Bagaimana AI Visual Ubah Cara Pelanggan Membeli

Pada 2024, syarikat e-dagang yang guna AI untuk pengalaman membeli dilaporkan melihat kadar penukaran naik antara 20% hingga 40%. Bukan sebab mereka tambah diskaun, tapi kerana mereka kurangkan keraguan sebelum membeli.

Inilah ruang yang Onton sedang serang habis-habisan. Syarikat yang baru mengumpul dana kira-kira $7.5 juta ini membina laman beli-belah dengan kanvas infiniti dan penjanaan imej AI untuk bantu pengguna membuat keputusan lebih cepat. Mereka bermula dengan perabot, dan kini mula keluar daripada kategori itu. Konsepnya ringkas: tunjukkan rupa produk dalam konteks visual yang masuk akal, dan pelanggan tak perlu berteka-teki.

Untuk pemain besar seperti Shopee, Lazada, TikTok Shop atau rangkaian runcit seperti Lotus’s, Aeon, Mydin, pendekatan macam ini bukan lagi “nice to have”. Ini sudah jadi senjata persaingan. Artikel ini kupas bagaimana idea Onton boleh diterjemah ke pasaran Malaysia, dan apa yang praktikal untuk pasukan e-dagang buat dalam 3–6 bulan akan datang, bukan lima tahun lagi.

---

Apa Sebenarnya Onton Buat, Dan Kenapa Ia Penting

Onton memberi pengguna “infinite canvas” – satu ruang visual di mana mereka boleh:

• Hasilkan imej bilik, ruang tamu atau pejabat menggunakan AI
• Letak perabot atau produk ke dalam ruang itu
• Ubah warna, gaya, susun atur secara masa nyata

Daripada hanya lihat gambar produk berlatar putih, pengguna boleh nampak sendiri:

“Sofa ni muat tak dengan meja kopi? Nampak matching tak dengan karpet?”

Realitinya, kebanyakan pelanggan tak beli sebab mereka tak pasti, bukan sebab mereka tak suka produk. Keraguan ini datang daripada beberapa perkara:

• Tak boleh bayang produk dalam ruang sendiri
• Tak pasti kombinasi warna dan saiz sesuai atau tidak
• Takut menyesal bila barang sampai lain daripada jangkaan

Onton menggunakan penjanaan imej AI untuk membunuh keraguan ini. Bila visual jadi jelas, keputusan membeli jadi jauh lebih pantas.

---

Dari Perabot ke Segala-Galanya: Trend AI Visual Dalam E-Dagang

Perabot memang kategori paling jelas untuk visual AI – ruang, saiz, warna, semua sangat bergantung pada konteks. Tapi trendnya lebih luas daripada itu.

1. Fesyen & gaya hidup

Bayangkan fungsi seperti:

• “Try-on” maya untuk tudung, baju kurung, jubah atau sneakers
• Padanan automatik: beli tudung → cadangkan baju dan beg tangan dengan palet warna yang serasi
• Gaya OOTD AI: pelanggan upload satu gambar, AI cadangkan 3–5 set pakaian penuh daripada pelbagai penjual

Dalam konteks Shopee atau Lazada, ini boleh jadi:

• Halaman produk yang bukan sekadar gambar model, tapi imej AI yang sesuaikan bentuk badan dan tona kulit pengguna
• “Shop the look”: satu klik untuk tambah keseluruhan set ke troli

2. Elektronik & gajet

Untuk TV, monitor, sistem audio rumah:

• AI boleh jana gambaran setup ruang tamu dengan TV 65 inci vs 50 inci
• Bandingkan rupa monitor 24 inci vs 32 inci di atas meja kerja yang sama

Pelanggan tak lagi teka-teka saiz hanya dari spesifikasi. Mereka nampak secara visual.

3. Runcit fizikal & omnichannel

Bagi rangkaian seperti Lotus’s atau Aeon yang ada kedai fizikal dan e-dagang:

• Pengguna boleh rancang rak dapur atau peti ais, AI susun produk (sos, minuman, barang kering) ikut saiz dan kategori
• AI cadang produk tambahan berdasarkan rupa rak – contohnya, “ruang kosong ini muat 3 botol lagi”

Trend besar di sini: AI visual jadi lapisan baru antara katalog dan pelanggan, bukan hanya imej statik.

---

Bagaimana AI Imej Tingkatkan Jualan & Turunkan Kos

Bagi pasukan bisnes, soalan utama selalu sama: “Semua ni cantik, tapi apa impaknya pada nombor?”

