[Buku Bahasa Indonesia] The Lean Startup - Eric Ries

7. MENGUKUR

Pada awalnya, sebuah startup tak lebih dari sekadar sebuah model di atas selembar kertas. Proyeksi keuangan dalam rencana bisnis memuat perkiraan mengenai berapa banyak pelanggan yang diharapkan dapat diraih perusahaan, berapa besar biaya yang akan dikeluarkan, serta berapa banyak pendapatan dan laba yang akan dihasilkan. Itu adalah gambaran ideal yang biasanya masih sangat jauh dari kenyataan yang dihadapi startup pada masa-masa awalnya.

Tugas sebuah startup adalah (1) mengukur secara ketat di mana posisinya saat ini, dengan berani menghadapi kebenaran keras yang terungkap dari penilaian tersebut, lalu (2) merancang eksperimen untuk mempelajari bagaimana mendekatkan angka-angka nyata pada kondisi ideal yang tercermin dalam rencana bisnis.

Sebagian besar produk—bahkan yang akhirnya gagal—tidak sepenuhnya tanpa daya tarik. Umumnya, produk tetap memiliki sejumlah pelanggan, sedikit pertumbuhan, serta beberapa hasil yang positif. Salah satu kondisi paling berbahaya bagi sebuah startup adalah ketika ia terus berjalan tersendat-sendat di wilayah “hidup segan mati tak mau”. Para karyawan dan wirausahawan pada dasarnya cenderung optimistis. Kita ingin terus percaya pada gagasan kita bahkan ketika tanda-tanda kegagalan sudah begitu jelas. Inilah sebabnya mengapa mitos tentang ketekunan tanpa batas begitu berbahaya. Kita semua mengenal kisah-kisah tentang para wirausahawan legendaris yang berhasil meraih kemenangan ketika keadaan tampak benar-benar suram. Sayangnya, kita jarang mendengar kisah tentang tak terhitung banyaknya orang lain yang tak dikenal yang bertahan terlalu lama hingga akhirnya membawa perusahaannya menuju kegagalan.

MENGAPA SESUATU YANG TAMPAK MEMBOSANKAN SEPERTI AKUNTANSI DAPAT MENGUBAH HIDUP ANDA

Orang-orang terbiasa memandang akuntansi sebagai sesuatu yang kering dan membosankan, sekadar kewajiban yang harus dijalankan untuk menyusun laporan keuangan dan lolos dari audit. Namun pandangan itu muncul karena akuntansi telah lama dianggap sebagai sesuatu yang sudah sewajarnya ada. Secara historis, di bawah kepemimpinan tokoh-tokoh seperti Alfred Sloan di General Motors, akuntansi berkembang menjadi bagian esensial dari metode pengendalian terpusat terhadap berbagai divisi yang tersebar luas. Melalui akuntansi, GM dapat menetapkan tonggak pencapaian yang jelas bagi setiap divisi, lalu menuntut pertanggungjawaban setiap manajer atas keberhasilan divisinya dalam mencapai tujuan tersebut. Hampir semua korporasi modern menggunakan variasi pendekatan ini. Akuntansi adalah kunci keberhasilan mereka.

Distributor pusat penjualan segala alat listrik tenaga surya. Toko online jual listrik tenaga matahari. Produsen Produk solar sel murah.www.tokosolarcell.net . daftar Paket harga penjualan listrik tenaga matahari

Sayangnya, akuntansi standar tidak terlalu membantu dalam menilai para wirausahawan. Startup terlalu penuh ketidakpastian sehingga ramalan maupun tonggak pencapaian sulit dijadikan ukuran yang akurat.

Belum lama ini saya bertemu dengan sebuah tim startup yang luar biasa. Mereka memiliki pendanaan yang kuat, daya tarik pelanggan yang signifikan, dan tengah berkembang dengan pesat. Produk mereka menjadi pemimpin dalam sebuah kategori baru perangkat lunak perusahaan yang menggunakan teknik pemasaran konsumen untuk menjual kepada perusahaan-perusahaan besar. Sebagai contoh, mereka mengandalkan adopsi viral dari karyawan ke karyawan alih-alih proses penjualan tradisional yang biasanya menargetkan kepala bagian informasi atau pimpinan teknologi informasi (IT). Karena itu, mereka memiliki peluang untuk memanfaatkan teknik eksperimen mutakhir sambil terus-menerus menyempurnakan produk mereka.

Dalam pertemuan tersebut, saya mengajukan sebuah pertanyaan sederhana yang selalu saya tanyakan kepada startup setiap kali bertemu: apakah Anda membuat produk Anda menjadi lebih baik?

Mereka selalu menjawab ya.

Lalu saya bertanya lagi: bagaimana Anda mengetahuinya?

Jawaban yang hampir selalu saya terima adalah: kami berada di bagian rekayasa dan bulan lalu kami melakukan sejumlah perubahan, pelanggan tampaknya menyukainya, dan angka-angka keseluruhan kami bulan ini lebih tinggi. Berarti kami berada di jalur yang benar.

Inilah jenis “cerita” yang sering muncul dalam sebagian besar rapat dewan startup. Banyak tonggak pencapaian dibangun dengan cara yang sama: mencapai sebuah target pengembangan produk, mungkin berbicara dengan beberapa pelanggan, lalu melihat apakah angka-angka meningkat.

Sayangnya, pendekatan seperti itu bukanlah indikator yang baik untuk menilai apakah sebuah startup benar-benar mengalami kemajuan. Bagaimana kita tahu bahwa perubahan yang kita lakukan memang berkaitan dengan hasil yang kita lihat? Yang lebih penting lagi, bagaimana kita tahu bahwa kita menarik pelajaran yang tepat dari perubahan-perubahan tersebut?

Untuk menjawab pertanyaan semacam ini, startup membutuhkan jenis akuntansi baru yang secara khusus dirancang bagi inovasi disruptif. Inilah yang disebut akuntansi inovasi.

KERANGKA AKUNTABILITAS YANG BERLAKU LINTAS INDUSTRI

Akuntansi inovasi memungkinkan startup membuktikan secara objektif bahwa mereka benar-benar belajar bagaimana menumbuhkan bisnis yang berkelanjutan. Akuntansi inovasi dimulai dengan mengubah asumsi-asumsi lompatan keyakinan yang dibahas dalam Bab 5 menjadi sebuah model keuangan yang kuantitatif. Setiap rencana bisnis selalu memiliki semacam model yang menyertainya, bahkan jika model itu hanya digoreskan di belakang selembar serbet. Model tersebut memuat asumsi mengenai seperti apa bentuk bisnis itu ketika mencapai keberhasilan di masa depan.

Sebagai contoh, rencana bisnis sebuah perusahaan manufaktur yang mapan akan menunjukkan pertumbuhan yang sebanding dengan volume penjualannya. Ketika laba dari penjualan barang diinvestasikan kembali dalam pemasaran dan promosi, perusahaan akan memperoleh pelanggan baru. Tingkat pertumbuhan terutama ditentukan oleh tiga hal: keuntungan dari setiap pelanggan, biaya untuk memperoleh pelanggan baru, dan tingkat pembelian ulang dari pelanggan yang sudah ada. Semakin tinggi nilai-nilai tersebut, semakin cepat perusahaan akan bertumbuh dan semakin besar pula keuntungannya. Inilah penggerak utama model pertumbuhan perusahaan.

Sebaliknya, perusahaan pasar daring yang mempertemukan pembeli dan penjual—seperti eBay—memiliki model pertumbuhan yang berbeda. Keberhasilannya terutama bergantung pada efek jaringan yang menjadikannya tujuan utama bagi pembeli maupun penjual untuk bertransaksi. Para penjual menginginkan pasar dengan jumlah calon pelanggan terbesar. Para pembeli menginginkan pasar dengan tingkat persaingan tertinggi di antara para penjual, yang menghasilkan ketersediaan produk yang lebih besar serta harga yang lebih rendah. Dalam ilmu ekonomi, fenomena ini kadang disebut sebagai supply-side increasing returns dan demand-side increasing returns.

Bagi startup jenis ini, hal terpenting yang perlu diukur adalah apakah efek jaringan tersebut benar-benar bekerja, yang dapat dilihat dari tingginya tingkat retensi pembeli dan penjual baru. Jika orang-orang tetap menggunakan produk tersebut dengan tingkat kehilangan pengguna yang sangat kecil, pasar itu akan tumbuh terlepas dari bagaimana perusahaan memperoleh pelanggan baru. Kurva pertumbuhannya akan menyerupai tabel bunga majemuk, dengan laju pertumbuhan yang bergantung pada “tingkat bunga” dari pelanggan baru yang terus datang menggunakan produk tersebut.

Walaupun kedua jenis bisnis ini memiliki penggerak pertumbuhan yang sangat berbeda, kita tetap dapat menggunakan sebuah kerangka kerja yang sama untuk menuntut pertanggungjawaban para pemimpinnya. Kerangka ini memungkinkan akuntabilitas tetap terjaga bahkan ketika model bisnis mengalami perubahan.

CARA KERJA AKUNTANSI INOVASI—TIGA TONGGAK PEMBELAJARAN

Akuntansi inovasi bekerja melalui tiga langkah.

Pertama, gunakan minimum viable product (MVP) untuk memperoleh data nyata mengenai posisi perusahaan saat ini. Tanpa gambaran yang jernih tentang kondisi Anda sekarang—betapapun jauhnya dari tujuan—Anda tidak dapat mulai menelusuri kemajuan.

Kedua, startup harus berupaya menyetel “mesin” dari garis dasar menuju kondisi ideal. Proses ini mungkin memerlukan banyak percobaan. Setelah startup melakukan seluruh perubahan kecil dan optimalisasi produk yang mungkin untuk menggeser garis dasarnya mendekati kondisi ideal, perusahaan akan sampai pada sebuah titik keputusan.

Di sinilah langkah ketiga: pivot atau bertahan.

