Analitik dan Metrik dalam Pengembangan Seluler: Apa Itu, Indikator Apa, dan Cara Menggunakannya

Metrik Utama: DAU, Retention, LTV, ARPU

DAU, WAU, MAU

DAU (Pengguna Aktif Harian) — jumlah pengguna unik yang berinteraksi dengan aplikasi dalam satu hari. WAU — mingguan, MAU — bulanan. Metrik ini menunjukkan skala audiens. Sticky Factor = DAU/MAU menunjukkan «kelengketan» aplikasi: >50% — sangat baik, 20–50% — normal, <20% — aplikasi tidak mempertahankan pengguna.

Retention Rate

Retention — persentase pengguna yang kembali ke aplikasi N hari setelah instalasi. Poin penting: D1 (hari 1), D7 (hari 7), D30 (hari 30). Nilai normal untuk aplikasi seluler: D1 — 30–40%, D7 — 10–20%, D30 — 5–10%. Churn Rate adalah indikator kebalikannya (persentase pengguna yang pergi). Retention adalah metrik utama kualitas produk. Jika Retention rendah, menarik pengguna baru tidak ada artinya.

LTV dan ARPU

LTV (Lifetime Value) — pendapatan yang diproyeksikan dari satu pengguna selama seluruh masa hidup di aplikasi. LTV = ARPU × Rata-rata Masa Hidup. ARPU (Pendapatan Rata-rata per Pengguna) — pendapatan rata-rata per pengguna. ARPDAU (Pendapatan Rata-rata per Pengguna Aktif Harian) — pendapatan per pengguna aktif per hari. LTV harus setidaknya 3 kali lebih tinggi dari CPI (Biaya per Instalasi) untuk profitabilitas aplikasi. Metrik ini sangat penting untuk monetisasi dan pembelian lalu lintas.

Conversion Rate

Conversion Rate — persentase pengguna yang melakukan tindakan target (pembelian, pendaftaran, langganan). CTR (Rasio Klik-tayang) — persentase klik pada spanduk iklan atau tombol. Session Length dan Session Interval — durasi sesi rata-rata dan interval antar sesi. Sesi pendek sering (aplikasi perpesanan, media sosial) vs sesi panjang jarang (video, pendidikan).

Alat Analitik: Firebase, Amplitude, Mixpanel

Firebase Analytics (Google)

Firebase Analytics — alat gratis dari Google untuk mengumpulkan peristiwa, audiens, dan laporan. Keunggulan: gratis (peristiwa tak terbatas), integrasi dengan Google Ads dan BigQuery, pengumpulan peristiwa otomatis (first_open, in_app_purchase, session_start). Firebase Analytics adalah pilihan terbaik untuk memulai dan analitik dasar. Untuk analisis data mendalam, gunakan BigQuery.

Amplitude

Amplitude — platform analitik produk yang berfokus pada perilaku pengguna. Analisis corong (Funnel Analysis), analisis kelompok (Cohort Analysis), analisis retensi (Retention Analysis), dan jalur perilaku. Paket gratis — hingga 10 juta peristiwa per bulan. Amplitude cocok untuk analitik produk tingkat lanjut.

Mixpanel

Mixpanel — mirip dengan Amplitude, dengan fokus pada peristiwa dan properti. Paket gratis — hingga 20 juta peristiwa per bulan (dengan batasan fitur). Di IT Sectr, kami menggunakan Firebase Analytics untuk analitik dasar (instalasi, pembelian, crash) dan Amplitude untuk analitik produk dan pengujian A/B.

Analitik Peristiwa: Event Tracking, Funnels, Cohorts

Event Tracking — pencatatan tindakan pengguna dalam aplikasi: klik, tampilan, pembelian. Setiap peristiwa memiliki nama (event_name) dan parameter (event_params). Peristiwa standar Firebase: screen_view, select_content, add_to_cart, purchase. Peristiwa kustom: level_up, share_photo, filter_applied.

Corong (Funnels) — urutan peristiwa yang mengarah ke tujuan seperti menyelesaikan onboarding atau membeli produk. Analisis corong (Funnel Analysis) menunjukkan di langkah mana pengguna keluar. Corong tipikal: Install → Sign Up → Add to Cart → Purchase. Jika keluar di Sign Up, masalahnya ada di pendaftaran.

Kelompok (Cohorts) — grup pengguna yang disatukan oleh karakteristik umum (tanggal instalasi, negara, sumber lalu lintas). Analisis kelompok (Cohort Analysis) memungkinkan perbandingan perilaku kelompok yang berbeda: Retention per hari untuk pengguna yang menginstal aplikasi di bulan Januari vs Februari. Properti Pengguna (User Properties) — atribut tambahan pengguna (langganan, level, negara).

Pelaporan Crash: Crashlytics, Sentry

Firebase Crashlytics — alat utama untuk melacak kesalahan dan crash dalam aplikasi seluler. Crashlytics mengumpulkan stack trace, log, dan data perangkat pada setiap crash. Kelebihan: gratis, integrasi otomatis dengan Firebase Analytics, pengelompokan dan prioritas crash (crash yang memengaruhi sebagian besar pengguna).

Sentry — alternatif untuk Crashlytics dengan dukungan luas untuk Flutter, React Native, dan framework lintas platform lainnya. Sentry tidak hanya mengumpulkan crash tetapi juga masalah kinerja (transaksi lambat). Integrasi dengan Git (Sentry → issue → commit). Di IT Sectr, kami menggunakan Crashlytics sebagai alat utama dan Sentry untuk proyek Flutter dan React Native.

Kesalahan Non-Fatal (Non-Fatal Errors) — kesalahan yang tidak menyebabkan crash tetapi mengganggu logika aplikasi (permintaan gagal, pointer null di try-catch). Penting untuk mencatatnya juga untuk mendapatkan gambaran lengkap tentang stabilitas aplikasi.

Pengujian A/B dan Eksperimen

Pengujian A/B — metode membandingkan dua versi layar atau fitur (A — kontrol, B — varian) untuk memilih yang lebih baik berdasarkan metrik target. Dalam pengembangan seluler, pengujian A/B dilakukan melalui Firebase Remote Config atau Amplitude Experiment. Durasi tes minimum — 7 hari (untuk memperhitungkan hari dalam seminggu).

Pengujian A/A — tes di mana kedua versi identik. Digunakan untuk memverifikasi kebenaran alat statistik. Pengujian Multivariat (MVT) — menguji beberapa perubahan secara bersamaan. Contoh: desain layar baru + teks tombol baru (4 kombinasi). MVT membutuhkan lebih banyak lalu lintas.

Signifikansi statistik (p-value < 0,05) — ambang batas minimum untuk pengambilan keputusan. Ukuran sampel tergantung pada efek yang diharapkan: untuk peningkatan 5%, diperlukan ~1000 pengguna di setiap kelompok. Di IT Sectr, kami melakukan pengujian A/B di setiap tahap pengembangan — ini secara sistematis meningkatkan metrik sebesar 10–15%.

Firebase Remote Config — alat untuk mengubah parameter aplikasi dari jarak jauh tanpa menerbitkan versi baru. Digunakan untuk pengujian A/B, peluncuran fitur bertahap, mengaktifkan/menonaktifkan fungsionalitas. Remote Config mendukung personalisasi berdasarkan audiens.