RPS minggu 14 · 2x50 menit

Analisis Studi Kasus Perilaku Konsumen

Dari konstruk teoretis ke keputusan pemasaran: membedah kasus riil dengan kerangka analisis konsumen terintegrasi

Pertemuan 13 · Mata Kuliah Analisis Perilaku Konsumen · Program Magister Manajemen FEB UNDIP

Selamat datang di pertemuan ke-13, Anda sudah menempuh hampir seluruh peta konseptual perilaku konsumen — mulai dari motivasi, persepsi, sikap, pengambilan keputusan individu, pengaruh kelompok referensi, sampai komunikasi persuasif lintas budaya. Hari ini kita tidak menambah teori baru, melainkan melatih Anda mengintegrasikan semua kerangka itu untuk membedah satu kasus bisnis nyata secara utuh, persis seperti yang akan Anda hadapi ketika duduk sebagai manajer pemasaran atau konsultan strategi. Bayangkan Anda dipanggil oleh direksi sebuah perusahaan consumer goods atau fintech nasional untuk menjelaskan mengapa strategi akuisisi pelanggan mereka stagnan — Anda tidak akan diberi waktu menjelaskan definisi motivasi Maslow, Anda dituntut langsung memberi diagnosis dan rekomendasi. Sesi ini dirancang sebagai gladi resik untuk situasi itu, dengan studi kasus dari lanskap konsumen Indonesia yang Anda kenal sehari-hari.

Bagian I dari IV

Kerangka Analisis Kasus Perilaku Konsumen

Bagaimana menyusun diagnosis konsumen yang runtut dan dapat dipertanggungjawabkan secara manajerial — bukan sekadar menempelkan teori pada gejala.

Diskusi kelas: mengapa manajer sering "salah diagnosis" perilaku konsumen dan berujung pada solusi pemasaran yang keliru sasaran?

Mengapa Studi Kasus, Bukan Sekadar Teori?

Pada level manajerial, nilai sebuah teori perilaku konsumen diukur dari kemampuannya menjelaskan keputusan bisnis nyata — bukan dari kelengkapan definisinya.

Teori sebagai lensa

Setiap konstruk (motivasi, persepsi, sikap, referensi grup) adalah lensa diagnostik, bukan daftar hafalan. Anda memilih lensa sesuai gejala kasus.

Konvergensi multi-teori

Kasus nyata jarang dijelaskan satu teori tunggal — Elaboration Likelihood Model (Petty & Cacioppo, 1986) sering perlu digabung dengan Theory of Planned Behavior (Ajzen, 1991).

Output = keputusan

Analisis kasus yang baik berujung pada rekomendasi yang dapat dieksekusi tim pemasaran — bukan sekadar simpulan akademik.

Kompetensi yang diuji hari ini: C4 (menganalisis) — memecah fenomena konsumen kompleks menjadi komponen teoretis yang saling terhubung, lalu menyintesiskannya kembali menjadi rekomendasi.

Ingatkan Anda semua bahwa di jenjang magister, ujian bukan lagi soal "sebutkan lima faktor yang mempengaruhi keputusan pembelian" — itu level sarjana. Yang diuji sekarang adalah kemampuan Anda memilih teori yang tepat untuk gejala yang tepat, lalu menyusunnya menjadi argumen yang koheren, seperti bagaimana seorang dokter memilih pemeriksaan yang relevan dari sekian banyak kemungkinan, bukan menjalankan semua tes sekaligus. Contohkan pada kelas: kasus penurunan penjualan skincare lokal bisa dijelaskan lewat persepsi kualitas (halo effect dari negara asal), bisa juga lewat sikap yang dibentuk ulasan media sosial, dan sering kali kombinasi keduanya. Tekankan bahwa output akhir dari analisis harus berupa keputusan yang bisa dieksekusi esok hari oleh tim pemasaran, bukan sekadar kesimpulan yang elegan di atas kertas.

Kerangka Lima Langkah Analisis Kasus

Gunakan kerangka ini sebagai alur baku ketika Anda menghadapi studi kasus perilaku konsumen apa pun, di kelas maupun di tempat kerja.

