a16z kepada para pengusaha: alih-alih menyelamatkan tingkat retensi yang rendah, lebih baik langsung bertransformasi

Penulis: andrew chen, a16z

Kompilasi: Tim, PANews

Saya telah mengamati data kurva retensi selama lebih dari 15 tahun.

Saya telah melihat ribuan kurva retensi, dan ini adalah salah satu metrik pertama yang saya minta untuk dilihat saat mengevaluasi perusahaan rintisan. Saya telah meneliti ribuan basis data dan menganalisis kurva retensi yang dipecah berdasarkan berbagai dimensi segmentasi. Sebagai pembangun produk, saya juga telah mengamati metrik ini dari sudut pandang yang berbeda. Saya telah menjalankan ratusan uji A/B, menyusun berbagai versi panduan pengguna dan email notifikasi, berusaha untuk mengubah bentuk kurva retensi.

【A/B testing (juga dikenal sebagai split testing atau bucket testing) adalah metode eksperimen acak yang digunakan untuk membandingkan dua versi dari sebuah produk (versi A dan versi B). Tujuan utamanya adalah untuk menentukan versi mana yang lebih baik dalam mencapai tujuan yang telah ditentukan dengan mengumpulkan data dan menganalisis perilaku pengguna.】

Dari hasil yang terlihat, terdapat beberapa pola di sini.

Seperti hukum fisika, yang aneh adalah, seiring berjalannya waktu, selalu ada beberapa pola deterministik yang terus muncul. Berikut adalah beberapa contoh yang ingin saya bagikan:

• Anda tidak dapat meningkatkan tingkat retensi pengguna yang buruk. Ya, menambahkan lebih banyak fitur notifikasi tidak akan memperbaiki kurva retensi Anda. Anda tidak dapat mencapai tingkat retensi pengguna yang baik melalui pengujian A/B.
• Tingkat retensi hanya akan menurun, tidak akan meningkat. Dan yang aneh adalah, kecepatan penurunannya memang mengikuti pola waktu paruh yang dapat diprediksi. Tingkat retensi awal dapat memprediksi kinerja retensi di kemudian hari.
• Pendapatan yang ditahan semakin besar, sementara penggunaan yang ditahan semakin kecil. Kabar baiknya adalah: meskipun pengguna akan perlahan-lahan hilang, pengguna yang tersisa kadang-kadang akan menghabiskan lebih banyak!
• Tingkat retensi sangat terkait dengan kategori produk Anda. Ada alasan bawaan dan juga pengembangan setelahnya. Sayangnya, Anda ditakdirkan tidak dapat menjadikan aplikasi pemesanan hotel sebagai produk yang digunakan setiap hari.
• Ketika pengguna berkembang dan tumbuh, tingkat retensi akan menjadi lebih rendah. Pengguna berkualitas terbaik berasal dari pertumbuhan awal dan alami, sementara pengguna yang didapatkan di kemudian hari berkinerja paling buruk.
• Kehilangan pengguna memiliki asimetri, kehilangan satu pengguna jauh lebih mudah dibandingkan dengan merebut kembali mereka.
• Perhitungan tingkat retensi sangat sulit. Memang ada faktor musiman, versi uji coba yang baru diluncurkan dapat mengganggu data, dan celah sistem juga sering muncul. D365 adalah indikator yang nyata, tetapi tidak boleh hanya melihat hasil ini.
• Pertumbuhan yang sangat cepat tetapi dengan tingkat retensi yang sangat buruk, pada akhirnya pasti akan gagal. Kami telah berulang kali memverifikasi kesimpulan ini di berbagai platform dan kategori.
• Retensi pengguna yang luar biasa dapat dianggap sebagai keajaiban. Ketika Anda benar-benar melihat keajaiban ini, Anda akan merasa sangat terkejut.

Kami akan menganalisis poin-poin ini satu per satu.

Anda tidak dapat menyelamatkan tingkat retensi pengguna yang buruk. Anda pernah melihat situasi ini: Anda menghabiskan berbulan-bulan untuk mengembangkan produk baru, lalu meluncurkannya secara resmi. Yang pertama kali menghantam adalah data retensi pengguna awal yang sangat buruk. Pada saat ini, pengembangan produk telah berlangsung selama beberapa bulan, dan saatnya sulit untuk kembali, bagaimana cara meningkatkan retensi? Saat itu, Anda mendapat ide: bagaimana jika menambahkan fitur push notifikasi untuk mengingatkan pengguna kembali? Atau menambahkan segudang fitur baru? Atau melakukan A/B testing pada halaman landing untuk meningkatkan tingkat konversi?

