Marketing Analyst: Metrik, Tools, dan Jalur Masuknya
Blog/Karir Data/Marketing Analyst: Metrik, Tools, dan Jalur Masuknya

Marketing Analyst: Metrik, Tools, dan Jalur Masuknya

BimaBima
·5 Juli 2026·8 menit baca

Penulis

Bima

Bima

Founder & Data Professional

Bagikan

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.

Apa itu marketing analyst?

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.

Metrik apa yang dipegang marketing analyst tiap hari?

Ada 5 yang muncul di hampir semua perusahaan.

MetrikArtinyaRumus
CACBiaya narik 1 pelanggan baruTotal belanja marketing ÷ jumlah pelanggan baru
ROASRevenue per rupiah iklanRevenue dari iklan ÷ biaya iklan
LTVTotal nilai 1 pelanggan seumur hidupRata-rata transaksi × frekuensi × umur pelanggan
Conversion ratePersen yang lanjut ke tahap berikutnyaJumlah konversi ÷ jumlah pengunjung
RetensiPersen pelanggan yang balikPelanggan 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%.

Tools apa yang wajib bisa?

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.

Contoh kasus: channel mana yang beneran untung?

Ini pola analisis yang paling sering diminta. Aku pakai data kampanye toko_berkah, UMKM grocery yang belanja iklan di 3 channel selama 3 bulan.

ChannelBelanja iklanPelanggan baruCACRevenue 90 hariROAS
Meta AdsRp 48 jt612Rp 78.400Rp 171 jt3,6x
Google SearchRp 31 jt203Rp 152.700Rp 142 jt4,6x
TikTok AdsRp 26 jt498Rp 52.200Rp 61 jt2,3x

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 mesin 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.

Gimana jalur masuk jadi marketing analyst?

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.

Kesalahan umum yang bikin marketing analyst stuck

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.

FAQ

Apa bedanya marketing analyst dan data analyst?

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.

Marketing analyst harus bisa coding?

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.

Berapa gaji marketing analyst di Indonesia?

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.

Bisa nggak pindah dari marketing ke marketing analyst?

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.

Metrik mana yang paling penting buat marketing analyst?

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.

Penutup

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.

Coba Langsung

Mau praktek langsung? Mulai latihan SQL gratis

Latihan interaktif, langsung di browser.

Buka NgulikSQL →
Bagikan:
Bima
Ditulis oleh

Bima

Founder & Data Professional

Founder Ngulik Data. Passionate about making data analysis accessible for everyone.

Artikel Terkait

Kerja Data Analyst di Luar Negeri: Visa, Gaji, dan Persiapan
Karir Data
11 Juli 2026•9 menit baca

Kerja Data Analyst di Luar Negeri: Visa, Gaji, dan Persiapan

Kerja data analyst di luar negeri bukan soal ijazah luar negeri. Yang nentuin: sponsorship visa, portfolio, dan negara yang kamu incar.

BimaBima
Financial Analyst vs Data Analyst: Dua Dunia yang Makin Nyatu
Karir Data
8 Juli 2026•8 menit baca

Financial Analyst vs Data Analyst: Dua Dunia yang Makin Nyatu

Financial analyst kerja di angka uang, data analyst kerja di angka apa pun. Tapi di 2026 tools-nya makin sama. Ini beda dan irisannya.

BimaBima
Product Analyst: Jobdesk, Skill, dan Bedanya dari Data Analyst
Karir Data
2 Juli 2026•9 menit baca

Product Analyst: Jobdesk, Skill, dan Bedanya dari Data Analyst

Product analyst kerja bareng tim produk buat mutusin fitur mana yang dibangun. Ini jobdesk hariannya, skill yang dibutuhin, gaji, dan bedanya dari data analyst.

BimaBima
Kembali ke Blog
Ngulik Data logoNgulik Data

Platform edukasi data lengkap untuk professionals Indonesia. Belajar SQL, Data Analysis, dan lebih banyak lagi dengan praktek langsung dan feedback real-time.

Copyright © 2026 - All rights reserved

LINKS
SupportPricingDatasetBlogAffiliates
LEGAL
Terms of servicesPrivacy policy
Ngulik Data
DatasetLeaderboardBlogStore