agencianexus Kamu masih pakai cara lama buat nargetin iklan?
Bikin persona. Bikin segmen. Tebak-tebakan apa yang mungkin diklik orang. Terus lempar duit ke Facebook Ads atau Google Ads, berharap konversinya bagus.
Di 2026, cara itu udah mati.
Bukan karena platformnya mati. Tapi karena data yang kamu pakai buat nargetin udah nggak bisa diakses kayak dulu. Third-party cookies udah di-deprecate. Privacy Sandbox API udah dihapus dari Chrome. Dan yang paling penting: UU PDP udah punya aturan pelaksana yang beneran enforceable.
Jadi apa yang dilakukan digital marketer Jakarta yang masih pengen hyper-targeted tapi nggak mau kena denda?
Mereka bikin AI digital twins.
Kenapa Algoritma Lama Mati
Dulu, personalisasi gampang. Kamu pasang pixel. Kamu lacak orang ke mana aja. Kamu bangun profil. Kamu targe.
Sekarang? Pixel masih ada. Tapi data yang bisa kamu kumpulin makin terbatas. Google udah menghapus Privacy Sandbox APIs dari Ad Manager — Protected Audience, Topics API, semuanya udah di-deprecate per 2026 .
Dan di Indonesia, UU PDP udah punya aturan pelaksana. Profiling — termasuk buat iklan bertarget — diatur ketat. Kalau kamu mau pakai data pribadi buat profiling, kamu butuh dasar hukum yang jelas. Consent harus bebas, spesifik, terinformasi, dan tanpa manipulasi .
Lebih dari itu: dark patterns — desain antarmuka yang nyuruh orang setuju tanpa sadar — udah diakui sebagai pelanggaran prinsip consent. Dan sanksinya berat. Denda administratif bisa 2% dari pendapatan tahunan. Pidana bisa 5 tahun penjara dan Rp5 miliar denda .
Jadi kamu nggak bisa lagi asal comot data. Kamu nggak bisa lagi paksa consent pakai tombol “Setuju” yang gede dan “Tolak” yang disembunyiin di sudut.
Tapi bisnis tetap butuh personalisasi. Butuh hyper-targeted.
Ini yang bikin AI digital twins jadi jawaban.
Apa Itu AI Digital Twins (dalam Konteks Marketing)
Jangan bingung sama “digital twin” versi manufaktur. Di marketing, AI digital twin adalah simulasi perilaku konsumen yang dibangun dari data yang kamu punya hak untuk pakai.
Konsepnya:
Pertama, kumpulin data first-party. Data dari transaksi langsung. Data dari form yang orang isi sendiri. Data dari interaksi yang mereka sadar mereka kasih. Bukan dari scraping. Bukan dari broker data. Bukan dari cookie tersembunyi.
Kedua, bangun model perilaku. Pakai data itu buat training model yang bisa memprediksi apa yang mungkin dilakukan segmen konsumen kamu. Bukan mengidentifikasi individu. Tapi mensimulasi pola.
Ketiga, targe berdasarkan simulasi. Kamu nggak targe orang berdasarkan data pribadi mereka. Kamu targe pola perilaku yang kamu temukan dari model. Dan kamu validasi pola itu di lingkungan yang aman — bukan di alam liar yang melanggar privasi.
Ini yang disebut “ethical simulation” — simulasi perilaku tanpa menembus batas privasi.
Kenapa Ini Bukan Cuma Teori
Ada tiga alasan kenapa AI digital twins jadi strategi yang realistis di 2026.
Alasan pertama: regulasi udah jelas.
Indonesia udah punya GR 33/2026 sebagai aturan pelaksana UU PDP. Ini ngubah framework dari sekadar prinsip jadi operasional dan enforceable .
Artinya: kamu nggak bisa lagi bilang “kami nggak tahu aturannya”. Aturannya udah ada. Dan framework-nya jelas: data mapping, legal basis, consent mechanism, vendor agreements, data subject rights .
AI digital twins yang dibangun dari data first-party cocok sama framework ini. Karena kamu nggak perlu akses ke data yang bukan milikmu. Kamu nggak perlu consent tambahan buat data yang sudah kamu punya hak pakai.
Alasan kedua: teknologi udah matang.
Profiling — aktivitas mengidentifikasi individu berdasarkan preferensi, minat, perilaku — emang diatur ketat di UU PDP . Tapi simulasi agregat nggak diatur seketat itu.
Kamu bisa bangun model yang ngerti: “Orang yang beli produk A dalam 30 hari terakhir, 60% kemungkinan beli produk B juga.” Itu insight. Bukan data pribadi. Kamu bisa pakai insight itu buat targe segmen. Bukan individu spesifik.
Alasan ketiga: konsumen makin sensitif.
Edelman Trust Barometer 2026 nunjukin tren “insularity” — orang makin hati-hati sama institusi dan makin sensitif sama manipulasi .
