Bagaimana Walmart Guna AI Pecut Penghantaran Hadiah

AI Di Sebalik “Last‑Minute Gifts”: Apa Yang Boleh Dipelajari Peruncit Malaysia

Pada musim perayaan hujung tahun ini, Walmart mendakwa mampu menghantar pesanan kepada 95% isi rumah di AS dalam masa 3 jam. Pada malam Krismas pula, pelanggan boleh buat pesanan sehingga 5.00 petang dan masih dapat hadiah dalam masa sejam.

Untuk capai tahap kelajuan macam itu, ia bukan sekadar tambah rider atau beli lebih banyak van. Terasnya ialah AI dalam runcit dan e‑dagang: ramalan inventori, pemetaan laluan last mile, dan automasi operasi yang sangat agresif.

Bagi rangkaian pasar raya, jenama omni-channel dan marketplace di Malaysia, cerita Walmart ini sebenarnya satu “blueprint” jelas tentang ke mana arah persaingan akan pergi pada 2026. Kuncinya: siapa paling bijak guna AI untuk jadikan penghantaran lebih cepat, lebih tepat, lebih menguntungkan.

Artikel ini kupas:

• bagaimana Walmart struktur pengalaman “Get it Now” dan Express Delivery
• apa teknologi AI yang biasanya duduk di belakang tabir model sebegini
• bagaimana peruncit Malaysia – daripada hypermarket hingga marketplace – boleh adapt strategi sama untuk musim perayaan seperti Tahun Baru Cina, Raya dan 11.11

1. Apa Sebenarnya Walmart Sedang Buat?

Walmart bukan sekadar tambah servis penghantaran. Mereka sedang latih pelanggan untuk menganggap “3 jam” sebagai standard baru.

Beberapa poin penting daripada pengumuman terkini mereka:

• Express Delivery dalam 1 jam untuk pembeli saat akhir, termasuk pada malam Krismas, jika order sebelum 5.00 petang.
• Aplikasi Walmart ada pilihan “Get it Now” yang tunjuk anggaran masa penghantaran dalam bentuk minit, dan pelanggan boleh buat pesanan dengan satu tap.
• Ketua Pegawai Eksekutif Walmart, Doug McMillon, sebut bahawa 35% pesanan digital Q3 dihantar dalam masa kurang 3 jam.

Pada masa sama, pesaing lain di AS tak duduk diam:

• Best Buy tawar penghantaran hari sama untuk produk terpilih.
• Dollar General, Old Navy, Ulta Beauty dan Family Dollar guna rangkaian penghantaran seperti Uber Eats dan DoorDash.

Gambaran besarnya: “last mile” sedang berubah daripada 2–3 hari kepada beberapa jam sahaja. Di Malaysia, kita dah nampak versi awal melalui “Same Day Delivery” di bandar utama, tapi belum sampai tahap 95% capaian 3 jam.

2. Kenapa Kelajuan Penghantaran Jadi Senjata Strategik

Penghantaran pantas bukan lagi “nice to have”. Ia terus masuk ke tengah strategi bisnes, terutamanya:

• Musim puncak – Black Friday, 11.11, 12.12, Tahun Baru Cina, Hari Raya.
• Kategori impulse – hadiah, barang rumah yang habis tiba-tiba, barangan bayi, makanan segar.

Dalam data yang dikongsi RetailNext dan Mastercard di AS:

• Jualan e‑dagang Black Friday naik lebih 10%
• Trafik kedai fizikal turun sekitar 5%

Trend ini sama dengan Malaysia: pengguna makin selesa beli di aplikasi, tetapi mengharapkan kepuasan hampir sama seperti beli di kedai – dapat barang cepat.

Inilah ruang AI menyumbang nilai besar:

• Tanpa ramalan permintaan yang tepat, stok akan salah lokasi dan penghantaran 3 jam jadi mustahil.
• Tanpa algoritma penghalaan dan penjadualan automatik, kos setiap penghantaran akan melambung.

Peruncit yang hanya tambah rider tanpa memperkukuh otak AI di belakang operasi akan rasa margin makin nipis setiap kali mereka “pantas memanjakan pelanggan”.

3. AI Dalam Operasi Walmart: Apa Yang Boleh Kita Agak

Walmart jarang dedah penuh senarai teknologi mereka, tapi berdasarkan model operasi dan apa yang pemain besar lain guna, ada beberapa lapisan AI yang hampir pasti wujud.

3.1 Ramalan Inventori & Perancangan Stok Mikro

Untuk janji “3 jam ke 95% rumah”, stok mesti diletak dekat dengan pelanggan, bukan di satu gudang pusat sahaja.

