Mencapai Product Market Fit

Pra-syarat sebelum mulai

Sebelum buka modul ini, siapkan:

• Hasil pekan 6: keputusan persevere/pivot/perish per komponen, dan iterasi MVP yang sudah berjalan minimal 2-4 minggu
• Minimum 30 pengguna aktif (didefinisikan: signup dan pakai produk minimum 1 kali dalam 14 hari terakhir)
• Tools survei (Tally, Google Forms, atau Typeform free)
• Tools analytics yang sudah aktif sejak pekan 5 (Mixpanel, PostHog, atau Plausible)
• Spreadsheet untuk plot retention curve

Topik

Product Market Fit adalah istilah yang sering disalahpahami. Banyak founder mengklaim PMF setelah punya 100 pengguna gratis, padahal PMF adalah kondisi yang lebih dalam.

Pekan ini kita pelajari definisi yang tepat, cara mengukurnya dengan tiga metode komplementer, dan kapan boleh mendeklarasikan diri pre, near, atau post-PMF. Yang lebih penting: tindakan apa yang harus dilakukan tergantung posisi PMF Anda saat ini.

Apa yang Akan Dipelajari

• Tiga definisi PMF yang saling melengkapi: Marc Andreessen, Sean Ellis, Rahul Vohra
• Mitos umum tentang PMF dan kenapa banyak tim salah klaim
• Sean Ellis Survey: 1 pertanyaan yang sederhana tapi tajam
• Retention curve dan bentuknya yang menandakan PMF
• PMF dashboard mingguan dengan 5 metrik kunci
• Cara membaca segmen yang sudah PMF (dan yang belum)
• Tindakan berbeda untuk pre, near, dan post-PMF

Glossary singkat

• Product Market Fit (PMF): kondisi ketika produk Anda begitu dibutuhkan, sampai pengguna menariknya keluar dari Anda (Marc Andreessen)
• Sean Ellis Score: persentase pengguna aktif yang menjawab “sangat kecewa” kalau produk hilang. Threshold 40 persen
• Retention curve: grafik persentase pengguna yang aktif setiap minggu sejak signup
• Cohort: grup pengguna yang signup di periode yang sama
• Flat retention: retensi yang turun di awal lalu mendatar di angka tertentu, sinyal ada inti pengguna setia
• Net Promoter Score (NPS): skor -100 sampai +100 yang mengukur kemauan rekomendasi
• Pre-PMF: pengguna sedikit, retensi rendah, masih dalam fase discovery
• Near-PMF: ada pola positif di segmen tertentu, retensi mulai datar
• Post-PMF: pengguna kembali tanpa diminta, ada referral organik, growth compounding
• Super-segment: segmen yang punya Sean Ellis Score tinggi (60 persen+), tempat untuk dalami sebelum scale
• High-expectation customer: customer yang punya standar tinggi dan jadi acuan untuk product development

Estimasi waktu pengerjaan modul

Uraian Pembelajaran

Tiga definisi PMF

PMF tidak punya satu definisi tunggal. Tiga definisi populer yang saling melengkapi:

Marc Andreessen (2007) mendefinisikan PMF dengan kalimat sederhana: kondisi ketika produk Anda begitu dibutuhkan, sampai pengguna menariknya keluar dari Anda. Anda tidak lagi mendorong, mereka mengejar. Server crash karena traffic, sales hire desperately, customer minta fitur tambahan. Bila Anda harus memburu setiap pelanggan, Anda belum di sana.

Sean Ellis mendefinisikan dari sisi pengguna eksisting: kalau 40 persen atau lebih pengguna aktif menjawab “sangat kecewa” ketika ditanya bagaimana perasaan mereka kalau produk ini tidak ada lagi, Anda berada dekat PMF.

Rahul Vohra (Superhuman, 2018) menambahkan dimensi pertumbuhan: bukan hanya kepuasan tinggi, tapi juga produk dipakai berulang dan direferensikan tanpa diminta. Definisi ini menggabungkan kualitatif dan kuantitatif.

Tiga definisi tidak konflik. Mereka melihat PMF dari sudut berbeda: market pull (Andreessen), user love (Sean Ellis), dan growth + retention (Vohra). Pakai ketiganya untuk diagnosis lengkap.

Mitos PMF yang sering salah dipahami

Mitos 1: PMF adalah checkbox yang sekali dicapai, selesai. Faktanya PMF adalah spektrum. Ada level PMF di segmen kecil yang bisa hilang ketika segmen diperluas. Ada PMF di kondisi pasar tertentu yang bisa hilang ketika pasar berubah.

