Digital Marketing
Media Mix Modeling (MMM)
TL;DR: Media Mix Modeling (MMM) adalah teknik analisis statistik yang memetakan kontribusi tiap channel iklan ke pendapatan menggunakan data agregat mingguan atau bulanan. Karena tidak butuh cookie pihak ketiga, MMM menjadi metode atribusi utama era cookieless.
Apa itu Media Mix Modeling?
Media Mix Modeling adalah pendekatan ekonometrik yang memodelkan hubungan antara spend marketing dan output bisnis (revenue, leads, sign-ups) dalam satu persamaan regresi. Berbeda dengan atribusi berbasis user-level, MMM bekerja di level agregat. Inputnya adalah deret waktu spend per channel, faktor eksternal (musim, harga, kompetitor), dan output bisnis. Hasilnya: estimasi ROI marginal per channel.
Analogi sederhana, MMM adalah seperti membaca neraca tahunan toko. Pemilik tidak perlu tahu persis siapa yang masuk dari pintu mana setiap menit, cukup tahu pintu mana yang paling sering dilewati pembeli.
Cara Kerja MMM
| Komponen | Fungsi |
|---|---|
| Spend per channel | Variabel independen utama (Meta, Google, TV, OOH) |
| Sales/conversion | Variabel dependen (target prediksi) |
| Faktor eksternal | Kontrol untuk musim, harga, promo, kompetitor |
| Adstock | Modelkan efek tertunda iklan (carry-over) |
| Saturation curve | Modelkan diminishing return tiap channel |
Output utama: ROI per channel dan rekomendasi realokasi budget. Tools open-source seperti Robyn dari Meta dan LightweightMMM dari Google bikin metode ini lebih mudah diakses tim kecil.
Kenapa Penting?
Per April 2026, Chrome sudah membatasi third-party cookie secara default dan iOS terus memperketat tracking. Atribusi berbasis pixel jadi semakin tidak reliable. MMM tahan terhadap perubahan privacy karena tidak butuh data individual. Untuk UMKM Indonesia yang spend di 3-5 channel berbeda, MMM bisa jawab pertanyaan paling mahal: channel mana yang sebenarnya menumbuhkan revenue, bukan cuma menumpang konversi terakhir.
Pertanyaan Umum
Apa beda MMM dengan attribution model biasa?
Attribution model konvensional pakai data klik dan view per individu. MMM pakai data agregat dan memodelkan efek time-shift serta saturation. MMM lebih cocok untuk channel offline dan brand spend yang sulit di-track per user.
Berapa lama data yang dibutuhkan untuk MMM?
Idealnya 2-3 tahun data mingguan atau minimal 18 bulan. Ini supaya model bisa tangkap pola musiman dan efek pergeseran budget. UMKM yang masih berusia 1 tahun lebih cocok pakai incrementality test dulu.
Istilah Terkait