Syntax
Idea: p�ISSN: 2684-6853 e-ISSN: 2684-883X�
Vol. 3, No. 9, September
2022
Dzikriyana
Zuhdia Aziz, Feri Sulianta
Departemen Informatika, Universitas Widyatama,
Indonesia
Email: [email protected],
[email protected]
�
Abstrak
Didapati
beberapa instansi atau perusahaan masih melakukan analisa data manual dengan
menggunakan platform yang kuran efisien. Hal tersebut memiliki beberapa
kekurangan seperti lambatnya melakukan analisa data dan melakukan reporting,
dengan demikian diperlukan adanya platform dan proses integrasi yang mudah
untuk di gunakan dalam proses olah data dan reporting, karena dalam prosesnya
masih banyak platform yang sulit digunakan dan membuat lambatnya proses analisa. Maka pada penelitian ini digunakan Google Cloud Platform
seperti Google Analytic, BigQuery & Data Studio sebagai platform untuk
memudahkan para marketeer dan analis melakukan pengolahan data pada KPI &
Metric yang telah mereka tentukan. Google Analytics memiliki skema tersendiri terkait
nama tabel yang digunakan untuk eksekusi query, ini memudahkan para pengguna
untuk dapat lebih cepat melakukan akses kepada data yang akan di cari. Jika
disederhanakan pada kebutuhan KPI & Metric oleh marketeer dapat digunakan
Kata kunci: BigQuery; Cloud; Data
Abstract
There are several agencies or companies
still use perform manual data analysis using an
inefficient platform. This has several drawbacks such as slow data analysis and
reporting, thus it is necessary to have a platform and integration process that
is easy to use in the data processing and reporting process, because in the
process there are still many platforms that are difficult to use and make the
analysis process slow. So in this research, Google Cloud Platforms such as
Google Analytic, BigQuery & Data Studio are used as a platform to make it
easier for marketers and analysts to process data on the KPIs & Metrics
that they have determined. Google Analytics has its own schema regarding the
table names used for query execution, this makes it
easier for users to access the data they are looking for more quickly. If it is
simplified to KPI & Metric needs by marketeers it can be used
Keywords: BigQuery; Cloud; �Data
Pendahuluan���������������������������������������������������
Digital marketing merupakan konsep impelementasi digital
untuk pemasaran produk atau jasa, perkembangannya saat ini terbilang cukup
pesat dalam beberapa tahun terakhir (Iqbal, n.d.2021).
Dari survei yang dilakukan oleh Gartner, Inc., kedepannya akan
ada dominasi peningkatan pengeluaran anggaran untuk menggunakan layanan digital
marketing campaign selama beberapa tahun kedepan. Digital marketing campaign� menjangkau banyak saluran,
data yang luas telah membawa pentingnya mengidentifikasi pengeluaran pemasaran
yang optimal dan dampaknya terhadap pengoptimalan pemasaran dan penjualan. Saat
ini marketeer dan analis tidak hanya tertarik untuk memahami dan belajar
menyeluruh mengenai performa website mereka dari laporan yang di hasilkan,
tetapi terdapat permintaan yang meningkat untuk menerima pembaruan waktu nyata
yang berkaitan dengan pemasaran dan periklanan (Bengel, Shawki, & Aggarwal, 2015).
Dari semua itu untuk mendapatkan insight terbaik membutuhkan KPI dan Metrik, apa itu KPI dan Metrik? Didefinisikan
sebagai patokan ukuran yang menunjukkan seberapa baik & efektif untuk
mencapai tujuan utama bisnis. Dan apapa itu Metrik?
Metrik adalah - sistem atau standar pengukuran. Metrik adalah ukuran penilaian kuantitatif yang biasa digunakan
untuk menilai, membandingkan, dan melacak kinerja atau produksi (Singh et al.,
2019). Strategi
transformasi digital berbasis data memanfaatkan alat analitik dan kekuatan data
yang handal dan tepat waktu untuk memberikan wawasan baru, kreativitas, dan
pengambilan keputusan yang lebih cepat. Efeknya adalah efisiensi yang
lebih besar bagi perusahaan dan keunggulan kompetitif yang meningkat.
