Analitik dan Pengambilan Keputusan Berbasis Data Pemasaran Digital | Pertemuan 10 | Minggu 11
Pemasaran Digital
Pertemuan 10
CPL: Analitik & Keputusan
Selamat datang di Pertemuan 10, sesi yang berfokus pada kemampuan Anda membaca dan menggunakan data untuk mengambil keputusan pemasaran yang lebih baik. Di era digital, keputusan berdasarkan data bukan lagi keistimewaan perusahaan besar — UMKM pun bisa mengaksesnya lewat alat gratis seperti Google Analytics. Hari ini kita akan belajar cara membaca dasbor analitik, menentukan KPI yang tepat, menghitung nilai pelanggan secara kuantitatif, dan menyusun laporan yang dapat ditindaklanjuti. Agenda Pertemuan Teori (75 menit)
Google Analytics: konsep & ekosistem tracking KPI dan metrik pemasaran digital Perhitungan Customer Lifetime Value (CLV) Reporting & dashboard pemasaran Praktik & Diskusi (75 menit)
Demo GA4: navigasi dasbor & interpretasi laporan Workshop: hitung CLV dari skenario nyata Studi kasus: BRImo & Tokopedia Analytics Tugas: rancang dashboard KPI mini Pertemuan hari ini dirancang dua sesi seimbang agar Anda tidak hanya memahami teori tetapi langsung merasakan cara kerja alat analitik. Sesi teori membangun fondasi konseptual yang Anda butuhkan agar tidak sekadar "hafal tombol" tetapi benar-benar mengerti mengapa suatu metrik penting. Sesi praktik menggunakan skenario bisnis Indonesia sehingga lebih mudah dibayangkan dalam konteks pekerjaan Anda kelak. Tujuan Pembelajaran 01 Menjelaskan cara kerja Google Analytics 4 dan sistem tracking berbasis event 02 Memilih dan mendefinisikan KPI yang relevan untuk kampanye digital 03 Menghitung Customer Lifetime Value (CLV) menggunakan formula standar 04 Merancang dashboard pemasaran yang dapat dijadikan dasar keputusan bisnis Keempat tujuan ini membentuk satu rantai logis: Anda perlu tahu cara mengumpulkan data (GA4 + tracking), kemudian memilih metrik yang bermakna (KPI), mengukur nilai jangka panjang pelanggan (CLV), dan akhirnya mengemas temuan dalam format yang bisa dipahami pengambil keputusan (dashboard). Kuasai rantai ini dan Anda akan sangat berharga di tim pemasaran digital mana pun. Perhatikan bahwa sub-CPMK menekankan "interpretasi" dan "pengambilan keputusan" — bukan sekadar membaca angka. Topik 1
Google Analytics & Sistem Tracking
Kita mulai dari fondasi: bagaimana data pemasaran digital dikumpulkan. Google Analytics 4 adalah standar industri yang digunakan oleh jutaan situs web di seluruh dunia, termasuk mayoritas e-commerce dan portal berita Indonesia. Memahami cara kerjanya memberi Anda kemampuan untuk membaca laporan dari platform manapun karena konsepnya serupa. Siapkan pikiran Anda untuk sedikit berpikir seperti insinyur data — kita akan melihat bagaimana setiap klik pengguna berubah menjadi baris data yang bisa dianalisis. Google Analytics 4: Arsitektur Dasar Dari UA ke GA4: Perubahan Paradigma
Universal Analytics (lama): berbasis sesi & halamanGA4 (sejak Jul 2023): berbasis event — setiap interaksi adalah eventEvent default: page_view, scroll, click, session_start Custom event: bisnis bisa define sendiri (mis. add_to_cart, promo_click) Alur Data GA4
Pengguna klik tombol
* Real-time report tersedia instan; laporan lengkap muncul dalam 24–48 jam
