Bagaimana Gap Guna AI: Pelajaran Untuk Peruncit Besar

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

Gap guna AI untuk personalisasi, fulfillment, ramalan permintaan dan reka bentuk produk. Inilah pelajaran praktikal untuk peruncit & marketplace besar di rantau ini.

AI dalam runcite-dagang Gappersonalisasi pelangganfulfillment omni-channelramalan permintaanautomasi gudangstrategi digital peruncit
Share:

Bagaimana Gap Guna AI: Pelajaran Untuk Peruncit Besar

Pada 2025, Gap Inc. menjangkakan jualan e-dagang mencecah sekitar US$6.04 bilion, dan satu faktor besar di belakang angka itu ialah cara mereka guna kecerdasan buatan (AI) dari hujung ke hujung – daripada reka bentuk produk sampai penghantaran ke rumah pelanggan.

Kisah Gap ini relevan terus untuk pemain runcit dan e-dagang besar di Malaysia dan Asia Tenggara – sama ada anda di rangkaian pasar raya, rangkaian fesyen, farmasi, atau marketplace seperti Lazada dan Shopee. Sebabnya mudah: pelanggan sudah terbiasa dengan pengalaman pintar ala Gap, Target atau Amazon. Kalau jenama besar di sini tak bergerak ke arah yang sama, pelanggan akan rasa ketinggalan.

Dalam siri “AI in Retail & E‑Commerce (Large Chains & Marketplaces)” ini, saya gunakan Gap sebagai kajian kes: bagaimana sebuah peruncit global susun strategi AI mereka, apa yang berkesan, dan apa yang peruncit besar di Malaysia boleh tiru – secara praktikal.

1. Strategi AI Gap: Dari “Office of AI” ke hasil sebenar

Untuk peruncit besar, AI bukan sekadar pasang chatbot dan siap. Gap tunjuk satu perkara penting: mereka jadikan AI sebagai fungsi strategik, bukan projek eksperimen terpencil.

Pada 2024, Gap tubuhkan “Office of AI” yang fokus pada dua perkara:

  • Pemerkasaan pekerja (employee enablement)
  • Inovasi strategik jangka panjang (consumer experience, go-to-market, produktiviti organisasi)

Presiden & CEO Gap, Richard Dickson, nyatakan dengan jelas bahawa bermula 2025, mereka fokus kepada “AI monetization” – maksudnya AI mesti bawa nilai yang boleh diukur kepada:

  • Pengalaman pengguna
  • Kelajuan produk ke pasaran
  • Produktiviti organisasi

Apa pelajaran untuk peruncit besar di Malaysia?

Jika anda rangkaian runcit, pasar raya atau marketplace:

  1. Wujudkan struktur pemilikan AI yang jelas
    Bukan sekadar lantik “Head of Digital”. Gap ada Office of AI dengan mandat jelas. Di sini, anda boleh:

    • Bentuk AI taskforce di bawah COO/CTO/Chief Digital Officer
    • Letak KPI yang dikaitkan terus dengan jualan, margin, dan NPS pelanggan

  2. Mula dengan use case yang dekat dengan duit & pelanggan
    Gap bermula dengan pemerkasaan pekerja dan fulfillment, kemudian skala ke personalisasi pengguna. Di konteks Malaysia, quick wins biasa ialah:

    • Cadangan produk pintar di laman web/app
    • Pengoptimuman stok dan pemindahan stok antara cawangan
    • Chatbot untuk FAQ & status penghantaran

  3. Jangan jadikan AI projek IT semata-mata
    Office of AI Gap duduk merentas fungsi – merchandising, supply chain, pemasaran, IT. Kalau di organisasi anda, AI hanya duduk di IT, 90% inisiatif akan tersekat di “pilot”.

2. Bagaimana Gap guna AI untuk personalisasi & musim perayaan

Untuk musim perayaan hujung tahun (termasuk Cyber Monday), Gap gunakan AI untuk memudahkan pelanggan membeli dan menaikkan nilai troli.

