Data Analytics untuk Marketing
Metrik, funnel, A/B test, atribusi, dan kohort — angka di balik keputusan marketing.
Yang dibahas di jalur ini
Angka yang dipakai untuk memutuskan ke mana anggaran marketing pergi, dijelaskan dengan hitungan yang bisa Anda lakukan di ponsel. Metrik keputusan vs metrik gengsi, CAC dan LTV, funnel dan titik bocornya, A/B test yang bisa dipercaya, atribusi dan batas-batasnya, kohort dan retensi, segmentasi, serta dashboard yang benar-benar dibaca orang. Tanpa coding.
Baru mengenal AI? Setiap jalur dibangun di atas Dasar-Dasar AI & Data.
Yang akan bisa Anda lakukan
- Memilih metrik yang memandu keputusan, bukan yang hanya enak dilihat
- Menghitung conversion rate, CAC, LTV, dan ROAS dengan benar
- Merancang dan membaca A/B test tanpa menipu diri sendiri
- Membaca kohort dan retensi untuk melihat apakah pelanggan kembali
Unit dan bite
- Unit 16 biteSekitar 18 menit
Metrik yang penting
Angka mana yang membantu Anda memutuskan, dan mana yang hanya enak dilihat.
- 3 menit
Metrik keputusan vs metrik gengsi
Metrik yang baik mengubah apa yang Anda lakukan berikutnya.
- 3 menit
Jangkauan, klik, konversi
Tiga lapis angka kampanye dan apa yang dikatakan masing-masing.
- 3 menit
Conversion rate
Menghitung, membandingkan, dan tidak tertipu oleh pembagi yang berubah.
- 3 menit
Biaya akuisisi pelanggan (CAC)
Berapa biaya untuk mendapatkan satu pelanggan baru, per kanal.
- 3 menit
Nilai seumur hidup pelanggan (LTV)
Berapa nilai satu pelanggan dari waktu ke waktu, dan kenapa ia harus lebih besar dari CAC.
- 3 menit
ROAS vs ROI
Pendapatan per rupiah iklan tidak sama dengan keuntungan.
- Unit 25 biteSekitar 15 menit
Funnel
Melihat perjalanan pelanggan sebagai rantai rasio, dan menemukan mata rantai terlemah.
- 3 menit
Funnel sebagai rantai rasio
Dari kunjungan ke keranjang ke pembayaran: setiap langkah punya rasionya sendiri.
- 3 menit
Di mana orang berhenti
Menemukan langkah yang paling banyak kehilangan orang.
- 3 menit
Funnel per kanal
Kenapa traffic dari iklan, organik, dan email berperilaku berbeda.
- 3 menit
Mikro-konversi
Langkah kecil — simpan produk, daftar newsletter — yang meramalkan pembelian.
- 3 menit
Perbaiki langkah tersempit
Menghitung di mana perbaikan kecil memberi hasil terbesar.
- Unit 36 biteSekitar 18 menit
A/B test
Membandingkan dua versi dengan adil, dan membaca hasilnya tanpa menipu diri sendiri.
- 3 menit
Apa yang dijawab A/B test
Satu perubahan, dua kelompok acak, satu pertanyaan.
- 3 menit
Satu metrik, ditentukan di awal
Kenapa memilih metrik setelah melihat hasil adalah cara pasti menemukan "pemenang" palsu.
- 3 menit
Berapa orang yang dibutuhkan
Perbedaan kecil butuh sampel besar — intuisi tentang ukuran sampel.
- 3 menit
Membaca hasilnya
Selisih, ketidakpastian, dan arti "signifikan" dalam bahasa sehari-hari.
- 3 menit
Jangan mengintip
Menghentikan tes saat hasilnya terlihat bagus membuat hasilnya tidak bisa dipercaya.
- 3 menit
Kapan tidak perlu tes
Traffic kecil, perubahan jelas, atau keputusan yang mudah dibatalkan.
- Unit 45 biteSekitar 15 menit
Atribusi
Kanal mana yang layak mendapat kredit atas sebuah penjualan — dan kenapa tidak ada jawaban sempurna.
- 3 menit
Siapa yang dapat kredit
Pelanggan melihat iklan, membaca review, lalu mencari di Google. Siapa yang menjual?
- 3 menit
Last click
Model atribusi paling umum, dan kanal yang selalu diuntungkannya.
- 3 menit
Multi-touch
Membagi kredit ke beberapa sentuhan, dengan asumsi yang perlu Anda ketahui.
- 3 menit
Inkrementalitas
Pertanyaan yang lebih jujur: berapa penjualan yang tidak akan terjadi tanpa kampanye ini?
- 3 menit
Hidup dengan ketidakpastian
Mengambil keputusan anggaran saat atribusinya tidak pernah pasti.
- Unit 55 biteSekitar 15 menit
Kohort dan retensi
Apakah pelanggan kembali? Melihat kelompok pelanggan dari waktu ke waktu.
- 3 menit
Apa itu kohort
Mengelompokkan pelanggan berdasarkan kapan mereka mulai.