Biasanya ini melibatkan:

• AI demand forecasting yang memproses data:
  • sejarah jualan mengikut kawasan, masa, cuaca
  • musim (Krismas, back-to-school, perayaan)
  • promosi & harga pesaing
• Perancangan stok per kedai / micro-fulfillment center supaya:
  • item “hot” dihantar lebih awal ke lokasi yang hampir dengan kluster pelanggan
  • stok online dan offline diselaraskan (tiada isu “stock available” di app tapi kosong di rak)

Untuk peruncit Malaysia, bayangkan perbezaan antara:

• sistem biasa: “Kita rasa lampin bayi laku masa hujung minggu, hantar lebih sikit ke semua cawangan.”
• sistem AI: “Cawangan Shah Alam & Cheras perlukan 40% lebih stok saiz M pada 2 minggu sebelum gaji, sebab trend 6 bulan lepas + pertumbuhan populasi kawasan itu menunjukkan corak yang sama.”

Yang kedua bukan saja kurangkan out-of-stock, tetapi mendekatkan stok kepada pelanggan dan membuka peluang penghantaran beberapa jam.

3.2 Penghantaran Last Mile Dipacu Algoritma

Setiap pesanan “Get it Now” mencetuskan satu siri keputusan automatik:

• Kedai/gudang mana yang paling dekat dan cukup stok?
• Rider atau kenderaan mana yang patut ambil pesanan ini?
• Laluan mana paling cepat + jimat kos, memandangkan ada 8 penghantaran lain dalam radius yang sama?

Di sinilah AI untuk penghalaan kenderaan (vehicle routing) dan penjadualan (dispatching) digunakan:

• mengumpulkan beberapa pesanan dalam satu laluan optimum
• mengelak jam teruk berdasarkan data trafik masa nyata
• menimbang jarak, SLA (janji masa), dan kos bahan api dalam satu skor

Tanpa AI, pasukan operasi akan tenggelam dalam manual planning setiap kali volume naik.

3.3 Pengalaman Pelanggan Dipacu Data Tingkah Laku

Fungsi “lihat anggaran minit penghantaran” dalam app bukan sekadar kosmetik.

Di belakangnya biasanya ada:

• model yang belajar daripada masa sebenar penghantaran vs anggaran, kemudian menambah baik ramalan.
• segmentasi pelanggan: pengguna yang kerap guna Express Delivery mungkin ditawar promosi sasaran atau cadangan produk last-minute.

Ini menggabungkan AI analitik tingkah laku dengan pemperibadian (personalization):

• pelanggan yang selalu beli hadiah kanak-kanak, minggu terakhir sebelum Krismas, mungkin diberi “quick bundle” yang boleh dihantar 1 jam.
• di konteks Malaysia, pelanggan yang sering beli bahan basah pada pagi Sabtu boleh diberi slot penghantaran pantas yang dioptimumkan dengan pesanan jiran berdekatan.

4. Pelajaran Untuk Peruncit & Marketplace Di Malaysia

Most companies get this wrong. Mereka lompat terus ke marketing “Same Day Delivery!” tanpa susun asas data dan AI. Hasilnya, kos naik, pelanggan kecewa, team operasi burnout.

Ada cara yang lebih waras dan mampan.

4.1 Mula Dengan 3 Soalan Strategik

1. Zon mana paling sesuai untuk ujian penghantaran 3–4 jam?
   • pilih kawasan padat (Lembah Klang, Pulau Pinang, JB) dengan volum mencukupi
2. Kategori mana paling kritikal untuk pantas?
   • barang harian, farmasi, hadiah, barangan bayi – bukan semua kategori perlu SLA 3 jam
3. Data apa yang dah ada dan apa yang belum?
   • stok real‑time per lokasi
   • masa penghantaran sebenar vs anggaran
   • permintaan mengikut slot masa & kawasan

Jawapan kepada tiga soalan ini akan membimbing pelaburan AI yang betul, bukan sekadar beli teknologi mahal tanpa fokus.

4.2 Gunakan AI Ramalan Permintaan Semasa Puncak Perayaan

Di Malaysia, musim kritikal agak jelas:

• Tahun Baru Cina
• Ramadan & Hari Raya Aidilfitri
• 9.9, 11.11, 12.12, jualan hujung tahun

Untuk setiap musim, AI boleh bantu:

• meramal SKU mana naik 30–80% dan di kawasan mana
• tentukan buffer stok untuk zon last-mile tertentu
• merancang peralihan stok dari gudang pusat ke kedai / dark store

Isu biasa di sini ialah data bersepah dan model tak disambung ke sistem operasi. Kalau AI kata “stok kuih raya perlu tambah 50% di Shah Alam”, tapi sistem replenishment tak automatik, insight tinggal atas slide.

