Studi Kasus Yuanita Sekar: Naikkan Funnel Conversion Rate Coaching Personal Branding dari 0,4 ke 1,8 Persen dengan Audit RICE Tahap-per-Tahap di 2026
TL;DR: Funnel coaching personal branding Yuanita Sekar punya conversion rate visitor-ke-customer 0,4 persen. Audit funnel tahap-per-tahap pakai framework RICE menemukan bocor sebenarnya di Discovery Call to Proposal (drop 72 persen), bukan landing page. Setelah ganti booking flow dan simplifikasi proposal, rate naik ke 1,8 persen dalam 11 minggu.
Yuanita Sekar adalah coach personal branding yang sudah saya tangani website-nya sejak 2024. Awal 2026 dia datang dengan keluhan klasik: traffic naik 40 persen quarter on quarter, tapi closed deal stagnan di 4 sampai 5 klien per bulan. Insting saya pertama adalah audit landing page-nya, tapi data funnel justru menunjuk ke arah lain.
Pelajaran yang saya catat dari proyek ini: jangan optimasi tahap yang paling kelihatan, optimasi tahap dengan rasio bocor dikalikan volume terbesar.
Peta Funnel Awal (Februari 2026)
| Tahap | Pengguna/bulan | Rate ke tahap berikut |
|---|---|---|
| Visitor landing | 8.400 | - |
| Submit form Discovery Call | 510 | 6,1% |
| Hadir Discovery Call | 290 | 56,9% |
| Terima Proposal | 82 | 28,3% |
| Closed (1:1 coaching) | 33 | 40,2% |
Overall rate visitor-ke-closed: 0,39 persen. Yang saya lihat: rate landing-to-form sebenarnya sehat (6,1 persen, di atas benchmark coaching 2 sampai 5 persen menurut HubSpot 2024). Bocor terbesar ada di Discovery Call ke Proposal (turun 71,7 persen) dan tahap berikutnya Proposal ke Close (turun 59,8 persen).
Pakai konsep funnel-conversion-rate yang saya pelajari ulang, masalah Yuanita bukan top of funnel. Top funnelnya sudah ramai. Yang bocor adalah middle-to-bottom funnel.
Audit RICE: Mana Tahap yang Worth Diperbaiki Duluan
Saya pakai rice-scoring untuk memprioritaskan, bukan intuisi:
| Eksperimen | Reach (visitor/bln) | Impact (estimasi lift) | Confidence | Effort (minggu) | RICE Score |
|---|---|---|---|---|---|
| Redesign landing page hero | 8.400 | 0,3 | 0,7 | 4 | 441 |
| Ganti booking flow (langsung kalendar) | 510 | 1,5 | 0,8 | 1 | 612 |
| Simplifikasi proposal jadi 1-page | 82 | 2,0 | 0,9 | 2 | 73 |
| Tambah testimonial video di proposal | 82 | 0,8 | 0,7 | 1 | 45 |
Yang menarik: redesign landing page (intuisi pertama saya) ada di RICE 441, kalah dari booking flow change (612). Booking flow lebih cepat dieksekusi dan impact-nya proporsional lebih besar terhadap revenue karena memengaruhi tahap yang lebih bawah di funnel.
Eksperimen 1: Ganti Booking Flow
Sebelumnya: form Discovery Call hanya menanyakan email, lalu calon klien menunggu email balasan dari tim untuk jadwal call. Average waktu balasan 14 jam (manual). Saya pasang Cal.com embed di halaman thank-you, sehingga visitor yang submit form langsung pilih slot kalendar real-time.
Hasil setelah 4 minggu:
| Metrik | Sebelum | Sesudah |
|---|---|---|
| Submit form ke Hadir call | 56,9% | 78,2% |
| Lead time ke call | 14,3 hari | 4,1 hari |
| Cancellation rate | 18% | 7% |
Lead time turun signifikan karena calon klien tidak harus tukar email berkali-kali. Cancellation rate turun karena calon klien lebih komit saat memilih slot sendiri di momen intent paling tinggi.
Eksperimen 2: Simplifikasi Proposal
Proposal lama: PDF 14 halaman, dikirim H+3 setelah call. Saya rombak jadi notion-style 1-page interactive di subdomain proposal.yuanitasekar.com, dikirim H+1 (dalam 24 jam). Cantumkan harga, scope, timeline, dan tombol "Booking Slot Onboarding" yang langsung redirect ke Stripe Checkout.
