Pengguna aktif adalah metrik kinerja perangkat lunak yang umum digunakan untuk mengukur tingkat keterlibatan untuk suatu produk perangkat lunak tertentu, dengan mengkuantifikasi jumlah interaksi aktif dari pengguna atau pengunjung dalam rentang waktu yang relevan (harian, mingguan, dan bulanan).
Metrik ini memiliki banyak kegunaan dalam manajemen perangkat lunak seperti layanan jaringan sosial, permainan online, atau aplikasi seluler, dalam analitik web seperti aplikasi web, dalam perdagangan seperti perbankan online dan dalam akademisi, seperti analitik perilaku pengguna dan analitik prediktif. Meskipun memiliki banyak kegunaan dalam pembelajaran perilaku digital, prediksi, dan pelaporan, hal ini juga memiliki dampak pada privasi dan keamanan, dan faktor etika harus dipertimbangkan dengan seksama. Metrik ini mengukur berapa banyak pengguna yang mengunjungi atau berinteraksi dengan produk atau layanan dalam interval atau periode waktu yang diberikan. Namun, tidak ada definisi standar untuk istilah ini, sehingga perbandingan laporan antara penyedia metrik ini yang berbeda menjadi bermasalah. Selain itu, sebagian besar penyedia memiliki kepentingan untuk menunjukkan angka ini sebanyak mungkin, oleh karena itu mendefinisikan bahkan interaksi paling minimal sebagai "aktif". Namun angka ini tetap menjadi metrik yang relevan untuk mengevaluasi perkembangan interaksi pengguna dari suatu penyedia yang diberikan. Metrik ini umumnya dievaluasi per bulan sebagai pengguna aktif bulanan (MAU), per minggu sebagai pengguna aktif mingguan (WAU), per hari sebagai pengguna aktif harian (DAU), dan pengguna bersamaan puncak (PCU).
Prediktor keberhasilan pengukuran keterlibatan (KPI) dan iklan
Pengguna aktif dalam skala waktu manapun memberikan gambaran kasar tentang jumlah pelanggan yang kembali mempertahankan produk, dan membandingkan perubahan dalam jumlah ini dapat digunakan untuk memprediksi pertumbuhan atau penurunan dalam jumlah konsumen. Dalam konteks komersial, keberhasilan sebuah situs jaringan sosial umumnya terkait dengan jaringan pengguna aktif yang berkembang (volume kunjungan situs yang lebih besar), hubungan sosial di antara pengguna tersebut, dan konten yang dihasilkan. Pengguna Aktif dapat digunakan sebagai indikator kinerja kunci (KPI), mengelola dan memprediksi kesuksesan di masa depan, dalam mengukur pertumbuhan dan volume pengguna saat ini yang mengunjungi dan mengonsumsi situs. Rasio DAU dan MAU menawarkan metode sederhana untuk memperkirakan keterlibatan pelanggan dan tingkat retensi dari waktu ke waktu. Rasio yang lebih tinggi mewakili probabilitas retensi yang lebih besar, yang sering menunjukkan keberhasilan produk. Rasio 0.15 ke atas diyakini sebagai titik puncak pertumbuhan sementara rasio 0.2 ke atas menandai kesuksesan yang berlangsung.
Chen, Lu, Chau, dan Gupta (2014) berargumen bahwa jumlah pengguna yang lebih besar (penganut awal) akan mengarah pada konten yang dihasilkan pengguna yang lebih besar, seperti posting foto dan video, yang "mempromosikan dan menyebarkan" penerimaan media sosial, berkontribusi pada pertumbuhan situs jaringan sosial. Pertumbuhan penggunaan media sosial, yang ditandai dengan peningkatan pengguna aktif dalam periode waktu yang telah ditentukan, dapat meningkatkan kehadiran sosial seseorang. Kehadiran sosial dapat didefinisikan sebagai tingkat di mana suatu medium komunikasi jaringan sosial memungkinkan seseorang merasa hadir dengan orang lain.