Jelaskan kerangka ini sebagai alur wajib yang harus Anda ikuti setiap kali menghadapi studi kasus, baik dalam ujian tengah semester nanti maupun dalam pekerjaan sehari-hari. Langkah pertama memetakan fakta artinya Anda tidak boleh berasumsi sebelum data disajikan — mirip disiplin seorang analis riset ekuitas yang membaca laporan keuangan sebelum membuat rekomendasi beli atau jual saham BBRI. Langkah kedua menentukan aktor penting karena perilaku konsumen selalu spesifik segmen — generalisasi "konsumen Indonesia" tanpa segmentasi adalah kesalahan analisis yang fatal. Langkah ketiga adalah jantung dari seluruh proses: memilih lensa teori yang paling menjelaskan gejala, bukan yang paling familiar bagi Anda. Langkah keempat menuntut Anda menguji penjelasan alternatif sebelum berkomitmen pada satu teori, dan langkah kelima memastikan rekomendasi Anda actionable, dengan metrik keberhasilan yang jelas.

Empat Perangkap Analisis yang Paling Umum

Mahasiswa magister yang sudah berpengalaman kerja justru rentan pada perangkap tertentu karena terbiasa berpikir cepat berbasis intuisi praktisi.

Perangkap 1 — Teori tunggal

Memaksakan satu teori favorit (mis. selalu Maslow) untuk semua kasus, padahal gejala menuntut lensa berbeda seperti disonansi kognitif atau referensi grup.

Perangkap 2 — Korelasi dianggap sebab

Penurunan penjualan dan naiknya harga terjadi bersamaan, lalu langsung disimpulkan harga sebagai penyebab tunggal, tanpa menguji faktor persepsi atau kompetitor.

Perangkap 3 — Generalisasi berlebih

Menyamaratakan seluruh konsumen Indonesia sebagai satu segmen homogen, mengabaikan perbedaan generasi, geografi, dan budaya lokal yang signifikan.

Perangkap 4 — Rekomendasi generik

Menutup analisis dengan saran umum seperti "tingkatkan kualitas komunikasi", tanpa menyebut kanal, pesan, atau metrik keberhasilan yang spesifik.

Bagian ini penting justru karena Anda semua adalah praktisi berpengalaman — pengalaman kerja memberi intuisi yang berharga, tapi intuisi tanpa disiplin analitis bisa menjebak Anda pada kesimpulan yang terburu-buru. Tanyakan pada kelas, siapa yang pernah melihat perusahaannya mengambil keputusan pemasaran berdasarkan asumsi tanpa data konsumen yang memadai — biasanya banyak tangan terangkat. Perangkap korelasi-dianggap-sebab ini sering terjadi di industri perbankan ketika penurunan jumlah nasabah baru langsung dikaitkan dengan suku bunga, padahal riset konsumen sering menunjukkan akar masalahnya ada pada proses onboarding digital yang rumit. Ingatkan juga bahwa rekomendasi generik adalah tanda analisis yang belum selesai — direksi tidak butuh nasihat filosofis, mereka butuh angka dan langkah konkret.

Bagian II dari IV

Studi Kasus 1 — Persepsi Risiko & Adopsi Fintech Lending

Mengapa sebagian konsumen menengah Indonesia tetap enggan memakai pinjaman daring meski suku bunga dan proses jauh lebih efisien dari bank konvensional.

Diskusi kelas: apakah persoalan ini murni soal edukasi finansial, atau ada faktor psikologis yang lebih dalam?

Kasus 1: Data dan Gejala

PT Fintech Lending "Dana Cepat" (ilustrasi, komposit dari beberapa pemain P2P lending nasional) mengalami stagnasi konversi di segmen pekerja menengah usia 30-45 tahun.

Indikator	Temuan Riset Internal (ilustrasi)	Interpretasi Awal
Awareness merek	78% target tahu produk	Bukan masalah eksposur pesan
Kunjungan aplikasi	62% pernah membuka aplikasi	Minat awal cukup tinggi
Konversi pinjaman	hanya ~9% dari yang membuka aplikasi	Ada hambatan di tahap evaluasi/keputusan
Alasan batal (survei)	"khawatir data pribadi disalahgunakan" (dominan)	Gejala mengarah ke persepsi risiko, bukan harga

Kesimpulan sementara langkah 1-2: aktor kunci adalah segmen pekerja menengah yang sudah melek digital namun menahan diri di tahap evaluasi — gejalanya bukan kurang informasi, melainkan persepsi risiko yang tidak tertangani.

