Vanity Metrics Bikin Kamu Merasa Sukses Padahal Nggak: Belajar Innovation Accounting dari Votizen

Eric Ries punya kebiasaan bertanya ke founder yang baru saja dapat kucuran dana: "dari mana kamu tahu perusahaanmu sukses?" Jawabannya hampir selalu sama — "kami ahli di bidang ini", atau "bulan lalu kami ubah sesuatu, dan sepertinya retensi naik". Kedengarannya masuk akal. Tapi coba pikir lagi: seberapa jauh jawaban itu bisa dipertanggungjawabkan?

Ini bukan soal founder yang malas berpikir. Ini soal jebakan yang hampir semua startup pernah masuki: vanity metrics, angka yang terlihat bagus di atas kertas tapi nggak memberi tahu kamu harus melakukan apa selanjutnya.

Tiga Ciri Metrik yang Sehat

Supaya nggak terjebak vanity metrics, Eric Ries menawarkan tiga kriteria sederhana — sebut saja "3D":

• Ditindaklanjuti (Actionable). Metrik yang baik menunjukkan sebab-akibat yang jelas: kalau angka ini turun, kamu tahu persis apa yang harus diperbaiki. Bandingkan dengan metrik abal-abal — misalnya "40.000 pengunjung bulan ini" — yang membuat tim buru-buru mengklaim itu hasil kerja keras mereka, tapi giliran angkanya turun, yang disalahkan malah faktor eksternal.
• Diakses (Accessible). Data secuanggih apa pun percuma kalau cuma dipahami satu-dua orang di tim data. Semua anggota tim, bukan cuma yang jago statistik, harus bisa mencerna apa arti angka itu.
• Diaudit (Auditable). Ketika data bilang sebuah fitur gagal, itu harus cukup kuat untuk membuat orang menerima kegagalan tanpa merasa dipersalahkan secara pribadi. Data yang lemah cuma akan memicu debat kusir soal validitasnya.

Studi Kasus: Empat Lompatan Nekat Votizen

David Binetti, pendiri Votizen — jejaring sosial untuk pemilih terverifikasi — nggak asal jalan. Ia merumuskan empat hipotesis lompatan nekat (leap-of-faith) yang harus terbukti benar supaya bisnisnya layak diteruskan:

1. Registrasi — apakah orang cukup tertarik untuk mendaftar ke jejaring ini?
2. Aktivasi — bisakah Votizen memverifikasi mereka sebagai pemilih terdaftar?
3. Retensi — apakah pengguna terverifikasi benar-benar kembali berinteraksi di situs?
4. Rekomendasi — apakah pengguna aktif mau mengajak teman-temannya bergabung?

Empat bulan pertama, hasilnya jauh dari memuaskan — persentase di setiap tahap masih rendah. David tidak langsung menyerah, tapi juga tidak berpura-pura semuanya baik-baik saja. Ia masuk ke fase optimasi: interaksi langsung dengan konsumen, focus group discussion, dan uji multivariat, sambil terus memantau bagaimana perilaku tiap kelompok pengguna berubah dari waktu ke waktu.

Empat bulan berikutnya angkanya naik. Tiga bulan setelah itu naik lagi. Tapi di titik ini letak pelajaran pentingnya: kenaikan angka saja nggak otomatis berarti "lanjut terus". David sudah punya patokan kuantitatif yang jelas sejak awal untuk tiap hipotesisnya — jadi walau angkanya membaik, ia tahu persis bahwa laju perbaikannya masih belum cukup untuk menopang keberlangsungan bisnis. Ia memutuskan banting setir, dari model B2C ke B2B — sebuah keputusan yang justru terbukti tepat, membawa Votizen sampai mendapat pendanaan dari Peter Thiel dan Facebook.

Yang membuat David bisa mengambil keputusan sebesar itu bukan insting, melainkan karena ia sudah menyiapkan tolok ukur yang jelas jauh sebelum data itu datang. Tanpa itu, kenaikan angka bisa dengan mudah disalahartikan sebagai tanda "semua sudah on track".

Ketika Insinyur Suka, Tapi Konsumen Diam Saja

Kasus serupa terjadi di Grockit, startup edukasi milik Farbood "Farb" Nivi. Grockit sudah menjalankan siklus lean yang benar — dari visi, uji hipotesis, ukur, belajar, sampai membangun MVP, lalu berputar lagi. Tapi Farb mulai curiga: proses yang berjalan lama dan pembangunan fitur satu per satu ini, benar-benar mengarah pada peningkatan, atau cuma terasa produktif?

Ia lalu mengadopsi pendekatan cohort dan multivariate testing — mengelompokkan pengguna ke dalam segmen, memberi tiap segmen fitur berbeda, lalu mengamati perilaku mereka secara rinci lewat A/B testing. Hasilnya cukup mengejutkan: fitur yang menurut para insinyur "keren" dan "seharusnya berdampak" ternyata tidak mengubah perilaku konsumen secara signifikan.

Di sinilah nilai pengukuran yang tepat terlihat. Tanpa cohort analysis, tim bisa saja terus menghabiskan waktu membangun fitur berdasarkan selera internal — bukan berdasarkan apa yang benar-benar digerakkan oleh data pengguna.

Jadi, Metrikmu Vanity atau Actionable?

Sebelum melaporkan sebuah angka sebagai tanda kemajuan, coba tanyakan beberapa hal ini:

• Kalau angka ini naik atau turun minggu depan, apa aku tahu persis tindakan apa yang harus diambil?
• Apakah angka ini dipecah berdasarkan segmen atau perilaku (cohort), bukan cuma angka total yang digabung rata?
• Kalau angka ini menunjukkan kegagalan, apa aku (dan timku) siap menerimanya sebagai fakta, bukan sekadar "masih belajar"?
• Apakah kenaikan ini benar-benar hasil dari keputusan yang aku uji, atau cuma kebetulan dari faktor lain?

Kalau jawabannya banyak "tidak", kemungkinan besar kamu sedang melihat vanity metrics — angka yang enak dipandang, tapi nggak membawamu ke mana-mana.