Analisis funnel adalah metode untuk menelaah bagaimana pengguna bergerak melalui urutan langkah yang telah ditentukan menuju tujuan tertentu, seperti pembelian, pendaftaran, atau langganan, guna mengidentifikasi di mana proporsi terbesar pengguna berhenti terlibat sebelum menyelesaikan tujuan tersebut. Funnel biasanya divisualisasikan sebagai serangkaian tahap, misalnya kunjungan landing page, tampilan produk, tambah ke keranjang, memulai checkout, dan pembelian, dengan jumlah atau persentase pengguna yang tersisa pada setiap tahap ditampilkan sehingga besarnya drop-off antara dua langkah berurutan langsung terlihat oleh siapa pun yang meninjau laporan, tanpa perlu menafsirkan tabel peristiwa mentah secara langsung atau menjalankan kueri terpisah untuk setiap tahap. Funnel dapat dibangun sebagai funnel tertutup, yang mengharuskan pengguna menyelesaikan setiap langkah secara berurutan agar dihitung, atau terbuka, yang memungkinkan pengguna masuk pada titik mana pun dalam urutan, dan pilihan di antara keduanya secara material mengubah cara persentase drop-off yang dihasilkan harus ditafsirkan.
Metode ini penting karena mengubah satu rasio konversi agregat menjadi alat diagnostik yang sesungguhnya. Mengetahui bahwa sebuah situs web berkonversi 2 persen secara keseluruhan hanya sedikit memberi tahu apa yang secara spesifik harus diperbaiki, sedangkan mengetahui bahwa 60 persen pengguna meninggalkan proses tepat di antara melihat biaya pengiriman dan menyelesaikan pembayaran memberikan target konkret yang dapat diuji untuk sprint tim berikutnya. Analisis funnel karena itu menjadi teknik utama untuk berpindah dari menyadari adanya masalah konversi ke memahami dengan tepat di mana dalam perjalanan pengguna masalah itu berasal, yang merupakan langkah pertama yang perlu dilakukan sebelum perubahan desain atau konten apa pun dapat diprioritaskan secara wajar di atas gagasan lain yang bersaing. Meninjau funnel yang sama dari periode ke periode juga mengungkap apakah perbaikan sebelumnya benar-benar bertahan, karena langkah yang membaik setelah satu rilis dapat diam-diam mengalami regresi berbulan-bulan kemudian ketika perubahan yang tidak terkait dirilis di bagian lain halaman.
Funnel umumnya dibangun dan dianalisis menggunakan alat seperti laporan eksplorasi funnel Google Analytics 4, Mixpanel, atau Amplitude, yang semuanya mengharuskan setiap langkah didefinisikan sebagai peristiwa yang dilacak terlebih dahulu, sehingga pelacakan peristiwa yang akurat menjadi prasyarat mutlak bagi analisis funnel yang andal dalam bentuk apa pun. Analis biasanya membangun funnel keseluruhan sekaligus beberapa versi tersegmentasi, misalnya memisahkan funnel menurut sumber lalu lintas, jenis perangkat, atau pengunjung baru versus kembali, karena langkah yang tampak berkinerja memadai secara agregat dapat menyamarkan masalah serius bagi satu segmen, seperti pengguna seluler, sementara berkinerja sempurna bagi segmen lain, seperti pengguna desktop yang datang dari pencarian bermerek dengan intensi membeli yang sudah tinggi.
Kesalahan yang sering terjadi adalah mendefinisikan langkah funnel terlalu luas atau terlalu longgar kaitannya dengan antarmuka pengguna yang sebenarnya, misalnya memperlakukan seluruh checkout multi-kolom sebagai satu langkah alih-alih memecahnya menjadi informasi pengiriman, informasi pembayaran, dan peninjauan pesanan, yang menyembunyikan titik drop-off terperinci yang justru hendak diungkap oleh analisis itu sejak awal. Jebakan umum lainnya adalah menganalisis funnel hanya dengan logika linear dan berurutan padahal perilaku pengguna nyata sering tidak linear, dengan pengunjung bergerak mundur untuk membandingkan produk, membuka beberapa tab, atau kembali lintas beberapa sesi dan perangkat sebelum akhirnya berkonversi, pola yang dapat disalahgambarkan secara parah oleh model funnel langkah demi langkah yang ketat jika tidak sengaja diperhitungkan dalam konfigurasi analisis dan pelaporan yang mendasarinya.
Dalam konsultasi CRO, analisis funnel biasanya menjadi langkah kedua dalam sebuah proyek, setelah audit pelacakan peristiwa, dan langsung menjadi masukan bagi prioritisasi tahap mana yang diuji lebih dulu, umumnya tahap dengan drop-off rate tertinggi relatif terhadap potensi nilai pendapatan yang dapat dipulihkan. Para konsultan sering memasangkan data funnel kuantitatif dengan riset kualitatif, seperti rekaman sesi pengguna yang drop-off pada langkah tertentu atau survei keluar di halaman yang menanyakan mengapa pengunjung memilih tidak melanjutkan, untuk beralih dari mengidentifikasi di mana pengguna pergi ke memahami mengapa mereka pergi, yang pada akhirnya membentuk hipotesis tertarget berbasis bukti yang layak diberi sumber daya pengujian. Menyajikan temuan funnel bersama perkiraan nilai pendapatan dari menutup celah tertentu, bukan hanya persentase drop-off itu sendiri, juga cenderung membuat percakapan prioritisasi dengan pemangku kepentingan non-teknis jauh lebih konkret dan meyakinkan.
Istilah lain yang diawali huruf F
Navigasi Berfaset (Faceted Navigation)Feature FlagFirst Click Testing (Uji Klik Pertama)First Contentful Paint (FCP)Data Pihak Pertama (First-Party Data)Hukum Fitts (Fitts's Law)Five-Second Test (Uji Lima Detik)Efek Flicker (Flicker Effect)Optimasi Formulir (Form Optimization)Pembatasan Frekuensi (Frequency Capping)Friksi (Friction)
