3 days ago
2
Kukuh Prayogi, Enterprise Business Director Infobip.(Dok. Pribadi)
EKONOMI digital Indonesia terus menunjukkan pertumbuhan pesat, dengan laju pertumbuhan mencapai 14% dan sektor e-commerce menyumbang 72% dari total Gross Merchandise Value (GMV). Di tengah persaingan yang semakin ketat, kecerdasan artifisial (AI) kini memegang peran yang semakin penting dalam interaksi antara brand dan pelanggan. Mulai dari menghadirkan rekomendasi yang dipersonalisasi hingga mendukung interaksi jual beli melalui chat di berbagai platform pesan.
Tantangan
Namun, di balik meningkatnya adopsi AI, masih banyak pelaku ritel di Indonesia yang menghadapi tantangan dalam memahami perjalanan pelanggan secara menyeluruh. Hal ini, disebabkan oleh data pelanggan yang masih tersebar dan terfragmentasi di berbagai kanal, sehingga perusahaan kesulitan mendapatkan gambaran utuh mengenai perilaku dan kebutuhan konsumen.
Seorang pelanggan, misalnya, bisa saja pertama kali mengenal brand skincare melalui iklan di Instagram, lalu menghubungi brand melalui pesan langsung di Instagram untuk mencari produk yang sesuai dengan kebutuhan kulitnya, sebelum akhirnya menyelesaikan pembelian di Shopee saat kampanye PayDay dengan memanfaatkan voucher diskon.
Meskipun transaksi tercatat di marketplace, interaksi sebelumnya di Instagram sering kali tidak ikut terdokumentasi dalam sistem. Akibatnya, brand dapat melihat konversi itu seolah sepenuhnya didorong oleh marketplace, tanpa menyadari peran penting interaksi di media sosial dan konsultasi pelanggan, yang turut mempengaruhi keputusan pembelian.
Tantangan ini mencerminkan persoalan yang lebih besar dalam ritel Indonesia. Aktivitas belanja melalui media sosial, transaksi melalui WhatsApp, marketplace, dan toko fisik masih berjalan dalam sistem yang terpisah, dan sejak awal memang tidak dirancang untuk saling terhubung. Setiap kanal hanya merekam sebagian dari perjalanan pelanggan, mulai dari penemuan produk, percakapan, transaksi, hingga pembelian ulang. Sementara, data yang dihasilkan sering kali tetap terpencar di masing-masing platform.
Akibatnya, banyak perusahaan ritel dan pemilik brand belum memiliki satu profil pelanggan yang utuh, melainkan beberapa versi data pelanggan yang tersebar di berbagai kanal. Fragmentasi ini membatasi kemampuan AI dalam menghasilkan wawasan yang akurat, menghadirkan interaksi yang lebih relevan, serta mengotomatisasi customer journey secara efektif.
Pendekatan yang lebih terintegrasi
Untuk menjembatani kesenjangan ini, diperlukan lebih dari sekadar adopsi teknologi baru. Industri membutuhkan pendekatan yang lebih terintegrasi dalam pengelolaan data dan koordinasi interaksi pelanggan, sehingga setiap titik kontak, mulai dari media sosial, aplikasi pesan, marketplace, hingga toko fisik, dapat saling terhubung dan membentuk gambaran pelanggan yang lebih utuh.
Pertama, menyatukan data pelanggan dari berbagai kanal.
Marketplace seperti Shopee dan Tokopedia hanya membagikan data pembeli dalam jumlah terbatas kepada brand. Akibatnya, banyak perusahaan pada dasarnya membangun audiens yang tidak dapat mereka identifikasi secara utuh, serta relasi pelanggan yang sulit dipertahankan dalam jangka panjang.
Pelanggan yang telah berulang kali bertransaksi melalui marketplace pun bisa saja tetap tidak tercatat dalam sistem CRM, program loyalitas, maupun sistem personalisasi berbasis AI milik brand. Konsekuensinya, banyak brand yang paling aktif di e-commerce justru memiliki pemahaman yang paling terbatas terhadap pelanggan terbaik mereka.
