Program Studi Bisnis Digital • FEB

Analitik Perilaku Digital

Clickstream, Funnel Konversi, dan Analisis Kohort

Mengubah jejak klik pengunjung menjadi bukti terukur: di mana mereka masuk, di mana mereka berhenti, dan siapa yang benar-benar bertahan.

RPS MINGGU 9 • 2X50 MENIT

Agenda & Tujuan Pembelajaran

Setelah pertemuan ini, Anda mampu menjelaskan dan menghitung tiga alat analitik perilaku digital berikut:

TOPIK 1

Data Clickstream

Memahami jejak event digital — dari kunjungan halaman sampai transaksi.

TOPIK 2

Funnel Konversi

Mengukur berapa persen pengunjung yang bertahan di tiap tahap keputusan.

TOPIK 3

Analisis Kohort

Melacak siapa yang benar-benar kembali menggunakan produk dari waktu ke waktu.

Sub-CPMK Minggu 9: mahasiswa mampu menganalisis data clickstream, menyusun funnel konversi, dan menginterpretasi analisis kohort untuk pengambilan keputusan bisnis digital.

Mengapa "Perilaku" Harus Diukur, Bukan Ditebak?

Setiap kali seseorang membuka aplikasi Tokopedia atau situs BBCA mobile banking, ratusan jejak digital tercipta dalam hitungan detik — jauh lebih rinci daripada survei atau wawancara.

TANPA ANALITIK PERILAKU

Keputusan berdasarkan asumsi tim internal, bukan bukti.
Masalah baru diketahui setelah keluhan menumpuk di media sosial.
Sulit tahu tahap mana yang membuat calon pembeli berhenti.

DENGAN ANALITIK PERILAKU

Setiap klik, scroll, dan transaksi tercatat sebagai data objektif.
Titik kebocoran pelanggan dapat dilacak sampai ke halaman spesifik.
Keputusan produk dapat diuji dan diverifikasi dengan angka.

Bagian 1 dari 3

Data Clickstream

Jejak mentah setiap interaksi pengguna — fondasi dari semua analisis perilaku digital yang akan kita bahas hari ini.

Event Sesi Journey

Apa Itu Data Clickstream?

Clickstream adalah rekaman berurutan setiap interaksi pengguna dengan situs atau aplikasi digital — setiap klik, ketukan, dan scroll tercatat sebagai satu baris data (event).

SATU EVENT BERISI

Siapa — ID pengguna atau perangkat (anonim/terautentikasi).
Apa — jenis aksi (page_view, click, add_to_cart).
Kapan — stempel waktu (timestamp) presisi detik.
Di mana — halaman atau layar tempat aksi terjadi.

SUMBER DATA UMUM

Google Analytics, Mixpanel, atau log internal aplikasi — semuanya menghasilkan tabel event mentah yang menjadi bahan baku funnel dan kohort.

Clickstream secara harfiah berarti "aliran klik" — bayangkan setiap gerakan Anda di aplikasi Tokopedia, mulai dari membuka aplikasi, mengetik kata kunci pencarian, menggulir daftar produk, sampai menekan tombol "beli sekarang", semuanya direkam sebagai baris-baris data terpisah yang disebut event. Setiap event minimal punya empat informasi: siapa pelakunya, aksi apa yang dilakukan, kapan waktunya sampai satuan detik, dan di halaman mana itu terjadi. Data mentah ini biasanya dikumpulkan lewat alat seperti Google Analytics atau Mixpanel, atau sistem log internal yang dibangun sendiri oleh tim engineering perusahaan. Penting dipahami: clickstream itu sendiri belum bercerita apa-apa, ia hanya kumpulan fakta — barulah setelah kita susun dan agregasi, ia berubah menjadi insight seperti funnel dan kohort yang akan kita pelajari selanjutnya.

Anatomi Event: Contoh Perjalanan Satu Pengguna

Berikut cuplikan clickstream seorang pengguna di aplikasi belanja — perhatikan bagaimana satu sesi tersusun dari rangkaian event berurutan.

CUPLIKAN LOG EVENT (SATU SESI)

Waktu	Jenis Event	Halaman / Aksi
09:14:02	page_view	Beranda aplikasi
09:14:20	search	Kata kunci: "sepatu lari"
09:14:35	page_view	Daftar hasil pencarian
09:15:10	click	Buka detail produk
09:16:02	add_to_cart	Tambahkan ke keranjang
09:18:40	purchase	Pembayaran berhasil

Dari Klik ke Customer Journey

Rangkaian event yang sama, jika dikelompokkan per tahap, membentuk peta perjalanan konsumen (customer journey) yang bisa dianalisis lebih lanjut.