Jika perusahaan menunjukkan kemajuan yang baik menuju kondisi ideal, itu berarti perusahaan belajar dengan benar dan memanfaatkan pembelajaran tersebut secara efektif. Dalam situasi demikian, masuk akal untuk terus melanjutkan. Namun jika tidak, tim manajemen pada akhirnya harus menyimpulkan bahwa strategi produk yang dijalankan saat ini keliru dan memerlukan perubahan besar. Ketika sebuah perusahaan melakukan pivot, prosesnya dimulai kembali dari awal: menetapkan garis dasar baru, lalu kembali menyetel mesin dari titik tersebut. Tanda dari sebuah pivot yang berhasil adalah bahwa upaya penyetelan mesin ini menjadi lebih produktif setelah pivot dibandingkan sebelumnya.

MENETAPKAN GARIS DASAR

Sebagai contoh, sebuah startup dapat membuat prototipe lengkap dari produknya dan menawarkannya kepada pelanggan nyata melalui saluran pemasaran utamanya. Satu MVP semacam ini akan menguji sebagian besar asumsi startup sekaligus menetapkan metrik dasar bagi setiap asumsi tersebut secara serentak.

Sebagai alternatif, sebuah startup mungkin lebih memilih membangun beberapa MVP terpisah yang masing-masing ditujukan untuk memperoleh umpan balik terhadap satu asumsi pada satu waktu. Sebelum membangun prototipe, perusahaan mungkin melakukan smoke test melalui materi pemasarannya. Ini merupakan teknik pemasaran langsung lama di mana pelanggan diberi kesempatan untuk memesan terlebih dahulu sebuah produk yang bahkan belum dibangun. Smoke test hanya mengukur satu hal: apakah pelanggan tertarik untuk mencoba sebuah produk. Dengan sendirinya, hal ini tidak cukup untuk memvalidasi keseluruhan model pertumbuhan. Namun demikian, metode ini dapat sangat berguna untuk memperoleh umpan balik mengenai asumsi tersebut sebelum perusahaan menginvestasikan lebih banyak dana dan sumber daya lainnya ke dalam produk.

MVP semacam ini memberikan contoh pertama dari tonggak pembelajaran. Sebuah MVP memungkinkan startup mengisi data dasar nyata ke dalam model pertumbuhannya—seperti tingkat konversi, tingkat pendaftaran dan uji coba, nilai seumur hidup pelanggan, dan sebagainya—dan data ini menjadi fondasi yang berharga untuk mempelajari pelanggan serta reaksi mereka terhadap suatu produk, bahkan jika fondasi tersebut pada awalnya berangkat dari kabar yang sangat buruk.

Ketika memilih di antara berbagai asumsi dalam rencana bisnis, masuk akal untuk terlebih dahulu menguji asumsi yang paling berisiko. Jika Anda tidak dapat menemukan cara untuk mengurangi risiko-risiko tersebut hingga mendekati kondisi ideal yang dibutuhkan bagi bisnis yang berkelanjutan, maka tidak ada gunanya menguji asumsi lainnya. Sebagai contoh, sebuah bisnis media yang menjual iklan memiliki dua asumsi dasar yang berbentuk pertanyaan: apakah ia dapat secara berkelanjutan menarik perhatian segmen pelanggan tertentu? dan apakah ia dapat menjual perhatian tersebut kepada para pengiklan? Dalam bisnis di mana tarif iklan untuk segmen pelanggan tertentu sudah diketahui dengan baik, asumsi yang jauh lebih berisiko adalah kemampuan untuk menarik perhatian tersebut. Oleh karena itu, eksperimen pertama seharusnya melibatkan produksi konten, bukan penjualan iklan. Mungkin perusahaan akan memproduksi sebuah episode percontohan atau edisi percobaan untuk melihat bagaimana pelanggan berinteraksi dengannya.

MENYETEL MESIN

Setelah garis dasar ditetapkan, startup dapat bergerak menuju tonggak pembelajaran kedua: menyetel mesin. Setiap kegiatan pengembangan produk, pemasaran, atau inisiatif lain yang dilakukan startup seharusnya diarahkan untuk meningkatkan salah satu penggerak dalam model pertumbuhannya.

Sebagai contoh, sebuah perusahaan mungkin meluangkan waktu untuk memperbaiki desain produknya agar lebih mudah digunakan oleh pelanggan baru. Hal ini berangkat dari asumsi bahwa tingkat aktivasi pelanggan baru merupakan salah satu penggerak pertumbuhan dan bahwa angka dasarnya saat ini lebih rendah daripada yang diharapkan perusahaan. Untuk membuktikan adanya pembelajaran yang tervalidasi, perubahan desain tersebut harus mampu meningkatkan tingkat aktivasi pelanggan baru. Jika tidak, desain baru itu harus dinilai sebagai kegagalan. Inilah sebuah kaidah penting: desain yang baik adalah desain yang mampu mengubah perilaku pelanggan menjadi lebih baik.

Bandingkan dua startup. Perusahaan pertama memulai dengan metrik dasar yang jelas, sebuah hipotesis tentang apa yang dapat memperbaiki metrik tersebut, serta serangkaian eksperimen yang dirancang untuk menguji hipotesis itu. Tim kedua duduk bersama memperdebatkan apa yang kira-kira dapat memperbaiki produk, kemudian menerapkan beberapa perubahan sekaligus, dan merayakan jika terdapat peningkatan positif pada salah satu angka mana pun. Startup mana yang lebih mungkin melakukan pekerjaan secara efektif dan mencapai hasil yang bertahan lama?

PIVOT ATAU BERTAHAN

Seiring waktu, sebuah tim yang belajar menuju bisnis yang berkelanjutan akan melihat angka-angka dalam modelnya meningkat dari garis dasar yang buruk yang ditetapkan oleh MVP dan secara bertahap mendekati kondisi ideal yang tercantum dalam rencana bisnis. Sebaliknya, startup yang gagal melakukannya akan melihat kondisi ideal tersebut semakin menjauh dari jangkauan.

Jika proses ini dijalankan dengan benar, bahkan “medan distorsi realitas” yang paling kuat sekalipun tidak akan mampu menutupi fakta sederhana ini: jika kita tidak menggerakkan penggerak dalam model bisnis kita, berarti kita tidak membuat kemajuan. Ketika itulah tanda yang pasti bahwa sudah waktunya untuk melakukan pivot.

AKUNTANSI INOVASI DI IMVU

Inilah bagaimana akuntansi inovasi tampak bagi kami pada masa-masa awal IMVU. Minimum viable product kami memiliki banyak cacat, dan ketika pertama kali dirilis penjualannya sangat rendah. Kami secara alami menganggap bahwa rendahnya penjualan berkaitan dengan kualitas produk yang buruk, sehingga dari minggu ke minggu kami bekerja keras meningkatkan kualitas produk tersebut, dengan keyakinan bahwa upaya kami pasti membuahkan hasil.

Pada akhir setiap bulan, kami mengadakan rapat dewan direksi untuk mempresentasikan hasilnya. Pada malam sebelum rapat, kami menjalankan analitik standar kami, mengukur tingkat konversi, jumlah pelanggan, dan pendapatan untuk menunjukkan betapa baiknya pekerjaan yang telah kami lakukan. Selama beberapa rapat berturut-turut, hal ini justru memicu kepanikan di menit-menit terakhir karena peningkatan kualitas produk ternyata tidak menghasilkan perubahan apa pun dalam perilaku pelanggan. Akibatnya, rapat dewan sering kali berlangsung penuh frustrasi: kami dapat menunjukkan “kemajuan” produk yang besar, tetapi hampir tidak ada hasil nyata dari sisi bisnis.

Setelah beberapa waktu, alih-alih menunggu hingga menit terakhir, kami mulai melacak metrik kami lebih sering, memperketat siklus umpan balik dengan pengembangan produk. Hasilnya bahkan lebih menyedihkan. Minggu demi minggu, perubahan pada produk kami sama sekali tidak memberikan dampak.

MEMPERBAIKI PRODUK DENGAN LIMA DOLAR SEHARI

Kami melacak perilaku funnel metrics yang sangat penting bagi mesin pertumbuhan kami: pendaftaran pelanggan, pengunduhan aplikasi kami, uji coba, penggunaan berulang, dan pembelian. Untuk memperoleh data yang cukup guna belajar, kami hanya memerlukan jumlah pelanggan yang cukup untuk menghasilkan angka nyata bagi setiap perilaku tersebut.

Kami mengalokasikan anggaran sebesar lima dolar per hari—cukup untuk membeli klik melalui sistem Google AdWords yang pada waktu itu masih baru. Pada masa itu, tawaran minimum untuk satu klik adalah lima sen, tetapi tidak ada batas minimum untuk total pengeluaran. Dengan demikian, kami mampu membuka akun dan mulai beriklan meskipun dana kami sangat terbatas.¹

Lima dolar memberi kami seratus klik—setiap hari. Dari sudut pandang pemasaran, angka ini memang tidak terlalu berarti, tetapi dari sisi pembelajaran nilainya tak ternilai. Setiap hari kami dapat mengukur kinerja produk kami dengan sekumpulan pelanggan baru. Selain itu, setiap kali kami merevisi produk, kami langsung memperoleh “rapor” baru mengenai kinerja kami pada keesokan harinya.

Sebagai contoh, pada suatu hari kami meluncurkan pesan pemasaran baru yang ditujukan bagi pelanggan pertama kali. Keesokan harinya kami mungkin mengubah cara pelanggan baru diperkenalkan pada produk. Pada hari-hari lain, kami menambahkan fitur baru, memperbaiki bug, meluncurkan desain visual baru, atau mencoba tata letak baru untuk situs web kami. Setiap kali, kami meyakinkan diri bahwa kami sedang membuat produk menjadi lebih baik, tetapi keyakinan subjektif itu selalu diuji secara keras oleh angka-angka nyata.

