Tentang Kami

Konsultan yang lahir dari persimpangan ekonomi perilaku dan pengalaman manusia.

KAMI SEDANG MEREKRUT

Bergabunglah dengan tim yang membentuk ulang cara dunia merasakan merek.

Lihat posisi yang tersedia →

PERUSAHAAN

BERKEMBANG BERSAMA KAMI

TERHUBUNG

Layanan

Konsultasi manajemen dan CX komprehensif untuk merek-merek perusahaan.

SEMUA LAYANAN

Jelajahi berbagai layanan konsultasi CX & manajemen.

Lihat semua layanan →

INTI

SPESIALIS

Solusi

Solusi terstruktur yang mengubah ambisi CX menjadi hasil terukur.

SEMUA SOLUSI

Jelajahi setiap solusi CX yang kami tawarkan.

Telusuri solusi →

STRATEGI & TATA KELOLA

DESAIN & PENGIRIMAN

BUDAYA & PENGALAMAN

Industri

Satu dekade transformasi CX di seluruh sektor utama di kawasan ini.

SEMUA INDUSTRI

Lihat bagaimana kami bekerja di setiap sektor.

Telusuri industri →

LINGKUNGAN BINAAN

KEUANGAN & TEKNOLOGI

ORANG & MOBILITAS

Produk

Alat, platform, dan AI milik Renascence yang mendorong transformasi CX.

SEMUA PRODUK

Jelajahi ekosistem produk Renascence selengkapnya.

Telusuri produk →

AI & TEKNOLOGI

PEMBELAJARAN & PERMAINAN

PLATFORM & PERANGKAT

PRODUK AI

Opini

Wawasan, riset, dan percakapan di garis depan CX.

BacaJurnal PengalamanArtikel & riset tentang CX, perilaku, dan transformasi.Tonton & dengarkanRangkai PengalamanPodcast video kami tentang CX & perilaku.TerpilihBerita CXBerita industri yang penting dalam CX, tanpa keramaian.

Artikel terbaru

Episode terbaru

Berita terbaru

Pusat

Alat, templat, dan sumber daya gratis untuk memajukan praktik CX Anda.

BARU · MANIFESTO

Bakar Deknya. Sepuluh Kebajikan. Nol Alasan. — baca manifesto kami untuk konsultan pemberani.

Mulai membaca →

ALAT AI

ALAT GRATIS

PEMBELAJARAN

BUDAYA

Jelajahi

Survivorship Bias

Berfokus pada penyintas mendistorsi data CX dan menyembunyikan alasan sebenarnya pelanggan pergi.

Terapkan ini bersama kamiSemua bias
Apa itu

Mengapa Anda Hanya Mendengar dari Pelanggan yang Bertahan

Kategori

Bias Jelajahi — bagian dari pustaka perilaku REBEL.

Asal
Ditemukan olehAbraham Wald (1943)
Diperkenalkan olehAbraham Wald
SumberStatistical Research Group, Columbia University (WWII)
Bagaimana hal itu muncul dalam CX

Bias kelangsungan hidup membelokkan riset pengalaman pelanggan ke arah pelanggan yang bertahan, menutupi pendorong churn. Suara-suara keluar tidak ada secara desain, membuat data kepuasan sangat menyanjung.

Pilar CX yang diperkuat
IntegrityExpectations
Cara mendesainnya
1

Jalankan program wawancara keluar (exit interview) yang berkelanjutan dalam beberapa hari setelah pelanggan berhenti.

2

Audit rekrutmen riset untuk menyertakan pelanggan yang sudah tidak aktif dan yang tidak berhasil dikonversi.

3

Lacak indikator utama seperti frekuensi login dan adopsi fitur.

4

Seimbangkan studi kasus keberhasilan dengan data hasil dasar yang jujur.

5

Gunakan sesi pra-mortem untuk mengungkap mode kegagalan sebelum peluncuran.

Bukti

Statistikawan Abraham Wald (Perang Dunia II) menunjukkan bahwa insinyur militer memperkuat area pesawat pengebom yang menunjukkan lubang peluru—tetapi pesawat-pesawat itu selamat. Kerusakan fatal tidak terlihat karena pesawat-pesawat itu tidak pernah kembali. Pelajarannya: data yang tidak ada seringkali merupakan data yang paling penting.

