List Pertanyaan dan Jawaban Interview Kerja Consumer Behavior Analyst

Mempersiapkan List Pertanyaan dan Jawaban Interview Kerja Consumer Behavior Analyst membantu kamu memahami titik fokus recruiter dalam menilai kemampuan analisis data perilaku konsumen, riset pasar, dan penerjemahan wawasan menjadi strategi bisnis. Interviewer biasanya mengevaluasi keahlian teknis seperti pengolahan data kualitatif dan kuantitatif, pemahaman psikologi konsumen, serta kemampuan komunikasi untuk menyampaikan insight secara persuasif. Halaman ini menyediakan panduan pertanyaan wawancara mendalam beserta contoh jawaban praktis untuk membantu persiapan karirmu sebagai Consumer Behavior Analyst secara matang dan percaya diri.

List Pertanyaan dan Jawab Interview Kerja Consumer Behavior Analyst

Pertanyaan 1

Ceritakan tentang diri kamu dan latar belakang kamu di bidang analisis perilaku konsumen.

Jawaban:

Saya adalah seorang analitis data dengan fokus pada perilaku konsumen selama [sebutkan tahun] tahun. Saya terbiasa mengolah data transaksi, riset survei, dan metrik digital untuk memahami alasan mendasar di balik keputusan pembelian pelanggan.

Di posisi sebelumnya di [sebutkan nama perusahaan], saya berhasil membantu tim produk merancang fitur baru berdasarkan pemetaan customer journey. Saya senang menghubungkan data kuantitatif dengan aspek psikologi pengguna untuk menghasilkan insight bisnis yang konkret.

Pertanyaan 2

Mengapa kamu tertarik melamar sebagai Consumer Behavior Analyst di perusahaan kami?

Jawaban:

Saya mengagumi bagaimana perusahaan ini terus berinovasi dalam memahami kebutuhan basis penggunanya yang beragam di industri [sebutkan industri]. Karakteristik basis pelanggan perusahaan kamu yang dinamis menawarkan tantangan menarik bagi saya untuk menggali pola perilaku mereka secara lebih mendalam.

Pengalaman saya dalam riset kuantitatif dan segmentasi pasar akan sangat relevan untuk mendukung strategi pertumbuhan dan retensi pelanggan di perusahaan ini.

Pertanyaan 3

Bagaimana cara kamu membedakan antara kebutuhan (needs) dan keinginan (wants) konsumen dalam analisis data?

Jawaban:

Saya menganalisis kebutuhan melalui data fungsional dan pola penggunaan mendasar, seperti frekuensi pemakaian fitur utama yang menyelesaikan masalah esensial pelanggan. Sementara itu, keinginan biasanya terlihat dari data preferensi opsional, interaksi terhadap kampanye tematik, atau pembelian produk pelengkap.

Dengan memisahkan kedua aspek ini melalui analisis segmentasi, saya membantu tim pemasaran menyusun pesan komunikasi yang tepat sasaran tanpa mengabaikan fungsi utama produk.

Pertanyaan 4

Tools atau perangkat lunak apa saja yang biasa kamu gunakan untuk menganalisis data perilaku pelanggan?

Jawaban:

Saya terbiasa menggunakan [sebutkan tools data seperti SQL/Python/R] untuk mengekstraksi dan mengolah set data berukuran besar. Untuk analisis perilaku web dan aplikasi, saya mengandalkan [sebutkan tools seperti Google Analytics/Mixpanel/Amplitude].

Selain itu, saya menggunakan [sebutkan tools visualisasi seperti Tableau/Power BI] untuk menyusun dasbor interaktif agar insight mudah dipahami oleh pemangku kepentingan non-teknis.

Pertanyaan 5

Bagaimana metodologi riset yang kamu pakai untuk memahami customer journey dari tahap awareness hingga retention?

Jawaban:

Saya menggabungkan pendekatan kuantitatif dan kualitatif. Pada tahap awareness dan acquisition, saya menganalisis traffic source dan conversion rate melalui analytics tools.

Untuk tahap activation hingga retention, saya memanfaatkan data log aktivitas pengguna serta melakukan wawancara mendalam atau survei Net Promoter Score (NPS) guna memahami kendala psikologis yang menyebabkan drop-off.

Pertanyaan 6

Ceritakan pengalamanmu ketika menemukan insight tak terduga yang mengarahkan pada perubahan strategi bisnis!

