Studi Kasus Atmo LMS: BigQuery Export GA4 Naikkan Akurasi Analisis Retensi Kohort dari 88 ke 99 Persen dalam 21 Hari 2026

TL;DR: Dalam 21 hari, Atmo LMS memindahkan analisis retensi kohort siswa dari UI Google Analytics 4 ke BigQuery Export. Margin error karena sampling otomatis turun dari 12 persen ke kurang dari 1 persen, dan keputusan reactivation email berbasis cohort sekarang sesuai data 100 persen non-sampled. Investasi: aktivasi BigQuery Export gratis + setup dashboard Looker Studio 4 jam kerja.

Selama 2024-2025, tim Atmo LMS (platform edukasi yang dibangun Vito Atmo untuk mengajar digital marketing) memakai laporan Cohort dari GA4 Exploration Report untuk mengukur retensi siswa minggu ke-2 dan minggu ke-4 setelah enrollment. Laporan ini jadi basis kampanye reactivation email yang dikirim ke siswa yang berhenti login.

Per Februari 2026, tim notice angka retensi di UI GA4 mulai inkonsisten. Laporan yang sama, di-run dua hari berurutan, kadang berbeda 8-12 persen. Investigasi mengungkap penyebabnya: sampling otomatis aktif karena dimensi cohort_week dan enrollment_source kombinasi terlalu tinggi untuk 1 juta event cap UI standar GA4. Artikel ini merangkum proses migrasi ke BigQuery Export dan hasilnya.

Konteks: Atmo LMS sebagai Platform Edukasi

Atmo LMS adalah platform pembelajaran online buatan Vito Atmo untuk topik digital marketing dan Next.js. Per April 2026, platform punya 4.200 siswa aktif dengan rata-rata 28 ribu event GA4 per hari. Skala ini melewati batas aman sampling laporan custom GA4 sekitar 850 ribu event per minggu.

Cohort analysis di Atmo LMS digunakan untuk dua keputusan: (1) trigger email reactivation untuk siswa yang tidak login 7 hari, dan (2) optimasi onboarding flow berdasarkan retention minggu ke-2 per channel acquisition.

Masalah: Sampling UI GA4 Mengaburkan Keputusan

Per Februari 2026, tim Atmo LMS notice 3 anomali:

Selisih hampir 12 poin di akhir Februari membuat kampanye email reactivation menargetkan kohort yang salah, mengirim ke 1.100 siswa yang sebenarnya masih aktif. Open rate kampanye turun dari 31 persen ke 18 persen karena pesan tidak relevan.

Solusi: Migrasi ke BigQuery Export

Tim memilih BigQuery Export GA4 karena tiga alasan: gratis untuk akun GA4 standar dengan kuota 1 juta event per hari, mengakses 100 persen event tanpa sampling, dan memungkinkan SQL query custom untuk cohort dengan dimensi tinggi.

Langkah 1: Aktivasi BigQuery Export (Hari 1)

Aktifkan integrasi di GA4 Admin > BigQuery Links. Pilih region asia-southeast2 (Jakarta) untuk latensi rendah dari Looker Studio yang juga di-host di Jakarta. Daily export aktif dalam 24 jam.

Langkah 2: Query Cohort Custom (Hari 3-7)

Tim Vito Atmo menulis query cohort yang menghitung retensi per minggu dengan partition berdasarkan enrollment_date dan traffic_source:

SELECT
  DATE_TRUNC(PARSE_DATE('%Y%m%d', event_date), WEEK) AS cohort_week,
  COUNT(DISTINCT user_pseudo_id) AS users
FROM `dataset.events_*`
WHERE event_name = 'session_start'
  AND _TABLE_SUFFIX BETWEEN '20260101' AND '20260228'
GROUP BY cohort_week

Query menghasilkan angka tanpa sampling. Margin error dibanding raw count manual: kurang dari 1 persen.