Analisis mendalam

Apa itu Bias Bertahan Hidup dan Mengapa Terjadi

Bias bertahan hidup (survivorship bias) adalah kesalahan kognitif yang terjadi ketika kita hanya berfokus pada entitas yang berhasil melewati suatu proses seleksi, sementara mengabaikan entitas yang tidak berhasil — semata-mata karena kegagalan tersebut tidak lagi terlihat. Istilah ini berasal dari analisis terkenal ahli statistik Abraham Wald pada Perang Dunia Kedua mengenai pesawat pengebom yang kembali: insinyur militer ingin memperkuat area pesawat yang menunjukkan lubang peluru terbanyak, namun Wald menunjukkan bahwa mereka hanya memeriksa pesawat yang selamat. Lubang yang mereka lihat justru menunjukkan di mana pesawat bisa terkena tembakan dan tetap kembali. Kerusakan fatal tidak terlihat, karena pesawat-pesawat itu tidak pernah kembali.

Bias ini muncul dari cacat mendasar dalam data yang tersedia. Kegagalan, putus sekolah, dan pelanggan yang berhenti meninggalkan sampel, membuat populasi yang tersisa tampak lebih seragam berhasil, puas, atau representatif daripada yang sebenarnya. Otak kita, yang dirancang untuk menemukan pola pada apa yang ada daripada apa yang tidak ada, memperlakukan mereka yang bertahan sebagai keseluruhan cerita.

Bagaimana Bias Bertahan Hidup Muncul dalam Pengalaman Pelanggan

Dalam CX, bias bertahan hidup meresap dan merusak secara diam-diam, karena pelanggan yang pendapatnya paling dibutuhkan — mereka yang pergi, tidak terlibat, atau tidak pernah melakukan konversi — justru adalah orang-orang yang jarang didengar oleh organisasi.

Survei pasca-pembelian dan program NPS

Ketika sebuah merek mengirimkan survei kepuasan setelah pembelian, hanya pelanggan yang menyelesaikan transaksi yang menerimanya. Mereka yang meninggalkan keranjang belanja, keluar dari toko, atau membatalkan di tengah proses orientasi dikecualikan secara sengaja. Skor yang dihasilkan terlihat bagus, tetapi mereka menggambarkan kelompok penyintas yang memilih sendiri. Amazon, dengan segala kecanggihannya, telah mengakui bahwa peringkat pasca-pengiriman cenderung positif karena pelanggan yang tidak puas seringkali tidak kembali untuk menilai pengalaman tersebut — mereka menghilang.

Desain produk dan layanan yang diinformasikan oleh pengguna setia

Tim sering melakukan riset pengguna dengan pelanggan mereka yang paling terlibat — mereka yang menghadiri acara komunitas, membalas email, dan bergabung dengan program beta. Slack secara terbuka berbicara tentang risiko mendesain untuk "pengguna ahli" yang telah beradaptasi dengan keanehan produk, sementara mengabaikan sejumlah besar pendaftar baru yang berhenti dalam dua minggu pertama karena proses orientasi terlalu rumit. Mereka yang bertahan membentuk peta jalan; mereka yang pergi membentuk tingkat churn.

Testimoni dan studi kasus

Tim pemasaran secara alami menampilkan pelanggan yang mencapai hasil luar biasa. Weight Watchers dan program serupa telah menghadapi pengawasan karena mengiklankan transformasi dramatis dari sebagian kecil anggota sementara mayoritas mengalami hasil yang lebih sederhana. Calon pelanggan, yang hanya terpapar pada kisah sukses ini, membentuk harapan yang tidak realistis — dan ketika kenyataan tidak sesuai, kepercayaan terkikis dengan cepat.

Tolok ukur kompetitif

Organisasi sering melakukan tolok ukur terhadap pesaing yang masih beroperasi dan terlihat. Pelajaran peringatan yang tertanam dalam merek yang gagal — penolakan Blockbuster untuk berinvestasi dalam kenyamanan digital, pengabaian Thomas Cook terhadap pengalaman pemesanan online — secara sistematis kurang diperhatikan karena perusahaan-perusahaan tersebut tidak lagi ada untuk dipelajari.

