Apa yang Dilakukan Peretas Pertumbuhan dengan Benar: Cara Menggunakan Data Pelanggan

"Peretas pertumbuhan" lebih dari sekadar kata kunci. Mereka adalah gabungan produk/pemasaran yang telah belajar cara menangkap dan membaca data pelanggan secara real time. Dan meskipun perusahaan rintisan seperti Airbnb, Uber, Instagram, dan LinkedIn menggunakan peretasan pertumbuhan untuk mencapai status unicorn, perusahaan mapan belum mengejar ketinggalan.

Selama lebih dari 20 tahun sebagai konsultan yang membantu bisnis mencapai transformasi digital , saya perhatikan bahwa peretas pertumbuhan yang sukses mendekati data pelanggan dengan cara yang sangat berbeda dari bisnis perusahaan lama. Mereka mencari manusia nyata di balik sinyal data digital, menggunakan alat kecerdasan produk modern yang dibuat khusus untuk menganalisis perilaku pelanggan, menyebarkan wawasan data untuk aktivasi pelanggan, dan memperlakukan data sebagai olahraga tim.

Pola pikir growth hacker, dikombinasikan dengan alat dan praktik yang tepat, menawarkan cetak biru bagi perusahaan enterprise untuk mewujudkan transformasi digital dan membuka kunci pertumbuhan.

Menumbuhkan Empati Melalui Data Berbasis Peristiwa

Peretas pertumbuhan memahami bagaimana pemahaman yang bernuansa tentang data pelanggan membangun empati. Mengenali keinginan dan kebutuhan pelanggan Anda, seperti yang disajikan melalui data, membantu Anda membangun produk yang lebih baik.

Mulailah dengan pola pikir bahwa data adalah saluran untuk interaksi manusia. Lihatlah data Anda sebagai ekspresi individu, bukan sebagai massa anonim. Pola pikir ini akan membantu Anda mengungkap wawasan perilaku dalam data pelanggan Anda dan membangun empati dalam skala besar.

Tentu saja, Anda membutuhkan lebih dari sekadar pola pikir—Anda juga perlu melacak jenis data yang tepat. Produk analitik jadul seperti Google Analytics dan Adobe tidak dengan mudah melacak data yang cocok untuk memahami perilaku manusia yang terperinci. Mereka kebanyakan melacak aktivitas web di dasbor. Tetapi melihat angka skala besar seperti tampilan halaman dan pembelian cenderung menghapus individu di balik data tersebut. Lagi pula, tampilan halaman tidak membeli produk—orang-orang melakukannya. Orang tidak berinteraksi dengan produk dalam "sesi": Kami berinteraksi dengan produk dalam jangka waktu yang lama dan melalui berbagai saluran yang berbeda.

Mengenali keinginan dan kebutuhan pelanggan Anda, seperti yang disajikan melalui data, membantu Anda membangun produk yang lebih baik.

Sebaliknya, peretas pertumbuhan melihat data berbasis peristiwa. Data berbasis peristiwa melacak interaksi yang lebih halus—setiap klik mouse, penekanan tombol, dan gesekan jari. Ketika peristiwa ini dianalisis hampir secara real time dengan alat kecerdasan produk, Anda dapat mulai mengungkap nuansa perilaku pelanggan dan memahami kebutuhan mereka. Pemahaman ini, pada gilirannya, mengarah pada produk yang lebih baik.

Meskipun alat analitik lama seperti Google dan Adobe secara teknis telah memperluas platform mereka untuk menggabungkan acara, mereka tetap berpusat pada halaman web. Menggunakan alat ini untuk melacak peristiwa tetap kikuk.

