Menyusun Retention Curve per Segmen Pemain

Retention curve per segmen pemain adalah grafik retensi yang dihitung terpisah untuk tiap kelompok pengguna. Angka retensi gabungan cenderung didominasi kelompok terbesar, sehingga kelompok kecil yang paling cepat berhenti bisa tenggelam. Memecah kurva per segmen memperlihatkan kelompok mana yang bertahan dan kelompok mana yang bocor lebih dulu.

Mengapa retensi gabungan menyesatkan

Bayangkan dua kelompok pemain: pemain organik yang datang dari pencarian toko aplikasi dan pemain dari kampanye berbayar. Retensi D1 gabungan keduanya bisa terlihat stabil di 40 persen. Setelah dipecah, kelompok organik bertahan di 55 persen sementara kelompok berbayar jatuh ke 25 persen. Rata-rata gabungan menyembunyikan selisih 30 poin itu.

Masalah yang sama muncul saat memecah berdasarkan sumber akuisisi, platform, wilayah, atau tingkat belanja. Semua segmen ini punya kurva sendiri. Selama hanya satu kurva yang dipantau, keputusan alokasi anggaran dan desain fitur diambil berdasarkan gambaran yang sudah tercampur.

Menentukan dasar pemecahan segmen

Segmen yang berguna harus cukup besar agar kurvanya tidak didominasi derau, dan cukup berbeda agar pemecahannya bermakna. Sebelum menarik kurva, cek jumlah pemain per kelompok pada tiap titik waktu. Kelompok dengan pemain aktif harian di bawah beberapa ratus biasanya menghasilkan grafik bergerigi yang sulit dibaca.

Beberapa dasar pemecahan yang lazim dipakai tim data game:

• Sumber akuisisi: organik, berbayar, rujukan, atau undangan pemain lain.
• Platform: Android, iOS, atau web, karena pola sesi dan pembaruan berbeda.
• Perilaku awal: pemain yang menyelesaikan tutorial, pemain yang tidak, dan pemain yang melakukan pembelian pertama.
• Wilayah dan bahasa: penting bila kampanye pemasaran dijalankan per negara.
• Kohort waktu: pemain yang bergabung pada minggu tertentu, untuk memisahkan efek pembaruan dari perbedaan perilaku.

Untuk dasar pemecahan yang lebih rinci, misalnya penggabungan perilaku dan nilai belanja, metode segmentasi pemain game membahas perbandingan pendekatannya.

Menyusun kurva yang bisa dibandingkan

Retention curve hanya berarti bila titik awalnya sama. Tentukan satu peristiwa sebagai awal hitungan, misalnya hari pertama pemain membuka aplikasi atau hari pemain menyelesaikan tutorial. Semua segmen harus memakai definisi yang sama, jika tidak, perbandingan antar kurva kehilangan dasar.

Setelah definisi tetap, hitung retensi pada interval seragam: D1, D3, D7, D14, D30, dan seterusnya. Interval yang rapat di awal berguna karena sebagian besar penurunan terjadi di hari-hari pertama. Interval yang terlalu rapat setelah D14 hanya menambah titik tanpa menambah informasi.

Untuk game dengan pembaruan konten rutin, kurva per kohort mingguan lebih informatif dibanding kurva per segmen statis. Pemain yang bergabung sebelum dan sesudah pembaruan besar bisa punya pola bertahan yang sangat berbeda meski berasal dari sumber akuisisi yang sama. Cara memantau efek pembaruan terhadap metrik harian dibahas di metrik live ops game.

Membaca bentuk kurva, bukan hanya angkanya

Angka D7 sering dipakai sebagai ringkasan, tetapi bentuk kurva menyimpan informasi yang tidak terlihat dari satu titik. Kurva yang jatuh tajam lalu mendatar menandakan ada kelompok kecil yang sangat loyal sementara mayoritas berhenti cepat. Kurva yang menurun perlahan tanpa pernah mendatar biasanya berarti belum ada inti pemain yang terbentuk.

