Amazon guna AI generatif untuk tukar carian jadi cadangan peribadi. Inilah pelajaran penting untuk Shopee, Lazada dan rantaian runcit besar di Malaysia.
Dari ‘search’ ke ‘suggest’: langkah berani Amazon
Kira-kira 70% jualan di marketplace besar datang daripada carian yang sangat umum seperti “telefon murah”, “baju raya wanita” atau “hadiah untuk ibu”. Kebanyakan pelanggan tak tahu apa sebenarnya yang mereka mahu, mereka cuma ada niat dan bajet.
Amazon baru sahaja umumkan ciri baharu dipanggil “Interests” – satu fungsi carian berasaskan generative AI yang benarkan pelanggan taip prompt peribadi, contohnya:
“Saya suka dekor rumah minimalis, bajet bawah USD200, anak kecil di rumah – cadangkan perabot ruang tamu.”
AI kemudian akan jawab secara perbualan, tapis berjuta produk dan susun cadangan siap dengan kategori, bajet dan gaya. Bukan lagi carian kata kunci biasa; ini lebih mirip sembang dengan personal shopper.
Bagi pemain besar di Malaysia seperti Shopee, Lazada, PG Mall atau rangkaian runcit seperti Lotus’s dan AEON, langkah Amazon ini ialah isyarat jelas: masa depan e-dagang bukan sekadar paparkan produk, tapi faham niat pelanggan secara mendalam dan bertindak proaktif.
Dalam siri “AI in Retail & E-Commerce (Large Chains & Marketplaces)” ini, artikel ini fokus pada apa yang Amazon sedang buat, kenapa ia penting, dan apa yang boleh dipelajari oleh pemain e-dagang Asia Tenggara.
Apa sebenarnya ciri “Interests” Amazon?
“Interests” ialah lapisan carian generatif yang menterjemah minat, gaya hidup dan keutamaan pelanggan kepada cadangan produk yang sangat terperinci.
Daripada ringkasan yang dikongsi, aliran pengguna lebih kurang begini:
- Pelanggan menaip prompt di ruangan carian Amazon, bukan lagi sekadar kata kunci, tetapi ayat perbualan.
- Mereka boleh masukkan:
- minat (contoh: suka aktiviti outdoor, hobi memasak),
- keutamaan (jenama eco-friendly, warna pastel),
- bajet,
- situasi hidup (baru berpindah rumah, baru dapat bayi, duduk rumah sewa kecil).
- AI generatif akan:
- fahami konteks dan niat,
- kumpulkan data dari katalog produk, review dan tingkah laku pembeli lain,
- hasilkan cadangan dalam bentuk teks perbualan yang mudah difahami.
Dari carian kata kunci ke perbualan dua hala
Perbezaan besar di sini: Amazon cuba tukar carian satu hala menjadi perbualan dua hala.
Daripada pelanggan terpaksa:
- teka kata kunci,
- tapis ribuan produk,
- baca berpuluh review,
…mereka boleh terus beritahu AI apa yang mereka sedang cuba capai.
Contoh prompt yang realistik:
- “Saya nak mula work from home tahun depan, bajet meja + kerusi bawah RM1,000, bilik kecil, kerap ada meeting video.”
- “Saya nak hadiah untuk ayah umur 55 tahun, suka kebun, bajet sekitar RM150.”
AI bukan sahaja cadangkan produk, tetapi juga boleh jelaskan sebab cadangan dibuat: keselesaan, rating tinggi, barang laris, sesuai dengan bajet. Ini sangat dekat dengan pengalaman bercakap dengan promoter berpengalaman di kedai fizikal.
Kenapa pendekatan Amazon ini penting untuk marketplace besar
AI generatif yang memahami niat pelanggan mampu menaikkan dua metrik kritikal e-dagang: kadar penukaran (conversion rate) dan saiz bakul belian (basket size).
Saya pernah lihat sendiri di beberapa projek e-dagang serantau: bila carian jadi lebih relevan, conversion boleh naik 20–40% tanpa tambah trafik pun.
1. Dari pilihan terlalu banyak kepada pilihan yang “masuk akal”
Marketplace besar seperti Shopee dan Lazada ada jutaan produk. Masalahnya:
- Pelanggan cepat penat bila tengok terlalu banyak pilihan.
- Ramai berhenti di peringkat carian tanpa beli apa-apa.
Konsep Amazon “Interests” memotong kekusutan ini:
- AI buat kerja “tapisan awal” bagi pihak pelanggan.
- Hanya produk yang memenuhi konteks dan niat akan diangkat.
Untuk pemain tempatan, bayangkan ciri seperti:
“Saya nak persiapan rumah terbuka Aidilfitri, bajet RM800, rumah apartment kecil, warna tema hijau,”
…dan AI marketplace cadangkan kombo karpet, langsir, hiasan dinding, lampu dan set pinggan mangkuk – siap susun ikut bajet.
