Validasi MVP dengan Build-Measure-Learn

Pra-syarat sebelum mulai

Sebelum buka modul ini, siapkan:

• MVP siap pakai dari pekan 5, dengan tracking event aktif minimum 5 event
• Daftar 10 sampai 20 calon pengguna untuk diuji (kombinasi responden wawancara pekan 2 + referral mereka)
• Slot kalender 1 minggu untuk eksekusi user testing dan pengumpulan data
• Tools analytics aktif (Mixpanel/PostHog/GA4/Plausible)
• Notion atau Google Doc untuk dokumentasi sesi user testing

Topik

MVP yang sudah Anda bangun di pekan 5 sekarang harus diuji di dunia nyata. Pekan ini kita masuk ke siklus pertama Build-Measure-Learn. Tujuan akhirnya bukan validasi yang positif, tapi keputusan yang berbasis data.

Kadang data bilang lanjut, kadang bilang ubah arah. Keduanya kemajuan. Yang berbahaya adalah ketika founder menolak melihat data karena “saya tahu produk saya bagus”. Bias konfirmasi membunuh banyak startup di tahap ini.

Apa yang Akan Dipelajari

• Siklus Build-Measure-Learn dari Eric Ries
• Cara merancang user testing dengan tugas spesifik
• Metrik leading vs lagging untuk MVP tahap awal
• Membedakan sinyal kuat dari noise di data agregat
• Kerangka keputusan persevere, pivot, atau perish
• Cara membaca pola kualitatif dari quote langsung user

Glossary singkat

• Build-Measure-Learn: siklus 3 tahap dari Lean Startup: bangun eksperimen, ukur respons, tarik pelajaran
• Validated: data mendukung hipotesis, lanjut ke asumsi berikutnya
• Refuted: data menggugurkan hipotesis, perlu pivot komponen yang gugur
• Ambiguous: data tidak konklusif, eksperimen perlu didesain ulang
• Leading indicator: perilaku awal yang memprediksi hasil akhir (aktivasi, retensi 7 hari)
• Lagging indicator: hasil akhir yang sulit dikontrol langsung (revenue, customer berbayar)
• Activation rate: persentase signup yang menyelesaikan key action pertama
• Persevere: lanjutkan arah saat ini, data mendukung
• Pivot: ubah satu komponen yang gugur, pertahankan yang solid
• Perish: gugurkan total, terlalu banyak yang tidak bekerja
• Aha moment: momen pengguna pertama kali merasakan nilai inti produk

Estimasi waktu pengerjaan modul

Uraian Pembelajaran

Build-Measure-Learn loop

Eric Ries memformulasi siklus 3 tahap dalam buku The Lean Startup (2011): build (bangun eksperimen), measure (ukur respons), learn (tarik pelajaran). Yang sering dilewatkan: kecepatan loop ini lebih penting dari kualitas tiap tahap.

Tim yang menyelesaikan loop seminggu sekali akan unggul atas tim yang sebulan sekali. Tujuan utama: mempersingkat waktu antara pertanyaan dan jawaban. Kalau MVP butuh 4 minggu untuk diuji, hipotesis Anda mungkin sudah berubah sebelum data masuk.

Aturan praktis: 1 loop = 7 sampai 14 hari. Bila lebih dari 1 bulan, scope MVP terlalu besar. Pecah lagi.

Tiga hasil pengujian

Setiap loop akan menghasilkan satu dari tiga kondisi:

Validated: data mendukung hipotesis. Asumsi terbukti, lanjut ke asumsi berikutnya. Misal: 60 persen pengguna aktif minimal 3 hari per minggu, target 50 persen tercapai.

Refuted: data menggugurkan hipotesis. Pivot komponen yang gugur. Misal: hanya 1 dari 8 user yang convert ke paid, target 30 persen tidak tercapai. Pricing perlu pivot.

Ambiguous: data tidak konklusif. Perbaiki desain eksperimen, jangan ambil keputusan tergesa. Misal: 5 user complain UI bingung, tapi 5 user bilang “biasa aja”. Tidak cukup data untuk simpulan.

Banyak founder lompat ke kesimpulan dari data ambigu. Lebih baik akui ketidakcukupan data dan rancang test yang lebih bersih. Aturan praktis: bila data ambigu, tambah responden sampai pola muncul jelas.

Kuantitatif vs kualitatif

Validasi MVP butuh data dari 2 sumber:

Kuantitatif: angka dari tracking. Berapa persen yang signup, berapa persen yang aktivasi, berapa persen yang retensi 7 hari, berapa pesanan rata-rata per hari per user.

