BISNIS DIGITAL · PENGEMBANGAN PRODUK

Pengembangan Produk

Pertemuan 9: Pengujian Konsep Produk dan Conjoint Analysis

Dari konsep di atas kertas menuju bukti dari pasar: bagaimana kita tahu konsumen benar-benar mau membeli produk baru kita, dan atribut mana yang paling mereka hargai.

RPS minggu 10 · 2x50 menit

Agenda Hari Ini

Jam Pertama (50 menit)

Mengapa konsep harus diuji sebelum dikembangkan
Tujuan dan jenis pengujian konsep produk
Metode riset pasar untuk konsep: survei, focus group, purchase intent
Skala purchase intent dan cara membaca hasilnya

Jam Kedua (50 menit)

Konsep dasar conjoint analysis: trade-off antar-atribut
Langkah membangun studi conjoint (atribut, level, stimulus)
Menghitung nilai utilitas (part-worth) — dua contoh terhitung
Menerjemahkan hasil conjoint menjadi keputusan desain produk

BAGIAN 1

Pengujian Konsep Produk

Mengapa ide bagus di atas kertas belum tentu laku di pasar — dan bagaimana riset pasar membantu memastikan sebelum sumber daya besar dikucurkan.

Apa Itu Pengujian Konsep Produk?

Pengujian konsep (concept testing) adalah proses menyajikan deskripsi atau representasi produk baru kepada calon konsumen untuk mengukur reaksi mereka sebelum produk benar-benar dikembangkan atau diproduksi.

Yang Diuji

Deskripsi tertulis konsep (manfaat, fitur, harga)
Sketsa, mockup, atau prototipe kasar
Storyboard penggunaan produk (skenario)

Yang Diukur

Pemahaman konsumen atas konsep
Minat beli (purchase intent)
Persepsi keunikan dan nilai dibanding pesaing

Tujuan Pengujian Konsep

Saring

Menyingkirkan konsep lemah secara dini sebelum biaya pengembangan membengkak — mirip fungsi screening di tahap sebelumnya, tapi kini berdasarkan suara konsumen langsung.

Perbaiki

Mengungkap bagian konsep yang membingungkan atau kurang menarik, sehingga tim bisa menyempurnakan pesan, fitur, atau target segmen sebelum lanjut ke pengembangan.

Perkirakan

Memberi estimasi awal potensi permintaan (demand) — input penting untuk peramalan penjualan dan analisis keuangan yang akan dibahas pertemuan mendatang.

Metode Riset Pasar untuk Pengujian Konsep

Kualitatif

Focus group discussion (FGD) — diskusi 6-10 orang menggali persepsi mendalam
In-depth interview — wawancara individu untuk memahami motivasi tersembunyi
Cocok di tahap awal saat konsep masih kasar

Kuantitatif

Survei online/offline — sampel besar, hasil terukur secara statistik
Central location test — responden diundang ke satu lokasi untuk menilai konsep
Cocok untuk validasi angka sebelum keputusan investasi

Praktik umum: mulai dengan kualitatif untuk menajamkan konsep, lalu validasi dengan kuantitatif pada sampel lebih besar sebelum keputusan go/no-go.

Kedua kelompok metode ini punya peran berbeda dan biasanya dipakai berurutan, bukan dipilih salah satu. Glosarium: focus group discussion atau FGD adalah diskusi kelompok kecil terpandu untuk menggali pendapat mendalam. Misalnya sebelum meluncurkan menu baru, sebuah waralaba kopi lokal seperti Kopi Kenangan sering mengadakan FGD dengan pelanggan setia untuk memahami reaksi awal terhadap rasa dan kemasan baru. Setelah insight kualitatif didapat dan konsep disempurnakan, barulah disebar survei kuantitatif ke ribuan responden lewat aplikasi untuk memvalidasi apakah minat beli cukup tinggi secara statistik. Central location test sering dipakai untuk produk yang perlu dicoba langsung, misalnya makanan atau kosmetik, di mana responden diundang ke mal atau venue khusus. Kombinasi dua pendekatan ini memberi keyakinan yang lebih kuat sebelum perusahaan berinvestasi besar.

