Efektivitas Aktivitas Q3 + Sumber Leads (Meta vs TikTok) — Basis & Cara Cek

Snapshot 8 Sep 2026 · Sumber: 3P Sales (599 laporan), CRM db6, db5 Production, Ads base (PUeabGheDanom9sX22olz28cgAc) · Proksi diberi label jelas; atribusi yang belum bisa dihitung dinyatakan jujur + rekomendasi perbaikannya.

A. Efektivitas aktivitas per orang — aktivitas vs output (proksi)

Peringatan metodologi dulu: atribusi output (booking/akad) per sales di database TIDAK terisi — booking_fee_transactions.sales_id = NULL (36 tx Q3), ppjb_contracts.sales_id = kosong. Karena itu tabel di bawah memakai proksi output dari isi Progress 3P (kata kunci akad/booking/dp/lunas di laporan harian) — indikator aktivitas, bukan angka akad resmi. Temuan sistem ini sendiri = improvement #1.

A1. MR / Sales lapangan — hari laporan · hari kunjungan (proxy) · sebutan output di Progress

NamaHari laporHari kunjung*Chat CRM Q3Sebut akad/bf/dpSurvey/visitFUKomplain no-lead
T.M. Akmalia56490243049
Rizki Andriana56303.66713510
Hana Nurjanah58510113968
Hari Agung P. (Harry)55502.06492144
Lia Nuchrulita5245081540
Akhiruddin Lubis58400724393
Agung Handoyo5548061220
Anugrah Abdul Kadir4032024536
M. Apriyanto Siko4410036070
Nurahmat A. P.1911019113
*Hari kunjung = hari yang laporannya memuat kata kunci lapangan (visit/kunjung/WI/canvassing/event) — proksi, bukan log visit resmi (CRM appointments kosong). Chat CRM = pesan outbound via inbox 7/8/10 (Rizki/Harry/Alea). M. Apriyanto & Diyan lebih banyak menangani dokumen akad (bukan menutup baru) — sebutan "akad" di Progress perlu dibaca konteks.
MO (dari A1 terpisah): Diyan 48 hari · survey 39 · sebut akad 15 · FU 29 · lunas 7 — online agent paling produktif; Fitri stop setelah Agu; Nisa & Nurahmat berhenti setelah Jul.
Case improvement dari data (contoh konkret, sifatnya korelasional)
Case 1 — Aktivitas tinggi tapi output tipis + banyak komplain "tidak dapat leads": Anugrah Abdul Kadir. 32 hari aktivitas lapangan dari 40 hari lapor, tapi hanya 2 sebutan output & komplain "belum dapat leads" 36×. Kesimpulan data: bukan malas — dia tidak mendapat alokasi leads (assignment MR ≈ 0 di CRM). Improvement: distribusi leads per area + target kunjungan → output terukur; review mingguan.
Case 2 — Follow-up tinggi tapi customer slow-respon: Akhiruddin (FU 39 hari, komplain slow respon 34×) & Hana (survey 39, slow respon 27×). Pola: banyak energi di follow-up chat/WA ke customer yang tidak merespons. Improvement: skrip follow-up bertahap D+1/D+3/D+7 + ganti media (WA → telpon/visit) setelah 2× no-respon; fokuskan waktu ke leads yang merespons.
Case 3 — Jangkauan chat terbesar tapi kunjungan terendah & pesan pendek: Rizki (3.667 pesan, 30 hari kunjung, avg 30 karakter = blast). Volume tinggi tapi kualitas kontak tipis; survey hanya 5 hari. Improvement: personalisasi pesan (target ≥80 karakter), konversi chat panas → visit (survey) → naikkan kunjungan ≥40 hari.
Case 4 — Benchmark positif untuk direplikasi: T.M. Akmalia. Kunjungan 49 hari + sebutan output tertinggi (24) + survey 30 → pola "kunjung → survey → closing". Jadikan best practice MR; bedah aktivitas hariannya dari 3P untuk SOP.
Case 5 — Atribusi transaksi per sales KOSONG (sistem): booking_fee_transactions.sales_id NULL & ppjb sales kosong → efektivitas "Rp per orang" tidak bisa dihitung dari DB. Improvement #1 prioritas: wajib isi sales_id/owner saat booking & akad, log kunjungan di CRM; baru Q4 bisa hitung ROI per orang (Rp output ÷ hari kunjungan).
Efektivitas funnel & tim (angka agregat terverifikasi)
4,9%
Leads→Booking (funnel 913→45)
Kalau naik ke 7% → 64 booking dari 913 lead.
57,8%
Booking→Akad (45→26)
26 akad sisa butuh ±71 booking lagi dgn konversi ini.
92,9%
MQL (772/831) tapi MCL 0
Kriteria "qualified" terlalu longgar & CL tidak di-update → tak bisa dipakai ukur efektivitas MO.