Koneksi ke Kerangka REBEL: Jelajahi

Dalam kerangka REBEL Renascence, bias bertahan hidup berada kuat dalam dimensi Jelajahi — tahap yang berkaitan dengan bagaimana organisasi mengumpulkan informasi tentang pelanggan, pasar, dan kinerja mereka sendiri. Jelajahi adalah tentang kualitas dan kelengkapan informasi yang menjadi dasar setiap keputusan selanjutnya. Ketika bias bertahan hidup mencemari fase Jelajahi, setiap pilihan selanjutnya — mulai dari desain perjalanan hingga pemulihan layanan hingga investasi produk — dibangun di atas fondasi yang terdistorsi.

Jika Anda hanya mempelajari pelanggan yang bertahan, Anda hanya akan belajar cara melayani orang-orang yang sudah cenderung bertahan.

Lensa Jelajahi menuntut tim CX dan perilaku secara aktif mencari data yang tidak terlihat: pelanggan yang berhenti secara diam-diam, prospek yang tidak terkonversi, keluhan yang tidak pernah diajukan. Mengoreksi bias bertahan hidup bukan hanya pertanyaan metodologi penelitian; ini adalah komitmen strategis terhadap kejujuran intelektual tentang seperti apa sebenarnya basis pelanggan.

Cara Praktis Tim CX dan Perilaku Dapat Merancangnya

Lakukan riset keluar dan churn secara sistematis

Bangun program berkelanjutan — bukan proyek sesekali — untuk mewawancarai atau mensurvei pelanggan dalam beberapa hari setelah pembatalan, tidak memperbarui, atau penurunan keterlibatan yang signifikan. Jaga agar sampel tetap luas dan insentifnya sederhana, untuk menghindari hanya menarik mereka yang paling dirugikan. Tujuannya adalah pengenalan pola di seluruh mayoritas yang diam, bukan pengumpulan anekdot dari outlier.

Audit kriteria perekrutan riset Anda

Sebelum sesi riset pengguna apa pun, petakan seluruh populasi pelanggan — termasuk mereka yang tidak pernah mengaktifkan, mereka yang berhenti, dan mereka yang mengeluh dan tidak dipertahankan. Jika kriteria perekrutan Anda secara sistematis mengecualikan kelompok-kelompok ini, temuan Anda akan bias penyintas sejak awal.

Lacak indikator utama keberangkatan, bukan hanya kepuasan

Metrik seperti frekuensi login, kedalaman adopsi fitur, dan sentimen tiket dukungan seringkali menandakan churn yang akan datang berminggu-minggu sebelum terjadi. Memantau indikator-indikator ini membuat pelanggan yang akan segera tidak terlihat tetap terlihat selagi masih ada waktu untuk campur tangan.

Perkenalkan pemikiran "pre-mortem" ke dalam sesi strategi CX

Sebelum meluncurkan perjalanan atau model layanan baru, minta tim untuk membayangkan bahwa itu sudah gagal dan bekerja mundur. Teknik ini, yang dipopulerkan oleh psikolog Gary Klein, melawan optimisme yang dipicu oleh bias bertahan hidup dengan memaksa perhatian pada mode kegagalan yang masuk akal daripada keberhasilan yang dirayakan.

Seimbangkan studi kasus dengan data tingkat dasar

Saat menggunakan kisah sukses pelanggan secara internal atau eksternal, pasangkan dengan data hasil agregat yang jujur. Ini mendisiplinkan tim pemasaran dan strategi untuk mengingat distribusi penuh, bukan hanya bagian yang paling fotogenik.

Bias bertahan hidup akan selalu memberikan daya tarik gravitasi menuju yang nyaman dan yang terlihat. Organisasi yang menolaknya — dengan sengaja mencari apa yang tidak ada — adalah organisasi yang fase Jelajahnya menghasilkan informasi yang benar-benar layak untuk ditindaklanjuti.

Mendukung bias
Confirmation BiasOptimism Bias
Bias yang berlawanan
Negativity BiasLoss Aversion

Bias terkait

Bias Perilaku

Rancang dengan perilaku, bukan melawannya.

Jelajahi bias lainnya, atau bekerja samalah dengan kami untuk menerapkan ilmu perilaku pada pengalaman pelanggan Anda.