Pergeseran dari model berbasis sesi ke model berbasis event adalah perubahan terbesar dalam sejarah Google Analytics. Di Universal Analytics, Anda bertanya "berapa sesi yang masuk ke halaman ini?" Di GA4, Anda bertanya "apa yang dilakukan pengguna selama kunjungan mereka?" — jauh lebih kaya konteks. Sebagai contoh Indonesia: Tokopedia menggunakan event kustom untuk melacak setiap pengguna yang melihat halaman flash sale, menambahkan produk ke keranjang, lalu checkout — setiap langkah adalah event terpisah yang bisa dianalisis. Dimensi & Metrik Kunci di GA4 Dimensi / Metrik Definisi Contoh Nilai Kegunaan Users Jumlah pengguna unik 12.450 Ukuran audiens Sessions Satu kunjungan terus-menerus 18.230 Frekuensi kunjungan Engagement Rate % sesi engaged (>10 detik / 2 event) 62% Kualitas traffic Bounce Rate (GA4) % sesi tidak engaged (kebalikan) 38% Relevansi konten Conversion Rate % sesi yang menyelesaikan goal 3,2% Efektivitas funnel Avg. Engagement Time Rata-rata durasi sesi engaged 2 mnt 14 dtk Kedalaman interaksi
Perhatikan bahwa definisi Bounce Rate di GA4 berbeda dengan Universal Analytics. Di UA, bounce berarti pengguna pergi setelah satu halaman tanpa interaksi. Di GA4, sebuah sesi dianggap "engaged" jika berlangsung lebih dari 10 detik, memiliki setidaknya dua page view, atau memicu conversion event — sehingga angka bounce bisa terlihat lebih rendah di GA4 dibanding UA untuk traffic yang sama. Ini penting agar Anda tidak panik saat melihat angka berbeda setelah migrasi. Contoh nyata: blog travel Indonesia yang menghasilkan artikel panjang biasanya punya engagement rate 65–75% karena pembaca benar-benar membaca konten. UTM Parameter: Melacak Sumber Traffic https://toko.com/promo?utm_source=instagram &utm_medium=social &utm_campaign=ramadan2025 &utm_content=carousel_baju
utm_source
Asal trafficinstagram, google, email
utm_medium
Jenis kanalsocial, cpc, email, organic
utm_campaign
Nama kampanyeramadan2025, harbolnas
Best practice: Buat UTM builder spreadsheet — konsistensi penamaan krusial. "instagram" dan "Instagram" terbaca sebagai dua sumber berbeda di GA4.
UTM parameter adalah cara paling andal untuk mengetahui dari mana konversi Anda berasal. Bayangkan Anda menjalankan kampanye Harbolnas serentak di Instagram, TikTok, dan email newsletter — tanpa UTM, GA4 tidak bisa membedakan mana yang paling efektif. Dengan UTM, Anda bisa melihat bahwa kampanye email menghasilkan konversi 4% sementara Instagram hanya 1,8%, sehingga Anda bisa mengalokasikan anggaran lebih cerdas. Tim digital Telkomsel dan BCA Digital sudah menstandarisasi UTM naming convention di seluruh departemen mereka untuk konsistensi data. Topik 2
KPI dan Metrik Pemasaran Digital
Setelah data terkumpul di GA4, tantangan berikutnya adalah: metrik mana yang benar-benar penting untuk bisnis Anda? Tidak semua angka yang bisa diukur harus diukur. Kita akan belajar membedakan KPI — Key Performance Indicator yang terikat pada tujuan bisnis — dari vanity metric yang terlihat bagus tapi tidak bermakna. Ini adalah kemampuan berpikir kritis yang membedakan analis digital yang baik dari yang sekadar bisa membaca dasbor. KPI vs. Vanity Metric KPI yang Bermakna
Conversion Rate (CVR): % pengunjung yang jadi pelangganCost Per Acquisition (CPA): biaya untuk mendapatkan 1 pelangganReturn on Ad Spend (ROAS): pendapatan per Rp 1 belanja iklanRevenue per Visitor: pendapatan rata-rata per kunjunganVanity Metric (hati-hati)
Jumlah followers — tidak otomatis = pendapatan Impresi / Reach tanpa konteks konversi Page views tanpa engagement Likes / shares tanpa link ke tujuan bisnis Prinsip: KPI yang baik adalah yang dapat Anda gunakan untuk membuat keputusan konkret — naikkan anggaran, hentikan kampanye, ubah konten.
