Bab 3: Business Metrics & KPI Dasar

Kenapa Bisnis Membutuhkan Metrik

Bayangkan kamu ditanya oleh atasan, "Bagaimana performa bisnis kita bulan ini?" Jika kamu menjawab "bagus" atau "kurang bagus" tanpa angka yang jelas, jawaban tersebut sebenarnya tidak banyak membantu pengambilan keputusan. Pertanyaan lanjutannya pasti muncul: bagus dibanding apa? Kurang bagus di bagian mana? Di sinilah metrik bisnis berperan, yaitu mengubah kondisi bisnis yang abstrak menjadi angka yang bisa diukur, dibandingkan, dan dilacak dari waktu ke waktu.

Metrik bisnis dan KPI (Key Performance Indicator) sering dipakai secara bergantian, meskipun sebenarnya memiliki nuansa berbeda. Metrik bisnis adalah angka apa pun yang bisa diukur dari aktivitas bisnis, misalnya jumlah transaksi harian atau jumlah pengunjung website. Sementara itu, KPI adalah metrik yang sudah dipilih secara spesifik oleh sebuah organisasi karena dianggap paling relevan untuk mengukur pencapaian tujuan tertentu. Sebagai contoh, sebuah perusahaan bisa saja memiliki ratusan metrik yang bisa diukur dari datanya, namun hanya beberapa saja yang dijadikan KPI utama karena dianggap paling mencerminkan kesehatan bisnis secara keseluruhan.

Sebagai seorang Data Analyst, kamu tidak dituntut untuk menentukan KPI apa yang dipakai perusahaan, karena ini biasanya menjadi keputusan strategis dari manajemen. Namun kamu dituntut untuk memahami betul makna di balik setiap metrik ini, cara menghitungnya dengan benar, dan yang tidak kalah penting, potensi jebakan dalam menginterpretasikannya. Kesalahan menghitung atau salah memahami satu metrik saja bisa berujung pada rekomendasi bisnis yang keliru, meskipun proses analisisnya terlihat rapi.

Revenue: Metrik Paling Dasar yang Sering Disalahpahami

Revenue, atau pendapatan, adalah total nilai uang yang diterima perusahaan dari penjualan produk atau jasa dalam periode tertentu. Terdengar sederhana, namun banyak pemula yang keliru menyamakan Revenue dengan keuntungan (profit). Revenue hanya menghitung total uang masuk dari penjualan, belum dikurangi biaya operasional, biaya produksi, gaji karyawan, dan pengeluaran lainnya. Sebuah bisnis bisa saja memiliki Revenue yang besar namun tetap merugi jika biayanya lebih besar lagi, sehingga Revenue saja tidak pernah cukup untuk menyimpulkan bahwa sebuah bisnis sedang sehat.

Dalam konteks Belanjain, misalnya, jika pada bulan tertentu tercatat total pesanan sebesar Rp500 juta, maka itulah Revenue bulan tersebut. Namun angka ini perlu dilihat lebih dalam lagi. Apakah Revenue ini berasal dari banyak pelanggan yang masing-masing berbelanja dalam jumlah kecil, atau dari sedikit pelanggan yang berbelanja dalam jumlah sangat besar? Apakah Revenue ini didorong oleh diskon besar-besaran yang justru menekan margin keuntungan, atau berasal dari penjualan normal tanpa banyak potongan harga? Seorang Data Analyst yang baik tidak berhenti pada angka Revenue itu sendiri, melainkan menelusuri komposisi di baliknya, karena Revenue yang sama bisa menceritakan kondisi bisnis yang sangat berbeda tergantung dari mana angka tersebut berasal.

Revenue juga perlu selalu dilihat dalam konteks periode waktu dan perbandingan yang jelas. Angka Revenue Rp500 juta tidak banyak berarti tanpa pembanding, apakah ini naik atau turun dibanding bulan sebelumnya, apakah ini sesuai target yang ditetapkan, atau apakah ini wajar dibanding pola musiman, misalnya penjualan yang biasanya memang lebih tinggi menjelang hari besar keagamaan.

Churn: Mengukur Pelanggan yang Pergi

Churn adalah persentase pelanggan yang berhenti menggunakan produk atau layanan dalam periode tertentu, dibandingkan dengan total pelanggan yang ada pada awal periode tersebut. Dalam konteks Belanjain, churn bisa diartikan sebagai pelanggan yang sebelumnya rutin berbelanja, namun dalam periode tertentu, misalnya 90 hari terakhir, sama sekali tidak melakukan transaksi lagi.

Cara menghitung churn secara sederhana adalah dengan membagi jumlah pelanggan yang hilang dalam periode tersebut dengan jumlah total pelanggan di awal periode, lalu dikalikan 100 untuk mendapatkan persentase. Sebagai ilustrasi, jika Belanjain memiliki 10.000 pelanggan aktif di awal bulan, dan pada akhir bulan tercatat 500 pelanggan di antaranya tidak lagi melakukan transaksi sama sekali dalam rentang waktu yang ditetapkan sebagai batas churn, maka churn rate bulan tersebut adalah 500 dibagi 10.000, dikalikan 100, sama dengan 5%.

