Analisis Faktor Pemasaran, Program dan Relasional Terhadap Retensi Pemasar Afiliasi di Marketplace Digital : Pendekatan Pemodelan Prediktif

Abstract

Meningkatnya biaya iklan digital di media sosial, mesin pencari, dan marketplace mendorong perusahaan untuk mencari strategi yang lebih efisien dan berbasis kinerja, seperti affiliate marketing (AM). AM adalah Sub Kanal Online berbasis kinerja yang melibatkan kerjasama antara pemilik bisnis (merchant) dan pemasar afiliasi (affiliate marketer). Meskipun AM mampu menekan biaya dan meningkatkan tingkat konversi, strategi ini masih menghadapi masalah rendahnya retensi. Penelitian ini bertujuan untuk membangun model retensi pemasar afiliasi marketplace Shopee dengan menganalisis pengaruh faktor pemasaran, program, dan relasional menggunakan metode kuantiatif. Penelitian ini menggunakan pendekatan kuantitatif dengan data sekunder hasil transaksi aktual pemasar afiliasi marketplace Shopee periode April–Juni 2025, yang dianalisis menggunakan algoritma Ordinal Random Forest (ORF) untuk mengevaluasi pengaruh individual variabel, pola interaksi, dan titik optimum retensi. Sampel kuantitatif terdiri dari 11.713 pemasar afiliasi dengan variabel inti penelitian meliputi demografi follower, jmlah follower, media sosial, fokus kategori, jumlah klik, persentase komisi, Return of Investment (ROI) dan Golden Ticks yang mencerminkan faktor pemasaran, program, dan relasional. Selain data kuantitatif yang digunakan untuk pemodelan retensi, penelitian ini juga dilengkapi dengan wawancara terbatas terhadap lima narasumber, terdiri dari pemasar afiliasi aktif, merchant, dan konsumen. Tujuannya adalah untuk mendapatkan pemahaman kontekstual mengenai dinamika retensi dalam program afiliasi di marketplace Shopee. Wawancara dilakukan secara semi-terstruktur dengan pendekatan eksploratif, dan hasilnya disajikan dalam bentuk temuan tematik dan kutipan naratif sebagai pelengkap terhadap hasil model kuantitatif. Hasil penelitian menunjukkan bahwa persentase komisi, jumlah klik, dan ROI merupakan prediktor terkuat retensi, dengan titik optimum berturut-turut pada 23,3%, >10.000–100.000 klik per bulan, dan ROI 91.4 kali. Temuan empiris menunjukkan bahwa retensi afiliasi tidak hanya ditentukan oleh satu faktor tunggal, melainkan merupakan hasil interaksi kompleks antara faktor pemasaran, faktor program, dan faktor relasional. Oleh karena itu, pengelolaan program afiliasi tidak dapat lagi dilakukan secara parsial atau reaktif, melainkan harus berbasis data, terintegrasi, dan berorientasi jangka panjang. Hasil ini sejalan dengan hasil pengayaan secara kualitatif bahwa strategi berbasis insentif finansial tetap penting, tetapi tidak cukup untuk mempertahankan afiliasi berkinerja tinggi dalam jangka panjang. Platform perlu mengkombinasikan insentif finansial dengan dukungan emosional dan pengakuan sosial, seperti pemberian penghargaan eksklusif, akses prioritas ke kampanye tertentu, atau keterlibatan dalam program co-creation konten.

The rising costs of digital advertising on social media, search engines, and marketplaces have encouraged companies to seek more efficient, performance-based strategies such as affiliate marketing (AM). AM is a performance-based online sub-channel that involves collaboration between business owners (merchants) and affiliate marketers. Although AM can reduce costs and increase conversion rates, it continues to face the challenge of low retention. This study aims to develop a retention model for affiliate marketers on the Shopee marketplace by analyzing the effects of marketing, program, and relational factors using quantitative methods. This study employs a quantitative approach using secondary data from actual transaction records of Shopee affiliate marketplace for the period April–June 2025. The data are analyzed using the Ordinal Random Forest (ORF) algorithm to evaluate the individual effects of variables, interaction patterns, and optimal retention points. The quantitative sample consists of 11,713 affiliate marketers, with core research variables including follower demographics, number of followers, social media platforms, category focus, number of clicks, commission percentage, Return on Investment (ROI), and Golden Ticks, representing marketing, program, and relational factors. In addition to quantitative data for retention modeling, the study is complemented by limited interviews with five informants, comprising active affiliate marketers, merchants, and consumers. The purpose is to obtain contextual insights into retention dynamics within Shopee’s affiliate program. The interviews were conducted using a semi-structured, exploratory approach, and the results are presented as thematic findings and narrative quotations to enrich the quantitative model results. The findings indicate that commission percentage, number of clicks, and ROI are the strongest predictors of retention, with optimal points at 23.3% commission, more than 10,000–100,000 clicks per month, and an ROI of 91.4 times, respectively. The empirical results demonstrate that affiliate retention is not determined by a single factor, but rather by complex interactions among marketing, program, and relational factors. Therefore, affiliate program management can no longer be conducted in a partial or reactive manner; it must be data-driven, integrated, and long-term oriented. These results are consistent with qualitative enrichment findings, which show that financial incentive–based strategies remain important but are insufficient to retain high-performing affiliates over the long term. Platforms need to combine financial incentives with emotional support and social recognition, such as exclusive awards, priority access to certain campaigns, or involvement in content co-creation programs.