Minta mahasiswa membaca tabel ini seperti seorang detektif membaca bukti, bukan sekadar angka lepas. Perhatikan bahwa awareness dan kunjungan aplikasi sebenarnya tinggi, artinya masalah bukan di komunikasi pemasaran tahap awal — ini penting agar mahasiswa tidak buru-buru menyalahkan strategi iklan. Titik kritisnya ada pada penurunan tajam dari 62 persen kunjungan menjadi hanya 9 persen konversi, yang berarti hambatan terjadi persis di tahap evaluasi alternatif dan keputusan pembelian dalam model proses keputusan konsumen. Alasan pembatalan yang dominan, yaitu kekhawatiran data pribadi, adalah petunjuk kuat bahwa kita berhadapan dengan konstruk persepsi risiko, bukan sekadar kurangnya informasi produk. Tanyakan pada kelas, teori apa dari semester ini yang paling relevan menjelaskan gejala ini sebelum Anda lanjut ke slide berikutnya.

Kasus 1: Memilih Lensa Teori yang Tepat

Tiga lensa kandidat diuji terhadap gejala — hanya satu yang paling menjelaskan pola data secara koheren.

Kandidat A — Hierarki kebutuhan

Maslow (1943) menjelaskan motivasi dasar, namun tidak menjelaskan mengapa konsumen berhenti tepat di tahap evaluasi setelah minat tinggi.

Kandidat B — Perceived Risk Theory

Bauer (1960) & Mitchell (1999): keputusan konsumen dihambat dimensi risiko (finansial, privasi, psikologis) yang tidak proporsional dengan manfaat yang dirasakan.

Kandidat C — Theory of Planned Behavior

Ajzen (1991): niat dipengaruhi sikap, norma subjektif, dan kontrol perilaku — relevan tapi kurang spesifik menjelaskan titik jatuh di tahap evaluasi.

Lensa terpilih: Perceived Risk Theory — pola data (minat tinggi, konversi rendah, alasan dominan privasi data) paling koheren dijelaskan oleh dimensi risiko privasi yang tidak dimitigasi secara eksplisit oleh platform.

Ini adalah inti dari langkah tiga dan empat dalam kerangka analisis kita — menguji beberapa kandidat teori secara eksplisit, bukan langsung memilih satu tanpa perbandingan. Jelaskan bahwa hierarki kebutuhan Maslow tetap relevan sebagai latar belakang motivasi meminjam, tapi terlalu umum untuk menjelaskan pola spesifik penurunan konversi di tahap evaluasi. Theory of Planned Behavior juga kandidat kuat karena mencakup norma subjektif, namun kurang tajam menspesifikkan jenis hambatan. Perceived Risk Theory dari Bauer dan dikembangkan lebih lanjut oleh peneliti seperti Mitchell paling pas karena secara eksplisit memecah risiko menjadi dimensi finansial, kinerja, psikologis, sosial, dan privasi — dan data kasus kita menunjuk tepat pada dimensi privasi. Tekankan pada mahasiswa bahwa proses eliminasi kandidat seperti ini, bukan lompatan langsung, yang membedakan analisis level magister dari sekadar mengutip teori.

Hitung dari Nol: Dampak Rupiah Titik Kebocoran Konversi

Mengukur potensi kehilangan pendapatan dari titik jatuh konversi (62% kunjungan menjadi 9% konversi) untuk membingkai urgensi manajerial kasus ini.

Langkah	Perhitungan	Nilai
1. Basis prospek bulanan (ilustrasi)	Target segmen yang membuka aplikasi per bulan	100.000 pengguna
2. Konversi aktual	9% x 100.000	9.000 pinjaman cair
3. Skenario jika hambatan risiko dimitigasi (target ~15%)	15% x 100.000	15.000 pinjaman cair
4. Selisih volume pinjaman	15.000 - 9.000	6.000 pinjaman tambahan/bulan
5. Nilai tambahan (rata-rata pinjaman ~Rp5 juta)	6.000 x Rp5.000.000	Rp30 miliar/bulan

Hasil

~Rp30 M

Potensi tambahan volume pinjaman per bulan jika hambatan persepsi risiko privasi berhasil dimitigasi (angka ilustratif, bukan data riil perusahaan)

Perhitungan ini penting Anda kuasai karena inilah bahasa yang dipahami direksi — bukan istilah "perceived risk", melainkan potensi rupiah yang hilang. Langkah pertama kita tetapkan basis ilustratif seratus ribu pengguna yang membuka aplikasi tiap bulan sebagai angka dasar. Langkah kedua kita hitung konversi aktual sembilan persen, hasilnya sembilan ribu pinjaman cair. Langkah ketiga kita bayangkan skenario realistis jika hambatan risiko privasi berhasil dimitigasi lewat transparansi data dan sertifikasi keamanan, target konversi naik ke lima belas persen — angka target ini bisa didiskusikan, bukan mutlak. Langkah keempat kita hitung selisihnya enam ribu pinjaman tambahan, dan langkah kelima kita kalikan dengan rata-rata nilai pinjaman lima juta rupiah, hasilnya sekitar tiga puluh miliar rupiah tambahan volume pinjaman per bulan. Angka besar seperti inilah yang membuat direksi bersedia mendanai riset persepsi risiko lebih lanjut, bukan sekadar argumentasi teoretis.

