(Business Lounge – Marketing) Mengukur keberhasilan merupakan bagian yang sangat penting dalam digital marketing karena strategi yang tidak dapat menunjukkan hasil akan sulit mendapatkan dukungan dari organisasi. Simon Kingsnorth menempatkan data analytics dan reporting sebagai bagian yang sangat menentukan dalam proses digital marketing strategy. Tanpa pengukuran yang dilakukan dengan benar, perusahaan mungkin menjalankan berbagai aktivitas digital tetapi tidak mampu menjelaskan apakah aktivitas tersebut berhasil, bagian mana yang memberikan hasil, dan apa yang harus dilakukan selanjutnya. Bahkan, ketika strategi sudah berjalan tetapi hasilnya tidak dapat dibuktikan kepada stakeholder, strategi tersebut dapat kehilangan dukungan dan berisiko dihentikan. Karena itu, pengukuran bukan pekerjaan yang dilakukan setelah kampanye selesai, tetapi harus dirancang sejak strategi mulai dibangun.
Big Data Membawa Tantangan Baru
Digital marketer memiliki akses terhadap jumlah data yang sangat besar dibandingkan masa lalu. Data dapat berasal dari website, media sosial, search, advertising, email, e-commerce, CRM, aplikasi, dan berbagai sumber lainnya. Kingsnorth menggunakan istilah big data untuk menggambarkan kumpulan data yang sangat besar dan kompleks sehingga sulit diproses menggunakan perangkat dan teknik database biasa. Namun, persoalan utama bukan sekadar jumlah data. Tantangan sebenarnya adalah bagaimana menggabungkan berbagai data tersebut, memahami konteksnya, dan mengubahnya menjadi insight yang dapat digunakan untuk mengambil keputusan. Data yang banyak tetapi tidak dapat diterjemahkan menjadi tindakan tidak otomatis memberikan keuntungan bagi perusahaan.
Perusahaan juga perlu memahami bahwa data tidak selalu identik dengan kebenaran. Kingsnorth menunjukkan bahwa terdapat beberapa tahap yang melibatkan manusia dalam penggunaan analytics, mulai dari pihak yang membuat platform analytics, orang yang memasang sistem pada website, orang yang melakukan konfigurasi dan membuat laporan, hingga orang yang menggunakan laporan tersebut untuk mengambil keputusan. Kesalahan dapat terjadi pada setiap tahap. Sistem dapat dipasang secara tidak tepat, konfigurasi dapat salah, laporan dapat disusun dengan cara yang keliru, atau interpretasi terhadap data dapat menghasilkan kesimpulan yang salah. Bahkan ketika teknologi bekerja dengan benar, manusia tetap dapat salah memahami apa yang sebenarnya ditunjukkan oleh data.
Data Alignment Menjadi Masalah
Salah satu tantangan besar dalam analytics adalah ketika perusahaan memiliki banyak sistem yang menghasilkan angka berbeda. Organisasi jarang menggunakan satu sumber data untuk seluruh keputusan. Data keuangan, penjualan, jumlah karyawan, marketing spend, investasi, biaya tetap, dan data lainnya biasanya berada dalam sistem yang berbeda. Kingsnorth menjelaskan bahwa kondisi tersebut dapat membuat angka dari satu sistem tidak selalu sama dengan angka dari sistem lainnya. Perbedaan bahkan dapat terjadi pada sistem yang memiliki fungsi sangat mirip karena setiap platform mungkin menggunakan definisi yang berbeda terhadap istilah tertentu. Karena itu, perusahaan harus memahami bagaimana sebuah angka dihitung sebelum menggunakannya sebagai dasar pengambilan keputusan.
Contoh sederhana adalah istilah hit. Secara teknis, hit dapat berarti sebuah file yang diunduh dari server, tetapi dalam praktiknya istilah tersebut kadang digunakan secara informal untuk menyebut kunjungan. Perbedaan definisi seperti ini dapat menghasilkan perbedaan angka yang terlihat kecil tetapi menjadi signifikan ketika data digunakan untuk mengambil keputusan. Prinsipnya sederhana: sebelum membandingkan dua angka, perusahaan harus memastikan bahwa kedua angka tersebut memang mengukur sesuatu yang sama. Jika definisinya berbeda, perbandingan dapat menghasilkan kesimpulan yang menyesatkan.
