Meningkatkan akurasi funnel dan kualitas analisis POS melalui klasifikasi walk-in berbasis kelayakan produk — menggantikan definisi Interest / Non-Interest.
POS merupakan channel direct-to-customer acquisition yang mengandalkan interaksi walk-in dari konsumen sekitar. Dengan ±80–82 lokasi aktif dan rata-rata ±2 walk-in per hari per POS, total walk-in mencapai ±160 per hari atau ±4.800 per bulan — menjadi sumber utama pipeline seluruh jaringan POS.
Namun saat ini terdapat tiga tantangan mendasar dalam evaluasi performa:
Label "tidak minat" bergantung pada penilaian PPS, bukan kriteria objektif. PPS dapat secara tidak sadar men-drop konsumen yang sebenarnya masih bisa dikonversi, atau sebaliknya — melabel non-relevant sebagai "interested" untuk menjaga angka pipeline.
POS dengan traffic tinggi sering terlihat memiliki conversion rendah meski sebagian traffic tidak relevan secara produk. Sebaliknya POS dengan traffic kecil terlihat lebih efisien. Distorsi ini menyesatkan diagnosis performa.
Tanpa pemisahan antara traffic total dan qualified traffic, tidak bisa diketahui apakah masalah suatu POS berasal dari market mismatch, execution gap, atau keduanya. Intervensi menjadi tidak tepat sasaran.
Project ini bertujuan meningkatkan kualitas evaluasi POS dengan menambahkan layer klasifikasi berbasis kelayakan produk pada data walk-in — menggantikan definisi Interest / Non-Interest yang bersifat subjektif.
Secara spesifik, project ini bertujuan untuk:
Scope yang dikecualikan: Project ini tidak mengubah struktur funnel operasional (Walk-in → Lead → Prospect → Go-Live), tidak mengubah proses kerja PPS di lapangan, dan tidak membutuhkan pengembangan sistem dalam tahap awal. Perubahan dibatasi pada penambahan layer informasi melalui field Notes di PMO Tools dan tracking spreadsheet.
Walk-in channel secara natural menghasilkan traffic yang beragam. Tidak semua pengunjung yang datang ke POS memiliki aset atau kesiapan untuk melakukan pengajuan pembiayaan — dan ini bukan selalu cerminan kinerja PPS.
Oleh karena itu penting untuk membedakan secara tegas antara:
Klasifikasi Applicable / Non-Applicable berbeda dari Interest / Non-Interest karena dasar penilaiannya adalah kelayakan produk yang bisa diverifikasi (kepemilikan aset, kesesuaian RAC, ketersediaan BPKB) — bukan persepsi PPS terhadap motivasi konsumen.
Setiap walk-in dikategorikan ke dalam tiga label berdasarkan kondisi aset dan kesiapan konsumen. Kategori ini dirancang agar mudah dipahami, konsisten digunakan, dan cepat ditentukan melalui pertanyaan screening yang sudah biasa dilakukan PPS.
Applicable dan Non-Applicable menggantikan Interest dan Non-Interest dengan pergeseran dasar penilaian yang signifikan:
| Dimensi | Interest / Non-Interest (Lama) | Applicable / Non-Applicable (Baru) |
|---|---|---|
| Dasar penilaian | Motivasi & niat konsumen | Kelayakan aset terhadap RAC |
| Tingkat objektivitas | Tinggi subjektivitas — bergantung pada "feeling" PPS | Lebih objektif — ada indikator konkret yang bisa diverifikasi |
| Risiko manipulasi data | PPS bisa label konsumen potensial sebagai non-interest untuk jaga konversi | Lebih sulit dimanipulasi karena berbasis fakta aset |
| Warm / Undecided | Sering masuk Non-Interest karena "belum yakin" | Warm tetap masuk Applicable — dicatat untuk follow-up |
| Implikasi ke conversion | Denominator tidak stabil, sulit dibandingkan antar POS | Conversion dihitung dari qualified base yang lebih konsisten |
Project ini tidak mengubah struktur operasional funnel POS. Walk-in → Lead → Prospect → Go-Live tetap berjalan seperti biasa. Yang berubah adalah penambahan layer informasi kualitas traffic di atas funnel yang sudah ada.
Untuk menjaga kesederhanaan, perubahan operasional dibuat seminimal mungkin. Tidak ada perubahan sistem, tidak ada form baru, dan tidak ada langkah tambahan yang signifikan dalam proses kerja PPS.
