Cara Mengukur Retensi Pelanggan dengan Sistem Kasir

Sistem Kasir dapat membantu mengukur retensi pelanggan dengan menghubungkan identitas pelanggan, waktu, produk, outlet, dan nilai transaksi. Namun, retensi bukan sekadar menghitung berapa orang pernah berbelanja lebih dari sekali. Bisnis harus menentukan cohort, periode pengamatan, tindakan yang dianggap kembali, dan aturan untuk refund serta transaksi anonim.

Definisi yang tidak konsisten dapat membuat program loyalitas tampak berhasil padahal pelanggan hanya memindahkan waktu belanja. Mulailah dari keputusan yang ingin dibuat: memperbaiki pengalaman pembelian pertama, meningkatkan pembelian kedua, mengaktifkan pelanggan dorman, atau mempertahankan pelanggan bernilai tinggi.

Bedakan retensi, repeat rate, dan frekuensi

Retensi menjawab berapa pelanggan dari kelompok awal yang kembali pada periode tertentu. Repeat purchase rate menghitung proporsi pelanggan yang membeli lagi, sedangkan frekuensi menunjukkan berapa kali pelanggan bertransaksi. Ketiganya berhubungan, tetapi tidak dapat dipertukarkan.

Tetapkan cohort yang jelas

Cohort adalah kelompok pelanggan yang berbagi karakteristik, misalnya bulan pembelian pertama. Google Analytics menjelaskan cohort sebagai kelompok pengguna dengan karakteristik bersama; konsep yang sama dapat diterapkan pada transaksi offline dengan definisi bisnis yang tepat.

Pilih tanggal masuk cohort, kriteria inklusi, dan tindakan kembali. Contoh: semua pelanggan yang melakukan pembelian pertama pada Januari, lalu dilihat apakah mereka membeli lagi pada Februari, Maret, dan April.

Jangan memasukkan pelanggan yang sudah lama aktif ke cohort pelanggan baru. Pisahkan pelanggan baru, pelanggan aktif, kembali setelah dorman, dan pelanggan yang hanya memiliki transaksi anonim.

Sesuaikan periode dengan siklus produk

Kedai kopi mungkin melihat pengulangan dalam hitungan hari atau minggu. Furnitur, elektronik, dan layanan tertentu memiliki siklus lebih panjang. Tidak kembali dalam 30 hari belum tentu churn bila produk wajar dibeli setahun sekali.

Gunakan data historis untuk memahami jarak antarpembelian. Dokumentasikan alasan pemilihan periode agar laporan tidak diubah hanya untuk membuat hasil terlihat baik.

Rumus retensi yang dapat diulang

Rumus sederhana:

retensi periode = pelanggan cohort yang kembali pada periode / seluruh pelanggan yang masuk cohort

Jika cohort Januari berisi 200 pelanggan teridentifikasi dan 50 di antaranya membeli lagi pada Februari, retensi bulan pertama adalah 25%. Angka ini hanya contoh perhitungan, bukan benchmark untuk semua bisnis.

Tentukan apakah pelanggan yang refund penuh tetap dihitung, bagaimana menangani transaksi dibatalkan, dan apakah pembelian pada outlet lain termasuk. Terapkan aturan yang sama pada seluruh cohort yang dibandingkan.

Jaga identitas pelanggan

Nomor telepon, email, dan nama dapat salah ketik atau berubah. Gunakan ID pelanggan internal yang stabil serta prosedur penggabungan profil ganda. Jangan menggabungkan hanya karena nama sama.

Satu rumah tangga dapat berbagi nomor, sementara satu pelanggan dapat memakai beberapa nomor. Putuskan unit analisis: individu, akun, atau rumah tangga. Catat keterbatasannya.

Transaksi anonim tetap sah dan tidak boleh dipaksa menjadi profil palsu. Laporkan proporsi transaksi teridentifikasi agar pembaca memahami cakupan analisis. Retensi tidak dapat dihitung akurat untuk pelanggan yang tidak dapat dihubungkan antarkunjungan.

Jaga privasi dan persetujuan

Kumpulkan data minimum untuk tujuan yang dijelaskan. Nomor kontak yang diberikan untuk struk digital atau pemberitahuan pesanan tidak otomatis menjadi izin menerima seluruh promosi. Pisahkan persetujuan layanan dan pemasaran bila prosesnya membutuhkan.

Batasi akses, tetapkan masa simpan, sediakan proses koreksi, dan hapus akses pegawai yang tidak lagi memerlukan. Hindari mengekspor data pelanggan ke spreadsheet pribadi.

Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi menjadi rujukan hukum utama di Indonesia. Usaha perlu menilai kewajibannya sesuai data serta aktivitas pemrosesan yang dilakukan.

Bersihkan transaksi sebelum menghitung

Keluarkan atau klasifikasikan transaksi uji, void, refund penuh, transaksi duplikat, pesanan belum selesai, penjualan pegawai, dan data migrasi. Tentukan perlakuan untuk refund sebagian serta penukaran barang.

Periksa zona waktu dan tanggal bisnis. Transaksi tengah malam dapat masuk hari berbeda pada sistem lain. Untuk bisnis dengan shift malam, tanggal operasional mungkin berbeda dari tanggal kalender.

Gunakan fitur Kasair untuk meninjau ketersediaan data pelanggan, produk, transaksi, dan laporan. Ikuti panduan Kasair agar prosedur input identitas serta transaksi konsisten.

Buat tabel cohort

Baris tabel cohort berisi bulan atau minggu pembelian pertama. Kolom menunjukkan periode sejak pembelian awal. Isi dapat berupa jumlah pelanggan kembali, persentase, pendapatan, atau margin per pelanggan.

Jangan mengisi periode yang belum berlalu dengan nol. Tandai sebagai belum matang. Cohort terbaru selalu memiliki waktu observasi lebih pendek.