Analytics Membuat Performa Terlihat
Dalam pengertian sederhana, analytics merupakan perangkat yang memungkinkan pengguna melihat statistik penting mengenai performa sesuatu yang sedang dianalisis. Kingsnorth menjelaskan bahwa analytics telah berkembang jauh sejak pertengahan 2000-an. Data yang tersedia sekarang dapat mencakup real-time data, demographic data, social media, attribution, multi-channel, hingga cross-device information. Perkembangan tersebut memberikan digital marketer kemampuan untuk melihat perilaku konsumen dari berbagai sudut. Namun, semakin banyak jenis data yang tersedia juga berarti semakin besar kebutuhan untuk menentukan data mana yang benar-benar penting bagi strategi.
Kingsnorth membedakan analytics menjadi dua bentuk utama, yaitu server-based analytics dan tag-based analytics. Server-based analytics bekerja dengan membaca log files yang disimpan pada server, sedangkan tag-based analytics menggunakan kode yang dipasang pada halaman website untuk mengumpulkan data. Masing-masing pendekatan memiliki karakteristik dan tantangan tersendiri. Server-based analytics memiliki sejarah lebih panjang, tetapi menghadapi persoalan seperti caching dan aktivitas robot mesin pencari. Tag-based analytics kemudian berkembang karena mampu mengumpulkan informasi yang lebih kaya mengenai pengguna dan aktivitas digital.
Web Analytics Menjadi Fondasi
Web analytics merupakan salah satu bentuk analytics yang paling mendasar karena digunakan untuk mengukur performa website. Data yang umumnya tersedia meliputi page views, visits, unique visitors, bounce rate, session duration, new versus returning visitors, language, location, demographics, device type, browser, operating system, traffic source, keyword analysis, goal conversion, e-commerce tracking, serta funnel conversion. Kumpulan data tersebut memberikan gambaran mengenai siapa yang datang, dari mana mereka datang, bagaimana mereka berinteraksi dengan website, dan sejauh mana mereka melakukan tindakan yang diharapkan.
Kebutuhan analytics juga bergantung pada strategi perusahaan. Bisnis e-commerce dengan volume transaksi tinggi membutuhkan real-time analytics, demographic information, dan conversion funnel agar dapat merespons perubahan dengan cepat dan mengoptimalkan pengalaman untuk meningkatkan conversion. Perusahaan yang mengeluarkan anggaran besar untuk digital advertising membutuhkan conversion paths, attribution, dan traffic source untuk mengetahui kontribusi masing-masing kanal. Sementara itu, website berbasis content membutuhkan informasi mengenai konten yang populer, siapa yang membacanya, dan perangkat yang digunakan. Artinya, tidak ada satu set analytics yang harus dianggap paling penting untuk semua bisnis. Data yang diprioritaskan harus mengikuti tujuan strategi.
Social Analytics Membaca Interaksi
Social analytics digunakan untuk memahami aktivitas dan performa perusahaan pada media sosial. Data dapat digunakan untuk mengetahui bagaimana audiens berinteraksi dengan konten, siapa yang merespons, jenis konten apa yang memperoleh perhatian, dan bagaimana aktivitas tersebut berkembang dari waktu ke waktu. Tools yang disebut Kingsnorth dalam buku mencakup Facebook Insights, X Analytics, Brandwatch, Salesforce Marketing Cloud, Sprout Social, Snaplytics, Iconosquare, dan BuzzSumo. Namun, ia menekankan bahwa daftar tersebut bukan rekomendasi permanen karena teknologi dan penyedia layanan digital terus berubah.