Cara mereka buat:

a) Cadangan trend berkurasi (trend-based recommendations)

Gap dan Banana Republic memperkenal koleksi seperti “Fall Trend Edit” atau “Fall Essentials” yang dipacu AI untuk:

  • Kenal pasti gaya, warna dan potongan yang sedang meningkat permintaan
  • Kurasi produk ke dalam “kapsul” mudah beli – contohnya satu set gaya lengkap
  • Tukar laman kategori biasa jadi editorial-style shopping, lebih inspirasi, kurang serabut

Bila data pelanggan wujud (saiz, ketinggian, sejarah pembelian), AI akan padankan cadangan ikut ukuran sebenar – bukan hanya “orang lain juga beli…”.

b) Pembantu digital dalam laman & app

Gap guna pembantu digital berasaskan AI yang boleh dicapai melalui fungsi “Chat with Us” di laman dan aplikasi. Pembantu ini membantu pelanggan:

  • Cari produk ikut gaya, bajet, warna, atau saiz
  • Tanya stok di cawangan berdekatan
  • Semak status pesanan tanpa perlu log masuk rumit

Mereka juga galakkan pengguna guna platform AI luaran untuk “menemui” produk Gap, kemudian disambung semula ke laman jenama.

Apa yang peruncit di Malaysia boleh tiru?

Untuk e-dagang besar atau rangkaian fizikal yang ada app sendiri:

  1. Jadikan katalog anda “hidup”
    Bina koleksi auto-kurasi seperti:

    • “Pilihan Raya Hujung Minggu”, “Baju Raya Last Minute”, “Bundle Back-to-School”
    • Untuk pasar raya: “Set Masak Rendang Lengkap”, “Pek Minggu Gaji”

  2. Gunakan data saiz & sejarah pembelian
    Kalau anda pemain fesyen atau kasut, ini wajib:

    • Simpan profil saiz pelanggan, gunakan AI untuk nasihat saiz paling sesuai untuk setiap jenama/model
    • Kurangkan return kerana salah saiz – ini naikkan margin terus

  3. Chatbot yang betul-betul bantu, bukan sekadar kosmetik
    Reka chatbot yang fokus pada 3 tugas utama:

    • Cari produk (search by need: “baju kurung untuk pejabat di bawah RM200”)
    • Jawab soalan penghantaran & bayaran
    • Urus lepas jualan (tukar saiz, pulangan asas)

Pengalaman saya bekerja dengan pasukan produk: chatbot yang fokus 3–4 aliran utama jauh lebih berjaya daripada chatbot yang cuba jawab semua benda tapi tak mendalam.

3. Fulfillment & automasi: Di mana AI betul-betul jimatkan kos

Di belakang tabir, Gap melaporkan bahawa automasi dan AI dalam rangkaian omni-fulfillment mereka menaikkan produktiviti hampir 30% berbanding beberapa tahun lalu.

Mereka gunakan:

  • Robotic unloaders untuk memproses barangan masuk
  • Advanced storage & retrieval systems untuk susun dan ambil stok dengan lebih pantas
  • Pengoptimuman rangkaian stor dan gudang untuk hantar dari lokasi paling dekat dengan pelanggan

Richard Dickson jelaskan bahawa kombinasi 2,500 stor global + kapasiti e-dagang besar membolehkan Gap memenuhi lonjakan permintaan hujung tahun dengan lebih pantas, lebih tepat, dan tanpa perlu “overstaffing” keterlaluan.

Bagaimana konsep ini boleh diterjemah ke Asia Tenggara?

Tak semua peruncit di Malaysia ada robotik penuh, tapi AI tetap boleh bantu dalam beberapa cara praktikal:

  1. Penghalaan pesanan omni-channel (ship-from-store)
    Gunakan AI/algoritma untuk tentukan dari mana pesanan patut dihantar:

    • Dari gudang pusat?
    • Dari stor cawangan terdekat pelanggan?
    • Dari stor yang stoknya berlebihan?