Jawaban:

Saat bekerja di [sebutkan perusahaan], saya menganalisis penurunan tingkat pembelian ulang pada segmen pengguna tertentu. Awalnya tim mengira masalah ada pada harga, namun analisis data survei dan sesi user testing menunjukkan bahwa proses checkout terlalu rumit.

Setelah merekomendasikan penyederhanaan alur pembayaran kepada tim produk, tingkat konversi pembelian ulang naik sebesar [sebutkan persentase]% dalam dua bulan berikutnya.

Pertanyaan 7

Bagaimana cara kamu mengombinasikan data kualitatif dengan data kuantitatif?

Jawaban:

Saya menggunakan data kuantitatif untuk menjawab pertanyaan “apa yang terjadi” dan “seberapa banyak”, misalnya pola penurunan durasi sesi pengguna. Setelah tren tersebut teridentifikasi, saya mengggunakan riset kualitatif seperti focus group discussion untuk menjawab pertanyaan “mengapa hal itu terjadi”.

Kombinasi ini memberikan gambaran yang utuh antara data statistik yang valid dengan konteks emosional di balik tindakan konsumen.

Pertanyaan 8

Apa langkah-langkah yang kamu ambil saat merancang survei pelanggan agar terhindar dari bias?

Jawaban:

Pertama, saya memastikan pertanyaan disusun secara netral tanpa mengarahkan jawaban responden. Kedua, saya melakukan uji coba skala kecil untuk mendeteksi ambiguitas pada opsi jawaban.

Saya juga menentukan teknik pengambilan sampel yang representatif agar segmen yang diteliti mencerminkan populasi pengguna secara akurat.

Pertanyaan 9

Bagaimana kamu melakukan segmentasi pasar berdasarkan variabel psikografis dan demografis?

Jawaban:

Saya memulai dengan menggabungkan data demografis seperti usia dan lokasi dengan data perilaku transaksi. Selanjutnya, saya memperdalam analisis menggunakan atribut psikografis seperti nilai hidup, ketertarikan, dan gaya hidup melalui data survei.

Hasil penggabungan ini memungkinkan pembentukan klaster pelanggan yang spesifik, sehingga tim pemasaran dapat memformulasi promosi yang sangat relevan untuk tiap segmen.

Pertanyaan 10

Ceritakan situasi saat stakeholder tidak menyetujui rekomendasi kamu. Bagaimana kamu menghadapinya?

Jawaban:

Ketika temuan riset saya diragukan oleh tim [sebutkan tim], saya tidak langsung memaksakan pendapat. Saya memvalidasi kekhawatiran mereka dan menyiapkan visualisasi data tambahan yang lebih komprehensif.

Saya mengadakan diskusi lanjutan untuk mendemonstrasikan bagaimana rekomendasi tersebut berdampak langsung pada metrik bisnis utama mereka, hingga akhirnya kami menyepakati eksperimen skala kecil terlebih dahulu.

Pertanyaan 11

Bagaimana cara kamu mengukur efektivitas suatu program loyalitas pelanggan?

Jawaban:

Saya mengukurnya dengan membandingkan metrik kunci antara anggota program loyalitas dan non-anggota. Metrik utama yang saya pantau meliputi Repeat Purchase Rate, Customer Lifetime Value (CLV), dan Churn Rate.

Selain metrik kuantitatif, saya juga mengevaluasi sentimen pelanggan terhadap keuntungan yang ditawarkan dalam program tersebut.

Pertanyaan 12

Apa metode A/B testing yang pernah kamu terapkan untuk menganalisis keputusan pembelian konsumen?

Jawaban:

Di proyek sebelumnya, saya membantu merancang A/B test untuk membandingkan dua variasi tata letak halaman detail produk. Variasi A menonjolkan ulasan pengguna, sedangkan Variasi B menonjolkan diskon harga.

Saya menentukan ukuran sampel yang relevan dan memantau statistical significance. Hasilnya menunjukkan bahwa penempatan ulasan pengguna meningkatkan Add-to-Cart rate sebesar [sebutkan persentase]% pada segmen pembeli pertama.

Pertanyaan 13

Bagaimana kamu memanfaatkan data churn rate untuk memahami alasan pelanggan berhenti menggunakan produk?