Churn adalah metrik yang sangat penting karena berkaitan langsung dengan keberlangsungan bisnis jangka panjang. Mendapatkan pelanggan baru pada umumnya jauh lebih mahal dibanding mempertahankan pelanggan yang sudah ada, sehingga churn yang tinggi menandakan ada masalah dalam menjaga kepuasan atau loyalitas pelanggan, yang pada akhirnya akan menekan pertumbuhan bisnis meskipun akuisisi pelanggan baru tetap berjalan lancar. Salah satu tantangan dalam mengukur churn adalah menentukan definisi "berhenti menggunakan layanan" yang tepat, karena setiap bisnis memiliki karakteristik berbeda. Untuk platform e-commerce seperti Belanjain di mana pelanggan mungkin memang tidak berbelanja setiap bulan, definisi churn 90 hari tanpa transaksi bisa masuk akal, namun untuk bisnis dengan pola pembelian yang jauh lebih sering, misalnya aplikasi transportasi online, definisi churn yang sama bisa jadi terlalu longgar dan perlu dipersempit menjadi periode yang lebih pendek.

CAC: Biaya Mendapatkan Satu Pelanggan Baru

CAC, singkatan dari Customer Acquisition Cost, adalah total biaya yang dikeluarkan perusahaan untuk mendapatkan satu pelanggan baru. Metrik ini biasanya dihitung dengan membagi total biaya pemasaran dan penjualan dalam periode tertentu, dengan jumlah pelanggan baru yang berhasil didapatkan dalam periode yang sama.

Sebagai ilustrasi, jika Belanjain mengeluarkan biaya iklan dan promosi sebesar Rp100 juta dalam satu bulan, dan berhasil mendapatkan 2.000 pelanggan baru pada bulan tersebut, maka CAC-nya adalah Rp100 juta dibagi 2.000, sama dengan Rp50 ribu per pelanggan baru. Angka ini penting karena menjadi acuan untuk menilai apakah strategi akuisisi pelanggan yang dijalankan cukup efisien.

Namun CAC tidak boleh dilihat berdiri sendiri tanpa dibandingkan dengan seberapa besar nilai yang dihasilkan oleh satu pelanggan tersebut sepanjang mereka menggunakan layanan. Jika biaya mendapatkan satu pelanggan baru adalah Rp50 ribu, namun pelanggan tersebut hanya berbelanja satu kali dengan nilai transaksi Rp30 ribu lalu tidak pernah kembali lagi, maka strategi akuisisi ini sebenarnya merugikan perusahaan meskipun terlihat berhasil dari sisi jumlah pelanggan baru yang didapat. Inilah alasan kenapa CAC selalu perlu dilihat berdampingan dengan metrik berikutnya, yaitu LTV.

LTV: Nilai Jangka Panjang Seorang Pelanggan

LTV, atau Lifetime Value, adalah estimasi total nilai yang akan dihasilkan seorang pelanggan bagi perusahaan sepanjang mereka menjadi pelanggan aktif, bukan hanya dari satu transaksi saja. Cara menghitung LTV bisa bervariasi tergantung tingkat kompleksitas yang dibutuhkan, namun pendekatan paling sederhana adalah dengan mengalikan rata-rata nilai transaksi, dengan rata-rata jumlah transaksi yang dilakukan pelanggan dalam periode tertentu, dikalikan lagi dengan rata-rata lama seorang pelanggan tetap aktif menggunakan layanan.

Sebagai ilustrasi sederhana, jika rata-rata pelanggan Belanjain berbelanja Rp150 ribu setiap kali transaksi, rata-rata melakukan 4 kali transaksi per tahun, dan rata-rata tetap menjadi pelanggan aktif selama 2 tahun, maka estimasi LTV pelanggan tersebut adalah Rp150 ribu dikalikan 4, dikalikan 2, sama dengan Rp1,2 juta.

LTV dan CAC pada dasarnya adalah dua metrik yang selalu perlu dibaca berdampingan, karena keduanya bersama-sama menggambarkan apakah strategi akuisisi pelanggan sebuah bisnis benar-benar menguntungkan dalam jangka panjang. Sebagai patokan umum yang sering dipakai di industri, rasio LTV dibanding CAC idealnya berada jauh di atas angka 1, karena jika nilai yang dihasilkan seorang pelanggan hanya sedikit lebih besar atau bahkan lebih kecil dibanding biaya untuk mendapatkannya, bisnis tersebut berisiko tidak bisa bertahan dalam jangka panjang meskipun jumlah pelanggan barunya terus bertambah setiap bulan.