Hari demi hari kami menjalankan percobaan acak. Setiap hari adalah eksperimen baru. Pelanggan setiap hari juga independen dari pelanggan pada hari sebelumnya. Yang paling penting, meskipun angka keseluruhan kami terus meningkat, menjadi jelas bahwa metrik funnel kami tidak berubah sama sekali.

Berikut adalah sebuah grafik dari salah satu rapat dewan awal IMVU:

Grafik ini merepresentasikan kira-kira tujuh bulan pekerjaan. Selama periode tersebut, kami terus-menerus melakukan perbaikan pada produk IMVU, merilis fitur-fitur baru hampir setiap hari. Kami juga melakukan banyak wawancara langsung dengan pelanggan, dan tim pengembangan produk kami bekerja dengan sangat keras.

Analisis Kohort

Untuk memahami grafik ini, Anda perlu mengenal sesuatu yang disebut analisis kohort. Ini merupakan salah satu alat paling penting dalam analitik startup. Meskipun terdengar rumit, prinsipnya sebenarnya sederhana.

Alih-alih melihat total kumulatif atau angka-angka keseluruhan seperti total pendapatan dan jumlah pelanggan, kita menelaah kinerja setiap kelompok pelanggan yang berinteraksi dengan produk secara terpisah. Setiap kelompok tersebut disebut kohort. Grafik ini menunjukkan tingkat konversi ke IMVU dari pelanggan baru yang bergabung pada setiap bulan yang ditunjukkan. Setiap tingkat konversi memperlihatkan persentase pelanggan yang mendaftar pada bulan tersebut dan kemudian melakukan tindakan yang dimaksud. Dengan demikian, dari seluruh pelanggan yang bergabung dengan IMVU pada Februari 2005, sekitar 60 persen di antaranya setidaknya sekali masuk ke dalam produk kami.

Para manajer dengan latar belakang penjualan perusahaan akan mengenali analisis corong ini sebagai sales funnel tradisional yang digunakan untuk mengelola prospek hingga mereka menjadi pelanggan. Lean Startup juga memanfaatkannya dalam pengembangan produk. Teknik ini berguna dalam berbagai jenis bisnis, karena setiap perusahaan bergantung pada rangkaian perilaku pelanggan yang disebut aliran. Aliran pelanggan mengatur interaksi pelanggan dengan produk perusahaan. Melalui aliran ini, kita dapat memahami bisnis secara kuantitatif, dan kekuatan prediksinya jauh lebih besar dibandingkan metrik keseluruhan tradisional.

Jika Anda mencermatinya, grafik tersebut menunjukkan beberapa tren yang jelas. Beberapa perbaikan produk memang membantu—meskipun hanya sedikit. Persentase pelanggan baru yang kemudian menggunakan produk setidaknya lima kali meningkat dari kurang dari 5 persen menjadi hampir 20 persen. Namun, terlepas dari peningkatan empat kali lipat ini, persentase pelanggan baru yang benar-benar membayar IMVU tetap bertahan di sekitar 1 persen.

Pikirkan sejenak. Setelah berbulan-bulan kerja keras, ribuan perbaikan kecil, kelompok diskusi, sesi desain, dan pengujian kegunaan, persentase pelanggan baru yang akhirnya membayar tetap persis sama seperti pada awalnya—meskipun jauh lebih banyak pelanggan kini memiliki kesempatan untuk mencoba produk tersebut.

Berkat kekuatan analisis kohort, kami tidak dapat menyalahkan kegagalan ini pada warisan pelanggan lama yang enggan berubah, kondisi pasar eksternal, atau alasan lain apa pun. Setiap kohort merupakan semacam rapor independen, dan sekeras apa pun kami berusaha, nilai yang kami peroleh selalu pas-pasan. Hal ini membuat kami menyadari bahwa kami memiliki masalah.

Pada masa itu saya memimpin tim pengembangan produk, sekecil apa pun tim kami saat itu, dan saya bersama para pendiri lainnya merasakan bahwa masalahnya pasti terletak pada upaya tim saya. Saya bekerja lebih keras, berusaha berfokus pada fitur-fitur dengan kualitas yang semakin tinggi, dan kehilangan banyak waktu tidur.

Frustrasi kami semakin memuncak. Ketika saya tidak lagi tahu apa yang harus dilakukan, akhirnya saya siap menggunakan jalan terakhir: berbicara dengan pelanggan.

Berbekal kegagalan kami dalam menyetel mesin pertumbuhan, saya kini siap mengajukan pertanyaan yang tepat.

Sebelum kegagalan ini, pada masa-masa paling awal perusahaan, berbicara dengan calon pelanggan terasa mudah dan sering kali membuat kami pulang dengan keyakinan bahwa kami berada di jalur yang benar. Bahkan ketika kami mengundang pelanggan ke kantor untuk wawancara langsung dan pengujian kegunaan, sangat mudah untuk mengabaikan umpan balik negatif. Jika mereka tidak ingin menggunakan produk tersebut, saya beranggapan mereka bukan bagian dari pasar sasaran kami.

“Singkirkan pelanggan itu,” saya akan berkata kepada orang yang bertugas merekrut peserta pengujian. “Carikan saya seseorang yang termasuk dalam demografi sasaran kami.”

Jika pelanggan berikutnya memberikan tanggapan yang lebih positif, saya menganggapnya sebagai bukti bahwa penentuan target saya sudah tepat. Jika tidak, saya akan “memecat” pelanggan lain dan mencoba lagi.

Namun setelah saya memiliki data nyata, cara saya berinteraksi dengan pelanggan berubah. Tiba-tiba saya memiliki pertanyaan mendesak yang harus dijawab: mengapa pelanggan tidak merespons “perbaikan” produk kami? Mengapa kerja keras kami tidak membuahkan hasil?

Sebagai contoh, kami terus berusaha membuat IMVU semakin mudah digunakan bersama teman-teman pelanggan yang sudah ada. Sayangnya, pelanggan tidak ingin melakukan hal tersebut. Membuatnya lebih mudah digunakan ternyata sama sekali bukan inti persoalannya.

Begitu kami mengetahui apa yang harus dicari, pemahaman yang sesungguhnya datang jauh lebih cepat. Seperti yang dijelaskan dalam Bab 3, hal ini akhirnya membawa pada pivot yang sangat penting: beralih dari sebuah tambahan pesan instan yang digunakan bersama teman lama menjadi sebuah jaringan mandiri yang dapat digunakan untuk mencari teman baru.

Tiba-tiba kekhawatiran kami tentang produktivitas lenyap. Begitu upaya kami selaras dengan apa yang benar-benar diinginkan pelanggan, eksperimen kami jauh lebih mungkin mengubah perilaku mereka ke arah yang lebih baik.

Pola ini berulang berkali-kali—sejak masa ketika pendapatan kami bahkan belum mencapai seribu dolar per bulan hingga saat kami menghasilkan jutaan dolar. Bahkan, inilah tanda dari sebuah pivot yang berhasil: eksperimen baru yang Anda jalankan secara keseluruhan jauh lebih produktif dibandingkan eksperimen yang Anda lakukan sebelumnya.

Polanya adalah sebagai berikut: hasil kuantitatif yang buruk memaksa kita mengakui kegagalan dan menciptakan dorongan, konteks, serta ruang bagi penelitian yang lebih bersifat kualitatif. Penyelidikan tersebut melahirkan gagasan-gagasan baru—hipotesis baru—yang kemudian diuji, yang dapat mengarah pada pivot. Setiap pivot membuka peluang baru untuk eksperimen lebih lanjut, dan siklus ini terus berulang. Setiap kali kita mengulang ritme sederhana ini: menetapkan garis dasar, menyetel mesin, lalu memutuskan untuk melakukan pivot atau bertahan.

OPTIMASI VERSUS PEMBELAJARAN

Para insinyur, desainer, dan pemasar semuanya terampil dalam melakukan optimasi. Misalnya, para pemasar langsung berpengalaman dalam melakukan split testing terhadap proposisi nilai dengan mengirimkan dua penawaran berbeda kepada dua kelompok pelanggan yang serupa sehingga mereka dapat mengukur perbedaan tingkat respons di antara kedua kelompok tersebut. Para insinyur tentu ahli dalam meningkatkan kinerja suatu produk, sebagaimana para desainer berbakat dalam membuat produk lebih mudah digunakan.

Semua aktivitas ini, dalam organisasi tradisional yang dikelola dengan baik, memberikan manfaat tambahan yang sebanding dengan usaha tambahan. Selama kita mengeksekusi rencana dengan baik, kerja keras akan menghasilkan hasil.

Namun alat-alat untuk memperbaiki produk ini tidak bekerja dengan cara yang sama bagi startup. Jika Anda sedang membangun sesuatu yang keliru, mengoptimalkan produk atau pemasarannya tidak akan menghasilkan dampak yang berarti.

Startup harus mengukur kemajuan dengan standar yang tinggi: bukti bahwa bisnis yang berkelanjutan dapat dibangun di sekitar produk atau jasanya. Standar ini hanya dapat dinilai jika sebuah startup telah membuat prediksi yang jelas dan nyata sejak awal.

Tanpa prediksi semacam itu, keputusan mengenai produk dan strategi menjadi jauh lebih sulit serta memakan waktu. Saya sering melihat hal ini dalam praktik konsultasi saya. Berkali-kali saya dipanggil untuk membantu startup yang merasa bahwa tim rekayasanya “tidak bekerja cukup keras”.

Namun ketika saya bertemu dengan tim-tim tersebut, memang selalu ada perbaikan yang dapat dilakukan dan saya biasanya merekomendasikannya. Tetapi hampir selalu masalah sebenarnya bukanlah kekurangan bakat pengembangan, energi, atau usaha.

Siklus demi siklus, tim bekerja keras, tetapi bisnis tidak melihat hasil.

Manajer yang dilatih dalam model manajemen tradisional akan menarik kesimpulan yang tampak logis: tim kami tidak bekerja cukup keras, tidak bekerja secara efektif, atau tidak bekerja secara efisien.

