Filter Baru Meta Ads untuk Retargeting: Cara Pakai At Least dan In the Past dengan Lebih Tajam

Filter Baru Meta Ads untuk Retargeting: Cara Pakai At Least dan In the Past dengan Lebih Tajam
- Fitur ini berguna terutama untuk akun yang retargeting pool-nya sudah cukup besar.
- At Least membantu memisahkan orang yang engage lebih dari sekali, bukan cuma sekali nyolek lalu hilang.
- In the Past membantu memisahkan audience yang masih fresh dari audience yang sudah dingin.
- Di pasar Indonesia, ini menarik karena perilaku audiens sering panjang di tahap lihat, simpan, kunjungi profil, lalu chat belakangan.
Meta mulai menambahkan kontrol tambahan di engagement custom audience. Intinya sederhana: sekarang pengiklan bisa lebih rapi saat memisahkan siapa yang benar-benar menunjukkan minat, dan siapa yang hanya sempat lewat lalu hilang. Dua filter yang paling menarik di sini adalah At Least dan In the Past. Kalau dipakai dengan benar, retargeting jadi tidak perlu lagi terlalu broad dan tidak perlu lagi mencampur semua orang ke satu bucket besar.
Banyak pengiklan di Indonesia terbiasa membuat custom audience engagement dengan pola yang sangat umum: semua orang yang engage Instagram 30 hari, semua yang visit profile 30 hari, atau semua yang engage post 365 hari. Praktis memang, tetapi sering terlalu kasar. Di lapangan, orang yang baru sekali like biasanya sangat berbeda kualitasnya dibanding orang yang dua atau tiga kali balik, simpan post, atau klik CTA.
Apa yang sebenarnya berubah?
Pada sejumlah akun Ads Manager, pengiklan mulai melihat filter tambahan di engagement custom audience. Secara praktis, ini membuka dua kontrol baru yang sangat berguna.
- At Least membantu memfilter orang yang melakukan interaksi minimal sekian kali.
- In the Past membantu memfilter interaksi pada rentang waktu yang lebih spesifik, bukan hanya satu jendela besar yang terlalu umum.
Artinya, sekarang retargeting bisa lebih dekat ke niat, bukan cuma ke jejak interaksi. Ini kecil di level UI, tetapi besar di level strategi.
Kenapa ini berguna untuk pengiklan Indonesia?
Perilaku audiens Indonesia di Facebook dan Instagram cenderung tidak selalu lurus. Banyak orang tidak langsung beli hanya karena sekali lihat. Mereka lihat konten, simpan, balik lagi, cek profil, lihat komentar, lalu baru chat beberapa hari setelahnya. Karena itu, retargeting yang terlalu broad sering membuang budget ke orang yang sebenarnya belum cukup niat.
Dengan filter baru ini, pengiklan punya peluang lebih bagus untuk membedakan tiga tipe orang:
- yang cuma nyenggol sekali,
- yang bolak-balik menunjukkan minat,
- dan yang pernah niat, tapi sudah mulai dingin karena terlalu lama tidak disentuh.
Cara pakai filter At Least
Filter At Least saya lihat paling berguna untuk mengurangi noise. Kalau selama ini semua orang yang engage masuk ke audience retarget, kualitasnya sering campur aduk. Ada yang memang tertarik, ada yang cuma kebetulan lewat karena kontennya lucu, ada juga yang iseng. Dengan At Least, bucket retarget jadi lebih bersih.
Contoh yang masuk akal
- people who engaged with your Instagram account at least 2 times
- people who engaged with any post or ad at least 2 times
- people who visited your Instagram account at least 2 times
- people who clicked any call-to-action button at least 1 time
Di banyak akun, perbedaan antara 1 kali engage dan 2–3 kali engage bisa terasa jauh. Satu kali interaksi sering terlalu lemah untuk langsung dikejar dengan penawaran keras. Tetapi dua atau tiga kali interaksi biasanya sudah memberi sinyal minat yang lebih sehat.
Cara pakai filter In the Past
Filter In the Past sangat berguna untuk memisahkan audience berdasarkan freshness. Ini membantu karena niat orang tidak statis. Orang yang engage 3 hari lalu berbeda kualitasnya dengan orang yang terakhir engage 45 hari lalu.
Contoh pembagian yang lebih rapi
- 0–7 hari: hot audience, cocok untuk push yang lebih direct.
- 8–30 hari: warm audience, cocok untuk edukasi, testimoni, atau pengingat.
- 31–90 hari: evergreen / reactivation audience, cocok untuk angle baru atau offer baru.