A2. MO — volume vs kecepatan (bukan output akhir)

AgentOutbound Q3 (chat online)FRT median<5 mntKonversi tercatat (CL)Catatan
Diyan Safitri4.4810,6 mnt82%0Benchmark kecepatan; survey 39 hari & sebut akad 15 di 3P
Fitri Nurulita2.6567,1 mnt45%0Berhenti lapor setelah Agu
Cs Online Nisa6.46527,3 mnt30%0Volume terbesar tapi FRT lambat → SLA
Nisa27264,7 mnt10%0Berhenti setelah Jul
Sumber: db6 messages (Q3 online-lead conv), FRT = pesan manusia pertama. CL = kolom converted di tabel MQL/MCL OKR base (0 semua).

B. Sumber leads: berapa dari Meta Ads, berapa dari TikTok — & dasarnya

B1. Kesimpulan singkat

B2. Angka dasar & dari mana

ChannelSpend Q3 (perkiraan)Leads Q3CPLSumber & dasar hitung
Meta Ads±Rp63,3 jt±2.609±Rp24,3 rbAds base → Ads Summary (Bulan ini+Bulan Kemarin per 8 Sep: Agu 34,8jt/1.617 lead · Sep 15,2jt/198; Jul 13,3jt/794 dari snapshot 28 Agu). Definisi "Leads (CRM)" = nomor baru source cekat (script harian) → cekat sebagai proxy leads Meta.
TikTok0 tercatat0 terverifikasiTabel "Tiktok Data" hanya organik (views/likes, 162 row) — tanpa spend, tanpa lead; 3P menyebut campaign Lead Gen TikTok sempat terjeda. → perlu mulai catat spend & UT M.
Google0 tercatat2 (source Google)CRM db6 source=Google Q3 = 2 lead; tanpa spend di Ads base.
Webhook/portal36CRM source=webhook (daftar/bayar via portal insira.id).
IG organik14 (IG source)IG Data Meta Ads = organik (views/likes); bukan spend ads.
Cekat (bulk)2.923CRM source=cekat Q3 — agregat WA/ads; script Ads Summary menghitung nomor baru cekat sbg "Leads (CRM)" Meta.
Catatan kualitas: kolom "Leads (CRM)" Ads Summary inkonsisten antar periode (7H=169 vs 14H=1.144) karena drift update script — untuk laporan resmi pakai Daily Ads Performance (spend per campaign) + definisi lead yang sama, atau query langsung db6 source=cekat. CPL di atas estimasi kasar, bukan angka audit.

B3. Breakdown campaign Meta (Daily Ads Performance, 18–30 Agu — satu-satunya data harian tersedia)

Campaign (pola)ObjectiveKarakter
MOFU - WALINK_CLICKS±Rp0,8–1,06 jt/hari — pengeluaran terbesar
Campaign BOFU / BOFU Landing Page / Testing MOFUOUTCOME_LEADS / SALES±Rp0,2–0,34 jt/hari
7.26 - MR - Traffic WAOUTCOME_ENGAGEMENT±Rp0,11–0,19 jt/hari
TOFU - IG VISIT & TOFU Interaksi/Profile VisitLINK_CLICKS / ENGAGEMENT±Rp0,05–0,13 jt/hari
Kesimpulan belanja: mayoritas spend ke MOFU-WA (arahkan ke WA chat) — konsisten dgn model leads cekat→WA. Data harian baru ada 18–30 Agu → perlu sinkronisasi harian penuh Q4 agar bisa hitung CPL per campaign.

C. Implementasi ke web — data yang harus ditambahkan

Untuk ukur efektivitas per orang (Q4)
  • Wajib isi sales_id/owner di booking_fee_transactions & ppjb (sekarang NULL).
  • Log kunjungan/site visit di CRM (appointments — sekarang 0 baris) + hasil (survey_completed).
  • Target individu per MR/MO per sprint → banding output per orang.
  • KPI per orang: Rp output ÷ hari kunjungan; booking per 100 kunjungan; FRT per MO.
Untuk ukur channel ads (Q4)
  • Catat spend TikTok & Google (sekecil apa pun) + leads per channel via UTM/source field di CRM (tambah source "tiktok").
  • Sinkron harian Daily Ads (bukan cuma 18–30 Agu) → CPL per campaign.
  • Satu definisi "Leads (CRM)": tentukan kanonik (query db6 source cekat first-appear) dan jangan campur rolling periode.
  • Di halaman web tampilkan: kartu channel (spend/leads/CPL) + disclaimer data yang belum tercatat.
Metodologi: Snapshot 8 Sep 2026. Proksi output dari kata kunci Progress 3P (bukan angka akad resmi); atribusi per sales belum tersedia di DB (dinyatakan sebagai temuan). Ads: Ads Summary rolling (Meta) + Daily 18–30 Agu + tabel TikTok/IG organik; spend Q3 Meta = Jul 13,3jt (snapshot 28 Agu) + Agu 34,8jt + Sep 15,2jt = ±63,3jt; lead ±2.609; CPL ±24,3rb. Semua angka bisa dicek: db6/db5/OKR base/Ads base PUeabGheDanom9sX22olz28cgAc.