2. Personalization yang benar-benar rasa peribadi
Kebanyakan personalization di e-dagang hari ini hanya berdasarkan:
- produk yang pernah dilihat,
- kategori yang sama,
- apa yang orang lain beli.
Ia masih sangat produk-centric. Amazon cuba beralih kepada people-centric:
- bermula dari minat,
- fasa hidup (student, baru kahwin, ada bayi, pesara),
- gaya hidup (banyak travel, suka fitness, bekerja malam),
- kekangan (bilik sempit, bajet ketat, tiada kereta).
Bila ini digabung dengan data transaksi dan inventori, anda dapat cadangan yang rasa seperti:
“Ini untuk hidup saya, bukan sekadar kategori yang saya klik tadi.”
3. Data niat pelanggan yang jauh lebih kaya
Dari sudut perniagaan, prompt perbualan ialah emas data.
Jika hari ini Shopee atau Lazada hanya tahu pelanggan cari “air fryer”, dengan pendekatan gaya Amazon mereka boleh tahu:
- “air fryer untuk keluarga kecil”,
- “nak kurangkan penggunaan minyak”,
- “sesuai untuk dapur yang sangat kecil”.
Data niat seperti ini boleh langsung disambungkan kepada:
- perancangan stok (lebih banyak model kompak),
- konten review (fokus pada kesihatan dan jimat ruang),
- kempen iklan (mesej kreatif lebih tepat),
- dynamic pricing (tawaran khusus untuk segmen tertentu).
Apa yang Shopee, Lazada & rantaian besar boleh tiru – dan perbaiki
Marketplace Asia Tenggara sebenarnya berada pada posisi yang sangat baik untuk mengadaptasi strategi Amazon, dengan beberapa penyesuaian penting.
1. Bangunkan “AI shopping assistant” dalam bahasa tempatan
Di Malaysia, pelanggan campur bahasa dalam carian:
- “baju kurung moden pastel murah”,
- “meja study anak sekolah rendah simple”,
- “cermin mata blue light murah tapi ok”.
Pemain besar perlu:
- latih model AI yang faham Bahasa Melayu, rojak Melayu-Inggeris, dan sedikit istilah Cina/Tamil yang biasa;
- pastikan AI faham konteks budaya: Ramadan, Raya, Tahun Baru Cina, Deepavali, cuti sekolah, musim hujan.
Bayangkan prompt seperti:
“Saya nak persiapan balik kampung musim Raya, ada dua anak kecil, kereta sedan, bajet RM600.”
AI boleh cadangkan:
- car seat kanak-kanak,
- organizer kereta,
- power bank,
- mainan senyap untuk dalam kereta,
- sejadah travel,
- beg pakaian yang mudah susun.
Ini jauh lebih kuat daripada sekadar “cadangan produk popular”.
2. Sambungkan AI carian dengan inventori dan logistik
Amazon terkenal kerana integrasi ketat antara sistem carian, inventori dan logistik. Untuk marketplace Asia Tenggara, pelajaran utamanya:
- AI cadangan mesti sedar stok – jangan cadang item hampir habis tanpa alternatif.
- Ambil kira lokasi gudang – cadang produk yang boleh sampai cepat ke Johor berbeza dengan ke Sabah.
- Gabungkan maklumat penghantaran semasa musim puncak (contoh Ramadan, 11.11, 12.12) ke dalam logik cadangan.
Contohnya, bila pelanggan taip:
“Hadiah perkahwinan hujung minggu ni, mesti sampai sebelum Sabtu, bajet RM200,”
AI boleh tapis hanya produk:
- yang stok mencukupi,
- dari seller dan gudang yang mampu hantar tepat masa,
- dengan rating tinggi untuk elak risiko pulangan.
3. Guna AI untuk bina “bundle niat” bukan hanya “bundle produk”
Hari ini, banyak marketplace hanya buat bundle asas: beli 2, dapat diskaun; add-on produk serupa.
Dengan data niat dari prompt perbualan, pemain besar boleh cipta:
- bundle ikut situasi: “pakej rumah bujang”, “pakej dapur kahwin baru”, “set bayi 3 bulan pertama”;
- bundle ikut ruang: “setup workstation meja kecil”, “setup balkoni mini garden”.
AI boleh cadangkan bundle secara dinamik berdasarkan:
- jenis rumah (apartment vs landed),
- jumlah ahli keluarga,
- bajet maksimum.
Bagi rantaian runcit besar seperti Lotus’s, Aeon Big, NSK – konsep sama boleh digunakan untuk belian barangan dapur bulanan:
“Saya nak shopping barang dapur untuk keluarga 5 orang, bajet RM600, nak lebih banyak barang sihat dan senang masak selepas balik kerja.”
AI boleh bina senarai belian, siap cadangan alternatif jika sesuatu item habis stok.
