Bagaimana AI Mengubah Shopping Online Jadi ‘Virtual Playground’

AI dalam Runcit & E-Dagang (Rangkaian Besar & Pasaran)••By 3L3C

Onton tunjuk bagaimana AI imej generatif ubah shopping jadi ‘virtual playground’. Begini retailer & marketplace besar di Malaysia boleh ikut – dan menang.

AI e-dagangAI retailAI generatifpersonalisation pelangganmarketplace Malaysiapengalaman membeli-belah interaktif
Share:

AI Shopping Bukan Lagi Eksperimen – Ia Sudah Jadi Medan Persaingan

Kedai atas talian yang guna AI untuk beli iklan dengan lebih jimat? Ramai dah buat.

Tapi platform yang guna AI imej generatif untuk bagi pelanggan melukis sendiri ruang rumah atau gaya hidup mereka sebelum membeli – ini yang mula membezakan pemain besar daripada yang lain.

Onton (dulu dikenali sebagai Deft) baru sahaja mengumpul USD7.5 juta untuk membesarkan platform shopping berasaskan AI mereka, bermula dengan perabot dan kini menuju ke kategori lain seperti dekorasi, fesyen dan lifestyle. Mereka menawarkan satu konsep ringkas tapi kuat: “kanvas tanpa had” di mana pengguna boleh jana visual ruang atau produk idaman menggunakan AI, dan terus klik beli.

Untuk retailer besar, marketplace seperti Shopee dan Lazada, atau rangkaian hypermarket seperti Lotus’s, pendekatan macam ni bukan sekadar nice-to-have. Ia terus menyentuh conversion rate, AOV (average order value) dan retention. Dalam siri “AI in Retail & E‑Commerce (Large Chains & Marketplaces)” ini, kita lihat bagaimana idea seperti Onton boleh diterjemah ke dalam strategi sebenar untuk pasaran Malaysia.

Apa Sebenarnya Onton Buat – Dan Kenapa Retailer Patut Ambil Peduli

Ringkasnya, Onton menggunakan AI generatif + data tingkah laku pelanggan untuk menjadikan shopping seperti bermain dalam “virtual playground”.

Konsep utama Onton

  1. Kanvas tanpa had (infinite canvas)
    Pengguna boleh:

    • Snap gambar ruang tamu sebenar
    • Masukkan ke dalam kanvas Onton
    • Pilih gaya (Scandinavian, minimal, Japandi dan sebagainya)
    • AI akan jana beberapa versi ruang yang sudah “penuh” dengan perabot dari katalog partner

  2. Imej ke pembelian dalam beberapa klik
    Setiap objek yang dijana (sofa, meja kopi, lampu) sebenarnya dipautkan kepada produk sebenar.
    Klik sofa → terus pergi ke halaman produk → tambah ke troli.

  3. Melangkaui perabot
    Dengan dana baru USD7.5 juta, Onton dilaporkan akan:

    • Masuk kategori lain seperti fesyen, dekorasi rumah, barangan lifestyle
    • Menjadikan AI styling bukan hanya untuk ruang, tapi juga untuk gaya hidup (contoh: outfit, setup gaming, setup dapur, “back-to-school kit”).

Kenapa retailer besar perlu peduli?
Kerana model seperti Onton menunjukkan apa yang pelanggan akan anggap “normal” dalam 2–3 tahun lagi: shopping yang sangat visual, interaktif dan terasa peribadi.

Realitinya, pelanggan makin kurang sabar baca spesifikasi panjang, tapi sanggup habiskan masa bermain dengan visual produk.

Dari “Scroll & Search” Kepada “Play & Buy”: Perubahan Tingkah Laku Pelanggan

AI generatif sedang mengubah cara pengguna buat keputusan pembelian, terutamanya dalam kategori high consideration seperti perabot, elektronik besar, dan fesyen premium.

Masalah model e-dagang biasa

Model tradisional marketplace:

  • Pengguna taip kata kunci
  • Scroll berpuluh produk
  • Baca review, banding harga
  • Masuk troli, keluar troli

Hasilnya:

  • Decision fatigue – terlalu banyak pilihan
  • Cart abandonment tinggi (selalu 60–75% untuk ramai retailer global)
  • Pelanggan susah bayangkan produk dalam konteks hidup mereka sendiri

Apa yang AI “infinite canvas” ubah

Pendekatan seperti Onton mengubah proses itu jadi:

  1. Visual dulu, spesifikasi kemudian
    Pelanggan nampak dulu bagaimana ruang atau gaya mereka boleh jadi.
    Emosi timbul dulu, rasional menyusul.