Teknologi analitik berbasis cloud baru memungkinkan pertanyaan yang melibatkan
berbagai sumber data dapat di olah secara ekonomis. Dari kegunaan yang telah
disebutkan Google platform dapat menjadi solusi (Tawqeer & Murthy, 2020)Salah satu contoh sukses yang pernah dilakukan adalah Mataharimall yang
sudah melakukan implementasi real pada kebutuhan pencapaian KPI & Metric
mereka, seperti ROAS, CPC, CTR dan lainnya, menggunakan Google Analytics,
BigQuery dan Data Studio. Karena sebelumnya mereka banyak
melakukan reporting manual yang cukup menyulitkan dan memakan banyak waktu (OWOX BI, 2018). Dengan demikian untuk jawaban kebutuhan data digital yang digunakan pada
digital marketing terutama KPI & metric dapat di lihat, di olah
& di visualisasikan menggunakan Google platform terutama Google Analytics,
BigQuery dan Data Studio.
Ini bertujuan untuk mengenalkan pengolahan dan penyampaian data yang lebih
besar untuk para digital marketeer agar dapat memaksimalkan penggunaan
olah data yang lebih cepat & efisien (Chaffey & Smith, 2017).
Metode Penelitian
Menganalisis data
yang diperoleh dari web menjadi keharusan ketika kampanye digital marketing
dijalankan melalui platform berbasis web atau �situs media sosial. Langkah pertama
dalam proses ini adalah memasukkan alat pelacak dengan kode sumber situs web
setelah itu hasil yang dihasilkan dapat diekspor ke format file yang sesuai. Saat
ini marketeer dan analis tidak hanya tertarik untuk mendapatkan dan mempelajari
hal menyeluruh tentang kinerja berbasis tag pada website mereka, dari laporan
yang dibuat secara berkala. Terdapat juga permintaan yang menerima pembaruan real
time yang berkaitan dengan pemasaran dan periklanan (Bengel et al, 2015).
Implementasi sistem Google platform yang akan
digunakan para marketeer dan analis perlu di integrasikan terlebih dahulu
karena dari setiap platfom yang dugunakan memiliki fungsi yang berbeda. Google analytics adalah platform yang semakin banyak digunakan
untuk memantau konten berbasis web. Ini adalah
aplikasi linier untuk dijalankan dan dapat digunakan untuk memeriksa blog serta
situs web. Ini menyediakan korelasi data yang komprehensif dan membantu
mengubah kueri (Sachin� 2020)Ini
akan memungkinkan untuk memiliki pemahaman yang lebih baik dan terpadu tentang
konsumen dalam satu platform analitik, lalu data mentah dari Google Analytics
dapat diekspor ke BigQuery yang merupakan data warehouse berbasis cloud
yang memungkinkan analisis skalabel dengan data yang besar secara gratis. Ini membuka peluang besar untuk marketeer
& analisis mendalami tentang perilaku konsumen di situs web dan aplikasi
seluler �(Digital Brunch, 2022)
Dalam kasusus observasi
ini, data dapat menggunakan dari platform Google Analytics & BigQuery yang
nantinya hasil dan report akan di visualisasikan pada Data Studio (Schinzel, 2022).
1. Integrasi Platform
Google Analytics dan BigQuery merupakan sama-sama platform dari produk
Google. karena itu, ada juga solusi migrasi data yang sudah ada
sebelumnya untuk mendapatkan informasi dari Google Analytics ke BigQuery. Ini
dikenal sebagai BigQuery Data Transfer
Service (Ghahremani-Nahr & Nozari, 2021)
Gambar 1
Framework
Integrasi
Proses sederhana
bagaimana integrasi untuk flow data tersambung. Google Analytics akan menerima data dari
website yang akan digunakan oleh marketeer dan analis nanti. Untuk menggunakan
layanan transfer data dari Google Analytics ke BigQuery dan memigrasikan data,
perlu menyiapkan Google Analytics Property Setup. Untuk integrasi pada BigQuery
dan Data Studio dapat dilakukan dengan authorize data dari BigQuery ke Data.