SEO Analytics Menghubungkan Search dengan Hasil
SEO analytics memungkinkan perusahaan memahami bagaimana website ditemukan melalui mesin pencari dan bagaimana performa pencarian tersebut berkembang. Tools seperti Majestic SEO, Semrush, Google Search Console, dan Google Data Studio disebut sebagai contoh yang dapat digunakan untuk kebutuhan analisis. Data SEO dapat membantu perusahaan memahami traffic dari search, kata kunci yang digunakan, performa halaman, dan berbagai aspek lain yang berkaitan dengan visibilitas organik. Namun, tujuan akhirnya tetap bukan sekadar meningkatkan angka traffic. Data tersebut harus digunakan untuk memahami apakah traffic yang diperoleh sesuai dengan target dan apakah aktivitas SEO membantu mencapai tujuan bisnis.
UX Analytics Mengukur Pengalaman
Analytics juga dapat digunakan untuk memahami pengalaman pengguna. Tools yang dibahas Kingsnorth mencakup Optimizely, Usabilla, Verify, dan Appsee. Pengukuran UX dapat membantu perusahaan mengetahui bagaimana pengguna berinteraksi dengan pengalaman digital dan di mana terdapat masalah yang menghambat mereka. Hal ini memperlihatkan hubungan yang kuat antara analytics dan Experience Design. Data tidak hanya digunakan untuk melihat berapa banyak orang yang datang, tetapi juga untuk memahami bagaimana mereka menggunakan platform dan bagian mana yang perlu diperbaiki agar pengalaman menjadi lebih efektif.
Pemilihan Teknologi Harus Strategis
Kingsnorth mengingatkan bahwa memilih analytics technology tidak cukup hanya dengan melihat fitur yang tersedia. Perusahaan perlu mempertimbangkan biaya, keterbatasan traffic atau volume data, kemampuan supplier untuk bertahan dalam jangka panjang, service level agreement, serta kepemilikan data. Platform yang gratis, misalnya, mungkin memiliki batasan tertentu yang akhirnya menjadi masalah ketika traffic perusahaan tumbuh. Mengganti sistem analytics juga dapat menjadi sulit karena perusahaan berisiko kehilangan konsistensi data historis. Karena itu, pemilihan teknologi harus mempertimbangkan kebutuhan saat ini sekaligus kebutuhan beberapa tahun ke depan.
Kepemilikan data menjadi pertimbangan yang tidak kalah penting. Beberapa analytics solution berbasis server memungkinkan perusahaan memiliki data yang dikumpulkan, sedangkan banyak solusi modern menggunakan tag yang membuat hubungan kepemilikan dan pengelolaan data menjadi lebih kompleks. Perusahaan harus memahami dengan jelas siapa yang memiliki data, bagaimana data disimpan, bagaimana data dapat diakses, dan apa yang terjadi apabila perusahaan berpindah platform. Keputusan teknologi karena itu bukan hanya persoalan kemudahan penggunaan, tetapi juga menyangkut risiko strategis jangka panjang.
Attribution Menentukan Nilai Setiap Kanal
Salah satu persoalan penting dalam digital marketing adalah menentukan kontribusi masing-masing kanal terhadap hasil akhir. Konsumen dapat berinteraksi dengan perusahaan melalui berbagai touchpoint sebelum akhirnya melakukan pembelian. Attribution modelling membantu marketer melihat bagaimana berbagai komponen kampanye berkontribusi terhadap customer journey dan seberapa besar nilai masing-masing aktivitas. Attribution dapat digunakan di dalam satu kanal maupun lintas kanal. Dalam cross-channel attribution, interaksi konsumen dengan berbagai elemen digital mix dianalisis untuk melihat bagaimana setiap kanal memainkan perannya.
Informasi tersebut penting karena dapat membantu perusahaan menentukan budget secara lebih akurat. Tanpa attribution, sebuah kanal mungkin terlihat tidak menghasilkan conversion karena tidak menjadi interaksi terakhir, padahal kanal tersebut memainkan peran penting dalam menciptakan awareness atau membantu konsumen bergerak menuju pembelian. Attribution memungkinkan perusahaan melihat perjalanan tersebut secara lebih menyeluruh sehingga keputusan anggaran tidak hanya didasarkan pada performa satu titik interaksi.