Penelitian Moon dan Kim (2001) menemukan bahwa kesenangan individu terhadap sistem web memiliki dampak positif pada persepsi mereka terhadap sistem, dan dengan demikian akan membentuk "niat perilaku tinggi untuk menggunakannya". Munnukka (2007) telah menemukan korelasi yang kuat antara pengalaman positif sebelumnya dari jenis komunikasi terkait dan adopsi layanan komunikasi situs seluler baru. Namun, ada juga kasus di mana pengguna aktif dan pendapatan tampaknya memiliki korelasi negatif. Misalnya, kenaikan pengguna aktif harian (DAU) Snap Inc. telah stabil atau menurun selama Pandemi COVID-19, pendapatan masih melebihi perkiraan, dengan tren yang kuat serupa pada periode saat ini.
Jumlah pengguna aktif yang lebih besar meningkatkan jumlah kunjungan di situs-situs tertentu. Dengan lalu lintas yang lebih banyak, lebih banyak pengiklan akan tertarik, berkontribusi pada generasi pendapatan. Pada tahun 2014, 88% dari tujuan penggunaan media sosial perusahaan adalah iklan. Peningkatan Pengguna Aktif memungkinkan situs jaringan sosial untuk membangun dan mengikuti lebih banyak profil pelanggan, yang didasarkan pada kebutuhan pelanggan dan pola konsumsi. Data pengguna aktif dapat digunakan untuk menentukan periode lalu lintas tinggi dan membuat model perilaku pengguna yang akan digunakan untuk iklan yang ditargetkan. Peningkatan profil pelanggan, karena peningkatan pengguna aktif, memastikan iklan yang lebih relevan dan dipersonalisasi. Bleier dan Eisenbeiss (2015) menemukan bahwa iklan yang lebih dipersonalisasi dan relevan meningkatkan "respon melalui tampilan" dan memperkuat efektivitas "banner yang diiklankan" secara signifikan. DeZoysa (2002) menemukan bahwa konsumen lebih cenderung membuka dan responsif terhadap iklan yang dipersonalisasi yang relevan bagi mereka.
Untuk tujuan pelaporan eksternal
Badan Standar Akuntansi Keuangan mendefinisikan bahwa tujuan pelaporan keuangan adalah menyediakan informasi keuangan yang relevan dan material kepada pengguna laporan keuangan untuk memungkinkan pengambilan keputusan dan memastikan alokasi sumber daya ekonomi yang efisien. Semua entitas pelaporan, terutama perusahaan publik dan perusahaan swasta besar, diwajibkan oleh hukum untuk mematuhi persyaratan standar pengungkapan dan akuntansi. Misalnya, di Australia, perusahaan wajib mematuhi standar akuntansi yang ditetapkan oleh Dewan Standar Akuntansi Australia, yang merupakan bagian dari Undang-Undang Perusahaan 2001. Dalam konteks perusahaan media sosial, juga terdapat pelaporan informasi non-keuangan, seperti jumlah pengguna (pengguna aktif). Contoh-contohnya bisa termasuk:
Metode alternatif untuk melaporkan metrik-metrik ini adalah melalui jaringan sosial dan web, yang telah menjadi bagian penting dari "lingkungan informasi" perusahaan untuk melaporkan informasi keuangan dan non-keuangan, menurut Frankel (2004), di mana informasi yang relevan untuk perusahaan disebarkan dan diseminasi dalam waktu singkat antara jaringan investor, jurnalis, dan pihak lain yang terlibat. Aggregator blog investasi, seperti Seeking Alpha, telah menjadi penting bagi analis keuangan profesional, yang memberikan rekomendasi tentang pembelian dan penjualan saham. Studi oleh Frieder dan Zittrain (2007) telah menimbulkan keprihatinan baru tentang bagaimana teknologi komunikasi digital dalam pelaporan informasi memiliki kemampuan untuk memengaruhi peserta pasar. Admiraal (2009) menekankan bahwa metrik nonkeuangan yang dilaporkan oleh perusahaan media sosial, termasuk pengguna aktif, mungkin tidak memberikan jaminan yang diinginkan dalam pengukuran keberhasilan, karena pedoman dan regulasi pelaporan yang melindungi keandalan dan kualitas informasi masih sedikit dan belum distandarisasi. Cohen dkk. (2012) dalam penelitian tentang sejumlah indikator kinerja ekonomi menemukan bahwa terdapat kurangnya pengungkapan yang luas dan variasi material antara praktik pengungkapan berdasarkan industri dan ukuran perusahaan. Pada tahun 2008, Komisi Sekuritas dan Bursa Amerika Serikat mengambil pendekatan hati-hati dalam merevisi panduan pengungkapan publik mereka untuk perusahaan media sosial dan menyatakan informasi tersebut sebagai "pelengkap daripada cukup sendiri". Alexander, Raquel, Gendry, dan James (2014) merekomendasikan agar eksekutif dan manajer mengambil pendekatan yang lebih strategis dalam mengelola hubungan investor dan komunikasi perusahaan, memastikan kebutuhan investor dan analis dipenuhi secara bersama-sama.