2. �Pemilihan Data
Karena ini
merupakan proses observasi dan pengenalan platform kepada marketeer dan analis
sehingga dapat digunakan data existing mengenai marketing yang sudah disediakan
pada Google Analytics yang data dapat di ambil dari public dataset yang sudah
disediakan Google, disini terdapat raw data yang bisa di ambil untuk dijadikan
bahan penggunaan oleh para marketeer dan analis (Support Goggle, 2022)
Data yang digunakan bisa dilihat pada gambar 2.
Gambar 2
Dataset
Hasil dan Pembahasan
Perlu diketahui bahwa
Google Analytics memiliki skema tersendiri terkait nama
tabel yang digunakan untuk eksekusi query, ini memudahkan para pengguna untuk
dapat lebih cepat melakukan akses kepada data yang akan di cari. Jika disederhanakan pada kebutuhan KPI & Metric oleh marketeer
dapat digunakan. Google platfom memberikan banyak opsi terkait media
data yang di gunakan mulai dari integrasi langsung Google analytics ke Data
Studio maupun menggunakan file spread sheet (Suhada, Kurniati, Pramadi, & Listiawati, 2020).
Pada gambar 3 proses pemilihan integrasi data dapat dipilih dari berbagai
sumber, untuk pengolahan data yang besar disarankan menggunakan integrasi
melalui BigQuery dikarenakan dapat melakukan custom query yang dapat dilakukan
pada menu platform Data Studio. Contoh yang digunakan seperti pemilihan select
untuk melihat tabel visitor berdasarkan channel grouping yang akan di
perlihatkan datanya (Annisa, 2020).
Gambar 3
Custom
Query Pada Data Studio
Jika KPI yang
berhubungan dengan result dari hasil kalkulasi klik, revenue, ataupun
pengunjung seperti session, engagement dapat dilakukan dengan custom query atau
melakukan perubahan rumus dan nilai pada Data Studio (Komputer, 2010).
Setelah mencoba mimilih query untuk memilih tabel yang berisi data visitor
dapat dilakukan pemilihan chart yang sesuai pada gambar 4 di Data studio. Nantinya data dapat disesuaikan Kembali di data
source dan chart yang ada pada Data studio. Blend data juga dapat dilakukan
jika ingin menambahkan tabel dan metric baru untuk di kombinasikan dengan yang
lain. Pemilihan tampilan visual pada Data Studio beragam, dapat di sesuaikan
dengan kebutuhan data yang ingin digunakan (Oka, 2022).
Gambar 4
Visual
Pada Data Studio
Pada gambar 5 di bawah
allternatif yang bisa dilakukan untuk yang baru mememakai Google Platform maka
bisa memilih data dari sumber yang lain seperti memilih langsung dari Google
Analytics atau masih ingin menggunakan format sheet karena memang data bawaan
yang terbatas.
Gambar 5
Custom
Query Pada Data Studio KPI
& Metric yang Dapat Digunakan (Singh et al., 2019)
Setelah semua data SQL
di olah pada BigQuery biasanya data akan di sampaikan
untuk dibaca sesuai KPI & Metric yang sudah di tentukan. Hal tersebut
dilakukan untuk mempermudah proses data yang akan di
visualisasikan supaya para marketeer dan analis mudah untuk membuat laporan dan
dapat cepat melakukan keputusan. Tabel 1 memperlihatkan
beberapa metric yang biasanya digunakan oleh marketeer dan analis.
KPI
& Metric
|
Visits
Per Marketing Channel |
|
Event Session |
|
User Engagement |
|
Views |
|
Session |
Pada proses penentuan KPI &
Metric ada beberapa poin menjadikan hal yang penting, yang perlu dilakukan
adalah seperti mengumpulkan data, mendapatkan informasi dengan mengekstrak
data, penggunaan rasio yang dibutuhkan masing masing organisasi untuk indikator
kinerja dan merumuskan hasil strategi (Singh, D., Kumari, M., Singh, J.,
Gyaneshwar, D., & Kushwaha, 2019)
Jika semua data
yang kita butuhkan sudah siap digunakan, maka visualisasi dapat dilanjutkan
kembali dengan kebutuhan yang dapat di sesuaikan. Visualisasi
juga membutuhkan teknik supaya dari KPI & Metric yang digunakan bisa mudah
dijelaskan dengan sesuai. Karena jika tidak, tampilan untuk report yang
kita buat malah akan terlihat mengganggu.