Dari sinilah siklus kemerosotan dimulai. Tim pengembangan produk dengan gagah berani berusaha membangun produk sesuai spesifikasi yang mereka terima dari kepemimpinan kreatif atau bisnis. Ketika hasil yang baik tidak kunjung datang, para pemimpin bisnis menganggap bahwa perbedaan antara apa yang direncanakan dan apa yang dibangunlah yang menjadi penyebabnya, lalu mencoba merinci spesifikasi iterasi berikutnya dengan lebih detail.

Seiring spesifikasi menjadi semakin rinci, proses perencanaan melambat, ukuran pekerjaan yang dikerjakan sekaligus menjadi semakin besar, dan umpan balik pun tertunda. Jika dewan direksi atau CFO terlibat sebagai pemangku kepentingan, tidak lama kemudian biasanya akan terjadi perubahan personel.

Beberapa tahun yang lalu, sebuah tim yang menjual produk kepada perusahaan media besar mengundang saya sebagai konsultan karena mereka khawatir para insinyur mereka tidak bekerja cukup keras. Namun masalahnya bukan pada para insinyur; melainkan pada proses yang digunakan seluruh perusahaan dalam mengambil keputusan.

Mereka memang memiliki pelanggan, tetapi tidak benar-benar mengenal mereka dengan baik. Mereka dibanjiri permintaan fitur dari pelanggan, dari tim penjualan internal, dan dari pimpinan bisnis. Setiap wawasan baru langsung berubah menjadi keadaan darurat yang harus segera ditangani. Akibatnya, proyek jangka panjang terus-menerus terganggu oleh berbagai interupsi.

Lebih buruk lagi, tim tidak memiliki pemahaman yang jelas apakah perubahan yang mereka lakukan benar-benar berarti bagi pelanggan. Meskipun penyetelan dan penyesuaian dilakukan terus-menerus, hasil bisnis tetap saja biasa-biasa saja.

Tonggak pembelajaran mencegah spiral negatif ini dengan menekankan kemungkinan yang lebih masuk akal: perusahaan sedang mengeksekusi—secara disiplin—sebuah rencana yang sebenarnya tidak masuk akal. Kerangka akuntansi inovasi membuat jelas kapan sebuah perusahaan terjebak dan perlu mengubah arah.

Dalam contoh di atas, pada masa awal kehidupan perusahaan, tim pengembangan produk sangat produktif karena para pendiri telah mengidentifikasi kebutuhan besar yang belum terpenuhi di pasar sasaran. Produk awal—meskipun masih memiliki banyak kekurangan—cukup populer di kalangan early adopters. Menambahkan fitur-fitur utama yang diminta pelanggan tampaknya memberikan hasil yang luar biasa, karena para pengguna awal itu menyebarkan kabar tentang inovasi tersebut secara luas.

Namun ada pertanyaan lain yang tidak pernah diajukan ataupun dijawab: apakah perusahaan memiliki mesin pertumbuhan yang benar-benar bekerja? Apakah keberhasilan awal tersebut berkaitan dengan pekerjaan harian tim pengembangan produk?

Dalam banyak kasus, jawabannya adalah tidak; keberhasilan itu didorong oleh keputusan yang dibuat tim di masa lalu. Tak satu pun inisiatif mereka saat ini memberikan dampak nyata. Namun hal ini tertutup oleh fakta bahwa metrik keseluruhan perusahaan semuanya tampak “naik dan terus ke kanan”.

Seperti yang akan kita lihat sebentar lagi, ini adalah bahaya yang umum terjadi. Perusahaan dari berbagai ukuran yang memiliki mesin pertumbuhan yang bekerja sering kali bergantung pada jenis metrik yang keliru untuk memandu tindakan mereka. Inilah yang menggoda para manajer untuk menggunakan berbagai trik “teater keberhasilan” yang lazim: pembelian iklan di menit terakhir, penumpukan distribusi saluran, dan demonstrasi produk yang mencolok, semuanya dalam upaya putus asa untuk membuat angka-angka keseluruhan terlihat lebih baik.

Energi yang dihabiskan untuk teater keberhasilan adalah energi yang seharusnya dapat digunakan untuk membangun bisnis yang berkelanjutan. Saya menyebut angka-angka tradisional yang sering digunakan untuk menilai startup sebagai metrik kesia-siaan (vanity metrics), dan akuntansi inovasi menuntut kita untuk menahan diri dari godaan untuk menggunakannya.

METRIK KESOMBONGAN: SEBUAH PERINGATAN

Untuk melihat dengan jelas bahaya metrik kesombongan, mari kita kembali sekali lagi ke masa-masa awal IMVU. Perhatikan grafik berikut, yang berasal dari periode yang sama dalam sejarah IMVU seperti grafik yang ditampilkan sebelumnya dalam bab ini. Grafik ini mencakup rentang waktu yang sama dengan grafik bergaya kohort pada halaman ini; bahkan, keduanya berasal dari presentasi dewan yang sama.

Grafik ini menunjukkan metrik kasar tradisional IMVU sejauh ini: jumlah total pengguna terdaftar dan jumlah total pelanggan yang membayar (grafik pendapatan kotor terlihat hampir sama). Dari sudut pandang ini, segalanya tampak jauh lebih menggembirakan. Itulah sebabnya saya menyebutnya metrik kesombongan: metrik ini menyajikan gambaran yang secerah mungkin. Anda akan melihat grafik “tongkat hoki” tradisional (bentuk ideal bagi perusahaan yang tumbuh pesat). Selama Anda berfokus pada angka-angka utama di bagian atas (bertambahnya pelanggan yang mendaftar, meningkatnya pendapatan keseluruhan), Anda akan mudah mengira bahwa tim pengembangan produk ini membuat kemajuan besar. Mesin pertumbuhan perusahaan tampak bekerja. Setiap bulan perusahaan mampu memperoleh pelanggan dan memperoleh pengembalian investasi yang positif. Kelebihan pendapatan dari pelanggan tersebut diinvestasikan kembali pada bulan berikutnya untuk memperoleh lebih banyak pelanggan. Di situlah pertumbuhan itu berasal.

Namun ingat kembali data yang sama ketika disajikan dalam gaya kohort. IMVU memang menambah pelanggan baru, tetapi tidak meningkatkan hasil yang diperoleh dari setiap kelompok pelanggan baru. Mesin terus berputar, tetapi upaya untuk menyetel mesin tersebut tidak membuahkan hasil yang berarti. Dari grafik tradisional saja, Anda tidak dapat mengetahui apakah IMVU berada pada jalur yang tepat untuk membangun bisnis yang berkelanjutan; Anda juga tidak dapat menilai efektivitas tim kewirausahaan di baliknya.

Akuntansi inovasi tidak akan berfungsi jika sebuah startup disesatkan oleh jenis metrik kesombongan seperti ini: jumlah pelanggan secara keseluruhan, dan sejenisnya. Alternatifnya adalah jenis metrik yang kami gunakan untuk menilai bisnis dan tonggak pembelajaran kami, yang saya sebut sebagai metrik yang dapat ditindaklanjuti.

METRIK YANG DAPAT DITINDAKLANJUTI VERSUS METRIK KESOMBONGAN

Untuk memahami lebih jauh pentingnya metrik yang tepat, mari kita melihat sebuah perusahaan bernama Grockit. Pendiri perusahaan ini, Farbood Nivi, menghabiskan satu dekade bekerja sebagai pengajar di dua perusahaan pendidikan besar yang berorientasi laba, Princeton Review dan Kaplan, membantu para siswa mempersiapkan diri menghadapi ujian standar seperti GMAT, LSAT, dan SAT. Gaya mengajarnya yang hidup di kelas memberinya banyak pujian dari para siswa serta promosi dari atasannya; ia bahkan dianugerahi penghargaan National Teacher of the Year dari Princeton Review. Namun Farb merasa frustrasi dengan metode pengajaran tradisional yang digunakan oleh perusahaan-perusahaan tersebut. Mengajar enam hingga sembilan jam setiap hari kepada ribuan siswa memberinya banyak kesempatan untuk bereksperimen dengan pendekatan-pendekatan baru.

Seiring waktu, Farb menyimpulkan bahwa model ceramah tradisional dalam pendidikan—dengan pendekatan pengajaran satu-ke-banyak—tidak memadai bagi para siswanya. Ia kemudian berupaya mengembangkan pendekatan yang lebih unggul dengan menggabungkan ceramah yang dipimpin oleh pengajar, pekerjaan rumah individual, dan belajar kelompok. Secara khusus, Farb terpesona oleh betapa efektifnya metode pembelajaran antar-siswa yang digerakkan oleh sesama peserta bagi para siswanya. Ketika para siswa dapat saling membantu, mereka memperoleh dua manfaat sekaligus. Pertama, mereka mendapatkan pengajaran yang lebih disesuaikan dari sesama siswa yang jauh lebih tidak mengintimidasi dibandingkan seorang guru. Kedua, mereka memperkuat pemahaman mereka sendiri dengan mengajarkannya kepada orang lain. Seiring berjalannya waktu, kelas-kelas Farb menjadi semakin sosial—dan semakin berhasil.

Dalam proses itu, Farb semakin merasa bahwa kehadiran fisiknya di kelas tidaklah terlalu penting. Ia kemudian membuat sebuah hubungan penting: “Saya memiliki model pembelajaran sosial di kelas saya. Sementara di web, ada begitu banyak aktivitas sosial yang terjadi.” Gagasannya adalah membawa pembelajaran sosial antar-siswa kepada orang-orang yang tidak mampu mengikuti kelas mahal dari Kaplan atau Princeton Review, apalagi menyewa tutor privat yang jauh lebih mahal. Dari wawasan inilah Grockit lahir.

Farb menjelaskan, “Baik Anda belajar untuk SAT maupun untuk aljabar, Anda belajar dengan salah satu dari tiga cara. Anda menghabiskan sebagian waktu bersama para ahli, sebagian waktu belajar sendiri, dan sebagian waktu belajar bersama teman sebaya. Grockit menawarkan tiga format belajar yang sama. Yang kami lakukan adalah menerapkan teknologi dan algoritme untuk mengoptimalkan ketiga bentuk tersebut.”

