Produk Digital Lebih Berguna Saat Hadir di Momen Keputusan

Cara membuat produk digital lebih berguna adalah menyediakan bantuan saat pengguna sedang menentukan tindakan. Data yang lengkap bisa menjadi bahan pertimbangan, sementara kegunaannya bergantung pada kemampuan pengguna menerjemahkan informasi menjadi keputusan.

Intinya:

• Produk punya kesempatan membantu ketika pengguna masih bisa mengubah tindakan berikutnya.
• Bantuan yang relevan menghubungkan konteks pengguna dengan pilihan yang masuk akal.
• Audit produk bisa dimulai dari keputusan yang membuat pengguna ragu, menunda, atau berhenti.

Coba kamu bayangin dua aplikasi pencatat kebiasaan belajar. Ini contoh hipotetis untuk melihat perbedaan cara kerjanya.

Aplikasi pertama mencatat durasi belajar, menampilkan grafik, dan menghitung rentetan hari aktif. Setiap malam, pengguna bisa melihat apakah targetnya tercapai.

Aplikasi kedua punya catatan serupa. Pengguna juga bisa memilih waktu pendampingan dan memberi tahu hambatan yang biasanya muncul.

Menjelang jadwal belajar, aplikasi kedua bertanya: “Tenagamu cukup untuk sesi penuh, atau mau mulai dari satu latihan?”

Pengguna yang kelelahan punya pilihan konkret. Dia bisa memperkecil sesi, menggeser jadwal, atau melewatkannya dengan sadar.

Perbedaannya muncul sebelum keputusan selesai. Ketika laporan baru dibuka setelah pengguna menyerah, kesempatan membantu keputusan malam itu sudah lewat.

Saat saya menelaah dua skenario ini sebagai praktisi AI dan digital marketing strategist, pertanyaan saya sederhana: keputusan apa yang terbantu?

Dari situ, kita bisa membedah nilai produk dengan lebih jelas.

Bagaimana cara membuat produk digital lebih berguna saat dibutuhkan?

Dukungan keputusan kontekstual adalah bantuan yang mempertimbangkan situasi pengguna ketika dia memilih tindakan. Konsep ini punya lima atribut yang bisa kamu periksa:

• Waktu: bantuan hadir ketika pilihan masih terbuka.
• Konteks: produk memahami hambatan yang relevan melalui informasi yang diberikan pengguna.
• Pilihan: pengguna mendapat tindakan lanjutan yang jelas.
• Kendali: pengguna bisa menolak, mengubah, atau menghentikan bantuan.
• Umpan balik: produk memberi ruang untuk mengetahui apakah bantuannya sesuai.

Kelima atribut ini saling melengkapi. Pesan yang waktunya tepat tetap bisa mengganggu kalau isinya mengabaikan keadaan pengguna.

Bayangkan aplikasi tadi selalu menyuruh pengguna menambah durasi belajar. Padahal, pengguna sudah menyatakan sedang kelelahan dan ingin mempertahankan kebiasaan ringan.

Produknya hadir, tetapi sarannya tidak cocok dengan tujuan yang sedang dijaga.

Momen keputusan adalah titik ketika pengguna memilih tindakan yang memengaruhi langkah berikutnya. Dalam contoh tadi, titiknya muncul ketika pengguna menimbang apakah akan membuka materi, memperkecil sesi, atau menunda.

Momen seperti ini sering tersembunyi di antara fitur. Dashboard menampilkan keadaan, halaman materi menyediakan isi, tetapi pengguna masih harus menentukan langkah penghubungnya.

Nah, langkah penghubung itulah yang perlu kamu perhatikan. Produk bisa membantu dengan memperjelas pilihan, menunjukkan konsekuensi sederhana, atau mengurangi pekerjaan untuk memulai.

Data menjadi berguna ketika pengguna bisa menerjemahkannya

Grafik belajar menurun memberi tahu pengguna bahwa sesuatu berubah. Pengguna masih perlu menafsirkan penyebabnya dan menentukan respons.

Baca jugaBisnis & Produk DigitalPlaybook Bisnis dan Produk Digital

Apakah jadwalnya terlalu berat? Apakah materinya membingungkan? Apakah targetnya sudah tidak relevan?

Setiap penafsiran mengarah ke tindakan berbeda. Menambah pengingat pada pengguna yang kesulitan memahami materi bisa membuat hambatannya tetap utuh.

Mekanismenya bisa kamu ikuti sebagai urutan:

1. Pengguna melihat informasi tentang kondisinya.
2. Pengguna mencoba memahami arti informasi tersebut.
3. Pengguna membandingkan pilihan tindakan.
4. Pengguna memilih dan menjalankan salah satunya.

Produk yang hanya mencatat berhenti membantu di langkah pertama. Dukungan keputusan dapat mengurangi pekerjaan berpikir pada langkah berikutnya.

Misalnya, aplikasi menanyakan hambatan terlebih dahulu. Jika pengguna memilih “materinya membingungkan”, aplikasi menawarkan contoh pengerjaan sebelum menyarankan sesi tambahan.

Pertanyaan kecil itu mengubah dasar bantuan. Produk memakai jawaban pengguna untuk memilih respons yang lebih sesuai.

Pemicu perilaku adalah kejadian teramati yang dipakai untuk memulai bantuan. Contohnya, pengguna membuka halaman latihan berulang kali tanpa memulai.

Namun, pemicu tersebut hanya menunjukkan kejadian. Penyebabnya masih perlu diperiksa.

Pengguna mungkin bingung, terdistraksi, atau sekadar sedang membaca instruksi. Karena itu, pertanyaan “Ada bagian yang perlu diperjelas?” lebih masuk akal daripada langsung menyimpulkan pengguna kehilangan motivasi.