AI marketing yang transparan bisa jadi differentiator. Bukan cuma compliance. Tapi competitive advantage. Kalau kamu bisa bilang “kami nggak lacak kamu, kami simulasi pola”, itu bisa jadi selling point.
Tiga Skenario di Jakarta
Skenario satu: E-commerce lokal yang nggak bisa akses cookie lagi.
Sebuah toko online di Jakarta jual fashion. Dulu mereka pakai pixel buat retargeting. Sekarang pixel-nya udah nggak bisa ngumpulin data kayak dulu.
Yang mereka lakuin: bangun AI digital twin dari data transaksi yang mereka punya. Siapa beli apa, kapan, berapa kali. Model-nya nemuin pola: “Pembeli yang beli kemeja putih dalam 7 hari pertama bulan, 45% balik lagi buat beli aksesoris dalam 2 minggu.”
Mereka targe pola itu. Bukan orang berdasarkan cookie. Hasilnya? Konversi naik. Dan mereka nggak pernah nyentuh data yang bukan milik mereka.
Skenario dua: Agensi yang kliennya takut kena denda.
Sebuah agensi di Jakarta punya klien FMCG. Kliennya takut kena UU PDP. Agensi bikin simulasi segmentasi pakai data first-party klien — data dari loyalty program.
Mereka nggak profiling individu. Mereka simulasi apa yang mungkin dilakukan segmen. Dan mereka disclose ke konsumen: “Kami pakai AI buat memahami pola, bukan buat melacak kamu.”
Ini selaras sama panduan APPDI-IAIS yang baru diluncurkan Februari 2026: transparan, enkripsi, dan label AI sebagai bentuk tanggung jawab .
Skenario tiga: UMKM yang nggak punya data besar.
Sebuah UMKM di Jakarta jual kopi specialty. Data mereka cuma: 200 pelanggan setia, riwayat pembelian, dan feedback.
Mereka nggak punya “big data”. Tapi mereka punya cukup data buat simulasi sederhana. Model-nya nemuin: “Pelanggan yang beli kopi A dalam 3 hari setelah roasting date, 70% balik lagi dalam 2 minggu.”
Mereka kirim email ke segmen itu. Bukan ke individu. Bukan pakai data pribadi orang lain. Cuma data yang mereka punya. Hasilnya? Repeat purchase naik.
Tips Praktis: Gimana Mulai
Pertama, audit data kamu.
Apa yang kamu punya? Data transaksi? Data form? Data interaksi? Pastikan kamu punya legal basis buat pakai data itu. Consent? Kontrak? Atau legitimate interest?
Kedua, bangun dari data first-party.
Jangan coba akses data dari broker. Jangan scraping. Jangan beli database. Bangun dari apa yang kamu punya. Kualitas simulasi tergantung kualitas data. Data yang kamu punya hak pakai lebih berharga dari data yang kamu nggak boleh pakai.
Ketiga, simulasi, jangan identifikasi.
Fokus ke pola. Bukan ke individu. Kamu nggak perlu tahu “Budi suka kopi”. Kamu perlu tahu “orang yang beli kopi A dalam 3 hari setelah roasting date cenderung balik dalam 2 minggu.”
Keempat, transparan ke konsumen.
Beri tahu mereka: “Kami pakai AI buat memahami pola. Kami nggak melacak kamu secara individual.” Ini bukan cuma compliance. Ini trust building .
Kelima, dokumentasiin semuanya.
UU PDP butuh accountability. Simpan bukti: processing records, consent forms, vendor agreements, internal policies. Menunjukkan kemampuan compliance sama pentingnya dengan compliance itu sendiri .
Kesalahan umum:
Jangan mikir “data first-party = bebas aturan”. Data first-party tetap data pribadi. Kamu tetap butuh legal basis. Kamu tetap butuh consent kalau mau pakai buat tujuan baru.
Jangan juga mikir “simulasi = nggak diatur”. Kalau simulasimu bisa mengidentifikasi individu — atau kalau kamu pakai data pribadi buat training — kamu tetap di bawah UU PDP. Batasnya bukan “AI atau bukan”. Batasnya data apa yang kamu proses.
Dan yang paling penting: jangan pakai dark patterns. Kalau kamu bikin consent form yang bikin orang setuju tanpa sadar, kamu bukan cuma melanggar etika. Kamu melanggar hukum .
Algoritma lama — yang bergantung pada cookie pihak ketiga, broker data, dan profiling tanpa batas — udah mati.
Yang ganti bukan “pemasaran tanpa data”. Yang ganti adalah pemasaran dengan data yang kamu punya hak. Simulasi, bukan surveillance. Pola, bukan individu. Transparansi, bukan manipulasi.
Digital marketer Jakarta yang bisa adaptasi sama ini bakal menang. Yang masih mau main cara lama bakal kena denda. Atau lebih buruk: kehilangan kepercayaan konsumen yang makin sensitif sama manipulasi.
Pertanyaannya: kamu masih mau nebak-nebak, atau mulai simulasi?
