Studi Kasus: Badi

Badi yang berpusat di Barcelona meluncurkan marketplace dua sisi yang menghubungkan para pencari teman serumah sesuai dengan usia, selera dan minat. Platform sewa kamar ini melayani kedua belah pihak, yakni: pihak yang memiliki kamar untuk disewakan dan pihak yang berminat untuk tinggal di rumah bersama. Startup ini sudah cukup dikenal di Spanyol dan memiliki kantor cabang di kota-kota besar seperti Paris, London dan Roma. badi telah berhasil mendapatkan 12 juta permintaan sewa sejak diluncurkan dan bertujuan untuk menjadi marketplace properti terbesar dan paling inovatif di dunia, dengan memulai tahun 2019 dengan Seri B!

Badi didirikan karena adanya kebutuhan.

Proses pencarian tempat tinggal yang tepat dapat menjadi salah satu proses yang paling menimbulkan frustrasi. Carlos Pierre menemukan adanya kebutuhan besar untuk menghubungkan pencari teman sekamar dan apartemen secara bersamaan, beliau kemudian membuat sebuah aplikasi untuk memenuhi permintaan ini.

Tidak lama setelah diluncurkan pada tahun 2015, badi sudah mengalami pertumbuhan yang pesat dan perlu membangun infrastruktur data yang lebih besar dan lebih canggih dengan mitra atribusi (attribution partner). Penerimaan data mentah berkualitas baik secara real-time sangat penting karena badi cenderung mengoptimalkan strategi pemasaran dengan peristiwa dalam aplikasi (in-app events) daripada instalasi.

Kami menganalisis kampanye pemasaran di tingkat iklan -- bukan dari segi akuisisi, tetapi dari segi pengalaman pengguna. Proses akuisisi, menggunakan, dan meninggalkan aplikasi tersebut tidak lagi memadai bagi pengguna. Proses konversi melibatkan beberapa langkah dan kita seakan bekerja dengan mata tertutup tanpa informasi tentang hal-hal yang dilakukan oleh setiap pengguna.

Saat itu, Badi menggunakan solusi yang tidak menyediakan informasi tingkat pengguna, sehingga perusahaan tidak dapat menganalisis perilaku dan meningkatkan pengalaman pengguna.

Badi menjadikan Adjust sebagai MMP baru. “Alasan utama kami memilih Adjust adalah untuk mendapatkan data tingkat pengguna”, ujar Guillem Pons, Chief Data Officer badi. “Tanpa data tingkat pengguna, kami tidak dapat melakukan pembandingan dengan data lain yang kami miliki.”

Bersama Adjust, badi berhasil memenuhi kriteria utama berikut:

• Kebebasan untuk menerima data ke backend Badi, tanpa batasan mengenai jumlah yang diperbolehkan (baik dari segi panjang data yang disimpan dan tingkat detail yang diperlukan)
• Data tingkat pengguna
• Pengalaman pengguna yang menyeluruh, mengaitkan data seluler dan desktop
• Menjaga privasi

Pada awalnya, proses mengintegrasikan Adjust pada skala sebesar ini membawa perubahan besar terhadap cara kerja tim data Badi, tetapi migrasi tersebut terbukti sepadan. “Data Adjust merupakan alasan pertama kami mengubah infrastruktur menjadi sistem data besar. Kami mendapatkan banyak sekali titik data saat itu”, ujar Pons. Badi kini memanfaatkan data tingkat pengguna Adjust secara maksimal, serta mengolah 4.000 titik data setiap detik.

Saat kami menyadari bahwa kami akan dapat melacak segala hal tanpa batas dan dapat mengembalikan semua data yang kami butuhkan, kami sangat menyukai solusi Adjust.

Proses migrasi Adjust dirancang dengan saksama melalui lima langkah. Jika Anda ingin mendapatkan informasi lebih lanjut tentang proses migrasi klien baru.

Badi melakukan sebagian besar pekerjaannya dalam BI, dengan memanfaatkan opsi data mentah real-time Adjust. Dengan opsi ini, pelacakan yang dapat dilakukan oleh badi tidak lagi hanya mencakup kampanye pemasaran atau sumber akuisisi pengguna. badi juga dapat melacak setiap peristiwa dalam aplikasi hingga tingkat pengguna. Dengan cara ini, badi dapat memperoleh informasi rinci, seperti ID login, jenis pencarian yang dilakukan oleh pengguna dan materi iklan yang menarik bagi mereka.

Untuk mengukur keberhasilan kampanye pemasaran, badi mengalihkan fokus dari pelacakan peristiwa ke pelacakan perilaku. Hal ini memungkinkan perusahaan untuk menghubungkan strategi pemasaran dan strategi produk.

Badi menganalisis perilaku pengguna mereka setelah menginstal aplikasi. Dengan mempertimbangkan hal tersebut, Badi dapat menguji semua fungsi dan meluncurkan kampanye pemasaran sesuai hasil temuan. Peristiwa tertentu dapat menentukan imbal hasil investasi (ROI). Untuk menganalisis perilaku ini, Badi menggunakan metodologi pengelompokan: menilai semua data perilaku dan semua data akuisisi pengguna, kemudian mengelompokkan aktivitas pengguna dengan frekuensi dan membandingkannya dengan perilaku yang diharapkan.Setelah itu, ROI yang berkaitan dengan perilaku dapat ditentukan, hasilnya menunjukkan berbagai tren seperti perilaku paling umum. Metodologi ini juga menunjukkan keterkaitan antara kampanye pemasaran dengan tindakan pengguna tertentu, serta apakah badi sudah menargetkan pengguna yang tepat. Misalnya, untuk mengetahui tingkat retensi, badi melacak iklan yang dipasang kembali di tingkat pengguna dan tingkat iklan agar dapat mengetahui kapan pengguna (yang telah meninggalkan aplikasi) kembali untuk menyelesaikan iklan. "Dengan Adjust, saya juga dapat melakukan analisis pasca kampanye mendalam, kini kami mengetahui secara pasti bahwa pengguna yang diakuisisi memang sesuai dengan yang kami bayar,” ujar Guillem.

Data mentah yang fleksibel, bersih dan dikumpulkan dengan baik sangatlah penting karena kami menggabungkan data Adjust pada backend kami untuk melacak aktivitas pengguna dari waktu ke waktu. Dengan cara ini, kami dapat membentuk profil pengguna dan memengaruhi pengembangan produk Badi. "

Data ini membantu memecahkan beberapa masalah. Misalnya, Badi dapat memperoleh gambaran yang jauh lebih jelas mengenai sisi hilir bisnis, meningkatkan konversi dan melakukan pelacakan lintas-perangkat.