Belanja online? AI dapat mengobrol—tetapi tetap memerlukan konteks
Kita semua pernah mengalami pengalaman seperti ini: Anda mencari suatu produk secara online, mungkin sepasang sepatu lari baru, namun satu klik berubah menjadi spiral. Tak lama kemudian, Anda menemukan ratusan hasil—gaya yang tidak pernah Anda kenakan, sepatu kets anak-anak (meskipun Anda sudah dewasa), dan pilihan yang tidak sesuai dengan anggaran Anda. Ketika Anda terkubur dalam sampah, memiliki lebih banyak pilihan sebenarnya tidak terasa membantu. Daripada berteriak “Ini SEMUANYA,” AI memiliki kapasitas untuk menciptakan pengalaman yang lebih terpandu, lebih dekat dengan bekerja dengan rekanan di toko yang membantu. Namun, dalam banyak kasus, hal tersebut belum sepenuhnya tercapai. AI ADA DI MANA-MANA Namun, ekspektasi semakin meningkat. Hal ini karena bagi semakin banyak orang, AI menjadi antarmuka default. Orang-orang menggunakan alat AI generatif setiap hari—mengajukan pertanyaan, merencanakan perjalanan, memecahkan masalah, dan mengambil keputusan. Menurut data dari Constructor dan Shopify, hampir dua pertiga orang telah menggunakan alat seperti ChatGPT dalam kehidupan sehari-hari mereka, naik dari 29% pada tahun 2023. Di kalangan Gen Z, jumlah tersebut bahkan lebih tinggi lagi, dengan 78% telah menggunakan GenAI. Wajar jika perilaku dan tingkat kenyamanan tersebut terbawa saat berbelanja—sampai pada titik di mana saat ini, banyak orang tidak bertanya “Haruskah AI menjadi bagian dari belanja?” melainkan “Mengapa belum lebih baik?” KITA SUDAH AWAL Kenyataannya adalah, kita masih berada di tahap pertama penerapan AI dalam berbelanja. Khususnya, ketika menggunakan AI untuk membantu menemukan produk, ini adalah masalah pengambilan keputusan, bukan masalah bahasa. Dengan kata lain, sistem AI saat ini dapat memahami dan merespons pertanyaan kompleks dengan bahasa alami seperti “Saya sedang merencanakan bak truk, apa yang saya perlukan?” atau “Bantu saya menemukan sepatu lari baru.” Beberapa tahun yang lalu, pertanyaan-pertanyaan itu bahkan tidak masuk akal untuk diketik di bilah pencarian. Saat ini, pembeli bisa mendapatkan rekomendasi yang masuk akal. Masalah yang lebih besar dan mendesak adalah apakah rekomendasi tersebut masuk akal bagi mereka. Di situlah letak masalah pengambilan keputusan, karena memahami apa yang akan ditunjukkan kepada setiap pembeli itu sulit. Hal ini membutuhkan kerja detektif, karena keputusan seseorang sering kali berakar pada tindakan, preferensi, perilaku mereka sebelumnya, dan sebagainya. Meskipun model bahasa besar saat ini unggul dalam menghasilkan jawaban—seringkali dengan sangat percaya diri—mereka kesulitan menghubungkan jawaban tersebut dengan hasil dan konteks dunia nyata, seperti: Sepasang sepatu lari mana yang paling mungkin dibeli oleh pembeli ini? MENGAPA ADA KESENJANGAN Untuk benar-benar membantu pembeli, AI perlu memahami apa yang membuat mereka tertarik. Namun agen tujuan umum seperti ChatGPT dan Claude tidak memiliki akses ke petunjuk penting: apa yang Anda beli, hampir pilih, kembalikan, dll. Informasi ini terfragmentasi, tersebar di seluruh sistem pengecer dan sering kali merupakan hak milik. Namun penting untuk mendapatkan gambaran lengkap. Dan tanpa gambaran tersebut, AI kesulitan untuk mempersempit apa yang secara spesifik sesuai dengan kebutuhan Anda. Seperti halnya sepatu lari: Pelari yang serius mungkin lebih mementingkan stabilitas, lebar kotak kaki, dan apakah sepatu lebih baik untuk jalan setapak atau jalan raya. Mereka mungkin lebih menyukai merek tertentu atau sangat menyukai versi terakhir dari sepatu tertentu. Pelari yang lebih kasual mungkin hanya menginginkan sesuatu yang nyaman untuk jogging sesekali. Jadi, pendekatan “Tanya saya apa saja”—“Sepatu lari apa yang bagus?”