Banyak founder masih mengambil keputusan desain berdasarkan selera pribadi: “kayaknya tombolnya kurang besar”, “warna ini lebih premium”, atau “kompetitor pakai layout seperti ini.” Masalahnya, desain yang terlihat bagus belum tentu membuat pengguna bergerak lebih mudah. Paper interface optimization menunjukkan bahwa user behavior data dapat digunakan untuk memperbaiki layout, interaksi, dan conversion secara lebih objektif.

Dalam studi tersebut, A/B testing menunjukkan hasil konkret: conversion rate naik dari 1,70% menjadi 2,10%, cart abandonment turun dari 72,80% menjadi 68,20%, dan average payment amount meningkat. Ini penting karena desain tidak lagi diperdebatkan sebagai opini, tetapi diuji sebagai hipotesis bisnis.

Temuan ini terhubung dengan riset omnichannel. Transformasi digital tidak cukup dilakukan dengan menambah kanal; startup perlu melihat dampaknya ke proses, value chain, pricing, customer value proposition, dan kemampuan eksekusi internal.

Riset Explainable AI juga memberi tambahan pelajaran: ketika sistem memberi rekomendasi atau personalisasi, pengguna perlu memahami alasan di balik keputusan sistem. Jadi UX bukan hanya soal klik yang lancar, tetapi juga soal mengurangi keraguan pelanggan.

Insight untuk startup leader: ubah budaya desain dari “menurut kita” menjadi “menurut data perilaku pengguna.” Lihat drop-off, durasi kunjungan, jalur checkout, klik produk terkait, alasan batal beli, dan respons terhadap rekomendasi. Startup yang disiplin mengukur UX akan lebih cepat belajar daripada startup yang hanya mengandalkan intuisi founder.

Reference:
Shen, J., Cheng, L., & Tian, Z. (2025). Interface design optimization research based on user behavior data. In L. Trajković et al. (Eds.), Machine Intelligence and Digital Applications (pp. 140–151). IOS Press. DOI: 10.3233/ATDE250600.
Baldivia, M., & Chowdhury, S. (2025). Adapting business models in the age of omnichannel transformation: Evidence from the small retail businesses in Australia. Journal of Theoretical and Applied Electronic Commerce Research, 20, 1. DOI: 10.3390/jtaer20010001.
Almamy, A. S. M., Habib, S., Nasser, L. K., & Hamadneh, N. N. (2026). Effect of explainable AI features on user satisfaction and purchase intention in Saudi mobile shopping apps. Journal of Theoretical and Applied Electronic Commerce Research, 21, 120. DOI: 10.3390/jtaer21040120.