Langkah Baru Amazon: AI, Stok Habis & Masa Depan E-Dagang

Pada musim Krismas, ada satu babak klasik dalam filem “Miracle on 34th Street”: Santa di Macy’s hantar pelanggan ke kedai pesaing sebab barang yang dicari tak ada stok. Pelanggan terkejut, tapi kepercayaan pada Macy’s terus naik.

Sekarang, versi digital babak itu sedang berlaku di e-dagang. Amazon sedang menguji ciri yang menghantar pelanggan terus ke laman jenama apabila produk tiada dalam stok di Amazon sendiri. Untuk gergasi seperti Amazon, ini langkah besar — dan ia mengubah cara kita fikir tentang stok habis, pengalaman pelanggan, dan peranan AI dalam rantaian bekalan.

Bagi rangkaian runcit besar, marketplace, dan pemain e-dagang seperti di Malaysia (Lazada, Shopee, TikTok Shop, Lotus’s, Aeon), langkah begini adalah isyarat jelas: pengurusan stok dan pengalaman pelanggan tak lagi cukup dengan laporan Excel dan tekaan manual. AI semakin jadi enjin utama.

Artikel ini kupas apa sebenarnya yang Amazon sedang uji, bagaimana AI menjadikan strategi ini masuk akal, dan apa maknanya untuk peruncit besar yang nak kekal relevan menjelang 2026.

---

Apa Sebenarnya Amazon Sedang Uji?

Amazon sedang menguji fungsi di mana, jika sesuatu produk tiada dalam stok atau tidak ditawarkan terus oleh Amazon, pelanggan boleh diarahkan ke laman web rasmi jenama untuk membeli.

Dalam bentuk paling ringkas, alirannya lebih kurang begini:

1. Pelanggan cari produk di Amazon.
2. Produk itu sama ada tiada stok, atau Amazon tak lagi simpan inventori sendiri.
3. Amazon paparkan pilihan seperti “Buy from brand” atau butang yang bawa terus ke laman jenama.
4. Transaksi berlaku di luar Amazon, di bawah kawalan penuh jenama.

Ini seakan-akan Amazon berkata:

“Kalau saya tak boleh jual, saya tetap bantu anda beli — walaupun di tempat lain.”

Untuk pelanggan, ia kurangkan rasa kecewa bila jumpa “Out of stock”. Untuk jenama, ini peluang dapat trafik panas (customer dengan niat beli yang tinggi) terus ke saluran milik sendiri.

Di sebaliknya, ada satu persoalan penting: Kenapa Amazon sanggup lepaskan jualan ke laman jenama? Jawapannya banyak berkait dengan AI, data, dan strategi jangka panjang.

---

Kenapa Stok Habis Jadi Isu Besar Dalam E-Dagang

Setiap kali pelanggan jumpa produk yang habis stok, platform bukan saja hilang jualan hari itu — mereka juga berisiko hilang pelanggan untuk jangka panjang.

Dalam pasaran seperti Malaysia yang penuh pilihan — Lazada, Shopee, TikTok Shop, web jenama sendiri — kos untuk pelanggan bertukar platform sangat rendah. Satu klik saja.

Kesan stok habis pada peruncit:

• Hilang jualan langsung (lost sales)
• Pelanggan lari ke pesaing, dan mungkin tak kembali
• Iklan berbayar (ads) rugi, sebab bawa trafik ke produk yang tak boleh dibeli
• Data permintaan jadi kabur, sebab tiada rekod pembelian sebenar

Kebanyakan peruncit besar masih bergantung pada forecast manual, spreadsheet, atau sistem ERP lama yang tak cukup pantas untuk menangkap pola permintaan sebenar — terutamanya semasa puncak seperti 11.11, 12.12, Ramadan, dan Aidilfitri.

Di sinilah AI mula membezakan pemain biasa dengan pemain gergasi.

---

Peranan AI Dalam Mengurus “Out of Stock” Dengan Lebih Pintar

AI mengubah stok habis daripada masalah statik kepada peluang dinamik. Ia bukan lagi sekadar paparan teks merah “Out of stock”, tapi titik keputusan yang kompleks: nak buat apa dengan niat beli pelanggan pada saat itu?

