RPS minggu 2 · 2x50 menit

Riset Pasar untuk Desain Produk Baru

Pemasaran Strategik · Magister Manajemen

Dari Voice of Customer ke spesifikasi desain yang bisa dipertanggungjawabkan secara manajerial.

Bagian 1

Mengapa Riset Pasar Menentukan Nasib Produk Baru

Pertanyaan diskusi: berapa besar taruhan finansial ketika produk baru gagal, dan kapan riset pasar benar-benar sepadan dengan biayanya?

Agenda & Posisi Pertemuan Ini dalam Alur PLC

Agenda 2x50 menit

Mengapa riset pasar strategis, bukan sekadar survei kepuasan
Jobs-to-be-Done & needs-based segmentation
Conjoint analysis — menghitung trade-off atribut produk
TURF analysis — memilih portofolio varian optimal
Dari insight riset ke keputusan Go/No-Go

Pertemuan ini berada tepat sebelum kurva PLC dimulai — keputusan di sini menentukan bentuk kurva itu sendiri.

Skala Kegagalan Produk Baru & Ongkos Salah Duga

Riset industri (Castellion & Markham, 2013) mencatat tingkat kegagalan produk baru berkisar luas — bergantung definisi "gagal" dan sektor.

FMCG

~40%

gagal dalam 2 tahun peluncuran (ilustrasi rentang industri)

Teknologi/App

~60-90%

fitur/produk baru tidak mencapai adopsi target

Riset pasar formal

~5-10%

dari anggaran total NPD — kecil dibanding ongkos kegagalan

Implikasi manajerial: biaya riset pasar hampir selalu lebih murah daripada biaya menarik produk gagal dari pasar — tetapi riset yang salah rancang bisa sama mahalnya dengan tidak riset sama sekali.

Angka-angka ini adalah ilustrasi rentang yang umum dikutip di literatur manajemen produk, bukan angka pasti untuk satu perusahaan tertentu, jadi perlakukan sebagai order of magnitude saja ketika Anda presentasi ke direksi. Poin yang ingin saya tekankan ke Anda adalah asimetri biaya — anggaran riset pasar biasanya hanya sebagian kecil dari total investasi pengembangan produk, sementara kegagalan peluncuran bisa menghanguskan seluruh investasi ditambah biaya reputasi. Di banyak perusahaan Indonesia, terutama startup digital, tekanan time-to-market sering membuat tim melewati riset demi kecepatan — ini yang perlu Anda pertimbangkan sebagai trade-off strategis, bukan kesalahan otomatis. Diskusikan dengan kelas: dalam kondisi apa melewati riset pasar formal justru rasional secara manajerial?

Kerangka Jobs-to-be-Done (JTBD)

Jobs-to-be-Done (Christensen et al., 2016): konsumen tidak membeli produk, mereka "menyewa" produk untuk menuntaskan sebuah pekerjaan (job) dalam konteks tertentu.

Struktur pernyataan job

Situasi — kapan & di mana kebutuhan muncul
Motivasi — apa yang ingin dituntaskan
Hasil yang diharapkan — ukuran keberhasilan bagi konsumen

Contoh klasik: konsumen membeli milkshake pagi hari bukan karena rasa, tapi untuk "job" — menemani perjalanan komuter yang membosankan sekaligus mengenyangkan sampai siang. Kompetitor sejati milkshake pagi itu bukan milkshake merek lain, melainkan pisang atau donat.

Relevansi desain produk: fitur yang tidak melayani "job" utama konsumen — sekuat apa pun secara teknis — cenderung diabaikan pasar.

Segmentasi Berbasis Kebutuhan vs. Demografi

Segmentasi demografis (tradisional)

Usia, pendapatan, lokasi, gender
Mudah dioperasionalkan untuk media buying
Lemah memprediksi keputusan pembelian aktual

Segmentasi berbasis kebutuhan (Day, 1990-an; diperkuat JTBD)

Dikelompokkan menurut job & prioritas manfaat
Lebih relevan untuk keputusan desain fitur
Butuh riset kualitatif lebih dalam untuk memetakan

Implikasi bagi Anda sebagai manajer: dua konsumen dengan profil demografis identik bisa punya job yang sangat berbeda — dan sebaliknya, dua segmen demografis berbeda bisa berbagi job yang sama.