    Tujuannya:

    • Kurangkan kos penghantaran
    • Kurangkan stok mati di cawangan
    • Pendekkan masa penghantaran

  2. Slotting & susun atur gudang
    AI boleh cadangkan cara susun produk untuk:

    • Kurangkan jarak berjalan picker
    • Letak SKU laju di lokasi mudah capai
    • Ubah layout mengikut musim (contoh: produk Raya diletak lebih dekat zon picking utama)
  1. Ramalan tenaga kerja gudang & rider
    Gunakan model ramalan permintaan untuk:
    • Rancang jumlah picker, packer, rider dan kaunter bayar
    • Elak overstaff (kos tinggi) dan understaff (servis lambat, NPS jatuh)

Peruncit besar yang saya lihat berjaya biasanya bermula dengan data yang sedia ada di WMS, OMS, dan POS, kemudian bawa masuk data tersebut ke dalam model peramalan ringkas sebelum beralih ke AI yang lebih kompleks.

4. AI untuk ramalan permintaan & perancangan inventori

Satu lagi bahagian penting dalam strategi Gap ialah platform data yang digabungkan dengan predictive analytics. Sejak 2022, mereka gunakan AI untuk:

  • Ramal permintaan sehingga ke peringkat SKU x saiz x stor
  • Pengaruh keputusan pembelian (buying), penempatan produk (positioning), dan harga (pricing)
  • Faham dinamik yang menggerakkan jualan & margin bagi setiap jenama di bawah Gap Inc.

Heather Mickman (bekas CIO interim Gap) terangkan bahawa AI mereka boleh:

  • Mengenal pasti saiz mana yang paling laju terjual di setiap stor
  • Elak lebihan stok saiz yang kurang laku
  • Menghantar kuantiti lebih tepat untuk setiap lokasi

Kenapa ini kritikal untuk peruncit besar di rantau kita?

Realitinya, kerugian terbesar bagi peruncit fesyen, runcit dan pasar raya bukan hanya stok tak laku – tapi stok yang tak berada di tempat yang betul pada masa yang betul.

Apa yang boleh dibuat sekarang:

  1. Mulakan dengan peramalan kategori utama
    Fokus pada kategori yang memberi impak besar:

    • Fesyen: koleksi musim (Raya, Tahun Baru Cina, Deepavali)
    • Pasar raya: produk segar, barang promosi mingguan
    • Farmasi: suplemen dan kategori kesihatan bermusim (demam, batuk, alergi)

  2. Gabungkan beberapa set data penting
    Model AI yang baik tak perlu 100 sumber data; cukup fokus kepada:

    • Data jualan sejarah (POS & online)
    • Ciri produk (kategori, jenama, harga, promo)
    • Faktor kalendar (musim perayaan, cuti umum, gaji masuk)

  3. Test-and-learn di beberapa stor dahulu
    Pilih 10–20 cawangan sebagai “living lab” untuk:

    • Uji model peramalan
    • Ubah suai logik pembelian & peruntukan stok
    • Banding hasil dengan stor kawalan (tanpa model AI)

Dalam banyak projek data runcit, saya nampak satu pola jelas: bila stok kategori utama jadi lebih tepat walaupun hanya 5–10%, kesannya pada margin dan cashflow sangat ketara.