Satu baris clickstream = satu titik pada peta ini. Funnel konversi, yang akan kita bahas berikutnya, mengukur berapa persen pengguna yang berhasil melewati setiap panah.

Hitung dari Nol: Metrik Dasar Clickstream

Sebuah situs e-commerce mencatat 5.000 sesi dalam sehari, dengan 1.100 sesi hanya membuka satu halaman lalu pergi (bounce), dan total durasi seluruh sesi 45.000 menit.

DARI LOG MENTAH KE METRIK RINGKAS

Langkah	Perhitungan	Nilai
1. Total sesi tercatat	diberikan tim analitik	5.000 sesi
2. Sesi bounce (1 halaman saja)	diberikan tim analitik	1.100 sesi
3. Bounce rate	1.100 ÷ 5.000 × 100	22%
4. Total durasi seluruh sesi	diberikan tim analitik	45.000 menit
5. Rata-rata durasi per sesi	45.000 ÷ 5.000	9,0 menit
6. Sesi non-bounce (interaksi lanjut)	5.000 − 1.100	3.900 sesi (78%)

Bagian 2 dari 3

Funnel Konversi

Merangkum ribuan event clickstream menjadi tahapan keputusan pembelian, lengkap dengan angka konversi di tiap tahap.

Tahapan Conversion Rate Drop-off

Apa Itu Funnel Konversi?

Funnel konversi adalah rangkaian tahap berurutan yang harus dilalui pengguna sebelum mencapai tujuan akhir (biasanya pembelian) — jumlah pengguna makin menyusut di setiap tahap, membentuk bentuk corong.

MENGAPA DISEBUT "FUNNEL"

Seperti corong nyata: lebar di atas (banyak pengunjung masuk), menyempit di bawah (sedikit yang benar-benar membeli). Setiap penyempitan berarti sebagian orang "gugur".

METRIK UTAMA: CONVERSION RATE

Persentase pengguna yang lanjut ke tahap berikutnya. Dihitung dari jumlah tahap berikutnya dibagi jumlah tahap sebelumnya, dikali 100.

Conversion Rate = (Tahap Berikutnya ÷ Tahap Sebelumnya) × 100%

Tahapan Funnel E-Commerce Khas

Contoh funnel umum: dari kunjungan halaman produk sampai transaksi selesai.

Semakin ke bawah corong, semakin sedikit populasi — tugas analis adalah mencari tahu tahap mana yang kehilangan orang paling banyak.

Hitung dari Nol: Conversion Rate per Tahap

Toko daring mencatat 10.000 pengunjung halaman produk, 2.500 menambah ke keranjang, 900 memulai checkout, dan 450 menyelesaikan pembayaran.

MENGHITUNG CONVERSION RATE SETIAP TAHAP

Langkah	Perhitungan	Nilai
1. Kunjungi halaman produk (baseline)	diberikan tim analitik	10.000 (100%)
2. Tambah ke keranjang	2.500 ÷ 10.000 × 100	2.500 (25%)
3. Mulai checkout	900 ÷ 2.500 × 100	900 (36%)
4. Pembayaran selesai (purchase)	450 ÷ 900 × 100	450 (50%)
5. Conversion rate keseluruhan	450 ÷ 10.000 × 100	4,5%
6. Drop-off terbesar (keranjang→checkout)	(2.500−900) ÷ 2.500 × 100	64% hilang

Coba Sendiri: Hitung Conversion Rate Funnel Anda Sendiri

Masukkan jumlah pengguna di tiap tahap funnel e-commerce lain, lalu lihat langsung conversion rate per tahap dan titik drop-off terbesarnya.

Mendiagnosis Kebocoran Funnel

Angka drop-off saja belum cukup — analis harus menggali mengapa pengguna berhenti di tahap tertentu.

CONTOH PENYEBAB UMUM KEBOCORAN DI TAHAP "KERANJANG → CHECKOUT"

Kemungkinan Penyebab	Cara Mengecek
Ongkos kirim baru muncul saat checkout	Bandingkan drop-off sebelum & sesudah info ongkir ditampilkan lebih awal
Metode pembayaran tidak sesuai preferensi	Tinjau data event payment_method_selected
Formulir checkout terlalu panjang	Hitung jumlah kolom & waktu rata-rata di halaman checkout
Halaman lambat dimuat di perangkat murah	Segmentasi drop-off berdasarkan jenis perangkat

Angka 64 persen drop-off tadi baru langkah pertama, bukan jawaban akhir — pertanyaan berikutnya yang wajib ditanyakan analis adalah "mengapa". Tabel ini memberi beberapa hipotesis umum. Bisa jadi ongkos kirim baru muncul saat checkout dan membuat pembeli kaget lalu batal, ini bisa dicek dengan membandingkan drop-off sebelum dan sesudah informasi ongkir ditampilkan lebih awal di halaman produk. Bisa juga metode pembayaran favorit pengguna, misalnya QRIS atau cicilan, tidak tersedia. Bisa juga formulir checkout terlalu panjang sehingga orang malas mengisi, atau halaman lambat dimuat khususnya di ponsel dengan spesifikasi rendah yang banyak dipakai di luar kota besar. Analis yang baik tidak berhenti di angka, tapi menyusun hipotesis lalu memverifikasinya dengan data lanjutan atau eksperimen — yang akan kita bahas lebih dalam di pertemuan berikutnya soal A/B testing.