Langkah 3: Dashboard Looker Studio (Hari 8-14)

Dashboard cohort dibangun di Looker Studio dengan BigQuery sebagai data source. Auto-refresh setiap 1 jam. Visualisasi mencakup heatmap retention W1-W8, breakdown per channel acquisition, dan trigger threshold untuk kampanye email.

Langkah 4: Validasi + Cutover (Hari 15-21)

Selama 7 hari paralel, tim membandingkan UI GA4 versus BigQuery output. Konsistensi BigQuery: 99,3 persen. UI GA4 tetap di 88-89 persen karena sampling. Cutover penuh ke BigQuery pada hari 21.

Hasil dalam 21 Hari

Kampanye reactivation email yang sebelumnya open rate 18 persen naik balik ke 32 persen dalam 2 minggu pertama setelah cutover, karena targeting kembali akurat. Estimasi kerugian akibat email salah-target selama Februari: Rp 4,2 juta dari upgrade plan yang tidak terjadi.

Pelajaran Bisnis

Pertama, sampling GA4 tidak terlihat di UI kecuali Anda klik ikon kecil di pojok kanan atas laporan. Marketer yang tidak terbiasa cek itu akan mengira data 100 persen akurat. Praktik standar di industri: aktifkan BigQuery Export sejak hari pertama implementasi GA4, walau belum dipakai. Data harian tetap tersimpan dan bisa di-query nanti.

Kedua, kuota gratis BigQuery (10 GB storage + 1 TB query per bulan) cukup untuk platform dengan kurang dari 5 juta event per bulan. Atmo LMS dengan 28 ribu event per hari hanya pakai 8 persen kuota query bulanan. Biaya nyata muncul saat trafik melewati 10 juta event per bulan atau Anda menjalankan query kompleks lintas dataset.

Ketiga, BigQuery membuka peluang join dengan data internal. Atmo LMS sekarang join data GA4 dengan tabel purchases di Supabase untuk hitung LTV per cohort acquisition channel, sesuatu yang tidak mungkin dilakukan di UI GA4.

Pertanyaan Umum

Apakah migrasi BigQuery butuh skill SQL advanced?

Tidak untuk use case dasar. Query cohort, funnel, dan path analysis bisa di-copy dari template Google Cloud documentation lalu disesuaikan tanggal dan dataset. Untuk join lintas tabel, basic SQL (SELECT, JOIN, GROUP BY) sudah cukup.

Apakah Atmo LMS sekarang tidak pakai UI GA4 sama sekali?

Tetap pakai untuk monitoring real-time (last 30 menit) dan acquisition overview. UI GA4 masih unggul untuk eksplorasi cepat tanpa setup. BigQuery dipakai khusus untuk laporan rutin dan keputusan kampanye yang butuh presisi.

Berapa lama setup BigQuery untuk pemula?

Aktivasi GA4 link butuh 5 menit. Tunggu 24 jam data masuk. Setup dashboard Looker Studio dari template publik butuh 2-3 jam. Untuk custom query cohort dari nol, perlu 4-6 jam belajar dasar SQL plus dokumentasi schema events GA4.

Kapan tidak perlu BigQuery Export?

Untuk situs di bawah 100 ribu event per bulan, sampling UI GA4 jarang aktif dan data akurat 95+ persen. BigQuery jadi over-engineering. Threshold praktis: aktifkan BigQuery saat event per bulan melewati 500 ribu atau saat Anda butuh lebih dari 2 dimensi tinggi di laporan custom.

Penutup

Akurasi data analytics bukan hal sepele saat keputusan kampanye senilai puluhan juta dibuat di atasnya. Atmo LMS belajar lewat 1 bulan kampanye email yang meleset 12 persen, kerugian Rp 4,2 juta dalam revenue potensial, sebelum akhirnya migrasi ke BigQuery Export. Marketer Indonesia yang menjalankan GA4 di skala 500 ribu event per bulan atau lebih sebaiknya aktifkan BigQuery Export sejak awal, walaupun query custom datang belakangan. Data harian akan tersimpan, siap untuk dianalisis kapan kebutuhan presisi datang.