Mitos 2: Kalau ada banyak pengguna, berarti PMF. Faktanya banyak pengguna gratis bukan tanda PMF. Anda butuh pengguna yang aktif berulang dan rela bayar atau merekomendasikan.

Mitos 3: PMF datang dari fitur sempurna. Faktanya PMF biasanya datang dari fitur seadanya yang menyelesaikan masalah inti dengan baik. Banyak fitur justru menutupi masalah inti yang belum diselesaikan.

Mitos 4: PMF artinya growth otomatis. Faktanya bahkan setelah PMF, growth tetap butuh distribusi yang berfungsi. PMF tanpa growth channel = bisnis stuck di plateau.

Sean Ellis Survey praktik

Cara mengukur paling sederhana. Sebar survei 1 pertanyaan ke pengguna aktif (signup dan pakai minimum 1 kali dalam 14 hari terakhir):

“Bagaimana perasaan Anda kalau tidak bisa pakai produk ini lagi?”

Tiga pilihan jawaban:

• Sangat kecewa
• Agak kecewa
• Tidak kecewa (atau tidak relevan untuk saya lagi)

Threshold dari Sean Ellis:

Tambahkan 2 pertanyaan follow-up:

1. “Kalau saya hilangkan produk ini, apa pengganti yang Anda pakai?” Jawaban “tidak ada pengganti” adalah sinyal kuat. Bila banyak yang sebut nama kompetitor spesifik, itu sinyal lemah.
2. “Apa benefit utama yang Anda dapat dari produk ini?” Cari pola jawaban yang konsisten, itu yang harus diperkuat di copy iklan dan positioning.

Minimum sampel: 30 responden aktif. Lebih banyak lebih baik. Bila kurang dari 30, hasilnya statistik tidak reliable.

Retention curve dan cara membaca

Plot persentase pengguna yang aktif setiap minggu sejak mendaftar. Bentuk curve menunjukkan banyak hal.

Bentuk yang sehat:

W0: 100%
W1: 60%
W2: 47%
W3: 40%
W4: 35%
W6: 33%  <- mulai datar
W8: 33%  <- flat di sini

Kurva turun di awal (drop-off natural), lalu mendatar di W4-W8. Angka flat menunjukkan ada inti pengguna yang menemukan nilai. Itu cikal-bakal PMF.

Bentuk yang bermasalah:

W0: 100%
W1: 50%
W2: 25%
W3: 12%
W4: 5%
W8: 2%

Terus turun ke nol. Tidak ada inti pengguna setia. Ini sinyal masalah aktivasi atau value yang tidak bekerja.

Bentuk smiling curve (post-PMF):

W0: 100%
W1: 70%
W2: 60%
W3: 55%
W4: 58%  <- naik kembali
W8: 65%

Sangat jarang. Curve naik kembali setelah W4 menunjukkan produk semakin valuable saat dipakai (network effect, switching cost, dll). Ini tanda post-PMF kuat.

Plot per cohort. Bandingkan cohort minggu 1 vs minggu 4. Bila cohort terbaru flat di angka lebih tinggi, produk Anda makin baik retain. Ini sinyal positif.

Studi kasus singkat

Superhuman (Rahul Vohra, 2018). Rahul menulis di First Round Review bagaimana Superhuman mengukur PMF dengan ketat. Awalnya skor “sangat kecewa” hanya 22 persen. Mereka segmentasi: jawaban “sangat kecewa” diidentifikasi sebagai high-expectation customer. Quote dan demografi mereka dipakai untuk membangun super-segment.

Tim fokus mendalami kepuasan segmen ini sebelum scale. Hasilnya dalam 1 tahun: skor “sangat kecewa” naik dari 22 ke 58 persen. PMF tercapai dengan disiplin metodis, bukan iterasi acak.

Slack (2014). Sebelum public launch, Slack pakai metrik internal: tim yang ngirim 2000+ pesan dianggap retain. Berdasar data, tim yang melewati 2000 pesan punya retensi 93 persen. Tim yang belum lewat ada retensi 50 persen. Threshold 2000 pesan jadi north star metric: bawa tim baru cepat melewati threshold ini.

Mekari Talenta (2017-2018). Talenta retention curve di tahun pertama tidak rata. Setelah segmentasi, perusahaan 50-200 karyawan punya retensi 30 hari 70 persen, sementara perusahaan di bawah 50 hanya 25 persen. Tim fokus full ke segmen 50-200 dulu, drop akuisisi perusahaan kecil. PMF di segmen ini tercapai pasca 18 bulan.

Pola: PMF biasanya datang dari segmentasi tajam, bukan dari “PMF generic untuk semua”.