Latihan Kelompok: Temukan Titik Bocor

Kerjakan dalam kelompok kecil (3–4 orang), waktu 10 menit.

DATA FUNNEL APLIKASI PEMESANAN MAKANAN

Tahap	Jumlah Pengguna
Buka menu restoran	8.000
Pilih menu & tambah ke keranjang	3.200
Isi alamat pengantaran	2.900
Konfirmasi & bayar	1.450

Hitung conversion rate tiap tahap dan conversion rate keseluruhan.
Tentukan tahap dengan drop-off terbesar (dalam persen).
Ajukan satu hipotesis penyebab, lengkap dengan cara mengeceknya.

Bagian 3 dari 3

Analisis Kohort

Funnel menjawab "di mana orang berhenti dalam satu perjalanan" — kohort menjawab "siapa yang bertahan dari waktu ke waktu".

Retensi Kohort Akuisisi Heatmap

Apa Itu Analisis Kohort?

Kohort adalah kelompok pengguna yang memiliki karakteristik awal sama (biasanya waktu bergabung yang sama), lalu diamati perilakunya secara bersama-sama seiring waktu.

KOHORT AKUISISI

Dikelompokkan berdasarkan kapan pengguna pertama kali mendaftar. Contoh: "kohort minggu ke-1 Juni" vs "kohort minggu ke-2 Juni".

KOHORT PERILAKU

Dikelompokkan berdasarkan aksi pertama yang sama, misalnya semua pengguna yang pertama kali membeli kategori "elektronik".

Metrik utama: retention rate — persentase anggota kohort yang masih aktif pada periode pengamatan berikutnya, dibanding ukuran kohort awal.

Hitung dari Nol: Tabel Retensi Kohort

Sebuah aplikasi mencatat 1.000 pengguna baru mendaftar di Minggu 0. Berikut jumlah yang masih aktif tiap minggu berikutnya.

RETENSI KOHORT "PENGGUNA BARU MINGGU 0"

Langkah	Perhitungan	Nilai
1. Ukuran kohort awal (Minggu 0)	diberikan tim analitik	1.000 (100%)
2. Aktif di Minggu 1	420 ÷ 1.000 × 100	420 (42%)
3. Aktif di Minggu 2	260 ÷ 1.000 × 100	260 (26%)
4. Aktif di Minggu 4	150 ÷ 1.000 × 100	150 (15%)
5. Churn kumulatif hingga Minggu 4	1.000 − 150	850 (85%)

Mari hitung tabel retensi selangkah demi selangkah. Kita mulai dari 1.000 pengguna baru yang mendaftar di Minggu 0, ini jadi baseline seratus persen. Seminggu kemudian, hanya 420 yang masih aktif, retensinya 42 persen — wajar karena banyak pengguna baru hanya mencoba sekali lalu tidak kembali. Di Minggu 2, yang masih aktif tinggal 260 orang atau 26 persen, dan di Minggu 4 tinggal 150 orang atau 15 persen. Kalau kita balik cara pandangnya, artinya 850 dari 1.000 pengguna awal, atau 85 persen, sudah churn alias berhenti menggunakan aplikasi dalam waktu satu bulan. Pola penurunan cepat di awal lalu melandai ini sangat umum, dan disebut kurva retensi — bank digital atau aplikasi dompet elektronik biasanya menargetkan agar kurva ini melandai di angka setinggi mungkin, bukan terus menurun ke nol.

Coba Sendiri: Hitung Retensi Kohort D1/D7/D30

Masukkan jumlah pengguna aktif pada hari ke-1, ke-7, dan ke-30 setelah pendaftaran, lalu lihat langsung kurva retensi dan tingkat churn kumulatifnya.

Membaca Heatmap Kohort

Dashboard analitik biasanya menampilkan retensi banyak kohort sekaligus sebagai heatmap — warna lebih gelap berarti retensi lebih tinggi.

Perhatikan pola diagonal: kohort yang lebih baru (Minggu 2) belum punya data M3–M4 karena waktunya belum sampai — ini normal, bukan data hilang.

