Data Itu Emas: 5 Sumber Angka Kotor yang Bikin Anda Salah Baca Website Hotel

Bu Sari, pemilik hotel 18 kamar di Prawirotaman, Yogyakarta, hampir mematikan Google Ads bulan lalu. Google Analytics menunjukkan 1.240 kunjungan website, tapi booking langsung cuma 9. "Buang-buang uang," katanya.

Kami buka datanya bersama. Dari 1.240 kunjungan itu, 310 dari staf sendiri yang bolak-balik buka website kantor, 180 bot crawler, dan 420 tercatat "Direct" padahal aslinya dari link bio Instagram yang tidak pernah diberi penanda. Angka bersihnya sekitar 330 manusia sungguhan — dan 9 booking dari 330 itu konversi 2,7%, jauh dari zonk.

Masalahnya bukan Google Analytics-nya. Masalahnya, keputusan besar diambil dari angka yang belum disaring.

Angka kotor itu seperti kasir yang menghitung pelayan

Restoran Anda punya kasir yang tiap malam melapor: "Pak, 200 orang masuk hari ini." Saat ditanya detail: 40 di antaranya pelayan yang keluar-masuk dapur, 30 tetangga yang numpang toilet, dan 50 orang yang cuma lewat di depan pintu.

Angka 200 itu tekniknya benar, tapi bukan jawaban dari pertanyaan Anda: berapa tamu yang benar-benar duduk dan makan?

Begitu juga analytics hotel. Pertanyaan Anda selalu satu: berapa orang yang benar-benar mempertimbangkan menginap, dan berapa yang jadi booking?

Data kotor #1: "Direct" yang sebenarnya dari Instagram atau WhatsApp

Link di bio Instagram, story, caption TikTok, dan broadcast WhatsApp semuanya mengarah ke halaman yang sama — dan Google Analytics mencatatnya sebagai Direct, seolah tamu mengetik nama domain Anda di browser. Akibatnya Anda salah simpulkan: "Instagram saya tidak menghasilkan apa-apa." Padahal justru Instagram sumber booking terbesar.

Besok pagi bisa dilakukan: setiap link yang disebar wajib punya tiga penanda UTM — sumber (utm_source=instagram), media (utm_medium=social), dan nama kampanye (utm_campaign=promo_lowseason_oktober). Buat lewat Google Campaign URL Builder, lalu simpan 5 tautan siap pakai di catatan HP: bio, story, WhatsApp, email, dan iklan.

Data kotor #2: Kunjungan staf sendiri dan tamu di lobby

Semua orang hotel mengakses website Anda: staf reservasi, kasir, marketing, sampai laptop di lobby yang dipakai tamu. Di hotel kecil ini biasanya menggelembungkan data 10-25% (perkiraan) dan membuat bounce rate tampak buruk, karena staf membuka lalu menutup halaman segera.

Besok pagi bisa dilakukan: aktifkan filter lalu lintas internal berdasarkan alamat IP kantor. Kalau setting teknis belum sempat, minta semua demo browsing memakai mode incognito dengan penanda khusus, lalu kurangi jumlahnya saat membaca laporan.

Data kotor #3: Bot dan spam referral

Ada dua pengunjung palsu yang rutin masuk laporan: bot mesin pencari yang merayap di halaman Anda, dan spam referral dari domain aneh yang sengaja muncul agar diklik. Cirinya mudah dikenali — lonjakan kunjungan satu hari tanpa kenaikan booking.

Besok pagi bisa dilakukan: buka laporan referral, blokir domain asing dengan kunjungan besar tapi durasi hampir nol detik. Setelah bersih, angka kunjungan biasanya turun 10-15% — dan itu kabar baik, bukan kabar buruk.

Data kotor #4: Bounce rate yang dibaca dengan cara lama

Di GA4, angka yang tampil bukan lagi bounce rate klasik, melainkan engagement rate — seberapa sering kunjungan dianggap "berinteraksi". Halaman yang dilihat 3 detik tanpa scroll pun bisa dihitung engagement kalau ada tag yang menyala. Jadi engagement 75% tidak otomatis berarti halaman Anda bagus.

Besok pagi bisa dilakukan: pasangkan dengan perekam sesi gratis seperti Microsoft Clarity (clarity.microsoft.com). Anda bisa memutar ulang gerakan tamu: sampai mana dia scroll, di mana berhenti, dan tombol apa yang diklik sebelum pergi. Menonton 10 rekaman hampir selalu memunculkan satu temuan konkret. Kalau ingin temuan itu jadi keputusan permanen, pakai panduan 5 langkah uji perubahan website hotel.

Data kotor #5: Tiga dashboard, tiga angka berbeda

Ini penyebab rapat marketing hotel sering buntu. Google Analytics bilang 1.240 kunjungan, dashboard OTA bilang 85 booking, spreadsheet staf bilang 61 booking. Semua benar, tapi menghitung hal berbeda — ada yang termasuk pesanan batal, ada yang menghitung satu tamu dua kali karena booking dua kamar.

Besok pagi bisa dilakukan: tetapkan satu sumber kebenaran per pertanyaan, bukan satu sumber untuk semua.

Cara menyatukan saluran-saluran ini sudah dibahas di model atribusi booking hotel.

Ritual pembersihan 20 menit tiap awal bulan

• Siapkan UTM untuk semua tautan yang akan disebar bulan ini.
• Blokir domain referral sampah.
• Pastikan filter lalu lintas internal masih aktif.
• Tonton 10 rekaman sesi di Clarity, catat satu temuan.
• Tulis satu baris kesimpulan: "Angka bersihnya ___ kunjungan, ___ booking, konversi ___%."

Sebelum dan sesudah

Perhatikan contoh perkiraan sebulan untuk hotel 18 kamar:

Angka di atas perkiraan berdasarkan pola umum, bukan janji hasil. Tapi arahnya hampir selalu sama: setelah data bersih, setiap rupiah iklan dan setiap jam kerja konten jadi terarah ke saluran yang benar-benar mendatangkan tamu.