Saya rasa kita semua tahu bagaimana akhirnya. Sayangnya, ketika tingkat retensi produk berkinerja buruk, sering kali sangat sulit untuk membalikkan keadaan, hampir bisa dikatakan tidak ada harapan. Tentu saja, mungkin ada perbaikan marginal yang dapat dicapai. Misalkan tingkat retensi hari berikutnya adalah 40%, dan targetnya adalah meningkat menjadi 50%, itu sepenuhnya mungkin dan layak untuk diperjuangkan. Namun, jika tingkat retensi hari berikutnya hanya 10%, itu mungkin berarti produk yang Anda buat sama sekali tidak sesuai dengan kebutuhan pasar, pada titik ini semua upaya optimasi lokal yang berkaitan dengan A/B testing dan pemberitahuan tidak akan cukup untuk membalikkan situasi mendasar. Ketika waktu pengembangan berbulan-bulan dan biaya yang hilang adalah fakta, sulit bagi orang untuk tidak berjuang sampai mati. Namun, saya percaya dalam banyak kasus, lebih baik mengambil keputusan tegas untuk bertransformasi.

Transformasi yang bertujuan untuk meningkatkan retensi pengguna ini memerlukan perancangan ulang yang menyeluruh pada halaman utama aplikasi. Jika sebelumnya disajikan dalam mode aliran informasi, mungkin sebaiknya beralih ke proses bertahap yang terstruktur; jika inti produk terletak pada fungsi berbagi, mungkin sebaiknya mengalihkan fokus ke penciptaan dan pengumpulan konten. Anda mungkin perlu menggambarkan posisi produk dengan cara yang sama sekali berbeda, bahkan beralih untuk membandingkannya dengan produk pesaing. Ini harus dilakukan dengan transformasi besar-besaran dalam berbagai dimensi, semakin menyeluruh semakin baik, hanya dengan cara ini mungkin dapat membalikkan situasi rendahnya retensi pengguna.

Tingkat retensi akan menurun, tetapi tidak akan meningkat. Kurva retensi biasanya muncul sebagai pola kurva geometris yang sangat teratur. Misalnya, banyak kurva yang saya amati menunjukkan pola berikut: berapa pun tingkat retensi pada hari pertama, pada hari ketujuh akan turun 50%; berapa pun tingkat retensi pada hari ketujuh, pada hari ketiga puluh akan turun lagi 50%. Seiring berjalannya waktu, tingkat retensi akhir mungkin mendekati nol, jika beruntung mungkin dapat dipertahankan sekitar 10%. Pola penurunan ini memiliki keterdugaan.

Anda belum pernah melihat kurva yang awalnya tinggi, kemudian rendah, dan kemudian kembali tinggi, itu tidak mungkin. Dengan kata lain, jika tingkat retensi awal tidak cukup baik, maka tingkat retensi akhir kemungkinan juga tidak ideal. Anda harus memulai dengan kuat agar bisa mengakhiri dengan baik.

Ada beberapa pengecualian yang perlu diperhatikan dalam aturan ini:

