Tipe-tipe dan Use Case Customer Analytics dalam Bisnis
Vikra Alizanovic April 28, 2023 9 min read
Konsumen adalah raja, dan data konsumen adalah emas. Apa yang konsumen sukai dari produk kamu? Mengapa konsumen memilih produk/jasa kamu?
Pertanyaan-pertanyaan di atas perlu dijawab guna mengembangkan bisnis yang sustainable–dan salah satu cara menjawabnya adalah dengan customer analytics.
Apa itu customer analytics
Customer analytics merupakan sebuah proses pengumpulan dan analisis data konsumen dari berbagai channel, interaksi, dan funnel.
Data dari konsumen pun berupa jenisnya, seperti:
- Data transaksi pembelian,
- Data perilaku pengunjung website,
- Data ulasan/feedback konsumen,
- Data penggunaan produk/jasa, dsb.
Data dari konsumen penting sebagai bahan penilaian dalam menentukan bagaimana suatu produk atau jasa bisa bertahan di pasar.
Dengan customer analytics yang baik, bisnis bisa mengambil keputusan yang berujung ke peningkatan penjualan hingga loyalitas konsumen.
Tujuan dari customer analytics adalah untuk membantu bisnis membuat pengambilan keputusan yang lebih baik dan berbasis data, menyusun strategi, membuat produk yang berkualitas, hingga meningkatkan layanan bagi konsumen.
Tipe-tipe customer analytics
Tipe-tipe customer analytics bermacam-macam; tergantung apa yang ingin diukur.
Berikut adalah tujuh tipe customer analytics yang populer digunakan:
Customer experience analytics
Customer experience analytics merupakan salah satu bentuk dari analisis deskriptif.
Dengan ini, kamu dapat mengukur dan mencari tahu bagaimana interaksi konsumen dengan brand-mu.
Tujuan dari customer experience analytics adalah untuk menggali apa saja yang terjadi pada rangkaian fase customer journey.
Berikut beberapa elemen dalam customer experience analytics:
- Customer satisfaction (CSAT)
- First response time (FRT)
- Total time to resolution (TTR)
Customer interaction analytics
Customer interaction analytics dikenal juga dengan sebutan customer journey analytics. Hal yang diukur adalah interaksi antara konsumen dengan brand, mulai dari pencarian konsumen terhadap produk atau jasa kamu, hingga pembelian, dst.
Tipe customer analytics satu ini memiliki gabungan data point yang terdiri atas poin interaksi yang berbeda-beda.
Contoh data yang biasa diukur seperti:
- riwayat pembelian,
- penggunaan produk, hingga
- riwayat produk yang terbengkali di shopping cart.
Dengan mengukur interaksi atau journey konsumen, kamu akan lebih mudah mencari tahu mengenai customer experience.
Berikut adalah beberapa elemen dalam customer interaction analytics:
- Komentar dan engagement di media sosial
- Data traffic pada halaman produk
- Shopping cart abandonment rate
Customer engagement analytics
Untuk bisa menyusun strategi customer experience yang berkualitas, data konsumen saja terkadang tidak cukup. Kamu juga memerlukan data perilaku konsumen yang dikumpulkan dari berbagai channel.
Hal inilah yang diukur dalam customer engagement analytics.
Dengan dikumpulkannya data konsumen yang terstruktur dan non-terstruktur dari berbagai sumber/channel, customer engagement dapat diukur dan hasilnya digunakan untuk meningkatkan strategi customer experience hingga marketing campaign.
Berikut beberapa elemen dalam customer engagement analytics:
- Data feedback konsumen
- Email marketing metrics
Customer loyalty analytics
Customer experience yang baik dapat menjadi batu loncatan untuk mempertahankan loyalitas konsumen. Namun, sebelum mengukur loyalitas, kamu perlu memahami konsumen-mu terlebih dulu.
Hal inilah yang menjadi kegunaan utama dari customer loyalty analytics. Dengannya, kamu bisa menarik insight dari pembeli dan menyusun experience yang sesuai dengan ekspektasi konsumen.
Penerapan dari hasil analisis ini bisa berupa strategi customer-centric marketing.
Berikut adalah beberapa elemen dalam customer loyalty analytics:
- Survey kualitatif
- Ulasan online
- UGC di media sosial
Customer retention analytics
Mempertahankan konsumen yang sudah kamu miliki tidak kalah pentingnya dengan mendapatkan konsumen baru. Keduanya dapat ditingkatkan dengan mencari tahu hal apa yang membuat konsumen bertahan (retention rate), dan apa yang membuat mereka pergi (churn rate).