—sering gagal untuk menghubungkan titik-titik tersebut. Dan jika pembeli harus menjelaskan sendiri setiap preferensi dan kasus penggunaan, maka AI tidak benar-benar menyederhanakan pengalaman mereka. Sebaliknya, AI memerlukan data dan konteks yang tepat pada saat yang tepat untuk membantu pembeli mengambil keputusan. TRAKSI AWAL Pendekatan berbasis konteks cukup menjanjikan. Misalnya, beberapa pengecer telah meluncurkan agen mereka sendiri yang menggabungkan data produk dan inventaris dengan informasi pembeli, seperti perilaku real-time di situs, pembelian sebelumnya, dan status loyalitas. Jadi, ketika seseorang meminta panduan, AI dapat bergerak lebih dari sekadar rekomendasi umum, dengan menunjukkan item yang mungkin diinginkan orang tersebut. Tidak semua orang ingin berinteraksi dengan cara ini, dan interaksi masih dalam tahap awal. Namun meskipun jumlah orang yang menggunakan alat ini relatif sedikit, dampaknya tampak berarti: Amazon menyampaikan bahwa pembeli yang berkonsultasi dengan asisten belanja AI-nya memiliki kemungkinan 60% lebih besar untuk menyelesaikan pembelian selama sesi mereka. Penggunaannya juga meningkat, dengan keterlibatan meningkat hampir 400% dari tahun ke tahun. Walmart juga mengalami tren serupa: Pelanggan yang menggunakan Sparky AI memiliki nilai pesanan rata-rata 35% lebih tinggi dibandingkan pembeli lainnya. Di situs dengan agen AI selama periode belanja tahun lalu yang menjalankan Black Friday hingga Cyber Monday, lebih dari 10% pendapatan berasal dari pembeli yang menggunakannya, menurut data kami. Namun, belum semua orang menguasai konteksnya: Saya menghabiskan waktu di situs department store nasional beberapa hari yang lalu, menambahkan empat pasang sepatu ke keranjang saya. Keesokan harinya, saya kembali, meminta agen AI situs tersebut untuk merekomendasikan gaya yang serupa dengan yang saya jelajahi. Tanggapannya: “Untuk membantu saya mempersempit hal ini, apakah Anda mencari sepatu pria atau wanita?” Saya akan mengatakannya lagi: Ini masih terlalu dini, dan ada banyak eksperimen yang sedang dilakukan. Pengecer mencoba mencari tahu di mana, dengan konteks yang tepat, agen percakapan dapat memberikan nilai tambah paling besar. Sejauh ini, area dengan niat tinggi, seperti bilah pencarian ritel dan obrolan, tampaknya berfungsi dengan baik. Momen pengambilan keputusan yang penting, seperti pada halaman produk, juga merupakan hal yang cocok. Pada saat itu, pembeli sering kali membutuhkan jawaban atas beberapa pertanyaan seperti, “Apakah produk ini sesuai dengan ukurannya?” atau “Apakah sepatu ini cocok untuk kaki lebar?” APA YANG SELANJUTNYA Dengan membaiknya konteks ini, kita dapat mengharapkan AI menjadi teman belanja yang lebih berguna dan lazim. Kita juga mungkin akan melihat antarmuka yang lebih berdaya, yang tidak hanya menyimpulkan preferensi kita, namun juga mengajukan pertanyaan klarifikasi saat mereka belajar dan beradaptasi. Akan ada pergeseran juga, dari menjawab ke bertindak, dimana agen mengarahkan pilihan secara lebih langsung dan membantu mengambil langkah selanjutnya. Dengan semua kemajuan ini, masa depan AI dalam belanja akan ditentukan oleh seberapa baik mereka memahami konteks dan membantu orang bertindak. Kemudian, AI akan membantu Anda pergi dengan percaya diri dalam pembelian Anda. Kevin Laymoun adalah chief customer officer dan chief revenue officer di Constructor. Bergabunglah dengan kami di New York City pada bulan September ini untuk Fast Company Innovation Festival tahunan. Tiket dengan harga lebih tinggi tersedia sekarang hingga Minggu, 12 Juli. Dapatkan tiket festival Anda hari ini.
Diterbitkan : 2026-06-22 19:10:00
sumber : www.fastcompany.com