Misalnya, seorang pelanggan melakukan 8 transaksi melalui Shopee, bisa saja tetap tidak tercatat dalam CRM, program loyalitas, maupun sistem personalisasi milik brand. Ketika pelanggan yang sama kemudian menghubungi brand melalui Instagram untuk menyampaikan keluhan atau mengajukan pertanyaan, interaksi tersebut seringkali harus dimulai dari awal, tanpa konteks riwayat pembelian, tanpa pemahaman atas preferensi pelanggan, dan tanpa kesinambungan hubungan yang telah terbangun sebelumnya.
Menyatukan data pelanggan artinya menyelesaikan persoalan identitas pelanggan terlebih dahulu sebelum sistem AI dapat diterapkan secara efektif. Hal ini, memerlukan infrastruktur yang mampu mengumpulkan data dari pesan langsung di Instagram, WhatsApp Business, berbagai dashboard marketplace, serta sistem POS di toko fisik. Lalu, mengintegrasikannya ke dalam satu profil pelanggan yang utuh meskipun tidak memiliki identitas yang sama di setiap kanal.
Dengan cara ini, brand dapat membangun satu sumber data utama pelanggan (single source of truth/SSOT) yang terus diperbarui di setiap titik interaksi dan dapat diakses oleh seluruh tim yang membutuhkannya.
Kedua, beralih ke pendekatan yang lebih prediktif dan kontekstual dalam berinteraksi dengan pelanggan. Banyak brand hanya merespons setelah pelanggan bertindak, misalnya dengan mengirimkan promosi setelah transaksi terjadi atau menangani keluhan hanya ketika pelanggan mengajukannya.
Padahal, peluang terbesar sering kali muncul sebelum keputusan pembelian dibuat. Contohnya, seorang pelanggan berulang kali melihat iklan sepatu lari di Instagram, kemudian menghubungi brand untuk menanyakan ketersediaan stok, tetapi akhirnya tidak melanjutkan pembelian. Tanpa data yang terhubung, kedua aktivitas itu akan terlihat sebagai dua kejadian yang terpisah.
Tim marketing hanya melihat minat terhadap produk, sementara tim WhatsApp melihat pertanyaan yang tidak berujung pada transaksi. Lewat integrasi data, kedua sinyal tersebut dapat membentuk gambaran yang lebih jelas mengenai niat beli pelanggan. AI kemudian dapat mengenali pola ini dan memicu tindak lanjut yang lebih relevan, seperti pengingat yang lebih personal, penawaran khusus, atau rekomendasi produk yang sesuai pada waktu yang paling berpotensi mendorong konversi.
Pendekatan yang lebih prediktif juga membutuhkan pemahaman terhadap pola perilaku belanja lokal. Di Indonesia, aktivitas belanja umumnya meningkat menjelang periode gajian, terutama antara tanggal 25 hingga 30 setiap bulan. Namun, banyak kampanye pemasaran masih mengandalkan alur yang statis dan jadwal yang telah ditentukan sebelumnya, sehingga sering kali tidak selaras dengan ritme belanja konsumen. Akibatnya, promosi dikirim terlalu dini dan kehilangan momentum ketika pelanggan justru berada pada fase niat beli tertinggi.
Ketiga, sinkronisasi data perlu terjadi secara real-time.
Lingkungan ritel di Indonesia bergerak sangat cepat, terutama saat periode flash sale, kampanye gajian, maupun penjualan melalui livestream. Dalam satu sesi siaran langsung di TikTok Shop, misalnya, lonjakan transaksi dalam jumlah besar dapat terjadi hanya dalam hitungan jam. Dalam situasi seperti ini, keterlambatan sinkronisasi data pelanggan antarsistem bukan lagi sekadar persoalan operasional, tetapi juga dapat berdampak langsung pada pengalaman pelanggan dan tingkat konversi.
Tanpa sinkronisasi secara real-time, perusahaan berisiko merespons pelanggan berdasarkan informasi yang sudah tidak relevan. Seorang pelanggan yang baru saja menyelesaikan pembelian, misalnya, masih bisa menerima promosi untuk produk yang sama karena tim customer service maupun sistem AI bekerja dengan informasi yang belum diperbarui secara menyeluruh.