Di dunia kerja, tim produk jarang melihat satu kohort saja seperti slide sebelumnya — mereka melihat banyak kohort sekaligus dalam bentuk heatmap seperti ini, di mana setiap baris adalah kohort minggu pendaftaran berbeda, dan setiap kolom adalah jarak minggu sejak bergabung. Warna gelap berarti retensi tinggi, warna terang berarti retensi rendah — perhatikan polanya selalu memudar dari kiri ke kanan, karena wajar semakin lama waktu berjalan semakin banyak pengguna yang pergi. Perhatikan juga sel-sel kosong bertanda garis putus di pojok kanan atas: itu bukan data hilang, melainkan kohort Minggu 1 dan Minggu 2 memang belum cukup lama berjalan untuk punya data di M3 atau M4 — pola kosong berbentuk tangga ini normal disebut pola diagonal kohort. Dengan heatmap seperti ini, seorang manajer produk di Bank Jago atau BCA digital bisa langsung melihat sekilas apakah kualitas pengguna baru membaik atau memburuk dari minggu ke minggu.

Menggabungkan Ketiganya & Kesalahan Umum

STUDI KASUS SINGKAT

Tim Tokopedia melihat penjualan turun → clickstream menunjukkan trafik stabil → funnel menunjukkan drop-off tinggi di checkout → kohort menunjukkan retensi pembeli baru juga turun. Kesimpulan: masalah ada di pengalaman checkout, bukan di akuisisi trafik.

JEBAKAN VANITY METRICS

Jumlah pengunjung tinggi tapi conversion rate rendah tetap dirayakan sebagai "sukses".
Retensi dihitung tanpa membandingkan kohort mana yang diukur.
Bounce rate dibaca terpisah, tanpa dikaitkan ke funnel & kohort.

Prinsip inti: ketiga alat ini harus dibaca bersama-sama, bukan sendiri-sendiri — satu metrik saja mudah menyesatkan.

Mari kita lihat bagaimana ketiga alat ini bekerja bersama lewat contoh singkat. Bayangkan tim Tokopedia melihat penjualan turun bulan ini. Kalau hanya dilihat dari clickstream, trafik ternyata stabil, jadi bukan masalah akuisisi pengunjung. Ketika ditelusuri lewat funnel, ternyata drop-off tinggi terjadi di tahap checkout. Dan ketika dicek lewat kohort, retensi pembeli baru juga ikut turun, artinya bukan sekadar kejadian sesaat. Kesimpulannya, masalah ada di pengalaman checkout, bukan di jumlah pengunjung. Ini juga mengingatkan kita pada jebakan vanity metrics, angka yang terlihat bagus di permukaan tapi menyesatkan — misalnya merayakan jumlah pengunjung tinggi padahal conversion rate-nya rendah, atau membaca bounce rate sendirian tanpa mengaitkannya dengan funnel dan kohort. Prinsip yang harus Anda pegang: ketiga alat analitik ini paling kuat kalau dibaca bersama-sama, bukan satu per satu secara terpisah.

Ringkasan Pertemuan 8

CLICKSTREAM

Bahan Baku Mentah

Setiap klik, scroll, dan transaksi tercatat sebagai event dengan siapa, apa, kapan, dan di mana.

FUNNEL KONVERSI

Perjalanan dalam Satu Sesi

Mengukur berapa persen pengguna yang bertahan di setiap tahap keputusan pembelian.

ANALISIS KOHORT

Perilaku Sepanjang Waktu

Melacak siapa yang benar-benar kembali menggunakan produk dari minggu ke minggu.

Minggu depan (Pertemuan 9): kita akan menggunakan data ini sebagai dasar merancang eksperimen A/B testing untuk menguji perbaikan yang Anda usulkan hari ini.

Terima Kasih — Ada Pertanyaan?

Sebagai penutup, mari kita rangkum tiga alat yang sudah kita pelajari hari ini. Clickstream adalah bahan baku paling mentah, rekaman setiap event digital lengkap dengan siapa, apa, kapan, dan di mana. Funnel konversi merangkum event-event itu menjadi tahapan keputusan dalam satu perjalanan, dan mengukur berapa persen yang bertahan di setiap tahap. Analisis kohort melihat perilaku dari dimensi waktu yang lebih panjang, siapa yang benar-benar kembali menggunakan produk secara konsisten. Minggu depan di Pertemuan 9, kita akan memakai temuan-temuan seperti drop-off checkout yang tadi kita bahas sebagai dasar merancang eksperimen A/B testing, supaya perbaikan yang Anda usulkan bisa diuji secara ilmiah sebelum diterapkan ke seluruh pengguna. Terima Kasih atas partisipasi aktif Anda hari ini, silakan kalau ada pertanyaan sebelum kita tutup sesi.