Perdebatan ini sering muncul ketika tim marketing dan tim produk berbeda pendapat soal siapa target pasar sesungguhnya — tim marketing cenderung nyaman dengan segmentasi demografis karena mudah dipakai untuk targeting iklan digital, sementara tim produk butuh segmentasi berbasis kebutuhan untuk memutuskan fitur mana yang dibangun lebih dulu. Sebagai ilustrasi di konteks Indonesia, UMKM pengguna aplikasi pembukuan digital bisa sangat beragam secara demografis — dari pedagang pasar tradisional sampai pemilik kafe urban — tapi job utamanya sering sama, yaitu menghindari kebangkrutan karena arus kas tidak terpantau. Saya ingin Anda melihat kedua pendekatan ini sebagai saling melengkapi, bukan saling meniadakan, karena riset pasar yang baik biasanya menggabungkan keduanya dalam tahap yang berbeda. Tanyakan ke kelas: di industri tempat Anda bekerja, segmentasi mana yang lebih dominan dipakai saat ini, dan apakah itu cukup untuk keputusan desain produk?

Mini-Kasus: Riset Pasar Sebelum Fitur Baru (Ilustrasi)

Ilustrasi pengambilan keputusan berbasis JTBD di platform digital Indonesia — angka bersifat ilustratif, bukan data resmi perusahaan.

Skenario: Tokopedia mempertimbangkan fitur cicilan tanpa kartu kredit

Riset kualitatif awal (contextual interview, n~30 pengguna) menemukan job utama: "menyelesaikan pembelian penting tanpa mengganggu arus kas bulanan"
Segmentasi demografis semula menunjuk kelas menengah urban 25-35 tahun sebagai target utama
Riset lanjutan (needs-based) mengungkap job serupa juga kuat pada segmen UMKM pembeli bahan baku — di luar target demografis awal
Keputusan manajerial: perluas cakupan fitur ke kategori B2B kecil, bukan hanya konsumen ritel

Fuzzy Front End: Dari Discovery ke Spesifikasi Desain

Kerangka ini (dikenal sebagai "Fuzzy Front End" dalam literatur manajemen inovasi) menegaskan: riset pasar bukan satu aktivitas tunggal, melainkan rangkaian metode yang berbeda di tiap tahap.

Sisa pertemuan ini fokus pada dua tahap kanan: Concept Testing — di mana conjoint analysis dan TURF bekerja.

Diagram ini penting untuk meluruskan miskonsepsi umum bahwa "riset pasar" itu satu aktivitas — padahal metode yang tepat sangat bergantung pada tahap mana produk sedang berada. Di tahap discovery Anda butuh metode kualitatif mendalam untuk menemukan job, sementara di tahap concept testing Anda butuh metode kuantitatif untuk mengukur preferensi dan trade-off. Kesalahan yang sering saya lihat di praktik konsultasi adalah tim langsung lompat ke survei kuantitatif tanpa discovery kualitatif yang cukup, sehingga pertanyaan surveinya salah sasaran sejak awal. Untuk sisa pertemuan hari ini, kita akan mendalami dua metode kuantitatif utama di tahap concept testing — conjoint analysis dan TURF — karena keduanya paling relevan untuk keputusan desain produk baru yang bisa Anda pertanggungjawabkan dengan angka.

Bagian 2

Dari Voice of Customer ke Spesifikasi Desain

Pertanyaan diskusi: metode riset mana yang paling tepat ketika anggaran terbatas tapi risiko keputusan desain tinggi?

Metode Kualitatif Lanjutan: Etnografi & Contextual Inquiry

Etnografi

Observasi konsumen di konteks nyata (rumah, toko, kantor)
Menangkap kebutuhan laten yang tak terucap dalam wawancara
Mahal & lambat — cocok untuk taruhan desain besar

Contextual Inquiry

Wawancara sambil konsumen menjalankan tugas aktual
Lebih cepat & murah daripada etnografi penuh
Risiko: perilaku bisa berubah karena diamati (efek observer)

Sebagai manajer, keputusan Anda bukan "kualitatif atau kuantitatif" tapi "berapa dalam observasi yang sepadan dengan besarnya taruhan investasi produk".

