Bagaimana AI Mengubah Strategi Jualan Gaya Prime Day

Pada tahun lalu, beberapa peruncit besar di Asia melaporkan jualan acara mega seperti 7.7 dan 11.11 melonjak lebih 30%, walaupun kos import dan logistik meningkat. Bezanya bukan diskaun semata-mata, tapi cara mereka guna data dan AI untuk merancang setiap langkah – dari stok sampai harga akhir di skrin pelanggan.

Pengumuman Amazon bahawa Prime Day kembali pada Julai walaupun ada ancaman tarif baharu menunjukkan satu perkara jelas: acara jualan besar tak akan berhenti, cuma cara menguruskannya yang akan berubah. Bagi rangkaian runcit besar, marketplace dan pemain e-dagang di Malaysia serta Asia Tenggara, ini ialah masa untuk melihat bagaimana gergasi seperti Amazon menggunakan AI untuk mengekalkan margin dalam keadaan kos yang tak menentu.

Dalam artikel ini, kita jadikan Prime Day sebagai case study tidak rasmi. Bukan untuk tiru bulat-bulat, tapi untuk faham bagaimana AI dalam runcit dan e-dagang membantu merancang acara jualan, menghadapi tarif, dan mengurus tingkah laku pengguna yang makin cerewet.

1. Prime Day, Tarif dan Tekanan Kos: Apa Yang Sebenarnya Berlaku?

Isunya mudah: tarif naik, kos barang naik, margin terhimpit. Tetapi pelanggan masih mengharapkan diskaun besar ketika acara seperti Prime Day, 9.9, 10.10 atau jualan hujung tahun.

Bila tarif dinaikkan (seperti ancaman tarif import dari AS dalam era Trump), beberapa perkara berlaku serentak:

• Kos pembekal dan kos pendaratan produk meningkat
• Harga runcit perlu diubah, tapi tak boleh terlalu agresif
• Permintaan barang kategori tertentu (terutama import) boleh merosot
• Stok sedia ada mungkin dibeli pada kos lama, stok baharu pada kos baru yang lebih tinggi

Bagi Amazon, mengumumkan Prime Day tetap berlangsung pada Julai walaupun ada ancaman tarif ialah satu mesej: mereka yakin mampu mengurus risiko ini, banyak bergantung pada sistem data dan AI yang sangat matang.

Untuk peruncit di Malaysia – sama ada anda mengurus marketplace sendiri, mengendalikan rangkaian pasar raya, atau menjadi penjual utama di Shopee dan Lazada – cabarannya sama, cuma skalanya berbeza.

Realitinya, siapa yang menang dalam acara jualan mega bukan semata-mata yang bagi diskaun paling besar, tetapi yang paling bijak mengimbangi harga, stok dan kos.

Di sinilah peranan AI menjadi kritikal.

2. Peranan Tersembunyi AI Dalam Acara Jualan Besar

AI di e-dagang bukan sekadar cadangan produk di laman web. Untuk acara seperti Prime Day atau 11.11, AI menyentuh hampir semua bahagian operasi.

2.1 Ramalan Permintaan (Demand Forecasting) Berasaskan Acara

Sebelum tarikh jualan:

• Sistem AI akan menganalisis data sejarah jualan (tahun lepas, bulan lepas, dan acara serupa).
• Ia menggabungkan faktor luaran: musim perayaan (Raya, Tahun Baru Cina), kempen gaji (awal/akhir bulan), tren TikTok/Instagram, berita tarif, perubahan kadar tukaran mata wang.
• Model ramalan menjangka SKU mana akan meletup, mana yang akan perlahan, dan berapa kuantiti selamat untuk disimpan.

Untuk pemain besar:

• Algoritma boleh turun hingga ke tahap variasi warna dan saiz.
• Contoh: Nampak pola bahawa saiz M dan L baju kasual lelaki akan habis dulu pada 11.11, manakala saiz S dan XL tinggal di gudang.

2.2 Dinamik Harga & Promosi yang Sentiasa Bergerak

Dalam acara mega, harga jarang statik. AI digunakan untuk harga dinamik berdasarkan:

• Stok semasa berbanding sasaran
• Kos terkini (termasuk tarif baharu dan caj logistik
• Harga pesaing (data ini boleh diambil melalui monitoring harga pesaing)
• Tingkah laku pelanggan masa nyata (contoh: banyak add to cart tapi tak checkout)

Contoh mudah:

• Produk A dibeli dalam jumlah tinggi pada jam 10:00 pagi, stok tinggal 30%, model margin menjangka kerugian jika kekalkan diskaun 40%.
• Sistem boleh automatik tukar diskaun ke 25% tanpa menjejaskan kadar jualan secara drastik kerana permintaan sudah tinggi.

