Marketing.co.id – Dalam beberapa tahun mendatang, setiap manajer pemasaran mungkin harus mulai memiliki pemahaman terhadap web analytics. Pada waktu itu, web analytics akan menjadi pengetahuan pemasaran yang harus dimiliki oleh setiap manajer pemasaran hingga CMO seperti layaknya mereka memahami konsep pemasaran 4P seperti hari ini. Untuk mereka yang menjadi bagian tim digital, pengetahuan dan keterampilan dalam menjalankan web analytics menjadi sebuah keharusan.
Bisa dibuat analoginya seperti saat manajer pemasaran memasang iklan di media cetak atau televisi. Mereka harus mengetahui berapa jumlah pembaca, rating program televisi, gross rating point (GRP), frekuensi, reach, dan berbagai pengukuran lain. Bedanya, pengukuran melalui web analytics memiliki terminologinya sendiri seperti hit, unique visitor, page view, dan lain-lain. Selain itu, web analytics memberikan pengukuran real time yang mengagumkan dan kemudahan yang sungguh menakjubkan bagi insan pemasaran.
Pada tulisan saya di edisi sebelumnya, saya sudah mencoba berbagi mengenai dasar-dasar web analytics dan terutama bagaimana manajer pemasaran dan CMO dapat menggunakan web analytics untuk mengevaluasi strategi pemasaran dan sekaligus memformulasikan strategi pemasaran perusahaan, terutama dalam bidang digital marketing. Pada tulisan kedua ini, saya ingin berbagi berbagai dimensi teknis dan bagaimana perusahaan dapat mengoptimalkan penggunaan web analytics.
Bagaimana berbagai web analytics seperti Google Analytics, Alexa, Woopra, Chartbeat bisa mengetahui trafik web Anda dan web-web di seluruh dunia maya? Melalui web analytics ini, kita bisa mengetahui jumlah pengunjung, jumlah halaman, jumlah waktu, dan berbagai perilaku dari pengunjung web. Tentunya, terdapat sebuah peranti lunak yang membantu web analytics melakukan pekerjaannya.
Secara teknis, proses pelacakan ini terdiri dari dua cara. Pertama adalah web log files. Ini adalah cara pertama sebuah web analytics melakukan pengukuran perilaku pengunjung web. Hampir semua web yang ada sudah memiliki pemrograman dengan menggunakan log files ini. Jadi, ini seperti dapur dari sebuah web yang sudah siap membaca perilaku para pengunjung sebuah web. Keuntungan dari log files ini jelas dalam hal kesederhanaan untuk dioperasikan.
Pemilik web tidak perlu melakukan berbagai modifikasi data atau melakukan instalasi yang memerlukan pengetahuan teknis untuk mereka yang awam. Metode log files ini boleh dikatakan memiliki berbagai kelemahan untuk mengantisipasi dinamika web. Demikian pula, akurasi pengukuran yang disajikan oleh web log files ini lebih rendah.
Metode yang kedua dan semakin populer adalah page tagging. Google Analytics, sebagai pemimpin pasar dari web analytics ini, salah satu contoh web analytics yang menggunakan cara ini. Pada prinsipnya, pengukuran ini sangat tergantung dari kode-kode yang ditulis dengan Java Script yang dapat ditambahkan ke setiap website. Dari sinilah setiap pengunjung website bisa diketahui perilakunya.
Dalam contoh Google Analytics, ada proses transmisi informasi yang dikirim ke server Google, dan kode Java Script ini kemudian menempatkan cookies di komputer yang digunakan untuk membuka website. Cookies inilah yang kemudian menjadi semacam alat pelacak yang ditempatkan di setiap komputer atau bisa kita sebut sebagai IP address. Sungguh luar biasa proses pemikiran dari web analytics ini. Itulah sebabnya pengguna web analytics kemudian dapat menikmati semua informasi dengan mudah dan dengan cara yang sangat mudah dan sering kali tidak ada biaya untuk menggunakan web analytics ini.
Problem
Setiap peranti pengukuran pastilah memiliki tantangan dan problem yang dapat memengaruhi akurasi dari hasil pengukuran. Pengukuran dari web analytics pun menghadapi berbagai problem. Memahami problem dari hasil pengukuran web analytics ini akan membantu kita untuk mampu menginterpretasikan hasil pengukuran lebih baik.
Problem pertama dari hasil pengukuran web analytics pertama sering disebut dengan “the hotel problem”. Sering disebut demikian karena memang analoginya mudah dijelaskan dengan hotel. Misalnya, sebuah hotel memiliki 10 kamar dan kemudian selama 1 minggu, terdapat 30 pengunjung. Jadi, 1 kamar yang sama bisa ditempati oleh berbagai orang yang berbeda.