Jawaban:

Saya menganalisis jejak perilaku pelanggan beberapa minggu sebelum mereka melakukan cancel atau inaktivitas. Pola penurunan interaksi ini dijadikan indikator early warning.

Saya kemudian memadukan temuan log data tersebut dengan exit survey untuk mengetahui faktor pendorong utama churn, apakah karena masalah harga, layanan, atau munculnya kompetitor.

Pertanyaan 14

Ceritakan pengalaman kamu dalam menyusun buyer persona berbasis data nyata!

Jawaban:

Saya menyusun buyer persona bukan berdasarkan asumsi, melainkan dari penggabungan data analitik web, histori transaksi CRM, dan wawancara dengan [sebutkan jumlah] pelanggan aktif. Data tersebut saya klasterkan menggunakan algoritma analisis kelompok.

Hasilnya adalah tiga persona utama yang dilengkapi dengan profil perilaku, motivasi utama, dan kendala harian yang dapat dijadikan acuan strategi komunikasi tim marketing.

Pertanyaan 15

Bagaimana kamu menyikapi ketidaklengkapan data saat harus menganalisis tren perilaku konsumen?

Jawaban:

Jika terjadi ketersediaan data yang terbatas, saya akan mengidentifikasi sumber data sekunder yang relevan atau menggunakan teknik pemodelan statistik seperti imputasi data jika memungkinkan. Saya juga secara transparan mengomunikasikan batasan data tersebut kepada para pemangku kepentingan.

Langkah selanjutnya adalah merancang pengumpulan data mikro cepat untuk memvalidasi tren awal sebelum mengambil keputusan besar.

Pertanyaan 16

Apa perbedaan utama dalam menganalisis perilaku konsumen pada pasar B2B versus B2C?

Jawaban:

Pada B2C, proses pengambilan keputusan cenderung lebih cepat dan sangat dipengaruhi oleh emosi, persepsi merek, serta tren impulsif. Pengumpulan datanya dapat dilakukan secara masif melalui jejak digital.

Sementara pada B2B, proses keputusan melibatkan banyak pihak (decision-making unit), siklus penjualan lebih panjang, dan sangat didasari oleh analisis ROI logis. Karena itu, analisis B2B lebih berfokus pada relationship metrics dan kebutuhan operasional klien.

Pertanyaan 17

Bagaimana cara kamu melacak pergeseran tren perilaku konsumen dalam jangka pendek dan panjang?

Jawaban:

Untuk jangka pendek, saya memantau metrik mingguan seperti pencarian kata kunci populer, interaksi media sosial, dan tren respons kampanye iklan. Untuk jangka panjang, saya menganalisis data historis tahunan, tren makroekonomi, dan perubahan demografis secara berkala.

Pendekatan ini membantu perusahaan tetap responsif terhadap dinamika pasar tanpa kehilangan arah strategi jangka panjang.

Pertanyaan 18

Jelaskan bagaimana kamu menggunakan funnel analysis untuk mengidentifikasi titik drop-off pengguna!

Jawaban:

Saya memetakan setiap tahapan yang harus dilalui pengguna dari landing page hingga penyelesaian transaksi. Dengan memantau persentase konversi antar tahap, saya dapat melokalisasi langkah mana yang mengalami penurunan drastis.

Setelah titik drop-off ditemukan, saya mendalami analisis log kesalahan teknis atau kejelasan elemen UX pada halaman tersebut untuk melakukan perbaikan.

Pertanyaan 19

Bagaimana kamu menyajikan temuan data perilaku konsumen kepada tim non-teknis agar mudah dipahami?

Jawaban:

Saya menghindari penggunaan jargon teknis statistik yang rumit dan berfokus pada penyampaian narasi berbasis data (data storytelling). Saya selalu menghubungkan angka-angka dengan implikasi bisnis nyata dan tindakan yang perlu diambil.

Penggunaan grafik visual yang jelas dan ringkasan eksekutif membantu audience non-teknis memahami konteks serta manfaat dari temuan analisis tersebut secara cepat.

Pertanyaan 20

Ceritakan pengalaman kamu dalam mengelola proyek riset perilaku konsumen dengan tenggat waktu yang ketat!

Jawaban:

Saat meluncurkan kampanye [sebutkan nama kampanye], saya diberi waktu satu minggu untuk memberikan rekomendasi profil target audiens. Saya segera memprioritaskan analisis data sekunder dari CRM internal yang sudah ada daripada membuat riset lapangan baru dari nol.