4.3 Micro‑Fulfillment & Dark Store: Rakan Baik AI

Walmart banyak guna kedai fizikal sebagai pusat pemenuhan (store‑based fulfillment). Di Malaysia, kita nampak tanda‑tanda sama:

• pasar raya menggunakan cawangan sebagai tempat pick & pack untuk penghantaran online
• sesetengah jenama buka dark store khusus untuk e‑dagang

Supaya model ini berbaloi, anda perlukan:

• pemetaan kawasan liputan setiap kedai berdasarkan masa penghantaran, bukan jarak semata-mata
• algoritma pemilihan lokasi pemenuhan: sistem akan pilih lokasi yang paling
  • dekat
  • cukup stok
  • paling murah dari segi kos penghantaran keseluruhan

Tanpa AI, staf akan buat keputusan manual dan akan selalu “main selamat” – pilih gudang besar walaupun ada stok di kedai berhampiran pelanggan.

4.4 Dinamik Harga & Caj Penghantaran

Kelajuan ada harga. Bukan semua pelanggan perlu atau sanggup bayar penghantaran 1–3 jam.

Di sinilah penetapan harga dinamik masuk:

• caj Express Delivery berubah mengikut:
  • jarak
  • masa (waktu puncak vs biasa)
  • beban rangkaian penghantaran
• promosi terarah untuk isi slot yang rendah permintaan

Contoh praktikal:

• jika data tunjuk slot penghantaran malam kurang digunakan, sistem boleh automatik tawar diskaun caj penghantaran untuk galakkan pelanggan pilih slot itu.

Ia bukan sekadar “naikkan harga masa sibuk”; AI boleh imbangkan kepuasan pelanggan + kecekapan rangkaian.

5. Cara Praktikal Untuk Mulakan (Tanpa Terus Jadi Walmart)

Realitinya, kebanyakan peruncit dan marketplace di Malaysia tak perlu – dan tak mampu – meniru segala-galanya sekaligus. Tapi beberapa langkah berikut sangat munasabah untuk 6–12 bulan akan datang.

5.1 Audit Data & Sistem Sedia Ada

Senaraikan:

• di mana data stok dan jualan disimpan
• kekerapan kemas kini (real‑time, setiap jam, harian)
• sistem penghantaran yang digunakan (in‑house, 3PL, on‑demand)

Dari sini, kenal pasti “bottle neck” untuk penghantaran pantas. Selalunya:

• stok tak real‑time
• sistem online & POS tak disatukan
• tiada data konsisten tentang masa penghantaran sebenar

5.2 Pilih Satu “Use Case” AI Dan Fokus

Contohnya:

1. AI ramalan permintaan untuk 50 SKU teratas semasa perayaan utama.
2. Pengoptimuman laluan penghantaran di satu bandar pilot.
3. Anggaran masa penghantaran (ETA) yang lebih tepat di aplikasi/web.

Mulakan kecil tetapi end‑to‑end: dari model AI → sistem operasi → pengalaman pelanggan. Lebih baik satu use case yang siap dan beri pulangan, daripada 5 projek POC yang tak pernah live.

5.3 Integrasi Rapat Dengan Rakan Logistik & Marketplace

Kalau anda jual di marketplace besar (Lazada, Shopee, TikTok Shop) atau guna rakan 3PL tempatan:

• bincang tentang perkongsian data (SLA, masa ambil, masa hantar)
• gunakan data itu untuk melatih model ramalan masa penghantaran anda sendiri
• standardkan SLA mengikut zon, bukan satu angka untuk seluruh Malaysia

AI hanya sekuat data yang masuk. Lagi lengkap data rangkaian, lagi tajam cadangan dan ramalan.

Penutup: Masa Depan Runcit Pantas, Bukan Sekadar Murah

Cerita Walmart hanyalah satu contoh bagaimana AI dalam runcit & e‑dagang sedang mengubah definisi “servis baik”. Dahulu, pelanggan bangga bila dapat barang dalam 3 hari. Sekarang, mereka mula mengharapkan beberapa jam, dengan status penghantaran yang telus dan pilihan masa yang fleksibel.

Bagi peruncit, rangkaian besar dan marketplace di Malaysia, persoalannya bukan lagi “perlu AI atau tidak?”. Soalannya ialah:

• bahagian mana dalam rantaian nilai anda yang paling untung jika diperhebat dengan AI dahulu?

Walmart menunjukkan bahawa pelaburan betul dalam ramalan inventori, last‑mile logistics dan pemperibadian boleh menjadikan penghantaran pantas sebagai enjin pertumbuhan, bukannya pusat kos.

Jika anda sedang memikirkan langkah seterusnya untuk 2026 – terutamanya menjelang musim Tahun Baru Cina dan Raya – sekarang masa terbaik untuk:

• pilih satu bandar pilot
• pilih satu use case AI yang jelas (contoh: ETA tepat + penghantaran 4 jam untuk 30 SKU utama)
• bina pasukan kecil yang fokus untuk jadikan ia realiti

Runcit masa depan akan dimenangi oleh mereka yang bukan sahaja murah, tetapi pantas, bijak, dan konsisten. AI ialah cara paling praktikal untuk sampai ke sana.