Bagaimana AI Google Ubah Carian Fesyen Online

Bagaimana AI Google Ubah Carian Fesyen Online

Pada 2024, Google melaporkan lebih 40% carian berkaitan fesyen datang daripada gabungan teks dan imej – bukan teks sahaja. Ini petanda jelas: pengguna tak lagi puas dengan kotak carian biasa. Mereka mahu platform yang faham gaya, bukan sekadar kata kunci.

Untuk pemain e-dagang besar – sama ada marketplace seperti Shopee, Lazada atau rangkaian runcit seperti Lotus’s – perubahan ini bukan isu kosmetik. Ini soal siapa yang akan mengawal “pintu masuk” niat beli pengguna dalam 2–3 tahun akan datang.

Pelancaran ciri baharu Google di tab Shopping yang dipanggil “Vision Match” menunjukkan hala tuju tersebut. Bila gergasi seperti Google melabur dalam carian fesyen berasaskan AI, mesejnya jelas: personalisasi visual dan bahasa natural bakal jadi standard, bukan pilihan.

Artikel ini kupas apa sebenarnya Vision Match, kenapa ia penting untuk runcit dan e-dagang, dan bagaimana jenama besar boleh ambil peluang – bukan sekadar jadi penonton.

---

Apa Itu Vision Match & Cara Ia Berfungsi

Vision Match ialah ciri AI dalam Google Shopping yang membenarkan pengguna mencari pakaian berdasarkan idea visual dan bahasa percakapan, bukan hanya kata kunci generik.

Daripada ringkasan pengumuman Google:

• Pengguna boleh menaip dengan bahasa biasa (contoh: “baju kurung moden warna sage hijau, potongan longgar”)
• Atau gabung deskripsi dan imej rujukan
• AI kemudian padankan idea tersebut dengan item fesyen yang hampir sama daripada peniaga yang disenaraikan di Google Shopping

Gabungan teks, imej dan gaya

Ini bukan sekadar carian imej biasa:

• Model visual AI menganalisis potongan, warna, tekstur, siluet
• Model bahasa (generative AI) faham gaya yang digambarkan (“oversized”, “streetwear minimal”, “office casual”, dan sebagainya)
• Sistem kemudian cadangkan produk yang hampir dengan gaya tersebut, walaupun tajuk produk asal tak sebut semua ciri berkenaan

Dalam konteks Malaysia, bayangkan pengguna taip:

“tudung bawal satin shine, warna dusty pink, look premium tapi bawah RM60”

Secara tradisional, enjin carian hanya baca kata kunci “tudung bawal satin pink”. Dengan Vision Match, AI faham juga elemen rasa (“premium”) dan had harga untuk susun senarai produk yang lebih tepat dengan niat.

Dikukuhkan dengan AR Beauty & Virtual Try-On

Google turut mengembangkan ciri AR beauty dan virtual try-on:

• Untuk kosmetik: pengguna boleh lihat kesan warna gincu atau pembayang mata pada ton kulit berbeza
• Untuk pakaian: model maya dengan bentuk badan pelbagai, menunjukkan rupa baju bila dipakai

Untuk e-dagang, ini secara langsung mengurangkan ketidakpastian pembeli, dan biasanya membantu turunkan kadar pemulangan barang (return rate) bagi kategori fesyen.

---

Kenapa Langkah Google Ini Penting Untuk Peruncit & Marketplace

Ciri seperti Vision Match mengubah carian produk kepada perbualan tentang gaya dan niat – dan ini memberi kesan besar pada cara peruncit besar perlu bina katalog, data dan pengalaman pelanggan.

1. Pengalaman beli yang jauh lebih peribadi

Sebahagian besar pemain e-dagang Asia Tenggara masih bergantung pada:

• Carian teks asas
• Penapisan manual (saiz, warna, harga)
• “Produk serupa” yang statik

Pengalaman sebegini memang berfungsi, tetapi:

• Pengguna perlu banyak trial & error dalam carian
• Mereka perlu tahu istilah fesyen yang tepat
• Banyak masa dihabiskan scroll, bukan memilih

AI seperti Vision Match pergi terus kepada niat sebenar: “Aku nak gaya macam ni, dalam bajet ni, untuk situasi ni.”

