Pada tahap ketika sebagian pengguna sudah merasakan manfaat produk dan mulai kembali menggunakannya, pertanyaan founder berubah. Bukan lagi sekadar “bagaimana mendapatkan pengguna pertama?”, melainkan “bagian mana dari pengalaman ini yang bisa diperbaiki agar lebih banyak orang berhasil mendapatkan manfaat?” Di titik inilah growth hacking relevan: bukan jabatan khusus atau kumpulan trik viral, tetapi cara kerja untuk mencari pertumbuhan melalui eksperimen, data, dan pembelajaran berulang.
Istilah startup di sini merujuk pada organisasi sementara yang masih mencari model bisnis yang dapat diulang dan dikembangkan secara luas, sebagaimana dirumuskan Steve Blank. Karena modelnya belum sepenuhnya mapan, tim perlu menguji asumsi dengan disiplin. Bahkan setelah ada tanda-tanda product-market fit—kecocokan yang terlihat dari pola kebutuhan, penggunaan, dan nilai yang dirasakan pelanggan—tim tetap perlu membuktikan apakah pola itu dapat diperluas tanpa merusak pengalaman, biaya, atau arus kas.
Data harus mengarah pada keputusan
Data-driven berarti keputusan dimulai dari perilaku yang terukur, bukan dari perasaan paling keras di ruang rapat. Tim dapat mengamati activation rate, yaitu proporsi pengguna yang mencapai tindakan awal yang menunjukkan mereka mulai memperoleh nilai; retention rate, yaitu proporsi pengguna yang kembali pada periode tertentu; referral rate, yaitu kecenderungan pengguna mengajak orang lain; serta conversion rate, yaitu proporsi pengguna yang berpindah ke tindakan yang dituju, termasuk membayar jika itu memang tujuan eksperimennya.
Metrik tersebut baru berguna jika definisi, kelompok pengguna, dan periodenya jelas. Misalnya, “retensi” pengguna aplikasi belajar harus menyebut apakah yang dihitung adalah kembali pada hari ketujuh, menyelesaikan satu sesi tiap minggu, atau berlangganan pada bulan berikutnya. Tidak ada satu angka retensi atau satu ambang product-market fit yang berlaku untuk semua model; maknanya bergantung pada frekuensi kebutuhan dan cara produk menciptakan nilai.
Inilah perbedaan metrik yang dapat ditindaklanjuti dengan vanity metric. Jumlah pengikut, impresi, atau total unduhan mungkin penting sebagai konteks, tetapi belum menjawab apa yang harus dilakukan tim berikutnya. Angka menjadi actionable ketika perubahan pada angka itu mengarahkan hipotesis dan pilihan konkret: memperjelas onboarding, mengubah urutan fitur, memperbaiki pesan penawaran, atau menghentikan kanal yang hanya mendatangkan lalu lintas tanpa penggunaan bermakna.
Eksperimen kecil, pembelajaran yang cepat
Eksperimen yang baik tidak dimulai dari keinginan mengubah banyak hal sekaligus. Tim merumuskan hipotesis yang bisa dibantah, menentukan metrik utama dan periode pengamatan, lalu membatasi perubahan agar hasilnya dapat dibaca. Contohnya, “Jika halaman pendaftaran menjelaskan manfaat utama sebelum meminta detail tambahan, proporsi pengunjung yang menyelesaikan pendaftaran akan meningkat selama dua minggu.” Warna tombol mungkin layak diuji, tetapi hanya jika ada alasan mengapa perubahan itu berhubungan dengan hambatan pengguna.
Bayangkan sebuah startup perangkat lunak untuk mengelola jadwal klinik. Tim menduga pengguna baru berhenti karena belum memahami cara mengundang staf. Mereka menguji panduan singkat setelah pendaftaran pada sebagian pengguna baru, lalu membandingkan tingkat penyelesaian langkah undangan dan penggunaan kembali pada minggu berikutnya dengan kelompok pembanding yang relevan. Jika hasilnya membaik, tim belum otomatis boleh menyimpulkan semua pengguna akan berperilaku sama; mereka perlu melihat kualitas sampel, kemungkinan faktor lain, serta apakah dampaknya bertahan.