Sinkronisasi secara real-time memastikan setiap tindakan pelanggan secara langsung memperbarui seluruh sistem yang terhubung, mulai dari program loyalitas dan platform pesan instan, hingga layanan pelanggan dan sistem rekomendasi berbasis AI. Di tengah persaingan yang semakin ketat, tingkat sinkronisasi seperti ini menjadi semakin penting untuk menghadirkan interaksi yang konsisten, relevan, dan tepat waktu di seluruh kanal.
Keempat, otomatisasi perlu berkembang menjadi sistem yang cerdas dan mampu mengambil keputusan. Sebagian besar bisnis yang telah menerapkan otomatisasi masih menjalankan alur kerja yang telah ditentukan sebelumnya. Misalnya, saat pelanggan meninggalkan keranjang belanja, sistem akan mengirimkan pengingat, atau ketika pembelian dikonfirmasi, sistem akan mengirimkan pembaruan status pengiriman. Pendekatan ini memang membantu meningkatkan efisiensi operasional, tetapi belum adaptif. Sistem seperti ini pada dasarnya hanya menjalankan instruksi, bukan mengambil keputusan.
Seiring interaksi ritel di Indonesia yang semakin kompleks melintasi berbagai platform, memadukan interaksi AI dan manusia, serta berlangsung di sepanjang siklus gajian dan periode flash sale, kesenjangan antara otomatisasi berbasis aturan (rule-based automation) dan otomatisasi yang lebih cerdas semakin menjadi tantangan kompetitif.
Mampu mengatasi kesenjangan
Bisnis yang mampu mengatasi kesenjangan ini adalah mereka yang memiliki sistem AI yang dapat belajar dari riwayat interaksi, menyesuaikan diri dengan perubahan perilaku pelanggan, dan mengambil keputusan sesuai konteks, sesuatu yang tidak dapat diantisipasi oleh alur kerja statis.
Dalam praktiknya, hal ini berarti kehadiran agen AI yang mampu merekomendasikan produk yang tepat berdasarkan riwayat lengkap pelanggan di berbagai saluran, bukan hanya berdasarkan pesanan terakhir mereka di Shopee. Sistem ini juga dapat menentukan kapan percakapan perlu dialihkan ke agen manusia, sekaligus meneruskan seluruh konteks interaksi yang relevan agar agen tidak perlu memulai dari awal.
Di sinilah platform seperti Infobip AgentOS menjadi relevan, sebagai teknologi berbasis AI yang memungkinkan perusahaan menghadirkan agen cerdas di sepanjang customer journey dengan menyatukan data pelanggan, memfasilitasi koordinasi secara real-time, serta mengintegrasikan AI ke dalam setiap interaksi. Dengan pendekatan ini, perusahaan dapat beralih dari engagement yang terfragmentasi menuju pengalaman pelanggan yang lebih terhubung dan sesuai konteks.
Dalam industri ritel dan e-commerce, pendekatan ini dapat mendukung berbagai kebutuhan, mulai dari asisten belanja berbasis AI di WhatsApp, pemulihan keranjang belanja yang ditinggalkan secara otomatis, hingga program loyalitas yang lebih personal dan proses peralihan yang mulus antara agen AI dan tim layanan pelanggan tanpa kehilangan konteks pelanggan.
Dengan pendekatan ini, perusahaan tidak lagi perlu memandang AI, interaksi omnichannel, dan otomatisasi sebagai inisiatif yang berdiri sendiri. Sebaliknya, ketiganya dapat menjadi bagian dari ekosistem yang terintegrasi, di mana interaksi pelanggan di platform chat, marketplace, social commerce, maupun kanal offline tetap saling terhubung secara berkelanjutan.
Di saat bersamaan, masa depan interaksi pelanggan tidak hanya ditentukan oleh AI, melainkan oleh seberapa efektif perusahaan memadukan kemampuan AI dengan keahlian manusia. Meskipun agen AI mampu menangani pertanyaan rutin dan tugas operasional dalam skala besar secara efisien, situasi yang lebih kompleks atau sensitif tetap membutuhkan pertimbangan, empati, dan pemahaman kontekstual dari manusia.
Keunggulan kompetitif tidak akan ditentukan oleh seberapa banyak solusi AI yang diadopsi oleh suatu bisnis, melainkan oleh seberapa baik AI dan tim manusia bekerja sama dalam satu sistem yang saling terhubung.
