Pemikiran Kaca Pembesar

Kaca Pembesar pada Paritas Reach vs Konversi

Angka agregat "70% reach, -15% konversi" menyesatkan jika dilihat terpisah. Akar masalah bukan di kreatif, targeting, atau halaman—ketiganya adalah gejala, bukan sebab. Pembesaran harus jatuh pada satu pertanyaan: di mana drop-off terbesar antara impresi dan checkout?

Urutan gali:

1. Buka data funnel per cohort: pisahkan reach dari konversi berdasarkan waktu tayang (3 hari pertama vs sisa). Jika reach melonjak tapi konversi turun di hari 1-3, penyebabnya ada di keselarasan pesan-ekspektasi (creative-targeting mismatch), bukan di landing page.
2. Hitung CTR dan add-to-cart ratio secara terpisah. Jika CTR turun, masalah ada di atas (kreatif atau targeting). Jika CTR naik tapi ATC turun, masalahnya di halaman produk.
3. Sampling 20 komentar dan DM dari periode kampanye—bahasa pelanggan sering menunjuk ke akar masalah lebih cepat daripada dashboard.

Jangan pakai kaca pengecil dulu. Tahan biaya, gali funnel terlebih dahulu, baru tetapkan satu variabel yang akan diuji A/B.

Kaca Pembesar pada Celah antara Nilai Tertulis dan Keterampilan Membaca

Perbedaan 16 dari 28 murid yang "lulus tertulis tapi gagap membaca" adalah sinyal instrumental, bukan pula bukti kemampuan. Akar masalah ada pada apa yang sebenarnya diukur ulangan tertulis: jika soalnya pilihan ganda dengan teks pendek, Anda mengukur decoding kata, bukan membaca paragraf.

Validasi dalam tiga langkah:

1. Sampling 8 murid—4 yang lolos tertulis, 4 yang tidak. Minta mereka membaca paragraf berbeda secara individual. Jika keduanya membaca sama-sama tersendat, instrumen tertulis Anda yang bias (mengukur memori konteks, bukan kelancaran).
2. Cek Independent Reading Level dengan teks yang 90% akurat—uji cloze atau membaca nyaring per menit.
3. Cermini silang dengan tugas menulis. Anak yang gagap membaca paragraf sering menulis kalimat terputus; itu memperkuat hipotesis celah keterampilan.

Sebelum ubah strategi, pastikan dulu diagnosisnya benar. Ganti instrumen atau baru ubah metode.

Kaca Pembesar pada Antrian yang Molor

Data "input data 3 menit" hanya menjelaskan satu langkah, bukan satu proses. Akar masalah bottleneck hampir selalu tersembunyi di langkah yang staf tidak sadari: tunggu ruang tersedia, cari rekam medis fisik, atau validasi asuransi.

Urutkan gali dengan metode San-gen:

1. Gemba: berdiri di前台 dari pukul 07.30 selama 2 jam, catat setiap transisi status pasien (datang → dipanggil → masuk ruang). Jangan tanya—hitung.
2. Time-study setiap langkah:

• Tunggu nomor dipanggil
• Tunggu rekam medis
• Input data (3 menit, sudah terbukti)
• Tunggu verifikasi asuransi
• Tunggu ruang siap

1. Hitung backlog di setiap langkah. Langkah dengan antrian tertinggi = bottleneck, bukan langkah dengan durasi terlama.
2. **Cek hidden queue**: berapa pasien yang sebenarnya sudah "terdaftar" tapi masih menunggu hasil lab/radiologi sebelum pulang—itu menambah tekanan di hulu.

Tambah tenaga sebelum tahu bottleneck = bakar uang. Peta dulu, baru intervensi.