- Learning phase Meta Ads adalah periode ketika algoritma Meta mengumpulkan data dari ad set untuk menentukan cara terbaik dalam menayangkan dan mengoptimalkan iklan.
- Perubahan signifikan pada ad set dapat mengulang learning phase sehingga hindari edit yang tidak mendesak, mencatat setiap perubahan hingga menerapkan persetujuan berjenjang.
- CTWA Mekari Qontak membantu bisnis menghubungkan percakapan dari iklan dengan atribusi sumber iklan dan CRM melalui integrasi WhatsApp Business API dan Conversion API.
Meta menemukan bahwa iklan Click-to-WhatsApp yang dioptimalkan ke leads menghasilkan biaya per lead 24% lebih rendah daripada iklan yang dioptimalkan ke percakapan.
Untuk mencapai hasil optimal, ad set perlu mengumpulkan cukup sinyal selama learning phase.
Namun, banyak tim justru menaikkan budget atau mengubah pengaturan iklan tanpa mengetahui kebutuhan event optimasinya. Padahal, jumlah event, CPA, dan perubahan pada ad set turut menentukan proses ini.
Dalam artikel ini, Mekari Qontak Blog akan membahas seputar learning phase Meta Ads, dari cara menghitung, rumus, penyebab Learning Limited hingga cara mengelola perubahan iklan agar performanya lebih optimal.
Apa Itu Learning Phase di Meta Ads?
Learning phase adalah periode ketika sistem Meta mengumpulkan data untuk menentukan cara terbaik dalam menayangkan iklan.
Selama periode ini, biaya per hasil (cost per result) masih bisa berubah-ubah karena sistem belum memiliki cukup informasi untuk mengoptimalkan penayangan.
Proses ini berlangsung pada tingkat ad set, bukan di level kampanye atau iklan individual. Di Ads Manager, Anda dapat menemukan tiga status utama yang menunjukkan perkembangan proses tersebut.
Gunakan tombol panah kiri/kanan untuk menggulir secara horizontal.
| Status | Artinya | Tindakan Wajar |
|---|---|---|
| Learning | Sistem masih mengumpulkan sinyal, umumnya sampai ad set mencapai sekitar 50 event optimasi dalam 7 hari | Pantau dan hindari edit yang tidak mendesak |
| Active | Sinyal sudah cukup dan penayangan lebih stabil | Evaluasi hasil, lalu skalakan bertahap |
| Learning Limited | Event tidak cukup untuk keluar dari learning phase | Diagnosis budget, audiens, dan struktur |
Perlu dipahami bahwa status Learning Limited bukan berarti iklan Anda buruk atau terkena penalti dari Meta. Status ini hanya menunjukkan bahwa sistem belum mendapatkan cukup data untuk mengoptimalkan penayangan.
Sebaliknya, status Active juga bukan jaminan bahwa iklan sudah menghasilkan performa yang baik. Status tersebut hanya menandakan bahwa Meta telah mengumpulkan cukup sinyal untuk proses optimasi.
Rumus Menghitung Budget agar Ad Set Keluar dari Learning Phase
Untuk memperkirakan budget yang dibutuhkan, Anda bisa menggunakan acuan sekitar 50 kali biaya per event optimasi atau cost per action (CPA) dalam satu minggu.
Dari angka tersebut, estimasi budget harian dapat dihitung menggunakan rumus:
Budget harian = (50 × CPA) ÷ 7
Sebaliknya, jika ingin mengetahui perkiraan jumlah event yang bisa diperoleh dari budget saat ini, gunakan rumus:
Estimasi event per minggu = (Budget harian × 7) ÷ CPA
Pastikan CPA yang digunakan sesuai dengan event yang menjadi target optimasi iklan, bukan biaya per penjualan akhir jika event optimasinya berbeda.
