Onton guna AI janaan imej dan infinite canvas untuk percepat keputusan pembelian. Inilah petanda bagaimana AI bakal ubah cara Shopee, Lazada & peruncit besar beroperasi.
Dari sofa ke segala-galanya: AI mula mengawal perjalanan beli-belah
Dalam beberapa tahun kebelakangan ini, pelaburan dalam AI untuk e-dagang meningkat berbilion ringgit. Startup seperti Onton (sebelum ini Deft) baru sahaja mengumpul sekitar USD7.5 juta semata-mata untuk satu idea utama: gunakan AI janaan imej dan “infinite canvas” supaya pelanggan buat keputusan pembelian dengan lebih cepat.
Ini bukan sekadar cerita sebuah startup di luar negara. Ini petunjuk jelas ke mana hala tuju Shopee, Lazada, Zalora, PG Mall, Lotus’s, AEON, Mydin dan jenama besar lain akan bergerak. Kalau dulu AI lebih banyak digunakan di belakang tabir untuk ramalan inventori dan harga dinamik, sekarang AI mula menguasai pengalaman visual — cara pelanggan melihat, membanding dan membayangkan produk dalam hidup mereka.
Dalam artikel ini, saya nak huraikan:
- Apa sebenarnya pendekatan Onton dan kenapa ia penting untuk peruncit besar
- Bagaimana AI janaan imej boleh mempercepat keputusan pembelian
- Apa implikasinya pada pemain besar e-dagang di Asia Tenggara
- Langkah praktikal untuk syarikat runcit dan marketplace di Malaysia yang tak mahu ketinggalan
Apa Onton sedang buat, dan kenapa semua pemain besar patut ambil berat
Jawapannya ringkas: Onton guna AI untuk tukar proses “tengok produk → bayang → yakin → beli” jadi lebih laju dan lebih visual.
Onton bermula dengan fokus pada perabot. Logiknya jelas: beli sofa atau meja makan secara online memang sakit kepala. Gambar produk selalunya cantik, tapi pelanggan tetap rasa:
- “Muatan mu ka dalam ruang tamu aku?”
- “Padan tak dengan langsir, karpet, warna dinding?”
- “Besar sangat ke, kecil sangat ke?”
Onton jawab masalah ini dengan:
- Infinite canvas – pelanggan boleh susun banyak item dalam satu kanvas digital, tarik dan lepas (drag & drop), ubah posisi, bandingkan kombinasi.
- AI janaan imej – sistem jana imej realistik yang menunjukkan bagaimana perabot kelihatan dalam sesuatu ruang, tanpa perlu pelanggan pandai 3D atau Photoshop.
Selepas terbukti berkesan dalam kategori perabot, Onton mula luaskan ke kategori lain: fesyen, dekorasi rumah, mungkin juga elektronik dan barangan gaya hidup. Ini selari dengan trend besar dalam AI di runcit & e-dagang: mula dengan niche, kemudian skala ke seluruh marketplace.
Untuk peruncit besar dan marketplace, mesejnya jelas:
"Kalau pengalaman beli-belah kekal statik (sekadar senarai produk dan gambar 2D biasa), kadar penukaran akan kalah dengan pemain yang tawarkan pengalaman visual yang pintar dan interaktif."
Bagaimana AI janaan imej mempercepat keputusan pembelian
AI janaan imej mempercepat keputusan pembelian kerana ia kurangkan kerisauan dan ketidakpastian pelanggan sebelum checkout.
Dalam e-dagang, ada beberapa titik di mana pelanggan selalu teragak-agak:
- Tak pasti produk sesuai atau tidak dalam konteks sebenar (badan sendiri, rumah sendiri, gaya sendiri)
- Tak nampak beza jelas antara beberapa pilihan produk
- Tak yakin dengan kombinasi (contoh: pakaian + kasut + beg)
1. Dari imaginasi ke visual nyata
Kalau di laman biasa, pelanggan cuma nampak:
- 4–8 gambar produk
- Sedikit gambar “lifestyle”
- Penerangan teks yang kadang-kadang generik
Dengan pendekatan seperti Onton:
- Pelanggan boleh “letak” sofa dalam ruang tamu digital yang hampir sama dengan rumah mereka
- AI boleh jana imej outfit lengkap berdasarkan satu item yang dipilih (contoh: pilih kasut, AI cadangkan seluar dan baju serta tunjuk visual sekali)
Ini kurangkan beban mental. Otak manusia lebih cepat percaya apa yang dia nampak berbanding apa yang dia baca.