Pengguna aktif di dunia akademis
Penelitian dan analisis perilaku web serta prediksi
Metrik pengguna aktif dapat sangat berguna dalam analisis perilaku dan analisis prediktif. Metrik pengguna aktif dalam konteks analisis prediktif dapat diterapkan dalam berbagai bidang termasuk ilmu aktuaria, pemasaran, layanan keuangan, perawatan kesehatan, permainan daring, dan jejaring sosial. Lewis, Wyatt, dan Jeremy (2015), misalnya, telah menggunakan metrik ini untuk melakukan penelitian di bidang kesehatan untuk mempelajari kualitas dan dampak dari aplikasi seluler dan memprediksi batas penggunaan aplikasi tersebut.
Pengguna aktif juga dapat digunakan dalam studi yang menangani masalah masalah kesehatan mental yang dapat menghabiskan ekonomi global sebesar $16 Triliun Dolar AS pada tahun 2030, jika tidak ada alokasi sumber daya yang cukup untuk kesehatan mental. Melalui analisis perilaku web, Chuenphitthayavut, Zihuang, dan Zhu (2020) menemukan bahwa promosi dukungan informasi, sosial, dan emosional yang mewakili persepsi media dan publik memiliki efek positif pada niat perilaku partisipan penelitian mereka untuk menggunakan intervensi kesehatan mental daring. Program pendidikan psikologis online, jenis intervensi kesehatan mental online, ditemukan dapat meningkatkan kesejahteraan dan mengurangi konsepsi bunuh diri.
Di bidang permainan daring, pengguna aktif sangat berguna dalam prediksi perilaku dan tingkat putar permainan daring. Misalnya, fitur pengguna aktif seperti "Durasi aktif" dan "jumlah putaran" dapat memiliki korelasi terbalik dengan tingkat putar, dengan "waktu bermain yang lebih singkat dan jumlah putaran yang lebih rendah" terkait dengan tingkat putar yang lebih tinggi. Jia et Al. (2015) menunjukkan bahwa ada struktur sosial yang terjadi atau muncul dan berpusat di sekitar pemain yang sangat aktif, dengan kesamaan struktural antara permainan daring multipemain, seperti StarCraft II dan Dota.
Metrik Pengguna Aktif dapat digunakan untuk memprediksi karakteristik kepribadian seseorang, yang dapat diklasifikasikan dan dikelompokkan ke dalam kategori. Kategori-kategori ini memiliki akurasi yang berkisar dari 84% - 92%. Berdasarkan jumlah pengguna dalam kelompok tertentu, objek internet yang terkait dengannya dapat dianggap sebagai "trending" dan sebagai "area minat".
Pertimbangan etis dan batasan
Dengan evolusi internet menjadi alat yang digunakan untuk komunikasi dan sosialisasi, pertimbangan etis juga telah bergeser dari berbasis data menjadi "berpusat pada manusia", yang lebih mempersulit isu-etis yang berkaitan dengan konsep publik dan privat di domain online, di mana para peneliti dan subjek tidak sepenuhnya memahami syarat dan ketentuan. Pertimbangan etis perlu dipertimbangkan dalam hal persetujuan partisipatif, kerahasiaan-privasi-keutuhan data, serta norma dan standar yang diterima dalam penelitian cloud computing dan big data. Boehlefeld (1996) mencatat bahwa para peneliti biasanya merujuk pada prinsip etis dalam disiplin ilmu mereka masing-masing, karena mereka mencari panduan dan merekomendasikan pedoman oleh Association for Computing Machinery untuk membantu peneliti dalam tanggung jawab mereka dalam studi penelitian di bidang teknologi atau dunia maya.