2.3 Pengurusan Gudang & Pemenuhan Pesanan

Acara besar bukan saja tentang jual, tetapi menghantar tepat masa.

AI membantu:

• Menentukan pusat pemenuhan (fulfilment centre) mana patut simpan stok tambahan sebelum acara.
• Mengoptimumkan laluan penghantaran last-mile berdasarkan jangkaan volum.
• Mengutamakan SKU yang paling banyak dipesan untuk diproses dahulu.

Untuk rangkaian seperti Lotus’s, atau pemain omni-channel di Malaysia, ini bermakna AI boleh bantu putuskan:

• Barang mana patut dihantar dari stor fizikal berdekatan
• Barang mana patut datang dari gudang pusat supaya kos kekal rendah

3. Tarif Naik, Kos Naik: Di Mana AI Boleh Selamatkan Margin?

Tarif dan kenaikan kos import memang di luar kawalan peruncit. Tapi cara anda bertindak balas sepenuhnya boleh dikawal – dan AI mempercepatkan setiap keputusan sukar itu.

3.1 Simulasi Senario Harga & Kos

AI boleh digunakan untuk buat simulasi:

• “Kalau tarif naik 10%, apa jadi pada margin kategori elektronik?”
• “Kalau kita turunkan diskaun Prime Day dari 35% ke 28%, berapa ramai pelanggan akan lari?”

Daripada gut feeling, anda ada:

• Model yang di-train dengan data sejarah harga vs permintaan
• Anggaran yang lebih tepat tentang titik harga optimum di bawah tekanan tarif

3.2 Penggantian Produk (Product Substitution) Yang Pintar

Bila produk import jadi lebih mahal, peruncit besar biasanya:

• Tolak lebih banyak produk alternatif (contoh: jenama tempatan, ODM, atau OEM tanpa jenama kuat)
• Susun semula kedudukan produk di laman/aplikasi

AI boleh mengesan:

• Produk alternatif mana yang paling hampir dari segi spesifikasi, rating pelanggan dan julat harga
• Corak pelanggan yang bersedia bertukar jenama bila harga naik sedikit

Hasilnya, walaupun kos asal naik, pelanggan masih rasa ada pilihan nilai untuk wang, dan anda masih pegang margin.

3.3 Pengurusan Promosi Yang Berbeza Ikut Segmen

Bukan semua pelanggan respon sama kepada kenaikan harga. AI CRM dan segmentasi tingkah laku boleh:

• Kenal pasti segmen yang sangat sensitif kepada harga
• Kenal pasti segmen yang lebih mementingkan jenama atau penghantaran pantas

Kemudian anda boleh:

• Tawarkan kupon lebih agresif hanya kepada segmen harga-sensitif
• Kekalkan harga lebih tinggi untuk segmen yang mengejar jenama premium, sambil tawar nilai tambah (hadiah percuma, warranty lebih panjang)

Ini cara Amazon, Shopee dan Lazada mengekalkan angka GMV sambil mengelakkan “bakar duit” buta.

4. Apa Yang Peruncit & Marketplace Di Malaysia Boleh Belajar

Kita tak perlu sebesar Amazon untuk mula guna pendekatan yang sama. Yang penting ialah mindset dan struktur data.

4.1 Jadikan Acara Jualan Sebagai Projek Data, Bukan Sekadar Marketing

Setiap kali anda buat:

• Jualan gaji hujung bulan
• Jualan 9.9, 10.10, 11.11, 12.12
• Jualan Raya atau Tahun Baru

Pastikan anda:

1. Simpan data secara terperinci (SKU, masa pembelian, sumber trafik, jenis promosi, margin sebenar selepas kos).
2. Bandingkan prestasi antara acara.
3. Gunakan data itu untuk latih model AI ramalan permintaan walau pun bermula dengan sesuatu yang asas.

Kalau sekarang semuanya dalam Excel manual, sasaran jangka pendek ialah migrasi ke satu platform yang boleh dikaitkan dengan model analitik atau AI.