2. AI sebagai “visual personal shopper”
Trend yang Onton bawa sebenarnya sama dengan apa yang sedang dicuba oleh gergasi seperti Amazon, Alibaba dan beberapa platform fesyen global: AI jadi stylist dan merchandiser, bukan sekadar enjin carian.
Contoh aplikasi untuk peruncit dan marketplace di Malaysia:
- Mix & match fesyen automatik – pelanggan pilih satu baju, AI jana 3–5 cadangan gaya lengkap dengan imej realistik
- Dekorasi rumah musiman – menjelang Raya atau Tahun Baru Cina, AI jana idea dekorasi ruang tamu menggunakan produk dalam katalog anda
- Bundle pintar – AI paparkan set kombinasi produk (bundle) secara visual, bukan hanya senarai “Frequently Bought Together” biasa
Dalam semua situasi ini, pelanggan nampak hasil akhir dulu, baru pilih produk, bukan sebaliknya.
Dari perabot ke fesyen: trend pelebaran AI di marketplace moden
Realitinya, kategori perabot hanyalah pintu masuk. Bila teknologi dah matang dan data produk cukup kaya, AI visual boleh digunakan di hampir semua kategori utama dalam e-dagang.
Kategori yang paling cepat mendapat manfaat
-
Fesyen & pakaian
- Try-on maya (virtual try-on) untuk tudung, baju kurung, blazer, kasut
- AI yang cadangkan gaya ikut bentuk badan, warna kulit, atau mood acara
-
Perabot & dekorasi rumah
- Reka bentuk ruang tamu/ruang kerja secara automatik berasaskan bajet dan gaya (minimalis, tradisional, Scandinavian)
-
Elektronik pengguna
- Visualisasi “setup” gaming, home office, atau home theater guna produk sedia ada dalam katalog
-
Gaya hidup & runcit besar (hipermarket seperti Lotus’s, AEON, NSK)
- Papar cadangan “resepi + produk” (contoh: untuk masak laksa Sarawak, AI susun visual bahan & produk yang perlu dimasukkan dalam troli)
Startup seperti Onton cuma salah satu contoh bagaimana pelaburan modal teroka (VC) semakin yakin bahawa AI visual akan jadi elemen asas dalam e-dagang. Bila pelabur sanggup tuang jutaan dolar ke dalam model sebegini, isyaratnya jelas:
“Retailers yang masih bergantung 100% pada halaman produk tradisional akan semakin ketinggalan dari segi engagement dan conversion.”
Apa maknanya untuk pemain besar: dari personalisasi ke analitik tingkah laku
Untuk rangkaian runcit besar dan marketplace, kelebihan sebenar bukan sekadar "wow factor" visual. Nilai utama datang daripada data tingkah laku yang terkumpul di sebalik kanvas AI tersebut.
1. Data tingkah laku visual yang jauh lebih kaya
Berbanding klik dan carian biasa, infinite canvas dan AI visual boleh mendedahkan:
- Produk mana yang pelanggan selalu letak bersama (co-occur) dalam satu kanvas
- Warna, gaya dan susun atur yang paling popular
- Di mana pelanggan paling kerap berhenti (drop-off) dalam proses mereka bentuk ruang/outfit
Data sebegini sangat berguna untuk:
- Perancangan inventori – tingkatkan stok kombinasi yang selalu “dicipta” pelanggan dalam kanvas
- Merchandising digital – susun kategori dan koleksi ikut pola visual sebenar, bukan hanya struktur katalog lama
- Harga dinamik – gabungkan data visual ini dengan data tipikal (klik, add to cart, checkout) untuk kira keanjalan permintaan yang lebih tepat
2. Personalisasi yang nampak, bukan sekadar “produk disyorkan” generik
Majoriti pelanggan dah lali dengan seksyen "Anda mungkin juga suka" yang terasa rawak. AI visual beri peluang untuk personalisasi yang jauh lebih jelas dan meyakinkan.
