Realokasi Anggaran

Manfaat MMM adalah anggaran yang lebih baik. Realokasi memindahkan dana dari saluran yang jenuh dan memiliki ROI marjinal rendah ke saluran yang kekurangan dana dan memiliki ROI marjinal tinggi untuk meningkatkan total penjualan dengan belanja yang sama.

Pelajaran ini menunjukkan cara mengubah kurva respons menjadi rencana alokasi.

Secara formal, Anda memaksimalkan total penjualan inkremental dengan batasan anggaran. Titik optimum tercapai ketika imbal hasil marjinal per dolar setiap saluran sama.

Jika ROI marjinal suatu saluran lebih tinggi daripada saluran lain, memindahkan satu dolar ke saluran tersebut akan meningkatkan total penjualan, sehingga Anda terus memindahkan dana sampai keduanya seimbang.

Bayangkan dua saluran. Dolar berikutnya pada Penelusuran menghasilkan 1,8; pada Sosial menghasilkan 3,4. Pindahkan anggaran dari Penelusuran ke Sosial.

Seiring Sosial bertumbuh, saluran itu menjadi jenuh (imbal hasil marjinal menurun), sedangkan ketika Penelusuran menyusut, kejenuhannya berkurang (imbal hasil marjinal meningkat). Berhentilah ketika kedua nilai marjinal bertemu.

Berikut contoh realokasi dengan anggaran yang sama. Total tetap 290 ribu, tetapi dana dialihkan dari Penelusuran yang jenuh dan OOH yang lemah ke Sosial dan ruang pertumbuhan TV.

Model memproyeksikan penjualan inkremental yang lebih tinggi hanya karena bauran yang lebih baik.

Masukkan tingkat belanja baru ke setiap kurva respons untuk memperkirakan kontribusi baru, lalu bandingkan totalnya dengan rencana lama.

Selisihnya adalah peningkatan yang diproyeksikan. Selalu nyatakan sebagai rentang berdasarkan ketidakpastian model, bukan sebagai satu angka tunggal yang seolah pasti.

Kurva respons hanya dapat diandalkan di sekitar tingkat belanja yang telah diamati. Realokasi hingga 3 kali melampaui tingkat historis mana pun berarti melakukan ekstrapolasi ke wilayah yang tidak diketahui.

Batasi perubahan pada rentang yang kredibel (sering kali ±30–50% per saluran per periode) dan lakukan pergeseran besar secara bertahap selama beberapa siklus.

Optimasi matematis jarang menjadi rencana yang dapat dijalankan. Kontrak, pembelian minimum, komitmen agensi, waktu tunggu produksi materi kreatif, dan kecepatan peningkatan skala kanal semuanya membatasi langkah yang dapat diambil.

Tambahkan semua hal ini sebagai batasan ke dalam pengoptimal agar rekomendasinya benar-benar dapat dijalankan oleh tim.

Ada dua pertanyaan yang berbeda: bauran terbaik untuk anggaran tetap dan apakah total anggaran perlu diubah.

Gunakan ROI marginal untuk pertanyaan kedua juga: jika setiap rupiah dengan kinerja terburuk dalam rencana yang dioptimalkan masih menghasilkan pengembalian di atas tingkat ambang Anda, total anggaran mungkin terlalu kecil.

Jangan hanya menyajikan satu angka; sajikan beberapa skenario. Buat model anggaran konservatif, dasar, dan agresif, lalu tampilkan proyeksi penjualan serta risikonya untuk masing-masing skenario.

Dengan demikian, pimpinan dapat memilih tingkat risiko, bukan sekadar menyetujui rekomendasi kotak hitam.

Perlakukan pengalokasian ulang sebagai hipotesis. Terapkan, idealnya menggunakan kelompok pembanding geografis, lalu ukur apakah penjualan aktual sesuai dengan proyeksi.

Masukkan hasilnya ke model berikutnya. Siklus pembelajaran—rencanakan, lalu uji, lalu sesuaikan ulang model—itulah yang membedakan program matang dari analisis sekali pakai.

Kesalahan yang sering terjadi antara lain mengoptimalkan berdasarkan rata-rata, bukan ROI marginal; memperpanjang proyeksi jauh melampaui pembelanjaan yang diamati; mengabaikan kendala operasional; menyajikan estimasi titik seolah-olah pasti; dan tidak pernah memvalidasi rencana berdasarkan kenyataan.

Hindari semua ini agar pengalokasian ulang menjadi pendorong pertumbuhan yang andal.

Terapkan prinsip pengembalian marginal yang setara.

Alokasikan ulang dengan menyetarakan ROI marginal di seluruh kanal menggunakan kurva respons, bukan ROAS rata-rata. Batasi perubahan pada rentang kurva yang valid dan patuhi kendala operasional.

Gunakan ROI marginal untuk turut menentukan total anggaran, sajikan skenario beserta ketidakpastiannya, dan validasi setiap rencana melalui pengujian sebelum mempercayainya sepenuhnya.