Perbedaan antara KPI dan vanity metric adalah salah satu diskusi paling penting dalam pemasaran digital modern. Sebuah akun Instagram dengan 500.000 followers tapi engagement rate 0,3% jauh kurang berharga dibanding akun dengan 10.000 followers tapi conversion rate 5% untuk produk yang dijual. Gojek pernah berbagi bahwa mereka mengukur keberhasilan kampanye bukan dari viral reach tapi dari berapa pengguna baru yang aktif melakukan transaksi pertama dalam 7 hari setelah melihat iklan — itulah KPI yang terhubung langsung ke pendapatan. Framework KPI: North Star Metric Jenis Bisnis North Star Metric KPI Pendukung E-commerce Gross Merchandise Value (GMV) CVR, AOV, Cart Abandonment Rate SaaS / Aplikasi Monthly Active Users (MAU) DAU/MAU ratio, Churn Rate, NPS Media / Konten Total Engaged Minutes Avg. Session Duration, Return Visitor % Lead Generation Qualified Leads per Bulan CPA, Lead-to-Close Rate, CPL UMKM Lokal Transaksi dari Digital Channel ROAS, Biaya per Transaksi, Reorder Rate
North Star Metric adalah satu angka tunggal yang paling mencerminkan nilai yang diberikan bisnis Anda kepada pelanggan. Tokopedia menggunakan GMV; BRImo menggunakan jumlah transaksi bulanan aktif. Konsepnya sederhana: kalau North Star Metric naik, bisnis Anda sehat. KPI pendukung membantu Anda mendiagnosis mengapa North Star naik atau turun. Untuk tugas akhir pertemuan ini, Anda akan diminta memilih North Star Metric untuk bisnis fiksi yang saya berikan — latih kemampuan berpikir ini sekarang. Metrik Iklan Digital: Rumus Wajib CTR (Click-Through Rate) Rata-rata Google Search: ~2–5% | Display: ~0,1%
CPC (Cost Per Click) Benchmark Indonesia bervariasi per industri
CPA (Cost Per Acquisition)
ROAS (Return on Ad Spend) ROAS 4x = Rp 4 pendapatan per Rp 1 biaya
ROI Kampanye
Target ROAS minimum: umumnya 3–4x untuk e-commerce agar bisnis tetap profitable setelah COGS & operasional.
Hafal dan pahami kelima rumus ini — Anda akan membutuhkannya dalam wawancara kerja maupun dalam pekerjaan sehari-hari. Contoh praktis: jika Anda membelanjakan Rp 5.000.000 untuk iklan Instagram dan menghasilkan 50 transaksi dengan total pendapatan Rp 22.000.000, maka CPA = Rp 100.000 dan ROAS = 4,4x. Apakah ini bagus? Bergantung pada margin produk Anda. Jika margin kotor Anda 40%, maka profit setelah iklan per transaksi adalah Rp (rata-rata nilai transaksi × 40%) − Rp 100.000 — itulah kalkulasi yang perlu Anda lakukan sebelum memutuskan kampanye layak dilanjutkan. Topik 3
Customer Lifetime Value & Dashboard Pemasaran
Kita masuk ke topik yang menurut saya paling mengubah cara pandang dalam pemasaran digital: Customer Lifetime Value. CLV menggeser perspektif dari "berapa biaya mendapatkan pelanggan ini?" ke "berapa total nilai yang akan dihasilkan pelanggan ini sepanjang hidupnya bersama bisnis saya?" Pergeseran perspektif ini fundamental — dan inilah yang membedakan bisnis yang tumbuh secara berkelanjutan dari yang terus-menerus terjebak dalam spiral akuisisi biaya tinggi. Customer Lifetime Value (CLV): Konsep & Formula Mengapa CLV Penting?
