Bagaimana AI Jadikan ‘Prime Day’ Kebal Terhadap Tarif

Pada satu kempen jualan besar seperti Prime Day Amazon, hanya beberapa minit kelewatan membuat keputusan harga boleh memindahkan berjuta-juta ringgit jualan kepada pesaing. Dalam masa sama, tarif baharu boleh menaikkan kos produk dalam sekelip mata. Kebanyakan syarikat akan panik. Amazon terus umumkan Prime Day kembali pada bulan Julai.

Ini bukan sekadar keyakinan buta. Ia hasil penggunaan AI secara agresif untuk mengurus permintaan, harga dan pengalaman pelanggan dalam keadaan ekonomi yang tak menentu. Untuk pemain e-dagang besar di Malaysia – sama ada di marketplace seperti Shopee, Lazada atau rangkaian runcit seperti Lotus’s dan AEON – pendekatan ini sangat relevan, terutama menuju musim jualan hujung tahun dan awal 2026.

Dalam artikel siri “AI in Retail & E-Commerce (Large Chains & Marketplaces)” ini, saya akan kupas bagaimana Amazon boleh kekal “tenang” mengumumkan Prime Day walaupun tertekan dengan tarif, apa sebenarnya berlaku di belakang tabir, dan apa yang pemain e-dagang di Malaysia boleh tiru secara praktikal.

---

Prime Day, Tarif dan Realiti Baharu E-Dagang Global

Intinya begini: tarif menaikkan kos, tetapi AI membantu mengekalkan jualan dan margin. Amazon umumkan Prime Day kembali pada bulan Julai walaupun ancaman tarif Amerika Syarikat ke atas barangan import berpotensi melonjakkan harga ratusan ribu SKU.

Daripada perspektif bisnes:

• Tarif = kos barang naik, margin terhimpit
• Pengguna = semakin sensitif harga, terutama dalam ekonomi perlahan
• Pesaing = juga bergelut dengan kos dan stok

Dalam situasi macam ini, kebanyakan peruncit akan:

• tangguh kempen besar,
• potong bajet pemasaran,
• atau main “tunggu dan lihat”.

Amazon buat yang sebaliknya. Mereka kekalkan Prime Day sebagai “magnet permintaan” dan gunakan AI untuk mengimbangi tiga perkara utama:

1. Permintaan pengguna – apa yang orang masih sanggup beli walaupun harga berubah.
2. Pengurusan kos – bagaimana nak kekal untung walaupun tariff menekan kos.
3. Pengalaman pelanggan – supaya pelanggan rasa masih “berbaloi” dan terus setia.

Inilah pelajaran penting untuk pemain e-dagang besar: isu ekonomi makro memang di luar kawalan, tetapi respons data & AI sangat boleh dikawal.

---

Di Belakang Tabir: Bagaimana AI Menggerakkan Prime Day

Untuk acara sebesar Prime Day, setiap keputusan harga, stok dan promosi hampir pasti digerakkan oleh model AI, bukan “agak-agak manusia” semata-mata.

1. Ramalan Permintaan Berasaskan AI

Ramalan permintaan tradisional guna Excel dan data sejarah 3–6 bulan. Dalam dunia tarif dan gangguan rantaian bekalan, itu tak cukup.

Model ramalan permintaan Amazon lazimnya akan:

• Guna data sejarah Prime Day beberapa tahun lepas mengikut kategori, jenama, dan harga.
• Gabung dengan data makro (inflasi, tarif, kadar tukaran mata wang) dan trend carian semasa.
• Kemas kini ramalan secara harian atau malah setiap jam ketika kempen berjalan.

Hasilnya, mereka boleh menjawab soalan seperti:

• Jika tarif menaikkan kos elektronik 10%, berapa ramai pelanggan masih akan beli TV 55 inci pada harga baharu?
• Kategori mana yang paling sensitif harga (contoh: barang fesyen fast fashion) dan mana yang kurang sensitif (contoh: aksesori komputer khusus)?

Bagi peruncit besar di Malaysia, ini bermaksud:

• Ramalan permintaan tak boleh lagi bergantung pada “data tahun lepas sahaja”.
• Model perlu ambil kira jualan 9.9, 11.11, 12.12, Raya, Back-to-School, dan kesan promosi besar lain.

2. Penetapan Harga Dinamik (Dynamic Pricing)

Prime Day terkenal dengan harga yang sentiasa berubah. Di sinilah AI pricing engine memainkan peranan besar.

