Bagaimana AI Google Ubah Cara Kita Cari Fesyen

Pada 2023, Google lapor lebih 1 bilion orang menggunakan Google Shopping setiap hari untuk cari produk. Tapi ramai pengguna masih “scroll sampai lebam” bila nak cari satu baju yang sesuai dengan apa yang ada dalam kepala.

Inilah masalah besar dalam e-dagang: pelanggan tahu rasa dan gaya yang mereka nak, tapi tak tahu nak cari dengan perkataan yang tepat. Sekarang Google cuba jawab masalah itu dengan ciri baharu berasaskan AI di tab Shopping — salah satunya dipanggil Vision Match.

Untuk peruncit besar, marketplace seperti Shopee, Lazada, dan pemain fizikal seperti Lotus’s yang agresif masuk e-dagang, langkah Google ini bukan sekadar berita teknologi. Ini petanda jelas arah masa depan AI dalam runcit dan e-dagang: personalisasi, carian visual, dan pengalaman membeli yang jauh lebih “manusiawi”.

Artikel ini kupas apa yang Google buat, kenapa ia penting, dan apa yang peruncit di Malaysia boleh belajar — bukan saja untuk ikut, tapi untuk menang dalam persaingan.

---

Apa Sebenarnya Vision Match di Google Shopping?

Jawapannya ringkas: Vision Match ialah ciri AI yang terjemah idea fesyen pengguna kepada cadangan pakaian yang hampir sama di Google Shopping.

Daripada ringkasan pengumuman Google:

• Pengguna boleh cari pakaian menggunakan kata-kata sendiri, bukan semata-mata kata kunci produk biasa.
• AI akan cuba faham gaya, potongan, warna, dan mood yang dimaksudkan.
• Ia kemudian padankan dengan item fesyen yang dijual di dalam ekosistem Google Shopping.

Cara penggunaan yang mudah difahami

Bayangkan senario realistik untuk pengguna Malaysia:

• Anda taip: “baju kurung moden satin warna hijau zaitun, potongan longgar, sesuai pejabat”.
• Atau: “kasut sneakers putih minimal macam jenama premium tapi bajet bawah RM200”.
• Vision Match cuba tangkap “niat visual” di sebalik ayat itu dan tunjuk senarai produk yang gaya dan rasanya hampir sama, walaupun tajuk produk peniaga tak sebut semua perkataan tersebut.

Ia berbeza daripada carian biasa yang lebih literal. Di sini, model AI generatif cuba baca gaya dan konteks, bukan sekadar perkataan.

Dikukuhkan dengan AR Beauty & Virtual Try-On

Google juga mengumumkan pengembangan alat AR beauty dan virtual try-on:

• Pengguna boleh “cuba” lipstick, foundation atau produk kosmetik lain di muka sendiri melalui kamera.
• Untuk pakaian, virtual try-on menunjukkan rupa sesuatu baju pada tubuh model dengan pelbagai bentuk badan dan warna kulit.

Gabungan Vision Match + AR beauty + virtual try-on bermakna pengguna bukan hanya jumpa produk dengan lebih tepat, mereka juga boleh lihat dan rasa sama ada produk tu sesuai sebelum beli.

---

Kenapa AI Carian Fesyen Ini Penting Untuk Runcit & E-Dagang

Ciri kecil pada Google Shopping ini sebenarnya tanda besar perubahan dalam dunia runcit: carian produk sedang bergerak dari teks kepada visual + niat.

1. Pengalaman pelanggan jauh lebih natural

Manusia fikir dalam bentuk imej, mood dan situasi, bukan dalam bentuk kata kunci SEO.

• Pengguna fikir: “nak tudung chiffon lembut, tak panas, warna lembut raya tahun depan”.
• Mereka bukan fikir: “tudung chiffon plain pastel breathable”.

AI macam Vision Match cuba rapatkan jurang antara bahasa manusia dan bahasa katalog produk. Ini sesuatu yang marketplace besar dan jenama runcit perlu ambil serius kalau nak kekal relevan.

2. Tingkatkan kadar penukaran (conversion rate)

Lebih tepat produk yang dipadankan dengan niat pengguna, lebih tinggi peluang mereka tekan “add to cart”.

Kesan praktikal:

• Kurang aktiviti “browsing kosong” yang tak berakhir dengan pembelian.
• Pelanggan nampak item yang mereka memang rasa “ini aku”, bukan sekadar “ini lebih kurang”.
• Dalam jangka panjang, data ini bantu optimasi inventori dan pemasaran.

Dalam siri AI in Retail & E-Commerce ini, kita selalu nampak pola sama: AI yang faham tingkah laku pelanggan hampir selalu membawa kepada jualan lebih tinggi per pengunjung.