Di sini, kualitas bantuan bergantung pada ketepatan membaca situasi sekaligus kesediaan mengakui informasi yang belum tersedia.

Untuk tim kecil, cari satu keputusan yang layak dibantu

Kalau kamu menjalankan bisnis dengan tim tipis, menyediakan pendampingan di setiap langkah akan menyita perhatian. Pilih satu keputusan yang dekat dengan manfaat utama produk.

Misalnya, kamu menjual template perencanaan konten. Pembeli bisa mengisi ide, memilih kanal, dan mengatur jadwal.

Titik sulitnya mungkin muncul ketika dia harus menentukan ide mana yang dikerjakan lebih dulu. Menambah kolom justru bisa menambah bahan yang harus dipikirkan.

Kamu bisa menyisipkan panduan pemilihan di titik tersebut: tujuan kontennya apa, bahan mana yang sudah tersedia, dan pekerjaan mana yang sanggup diselesaikan?

Pengguna kemudian memilih berdasarkan keadaan usahanya. Bantuan ini bisa berbentuk pertanyaan singkat di template, tanpa membangun aplikasi tambahan.

Pendekatan tersebut sejalan dengan memusatkan pengembangan pada satu produk digital. Perhatian tim diarahkan untuk memperdalam manfaat yang sudah dijanjikan produk.

Untuk kelas digital, titiknya bisa berada setelah peserta memahami materi tetapi kesulitan memilih tugas penerapan. Sediakan jalur tugas berdasarkan situasi yang mereka nyatakan.

Untuk aplikasi operasional, titiknya bisa muncul ketika pengguna menemukan pekerjaan tertunda. Tampilkan pilihan lanjutan yang sesuai kewenangannya, misalnya menjadwalkan ulang atau meminta penjelasan.

AI bisa dipertimbangkan ketika jawaban pengguna beragam dan perlu ditafsirkan. Kalau pilihannya sederhana, aturan yang jelas mungkin sudah mencukupi.

Mulai dari keputusan yang hendak dibantu. Kebutuhan teknologinya akan lebih mudah dinilai setelah alurnya terlihat.

Kapan pendampingan justru mengganggu pengguna?

Ada keadaan ketika pengguna hanya membutuhkan pencatatan yang akurat. Dia sudah tahu apa yang harus dilakukan dan ingin menyelesaikan pekerjaan dengan cepat.

Pada situasi itu, pertanyaan tambahan dapat memperpanjang alur. Bantuan sebaiknya tersedia sesuai kebutuhan, dengan cara menutup atau menonaktifkannya.

Pendekatan ini juga punya beberapa jebakan:

• Konteks terlalu tipis. Aktivitas di aplikasi belum tentu menjelaskan alasan di balik tindakan pengguna.
• Waktu dipaksakan. Jam yang dianggap rawan oleh pembuat produk bisa menjadi waktu istirahat yang ingin dilindungi pengguna.
• Tujuan bergeser. Bantuan mulai diarahkan untuk memperpanjang penggunaan aplikasi, sementara tujuan pengguna sebenarnya selesai lebih cepat.
• Data dasar keliru. Saran yang memakai catatan salah bisa mengarahkan pengguna pada pilihan yang tidak sesuai.

Karena itu, definisikan keberhasilan dari sisi pengguna. Dalam contoh belajar, membuka notifikasi belum membuktikan bahwa pengguna menemukan sesi yang sesuai kemampuannya.

Periksa juga kebutuhan datanya. Pengguna perlu memahami informasi apa yang dipakai dan bisa memilih apakah ingin menerima pendampingan.

Kepercayaan memberi ruang bagi bantuan. Pertanyaan yang terasa mengawasi bisa membuat pengguna enggan memberikan konteks yang justru dibutuhkan produk.

Audit minggu ini dimulai dari satu kejadian nyata

Kamu bisa menguji gagasan ini tanpa langsung mengubah seluruh produk. Ambil satu alur yang sudah dipakai pengguna, lalu jalankan langkah berikut.

1. Minta pengguna menceritakan kejadian terakhir. Tanyakan kapan dia berhenti, pilihan apa yang dipikirkan, dan apa yang akhirnya dilakukan.
2. Tandai keputusan yang tersendat. Catat apakah hambatannya memahami informasi, membandingkan pilihan, atau memulai tindakan.
3. Cari sinyal yang tersedia. Gunakan informasi secukupnya untuk mengetahui kapan bantuan mungkin relevan.
4. Buat bentuk bantuan paling sederhana. Coba pertanyaan singkat, contoh isian, atau pilihan langkah berikutnya pada bagian terkait.
5. Periksa keputusan setelah bantuan diberikan. Tanyakan apakah pengguna lebih mudah memilih, merasa terganggu, atau masih membutuhkan informasi lain.

Dasar audit ini adalah memvalidasi keputusan produk melalui percakapan dengan pengguna asli. Cerita tentang kejadian terakhir memberi bahan konkret untuk memeriksa dugaanmu.

Catat juga saat bantuan ditolak. Penolakan bisa menunjukkan waktu yang keliru, pertanyaan yang kurang relevan, atau pengguna yang memang sudah mandiri.

Hasil percobaan kecil ini menjadi bahan untuk memutuskan apakah bantuan perlu diperbaiki, diperluas, atau dihentikan.

Nilai produk terasa ketika pengguna tahu apa yang bisa dia lakukan berikutnya. Coba buka produkmu minggu ini dan temukan satu momen ketika pilihan pengguna masih terbuka.

Mulailah menemani keputusan di sana.

Kalau kamu mau dibimbing membangun produk digital dari keahlianmu sendiri, lihat program mentoring AI.