Menentukan berapa maksimal Anda boleh belanja untuk akuisisi Mengidentifikasi segmen pelanggan paling berharga Mengarahkan investasi ke retensi vs. akuisisi Dasar perhitungan unit economics startup Aturan praktis: CLV harus > 3× CPA agar bisnis sehat secara jangka panjang.
Formula Dasar CLV
CLV = AOV × Purchase Frequency × Customer Lifespan
Di mana:
AOV = Average Order Value (rata-rata nilai transaksi)Purchase Frequency = transaksi per pelanggan per tahunCustomer Lifespan = rata-rata tahun pelanggan aktifCLV adalah angka yang mengubah cara bisnis memandang pelanggannya. Jika rata-rata pelanggan kopi langganan Anda membeli 3 cangkir per minggu selama 2 tahun dengan AOV Rp 45.000, maka CLV-nya adalah Rp 45.000 × 156 minggu = Rp 7.020.000. Sekarang Anda tahu bahwa menginvestasikan Rp 150.000 untuk akuisisi pelanggan baru tersebut adalah keputusan yang sangat masuk akal. Banyak bisnis UMKM gagal karena menganggap biaya akuisisi Rp 150.000 "mahal" tanpa pernah menghitung bahwa nilai seumur hidup pelanggannya bisa jauh lebih besar. Coba Sendiri: Uji Aturan CLV Harus > 3x CAC Masukkan estimasi CLV dan CAC sebuah segmen pelanggan, lalu amati posisinya pada matriks akuisisi — apakah sehat, meragukan, atau harus dihentikan.
Aturan praktis "CLV harus lebih dari tiga kali CPA" tadi terasa abstrak — mari kita lihat konsekuensinya secara visual. Saya minta satu mahasiswa maju dan memasukkan angka CLV dan CAC dari sebuah bisnis contoh, misalnya CLV tujuh juta rupiah dan CAC satu setengah juta. Perhatikan di kuadran mana titik itu jatuh pada matriks. Sekarang coba naikkan CAC-nya secara bertahap dan amati kapan titik itu bergeser keluar dari zona sehat. Ini yang akan kita hitung lebih presisi lewat studi kasus BRImo berikutnya. Menghitung CLV: Studi Kasus BRImo Skenario (ilustrasi): BRImo ingin menghitung CLV segmen pengguna muda (25–35 tahun) yang aktif bertransaksi. Data berasal dari laporan internal fiktif untuk keperluan pembelajaran.
Parameter Nilai Sumber / Asumsi AOV (rata-rata nilai transaksi) Rp 850.000 Transfer + pembayaran tagihan Margin per transaksi (~) Rp 1.200 Fee + net interest margin estimasi Purchase Frequency 18× / bulan Log transaksi aktif Customer Lifespan ~5 tahun Rata-rata churn aplikasi perbankan CLV Rp 1.296.000 Rp 1.200 × 18 × 12 × 5
* Angka ini ilustrasi pembelajaran. CLV riil perbankan menggunakan model diskonto yang lebih kompleks.
