Belajar UX Researcher - Behavioral Analytics & Log Analysis

#Pendahuluan

Setelah di episode 23 kita menggabungkan metode, pada episode ini kita memaksimalkan sumber data yang paling dekat dengan perilaku sebenarnya: behavioral analytics. Interview memberi cerita, survei memberi opini, tapi log memberi fakta — apa yang benar-benar dilakukan ribuan pengguna, klik demi klik, tanpa bias laporan diri.

Di episode 8 kita menyentuh log analysis sebagai pelengkap diary study; di episode 9 kita membaca funnel. Episode ini memperdalam keduanya menjadi keterampilan utuh: dari mendesain tracking yang benar, membaca session replay, hingga analisis cohort — dan yang terpenting, tahu kapan data perilaku menjawab pertanyaan dan kapan tidak.

#Product Analytics: Dasar yang Benar

#Event Tracking yang Benar

Data perilaku sebaik apa pun bergantung pada event yang direkam. Event yang buruk membuat analisis kacau. Aturan mendesain event:

• Event = aksi, bukan halaman. checkout_clicked, order_confirmed lebih berguna dari page_checkout (halaman dilihat belum berarti aksi).
• Sertakan konteks. Event menyimpan properti: product_id, distributor_id, harga, kuota_data. Tanpa properti, event hanya angka kosong.
• Konsisten penamaan. checkout_started, bukan kadang start_checkout kadang checkout_start.
• Jangan over-track. Ribuan event yang tidak dipakai = noise; track yang menjawab pertanyaan bisnis.

Contoh event untuk WarungNaik:

event: product_added
  product_id, distributor_id, harga, qty, kuota_mode
 
event: order_placed
  total_item, total_harga, jumlah_distributor, waktu_pesan
 
event: reorder_suggested
  suggested_from (auto/manual), accepted (true/false)
 
event: reorder_accepted
  qty_suggested, qty_actual (jika dikoreksi)

#Kualitas Data > Kuantitas

Sebelum analisis, periksa kualitas: apakah event terkirim tanpa bug? Apakah ada duplikasi? Data kotor menghasilkan kesimpulan kotor — dan kesimpulan kotor lebih berbahaya daripada tidak ada data.

#Session Replay: Melihat dengan Mata Sendiri

Session replay (Hotjar, LogRocket, FullStory) merekam ulang interaksi pengguna — gerakan kursor, klik, scroll. Ini "observasi" (episode 5) versi digital: melihat perilaku tanpa bertanya.

#Kapan Session Replay Paling Berguna

• Menjelaskan funnel drop — analytics tahu pengguna berhenti di langkah 3; replay menunjukkan apa yang terjadi di langkah itu (form kosong, error tidak terlihat, bingung).
• Menemukan pola kebingungan — hover yang ragu, scroll bolak-balik, klik berulang di elemen yang tidak bisa diklik.
• Memvalidasi temuan kualitatif — interview bilang "checkout ribet"; replay menunjukkan persis di mana.

#Cara Membaca Replay yang Efisien

• Jangan menonton semua — mulai dari segmen yang menarik (pengguna yang drop di checkout, atau yang menyelesaikan pesanan pertama).
• Cari pola, bukan kejadian tunggal — tonton 10-15 replay; catat perilaku yang berulang.
• Kategorikan — tiap replay bisa dikategorikan (sukses, bingung, error, abandon) untuk dihitung proporsinya.

#Funnel dan Retention Cohort

#Funnel Analysis yang Benar

Funnel di episode 9 menunjukkan drop-off; episode ini kita bawa lebih dalam:

• Segment funnel — funnel "semua pengguna" bisa menipu; pecah per segmen (kios kecil vs toko sembako, pengguna baru vs lama).
• Funnel lintas perangkat — pengguna WarungNaik mungkin mulai di ponsel dan selesai di web; buat funnel yang mengikuti perjalanan, bukan halaman.
• Tanyakan "mengapa" setelah "di mana" — funnel memandu pertanyaan; jawabannya ada di replay, interview, dan usability test.

#Retention Cohort

Cohort analysis mengelompokkan pengguna berdasarkan waktu mulai (misal minggu pertama pakai) dan melacak retensi mereka. Contoh untuk WarungNaik:

Cohort         Minggu 1  2  3  4
Mgg-1 mulai     100     62 48 40
Mgg-2 mulai     100     58 42
Mgg-3 mulai     100     60
Mgg-4 mulai     100

Membaca cohort:

• Jika cohort lebih baru lebih baik, ada perbaikan yang bekerja — cari tahu apa yang berubah.
• Jika semua cohort menurun sama, masalahnya struktural — pengalaman pertama yang tidak membentuk kebiasaan.
• Titik penurunan terbesar (minggu 1→2) menunjukkan momen paling menentukan: "mengapa pengguna tidak kembali?"

Cohort menjawab pertanyaan yang tidak bisa dijawab funnel: bukan hanya "berapa yang drop di checkout", tapi "berapa yang kembali minggu depan". Retensi adalah sinyal apakah produk benar-benar membantu kebiasaan pemilik warung — bukan sekadar sekali pakai.

#Menggabungkan Behavioral dengan Kualitatif

Data perilaku paling kuat saat digabungkan dengan riset kualitatif — ini bagian dari mixed-methods (episode 23). Pola kerja yang disarankan:

1. Analytics/replay menemukan pola → misal 40% pengguna baru tidak menyelesaikan pesanan pertama.
2. Usability test & interview menjelaskan pola → form alamat membingungkan, butuh 4 field yang tidak perlu.
3. Perbaiki, lalu ukur lagi → setelah perbaikan, cek cohort/funnel membaik.
4. Ulangi — behavioral dan kualitatif bekerja bergantian, masing-masing memandu langkah berikutnya.

#Penutup

Pada episode 24 ini, kalian telah menguasai behavioral analytics.

Inti yang harus dibawa pulang:

• Event tracking yang benar = aksi + konteks + penamaan konsisten; kualitas data di atas kuantitas.
• Session replay adalah observasi versi digital: cari pola dari 10-15 replay, bukan kejadian tunggal — dan mask data sensitif.
• Funnel menunjukkan di mana; segment untuk menghindari kesimpulan menyesatkan.
• Retention cohort menunjukkan apakah pengguna kembali — sinyal kebiasaan, bukan sekadar konversi.
• Gabungkan behavioral dengan kualitatif secara bergantian: temukan pola → jelaskan → perbaiki → ukur ulang.

Di episode 25 selanjutnya kita akan membahas strategic research & roadmap — menyusun research roadmap tahunan, memprioritaskan riset berdasarkan dampak, dan mengukur nilai riset bagi produk. Sampai jumpa di episode 25!