Pada level manajer S2, saya asumsikan Anda sudah familiar dengan wawancara mendalam dan focus group discussion dari S1 atau pengalaman kerja, jadi kita langsung masuk ke nuansa yang membedakan etnografi penuh dari contextual inquiry yang lebih ringkas. Pertimbangan praktis yang perlu Anda buat sebagai manajer adalah anggaran waktu — etnografi bisa memakan berminggu-minggu observasi lapangan, sementara contextual inquiry bisa dituntaskan dalam beberapa hari dengan tim kecil. Contoh nyata di Indonesia: perusahaan consumer goods sering mengirim tim ke rumah tangga di berbagai kota untuk mengamati langsung cara konsumen menggunakan produk pembersih rumah, karena wawancara semata sering gagal menangkap kebiasaan yang sudah otomatis dan tidak disadari konsumen sendiri. Diskusikan dengan kelas: metode mana yang lebih realistis diterapkan di perusahaan Anda mengingat kendala anggaran dan waktu yang ada?

Conjoint Analysis: Mengukur Trade-off Atribut Produk

Conjoint analysis (Green & Srinivasan, 1978) mengukur seberapa besar konsumen bersedia berkompromi antar-atribut produk — bukan sekadar preferensi tunggal.

Output conjoint bukan "atribut favorit", melainkan bobot relatif tiap atribut dalam keputusan pembelian nyata — inilah yang membedakannya dari survei preferensi biasa.

Perbedaan mendasar antara conjoint analysis dan survei preferensi konvensional adalah bahwa conjoint memaksa konsumen melakukan trade-off nyata, sama seperti keputusan pembelian sungguhan — konsumen jarang bisa mendapatkan semua atribut ideal sekaligus dengan harga murah. Di level manajer, Anda perlu memahami bahwa hasil conjoint biasanya berupa "part-worth utility" per level atribut, yang kemudian bisa dijumlahkan untuk membandingkan daya tarik relatif berbagai kombinasi konsep produk. Contoh penerapan nyata: brand kecantikan lokal seperti Wardah kerap menggunakan pendekatan semacam ini secara informal ketika menguji kombinasi kemasan, harga, dan klaim halal/BPOM sebelum meluncurkan varian baru. Di slide berikutnya, saya akan meminta Anda menghitung sendiri part-worth utility dari data ilustratif, jadi pastikan Anda mengikuti logika perhitungannya baris demi baris.

Hitung dari Nol: Utilitas & Preference Share Conjoint

Kasus ilustrasi: brand skincare lokal menguji dua konsep produk pelembap wajah dengan tiga atribut.

Langkah	Perhitungan	Nilai
1. Part-worth kemasan (Premium − Standar)	0,6 − 0,2	0,4
2. Part-worth harga (Rp89rb − Rp129rb)	0,5 − 0,1	0,4
3. Part-worth klaim (BPOM+Halal − BPOM saja)	0,3 − 0,1	0,2
4. Total utilitas Konsep A (Premium + Rp89rb + Halal)	0,6 + 0,5 + 0,3	1,4
5. Total utilitas Konsep B (Standar + Rp129rb + BPOM saja)	0,2 + 0,1 + 0,1	0,4
6. Preference share Konsep A	1,4 ÷ (1,4 + 0,4) × 100%	78%

Kesimpulan

78% vs 22%

Konsep A (premium, murah, klaim ganda) diprediksi menang preferensi — tapi periksa margin sebelum memutuskan harga Rp89rb layak diproduksi

Perhatikan bahwa perhitungan ini murni ilustratif, tetapi logikanya persis seperti yang dipakai software conjoint komersial — part-worth utility dijumlahkan per konsep, lalu preference share dihitung sebagai proporsi utilitas satu konsep terhadap total utilitas semua konsep yang dibandingkan. Saya ingin Anda perhatikan baris keenam dengan cermat: preference share 78 persen bukan berarti 78 persen pasar pasti membeli Konsep A, melainkan estimasi probabilitas pilihan relatif dalam simulasi trade-off ini. Sebagai manajer, angka ini harus Anda pertemukan dengan analisis margin — Konsep A menang preferensi karena harganya lebih murah, tapi apakah harga Rp89 ribu itu masih menguntungkan perusahaan setelah dikurangi biaya produksi kemasan premium? Inilah kaitan langsung ke pertemuan minggu depan tentang penetapan harga peluncuran produk baru — riset conjoint memberi Anda input preferensi, tapi keputusan harga final tetap butuh analisis biaya dan margin.

Coba Sendiri: Hitung Utilitas & Preference Share Konsep Produk

Ubah part-worth tiap atribut dan lihat langsung bagaimana preference share antara dua konsep produk bergeser.