Kasus 1: Rekomendasi Manajerial

Rekomendasi harus langsung dieksekusi tim produk dan pemasaran, dengan metrik keberhasilan yang terukur — bukan saran generik.

Mitigasi risiko privasi (produk)

Sertifikasi ISO 27001 ditampilkan eksplisit di layar evaluasi pinjaman
Transparansi penggunaan data dalam bahasa awam, bukan klausul hukum
Opsi hapus data pasca-penolakan aplikasi ditampilkan jelas

Reduksi risiko sosial & psikologis (komunikasi)

Testimoni nasabah segmen sama (bukan selebriti) di titik evaluasi
Perbandingan eksplisit dengan proses bank untuk normalisasi persepsi
Metrik keberhasilan: konversi tahap evaluasi naik dari 9% ke target ~15% dalam dua kuartal

Pelajaran metodologis: rekomendasi yang lahir dari lensa Perceived Risk Theory jauh lebih presisi dibanding rekomendasi generik "perbaiki komunikasi pemasaran" yang sering muncul tanpa diagnosis yang tepat.

Bagian III dari IV

Studi Kasus 2 — Loyalitas dan Peralihan Merek di Pasar Ritel Modern

Mengapa program loyalitas berbasis poin sering gagal menahan pelanggan ritel modern berpindah ke kompetitor meski secara rasional lebih menguntungkan tetap loyal.

Diskusi kelas: apakah loyalitas konsumen ritel di Indonesia lebih didorong rasionalitas ekonomi atau faktor sosial-emosional?

Kasus 2: Data dan Gejala

Jaringan ritel modern "Belanja Pintar" (ilustrasi, komposit dari perilaku umum ritel modern nasional) mengamati tingkat churn member tinggi meski program poin aktif.

Indikator	Temuan Riset Internal (ilustrasi)	Interpretasi Awal
Member aktif berpoin	2,4 juta akun	Basis besar, program dikenal luas
Redemption rate poin	hanya ~18%	Nilai program dirasakan rendah
Churn ke kompetitor promo	~34% member berbelanja juga di kompetitor bulan berjalan	Loyalitas rapuh, mudah terpengaruh promosi jangka pendek
Wawancara kualitatif	"poin ribet dan lupa dipakai", "ikut rombongan teman/keluarga belanja di tempat lain"	Ada dua gejala: sikap terhadap program + pengaruh sosial

Kesimpulan sementara: gejala menunjuk pada dua konstruk sekaligus — sikap konsumen terhadap struktur insentif (poin dianggap rumit/tidak segera bermanfaat) dan pengaruh kelompok referensi dalam keputusan tempat belanja.

Ajak mahasiswa membaca tabel ini dengan kritis: basis member besar dan redemption rate rendah bukan berarti program gagal total, melainkan ada gap antara desain program dan persepsi nilai oleh konsumen. Angka churn tiga puluh empat persen ke kompetitor dalam bulan yang sama menunjukkan loyalitas yang dangkal, mudah tergoyahkan oleh promosi jangka pendek pesaing seperti diskon musiman Alfamart atau Indomaret. Bagian paling penting ada di kutipan wawancara kualitatif: satu kutipan soal poin yang ribet menunjuk pada sikap konsumen terhadap struktur insentif, sementara kutipan soal ikut rombongan teman menunjuk pada pengaruh kelompok referensi yang sudah kita pelajari beberapa pertemuan lalu. Ini contoh bagus kasus yang butuh dua lensa teori sekaligus, bukan satu lensa tunggal seperti kasus pertama tadi.

Kasus 2: Kerangka/Rubrik Analisis Multi-Lensa

Ketika gejala kasus menunjuk lebih dari satu konstruk, gunakan rubrik langkah-per-langkah berikut untuk menyusun analisis yang tetap runtut, bukan tumpang tindih.

