Selamat pagi, saya まさきん.
Saya membaca ulang catatan dari artikel luar negeri yang saya baca dulu. Isinya soal apa yang dibutuhkan untuk mewujudkan 1to1 marketing, atau yang biasa disebut personalisasi.
Artikelnya sudah lama, tapi kerangkanya menurut saya masih bisa dipakai sampai sekarang, jadi saya coba rangkum lagi di sini.
Hasil survei waktu itu, sekadar sebagai angka masa lalu
Artikel itu mengutip sebuah survei. Perusahaan yang berhasil menerapkan personalisasi dengan benar disebutkan kurang dari 40%.
Tapi ini survei sekitar tahun 2016. Bukan angka yang menggambarkan kondisi sekarang, dan sebaiknya dilihat sebagai referensi historis, “waktu itu kira-kira segitu”. Sekarang seharusnya sudah lebih luas penerapannya, dan dengan munculnya AI generatif, situasinya pasti sudah berubah lagi.
Meski begitu, bagian alasan mengapa implementasinya sulit menurut saya masih cukup relevan sampai sekarang. Tiga elemen yang disebutkan sebagai kebutuhannya adalah berikut ini.
3 elemen, data, konten, dan logika
Data adalah dasar untuk menangkap setiap pelanggan secara tepat. Riwayat pembelian, perilaku di situs, dan atribut member harus tertata pada level yang bisa dipakai untuk pengambilan keputusan. Misalnya di situs e-commerce, riwayat produk yang dilihat, dimasukkan ke keranjang, dan benar-benar dibeli, harus terhubung rapi ke satu pelanggan. Selain itu, informasi ini tidak berguna kalau sudah usang. Produk yang dilihat kemarin dan dibeli hari ini baru jadi data yang bisa dipakai untuk rekomendasi selanjutnya kalau terhubung nyaris secara real time.
Konten adalah materi untuk membedakan tampilan per pelanggan. Email rekomendasi yang sama, tapi orang yang sedang mencari makanan bayi dan orang yang tinggal sendiri mencari kebutuhan harian, seharusnya melihat produk dan teks yang berbeda. Skenario klasik email marketing seperti follow-up keranjang ditinggalkan atau ajakan kembali untuk pelanggan pasif, kalau ditelusuri lebih jauh, sebenarnya juga soal desain konten, yaitu menyampaikan apa ke siapa. Kalau variasinya sedikit, ujungnya cuma mengirim isi yang sama ke semua orang.
Logika adalah sistem untuk menentukan konten mana yang ditampilkan ke siapa. Ada yang berbasis aturan dengan percabangan kondisi, ada juga rekomendasi berbasis machine learning. Percabangan sederhana seperti “kalau riwayat penelusuran ada makanan bayi, prioritaskan rekomendasi kategori parenting” pun sudah termasuk logika yang layak. Artikel itu juga menyebutkan, bagian inilah yang paling sulit. Meski data dan konten sudah tersedia, tanpa “otak” yang menentukan kombinasinya, personalisasi tidak akan berjalan.
Kalau salah satu dari tiga elemen ini hilang, personalisasi jadi setengah-setengah. Data ada tapi konten cuma satu jenis, konten banyak tapi tidak ada logika pembedanya. Ketiganya harus lengkap dulu, baru pengalaman yang berbeda untuk setiap pelanggan bisa benar-benar tersampaikan.
Hambatan konten sudah jauh lebih rendah dengan AI generatif
Dari ketiga elemen ini, yang menurut saya paling banyak berubah adalah konten.
Dulu, menyiapkan teks dan gambar untuk setiap segmen pelanggan saja sudah butuh tenaga dan waktu yang cukup besar. Ingin menambah segmen jadi 10 pun, kalau dipikirkan beban membuat materinya, akhirnya sering dibatasi jadi beberapa saja. Sekarang, tinggal memberi kondisi ke AI generatif, teks serupa bisa dibuat dalam jumlah besar dan waktu singkat. Variasi deskripsi produk, pembedaan copy iklan, semuanya jadi jauh lebih mudah dibanding sebelumnya. Bahkan menyiapkan teks sebanyak jumlah segmen pelanggan pun sekarang mulai terasa realistis dari sisi biaya.