• Beberapa produk sangat hardcore (misalnya poker online). Tingkat retensi pengguna untuk produk semacam ini mungkin relatif rendah, tetapi pengguna yang tetap seringkali sangat setia dan mengeluarkan banyak uang, dan terbukti bahwa model ini juga bisa berhasil.
• Untuk produk yang memiliki efek jaringan (mungkin jaringan sosial, alat kolaborasi, atau produk lain yang memiliki efek jaringan), pengguna baru mungkin menunjukkan aktivitas yang tinggi di awal, tetapi kemudian tingkat aktivitas akan turun sementara. Namun, jika produk tersebut dapat memanfaatkan semakin banyak pengguna untuk mengaktifkan kembali pengguna lama, biasanya akan muncul kurva yang menunjukkan sedikit peningkatan tingkat retensi. Situasi ini sangat jarang terjadi, tetapi jika tercapai, sangat menakjubkan.
• Retensi pendapatan meningkat, sementara penggunaan retensi menyusut. Salah satu karakteristik terbaik dan terpenting dari kurva retensi adalah dapat diterapkan baik pada pengguna maupun pendapatan. Sejauh ini, kita telah membahas tentang retensi pengguna, tetapi sayangnya, retensi pengguna selalu menunjukkan tren penurunan, yang tidak ideal. Di sisi lain, retensi pendapatan menarik karena pengguna yang tersisa cenderung menghabiskan lebih banyak uang di platform Anda seiring berjalannya waktu.
• Ini adalah salah satu keuntungan terbesar dari produk B2B SaaS. Menggunakan Slack sebagai contoh, jika Anda mengamati data kelompok pengguna, Anda akan menemukan bahwa kurva retensi mereka menurun seperti produk lainnya. Beberapa orang menerimanya, sementara yang lain tidak. Namun, bagi perusahaan yang menginvestasikan waktu untuk mengimplementasikan Slack, produk ini akan mulai tumbuh secara alami, dan pendapatan yang Anda peroleh dari perusahaan-perusahaan ini akan meningkat seiring waktu. Kurva retensi pendapatan tidak hanya turun, tetapi malah meningkat; fenomena ini sangat menakjubkan, tetapi sayangnya tidak berlaku untuk sebagian besar produk konsumen. Justru karakteristik inilah yang membuat produk B2B memiliki model bisnis yang lebih lancar dibandingkan produk konsumen.
• Pola aplikasi konsumen lebih mendekati Amazon, Anda mungkin awalnya hanya membeli buku dan musik, tetapi seiring dengan terus berkembangnya fitur produk, Anda akan mulai membeli semakin banyak barang. Karena itu, nilai total siklus hidup pengguna dalam produk pada dasarnya tidak memiliki batas. Kami juga mengamati fenomena serupa di Uber: meskipun kelompok pengguna akan menurun seiring waktu, pengeluaran untuk taksi yang awalnya hanya digunakan untuk penjemputan di bandara, secara bertahap akan meluas ke perjalanan ke restoran atau skenario komuter. Oleh karena itu, kurva retensi pengguna menunjukkan tren penurunan, tetapi kurva retensi pendapatan terus meningkat.
• Tingkat retensi sangat terkait dengan kategori produk. Saya pernah menulis tentang diskusi faktor bawaan dan faktor yang didapat terkait tingkat retensi. Realitanya, banyak produk memiliki skenario penggunaan yang alami, seperti alat kolaborasi atau perangkat lunak pemrograman, yang mungkin Anda gunakan setiap hari saat bekerja, tetapi batas maksimum hari penggunaan adalah 5 hari aktif dalam seminggu dari 7 hari. Sebaliknya, sistem peringatan kerentanan berharap pengguna tidak menggunakannya terlalu sering. Barang konsumsi juga demikian, orang-orang memeriksa berita, komunikasi, dan aplikasi sosial setiap hari, tetapi biasanya tidak akan sering menggunakan panduan referensi medis. Beberapa aplikasi meskipun frekuensi penggunaannya rendah tetapi memiliki tingkat retensi yang tinggi, seperti aplikasi cuaca atau perbankan. Sementara kategori permainan meski membuat ketagihan dan sering digunakan, orang biasanya akan kehilangan minat setelah beberapa minggu mengkonsumsi konten.
• Faktor bawaan dan faktor yang didapat sangat penting karena mengungkapkan kenyataan di mana banyak produk baru sulit untuk menembus. Jika Anda mengembangkan aplikasi perjalanan berbasis sosial, tetapi frekuensi perjalanan orang-orang sebenarnya tidak tinggi, maka menciptakan produk yang berfokus pada interaksi teman akan sangat sulit. Pendekatan yang lebih bijaksana adalah menerima sifat penggunaan yang rendah, dengan meningkatkan kemampuan monetisasi melalui penguasaan tahap transaksi, atau menggabungkan skenario penggunaan frekuensi tinggi seperti restoran dan kehidupan malam seperti Yelp, sambil tetap mempertahankan fungsi perjalanan. Melawan arus memang sangat sulit, dan yang bisa kita lakukan sangat terbatas.