Sebagai contoh:
- Pelanggan yang selalu bina ruang tamu gaya minimalis putih-hijau akan nampak lebih banyak cadangan produk dalam palet warna sama, siap contoh susun atur sekali.
- Pelanggan yang suka streetwear hitam-putih akan nampak kanvas outfit yang konsisten dengan gaya itu — bukan dicampur dengan baju floral yang tak kena langsung.
Bila personalisasi berlaku pada tahap visual, pelanggan lebih cepat rasa, “Ini memang gaya aku”. Dari situ, conversion naik, kadar pemulangan (return) turun.
Langkah praktikal untuk peruncit & marketplace di Malaysia
Banyak syarikat besar rasa AI visual ni macam futuristik sangat. Hakikatnya, ada cara berperingkat yang lebih realistik dan kos efektif.
1. Mulakan dengan kategori tumpuan tinggi
Pilih kategori yang:
- Margin lebih tinggi (fesyen, perabot, dekorasi)
- Kadar pemulangan tinggi kerana isu “tak sama seperti yang dibayangkan”
Fokus bina pengalaman AI untuk 1–2 kategori dulu, bukan seluruh katalog.
2. Standardkan data produk & imej
AI yang hebat pun tak boleh buat kerja kalau:
- Gambar produk terlalu kecil atau kurang sudut
- Penerangan produk tak lengkap (tiada dimensi, bahan, warna tepat)
Pastikan:
- Gambar produk ada latar belakang bersih dan konsisten
- Ada metadata asas: ukuran, warna, bahan, variasi
Ini bukan sahaja bantu AI visual, tapi juga carian berasaskan AI dan penapisan produk (filtering) yang lebih tepat.
3. Uji ciri visual kecil sebelum “infinite canvas” penuh
Kalau belum bersedia buat pengalaman besar seperti Onton, boleh mula dengan:
- Modul “Mix & Match” ringkas untuk fesyen
- Cadangan bundle visual untuk barangan rumah
- Paparan “Sesuai dengan ini” yang bukan hanya senarai, tapi komposisi imej
Lepas itu, kumpul data:
- Perbandingan conversion rate halaman yang ada modul AI vs yang tiada
- Purata masa di halaman
- Kadar tambah ke troli
4. Integrasikan dengan strategi harga dan promosi
Kelebihan AI visual ialah ia boleh disatukan dengan logik harga dinamik dan promosi:
- Jika stok tertentu berlebihan, AI lebih kerap “masukkan” item tersebut dalam bundle visual yang masih relevan
- Kalau ada kempen Raya atau 12.12, AI boleh jana storyboard visual yang sesuai dengan tema promosi, bukan sekadar banner statik
5. Bina pasukan kecil “AI x Merchandising”
Jangan serah semua pada vendor teknologi. Bentuk pasukan dalaman yang faham dua dunia:
- Data & AI
- Merchandising dan tingkah laku pelanggan
Gabungan ini yang akan tentukan sama ada projek AI anda jadi fungsi kosmetik… atau benar-benar ubah P&L.
Masa depan: bila shopping rasa macam guna Canva, bukan katalog
Arah tuju AI dalam runcit & e-dagang semakin jelas: pelanggan tak lagi puas dengan pengalaman "scroll senarai produk". Mereka nak mereka bentuk, mengubah, mencuba, dan bereksperimen — sama seperti mereka guna aplikasi reka bentuk atau media sosial.
Onton hanya satu contoh awal bagaimana infinite canvas + AI janaan imej boleh:
- Mempercepat keputusan pembelian
- Mengurangkan ketidakpastian
- Memberi data tingkah laku visual yang sangat kaya kepada peruncit
Bagi pemain besar di Malaysia dan Asia Tenggara, soalan sebenarnya bukan lagi “Perlu guna AI atau tidak?” tetapi:
“Bahagian mana dalam pengalaman pelanggan yang paling kritikal untuk diperkaya dengan AI visual terlebih dahulu, dan apa eksperimen pertama yang kita boleh jalankan dalam 3–6 bulan akan datang?”
Siapa yang jawab soalan ini lebih awal, dan bertindak dengan berani tetapi bijak, akan jadi rujukan baru dalam AI untuk runcit & e-dagang di rantau ini.