Analisis Berbasis Peristiwa: Definisi, Contoh, & Alat

Mendefinisikan Analisis Berbasis Peristiwa

Analisis berbasis peristiwa adalah metode pelacakan dan analisis interaksi antara pengguna dan produk Anda, juga dikenal sebagai peristiwa . Peristiwa dan pengguna adalah elemen inti dari analitik berbasis peristiwa. Peristiwa adalah tindakan atau perilaku apa pun yang terjadi dalam titik kontak digital, seperti aplikasi seluler, email, dasbor produk, CRM, atau halaman web.

Ada tiga kategori umum peristiwa:

• Peristiwa yang penting dalam menyelesaikan proses dalam produk Anda, seperti tutorial atau pendaftaran
• Peristiwa yang memandu pengguna melalui mekanisme utama produk Anda
• Peristiwa yang memungkinkan pengguna melakukan pembelian dalam aplikasi

Pengguna mewakili prospek atau pelanggan yang terlibat dengan bisnis Anda dalam lingkungan digital. Saat pengguna berinteraksi dengan produk Anda, perilaku, demografi, dan atribut lainnya dicatat bersama dengan properti pengguna, termasuk lokasi, perangkat, bahasa, alamat email, atau nomor ponsel.

Kombinasi pengguna dan peristiwa ini memberi Anda informasi berharga tentang bagaimana produk Anda digunakan dan, yang terpenting, mengapa.

Takeaways Kunci

• Analisis berbasis peristiwa melacak perilaku pengguna saat mereka terlibat dan menjelajahi produk Anda.
• Jika Anda dapat memahami mengapa pelanggan menyelesaikan peristiwa tertentu di produk Anda, Anda dapat melakukan peningkatan pada pengalaman pengguna.
• Platform analitik berbasis peristiwa memberikan dasar untuk meningkatkan indikator kinerja utama, seperti tingkat konversi, retensi, dan nilai umur pelanggan.

Manfaat Analisis Berbasis Peristiwa

Melacak perilaku dan peristiwa pengguna lebih dari sekadar metrik sederhana, seperti tampilan halaman atau saluran lalu lintas. Analisis berbasis peristiwa tidak hanya memberi tahu Anda apa yang terjadi di produk Anda; ini bertujuan untuk memberi tahu Anda alasannya. Jika Anda dapat membuat produk yang selaras dengan "mengapa", Anda akan mendapatkan peningkatan keterlibatan, pelanggan setia, dan peningkatan pendapatan.

Meskipun setiap bisnis akan menargetkan hasil tertentu, analisis berbasis peristiwa dapat membantu Anda:

Ukur keterlibatan dan tingkatkan produk Anda: Konsumen saat ini mengharapkan pengalaman yang sangat dipersonalisasi yang terasa dirancang hanya untuk mereka. Itu juga berlaku untuk layanan B2B. Tanpa mengetahui apa yang diharapkan pengguna dari produk Anda, sulit untuk merancang pengalaman pelanggan yang dikemas dengan personalisasi. Peristiwa dan perilaku adalah kunci yang diperlukan untuk membuka interaksi yang lebih baik dan penyesuaian produk yang akurat.

Cepat menerapkan teknologi kompleks untuk masalah: Anda tidak lagi harus menjadi ahli SQL untuk mengekstrak wawasan yang kuat dari data. Produk analitik berbasis peristiwa seperti Amplitude menawarkan alat rendah/tanpa kode yang memungkinkan tim menjawab pertanyaan analitik yang kompleks. Ini secara dramatis meningkatkan efisiensi dan memungkinkan lebih banyak anggota tim mendapatkan manfaat dari wawasan yang Anda kumpulkan.

Demokratisasi data di seluruh bisnis Anda: Analisis berbasis peristiwa memberikan peluang emas bagi berbagai tim dalam bisnis Anda untuk berkolaborasi melalui data. Menurut Gartner, “pada tahun 2023, organisasi yang mempromosikan berbagi data akan mengungguli rekan-rekan mereka di sebagian besar metrik nilai bisnis.” Perilaku pengguna dapat menginformasikan strategi di beberapa tim, seperti produk, pemasaran, TI, dan kesuksesan pelanggan.

