Mengungkap Product Analytics, Kunci Sukses agar Produk Digemari Pengguna
Isi Artikel
Product analytics adalah kunci keberhasilan dan keberlangsungan sebuah bisnis teknologi.
Menurut Upland Software, 25% pengguna hanya memakai sebuah aplikasi sekali saja dan benar-benar meninggalkannya setelah penggunaan pertama, lho.
Tentunya, ini kabar buruk. Namun, masalah ini dapat diatasi dengan product analytics yang optimal.
Nah, dalam artikel ini, saya akan mencoba memaparkan pemahaman dan pengalaman saya dalam bidang tersebut sebagai seorang product manager di Gojek.
Apa Itu Product Analytics?
Product analytics adalah metode yang digunakan bisnis untuk memperoleh wawasan dan memahami user atau pengguna mengenai bagaimana mereka menggunakan produk sebagai cara mengembangkan suatu produk.
Data-data yang diperoleh dari pengguna merupakan cara perusahaan membuat keputusan atau melakukan perbaikan mengenai produk yang dianalisis.
Tak hanya itu, metode ini adalah sarana agar bisa memvalidasi asumsi atau hipotesis.
Metode ini pun dapat dianalogikan sebagai cara memastikan kualitas sebuah produk.
Pasalnya, dengan analisis ini, kamu bisa mengetahui apakah produk telah mampu mencapai tujuan yang sudah ditentukan.
Produk yang dianalisis bisa digital maupun fisik, asalkan aktivitas dan jejak digitalnya dapat dilacak, misalnya di e-commerce.
Manfaat Product Analytics di Perusahaan
1. Melacak perilaku dan experience pengguna
Proses product analytics bisa membantu mengetahui proses-proses yang dilalui pengguna dengan meninjau behavior user journey, performance tiap funnel, mengidentifikasi pain point dan melakukan pengembangan, dan apakah key action-nya tercapai atau tidak.
Dengan begitu, keputusan perancangan sera pengembangan produk demi user experience yang memuaskan dapat dibuat dan tujuan pun tercapai.
2. Membantu perusahaan membuat keputusan
Product analytics adalah metode yang juga dapat digunakan untuk meminimalkan bias dan membuktikan asumsi atau hipotesis mengenai suatu produk.
Pasalnya, proses ini mencakup skala pengguna yang besar.
Nah, product analytics mampu membuktikan apakah asumsi atau hipotesis yang ada benar berdasarkan data digital yang didapatkan.
Pada akhirnya, semua data hasil product analytics akan membantu perusahaan dalam membuat keputusan mengenai suatu tujuan, misalnya untuk meningkatkan retention, engagement, dan lain-lain.
Berdasarkan data dari analisis, kamu bisa mengetahui langkah-langkah apa yang harus diambil dan eksperimen seperti apa saja yang perlu dilakukan.
Selain itu, kamu juga bisa menghitung dampak fitur atau produk yang sudah dirilis terkait tujuan perusahaan yang sudah ditetapkan di awal.
3. Mengungkap insight baru mengenai produk
Product analytics membantu perusahaan untuk benar-benar memahami pengguna dan perilaku mereka.
Saat melakukan analisis, kita bisa menemukan insight atau wawasan baru yang terungkap ketika mengukur skala yang lebih besar, misalnya pain points baru, masalah baru, atau interaksi yang tidak disadari sebelumnya.
Bagi para product analyst, data tentunya adalah hal yang sangat dapat diandalkan dalam product analytics karena data tidak akan berbohong.
Tool dan Skill yang Dibutuhkan
Tools
Tools yang biasa saya gunakan untuk menganalisis dan memvisualisasikan data agar mudah dimengerti semua orang ada tiga, yaitu Google Analytics, Clevertap, dan Mixpanel.
Selain tiga tools tersebut, masih ada banyak tools lainnya yang dapat dipilih untuk menganalisis produk.
Menurut ProductPlan, tool–tool lain yang biasa digunakan untuk product analytics adalah Intercom, Segment.com, Amplitude, Kissmettrics, dan Heap Analytics.
Keputusan penggunaan sebuah tool tergantung pada kebutuhan masing-masing product analyst.
Skills
1. Memahami data
Skill atau keahlian pertama yang dibutuhkan untuk product analytics adalah pemahaman data.