Rule-Based Attribution
Kingsnorth menjelaskan dua kelompok utama attribution, yaitu data-driven attribution dan rule-based attribution. Rule-based attribution merupakan pendekatan yang lebih sederhana karena credit terhadap conversion diberikan berdasarkan aturan tertentu. Salah satu modelnya adalah linear attribution, yang memberikan kredit secara merata kepada seluruh channel dalam perjalanan pelanggan. Model ini dapat berguna ketika strategi bertujuan mempertahankan kontak secara konsisten dengan calon pelanggan, terutama pada produk yang memiliki proses riset panjang atau berada dalam pasar yang sangat kompetitif.
Model lainnya adalah first interaction, yang memberikan seluruh credit kepada kanal pertama yang dilihat pengguna. Pendekatan ini berguna ketika tujuan utama strategi adalah awareness karena perusahaan ingin mengetahui kanal mana yang pertama kali memperkenalkan brand atau produk kepada calon pelanggan. Ada pula position-based attribution, yang memberikan bobot berbeda kepada berbagai posisi dalam customer journey sehingga interaksi awal dan interaksi akhir dapat memperoleh nilai yang berbeda. Perusahaan juga dapat menggunakan custom attribution model apabila membutuhkan aturan yang lebih sesuai dengan karakteristik strategi mereka.
Data-Driven Attribution Mengurangi Asumsi
Rule-based attribution memberikan langkah penting dalam memahami perjalanan pelanggan, tetapi Kingsnorth menilai pendekatan tersebut masih memiliki unsur asumsi. Perusahaan dapat mencoba berbagai model dan membandingkan hasilnya, tetapi aturan yang digunakan tetap ditentukan sebelumnya oleh manusia. Data-driven attribution berusaha mengurangi persoalan tersebut dengan menggunakan data customer journey dalam jumlah besar dan model matematis untuk menilai pentingnya setiap touchpoint. Algoritma kemudian membandingkan berbagai customer journey untuk memperkirakan seberapa besar kontribusi masing-masing aktivitas terhadap hasil akhir.
Manfaat penting dari attribution modelling adalah membantu mengurangi channel conflict. Jika setiap kanal hanya dinilai berdasarkan angka masing-masing, tim marketing dapat berusaha mengklaim bahwa kanal mereka adalah yang paling efektif. Padahal, satu kanal mungkin menciptakan awareness, kanal lain membangun consideration, dan kanal lainnya membantu menutup transaksi. Attribution memberikan cara untuk melihat aktivitas secara lebih holistik sehingga kanal tidak hanya dibandingkan sebagai unit yang berdiri sendiri, tetapi sebagai bagian dari customer journey yang saling memengaruhi.
Reporting Mengubah Data Menjadi Cerita
Data analytics yang sangat kuat tetap tidak akan memberikan manfaat maksimal jika tidak dikumpulkan dalam reporting structure yang baik. Kingsnorth menekankan bahwa dashboard diperlukan untuk membantu perusahaan dan stakeholder memahami perkembangan strategi, tantangan yang muncul, serta hasil yang telah dicapai. Dashboard harus disesuaikan dengan tujuan strategi dan kebutuhan stakeholder. Orang yang bekerja langsung dengan content mungkin membutuhkan data engagement dan tema yang paling banyak menarik perhatian, sedangkan senior management mungkin lebih membutuhkan informasi mengenai revenue, conversion, cost, dan pencapaian terhadap target.
Karena kebutuhan setiap stakeholder berbeda, perusahaan mungkin membutuhkan beberapa versi reporting. Data yang ditampilkan harus disesuaikan dengan tingkat pengetahuan digital audiens. Tujuannya bukan menunjukkan seluruh data yang tersedia, tetapi menunjukkan informasi yang paling relevan untuk membantu penerima laporan memahami situasi dan mengambil keputusan. Reporting yang baik karena itu bukan kompetisi untuk menampilkan dashboard paling kompleks, melainkan kemampuan memilih informasi yang tepat dan menyampaikannya dengan cara yang mudah dipahami.