Alat Analisis Berbasis Peristiwa

Alat analitik berbasis peristiwa baru terus muncul saat perusahaan menyadari nilai data perilaku. Tetapi tidak setiap perusahaan memiliki tujuan, sumber daya, atau kendala yang sama. Setiap alat menawarkan kemampuan tertentu yang dapat memenuhi tujuan unik perusahaan di seluruh industri.

Alat analitik berbasis peristiwa dan sistem berbasis peristiwa yang umum digunakan meliputi:

• Adobe Analytics
• Google Analytics
• Amplitudo
• Segmen
• mPartikel
• panel campuran
• pendo
• Tumpukan

Apa yang Dapat Anda Lakukan dengan Platform Analisis Berbasis Peristiwa?

Setelah Anda mengumpulkan data tentang pengguna dan peristiwa, Anda dapat melakukan berbagai pengujian dan eksperimen melalui platform analitik Anda. Setiap platform analitik menawarkan kemampuan yang berbeda. Platform seperti Amplitude akan memberi Anda kemampuan untuk melakukan analisis di bawah ini dan banyak lagi.

Analisis Corong

Corong terdiri dari beberapa peristiwa yang diatur sedemikian rupa sehingga mengarah ke titik konversi. Analisis corong memberi Anda pemahaman yang lebih baik tentang bagaimana berbagai peristiwa saling terkait untuk membentuk corong. Corong e-niaga dasar, misalnya, mungkin terlihat seperti ini: pengguna menelusuri item > mereka melihat detail tentang item tersebut > mereka menambahkan item ke troli > mereka menyelesaikan pembelian.

Setiap langkah di corong memberikan peluang bagi pengguna untuk terus berjalan atau berhenti. Analisis corong memungkinkan Anda mengisolasi setiap peristiwa sehingga Anda dapat menyelidiki titik gesekan apa pun. Jika langkah di corong bekerja dengan baik, Anda dapat meniru pengalaman itu di area lain dari produk Anda.

Segmentasi

Segmentasi adalah metode analitik yang membandingkan pengguna dan peristiwa yang berbeda dari waktu ke waktu. Anda dapat menggunakan segmentasi untuk memisahkan prospek dan pelanggan ke dalam kelompok tertentu tergantung pada bagaimana mereka terlibat dengan produk Anda.

Membandingkan grup pengguna dan acara membantu Anda menemukan perbedaan utama di sepanjang perjalanan pelanggan. Satu grup pengguna mungkin melakukan perjalanan melalui corong dengan kecepatan kilat berbeda dengan grup yang lebih lambat. Variasi ini mengarahkan Anda ke cara baru untuk menyesuaikan pengalaman, sehingga memberikan nilai dan memuaskan pelanggan.

Contoh Nyata Menggunakan Analisis Berbasis Peristiwa

Perusahaan yang memprioritaskan pemahaman mendalam tentang perilaku pengguna akan memiliki lebih banyak wawasan untuk membantu mendorong pengalaman yang dipersonalisasi. Menurut McKinsey & Company, "perusahaan yang tumbuh lebih cepat mendorong 40 persen lebih banyak pendapatan mereka dari personalisasi daripada rekan-rekan mereka yang tumbuh lebih lambat."

Jumbo Interactive Mendorong Pendapatan dengan Personalisasi

Jumbo Interactive, platform yang menjual kembali produk Lotere Nasional Australia, menggunakan Amplitude untuk mempersonalisasi inisiatif pemasarannya. Jumbo menemukan tiga peluang untuk personalisasi dengan menargetkan acara dan pengguna tertentu.

• Jumbo mengalami interaksi 20% lebih banyak setelah mengirimkan email rekomendasi kepada pengguna yang telah melakukan pembelian online.
• Setelah mengirimkan pemberitahuan push kepada pemain yang telah melakukan pemesanan di aplikasi online, Jumbo mengalami peningkatan keterlibatan sebesar 32%.
• Untuk pengguna yang mengklik melalui email atau pemberitahuan push untuk mengakses situs web, Jumbo mengirimkan kartu konten yang dipersonalisasi, menghasilkan 8,5% lebih banyak keterlibatan.

Hasil dari percobaan ini? Peningkatan konversi sebesar 158% dalam waktu dua bulan setelah menggunakan Amplitudo. Pada kecepatan itu, Jumbo diproyeksikan untuk mendapatkan $500.000 dalam pendapatan tahun-ke-tahun baru.