Kualitatif: quote langsung dari user testing. Apa yang mereka katakan saat stuck, apa yang mereka puji, apa yang mereka komplain.

Keduanya saling melengkapi. Kuantitatif jawab “apa yang terjadi”. Kualitatif jawab “kenapa”. Tanpa kuantitatif, Anda hanya punya cerita anekdotal. Tanpa kualitatif, Anda tidak tahu kenapa angka begitu.

Aturan praktis: setiap angka kuantitatif yang abnormal (entah tinggi atau rendah dari target) harus dijelaskan dengan minimum 2 quote dari user testing.

Leading vs lagging indicators

Lagging indicator adalah hasil akhir: revenue, jumlah customer berbayar, total transaksi. Lagging sulit dikontrol langsung, dipengaruhi banyak faktor, dan butuh waktu lama untuk berubah.

Leading indicator adalah perilaku awal yang memprediksi hasil akhir. Leading bisa dikontrol langsung dan berubah cepat.

Untuk MVP tahap awal, fokus pada leading. Empat leading indicator yang relevan untuk MVP digital:

1. Aktivasi: persentase pengguna yang menyelesaikan key action pertama. Target tahap awal 30-50 persen.
2. Retensi 7 hari: persentase pengguna yang kembali dalam 7 hari. Target tahap awal 25-40 persen.
3. Frekuensi pakai: rata-rata sesi per minggu untuk pengguna aktif. Target tergantung produk.
4. Sean Ellis Score: persentase user yang akan “very disappointed” kalau produk hilang. Target 40 persen ke atas.

Lagging indicator (revenue) baru relevan setelah leading sehat.

Cara menjalankan user testing

Format praktis 30 menit per pengguna. Mulai dengan 2 menit warm up dan jelaskan bahwa Anda menguji produk, bukan menguji mereka.

Strukturnya:

1. Warm up (2 menit). “Saya nggak menguji Anda, saya menguji produk. Kalau ada yang membingungkan, itu salah saya bukan salah Anda.”
2. Tugas spesifik (15-20 menit). Beri 3 sampai 5 tugas yang merepresentasikan use case utama. Misal: “Daftar akun, input 1 pesanan, lihat rekap harian, ekspor ke WhatsApp.”
3. Think aloud. Minta mereka think aloud saat mengerjakan, jangan bantu walaupun mereka tersesat. Catat di mana mereka tersangkut.
4. 3 pertanyaan tutup. “Bagian mana paling memuaskan? Bagian mana paling membingungkan? Fitur apa yang paling Anda butuhkan tapi tidak ada?”

Catatan penting: jangan koreksi user yang salah klik. Itu data berharga. Bila banyak user salah klik di tempat sama, UI Anda yang salah.

Sinyal vs noise

Satu pengguna komplain bukan sinyal kuat. Empat dari lima pengguna komplain hal yang sama, itu sinyal. Cari pola yang muncul di setidaknya 60 persen sesi.

Cara membedakan:

• Sinyal kuat: pola muncul di 6 dari 10 user, kata-kata mereka mirip walau berbeda orang
• Sinyal sedang: pola muncul di 4 dari 10, perlu validasi tambahan
• Noise: pola muncul hanya di 1-2 dari 10, biasanya tidak bertahan ketika sample diperbesar

Hindari jebakan satu pengguna influential yang opininya mendominasi keputusan. Decision harus berdasar agregasi data, bukan opini paling vokal.

Pola yang lemah biasanya hilang setelah ditambah responden, pola yang kuat justru menguat.

Kerangka keputusan persevere, pivot, perish

Setelah satu siklus, ambil satu dari tiga jalur per komponen Lean Canvas:

Persevere bila:

• Leading indicator memenuhi minimal 60 persen target
• Ada pola feedback positif yang konsisten di 6+ dari 10 user
• Aspek tersebut tidak ada masalah signifikan

Pivot bila:

• Ada satu atau dua komponen Lean Canvas yang jelas tidak bekerja (segmen salah, channel tidak berfungsi, pricing terlalu tinggi)
• Komponen lain solid, jadi tidak perlu drop semuanya
• Tetap punya bukti dari pekan 1-3 yang valid

Perish bila:

• Terlalu banyak komponen yang gugur (3+ dari 9 blok Lean Canvas)
• Tidak ada pola yang menjanjikan di leading indicator
• User testing menghasilkan more confusion than insight

Pivot bukan kegagalan. Slack, Instagram, Twitter, Discord, dan Stewart Butterfield’s Glitch adalah hasil pivot dari produk awal yang berbeda total. Yang penting: pivot dengan data, bukan dengan emosi.