1. Ramalan stok (inventory forecasting) yang jauh lebih tepat

AI boleh memproses:

• Data jualan bertahun-tahun
• Musim & perayaan (Ramadan, Raya, Back-to-School, Krismas, Tahun Baru Cina)
• Promosi, kempen kupon, live streaming
• Cuaca, trend media sosial, malah viral TikTok

Dari situ, sistem AI boleh:

• Menjangka naik turun permintaan dengan lebih tepat
• Cadangkan paras stok keselamatan (safety stock) mengikut kategori & lokasi gudang
• Mengurangkan dua risiko kritikal: stok habis dan stok lambakan (overstock)

Peruncit besar di rantau ini yang sudah guna AI untuk peramalan stok biasanya lapor potensi pengurangan stok habis dalam lingkungan 20–40% berbanding kaedah lama.

2. Pengurusan masa nyata semasa stok hampir habis

Bila stok mula menipis, AI boleh mencetuskan beberapa tindakan automatik:

• Laraskan iklan: kurangkan exposure produk yang hampir habis
• Tukar cadangan: naikkan paparan produk alternatif yang ada stok
• Aktifkan pre-order atau backorder jika pembekal boleh penuhi cepat

Strategi Amazon — menghantar pelanggan ke laman jenama — boleh juga digerakkan secara pintar oleh AI:

• Hanya aktif bila ramalan restock lambat
• Hanya untuk jenama rakan kongsi yang sudah setuju model perkongsian data/komisen
• Disesuaikan mengikut nilai pelanggan (contoh: pelanggan VIP dilayan dengan pilihan tertentu)

3. Personalisasi cadangan bila sesuatu produk habis

Tak semua pelanggan serasi dengan alternatif yang sama. AI boleh:

• Guna sejarah pembelian & carian untuk cadangkan produk gantian yang paling relevan
• Bezakan antara pelanggan yang sangat setia pada jenama dengan yang lebih peka harga
• Untuk pelanggan brand-loyal: mungkin lebih masuk akal hantar mereka ke laman rasmi jenama
• Untuk pelanggan yang kejar harga: cadangkan produk serupa dengan promosi di platform

Inilah logik di sebalik keputusan seperti yang Amazon sedang uji. Daripada biarkan pelanggan kecewa, AI bantu pilih “laluan terbaik” untuk niat beli tersebut.

---

Kenapa Tindakan Amazon Ini Masuk Akal Dari Sudut Strategi

Amazon nampak apa yang ramai peruncit besar masih ragu-ragu: dalam e-dagang moden, kepercayaan dan pengalaman pelanggan lebih mahal daripada margin satu transaksi.

1. Menjaga kepercayaan jangka panjang

Bila pelanggan rasa:

• “Kalau cari di Amazon, mesti ada jalan untuk beli, walaupun bukan dari Amazon sendiri,”

…mereka akan mula jadikan Amazon sebagai titik permulaan (default starting point). Itu jauh lebih bernilai daripada satu jualan yang hilang.

Dalam konteks Malaysia, siapa yang menang “top of mind” antara Shopee, Lazada, TikTok Shop, atau web jenama sendiri, akan menang trafik jangka panjang. Strategi seperti ini membantu mengekalkan posisi itu.

2. Data tingkah laku pelanggan semakin kaya

Walaupun transaksi berlaku di luar, Amazon masih boleh (dengan persetujuan pengguna & rakan kongsi):

• Rekod apa yang pelanggan cari ketika stok habis
• Rekod siapa yang klik ke laman jenama, siapa yang tak berminat
• Faham jenis produk & kategori yang paling kritikal untuk dipulihkan stok

Data ini kemudian dimasukkan ke dalam model AI untuk memperbaiki:

• Peramalan permintaan (demand forecasting)
• Perancangan kapasiti gudang
• Strategi onboarding lebih banyak penjual / jenama untuk kategori tertentu

3. Buka model kerjasama baru dengan jenama

Bila Amazon mula hantar trafik ke laman jenama, beberapa model boleh muncul:

• Komisen rujukan (referral fee)
• Perkongsian data jualan & tingkah laku
• Program “preferred partner” dengan jenama utama

Untuk peruncit besar dan marketplace di rantau ini, ini petanda bahawa hubungan dengan jenama boleh berevolusi daripada sekadar “jual di platform saya” kepada “urus pelanggan secara bersama merentas saluran”. Di sini, AI jadi penghubung yang menyatukan data runcit, data jenama, dan tingkah laku pelanggan.

---

Apa Yang Peruncit & Marketplace Besar Boleh Belajar

Realitinya: apa yang Amazon buat hari ini, pelanggan akan mula harap daripada semua platform esok. Kalau gergasi dunia boleh bantu pelanggan walaupun stok habis, pengguna Malaysia akan mula tertanya, “Kenapa platform lain tak buat macam tu?”