Saya berhasil menyerahkan ringkasan insight utama tepat waktu, yang kemudian langsung digunakan oleh tim kreatif untuk memproduksi materi promosi.

Pertanyaan 21

Indikator utama (KPI) apa saja yang selalu kamu pantau untuk mengevaluasi customer engagement?

Jawaban:

KPI utama yang saya pantau mencakup Active Users (DAU/MAU), Session Duration, Customer Retention Rate, dan Bounce Rate. Selain itu, saya memperhatikan metrik interaksi mendalam seperti fitur mana yang paling sering diakses dan frekuensi penggunaan ulang.

Indikator ini memberikan gambaran langsung mengenai seberapa bernilai produk kita di mata konsumen.

Pertanyaan 22

Bagaimana kamu menganalisis pengaruh bias kognitif pelanggan terhadap keputusan pembelian mereka?

Jawaban:

Saya mengamati bagaimana efek psikologis seperti social proof (ulasan pengguna) atau scarcity effect (stok terbatas) memengaruhi tingkat konversi. Melalui pengujian eksperimental, saya mengukur sejauh mana elemen-elemen ini dapat mempercepat pengambilan keputusan pembeli.

Analisis ini membantu tim growth menerapkan teknik behavioral economics yang etis dalam desain antarmuka produk.

Pertanyaan 23

Apa langkah yang kamu lakukan saat data perilaku konsumen menunjukkan penurunan kepuasan tanpa sebab mendasar yang jelas?

Jawaban:

Langkah pertama saya adalah melakukan audit integritas data untuk memastikan tidak ada kesalahan pelaporan. Setelah data terverifikasi valid, saya meluncurkan survei umpan balik cepat (pulse survey) yang ditargetkan spesifik kepada segmen pengguna yang mengalami penurunan kepuasan.

Dari tanggapan eksplisit tersebut, biasanya muncul faktor eksternal atau masalah teknis minor yang tidak tertangkap oleh dasbor analitik utama.

Pertanyaan 24

Ceritakan situasi ketika kamu harus bekerja sama dengan tim Product Manager untuk mengembangkan fitur baru berbasis data!

Jawaban:

Saya bekerja sama dengan Product Manager di [sebutkan nama perusahaan] untuk memvalidasi ide fitur pencarian baru. Saya menyediakan data kuantitatif mengenai kata kunci yang sering gagal menghasilkan produk dan perilaku navigasi pengguna yang frustrasi.

Berdasarkan data tersebut, kami merumuskan spesifikasi fitur pemilah otomatis yang berhasil menaikkan penggunaan fitur pencarian hingga [sebutkan persentase]% setelah dirilis.

Pertanyaan 25

Bagaimana kamu memastikan bahwa proses pengumpulan data perilaku pelanggan tetap mematuhi regulasi privasi data?

Jawaban:

Saya selalu memastikan seluruh proses analitik menerapkan prinsip anonimisasi data pribadi dan mematuhi regulasi perlindungan data yang berlaku seperti UU PDP atau GDPR. Pengumpulan data hanya dilakukan atas persetujuan pengguna (consent-based).

Saya juga rutin berkoordinasi dengan tim kepatuhan hukum untuk memastikan tools dan penyimpanan data yang kami pakai telah memenuhi standar keamanan yang ditetapkan.

Pertanyaan 26

Apa teknik data mining yang paling sering kamu gunakan untuk mengidentifikasi pola pembelian berulang?

Jawaban:

Saya sering menggunakan Market Basket Analysis dengan algoritma asosiasi untuk melihat produk apa yang cenderung dibeli bersamaan oleh konsumen. Selain itu, saya memanfaatkan analisis cohort untuk melacak pola retensi berdasarkan waktu pendaftaran awal konsumen.

Teknik ini sangat berguna untuk menyusun rekomendasi produk otomatis (cross-selling) dan penawaran waktu yang tepat.

Pertanyaan 27

Bagaimana kamu menentukan ukuran sampel (sample size) yang ideal untuk riset kualitatif maupun kuantitatif?

