// Research & Analysis

Says-Thinks-Does-Feels

Petakan apa yang pelanggan katakan, pikirkan, lakukan, dan rasakan sebelum menulis satu baris copy pun.

ASALDave Gray (pendiri XPLANE), dirumuskan di XPLANE dan dipopulerkan lewat buku Gamestorming (2010, bersama Sunni Brown dan James Macanufo). Sering dikira alat baku dunia UX atau ciptaan Alex Osterwalder karena muncul di Business Model Generation; sebenarnya Dave Gray yang mencetuskannya, lalu ia merilis Empathy Map Canvas yang diperbarui pada 2017 (dengan masukan Osterwalder). Versi empat kuadran Says, Thinks, Does, Feels adalah bentuk ringkas yang paling luas dipakai.

SUMBERDave Gray & XPLANE — Empathy Map (Gamestorming, 2010) / Updated Empathy Map Canvas (2017) ↗

TINGKATBeginner

Empathy Map memetakan satu pelanggan ke dalam empat kuadran: Says (yang diucapkan terbuka), Thinks (yang dipikirkan diam-diam), Does (yang benar-benar dilakukan), dan Feels (yang dirasakan). Tujuannya menggeser pesanmu dari asumsi tim internal ke sudut pandang pelanggan yang sebenarnya.

Apa itu Empathy Map?

Empathy Map adalah kanvas satu halaman untuk merangkum satu tipe pelanggan dari kacamata dia sendiri, bukan kacamata pemilik bisnis. Kamu isi empat kuadran memakai bahan mentah nyata: kutipan dari review, chat DM, komentar, dan rekaman obrolan sales, bukan tebakan. Says memuat kalimat verbatim yang pelanggan ucapkan, Thinks memuat keraguan yang tidak ia katakan tapi memengaruhi keputusan, Does memuat perilaku yang bisa diamati, dan Feels memuat emosi yang mendasarinya. Hasilnya jadi rujukan bersama saat menulis copy, memilih angle iklan, dan menyusun penawaran.

Gambaran penerapan

Framework ini penting karena kebanyakan pesan marketing gagal bukan karena produknya jelek, tapi karena bicara dari sisi penjual sementara pelanggan punya kecemasan yang tak pernah dijawab. Empathy Map memaksa tim menaruh keraguan dan emosi pelanggan di atas meja sebelum satu rupiah pun dibelanjakan ke iklan. Paling pas dipakai di awal, saat menyusun pesan untuk audiens baru, meluncurkan produk, atau menambal funnel yang ramai traffic tapi sepi konversi.

Kapan framework ini dipakai?

Pakai saat kamu menyusun pesan untuk audiens baru, meluncurkan produk, atau membenahi funnel yang traffic-nya ramai tapi konversinya seret, karena di situ jurang antara asumsi tim dan realita pelanggan paling lebar. Idealnya dibuat setelah punya bahan mentah nyata (review, DM, rekaman sales), bukan dikarang di ruang meeting. Kurang berguna kalau datanya nol atau saat kamu butuh angka segmen pasar dan ukuran TAM, karena itu ranah riset kuantitatif, bukan peta empati.

// urutan kerja

Langkah Empathy Map

Says (yang diucapkan)

Kutipan verbatim yang benar-benar pelanggan ucapkan di review Google, DM, kolom komentar, atau saat tanya CS, misal 'aman nggak buat kulit sensitif?' atau 'ada garansi nggak?'. Ini bahan paling jujur untuk headline dan kata kunci karena persis bahasa pelanggan, bukan istilah internal tim.

Thinks (yang dipikirkan)

Pertimbangan dan keraguan yang tidak diucapkan tapi menentukan keputusan, misal 'jangan-jangan ini penipuan' atau 'kayaknya kemahalan buat hasil segini'. Kuadran inilah gudang keberatan yang harus kamu jawab lebih dulu di copy sebelum pelanggan sempat menutup halaman.