NerdWallet Meningkatkan KPI dengan Analisis Corong

NerdWallet, sebuah perusahaan keuangan pribadi, bermitra dengan Amplitude untuk lebih memahami bagaimana situs web dan aplikasi seluler mereka beresonansi dengan pengguna. Mereka menggunakan analitik berbasis peristiwa untuk melakukan analisis corong dari pengguna aplikasi seluler dan situs web. NerdWallet menemukan bahwa pengguna seluler dua kali lebih kecil kemungkinannya untuk mengklik konten daripada pengguna web. Setelah melakukan berbagai eksperimen secara real-time, NerdWallet menyesuaikan pengalaman seluler mereka, menghasilkan peningkatan 200% dalam rasio klik-tayang.

Menggunakan Analisis Berbasis Peristiwa untuk Meningkatkan Pendapatan

Katakanlah Anda memiliki bisnis e-niaga yang mencakup situs web dan aplikasi seluler. Seorang prospek membuka situs web dan menelusuri sejumlah item sebelum menambahkan item ke keranjang mereka. Kemudian, beberapa hari kemudian, mereka masuk melalui aplikasi seluler dan menyelesaikan alur pembayaran. Dalam platform analitik Anda, perilaku atau peristiwa di atas mungkin terlihat seperti ini: “Pendaftaran Pengguna”, “Telusuri Item”, “Lihat Detail Item”, “Tambahkan Item ke Keranjang”, dan “Pembelian Selesai”.

Seiring waktu, data berbasis peristiwa ini dapat memicu pertanyaan penting yang mengarah pada perubahan dan penyesuaian produk. Setelah memeriksa data dari contoh e-niaga di atas, perancang produk mungkin bertanya:

1. Berapa persentase pengguna yang menyelesaikan alur pembayaran dalam satu sesi?
2. Bagaimana perbedaan konversi menurut item atau merek?
3. Jika pengguna tidak mengonversi, ke mana mereka pergi?
4. Berapa durasi tipikal (dalam menit atau hari) yang diperlukan untuk konversi?
5. Berapa banyak pengguna yang menghadapi kesalahan pembayaran? Apakah mereka kembali untuk mencoba dengan kartu kredit baru? Jika tidak, apakah kita akan kehilangan mereka selamanya?

Pertanyaan di atas hampir tidak mungkin dijawab tanpa analisis berbasis peristiwa. Berbekal data berbasis peristiwa, Anda tidak perlu lagi membuat keputusan penting berdasarkan intuisi. Sebaliknya, Anda dapat memanfaatkan pola, tren, dan keinginan orang-orang yang dirancang untuk memuaskan produk Anda.

Menghubungkan Analisis Berbasis Peristiwa ke Pertumbuhan

Dalam hal meningkatkan produk Anda, mempertahankan pelanggan, dan mengembangkan bisnis Anda, Anda tidak lagi harus bertanya kepada pelanggan apa yang mereka suka atau tidak suka— Anda cukup melihat apa yang mereka lakukan.

Perusahaan seperti Amazon telah menemukan banyak kesuksesan dengan memperhatikan kebiasaan dan preferensi pelanggan mereka. Jelas bahwa analitik berbasis peristiwa telah membantu perusahaan seperti Amazon mengalami pertumbuhan luar biasa dan peningkatan pendapatan.

Perilaku pengguna mencerminkan motivasi dan niat. Setiap kali calon pelanggan atau pelanggan melakukan pembayaran, meninggalkan kereta, atau memutar lagu, mereka membuat keputusan yang mengomunikasikan apa yang mereka inginkan. Seiring waktu, perilaku pengguna ini mengungkapkan pola yang mengarah ke wawasan dan penemuan baru—pola yang dapat dilacak menggunakan analitik berbasis peristiwa.

Referensi

• Personalisasi pengalaman pelanggan: Mendorong diferensiasi dalam ritel (April 2020) McKinsey & Company
• Bagaimana Menempatkan Personalisasi B2B Dalam Konteks (Juli 2021) Forbes
• Apa Itu SQL & Bagaimana Cara Kerjanya? Panduan untuk Bahasa Kueri Terstruktur (Okt. 2021) Springboard
• Berbagi Data Adalah Kebutuhan Bisnis untuk Mempercepat Bisnis Digital (Mei 2021) Gartner
• Nilai personalisasi yang benar—atau salah—berlipat ganda (Nov. 2021) McKinsey & Company