Social Media Analytics: The Only Metrics That Matter

Kesalahan $47.000 yang Mengubah Cara Saya Melihat Media Sosial Selamanya

Tiga tahun dalam peran saya sebagai Direktur Strategi Digital di sebuah perusahaan perangkat lunak B2B menengah, saya melihat wajah CEO kami menjadi pucat saat saya mempresentasikan laporan media sosial triwulanan kami. Kami telah menghabiskan $47.000 untuk kampanye influencer yang menghasilkan 2,3 juta tayangan, 89.000 suka, dan tepatnya nol prospek yang berkualitas. Tidak ada permintaan demo. Tidak ada pendaftaran percobaan. Tidak ada sama sekali.

Moment itu pada tahun 2019 secara fundamental mengubah pendekatan saya terhadap analitik media sosial. Saya Sarah Chen, dan saya telah menghabiskan 11 tahun terakhir membantu perusahaan, mulai dari startup kecil hingga perusahaan Fortune 500, memahami kinerja media sosial mereka. Saya telah mengelola anggaran dari $5.000 hingga $2 juta per tahun, dan saya telah melihat setiap jebakan metrik kesombongan yang bisa Anda bayangkan. Hari ini, saya akan berbagi kerangka kerja yang telah membantu klien saya menghasilkan lebih dari $23 juta dalam pendapatan yang diatribusikan dari media sosial—dan itu dimulai dengan membuang sekitar 80% metrik yang saat ini Anda lacak.

Masalah dengan analitik media sosial bukanlah kita tidak memiliki cukup data. Masalahnya adalah kita tenggelam di dalamnya. Dashboard pemasaran rata-rata yang saya audit melacak antara 40 hingga 60 metrik media sosial yang berbeda. Tayangan, jangkauan, tingkat keterlibatan, pertumbuhan pengikut, pangsa suara, skor sentimen, tingkat penyelesaian video—daftar ini terus berlanjut. Tetapi inilah yang telah saya pelajari setelah menganalisis data kinerja dari lebih dari 200 perusahaan: hanya sekitar tujuh metrik yang sebenarnya berkorelasi dengan hasil bisnis. Segala sesuatu lainnya hanya kebisingan.

Artikel ini bukan tentang melacak lebih banyak metrik. Ini tentang melacak yang tepat. Saya akan memandu Anda melalui kerangka kerja tepat yang saya gunakan dengan klien yang membayar antara $15.000 dan $40.000 per bulan untuk konsultasi strategis. Anda akan belajar metrik mana yang sebenarnya memprediksi pendapatan, bagaimana menghitungnya dengan benar, dan yang paling penting, bagaimana menggunakannya untuk membuat keputusan yang lebih baik tentang di mana menginvestasikan waktu dan anggaran Anda.

Mengapa Sebagian Besar Metode Media Sosial Sering Berbahaya

Izinkan saya jujur: metrik kesombongan bukan hanya tidak berguna—mereka berbahaya. Mereka menciptakan ilusi kemajuan yang mencegah Anda melakukan pekerjaan yang sebenarnya penting. Saya telah melihat pola ini terulang puluhan kali. Tim pemasaran merayakan mencapai 50.000 pengikut, lalu enam bulan kemudian mereka kebingungan menjelaskan mengapa pendapatan belum bergerak. Pengikutnya nyata, keterlibatannya tampak sehat, tetapi tidak ada yang diterjemahkan ke hasil bisnis.

"Metrik kesombongan disebut metrik kesombongan karena suatu alasan—mereka membuat Anda merasa baik tetapi tidak membayar tagihan. Jika suatu metrik tidak terhubung dengan pendapatan dalam dua langkah, hentikan pelacakannya."

Masalah inti adalah bahwa sebagian besar metrik media sosial mengukur aktivitas, bukan hasil. Mereka memberi tahu Anda apa yang terjadi, tetapi tidak apakah itu penting. Tayangan memberi tahu Anda berapa kali konten Anda muncul di layar. Itu menarik, tetapi tidak memberi tahu Anda apakah ada yang benar-benar melihatnya, peduli padanya, atau mengambil tindakan karena itu. Saya telah menjalankan kampanye yang menghasilkan 5 juta tayangan dan kampanye yang menghasilkan 50.000 tayangan. Kampanye yang lebih kecil menghasilkan 12 kali lebih banyak pendapatan karena mencapai orang yang tepat dengan pesan yang tepat pada waktu yang tepat.

Ini adalah kerangka kerja yang saya gunakan untuk mengevaluasi apakah suatu metrik layak dilacak: Apakah itu lolos tes "jadi apa"? Jika Anda tidak bisa menarik garis langsung dari metrik itu ke hasil bisnis yang penting bagi CEO atau dewan Anda, itu mungkin metrik kesombongan. Izinkan saya memberi Anda beberapa contoh. Jumlah pengikut? Gagal tes—kecuali Anda dapat membuktikan bahwa pengikut tersebut mengonversi pada tingkat yang terukur. Tingkat keterlibatan? Gagal tes—kecuali Anda dapat menunjukkan bahwa pengguna yang terlibat bergerak melalui corong Anda. Tingkat klik? Sekarang kita mulai mendekati, karena klik mewakili niat dan dapat dilacak ke konversi.