Mengukur Minat Beli (Purchase Intent)

Skala paling umum: 5-point purchase intent scale — responden menyatakan kemungkinan membeli produk setelah melihat konsep.

Skala ini adalah instrumen paling praktis untuk mengukur reaksi konsumen terhadap konsep. Glosarium: top-two box adalah istilah riset pasar untuk persentase responden yang memilih dua kategori teratas skala, dalam hal ini "mungkin beli" dan "pasti beli". Misalnya jika perusahaan kosmetik lokal Scarlett Whitening menguji konsep produk serum baru kepada 300 responden dan 45 persen memilih skala 4 atau 5, maka top-two box-nya adalah 45 persen. Namun angka ini biasanya dikoreksi ke bawah karena riset menunjukkan pernyataan niat beli konsumen cenderung lebih optimis dibanding perilaku aktual mereka nanti — ini akan kita hitung detail di slide berikutnya menggunakan konsep yang menyambung dengan model ATAR yang sudah Anda pelajari. Skala 5 poin ini sederhana namun sangat sering dipakai di industri karena mudah dipahami responden dan mudah dibandingkan antar-konsep.

Hitung dari Nol: Estimasi Minat Beli Terkoreksi

Survei ke 250 calon konsumen aplikasi dompet digital baru menghasilkan data purchase intent. Kita hitung estimasi realistis minat beli.

Langkah	Perhitungan	Nilai
1. Responden jawab "Pasti Beli" (skala 5)	60 dari 250 responden	24%
2. Responden jawab "Mungkin Beli" (skala 4)	85 dari 250 responden	34%
3. Top-two box mentah	24% + 34%	58%
4. Koreksi realisme "Pasti Beli" (faktor 0,7)	24% x 0,7	16,8%
5. Koreksi realisme "Mungkin Beli" (faktor 0,3)	34% x 0,3	10,2%
6. Estimasi minat beli riil (ATAR "Awareness x Trial")	16,8% + 10,2%	27%

Angka mentah 58% terlalu optimis — praktik industri mengoreksinya dengan faktor realisme (umumnya 0,7-0,8 untuk "pasti beli" dan 0,2-0,3 untuk "mungkin beli") karena niat lisan konsumen selalu melebihi perilaku beli aktual.

Perhatikan baris demi baris tabel ini — ini pola perhitungan yang sering muncul di riset pasar sungguhan. Kita mulai dari data mentah survei, lalu menerapkan faktor koreksi karena penelitian pemasaran, misalnya oleh Nielsen, konsisten menunjukkan bahwa konsumen yang bilang "pasti beli" hanya sekitar 70 persen yang benar-benar membeli, dan yang bilang "mungkin beli" hanya sekitar 30 persen yang jadi membeli. Ini persis konsep yang sama dengan model ATAR yang menghubungkan awareness dan trial dengan penjualan aktual. Hasil akhir 27 persen inilah yang lebih realistis dipakai tim GoPay atau OVO ketika memperkirakan potensi adopsi fitur baru, jauh lebih rendah dari angka mentah 58 persen yang terlihat menggiurkan tapi menyesatkan. Kesalahan umum mahasiswa adalah langsung memakai top-two box mentah tanpa koreksi — ingat selalu terapkan faktor realisme ini dalam tugas Anda.

Coba Sendiri: Koreksi Minat Beli Top-Two-Box

Ubah jumlah responden "pasti beli" dan "mungkin beli" serta faktor koreksinya, lalu amati estimasi minat beli riil berubah.

BAGIAN 2

Conjoint Analysis: Membaca Trade-off Konsumen

Konsumen jarang menyebutkan langsung apa yang paling mereka hargai — conjoint analysis mengungkapnya lewat pilihan, bukan pernyataan.