Persetujuan yang diinformasikan merujuk pada situasi di mana peserta secara sukarela berpartisipasi dalam penelitian dengan pengakuan penuh terhadap metode penelitian, risiko, dan imbalan yang terkait. Dengan meningkatnya penggunaan internet sebagai alat jaringan sosial, pengguna aktif mungkin menghadapi tantangan unik dalam mendapatkan persetujuan yang diinformasikan. Pertimbangan etis dapat mencakup tingkat pengetahuan peserta dan kelayakan usia, cara dan praktik di mana peneliti memberitahu, dan "kapan" waktunya tepat untuk mengabaikan persetujuan. Crawford dan Schultz (2014) telah mencatat bahwa persetujuan menjadi "tak terhitung" dan "belum ditentukan" sebelum penelitian dilakukan. Grady dkk. (2017) menunjukkan bahwa kemajuan teknologi dapat membantu dalam mendapatkan persetujuan tanpa pertemuan langsung antara penyelidik (peneliti) dan peserta penelitian.
Sejumlah besar penelitian didasarkan pada data individual, yang mencakup identitas online pengguna (klik, bacaan, gerakan mereka) dan konten yang dikonsumsi serta dengan analisis data menghasilkan inferensi tentang preferensi mereka, hubungan sosial, dan kebiasaan bergerak atau bekerja. Dalam beberapa kasus, individu dapat sangat diuntungkan, tetapi dalam kasus lain mereka dapat dirugikan. Afolabi dan García-Basteiro (2017) percaya bahwa persetujuan yang diinformasikan terhadap studi penelitian adalah di luar "mencentang kotak atau memberikan tanda tangan", karena peserta bisa merasa tertekan untuk bergabung dalam penelitian, tanpa kesadaran peneliti terhadap situasi tersebut. Belum ada bentuk standar industri dan norma yang secara universal diterima dalam hal privasi data, kerahasiaan, dan integritas, merupakan pertimbangan etis yang kritis, namun telah ada upaya untuk merancang proses pengawasan terhadap kegiatan penelitian dan pengumpulan data untuk lebih memenuhi harapan komunitas dan pengguna akhir. Ada juga perdebatan kebijakan seputar isu-etis mengenai integrasi edtech (teknologi pendidikan) ke dalam lingkungan pendidikan K-12, karena anak-anak di bawah umur dianggap sebagai segmen yang paling rentan dari seluruh populasi.
Keterbatasan dan tantangan teknis
Banyak perusahaan media sosial memiliki perbedaan definisi dan metode perhitungan yang berbeda untuk metrik pengguna aktif. Perbedaan ini sering menyebabkan perbedaan dalam variabel yang diukur oleh metrik tersebut. Wyatt (2008) berargumen bahwa ada bukti bahwa beberapa metrik yang dilaporkan oleh perusahaan media sosial tampaknya tidak dapat diandalkan, karena memerlukan penilaian kategoris, tetapi masih memiliki nilai relevan bagi pengguna laporan keuangan. Luft (2009) menyampaikan bahwa metrik non-keuangan, seperti pengguna aktif, menimbulkan tantangan dalam akurasi pengukuran dan kecocokan dalam pembobotan ketika dikombinasikan dengan tindakan pelaporan akuntansi. Telah ada peningkatan perhatian dari pers bisnis dan akademisi tentang konvensi perusahaan dalam pengungkapan informasi ini.