Hal itulah yang diukur melalui customer retention analytics. Data digunakan untuk memahami alasan dan faktor-faktor yang menyebabkan retensi konsumen.
Salah satu komponen kunci dalam customer retention analytics adalah penggunaan teknik statistika guna membandingkan data masa lalu dan prediksi tren masa depan. Teknik ini dilakukan dengan memantau aktivitas konsumen selama rentang waktu tertentu.
Berikut adalah beberapa elemen dalam customer retention analytics:
- Pengukuran rasio CLTV dan CAC
- Strategi pencegahan churn
- Customer lifetime analysis
Customer lifetime analysis bertujuan mengukur CLTV, yakni metrik yang menggambarkan berapa revenue yang bisa dikira-kira dari satu orang konsumen selama dia bertahan dengan produk atau jasa kamu.
Begitu CLTV sudah diketahui, kamu bisa memanfaatkannya untuk mengoptimalkan strategi marketing, sales, serta mengidentifikasi jenis konsumen yang lebih valuable untuk target pemasaran yang lebih relevan.
Jika CLTV berangsur menurun, artinya bisnismu memiliki masalah dalam pembelian ulang oleh konsumen.
Di sisi lain, jika CLTV lebih rendah daripada CAC, artinya kamu sudah overspending untuk mempertahankan konsumen.
Customer thought analytics
Sebagian besar yang dikatakan konsumen terkait produk/jasamu harus diperhitungkan.
Bisnis wajib memantau dan memperhatikan apa yang dikatakan konsumen, di mana, dan kapan mereka menyampaikannya.
Tujuan utama dari customer thought analytics adalah mengetahui opini dan ekspektasi konsumen guna menyesuaikan strategi marketing dan memberikan penawaran yang sesuai untuk mereka.
Customer thought analytics dapat digali dengan pemantauan media sosial hingga pelaksanaan survey guna memahami demografi konsumen secara mendalam.
Use case customer analytics
Setelah membahas tipe-tipe customer analytics, sekarang mari kita bahas penerapannya di dunia nyata.
Berikut adalah beberapa use case customer analytics oleh segelintir perusahaan populer:
McDonalds
Reputasi McDonalds sebagai brand makanan cepat-saji tidak perlu diragukan lagi. Kamu bisa menemukan gerai McDonalds di mana pun di seluruh dunia.
Empat tahun lalu, McDonalds sukses meningkatkan customer experience di lini drive-thru dan pemesanan online dengan memanfaatkan big data analytics.
Customer analytics yang diterapkan McDonalds berfokus pada personalisasi pesanan bagi tiap konsumen, serta peningkatan customer experience di berbagai channel.
Bersama dengan Dynamic Yield, McDonalds mengukur jam pesanan, cuaca hari itu, hingga kondisi lalu lintas sekitar gerai guna menciptakan penawaran yang sesuai bagi pelanggan lokal.
Hal ini juga mampu meningkatkan performa di dapur dengan menyesuaikan dinamika kerja dengan peak hours konsumen.
Tak hanya itu, McDonald juga meningkatkan investasi mereka di lini drive-thru dan pemesanan melalui aplikasi, berkat hasil analytics yang membuktikan bahwa 70% pembelian berasal dari drive-thru dan aplikasi, sedangkan sisanya memesan langsung di kasir.
Optimalisasi sistem ini berhasil meningkatkan penjualan McDonalds sebanyak 5% rata-rata.
Traveloka
Traveloka merupakan platform serbaguna yang sukses menjadi andalan konsumen untuk urusan booking, baik itu transportasi, hotel, dan akomodasi lainnya.
Customer experience adalah prioritas bagi Traveloka. Oleh karena itu, mereka menggunakan customer analytic software untuk meningkatkan customer journey.
Sebelum menggunakan software, para data analyst di Traveloka terbebani dengan volume request yang besar. Sekitar 60% dari waktu mereka habis untuk ini, sehingga sedikit waktu yang tersisa untuk benar-benar memperhatikan customer journey.
Namun, setelah bekerjasama dengan Amplitude yang ditugaskan untuk mengurus data analytics, kerja Traveloka jadi semakin ringan dan bisa mengalihkan waktunya untuk menyusun strategi baru dan meningkatkan customer experience.
Tak hanya itu, Traveloka juga memanfaatkan software ini untuk menyusun produk yang sesuai dengan ekspektasi konsumen melalui customer thought analytics. Hasilnya adalah program Weekly Deals yang mampu mendorong CTR dari 30 hingga 60 persen.
Decathlon
Decathlon adalah perusahaan dari Perancis yang bergerak di industri barang-barang olahraga.
Awalnya, ,Decathlon menghadapi tantangan dalam mencari tahu perilaku pembelian konsumen di tiap tahap berbeda dalam customer journey.