TURF Analysis: Mengoptimalkan Portofolio Varian

TURF (Total Unduplicated Reach and Frequency) menjawab pertanyaan berbeda dari conjoint: bukan "atribut mana yang menang", tapi "kombinasi varian mana yang menjangkau pasar terluas tanpa tumpang tindih".

Kapan dipakai

Keputusan lini produk: berapa rasa/varian yang diluncurkan
Menghindari kanibalisasi antar-varian sendiri
Membatasi kompleksitas rantai pasok & SKU

Logika dasar

Reach — persentase konsumen yang menyukai minimal 1 varian dalam portofolio
Frequency — rata-rata jumlah varian yang disukai per konsumen
Varian ditambahkan selama menaikkan reach total secara berarti

TURF sering disalahpahami sebagai versi lain dari conjoint, padahal keduanya menjawab pertanyaan manajerial yang sama sekali berbeda — conjoint menjawab "desain produk seperti apa yang paling disukai", sementara TURF menjawab "berapa banyak varian yang perlu kita produksi agar menjangkau pasar seluas mungkin tanpa memboroskan biaya produksi". Kasus paling umum penerapan TURF di Indonesia adalah keputusan lini rasa minuman kemasan atau varian ukuran kemasan sabun cuci — terlalu sedikit varian kehilangan konsumen, terlalu banyak varian menciptakan biaya rantai pasok dan risiko kanibalisasi antar-varian milik brand sendiri. Konsep reach dan frequency ini meminjam istilah dari perencanaan media periklanan, tapi diterapkan di sini pada preferensi produk, bukan paparan iklan. Slide berikutnya akan meminta Anda menghitung reach gabungan dari data survei ilustratif — perhatikan bagaimana overlap antar-varian mengurangi reach tambahan yang didapat.

Hitung dari Nol: Reach Gabungan TURF

Kasus ilustrasi: survei 500 responden untuk 3 varian rasa minuman teh kemasan baru — "berapa varian yang perlu diluncurkan?"

Langkah	Perhitungan	Nilai
1. Total responden disurvei	n	500
2. Suka Varian A saja (unik)	120 ÷ 500 × 100%	24%
3. Suka Varian B saja (unik)	90 ÷ 500 × 100%	18%
4. Suka A dan B (overlap, dihitung sekali)	80 ÷ 500 × 100%	16%
5. Reach gabungan A+B	24% + 18% + 16%	58%
6. Tambahan unik dari Varian C (tanpa overlap)	12 ÷ 500 × 100%	2%
7. Reach total A+B+C	58% + 2%	60%

Keputusan lini produk

60%

Menambah Varian C hanya menaikkan reach 2 poin persen — bandingkan dengan biaya tambahan SKU sebelum diputuskan layak diproduksi

Langkah paling penting untuk Anda pahami di sini adalah baris keenam — tambahan reach dari Varian C jauh lebih kecil dibanding kontribusi Varian A atau B, karena sebagian besar peminat Varian C ternyata sudah terwakili oleh peminat A atau B. Pola inilah yang sering disebut "diminishing returns" dalam TURF — setiap varian tambahan yang dimasukkan ke portofolio biasanya menyumbang reach inkremental yang semakin kecil. Sebagai manajer produk di perusahaan seperti produsen minuman kemasan nasional, Anda akan menghadapi keputusan nyata seperti ini — apakah menambah satu SKU rasa baru sepadan dengan tambahan reach pasar hanya 2 persen, mengingat biaya produksi, pergudangan, dan kompleksitas rantai pasok yang harus ditanggung. Ajak kelas berdiskusi: pada titik reach inkremental berapa persen menurut Anda penambahan varian baru sudah tidak lagi masuk akal secara bisnis?

Coba Sendiri: Optimalkan Reach Gabungan Portofolio Varian

Tambah/kurangi varian dan atur overlap-nya untuk melihat langsung titik di mana reach tambahan mulai mengecil.