Oleh karena itu, jika ingin menciptakan aplikasi dengan tingkat retensi yang sangat tinggi dan frekuensi penggunaan yang sangat tinggi, mungkin perlu memilih bidang yang telah dianggap sebagai produk inti sehari-hari oleh pengguna untuk dikembangkan. Ini berarti aplikasi yang sukses kemungkinan besar akan merebut waktu penggunaan produk sehari-hari lainnya, seperti ketika saya sering menggunakan ChatGPT, jumlah pencarian di Google saya berkurang secara signifikan; ketika saya mulai menggunakan Substack untuk membaca dan menulis blog, saya secara bertahap meninggalkan berbagai jenis perangkat lunak berita sosial lainnya.

Saat skala pengguna berkembang, tingkat retensi sering kali tidak meningkat tetapi malah menurun. Bahkan jika secara beruntung Anda berhasil menciptakan produk dengan retensi tinggi, orang sering kali cenderung untuk secara otomatis menerapkan pola perilaku, kemampuan monetisasi, dan kebiasaan penggunaan pengguna yang ada ke pasar yang lebih luas, percaya bahwa selama mereka mengalikan beberapa data kecil yang baik dengan data besar inti, mereka pasti akan mendapatkan hasil makro yang sangat menarik. Namun kenyataannya sering kali adalah: seiring pertumbuhan basis pengguna, masalah mulai muncul. Misalnya, ketika Anda mulai memperluas pengguna Android dan pasar internasional, dan mendapatkan lebih banyak pelanggan melalui saluran pemasaran berbayar, Anda akan segera menyadari bahwa semua indikator kunci mulai mengalami penurunan.

Alasannya adalah pengguna berkualitas tinggi biasanya muncul lebih awal. Kelompok pengguna yang memiliki potensi monetisasi tertinggi, keinginan paling kuat, tingkat digitalisasi tertinggi, dan perilaku online paling aktif, biasanya akan mulai menggunakan produk melalui rekomendasi teman di tahap awal produk. Seiring dengan diperolehnya pengguna baru dari saluran lain di kemudian hari, produk mungkin tidak lagi sesuai dengan kebutuhan mereka. Misalnya, jika Anda mengembangkan aplikasi iPhone untuk mahasiswa di negara-negara Barat, ketika memperluas ke pengguna Android di pasar yang sedang berkembang, karena pengaturan fungsinya tidak sepenuhnya cocok, semua metrik secara alami akan menurun. Meskipun di kemudian hari dapat terus dioptimalkan dan diperbaiki, saya dapat menjamin bahwa hasilnya tidak akan pernah bisa dibandingkan dengan kelompok pengguna awal.

Jadi, masalahnya muncul: Seiring pertumbuhan pengguna, kualitas pengguna semakin menurun, apakah mereka masih memiliki nilai? Apakah produk bisa terus menguntungkan? Yang lebih penting, dapatkah kita mempertahankan kelompok pengguna inti yang memiliki nilai tinggi yang bergabung lebih awal?

Tidak heran jika pengguna awal ini sering disebut sebagai "kelompok emas".

Kehilangan pengguna memiliki ketidaksimetrian. Pengguna yang hilang sangat mudah pergi, sebenarnya, sebagian besar produk akan kehilangan 90% atau lebih pengguna dalam 30 hari pertama. Sementara itu, sulit untuk mendapatkan kembali pengguna yang telah hilang. Ketidaksimetrian antara akuisisi dan kehilangan inilah yang menjadi ciri utama kehilangan pengguna. Kenyataan sering kali buruk hingga tingkat ini: daripada mencoba untuk mengembalikan pengguna lama, lebih mudah untuk langsung mendapatkan pengguna baru.

Oleh karena itu, mencoba membangkitkan pengguna yang tidur melalui pengiriman diskon atau penawaran dalam pemasaran siklus hidup sering kali mahal dan kurang efektif. Sebaliknya, cara yang lebih efektif adalah: membiarkan pengguna aktif saat ini membangkitkan pengguna yang tidur melalui skenario penggunaan produk yang alami. Misalnya, ketika seorang profesional mencoba alat manajemen proyek baru tetapi tidak dapat mempertahankan penggunaannya, mengirimkan email pengingat yang membanjiri kotak masuknya kemungkinan besar tidak akan mengembalikan pengguna tersebut. Cara yang lebih efektif adalah membiarkan rekan kerjanya mengundang pengguna tersebut untuk kembali menggunakan alat tersebut untuk berpartisipasi dalam proyek baru, ini adalah cara yang efektif. Namun, perlu dicatat bahwa pelaksanaan strategi semacam ini sangat sulit dan sangat kompleks, biasanya hanya produk yang memiliki efek jaringan (yaitu fungsi berbagi dan kolaborasi) yang dapat mengadopsinya.