- 3 menit
Kurva retensi
Membaca grafik yang menunjukkan berapa banyak pelanggan yang bertahan.
- 3 menit
Churn
Tingkat pelanggan yang berhenti, dan kenapa churn bulanan kecil bisa jadi besar setahun.
- 3 menit
LTV dari kohort
Memperkirakan nilai pelanggan dari data kohort nyata, bukan asumsi.
- 3 menit
Pembelian ulang
Metrik sederhana yang sering lebih penting daripada akuisisi pelanggan baru.
- Unit 65 biteSekitar 15 menit
Segmentasi dan dashboard
Mengelompokkan pelanggan dengan cara yang berguna, dan melaporkan angka yang benar-benar dibaca.
- 3 menit
Segmentasi RFM
Recency, frequency, monetary: segmentasi pelanggan yang bisa dibuat di spreadsheet.
- 3 menit
Segmen yang berperilaku berbeda
Segmen yang baik menuntut tindakan berbeda; kalau tidak, ia hanya label.
- 3 menit
Dashboard yang dipakai orang
Sedikit angka, satu pertanyaan per grafik, dan pembanding yang jelas.
- 3 menit
Laporan mingguan
Ritme pelaporan yang menangkap masalah lebih awal tanpa membuat panik.
- 3 menit
Bercerita dengan data
Dari angka ke rekomendasi: apa yang terjadi, kenapa, dan apa yang kita lakukan.
Pertanyaan tentang jalur ini
Belajar
Berapa lama menyelesaikan Data Analytics untuk Marketing?
Sekitar 96 menit total: 6 unit yang terdiri dari 32 bite, masing-masing sekitar tiga menit, dan setiap bite diakhiri pertanyaan singkat. Anda bisa mengerjakan satu bite sehari atau beberapa sekaligus.
Apakah saya perlu bisa coding?
Tidak. Setiap jalur Datamew ditulis untuk profesional tanpa latar belakang teknis. Kalau ada hitungan, itu jenis hitungan yang bisa dilakukan di ponsel atau spreadsheet.
Saya harus mulai dari mana?
Semua orang mulai dari Dasar-Dasar AI & Data, yang membahas cara kerja AI, cara menulis prompt yang baik, dan cara membaca data dengan jujur. Setelah itu ambil Data Analytics untuk Marketing sesuai peran Anda.
Kapan saya bisa mulai belajar?
Datamew segera hadir di iOS dan Android. Belum ada tanggal rilis maupun harga yang diumumkan: gabung waitlist dan kami akan memberi tahu saat aplikasinya tersedia.
Apakah tersedia dalam Bahasa Indonesia?
Ya. Datamew ditulis dalam Bahasa Indonesia dan Bahasa Inggris.
Jalur lainnya
- Dasar-Dasar AI & DataCara kerja AI, cara memberinya instruksi, dan cara membaca angka dengan jujur.
- AI untuk MarketingRiset, konten, personalisasi, dan analisis kampanye dengan AI — tetap dengan penilaian Anda.
- Data Analytics untuk HRPeople analytics: turnover, rekrutmen, engagement, dan keadilan gaji — dengan privasi yang terjaga.
- Forecasting untuk Retail & E-commercePerkirakan permintaan, rencanakan stok, dan siap untuk Ramadan, 11.11, dan 12.12.
- Forecasting untuk MarketingPerkirakan traffic, leads, dan hasil kampanye — dan pertahankan angkanya di rapat anggaran.
- Forecasting untuk FinanceAnggaran, forecast pendapatan dan kas, rolling forecast, dan skenario — dengan hitungan spreadsheet.
- Rekomendasi Produk untuk E-commerceCara kerja "mungkin Anda suka", data di baliknya, bundling, dan cara mengukur dampaknya.
- Rekomendasi Produk untuk Retail & MediaProgram loyalitas, voucher personal, dan "tonton berikutnya" — rekomendasi di luar toko online.
Bacaan sambil menunggu
Panduan dari tim Datamew, gratis di web hari ini.

Cara Membuat Prompt yang Bagus: Kerangka 5 Bagian untuk Kerja
Prompt yang bagus memberi AI lima hal: konteks, tugas, input, format, dan batasan. Prompt itu menjelaskan untuk siapa pekerjaannya, apa yang harus dikerjakan, bahan apa yang dipakai, seperti apa bentuk jawabannya, dan apa yang harus dihindari. Setelah itu, cek jawabannya dan ajukan pertanyaan lanjutan.
7 menit baca
Cara Belajar AI dari Nol, Tanpa Coding
Ya, Anda bisa belajar AI tanpa menulis kode sama sekali. Untuk memakai AI dengan baik di tempat kerja, Anda butuh empat hal: paham dasar cara kerjanya, tahu di mana ia sering salah, berlatih dengan satu atau dua tool gratis, dan terbiasa mengecek setiap jawaban sebelum dipakai.
8 menit bacaJadi yang pertama memakai aplikasinya
Tinggalkan email Anda dan kami akan memberi tahu saat Datamew tersedia di ponsel Anda. Satu email saat rilis, tanpa spam.
- Segera hadir diApp Store
- Segera hadir diGoogle Play