“Gagal cepat” tidak berarti ceroboh atau mengabaikan pelanggan. Maksudnya adalah menghindari investasi besar sebelum asumsi dasar mendapat bukti. Eksperimen yang tidak menghasilkan kenaikan tetap dapat bernilai jika hipotesis, konteks, dan hasilnya tercatat; tim jadi tidak perlu mengulang keputusan yang sama hanya karena anggota baru tidak mengetahui percobaan sebelumnya.
Growth adalah kerja lintas fungsi
Pertumbuhan jarang dapat dijelaskan oleh pemasaran saja. Marketer membantu memahami audiens dan pesan, engineer menilai perubahan yang bisa dieksekusi dengan aman, analis data membantu membaca hasil, sementara product owner menjaga agar eksperimen tetap terhubung dengan masalah pengguna dan arah produk. Pada tim kecil, satu orang dapat memegang beberapa peran, tetapi fungsi berpikirnya tetap perlu hadir.
Tim lintas fungsi tidak harus membangun struktur besar. Justru pada tahap awal, kelompok kecil dengan tujuan eksperimen yang jelas sering lebih cepat daripada banyak rapat antardivisi. Kecepatan yang dicari bukan sekadar banyaknya perubahan yang diluncurkan, melainkan jarak yang pendek antara pertanyaan, pengujian, pembacaan hasil, dan keputusan berikutnya.
Siklusnya dapat diringkas sebagai ukur, pelajari, bangun, lalu ulangi. Namun siklus ini harus memiliki pagar: perubahan tidak boleh mengorbankan keamanan, keandalan layanan, atau kejelasan kepada pengguna. Pertumbuhan pengguna juga bukan satu-satunya ukuran kesehatan; founder perlu membaca dampaknya terhadap pendapatan, margin, biaya akuisisi, dukungan pelanggan, dan kas dengan basis serta periode yang konsisten.
Bangun memori pertumbuhan
Setiap eksperimen sebaiknya meninggalkan jejak yang mudah dipahami: masalah yang ingin dijawab, hipotesis, segmen pengguna, perubahan yang dilakukan, periode pengamatan, hasil, dan keputusan setelahnya. Catatan ini adalah growth memory, yakni ingatan organisasi tentang apa yang pernah dicoba dan apa yang dipelajari. Nilainya terasa ketika tim bertambah, prioritas berganti, atau seseorang mengusulkan kembali ide yang pernah diuji.
Bayangkan anggota baru menemukan bahwa tiga versi kampanye pernah mendatangkan banyak pendaftaran, tetapi hanya satu yang menghasilkan penggunaan berulang. Tanpa catatan, tim mungkin memilih versi dengan angka awal paling besar. Dengan catatan, mereka dapat melihat bahwa pertumbuhan yang tampak cepat ternyata tidak sama dengan pengguna yang memperoleh nilai dan bertahan.
Eksperimen berkelanjutan bukan kewajiban mengejar angka tertentu setiap minggu. Tim boleh menguji beberapa ide kecil dalam satu atau dua pekan jika kapasitas, risiko, dan panjang siklus penggunaan memungkinkan. Prinsip high-tempo testing—bergerak dan belajar dengan cepat—harus disesuaikan dengan waktu yang dibutuhkan pengguna untuk benar-benar mengalami manfaat produk. Kecepatan belajar lebih penting daripada memproduksi eksperimen yang dangkal.
Dalam tujuh hari ke depan, pilih satu hambatan pengguna yang paling jelas dari data yang sudah kamu miliki. Tulis satu hipotesis yang bisa dibantah, tentukan satu metrik utama beserta segmen dan periodenya, jalankan perubahan kecil dengan kelompok yang masuk akal, lalu catat hasil dan keputusan lanjutannya—termasuk jika hasilnya tidak sesuai harapan.
