Pernahkah kamu mengecek aplikasi yang ada di App Store atau Google Play Store dan mendapati bahwa aplikasi tersebut sudah diperbarui? Produk perangkat lunak selalu melakukan proses pembaruan karena ingin memvalidasi asumsi dan hipotesis yang membuat pengalaman produk lebih baik bagi para penggunanya. Adanya pembaruan seperti perubahan pada layout, atau pengalaman pengguna yang lebih mengesankan adalah hal yang umumnya diterapkan oleh tim startup. Namun, sebelum dilakukannya pembaruan aplikasi, anggota tim startup harus melalui berbagai pengujian hipotesis untuk melakukan validasi.
Jadi, apa itu pengujian hipotesis?
Merupakan proses untuk validasi asumsi tentang desain dan fitur dengan tujuan memahami dampak yang terjadi bagi pengguna. Hipotesis diperlukan untuk mendefinisikan adanya keberhasilan atau kegagalan. Dikutip dari situs toptal.com, contohnya apabila manajer produk di Amazon punya hipotesis yang menunjukkan ulasan pelanggan tepat di sebelah gambar produk akan dapat meningkatkan konversi. Maka, keberhasilan ditentukan oleh tingkat konversi yang lebih tinggi. Kunci dari pengujian hipotesis adalah isolasi variabel yang berbeda agar dapat menghubungkan keberhasilan atau kegagalan dengan perubahan yang terjadi. Jadi, jika manajer produk Amazon memiliki hipotesis lebih lanjut yang menunjukkan ulasan pelanggan tepat di sebelah gambar produk akan meningkatkan konversi, tidak mungkin menguji kedua hipotesis pada saat yang bersamaan. Melakukan hal itu akan mengakibatkan kegagalan untuk menghubungkan sebab dan akibat dengan benar. Oleh karena itu, kedua perubahan tersebut harus diisolasi dan diuji satu per satu. Jadi, keputusan produk yang berhubungan dengan fitur, harus didukung oleh pengujian hipotesis untuk memvalidasi kinerja fitur.
Jadi, apa saja pengujian hipotesis yang umumnya dilakukan?
1. A/B testing
Jika masih menggunakan contoh di atas, maka A/B testing menguji di dua kondisi yang berbeda. Misalnya perubahan A adalah kondisi di mana ulasan diletakkan di sebelah gambar produk dan dirilis ke separuh pengguna, sedangkan kondisi B adalah kondisi awal sebelum adanya perubahan. Konversi akan diukur untuk setiap kelompok, yaitu kondisi A dan B, kemudian dibandingkan. Apabila hasilnya kondisi A menghasilkan konversi yang signifikan, maka hipotesis awal adalah benar, yakni konversi akan lebih tinggi apabila ulasan diletakkan di sebelah gambar produk. Kemudian perubahan ini dapat diaplikasikan dan diluncurkan ke semua pengguna.
Kapan A/B testing dapat digunakan?
Kamu dapat menggunakan pengujian ini jika ingin menguji dua desain yang spesifik dan menginginkan hasil lebih cepat. Pengujian ini sangat tepat apabila kamu tidak punya banyak trafik ke situs karena hanya ingin menguji dua variabel saja, sehingga data yang signifikan tidak diperlukan. Kelebihan dilakukannya A/B testing adalah lebih sedikit variabel yang memungkinkan data lebih mudah dilacak, sehingga kamu dapat gambaran sebenarnya tentang apa yang berhasil dan apa yang tidak. Sedangkan kelemahannya adalah hanya terfokus pada dua variabel tunggal, sehingga hasil tes sangat fokus dan tidak dapat digeneralisasikan.
2. Multivariate testing
Pengujian jenis ini dapat diaplikasikan apabila ada beberapa versi yang akan diuji. Misalnya, melanjutkan dari contoh tentang ulasan di sebelah gambar produk. Ada hipotesis bahwa gambar produk yang lebih besar akan menghasilkan tingkat konversi yang lebih tinggi. Namun, seberapa besar gambar yang dimaksud? Sebab, ‘besar’ atau ‘tidak besar’ dapat mengarah ke subjektifitas. Untuk itu, pengujian multivariat dapat dilakukan. Misalnya ada empat grup, yaitu A, B, C, D, yang masing-masing terdiri dari 25% pengguna. Grup A adalah pengguna yang tidak melihat adanya perubahan. Sedangkan grup B, C, dan D, masing-masingnya akan melihat gambar lebih besar dengan 1.1x, 1.3x, dan 1.5x. Semua varian diuji secara bersamaan untuk mengetahui mana yang terbaik.
Kapan multivariate testing dapat digunakan?
Kamu dapat mengaplikasikan multivariate testing dengan syarat memiliki trafik yang signifikan. Selanjutnya, kelebihan dari multivariate testing adalah membantu mendesain ulang halaman dengan tujuan punya dampak yang paling besar. Hasil pengujian memiliki data yang lebih signifikan serta kamu dapat memperkirakan hasil karena banyaknya variabel yang diuji. Yang cukup menarik, bahwa ternyata trafik yang tinggi dapat menjadi kelemahan karena memang membutuhkan data yang cukup banyak apabila ingin menggunakan pengujian multivariat.
Gerakan Nasional 1000 Startup Digital adalah upaya bahu membahu penggerak ekosistem startup digital Indonesia untuk saling terkoneksi, saling berbagi pengetahuan dan pengalaman.
Diinisiasi sejak 2016, gerakan ini diharapkan mendorong terciptanya mencetak startup yang menjadi solusi atas masalah dengan memanfaatkan teknologi digital. #1000StartupDigital memberikan pembinaan bagi calon founder untuk membentuk tim, membuat MVP, hingga meluncurkan produknya ke pasar.
Karena Indonesia maju, #MulaiDariKamu!
Bagikan artikel ini
