Data sering dianggap sebagai cara paling objektif untuk mengambil keputusan marketing. Ketika sebuah campaign berjalan, marketer bisa melihat CTR, conversion rate, traffic, engagement, lead quality, hingga performa setiap channel dengan cukup detail. Semakin banyak data yang tersedia, seharusnya keputusan yang diambil juga semakin rasional.
Namun ada satu masalah: memiliki data tidak otomatis membuat kita objektif.
Marketer tetap manusia. Ketika sudah mempunyai keyakinan tentang strategi tertentu, kita cenderung lebih mudah memperhatikan informasi yang mendukung keyakinan tersebut dan mengabaikan informasi yang menunjukkan sebaliknya. Inilah yang dikenal sebagai confirmation bias.
Apa Itu Confirmation Bias dalam Marketing?
Confirmation bias dalam marketing adalah kecenderungan marketer untuk lebih memperhatikan, memilih, atau menginterpretasikan data yang mendukung asumsi yang sudah dimiliki, sementara informasi yang bertentangan dengan asumsi tersebut cenderung kurang diperhatikan.
Dalam praktiknya, bias ini dapat memengaruhi cara marketer membaca campaign performance, memilih metric, mengevaluasi channel, hingga menentukan strategi berikutnya.
Dalam marketing, confirmation bias bisa muncul tanpa terasa. Sebuah tim mungkin sudah percaya bahwa video adalah format konten terbaik. Ketika video menghasilkan engagement tertinggi, angka tersebut langsung dianggap sebagai bukti. Namun tim mungkin tidak terlalu memperhatikan bahwa carousel menghasilkan lebih banyak klik ke website atau artikel menghasilkan lebih banyak qualified leads.
Datanya sama-sama tersedia. Yang berbeda adalah data mana yang dipilih untuk diperhatikan.
Bagaimana Confirmation Bias Muncul dalam Data Marketing?
Confirmation bias biasanya tidak muncul karena marketer sengaja memanipulasi data. Justru sering terjadi ketika sebuah asumsi sudah terbentuk sebelum analisis dilakukan.
Misalnya sebuah campaign dianggap berhasil karena traffic meningkat 40%. Jika sejak awal tim memang yakin campaign tersebut bagus, kenaikan traffic akan terasa seperti validasi. Padahal mungkin conversion rate turun, bounce rate meningkat, atau sebagian besar traffic datang dari audience yang tidak sesuai target.
Contoh lain terjadi ketika perusahaan merasa bahwa harga adalah alasan utama customer memilih sebuah produk. Seluruh campaign kemudian menonjolkan harga kompetitif. Ketika beberapa customer mengatakan harga penting, komentar tersebut dianggap sebagai bukti. Tetapi feedback lain tentang reliability, after-sales support, atau kemudahan implementasi mungkin tidak mendapatkan perhatian yang sama.
Masalahnya bukan terletak pada datanya. Masalahnya adalah cara kita memilih dan menginterpretasikan data tersebut.
Dalam marketing, confirmation bias biasanya muncul ketika:
- asumsi dibuat sebelum data dianalisis;
- metric yang mendukung asumsi mendapat perhatian lebih besar;
- metric yang bertentangan dengan asumsi dianggap kurang relevan;
- definisi keberhasilan berubah setelah hasil campaign terlihat; dan
- keputusan lama terus dipertahankan meskipun data mulai menunjukkan perubahan.
Ketika Marketing Analytics Dipakai untuk Membuktikan, Bukan Memahami
Marketing analytics seharusnya membantu kita memahami apa yang sedang terjadi. Tetapi dalam praktiknya, analytics bisa berubah menjadi alat untuk membuktikan keputusan yang sudah dibuat sebelumnya.
Pertanyaannya bergeser dari:
“Apa yang bisa kita pelajari dari data ini?”
menjadi:
“Data mana yang membuktikan bahwa strategi kita berhasil?”
Perbedaannya terlihat kecil, tetapi dampaknya besar.
Jika sebuah campaign menghasilkan impressions tinggi tetapi sedikit opportunity, marketer yang ingin membuktikan keberhasilan mungkin fokus pada reach dan engagement. Sebaliknya, jika tujuan campaign memang menghasilkan sales pipeline, maka kualitas leads dan progression menuju opportunity seharusnya mendapat perhatian lebih besar.