Visualisasi Membantu Menjelaskan Data
Data yang kompleks sering kali lebih mudah dipahami melalui visualisasi. Kingsnorth menyebut beberapa platform seperti Qlik Sense, Tableau, dan Google Charts sebagai contoh alat yang dapat digunakan untuk menampilkan data dalam format interaktif dan mudah dipahami. Namun, visualisasi tetap bergantung pada kualitas input. Data yang salah akan menghasilkan visualisasi yang terlihat meyakinkan tetapi tetap salah. Karena itu, sebelum membuat dashboard yang menarik, perusahaan harus memastikan sumber data, definisi metrik, proses pengumpulan, dan interpretasinya sudah benar.
AI Membantu Membaca Data
AI mulai memainkan peran dalam reporting dengan membantu meninjau data dan menemukan insight yang dapat digunakan untuk membangun sebuah cerita. AI juga dapat membantu menganalisis data dalam jumlah besar dan bahkan menghasilkan presentasi berdasarkan insight tersebut. Perkembangan ini dapat membantu digital marketer menghemat waktu, terutama ketika jumlah data semakin besar dan kebutuhan reporting semakin kompleks. Namun, Kingsnorth menekankan bahwa hasil dari AI tetap perlu ditinjau secara manual. Digital marketer tidak boleh menerima begitu saja insight yang dihasilkan AI karena konteks dapat salah dipahami atau terdapat kesalahan dalam interpretasi.
Pengukuran Harus Mengarah pada Tindakan
Tujuan akhir analytics bukan menghasilkan lebih banyak laporan. Data seharusnya membantu perusahaan mengetahui apa yang sedang terjadi, mengapa hal tersebut terjadi, dan apa yang harus dilakukan berikutnya. Jika traffic meningkat tetapi conversion menurun, misalnya, perusahaan perlu mencari tahu penyebabnya. Jika sebuah kanal menghasilkan banyak traffic tetapi sedikit revenue, perusahaan perlu memahami apakah masalah terdapat pada kualitas traffic, pengalaman pengguna, atau proses conversion. Jika engagement meningkat tetapi tidak memberikan dampak terhadap tujuan bisnis, perusahaan juga perlu mempertanyakan apakah metrik tersebut memang relevan.
Dengan pendekatan tersebut, data analytics menjadi bagian dari proses pembelajaran. Strategi dijalankan, hasil diukur, data dianalisis, insight diperoleh, kemudian keputusan diperbaiki. Siklus tersebut membuat digital marketing semakin matang karena keputusan tidak hanya didasarkan pada intuisi. Namun, Kingsnorth juga menunjukkan bahwa data tidak menghilangkan kebutuhan terhadap penilaian manusia. Data memberikan bukti, tetapi manusia tetap harus menentukan pertanyaan yang tepat, memahami konteks, dan memutuskan tindakan yang sesuai.
Data Menjadi Dasar Strategi yang Lebih Kuat
Data analytics dan reporting membuat digital marketing dapat dipertanggungjawabkan secara lebih jelas. Perusahaan dapat menghubungkan aktivitas dengan hasil, memahami kontribusi kanal, melihat perilaku pelanggan, mengidentifikasi masalah, dan menentukan bagaimana budget sebaiknya dialokasikan. Namun, kemampuan tersebut hanya dapat bekerja jika data dikelola dengan benar. Definisi metrik harus jelas, sumber data harus dipahami, teknologi harus dipilih secara strategis, attribution harus digunakan dengan hati-hati, dan reporting harus disesuaikan dengan kebutuhan stakeholder.
Inilah inti pembahasan Kingsnorth, digital marketing tidak cukup hanya menjadi aktivitas yang menghasilkan data; digital marketing harus mampu mengubah data menjadi insight, insight menjadi keputusan, dan keputusan menjadi perbaikan strategi. Analytics memberikan kemampuan untuk melihat apa yang terjadi, attribution membantu memahami kontribusi berbagai touchpoint, sedangkan reporting mengubah keseluruhan informasi tersebut menjadi cerita yang dapat dipahami oleh pengambil keputusan. Ketika ketiganya bekerja bersama, data bukan lagi sekadar kumpulan angka, tetapi menjadi salah satu fondasi utama untuk mengarahkan strategi digital marketing secara berkelanjutan.