Mini-Kasus: Conjoint & TURF dalam Formulasi Produk (Ilustrasi)

Skenario: brand kecantikan nasional merancang lini serum wajah baru

Tahap 1 — Conjoint: menguji trade-off kandungan aktif (niacinamide vs vitamin C), harga, dan ukuran kemasan → memilih formula unggulan
Tahap 2 — TURF: dari 5 varian aroma/tekstur kandidat, memilih 3 varian dengan reach gabungan tertinggi
Hasil ilustratif: 3 varian terpilih menjangkau ~72% preferensi responden, dibanding ~48% jika hanya meluncurkan 1 varian tunggal
Keputusan manajerial: lini 3 varian disetujui produksi meski menambah kompleksitas SKU — reach tambahan dinilai sepadan dengan biaya

Kasus ilustratif ini menunjukkan bagaimana conjoint dan TURF sering dipakai berurutan, bukan sebagai pilihan salah satu — conjoint dulu untuk memastikan formula intinya tepat, baru kemudian TURF untuk memutuskan berapa varian turunan yang layak diproduksi. Perusahaan kecantikan nasional dengan skala produksi besar seperti yang kita bayangkan di sini biasanya punya kemampuan riset internal atau bekerja sama dengan lembaga riset pasar untuk menjalankan kedua metode ini secara berurutan sebelum peluncuran. Perhatikan bagaimana keputusan akhir bukan murni angka reach tertinggi, melainkan mempertimbangkan trade-off antara reach tambahan dan kompleksitas operasional tambahan yang harus ditanggung tim produksi dan rantai pasok. Diskusikan dengan kelas: dalam industri Anda, tahap mana dari kedua metode ini yang lebih sering terlewat, dan konsekuensi apa yang biasanya muncul akibat itu?

Bagian 3

Dari Insight Riset ke Keputusan Peluncuran

Pertanyaan diskusi: sinyal riset apa yang paling sering diabaikan manajer sebelum produk baru akhirnya gagal di pasar?

Kerangka Keputusan Go/No-Go

Skor tertimbang membantu memisahkan keputusan berbasis data dari keyakinan personal eksekutif yang paling vokal di ruang rapat.

Kriteria	Bobot × Skor (1-5)	Kontribusi
Preference share hasil conjoint (≥60% = skor tinggi)	30% × 4	1,2
Reach TURF portofolio varian (≥65% = skor tinggi)	25% × 4	1,0
Kejelasan job konsumen (validasi kualitatif)	20% × 3	0,6
Margin proyeksi vs. harga hasil riset	25% × 3	0,75
Total skor tertimbang	—	3,55 / 5

Ambang keputusan (ilustrasi)

Skor ≥3,5 → lanjut ke penetapan harga peluncuran; skor 2,5-3,49 → riset tambahan; <2,5 → No-Go

Kerangka skor tertimbang seperti ini bukan untuk menggantikan penilaian manajerial, melainkan untuk memaksa diskusi direksi berbasis kriteria eksplisit alih-alih intuisi yang tidak bisa diaudit ulang. Bobot dan ambang batas pada tabel ini bersifat ilustratif — dalam praktik, Anda dan tim perlu menyesuaikan bobot sesuai prioritas strategis perusahaan, misalnya perusahaan dengan margin tipis mungkin memberi bobot lebih besar pada kriteria margin dibanding reach pasar. Yang penting untuk Anda bawa pulang adalah disiplin mendokumentasikan kriteria SEBELUM hasil riset masuk, supaya keputusan tidak bias mengikuti hasil yang sudah diketahui lebih dulu — ini prinsip dasar dalam pengambilan keputusan berbasis bukti. Diskusikan dengan kelas: kriteria apa yang menurut Anda paling sering hilang dari kerangka Go/No-Go di perusahaan tempat Anda bekerja?

Bias & Jebakan dalam Riset Pasar

Stated vs. Revealed Preference

Konsumen sering menyatakan preferensi berbeda dari perilaku beli aktual
Conjoint lebih tahan bias ini dibanding survei preferensi langsung — tapi tidak imun

VOC Blind Spot

Konsumen sulit membayangkan produk yang belum pernah ada
Anekdot klasik: Steve Jobs menolak riset pasar konvensional untuk iPhone — argumennya, "konsumen tidak tahu apa yang mereka inginkan sampai kita tunjukkan"

Sebagai manajer S2, sikap yang tepat bukan memilih ekstrem "selalu percaya riset" atau "abaikan riset, percaya visi" — melainkan mengenali kapan tiap pendekatan lebih layak dipakai berdasarkan tingkat inovasi produk.