Berikut beberapa langkah praktikal yang saya rasa peruncit besar patut mula fikir serius mulai sekarang.

1. Audit perjalanan pelanggan bila stok habis

Tanya soalan yang sangat spesifik:

• Apa yang pelanggan nampak bila produk tiada stok?
• Adakah ada cadangan alternatif yang relevan, atau sekadar widget rawak?
• Adakah kita kumpul data sebab stok habis itu (berapa lama, berapa ramai cari, berapa ramai keluar dari laman)?

Kalau jawapannya cuma “papar label Out of Stock”, itu ruang pembaziran niat beli yang besar.

2. Mulakan projek AI untuk peramalan & pengoptimuman inventori

Untuk rangkaian runcit dan marketplace berskala besar, projek minimum yang patut wujud menjelang 2026:

• Model AI peramalan permintaan mengikut kategori, lokasi & musim
• Sistem yang cadangkan paras stok automatik (bukannya manual sepenuhnya)
• Dashboard masa nyata stok habis & produk kritikal dengan insight AI

Tak perlu mulakan dengan semua kategori. Fokus dulu pada:

• Kategori margin tinggi (contoh: elektronik, kecantikan premium)
• Kategori musiman yang sangat sensitif (contoh: kuih Raya, produk ibadah Ramadan, barangan sekolah)

3. Reka semula logik cadangan bila stok habis

Gunakan AI untuk:

• Kenal pasti alternatif paling hampir dari sudut fungsi, harga dan jenama
• Bezakan antara pelanggan setia jenama dan pelanggan yang suka eksperimen
• Uji A/B beberapa variasi paparan: cadang produk lain, tawar pre-order, atau rujuk ke saluran lain (jika relevan)

Anda tak perlu terus lompat ke tahap hantar pelanggan ke laman jenama seperti Amazon. Tapi minimum, pengalaman pelanggan bila jumpa stok habis perlu rasa pintar, bukan buntu.

4. Bangunkan kerjasama data dengan jenama utama

Bagi peruncit dan marketplace besar:

• Jemput jenama utama ke program “joint business planning berbasis data”
• Kongsi insight AI tentang corak permintaan, slot masa panas, kategori pengganti
• Minta balas data dari pihak jenama (contoh: stok di gudang mereka, kapasiti pengeluaran)

Bila dua hala data ini stabil, barulah masuk akal untuk fikir model seperti Amazon:

“Kalau saya tak boleh penuhi pesanan hari ini, saya hantar pelanggan ke anda — tapi kita sama-sama menang dari segi data dan nilai jangka panjang.”

---

So, Apa Seterusnya Untuk AI Dalam Runcit & E-Dagang?

Langkah ujian Amazon ini cuma satu kepingan dalam gambar besar AI dalam runcit dan e-dagang. Dalam siri “AI in Retail & E-Commerce (Large Chains & Marketplaces)” ini, satu pola semakin jelas:

• AI bukan hanya tentang chatbot atau cadangan produk.
• AI sedang menyentuh perkara yang paling asas: apa yang perlu ada di rak, bila, di mana, dan apa yang berlaku bila rak kosong.

Bagi pemain besar di Malaysia dan rantau ini, beberapa soalan yang wajar ditanya menjelang 2026:

• Adakah pengalaman stok habis di platform saya dah cukup pintar, atau masih menyakitkan pelanggan?
• Adakah saya gunakan AI untuk sekadar report, atau betul-betul untuk buat keputusan stok dan rantaian bekalan?
• Adakah saya lihat jenama sebagai “vendor” semata, atau rakan data yang berkongsi pelanggan yang sama?

Ada satu hakikat yang sukar ditepis: pelanggan tak peduli sistem apa yang anda guna di belakang. Mereka cuma peduli — bila saya nak beli, boleh dapat atau tak, dan kalau tak boleh, siapa bantu saya cari jalan lain.

Di sinilah AI memberi nilai paling ketara kepada peruncit besar: ia membolehkan anda memberi jawapan yang lebih baik pada saat yang paling kritikal dalam perjalanan pembelian.

Kalau Amazon sanggup melepaskan jualan hari ini untuk memenangi kepercayaan pelanggan esok, persoalannya — sejauh mana anda bersedia untuk menukar cara anda mengurus stok habis, dan adakah AI sudah menjadi sebahagian daripada jawapan itu?