Jawaban:

Untuk riset kuantitatif, saya menggunakan kalkulasi statistik berbasis tingkat kepercayaan (confidence level) dan margin of error yang disesuaikan dengan total populasi pengguna. Hal ini penting agar hasil analisis berstatus signifikan secara statistik.

Untuk riset kualitatif, fokus saya adalah mencapai titik kejenuhan data (data saturation), di mana penambahan responden baru tidak lagi menghasilkan informasi atau tema wawasan yang baru.

Pertanyaan 28

Ceritakan kekeliruan analisis yang pernah kamu alami dan pelajaran apa yang kamu petik dari kejadian tersebut!

Jawaban:

Saya pernah mengasumsikan peningkatan kunjungan halaman sebagai tanda tingginya minat konsumen, namun setelah diteliti lebih lanjut ternyata pengguna kebingungan mencari tombol utama. Pelajaran berharga yang saya dapatkan adalah tidak boleh terburu-buru menilai vanity metrics tanpa memvalidasi konteks tujuan pengguna.

Sejak saat itu, saya selalu mengombinasikan metrik interaksi dengan indikator keberhasilan tugas pengguna (task completion rate).

Pertanyaan 29

Menurut pandanganmu, bagaimana tren teknologi seperti AI memengaruhi analisis perilaku konsumen saat ini?

Jawaban:

AI memungkinkan kita melakukan analisis prediktif secara real-time dan mengolah data kualitatif berukuran besar, seperti ulasan teks atau transkrip percakapan, menggunakan Natural Language Processing secara efisien. Hal ini mempercepat identifikasi perubahan preferensi pembeli.

Namun, peran analitis manusia tetap vital untuk menafsirkan konteks emosional, etika, dan penyusunan rekomendasi bisnis yang strategis di balik data AI tersebut.

Pertanyaan 30

Bagaimana kamu memprioritaskan ide eksperimen riset jika terdapat banyak permintaan dari berbagai departemen?

Jawaban:

Saya menggunakan kerangka kerja seperti ICE (Impact, Confidence, Ease) atau RICE untuk mengukur bobot setiap permintaan riset. Saya menilai seberapa besar potensi dampak ide tersebut terhadap pendapatan atau kepuasan pengguna, serta tingkat kesulitan eksekusinya.

Dengan matriks ini, saya dapat berdiskusi secara transparan bersama para pimpinan tim untuk menyepakati urutan prioritas proyek riset yang paling bernilai bagi perusahaan.

Tugas dan Tanggung Jawab Consumer Behavior Analyst

Seorang Consumer Behavior Analyst bertindak sebagai penghubung antara data mentah dengan pemahaman mendalam tentang motivasi serta aksi pelanggan. Tanggung jawab utamanya meliputi merancang riset, menganalisis data tren pembelian, serta memberikan rekomendasi berbasis data kepada tim eksekutif, pemasaran, dan pengembangan produk.

Secara lebih mendalam, tugas dan tanggung jawab harian seorang Consumer Behavior Analyst meliputi:

• Pengumpulan dan Pengolahan Data: Mengumpulkan data kuantitatif dari sistem analitik internal, CRM, dan web analitik, serta data kualitatif dari riset lapangan, survei, dan wawancara pelanggan.
• Pemetaan Customer Journey: Mengidentifikasi titik sentuh (touchpoints), alur interaksi, serta kendala (pain points) yang dihadapi pengguna dari tahap pengenalan hingga pembelian produk.
• Segmentasi Pasar dan Pembuatan Persona: Mengelompokkan pelanggan berdasarkan kesamaan pola perilaku, variabel demografis, dan faktor psikografis untuk mendukung target komunikasi yang spesifik.
• Analisis Funnel dan Konversi: Melacak metrik retensi, churn rate, dan tingkat konversi pada setiap tahap pemasaran untuk menemukan area optimasi yang berpotensi meningkatkan revenue.
• Penyusunan Rekomendasi Strategis: Menerjemahkan temuan analisis menjadi rekomendasi taktis yang dapat langsung diterapkan oleh tim pemasaran, tim penjualan, maupun pengembang produk.
• Pengujian dan Eksperimentasi: Merancang serta menganalisis hasil A/B testing untuk memvalidasi hipotesis mengenai preferensi atau alur belanja konsumen.