  2. Keputusan kumpulan, bukan individu
    Untuk perabot rumah, contohnya:

    • Pengguna boleh share hasil kanvas ke WhatsApp family
    • Semua boleh komen sofa mana, warna mana
    • Lagi senang dapat consensus → lagi cepat beli

  3. Kurang rasa “takut tersilap beli”
    Bila pelanggan boleh “cuba” beberapa kombinasi dalam kanvas, mereka rasa:

    • Lebih yakin dengan pilihan
    • Kurang cenderung untuk return barang

Bila diukur dalam data, retailer biasanya nampak:

  • Masa di laman meningkat (tapi bukan sekadar scroll, ini engagement bererti)
  • Conversion rate naik kerana pengguna yang engage dengan alat visual biasanya ada niat beli yang lebih kuat
  • AOV meningkat – bila pelanggan nampak set penuh (sofa + meja kopi + lampu), mereka lebih cenderung beli bundle, bukan item tunggal

Bagaimana Retailer Besar Boleh Meniru Strategi Onton

Onton hanyalah satu contoh, tapi prinsip di belakangnya boleh digunakan oleh Shopee, Lazada, Lotus’s, Mr DIY, Courts, IKEA, bahkan jenama fesyen tempatan.

1. Mulakan dengan kategori yang visual dan kompleks

Jangan cuba implement AI generatif untuk semua kategori serentak. Pilih kategori di mana:

  • Pelanggan sukar buat keputusan hanya melalui gambar tunggal
  • Ada nilai order yang agak tinggi

Contoh kategori untuk pasaran Malaysia:

  • Perabot rumah & dekorasi
  • Fesyen (mix & match outfit, tudung + baju + beg)
  • Elektronik rumah (setup TV, soundbar, kabinet TV)
  • Barangan baby (set lengkap untuk bilik bayi)

Strategi praktikal:

  • Pilot projek “AI styling tool” hanya untuk 50–100 SKU “hero product” dulu
  • Pantau metrik: conversion, AOV, masa di halaman, add-to-cart rate

2. Jadikan AI sebagai “stylist” atau “designer” digital

Onton berjaya kerana AI bukan sekadar enjin cadangan; ia bertindak seperti pereka ruang.

Retailer boleh bina persona AI tersendiri:

  • Untuk fesyen: “AI Stylist Raya”, “AI Office Look Guru”
  • Untuk perabot: “AI Interior Designer Minimalis”

Fungsi utama AI stylist/designer:

  • Cadangkan kombinasi produk mengikut tema (Raya, Tahun Baru Cina, Merdeka)
  • Sesuaikan dengan bajet pengguna (contoh: “ruang tamu bawah RM3,000”)
  • Menyusun produk dalam bentuk set mudah beli

3. Integrasi dengan data tingkah laku dan personalisasi

AI generatif hanya jadi gimmick jika ia tak disambungkan dengan data pelanggan.

Apa yang pemain besar perlu buat:

  • Gunakan sejarah pembelian & browsing
    Contoh: jika pelanggan selalu beli barang minimalis warna neutral, AI jangan cadangkan ruang yang terlalu warna-warni.

  • Segmentasi konteks
    Untuk pelanggan Malaysia:

    • Musim perayaan (Raya, CNY, Deepavali)
    • Musim hujan / banjir (keperluan rumah, storage, peralatan emergency)
    • Back-to-school (set sekolah lengkap)

  • Trigger automasi
    Contoh: pengguna habiskan 3 minit di AI canvas ruang tamu tapi belum beli → sistem hantar:

    • E-mel dengan versi kanvas yang disimpan
    • Kod diskaun kecil untuk set penuh

4. Sediakan laluan “dari inspirasi ke transaksi” yang sangat jelas

Inilah kekuatan utama Onton – tak berhenti pada inspirasi.

Bila pelanggan sudah nampak ruang idaman:

  • Setiap item dalam gambar perlu boleh diklik
  • Setiap klik membawa ke halaman produk yang jelas
  • Perlu ada butang “Tambah semua ke troli” atau “Simpan set ini”

Ramai retailer buat silap di sini: mereka bina feature inspirasi cantik (lookbook, moodboard) tapi tak sambung terus kepada produk. Akhirnya ia cuma content, bukan enjin jualan.

Dari Perabot ke Fesyen: Skalabiliti AI Shopping

Onton bermula dengan perabot kerana ia kategori yang sangat visual dan berkait ruang. Tetapi pelaburan terbaru mereka menunjukkan satu perkara penting: model ini skalabel ke banyak kategori lain.