Conversion: Dari Ketertarikan Menjadi Transaksi

Conversion, atau tingkat konversi, adalah persentase orang yang melakukan tindakan yang diinginkan (biasanya transaksi pembelian) dari total orang yang melihat atau berinteraksi dengan sebuah penawaran, halaman, atau kampanye. Dalam konteks Belanjain, conversion rate yang paling umum dibahas adalah persentase pengunjung aplikasi yang akhirnya benar-benar melakukan pembelian, dibandingkan total pengunjung yang datang ke aplikasi pada periode yang sama.

Sebagai ilustrasi, jika dalam satu hari terdapat 50.000 orang yang membuka aplikasi Belanjain, dan dari jumlah tersebut 1.500 orang menyelesaikan transaksi pembelian, maka conversion rate hari tersebut adalah 1.500 dibagi 50.000, dikalikan 100, sama dengan 3%.

Conversion adalah metrik yang sangat berguna untuk mengevaluasi efektivitas sebuah alur atau kampanye tertentu, bukan hanya di level keseluruhan aplikasi. Sebagai contoh, Belanjain bisa saja mengukur conversion rate secara terpisah untuk setiap tahap dalam proses belanja, mulai dari berapa persen pengunjung yang menambahkan produk ke keranjang, berapa persen dari mereka yang melanjutkan ke halaman checkout, hingga berapa persen yang benar-benar menyelesaikan pembayaran. Pendekatan bertahap seperti ini, yang sering disebut sebagai funnel analysis, membantu mengidentifikasi di titik mana sebenarnya banyak calon pelanggan yang "hilang" dalam proses pembelian, sehingga perbaikan bisa difokuskan pada titik yang paling bermasalah, bukan menyebar tanpa arah ke seluruh aplikasi.

Retention: Mengukur yang Bertahan, Bukan yang Pergi

Retention pada dasarnya adalah kebalikan dari churn, yaitu persentase pelanggan yang tetap aktif dan terus menggunakan layanan dalam periode tertentu, dibandingkan dengan periode sebelumnya. Jika churn berfokus pada pelanggan yang pergi, retention berfokus pada pelanggan yang bertahan.

Cara paling sederhana menghitung retention rate adalah dengan membagi jumlah pelanggan yang masih aktif di akhir periode (dari kelompok pelanggan yang sama di awal periode), dengan jumlah pelanggan di awal periode tersebut, lalu dikalikan 100. Sebagai ilustrasi, jika dari 1.000 pelanggan baru yang bergabung dengan Belanjain di bulan Januari, sebanyak 300 orang di antaranya kembali melakukan transaksi di bulan Februari, maka retention rate bulan Februari untuk kelompok pelanggan Januari tersebut adalah 300 dibagi 1.000, dikalikan 100, sama dengan 30%.

Retention sering dianalisis dalam bentuk yang disebut cohort analysis, yaitu mengelompokkan pelanggan berdasarkan waktu mereka pertama kali bergabung, lalu melacak seberapa besar persentase dari masing-masing kelompok tersebut yang tetap bertahan di bulan-bulan berikutnya. Pendekatan ini membantu melihat apakah retensi pelanggan membaik atau memburuk dari waktu ke waktu, dengan membandingkan pola bertahannya pelanggan yang bergabung di bulan Januari, dibanding pelanggan yang bergabung di bulan Februari, Maret, dan seterusnya.

Bagaimana Keenam Metrik Ini Saling Berkaitan

Keenam metrik yang sudah dibahas di atas jarang sekali berdiri sendiri dalam analisis bisnis yang sebenarnya. Sebagai ilustrasi, bayangkan Belanjain mengalami kenaikan Revenue yang cukup signifikan dalam satu bulan. Sekilas ini terdengar sebagai kabar baik, namun seorang Data Analyst yang baik akan menelusuri lebih dalam. Apakah kenaikan Revenue ini didorong oleh Conversion rate yang membaik, ataukah dari CAC yang justru meningkat tajam karena perusahaan mengeluarkan lebih banyak biaya iklan untuk menarik pelanggan baru? Jika kenaikan Revenue ternyata dibarengi dengan CAC yang melonjak jauh lebih tinggi dibanding LTV yang dihasilkan, maka pertumbuhan Revenue tersebut sebenarnya tidak sehat dalam jangka panjang, meskipun angka di permukaan terlihat positif.

Contoh lain, sebuah bisnis bisa saja memiliki Conversion rate yang tinggi dan CAC yang rendah, terlihat sangat efisien dalam mendapatkan pelanggan baru, namun jika Churn rate juga tinggi dan Retention rendah, artinya pelanggan yang didapat dengan mudah tersebut juga dengan mudah pergi, sehingga pertumbuhan bisnis secara keseluruhan tetap stagnan meskipun akuisisi pelanggan baru terlihat lancar setiap bulannya. Pemahaman bahwa metrik-metrik ini saling memengaruhi satu sama lain, dan tidak pernah cukup dibaca satu per satu secara terpisah, adalah keterampilan penting yang membedakan seorang Data Analyst yang memahami konteks bisnis, dibanding yang hanya sekadar menghitung angka tanpa memahami maknanya.