TL;DR
Marketing analyst adalah analis yang ngukur efektivitas belanja marketing, dari iklan, konten, sampai promo, dan nerjemahin hasilnya jadi keputusan alokasi budget. Metrik intinya CAC, ROAS, LTV, conversion rate, dan retensi. Skill wajibnya SQL plus spreadsheet, bukan machine learning, dan orang marketing yang belajar SQL sering lebih cepat masuk daripada orang teknis yang belum ngerti funnel.
Marketing analyst adalah analis yang ngukur efektivitas belanja marketing dan nerjemahin hasilnya jadi keputusan alokasi budget.
Kalau tim marketing bakar Rp 200 juta di iklan bulan ini, marketing analyst yang jawab: berapa pelanggan yang dateng, berapa yang beli lagi, dan channel mana yang layak dinaikin bulan depan.
Posisi ini salah satu pintu masuk paling gampang ke dunia data buat orang non-teknis. Alasannya sederhana: konteks bisnisnya lebih susah dipelajari daripada SQL-nya.
Marketing analyst adalah orang yang ngukur hasil dari setiap rupiah yang dikeluarin buat narik dan nahan pelanggan. Kerjaannya nyambungin data iklan, data transaksi, dan data pelanggan jadi satu cerita: channel mana yang untung, mana yang bocor.
Output hariannya bukan model machine learning. Biasanya: laporan performa kampanye, analisis funnel yang macet, dan rekomendasi geser budget.
Yang bikin peran ini beda dari data analyst pada umumnya: kamu hidup di domain yang angkanya berubah tiap hari dan keputusannya cepat.
Ada 5 yang muncul di hampir semua perusahaan.
| Metrik | Artinya | Rumus |
|---|---|---|
| CAC | Biaya narik 1 pelanggan baru | Total belanja marketing ÷ jumlah pelanggan baru |
| ROAS | Revenue per rupiah iklan | Revenue dari iklan ÷ biaya iklan |
| LTV | Total nilai 1 pelanggan seumur hidup | Rata-rata transaksi × frekuensi × umur pelanggan |
| Conversion rate | Persen yang lanjut ke tahap berikutnya | Jumlah konversi ÷ jumlah pengunjung |
| Retensi | Persen pelanggan yang balik | Pelanggan balik ÷ pelanggan periode awal |
Dari lima itu, yang paling sering dipakai buat ngambil keputusan besar adalah rasio LTV : CAC.
Kalau CAC kamu Rp 85.000 dan LTV Rp 190.000, rasionya 2,2x. Masih untung, tapi tipis. Naikin belanja iklan di angka segitu bisa bikin margin habis.
ROAS sering jadi jebakan. Angkanya gede dan gampang dipamerin, tapi dia cuma ngitung revenue, bukan profit. ROAS 4x kelihatan hebat sampai kamu sadar margin produknya cuma 20%.
Tiga lapis, urut dari yang paling sering dipakai.
Spreadsheet. Ini masih tool nomor satu marketing analyst, walaupun kedengeran nggak keren. Pivot table buat breakdown channel, VLOOKUP buat gabungin data iklan sama data transaksi, dan model sederhana buat proyeksi budget kuartal depan.
SQL. Begitu data pelanggan pindah ke warehouse, spreadsheet nggak cukup. Yang kamu butuh nggak banyak: SELECT, JOIN, GROUP BY, dan window function buat hitung cohort. Serius, itu doang buat 90% kerjaan.
Tool visualisasi. Looker Studio paling umum dipakai di Indonesia soalnya gratis dan nyambung langsung ke Google Ads. Metabase dan Tableau nyusul di perusahaan yang lebih besar.
Di luar itu, kamu bakal ketemu Google Analytics 4, Meta Ads Manager, dan kadang tool atribusi kayak AppsFlyer. Ini dipelajari sambil jalan, nggak perlu dikuasai sebelum ngelamar.
Ini pola analisis yang paling sering diminta. Aku pakai data kampanye toko_berkah, UMKM grocery yang belanja iklan di 3 channel selama 3 bulan.
| Channel | Belanja iklan | Pelanggan baru | CAC | Revenue 90 hari | ROAS |
|---|---|---|---|---|---|
| Meta Ads | Rp 48 jt | 612 | Rp 78.400 | Rp 171 jt | 3,6x |
| Google Search | Rp 31 jt | 203 | Rp 152.700 | Rp 142 jt | 4,6x |
| TikTok Ads | Rp 26 jt | 498 | Rp 52.200 | Rp 61 jt | 2,3x |
Lihat TikTok. CAC-nya paling murah, Rp 52.200, cuma sepertiga dari Google Search. Tim marketing langsung mau geser budget ke situ.
Tapi ROAS-nya paling rendah. Pelanggan dari TikTok datang murah, belanja sekali, terus hilang.
Angka yang paling penting justru yang nggak ada di tabel: repeat rate. Dari 498 pelanggan TikTok, cuma 47 yang belanja lebih dari sekali (9,4%). Dari 203 pelanggan Google Search, 89 balik lagi (43,8%).
Google Search CAC-nya 3x lipat, tapi pelanggannya bertahan 4,6x lebih lama.