Berhubung Decathlon menggunakan sistem omnichannel, mereka ingin menarik data dari tiap channel berbeda untuk mendapatkan insight mengenai customer journey ini.
Bekerjasama dengan Windsor.ai, Decathlon akhirnya menemukan solusi untuk menghubungkan semua data dari web dan app analytics. Semua raw data stream digabungkan guna menarik insight dalam bentuk customer journey analytics.
Hasilnya, Decathlon mampu mengalokasikan dan mengotomatisasi budget tiap channel dengan lebih efisien.
Costa Coffee
Costa Coffee merupakan brand kopi terbesar di Inggris dan kini menjadi coffee shop chain terbesar kedua di dunia.
Awalnya, Costa Coffee berjalan cukup sukses dengan loyalty program yang mereka jalankan. Berdasarkan data mereka, konsumen yang terdaftar dalam loyalty program melakukan pembelian 2.7x lebih banyak daripada konsumen yang tidak terdaftar.
Artinya, loyalty program-nya sukses. Namun, Costa Coffee perlu mencari solusi agar lebih banyak konsumen yang mendaftar ke loyalty program.
Setelah menganalisis data konsumen dalam kurun waktu enam bulan, Costa Coffee menemukan fakta bahwa sekitar 30% pengguna yang sudah mendownload aplikasinya tidak lanjut melakukan registrasi.
Bekerjasama dengan UXCam, mereka mengulik lebih lanjut melalui analisis funnel, dan diketahui bahwa banyak konsumen gagal melakukan registrasi karena kesalahan UI/UX di aplikasi.
Setelah itu, Costa Coffee langsung memperbaiki aplikasinya, dan kini profit mereka terus meningkat.
DocuSign
DocuSign adalah perusahaan global yang kini menjadi standar untuk digital transaction management (DTM) dan electronic signature dengan lebih dari 100 juta pengguna di seluruh dunia.
Pencapaian ini adalah berkat pemanfaatan customer analytics.
Awalnya, DocuSign bekerjasama dengan Mixpanel hanya untuk urusan marketing. Tujuannya sederhana, yakni mengubah free user menjadi paid user. Sebab di awal perusahaan ini bergerak, mereka sukses menggaet konsumen dengan fitur freemium-nya.
Namun, sejak DocuSign mengembangkan penggunaan Mixpanel sebagai tool analytics, mereka mampu memantau setiap user funnel dan mengidentifikasi apa yang membuat konsumen ingin beralih menjadi paid user.
Dengan strategi berupa pengembangan fitur dan penyesuaian harga, DocuSign sukses meraup 5% peningkatan dari free user ke paid user, serta menambah sekitar 130.000 pengguna baru tiap harinya.
Rentler
Rentler adalah software untuk manajemen properti yang ditargetkan untuk pemilik properti kecil-kecilan.
Kala itu, Rentler memiliki sekitar 1,3 juta pengguna. Sayangnya, Rentler tidak pernah benar-benar mengetahui siapa dan seperti apa 1,3 juta pengguna tersebut.
Akhirnya Rentler menggunakan customer analytics software, yakni Woopra. Sejak itu, Rentler mampu memantau dan mengidentifikasi mana pengguna yang hanya mampir, dan mana yang pengguna setia.
Alhasil, Rentler dapat menekan churn rate mereka, mengidentifikasi pain point, dan meningkatkan customer experience.
Demikian tipe-tipe customer analytics dan seperti apa penerapannya bagi bisnis.
Data konsumen adalah hal yang paling penting bagi bisnis. Namun, akan jadi percuma jika tidak diolah dan dimanfaatkan.
Dengan customer analytics yang tepat, bisnis akan melesat dari segi performa, profit, penjualan, hingga branding.
Belajar lebih dalam tentang customer analytics bersama Pacmann, dan kamu juga bisa belajar appclicable skills lainnya terkait manajemen produk dan strategi bisnis secara berkelanjutan.
Cek infromasi lengkapnya di halaman program Product Management and Business Strategy.
Further reading:
Tips Olah Data untuk Perkembangan Bisnis
Artikel Popular
Data Engineer dan ML Engineer: Perbedaan Tanggung Jawab, Skill, dan Gaji
July 23, 2023
Mengenal Data Preprocessing: Langkah Awal dalam Data Mining
July 21, 2023
Apa yang Dimaksud dengan Machine Learning?
July 21, 2023
Ini Dia Alasan Mengapa Data Scientist Digaji Besar!
July 20, 2023
Pentingnya Business Intelligence (BI) Dashboard untuk Pengambilan Keputusan Bisnis
July 19, 2023