Efektivitas Iklan Digital: Studi
Eksperimental Menggunakan A/B
Testing dan Analisis SEM-PLS
Dhea Lutfiah, Dias Surya, M. Agung Izulhaq, M. Ziddan, Siti Musleha
Program Studi Manajemen Program Sarjana
Universitas Pamulang
Abstrak
Penelitian ini bertujuan untuk mengevaluasi efektivitas iklan digital dengan
menggabungkan pendekatan A/B testing dan metode Structural Equation Modeling - Partial
Least Squares (SEM-PLS). Elemen iklan yang diteliti meliputi desain visual, call-to-action
(CTA), dan relevansi konten. Data dikumpulkan dari 400 responden melalui eksperimen
A/B terhadap dua versi iklan yang ditampilkan di media sosial. Hasil menunjukkan bahwa
desain visual dan CTA berpengaruh signifikan terhadap niat klik, yang kemudian memediasi
keputusan konversi. Penelitian ini menegaskan pentingnya optimalisasi elemen iklan
melalui pendekatan berbasis model struktural.
Kata Kunci: Iklan Digital, Efektivitas, A/B Testing, SEM-PLS, Call to Action (CTA)
1. Pendahuluan
Dalam era digital saat ini, pemasaran melalui media digital menjadi strategi utama bagi
perusahaan. Namun, efektivitas iklan digital sangat dipengaruhi oleh aspek desain dan
konten. A/B testing telah menjadi metode umum untuk menguji efektivitas dua versi iklan,
tetapi untuk mengetahui penyebab keberhasilan, dibutuhkan pendekatan yang lebih
mendalam seperti SEM-PLS.
Rumusan Masalah:
1. Bagaimana pengaruh desain visual, CTA, dan relevansi konten terhadap niat klik?
2. Apakah niat klik memediasi hubungan antara elemen iklan dan keputusan konversi?
2. Tinjauan Pustaka
2.1 A/B Testing
A/B testing merupakan metode eksperimen membandingkan dua versi konten untuk
menilai performa berdasarkan metrik seperti CTR dan tingkat konversi.
2.2 SEM-PLS
SEM-PLS adalah pendekatan statistik berbasis varians yang memungkinkan analisis
hubungan antar konstruk laten dalam model kompleks dengan sampel kecil-menengah.
2.3 Model Penelitian dan Hipotesis
Model konseptual terdiri atas:
- Desain Visual (DV)
- Call-to-Action (CTA)
- Relevansi Konten (RC)
- Niat Klik (NK)
- Keputusan Konversi (KC)
Hipotesis:
- H1: DV → NK
- H2: CTA → NK
- H3: RC → NK
- H4: NK → KC
- H5: NK memediasi DV, CTA, RC terhadap KC
3. Metodologi Penelitian
3.1 Desain dan Sampel
Penelitian kuantitatif eksperimental dengan 400 responden yang dipilih secara purposive
sampling dan telah melihat versi iklan A atau B.
3.2 Pengumpulan Data
Data dikumpulkan melalui kuesioner daring dengan skala Likert (1-5) untuk menilai
persepsi terhadap variabel.
3.3 Analisis Data
Data dianalisis menggunakan SmartPLS 4 dengan langkah:
- Uji validitas dan reliabilitas konstruk
- Analisis model struktural (koefisien jalur dan R²)
- Uji mediasi
4. Hasil Penelitian
4.1 Uji Validitas dan Reliabilitas
Semua konstruk memenuhi nilai Cronbach’s Alpha > 0.7 dan AVE > 0.5, menunjukkan
validitas dan reliabilitas yang baik.
4.2 Model Struktural
Hipotesis Jalur Koefisien p-value
H1 DV → NK 0.321 0.002
H2 CTA → NK 0.447 0.000
H3 RC → NK 0.213 0.015
H4 NK → KC 0.536 0.000
4.3 Uji Mediasi
Niat klik secara signifikan memediasi hubungan antara DV, CTA, dan RC terhadap KC (uji
Sobel, p < 0.05).
5. Pembahasan
CTA memiliki pengaruh paling kuat terhadap niat klik, disusul oleh desain visual. Hasil ini
konsisten dengan penelitian terdahulu yang menunjukkan pentingnya elemen interaktif
dalam iklan digital. Niat klik terbukti sebagai variabel mediasi penting dalam memengaruhi
keputusan konversi. SEM-PLS membantu memahami tidak hanya efektivitas, tetapi juga
penyebab keberhasilan versi iklan.
6. Kesimpulan dan Implikasi
Penelitian ini menegaskan bahwa desain visual, CTA, dan relevansi konten memengaruhi
niat klik yang kemudian memediasi keputusan konversi. Gabungan metode A/B testing dan
SEM-PLS efektif untuk mengevaluasi strategi iklan digital.
Implikasi Praktis:
- Fokus pada visual menarik dan CTA yang kuat.
- Rutin melakukan A/B testing dan analisis berbasis SEM untuk optimasi strategi.
Daftar Pustaka
1. Hair, J.F., Hult, G.T.M., Ringle, C.M., & Sarstedt, M. (2022). A Primer on Partial Least
Squares Structural Equation Modeling (PLS-SEM). Sage Publications.
2. Chaffey, D., & Ellis-Chadwick, F. (2019). Digital Marketing (7th ed.). Pearson.
3. Kohavi, R., Tang, D., & Xu, Y. (2020). Trustworthy Online Controlled Experiments: A
Practical Guide to A/B Testing. Cambridge University Press.
4. Gefen, D., Straub, D., & Boudreau, M. (2000). Structural Equation Modeling and
Regression: Guidelines for Research Practice. Communications of the Association for
Information Systems, 4(1), 1–78.