Berikut ilustrasi perhitungan budget dengan beberapa skenario:
Gunakan tombol panah kiri/kanan untuk menggulir secara horizontal.
| Contoh Skenario | CPA Event | Budget Harian | Event per Minggu | Posisi terhadap Ambang |
|---|---|---|---|---|
| A | Rp100.000 | Rp300.000 | 21 | Di bawah |
| B | Rp100.000 | Rp715.000 | sekitar 50 | Mendekati |
| C | Rp40.000 | Rp300.000 | 52,5 | Di atas |
Dari tabel tersebut, terlihat bahwa skenario A dan C menggunakan budget harian yang sama, yaitu Rp300.000. Namun, jumlah event yang dihasilkan berbeda lebih dari dua kali lipat karena perbedaan CPA.
Artinya, memilih event optimasi dengan biaya lebih rendah bisa menjadi langkah yang lebih efektif dibandingkan langsung menaikkan budget.
Mengapa Ad Set Berstatus Learning Limited dan Apa yang Bisa Dilakukan?
Status Learning Limited biasanya muncul ketika jumlah event optimasi yang diperoleh ad set belum mencukupi untuk mencapai ambang sekitar 50 event dalam 7 hari.
Jika menggunakan rumus sebelumnya, kondisi ini umumnya terjadi ketika estimasi jumlah event yang dihasilkan dari budget saat ini masih berada di bawah ambang tersebut.
Ada beberapa faktor yang dapat menyebabkan kondisi ini.
1. Audiens Terlalu Sempit
Targeting dengan jumlah audiens yang terlalu kecil membatasi peluang iklan menjangkau orang yang berpotensi menghasilkan event.
Untuk mengatasinya, Anda bisa memperluas targeting atau menggabungkan beberapa ad set yang memiliki audiens serupa agar data optimasi tidak tersebar.
2. Budget Tidak Sebanding dengan CPA
Budget yang terlalu kecil dibandingkan biaya per event membuat jumlah konversi sulit mencapai ambang yang dibutuhkan.
Coba hitung kembali kebutuhan budget menggunakan rumus sebelumnya. Jika memungkinkan, tingkatkan budget secara bertahap atau pertimbangkan event optimasi lain yang memiliki biaya lebih rendah.
3. Batas Bid atau Cost Control Terlalu Ketat
Pengaturan bid atau cost control yang terlalu rendah dapat membatasi peluang iklan untuk mendapatkan penayangan.
Jika kondisi ini terjadi, pertimbangkan untuk melonggarkan batas tersebut atau menggunakan strategi bidding tanpa batas.
4. Terlalu Banyak Iklan atau Ad Set yang Membagi Sinyal
Ketika terlalu banyak ad set berjalan dengan audiens dan tujuan yang serupa, data optimasi dapat tersebar ke beberapa tempat.
Akibatnya, masing-masing ad set membutuhkan waktu lebih lama untuk mengumpulkan event yang cukup. Solusinya, evaluasi struktur kampanye dan konsolidasikan ad set yang memiliki target serupa.
Perubahan yang Dapat Mengulang Learning Phase
Perubahan signifikan pada ad set, seperti targeting, kreatif, event optimasi, bid strategy, atau penambahan iklan, umumnya dapat mengulang learning phase.
Edit semacam itu mengembalikan ad set ke status Learning dan menunda stabilisasi. Berikut beberapa jenis perubahan yang perlu diperhatikan.
Gunakan tombol panah kiri/kanan untuk menggulir secara horizontal.
| Perubahan | Tingkat Kepastian | Catatan untuk Tim Besar |
|---|---|---|
| Targeting | Umum diakui dapat memengaruhi learning phase. | Koordinasikan perubahan targeting antarbrand. |
| Kreatif | Umum diakui dapat memengaruhi learning phase. | Sesuaikan perubahan dengan kalender kampanye. |
| Event optimasi | Umum diakui dapat memengaruhi learning phase. | Tentukan sejak awal karena perubahan ini dapat berdampak besar pada proses optimasi. |
| Bid strategy | Umum diakui dapat memengaruhi learning phase. | Libatkan Head of Marketing sebelum melakukan perubahan. |
| Penambahan iklan | Berdasarkan pengamatan praktisi, tidak selalu mengulang learning phase. | Lakukan pengujian terlebih dahulu pada satu ad set. |
| Budget | Praktisi sering menggunakan kenaikan sekitar 20% sebagai acuan, tetapi Meta tidak menetapkan persentase universal. | Tingkatkan budget secara bertahap. |
| Pause dan resume | Dampaknya belum memiliki sumber resmi terverifikasi yang memastikan hasilnya sama pada setiap akun. | Periksa kembali status ad set di Ads Manager setelah iklan aktif. |
Event Konversi yang Sebaiknya Dioptimalkan dan Hasil Percakapan yang Dikirim ke Meta
Pilih event optimasi yang paling dekat dengan tujuan bisnis, selama volumenya cukup untuk memenuhi ambang optimasi.
