Optimasi Tingkat Konversi (CRO): Panduan Praktis

Optimasi tingkat konversi (CRO) adalah praktik sistematis untuk meningkatkan persentase pengunjung yang melakukan tindakan bernilai di situs web Anda, dengan mencari tahu mengapa mereka tidak melakukannya lalu memperbaikinya. Itulah seluruh idenya. Semua hal lain dalam panduan ini adalah metode: cara menemukan alasan sebenarnya, cara memutuskan apa yang diperbaiki lebih dulu, cara mengetahui apakah sebuah perubahan berhasil, dan cara terus melakukannya tanpa menipu diri sendiri.

Ini adalah panduan umum. Prinsipnya berlaku untuk toko online maupun perusahaan software B2B, tetapi kami memberi perhatian lebih pada situasi yang dilewatkan sebagian besar panduan: situs dengan traffic sedang, siklus penjualan panjang dan konversi dengan nilai yang sangat tidak setara. Entah Anda menyebutnya conversion rate optimisation atau conversion rate optimization, disiplinnya sama.

Apa Sebenarnya Conversion Rate Optimisation Itu

Konversi adalah tindakan apa pun yang Anda inginkan dari pengunjung: pembelian, permintaan demo, pendaftaran trial, langganan newsletter. Tingkat konversi adalah persentase pengunjung (atau sesi) yang menyelesaikannya:

Tingkat konversi = konversi / pengunjung × 100

Contoh: sebuah landing page menerima 18.400 sesi dalam sebulan dan menghasilkan 460 pendaftaran. 460 / 18.400 = 0,025, jadi tingkat konversinya 2,5%. Jika sebuah perubahan menaikkannya menjadi 3,0% dengan trafik yang sama, Anda mendapat 552 pendaftaran: 92 lebih banyak per bulan tanpa membeli satu klik tambahan pun. Itu adalah lift relatif 20%, atau lift absolut 0,5 poin persentase. Selalu sebutkan mana yang Anda maksud; mencampuradukkan keduanya adalah kesalahan pelaporan paling umum dalam CRO. Anda bisa menghitung angka Anda sendiri di kalkulator tingkat konversi.

Ada dua keputusan tersembunyi dalam rumus tersebut. Pertama, penyebutnya: sesi menggelembungkan basis untuk situs dengan banyak pengunjung yang kembali, sedangkan pengguna menghitungnya terlalu rendah jika pelacakan Anda tidak bisa menghapus duplikasi lintas perangkat. Pilih salah satu dan pertahankan. Kedua, pembilangnya: konversi mana yang dihitung.

Konversi makro dan mikro

• Konversi makro adalah tindakan yang menjadi alasan keberadaan bisnis: pesanan, permintaan demo, paket berbayar.
• Konversi mikro adalah langkah-langkah menuju ke sana: menambahkan ke keranjang, mulai mengisi formulir, melihat harga, menonton video produk, mengklik CTA.

Konversi mikro penting karena dua alasan. Konversi mikro menunjukkan letak kebocoran (pengunjung melihat harga tetapi tidak pernah mengklik "Mulai"), dan jauh lebih sering terjadi daripada konversi makro, sehingga bisa diuji di situs yang konversi makronya terlalu jarang untuk diukur. Selengkapnya di bagian tentang trafik rendah.

Apa yang bukan CRO

• CRO bukan menguji warna tombol. Pengujian kosmetik jarang menggerakkan apa pun karena tidak menyentuh alasan orang ragu. CRO yang baik mengubah apa yang dipahami, diyakini, atau harus dilakukan pengunjung.
• CRO bukan hanya A/B testing. Pengujian adalah tahap validasi. Sebagian besar nilainya berasal dari riset yang memberi tahu Anda apa yang perlu diubah. Banyak perbaikan (formulir yang rusak di Safari, harga yang tidak tercantum) cukup diperbaiki, tidak perlu diuji.
• Ini bukan sekumpulan praktik terbaik. "Tambahkan urgensi" atau "perpendek formulir" bisa membantu atau merugikan tergantung audiens Anda. Sebuah praktik tetaplah hipotesis sampai data Anda sendiri mendukungnya.
• CRO bukan akuisisi traffic. CRO bekerja pada apa yang terjadi setelah kunjungan dimulai. CRO membuat setiap kanal akuisisi lebih efisien, tetapi tidak menggantikannya.

