Banyak marketer senang ketika platform iklan memberi opsi memasukkan data audiens sendiri ke campaign AI. Rasanya seperti kontrol kembali ke tangan kita. Tapi kontrol ini sering dibaca terlalu cepat: upload customer list, lalu menganggap iklan hanya akan mengejar orang yang mirip dengan daftar itu.
Pada 22 Juli 2026, Amazon Ads mengumumkan perluasan Brand+ dan Performance+ yang mencakup Audience Signals. Fitur ini memungkinkan data audiens first-party dimasukkan sebagai input untuk optimasi kampanye. Yang penting, Amazon menjelaskan bahwa data tersebut bukan hard targeting constraint. Model tetap bebas menemukan pengguna bernilai tinggi di luar segmen yang kita masukkan.
Ini relevan bukan hanya untuk pengguna Amazon Ads. Polanya makin umum di paid marketing: data kita dipakai untuk memberi arah ke mesin, bukan untuk mengunci mesin di dalam satu daftar audiens.
Apa yang berubah
Dalam pengumumannya, Amazon Ads menyebut Audience Signals tersedia atau sedang diluncurkan untuk Brand+ Prospecting, Performance+ Customer Acquisition, dan Performance+ Unified Consideration. Pengiklan dapat membawa data audiens sendiri melalui Ads Data Manager, misalnya audiens yang dibuat di Amazon Marketing Cloud, DMP, atau cohort custom.
Fungsinya adalah mempercepat pembelajaran model agar lebih cepat mengenali karakteristik pelanggan bernilai. Amazon menegaskan bahwa sinyal tersebut menjadi input optimasi, bukan aturan eksklusi atau batas reach. Jadi sistem masih dapat menemukan calon pelanggan baru di luar customer list.
Di paket yang sama, Amazon juga menambah optimasi outcome brand seperti branded search, detail-page view, dan add-to-cart; memperkaya ranking dengan sinyal perilaku streaming Prime Video; serta memperbarui remarketing dengan sinyal recency, frequency, dan dwell time. Sebagian fitur berstatus Open Beta atau memiliki ketersediaan wilayah tertentu, jadi jangan mengasumsikan semua akun dan pasar mendapat akses yang sama.
Kenapa ini penting untuk marketer
Perubahan ini menggeser cara kita memandang audience. Dulu, segmentasi sering menjadi pagar: siapa yang boleh dan tidak boleh melihat iklan. Di campaign berbasis AI, audience first-party lebih mirip kompas. Ia memberi titik awal, tetapi mesin tetap memilih jalur yang dianggap paling mungkin menghasilkan outcome.
Di dashboard, ini bisa terlihat bagus karena reach bisa melebar dan conversion bertambah. Di bisnis, belum tentu. Kalau daftar pelanggan yang diunggah berisi pembeli diskon satu kali, model mungkin belajar mengejar karakteristik yang tidak sama dengan pelanggan yang memberi margin atau repeat order terbaik.
Itu sebabnya kualitas sinyal lebih penting daripada ukuran file. Daftar 2.000 pelanggan dengan pembelian berulang, nilai transaksi sehat, dan data yang masih relevan sering lebih berguna daripada 100.000 kontak campuran dari giveaway, event lama, dan lead yang belum pernah qualified.
Untuk fondasi membaca hasilnya, lihat juga cara mengukur Google Ads lebih dari sekadar ROAS. Prinsipnya sama: angka platform perlu dibaca bersama kualitas hasil bisnis.
Dampaknya ke strategi marketing
Untuk tim yang mengandalkan automation, update ini memberi dua konsekuensi praktis.
Pertama, tim CRM dan paid media perlu lebih dekat. Audience tidak lagi hanya aset retargeting; ia menjadi bahan belajar bagi algoritma. Kalau status pelanggan, source lead, atau nilai transaksi berantakan di CRM, sinyal yang masuk ke campaign juga berantakan.
Kedua, eksperimen harus membandingkan kualitas, bukan hanya volume. Misalnya, uji Audience Signals dari pelanggan repeat purchase melawan audience dari seluruh pembeli. Jangan hanya membandingkan CPA. Bandingkan qualified rate, revenue setelah refund, repeat purchase, atau peluang close sesuai model bisnisnya.
Ini bukan berarti broad targeting tidak penting. Justru karena sistem masih bebas memperluas reach, kita perlu tahu apakah input data membuat pencarian pelanggan lebih baik dibanding baseline broad tanpa sinyal. Pertanyaan yang lebih berguna adalah: apakah audience signal ini mempercepat model menemukan pelanggan yang benar?
