Mencari Pola Produk Sebelum Melakukan Growth Hacking

Di sebuah perjalanan menuju rapat di sebuah sore ibukota, kembali muncul penggalan perbincangan singkat antara saya dengan Wahyu, CEO Yawme.

“Gw sekarang dah ketemu pattern-nya kak, gimana caranya memastikan minimal 2000 DAU (Daily Active Users) untuk Yawme tiap hari”, ujar Wahyu.
“wiii gimana tuh caranya Wahyu?” tanya saya penasaran.

Lalu beliau cerita deh detail gimana aktivitas yang harus dilakukan dan jadi sebuah formula tuk memperoleh minimal target harian DAU Yawme tercapai. Plus cerita juga gimana perjalanannya sampai ketemu formula atau cara tersebut.

Rapat Rutin Tim Badr Startup Studio

Hal ini sejalan dengan tulisan saya terakhir yang menyinggung soal cara menemukan Product Market Fit (PMF). Salah satunya adalah dengan konkret terjun dalam eksekusi langsung di market. Menemukan formula yang bekerja juga didapatkan dengan loop berulang uji coba dan cari pola.

Saya pernah baca sebuah cerita tentang cara twitter meningkatkan retensi penggunaan aplikasinya. Adalah sebuah tantangan besar di masa awal twitter untuk bisa melakukan growth hacking agar retensi penggunaan platform mereka melonjak signifikan. Akhirnya mereka merekrut seorang growth hacker bernama Josh Elman tuk melakukannya.

Josh sampai membuat tim beranggotakan 25 orang tuk bisa mencari cara yang bekerja meningkatkan retensi penggunaan twitter. Dengan SDM sebanyak itu mereka melakukan serangkaian analisis dan eksperimen hingga akhirnya mereka menemukan sebuah formula menarik. Bahwa retensi penggunaan twitter akan melonjak signifikan seiring dengan semakin banyaknya orang yang di-follow. Formula ini jamak kita ketahui saat ini, tapi dulu itu belum teruji dan diketahui orang banyak.

Setelah itu, Josh dan tim mencoba berbagai pendekatan mencari alur yang paling efektif tuk mensugesti orang follow akun twitter pengguna lainnya. Dari rekomendasi 20 random akun tuk difollow, hingga buat list di sidebar web twitter yang berisi rekomendasi akun yang relevan difollow pengguna. Melesatlah retensi dan aktivitas dari para pengguna Twitter.

Hal ini mirip-mirip dengan facebook yang menemukan pola bila seorang pengguna sudah punya 7 teman dalam 10 hari maka kemungkinan besar dia akan jadi pengguna aktif dan tetap. Atau Zynga dengan pola pengguna aktif adalah mereka yang kembali lagi setelah hari pertama, dan Dropbox ketika pengguna telah menempatkan minimal 1 file di folder Dropbox.

Mencari Pola Berdasarkan Data yang Ditemukan di Kehidupan Nyata

Semua pola yang ditemukan itu pasti butuh data, yang harus didapatkan dengan serangkaian eksperimen dan eksekusi nyata langsung ke pengguna kita. Bisa jadi sebentar, tapi tak jarang juga perlu waktu lama tuk temukan pola nya.

Nah ketika pola tersebut sudah ketemu, akan lebih mudah serta terukur tuk kita melakukan intervensi dalam strategi pengembangan produk dan marketing kita. Seperti Yawme yang mulai menemukan pola penyebab peningkatan DAU nya dari hari ke hari, maka fokus saja dalam “hacking” seputar pola penyebab pertumbuhan itu.

Jika pengguna menjadi semakin aktif dengan rekomendasi akun untuk di-follow, maka fokus pengembangan produk bisa diarahkan tuk mencari ide-ide baru yang paling efektif dalam memberikan rekomendasi teman. Carilah variasi dan ber-eksperimenlah di sana. Jika pengguna menjadi semakin aktif dengan push notification yang kita kirim, maka eksperimenlah variasi konten, waktu, dan cara pengiriman pust notification tersebut.

Memang buat kita yang melihat dari luar hal tersebut terkesan kecil, dibandingkan dengan keseluruhan scope dari sebuah produk. Tapi memang hal-hal yang terlihat kecil tersebutlah yang kadang menggulirkan perubahan dan pertumbuhan besar. Dan kembali lagi, tiap startup spesial dan berbeda, bisa jadi cara yang sama bisa menghasilkan dampak yang berbeda.

Selamat bereksperimen dalam berkarya! 🙂

Leave a Reply