Proses CRO, Langkah demi Langkah

Setiap program CRO yang kredibel menjalankan versi dari siklus yang sama. Namanya bervariasi; urutannya tidak.

1. Riset: temukan di mana dan mengapa pengunjung gagal berkonversi.
2. Hipotesis: ubah setiap temuan menjadi pernyataan yang bisa diuji.
3. Prioritisasi: urutkan hipotesis agar traffic dan waktu developer yang terbatas dipakai untuk taruhan terbaik.
4. Pengujian: jalankan eksperimen terkontrol (atau, jika tidak memungkinkan, metode terbaik berikutnya).
5. Analisis: baca hasilnya dengan jujur, termasuk segmen dan guardrail.
6. Peluncuran dan pembelajaran: luncurkan pemenang, catat setiap hasil, masukkan pembelajaran kembali ke riset.

1. Riset: di mana dan mengapa

Riset terdiri dari dua bagian. Data kuantitatif memberi tahu Anda di mana masalahnya. Data kualitatif memberi tahu mengapa. Anda membutuhkan keduanya: laporan funnel menunjukkan bahwa 70% pengunjung meninggalkan halaman harga, tetapi tidak bisa memberi tahu bahwa mereka pergi karena paket enterprise bertuliskan "Hubungi kami" tanpa kisaran harga.

Mulailah dengan analytics untuk memilih dua atau tiga halaman yang paling penting (traffic tinggi, dekat dengan pendapatan, drop-off tajam), lalu curahkan upaya kualitatif hanya di sana. Sprint riset selama dua hingga tiga minggu biasanya menghasilkan lebih banyak ide tes daripada yang bisa Anda jalankan dalam enam bulan.

Sebelum memercayai data apa pun, periksa infrastrukturnya. Pastikan event konversi terpicu sekali per konversi, langkah-langkah funnel terlacak di semua perangkat, dan traffic internal difilter. Cukup banyak “masalah konversi” yang ternyata adalah masalah pengukuran.

2. Hipotesis: pastikan setiap ide bisa dibuktikan salah

Hipotesis menghubungkan observasi dengan perubahan dan hasil yang terukur. Gunakan template ini:

"Karena kami mengamati" apa yang ditunjukkan data, "kami yakin bahwa mengubah" satu elemen "untuk" satu audiens "akan menghasilkan" hasil yang diharapkan, "diukur dengan" satu metrik utama.

Contoh: "Karena kami mengamati dari rekaman sesi dan survei exit bahwa pengunjung mobile di halaman harga tidak bisa membedakan paket mana yang termasuk SSO, kami yakin menambahkan toggle perbandingan fitur di atas kartu paket untuk pengunjung mobile akan menghasilkan lebih banyak pemilihan paket, diukur dari klik pada tombol 'Pilih paket' mana pun per pengunjung halaman harga."

Template ini menjalankan tiga tugas. Memaksa adanya bukti (bukan "karena CEO menyukainya"). Menyebutkan audiensnya, sehingga Anda menguji di tempat masalah itu berada. Dan menetapkan metrik utama sebelum tes dimulai, yang mencegah pemilihan metrik yang menguntungkan setelahnya. Versi siap salin tersedia di template rencana A/B test kami.

3. Prioritas: PIE, ICE, atau PXL

Anda akan selalu punya lebih banyak ide daripada kapasitas. Tiga kerangka skoring yang paling dominan:

• PIE (Potential, Importance, Ease), dipopulerkan oleh WiderFunnel: beri skor masing-masing 1-10 lalu rata-ratakan. "Importance" adalah tentang seberapa berharga traffic halaman tersebut.
• ICE (Impact, Confidence, Ease), dari growth marketing: beri skor 1–10 untuk masing-masing lalu rata-ratakan. "Confidence" adalah seberapa kuat bukti Anda.
• PXL, dari CXL: daftar periksa berisi pertanyaan yang kebanyakan ya/tidak dengan poin tetap, misalnya apakah perubahan berada di atas lipatan (above the fold), apakah terlihat dalam lima detik, apakah menambah atau menghapus elemen, apakah dijalankan di halaman ber-traffic tinggi, dan apakah mengatasi masalah yang ditemukan dalam user testing, masukan kualitatif, atau analitik. Kemudahan dinilai berdasarkan perkiraan upaya. CXL merancangnya untuk menghilangkan tebak-tebakan yang masih tersisa pada "impact" dalam PIE dan ICE.

