Kapan (dan bagaimana) menambahkan analytics ke aplikasi buatan AI-mu

Beberapa minggu lalu, seorang founder yang kukenal merilis aplikasinya — sebuah tools untuk studio Pilates kecil mengelola daftar tunggu kelas mereka. Ia membangunnya dalam waktu sekitar seminggu memakai AI app builder. Aplikasinya rilis hari Kamis. Hari Minggu ia bilang padaku ia sama sekali tidak tahu apakah ada orang yang memakainya.

“Berapa pendaftar yang kamu dapat?” “Aku nggak tahu.” “Apakah orang yang mendaftar benar-benar memakainya?” “Aku nggak tahu.” “Apakah ada yang nyangkut di suatu tempat?” “Aku nggak tahu.”

Bukannya ia ceroboh. Ia hanya belum punya analytics di aplikasinya. Dan seperti banyak founder non-teknis, ia berasumsi akan menambahkan analytics “nanti, kalau penggunanya sudah lebih banyak.” Masalahnya, “nanti” itu tak pernah datang, karena tanpa analytics kamu tidak tahu berapa banyak penggunanya, jadi kamu tidak bisa tahu kapan “nanti” itu tiba.

Kalau kamu sudah membangun aplikasi dengan AI app builder dan kamu sedang menatapnya sambil bertanya-tanya apakah perlu menambahkan tracking, tulisan ini untukmu. Kita akan membahas kapan mulai, apa yang dilacak, apa yang diabaikan, dan cara paling sederhana untuk melakukannya tanpa harus menjelma jadi orang data.

Jawaban sesingkat-singkatnya

Tambahkan analytics dasar ke aplikasi buatan AI-mu di hari pertama, sebelum kamu punya pengguna sama sekali. Bukan dashboard mewah. Bukan heatmap perilaku. Hanya tiga atau empat hal saja. Nanti kita bahas yang mana.

Alasan melakukannya sebelum rilis murni praktis: jauh lebih mudah menambahkan tracking ke aplikasi yang penggunanya nol dibandingkan menempelkannya belakangan ke aplikasi yang sudah berjalan dan diandalkan orang. AI builder-mu bisa memasangnya dengan rapi saat aplikasinya masih kecil. Begitu sudah ada pengguna sungguhan yang memakainya, setiap perubahan terasa lebih berisiko dan kamu akan terus menundanya.

Kenapa orang melewati ini dan kenapa seharusnya tidak

Alasan paling umum founder non-teknis melewatkan analytics adalah karena mereka malu betapa sedikit penggunanya. Mereka berpikir, Aku akan menambahkan analytics begitu angkanya tidak lagi memalukan. Ini justru terbalik. Kamu sedang berusaha mencapai angka yang tidak memalukan. Tanpa analytics, kamu tidak bisa tahu apakah ada satu pun hal yang kamu lakukan berhasil.

Alasan kedua adalah karena tools analytics terlihat menakutkan. Kamu mendengar “Google Analytics”, “Mixpanel”, “PostHog”, “Amplitude”, lalu matamu langsung berkunang-kunang. Kebanyakan tools ini dibuat untuk product manager di perusahaan beranggotakan dua belas orang yang pekerjaannya cuma menatap grafik. Kamu tidak butuh itu. Kamu butuh tahu empat hal, dan hampir semua tools akan memberitahumu keempat hal itu.

Empat hal yang dilacak di hari pertama

Kalau aplikasi buatan AI-mu mirip dengan yang biasa kulihat — sebuah SaaS kecil, sebuah internal tool, sebuah marketplace, sebuah direktori, sebuah produk niche — inilah empat angka yang benar-benar penting di awal.

1. Berapa banyak orang yang mendarat di aplikasi

Ini yang paling sederhana. Hanya “berapa banyak orang unik yang mengunjungi homepage hari ini”. Kebanyakan tools analytics memberimu angka ini secara gratis begitu kamu memasangnya. Ini adalah penyebut untuk segala hal lainnya.

Kamu akan tergoda menatap angka ini secara obsesif. Jangan. Angka ini berisik dari hari ke hari. Lihat tren mingguannya.

2. Berapa banyak dari mereka yang mendaftar (atau mengambil “langkah nyata pertama”-mu)

Apa pun komitmen pertama yang diminta aplikasimu — mendaftar, memulai free trial, membuat proyek pertama mereka, memesan demo — lacak kapan itu terjadi. Inilah conversion event-mu.

Kalau kamu rilis dengan 100 pengunjung dan 4 pendaftar, tingkat pendaftaranmu 4%. Itu angka yang sekarang bisa kamu coba dongkrak. Kalau kamu rilis dengan 100 pengunjung dan kamu tidak tahu berapa yang mendaftar, kamu tidak punya apa pun untuk dioptimasi.

3. Berapa banyak dari mereka yang kembali keesokan harinya (atau minggu berikutnya)

Ini angka terpenting yang tak seorang pun lacak di awal. Namanya retention, dan untuk aplikasi buatan AI, ini sering kali jadi hal yang diam-diam memberitahumu apakah kamu punya sesuatu yang nyata atau sekadar membangun mainan sekali pakai.

Kamu tidak butuh yang macam-macam di sini. Cukup: dari orang yang mendaftar minggu ini, berapa banyak yang kembali minggu berikutnya dan melakukan sesuatu? Kalau jawabannya kira-kira nol, kamu punya masalah yang tidak akan bisa diperbaiki oleh seberapa banyak pun trafik homepage.

4. Di mana orang berguguran

Kalau kamu punya alur apa pun — pendaftaran, onboarding, tugas pertama, checkout — lacak setiap langkah. Bukan setiap klik. Hanya langkah-langkah yang punya nama. Jadi kamu bisa melihat: 100 memulai pendaftaran, 80 memasukkan email mereka, 50 mengonfirmasinya, 20 sampai ke dashboard.