Yang sulit: jujur ketika harus perish. Banyak founder bertahan bertahun di ide yang sudah jelas tidak jalan, hanya karena ego.

Studi kasus singkat

Slack (Stewart Butterfield, 2013). Slack adalah pivot dari Tiny Speck yang awalnya bikin game online “Glitch”. Setelah 3 tahun, game gagal. Tapi internal tool yang dipakai tim untuk komunikasi (yang jadi cikal Slack) terbukti valuable. Pivot dari game ke tool komunikasi tim. Result: $27 miliar acquisition oleh Salesforce.

Tiket.com (Wenas Agusetiawan, 2011-2012). Awal Tiket.com fokus tiket konser dan event. Setelah 1 tahun, validasi gagal: pasar terlalu fragmen, supply tidak konsisten. Pivot ke tiket pesawat domestik. Sumber data inti yang sama (kontrak supplier), tapi vertical baru lebih scalable. Result: akuisisi Blibli Group.

Halodoc (Jonathan Sudharta, 2016). Awal Halodoc fokus mobile pharmacy delivery. Setelah pilot 6 bulan, validasi bagus tapi terbatas. Pivot ke teleconsultation dengan dokter. Pharmacy jadi fitur sekunder. Result: leading telemedicine Indonesia.

Pola: pivot terjadi setelah eksekusi serius dan data jujur, bukan setelah 2 minggu coba-coba.

Simulasi: dari MVP launch ke keputusan

Mari jalankan satu simulasi utuh. Konteks: MVP KasirOne sudah live 7 hari, 32 signup, 8 activated.

Langkah 1. Tarik data kuantitatif

Catatan: traffic dan signup over-target (channel WA grup viral), tapi activation dan paid conversion under-target.

Langkah 2. Jalankan 10 sesi user testing

Pola yang muncul:

• 7 dari 10: bingung di langkah “Add platform” karena tombol kecil
• 5 dari 10: OTP delay 3+ menit menyebabkan drop signup
• 6 dari 10: fitur auto-rekap WA tidak dipakai karena “tidak percaya angka aplikasi”
• 8 dari 10: pricing 100rb dianggap “wajar tapi mau coba dulu gratis”

Langkah 3. Klasifikasi keputusan per komponen Lean Canvas

Langkah 4. Aksi pekan 7

• UI fix: tombol “Add platform” diperbesar, OTP backup via WA
• Fitur auto-rekap diganti laporan PDF
• Channel: drop Telegram, fokus WA referral
• Pricing: pivot ke 14-day free trial

Inilah output pekan 6. Bukan kesimpulan “MVP saya gagal” atau “MVP saya berhasil”, tapi keputusan terstruktur per komponen.

Contoh keputusan dari domain lain

• B2B SaaS HR: MVP concierge 5 perusahaan. Keputusan: Persevere segmen 50-200 karyawan, Pivot dari hanya HR ke HR + accounting (karena 4/5 minta itu).
• Marketplace AC service: MVP smoke test landing page. Keputusan: Persevere segmen Jabodetabek, Pivot pricing dari “transparent flat” ke “tiered by service complexity” (karena teknisi minta itu).
• Consumer health ASI tracker: MVP single feature log harian. Keputusan: Persevere log harian, Pivot benchmark dari “vs WHO” ke “vs ibu lain di kohort yang sama” (karena 7/10 minta perbandingan komunitas).

Anti-pattern: kesalahan yang harus dihindari

1. Tarik kesimpulan dari 1 atau 2 user. Pola yang muncul cuma di 1-2 responden bukan pola, itu noise. Tunggu sampai 3-4 dari 5 menunjukkan kemiripan.
2. Ignore data yang tidak nyaman. Bias konfirmasi otomatis. Founder cenderung menafsir ulang data negatif jadi positif. Tanya teman se-kohort untuk sanity check.
3. Pivot setiap minggu karena kebingungan. Pivot harus berdasar bukti, bukan kebingungan. Bila Anda pivot tanpa data, itu tanda Anda belum punya disiplin eksperimen.
4. Tetap di satu ide karena ego. Ini lebih jarang tapi lebih fatal. Bila 3+ komponen gugur dan tidak ada leading indicator yang naik, jujur akui Perish.
5. Jangan ukur leading indicator. Hanya ukur revenue (lagging). Padahal di tahap awal revenue belum bermakna. Fokus aktivasi dan retensi 7 hari.
6. Tarik keputusan tanpa kombinasi kuantitatif + kualitatif. Angka tanpa cerita tidak komplit. Cerita tanpa angka anekdotal.