Dalam kondisi belum ada pengembangan sistem, klasifikasi dilakukan melalui dua cara:
PPS mengisi field Notes dengan format tag yang konsisten segera setelah interaksi awal dengan konsumen.
Kategori ditentukan melalui 4 pertanyaan berurutan yang sudah menjadi bagian dari proses screening awal PPS. Tidak ada pertanyaan baru yang perlu ditambahkan.
Dengan adanya klasifikasi ini, evaluasi POS dapat dilakukan dengan dua lapisan analisis yang saling melengkapi — menggantikan satu angka conversion tunggal yang sebelumnya tidak bisa membedakan masalah traffic vs. masalah eksekusi.
| Metrik | Formula | Insight |
|---|---|---|
| Traffic Quality Rate | Applicable ÷ Total Walk-in | Kualitas traffic dan relevansi lokasi terhadap target market produk |
| Applicable → Lead Rate | Lead ÷ Applicable Walk-in | Kemampuan PPS mengonversi konsumen yang sudah qualified — murni execution metric |
| Walk-in → Lead (historis) | Lead ÷ Total Walk-in | Tetap dipertahankan untuk perbandingan antar periode dan baseline historis |
| Warm Conversion Rate | Warm → Lead ÷ Total Warm | Efektivitas follow-up pipeline tertunda — mengukur disiplin tindak lanjut PPS |
| Non-Applicable Rate | Cold ÷ Total Walk-in | Indikator market mismatch atau targeting yang tidak tepat di area POS |
Data klasifikasi ini memungkinkan analisis yang sebelumnya tidak bisa dilakukan dengan data walk-in satu dimensi.
Dengan kombinasi Traffic Quality Rate dan Conversion Rate, setiap POS dapat dikategorikan ke dalam empat tipe — memungkinkan intervensi yang lebih tepat sasaran:
| Tipe POS | Traffic Quality | Conversion (Applicable → Lead) | Diagnosis & Tindakan |
|---|---|---|---|
| Benchmark | Tinggi | Tinggi | Lokasi ideal. Jadikan referensi dan replikasi pola kerjanya. |
| Execution Gap | Tinggi | Rendah | Traffic qualified ada, tapi PPS gagal konversi. Fokus coaching & SOP enforcement. |
| Market Mismatch | Rendah | Tinggi | PPS bagus, tapi traffic tidak relevan. Perbaiki targeting & messaging lokal. |
| Evaluasi Lokasi | Rendah | Rendah | Market tidak sesuai DAN eksekusi lemah. Perlu review fundamental: lokasi, manpower, strategi. |
Walk-in tidak lagi diperlakukan sebagai satu dimensi tunggal. Data menjadi terstruktur dan bisa dianalisis dari dua sudut: kualitas traffic dan kualitas eksekusi.
Perbandingan antar POS menjadi lebih adil. POS dengan traffic tinggi tapi banyak noise tidak lagi terlihat under-perform dibanding POS dengan traffic kecil tapi bersih.
Manajemen dapat membedakan apakah masalah suatu POS berasal dari traffic composition, market mismatch, atau execution gap — sehingga intervensi lebih tepat sasaran.
Conversion dari Applicable ke Lead diharapkan lebih tinggi dan lebih stabil karena denominator lebih bersih — mencerminkan kemampuan PPS yang sesungguhnya.
Konsumen yang sebelumnya "hilang" karena belum siap sekarang tercatat sebagai Warm dengan tanggal follow-up — mengurangi potensi kehilangan leads tertunda.
Pola Cold walk-in per area menjadi sinyal awal adanya market mismatch atau kebutuhan penyesuaian lokasi, targeting, atau messaging lokal.
Agar implementasi berhasil dan bisa bertahan di lapangan, project ini mengikuti tiga prinsip utama:
Hanya satu perubahan perilaku untuk PPS: menambahkan tag di Notes PMO Tools. Tidak ada form baru, tidak ada sistem baru, tidak ada langkah tambahan yang signifikan.
Proses kerja PPS tidak berubah. Pertanyaan screening yang digunakan untuk menentukan kategori adalah pertanyaan yang sudah biasa ditanyakan — hanya ditambah tindakan pencatatan.
Fokus utama adalah meningkatkan kualitas data untuk evaluasi POS — bukan menambah beban administratif. Setiap elemen yang ditambahkan harus berkontribusi langsung ke kualitas insight.