3. Persaingan tak lagi pada harga sahaja

Kalau dulu, banyak peruncit di Malaysia bersaing harga di Lazada dan Shopee:

• Siapa paling murah menang.
• Margin makin nipis.

Dengan AI carian visual & personalisasi, pengalaman membeli jadi medan persaingan baru. Kedai yang bagi pengalaman carian paling mudah, paling “faham jiwa” pelanggan, akan menang walaupun harga bukan paling rendah.

---

Apa Yang Platform Besar Malaysia Boleh Belajar Dari Google

Realitinya, kebanyakan peruncit di Malaysia tak ada bajet atau pasukan untuk bina AI sebesar Google. Tapi itu bukan alasan untuk tak buat apa-apa.

Berikut beberapa pelajaran praktikal untuk marketplace besar (Shopee, Lazada), rangkaian pasar raya (Lotus’s, Aeon), dan juga jenama fesyen tempatan:

1. Serius dengan carian visual (image search)

Google sudah lama ada Google Lens, dan Vision Match ialah sambungan logik kepada carian visual.

Marketplace di Malaysia patut:

• Sediakan ciri “cari guna gambar” dalam aplikasi, sekurang-kurangnya untuk kategori fesyen & dekor rumah.
• Guna model vision AI untuk klasifikasi: jenis pakaian, warna, corak, potongan, gender, occasion (kasual, pejabat, formal).
• Padankan imej pengguna dengan produk sedia ada, walaupun tajuk produk tak lengkap.

Pengalaman pengguna yang baik:

• Ambil gambar baju di butik, cari versi lebih murah online.
• Ambil tangkap layar OOTD influencer, cari produk mirip di marketplace.

2. Gabungkan teks + visual + tingkah laku

Vision Match tak hanya baca teks secara buta. Ia gabungkan beberapa isyarat:

• Teks carian pengguna (natural language).
• Ciri visual produk (warna, corak, potongan).
• Data tingkah laku (produk apa yang orang dengan citarasa sama suka klik dan beli).

Peruncit besar boleh tiru logik ini walaupun dengan model AI off-the-shelf:

• Kumpul dan bersihkan data katalog produk (gambar berkualiti, label yang konsisten).
• Guna model AI untuk ekstrak “feature vector” bagi setiap produk (semacam DNA visual).
• Guna algoritma cadangan (recommendation system) untuk padankan produk dengan pengguna berasaskan interaksi lepas.

Ringkasnya: jangan harap pada filter asas sahaja. AI dah sampai tahap boleh buat padanan lebih bijak dari “warna = biru, saiz = M”.

3. Bangunkan “fesyen assistant” dalam aplikasi

Kalau Google boleh guna AI untuk faham ayat gaya santai, retailer pun boleh.

Bayangkan dalam aplikasi Shopee atau aplikasi jenama fesyen tempatan:

• Pengguna taip: “nak outfit smart casual untuk jamuan buka puasa pejabat”.
• AI cadangkan kombinasi baju, seluar, tudung, kasut yang relevan.

Ini boleh dibuat dengan:

• Model bahasa (language model) untuk faham niat.
• Pemetaan kata kunci gaya (smart casual, streetwear, minimal, Korean style) kepada set produk.
• Logik “look builder” yang gabungkan beberapa produk jadi satu set.

Siapa yang buat ini dulu di Malaysia, akan menonjol berbanding katalog biasa yang hanya susun produk mengikut kategori.

4. Standardkan data produk, jangan malas di sini

AI hanya setepat data yang diberi.

Kalau tajuk produk bercelaru seperti:

• “BAJU CANTIK HOT!!! FREEGIFT SIAP POS”
• “TOP BEST SELLER SGT!!!!!”

… AI akan susah untuk faham dan padankan.

Peruncit besar patut:

• Tetapkan standard penyenaraian produk untuk penjual.
• Wajibkan medan seperti jenis bahan, potongan, warna, kategori occasion diisi dengan format yang konsisten.
• Guna AI untuk bantu “auto-enrich” data: contohnya, model vision tambah tag seperti “floral”, “oversized”, “hoodie” walaupun penjual lupa isi.

Hasilnya, pengalaman carian dan cadangan akan jauh lebih tepat.

---

Risiko & Batasan: Jangan Terlalu Terpesona Dengan AI

Saya suka apa yang Google buat dengan Vision Match, tapi ada beberapa perkara yang peruncit dan pembuat dasar perlu awasi.

