Program insentif sering kali tidak menghasilkan kinerja yang baik
- Pengguna yang masuk melalui program referral, uji coba gratis, kupon, dan gamifikasi umumnya menunjukkan kinerja yang jauh lebih buruk dibanding pengguna yang datang secara alami. Mereka memiliki nilai seumur hidup (LTV), tingkat konversi, keterlibatan, dan metrik lain yang lebih rendah
- Berdasarkan pengalaman sebelumnya menangani program referral Uber bernilai lebih dari 300 juta dolar per tahun, pembelajaran ini juga berlaku pada bidang-bidang baru seperti aplikasi konsumen yang digamifikasi dan game web3
Kegagalan spreadsheet CAC/LTV
- Saat produk baru diluncurkan ke pasar, tim biasanya mengukur metrik dasar seperti nilai seumur hidup, lalu jika angkanya terlihat bagus, mereka mencoba menarik lebih banyak pengguna melalui program insentif
- Namun insentif seperti ini sering kali menarik tipe pengguna lain yang sebelumnya memang tidak akan mendaftar, sehingga menyebabkan negative selection
- Ketika produk sudah lama ada di pasar dan pasar intinya sebagian besar telah jenuh, masalah ini menjadi semakin parah, dan penipuan yang memanfaatkan insentif juga meningkat
- Bisa sesederhana membuat akun baru untuk mendapatkan insentif, atau bisa jauh lebih terorganisasi dan berniat jahat
- Inilah alasan mengapa metrik inti seperti LTV dan keterlibatan sering kali bisa menjadi setengah lebih buruk, atau bahkan lebih rendah
- Pengguna tambahan dari mekanisme upside-down memang terasa menyenangkan secara permukaan, tetapi dalam praktiknya jumlah pengguna yang lebih sedikit justru lebih baik bagi model bisnis
- Dan perhatian terhadap program referral yang rumit juga bisa menyedot perhatian dari inovasi di bagian lain produk
- Terakhir, ada satu masalah yang halus tetapi sangat penting: cannibalization
- Ada kalanya sebuah produk memiliki target pasar tertentu dan butuh waktu untuk menyebar lewat pengguna ideal, dan word of mouth itu seperti sihir karena gratis
- Dan ketika itu terjadi secara organik, niat penggunanya jauh lebih tinggi
- Namun ketika pengguna ideal ini mengenal produk melalui program insentif, sering kali hal itu menimbulkan biaya karena kita "membeli" pengguna yang sebenarnya akan bisa didapatkan juga
- Di Uber, hal ini benar-benar terjadi
- Program referral untuk rider dari waktu ke waktu berkinerja makin buruk, bukan hanya lebih buruk daripada kanal lain, tetapi bahkan jauh lebih lemah daripada pengguna yang diakuisisi lewat iklan berbayar
- Pengeluaran jutaan dolar pun terjadi secara tidak perlu
Mengapa ini penting di dunia web3 dan aplikasi bergamifikasi
- Di web3, aplikasi konsumen yang digamifikasi, dan sejenisnya, dampak dari masalah ini sangat luas
- Jika sebuah game atau aplikasi tidak memiliki keterlibatan dan retensi yang intrinsik, menambahkan mekanisme permainan saja tidak cukup
- Bahkan, alih-alih memperbaiki keadaan, mekanisme baru bisa memperburuknya karena menarik kelompok pengguna yang merespons mekanisme tersebut tetapi tidak benar-benar menggunakan produk intinya
- Web3.0 pada masa awal banyak menarik speculator lewat insentif, tetapi sering kesulitan menemukan gameplay yang menyenangkan untuk benar-benar mendapatkan pengguna nyata
- Dengan cara serupa, aplikasi konsumen yang digamifikasi (jenis trading) cenderung menarik dan mempertahankan tipe pengguna tertentu yang mau terlibat dengan aplikasi gamifikasi apa pun, tetapi tidak benar-benar terlibat dengan aplikasi intinya dan segera pindah ke aplikasi lain
- Dinamika ini menciptakan pola yang berkaitan dengan "hukum click-through rate yang menyedihkan"
- Bukan hanya performa kanal pemasaran individual yang menurun, tetapi seiring waktu banyak kanal baru yang ditambahkan—karena adanya pemberian insentif—juga berkinerja lebih buruk daripada kanal awal
- Akibatnya, semakin jauh dijalankan, seluruh sistem menjadi lebih lambat dan lebih sulit
- Menariknya, di Uber program referral di sisi pengemudi justru menarik pengguna yang sangat terseleksi secara positif
- Jika pada program referral rider banyak orang hanya ingin mendapatkan diskon, maka pengemudi memiliki motivasi finansial yang kuat
- Karena motivasinya tinggi dan mereka mendaftar untuk mendapatkan bonus referral yang lebih besar, performa mereka setelah bergabung justru lebih baik
- Referral hanya menyumbang 15% dari pendaftar, tetapi pada orang yang benar-benar melakukan perjalanan pertama, angkanya jauh di atas 30%
5 komentar
Setuju banget
Terima kasih telah membagikan artikel yang bagus ini
Cara merancang program referral
Ini adalah tulisan yang sebaiknya dibaca bersama artikel tersebut.
Jika digabungkan, intinya adalah "program referral memang membantu, tetapi fitur viral lebih efektif. Jika ingin menjalankan referral, harus disusun dengan baik agar dapat menarik pengguna yang aktif"
Pendapat Hacker News
Orang-orang yang menjalankan skema kupon sebelum era internet mungkin sudah mengetahui hal ini.
Saat Groupon sedang populer, ada banyak diskusi tentang topik ini.
Kupon menarik orang dengan pola pikir kekurangan.
Dari pengalaman pribadi, pelanggan terburuk adalah mereka yang menginginkan harga paling murah.
Beberapa teman ikut dalam penawaran semacam ini, dan itu bisa menjadi indikator awal dari model bisnis yang akan gagal.
Dalam SaaS, pengguna yang paling banyak membutuhkan pemeliharaan adalah perusahaan 'kecil'.
Salah satu alasan besar mengapa memulai startup itu sulit adalah karena harus mendapatkan akses ke pelanggan berkualitas tinggi.
Ada pasar sasaran, dan kadang produk memang butuh waktu untuk menyebar di antara pengguna ideal.
Pelanggan "buruk" tidak melakukan tindakan ilegal atau melanggar TOS.
Saat melakukan konsultasi UX, ada pola yang terlihat bahwa memiliki UX yang sangat mulus pada produk awal bisa menjadi antipola untuk kesuksesan jangka panjang.