Langkah	Tindakan Analitis	Penerapan pada Kasus 2
1. Pisahkan gejala per sumber data	Kelompokkan bukti kuantitatif vs kualitatif secara terpisah	Redemption rate (kuantitatif) vs kutipan wawancara (kualitatif)
2. Petakan tiap gejala ke konstruk kandidat	Jangan gabungkan gejala sebelum konstruknya diidentifikasi terpisah	Poin ribet → sikap (attitude); ikut rombongan → referensi grup
3. Uji interaksi antar-konstruk	Tentukan apakah dua konstruk saling memperkuat atau independen	Sikap negatif memperlemah daya tahan terhadap tekanan sosial berpindah
4. Prioritaskan konstruk dominan	Pilih mana yang punya daya ungkit intervensi terbesar dan tercepat	Sikap terhadap program (dapat diintervensi produk) diprioritaskan dulu

Kesimpulan rubrik: intervensi produk (redesain program poin) lebih cepat dieksekusi dan mengurangi kerentanan terhadap pengaruh kelompok referensi secara tidak langsung — dua masalah ditangani lewat satu intervensi prioritas.

Rubrik ini menggantikan perhitungan numerik karena topik loyalitas multi-konstruk sifatnya kualitatif, namun tetap harus dianalisis dengan langkah yang sama disiplinnya seperti perhitungan finansial. Langkah pertama menuntut Anda memisahkan bukti kuantitatif dan kualitatif agar tidak tercampur secara serampangan. Langkah kedua adalah pemetaan yang presisi: setiap kutipan atau angka dipetakan ke satu konstruk teoretis spesifik, bukan digeneralisasi. Langkah ketiga menguji interaksi, karena dalam kasus ini sikap negatif terhadap program justru membuat konsumen lebih rentan terhadap ajakan sosial berpindah tempat belanja — dua konstruk ini saling memperkuat, bukan berdiri sendiri. Langkah keempat adalah keputusan prioritas manajerial: karena redesain program poin bisa dieksekusi lebih cepat oleh tim produk dibanding mengubah dinamika sosial pelanggan, itu jadi titik intervensi pertama yang direkomendasikan.

Latihan Kelompok: Diagnosis Kasus 2

Bentuk kelompok kecil (3-4 orang). Waktu diskusi: 15 menit. Setiap kelompok mempresentasikan diagnosis dalam 3 menit.

Instruksi

Pilih satu konstruk tambahan yang belum dibahas (mis. disonansi kognitif pasca-pembelian) yang menurut kelompok Anda relevan untuk kasus "Belanja Pintar"
Jelaskan bagaimana konstruk tersebut memperkuat atau melengkapi diagnosis sikap + referensi grup yang sudah dibahas
Usulkan satu intervensi tambahan yang spesifik dan terukur

Kriteria penilaian singkat

Ketepatan pemilihan lensa teori terhadap gejala kasus
Kejelasan tautan antara teori dan rekomendasi (bukan lompatan logis)
Kekonkretan metrik keberhasilan yang diusulkan

Bagian IV dari IV

Sintesis: Menyusun Laporan Diagnosis Konsumen Setara Konsultan

Struktur laporan yang dapat langsung Anda pakai di pekerjaan, baik sebagai manajer pemasaran internal maupun konsultan eksternal.

Diskusi kelas: bagian mana dari laporan diagnosis konsumen yang paling sering dilewati praktisi, dan apa akibatnya?

Struktur Laporan Diagnosis Konsumen

Format lima bagian ini konsisten dengan kerangka lima langkah di awal pertemuan — gunakan sebagai template laporan tugas akhir dan ujian.

Bagian Laporan	Isi Wajib	Kesalahan Umum yang Dihindari
1. Ringkasan Gejala	Data kuantitatif + kualitatif dipisah jelas	Mencampur fakta dengan opini/interpretasi sejak awal
2. Segmentasi Aktor	Segmen konsumen spesifik yang terdampak	Generalisasi "konsumen Indonesia" tanpa batasan segmen
3. Evaluasi Kandidat Teori	Minimal 2-3 kandidat dibandingkan eksplisit	Langsung memakai satu teori tanpa pembanding
4. Diagnosis Terpilih & Justifikasi	Alasan pemilihan berbasis kesesuaian data	Justifikasi berbasis "teori ini yang paling saya kuasai"
5. Rekomendasi & Metrik	Aksi spesifik + KPI terukur + jangka waktu	Rekomendasi generik tanpa metrik keberhasilan

Kalibrasi Silang: Kasus 1 vs Kasus 2

Membandingkan dua kasus hari ini menegaskan bahwa jenis gejala menentukan jenis lensa, bukan preferensi analis.