Farb adalah contoh klasik seorang visioner wirausaha. Ia menggambarkan wawasan awalnya seperti ini: “Mari lupakan desain pendidikan sampai saat ini, lupakan apa yang selama ini dianggap mungkin, dan rancang ulang pembelajaran dengan mempertimbangkan siswa masa kini serta teknologi masa kini. Ada banyak organisasi bernilai miliaran dolar di bidang pendidikan, tetapi saya tidak merasa mereka berinovasi dengan cara yang kita butuhkan, dan saya juga tidak merasa kita masih memerlukan mereka. Bagi saya, semuanya kembali kepada para siswa, dan saya merasa para siswa belum dilayani sebaik yang seharusnya.”

Saat ini Grockit menawarkan berbagai produk pendidikan yang berbeda, tetapi pada awalnya Farb mengikuti pendekatan lean. Grockit membangun produk minimum yang layak (minimum viable product), yang pada dasarnya hanyalah Farb mengajar persiapan ujian melalui alat konferensi web daring populer, WebEx. Ia tidak membangun perangkat lunak khusus, tidak pula teknologi baru. Ia sekadar mencoba membawa pendekatan pengajarannya yang baru kepada para siswa melalui internet. Berita tentang bentuk baru bimbingan privat ini menyebar dengan cepat, dan dalam beberapa bulan Farb sudah dapat memperoleh penghasilan yang cukup baik dengan mengajar secara daring, dengan pendapatan bulanan sekitar 10.000 hingga 15.000 dolar. Namun seperti banyak wirausahawan yang memiliki ambisi besar, Farb tidak membangun MVP hanya untuk mencari nafkah. Ia memiliki visi tentang bentuk pengajaran yang lebih kolaboratif dan lebih efektif bagi para siswa di mana pun. Dengan traksi awal tersebut, ia berhasil menggalang dana dari beberapa investor paling bergengsi di Silicon Valley.

Ketika pertama kali saya bertemu Farb, perusahaannya sudah berada di jalur cepat menuju kesuksesan. Mereka telah memperoleh modal ventura dari investor terkemuka, membangun tim yang luar biasa, dan baru saja tampil mengesankan dalam salah satu kompetisi startup terkenal di Silicon Valley.

Mereka sangat berorientasi pada proses dan disiplin. Pengembangan produk mereka mengikuti versi ketat dari metodologi pengembangan tangkas (agile) yang dikenal sebagai Extreme Programming (akan dijelaskan kemudian), berkat kemitraan mereka dengan perusahaan berbasis di San Francisco bernama Pivotal Labs. Produk awal mereka dipuji oleh media sebagai sebuah terobosan.

Namun ada satu masalah: mereka tidak melihat pertumbuhan penggunaan produk yang memadai dari para pelanggan. Grockit merupakan studi kasus yang sangat baik karena masalahnya bukanlah kegagalan dalam eksekusi atau kurangnya disiplin.

Mengikuti praktik standar agile, pekerjaan Grockit berlangsung dalam serangkaian sprint, atau siklus iterasi satu bulan. Untuk setiap sprint, Farb menentukan prioritas pekerjaan yang harus dilakukan pada bulan tersebut dengan menulis serangkaian user stories, sebuah teknik yang diambil dari pengembangan agile. Alih-alih menulis spesifikasi fitur baru dalam istilah teknis, Farb menulis cerita yang menggambarkan fitur tersebut dari sudut pandang pelanggan. Cerita itu membantu para insinyur tetap berfokus pada perspektif pelanggan sepanjang proses pengembangan.

Setiap fitur dinyatakan dalam bahasa yang sederhana sehingga dapat dipahami oleh semua orang, baik yang memiliki latar belakang teknis maupun tidak. Sekali lagi mengikuti praktik agile standar, Farb bebas mengubah prioritas cerita-cerita ini kapan saja. Seiring ia mempelajari lebih banyak tentang apa yang diinginkan pelanggan, ia dapat memindahkan item-item tersebut dalam product backlog, yaitu antrean cerita yang belum dibangun. Satu-satunya batasan terhadap kemampuan mengubah arah ini adalah bahwa ia tidak dapat menghentikan tugas yang sedang dikerjakan. Untungnya, cerita-cerita tersebut ditulis sedemikian rupa sehingga ukuran batch pekerjaan (yang akan saya bahas lebih rinci pada Bab 9) hanya berlangsung satu atau dua hari.

Sistem ini disebut pengembangan tangkas dengan alasan yang jelas: tim yang menggunakannya mampu mengubah arah dengan cepat, tetap lincah, dan sangat responsif terhadap perubahan dalam kebutuhan bisnis dari pemilik produk (manajer proses—dalam hal ini Farb—yang bertanggung jawab menentukan prioritas cerita).

Bagaimana perasaan tim pada akhir setiap sprint? Mereka secara konsisten berhasil menghadirkan fitur-fitur produk baru. Mereka mengumpulkan umpan balik pelanggan dalam bentuk anekdot dan wawancara yang menunjukkan bahwa setidaknya sebagian pelanggan menyukai fitur-fitur baru tersebut. Selalu ada sejumlah data yang menunjukkan peningkatan: mungkin jumlah pelanggan secara keseluruhan meningkat, jumlah total pertanyaan yang dijawab oleh para siswa bertambah, atau jumlah pelanggan yang kembali meningkat.

Namun saya merasakan bahwa Farb dan timnya masih menyimpan keraguan tentang kemajuan keseluruhan perusahaan. Apakah peningkatan angka-angka tersebut benar-benar disebabkan oleh upaya pengembangan mereka? Ataukah itu disebabkan oleh faktor lain, seperti penyebutan Grockit di media? Ketika saya bertemu tim ini, saya mengajukan pertanyaan sederhana: bagaimana Anda tahu bahwa keputusan penentuan prioritas yang dibuat Farb benar-benar masuk akal?

Jawaban mereka: “Itu bukan bagian kami. Farb membuat keputusan; kami hanya menjalankannya.”

Pada saat itu Grockit berfokus pada satu segmen pelanggan saja: calon mahasiswa sekolah bisnis yang sedang mempersiapkan GMAT. Produk tersebut memungkinkan para siswa mengikuti sesi belajar daring bersama siswa lain yang mempersiapkan ujian yang sama. Produk itu bekerja: para siswa yang menyelesaikan belajar melalui Grockit memperoleh skor yang jauh lebih tinggi dibandingkan sebelumnya. Namun tim Grockit menghadapi masalah klasik startup: bagaimana kita tahu fitur mana yang harus diprioritaskan? Bagaimana kita bisa membuat lebih banyak pelanggan mendaftar dan membayar? Bagaimana kita menyebarkan kabar tentang produk kita?

Saya mengajukan pertanyaan ini kepada Farb: “Seberapa yakin Anda bahwa Anda membuat keputusan yang tepat dalam menentukan prioritas?” Seperti kebanyakan pendiri startup, ia melihat data yang tersedia dan membuat perkiraan terdidik sebaik mungkin. Namun hal itu masih menyisakan banyak ruang bagi ambiguitas dan keraguan.

Farb sangat percaya pada visinya—sepenuhnya dan tanpa ragu—namun ia mulai mempertanyakan apakah perusahaannya berada pada jalur yang tepat untuk mewujudkan visi tersebut. Produk itu membaik setiap hari, tetapi Farb ingin memastikan bahwa perbaikan-perbaikan itu benar-benar berarti bagi pelanggan. Menurut saya, ia layak mendapat banyak penghargaan karena menyadari hal ini. Tidak seperti banyak visioner yang berpegang teguh pada visi awal mereka apa pun yang terjadi, Farb bersedia menguji visinya.

Farb bekerja keras mempertahankan keyakinan timnya bahwa Grockit ditakdirkan untuk berhasil. Ia khawatir moral tim akan menurun jika ada yang berpikir bahwa orang yang mengemudikan kapal tidak yakin ke arah mana harus berlayar. Farb sendiri tidak yakin apakah timnya akan menerima budaya pembelajaran yang sesungguhnya. Bagaimanapun, inilah bagian dari kesepakatan besar dalam pengembangan agile: para insinyur setuju menyesuaikan produk dengan kebutuhan bisnis yang terus berubah, tetapi mereka tidak bertanggung jawab atas kualitas keputusan bisnis tersebut.

Agile merupakan sistem pengembangan yang efisien dari sudut pandang para pengembang. Sistem ini memungkinkan mereka tetap fokus pada pembuatan fitur dan desain teknis. Upaya untuk memasukkan kebutuhan untuk belajar ke dalam proses tersebut berpotensi mengganggu produktivitas.

(Manufaktur lean menghadapi masalah serupa ketika pertama kali diperkenalkan di pabrik-pabrik. Para manajer terbiasa berfokus pada tingkat pemanfaatan setiap mesin. Pabrik dirancang agar mesin tetap beroperasi pada kapasitas penuh sebanyak mungkin sepanjang waktu. Dilihat dari sudut pandang mesin, itu efisien; tetapi dari sudut pandang produktivitas keseluruhan pabrik, hal itu sering kali sangat tidak efisien. Seperti yang dikatakan dalam teori sistem, apa yang mengoptimalkan satu bagian dari sistem justru akan merusak kinerja sistem secara keseluruhan.)

Apa yang tidak disadari Farb dan timnya adalah bahwa kemajuan Grockit diukur menggunakan metrik kesombongan: jumlah total pelanggan dan jumlah total pertanyaan yang dijawab. Inilah yang membuat timnya seolah berputar di tempat; metrik tersebut memberikan sensasi kemajuan seolah-olah perusahaan bergerak maju, padahal sebenarnya kemajuan yang dicapai sangat kecil. Yang menarik adalah betapa dekatnya metode Farb dengan aspek-aspek permukaan dari tonggak pembelajaran Lean Startup: mereka merilis produk awal dan menetapkan beberapa metrik dasar. Mereka juga memiliki iterasi yang relatif singkat, yang masing-masing dinilai berdasarkan kemampuannya meningkatkan metrik pelanggan.