Selama ini banyak pengiklan menumpuk semua orang ke satu audience 30 hari atau 180 hari. Problem-nya, pesan iklan jadi kurang nyambung. Audience yang masih panas disamakan dengan audience yang sudah dingin. Di sinilah In the Past terasa berguna.
Strategi yang paling masuk akal untuk dicoba
Kalau account Anda sudah punya retargeting pool yang lumayan, saya lebih suka struktur seperti ini dibanding satu audience besar yang serba campur.
1. Hot Retargeting
- IG account engagers at least 2x in the past 0–7 days
- IG profile visitors at least 2x in the past 0–14 days
- CTA clickers in the past 0–14 days
Ini cocok untuk iklan yang lebih tegas: ajakan chat, booking, pembelian, atau penawaran terbatas.
2. Warm Retargeting
- post or ad engagers at least 2x in the past 8–30 days
- account engagers at least 1x in the past 8–30 days
Audience ini belum tentu siap di-closing keras. Biasanya lebih cocok diberi social proof, edukasi, review, atau konten yang menjawab keberatan umum.
3. Evergreen / Re-Engage
- engagers in the past 31–90 days
- savers in the past 30–90 days
Bucket ini menarik untuk iklan angle baru. Bukan diingatkan dengan materi yang sama persis, tetapi diberi alasan baru untuk balik memperhatikan brand Anda.
Apa yang akan pengiklan dapatkan kalau strategi ini dicoba?
Yang paling terasa biasanya bukan “ajaib langsung ROAS meledak”, tetapi kualitas struktur retargeting yang jadi lebih waras. Itu efek yang justru lebih penting untuk jangka menengah.
- Audience lebih bersih: budget retarget tidak terlalu banyak bocor ke orang yang interaksinya sangat lemah.
- Pesan iklan lebih relevan: hot audience bisa diberi CTA lebih keras, warm audience bisa diberi trust builder lebih dulu.
- Kontrol budget lebih rapi: Anda tahu bucket mana yang layak dibayar lebih mahal, dan bucket mana yang sebaiknya diberi budget ringan saja.
- Evergreen retargeting lebih masuk akal: audience lama tidak hilang begitu saja, tetapi bisa dihidupkan ulang dengan sudut baru.
- Potensi kualitas lead lebih baik: terutama untuk bisnis yang closing-nya lewat chat atau konsultasi, bukan checkout instan.
Kapan fitur ini belum perlu dipakai?
Saya tidak akan menyarankan pengiklan kecil terlalu cepat memecah audience kalau traffic dan engagement-nya masih tipis. Kalau audience terlalu kecil, hasilnya justru bisa bikin delivery susah, CPM naik, dan learning tidak stabil.
- Kalau pool retarget Anda masih kecil, mulai dari struktur yang sederhana dulu.
- Kalau konten akun masih jarang, sinyal engagement juga belum cukup kaya untuk dipecah terlalu jauh.
- Kalau objective utama masih testing hook dan market fit, jangan terlalu cepat tenggelam di segmentasi mikro.
Referensi resmi yang relevan dari Meta
Meta belum terlihat menerbitkan changelog terpisah yang panjang untuk fitur ini, tetapi dokumentasi resmi yang relevan untuk struktur engagement custom audience tetap ada di halaman help berikut:
- About engagement custom audiences
- About custom audiences
- Create an Instagram account Custom Audience
- Create a Facebook Page engagement Custom Audience
Kalau di akun Anda filter baru ini sudah muncul, menurut saya ini salah satu update yang layak dicoba. Bukan karena terdengar canggih, tetapi karena memang bisa membuat retargeting lebih rapi dan lebih nyambung dengan perilaku audiens yang nyata.
Kesimpulan
Buat saya, nilai utama dari filter baru ini ada pada kedisiplinan segmentasi. Pengiklan akhirnya punya ruang lebih baik untuk membedakan siapa yang benar-benar menunjukkan minat, siapa yang masih hangat, dan siapa yang sudah terlalu lama tidak disentuh. Kalau retargeting pool Anda sudah cukup besar, ini update yang layak dicoba.
Kalau Anda ingin merapikan funnel, testing, dan retargeting Meta Ads supaya lebih nyambung dengan perilaku audiens Indonesia, kami bisa bantu petakan strateginya dengan lebih tajam.
Lihat Monthly Growth ConsultingArtikel Terkait
Temukan lebih banyak konten menarik yang mungkin Anda sukai
Tentang Penulis

Rama Aditya
Profesional dengan pengalaman 15+ tahun dalam digital marketing, fullstack development, dan konsultasi bisnis. Fokus membantu bisnis Indonesia membangun sistem yang efisien, scalable, dan berdampak langsung ke pertumbuhan bisnis.
Pelajari Tentang Kami