Bila enjin carian boleh faham konteks sebegini, kadar conversion biasanya meningkat kerana:

• Halangan untuk jumpa produk sesuai jadi lebih rendah
• Pengguna rasa “difahami”, bukan sekadar dilonggokkan dengan berjuta pilihan

2. Data niat pelanggan yang lebih kaya

Bagi pengurus data, inilah bahagian paling menarik.

Setiap carian Vision Match pada asasnya ialah signal niat (intent signal) yang sangat terperinci:

• Gaya: “office casual”, “sporty”, “minimalist”, “K-wave”, “aesthetic Muslimah”
• Keutamaan bentuk badan: “labuh tutup punggung”, “longgar, bukan ketat”, “sesuai untuk berhijab”
• Bajet: “bawah RM100”, “mid-range”, “murah tapi nampak mahal”

Maklumat sebegini, jika dipetakan dengan betul ke dalam sistem analitik peruncit atau marketplace, boleh digunakan untuk:

• Peramalan inventori yang lebih tepat (contoh: permintaan naik untuk “abaya satin warna jewel tone” menjelang Ramadan)
• Perancangan koleksi bersama vendor dan jenama
• Segmentasi pelanggan berdasarkan gaya, bukan hanya demografi asas

3. Tekanan baru pada kualiti data produk

Di sini ramai peruncit besar akan terasa: AI visual boleh bantu, tetapi jika data produk kotor, hasil carian tetap lemah.

Untuk manfaat sepenuhnya daripada trend seperti Vision Match, peruncit perlu mula serius dengan:

• Penamaan produk yang konsisten
• Deskripsi produk yang lengkap (potongan, material, mood pemakaian)
• Tag dan atribut yang tersusun untuk warna, gaya, kegunaan (kerja, kasual, majlis, sukan, raya, dan lain-lain)

Tanpa asas ini, AI akan sukar padankan niat pelanggan dengan stok sebenar di gudang.

---

Implikasi Terhadap Inventori, Harga & Operasi Rantaian Bekalan

Bila AI mula faham bahasa fesyen dan imej, keputusan operasi di belakang tabir juga akan berubah – daripada perancangan inventori hingga ke harga dinamik.

Dari carian fesyen ke peramalan permintaan

Contoh praktikal untuk peruncit di Malaysia:

• Bulan 3 hingga 5: lonjakan carian “baju kurung moden satin pastel”, “abaya minimal warna krim”, “baju Melayu slim fit earth tone”
• AI menganalisis trend carian + jualan sebenar
• Sistem peramalan inventori cadangkan penambahan stok lebih awal untuk SKU tertentu

Bezanya dengan sistem tradisional:

• Dahulu, anda bergantung kuat pada data jualan tahun lepas
• Sekarang, anda dapat indikasi niat sebelum transaksi berlaku

Ini sangat kritikal menjelang musim perayaan seperti Ramadan/Raya, Tahun Baru Cina, Deepavali atau hujung tahun.

Dinamik harga yang lebih bijak

Bila anda tahu gaya apa tengah naik, pada bajet berapa, untuk segmen mana, anda boleh:

• Gunakan harga dinamik mengikut permintaan waktu sebenar
• Kenal pasti produk mana yang boleh dijadikan “magnet” (harga agresif untuk tarik trafik)
• Bezakan strategi harga untuk marketplace terbuka vs laman e-dagang milik sendiri

Contohnya, jika AI menunjukkan peningkatan carian “kasut sukan putih minimalist bawah RM150”, anda boleh:

• Kekalkan harga berdaya saing untuk model asas
• Tetapi naikkan sedikit margin untuk model premium yang sepadan gaya carian, kerana niat beli lebih tinggi

Kaitan dengan automasi gudang dan pemilihan produk

Di hujung rantaian bekalan:

• Algoritma pemilihan SKU untuk gudang boleh diubah berdasarkan trend gaya
• Barang yang kerap muncul dalam carian Vision Match diberi keutamaan stok di gudang lebih dekat dengan zon permintaan
• Ini mengurangkan masa penghantaran dan kos logistik

Untuk rangkaian besar seperti Lotus’s atau jenama fesyen yang beroperasi di pelbagai negara, integrasi ini boleh jadi faktor bezakan pengalaman pelanggan berbanding pesaing.

---

Apa Yang Peruncit Besar Boleh Buat Mulai Sekarang

Peruncit dan marketplace tak perlu tunggu ada “Vision Match” versi sendiri sebelum bertindak. Ada beberapa langkah praktikal yang boleh dimulakan hari ini.