Contoh ini memperlihatkan bahwa untuk bisnis dengan margin per transaksi kecil seperti perbankan digital, kunci nilai pelanggan ada pada frekuensi dan masa aktif yang panjang. Itulah mengapa BRImo berinvestasi besar pada fitur gamifikasi, reward poin, dan ekosistem pembayaran lengkap — semua dirancang meningkatkan frekuensi dan memperpanjang lifespan. Perlu dicatat bahwa model CLV profesional biasanya menggunakan discounted cash flow untuk memperhitungkan nilai waktu uang, tapi formula dasar ini sudah cukup untuk pengambilan keputusan awal. CLV Lanjutan: Model Diskonto CLV (Discounted) = Σ [ Margin × (Retention Rate / (1 + Discount Rate − Retention Rate)) ]
Contoh Tokopedia (Ilustrasi)
Margin per order: Rp 15.000 Frekuensi: 2× / bulan Retention rate: 70% / tahun Discount rate: 12% / tahun CLV ≈ Rp 15.000 × 24 × (0,70 / (1+0,12−0,70)) ≈ Rp 360.000 × 1,67 ≈ Rp ~601.000 Implikasi Strategis
Meningkatkan Retention Rate 5% → CLV naik ~10–15% Retensi lebih efisien: biaya 5–7× lebih murah dari akuisisi baru Segmentasi: fokus budget iklan pada segmen CLV tertinggi Personalisasi: pelanggan CLV tinggi dapat perlakuan premium Model diskonto ini lebih akurat karena memperhitungkan fakta bahwa Rp 1.000 yang diterima tahun depan nilainya lebih kecil dari Rp 1.000 yang diterima hari ini. Dalam praktik, Gojek dan Tokopedia menggunakan model CLV jauh lebih canggih yang memasukkan variabel seperti kategori produk, metode pembayaran, dan waktu transaksi. Namun prinsip dasarnya sama: retensi pelanggan yang sudah ada hampir selalu lebih menguntungkan daripada akuisisi pelanggan baru. Inilah alasan mengapa program Gopay Rewards dan Tokopedia Saldo Cashback dirancang sangat agresif. Coba Sendiri: Hitung CLV Terdiskonto Masukkan margin per order, frekuensi, retention rate, dan discount rate, lalu amati bagaimana CLV berubah saat retention rate digeser naik atau turun.
Mari uji ulang contoh Tokopedia tadi dan lihat sensitivitasnya. Saya minta satu mahasiswa maju dan memasukkan angka yang sama — margin Rp 15.000, frekuensi dua kali sebulan, retention rate 70 persen, discount rate 12 persen — untuk mengonfirmasi hasilnya mendekati Rp 601 ribu. Sekarang coba naikkan retention rate lima poin persentase saja dan amati berapa persen CLV-nya melonjak. Kenaikan kecil di retensi berdampak jauh lebih besar dibanding kenaikan kecil di frekuensi — itu insight kunci sebelum kita masuk ke prinsip rancangan dashboard pemasaran. Dashboard Pemasaran: Prinsip Rancangan Hierarki Informasi Dashboard
Level 1 — Eksekutif: 3–5 KPI utama, tren minggu ini vs. minggu laluLevel 2 — Manajer: breakdown per kanal, per kampanye, per segmenLevel 3 — Analis: data granular, cohort, attribut customAturan 5 detik: Keputusan utama harus bisa diambil dalam 5 detik melihat dashboard Level 1.
Alat Dashboard Populer
Google Looker Studio — gratis, terhubung langsung GA4Metabase — open-source, populer untuk startup IndonesiaTableau / Power BI — enterprise, lebih mahalGA4 Explore — built-in, cocok untuk analisis ad hocSpreadsheet + Chart — solusi paling mudah untuk UMKMFilosofi dashboard yang baik: sedikit tapi berarti. Saya sering melihat dashboard dengan 30+ metrik yang membuat orang kewalahan dan akhirnya tidak membuat keputusan apapun. Mulai dari tiga pertanyaan bisnis utama Anda: apakah traffic saya tumbuh?, apakah konversi meningkat?, apakah biaya akuisisi terkendali? Jawab tiga pertanyaan itu dengan tiga panel utama, sisanya bisa di-drill-down sesuai kebutuhan. Looker Studio sangat direkomendasikan untuk Anda mulai karena gratis dan koneksi ke GA4 bisa dilakukan dalam hitungan menit. Visualisasi: Alur Data ke Keputusan Sumber Data GA4 · Meta Ads CRM · Spreadsheet Pengolahan Looker Studio Metabase · Excel Dashboard KPI Utama Tren & Anomali Insight Interpretasi