Perhatikan juga ekor kurva. Pada banyak game, retensi D30 sampai D90 lebih menentukan pendapatan jangka panjang dibanding D1. Segmen yang kurvanya mendatar di ekor layak diinvestasikan lebih besar, misalnya lewat penawaran khusus atau akses konten awal. Menilai apakah kelompok tersebut benar-benar bernilai tinggi memerlukan pandangan dari beberapa metrik sekaligus, seperti yang dibahas di panduan memilih metrik analitik game.

Memasangkan kurva dengan peristiwa produk

Kurva retensi per segmen akan lebih mudah ditindaklanjuti bila ditumpuk dengan catatan peristiwa: tanggal rilis pembaruan, perubahan harga, atau akhir kampanye iklan. Retensi yang tiba-tiba naik pada satu segmen setelah pembaruan tertentu memberi petunjuk tentang fitur yang bekerja. Penurunan setelah perubahan konfigurasi toko aplikasi memberi petunjuk sebaliknya.

Agar peristiwa ini bisa dipetakan ke kurva, definisi pelacakan harus konsisten sejak awal. Perbandingan pendekatan pelacakan dan konsekuensinya terhadap kualitas data ada di perbandingan platform game analytics untuk tim data.

Kesalahan yang sering muncul

Beberapa jebakan teknis membuat kurva per segmen sulit dipercaya. Pertama, memakai penyebut berbeda untuk tiap segmen, misalnya menghitung retensi harian dari pemain aktif hari sebelumnya untuk satu segmen dan dari seluruh kohort untuk segmen lain. Kedua, mencampur pemain baru dengan pemain lama yang kembali, sehingga kurva tampak lebih tinggi dari seharusnya. Ketiga, membandingkan segmen dengan ukuran sangat timpang tanpa menyertakan jumlah pemain di tiap titik.

Kurva yang dihitung ulang setiap hari dari data mentah juga bisa berubah nilainya untuk hari-hari yang sudah lewat, terutama pada game seluler yang masih menerima data tertunda. Simpan snapshot kurva pada waktu tertentu agar laporan antar periode tetap bisa dibandingkan.

Ringkasan

Retention curve per segmen memberi gambaran yang lebih jujur dibanding satu kurva gabungan. Pemilihan dasar pemecahan, definisi awal hitungan yang seragam, interval yang konsisten, dan pembacaan bentuk kurva di ekor menentukan seberapa berguna kurva itu. Dengan begitu, tim bisa memutuskan segmen mana yang layak dipertahankan dan segmen mana yang perlu diperbaiki lebih dulu.

Pertanyaan yang Sering Diajukan

Berapa jumlah minimum pemain dalam satu segmen agar kurvanya layak dibaca?

Tidak ada angka mutlak, tetapi pedoman praktisnya: semakin kecil kelompok, semakin besar variasi alami pada kurvanya. Jika satu segmen hanya berisi beberapa puluh pemain aktif pada suatu hari, kurvanya lebih banyak mencerminkan kebetulan daripada pola. Gabungkan segmen kecil yang serupa sebelum menarik kurva.

Apakah retention curve per segmen perlu dihitung setiap hari?

Untuk segmen dengan pembaruan konten harian, perhitungan harian membantu menangkap perubahan cepat. Untuk segmen yang stabil, perhitungan mingguan sudah cukup dan lebih mudah dibaca. Yang lebih penting adalah konsistensi jadwal agar perbandingan antar periode tidak bias.

Bagaimana menangani segmen yang jumlahnya menyusut cepat?

Segmen yang menyusut membuat kurva makin datar karena penyebutnya makin kecil, sehingga terlihat seolah retensi membaik. Tampilkan jumlah pemain di samping setiap titik kurva, dan pertimbangkan menghentikan perbandingan setelah jumlah pemain turun di bawah ambang tertentu yang sudah disepakati tim.