4. Jangan abaikan aspek kepercayaan & privasi
Satu lagi pelajaran daripada Amazon: bila data pelanggan semakin peribadi, isu kepercayaan jadi kritikal.
Marketplace perlu jelas tentang:
- apa data yang digunakan untuk personalization,
- bagaimana data dilindungi,
- bagaimana pelanggan boleh pilih keluar (opt-out).
Pelanggan Malaysia semakin peka dengan isu kebocoran data. AI yang terlalu agresif tanpa penerangan boleh menakutkan mereka.
Bagaimana untuk mula: pelan langkah-langkah praktikal
Anda tak perlu jadi sebesar Amazon untuk mula menggunakan AI generatif dalam pengalaman beli-belah. Tapi anda perlu mula secara terancang.
Langkah 1: Kenal pasti 3–5 senario niat paling penting
Contoh untuk marketplace atau rantaian besar di Malaysia:
- Persiapan Aidilfitri / Tahun Baru Cina / Deepavali.
- Persiapan sekolah anak (awal tahun dan pertengahan tahun).
- Setup home office / belajar dari rumah.
- Persiapan bayi baru lahir.
- Belian barang dapur bulanan.
Fokus pada senario bernilai tinggi ini terlebih dahulu, kemudian bina data dan playbook AI di sekelilingnya.
Langkah 2: Kumpul dan strukturkan data produk & tingkah laku
AI generatif hanya sekuat data di belakangnya.
Pastikan:
- deskripsi produk lengkap dan konsisten (saiz, warna, bahan, kegunaan),
- kategori dan atribut disusun rapi,
- data rating, review, kadar pulangan teratur,
- data tingkah laku (view, add to cart, beli) mudah dicapai model AI.
Tanpa ini, AI akan bagi cadangan umum yang tak meyakinkan.
Langkah 3: Bina prototaip “AI shopping prompt” di carian
Anda boleh mula dengan versi terhad:
- aktifkan kepada segmen kecil pengguna,
- fokus pada satu atau dua kategori utama (contoh: elektronik & home living),
- pantau jenis prompt yang pengguna hantar,
- latih semula model untuk faham bahasa dan konteks tempatan.
Perkara penting: jangan tunggu sempurna. Lebih cepat anda melihat prompt sebenar, lebih cepat model boleh diperbaiki.
Langkah 4: Uji A/B terhadap metrik bisnes nyata
Jangan ukur kejayaan AI generatif berdasarkan “wow factor” sahaja. Ukur pada:
- kadar penukaran carian,
- masa untuk buat keputusan beli,
- nilai purata pesanan (AOV),
- kadar penambahan ke troli,
- kepuasan pelanggan (CSAT / NPS) untuk pengguna yang guna AI.
Jika ciri gaya Amazon ini dibuat dengan betul, anda patut nampak perbezaan jelas dalam 4–8 minggu.
Di mana arah tuju seterusnya untuk AI dalam e-dagang?
Trend jelas: carian e-dagang sedang bergerak ke arah “sesi perbualan” yang panjang, bukan satu carian ringkas.
Dalam 12–24 bulan akan datang, beberapa perkara besar yang saya jangka:
- AI sebagai “personal shopper” kekal – pelanggan boleh sambung semula sesi carian minggu lepas, AI masih ingat keutamaan dan bajet mereka.
- Integrasi merentas saluran – apa yang pelanggan cari di aplikasi mudah alih akan mempengaruhi cadangan di kedai fizikal (melalui kiosk atau staf yang dilengkapi aplikasi dalaman).
- AI dan dynamic pricing yang lebih bijak – harga, promosi dan voucher menjadi lebih peribadi, berdasarkan niat dan sensitiviti harga setiap pelanggan.
- Pengalaman beli-belah hujung ke hujung berasaskan niat – dari iklan, ke carian, ke cadangan bundle, ke post-purchase follow-up; semuanya koheren kerana AI faham konteks hidup pelanggan, bukan hanya satu transaksi.
Bagi pemain besar seperti Shopee, Lazada, serta rantaian runcit Malaysia, soalan utamanya bukan lagi “perlu atau tidak guna AI?”, tetapi:
“Sejauh mana kita berani jadikan AI sebagai otak utama pengalaman beli-belah pelanggan?”
Amazon sudah tunjuk hala dengan ciri “Interests”. Pemain lain yang belajar cepat, sesuaikan secara lokal dan bertindak awal akan berada selangkah di hadapan menjelang musim jualan besar seterusnya – sama ada 11.11, 12.12, atau Ramadan 1447H.
Jika anda sedang merancang pelaburan AI untuk e-dagang, mulakan dengan satu soalan mudah:
“Kalau pelanggan saya boleh bercakap terus dengan sistem saya seperti bercakap dengan kawan baik, apa yang mereka akan tanya?”
Jawapan sebenar daripada soalan itu ialah pelan jalan raya terbaik untuk projek AI anda.