Salah satu kesalahan terbesar startup adalah terlalu fokus pada Vanity Metrics seperti "Total User". Angka ini selalu naik, tapi menyembunyikan kebenaran yang menyakitkan: Seberapa banyak user yang bertahan?
Dalam studi kasus ini, saya ditugaskan untuk menyelidiki mengapa pertumbuhan revenue stagnan meskipun user baru terus berdatangan. Jawabannya bukan pada grafik garis biasa, tapi pada Cohort Analysis.
Langkah 1: The SQL Query
Saya tidak menggunakan drag-and-drop tools. Saya menulis query SQL kompleks untuk mengelompokkan user berdasarkan bulan pertama mereka mendaftar (Cohort Month) dan melacak aktivitas mereka di bulan-bulan berikutnya.
SELECT
user_id,
DATE_TRUNC('month', created_at) as cohort_month,
DATE_TRUNC('month', activity_date) as activity_month
FROM transactions
)
-- Query berlanjut untuk menghitung retention rate...
Temuan: "The Month-3 Drop"
Setelah memvisualisasikan data tersebut menggunakan Heatmap di Python (Seaborn), pola mengejutkan muncul:
"Retensi user stabil di angka 80% pada Bulan 1 dan 2. Namun, jatuh drastis ke angka 30% tepat di Bulan ke-3."
Ini bukan kebetulan. Setelah berdiskusi dengan tim produk, kami menemukan bahwa diskon pengguna baru berakhir tepat setelah 3 bulan. Namun, user tidak merasa mendapatkan nilai lebih (value) setelah harga normal berlaku.
Rekomendasi & Hasil
Berdasarkan data ini, saya merekomendasikan strategi Lifecycle Marketing baru: mengirimkan email edukasi fitur premium pada minggu ke-10 (sebelum diskon habis).
Hasilnya? Dalam 2 bulan penerapan, retensi bulan ke-3 meningkat dari 30% menjadi 55%. Data menyelamatkan pendapatan perusahaan.