Contoh (skor ilustratif untuk satu backlog, PXL disederhanakan menjadi tujuh pertanyaan):

Ketiga framework sepakat bahwa A didahulukan dan D paling akhir. Mereka berbeda pendapat soal C: PIE menilainya mendekati B karena "potential" dinilai murah hati, sedangkan ICE dan PXL menghukum kurangnya bukti. Perbedaan itulah alasan memilih framework secara sadar.

Pandangan kami: gunakan ICE untuk tim kecil yang perlu meranking 20 ide dalam satu sore. Beralihlah ke PXL begitu lebih dari satu orang memberi skor ide, karena pertanyaan ya/tidak menghasilkan skor yang konsisten antarorang dan mencegah suara paling keras menggelembungkan "impact". PIE berguna saat Anda memutuskan halaman mana yang akan dikerjakan, kurang berguna untuk ide individual. Apa pun pilihan Anda, berikan bobot besar pada bukti: prediktor utama pengujian yang menang adalah hipotesis yang berlandaskan riset.

4. Testing

Bangun variannya, lakukan QA di setiap browser dan perangkat utama, dan jalankan eksperimen terkontrol jika traffic memungkinkan (lihat bagian statistik di bawah). Catat sebelum peluncuran: metrik utama, metrik guardrail, ukuran sampel, durasi yang direncanakan, dan aturan penghentian. Jika Anda tidak bisa mengisi kelima hal tersebut, Anda belum siap meluncurkan.

5. Analisis

Saat sampel yang direncanakan tercapai, periksa kualitas data terlebih dahulu (rasio sampel, pelacakan), lalu metrik utama, lalu metrik pengaman, kemudian segmen yang sudah didaftarkan sebelumnya seperti perangkat atau pengunjung baru versus kembali. Perlakukan temuan segmen yang tidak Anda rencanakan sebagai hipotesis baru, bukan kesimpulan: iris tes apa pun dengan cukup banyak cara dan pasti ada yang tampak signifikan secara kebetulan.

6. Peluncuran dan pembelajaran

Luncurkan pemenang dengan benar (di dalam codebase, bukan dibiarkan berjalan 100% di dalam alat testing selama berbulan-bulan). Catat setiap tes dalam log: hipotesis, screenshot, angka, keputusan, dan apa yang Anda pelajari tentang pengunjung. Tes yang kalah tetapi membantah keyakinan yang dipegang luas sering kali lebih berharga daripada kemenangan kecil, tetapi hanya jika ada yang mencatatnya.

Statistik Pengujian yang Benar

Anda tidak perlu menjadi ahli statistik untuk menjalankan tes yang valid, tetapi Anda perlu memahami lima konsep. Referensi tunggal terbaik adalah Kohavi, Tang dan Xu, Trustworthy Online Controlled Experiments (2020).

Ukuran sampel: tentukan sebelum Anda memulai

Jumlah pengunjung yang Anda butuhkan bergantung pada conversion rate dasar, efek terkecil yang ingin Anda deteksi (minimum detectable effect, MDE), tingkat signifikansi (alpha), dan statistical power Anda. Untuk uji dua sisi yang membandingkan dua proporsi:

n per varian = [ z_1-α/2 × √(2 p̄(1-p̄)) + z_1-β × √(p₁(1-p₁) + p₂(1-p₂)) ]² / (p₂ - p₁)²

Contoh perhitungan: baseline p₁ = 3%, MDE = 20% relatif, jadi p₂ = 3,6%. Alpha = 0,05 (dua sisi), jadi z = 1,96. Power = 0,8, jadi z ≈ 0,8416. Tingkat gabungan p̄ = 3,3%.

1. Suku pertama: 1,96 × √(2 × 0,033 × 0,967) = 1,96 × √0,06382 = 1,96 × 0,2526 = 0,4951
2. Suku kedua: 0,8416 × √(0,03 × 0,97 + 0,036 × 0,964) = 0,8416 × √(0,02910 + 0,03470) = 0,8416 × 0,2526 = 0,2126
3. Pembilang: (0,4951 + 0,2126)² = 0,7077² = 0,5009
4. Penyebut: (0,036 - 0,03)² = 0,006² = 0,000036
5. n = 0,5009 / 0,000036 ≈ 13.900 pengunjung per varian, sekitar 27.800 secara total.