Kita harus bisa mengetahui struktur dan hubungan data serta mengetahui apakah data yang dimiliki benar-benar bisa dilacak atau diolah untuk mendapat hasil yang diinginkan.
Penting bagi seorang product analyst mengetahui data apa yang tersedia dalam sistem, bagaimana sistem menstruktur data tersebut, dan data mana yang bisa digunakan untuk analisis.
Selain itu, kita juga perlu mampu membuat sebuah data bisa tersedia jika memang belum ada dalam sistem.
2. Interpretasi data
Data-data yang mentah tidak bisa disajikan begitu saja.
Kita harus bisa mengolah data mentah menjadi informasi yang bisa dipahami bahkan oleh orang yang awam.
3. Visualisasi data
Visualisasi data adalah salah satu cara menampilkan data agar mudah dipahami dalam proses product analytics.
Hal ini penting untuk memastikan tidak ada kesalahpahaman dan memaksimalkan penggunaan data yang telah dikumpulkan terkait produk.
4. Berpikir kritis
Selalu pertanyakan mengapa dan susun hipotesis. Tentunya, jangan lupa untuk validasi hipotesis tersebut dengan data yang valid.
Pengalaman saya di Gojek, mempelajari keahlian untuk product analytics banyak dilakukan secara mandiri seiring pengalaman bertambah.
Proses Product Analytics
1. Data ideation
Tahap pertama dalam proses ini adalah data ideation.
Pada proses ini, analisis kualitatif dan kuantitatif dibutuhkan.
Namun, tak selalu keduanya dipakai untuk menganalisis suatu produk.
Kadang, ada yang hanya membutuhkan data kualitatif saja atau kuantitatif saja, tergantung ketersediaan data dan kompleksitasnya.
Biasanya, jika merancang sebuah konsep baru, kita membutuhkan analisis kualitatif terlebih dahulu. Analisis kualitatif tentunya juga dibutuhkan, tetapi datanya diperoleh dari luar.
Jika product analytics dilakukan untuk mengembangkan fitur produk yang saat ini sudah ada, datanya sudah dimiliki perusahaan.
Nah, pengolahan kuantitatif bisa dilakukan tanpa perlu data kualitatif lagi.
2. Before product development
Pada tahap ini, kita harus menetapkan metrik keberhasilan, tujuan, serta pain point yang ingin dianalisis.
Nah, untuk itu, penting memastikan bahwa datanya tersedia dan dapat dilacak.
Hal ini dibutuhkan agar dampak dapat dihitung dan evaluasi bisa dilakukan untuk mengetahui apakah produk tersebut sudah berjalan dengan baik.
3. After product release
Nah, analisis data kembali harus dilakukan setelah produk telah dirilis.
Dalam tahap product analytics ini, jenis data yang dibutuhkan adalah kualitatif dan kuantitatif.
Misalnya, data kualitatif diperoleh dari pendapat pengguna.
Jika diandaikan tujuan awal adalah untuk menaikkan engagement, kita bisa melihat apakah ada peningkatan engagement setelah rilis produk tersebut sebagai cara analisis data kuantitatif.
Jika belum menunjukkan hasil yang baik, pengulangan proses dan pengembangan produk wajib dilakukan agar hasilnya lebih memuaskan.
Tantangan Product Analytics
Menurut saya, salah satu tantangan terbesar dalam product analytics adalah untuk melakukan perancangan dan penilaian yang teliti di awal agar kesalahan tidak terjadi.
Kadang, kita lupa melacak suatu data yang dibutuhkan untuk meninjau suatu tujuan.
Hal ini dapat diminimalisasi dengan tahap awal yang jeli.
Selain itu, tantangan lainnya adalah memilah data dari jumlah yang begitu banyak dan memilih mana yang benar-benar dibutuhkan dan dapat digunakan untuk pengembangan produk.
Nah, itu dia serba-serbi product analytics yang telah saya paparkan di kelas Glints ExpertClass yang bertajuk Product Analytics: How Data Empowers Product Success pada 17 September 2020.
Ingin belajar lebih banyak soal product analytics? Sebaiknya jangan lewatkan beragam kelas menarik lainnya yang ada di Glints ExpertClass. Yuk, klik di sini untuk mencari kelas yang tersedia!