Does (yang dilakukan)

Perilaku nyata yang bisa diamati sebelum membeli, misal membandingkan tiga klinik, screenshot promo, cek before-after, atau menunggu gratis ongkir. Pola ini menunjukkan di mana dan dengan format apa iklan serta retargeting perlu muncul.

Feels (yang dirasakan)

Emosi yang mendasari semuanya: cemas salah pilih, malu kalau gagal, lega saat ketemu yang cocok, atau bangga. Emosi ini yang membuat hook 3 detik dan visual iklan terasa nyambung, bukan sekadar menjelaskan fitur.

// contoh lokal

Penerapan pada bisnis

Klinik kecantikan (Bandung)

Ramai yang tanya-tanya treatment di DM Instagram, tapi sedikit yang benar-benar datang booking.

Kumpulkan Says dari DM dan review Google ('aman buat kulit sensitif nggak?', 'kok lebih mahal dari klinik sebelah'), Thinks (takut wajah rusak atau over-treatment, curiga klinik abal-abal), Does (bandingkan 3 sampai 4 klinik, screenshot before-after, cek kredensial dokter), dan Feels (cemas efek samping, malu kalau hasilnya gagal). Dari peta ini, ganti konten yang tadinya cuma pamer harga jadi before-after asli plus penjelasan keamanan dan garansi konsultasi gratis, dan bekali CS skrip yang menjawab kecemasan lebih dulu sebelum menyebut harga.

E-commerce fashion hijab (jualan online)

Banyak yang add to cart tapi berhenti di langkah checkout.

Says dari review dan komentar ('bahannya panas nggak?', 'sizenya kekecilan', 'warna aslinya sama nggak sama foto?'), Thinks (takut ribet kalau harus retur, ragu jahitannya rapi), Does (bolak-balik cek size chart, tanya real pict ke CS, menunggu promo gratis ongkir), dan Feels (khawatir salah ukuran, kecewa kalau tak sesuai ekspektasi). Terjemahkan jadi foto model asli berbagai ukuran tubuh, video close-up bahan, kebijakan retur yang ditulis jelas, dan tombol 'tanya ukuran ke WA' tepat di halaman produk untuk mematahkan keraguan di titik checkout.

SaaS akuntansi untuk UMKM (jasa B2B lokal)

Banyak yang daftar free trial, tapi sedikit yang upgrade ke paket berbayar.

Says dari sesi onboarding dan tiket support ('setup awalnya ribet', 'tim saya nggak ngerti pakainya'), Thinks (takut migrasi data dari Excel berantakan, ragu worth it dibanding tetap manual gratisan), Does (coba fitur invoice sekali lalu berhenti, bandingkan dengan kompetitor, minta persetujuan atasan), dan Feels (kewalahan, takut disalahkan kalau memilih tool mahal yang tak terpakai). Balas dengan onboarding terpandu plus template migrasi siap pakai, studi kasus UMKM sejenis berangka, dan demo 1-on-1 yang menyasar pengambil keputusan, bukan sekadar email fitur.

// panduan terkini

Empathy Map pada era AI

LLM sangat cepat mengelompokkan ratusan review, DM, dan transkrip sales ke dalam kuadran Says, Thinks, Does, Feels, jadi menyusun peta empati yang dulu makan waktu berhari-hari kini bisa selesai dalam hitungan menit. Tapi bahan mentahnya, yaitu keluhan dan kecemasan asli dari pelanggan nyata, tetap harus dipanen dari lapangan karena AI tidak bisa mengarang frustrasi yang otentik tanpa mengada-ada. Di era AI search dan GEO, halaman yang justru menjawab isi kuadran Thinks dan Feels (pertanyaan kecemasan yang sebenarnya) lebih mudah dikutip AI Overview dan jawaban LLM ketimbang copy yang cuma memuji produk. Waspadai juga persona yang di-generate AI cenderung generik dan seragam; peta empati yang berpijak pada kutipan verbatim menjaga pesanmu tetap spesifik dan tak terdengar seperti hasil template.