Bagian logika juga menurut saya lebih mudah dijangkau dibanding sebelumnya. Sistem rekomendasi berbasis machine learning sudah bisa dipakai sebagai layanan yang terpaket. Tidak perlu lagi membangun model statistik dari nol seperti dulu.
Rekomendasi paket seluler pun rasanya bisa didapat dengan logika yang mirip. Saya mau coba cek dulu kasus saya lewat simulasi tarif.
Setelah diklik, halaman login Rakuten akan terbuka. Setelah login, detail kampanye akan muncul.
Hambatan sesungguhnya yang masih tersisa
Tapi, justru karena hambatan konten dan logika sudah menurun, ada hal lain yang jadi lebih terlihat.
Pertama, data. Sebanyak apa pun teks yang bisa diproduksi AI generatif, kalau datanya kasar atau terpecah-pecah per pelanggan, hasilnya jadi konten yang tidak tepat sasaran. Kalau informasi member ada di sistem A, riwayat pembelian di sistem B, dan log perilaku aplikasi di sistem C, sejak awal pelanggan tidak bisa ditangkap secara utuh. Justru punya fondasi data yang akurat, sekarang jadi faktor yang lebih menentukan perbedaan dibanding sebelumnya.
Untuk logika, karena kesulitan teknisnya menurun, kesulitan lain justru jadi lebih menonjol. Yaitu penilaian soal “apa yang dianggap logika baik untuk pelanggan kita sendiri”. Logika yang memaksimalkan penjualan tidak selalu berujung kepuasan pelanggan. Logika yang terus merekomendasikan produk diskon bisa mendongkrak penjualan jangka pendek, tapi dalam jangka panjang justru membuat pelanggan jadi menunggu diskon terus. Ini berkaitan dengan gagasan bahwa inti CRM adalah tidak menciptakan “penjualan yang buruk”. Bagian ini menurut saya harus tetap diputuskan dan dirancang oleh manusia, bukan diserahkan sepenuhnya ke machine learning.
Sekalipun alatnya makin canggih, yang menentukan untuk apa dan kepada siapa disampaikan tetap manusia. Sekarang ketika data sudah tertata dan konten bisa diproduksi massal, filosofi desain logika justru jadi cermin yang langsung memantulkan sikap perusahaan itu sendiri.
Di rumah juga, saya memikirkan hal yang mirip
Kerangka “kepada siapa, apa, dan mengapa disampaikan” ini menurut saya bukan cuma soal pekerjaan.
Di rumah juga, bagaimana membagi paket dan kontrak komunikasi ke setiap anggota keluarga, sebenarnya cukup mirip dengan keputusan personalisasi. Anggota keluarga yang sering memakai data, dapat paket berkuota besar. Yang jarang memakai, dapat paket murah. Data yaitu kondisi pemakaian, dan logika yaitu siapa mendapat apa, secara alami juga berjalan di rumah tangga.
Paket seluler keluarga kami juga pernah saya tinjau ulang dengan cara seperti ini. Semoga bisa jadi referensi.
Setelah diklik, halaman login Rakuten akan terbuka. Setelah login, detail kampanye akan muncul.
Artikel ini mengandung iklan afiliasi. Jika Anda mendaftar produk atau layanan melalui tautan di situs ini, kami mungkin menerima komisi dari perusahaan mitra. Selain itu, pengelola adalah karyawan Rakuten Group dan mungkin menerima imbalan melalui program referral karyawan. Konten dan penilaian artikel dibuat berdasarkan pengalaman nyata dan riset pengelola, terlepas dari ada atau tidaknya iklan, namun kami harap Anda membaca dengan memahami hubungan di atas. Untuk detailnya, silakan lihat Sangkalan & Info Afiliasi. Sangkalan & Info Afiliasi
Artikel ini menggunakan terjemahan mesin. Untuk syarat resmi, silakan cek halaman multibahasa di situs resmi Rakuten Mobile.
Jika Anda memiliki kekhawatiran tentang area jangkauan atau kondisi sinyal Rakuten Mobile, Anda dapat berkonsultasi melalui formulir permintaan perbaikan sinyal resmi.