Inilah problem pertama dalam web analytics. Komputer yang sama bisa dipakai oleh beberapa orang sekaligus. Web analytics membaca IP address sebagai unique visitor. Artinya, walau beberapa orang menggunakan komputer yang sama, tetap saja web analytics hanya melaporkan bahwa unique visitor-nya adalah sama. Web analytics membaca IP address dan bukan manusia sebagai pengguna. Padahal, yang menjadi target pasar dari sebuah produk atau layanan bukanlah komputer, tetapi konsumen yang menggunakan komputer.
Sebagian besar web analytics tergantung juga terhadap browser yang digunakan. Jadi, bila orang yang sama dan komputer yang sama digunakan, tetapi bila browser yang digunakan berbeda, maka akan dicatat sebagai unique visitor yang berbeda. Ini juga akan memengaruhi akurasi dari pengukuran web analytics.
Web analytics yang menggunakan page tagging atau penempatan cookies memiliki tantangan yang serius juga di masa mendatang. Beberapa browser seperti Firefox memiliki fitur yang melakukan filterisasi terhadap penempatan cookies. Jadi, problem yang besar akan dihadapi apabila sebagian user menggunakan berbagai fitur ini untuk menghilangkan cookies dari komputernya. Jadi, web analytics tidak akan mampu lagi melacak perilaku pengunjung web karena tidak adanya informasi yang dapat dibaca dan ditransfer ke server dari pemilik web analytics.
Yang mengkhawatirkan adalah apabila kemudian ada regulasi bahwa penempatan page tagging ini melanggar privasi individu. Bila ada negara yang memiliki aturan seperti ini, maka bencana besar bagi web analytics.
Profil dan Segmentasi
Tantangan terbesar dari pemilik web analytics ini adalah menyediakan profil para pengunjung web. Seperti yang sudah saya jelaskan bahwa web analytics melihat perilaku dari IP address sebagai unique visitor. Lalu, siapakah mereka? Apa jenis kelaminnya? Berapa umurnya? Bagaimana kelas sosial ekonominya? Apakah mereka adalah target pasar kita?
Misalkan saja, sebuah perusahaan otomotif memiliki produk untuk kelas premium dan mereka yang berusia antara 35–60 tahun. Dengan berbagai upaya, kemudian mereka berhasil meningkatkan trafik dari webnya hingga puluhan kali lipat. Tapi, pengunjung web ini ternyata tidak memiliki kontribusi yang signifikan terhadap penjualan. Maklum, mayoritas pengunjung webnya adalah anak muda dan dengan kelas sosial tidak seperti yang diinginkan. Ini contoh sederhana bagaimana web analytics kemudian gagal memberikan informasi seperti ini.
Tidak mengherankan, kemudian berbagai web analytics mencoba untuk menjawab tantangan ini. Yang mereka lakukan adalah menjaring sampel yang relatif besar. Harus cukup besar jumlahnya sehingga mereka bisa dijadikan sebagai dasar untuk melakukan profiling terhadap pengunjung sebuah web.
Alexa adalah contoh web analytics yang menggunakan cara ini. Misalnya saja, mereka memiliki 100 ribu sampel dari Indonesia. Setiap sampel ini sudah diketahui profilnya. Jadi, saat mereka diminta untuk menjadi sampel, mereka sudah memberikan berbagai informasi yang menyangkut profil mereka. Kemudian, kita akan mencoba melihat trafik dari web Detik.com atau Kompas.com. Kita berharap bahwa dari sampel yang berjumlah 100 ribu tersebut, ada yang mengunjungi kedua web ini. Misalnya, masing-masing terdapat 1.000 orang yang mengunjungi kedua web ini.
Dari data inilah kemudian kita bisa melihat profil dari pengunjung Detik.com dan Kompas.com. Jadi, bila sampel terlalu kecil, akan sangat tidak akurat untuk melihat profil pengunjung web tersebut, karena jumlah orang yang masuk dalam sampel itu dan mengunjungi web yang tidak populer, mungkin saja sangat sedikit.
Tentu saja, web analytics yang menyediakan informasi seperti ini biasanya tidak free. Pengguna web analytics harus membayar fee tertentu. Inilah yang kemudian menjadi semakin serius untuk dipikirkan oleh para pelaku bisnis di masa mendatang. Web analytics apa sajakah yang masuk list dalam pertimbangan? Apa saja informasi yang diinginkan? Apa strategi yang akan diformulasikan? Apa untung-rugi menggunakan web analytics yang berbayar? Deretan pertanyaan ini akan semakin panjang, sejalan dengan semakin dalamnya pemahaman kita terhadap web analytics.