Apa Itu Conjoint Analysis?

Conjoint analysis adalah teknik riset yang mengukur seberapa besar kontribusi (nilai utilitas) tiap atribut dan level atribut produk terhadap preferensi keseluruhan konsumen, dengan cara meminta mereka menilai kombinasi produk lengkap — bukan atribut satu per satu.

Atribut

Karakteristik produk yang diuji, misalnya harga, kecepatan pengiriman, garansi.

Level

Nilai spesifik dari tiap atribut, misalnya harga Rp 50rb / Rp 75rb / Rp 100rb.

Stimulus

Kombinasi lengkap level dari semua atribut — inilah yang dinilai responden.

Alur Studi Conjoint Analysis

Lima langkah ini adalah alur baku sebuah studi conjoint dari awal sampai keputusan bisnis. Langkah pertama biasanya memakai hasil FGD yang sudah kita bahas untuk menentukan atribut apa saja yang relevan bagi konsumen, misalnya tim Traveloka mungkin menemukan bahwa atribut penting untuk paket wisata adalah harga, durasi, dan fasilitas hotel. Langkah kedua dan ketiga adalah bagian pengumpulan data, di mana responden diberi beberapa kartu kombinasi dan diminta mengurutkan dari paling disukai sampai paling tidak disukai. Langkah keempat adalah bagian statistik yang akan kita hitung manual di slide berikutnya. Langkah kelima adalah bagian paling berharga bagi bisnis: dengan nilai utilitas di tangan, tim bisa mensimulasikan berapa persen pasar akan memilih kombinasi produk tertentu dibanding kombinasi pesaing, sebelum satu rupiah pun dihabiskan untuk produksi.

Walkthrough: Menyusun Desain Conjoint yang Efisien

Kasus: startup EdTech ingin menguji preferensi paket kursus online dengan 3 atribut, masing-masing 2 level — total kombinasi penuh 2x2x2 = 8 stimulus.

Langkah	Perhitungan	Nilai
1. Tentukan atribut: Harga, Durasi Akses, Sertifikat	3 atribut x 2 level	3 atribut
2. Desain faktorial penuh (full factorial)	2 x 2 x 2	8 stimulus
3. Masalah: responden lelah menilai 8+ kartu berulang	fatigue risk naik tajam >10-12 kartu	Risiko bias
4. Solusi: desain faktorial terpecah (fractional factorial)	subset representatif, mis. 4 dari 8	4 stimulus

Glosarium: fractional factorial design adalah teknik statistik memilih subset kombinasi yang tetap mampu mengestimasi utilitas tiap atribut secara akurat, tanpa membebani responden dengan seluruh kombinasi.

Kasus ini menggambarkan tantangan praktis yang sering dihadapi peneliti pemasaran: makin banyak atribut dan level, makin banyak kombinasi yang mungkin, tapi responden manusia punya batas kesabaran. Untuk startup EdTech dengan tiga atribut dua level ini, kombinasi penuhnya hanya 8 stimulus sehingga masih bisa dipakai semua, tapi bayangkan jika ada 5 atribut dengan 3 level masing-masing — itu bisa mencapai 243 kombinasi, jelas mustahil diminta ke satu responden. Di sinilah fractional factorial design dipakai, misalnya oleh tim riset Ruangguru saat menguji banyak kombinasi paket belajar, mereka memilih subset kombinasi yang representatif secara statistik sehingga responden hanya perlu menilai belasan kartu, bukan ratusan, namun hasil estimasi utilitasnya tetap valid. Pemahaman konseptual ini penting sebelum Anda merancang instrumen conjoint sendiri di tugas kelompok.

Hitung dari Nol: Nilai Utilitas (Part-Worth)

Responden mengurutkan 4 stimulus paket streaming musik (atribut: Harga, Kualitas Audio) dari peringkat 1 (favorit) sampai 4. Kita hitung part-worth tiap level.