Itu sesuai dengan hasil kalkulator ukuran sampel Evan Miller untuk input yang sama, dan Anda bisa mengecek skenario Anda sendiri di kalkulator A/B test kami. Perhatikan betapa kejamnya perhitungannya: perkecil MDE menjadi setengahnya, yaitu 10%, dan Anda membutuhkan kira-kira empat kali traffic. Artikel kami tentang ukuran sampel A/B test memiliki tabel acuan untuk baseline yang umum.

Durasi: ukuran sampel dibagi traffic, dalam minggu penuh

Durasi pengujian = total sampel yang dibutuhkan / pengunjung yang memenuhi syarat per minggu, dibulatkan ke atas ke minggu penuh.

Contoh: halaman di atas mendapat 7.000 pengunjung yang memenuhi syarat per minggu. 27.800 / 7.000 = 3,97, jadi jalankan selama 4 minggu penuh. Minggu penuh penting karena pengunjung hari kerja dan akhir pekan berperilaku berbeda; berhenti di hari Rabu membuat sebagian minggu terwakili berlebihan. Sebagai patokan, jalankan setidaknya satu siklus bisnis penuh dan hindari tes yang lebih dari enam hingga delapan minggu, karena setelah itu penghapusan cookie dan perubahan musiman mulai mencemari sampel.

Jangan mengintip (atau gunakan metode yang memang dirancang untuk itu)

Memeriksa pengujian fixed-horizon standar setiap hari dan menghentikannya begitu mencapai p < 0,05 sangat meningkatkan false positive, seperti yang ditunjukkan Evan Miller dalam How Not To Run an A/B Test. Berkomitmenlah pada ukuran sampel yang direncanakan dan baca hasilnya hanya di akhir, atau gunakan tool yang statistiknya dibuat untuk pemantauan berkelanjutan (sequential testing). Melihat dashboard tidak masalah; bertindak terlalu dini berdasarkan dashboard itulah masalahnya.

Periksa sample ratio mismatch

Jika Anda membagi trafik 50/50 dan mendapat 10.000 pengunjung di kontrol dan 9.400 di varian, ada yang rusak: redirect yang kehilangan pengguna, filter bot yang mengenai satu varian, varian yang crash di beberapa browser. Uji chi-square pada jumlah pengunjung akan menandai hal ini. Kohavi dan rekan-rekannya memperlakukan sample ratio mismatch sebagai salah satu pemeriksaan kepercayaan terpenting; jika gagal, jangan tafsirkan hasilnya, temukan bug-nya.

Efek kebaruan, satu metrik utama, dan guardrail

• Efek kebaruan dan primacy: pengunjung yang kembali mungkin mengklik elemen baru karena masih baru, atau mengabaikannya karena terbiasa dengan tata letak lama. Bandingkan minggu pertama dengan minggu-minggu berikutnya; jika efeknya memudar, bersikaplah skeptis.
• Satu metrik utama: ditetapkan di awal, idealnya metrik terdekat dengan pendapatan yang bisa Anda ukur dengan volume yang cukup. Sepuluh metrik “utama” dijamin menghasilkan pemenang palsu di suatu tempat.
• Metrik guardrail: hal-hal yang tidak boleh memburuk, seperti pendapatan per pengunjung, kualitas lead, tingkat refund, waktu muat halaman. Varian yang menaikkan pendaftaran 10% sambil memangkas rata-rata nilai pesanan 15% bukanlah pemenang.

Dan uji satu perubahan yang koheren per varian, kecuali traffic Anda sangat besar. Perbandingan kami tentang A/B testing vs pengujian multivariat menjelaskan kapan jalur multivariat sepadan dengan biaya traffic-nya (jarang, jika pengunjung bulanan di bawah enam digit).

CRO untuk Situs Web B2B dan Ber-traffic Rendah

Sebagian besar saran CRO ditulis oleh orang yang mengoptimalkan situs konsumen bervolume tinggi. Situs B2B, dan situs konsumen kecil, menghadapi tiga masalah struktural:

1. Trafik rendah. Contoh perhitungan di atas membutuhkan sekitar 27.800 pengunjung untuk satu tes. Halaman dengan 5.000 pengunjung per bulan butuh lima sampai enam bulan, dan saat itu pasar, iklan, bahkan halamannya sendiri sudah berubah.
2. Siklus penjualan panjang. Sebuah pengujian bisa menghitung pengisian formulir dalam hitungan minggu, tetapi apakah lead tersebut menjadi pipeline butuh waktu berbulan-bulan. Varian yang menang dalam permintaan demo di bulan Februari bisa kalah dalam pendapatan di bulan Juni jika menarik perusahaan yang kurang cocok.
3. Nilai konversi yang tidak setara. Satu permintaan demo mungkin berasal dari perusahaan yang bisa menjadi pelanggan terbesar Anda; yang lain dari seorang mahasiswa. Tingkat konversi memperlakukan keduanya sama, dan metrik yang dibobot pendapatan jauh lebih penuh noise, sehingga membutuhkan data lebih banyak lagi.