Pengguna aktif dihitung menggunakan data internal dari perusahaan tertentu. Data dikumpulkan berdasarkan pengguna unik yang melakukan tindakan tertentu yang pengumpul data anggap sebagai tanda aktivitas. Tindakan-tindakan ini termasuk mengunjungi halaman utama atau halaman awal situs web, login, memberi komentar, mengunggah konten, atau tindakan serupa yang menggunakan produk. Jumlah orang yang berlangganan layanan juga dapat dianggap sebagai pengguna aktif selama durasinya. Setiap perusahaan memiliki metode sendiri untuk menentukan jumlah pengguna aktif mereka, dan banyak perusahaan tidak membagikan detail khusus tentang bagaimana mereka menghitungnya. Beberapa perusahaan melakukan perubahan pada metode perhitungan mereka dari waktu ke waktu. Tindakan spesifik yang menandai pengguna sebagai aktif sangat memengaruhi kualitas data jika tidak mencerminkan dengan tepat keterlibatan dengan produk, yang mengakibatkan data yang menyesatkan. Tindakan dasar seperti login ke produk mungkin bukan representasi yang akurat dari keterlibatan pelanggan dan dapat menggelembungkan jumlah pengguna aktif, sementara mengunggah konten atau memberi komentar mungkin terlalu spesifik untuk suatu produk dan kurang mewakili aktivitas pengguna.
Weitz, Henry dan Rosenthal (2014) menyarankan bahwa faktor-faktor yang dapat memengaruhi akurasi metrik seperti pengguna aktif meliputi masalah yang berkaitan dengan definisi dan perhitungan, keadaan inflasi yang menipu, spesifikasi ketidakpastian, dan akun duplikat atau palsu yang dibagikan pengguna. Penulis menggambarkan kriteria pengguna aktif bulanan Facebook sebagai pengguna terdaftar dalam 30 hari terakhir, telah menggunakan messenger, dan melakukan tindakan untuk berbagi konten dan aktivitas yang berbeda dari LinkedIn yang menggunakan anggota terdaftar, kunjungan halaman, dan tampilan. Sebagai contoh, pelanggan yang menggunakan Facebook sekali, untuk "memberi komentar" atau "membagikan konten", juga dapat dihitung sebagai "pengguna aktif". Penyebab potensial untuk ketidakakuratan dalam pengukuran ini adalah sistem Pay-for-Performance yang diterapkan, yang mendorong perilaku yang diinginkan, termasuk sistem kerja berkinerja tinggi. Di perusahaan media sosial, pengguna aktif adalah salah satu metrik penting yang mengukur kesuksesan produk. Trueman, Wong, dan Zhang (2000) telah menemukan bahwa dalam kebanyakan kasus, pengunjung unik dan tampilan halaman sebagai pengukuran penggunaan web menyebabkan perubahan harga saham, dan laba bersih di perusahaan internet. Lazer, Lev dan Livnat (2001) menemukan bahwa situs web yang lebih populer menghasilkan keuntungan saham yang lebih besar, dalam analisis penelitian mereka tentang data lalu lintas perusahaan internet melalui pembagian data lalu lintas yang lebih tinggi dan lebih rendah dari median. Memberikan portofolio lebih banyak keuntungan mungkin mempengaruhi investor untuk memberikan suara pada paket bonus yang lebih menguntungkan bagi manajemen eksekutif. Penelitian Kang, Lee dan Na (2010) tentang krisis keuangan 2008 menyoroti pentingnya mencegah "insentif eksploitasi" investor, yang memberikan implikasi yang sangat menonjol pada tata kelola perusahaan, terutama selama guncangan ekonomi.
Pengguna aktif terbatas dalam memeriksa perilaku pra-adopsi dan pasca-adopsi pengguna. Komitmen pengguna terhadap suatu produk online tertentu juga mungkin bergantung pada kepercayaan dan kualitas alternatif. Efek perilaku pra-adopsi terhadap perilaku pasca-adopsi, yang diprediksi oleh penelitian sebelumnya, ditemukan memiliki hubungan dengan faktor-faktor seperti kebiasaan, jenis kelamin, dan beberapa demografi sosial-budaya lainnya. Buchanan dan Gillies (1990) dan Reichheld dan Schefter (2000) berargumen bahwa perilaku pasca-adopsi dan penggunaan berkelanjutan "relatif lebih penting daripada penggunaan pertama atau awal" karena menunjukkan "tingkat kesetiaan konsumen", dan pada akhirnya menghasilkan nilai produk jangka panjang.
Posting Komentar