Namun karena Grockit menggunakan jenis metrik yang keliru, startup tersebut sebenarnya tidak benar-benar mengalami peningkatan. Farb merasa frustrasi dalam upayanya belajar dari umpan balik pelanggan. Dalam setiap siklus, jenis metrik yang menjadi fokus timnya selalu berubah: suatu bulan mereka melihat angka penggunaan keseluruhan, bulan lain angka pendaftaran, dan seterusnya. Metrik-metrik itu naik dan turun seolah-olah dengan sendirinya. Ia tidak dapat menarik kesimpulan sebab-akibat yang jelas. Dalam lingkungan seperti ini, menentukan prioritas pekerjaan secara tepat menjadi sangat menantang.

Farb sebenarnya dapat meminta analis datanya untuk menyelidiki suatu pertanyaan tertentu. Misalnya, ketika kami merilis fitur X, apakah hal itu memengaruhi perilaku pelanggan? Namun pertanyaan semacam itu akan menuntut waktu dan usaha yang sangat besar. Kapan tepatnya fitur X dirilis? Pelanggan mana saja yang terpapar padanya? Apakah ada hal lain yang diluncurkan pada waktu yang hampir bersamaan? Apakah terdapat faktor musiman yang mungkin memengaruhi data? Menemukan jawaban atas pertanyaan-pertanyaan tersebut akan mengharuskan penelusuran tumpukan data yang sangat besar. Sering kali jawabannya baru muncul berminggu-minggu setelah pertanyaan diajukan. Sementara itu, tim sudah beralih ke prioritas baru dan pertanyaan baru yang memerlukan perhatian segera.

Dibandingkan dengan banyak startup lainnya, tim Grockit memiliki keunggulan besar: mereka sangat disiplin. Tim yang disiplin mungkin saja menerapkan metodologi yang keliru, tetapi mereka dapat dengan cepat mengubah arah begitu menyadari kesalahannya. Yang lebih penting, tim yang disiplin mampu bereksperimen dengan gaya kerja mereka sendiri dan menarik kesimpulan yang bermakna darinya.

Kohort dan Uji Terpisah

Grockit mengubah metrik yang mereka gunakan untuk menilai keberhasilan dalam dua cara. Alih-alih melihat metrik keseluruhan, Grockit beralih ke metrik berbasis kohort; dan alih-alih mencari hubungan sebab-akibat setelah peristiwa terjadi, Grockit meluncurkan setiap fitur baru sebagai eksperimen uji terpisah yang sesungguhnya.

Eksperimen uji terpisah adalah eksperimen di mana berbagai versi suatu produk ditawarkan kepada pelanggan pada waktu yang sama. Dengan mengamati perubahan perilaku antara kedua kelompok tersebut, kita dapat menarik kesimpulan tentang dampak dari variasi yang berbeda. Teknik ini dipelopori oleh para pengiklan surat langsung. Misalnya, bayangkan sebuah perusahaan yang mengirim katalog produk kepada pelanggan untuk dibeli, seperti Lands’ End atau Crate & Barrel. Jika Anda ingin menguji desain katalog, Anda dapat mengirim versi baru kepada 50 persen pelanggan dan mengirim katalog standar lama kepada 50 persen lainnya. Untuk memastikan hasil yang ilmiah, kedua katalog tersebut harus memuat produk yang sama persis; satu-satunya perbedaan hanyalah perubahan desainnya. Untuk mengetahui apakah desain baru itu efektif, yang perlu Anda lakukan hanyalah melacak angka penjualan dari kedua kelompok pelanggan tersebut. (Teknik ini kadang disebut pengujian A/B, sesuai dengan praktik memberi nama huruf pada setiap variasi.) Meskipun uji terpisah sering dianggap sebagai praktik khusus pemasaran—bahkan pemasaran surat langsung—startup lean memasukkannya langsung ke dalam proses pengembangan produk.

Perubahan ini segera mengubah cara Farb memahami bisnisnya. Uji terpisah sering kali mengungkap hal-hal yang mengejutkan. Sebagai contoh, banyak fitur yang menurut para insinyur dan desainer membuat produk lebih baik ternyata tidak memberikan dampak apa pun terhadap perilaku pelanggan. Inilah yang terjadi di Grockit, sebagaimana yang saya lihat di setiap perusahaan yang mengadopsi teknik ini. Walaupun bekerja dengan uji terpisah tampak lebih sulit karena memerlukan pencatatan tambahan dan metrik untuk melacak setiap variasi, dalam jangka panjang metode ini hampir selalu menghemat waktu dalam jumlah besar dengan menyingkirkan pekerjaan yang tidak berarti bagi pelanggan.

Uji terpisah juga membantu tim memperdalam pemahaman mereka tentang apa yang diinginkan dan tidak diinginkan pelanggan. Tim Grockit terus-menerus menambahkan cara-cara baru bagi pelanggan mereka untuk berinteraksi satu sama lain dengan harapan bahwa alat komunikasi sosial tersebut akan meningkatkan nilai produk. Di balik upaya-upaya itu tersimpan keyakinan bahwa pelanggan menginginkan lebih banyak komunikasi selama mereka belajar. Ketika uji terpisah menunjukkan bahwa fitur-fitur tambahan tersebut tidak mengubah perilaku pelanggan, keyakinan itu pun mulai dipertanyakan.

Pertanyaan tersebut mendorong tim untuk mencari pemahaman yang lebih dalam tentang apa yang sebenarnya diinginkan pelanggan. Mereka melakukan curah gagasan untuk menemukan ide-ide baru bagi eksperimen produk yang mungkin memiliki dampak lebih besar. Sebenarnya banyak dari ide-ide ini bukanlah hal baru. Ide-ide tersebut sebelumnya terabaikan karena perusahaan terlalu berfokus membangun alat-alat sosial. Akibatnya, Grockit menguji mode belajar mandiri yang intensif, lengkap dengan misi dan tingkatan bergaya permainan, sehingga para siswa memiliki pilihan untuk belajar sendiri ataupun bersama orang lain. Persis seperti di kelas asli Farb, pendekatan ini terbukti sangat efektif. Tanpa disiplin uji terpisah, perusahaan mungkin tidak akan sampai pada kesadaran ini. Bahkan, seiring waktu, melalui puluhan pengujian, menjadi jelas bahwa kunci keterlibatan siswa adalah menawarkan kombinasi fitur sosial dan fitur belajar mandiri. Para siswa lebih menyukai memiliki pilihan tentang bagaimana mereka ingin belajar.

Kanban

Mengikuti prinsip manufaktur lean yang dikenal sebagai kanban, atau pembatasan kapasitas, Grockit mengubah proses penentuan prioritas produk. Dalam sistem baru ini, user story tidak dianggap selesai sampai menghasilkan pembelajaran yang tervalidasi. Dengan demikian, setiap story dapat dikategorikan ke dalam salah satu dari empat tahap pengembangan: berada dalam product backlog, sedang aktif dibangun, selesai (lengkap secara teknis), atau sedang dalam proses validasi.

“Validasi” didefinisikan sebagai “mengetahui apakah story tersebut memang merupakan gagasan yang baik untuk dikerjakan sejak awal.” Validasi ini biasanya diperoleh melalui uji terpisah yang menunjukkan adanya perubahan perilaku pelanggan, tetapi juga dapat berasal dari wawancara pelanggan atau survei.

Aturan kanban hanya mengizinkan sejumlah terbatas story dalam masing-masing dari empat tahap tersebut. Ketika story mengalir dari satu tahap ke tahap berikutnya, wadah-wadah itu akan terisi. Begitu sebuah wadah penuh, ia tidak dapat menerima story tambahan. Hanya setelah sebuah story tervalidasi, story tersebut dapat dikeluarkan dari papan kanban. Jika validasi gagal dan ternyata story tersebut merupakan gagasan yang buruk, fitur yang terkait akan dihapus dari produk.

DIAGRAM KANBAN ATAS PEKERJAAN YANG BERGERAK
DARI TAHAP KE TAHAP

(Tidak ada satu pun wadah yang dapat memuat lebih dari tiga proyek pada satu waktu.)

 

Pekerjaan pada A dimulai. D dan E berada dalam tahap pengembangan. F menunggu validasi.

F tervalidasi. D dan E menunggu validasi. G, H, I adalah tugas-tugas baru yang akan dikerjakan. B dan C sedang dibangun. A menyelesaikan tahap pengembangannya.

B dan C telah selesai dibangun, tetapi menurut sistem kanban, keduanya tidak dapat dipindahkan ke wadah berikutnya untuk divalidasi sebelum A, D, dan E tervalidasi. Pekerjaan pada H dan I tidak dapat dimulai sebelum tersedia ruang kosong pada wadah-wadah sebelumnya.

Saya telah menerapkan sistem ini pada beberapa tim, dan hasil awalnya selalu menimbulkan frustrasi: setiap wadah akan penuh, dimulai dari wadah “tervalidasi” lalu berlanjut ke wadah “selesai”, hingga akhirnya tidak mungkin lagi memulai pekerjaan baru. Tim yang terbiasa mengukur produktivitas mereka secara sempit—berdasarkan jumlah story yang mereka hasilkan—merasa seolah-olah terjebak. Satu-satunya cara untuk memulai pengerjaan fitur baru adalah dengan menyelidiki beberapa story yang telah selesai tetapi belum tervalidasi. Hal ini sering kali memerlukan upaya di luar rekayasa teknis: berbicara dengan pelanggan, menelaah data uji terpisah, dan sebagainya.