Segmentasikan dengan tujuan

Segmentasi membantu menemukan penyebab, tetapi terlalu banyak potongan menghasilkan kelompok kecil dan kesimpulan rapuh. Mulai dari dimensi yang dapat ditindaklanjuti: produk pembelian pertama, outlet, kanal, jenis layanan, kampanye, atau rentang nilai transaksi.

Bandingkan pelanggan yang memperoleh diskon dan tidak, tetapi jangan langsung menganggap diskon menyebabkan perbedaan. Kelompok mungkin memiliki karakteristik awal yang berbeda. Gunakan eksperimen terkontrol bila memungkinkan.

Periksa produk pintu masuk

Produk pertama dapat memengaruhi kemungkinan kembali. Ukur apakah pelanggan kembali untuk produk sama, membeli pelengkap, atau berpindah kategori. Temuan ini dapat memperbaiki onboarding, bundel, stok, dan rekomendasi kasir.

Ukur pembelian kedua

Jarak dari pembelian pertama ke kedua sering menjadi titik penting. Buat distribusi hari, bukan hanya rata-rata. Rata-rata dapat terdistorsi oleh sedikit pelanggan yang kembali sangat lambat.

Pantau:

• proporsi yang mencapai pembelian kedua;
• median waktu menuju pembelian kedua;
• produk pada pembelian pertama dan kedua;
• margin serta diskon setiap transaksi;
• kanal yang mendorong kunjungan kembali;
• refund atau komplain sebelum pembelian kedua;
• proporsi pelanggan yang dapat diidentifikasi.

Gunakan hasil untuk memilih waktu komunikasi, bukan membombardir pelanggan. Frekuensi pesan perlu mempertimbangkan konteks, izin, serta risiko opt-out.

Hubungkan retensi dengan ekonomi pelanggan

Retensi tinggi tidak selalu sehat bila dicapai dengan diskon besar. Tambahkan pendapatan bersih, margin kontribusi, biaya reward, refund, biaya kanal, dan biaya layanan.

Pisahkan pelanggan yang kembali karena perilaku normal dari transaksi yang dibuat untuk mengejar hadiah. Periksa penyalahgunaan akun, transaksi pecah, dan retur setelah poin diterima.

Jangan memakai perkiraan lifetime value sebagai kepastian. LTV bergantung pada horizon, margin, retensi, dan asumsi. Tampilkan formula serta skenario.

Bedakan retensi dan reaktivasi

Pelanggan dorman yang kembali setelah lama tidak aktif merupakan reaktivasi, bukan retensi periode pendek. Tetapkan ambang dormansi berdasarkan siklus bisnis. Contohnya tidak boleh disalin tanpa data.

Kampanye reaktivasi sebaiknya memiliki kelompok sasaran, aturan, biaya, dan periode evaluasi. Pantau apakah pelanggan hanya kembali sekali karena diskon atau benar-benar kembali ke pola normal.

Hindari bias yang umum

Survivorship bias muncul ketika analisis hanya melihat pelanggan yang masih aktif. Selection bias muncul ketika hanya pelanggan anggota program yang dapat diidentifikasi. Perubahan harga, outlet, stok, produk, dan musim juga dapat memengaruhi cohort.

Masalah umum lainnya:

1. denominator berubah antarperiode;
2. pelanggan baru dan lama dicampur;
3. transaksi anonim diabaikan tanpa catatan;
4. refund dihitung sebagai pembelian ulang;
5. semua kategori memakai jendela sama;
6. cohort terbaru dinilai terlalu cepat;
7. persentase tinggi dari kelompok sangat kecil dianggap pasti.

Dashboard dan ritme review

Dashboard sebaiknya menampilkan ukuran cohort, retensi per periode, identifikasi pelanggan, repeat rate, waktu ke pembelian kedua, pendapatan, margin, refund, serta opt-out. Sertakan definisi dan tanggal data terakhir.

Review bulanan mungkin cukup untuk sebagian bisnis, sedangkan bisnis berfrekuensi tinggi dapat memantau mingguan. Hindari mengubah program setiap hari karena fluktuasi kecil. Tetapkan ambang tindakan sebelum melihat hasil.

FAQ

Apa arti retensi pelanggan?

Retensi adalah proporsi pelanggan dari kelompok awal yang kembali melakukan tindakan yang ditentukan dalam periode tertentu.

Apakah transaksi berulang sama dengan pelanggan berulang?

Tidak. Satu pelanggan dapat membuat beberapa transaksi, dan satu kunjungan dapat terpecah. Analisis pelanggan memerlukan identitas yang konsisten.

Berapa periode retensi yang tepat?

Gunakan periode sesuai siklus pembelian dan keputusan bisnis. Kedai harian, layanan bulanan, dan produk tahan lama memerlukan jendela berbeda.

Apakah transaksi anonim masuk perhitungan?

Transaksi anonim tetap masuk laporan penjualan, tetapi tidak dapat dihubungkan sebagai pelanggan kembali. Laporkan cakupan identifikasi sebagai keterbatasan.

Mengapa cohort terbaru terlihat lebih buruk?

Kemungkinan periode observasinya belum lengkap. Tandai sel yang belum matang dan jangan membandingkannya dengan cohort lama secara langsung.

Bagaimana Sistem Kasir membantu retensi?

Sistem menghubungkan pelanggan, waktu, produk, nilai, diskon, dan outlet. Analisis tetap memerlukan definisi, pembersihan data, privasi, serta interpretasi.

Sistem Kasir membuat perilaku pembelian ulang lebih terlihat, tetapi kualitas keputusan bergantung pada cohort yang adil, identitas yang sah, periode yang relevan, dan ukuran ekonomi yang lengkap.