1. Kadar penukaran (conversion rate) naik

Apabila pelanggan nampak “hasil akhir” dengan jelas, mereka lebih yakin untuk klik “Bayar Sekarang”. Contohnya:

• Pelanggan yang gunakan visual AI untuk susun perabot mungkin 2–3 kali lebih cenderung membeli berbanding yang hanya lihat gambar standard
• Di kategori fesyen, fungsi try-on maya dalam beberapa kajian antarabangsa menunjukkan peningkatan penukaran sehingga 30–40%

Kunci utamanya: AI mengurangkan halangan mental sebelum membuat keputusan.

2. Pulangan barang (returns) turun

Banyak pulangan berlaku kerana 3 sebab:

1. Saiz salah
2. Warna tak kena
3. Jangkaan tak sama dengan realiti

Bila pelanggan:

• Nampak produk dalam skala sebenar dalam “ruang”
• Lihat kombinasi warna dalam suasana yang mirip rumah mereka

…kadar kecewa selepas barang sampai akan turun. Untuk peruncit besar, turunnya pulangan walaupun 3–5% boleh jimatkan ratusan ribu ringgit setahun pada kos logistik dan stok.

3. Nilai troli lebih tinggi (basket size)

AI visual sangat bagus untuk menjual set, bukan satu produk.

• Tunjuk satu ruang tamu lengkap: sofa, meja kopi, rak TV, karpet, lampu lantai
• Butang “Tambah semua ke troli” atau “Tambah set asas”

Di marketplace seperti Shopee dan Lazada, ini boleh diadaptasi sebagai:

• “Beli ruang tamu ini” → gabungan produk dari beberapa penjual
• AI pilih item dengan skor rating dan harga terbaik dalam kategori masing-masing

Lebih mudah untuk pelanggan klik sekali beli set penuh daripada cari satu per satu.

---

Apa Pemain Besar Boleh Belajar Daripada Onton

Onton mungkin bukan jenama yang biasa didengar di Malaysia, tapi pendekatan mereka memberi beberapa pelajaran berguna untuk gergasi e-dagang.

1. Kanvas infiniti vs halaman produk statik

Kebanyakan marketplace masih terperangkap dengan format halaman produk tradisional:

• 5–8 gambar
• Sedikit video
• Penerangan panjang

Pendekatan kanvas infiniti cadangkan sesuatu yang berbeza:

• Satu ruang interaktif di mana pelanggan boleh bereksperimen
• Produk dari pelbagai penjual boleh muncul serentak dalam satu visual

Untuk Shopee/Lazada, ini mungkin bermaksud:

• Halaman khas “Reka Ruang Anda” yang dihubungkan kepada pelbagai penjual kategori rumah & hidup
• AI susun kombinasi produk, tapi baki stok, harga dan penghantaran masih dikawal oleh penjual

2. AI bukan hanya untuk carian teks, tapi carian visual

Sekarang, ramai fokus pada AI search dalam bentuk teks:

• “Cari sofa L-shape bawah RM2000 warna kelabu”

Langkah seterusnya: carian visual + generatif.

• Pengguna lukis atau upload gambar ruang tamu
• AI cadang susun atur + produk sebenar yang ada di marketplace

Inilah jambatan antara apa Onton buat dan apa yang marketplace Asia Tenggara boleh adaptasi.

3. Personalization yang nampak, bukan hanya di belakang tabir

Ramai pemain e-dagang sudah guna AI untuk cadangan produk – “You may also like”. Masalahnya, ia tak terasa istimewa bagi pengguna.

Visual AI ubah keadaan:

• Setiap pengguna dapat ruang maya yang unik berdasarkan sejarah carian, pembelian, dan bajet
• Tiba-tiba, personalization jadi sesuatu yang mereka nampak dan rasa, bukan sekadar senarai produk di bawah

Bagi saya, inilah beza antara “AI di belakang sistem” dan “AI yang pelanggan benar-benar hargai”.

---

Langkah Praktikal: Dari Idea ke Pelaksanaan (3–12 Bulan)

Tak perlu tunggu jadi Onton baru boleh guna konsep ini. Banyak ciri boleh dicapai secara berperingkat.

Fasa 1 (3–6 bulan): Asas visual pintar

Untuk marketplace & jenama besar:

• Standardkan imej produk berkualiti tinggi (sudut, pencahayaan, latar belakang neutral)
• Klasifikasikan produk dengan data yang rapi: dimensi, warna tepat (kod hex), gaya (minimalis, klasik, moden)
• Bangunkan modul “produk berkaitan dalam rupa ruang” – contohnya, bila orang lihat sofa, tunjuk imej bilik contoh dengan beberapa produk lain dari katalog

Untuk jenama sendiri (direct-to-consumer):

• Mulakan dengan 1–2 kategori utama (contoh: perabot ruang tamu sahaja)
• Guna perisian penggayaan bilik (room styling) atau API generatif untuk hasilkan 20–50 visual contoh
• Uji A/B halaman produk biasa vs halaman dengan visual AI, pantau:
  • Conversion rate
  • Masa di halaman
  • Klik “Tambah ke troli”