Semua ini tidak berarti "jangan lakukan CRO". Artinya, ubah metodenya.

Apa yang perlu diuji pertama kali

Ketika Anda hanya bisa menjalankan segelintir pengujian per tahun, jalankan yang perkiraan efeknya besar di halaman yang dekat dengan pendapatan. Urutan yang masuk akal:

1. Headline dan value proposition di halaman komersial dengan trafik tertinggi: berfokus pada hasil versus fitur, spesifik audiens versus generik, berawal dari masalah versus dari solusi.
2. Penawaran dan CTA: bukan hanya teks tombol, melainkan apa yang Anda tawarkan (demo, tur produk, asesmen, panggilan harga) dan di mana penawaran itu muncul.
3. Formulir: kolom, pertanyaan kualifikasi, satu langkah versus multi-langkah. Ukur kualitas lead, bukan hanya penyelesaian.
4. Tata letak dan struktur halaman terakhir: paling mahal untuk dibangun, rata-rata efeknya paling kecil dan paling lambat diukur.

Buat perubahan yang lebih berani

Ukuran sampel yang dibutuhkan berbanding terbalik dengan kuadrat efeknya. Mendeteksi kenaikan 40% membutuhkan sekitar seperempat traffic dari kenaikan 20%. Perubahan kecil tidak bisa diuji dengan traffic rendah; perubahan berani yang didukung riset (argumen headline yang sepenuhnya berbeda, penawaran yang berbeda) bisa. Perubahan seperti itu juga lebih banyak mengajari Anda tentang pembeli, sedangkan perubahan kecil hanya mengajari Anda tentang halamannya.

Uji mikro konversi di tahap sebelumnya

Jika permintaan demo terlalu jarang, pilih metrik utama yang lebih tinggi di funnel dan masuk akal terhubung dengannya: klik ke halaman demo, mulai mengisi formulir, kunjungan halaman harga dari beranda. Metrik yang terjadi sepuluh kali lebih sering membuat tes kira-kira sepuluh kali lebih cepat mencapai power yang cukup. Konsekuensinya, Anda tetap harus memantau makro konversi sebagai guardrail, karena mikro konversi bisa naik sementara konversi sebenarnya tetap datar.

Terima tingkat keyakinan yang sesuai dengan keputusannya

Tidak setiap keputusan membutuhkan tingkat kepercayaan 95%. Untuk perubahan copy yang mudah dibatalkan, ambang yang lebih rendah (atau pembacaan Bayesian "probability to be best") adalah kompromi yang wajar antara kecepatan dan kepastian. Untuk perubahan struktural yang mahal untuk dibatalkan, seperti desain ulang halaman harga, tunggu sampai buktinya kuat. Tentukan ambangnya sebelum tes, bukan setelah melihat angkanya.

Tes berurutan dan sebelum/sesudah, dengan catatan

Ketika split test tidak mungkin dilakukan (pengalaman akun target dengan beberapa puluh kunjungan, perubahan navigasi di seluruh situs), perbandingan sebelum/sesudah lebih baik daripada tidak sama sekali, tetapi akui kelemahannya dengan jujur: musim, kampanye, aktivitas sales dan berita pasar semuanya berubah bersamaan dengan halaman Anda. Kurangi risikonya dengan membandingkan periode yang sama panjang, memeriksa metrik kontrol yang seharusnya tidak terpengaruh perubahan Anda (jika ikut bergerak, pergeserannya kemungkinan dari faktor eksternal), dan mengulang peralihan (aktif, nonaktif, aktif) jika memungkinkan.

Andalkan riset kualitatif

Dengan traffic rendah, lima wawancara pelanggan dan dua puluh rekaman panggilan sales lebih berharga daripada tes yang kekurangan power statistik. Gunakan riset kualitatif untuk membuat perubahan yang cukup Anda yakini, dan simpan testing untuk keputusan yang benar-benar tidak pasti dan berisiko tinggi.