Mesin harga Amazon akan:

• Kira kos terkini (termasuk tarif, kos logistik, kadar tukaran mata wang).
• Bandingkan harga pesaing besar secara masa nyata.
• Simulasi: jika harga turun 3%, berapa banyak tambahan unit terjual dan adakah margin keseluruhan masih positif?

Mereka boleh:

• Turunkan harga produk yang mempunyai margin tinggi untuk tarik trafik.
• Kekalkan atau naikkan sedikit harga produk yang kurang elastik (contoh: barang khas yang sukar diganti).

Pemain e-dagang Malaysia sebenarnya boleh mula dengan versi lebih ringkas:

• Gunakan AI / machine learning untuk segmentasikan produk mengikut sensitiviti harga.
• Tetapkan rule-based pricing yang lebih pintar, contohnya:
  • “Jika pesaing turunkan harga >5% untuk SKU X dan stok kita >30 hari, turunkan harga 2–3% secara automatik.”

3. Personalisasi Tawaran & Paparan Produk

Satu lagi “senjata rahsia” Prime Day ialah personalisasi halaman dan promosi.

AI di belakang laman Amazon boleh:

• Tunjukkan deals yang berbeza kepada pengguna yang berbeza.
• Susun produk mengikut kebarangkalian pengguna tersebut membeli, bukan semata-mata iklan tertinggi.

Contoh:

• Pengguna A selalu beli barangan dapur – dia akan nampak banyak promo cookware dan makanan.
• Pengguna B minat gaming – dia nampak lebih banyak promo konsol, aksesori, dan kredit game.

Kesan kepada pelanggan:

• Mereka rasa Prime Day masih “berbaloi” walaupun beberapa kategori naik harga kerana promosi yang dipaparkan memang dekat dengan minat mereka.

Bagi marketplace besar di Malaysia, personalisasi boleh bermula dengan:

• Gunakan model recommendation untuk “Produk Disyorkan Untuk Anda”, tapi kaitkan terus dengan kempen 9.9 / 11.11 / jualan mega.
• Segmentasikan notifikasi dan EDM: pelanggan yang minat kecantikan jangan dihujani iklan alat ganti kereta.

---

Strategi AI Amazon Yang Boleh Ditiru Pemain E-Dagang Malaysia

Pelajaran utama daripada Prime Day: AI bukan hanya untuk “big tech”; ia sudah jadi keperluan operasi untuk e-dagang berskala besar.

Berikut beberapa strategi yang boleh terus diadaptasi oleh rangkaian runcit dan marketplace di Malaysia:

1. Bina “Mesin Ramalan Permintaan” Untuk Musim Jualan Besar

Jawapan ringkas: ya, perlu. Tanpa ramalan permintaan yang pintar, kempen besar berisiko menyebabkan:

• Overstock – stok melambak, cashflow terkunci berbulan-bulan.
• Stock-out – pelanggan kecewa, rating jatuh, pesaing sapu permintaan.

Apa yang praktikal untuk dimulakan:

1. Kumpul dan bersihkan data 2–3 tahun lepas untuk:
   • tarikh kempen besar (Raya, 9.9, 11.11, 12.12),
   • harga sebelum & semasa kempen,
   • saluran (online vs offline jika ada),
   • kategori & jenama.
2. Guna model AI untuk:
   • meramal unit dijual mengikut SKU untuk kempen akan datang;
   • bezakan antara “jualan organik” dan “jualan didorong diskaun/agresif marketing”.

Dengan asas ini, anda boleh mengurangkan risiko terlebih stok dan merancang logistik lebih awal.

2. Implement AI Pricing di Kategori Paling Sensitif

Anda tak perlu dynamic pricing untuk semua produk sekaligus. Mulakan dengan:

• Kategori yang persaingannya paling sengit (contoh: telefon pintar, barangan rumah popular, grocery harian).
• SKU yang menyumbang peratusan besar GMV.

Beberapa langkah praktikal:

• Klasifikasikan SKU kepada:
  • “Penarik Trafik” (loss leader – margin kecil tapi bawa trafik tinggi),
  • “Mesin Keuntungan” (margin tinggi, kurang sensitif harga),
  • “Eksperimen” (cuba strategi harga baharu).
• Latih model AI untuk mencadangkan julat harga optimum bagi setiap kumpulan.
• Tetapkan guardrail: margin minimum, harga bawah kos, polisi harga jenama.

Realitinya, 5–10% SKU utama anda boleh menentukan 40–60% hasil kempen. Itulah tempat paling logik untuk mula dengan AI pricing.