Rekomendasi Keputusan Aksi Kampanye Alokasi Budget Pengumpulan Integrasi Visualisasi Analisis Umpan balik: keputusan mempengaruhi data berikutnya Diagram ini menggambarkan siklus penuh dari data ke keputusan. Yang sering dilupakan adalah panah umpan balik di bawah: setiap keputusan yang Anda ambil — misalnya meningkatkan anggaran iklan Instagram atau mengubah halaman landing — akan menghasilkan data baru yang masuk ke siklus berikutnya. Ini bukan proses linear tapi siklus yang terus berputar. Perusahaan digital terbaik seperti Gojek melakukan siklus ini dalam hitungan jam menggunakan A/B testing otomatis, bukan hitungan bulan seperti pemasaran tradisional. Rangkuman 5 Key Takeaway Pertemuan 10
GA4 berbasis event — setiap interaksi pengguna adalah titik data. Gunakan UTM untuk melacak sumber traffic secara akurat.Pilih KPI, bukan vanity metric — hanya ukur yang dapat mendorong keputusan konkret. North Star Metric membantu fokus tim.CLV mengubah perspektif — biaya akuisisi yang terlihat mahal bisa sangat masuk akal jika CLV pelanggan jauh lebih besar.Retensi > Akuisisi (umumnya) — meningkatkan retention rate 5% bisa meningkatkan CLV 10–15%; biaya retensi jauh lebih rendah.Dashboard harus actionable — Level 1 untuk eksekutif dalam 5 detik; drill-down untuk analis. Mulai dari tiga pertanyaan bisnis utama.Lima poin ini adalah inti dari yang telah kita pelajari hari ini. Jika Anda hanya mengingat satu hal: data tanpa keputusan adalah biaya, bukan investasi. GA4 memberi Anda data; KPI memberi Anda fokus; CLV memberi Anda perspektif jangka panjang; dan dashboard yang baik menghubungkan semuanya menjadi tindakan nyata. Di dunia bisnis digital Indonesia yang berkembang pesat, kemampuan mengubah data menjadi keputusan adalah keunggulan kompetitif yang nyata. Tugas & Diskusi Tugas Individu (dikumpul minggu depan)
Pilih satu bisnis digital Indonesia (nyata atau fiksi) Tentukan North Star Metric dan 4 KPI pendukung Hitung CLV menggunakan formula dasar dengan asumsi yang masuk akal Rancang layout dashboard Level 1 (boleh sketsa tangan atau Looker Studio) Jelaskan satu keputusan bisnis yang dapat diambil dari dashboard Anda Diskusi Kelas (15 menit)
Pertanyaan pemantik:
Mengapa banyak bisnis masih menggunakan followers sebagai KPI utama meski tidak terhubung ke pendapatan? Bagaimana UMKM dengan budget terbatas bisa memulai tracking tanpa investasi besar? Apa risiko keputusan bisnis yang hanya berdasarkan data kuantitatif tanpa insight kualitatif? Tugas ini dirancang untuk menginternalisasi seluruh materi hari ini dalam konteks bisnis nyata pilihan Anda sendiri. Tidak ada jawaban yang sepenuhnya salah — yang penting adalah logika di balik pilihan Anda masuk akal dan konsisten. Untuk diskusi kelas, pertanyaan ketiga sengaja provokatif: data adalah alat, bukan pengganti intuisi dan empati. Keputusan terbaik menggabungkan keduanya. Persiapkan argumen Anda dan siap berbagi perspektif. Tanya Jawab Silakan ajukan pertanyaan seputar materi hari ini.
Preview Pertemuan 11
Pemasaran Mobile dan Strategi Berbasis Aplikasi
Mobile-first marketing: mengapa 70%+ traffic Indonesia dari smartphone App Store Optimization (ASO) & strategi push notification In-app analytics: Firebase & AppsFlyer Studi kasus: strategi mobile BRImo & Grab Indonesia Terima Kasih atas perhatian dan partisipasi Anda hari ini. Pertemuan 11 akan membangun langsung di atas fondasi analitik yang telah kita bangun hari ini — Anda akan melihat bagaimana konsep tracking, KPI, dan CLV diterapkan secara spesifik di ekosistem aplikasi mobile yang mendominasi perilaku konsumen Indonesia. Jika ada pertanyaan terkait tugas atau materi hari ini yang belum sempat disampaikan, silakan hubungi melalui forum kelas atau konsultasi di jam office hour. Sampai jumpa di pertemuan berikutnya!