Tidak lama kemudian semua orang mulai memahami cara kerjanya. Pada awalnya kemajuan terjadi secara tersendat-sendat. Para insinyur mungkin menyelesaikan satu kelompok besar pekerjaan, yang kemudian diikuti oleh pengujian dan validasi yang luas. Ketika para insinyur mencari cara untuk meningkatkan produktivitas mereka, mereka mulai menyadari bahwa jika proses validasi sudah dimasukkan sejak awal, seluruh tim dapat menjadi jauh lebih produktif.

Sebagai contoh, mengapa membangun fitur baru yang bukan bagian dari eksperimen uji terpisah? Hal itu mungkin menghemat waktu dalam jangka pendek, tetapi akan memakan waktu lebih lama kemudian ketika harus diuji pada tahap validasi. Logika yang sama berlaku bagi sebuah story yang tidak sepenuhnya dipahami oleh seorang insinyur. Dalam sistem lama, ia mungkin hanya akan membangunnya dan baru kemudian mengetahui kegunaannya. Dalam sistem baru, perilaku semacam itu jelas kontraproduktif: tanpa hipotesis yang jelas, bagaimana mungkin sebuah story dapat divalidasi?

Kami juga melihat perilaku ini di IMVU. Saya pernah menyaksikan seorang insinyur junior menentang seorang eksekutif senior mengenai perubahan yang relatif kecil. Insinyur tersebut bersikeras bahwa fitur baru itu harus diuji melalui uji terpisah, sama seperti fitur lainnya. Rekan-rekannya mendukungnya; bagi mereka sudah menjadi hal yang sepenuhnya jelas bahwa semua fitur harus diuji secara rutin, siapa pun yang memintanya. (Memalukan untuk diakui, tetapi terlalu sering sayalah eksekutif yang dimaksud.) Sebuah proses yang kokoh meletakkan dasar bagi budaya kerja yang sehat—budaya di mana gagasan dinilai berdasarkan mutu, bukan berdasarkan jabatan.

Yang terpenting, tim yang bekerja dalam sistem ini mulai mengukur produktivitas mereka berdasarkan pembelajaran yang tervalidasi, bukan berdasarkan jumlah fitur baru yang diproduksi.

Pengujian Hipotesis di Grockit

Ketika Grockit melakukan transisi ini, hasilnya sangat dramatis. Dalam satu kasus, mereka memutuskan untuk menguji salah satu fitur utama mereka, yang disebut lazy registration, untuk melihat apakah fitur tersebut benar-benar sepadan dengan investasi besar yang mereka keluarkan untuk mendukungnya secara berkelanjutan. Mereka sangat percaya pada fitur ini karena lazy registration dianggap sebagai salah satu praktik terbaik dalam desain layanan daring. Dalam sistem ini, pelanggan tidak perlu mendaftar di awal. Sebaliknya, mereka langsung mulai menggunakan layanan tersebut dan baru diminta mendaftar setelah sempat merasakan manfaat layanan itu.

Bagi seorang siswa, lazy registration bekerja seperti ini: ketika Anda datang ke situs Grockit, Anda langsung ditempatkan dalam sebuah sesi belajar bersama siswa lain yang sedang mempersiapkan ujian yang sama. Anda tidak perlu memberikan nama, alamat email, atau nomor kartu kredit. Tidak ada yang menghalangi Anda untuk langsung masuk dan mulai belajar seketika. Bagi Grockit, pendekatan ini penting untuk menguji salah satu asumsi inti mereka: bahwa pelanggan akan bersedia mengadopsi cara belajar baru ini hanya jika mereka dapat melihat bukti sejak awal bahwa metode tersebut benar-benar berhasil.

Sebagai konsekuensi dari hipotesis ini, desain Grockit mengharuskan mereka mengelola tiga kelas pengguna: tamu yang belum terdaftar, tamu terdaftar (masa uji coba), dan pelanggan yang telah membayar versi premium produk tersebut. Desain ini memerlukan pekerjaan tambahan yang cukup besar untuk dibangun dan dipelihara: semakin banyak kelas pengguna, semakin banyak pula pekerjaan yang diperlukan untuk melacaknya, serta semakin besar pula upaya pemasaran yang dibutuhkan untuk menciptakan insentif yang tepat agar pelanggan naik ke tingkat berikutnya. Grockit melakukan semua upaya tambahan ini karena lazy registration dianggap sebagai praktik terbaik di industri.

Saya mendorong tim tersebut untuk mencoba uji terpisah yang sederhana. Mereka mengambil satu kohort pelanggan dan mewajibkan mereka untuk langsung mendaftar, hanya berdasarkan materi pemasaran Grockit. Yang mengejutkan, perilaku kohort ini ternyata persis sama dengan kelompok lazy registration: mereka memiliki tingkat pendaftaran, aktivasi, dan retensi berikutnya yang sama. Dengan kata lain, upaya tambahan untuk menerapkan lazy registration ternyata sama sekali sia-sia, meskipun metode itu dianggap sebagai praktik terbaik dalam industri.

Yang bahkan lebih penting daripada pengurangan pemborosan ini adalah wawasan yang muncul dari pengujian tersebut: pelanggan ternyata mendasarkan keputusan mereka tentang Grockit pada sesuatu selain pengalaman mereka menggunakan produk itu sendiri.

Coba pikirkan hal ini. Bayangkan kohort pelanggan yang diwajibkan mendaftar sebelum mereka dapat memasuki sesi belajar bersama siswa lain. Mereka hanya memiliki sangat sedikit informasi tentang produk tersebut—tidak lebih dari apa yang ditampilkan pada halaman beranda dan halaman pendaftaran Grockit. Sebaliknya, kelompok lazy registration memiliki informasi yang sangat banyak tentang produk tersebut karena mereka telah menggunakannya. Namun meskipun terdapat perbedaan informasi yang begitu besar, perilaku pelanggan tetap sama persis.

Hal ini menunjukkan bahwa memperbaiki posisi dan strategi pemasaran Grockit mungkin memiliki dampak yang lebih besar dalam menarik pelanggan baru dibandingkan sekadar menambahkan fitur-fitur baru pada produk. Eksperimen ini hanyalah yang pertama dari banyak eksperimen penting yang dapat dijalankan Grockit. Sejak masa-masa awal tersebut, mereka telah memperluas basis pelanggan mereka secara drastis: kini mereka menawarkan persiapan ujian untuk berbagai ujian standar, termasuk GMAT, SAT, ACT, dan GRE, serta kursus matematika dan bahasa Inggris daring bagi siswa kelas 7 hingga 12.

Grockit terus mengembangkan proses kerjanya, mencari perbaikan berkelanjutan di setiap kesempatan. Dengan lebih dari dua puluh karyawan di kantor mereka di San Francisco, Grockit tetap beroperasi dengan pendekatan yang sama: terencana dan disiplin—ciri khas yang selalu melekat pada mereka. Mereka telah membantu hampir satu juta siswa dan hampir pasti akan membantu jutaan lainnya di masa depan.

NILAI DARI TIGA A

Contoh-contoh dari Grockit ini menunjukkan masing-masing dari tiga A dalam metrik: actionable (dapat ditindaklanjuti), accessible (mudah diakses), dan auditable (dapat diaudit).

Actionable (Dapat Ditindaklanjuti)

Agar sebuah laporan dapat dianggap dapat ditindaklanjuti, laporan tersebut harus menunjukkan hubungan sebab dan akibat yang jelas. Jika tidak, maka laporan itu hanyalah vanity metric. Laporan yang mulai digunakan oleh tim Grockit untuk menilai tonggak pembelajaran mereka membuat sangat jelas tindakan apa yang perlu dilakukan untuk mereplikasi hasil yang diperoleh.

Sebaliknya, vanity metric gagal memenuhi kriteria ini. Ambil contoh jumlah kunjungan (hits) ke situs web perusahaan. Misalnya kita memiliki 40.000 hits bulan ini—sebuah rekor baru. Apa yang harus kita lakukan untuk mendapatkan lebih banyak hits? Jawabannya bergantung pada banyak hal. Dari mana asal hits baru itu? Apakah dari 40.000 pelanggan baru, atau dari satu orang dengan browser yang sangat aktif? Apakah hits tersebut berasal dari kampanye pemasaran baru atau dorongan PR? Bahkan, sebenarnya apa yang dimaksud dengan sebuah hit? Apakah setiap halaman yang dibuka di browser dihitung sebagai satu hit, ataukah semua gambar dan konten multimedia yang tertanam juga dihitung? Siapa pun yang pernah menghadiri rapat yang memperdebatkan satuan pengukuran dalam sebuah laporan akan mengenali masalah ini.

Vanity metric menimbulkan kekacauan karena mereka memanfaatkan kelemahan pikiran manusia. Berdasarkan pengalaman saya, ketika angka meningkat, orang cenderung menganggap peningkatan itu disebabkan oleh tindakan mereka sendiri—oleh apa pun yang sedang mereka kerjakan saat itu. Itulah sebabnya sering terjadi rapat di mana tim pemasaran menganggap angka naik karena kampanye PR atau pemasaran baru, sementara tim rekayasa yakin bahwa peningkatan tersebut merupakan hasil dari fitur baru yang mereka tambahkan. Mencari tahu apa yang sebenarnya terjadi sangat mahal biayanya, sehingga sebagian besar manajer akhirnya memilih untuk melanjutkan saja, membuat penilaian terbaik yang mereka bisa berdasarkan pengalaman mereka dan kecerdasan kolektif orang-orang di ruangan itu.

Namun, ketika angka menurun, reaksinya sangat berbeda: sekarang kesalahan selalu dianggap berasal dari orang lain. Akibatnya, sebagian besar anggota tim atau departemen hidup dalam dunia di mana departemen mereka sendiri terus-menerus memperbaiki keadaan, tetapi kerja keras mereka selalu dirusak oleh departemen lain yang “tidak mengerti”. Tidak mengherankan jika departemen-departemen ini kemudian mengembangkan bahasa, jargon, budaya, dan mekanisme pertahanan mereka sendiri terhadap para “orang bodoh” yang bekerja di koridor sebelah.

