Nakama Creative Lab

Analisis

Membaca performa konten dengan benar — dari mindset analisis, menyiapkan benchmark & konteks, membaca data runut, menemukan pola, sampai mengubahnya jadi keputusan.

5 bab · 21 materi · gratis

Bab 1

Pondasi Mindset Analisis

Cara berpikir analisis: dari sekadar lihat angka jadi cari alasan.

  1. 1Apa itu analisis performa (dan kenapa lihat angka views belum tentu analisis)Setiap hari kamu lihat angka di dashboard, tapi melihat angka dan menganalisis itu dua aktivitas yang beda.
  2. 2Angka tanpa konteks itu angka mati: kenapa 10.000 views sendiri nggak berarti apa-apaKalau ada yang bilang "videonya dapat 10 ribu views", jawaban paling jujur yang bisa kamu kasih adalah: "itu bagus atau jelek?"
  3. 3Beda data, informasi, dan insight dalam konteks performa kontenMengumpulkan banyak angka bukan jaminan kamu paham apa yang terjadi. Banyak orang punya tumpukan data, tapi nol insight.
  4. 4Anti-generik: kenapa engagement-nya bagus itu bukan temuan"Engagement-nya bagus." Kalimat ini terdengar seperti kesimpulan analisis. Padahal dia tidak mengandung satu pun informasi yang bisa dipakai.
  5. 5Obsesi pada kenapa: kebiasaan kecil yang membedakan analis dari pengumpul angkaAda satu kebiasaan kecil yang memisahkan orang yang cuma melapor dari orang yang benar-benar menganalisis. Mereka tidak berhenti di jawaban pertama.

Bab 2

Menyiapkan Fondasi Sebelum Menganalisis

Siapkan tujuan, benchmark, dan konteks sebelum buka data.

  1. 1Tetapkan tujuan analisis dulu sebelum buka data apa punKebanyakan orang buka dashboard dulu, baru bingung mau cari apa. Urutannya kebalik, dan itu sumber kenapa banyak analisis berakhir buntu.
  2. 2Benchmark: kenapa kamu butuh pembanding sebelum bilang bagus atau jelekTanpa pembanding, kata "bagus" cuma perasaan. Benchmark adalah garis yang mengubah perasaan jadi penilaian.
  3. 3Konteks konten itu wajib: hook, CTA, format, dan kenapa metrik telanjang menipuAngka performa yang dicatat tanpa detail kontennya akan jadi misteri yang tidak bisa kamu pecahkan tiga bulan kemudian.
  4. 4Metrik mana yang dipakai untuk apa (views, engagement, share, save, retention)Tiap metrik menceritakan hal yang berbeda. Salah baca metrik bikin kamu menarik kesimpulan yang keliru dari data yang benar.

Bab 3

Membaca Data Secara Runut

Baca data secara runut: dari gambaran besar ke kesimpulan.

  1. 1Urutan berpikir yang nggak boleh diloncat: dari gambaran besar ke kesimpulanKesalahan paling umum dalam analisis bukan salah hitung. Kesalahan paling umum adalah meloncat, langsung dari angka mentah ke kesimpulan tanpa melewati tahap di tengah.
  2. 2Mulai dari overview: membaca performa secara keseluruhan duluSebelum menyelami satu konten, lihat dulu seluruh hutan. Overview adalah peta yang mencegahmu tersesat di satu pohon yang kebetulan menarik.
  3. 3Ranking yang jujur: bukan sekadar urut dari angka terbesarMengurutkan konten dari views terbesar ke terkecil itu gampang dan terasa seperti analisis. Tapi ranking satu metrik sering menyembunyikan juara yang sebenarnya.
  4. 4Membandingkan antar periode: naik atau turun dari biasanya?Satu foto tidak menunjukkan arah. Kamu butuh beberapa foto berurutan untuk tahu sesuatu sedang naik, turun, atau cuma bergoyang di tempat.

Bab 4

Menemukan Pola

Mengenali pola dari banyak konten, bukan dari satu yang viral.

  1. 1Apa itu pola, dan kenapa satu konten viral belum tentu polaSatu konten viral itu kabar baik. Tapi dijadikan dasar keputusan, dia rapuh. Satu kejadian belum tentu sebuah pola, dan keputusan yang dibangun di atas satu kejadian gampang runtuh.
  2. 2Mengenali pola dari kumpulan konten (bukan dari satu yang menonjol)Pola tidak muncul dari menatap satu konten lama-lama. Pola muncul saat kamu menjajarkan beberapa konten dan mencari kesamaan yang tadinya tidak kelihatan.
  3. 3Pola kehadiran vs pola ketidakhadiran: yang muncul dan yang absen di top contentKebanyakan orang mencari pola dari apa yang muncul di konten sukses. Lebih sedikit yang sadar bahwa apa yang tidak pernah muncul di sana juga sebuah pola, dan sering pola yang paling berguna.
  4. 4Korelasi bukan sebab-akibat: jebakan paling umum dalam membaca polaDua hal yang muncul bersamaan belum tentu yang satu menyebabkan yang lain. Ini jebakan paling umum dalam membaca data, dan paling halus karena sering terasa masuk akal.

Bab 5

Dari Pola ke Kesimpulan dan Saran

Ubah pola jadi kesimpulan & saran yang bisa ditindaklanjuti.

  1. 1Menarik kesimpulan yang bisa di-trace balik ke dataKesimpulan yang bagus selalu bisa kamu telusuri balik ke datanya. Kalau ada kesimpulan yang muncul tiba-tiba tanpa jejak ke data, itu bukan kesimpulan, itu opini yang menyamar.
  2. 2Jujur soal tingkat keyakinan: pola kuat vs baru dugaanTidak semua temuan punya bobot yang sama. Sebagian kamu yakini kuat karena banyak bukti, sebagian masih dugaan awal. Mencampur keduanya seolah sama kuatnya itu menyesatkan.
  3. 3Saran yang actionable: dari oh gitu jadi besok ngapainAnalisis yang berhenti di "oh, gitu ya" belum selesai. Pekerjaannya baru selesai saat temuan berubah jadi "berarti besok kita ngapain".
  4. 4Menutup loop: kenapa analisis yang nggak dipakai itu sia-siaAnalisis paling tajam pun tidak berharga kalau hasilnya cuma diarsipkan. Nilai sebuah analisis baru terwujud saat dia mengubah konten yang kamu buat berikutnya.