Ukur pipeline, bukan pengisian formulir

Contoh: varian A menghasilkan 20 lead yang 25% di antaranya menjadi peluang (5 peluang). Varian B menghasilkan 30 lead yang 10% di antaranya menjadi peluang (3). B "menang" dalam tingkat konversi dan kalah pada metrik yang penting. Hubungkan alat pengujian atau analitik Anda ke CRM agar setiap lead membawa informasi variannya, dan tinjau kembali hasilnya ketika data peluang sudah matang. Periksa juga hasil per segmen: agregat yang datar bisa menyembunyikan pemenang untuk pengunjung enterprise dan pecundang untuk perusahaan kecil yang saling meniadakan. Untuk taktik CRO khusus B2B seperti formulir kualifikasi, social proof enterprise, dan konten untuk komite pembelian, lihat panduan lebih mendalam kami tentang optimasi tingkat konversi B2B.

Menjalankan Audit CRO

Audit CRO adalah langkah riset yang dipadatkan menjadi satu kali tinjauan, berguna saat Anda mewarisi sebuah situs atau butuh rencana berprioritas dengan cepat. Versi singkatnya:

1. Periksa pengukuran: event konversi, langkah funnel, pelacakan lintas domain, traffic internal yang difilter.
2. Petakan funnel per perangkat dan channel, lalu temukan dua langkah dengan kehilangan absolut terbesar.
3. Tinjau halaman-halaman tersebut secara heuristik: kejelasan penawaran dalam lima detik, relevansi dengan sumber trafik, gesekan (kolom, langkah, waktu muat), kecemasan (kepercayaan, harga, privasi), dan gangguan.
4. Kumpulkan bukti kualitatif di halaman yang sama: rekaman, survei singkat, beberapa uji pengguna.
5. Catat temuan sebagai "langsung perbaiki" (bug, alur yang rusak), "investigasi", atau "uji", masing-masing dengan hipotesis dan skor prioritas.

Checklist audit CRO kami mencantumkan setiap pemeriksaan, dan panduan audit CRO menunjukkan cara mengubah temuan menjadi roadmap.

Fokus Utama, Berdasarkan Jenis Halaman

Ada dua benchmark eksternal yang layak diketahui. Baymard Institute, dengan merata-ratakan 50 studi, menyebut tingkat pengabaian keranjang belanja online yang terdokumentasi sekitar 70%; di antara pembeli yang meninggalkan keranjang karena alasan selain "hanya melihat-lihat", biaya tambahan (40%) dan keharusan membuat akun (18%) berada di peringkat atas, dan Baymard memperkirakan checkout yang ideal hanya membutuhkan 7-8 kolom formulir dibandingkan rata-rata AS sekitar 15. Untuk formulir secara umum, rekomendasi kegunaan formulir dari Nielsen Norman Group (buat formulir singkat, satu kolom, jelaskan persyaratan di awal, pesan error yang spesifik) adalah daftar periksa yang solid. Formulir B2B adalah pengecualian parsial dari prinsip "lebih pendek selalu lebih baik", karena kolom kualifikasi melindungi waktu sales; panduan kami tentang desain formulir lead capture membahas cara menyesuaikan panjang formulir dengan intent, dan optimasi landing page B2B membahas halaman kampanye lebih dalam.

Personalisasi sebagai Pengungkit CRO

A/B test klasik bertanya "versi mana yang terbaik untuk semua orang?" Terkadang jawaban jujurnya "tidak ada": pembeli enterprise dan startup lima orang menginginkan bukti, bahasa, dan langkah berikutnya yang berbeda, dan hasil rata-rata menyembunyikan hal itu. Personalisasi berarti menyajikan pengalaman berbeda untuk segmen yang ditentukan, lalu mengukur masing-masing terhadap kontrol untuk segmen tersebut.