Anekdot Steve Jobs ini sering disalahpahami sebagai alasan untuk mengabaikan riset pasar sepenuhnya, padahal argumen yang lebih tepat adalah riset pasar konvensional berbasis pertanyaan langsung memang lemah untuk produk yang benar-benar baru bagi konsumen — di situlah metode seperti etnografi dan JTBD yang kita bahas di awal justru lebih unggul dibanding survei preferensi biasa. Perbedaan antara stated preference, yaitu apa yang dikatakan konsumen dalam survei, dan revealed preference, yaitu apa yang benar-benar mereka lakukan saat membeli, adalah sumber kegagalan riset pasar yang paling sering terjadi, termasuk di banyak studi kelayakan produk di Indonesia yang terlalu mengandalkan kuesioner niat beli tanpa validasi perilaku aktual. Sebagai ilustrasi, banyak produk consumer goods di Indonesia yang skor "niat beli"-nya tinggi dalam survei ternyata gagal di rak toko karena harga aktual saat pembelian berbeda dari asumsi harga di kuesioner. Ajak kelas berdiskusi: bagaimana Anda akan merancang riset yang menyeimbangkan antara mendengarkan suara konsumen dan tetap berani mengambil keputusan visioner yang belum tervalidasi survei?

Menghubungkan Riset Pasar ke Keputusan Harga & Positioning

Part-worth harga dari conjoint hari ini bukan sekadar angka preferensi — itu adalah input utama untuk menentukan rentang harga yang secara realistis diterima pasar sebelum Anda menghitung skimming vs. penetration pricing minggu depan.

Reach TURF juga menentukan skala produksi awal — portofolio varian yang terlalu luas memperbesar risiko modal kerja sebelum harga final ditetapkan.

Slide ini secara sengaja menjadi jembatan menuju pertemuan minggu depan, karena setiap insight riset pasar yang kita bahas hari ini punya konsekuensi langsung terhadap keputusan harga peluncuran yang akan kita pelajari selanjutnya. Part-worth harga yang muncul dari conjoint analysis memberi Anda rentang harga yang secara empiris diterima pasar, sehingga saat masuk ke diskusi strategi skimming versus penetration pricing minggu depan, Anda sudah punya dasar data, bukan sekadar asumsi biaya plus margin. Demikian pula, keputusan jumlah varian dari TURF analysis punya implikasi langsung terhadap skala produksi dan kebutuhan modal kerja awal, yang akan memengaruhi struktur harga yang bisa ditawarkan perusahaan. Saya ingin Anda membawa angka-angka dari kasus conjoint dan TURF hari ini ke pertemuan berikutnya, karena kita akan memakainya kembali sebagai bagian dari studi kasus penetapan harga.

Latihan Kelas: Rancang Riset Pasar untuk Produk Pilihan Anda

Instruksi kerja kelompok (sisa waktu kelas)

Bentuk kelompok 3-4 orang, pilih satu produk/jasa baru yang relevan dengan industri salah satu anggota kelompok
Rumuskan pernyataan Job-to-be-Done untuk produk tersebut (situasi – motivasi – hasil yang diharapkan)
Tentukan 3 atribut produk yang akan diuji lewat conjoint analysis, dan 2-3 kandidat varian yang layak diuji TURF
Susun kerangka Go/No-Go sederhana (kriteria + bobot) yang akan dipakai untuk memutuskan kelayakan produk tersebut
Siapkan 3 slide ringkas untuk presentasi singkat pada pertemuan berikutnya sebagai pemanasan sebelum topik penetapan harga

Tujuan latihan: melatih Anda menerjemahkan kerangka riset pasar hari ini menjadi rancangan kerja nyata yang bisa dieksekusi tim produk dalam waktu terbatas — bukan sekadar memahami teorinya secara pasif.

Latihan ini dirancang agar Anda langsung mempraktikkan seluruh kerangka yang kita bahas hari ini dalam satu alur kerja yang koheren, dari JTBD sampai kerangka Go/No-Go, menggunakan produk yang benar-benar relevan dengan pengalaman kerja Anda atau anggota kelompok Anda. Saya akan berkeliling selama pengerjaan untuk membantu kelompok yang kesulitan merumuskan pernyataan job secara tepat, karena ini biasanya bagian tersulit meski terdengar sederhana. Ingat bahwa hasil kerja kelompok hari ini akan menjadi bahan pemanasan untuk pertemuan berikutnya tentang penetapan harga peluncuran, jadi pastikan atribut harga yang Anda pilih untuk conjoint benar-benar masuk akal untuk produk yang dipilih. Jika waktu tidak cukup untuk menuntaskan semua poin instruksi, prioritaskan pernyataan JTBD dan pemilihan atribut conjoint terlebih dahulu, karena dua hal itu menjadi fondasi bagi keputusan desain produk apa pun.