Andai saja ada semesta paralel dan kita bisa memutar balik waktu
Analitix terbitan #4
Apakah kampanye yang kita lakukan kemarin berdampak pada jumlah kunjungan web?
Bayangkan jika kita dihadapkan pada keadaan yang tak memungkinkan kita untuk melakukan eksperimen A/B. Bisa jadi karena ongkos pembuatan (waktu dan tenaga produktif) eksperimen A/B terlalu besar. Bisa jadi biaya peluang terlalu tinggi (biaya yang timbul akibat hilangnya kesempatan, semisal intervensi yang kita lakukan berdampak positif). Atau alasan lainnya. Sehingga, mau tak mau, intervensi yang kita lakukan akan menyasar ke semua orang sekaligus. Intervensi itu bisa jadi berupa kampanye. Andai saja ada semesta paralel, barangkali kita bisa membandingkan hasil intervensi kita di semesta pertama dengan hasil di semesta kedua yang tanpa intervensi. Andai kita bisa memutar balik waktu untuk bisa melakukan satu intervensi di pembalikan waktu dan membandingkannya. Tapi keduanya adalah pengandaian yang mustahil. Lalu bagaimana menjawab pertanyaan di atas? Pertanyaan apakah kampanye berdampak pada jumlah kunjungan web adalah persoalan kausalitas. Cara yang bisa dipakai untuk menjawab pertanyaan ini adalah dengan melakukan analisis kontrafaktual untuk mengambil kesimpulan kausalitas. Kontrafaktual, maksudnya, membandingkan apa yang terjadi (fakta) dengan apa yang terjadi jika intervensi tidak dilakukan. Prediksi kontrafaktual perlu dilakukan untuk mengetahui bagaimana metriks respons berkembang setelah waktu intervensi dilakukan jika intervensi itu tidak dilakukan. Dalam konteks pertanyaan ini berarti, bagaimana jumlah kunjungan jika tak ada kampanye apa pun yang dilakukan. Ada package R yang membantu kita untuk bisa melakukan analisis macam ini. Namanya CausalImpact. Ini ada videonya. Contoh analisis yang bagus dapat kita jumpai di laman penelitian dari Yayasan Wikimedia. Bisa dilihat di sini: https://wikimedia-research.github.io/Audiences-New_Readers-Hindi_Video_Campagin-April_2018/.
Minta insight-nya, dong
Insight. Kata ini sering keluar dari mulut kolega, terbaca di surel, atau pesan di Slack. Insight atau saripati adalah pemahaman tentang sifat sebenarnya dari sesuatu. Tak semua data atau informasi dapat diartikan sebagai insight, tapi banyak sekali perusahaan yang seolah-olah abai terhadap itu. Yanir Seroussi, seorang ilmuwan data Automattic menulis terkait hal ini. Dia menyoal tentang penamaan insight untuk laman-laman yang berisi data atau statistik. Ada tiga contoh yang dipakai olehnya: WordPress, Facebook, dan LinkedIn. Dia menyematkan istilah pseudo-insight untuk laman macam itu, dan berpendapat bahwa hal itu mungkin tak bisa dilepaskan dari makin terkomodifikasikannya analitika dan, mengutip Yanir, “lebih mudah untuk mengubah merek dasbor analitika sebagai dasbor insight ketimbang memberikan insight yang nyata.” Tulisan itu bisa dibaca di sini: https://yanirseroussi.com/2015/12/08/this-holiday-season-give-me-real-insights/.
SQL tingkat lanjut
Persoalannya bukan lagi tentang mempelajari sintaks baru, tapi mempelajari bagaimana cara membuat kueri SQL jadi lebih mudah dipelihara, dibaca, dan dipercaya. Tulisan ini akan membantu mengantarkan anda mencapai itu: https://medium.com/better-programming/how-to-build-advanced-sql-798d615ba323
Menyusun formulir permintaan analitika
Di dunia ini, tak baik sendirian dan bukan cuma analis seorang yang mesti bertugas untuk berpikir. Peminta data atau analisis juga mesti berpikir sebelum meminta sesuatu. Formulir semacam ini akan membantu mereka , sekaligus juga membantu kita: https://caitlinhudon.com/2020/09/16/data-intake-form/. Yang mesti dipikirkan selanjutnya adalah bagaimana orang lain mau meminta data atau analisis melalui formulir ini.
Barang di rak depan lebih laku 12% ketimbang barang di rak belakang
Lalu apakah jika kita memindah barang dari rak belakang ke depan, akan menaikkan penjualannya menjadi 12%? Jika barang yang ada di depan adalah barang acak yang tidak dipilih berdasarkan kriteria-kriteria tertentu seperti buku best seller, misalnya, mungkin saja iya. Tapi kita mesti berhati-hati. Melihat perbandingan dalam persentase bisa jadi membawa kita pada kesimpulan yang keliru. Kehati-hatian dalam mengambil kesimpulan itu diperlukan, dan dua tulisan bersambung ini akan membantu anda untuk mencapai itu Bagian I dan Bagian II.
Hi, Saya Ed. Terima kasih sudah berlangganan dan membaca nawala Analitix. Ini terbitan keempat. Saya sangat mengharapkan masukan dari anda terkait nawala ini. Terutama untuk menyesuaikan konten dengan kebutuhan pembaca. Sila ketuk di sini untuk beri masukan atau sekadar berkenalan.