4.2 Mulakan Dengan 3 Use Case AI Paling “Mudah Dapat Hasil”

Daripada cuba buat semua sekali gus, fokus pada tiga bidang ini dahulu:

1. Forecast permintaan untuk SKU utama

   • Pilih 50–200 SKU paling kritikal (high GMV atau high margin).
   • Guna model AI untuk ramal permintaan semasa acara dan pra-acara.

2. Optimasi harga promosi

   • Guna model elastisiti harga (price elasticity) untuk anggar kesan diskaun 10%, 20%, 30% terhadap volum.
   • Guna hasil itu untuk rancang struktur diskaun sebelum acara.

3. Segmentasi pelanggan untuk kupon & tawaran khusus

   • Guna data pembelian lepas untuk bina segmen.
   • Tawar kupon berbeza ikut nilai seumur hidup (LTV) dan sensitiviti harga.

4.3 Integrasi Omni-Channel: Kedai Fizikal + Online

Untuk rangkaian seperti Lotus’s, Mydin, atau mana-mana jenama yang ada kedua-dua stor fizikal dan online, AI boleh bantu menyatukan:

• Stok stor fizikal sebagai tambahan stok untuk acara online
• Click & collect sebagai pilihan penghantaran yang kurangkan kos last-mile

Contoh aliran kerja:

• Model AI jangka permintaan tinggi untuk minuman musim panas menjelang acara 7.7
• Sistem menasihatkan pemindahan stok dari stor fizikal yang slow-moving ke gudang online atau jadikan ia eksklusif pick up in store
• Anda elakkan situasi stok mati di satu lokasi, habis di lokasi lain

5. Langkah Praktikal 90 Hari Untuk Naik Taraf Strategi “Prime Day” Anda

Kalau anda sasarkan acara besar seterusnya (contoh: 9.9 atau jualan hujung tahun), inilah pelan ringkas 90 hari yang realistik:

Hari 1–30: Audit & Susun Data

• Kenal pasti semua sumber data: platform e-dagang, POS, sistem gudang, sistem promosi.
• Mulakan data cleaning asas: standardkan kod produk, kategori, dan saluran.
• Tentukan 50–200 SKU keutamaan dan kategori kritikal yang paling terjejas oleh tarif/kos import.

Hari 31–60: Bangunkan Model & Proses

• Bina model ramalan permintaan ringkas untuk SKU terpilih.
• Bangunkan pricing playbook berasaskan data: julat diskaun optimum, had minimum margin.
• Reka segmen pelanggan berdasarkan histori pembelian dan kepekaan terhadap promosi.

Hari 61–90: Uji, Tweak & Skalakan

• Jalankan mini campaign (contoh: hujung minggu atau gaji bulanan) untuk uji model.
• Pantau hasil: kadar penukaran, margin setiap SKU, ketepatan ramalan permintaan.
• Baiki model dan proses, kemudian skalakan ke acara besar seterusnya.

Pendek kata: jadikan acara seterusnya bukan eksperimen rawak, tetapi eksperimen AI yang terkawal dengan objektif dan metrik jelas.

Penutup: Masa Untuk Acara Jualan Yang Lebih Pintar, Bukan Lebih Bising

Amazon yang meneruskan Prime Day walaupun berdepan ancaman tarif ialah contoh bagaimana keyakinan operasi datang daripada sistem AI dan data yang kukuh, bukan sekadar bajet marketing yang besar.

Bagi pemain besar di Malaysia dan Asia Tenggara, sama ada di marketplace seperti Shopee & Lazada atau rangkaian runcit fizikal, hala tuju global sudah jelas:

• Acara jualan akan terus jadi tulang belakang pertumbuhan.
• Kos (tarif, logistik, buruh) tak akan kembali murah seperti dulu.
• Bezanya ialah keupayaan menggunakan AI dalam runcit dan e-dagang untuk mengurus inventori, menetapkan harga, dan memahami pelanggan dengan lebih tajam.

Kalau pasukan anda sedang merancang jualan besar seterusnya dan rasa strategi sekarang terlalu banyak bergantung pada “teka dan harap”, ini masa yang baik untuk mula berbual tentang bagaimana AI boleh masuk secara praktikal – bukan teori, tetapi kes penggunaan yang terus sentuh stok, harga dan margin.

Soalan yang patut anda tanya hari ini: acara mega seterusnya, adakah ia cuma lebih banyak diskaun… atau lebih banyak kecerdasan?