Karena itu, angka tidak bisa dibaca terpisah dari tujuan bisnis. Metric yang terlihat positif belum tentu menunjukkan bahwa strategi benar-benar bekerja.
Confirmation Bias Bisa Membuat Strategi Marketing Sulit Berkembang
Risiko terbesar confirmation bias bukan hanya salah membaca satu campaign. Bias ini bisa membuat marketing terus mengulang strategi yang sebenarnya sudah tidak efektif.
Ketika sebuah pendekatan pernah berhasil, tim cenderung percaya bahwa pendekatan tersebut akan terus bekerja. Jika performanya menurun, penyebabnya sering dicari di luar strategi: algoritma berubah, budget kurang besar, audience sedang tidak aktif, atau kompetitor semakin agresif.
Semua faktor tersebut memang mungkin terjadi. Tetapi ada kemungkinan lain yang perlu dipertimbangkan: strateginya sendiri mungkin sudah tidak relevan.
Marketing yang terlalu sibuk mempertahankan asumsi lama akan lebih sulit melihat perubahan perilaku customer. Padahal market, channel, buying journey, dan ekspektasi audience terus berubah. Karena itu, salah satu kemampuan penting marketer bukan hanya menemukan bukti bahwa strategi bekerja, tetapi juga berani mencari alasan mengapa strategi tersebut mungkin tidak lagi bekerja.
Jangan Hanya Bertanya, “Apa yang Membuktikan Kita Benar?”
Salah satu cara paling sederhana untuk mengurangi confirmation bias adalah mengubah cara bertanya.
Setelah melihat sebuah hasil campaign, jangan hanya bertanya:
“Apa yang membuat campaign ini berhasil?”
Tambahkan pertanyaan lain:
“Apa yang menunjukkan bahwa campaign ini sebenarnya belum berhasil?”
Jika tim percaya video adalah format terbaik, cari data yang dapat menantang asumsi tersebut. Bagaimana kualitas traffic dari video dibandingkan format lain? Berapa banyak leads yang dihasilkan? Bagaimana conversion rate-nya? Apakah audience yang berinteraksi memang target market?
Jika tim percaya sebuah channel menghasilkan leads terbaik, bandingkan tidak hanya jumlah leads, tetapi juga berapa banyak yang menjadi qualified leads, opportunity, dan customer.
Tujuannya bukan mencari kesalahan. Tujuannya adalah memastikan keputusan marketing tidak dibangun hanya dari evidence yang nyaman untuk dilihat.
Tetapkan Ukuran Keberhasilan Sebelum Campaign Berjalan
Confirmation bias lebih mudah muncul ketika definisi “sukses” baru ditentukan setelah melihat hasil.
Misalnya sebuah campaign awalnya dibuat untuk menghasilkan leads. Setelah campaign selesai ternyata leads rendah tetapi engagement tinggi. Jika kemudian campaign disebut berhasil karena engagement-nya bagus, tim sebenarnya sedang memindahkan standar keberhasilan setelah melihat hasil.
Karena itu, sebelum campaign berjalan, tentukan terlebih dahulu apa yang ingin dicapai dan metric apa yang akan digunakan untuk menilainya.
Jika tujuan utamanya awareness, reach dan brand engagement mungkin relevan.
Jika tujuannya lead generation, conversion rate dan lead quality menjadi lebih penting.
Jika tujuannya menghasilkan pipeline, marketing perlu melihat progression dari lead menuju opportunity.
Dengan menetapkan success metric sejak awal, tim memiliki standar yang lebih objektif ketika melakukan evaluasi.
Bandingkan Data, Jangan Membaca Angka Sendirian
Satu angka hampir selalu membutuhkan konteks. CTR 5% bisa terlihat bagus, tetapi bagaimana jika campaign sebelumnya mencapai 8%? Traffic naik 30% terdengar positif, tetapi bagaimana jika conversion turun setengahnya? Leads bertambah dua kali lipat, tetapi bagaimana jika sebagian besar tidak memenuhi kriteria sales?