Gunakan Alat Modern yang Dibuat Khusus untuk Data Pelanggan

Alat analisis web tradisional pada awalnya tidak dirancang untuk analisis perilaku pelanggan. Mereka unggul dalam mengukur tampilan halaman web anonim pada satu titik waktu, tetapi bukan cara orang sebenarnya menggunakan produk digital. Peretas pertumbuhan menggunakan alat yang dapat menganalisis data pelanggan yang kompleks dengan benar. Setidaknya, alat tersebut harus mencapai tiga hal:

• Lacak interaksi dari berbagai saluran
• Mengidentifikasi pelanggan yang sama di seluruh sumber dan menyatukan data mereka (disebut resolusi identitas)
• Padukan data anonim dengan data pelanggan yang diketahui setelah pelanggan mengidentifikasi diri mereka sendiri

Platform Data Pelanggan (CDP) seperti Segment dan alat kecerdasan produk seperti Amplitude dibuat khusus untuk mencapai tujuan ini. Segment , misalnya, menyerap data peristiwa pelanggan dari lusinan sumber (termasuk yang khusus). Ini kemudian menciptakan profil pelanggan terpadu yang bertahan dari waktu ke waktu.

Amplitudo dapat digunakan hilir dari Segmen untuk menyerap peristiwa yang telah disatukan melalui CDP. Ini kemudian memberikan analisis data yang cocok untuk pengguna teknis dan non-teknis untuk menginterogasi metrik pelanggan seperti retensi, konversi, dan perilaku kelompok. Amplitudo juga memiliki kemampuan resolusi identitasnya sendiri dan integrasi bawaan untuk lusinan sumber data.

Keuntungan dari alat yang dibuat khusus untuk data pelanggan (bukan analisis web atau kumpulan data umum) adalah alat tersebut dibuat dengan mempertimbangkan manusia. Itu berarti mereka menyediakan fitur yang kaya dan berorientasi pelanggan di luar kotak, seperti resolusi identitas, perlindungan privasi, dan pelaporan siklus hidup pelanggan.

Semakin banyak, alat ini menawarkan atribut prediktif yang dibuat sebelumnya, seperti kemungkinan untuk berpindah, kecenderungan untuk membeli, dan segmentasi otomatis. Membangun fungsionalitas jenis ini dari awal bahkan membutuhkan waktu bertahun-tahun bagi perusahaan terbesar karena bergantung pada pembelajaran mesin, yang rumit dan mahal untuk dikembangkan. Kemampuan AutoML Amplitude dapat secara otomatis mengelompokkan pelanggan berdasarkan perilaku mereka. Hal ini memungkinkan manajer produk dan pemasar untuk dengan cepat mengelompokkan pengguna berdasarkan bagaimana mereka sebenarnya berinteraksi dengan produk, daripada membuat aturan secara manual berdasarkan bagaimana menurut mereka pengguna harus disegmentasi.

Amplitude kini juga menawarkan Kelompok Prediktif , yang menggunakan pembelajaran mesin untuk mengelompokkan pengguna berdasarkan seberapa besar kemungkinan mereka melakukan tindakan tertentu. Ketika kelompok ini diterapkan pada kampanye pemasaran, peretas pertumbuhan dapat menjadi ilmuwan data warga yang sesungguhnya.

Bertindak Cepat pada Wawasan Data untuk Aktivasi Langsung

Dasbor tentu saja berguna untuk memvisualisasikan dan menafsirkan analisis data, tetapi tidak boleh menjadi akhir dari jalan data. Dan menunggu eksekutif untuk membuat keputusan berdasarkan mereka bisa memakan waktu berminggu-minggu atau bahkan seperempat. Itu karena dasbor hanya dapat mengarahkan Anda ke arah umum—terserah Anda untuk menafsirkan data dan mengambil tindakan.

Peretas pertumbuhan mendekati data pelanggan dengan cara yang sangat berbeda dari bisnis perusahaan lama.

Peretas pertumbuhan tidak punya waktu seperti itu. Mereka mengambil wawasan yang mereka peroleh dari alat kecerdasan produk mereka dan memasukkannya langsung ke dalam kampanye pemasaran dan keterlibatan mereka. Itu berarti menyesuaikan pesan pelanggan mereka berdasarkan karakteristik unik dan kelompok yang mereka temukan dalam data mereka. Amplitudo memiliki konektor bawaan yang dapat memicu komunikasi ini secara real time—tanpa menunggu di dasbor.