Tingkat retensi sangat sulit dan sulit diukur. Ketika orang berbicara tentang tingkat retensi, mereka cenderung mengukur situasi pada hari pertama, minggu pertama, dan bulan pertama, tetapi jarang membahas apa yang akan terjadi dua tahun kemudian. Ini karena saat melakukan pengembangan produk, tim memerlukan rentang waktu yang cukup pendek dan indikator yang mudah diukur untuk membuat keputusan berdasarkan itu. Oleh karena itu, meskipun tingkat churn tahunan atau kemampuan monetisasi jangka panjang sangat penting, orang sering kali tidak mengukurnya, melainkan fokus pada indikator yang mudah diukur saat ini. Namun, pendekatan ini memiliki banyak masalah.

Sayangnya, banyak kategori produk akan terpengaruh oleh fluktuasi musiman yang kuat. E-commerce, perjalanan, layanan kesehatan, atau kencan online adalah contoh khas. Bahkan cara perusahaan menggunakan perangkat lunak bisnis juga mengalami perubahan siklus. Faktor musiman dapat mengganggu penilaian, Anda mungkin menemukan data bulanan atau kuartalan menurun, tetapi apakah ini benar-benar karena fitur baru yang tidak populer? Atau apakah pola perilaku pengguna pada kuartal ini memang berbeda? Ketika data retensi sangat tertinggal, memang sulit untuk melakukan evaluasi yang efektif.

Demikian pula, baik itu kerentanan program, pengujian baru yang dilakukan, atau kampanye pemasaran baru, faktor-faktor ini dapat mengganggu data. Pada akhirnya, Anda akan menemukan diri Anda terus-menerus merujuk pada laporan yang menunjukkan fluktuasi kurva retensi, tetapi setiap data disertai dengan keterangan tambahan, karena tim perlu memverifikasi apakah versi Android baru yang diluncurkan menyebabkan perbandingan yang tidak relevan.

Pertumbuhan pengguna yang gila dan tingkat retensi yang sangat buruk pasti akan gagal. Banyak pengembang produk baru sering kali terlalu fokus pada pendaftaran pengguna baru, tetapi sepenuhnya mengabaikan retensi pengguna. Setelah semua, jika hanya ingin melihat grafik yang terus meningkat, mengapa tidak memperluas lalu lintas di bagian atas corong untuk menunjukkan pertumbuhan yang cepat? Dengan cara ini, setelah mengumpulkan banyak dana investasi berisiko, baru kemudian perlahan-lahan menyelesaikan masalah retensi pengguna, bukan?

Fenomena ini sering terlihat dalam industri saat ini: seorang kreator mempromosikan aplikasinya kepada jutaan penggemar, atau sebuah video yang dipublikasikan membawa lonjakan pendapatan, produk tersebut mengalami lonjakan pengguna melalui TikTok. Meskipun tingkat penggunaan yang sebenarnya dan tingkat kehilangan pengguna tidak ideal, fenomena ini tetap terus terjadi.

Industri teknologi telah melakukan banyak eksperimen seperti ini. Kesimpulannya selalu sama: produk yang menyebar secara viral tetapi memiliki retensi pengguna yang sangat buruk pada akhirnya akan punah, karena masalah retensi sulit diatasi. Ketika rasa ingin tahu memudar, akuisisi pengguna akan melambat, dan pada akhirnya Anda akan menghadapi situasi suram di mana akuisisi dan retensi pengguna sama-sama buruk, semakin tinggi Anda naik, semakin parah jatuhnya.