�
Gambar 6
Custom
Query Pada Data Studio
Kesimpulan
Dapat disimpulkan bahwa
penggunaan Google Cloud Platform dapat menekan harga, terintegrasi dengan
Google Platform lain, mudah di integrasikan, berbasis Cloud, mudah untuk digunakan
dan menyediakan report yang cepat, terutama platform untuk layanan data seperti
Google Analytics, BigQuery dan Data Studio. Pemilihan data set yang ingin
digunakan beragam untuk belajar Google Analytics dan BigQuery menyediakan data
set yang beragam lalu Data Studio dapat menerima data tidak hanya dari sesama
platform Google, itu semua dapat memudahkan proses business intelligence
terutama bagi marketeer dan analis yang ingin melakukan optimasi dalam
pengolahan data dan reporting.
Annisa, Ayu. (2020). Speech Act on Conversational Argumentation: A Study of Pragmatic In
Cable News Network.Google Scholar
Bengel, Andy, Shawki, Amin, & Aggarwal, Dippy.
(2015). Simplifying web analytics for digital marketing. 2015 IEEE International Conference on Big
Data (Big Data), 1917�1918. IEEE. Google Scholar
Bengel et al. (2015). EANM procedural guidelines for
radionuclide myocardial perfusion imaging with SPECT and SPECT/CT: 2015
revision. European Journal of Nuclear
Medicine and Molecular Imaging, 42(12),
1929�1940. Google Scholar
Bhosale, Sachin S., Sharma, Yogesh K., Kurupkar,
Farish, & Jhabarmal, S. J. (2020). Role of business intelligence in digital
marketing. International Journal of
Advance & Innovative Research, 7(1). Google Scholar
Brunch, Digital. (2022). Alone-together:
intergenerational mapping of digital and analogue spaces of self. Learning, Media and Technology, 1�18.
Google Scholar
Chaffey, Dave, & Smith, Paul Russell. (2017). Digital marketing excellence: planning,
optimizing and integrating online marketing. Routledge. Google Scholar
Ghahremani-Nahr, Javid, & Nozari, Hamed. (2021). A
Survey for Investigating Key Performance Indicators in Digital Marketing. International Journal of Innovation in
Marketing Elements, 1(1),
1�6. Google Scholar
Goggle, Support. (2022). Does the human ventromedial
prefrontal cortex support fear learning, fear extinction or both? A commentary
on subregional contributions. Molecular
Psychiatry, 27(2), 784�786.
Google Scholar
Iqbal, Muhammad. (n.d.). Implementasi Digital Marketing dalam Meningkatkan Jumlah Jamaah Umrah
dan Wisata Muslim pada PT Azza Barokah Madinah Jakarta Timur di masa COVID-19.
Fakultas Dakwah dan Ilmu Komunikasi Universitas Islam Negeri Syarif. Google Scholar
�������
Komputer, Wahana. (2010). Panduan Aplikatif dan Solusi Membuat Aplikasi Client Server dengan
Visual Basic 2008. Penerbit Andi. Google Scholar
Oka, Gde Putu Arya. (2022). Media dan multimedia pembelajaran. Pascal Books. Google Scholar
Schinzel, Ursula. (2022). Business Under Crisis:
Talent Management and Responsible Leadership in Luxembourg in Pandemic Times.
In Business Under Crisis Volume I
(pp. 201�221). Springer. Google Scholar
Singh, D., Kumari, M., Singh, J., Gyaneshwar, D.,
& Kushwaha, S. (2019). The Role of
KPIs and Metrics in Digital Marketing. Google Scholar
Suhada, Idad, Kurniati, Tuti, Pramadi, Ading, &
Listiawati, Milla. (2020). Pembelajaran daring berbasis Google Classroom
mahasiswa pendidikan biologi pada masa wabah Covid-19. Digital Library UIN Sunan Gunung Djati, 1�10. Google Scholar
Tawqeer, Munshi Mohammad, & Murthy, Chethana R.
(2020). Digital Intelligence on Google
Cloud Platform. Google Scholar
|
Dzikriyana Zuhdia Aziz, Feri Sulianta (2022) |
|
First
publication right: |
|
This
article is licensed under: |