Rekomendasi yang keluar dari analisis ini bukan "geser budget ke TikTok". Tapi: pertahankan Google Search sebagai sumber pelanggan bernilai tinggi, dan pakai TikTok cuma buat produk entry-level dengan margin tinggi.
Ini contoh kenapa marketing analyst nggak bisa cuma baca satu metrik. CAC murah nggak ada gunanya kalau pelanggannya nggak balik.
Ada 3 jalur yang paling sering aku lihat.
Dari marketing. Ini yang paling cepat. Kamu udah paham funnel, udah tau kenapa CPC naik pas Ramadan, dan udah kenal stakeholder. Yang kurang cuma SQL. Enam sampai delapan minggu belajar konsisten biasanya cukup buat lolos technical screening entry level.
Dari data analyst umum. Skill teknisnya udah ada, tinggal belajar domain. Ini butuh 2-3 bulan buat ngerti atribusi, siklus kampanye, dan kenapa angka Meta Ads Manager nggak pernah cocok sama data internal.
(Jawabannya: attribution window. Meta ngaku konversi yang terjadi 7 hari setelah klik. Sistem internal kamu cuma ngitung last-click. Selamanya beda.)
Fresh graduate. Jalur paling susah, tapi bisa. Kuncinya portofolio yang pakai data nyata, ambil data iklan dari toko online temen kamu, hitung CAC dan LTV, tulis rekomendasinya. Satu studi kasus nyata ngalahin 5 sertifikat.
Ngelaporin metrik tanpa keputusan. "CTR naik 0,3%" bukan insight. Insight itu: "CTR naik 0,3% setelah ganti thumbnail, layak dites di 2 kampanye lain."
Percaya angka dari platform iklan mentah-mentah. Meta dan Google sama-sama ngaku konversi yang sama. Kalau kamu jumlahin, total konversinya bisa 130% dari transaksi asli. Selalu rekonsiliasi sama data internal.
Ngukur channel pakai window yang sama. Google Search punya siklus beli pendek. Konten organik butuh 3 bulan. Nilai keduanya pakai window 7 hari, dan konten selalu kelihatan gagal.
Buat definisi metrik yang standar, dokumentasi Google Analytics 4 soal atribusi lumayan jelas dan gratis.
Data analyst kerja lintas fungsi, bisa pegang finance, operasional, atau produk. Marketing analyst fokus di satu domain: uang yang keluar buat narik pelanggan dan apa yang balik dari situ. Skill teknisnya mirip banget, sama-sama SQL dan spreadsheet. Bedanya di konteks: marketing analyst harus paham funnel, atribusi channel, dan siklus kampanye.
SQL iya, dan itu nggak bisa ditawar di perusahaan yang punya data warehouse. Python opsional, berguna buat ngotomatisin laporan mingguan, tapi jarang jadi syarat masuk. Yang jauh lebih sering dipakai justru spreadsheet: pivot table, VLOOKUP, dan model sederhana buat proyeksi budget.
Range yang paling sering muncul di lowongan 2026: Rp 7-12 juta untuk entry level, Rp 13-22 juta untuk mid level dengan 2-4 tahun pengalaman. Di startup yang belanja iklannya besar, angkanya bisa lebih tinggi karena dampak kerjaannya langsung kelihatan di P&L. Cek langsung di lowongan, jangan percaya rata-rata nasional.
Ini justru jalur masuk yang paling cepat. Kamu udah paham funnel, ngerti kenapa CPC naik pas Ramadan, dan tau apa yang stakeholder butuh. Yang kurang cuma SQL. Belajar SELECT, JOIN, dan GROUP BY sampai lancar biasanya makan 6-8 minggu kalau konsisten, dan itu udah cukup buat lamar posisi entry level.
Rasio LTV terhadap CAC. Metrik lain kayak CTR atau impression bisa naik tanpa ngaruh ke bisnis, tapi kalau biaya narik pelanggan lebih besar dari nilai yang mereka kasih seumur hidup, kampanye itu bakar duit. Patokan umum di SaaS: LTV minimal 3x CAC. Di e-commerce, angkanya beda karena margin per transaksi lebih tipis.
Marketing analyst hidup dari dua angka: berapa biaya narik pelanggan, dan berapa nilai yang mereka kasih balik.
Tools-nya nggak eksotis, spreadsheet, SQL, satu tool dashboard. Yang mahal itu paham konteksnya.
Kalau kamu dari marketing dan mau nambah SQL, mulai dari yang paling kepakai: GROUP BY buat breakdown per channel. Panduannya ada di tutorial GROUP BY SQL. Buat ngitung LTV dan cohort, lanjut ke panduan cohort analysis.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Kerja data analyst di luar negeri bukan soal ijazah luar negeri. Yang nentuin: sponsorship visa, portfolio, dan negara yang kamu incar.
Financial analyst kerja di angka uang, data analyst kerja di angka apa pun. Tapi di 2026 tools-nya makin sama. Ini beda dan irisannya.
Product analyst kerja bareng tim produk buat mutusin fitur mana yang dibangun. Ini jobdesk hariannya, skill yang dibutuhin, gaji, dan bedanya dari data analyst.