1. Naik taraf kualiti data produk fesyen

Fokus pada tiga perkara:

1. Struktur data
   Pastikan setiap produk ada:

   • Kategori jelas (contoh: “Baju Kurung”, “Blouse Muslimah”, “Sneakers Lifestyle”)
   • Atribut lengkap: potongan, material, panjang, gaya, corak

2. Bahasa deskripsi
   Gunakan bahasa yang serasi dengan cara pelanggan sebenar bercakap:

   • “longgar dan sopan”, “sesuai untuk pejabat”, “sesuai untuk musim panas/humid”
   • Bukan jargon teknikal semata-mata

3. Imej produk berkualiti tinggi

   • Sudut berbeza, close-up tekstur, rupa bila dipakai
   • Imej konsisten memudahkan AI visual dan manusia menilai

2. Uji carian berasaskan AI di dalam ekosistem anda

Jika anda mengendalikan:

• Marketplace besar
• Aplikasi e-dagang jenama sendiri

Pertimbangkan untuk:

• Guna model AI visual + bahasa (dalaman atau melalui pembekal teknologi) untuk cadang “produk mirip” berasaskan imej dan gaya
• Benarkan pengguna upload gambar atau pilih inspirasi gaya, bukan hanya taip teks
• Jejak bagaimana ciri ini mempengaruhi conversion, nilai troli dan kadar pemulangan

3. Gunakan data niat untuk pemasaran & merchandising

Carian gaya boleh “diterjemah” kepada tindakan praktikal:

• Kempem bersegmentasi
  Contoh: segmentasi pelanggan yang kerap cari “office wear Muslimah moden” untuk kempen koleksi kerja awal tahun.

• Halaman koleksi dinamik
  Papar koleksi mengikut trend carian semasa (contoh: “fesyen hujung tahun warna tanah”, “OOTD minimal untuk 2026”).

• Merchandising pintar
  Produk yang kerap muncul dalam carian AI dipaparkan di atas dalam kategori utama.

4. Sediakan organisasi untuk era carian berasaskan niat

Ada perubahan minda yang perlu berlaku:

• Pasukan merchandising perlu lihat data gaya dan niat, bukan hanya ranking jualan
• Pasukan pemasaran perlu guna istilah yang padan dengan cara pelanggan bercakap, bukan semata-mata bahasa jenama
• Pasukan IT dan data perlu bina pipeline yang menghubungkan data carian → analitik → keputusan inventori/pemasaran

---

Masa Depan: AI Sebagai “Stylist” Digital Dalam E-Dagang

Vision Match hanyalah petanda awal bahawa AI akan bertindak sebagai “stylist peribadi” di dalam platform e-dagang besar.

Dalam beberapa tahun akan datang, tak keterlaluan untuk jangka senario seperti:

• Pelanggan di aplikasi marketplace Malaysia menaip:
  “Aku nak outfit untuk majlis bertunang santai, tema hijau, bajet total RM300 untuk tudung + baju + kasut”
  Dan AI terus cadangkan satu set lengkap daripada pelbagai vendor.

• Untuk peruncit runcit besar yang juga jual fesyen, aplikasi mereka boleh:

  • Cadang kombinasi pakaian + aksesori bila pelanggan imbas resit pembelian lepas
  • Sesuaikan cadangan ikut cuaca tempatan atau musim perayaan

Bagi pemain besar dalam runcit & e-dagang, gelombang ini sudah bergerak. Soalnya hanya satu:

Adakah anda akan jadi platform yang orang rujuk untuk “cari gaya”, atau sekadar tempat mereka klik bila harga lebih murah?

Jika perniagaan anda serius tentang AI dalam runcit dan e-dagang, langkah awal yang paling berkuasa sebenarnya bukan beli teknologi paling mahal. Ia bermula dengan:

• Data produk yang bersih dan kaya
• Keberanian untuk uji pengalaman carian & cadangan berasaskan AI
• Kesediaan organisasi untuk buat keputusan bersandarkan data niat pelanggan

Vision Match menunjukkan apa yang mungkin. Selebihnya bergantung pada sejauh mana anda sanggup menyesuaikan strategi hari ini untuk cara pelanggan membeli pada 2026 dan seterusnya.