1. Bias terhadap gaya tertentu

Model AI dilatih dengan data. Jika kebanyakan data datang dari gaya Barat, kemungkinan besar:

• Gaya baju kurung, kebaya, jubah, telekung mungkin kurang difahami.
• AI mungkin lebih “faham” dress, blazer, jeans berbanding fesyen tempatan.

Untuk peruncit di Malaysia:

• Pastikan model dilatih atau ditala (fine-tune) dengan data fesyen tempatan.
• Masukkan contoh gaya Melayu, Muslimah, dan Asia Tenggara dalam set data.

2. Isu privasi & kepercayaan

AR beauty dan virtual try-on melibatkan wajah dan tubuh pengguna.

Soalan penting yang pelanggan akan tanya:

• Gambar aku disimpan di mana?
• Digunakan untuk latih model AI lain ke?
• Berapa lama data disimpan?

Peruncit besar perlu sangat telus:

• Terangkan dasar privasi dalam bahasa mudah.
• Benarkan pengguna pilih keluar (opt-out) daripada penggunaan data untuk latihan model.
• Hadkan simpanan imej di peranti pengguna bila boleh.

3. Ketagihan “wow factor” tapi lupa asas

Ramai syarikat teruja dengan demo AI yang cantik, tapi lupa asas e-dagang:

• Stok tepat.
• Penghantaran laju.
• Pulangan mudah.

AI macam Vision Match hanya membantu bahagian hadapan (front-end) pengalaman membeli. Kalau belakang (fulfilment, logistik, layanan pelanggan) masih lemah, pelanggan tetap kecewa.

Dalam siri AI in Retail & E-Commerce, pola yang jelas ialah: pemain yang berjaya guna AI dari hujung ke hujung — dari peramalan inventori sampai personalisasi di aplikasi — bukan hanya di satu titik glamor.

---

Langkah Praktikal Untuk Peruncit Malaysia Mulakan AI Fesyen

Bukan semua orang perlu bina Vision Match versi sendiri sekarang. Tapi semua peruncit besar patut mula bergerak ke arah yang sama.

Berikut pelan ringkas yang boleh diambil dalam 6–12 bulan:

Fasa 1: Kemas kini data & pengalaman asas (3–4 bulan)

• Audit kualiti gambar produk fesyen dan kecantikan.
• Standardkan format tajuk, deskripsi dan tag produk.
• Guna AI mudah (contoh: klasifikasi imej) untuk tambah label warna, corak, potongan.

Fasa 2: Cadangan pintar & carian teks lebih “manusia” (3–4 bulan)

• Pasang sistem recommendation berdasarkan tingkah laku (produk berkaitan, “orang lain juga beli”).
• Gunakan pemprosesan bahasa semula jadi (NLP) untuk faham carian pengguna yang lebih panjang.
• Uji di segmen tertentu: contohnya, hanya kategori fesyen wanita dulu.

Fasa 3: Uji ciri visual & try-on (3–4 bulan)

• Jalankan proof-of-concept carian menggunakan gambar untuk kategori fesyen.
• Uji AR try-on untuk kosmetik atau aksesori (cermin mata, tudung segera).
• Pantau kesan kepada masa di aplikasi, kadar tambah ke troli, dan kadar penukaran.

Di setiap fasa, fokus pada hasil perniagaan, bukan sekadar “kita guna AI”. Contoh metrik yang patut dipantau:

• Peningkatan conversion rate.
• Nilai pesanan purata (AOV).
• Masa sesi pengguna.
• Bilangan pertanyaan ke khidmat pelanggan berkaitan carian produk.

---

AI Fesyen Bukan Lagi Eksperimen, Ia Jadi Standard Baru

Google dengan Vision Match, AR beauty dan virtual try-on sedang menetapkan standard baru untuk cara pelanggan mencari dan menilai produk fesyen secara online.

Dalam konteks siri AI in Retail & E-Commerce (Large Chains & Marketplaces), mesejnya jelas:

Pemain besar yang anggap AI sebagai “nice to have” akan ketinggalan berbanding mereka yang bina AI sebagai teras pengalaman membeli.

Untuk peruncit dan marketplace di Malaysia, ini masa yang tepat — hujung tahun, musim jualan besar, dan persediaan ke arah Ramadan dan Raya 2026 — untuk fikir serius:

• Adakah pengalaman carian fesyen anda hari ini rasa seperti 2025, atau masih 2015?
• Bila pelanggan ada “idea gaya dalam kepala”, adakah platform anda faham… atau mereka akhirnya pergi ke tempat lain?

Pelanggan sudah terbiasa dengan standard yang Google sedang bentuk. Soalannya bukan lagi “perlu ke guna AI?” tetapi “berapa cepat anda boleh jadikan AI sebagai kelebihan daya saing sebenar dalam runcit dan e-dagang?”