Masalah kedua dengan metrik tradisional adalah bahwa mereka mudah dimanipulasi dan sering kali menyesatkan. Saya pernah melakukan audit terhadap sebuah perusahaan yang merayakan peningkatan keterlibatan Instagram sebesar 340%. Terdengar mengesankan, bukan? Ketika saya menyelidiki data, saya menemukan mereka telah mengalihkan strategi konten mereka untuk fokus hampir sepenuhnya pada meme dan kutipan inspiratif. Keterlibatan meningkat, tetapi lalu lintas situs web dari Instagram turun 67%, dan generasi prospek hampir nol. Mereka mengoptimalkan hal yang salah, dan metrik yang mereka lacak mendorong mereka untuk terus melakukannya.

Masalah ketiga adalah kolaps konteks. Sebuah metrik tanpa konteks hanyalah angka. Apakah tingkat keterlibatan 2,4% baik atau buruk? Itu tergantung pada industri Anda, ukuran audiens Anda, jenis konten Anda, dan model bisnis Anda. Saya telah melihat perusahaan dengan tingkat keterlibatan 0,8% yang mencetak uang, dan perusahaan dengan tingkat keterlibatan 5,2% yang berjuang untuk tetap menguntungkan. Metrik itu sendiri hampir tidak memberi tahu Anda apa-apa tanpa memahami apa yang mendorongnya dan apa yang dihasilkan olehnya.

Kerangka Atribusi Pendapatan: Menghubungkan Titik yang Sebenarnya Penting

Setelah bencana $47.000 itu, saya menghabiskan enam bulan membangun kerangka analitik baru dari nol. Saya mulai dengan pertanyaan sederhana: Apa yang akan saya lacak jika saya hanya bisa melacak lima metrik? Pembatasan ini memaksa saya untuk berpikir tentang apa yang sebenarnya penting. Kerangka yang saya kembangkan berfokus pada tiga lapisan: metrik kesadaran yang memprediksi pertimbangan, metrik pertimbangan yang memprediksi konversi, dan metrik konversi yang memprediksi pendapatan. Setiap lapisan memberi makan ke lapisan berikutnya, menciptakan jalur yang jelas dari aktivitas media sosial ke hasil bisnis.

Dasar dari kerangka ini adalah atribusi yang tepat. Sebagian besar perusahaan menggunakan atribusi klik terakhir, yang memberikan semua kredit kepada titik sentuh terakhir sebelum konversi. Ini secara sistematis meremehkan media sosial karena biasanya merupakan saluran kesadaran tahap awal. Saya menggunakan model atribusi penurunan waktu yang memberikan lebih banyak kredit kepada titik sentuh yang lebih dekat dengan konversi, tetapi tetap mengakui peran interaksi sebelumnya. Ketika saya menerapkan ini di perusahaan saya saat ini, itu meningkatkan nilai yang diatribusikan dari upaya media sosial kami sebesar 340% dalam semalam—bukan karena kinerja meningkat, tetapi karena kami akhirnya mengukurnya dengan benar.

Inilah cara kerja kerangka ini dalam praktik. Di lapisan kesadaran, saya melacak jangkauan yang berkualitas—bukan jangkauan total, tetapi jangkauan di antara segmen audiens target kami. Saya mendefinisikan segmen ini berdasarkan jabatan, ukuran perusahaan, industri, dan sinyal perilaku. Sebuah kampanye yang menjangkau 10.000 orang di segmen target kami jauh lebih berharga daripada yang menjangkau 100.000 orang random. Saya menghitung ini dengan mengintegrasikan analitik media sosial kami dengan platform CRM dan otomasi pemasaran kami, lalu menyaring tayangan dan jangkauan berdasarkan karakteristik yang diketahui.

Di lapisan pertimbangan, saya melacak sesi yang terlibat—bukan hanya klik, tetapi klik yang mengarah ke keterlibatan yang berarti dengan konten kami. Saya mendefinisikan sesi yang berarti sebagai sesi di mana pengunjung menghabiskan setidaknya 90 detik di situs, melihat setidaknya dua halaman, atau menyelesaikan mikro-konversi seperti mengunduh sumber daya atau menonton video. Metrik ini menyaring klik yang tidak sengaja dan lalu lintas bot, memberi kami gambaran yang jauh lebih jelas tentang minat yang genuin. Dalam pengalaman saya, sesi yang terlibat mengonversi menjadi prospek sekitar 8-12 kali lebih cepat dibandingkan total sesi.

Di lapisan konversi, saya melacak pipeline yang dipengaruhi dan pendapatan yang ditutup. Sebuah kesempatan yang dipengaruhi adalah kesempatan di mana media sosial memainkan peran pada titik mana pun dalam perjalanan pembeli, bukan hanya klik terakhir. Saya melacak ini dengan menandai semua lalu lintas media sosial dengan parameter UTM, lalu menggunakan CRM kami untuk mengidentifikasi kesempatan mana yang memiliki titik kontak media sosial. Hasilnya sering kali mengejutkan. Dalam analisis terbaru, saya menemukan bahwa kesempatan dengan titik kontak media sosial memiliki rata-rata 23% lebih tinggi.