Personalisasi mengalahkan pengujian seragam jika tiga syarat terpenuhi: audiens Anda terbagi menjadi segmen dengan kebutuhan yang benar-benar berbeda (berdasarkan industri, ukuran perusahaan, tahap funnel atau sumber traffic), Anda dapat mengenali segmen tersebut dengan andal saat mereka tiba, dan Anda memiliki konten yang memang berbeda untuk masing-masing. Jika salah satu tidak terpenuhi, personalisasi hanya menambah kerumitan tanpa kenaikan. Personalisasi juga membagi traffic Anda, jadi bukan jalan pintas untuk menghindari perhitungan ukuran sampel; mulailah dengan satu atau dua segmen besar dan satu halaman. Jika Anda ingin menyusun segmennya terlebih dulu, panduan strategi segmentasi menjelaskannya, dan fitur segmentasi kami menunjukkan bagaimana Markettailor menyajikan varian khusus segmen dengan kontrol holdout.

Kesalahan CRO yang Umum (dan Cara Memperbaikinya)

1. Menguji tanpa riset. Ide dari brainstorming lebih jarang menang daripada ide dari bukti. Solusinya: setiap pengujian mencantumkan pengamatan yang mendasarinya.
2. Menghentikan pengujian terlalu dini. Keunggulan awal sebagian besar hanyalah noise dan peeking menggelembungkan false positive. Solusi: tetapkan ukuran sampel dan durasi sejak awal.
3. Pengujian dengan daya statistik rendah. Pengujian yang hanya bisa mendeteksi lift 50% akan menyebut sebagian besar peningkatan nyata sebagai “tidak ada perbedaan”. Solusi: hitung MDE yang bisa Anda deteksi sebelum peluncuran dan hanya jalankan pengujian yang secara masuk akal bisa mencapainya.
4. Mengoptimalkan metrik yang salah. Lead lebih banyak, pipeline lebih buruk. Solusi: metrik utama sedekat mungkin dengan pendapatan sejauh volume memungkinkan, ditambah pembatas kualitas.
5. Menyebut kekalahan sebagai kegagalan. Tim diam-diam membuang pengujian yang kalah dan kehilangan pembelajarannya. Solusi: catat setiap hasil dan apa yang dibantahnya.
6. Mengabaikan segmen, atau terlalu banyak menafsirkannya. Keduanya terjadi. Solusinya: daftarkan dua atau tiga segmen sejak awal (perangkat, baru versus kembali, ukuran perusahaan) dan perlakukan sisanya sebagai hipotesis.
7. Meniru kompetitor atau daftar "best practice". Anda melihat halaman mereka, bukan hasilnya. Solusi: gunakan sebagai sumber hipotesis, jangan pernah sebagai jawaban.
8. Melewatkan QA. Varian yang rusak di satu browser menghasilkan pecundang palsu dan sample ratio mismatch. Solusi: uji setiap varian di browser dan perangkat utama sebelum peluncuran.
9. Memperlakukan CRO sebagai proyek. Satu audit, lima perbaikan, selesai. Solusinya: ritme tetap dengan penanggung jawab, backlog, dan log.
10. Tidak memperbaiki bug yang jelas karena "kita harus mengujinya". Solusinya: yang rusak diperbaiki; yang belum pasti diuji.

Alat CRO berdasarkan Fungsi

Pilih tool berdasarkan fungsinya, dan beli tool pengujian paling akhir: sebagian besar tim membutuhkan riset yang lebih baik sebelum membutuhkan kapasitas pengujian yang lebih besar.

• Analitik: funnel, segmen, dan event. Google Analytics 4, Adobe Analytics, atau product analytics seperti Mixpanel dan Amplitude.
• Analisis perilaku: heatmap dan rekaman sesi. Microsoft Clarity, Hotjar, Contentsquare.
• Pengujian dan personalisasi: eksperimen client-side atau server-side. Optimizely, VWO, AB Tasty, atau platform feature-flag untuk tes server-side.
• Survei dan riset pengguna: polling di halaman serta uji pengguna yang dimoderasi maupun tidak. Hotjar surveys, Typeform, UserTesting, Maze.

Untuk perbandingan lebih lengkap berdasarkan tingkat traffic dan anggaran, lihat rangkuman kami tentang alat optimasi tingkat konversi.