Fasa 2 (6–12 bulan): Interaktiviti & personalisasi

Bila asas imej dan data produk sudah kemas, baru masuk fasa lebih canggih:

• Kanvas interaktif untuk kategori utama (perabot, dekorasi, fesyen)
• Pengalaman “reka ruang saya” atau “reka gaya saya” di dalam app
• Integrasi dengan AI carian: pengguna masuk bajet, gaya dan saiz ruang → sistem bina susun atur automatik

Bagi rangkaian fizikal:

• Tablet atau kiosk di kedai: pelanggan reka ruang, staf bantu pilih produk di rak
• Kod QR di rak yang bawa pelanggan ke kanvas AI dalam aplikasi

Metrik yang perlu dipantau

Pastikan pasukan analitik ikut beberapa nombor utama:

• Conversion rate sebelum/selepas AI visual
• Average order value (AOV)
• Kadar pulangan barang
• Masa penglibatan di halaman / modul AI

Kalau tak nampak perbezaan, mungkin isu bukan pada AI, tapi pada:

• Kualiti katalog (data tak lengkap, gambar tak konsisten)
• UX yang mengelirukan
• Latihan kepada peniaga (seller) yang lemah

---

Risiko, Had, dan Cara Kurangkan Kekecewaan Pelanggan

Sebagai orang produk atau pemasar, kita juga kena jujur: AI visual ada risikonya.

1. Imej terlalu cantik, produk sebenar tak sama

Ini risiko terbesar. Kalau AI “terlebih cantikkan” produk:

• Pelanggan rasa tertipu
• Kadar pulangan naik
• Rating merudum

Cara mitigasi:

• Tetapkan garis panduan dalaman: AI tak boleh ubah bentuk asas, saiz relatif, atau tekstur utama produk
• Tunjukkan label jelas bila imej adalah “Gambaran AI berdasarkan spesifikasi produk”
• Sentiasa pamer juga gambar produk sebenar dalam galeri

2. Bias data dan cadangan berat sebelah

Kalau model AI dilatih pada gaya tertentu sahaja (contoh: rumah Eropah), hasilnya mungkin:

• Banyak cadangan yang tak sesuai dengan rumah apartmen kecil di Malaysia
• Gaya dekor terlalu “Barat” dan kurang mesra budaya tempatan

Penyelesaiannya:

• Latih model dengan contoh ruang Asia Tenggara, termasuk rumah PPR, apartmen bandar, teres, dan rumah kampung moden
• Libatkan pereka dalaman tempatan untuk kurasi set visual contoh

3. Kos pembangunan dan integrasi

Tak semua syarikat mampu bina teknologi macam Onton dari kosong.

Jalan tengah yang lebih realistik:

• Guna penyedia API AI generatif sedia ada
• Fokus pada 1–2 pengalaman utama yang paling beri impak kepada pelanggan
• Elak cuba buat semua kategori serentak – mulakan di tempat yang paling tinggi margin atau paling tinggi pulangan

---

Masa Depan AI Dalam Runcit & E-Dagang: Dari Visual ke Rantaian Bekalan

Kisah Onton hanyalah satu kepingan dalam gambar besar AI dalam runcit dan e-dagang.

Hari ini kita bercakap tentang:

• Penjanaan imej AI untuk bantu pelanggan membuat keputusan
• Personalization visual dalam marketplace besar

Tapi di belakang tabir, pemain besar sudah lama guna AI untuk:

• Peramalan inventori (inventory forecasting) – pastikan stok cukup bila kempen besar seperti 11.11, 12.12
• Harga dinamik – selaraskan harga ikut permintaan, pesaing dan kos
• Automasi gudang – robot dan algoritma rancang susunan stok dan laluan picking
• Analitik tingkah laku pelanggan – segmentasi, CLV, churn prediction

AI visual seperti yang dilakukan Onton hanyalah lapisan hadapan (front layer) yang pelanggan nampak. Tapi ia kuat kerana ia sambungkan terus dunia AI dengan emosi dan keyakinan pembeli.

Bagi pasukan di Shopee, Lazada, Lotus’s, atau jenama yang bercita-cita besar di Asia Tenggara, soalan praktikalnya begini:

“Bagaimana kita boleh gunakan AI, bukan hanya untuk jimat kos di belakang, tetapi untuk buat pelanggan rasa lebih yakin, seronok dan cepat buat keputusan di hadapan?”

Onton sudah memberi satu jawapan yang cukup jelas: tunjukkan, jangan sekadar terangkan.

Siapa yang dapat gabungkan data, AI, dan pengalaman visual dengan paling bijak dalam 2–3 tahun akan datang, besar kemungkinan akan menguasai dompet pengguna Malaysia dan rantau ini.