3. Gunakan AI Untuk Mengurus Risiko Tarik Balik & Kos Naik

Tarif global, kos logistik yang tak stabil, dan kadar tukaran mata wang semuanya menjejaskan kos mendarat (landed cost). AI boleh digunakan untuk:

• Simulasi senario: jika kos import naik 8%, apa kesan kepada margin mengikut kategori?
• Cadangkan:
  • kategori mana perlu naikkan harga secara berperingkat,
  • mana patut dikekalkan harga dan dikorbankan sedikit margin demi pertumbuhan pengguna,
  • mana patut ditukar pembekal atau sumber (contoh: dari China ke negara ASEAN lain).

Untuk peruncit besar yang ada kombinasi kedai fizikal dan online, model ini sangat membantu merancang:

• berapa banyak stok perlu diagih ke gudang e-dagang vs stor runcit,
• di mana perlu buat promosi clearance,
• bila masa sesuai untuk turunkan atau naikkan harga.

---

Pengalaman Pelanggan: Di Mana AI Betul-Betul “Menjual” Ketika Harga Naik

Bila kos naik, tak semua kena ditampal pada pelanggan. Namun bila harga terpaksa dinaikkan, cara anda mengurus pengalaman pelanggan menentukan sama ada mereka kekal atau lari.

Prime Day menunjukkan beberapa prinsip yang boleh diguna pakai:

1. Fokus Pada “Nilai Terasa” (Perceived Value), Bukan Harga Semata

Walaupun beberapa produk mungkin lebih mahal kerana tarif, Amazon pastikan:

• Pelanggan nampak diskaun relatif (“sebelum RM1,000, kini RM799”).
• Mereka tonjolkan bundle deals (contoh: beli laptop + aksesori + langganan perkhidmatan).

Di Malaysia, retailer boleh:

• Gunakan AI untuk cadangkan bundle pintar berdasarkan corak pembelian (contoh: beli mesin kopi + kapsul + mug).
• Susun paparan produk ikut kombinasi nilai terbaik, bukan hanya harga paling rendah.

2. Personalisasi Komunikasi Promosi

Jangan hantar promosi sama kepada berjuta-juta pengguna.

• AI boleh segmentasikan pelanggan berdasarkan sejarah pembelian, kekerapan, nilai seumur hidup (CLV), dan kategori kegemaran.
• Pelanggan bernilai tinggi boleh diberi akses awal atau tawaran eksklusif.

Contoh praktikal:

• Hantar push notification seperti:
  • “Diskaun extra 5% untuk kategori yang anda paling banyak beli dalam 6 bulan lepas.”
• Gunakan bahasa dan masa yang disesuaikan dengan tingkah laku mereka (contoh: ada yang lebih responsif pada malam hujung minggu).

3. Kekalkan Ketelusan

Pengguna hari ini cukup bijak. Jika ada kenaikan harga, mereka akan perasan juga.

• Sesetengah peruncit memilih pendekatan telus: menjelaskan pengaruh kos import, kos bahan, atau cukai.
• AI boleh bantu dari sudut FAQ pintar, chatbot yang menjawab soalan berkaitan harga, stok, dan penghantaran secara konsisten.

Ini nampak kecil, tapi ia bina kepercayaan jangka panjang.

---

Dari Prime Day Ke 9.9, 11.11 dan Jualan Tahun Depan

Realitinya, apa yang Amazon lakukan untuk Prime Day hari ini akan jadi standard baru untuk semua kempen mega e-dagang global esok hari. Marketplace dan rangkaian runcit Malaysia yang masih bergantung kepada cara manual untuk ramalan stok, tetapan harga dan pemilihan promosi akan makin tertinggal.

Ringkasnya:

• AI untuk ramalan permintaan membantu anda berani merancang kempen besar walaupun kos dan ekonomi tak menentu.
• AI untuk penetapan harga dan promosi membolehkan anda kekal kompetitif tanpa membunuh margin.
• AI untuk personalisasi dan pengalaman pelanggan memastikan pelanggan rasa masih menang, walaupun harga sesetengah barang naik.

Jika anda sedang merancang strategi 9.9, 11.11, 12.12 atau jualan Raya 2026, soalan utamanya bukan lagi “perlu guna AI atau tidak?”, tetapi:

Bahagian mana dalam operasi e-dagang saya yang paling kritikal untuk di-AI-kan dulu – ramalan permintaan, harga, atau pengalaman pelanggan?

Mulakan dengan satu kawasan yang paling menyakitkan sekarang. Data anda mungkin belum sempurna, tetapi setiap langkah kecil ke arah AI hari ini akan menentukan siapa yang masih relevan bila “Prime Day versi Malaysia” benar-benar matang beberapa tahun lagi.