Funnel itu adalah satu-satunya tools debugging paling berguna yang pernah kamu miliki untuk aplikasi buatan AI, karena ia memberitahumu persis di mana harus fokus. Kalau 100 memulai pendaftaran dan 80 memasukkan email tapi hanya 50 yang mengonfirmasi, kamu punya masalah email (mungkin email konfirmasinya masuk spam, mungkin email itu tidak terkirim). Sekarang kamu punya sesuatu yang spesifik untuk diminta diperbaiki oleh AI builder-mu.

Apa yang diabaikan

Inilah yang tidak perlu dilacak saat kamu baru mulai, karena akan membuang-buang waktumu dan membuatmu merasa harus melakukan lebih banyak daripada yang seharusnya:

• Setiap klik tombol. Kamu tidak perlu tahu bahwa 14 orang mengklik tautan “Tentang”. Kamu tidak akan pernah memakai data itu.
• Waktu di halaman. Kedengarannya berarti, padahal tidak. Seseorang yang membiarkan tab terbuka sambil pergi makan siang terhitung sebagai “20 menit terlibat”.
• Bounce rate. Sungguh berguna untuk situs konten; sebagian besar cuma kebisingan untuk produk berbentuk aplikasi.
• A/B test. Jangan lakukan ini sampai kamu punya ratusan pengguna per varian per minggu. Kamu tidak bisa A/B test dengan delapan pengguna.
• Demografi, kedalaman scroll, heatmap. Berguna pada akhirnya. Bukan sekarang.

Pegangan praktisnya: kalau sebuah metrik tidak akan mengubah keputusan yang kamu ambil minggu ini, jangan dulu lacak.

Cara menambahkannya beneran (versi non-teknis)

Kebanyakan AI app builder membuat ini gampang sampai-sampai mencurigakan. Kamu beri builder-nya sebuah kalimat seperti:

“Tambahkan analytics tracking. Pakai [nama tool]. Lacak saat seseorang mengunjungi homepage, saat mereka mendaftar, saat mereka kembali dan login, dan di setiap langkah alur onboarding.”

Kalau kamu memakai tools seperti PostHog atau Plausible, mereka akan menghasilkan potongan kode kecil (satu atau dua baris) yang masuk di bagian head aplikasi. AI builder-mu bisa menempelkannya untukmu. Kalau kamu memakai Google Analytics, sama saja — Google memberimu sebuah snippet, kamu beri snippet itu ke builder-mu, builder-mu memasangnya.

Untuk event yang punya nama (pendaftaran, login, langkah onboarding), kamu mendeskripsikannya dalam bahasa Indonesia biasa. “Saat pengguna menyelesaikan formulir pendaftaran dengan sukses, kirim sebuah event bernama signup_completed.” Builder-nya yang menulis kodenya. Bukan kamu.

Tiga tools yang akan kupertimbangkan untuk aplikasi buatan AI yang baru, berurutan:

1. Plausible — Sangat sederhana, ramah privasi, punya dashboard yang bersih. Jalur terpendek dari nol analytics ke analytics yang berguna. Biayanya sekitar 9 dolar/bulan.
2. PostHog — Gratis sampai batas yang cukup murah hati, lebih bertenaga, memungkinkanmu membuat funnel dan retention tanpa keluar dari dashboard. Layak begitu kamu punya funnel sungguhan untuk dilacak.
3. Google Analytics 4 — Gratis, ada di mana-mana, menyakitkan untuk dipelajari. Pakai ini kalau kamu akan menjalankan marketing dan butuh integrasinya. Lewati saja kalau tidak.

Pilih satu. Jangan pasang dua. Dua tools analytics itu dua kali kerjanya dan nol kali wawasannya.

Disiplin yang benar-benar membuahkan hasil

Inilah hal yang mengubah analytics dari latihan kesia-siaan menjadi tools yang berguna: kamu harus melihatnya secara terjadwal.

Sekali seminggu, duduklah selama 15 menit dan jawab empat pertanyaan:

1. Berapa banyak orang yang mengunjungi minggu ini dibanding minggu lalu?
2. Berapa banyak yang mendaftar?
3. Dari pendaftar minggu lalu, berapa banyak yang kembali?
4. Di bagian alur mana orang berguguran?

Itu saja. Jangan coba-coba “mengeksplorasi data”. Jangan buka sepuluh laporan. Jawab keempat pertanyaan itu, tulis angkanya di aplikasi catatan atau spreadsheet, lalu lanjutkan. Setelah empat minggu, kamu akan melihat tren. Setelah delapan minggu, kamu akan tahu mana perubahanmu yang berhasil dan mana yang tidak.

Founder yang kusebut di awal tulisan ini menambahkan Plausible ke aplikasi studio Pilates-nya pada hari Senin setelah percakapan kami. Butuh sekitar 20 menit — sebagian besar dihabiskan untuk memberitahu AI builder cara menamai event-nya. Dua minggu kemudian ia bisa memberitahuku dengan pasti bahwa tiga pendaftar terbaiknya berasal dari satu postingan Instagram yang dibuat seorang pelanggan, bahwa tidak ada yang menyelesaikan onboarding karena langkah ketiga meminta metode pembayaran terlalu dini, dan bahwa dari 11 studio aktifnya, 7 sudah kembali ke aplikasi setidaknya tiga kali. Tak satu pun dari fakta itu ada sebelum ia menambahkan analytics. Semuanya mengubah apa yang ia lakukan berikutnya.

Kamu tidak butuh dashboard dengan 40 grafik. Kamu butuh tahu apakah bendanya hidup. Tambahkan keempat angka itu. Lihat sekali seminggu. Sisanya bisa menunggu.