Langkah	Perhitungan	Nilai
1. Rata-rata peringkat "Harga Rp 25rb" (2 stimulus)	(1+2) / 2	1,5
2. Rata-rata peringkat "Harga Rp 45rb" (2 stimulus)	(3+4) / 2	3,5
3. Utilitas relatif Harga (semakin kecil rata-rata = disukai)	3,5 - 1,5	2,0
4. Rata-rata peringkat "Audio Standar" (2 stimulus)	(1+3) / 2	2,0
5. Rata-rata peringkat "Audio HD" (2 stimulus)	(2+4) / 2	3,0
6. Utilitas relatif Kualitas Audio	3,0 - 2,0	1,0
7. Kepentingan relatif Harga (importance)	2,0 / (2,0 + 1,0) x 100	67%

Kesimpulan: Harga (bobot 67%) jauh lebih menentukan preferensi konsumen dibanding Kualitas Audio (33%) — desain paket sebaiknya prioritaskan harga kompetitif, bukan menambah fitur audio premium.

Ini adalah inti teknis conjoint analysis yang perlu Anda kuasai. Logikanya sederhana: semakin kecil angka rata-rata peringkat suatu level atribut, semakin disukai level itu, karena peringkat 1 berarti favorit. Perhatikan bagaimana kita menghitung utilitas relatif dengan mengurangi rata-rata peringkat terburuk dengan terbaik, sehingga makin besar selisihnya, makin besar pengaruh atribut itu terhadap keputusan konsumen. Di kasus paket streaming musik ini, mirip dengan yang dilakukan Spotify atau Joox saat merancang tingkatan langganan, kita temukan bahwa harga py memiliki rentang utilitas 2,0 sementara kualitas audio hanya 1,0 — artinya ketika dikonversi ke persentase kepentingan relatif, harga menyumbang 67 persen dari keputusan konsumen sementara kualitas audio hanya 33 persen. Ini adalah insight yang sangat actionable: jika anggaran pengembangan terbatas, tim produk sebaiknya fokus menurunkan harga daripada menambah fitur audio HD yang ternyata kurang dihargai konsumen dalam contoh ini.

Coba Sendiri: Hitung Utilitas Part-Worth & Simulasi Total

Ubah rata-rata peringkat tiap level atribut, lalu lihat utilitas relatif dan kepentingannya terhitung otomatis, plus simulasi utilitas total kombinasi produk.

Dari Nilai Utilitas ke Keputusan Desain Produk

Simulasi Pangsa Preferensi

Kombinasikan part-worth tiap atribut untuk membentuk skor total tiap konfigurasi produk
Bandingkan skor konfigurasi kita vs kompetitor
Estimasi persentase konsumen yang akan memilih konfigurasi kita (share of preference)

Keputusan Bisnis

Prioritaskan investasi pada atribut berbobot tinggi
Tentukan level "optimal" yang memaksimalkan utilitas dengan biaya wajar
Segmentasi: kelompok konsumen dengan pola utilitas berbeda = target pasar berbeda

Utilitas Total Produk = Σ (Part-Worth tiap level atribut yang dipilih)

Setelah nilai utilitas dihitung, langkah berikutnya adalah menerjemahkannya ke keputusan bisnis nyata. Rumus di layar ini menunjukkan bahwa utilitas total sebuah konfigurasi produk adalah jumlah dari part-worth setiap level atribut yang dipilih — misalnya konfigurasi "harga murah plus audio standar" akan punya skor berbeda dari "harga mahal plus audio HD", dan kita bisa membandingkan skor-skor ini untuk memprediksi mana yang lebih disukai pasar. Perusahaan seperti Netflix Indonesia secara rutin melakukan simulasi semacam ini sebelum menentukan struktur harga paket berlangganan baru. Satu hal penting yang sering terlewat mahasiswa: hasil conjoint juga bisa dipakai untuk segmentasi, karena tidak semua konsumen punya pola utilitas yang sama — sebagian mungkin sangat sensitif harga, sebagian lain lebih mementingkan kualitas, dan pemahaman ini membantu tim produk merancang varian produk untuk segmen berbeda, bukan satu ukuran untuk semua orang.

