UMTUMT

JMB : Jurnal Manajemen dan BisnisJMB : Jurnal Manajemen dan Bisnis

Transformasi digital telah menimbulkan tantangan baru dalam strategi komunikasi pemasaran, khususnya dalam menjangkau audiens Generasi Z yang memiliki karakteristik konsumsi sangat dinamis. Penelitian ini mengeksplorasi integrasi optimasi waktu publikasi dengan personalisasi konten menggunakan pendekatan machine learning untuk meningkatkan tingkat keterlibatan (engagement rate) pada platform media sosial. Melalui survei terhadap 53 responden Generasi Z yang merupakan pengguna aktif TikTok, Instagram, dan YouTube, data dikumpulkan menggunakan kuesioner terstruktur dengan skala Likert untuk mengukur sebelas variabel perilaku digital. Analisis statistik deskriptif dan regresi linier berganda digunakan untuk mengidentifikasi pola keterlibatan, sedangkan algoritma Random Forest dan Gradient Boosting diterapkan untuk membangun model prediksi waktu posting yang optimal. Hasil penelitian menunjukkan bahwa algoritma personalisasi konten memperoleh penerimaan sangat positif dengan skor 4,26 pada skala 5, sementara waktu posting berhubungan signifikan dengan tingkat keterlibatan audiens. Model Random Forest mencapai akurasi 84,7% dalam memprediksi pola keterlibatan dengan tingkat akurasi 87,2%. Integrasi kedua strategi menghasilkan peningkatan interaksi sebesar 2,3 kali lipat dibandingkan pendekatan tunggal. Penelitian ini memberikan rekomendasi konkret mengenai jam optimal publikasi konten untuk setiap platform serta kerangka kerja implementasi personalisasi berbasis data perilaku pengguna yang dapat diterapkan oleh pembuat konten dan praktisi pemasaran digital dalam merancang strategi komunikasi yang lebih efektif dan terukur.

Penelitian ini membuktikan bahwa penggabungan optimasi waktu posting dengan personalisasi konten berbasis machine learning secara signifikan meningkatkan engagement rate audiens Gen Z di platform media sosial.Analisis terhadap 53 responden aktif TikTok, Instagram, dan YouTube menunjukkan bahwa mayoritas Gen Z menghabiskan lebih dari dua jam per hari di media sosial, dengan algoritma personalisasi memperoleh skor rata‑rata 4,26 (dari 5), menandakan penerimaan yang sangat positif.Model prediksi Random Forest memberikan akurasi 84,7% pada data uji dan korelasi signifikan antara waktu posting dan interaksi (r = 0,62, p < 0,01), menegaskan keandalan metode dalam mengklasifikasikan pola engagement.

Penelitian selanjutnya dapat menguji bagaimana tren viral dan peristiwa khusus mempengaruhi efektivitas optimasi waktu posting dan personalisasi konten bagi generasi Z di berbagai wilayah geografis, sehingga dapat mengidentifikasi faktor kontekstual yang memperkuat atau melemahkan strategi tersebut. Selain itu, diperlukan pengembangan model machine learning adaptif yang mampu memperbarui prediksi secara real‑time dengan memperhitungkan perubahan algoritma platform serta perilaku pengguna yang dinamis, guna meningkatkan akurasi dan responsivitas sistem rekomendasi. Selanjutnya, studi komparatif lintas budaya dapat membandingkan pola keterlibatan dan preferensi algoritmik antara generasi Z Indonesia dengan generasi Z di negara lain, untuk mengevaluasi perbedaan budaya, teknologi, dan regulasi yang mempengaruhi adopsi strategi optimasi waktu dan personalisasi. Ketiga arah penelitian ini akan memperluas pemahaman teoritis serta memberikan dasar empiris bagi pengembangan alat berbasis AI yang lebih universal dan efektif dalam meningkatkan engagement rate pada media sosial.

  1. Social Network and Sentiment Analysis for Enhancing Social CRM in Indonesian Educational Technology Platforms... ejournal.kresnamediapublisher.com/index.php/jri/article/view/383Social Network and Sentiment Analysis for Enhancing Social CRM in Indonesian Educational Technology Platforms ejournal kresnamediapublisher index php jri article view 383
  2. Wayback Machine. wayback machine ijmsssr.org/paper/684da8a7f0118.pdfWayback Machine wayback machine ijmsssr paper 684da8a7f0118 pdf
  3. Optimalisasi Manajemen Sentimen di Media Sosial Universitas melalui Machine Learning dan AI: Studi Kasus... ojs.unikom.ac.id/index.php/jtk3ti/article/view/16204Optimalisasi Manajemen Sentimen di Media Sosial Universitas melalui Machine Learning dan AI Studi Kasus ojs unikom ac index php jtk3ti article view 16204
  4. Engaging Gen Z through Personalized Social Media Content: The Mediating Role of Perceived Relevance on... doi.org/10.56294/dm2025918Engaging Gen Z through Personalized Social Media Content The Mediating Role of Perceived Relevance on doi 10 56294 dm2025918
Read online
File size219.4 KB
Pages8
DMCAReport

Related /

ads-block-test