Ide Project Data Analyst dalam Bidang UX Design

Menentukan project yang digunakan untuk keperluan portofolio data analyst memang gampang-gampang susah. Sebab, sebagai calon data analyst saat memilah dan memilah project yang tepat dibutuhkan keseimbangan antara relevansi tema dengan background perusahaan yang dilamar oleh kandidat. 

Proyek tersebut setidaknya memberikan gambaran solutif akan gentingnya permasalahan yang ditangani oleh kandidat sekaligus mencerminkan kemampuan kandidat dalam hal teknis mencakup analisis data, cleansing data, maupun penarikan kesimpulan. Namun dari semua itu, penting bagi kandidat untuk menghasilkan rekomendasi yang tepat guna, praktis, dan bermanfaat atas tema project yang dipilih. 

Apabila kamu sedang bingung untuk menentukan ide project apa yang ingin dimasukkan ke dalam portofolio data analyst, siapa tahu topik seputar UX Design dapat membantu kamu. Sebenarnya ada banyak topik yang bisa kamu gali. Mulai dari user journey, responsivitas antarmuka website, retensi pengguna, dan masih banyak lagi. 

Pastinya kamu jadi lebih kreatif dan menghasilkan gagasan sembari didukung dengan data yang akurat dari berbagai sumber informan yang kamu temui. Terus apa aja sih ide project data analyst dalam bidang UX Design? Pastikan kamu tidak skip artikel ini ya!

1. Analisis User Journey

Ide pertama yang bisa kamu ulik lebih dalam seputar UX Design adalah analisis user journey. Analisis user journey merupakan proses memahami dan mengevaluasi pengalaman pengguna (user experience) selama interaksi mereka dengan suatu produk, layanan, atau platform dari awal hingga akhir.

User journey menggambarkan serangkaian langkah atau tahapan yang dilalui pengguna dari saat pertama kali mengetahui produk atau layanan hingga menyelesaikan tujuan atau tugas tertentu. Ketika kamu ingin mengeksekusi ide ini, penting untuk memperhatikan beberapa hal sebagai berikut:

• Kumpulkan data perjalanan pengguna dari awal hingga akhir interaksi dengan produk atau layanan.

• Identifikasi titik-titik pemicu atau frustrasi dalam perjalanan pengguna.

• Buat visualisasi yang menunjukkan bagaimana pengguna berinteraksi dengan berbagai elemen antarmuka pengguna (UI).

• Berikan rekomendasi perbaikan berdasarkan temuan analisis untuk meningkatkan pengalaman pengguna.

Sumber Gambar: Majoo

Baca juga : Bootcamp Data Analyst with SQL and Python

2. Pengukuran Kepuasan Pengguna

Analisis Net Promoter Score (NPS) adalah metode untuk mengukur kepuasan dan loyalitas pelanggan terhadap suatu produk, layanan, atau perusahaan. NPS umumnya diukur dengan mengajukan satu pertanyaan kunci kepada pelanggan: "Pada skala 0 hingga 10, sejauh mana Anda bersedia merekomendasikan produk/layanan/kami kepada teman atau rekan kerja?"

Berdasarkan jawaban yang diberikan, responden dapat diklasifikasikan ke dalam tiga kategori:

• Promoters (Pemberi Rekomendasi): Memberi skor 9 hingga 10. Mereka sangat puas dengan pengalaman mereka dan cenderung memberikan rekomendasi positif.

• Passives (Netral): Memberi skor 7 hingga 8. Mereka puas, tetapi tidak sangat antusias, dan mungkin rentan beralih ke pesaing jika ada penawaran yang lebih baik.

• Detractors (Kritikus): Memberi skor 0 hingga 6. Mereka tidak puas dengan pengalaman mereka dan mungkin memberikan ulasan negatif atau bahkan mencari alternatif.

Skor NPS dihitung dengan mengurangkan persentase Detractors dari persentase Promoters. Skor dapat berkisar dari -100 hingga 100. Skor positif menunjukkan lebih banyak Promoters daripada Detractors, sementara skor negatif menunjukkan sebaliknya.

Sumber Gambar: CheckMarket

3. Analisis Pengguna dengan Bantuan A/B Testing

Apakah sahabat DQLab pernah mendengar tentang analisis A/B Testing? A/B testing, juga dikenal sebagai split testing, adalah metode eksperimen di dunia bisnis dan desain produk yang digunakan untuk mengukur dan membandingkan kinerja dua versi atau lebih dari suatu elemen dengan tujuan meningkatkan tingkat konversi atau kinerja yang diinginkan. Dua versi yang dibandingkan ini disebut sebagai "A" dan "B", dan kadang-kadang dapat melibatkan lebih banyak variasi.

A/B testing dapat dilakukan untuk berbagai elemen, termasuk situs web, aplikasi mobile, materi pemasaran, email, dan banyak lagi. Metode ini membantu organisasi untuk mengambil keputusan berdasarkan data empiris daripada intuisi atau asumsi. A/B testing juga memungkinkan perusahaan untuk terus melakukan perbaikan berbasis fakta pada elemen-elemen yang mempengaruhi kinerja dan pengalaman pengguna.

Baca juga : Data Analyst vs Data Scientist, Yuk Kenali Perbedaannya

4. Analisis Retensi Pengguna

Analisis retensi pengguna dalam UX (User Experience) Design adalah proses memahami sejauh mana pengguna tetap terlibat dan terus menggunakan produk atau layanan dalam jangka waktu tertentu. Retensi pengguna merupakan indikator penting dalam desain pengalaman pengguna, karena tidak hanya mencakup bagaimana produk atau layanan dipahami pada awalnya, tetapi juga sejauh mana pengguna terus berinteraksi dan memanfaatkannya seiring waktu.

Analisis retensi pengguna membantu tim UX Design untuk memahami dinamika penggunaan produk atau layanan sepanjang waktu, memungkinkan mereka untuk membuat perubahan dan perbaikan yang dapat meningkatkan retensi dan kepuasan pengguna.

Sahabat DQ tentu yakin untuk terbiasa menghindari kesalahan tersebut, adalah dengan terus berlatih. Semakin sering kita menyelesaikan berbagai project, semakin sering pula kita memperbaiki kemampuan kita. Kalian bisa mulai melatih diri dengan menyelesaikan ragam project data analyst di DQLab. 

Modul ajarnya lengkap dan bervariasi. Semua skill yang dibutuhkan akan diajarkan. Dilengkapi studi kasus yang membantu kalian belajar memecahkan masalah dari berbagai industri. Bahkan diintegrasikan dengan ChatGPT. Manfaatnya apa?

• Membantu kalian menjelaskan lebih detail code yang sedang dipelajari

• Membantu menemukan code yang salah atau tidak sesuai

• Memberikan solusi atas problem yang dihadapi pada code

• Membantu kalian belajar kapanpun dan dimanapun

Selain itu, DQLab juga menggunakan metode HERO yaitu Hands-On, Experiential Learning & Outcome-based, yang dirancang ramah untuk pemula. Tunggu apa lagi, segera Sign Up dan jadilah ahli dalam menyampaikan insight data dengan mengikuti Bootcamp Data Analyst with SQL and Python! 

Penulis: Reyvan Maulid