Jika terlalu jarang terjadi, gunakan event yang lebih hulu agar Meta tetap mendapat cukup sinyal. Pilihan ini juga mempengaruhi CPA dan kebutuhan budget.
Gunakan tombol panah kiri/kanan untuk menggulir secara horizontal.
| Event Optimasi | Biaya Relatif | Peluang Mencapai Ambang | Basis |
|---|---|---|---|
| Percakapan dimulai | Rendah | Tinggi | Logika rumus budget |
| Leads | Menengah | Menengah | Meta: biaya per lead 24% lebih rendah daripada optimasi percakapan |
| Purchase | Tinggi | Rendah bila volume kecil | Meta: biaya per purchase 10% lebih rendah daripada optimasi percakapan (studi global 2024) |
Perlu dicatat bahwa angka tersebut berasal dari eksperimen Meta dan bukan jaminan hasil untuk setiap akun.
Event yang lebih dekat dengan transaksi berpotensi menghasilkan optimasi lebih efisien, tetapi membutuhkan volume yang cukup agar ad set tidak terjebak dalam Learning Limited.
Untuk mengirimkan data hasil interaksi pelanggan ke Meta, Anda bisa coba menggunakan Conversions API. Teknologi ini menghubungkan data event dari server, CRM, dan pesan bisnis ke Meta untuk mendukung optimasi dan pengukuran iklan.
Strategi Mengelola Perubahan Learning Phase di Meta Ads
Agar proses optimasi berjalan lebih terarah, Anda perlu memiliki aturan yang jelas dalam mengelola perubahan pada ad set.
Prosesnya mulai dari mencatat setiap perubahan, menentukan pihak yang berwenang memberikan persetujuan hingga mengevaluasi hasil setelah learning phase selesai.
Berikut beberapa langkah yang dapat diterapkan.
1. Jangan Sering Mengedit
Terlalu sering mengubah atau mengedit iklan dapat menyebabkan algoritma Meta terus mengulang proses learning phase dari awal.
Akibatnya, sistem tidak pernah memiliki waktu yang cukup untuk mengumpulkan data secara konsisten dan mencapai stabilitas penayangan serta performa iklan yang optimal.
2. Catat Setiap Perubahan dalam Change Log
Buat dokumentasi yang mencatat tanggal perubahan, nama ad set, jenis perubahan, alasan, serta pihak yang bertanggung jawab.
Dengan adanya change log, tim dapat mengetahui kapan learning phase terakhir dimulai dan menelusuri perubahan yang mungkin mempengaruhi performa iklan.
3. Terapkan Persetujuan Berjenjang
Tidak semua perubahan perlu mendapatkan persetujuan dari pihak yang sama. Karena itu, tentukan alur persetujuan berdasarkan jenis dan dampak perubahan.
Sebagai contoh, Head of Marketing dapat bertanggung jawab menyetujui perubahan bid strategy dan event optimasi. Sementara itu, tim Finance perlu mengetahui perubahan budget dalam jumlah besar, sedangkan agensi bertugas memberikan rekomendasi perubahan.
4. Tetap Beri Ruang untuk Perbaikan Mendesak
Menghindari perubahan selama learning phase memang dapat membantu menjaga stabilitas penayangan. Namun, bukan berarti semua edit harus ditunda hingga tujuh hari.