Kasus 1: Fintech Lending

Gejala tunggal dominan (privasi data)
Lensa tunggal cukup: Perceived Risk Theory
Intervensi: produk + komunikasi kepercayaan

Kasus 2: Ritel Modern

Gejala ganda (sikap program + tekanan sosial)
Lensa multi-konstruk: sikap + referensi grup
Intervensi: redesain produk loyalitas sebagai prioritas

Pelajaran inti: keahlian analis bukan menghafal lebih banyak teori, melainkan mengenali secara cepat berapa banyak lensa yang dibutuhkan satu kasus, dan lensa mana yang punya daya ungkit intervensi tercepat.

Mengaitkan ke Segmentasi & Tren Masa Depan

Diagnosis kasus yang baik juga membuka pintu ke pertemuan berikutnya: bagaimana segmentasi yang presisi dan pemahaman tren mengubah cara kita mendesain intervensi konsumen ke depan.

Segmentasi presisi

Kasus 1 dan 2 sama-sama menunjukkan bahwa intervensi hanya efektif jika ditargetkan ke segmen spesifik, bukan populasi konsumen secara umum.

Konsumen digital-native

Generasi konsumen muda menunjukkan sensitivitas berbeda terhadap privasi data dan pengaruh sosial digital dibanding generasi sebelumnya.

Personalisasi berbasis data

Tren ke depan: intervensi konsumen semakin bergantung pada data perilaku individual, bukan sekadar segmentasi demografis klasik.

Bagian ini menjembatani sesi hari ini dengan pertemuan terakhir semester yang akan membahas tren masa depan perilaku konsumen secara lebih mendalam. Ingatkan mahasiswa bahwa kedua kasus hari ini, meski berbeda sektor, sama-sama membuktikan bahwa rekomendasi generik untuk seluruh basis konsumen selalu lebih lemah dibanding rekomendasi yang ditargetkan ke segmen spesifik dengan gejala serupa. Sampaikan juga bahwa tren personalisasi berbasis data, yang semakin masif dipakai perusahaan seperti Gojek dan Tokopedia untuk menyesuaikan penawaran secara individual, adalah pengembangan lanjutan dari prinsip segmentasi presisi yang baru saja kita praktikkan. Ini juga kesempatan mengingatkan pentingnya etika data dalam personalisasi, mengingat kasus pertama tadi justru soal kekhawatiran privasi data konsumen.

Persiapan Tugas Akhir Semester

Tugas akhir menuntut Anda menerapkan kerangka lima langkah dan struktur laporan hari ini pada satu kasus perusahaan riil pilihan kelompok Anda.

Ketentuan tugas

Pilih satu perusahaan/sektor Indonesia dengan gejala perilaku konsumen yang terdokumentasi (berita, laporan tahunan, riset publik)
Terapkan kerangka lima langkah secara eksplisit, termasuk evaluasi kandidat teori
Laporan maksimal 8 halaman + presentasi 10 menit pada pertemuan mendatang

Sumber data yang diizinkan

Laporan tahunan/publik perusahaan, artikel media bisnis kredibel
Data sekunder BPS/OJK/asosiasi industri terkait perilaku konsumen
Wawancara singkat informal dengan konsumen (opsional, dengan izin)

Rangkuman Pertemuan 13

Hari ini Anda melatih kompetensi paling praktis dari seluruh mata kuliah: mengubah teori perilaku konsumen menjadi diagnosis dan keputusan manajerial yang presisi.

Yang sudah dikuasai

Kerangka lima langkah analisis kasus perilaku konsumen
Empat perangkap analisis umum dan cara menghindarinya
Studi kasus fintech lending (lensa tunggal) dan ritel modern (multi-lensa)
Struktur laporan diagnosis setara standar konsultan

Menuju pertemuan berikutnya

Segmentasi konsumen presisi dan tren masa depan perilaku konsumen
Persiapan presentasi tugas akhir semester
Bawa kasus perusahaan pilihan kelompok Anda untuk didiskusikan

Pesan penutup: analis konsumen yang baik tidak dikenali dari banyaknya teori yang dihafal, melainkan dari ketepatan memilih lensa dan ketegasan mengubah diagnosis menjadi keputusan.