashboard platform tahu kapan harus tambah lensa MMM.

Konteks: Kenapa Dashboard Attribution Mulai Bias

Sejak iOS 14.5 ATT prompt aktif (April 2021) dan Chrome mulai membatasi third-party cookies bertahap (Privacy Sandbox Phase 3 di 2025), platform iklan kehilangan visibility pengguna lintas situs. Solusi mereka: modeled conversion. Platform memprediksi konversi yang hilang lewat machine learning di internal mereka sendiri.

Masalahnya, model itu cenderung over-attribute ke kanal yang punya banyak touchpoint dangkal seperti view-through TikTok. Per April 2026, riset Meta sendiri (Robyn whitepaper Maret 2026) menyebut deviasi modeled vs incremental bisa 30 hingga 60 persen di vertikal e-commerce. Ini yang menjebak Vetmo.

Framework MMM yang Saya Pakai

Vetmo punya 78 minggu data penjualan (Q4 2024 sampai Q1 2026). Saya pakai Meta Robyn (open source) dengan setup berikut:

Model di-cross-validate dengan menyembunyikan 8 minggu terakhir. NRMSE keluar di 0,11 dan decomposition R-squared di 0,87. Cukup solid.

Temuan: Bias Dashboard vs MMM

Berikut perbandingan kontribusi yang dilihat tim Vetmo sebelum dan sesudah MMM, untuk periode Januari sampai Maret 2026:

TikTok overstate hampir 3x lipat. Penyebabnya: view-through window TikTok 7 hari ditambah modeled conversion yang menarik banyak konversi organik ke dalam klaim TikTok. Setelah cross-check dengan [incrementality test](/glosarium/incrementality-test) geo holdout di tiga kota (Yogyakarta, Semarang, Denpasar), arah temuan MMM terkonfirmasi.

Realokasi & Dampaknya

Berdasarkan response curve MMM, budget TikTok bulanan dipotong dari 62 ke 28 persen total, Meta dinaikkan dari 18 ke 41 persen, sisanya stabil. Implementasi dilakukan bertahap dalam 6 minggu supaya tim kreatif sempat shifting aset Reels.

Hasil setelah 90 hari (Februari sampai April 2026):

• ROAS gabungan naik dari 2,1 ke 3,8
• CAC Vetmo turun dari Rp 287 ribu ke Rp 168 ribu per pelanggan baru
• Konversi total naik 18 persen meski total spend turun 9 persen

Yang menarik, LTV pelanggan akuisisi via Meta justru lebih tinggi 22 persen dibanding TikTok di periode yang sama, sehingga ROI long-term lebih baik lagi.

Pertanyaan Umum

Apakah MMM cocok untuk bisnis kecil dengan budget di bawah 50 juta per bulan?

Bisa, tapi keterbatasannya: data minimum tetap butuh 18 hingga 24 bulan, dan model jadi sensitif kalau variasi belanja antar minggu terlalu rendah. Untuk skala kecil, incrementality test ber-frekuensi 1 kuartal lebih cost-effective.

Berapa biaya menjalankan MMM untuk brand seukuran Vetmo?

Pakai Meta Robyn open source, biaya tooling nol. Investasi sebenarnya di waktu analis (sekitar 40 jam siklus pertama, 8 jam refresh bulanan) dan compute. Studi McKinsey Marketing & Sales 2025 menyebut payback period MMM rata-rata 2 hingga 4 bulan untuk brand FMCG dan retail.

Apakah MMM menggantikan Google Analytics 4?

Tidak. GA4 untuk behavior dan funnel, MMM untuk media ROI dan budget allocation. Lapisan triangulation idealnya: MMM (strategis), incrementality test (validasi), [Attribution Reporting API](/glosarium/attribution-reporting-api) atau MTA (taktis harian).

Bagaimana memulai MMM tanpa data scientist in-house?

Mulai dari spreadsheet sederhana dengan regresi OLS di Google Sheets sebagai sanity check. Setelah punya intuisi, naik ke Meta Robyn atau Google Meridian. Banyak agency Indonesia 2026 sudah menawarkan MMM-as-a-service per kuartal.

Pelajaran untuk Marketer Indonesia

Dashboard platform iklan adalah salesperson terbaik mereka sendiri. Saat cookieless mempersulit attribution, modeled conversion mereka tidak akan mengarah ke "kanal kami sebenarnya kurang efektif". MMM jadi pengontrol bias yang vital. Untuk bisnis Indonesia yang sudah punya 18+ bulan data penjualan, lebih murah dan lebih akurat dibanding mencoba menambal tracking pixel yang sudah retak.

Studi case Vetmo bukan tentang TikTok jelek atau Meta hebat, tapi tentang tidak boleh menyerahkan keputusan budget sepenuhnya ke pihak yang juga menjual ruang iklan. Web Vitals dari Google sendiri sudah lama mendorong field data untuk performance. MMM adalah versi attribution-nya.