Kami telah menyaksikan fenomena ini di banyak skenario. Pada tahap awal jaringan sosial, banyak produk memperoleh pertumbuhan dengan mengirimkan spam secara gila-gilaan melalui pengambilan email dan buku alamat pengguna, tetapi pada akhirnya mengarahkan pengguna ke produk berkualitas rendah. Terkadang, selama pengguna bisa berlangganan layanan bulanan untuk nada dering berkualitas rendah, perusahaan dapat mencoba memonetisasi dan menghasilkan keuntungan dari situ. Namun, baru setelah Facebook muncul, dengan inovasi pengalaman pengguna seperti aliran informasi dan sistem nama asli, produk yang memiliki karakteristik penyebaran virus yang tinggi sekaligus mempertahankan daya rekat pengguna yang kuat akhirnya terwujud. Situasi serupa juga terjadi di bidang aplikasi mobile, kadang-kadang kita melihat aplikasi yang tiba-tiba menjadi populer karena undangan paksa melalui SMS, tetapi jika produk tersebut kurang memiliki daya rekat, seluruh model dengan cepat akan runtuh.

Tingkat retensi yang tinggi benar-benar seperti sihir. Setelah membaca artikel ini, Anda mungkin merasa sedikit frustrasi, saya tahu bahwa memulai proyek kadang-kadang memang sulit. Namun, ketika suatu produk benar-benar berhasil, perasaan itu tak tertandingi. Ketika Anda melihat dengan mata kepala sendiri bahwa suatu produk mencapai tingkat retensi 30 hari sebesar 50% (saya menyaksikannya setiap beberapa tahun), rasa keterkejutannya sulit diungkapkan. Saya mulai menyadari bahwa produk-produk sukses yang hanya muncul sesaat ini bukan karena penciptanya memiliki metodologi A/B testing yang sistematis, atau karena mencapai tujuan melalui proses iterasi yang cepat, tetapi kunci sebenarnya adalah membutuhkan sedikit kilasan sihir. Magis ini berasal dari wawasan terobosan tentang pasar atau kebutuhan pelanggan, yang meskipun terlihat jelas setelah dipikirkan, dapat membuat produk mendapatkan tingkat retensi yang sangat tinggi karena pertama kali mencapai kesadaran ini. Kini kita menilai perangkat lunak konferensi video, fitur foto yang menghilang setelah dilihat, atau kecerdasan buatan yang dapat merespons topik apa pun dengan cara yang sama, kekuatan ini tidak bisa hanya diperoleh melalui iterasi dan pengujian berbasis metrik.

Masalah sebenarnya

Anda mungkin masih memiliki pertanyaan besar setelah membaca semua yang di atas: Tunggu, lalu bagaimana cara mencapai tingkat retensi yang tinggi? (Jika saya bisa menjawab pertanyaan ini dengan cara yang pasti, pekerjaan saya sebagai investor perusahaan rintisan akan jauh lebih mudah, bukan?)

Tapi mari kita berusaha sebaik mungkin. Dalam pandangan saya di atas, sebenarnya sudah terkandung beberapa petunjuk: ide itu benar-benar penting.

Jika Anda menginginkan produk dengan tingkat retensi yang tinggi, Anda perlu memilih kategori yang sudah memiliki tingkat retensi yang tinggi.

Anda perlu memilih kategori produk yang sudah Anda gunakan setiap hari.

Anda akan membangun produk yang bersaing langsung dengannya.

Jika kamu menang, maka kamu akan berhenti menggunakan produk itu dan beralih ke produkmu sendiri.

Ini adalah permintaan yang sangat tinggi, tetapi saya pikir memikirkan hal ini dengan jelas adalah awal yang baik.

Tentu saja, jika produk yang Anda bangun bersaing langsung dengan produk yang ada, Anda mungkin akan bertanya: "Sangat sulit untuk membuat pengguna berpindah ke pihak lain." Memang benar. Oleh karena itu, Anda perlu memutuskan untuk mengambil risiko pasar yang cukup, tetapi harus dalam batas yang moderat, dengan meluncurkan produk yang unik dan inovatif untuk mendefinisikan ulang pola interaksi inti. Namun, inovasi yang dimaksud di sini lebih mungkin merujuk pada 20% perbaikan optimasi, bukan 80% inovasi yang mengganggu. Idealnya, Anda harus dapat membuat pengguna memahami inovasi ini dengan cepat dan intuitif dalam satu menit pertama mereka menggunakannya.