PMF dashboard mingguan

Dashboard yang dipantau setiap minggu untuk tahu posisi PMF saat ini. Lima metrik kunci:

Plot tren 4 minggu. Bila semua naik, sinyal positif. Bila datar atau turun, ada masalah yang harus dideteksi.

Tindakan berbeda untuk pre, near, dan post-PMF

Pre-PMF: pengguna sedikit, retensi rendah. Fokus:

• Discovery dan iterasi cepat (Build-Measure-Learn loop 1-2 minggu)
• Founder selling untuk dapat customer
• Dalami problem statement, jangan tambah segmen baru
• Eksperimen pivot kalau perlu

Near-PMF: ada pola positif di segmen tertentu, retensi mulai datar. Fokus:

• Perdalam value proposition di segmen pemenang (super-segment)
• Hindari menambah segmen baru
• Optimize aktivasi dan onboarding
• Kumpulkan testimonial dan case study dari segmen pemenang

Post-PMF: pengguna kembali tanpa diminta, ada referral organik, growth compounding. Fokus:

• Scale operasional dan growth loops
• Hire untuk leverage
• Eksperimen channel marketing baru
• Segmen ekspansi (kota baru, segmen adjacent)

Yang sering jadi jebakan: founder skip near-PMF dan langsung ke post-PMF mode (hire sales tim, marketing budget besar). Hasilnya CAC tinggi, churn tinggi, dan habiskan modal.

Simulasi: dari data ke posisi PMF

Mari jalankan simulasi utuh. Konteks: KasirOne sudah live 8 minggu, ada 100 user aktif.

Langkah 1. Sebar Sean Ellis Survey

Hasil 35 responden:

• Sangat kecewa: 10 (28 persen)
• Agak kecewa: 18 (51 persen)
• Tidak kecewa: 7 (20 persen)

28 persen “sangat kecewa”. Berdasar threshold Sean Ellis: near-PMF.

Langkah 2. Plot retention curve 4 cohort

Cohort terbaru (W4) lebih tinggi dari yang lama (W1). Sinyal: produk makin baik retain. Bentuk curve menunjukkan flat di sekitar 33-36 persen di W8. Itu inti pengguna setia.

Langkah 3. Segmen analisis

Pisah berdasar segmen:

• UMKM 1-3 cabang Jabodetabek: Sean Ellis 45 persen, retensi 30 hari 50 persen → POST-PMF
• UMKM home-based: Sean Ellis 12 persen, retensi 30 hari 10 persen → PRE-PMF
• UMKM 5+ cabang: Sean Ellis 8 persen, retensi 30 hari 5 persen → PRE-PMF

Posisi keseluruhan: near-PMF. Tapi ada satu super-segment (1-3 cabang Jabodetabek) yang sudah post-PMF.

Langkah 4. Tindakan pekan 8 dan setelahnya

Karena sudah post-PMF di satu segmen:

• Pekan 8: Go-to-Market focus pada UMKM 1-3 cabang Jabodetabek
• Drop akuisisi home-based dan 5+ cabang dari pipeline
• Optimize copy iklan pakai bahasa “sangat kecewa” segment
• Mulai testimonial dan case study dari super-segment
• Re-evaluasi segmen drop di pekan 12

Output: posisi PMF jelas, tindakan konkret untuk pekan 8.

Contoh PMF dashboard dari domain lain

• B2B SaaS HR: aktivasi (% perusahaan yang setup payroll lengkap dalam 14 hari), retensi 30 hari, Sean Ellis Score, NPS, MRR per customer, NRR.
• Marketplace AC service: aktivasi (booking pertama dalam 7 hari), retensi 90 hari (booking ulang), Sean Ellis dari customer + teknisi, repeat purchase rate.
• Consumer health ASI tracker: aktivasi (log harian 7 hari berturut), retensi 30 hari, Sean Ellis Score, daily active users / monthly active users (DAU/MAU stickiness).
• Edtech vokasi: aktivasi (selesai modul pertama dalam 7 hari), course completion rate, Sean Ellis Score, conversion ke paid program.
• Fintech kredit konsumtif: aktivasi (pinjaman pertama disetujui), repeat borrower rate, NPS, default rate (lagging).

Anti-pattern: kesalahan yang harus dihindari

1. Klaim PMF tanpa data. “Customer kami suka produk kami” bukan PMF. Tunjukkan Sean Ellis 40 persen + retensi flat di W8 + organic referral.
2. Ukur Sean Ellis dari user yang baru pakai 1-2 hari. Tidak valid. User harus aktif minimum 14 hari sebelum disurvei.
3. Ignore segmen analisis. PMF generic untuk semua segmen sangat jarang. Pisah per segmen, cari super-segment.
4. Skip retention curve, hanya lihat MAU. MAU bisa naik karena akuisisi besar walau retensi turun. Retention curve menunjukkan kesehatan sebenarnya.
5. Klaim post-PMF dari 1 cohort yang bagus. Tunggu 3-4 cohort konsisten sebelum deklarasi.
6. Skala sebelum near-PMF. Hire sales, hire marketing, ad budget besar tapi belum near-PMF. Hasilnya CAC tinggi, churn tinggi, modal habis.