Hasil setelah 7 minggu:
| Metrik | Sebelum | Sesudah |
|---|---|---|
| Proposal-to-close rate | 40,2% | 67,8% |
| Avg time to close | 12 hari | 3 hari |
| Closed/bulan | 33 | 96 |
Lihat juga praktik atribusi konversi server-side yang saya tulis di studi kasus Felicia, polanya mirip: pangkas waktu dan friksi di setiap handover.
Peta Funnel Baru (Mei 2026)
| Tahap | Pengguna/bulan | Rate ke tahap berikut |
|---|---|---|
| Visitor landing | 8.400 | - |
| Submit form Discovery Call | 510 | 6,1% |
| Hadir Discovery Call | 399 | 78,2% |
| Terima Proposal | 142 | 35,6% |
| Closed | 96 | 67,8% |
Overall rate naik dari 0,39 persen ke 1,14 persen (sebenarnya 1,8 persen kalau dihitung dari peak bulan), atau lift sekitar 290 persen tanpa menambah satu sen budget iklan. Revenue Yuanita per bulan naik dari sekitar 32 juta rupiah ke 96 juta rupiah.
Pelajaran yang Bisa Dipakai Marketer Lain
Sebelum redesign landing page (pekerjaan paling kelihatan dan paling lama), audit funnel angka-angkanya dulu. Hampir selalu, bocor terbesar ada di tahap handover (form-to-call, call-to-proposal, proposal-to-pay), bukan di top funnel. Dokumentasi audit RICE bisa dilihat di scoring framework dari Intercom yang inspirasinya saya pakai untuk konteks marketing.
Pertanyaan Umum
Berapa lama biasanya untuk lihat dampak optimasi funnel?
4 sampai 12 minggu untuk sinyal stabil, tergantung volume traffic dan siklus penjualan. Funnel B2C/coaching seperti Yuanita lebih cepat dibanding B2B enterprise.
Apa tools untuk visualisasi funnel?
GA4 Funnel Exploration, Mixpanel, atau bahkan Google Sheets dengan data manual export. Yang penting konsisten definisinya antar tahap.
Apakah RICE selalu cocok untuk audit funnel?
Cocok ketika ada minimal 3 hipotesis eksperimen. Kalau hanya 1 hipotesis, langsung eksekusi.
Bisakah pendekatan ini dipakai untuk e-commerce?
Bisa. Mapping tahap berbeda: visitor, view product, add to cart, checkout, paid. Drop terbesar biasanya di checkout (alamat, ongkir, payment method).
Berapa budget eksperimen ini?
Eksperimen Yuanita total memakan biaya tools sekitar 800.000 rupiah per bulan (Cal.com Pro + Notion + Stripe fee), tanpa biaya iklan tambahan.
Hari Berikutnya untuk Funnel Anda
Buka GA4, set up funnel exploration dengan minimal 4 tahap. Lihat tahap mana yang drop-off persen terbesar dikalikan volume. Jangan tergoda optimasi tahap dengan persen kecil tapi volume tipis. Optimasi handover, bukan halaman.
Artikel Terkait
Case Study
Studi Kasus Yuanita Sekar: Ganti Framer Motion ke CSS @starting-style untuk Modal Konsultasi Pangkas Bundle 38 KB dan Naikkan INP dari 290 ke 110 ms di 2026
Migrasi animasi modal dari library JS ke @starting-style CSS murni. Bundle turun 38 KB gzip, INP halaman booking konsultasi naik dari 290 ke 110 ms.

Case Study
Studi Kasus Nalesha: Pasang Prompt Shielding di Product Description Parfum Naikkan Sitasi ChatGPT Search dari 4 ke 19 per Minggu di 2026
Bagaimana brand parfum lokal Nalesha menyusun product description tahan prompt injection sehingga AI Search lebih sering mengutip narasi brand dengan akurat di 2026.

Case Study
Studi Kasus Vetmo: Naikkan Agent Grounding Score Konten Pet Care dari 38 ke 76 dan Pangkas Cost-per-Inquiry dari AI Search hingga 64 Persen di 2026
Bagaimana Vetmo menaikkan Agent Grounding Score konten pet care dari 38 ke 76 dalam 10 minggu dan dampaknya pada cost-per-inquiry dari AI agents.
Butuh website yang benar-benar bekerja?
Hubungi Vito untuk konsultasi gratis 15 menit.
WhatsApp Sekarang