Cara baca cepat
Gunakan audience first-party sebagai hipotesis tentang pelanggan bernilai, lalu uji apakah kualitas conversion setelah iklan benar-benar membaik. Jangan memperlakukannya sebagai tombol targeting presisi.
Siapa yang perlu memperhatikan
Fitur spesifik Amazon Ads ini tersedia di pasar tertentu dan terutama relevan bagi advertiser yang memakai Brand+ atau Performance+. Namun pelajarannya berguna untuk tiga kelompok.
- Tim e-commerce yang punya data order, repeat purchase, refund, atau kategori produk.
- Tim B2B yang dapat membedakan lead form biasa, MQL, SQL, dan peluang yang benar-benar masuk pipeline.
- Agency atau performance team yang menjalankan campaign otomatis di beberapa platform dan perlu menjelaskan kenapa hasil bisa berubah walaupun setting audience tampak sama.
Untuk B2B, jangan mencampur daftar peserta webinar dengan daftar opportunity yang sudah tervalidasi sales. Keduanya mungkin sama-sama “lead”, tetapi memberi makna yang sangat berbeda ke model. Konteks ini sejalan dengan pembahasan masalah bisnis online bukan selalu kurang traffic: volume awal sering menutupi bottleneck kualitas di tahap berikutnya.
Yang perlu dicek sebelum bereaksi
Sebelum memasukkan audience list ke kampanye otomatis, cek beberapa hal ini.
- Definisi pelanggan bernilai. Apakah yang dipakai adalah pembeli sekali, pelanggan dengan margin sehat, repeat buyer, atau lead yang menjadi revenue? Tentukan berdasarkan tujuan campaign. 2. Kebersihan dan recency data. Hapus duplikasi, status yang salah, serta data yang terlalu lama jika perilakunya sudah tidak relevan. Pastikan pula pengumpulan dan penggunaan data mengikuti consent serta kebijakan platform. 3. Ketersediaan dan status fitur. Amazon menyebut sebagian kemampuan masih beta dan sebagian wilayah terbatas. Baca akses akun sebelum menjanjikan hasil ke stakeholder. 4. Baseline pengukuran. Siapkan periode atau campaign pembanding. Tanpa baseline, kenaikan performance mudah diklaim sebagai dampak fitur padahal bisa datang dari promo, creative, musim, atau perubahan demand.
Langkah praktis
Kalau saya audit campaign yang mulai memakai sinyal audiens, biasanya saya mulai dari urutan berikut:
- Pilih satu objective bisnis yang jelas: acquisition, lead quality, repeat purchase, atau revenue. 2. Buat dua atau tiga cohort yang benar-benar berbeda kualitasnya, bukan sekadar file besar dan file kecil. 3. Audit event conversion dan value yang dikirim ke platform. Event tracking minimum untuk website marketing adalah titik awal yang baik sebelum menambah automation. 4. Jalankan eksperimen dengan budget, creative, dan window evaluasi yang cukup sebanding. 5. Nilai hasil di luar dashboard iklan: qualified lead rate, refund rate, margin, sales acceptance, atau repeat order. 6. Dokumentasikan audience mana yang membantu model dan mana yang hanya menambah volume tanpa kualitas.
Jangan langsung mengganti semua campaign dari satu hasil awal. Algoritma memang bisa mempercepat eksekusi, tetapi ia tidak menggantikan keputusan tentang pelanggan seperti apa yang layak dikejar.
Opini
Menurut saya, menariknya update ini bukan pada nama fitur Amazon-nya. Ini sinyal bahwa peran marketer di campaign AI makin bergeser dari memilih satu per satu segment menuju mendefinisikan sinyal bisnis yang layak dipelajari mesin.
Tradeoff-nya jelas. Kita mendapat scale dan discovery di luar audience lama, tetapi kontrol deterministik berkurang. Karena itu, pekerjaan pentingnya bukan mencari setting paling canggih. Pekerjaan pentingnya adalah memastikan data yang kita masukkan memang mewakili pelanggan yang ingin bisnis perbanyak.
Buat saya, first-party data yang buruk tidak menjadi lebih berguna hanya karena dimasukkan ke algoritma yang lebih pintar. Ia hanya membuat mesin lebih cepat belajar dari definisi yang keliru.
Referensi
Bacaan lanjut
Kalau campaign sudah mulai otomatis, lanjutkan dengan SEO naik belum tentu sales naik untuk menjaga cara baca hasil tetap dekat dengan bisnis, bukan hanya angka channel.