Skill Penting Untuk Menjadi Consumer Behavior Analyst

Untuk sukses dalam peran Consumer Behavior Analyst, diperlukan kombinasi antara keahlian teknis pengolahan data dan pemahaman psikologis terkait dorongan keputusan manusia. Perusahaan mencari kandidat yang tidak hanya mampu membaca statistik, tetapi juga mahir merangkai cerita dibalik angka tersebut.

Berikut adalah beberapa kemampuan utama yang sangat dibutuhkan:

• Data Analytics & Querying (Hard Skill): Penguasaan SQL, Python, atau R untuk mengueri database dan melakukan manipulasi data berukuran besar secara mandiri.
• Web & App Analytics (Hard Skill): Kemahiran dalam mengoperasikan alat pelacak seperti Google Analytics, Mixpanel, atau Amplitude guna mengamati jejak digital pengguna.
• Metodologi Riset (Hard Skill): Pemahaman mendalam tentang teknik pemodelan statistik, desain survei, pengujian A/B, serta metode analisis data kualitatif seperti sentiment analysis.
• Psikologi Konsumen & Ekonomi Perilaku (Hard Skill): Pengetahuan mendalam mengenai faktor pembentuk keputusan, bias kognitif, dan motivasi psikologis pembeli.
• Data Storytelling & Visualisasi (Soft Skill): Kemampuan menyajikan temuan kompleks dalam bentuk grafik yang bersih menggunakan Tableau/PowerBI serta menyampaikan narasi yang persuasif kepada pemangku kepentingan.
• Berpikir Kritis dan Empati (Soft Skill): Kemampuan melihat masalah dari sudut pandang konsumen sambil mempertimbangkan implikasi logis bagi pertumbuhan bisnis perusahaan.

Cara Mempersiapkan Interview Consumer Behavior Analyst

Persiapan interview yang tepat akan membuat kamu tampil percaya diri di hadapan recruiter dan user. Posisi ini membutuhkan bukti nyata dari kemampuan analisis yang pernah kamu lakukan sebelumnya.

Berikut adalah langkah-langkah praktis untuk mempersiapkan diri:

• Pelajari Produk dan Target Pasar Perusahaan: Cobalah produk atau aplikasi perusahaan tempat kamu melamar. Analisis alur pendaftaran, navigasi, hingga proses checkout untuk menemukan potensi kendala pengguna dari sudut pandang profesional.
• Siapkan Portofolio Kasus Analisis: Susun beberapa studi kasus nyata dari pengalaman kerja atau proyek pribadi. Tunjukkan problem, metodologi analisis data yang kamu gunakan, serta hasil atau rekomendasi bisnis yang didapatkan.
• Latih Metode STAR dalam Menjawab: Gunakan struktur STAR (Situation, Task, Action, Result) untuk menjawab pertanyaan behavioral agar penjelasan kamu tetap sistematis dan berfokus pada dampak nyata.
• Pahami Alat Analisis Terbaru: Segarkan kembali ingatan kamu tentang teknik statistik dasar, pembuatan kueri SQL, serta tren penggunaan AI dalam otomatisasi analisis riset pasar.

Hal yang Perlu Dihindari Saat Interview Consumer Behavior Analyst

Banyak kandidat gugur bukan karena tidak menguasai tools, melainkan karena kesalahan dalam menyampaikan metodologi dan cara berpikir mereka. Mengidentifikasi jebakan umum akan membantu jawaban kamu tetap berkualitas.

Beberapa hal yang sebaiknya dihindari antara lain:

• Terlalu Fokus pada Tools daripada Insight: Jangan hanya menyebutkan bahwa kamu ahli SQL atau Python, namun lupa menjelaskan insight bisnis apa yang berhasil kamu temukan dari pengolahan data tersebut.
• Mengabaikan Aspek Kualitatif: Menyimpulkan perilaku konsumen hanya berdasarkan data statistik tanpa memperhitungkan motivasi emosional atau riset umpan balik langsung dari pelanggan.
• Menggunakan Jargon yang Berlebihan: Menjelaskan temuan dengan istilah statistik yang terlalu rumit tanpa menghubungkannya dengan KPI bisnis seperti conversion rate, CLV, atau revenue.
• Membuat Asumsi Tanpa Validasi Data: Menjawab pertanyaan situasional dengan pendapat pribadi semata tanpa menjelaskan bagaimana kamu akan memvalidasi asumsi tersebut menggunakan data empiris.

Yuk cari tahu tips interview lainnya