Misalnya, jika analisis mengidentifikasi sekelompok pelanggan yang kemungkinan besar akan churn, langkah selanjutnya yang jelas adalah mengirimi mereka email atau pemberitahuan push seluler untuk membantu mereka tetap di flip. Dengan memicu pesan ini secara otomatis, peretas pertumbuhan dapat mengubah pengalaman pelanggan secepat kilat.

Jadikan Data sebagai Olahraga Tim

Rahasia terakhir dari peretas pertumbuhan? Mereka bekerja sebagai demokrasi data —sebagai tim yang berkolaborasi dengan data untuk menemukan cara baru dalam melayani pelanggan mereka. Data tidak hanya terbatas pada sekelompok kecil pengguna yang sangat teknis—data juga mudah diakses oleh manajer produk, pemasar, dan desainer yang melakukan peretasan pertumbuhan. Setiap orang memiliki akses mandiri untuk menggali data guna memvalidasi hipotesis pertumbuhan, mengidentifikasi titik gesekan, dan mengamati perilaku pelanggan.

Jika pakar data adalah penjaga gerbang wawasan pelanggan, maka kemampuan perusahaan untuk belajar dan beradaptasi dengan cepat terhambat oleh bandwidth dan keahlian yang terbatas. Google Analytics dan Adobe menantang bagi pakar non-data untuk menjelajahi di luar wawasan tingkat permukaan. Saat orang teknis hanya membuat dasbor untuk mengomunikasikan analisis data kepada anggota tim lainnya, pengguna non-teknis tersebut tidak dapat berinteraksi dan mengajukan pertanyaan tentang data tersebut. Dan meminta tim teknik untuk menjawab pertanyaan-pertanyaan itu hanya memperlambat semua orang.

Platform analitik modern seperti Amplitude dirancang dari bawah ke atas untuk digunakan oleh non-pakar data. UI Amplitude menggunakan bahasa alami dan antarmuka titik-dan-klik untuk membuat kueri. Ini menghindari penggunaan terminologi khusus platform yang tumpul. Anda tidak akan melihat istilah aneh seperti eVars, sProps, atau ID slot tujuan.

Amplitudo juga menyediakan berbagai grafik pra-dibuat, bernilai tinggi, mudah dikonfigurasi, sehingga mudah untuk mulai menjelajahi perilaku pelanggan di luar gerbang. Terakhir, Amplitude menawarkan sejumlah fitur kolaborasi tim, memungkinkan tim pertumbuhan untuk menambahkan komentar ke bagan, menerbitkan analisis mereka, dan mendiskusikan data di dalam alat itu sendiri.

Dengan benar-benar mendemokratisasi data, organisasi yang menganut growth hacking dapat secara radikal mempersingkat putaran umpan balik. Hal ini memungkinkan mereka untuk melakukan peningkatan pertumbuhan yang jauh lebih banyak daripada pesaing mereka yang berpikiran tradisional.

Menjadi Peretas Pertumbuhan

Apakah Anda perlu membuang alat analisis data yang ada seperti Google Analytics, Adobe Analytics, gudang data, data lake, dan dasbor tradisional? Tidak. Cukup gunakan untuk tujuan pembuatannya: analisis web, penyimpanan data, dan visualisasi. Dalam hal mendorong pertumbuhan melalui eksperimen dan pengoptimalan yang cepat, gunakan alat kecerdasan produk modern untuk mencapai hasil yang Anda inginkan. Dikombinasikan dengan empati, kecerdikan, dan kolaborasi pelanggan growth hacker, Anda juga dapat melihat pertumbuhan tongkat hoki yang didambakan.

Versi artikel ini awalnya muncul di Medium .