// paid channel

Penerapan per channel

Meta Ads

Jadikan kuadran Says dan Feels sebagai hook 3 detik Reels/UGC, pakai persis bahasa pelanggan ('takut wajahnya malah rusak?') supaya terasa seperti obrolan, bukan iklan, lalu jawab isi kuadran Thinks (keberatan) di body video. Serahkan targeting ke Advantage+ dengan broad + sinyal dan wajib pasang Conversions API (CAPI) agar event Lead/Purchase terkirim server-side, lalu retarget orang yang sudah menunjukkan perilaku Does (mengunjungi halaman produk) pakai katalog/DPA dengan penawaran yang menutup keraguannya.

Google Ads

Kuadran Says dan Does adalah tambang kata kunci Search: ambil frasa persis yang pelanggan ketik ('jasa akuntansi UMKM yang gampang dipakai') jadi keyword dan headline RSA, lalu jawab kuadran Thinks (keberatan) langsung di headline seperti 'migrasi data dibantu gratis'. Pasang Enhanced Conversions untuk sinyal akurat, isi audience signals Performance Max atau AI Max for Search dari daftar pelanggan terbaik, dan angkat emosi kuadran Feels jadi materi Demand Gen video di YouTube untuk menjangkau yang belum sadar butuh.

TikTok Ads

Kuadran Feels yang menggerakkan hook di bawah 3 detik ('capek salah beli skincare yang malah breakout?') dan kuadran Says jadi caption verbatim biar terasa native, sementara kuadran Does ditunjukkan lewat demo bergaya UGC. Boost konten kreator yang bahasanya sudah cocok dengan peta empati pakai Spark Ads (dengan izin posting), serahkan delivery ke Smart+, dan pasang TikTok Pixel/Events API supaya sinyal konversi terlacak, dibungkus sound yang sedang tren agar cerita terasa autentik.

LinkedIn Ads

Untuk B2B high-ticket, susun peta empati per jabatan (misal Thinks dan Feels seorang finance manager UMKM yang takut disalahkan kalau salah pilih software), lalu tuangkan jadi Document Ads atau konten thought-leadership yang menjawab keraguan itu. Sasar per jabatan, industri, dan company size, tangkap lead pakai Lead Gen Forms yang terisi otomatis dari profil, dan siapkan budget karena cost per lead di sini memang lebih tinggi sehingga audiens harus dikualifikasi ketat sejak awal.

// owned media

Penerapan pada media

Landing page

Jadikan kutipan kuadran Says sebagai headline hero supaya pengunjung merasa 'ini soal saya', lalu bongkar kuadran Thinks (keberatan) satu per satu lewat blok FAQ, proof, dan garansi, dengan nada yang mengakui emosi di kuadran Feels. Jaga satu tujuan konversi dan satu CTA dominan, pasang event tracking di tombol utama, dan urutkan bukti mengikuti langkah perilaku di kuadran Does (dari membandingkan sampai memutuskan).

Email

Tarik subject line dari bahasa kuadran Says atau Feels ('takut ganti software bikin data berantakan?'), lalu bangun sequence yang tiap emailnya menutup satu keberatan di kuadran Thinks secara bertahap sebelum penawaran dijatuhkan. Manfaatkan segmentasi karena tiap segmen bisa punya peta empati berbeda (pelanggan F&B beda kecemasannya dari pelanggan klinik), sehingga personalisasi terasa relevan, bukan tempelan nama saja.

Kirim hanya ke kontak yang sudah opt-in dan menyimpan nomor Anda, atau lewat WhatsApp Business API dengan template message yang sudah disetujui, dan pakai label/segmen sesuai profil peta empati agar pesannya pas per grup. Buka dengan bahasa persis dari kuadran Says supaya terasa personal, dan tiap broadcast fokus menjawab satu keberatan (Thinks) atau satu emosi (Feels) dengan satu ajakan jelas, hindari blast massal tanpa izin supaya tidak dianggap spam.

Terapkan framework ini pada sistem nyata.

Kirim konteks, target, dan kendala Anda. Tim Rama Digital meninjau permintaan sebelum memberi penawaran.

Buat permintaan