Actionable metrics adalah penawar bagi masalah ini. Ketika hubungan sebab dan akibat dipahami dengan jelas, orang dapat belajar dari tindakan mereka dengan jauh lebih baik. Pada dasarnya manusia adalah pembelajar yang sangat berbakat—terutama ketika mereka diberi penilaian yang jelas dan objektif.

Accessible (Mudah Diakses)

Terlalu banyak laporan yang tidak dipahami oleh karyawan dan manajer yang seharusnya menggunakannya sebagai panduan dalam pengambilan keputusan. Sayangnya, sebagian besar manajer tidak merespons kompleksitas ini dengan bekerja sama dengan tim data untuk menyederhanakan laporan agar lebih mudah dipahami. Sebaliknya, departemen sering menghabiskan energi mereka untuk mempelajari bagaimana menggunakan data agar mendapatkan apa yang mereka inginkan, bukan sebagai umpan balik yang sungguh-sungguh untuk membimbing tindakan mereka di masa depan.

Ada penawar untuk penyalahgunaan data ini. Pertama, buat laporan sesederhana mungkin sehingga semua orang dapat memahaminya. Ingat ungkapan: “Metrics are people, too.” Cara termudah membuat laporan dapat dipahami adalah dengan menggunakan satuan yang konkret dan nyata. Apa sebenarnya sebuah hit di situs web? Tidak ada yang benar-benar yakin. Tetapi semua orang memahami apa arti seseorang yang mengunjungi situs web—kita bahkan bisa membayangkan orang-orang itu duduk di depan komputer mereka.

Itulah sebabnya laporan berbasis kohort menjadi standar emas dalam metrik pembelajaran: laporan ini mengubah tindakan yang kompleks menjadi laporan berbasis manusia. Setiap analisis kohort menyatakan: di antara orang-orang yang menggunakan produk kita pada periode tertentu, berapa banyak dari mereka yang menunjukkan perilaku yang kita pedulikan.

Dalam contoh IMVU, kita melihat empat perilaku:

• mengunduh produk,
• masuk ke dalam produk dari komputer mereka,
• melakukan percakapan dengan pelanggan lain,
• meningkatkan akun ke versi berbayar.

Dengan kata lain, laporan tersebut berbicara tentang orang dan tindakan mereka, yang jauh lebih berguna daripada sekadar tumpukan angka. Misalnya, bayangkan betapa sulitnya mengetahui apakah IMVU berhasil jika kita hanya melaporkan jumlah total percakapan antar pengguna. Misalkan kita memiliki 10.000 percakapan dalam satu periode. Apakah itu bagus? Apakah itu satu orang yang sangat sosial, atau 10.000 orang yang masing-masing mencoba produk sekali lalu menyerah? Tanpa laporan yang lebih rinci, tidak ada cara untuk mengetahuinya.

Seiring semakin besarnya angka-angka keseluruhan, aksesibilitas menjadi semakin penting. Sulit membayangkan apa artinya jika jumlah hits situs web turun dari 250.000 dalam satu bulan menjadi 200.000 pada bulan berikutnya, tetapi kebanyakan orang langsung memahami arti kehilangan 50.000 pelanggan. Itu hampir seperti satu stadion penuh orang yang meninggalkan produk.

Aksesibilitas juga berarti akses yang luas terhadap laporan. Grockit melakukan hal ini dengan sangat baik. Setiap hari sistem mereka secara otomatis menghasilkan dokumen yang berisi data terbaru untuk setiap eksperimen split-test dan metrik asumsi utama. Dokumen ini dikirim melalui email kepada setiap karyawan perusahaan, sehingga semua orang selalu memiliki salinan terbaru di kotak masuk mereka. Laporan tersebut ditata dengan baik dan mudah dibaca, dengan setiap eksperimen serta hasilnya dijelaskan dalam bahasa yang sederhana.

Cara lain untuk membuat laporan mudah diakses adalah teknik yang kami kembangkan di IMVU. Alih-alih menyimpan analitik dalam sistem terpisah, data pelaporan dan infrastrukturnya dianggap sebagai bagian dari produk itu sendiri dan dimiliki oleh tim pengembangan produk. Laporan tersedia di situs web internal kami dan dapat diakses oleh siapa pun yang memiliki akun karyawan.

Setiap karyawan dapat masuk ke sistem kapan saja, memilih dari daftar semua eksperimen yang sedang berlangsung maupun yang sudah selesai, dan melihat ringkasan satu halaman yang sederhana mengenai hasilnya. Seiring waktu, ringkasan satu halaman ini menjadi standar de facto untuk menyelesaikan perdebatan produk di seluruh organisasi. Ketika seseorang membutuhkan bukti untuk mendukung sesuatu yang mereka pelajari, mereka cukup membawa cetakan laporan tersebut ke rapat, yakin bahwa siapa pun yang melihatnya akan memahami maknanya.

Auditable (Dapat Diaudit)

Ketika diberi tahu bahwa proyek kesayangan kita gagal, kebanyakan dari kita tergoda untuk menyalahkan pembawa kabar, data, manajer, para dewa, atau apa pun yang bisa kita pikirkan. Itulah sebabnya A ketiga dari metrik yang baik—“auditable”—sangat penting. Kita harus memastikan bahwa data tersebut dapat dipercaya oleh para karyawan.

Karyawan di IMVU sering membawa laporan satu halaman untuk menunjukkan apa yang telah mereka pelajari dan menyelesaikan perdebatan, tetapi prosesnya tidak selalu berjalan mulus. Sering kali, ketika seorang manajer, pengembang, atau tim dihadapkan pada hasil yang dapat mematikan proyek kesayangan mereka, pihak yang kalah dalam argumen akan mempertanyakan keabsahan data tersebut.

Tantangan seperti ini jauh lebih umum daripada yang diakui oleh sebagian besar manajer. Sayangnya, banyak sistem pelaporan data tidak dirancang untuk menjawab tantangan semacam ini dengan baik. Kadang-kadang hal ini terjadi karena niat baik yang keliru untuk melindungi privasi pelanggan. Namun lebih sering, kurangnya dokumentasi pendukung hanyalah akibat dari kelalaian. Sebagian besar sistem pelaporan data tidak dibangun oleh tim pengembangan produk—yang tugasnya memprioritaskan dan membangun fitur produk—melainkan oleh manajer bisnis dan analis. Para manajer yang harus menggunakan sistem ini biasanya hanya bisa memeriksa apakah laporan-laporan tersebut saling konsisten. Mereka sering tidak memiliki cara untuk menguji apakah data tersebut benar-benar sesuai dengan kenyataan.

Solusinya? Pertama, ingat kembali bahwa “Metrics are people, too.” Kita harus dapat menguji data secara langsung di dunia nyata yang tidak rapi, dengan berbicara kepada pelanggan. Ini adalah satu-satunya cara untuk memeriksa apakah laporan tersebut benar-benar mencerminkan fakta. Manajer perlu memiliki kemampuan untuk memeriksa secara acak data dengan pelanggan nyata. Pendekatan ini juga memberikan manfaat kedua: sistem yang memungkinkan audit semacam ini memberi manajer dan wirausahawan kesempatan untuk memahami mengapa pelanggan berperilaku seperti yang ditunjukkan oleh data.

Kedua, mereka yang membangun laporan harus memastikan bahwa mekanisme yang menghasilkan laporan tersebut tidak terlalu kompleks. Jika memungkinkan, laporan harus diambil langsung dari data utama (master data), bukan dari sistem perantara, sehingga peluang kesalahan dapat dikurangi.

Saya telah memperhatikan bahwa setiap kali sebuah tim harus membatalkan penilaian atau asumsi mereka akibat masalah teknis pada data, kepercayaan diri, moral, dan disiplin tim tersebut akan melemah.

Ketika kita melihat wirausahawan sukses dalam dunia mitologi Hollywood, buku, dan majalah, ceritanya hampir selalu disusun dengan pola yang sama. Pertama, kita melihat tokoh utama yang penuh semangat mendapatkan pencerahan dan melahirkan ide bisnis yang hebat. Kita mempelajari karakter dan kepribadiannya, bagaimana ia berada di tempat yang tepat pada waktu yang tepat, serta bagaimana ia mengambil langkah dramatis untuk memulai bisnis.

Kemudian muncul montase foto. Biasanya hanya singkat—beberapa menit cuplikan waktu yang dipercepat atau narasi. Kita melihat sang tokoh membangun tim, mungkin bekerja di laboratorium, menulis di papan tulis, menutup penjualan, mengetik di keyboard. Pada akhir montase itu, para pendiri telah sukses, dan cerita pun berlanjut ke bagian yang lebih menarik: bagaimana membagi hasil kesuksesan, siapa yang muncul di sampul majalah, siapa yang menuntut siapa, dan apa implikasinya bagi masa depan.

Sayangnya, pekerjaan nyata yang menentukan keberhasilan startup justru terjadi selama montase foto itu. Bagian ini tidak pernah masuk ke dalam cerita besar karena dianggap terlalu membosankan. Hanya 5 persen kewirausahaan yang berkaitan dengan ide besar, model bisnis, strategi di papan tulis, dan pembagian hasil kesuksesan. 95 persen sisanya adalah pekerjaan keras yang diukur melalui innovation accounting: keputusan prioritas produk, menentukan pelanggan mana yang harus ditargetkan atau didengarkan, serta keberanian untuk terus-menerus menguji visi besar melalui eksperimen dan umpan balik.

Dari semua keputusan yang harus diambil, satu keputusan menonjol sebagai yang paling sulit, paling memakan waktu, dan paling banyak menimbulkan pemborosan bagi startup. Kita semua harus menghadapi ujian mendasar ini: memutuskan kapan harus melakukan pivot dan kapan harus bertahan (persevere).

Untuk memahami apa yang sebenarnya terjadi selama montase foto itu, kita harus memahami bagaimana melakukan pivot, dan itulah yang akan dibahas dalam Bab 8.