// framework dasar

STAR

STAR menyusun sebuah kisah dalam empat bagian: Situation (kondisi awal), Task (target yang harus dicapai), Action (yang benar-benar dikerjakan), dan Result (hasil terukur). Aslinya teknik wawancara perilaku, di marketing ia dipakai untuk mengubah testimoni dan studi kasus jadi bukti konkret berangka, bukan pujian umum.

ASALDevelopment Dimensions International (DDI), 1974 (perusahaan yang didirikan Dr. William C. Byham). DDI merumuskan STAR sebagai tulang punggung behavioral interviewing, berpijak pada prinsip psikologi industri bahwa perilaku masa lalu adalah prediktor terbaik perilaku masa depan. Sering keliru dikira istilah umum dunia HR atau ciptaan buku karier/self-help; sebenarnya DDI yang mengodifikasi dan menyebarkannya. Catatan kecil: DDI sendiri menulisnya sebagai Situation/Task, Action, Result (Situation dan Task digabung), sementara versi marketing lazim memecahnya jadi empat bagian terpisah.
SUMBERDDI (Development Dimensions International) — STAR Method for Interviewing and Feedback ↗

STAR menyusun sebuah kisah dalam empat bagian: Situation (kondisi awal), Task (target yang harus dicapai), Action (yang benar-benar dikerjakan), dan Result (hasil terukur). Aslinya teknik wawancara perilaku, di marketing ia dipakai untuk mengubah testimoni dan studi kasus jadi bukti konkret berangka, bukan pujian umum.

// panduan terkini

STAR pada era AI

AI generatif gampang mengarang draf studi kasus yang rapi, tapi bahan bakunya (angka hasil asli, kondisi sebelum-sesudah, izin klien) tetap harus digali dari lapangan dan tidak bisa dikarang model. Di AI search dan GEO, halaman yang memuat studi kasus utuh dengan Situation, Action, dan Result berangka lebih mudah dikutip AI Overview atau jawaban LLM ketimbang klaim umum, karena mesin butuh bukti yang bisa diringkas. Saat targeting dan bidding sudah diambil alih otomasi seperti Advantage+ dan Performance Max, keunggulan bergeser ke kualitas bukti, dan di situlah STAR memaksa disiplin menutup cerita dengan Result terukur, bukan sekadar pujian. Justru karena AI membuat hampir semua teks terdengar mulus dan seragam, angka Result yang spesifik dan bisa diverifikasi jadi pembeda yang tidak bisa dipalsukan mesin.

// paid channel

Penerapan per channel

Meta Ads

Pakai STAR sebagai kerangka Reels/UGC studi kasus: Situation jadi hook 3 detik (mis. owner klinik kecantikan cerita 'sebulan cuma 12 booking walau iklan jalan'), padatkan Task dan Action di body, lalu Result terukur ('naik ke 47 booking, ROAS 4,2') ditutup CTA 'Kirim WA'. Serahkan targeting ke Advantage+ dengan broad + sinyal dan wajib pasang Conversions API (CAPI) supaya event Lead/Purchase terkirim server-side; retarget penonton video pakai katalog/DPA untuk menayangkan penawaran lanjutan.

Google Ads

Di Search, orang mengetik pencarian yang mengincar bukti dan hasil (mis. 'jasa iklan yang benar-benar naikin omzet UMKM'), jadi taruh Result terukur di headline RSA ('rata-rata klien naik 3x leads') dan pakai Enhanced Conversions agar sinyal konversi akurat. Untuk membangun minat lebih awal, jalankan versi video studi kasus STAR sebagai Demand Gen di YouTube, dan isi asset group Performance Max atau AI Max for Search dengan varian teks per bagian STAR plus audience signal dari daftar pelanggan terbaik.

TikTok Ads

Mampatkan satu studi kasus STAR ke 20 sampai 40 detik: Situation wajib muncul di bawah 3 detik biar tidak di-swipe (mis. 'kursus online ini kelasnya sepi walau materinya bagus'), Task dan Action di tengah bergaya native, Result di detik terakhir sebagai angka. Boost video kreator yang sudah perform organik lewat Spark Ads (pakai izin posting), serahkan delivery ke Smart+, pasang TikTok Pixel/Events API untuk sinyal konversi, dan bungkus dengan sound yang sedang tren supaya cerita terasa autentik, bukan iklan.

LinkedIn Ads

STAR adalah format asli studi kasus B2B: Situation dari pain operasional yang dikenal target (mis. 'finance manager tutup buku telat 2 minggu tiap bulan'), Action berupa apa yang dikerjakan solusimu, dan Result angka yang bisa diverifikasi ('tutup buku jadi 3 hari'). Sajikan lewat Document Ads (carousel PDF), sasar per jabatan, industri, dan company size, lalu tangkap lead di titik Result pakai Lead Gen Forms yang terisi otomatis; siapkan budget karena cost per lead di sini memang lebih tinggi.

// owned media

Penerapan pada media

Landing page

Susun sebagai halaman studi kasus: hero menonjolkan Result terbesar sebagai headline (angka hasil yang paling kuat), lalu blok Situation, Task, dan Action menopangnya sebagai bukti berurutan, ditutup satu CTA dominan. Jaga satu tujuan konversi dan kecepatan load serta pasang event tracking di tombol utama; untuk halaman 'hasil klien', tumpuk beberapa blok STAR pendek sebagai deretan proof.

Email

Bangun sequence yang tiap emailnya memuat satu kisah STAR: subject line menggoda Result ('Dari 12 jadi 47 booking sebulan'), body membeberkan Situation sampai Action, lalu satu CTA. Manfaatkan segmentasi supaya Situation tiap segmen relevan (klien F&B dapat kisah F&B), dan kirim kisah berikutnya hanya ke yang sudah buka atau klik.

WhatsApp

Kirim hanya ke kontak yang sudah opt-in dan menyimpan nomor Anda, atau lewat WhatsApp Business API dengan template message yang sudah disetujui, serta pakai label/segmen agar kisahnya relevan per grup. Sampaikan satu micro-STAR per pesan (Situation singkat, satu Result terukur, satu ajakan klik atau balas) dan hindari blast massal tanpa izin supaya tidak dianggap spam.

Terapkan framework ini pada sistem nyata.

Kirim konteks, target, dan kendala Anda. Tim Rama Digital meninjau permintaan sebelum memberi penawaran.

Buat permintaan