Contoh aplikasi untuk retailer dan marketplace Malaysia

  1. Fesyen & Muslimahwear

    • Pengguna pilih satu baju kurung / jubah
    • AI cadangkan tudung, kasut, beg tangan, aksesori
    • Paparkan semuanya dalam satu visual penuh

  2. Grocery & hypermarket (Lotus’s, dan lain-lain)

    • AI “meal planner”: pengguna pilih jenis hidangan (contoh: “open house Raya untuk 10 orang”)
    • Sistem jana senarai barang + susun dalam satu visual meja makan
    • Satu klik untuk beli semua bahan

  3. Home improvement & DIY

    • Pengguna snap gambar ruang stor bersepah
    • AI cadangkan susun atur rak, bekas storage, label
    • Semua produk yang dicadangkan ada di dalam katalog retailer

  4. Elektronik & gaming setup

    • AI bina setup PC/gaming lengkap ikut bajet
    • Paparkan monitor, meja, kerusi, lighting, headset dalam satu scene
    • Pelanggan boleh adjust dan beli dalam beberapa klik

Bila retailer nampak AI generatif sebagai platform idea + enjin jualan, ia membuka peluang revenue baharu: upsell bundle, kolaborasi jenama, malah langganan (contoh: langganan bahan dapur bulanan yang diurus AI planner).

Soalan Yang Selalu Timbul Bila Bercakap Tentang AI Shopping

“Mahal tak nak bina benda macam Onton ni?”

Jawapan jujur: lebih murah daripada 3–5 tahun lepas, tapi masih perlukan pelaburan.

Pendekatan yang lebih praktikal untuk retailer:

  • Gunakan model AI generatif sedia ada (bukan bina sendiri dari kosong)
  • Fokus pada integrasi dengan sistem katalog & pembayaran yang sudah ada
  • Pilot kecil dulu, capai ROI, baru scale

“Berbaloi ke untuk market Malaysia?”

Trend menunjukkan pengguna Malaysia:

  • Sangat visual (penggunaan TikTok, IG, Shopee Live tinggi)
  • Suka content gaya “before/after”, makeover rumah, OOTD
  • Tak kisah bermain dengan AR filter, live shopping dan sebagainya

Jadi, AI shopping yang interaktif sebenarnya align dengan budaya pengguna kita. Yang penting, pengalaman itu:

  • Laju (tak berat, tak lembap)
  • Mesra telefon pintar
  • Sokong Bahasa Melayu & English, dan ideally beberapa dialek/istilah tempatan

“Macam mana dengan isu data dan kepercayaan?”

Retailer perlu:

  • Jelaskan dengan ringkas bagaimana AI digunakan (untuk cadangan, bukan untuk jual data pelanggan)
  • Sediakan opt-out untuk fungsi personalisasi yang terlalu agresif
  • Pastikan gambar yang dijana tidak mengelirukan (contoh: jelaskan bahawa visual adalah simulasi)

Kepercayaan pelanggan adalah aset. AI sepatutnya menguatkan, bukan menghakisnya.

Langkah Seterusnya Untuk Retailer & Marketplace Besar

Onton menunjukkan satu perkara jelas: masa depan e-dagang bukan sekadar search bar dan senarai produk. Ia adalah pengalaman bermain dengan idea, ruang dan gaya hidup – dan semua itu digerakkan oleh AI.

Bagi pemain besar dalam runcit dan e-dagang di Malaysia, beberapa langkah praktikal boleh bermula seawal suku depan:

  1. Pilih satu kategori untuk eksperimen AI visual
    Fokus pada perabot, fesyen, atau elektronik – di mana pelanggan memang perlukan inspirasi visual.

  2. Rancang “AI stylist/designer” yang ada identiti jenama
    Bukan hanya widget teknikal, tetapi watak yang membantu pelanggan.

  3. Uji, ukur, dan ulang
    Track metrik: conversion, AOV, cart abandonment, masa di halaman, kadar kembali.

  4. Fikir jangka sederhana (12–24 bulan)
    AI shopping ini bukan projek tiga bulan. Ia akan jadi sebahagian daripada rangka pengalaman omnichannel anda – dari app ke kedai fizikal.

Dalam siri “AI in Retail & E‑Commerce (Large Chains & Marketplaces)”, fokusnya sentiasa sama: bagaimana AI boleh diterjemah kepada jualan, bukan sekadar PR. Onton hanya satu petunjuk arah. Soalannya sekarang:

Adakah pelanggan anda akan bermain dan membeli di platform orang lain, atau di platform anda sendiri?