Pengujian Konsep vs Conjoint Analysis

Aspek	Pengujian Konsep (Concept Testing)	Conjoint Analysis
Pertanyaan inti	Apakah konsumen tertarik pada konsep ini?	Atribut mana yang paling dihargai konsumen?
Format data	Reaksi terhadap satu konsep utuh	Trade-off antar-kombinasi atribut
Output utama	Estimasi minat beli (purchase intent)	Nilai utilitas & kepentingan relatif per atribut
Kapan dipakai	Menyaring konsep besar di awal	Mengoptimalkan detail desain produk terpilih

Kedua metode saling melengkapi dalam alur proses: pengujian konsep menyaring ide besar mana yang layak lanjut, conjoint analysis menyempurnakan detail atribut dari ide yang lolos.

Tabel ini penting untuk meluruskan kebingungan umum mahasiswa yang sering mengira dua teknik ini bisa saling menggantikan, padahal keduanya menjawab pertanyaan berbeda dan idealnya dipakai berurutan. Pengujian konsep menjawab pertanyaan besar "apakah ide ini layak dilanjutkan", sementara conjoint analysis menjawab pertanyaan detail "kalau ide ini dilanjutkan, kombinasi fitur dan harga seperti apa yang paling optimal". Contohnya, tim OYO Indonesia mungkin dulu memakai pengujian konsep untuk memvalidasi apakah ide hotel budget dengan standarisasi kualitas diminati pasar Indonesia, lalu setelah konsep tervalidasi, mereka memakai conjoint analysis untuk menentukan kombinasi harga kamar, fasilitas, dan lokasi mana yang paling dihargai tamu. Memahami urutan dan perbedaan fungsi kedua alat ini akan sangat membantu Anda merancang riset pasar yang efisien untuk tugas kelompok, tidak boros anggaran namun tetap menghasilkan insight tajam.

Kesalahan Umum dalam Pengujian Konsep & Conjoint

Pengujian Konsep

Sampel tidak representatif dari target pasar sesungguhnya
Deskripsi konsep terlalu teknis atau ambigu bagi responden awam
Tidak mengoreksi angka purchase intent mentah (bias optimisme)

Conjoint Analysis

Terlalu banyak atribut/level sehingga responden kelelahan menilai
Memilih atribut yang tidak relevan bagi konsumen (bukan hasil riset kualitatif)
Mengabaikan segmentasi — menganggap semua konsumen punya preferensi sama

Bagian ini penting untuk tugas kelompok Anda karena kesalahan-kesalahan ini paling sering muncul di laporan mahasiswa. Sampel tidak representatif misalnya terjadi ketika sebuah startup fintech menguji konsep aplikasi investasi hanya ke teman kuliah sendiri yang notabene sudah melek keuangan, padahal target pasar sebenarnya adalah pekerja pemula yang baru mulai belajar investasi — hasilnya bias optimis dan tidak mencerminkan pasar sesungguhnya. Untuk conjoint, kesalahan paling umum adalah memasukkan atribut yang sebetulnya tidak penting bagi konsumen hanya karena tim internal menganggapnya menarik, padahal seharusnya atribut ditentukan dari riset kualitatif seperti FGD terlebih dahulu, bukan asumsi tim. Ingat juga bahwa preferensi konsumen jarang seragam — mahasiswa dan pekerja kantoran mungkin punya bobot kepentingan atribut yang sangat berbeda untuk produk yang sama.

Studi Kasus: Fitur Baru Aplikasi UMKM "TokoKu"

Startup TokoKu ingin meluncurkan fitur pembayaran cicilan untuk pembeli di platform mereka. Terapkan kerangka pertemuan ini secara berurutan.