Saat ini tidak bisa menghindari salah satu pertanyaan yang paling sering diajukan oleh para investor, dan juga yang paling sulit dijawab: "Mengapa ini bisa berhasil sekarang?". Karena jawaban Anda harus menegaskan: saat ini muncul suatu arah baru dalam industri, seperti teknologi umum seperti model bahasa besar, atau tren perubahan sosial seperti kejenuhan media sosial, yang membuat ide inovasi Anda hadir pada waktu yang tepat.

Ini dapat memungkinkan Anda untuk dengan cepat merebut pasar yang ada, dan lebih mungkin untuk mencapai tingkat retensi pengguna yang luar biasa di tahap awal. Waktu sangat penting. Jika waktu tidak tepat, memasuki area dengan perhatian rendah, dan diferensiasi produk belum cukup menonjol, Anda akan menemukan bahwa Anda hanya mengalihkan masalah retensi pengguna menjadi tantangan akuisisi pengguna. Kesulitan dalam mengembangkan browser web baru adalah: begitu berhasil, daya tarik pengguna akan sangat tinggi. Namun, orang sudah sangat puas dengan browser yang ada, dan untuk membuat pengguna mencoba produk baru, itu sendiri memerlukan upaya yang mahal dan proses yang kompleks.

Inilah sebabnya saya tidak menyalahkan orang-orang yang mengajukan ide "Cursor di bidang tertentu" atau "Figma di industri tertentu", seperti konsep "Uber di bidang vertikal tertentu" di masa lalu. Mereka berusaha memanfaatkan pasar yang ada dan pola perilaku untuk menghindari risiko pasar yang besar.

Jika dapat dengan tepat memahami keunggulan diferensiasi, menangkap waktu pasar yang tepat, memenuhi kebutuhan pengguna yang sangat besar, dan pada saat yang sama menemukan posisi produk inti, maka model ini benar-benar dapat berhasil.

Bagaimana cara membuka pasar baru?

Pandangan yang berlawanan secara alami adalah bahwa pasar baru seringkali lebih menarik daripada pasar yang sudah ada. Apakah industri teknologi tidak seharusnya membangun hal-hal yang baru, daripada hanya berinovasi 20% pada hal-hal yang lama? Tentu saja, itu benar, tetapi saya percaya bahwa produk semacam itu hanya menyumbang bagian yang sangat kecil.

Sanggahan saya terhadap hal ini adalah: sebenarnya sebagian besar produk mewarisi semacam "barang lama", bahkan produk-produk pendahulu yang cepat dilupakan.

Sebelum Instagram muncul, ada Hipstamatic, aplikasi ini awalnya menduduki peringkat teratas di kategori aplikasi fotografi berbayar di App Store, yang membuktikan potensi pasar besar dari fitur filter. Sama seperti Google bukanlah mesin pencari pertama (sebenarnya ia adalah yang kesepuluh yang masuk, sebelumnya ada platform seperti Lycos, Excite, Infoseek, dan lain-lain), kasus-kasus ini tidak hanya membuktikan permintaan kuat pengguna terhadap fungsi pencarian tetapi juga mengungkapkan kesulitan dalam komersialisasi mesin pencari awal. Tesla bukanlah pencetus mobil listrik, iPhone juga bukanlah produk pertama smartphone. Sejarah berulang kali membuktikan: yang benar-benar menentukan pola pasar seringkali adalah inovator generasi kesepuluh. Fenomena ini dikenal sebagai 'keunggulan pendatang belakangan', dan saya rasa pandangan ini sangat menginspirasi.

Namun kadang-kadang inovasi yang nyata benar-benar terjadi. Kelahiran Uber adalah mengubah perilaku pemesanan taksi yang sudah ada secara offline menjadi aplikasi online, bukan berdasarkan aplikasi ride-hailing yang sudah sangat sukses (pada saat itu Lyft masih merupakan layanan pemesanan bus yang aneh). Lihatlah ChatGPT, OpenAI selama lima tahun dari konsep hingga versi ketiga benar-benar muncul, selama waktu itu tidak ada cetak biru yang dapat diandalkan sebagai referensi. Perjalanan inovasi semacam ini luar biasa, dan merupakan sumber daya penggerak bagi industri teknologi untuk berkembang pesat, karena mereka menciptakan kategori produk baru dengan mengambil risiko yang nyata.