Untuk mengurangi bias, marketer perlu membaca hubungan antar-metric dan menggunakan pembanding.
Bandingkan performa dengan periode sebelumnya, campaign lain, audience berbeda, channel lain, atau tujuan bisnis yang ingin dicapai. Jika memungkinkan, gunakan experiment seperti A/B testing untuk menguji dua pendekatan secara lebih objektif.
Dengan begitu, keputusan tidak hanya dibangun dari satu angka yang kebetulan mendukung asumsi.
Libatkan Perspektif di Luar Tim Marketing
Confirmation bias juga lebih mudah terjadi ketika sebuah tim hanya mengevaluasi pekerjaannya sendiri. Marketing mungkin merasa sebuah campaign menghasilkan leads yang bagus karena jumlah form submission meningkat. Tetapi sales bisa mempunyai perspektif berbeda karena sebagian besar leads ternyata tidak siap membeli.
Di sisi lain, marketing mungkin menganggap sebuah konten kurang berhasil karena engagement-nya rendah. Namun sales bisa menemukan bahwa konten tersebut sering digunakan calon customer ketika sedang mempertimbangkan solusi. Karena itu evaluasi marketing sebaiknya tidak hanya mengandalkan dashboard marketing.
Feedback dari sales, customer service, CRM, customer interview, bahkan alasan lost deal dapat memberikan perspektif yang membantu menguji asumsi internal. Semakin banyak sudut pandang yang digunakan, semakin kecil kemungkinan satu interpretasi dianggap sebagai satu-satunya kebenaran.
Pisahkan Observation, Interpretation, dan Conclusion
Untuk mengurangi confirmation bias, marketer dapat menggunakan tiga tahap sederhana:
1. Observation. Apa yang terjadi?
Catat fakta yang benar-benar terlihat dari data tanpa memberikan penjelasan terlebih dahulu.
2. Interpretation. Mengapa ini mungkin terjadi?
Buat beberapa kemungkinan penjelasan, bukan hanya satu asumsi.
3. Conclusion. Apa yang perlu dilakukan?
Tentukan analisis lanjutan, experiment, atau keputusan berdasarkan observation dan interpretation tersebut.
Misalnya:
Observation: Traffic landing page naik 35%, tetapi form submission tidak berubah.
Interpretation: Bisa jadi traffic baru memiliki intent lebih rendah, CTA kurang relevan, atau informasi di landing page belum cukup meyakinkan.
Conclusion: Analisis source traffic, behavior pengunjung, dan lakukan experiment pada CTA atau messaging.
Pemisahan ini membantu marketer membedakan antara fakta dan asumsi. Sebab salah satu sumber confirmation bias adalah ketika interpretasi langsung dianggap sebagai fakta.
Jadikan Data sebagai Alat untuk Menguji Asumsi
Data marketing seharusnya bukan digunakan untuk membuat strategi terlihat benar. Data seharusnya membantu kita mengetahui apakah strategi tersebut memang benar. Perbedaannya terletak pada mindset.
Alih-alih memulai dari:
“Strategi ini bagus. Mari kita cari datanya.”
Mulailah dari:
“Kita percaya strategi ini akan bekerja. Bagaimana kita bisa mengujinya?”
Dengan pendekatan tersebut, campaign tidak hanya menjadi aktivitas marketing, tetapi juga experiment untuk memahami customer. Hasil yang sesuai harapan menjadi pembelajaran. Hasil yang berbeda dari harapan juga tetap menjadi pembelajaran.
Bahkan dalam banyak kasus, data yang bertentangan dengan asumsi justru bisa menghasilkan insight yang lebih berharga karena menunjukkan sesuatu tentang pasar yang sebelumnya tidak kita pahami.
Pada akhirnya, marketing yang benar-benar data-driven bukan marketing yang selalu mempunyai banyak angka untuk mendukung keputusan.
Marketing yang data-driven adalah marketing yang bersedia mengubah keputusan ketika data menunjukkan sesuatu yang berbeda dari keyakinannya. Karena data seharusnya tidak digunakan untuk membuktikan bahwa kita selalu benar, melainkan membantu kita mengetahui kapan kita perlu berubah.