Langkah 1-2: Konsep & Uji Awal

Tulis deskripsi konsep 1 paragraf: manfaat, cara kerja, biaya admin
Sebar ke 100 pengguna aktif via in-app survey
Hitung top-two box dan koreksi realismenya

Langkah 3-4: Conjoint & Keputusan

Tentukan 3 atribut: bunga cicilan, tenor, limit maksimal
Susun stimulus fractional factorial, minta pengguna mengurutkan
Hitung part-worth, tentukan konfigurasi final fitur

Studi kasus ini merangkai seluruh alur pertemuan hari ini menjadi satu alur kerja yang koheren, mirip dengan yang mungkin dilakukan tim produk Kredivo atau Akulaku saat merancang fitur baru. Anda mulai dari pengujian konsep untuk memvalidasi apakah ide fitur cicilan ini diminati pengguna UMKM sama sekali — kalau top-two box terkoreksi terlalu rendah, sebaiknya proyek dihentikan di sini sebelum biaya lebih besar dikeluarkan. Jika konsep tervalidasi, barulah masuk ke conjoint analysis untuk menentukan detail konfigurasi terbaik, misalnya apakah pengguna lebih mementingkan bunga rendah atau tenor panjang. Perhatikan bahwa urutan ini bukan kebetulan — ini adalah pola standar industri yang menghemat biaya riset sekaligus meningkatkan kualitas keputusan produk. Simpan studi kasus ini sebagai kerangka kerja untuk latihan Anda di slide berikutnya.

Latihan Kelompok

Instruksi

Pilih satu ide produk/fitur digital kelompok Anda (boleh lanjutan dari tugas konsep minggu lalu)
Tulis 1 deskripsi konsep singkat dan rancang skala purchase intent 5 poin
Tentukan 3 atribut dengan 2 level masing-masing untuk studi conjoint sederhana
Buat tabel 4 stimulus (fractional factorial) dan simulasikan hasil pengurutan dari 5 "responden" khayalan
Hitung part-worth dan tentukan konfigurasi produk final — siapkan untuk presentasi 5 menit pertemuan depan

Kumpulkan dalam bentuk slide ringkas (maks. 5 halaman) melalui portal e-learning sebelum pertemuan berikutnya dimulai.

Latihan ini dirancang agar Anda benar-benar mempraktikkan seluruh alur pertemuan hari ini, bukan hanya menghafalnya. Silakan lanjutkan dari konsep produk yang sudah kelompok Anda rumuskan minggu lalu, misalnya jika kelompok Anda mengangkat ide aplikasi katalog produk UMKM, sekarang uji konsep itu dan rancang studi conjoint sederhana untuk fitur unggulannya. Perhatikan bahwa data "5 responden khayalan" boleh Anda buat sendiri secara masuk akal untuk latihan perhitungan part-worth, karena tujuan latihan ini adalah melatih mekanisme hitung, bukan riset lapangan sungguhan. Pastikan kelompok Anda menunjukkan langkah perhitungan secara eksplisit seperti contoh yang sudah kita bahas, karena itu yang akan dinilai. Presentasi 5 menit pertemuan depan akan menjadi latihan komunikasi hasil riset yang juga penting di dunia kerja nanti.

Ringkasan Pertemuan 9

Yang Sudah Dipelajari

Pengujian konsep memvalidasi ide sebelum sumber daya besar dikucurkan
Purchase intent perlu dikoreksi dengan faktor realisme, tidak dipakai mentah
Conjoint analysis mengungkap trade-off nyata via kombinasi stimulus
Part-worth dan kepentingan relatif mengarahkan prioritas desain produk

Menuju Pertemuan Berikutnya

Full screening dan scoring model kelayakan produk baru
Data purchase intent & utilitas hari ini menjadi input scoring
Siapkan hasil latihan kelompok untuk dipresentasikan

Terima Kasih

Pertanyaan & Diskusi

Referensi utama: Crawford, C.M. & Di Benedetto, C.A., New Products Management, edisi terbaru — Bab Pengujian Konsep & Riset Pasar Kuantitatif.