Tugas Worksheet

Buka file pekan-06.xlsx dari sidebar. Total waktu pengerjaan worksheet sekitar 95 menit. Eksekusi user testing dan tarik data butuh 5-7 hari.

Sheet 1: Hipotesis dan Indikator (estimasi 15 menit)

Cara mengisi:

1. Tulis 3-5 asumsi yang sedang diuji minggu ini
2. Untuk setiap asumsi: tentukan indikator valid + indikator gugur
3. Threshold harus berbentuk angka konkret

Kualitas minimum: indikator harus angka, bukan kata sifat. Threshold valid dan gugur berbeda jelas.

Sheet 2: Sesi User Testing (estimasi 30 menit total, sebar 7 hari)

Cara mengisi:

1. Catat 10 sesi (durasi 15-30 menit per sesi)
2. Tugas konkret yang sama untuk semua sesi (supaya bisa dibandingkan)
3. Catat keberhasilan/kegagalan + friction spesifik + 1 quote langsung per sesi

Kualitas minimum: minimum 10 sesi terisi. Tiap sesi punya quote langsung dengan tanda kutip. Friction ditulis spesifik.

Sheet 3: Metrik Kuantitatif (estimasi 20 menit)

Cara mengisi:

1. Tarik data dari tracking (Mixpanel/PostHog/GA4/Plausible)
2. Bandingkan dengan target dari Lean Canvas pekan 4
3. Hitung selisih persen
4. Catatan: jelaskan kenapa selisih tersebut

Kualitas minimum: minimum 6 metrik diisi dengan data aktual + target + selisih + catatan.

Sheet 4: Keputusan Persevere/Pivot/Perish (estimasi 20 menit)

Cara mengisi:

1. Untuk tiap aspek (segmen, problem, solution, channel, pricing): klasifikasi P/P/P
2. Setiap keputusan didukung data dari Sheet 2 dan Sheet 3
3. Tulis tindak lanjut konkret untuk pekan 7

Kualitas minimum: minimum 5 aspek dievaluasi. Keputusan didukung minimum 2 data points.

Sheet 5: Refleksi Pribadi (estimasi 10 menit)

Tiga pertanyaan singkat. Jawaban hanya dilihat oleh mentor.

Cara mengumpulkan

Simpan dengan nama pekan-06-[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. MVP ada untuk learning, validasi positif atau negatif sama-sama kemajuan. Yang berbahaya adalah ketika founder menolak melihat data karena ego.
2. Build-Measure-Learn dipercepat: 1 loop = 1-2 minggu. Bila lebih dari 1 bulan, scope eksperimen terlalu besar. Pecah lagi.
3. Leading indicator dulu, lagging belakangan. Aktivasi dan retensi 7 hari lebih penting dari revenue di tahap awal.
4. Sinyal kuat = pola muncul di 6+ dari 10 user. Satu user vokal bukan sinyal. Tunggu konsensus 60 persen.
5. Persevere, pivot, perish dievaluasi per komponen Lean Canvas, bukan satu kesimpulan menyeluruh. Bisa Anda persevere 7 komponen dan pivot 2.

Checklist Peserta Sebelum Lanjut ke Pekan 7

Beri tanda centang. Lanjut ke pekan 7 hanya bila minimal 8 dari 10 sudah tercentang.

• Saya menjalankan minimum 10 sesi user testing 15-30 menit per sesi
• Saya tarik data kuantitatif dari minimum 5 metrik
• Saya klasifikasi keputusan P/P/P untuk minimum 5 aspek Lean Canvas
• Setiap keputusan didukung minimum 2 data points (kuantitatif + kualitatif)
• Saya menemukan minimum 1 pivot yang tidak terduga di awal
• Saya menemukan minimum 1 persevere yang menguatkan hipotesis pekan 1
• Activation rate saya sudah dihitung dan dipublish ke tim
• Saya tidak ignore data yang tidak nyaman
• Saya tidak pivot tanpa bukti data
• Saya tidak tetap di ide hanya karena ego

Centang yang jujur. Pekan 7 akan masuk ke konsep Product-Market Fit dengan keputusan dari pekan ini sebagai input.