Digital Marketing
Propensity Scoring (Skor Probabilitas Tindakan Pelanggan)
Propensity Scoring adalah teknik statistik dan machine learning untuk memberi skor probabilitas pelanggan melakukan tindakan tertentu, seperti membeli, churn, atau klik.
TL;DR: Propensity Scoring adalah skor 0 sampai 1 yang memperkirakan kemungkinan pelanggan melakukan tindakan tertentu di periode mendatang. Marketer memakainya untuk memprioritaskan budget iklan ke audience yang paling mungkin konversi, sehingga CAC turun dan ROI naik.
Apa itu Propensity Scoring?
Propensity Scoring adalah model probabilistik yang menghasilkan skor untuk tiap pelanggan berdasarkan data perilaku, demografi, dan transaksi historis. Skor tinggi berarti probabilitas tindakan target juga tinggi. Model umum yang dipakai adalah logistic regression, gradient boosting, dan random forest. Output skor biasanya dipakai bersama RFM segmentation untuk membentuk audience yang siap diaktifkan ke iklan, email, atau push notification.
Jenis Propensity Score di Marketing
| Jenis | Target Prediksi | Pemakaian Utama |
|---|---|---|
| Purchase propensity | Probabilitas pembelian dalam N hari | Retargeting, email promo |
| Churn propensity | Probabilitas berhenti dalam N hari | Retensi, win-back |
| Engagement propensity | Probabilitas klik atau open | Frekuensi pengiriman email |
| Upsell propensity | Probabilitas naik paket | Cross-sell di SaaS |
Model yang baik perlu re-training berkala, biasanya tiap 4-12 minggu, supaya tidak mengalami drift. Hindari klaim absolut bahwa skor 0,9 pasti akan beli, karena itu probabilitas, bukan kepastian.
Kenapa Penting?
Bagi brand di Indonesia, propensity scoring menjawab pertanyaan "siapa yang harus saya dorong duluan dengan budget terbatas". Tanpa skor, marketer cenderung blast ke seluruh database dan menerima open rate rendah. Praktik standar di e-commerce dan SaaS menunjukkan kampanye yang menargetkan top 20% propensity score bisa menghasilkan 50-70% dari total konversi. Angka ini bervariasi tergantung kualitas data dan kategori produk.
Pertanyaan Umum
Apa beda Propensity Scoring dan Lead Scoring?
Lead Scoring biasanya pakai aturan manual (misal poin untuk buka email +10, klik CTA +20). Propensity Scoring memakai model statistik atau machine learning, lebih objektif dan adaptif terhadap data baru.
Berapa banyak data minimum untuk membangun model?
Untuk model sederhana logistic regression butuh minimal 1000 record per kelas target. Untuk model gradient boosting butuh 5000-10000 record agar generalisasi cukup baik.
Istilah Terkait