Membangun Program CRO

CRO memberi hasil yang terus bertambah hanya jika dijalankan sebagai program, bukan serangkaian perbaikan sekali jalan. Struktur minimumnya:

• Seorang pemilik dengan waktu khusus yang dialokasikan, ditambah akses ke kapasitas desain dan pengembangan. Tanpa waktu developer, backlog menjadi daftar keinginan.
• Ritme kerja: sprint riset setiap kuartal, tinjauan prioritas dua mingguan, dan laporan hasil bulanan kepada pemangku kepentingan.
• Log tes yang bisa dicari siapa pun: hipotesis, audiens, tangkapan layar, sampel, hasil, keputusan, pembelajaran. Setelah setahun, log ini menjadi aset CRO paling berharga yang Anda miliki.
• Target throughput yang realistis. Situs konsumen bertrafik tinggi bisa menjalankan beberapa pengujian per bulan secara paralel di halaman berbeda. Situs B2B dengan 10.000 pengunjung bulanan mungkin hanya mampu satu atau dua per bulan, dikombinasikan dengan perbaikan berbasis riset.

Tetapkan ekspektasi tentang win rate sejak awal. Dalam Online Experimentation at Microsoft (Kohavi et al., 2009), para penulis melaporkan bahwa hanya sekitar sepertiga ide yang meningkatkan metrik yang dirancang untuk ditingkatkan, dengan kira-kira sepertiga datar dan sepertiga negatif. Ide-ide Microsoft tidak buruk; ide bagus memang sulit diprediksi. Jika program Anda "menang" di 80% pengujiannya, penjelasan yang lebih mungkin adalah statistik yang longgar, bukan ide yang luar biasa. Nilai program CRO berdasarkan dampak kumulatif yang tervalidasi dan kualitas pembelajarannya, bukan berdasarkan win rate.

Pertanyaan yang Sering Diajukan

Berapa conversion rate yang baik?

Tidak ada angka bagus yang universal, karena tingkat konversi tergantung pada apa yang Anda hitung, campuran trafik, titik harga, dan siklus pembelian. Pendaftaran newsletter gratis dan permintaan demo enterprise bernilai ratusan ribu dolar tidak bisa berbagi benchmark. Perbandingan yang berguna adalah terhadap baseline Anda sendiri untuk halaman, sumber trafik, dan perangkat yang sama. Targetkan peningkatan yang stabil, dan nilai keberhasilan berdasarkan pendapatan atau pipeline per pengunjung, bukan rasionya saja.

Berapa lama A/B test harus berjalan?

Jalankan sampai mencapai ukuran sampel yang Anda hitung sebelum peluncuran, dibulatkan ke atas menjadi minggu penuh agar setiap hari dalam seminggu terwakili secara merata. Bagi total pengunjung yang dibutuhkan dengan traffic mingguan yang memenuhi syarat. Untuk sebagian besar situs, itu berarti dua hingga enam minggu. Jika perhitungannya menunjukkan beberapa bulan, uji perubahan yang lebih besar atau metrik bervolume lebih tinggi alih-alih menjalankan tes tanpa akhir.

Apa perbedaan antara CRO dan SEO?

SEO meningkatkan jumlah pengunjung berkualitas yang mencapai situs Anda dari pencarian organik. CRO meningkatkan porsi pengunjung tersebut, dari saluran mana pun, yang mengambil tindakan bernilai. Keduanya saling mendukung: halaman yang menjawab niat pencari dengan jelas cenderung mendapat peringkat dan berkonversi lebih baik. Konflik jarang terjadi, tetapi hindari perubahan CRO yang menyembunyikan atau menghapus konten yang dibutuhkan mesin telusur dan pengunjung.

Apakah CRO layak untuk situs dengan traffic rendah?

Ya, tetapi metodenya berubah. Dengan traffic terbatas, andalkan riset kualitatif seperti wawancara pelanggan, rekaman sesi dan uji pengguna, perbaiki masalah yang jelas secara langsung, dan simpan A/B test untuk perubahan besar berisiko tinggi yang diukur dengan metrik hulu yang sering terjadi. Bahkan tanpa pengujian sama sekali, audit berbasis riset pada dua atau tiga halaman terpenting Anda biasanya menemukan friksi yang layak diperbaiki.

Apa yang dilakukan spesialis CRO?

Spesialis CRO menjalankan siklus optimasi: menganalisis funnel, melakukan riset pengguna, menulis hipotesis, memprioritaskan dan merancang eksperimen, memeriksa validitas statistiknya, dan mengubah hasilnya menjadi rekomendasi. Peran ini memadukan analitik, riset UX, penilaian copywriting, dan cukup statistik untuk menghindari pemenang palsu. Jika Anda mempertimbangkan karier ini, ulasan kami tentang pekerjaan conversion rate optimization membahas peran, keterampilan, dan cara memulainya.