Materi 04 · Funnel & Cohort

Analisis Funnel & Cohort

Dua teknik analitik yang paling sering dipakai tim Product & Growth untuk menemukan kebocoran konversi dan memahami perilaku user dari waktu ke waktu. Wajib dikuasai.

⏱ 25 Menit Baca 🎯 Intermediate 📈 Practical

1. Apa Itu Funnel Analysis?

Funnel analysis melacak perjalanan user melalui serangkaian langkah berurutan untuk mencapai sebuah goal — biasanya konversi (beli, daftar, upgrade). Tujuannya: menemukan di langkah mana user paling banyak bocor sehingga bisa diperbaiki.

Kapan Funnel Lebih Cocok?

Saat ada urutan langkah yang jelas: lihat produk → tambah keranjang → checkout → bayar. Funnel kurang cocok untuk perilaku non-linear seperti eksplorasi konten.

Contoh Funnel E-Commerce

Visit Homepage

100,000

100%

Lihat Produk

62,000

−38%

Add to Cart

38,000

−39%

Mulai Checkout

24,000

−37%

Bayar Sukses

11,000

−54%

Cari Drop Terbesar

Lihat funnel di atas — drop terbesar terjadi di step "Bayar Sukses" (−54%). Itulah hipotesis pertama untuk diinvestigasi: payment gateway error? Form terlalu panjang? Biaya tersembunyi muncul di akhir?

2. Membangun Funnel Step-by-Step

Step 1: Tentukan Goal Akhir. Apa konversi yang ingin diukur? Pembelian? Sign-up? Upload pertama?
Step 2: Petakan Langkah Reverse. Mulai dari goal, mundur ke langkah-langkah yang dilalui user.
Step 3: Definisikan Event Tracking. Setiap step harus terhubung ke event yang dicatat (page view, click, form submit).
Step 4: Pilih Window Konversi. 1 hari? 7 hari? 30 hari? Bergantung produk.
Step 5: Tarik Data & Hitung. Conversion rate per step + drop-off antar step.
Step 6: Segmentasi. Bandingkan funnel desktop vs mobile, kanal A vs B, user baru vs lama.

Conversion Rate per Step CR = (Users di Step N+1 / Users di Step N) × 100%

Overall Funnel Conversion Overall CR = (Users di Step Akhir / Users di Step 1) × 100%

3. Apa Itu Cohort Analysis?

Cohort analysis mengelompokkan user berdasarkan karakteristik yang sama (biasanya bulan signup), lalu melacak perilakunya dari waktu ke waktu. Pertanyaan utamanya: "Apakah user yang baru join bertahan lebih baik atau lebih buruk dari batch sebelumnya?"

Kenapa Cohort Penting?

Total MAU bisa terlihat tumbuh padahal yang sebetulnya terjadi: kamu kehilangan banyak user lama tapi terus akuisisi user baru. Cohort membongkar ilusi ini — retention asli per generasi user.

4. Membaca Cohort Table

Contoh retention cohort (% user yang masih aktif di bulan ke-N setelah signup):

Cohort	Size	M0	M1	M2	M3	M4	M5
Nov 2025	4,200	100%	52%	38%	31%	28%	25%
Dec 2025	5,100	100%	54%	41%	33%	30%	—
Jan 2026	6,800	100%	61%	48%	40%	—	—
Feb 2026	7,400	100%	64%	52%	—	—	—
Mar 2026	8,100	100%	68%	—	—	—	—
Apr 2026	9,300	100%	—	—	—	—	—

Cara Membaca

Baca per baris: bagaimana retention cohort tertentu berubah seiring waktu. Idealnya stabil setelah bulan ke-3 — kalau terus turun, user belum menemukan nilai produk.
Baca per kolom: bandingkan retention di "M1" antar cohort. M1 Nov 52% → M1 Mar 68% berarti retention bulan pertama membaik. Kemungkinan onboarding diperbaiki.
Baca diagonal: ini adalah "snapshot" retention pada bulan tertentu. Berguna untuk laporan bulanan.

5. Tipe Cohort yang Sering Dipakai

Tipe Cohort	Pembagian	Pertanyaan yang Dijawab
Acquisition Cohort	Bulan signup	Apakah retention kohor terbaru lebih baik?
Behavioral Cohort	Aksi pertama yang dilakukan	User yang complete onboarding vs yang skip
Channel Cohort	Kanal akuisisi	User dari ads vs organic — siapa yang lebih loyal?
Geographic Cohort	Lokasi	Retention user Jakarta vs Surabaya
Plan Cohort	Tier subscription	Pro user lebih sticky daripada free user?

6. Studi Kasus Real World

Real World · SaaS B2B

Onboarding Fix yang Naikkan Retention 12pp

Sebuah startup SaaS punya M1 retention stabil di 50% selama 8 bulan. Mereka melakukan funnel analysis pada onboarding dan menemukan 72% user drop di step "Connect Database" — ternyata wizard-nya minta credential terlalu cepat sebelum user paham value-nya.

Solusi: pindahkan "Connect Database" ke setelah user lihat sample dashboard. Sample dashboard pakai data dummy.

Hasil: M1 retention cohort baru naik dari 50% ke 62% (+12pp), dan churn 3 bulan turun dari 28% ke 19%. Hanya dengan reorder onboarding step.

7. Common Pitfalls

Funnel terlalu generic. "Visit → Buy" tidak cukup — kamu nggak tahu di mana bocor. Pecah jadi 4-7 step.
Lupa segmentasi. Funnel mobile dan desktop bisa beda 3×. Selalu segment kalau audiens-nya beragam.
Cohort window terlalu pendek. Untuk B2B, retention M1 saja kurang — minimal lihat M3-M6.
Membandingkan apel & jeruk. Cohort yang akuisisinya dari kampanye diskon akan retain lebih buruk dari organic. Wajar, tapi sering dilupakan.
Hanya melihat agregat. Insight muncul setelah cohort dipotong per segmen.

8. Tools untuk Analisis Funnel & Cohort

Tool	Bagus untuk	Catatan
Mixpanel	Event-based product analytics	Funnel & cohort built-in, mudah dipakai
Amplitude	Behavioral cohorts kompleks	Sangat fleksibel, free tier generous
GA4	Web analytics + funnel sederhana	Gratis, tapi attribution-nya ribet
SQL + Metabase	Custom cohort dari data warehouse	Paling fleksibel kalau punya engineer
PostHog	Open source product analytics	Self-host, full control data

📝 Tugas Praktik

Pilih sebuah aplikasi yang sering kamu pakai (Tokopedia, Tiket.com, Tinder, dst). Lalu:

Petakan funnel konversi utamanya menjadi 4-6 step.
Tebak conversion rate tiap step berdasarkan asumsi rasional.
Identifikasi step paling rawan drop dan jelaskan kenapa.
Buat 2 hipotesis perbaikan untuk step tersebut.
Bonus: rancang cohort table untuk produk tersebut — pakai metric retention apa? Window berapa lama?

Rangkuman

Funnel = peta langkah konversi. Cari drop terbesar, perbaiki di sana.
Cohort = retention per generasi user. Bongkar ilusi pertumbuhan total.
Selalu segment funnel & cohort — agregat sering menyembunyikan insight.
Funnel paling efektif kalau urutan langkahnya jelas; cohort menjawab pertanyaan "apakah kita membaik dari waktu ke waktu?"
Investasi terbaik: perbaiki M0→M1 retention. Ini berbunga panjang.