Jika ditemukan kesalahan harga, masalah pada materi iklan, atau pelanggaran kebijakan Meta, Anda tetap perlu segera melakukan perbaikan.
Mekari Qontak Membantu Mengukur Hasil Iklan Meta selama Learning Phase
Keberhasilan ad set melewati learning phase bergantung pada jumlah event optimasi yang terkumpul. Sementara itu, jumlah event tersebut dipengaruhi oleh budget, CPA, dan bagaimana tim mengelola perubahan iklan.
Dalam praktiknya, banyak bisnis masih menggunakan Ads Manager, aplikasi chat, dan spreadsheet secara terpisah. Kondisi ini membuat percakapan dari iklan CTWA tersebar di berbagai platform, data pelanggan sulit dihubungkan dengan iklan asalnya.
CTWA Mekari Qontak terintegrasi dengan WhatsApp Business API resmi yang mendukung Conversion API, melacak atribusi sumber iklan, dan menyinkronkan kontak ke Aplikasi CRM.
Sementara itu, keputusan budget, event, dan perubahan iklan tetap berada di tangan tim Anda, sedangkan AI Agent dan automasi workflow mendukung penanganan percakapan.
Mulai dengan uji coba gratis Mekari Qontak atau konsultasikan kebutuhan tim Anda untuk melihat bagaimana percakapan dari iklan Meta dapat terhubung ke atribusi dan CRM.
Referensi
Pertanyaan yang Sering Diajukan Tentang Learning Phase Meta Ads (FAQ)
Apakah iklan tetap bisa menghasilkan konversi saat berstatus Learning Limited?
Apakah iklan tetap bisa menghasilkan konversi saat berstatus Learning Limited?
Bisa. Status Learning Limited tidak berarti iklan berhenti ditayangkan atau tidak dapat menghasilkan konversi. Iklan tetap berpeluang menjangkau audiens dan menghasilkan tindakan, tetapi Meta belum memiliki cukup data untuk mengoptimalkan penayangannya secara maksimal.
Apakah Learning Phase berlaku untuk setiap iklan dalam satu kampanye?
Apakah Learning Phase berlaku untuk setiap iklan dalam satu kampanye?
Tidak. Learning Phase berlangsung pada tingkat ad set, bukan pada level kampanye atau masing-masing materi iklan. Artinya, beberapa iklan yang berada dalam satu ad set mengikuti proses pembelajaran yang sama.
Bagaimana cara mengetahui apakah ad set sudah cukup stabil untuk dilakukan scaling?
Bagaimana cara mengetahui apakah ad set sudah cukup stabil untuk dilakukan scaling?
Jangan hanya mengandalkan perubahan status menjadi Active. Periksa konsistensi CPA, volume konversi, kualitas prospek, dan ROAS selama periode evaluasi.
Jika hasilnya relatif stabil dan masih sesuai target bisnis, Anda dapat mulai meningkatkan budget secara bertahap sambil memantau dampaknya terhadap performa kampanye.
Mengapa jumlah percakapan WhatsApp yang masuk berbeda dengan jumlah konversi di Meta Ads Manager?
Mengapa jumlah percakapan WhatsApp yang masuk berbeda dengan jumlah konversi di Meta Ads Manager?
Perbedaan ini dapat terjadi karena tidak semua percakapan berujung pada event konversi yang dilaporkan ke Meta.
Selain itu, keterlambatan pengiriman event, perbedaan definisi konversi, serta masalah pencatatan dan atribusi dapat menyebabkan angka di kedua platform tidak sama.
Bagaimana cara mengukur kualitas prospek dari iklan Click to WhatsApp, bukan hanya jumlah chat masuk?
Bagaimana cara mengukur kualitas prospek dari iklan Click to WhatsApp, bukan hanya jumlah chat masuk?
Bisnis perlu menghubungkan data percakapan dengan tahapan penjualan. Misalnya, dengan membedakan prospek yang baru memulai percakapan, prospek yang memenuhi kriteria, prospek yang sudah di-follow up, hingga prospek yang berhasil melakukan pembelian.
