Setelah beberapa kali membaca artikel kami tentang analytics, mungkin beberapa di antara kamu ada yang bergumam, “Sebenarnya, buat apa sih analytics itu?”
Salah satu terobosan besar yang terjadi di dunia bisnis saat ini mungkin adalah penggunaan analytics. Pemanfaatan data kini sangatlah vital. Seorang product guy haruslah benar-benar familier dalam penggunaan data untuk membuat sebuah produk yang dapat diterima oleh penggunanya.
Penggunaan analytics sebagai sebuah tool untuk mengolah data adalah sebuah kemampuan wajib.
Selain itu, perkembangan pasar yang pesat berkat globalisasi serta jumlah perangkat yang terhubung menjadikan kita mudah untuk mengumpulkan data. Tool untuk mengumpulkan data juga telah semakin beragam serta berkembang secara pesat.
Karenanya, penggunaan analytics sebagai sebuah tool untuk mengolah data adalah sebuah kemampuan wajib untuk dimiliki oleh semua pihak yang terlibat dalam pembuatan sebuah produk.
Dalam artikel ini, saya ingin menyorot beberapa kegunaan analytics dalam perusahaan. Dengan pemahaman data yang baik, diharapkan akan tercipta sebuah produk yang tepat guna serta diterima baik oleh pengguna.
Daftar Isi
Memahami perilaku pengguna dan konsumen
Sumber: Pexels
Kebanyakan orang biasanya langsung mengira bahwa analytics adalah web analytics—seperti yang kita temukan pada Google Analytics. Anggapan ini ada benarnya, tetapi analytics tidak hanya sebatas itu.
Pada dasarnya, analytics digunakan untuk memahami perilaku pengguna dan konsumen ketika sedang memakai produk. Dengan analytics, kita jadi mengetahui fitur mana yang paling banyak diminati atau tidak diacuhkan oleh pengguna. Selain itu, analytics juga akan membantu kita untuk membuat sebuah fitur yang yang tepat guna.
Upaya analytics telah digunakan selama lebih dari tiga puluh tahun untuk mengambil berbagai keputusan, menyusun strategi bisnis, membuat produk, dan berbagai kegunaan lainnya. Dengan memahami apa yang dilakukan oleh pengguna berdasarkan data, pembuat produk akan mengerti tentang apa yang sebenarnya diinginkan dan dibenci oleh para pengguna dan konsumennya.
Sebelum kamu benar-benar menggelontorkan sebuah fitur ke dalam produk, lihatlah terlebih dahulu data perilaku dari pengguna. Apakah mereka benar-benar menyukai fitur tersebut atau tidak. Jika tidak, mungkin saja kamu akan membuang sumber dayamu untuk hal yang nihil.
Mengukur perkembangan produk
Sumber: Pexels
Di Tech in Asia, tim produk kami melakukan analytics menggunakan data yang berasal dari pengguna untuk membuat berbagai fitur yang ada di dalam produk-produk kami. Dengan proses pengumpulan data seperti HXC dan riset lainnya, kami berusaha untuk mengetahui lebih banyak tentang apa saja yang diharapkan oleh seorang pengguna dari produk yang kami buat.
Dari data yang diperoleh, kami beberapa kali membuang fitur yang tidak digunakan atau tidak diinginkan pengguna. Tidak sedikit juga fitur yang kami tambahkan untuk menjawab kebutuhan pengguna.
Jika tidak dibutuhkan, buang. Jika dirasa perlu, adopsi.
Ketimbang mengira-ngira fitur terbaik dari roadmap kompetitor, kami lebih memilih data dari pengguna untuk membuat fitur. Berdasarkan data tersebut, kami akan membuat berbagai fitur dan mengukur efektivitasnya kembali lewat feedback dari pengguna kami.
Dengan bantuan data, kami akan dengan mudah memantau perkembangan sebuah produk. Apakah sebuah fitur benar-benar dibutuhkan atau tidak. Jika tidak dibutuhkan, buang. Jika dirasa perlu, adopsi. Dengan ini produk akan terus berkembang tanpa adanya spekulasi yang tidak perlu.
Membuktikan ide produk benar-benar bekerja
Sumber: Pexels
Agar sebuah fitur, workflow, atau desain baru dapat terbukti bekerja, kamu dapat menjalankan tes seperti A/B testing untuk melihat hasil serta membandingkannya. Dengan hasil data dari pengujian, kamu mampu untuk membuktikan bahwa ide yang diutarakan benar-benar bekerja.
Salah satu cara yang dapat kita lakukan adalah dengan meminta pengguna secara sukarela menjalankan dua alternatif atau lebih dari pilhan ide yang ada. Data perilaku pengguna kemudian direkam untuk kemudian dijadikan acuan memutuskan alternatif mana yang terbaik untuk dikembangkan.
A/B testing tidak perlu dilakukan untuk semua ide yang kamu miliki. Tetapi apabila dibutuhkan sebuah pengambilan keputusan terhadap hal yang melibatkan risiko tinggi dan/atau biaya operasional besar—atau membutuhkan perubahan dari perilaku pengguna—metode ini dapat menjadi sebuah solusi yang cukup efektif.
Bahkan ketika volume traffic membuat upaya pengumpulan hasil statistik menjadi sulit atau menghabiskan terlalu banyak waktu, kamu dapat tetap mengumpulkan data riil dari prototipe langsung (live-data prototype) guna mendapatkan informasi dalam pengambilan keputusan.
Mendukung pengambilan keputusan
Sumber: Pexels
Di dalam sebuah organisasi, biasanya pengambilan keputusan didasarkan atas opini dari anggotanya. Semakin besar sebuah organisasi, semakin banyak pula opini yang akan timbul sebelum akhirnya diambil sebuah keputusan. Karenanya, dibutuhkan sebuah data pendukung yang dapat digunakan untuk memperkuat sebuah opini.
Data memang bukanlah segalanya, akan tetapi kita tidak dapat menutup mata bahwa data dapat membantu kita untuk mengambil keputusan. Dengan dukungan data, sebuah opini tidak hanya menjadi asumsi kosong yang—mungkin saja—tidak dapat menghadirkan sebuah keputusan tepat bagi organisasi.
Hal sama juga berlaku dalam pengembangan produk. Apabila menurut seseorang sebuah fitur dapat tepat guna, belum tentu menurut data di atas kertas.
Di Tech in Asia sendiri, kami menggunakan data untuk memutuskan berbagai hal, seperti arah editorial, penentuan fitur pada produk, cara penyajian artikel, serta banyak hal lainnya. Dan dalam pelaksanaannya, ternyata data yang kami kumpulkan ini berhasil membuat kami mengetahui apa yang menjadi kebutuhan pengguna atas suatu produk dibuat.
Di dalam iklim bisnis seperti sekarang ini, kita tidak bisa menerka apa saja yang akan terjadi. Karenanya dengan memanfaatkan analytics, diharapkan dapat membantu perusahaan untuk mengambil setiap keputusan secara tepat dan efektif berdasarkan data yang terkumpul.
Apakah kamu memiliki cerita menarik seputar penerapan analytics di perusahaan? Atau ingin berbagi kisah sukses ketika berhasil mengambil keputusan berdasarkan data? Bagikan kepada kami di kolom komentar! [tia/ap]