Tugas Worksheet

Buka file pekan-07.xlsx dari sidebar. Total waktu pengerjaan worksheet sekitar 95 menit. Eksekusi survei + analisis butuh 5 hari.

Sheet 1: Sean Ellis Survey Hasil (estimasi 30 menit)

Cara mengisi:

1. Sebar survei 1 pertanyaan ke minimum 30 pengguna aktif (signup minimum 14 hari)
2. Catat hasil: skor + alasan + pengganti yang diharap
3. Hitung persentase “sangat kecewa”

Kualitas minimum: minimum 30 responden aktif. Sample dari segmen yang berbeda untuk segmentasi nanti.

Sheet 2: Retention Curve (estimasi 20 menit)

Cara mengisi:

1. Tarik data dari analytics: 4 cohort berbeda (signup di 4 minggu yang berbeda)
2. Plot persentase aktif per minggu (W0 sampai W8)
3. Bandingkan bentuk curve antar cohort

Kualitas minimum: minimum 4 cohort terisi. Cohort terbaru lebih tinggi atau setidaknya sama dengan cohort lama.

Sheet 3: PMF Dashboard (estimasi 15 menit)

Cara mengisi:

Sheet sudah pre-filled 5 metrik standar. Anda isi target threshold dan hasil minggu ini.

Kualitas minimum: 5 metrik diisi dengan target dan hasil aktual. Tren ditandai (naik/datar/turun).

Sheet 4: Posisi PMF dan Tindakan (estimasi 20 menit)

Cara mengisi:

1. Tentukan posisi PMF: pre, near, atau post
2. Pisah berdasar segmen kalau ada perbedaan signifikan
3. Tulis bukti dari Sheet 1-3
4. Tindakan konkret untuk pekan 8-9

Kualitas minimum: minimum 5 aspek dievaluasi. Posisi PMF didukung minimum 2 metrik. Tindakan konkret per posisi.

Sheet 5: Refleksi Pribadi (estimasi 10 menit)

Tiga pertanyaan singkat. Jawaban hanya dilihat oleh mentor.

Cara mengumpulkan

Simpan dengan nama pekan-07-[nama-Anda].xlsx. Upload ke folder Drive kohort sebelum Sabtu pukul 21.00.

20 Persen Terpenting dari Pekan Ini

Lima hal yang harus diingat:

1. PMF bukan checkbox, tapi spektrum yang per segmen. Bisa Anda post-PMF di 1 segmen dan pre-PMF di segmen lain. Pisahkan analisis.
2. Sean Ellis Score 40 persen ke atas adalah sinyal kuat. Threshold yang konsisten dipakai industri. Sample minimum 30 responden aktif.
3. Retention curve flat di W8 adalah cikal PMF. Kurva yang turun ke 0 menunjukkan tidak ada inti pengguna. Plot 4 cohort untuk lihat tren.
4. Tindakan berbeda untuk pre, near, post-PMF. Jangan scale di pre-PMF. Jangan skip near-PMF dengan dalami value. Scale di post-PMF.
5. Ada super-segment di tengah PMF spektrum. Cari segmen dengan Sean Ellis 50 persen+ dan dalami sebelum ekspansi.

Checklist Peserta Sebelum Lanjut ke Pekan 8

Beri tanda centang. Lanjut ke pekan 8 hanya bila minimal 8 dari 10 sudah tercentang.

• Saya bisa menyebut 3 definisi PMF (Andreessen, Sean Ellis, Vohra)
• Saya sebar Sean Ellis Survey ke minimum 30 pengguna aktif
• Saya plot retention curve untuk minimum 4 cohort
• Saya pisah analisis per segmen
• Saya identifikasi minimum 1 super-segment (Sean Ellis 40%+)
• Saya tetapkan posisi PMF (pre/near/post) dengan bukti minimum 2 metrik
• Saya tulis tindakan konkret untuk pekan 8 sesuai posisi PMF
• Saya tidak klaim PMF tanpa data Sean Ellis 40%+
• Saya tidak ukur Sean Ellis dari user yang baru pakai 1-2 hari
• Saya tidak skala sebelum near-PMF

Centang yang jujur. Pekan 8 akan ambil super-segment Anda untuk merancang Go-to-Market 90 hari pertama.