5. Dari reka bentuk ke khidmat pelanggan: AI sepanjang rantaian nilai

Gap tak berhenti pada personalisasi dan fulfillment sahaja. Mereka juga guna generative AI untuk mempercepatkan kreativiti dan operasi.

a) Generative AI untuk reka bentuk produk

Pereka Gap gunakan AI untuk:

  • Tukar lakaran (sketch) kepada “photorealistic product renders”
  • Uji pelbagai variasi warna, tekstur dan kombinasi gaya tanpa perlu buat sampel fizikal penuh
  • Mempercepatkan proses “idea → visual → validasi” sebelum masuk pengeluaran

Bagi peruncit fesyen di Malaysia, ini bermakna:

  • Kurang kos sampel fizikal
  • Lebih banyak konsep boleh diuji dengan pembeli atau fokus kumpulan
  • Masa ke pasar (time-to-market) untuk koleksi trend boleh dipendekkan

b) AI untuk khidmat pelanggan & kandungan

Selain chatbot pengguna akhir, AI juga boleh digunakan untuk:

  • Jana deskripsi produk berbeza mengikut channel (app, web, marketplace)
  • Latih agen pusat panggilan dengan ringkasan automatik kes pelanggan
  • Bantu staf stor menjawab soalan stok dan promosi melalui aplikasi dalaman

Saya secara peribadi suka pendekatan ini: guna AI untuk kurangkan kerja berulang tinggi-volume, supaya manusia boleh fokus pada kerja yang perlukan empati, judgment dan kreativiti.

6. Apa langkah praktikal untuk peruncit besar di Malaysia & ASEAN?

Berpandukan pengalaman Gap dan pemain besar lain, rangka kerja ringkas ini memang berkesan untuk organisasi besar:

Langkah 1: Tetapkan mandat AI yang jelas

  • Pilih 2–3 objektif utama untuk 12 bulan akan datang, contohnya:
    • Tambah AOV (average order value) 5–10%
    • Turunkan kos fulfillment per pesanan 5%
    • Kurangkan out-of-stock untuk kategori utama 20%

Langkah 2: Pilih 3–4 use case utama

Saranan permulaan:

  1. Personalisasi cadangan produk di web/app
  2. Ramalan permintaan kategori utama untuk perancangan stok
  3. Penghalaan fulfillment omni-channel (gudang vs stor)
  4. Chatbot khidmat pelanggan yang diintegrasi dengan OMS/WMS

Langkah 3: Bentuk pasukan merentas fungsi

  • Wakil dari: IT/data, operasi stor, supply chain, merchandising, pemasaran, dan kewangan
  • Letakkan target kuantitatif yang semua orang faham, bukan hanya jargon AI

Langkah 4: Mula kecil, tapi dengan niat untuk skala

  • Pilot di beberapa stor/negara/cluster pelanggan
  • Ukur kesan dalam bentuk nombor:
    • % peningkatan conversion rate
    • Penjimatan kos per pesanan
    • Kadar return kerana salah saiz

Bila angka sudah nyata, senang untuk anda dapatkan bajet tambahan dan buy‑in pengurusan atasan.

Penutup: AI bukan lagi pilihan tambahan untuk peruncit besar

Kisah Gap menunjukkan satu realiti yang tak selesa tapi jujur: AI bukan lagi “nice to have” untuk peruncit dan marketplace besar, ia sudah jadi syarat asas untuk kekal relevan.

Daripada personalisasi musim perayaan, automasi gudang, ramalan permintaan, sehinggalah reka bentuk produk, Gap guna AI sepanjang rantaian nilai runcit mereka. Pemain besar di Malaysia dan Asia Tenggara – dari rangkaian pasar raya hingga marketplace – tak boleh hanya harap promosi dan diskaun untuk bersaing; pengalaman pintar yang dipacu AI akan jadi faktor pembeza utama.

Jika organisasi anda sedang menilai di mana mahu bermula, gunakan pendekatan Gap sebagai panduan: strukturkan pasukan AI, fokus pada use case yang dekat dengan jualan dan kos, dan bina asas data yang kukuh. Langkah pertama mungkin nampak kecil, tapi beberapa peratus peningkatan pada skala besar boleh bernilai berjuta.

Soalan yang patut ditanya sekarang bukan lagi “perlu ke kita guna AI?”, tetapi “di bahagian mana operasi kita AI boleh beri impak terpantas, dan bila kita boleh mula?”