Google Cloud lancar GenAI untuk runcit. Apa maknanya untuk peruncit & marketplace besar di Malaysia, dan di mana patut anda mula dalam 6–12 bulan akan datang?
GenAI Google Cloud: Masa Depan Runcit & E-Dagang
Pada 2024, Google melaporkan lebih 30% pelanggan runcit besar di dunia sudah menggunakan Google Cloud untuk analitik dan AI. Dalam masa yang sama, pemain e-dagang macam Shopee, Lazada dan Watsons mula bercakap secara terbuka tentang pelaburan AI untuk personalisasi dan perancangan inventori.
Ini bukan trend kosmetik. Untuk peruncit besar dan marketplace, beza antara guna AI dengan tidak, selalunya beza antara margin tipis dan margin sihat. Pelancaran produk generative AI (GenAI) baharu Google Cloud untuk runcit, sempena persidangan National Retail Federation (NRF) di New York, cuma mengesahkan satu perkara: perlumbaan AI dalam runcit dah betul-betul bermula.
Dalam siri “AI dalam Runcit & E-Dagang (Rangkaian Besar & Marketplace)” ini, fokusnya mudah: bagaimana peruncit besar boleh guna AI secara praktikal untuk tingkatkan pengalaman pelanggan dan operasi belakang tabir. Dalam artikel ini, kita bedah langkah terbaru Google Cloud, apa maknanya untuk pemain besar di Malaysia & Asia Tenggara, dan apa yang patut anda buat dalam 6–12 bulan akan datang.
Apa Sebenarnya Google Lancarkan Untuk Runcit?
Google Cloud sedang bawa GenAI terus ke jantung tech stack runcit: front-end (pengalaman pelanggan) dan back-office (operasi dalaman).
Secara ringkas, gelombang produk GenAI Google untuk runcit biasanya meliputi beberapa kluster utama:
1. Personalisasi pengalaman membeli-belah
Produk GenAI Google Cloud direka untuk:
- Cadangan produk pintar berdasarkan sejarah pembelian, tingkah laku melayari, cuaca, musim perayaan dan kempen semasa
- Carian kedai online berasaskan bahasa natural – pelanggan boleh taip, contohnya, “baju kurung satin biru untuk majlis malam” dan sistem faham konteks gaya, warna, masa acara
- Pencarian visual – muat naik gambar dan dapat cadangan produk serupa di platform anda
Kesan kepada peruncit:
- Kadar penukaran (conversion rate) biasanya naik 10–30% bila carian dan cadangan jadi lebih relevan
- Nilai pesanan purata (AOV) naik bila cadangan cross-sell & upsell jadi lebih tepat
2. Automasi kandungan produk dengan GenAI
Bagi marketplace besar dengan ratusan ribu SKU, cabaran utama adalah kualiti data produk. GenAI Google Cloud boleh membantu:
- Jana deskripsi produk automatik daripada data asas (spesifikasi, imej, kategori)
- Seragamkan tone brand untuk listing vendor berbeza
- Terjemah kandungan ke pelbagai bahasa (contoh: BM, Inggeris, Mandarin) dengan konteks runcit yang lebih tepat
Ini sangat relevan untuk pemain seperti Lazada, Shopee, PG Mall dan rangkaian seperti Lotus’s atau Aeon yang ada katalog omnichannel.
3. Pengoptimuman operasi belakang tabir
Di belakang skrin, Google Cloud bawa GenAI untuk:
- Ramalan permintaan (demand forecasting) yang lebih pintar dengan gabungan data sejarah, promosi, cuaca, perayaan (contoh: Raya, Tahun Baru Cina, Deepavali) dan trend ekonomi
- Perancangan tenaga kerja (workforce planning) di cawangan fizikal berdasarkan trafik pelanggan yang diramal
- Sokongan operasi gudang – dari routing picking yang lebih cekap hingga autoteks untuk dokumentasi dan SOP
Di sinilah banyak peruncit sebenarnya boleh jimat berjuta ringgit setahun melalui pengurangan kehabisan stok, lebihan stok dan kos lebihan tenaga kerja.
Kenapa Peruncit Besar Tak Boleh Abaikan GenAI Lagi
Realitinya, kebanyakan peruncit besar di Asia Tenggara masih di fasa eksperimen AI, bukan fasa penskalaan. Itu bahaya, sebab pelanggan dah bandingkan pengalaman anda dengan pemain global yang jauh di hadapan.
Berikut tiga sebab utama kenapa pelancaran GenAI Google Cloud patut jadi “wake-up call”.
1. Pelanggan dah terbiasa dengan "hyper-personalization"
Pengguna Malaysia yang biasa membeli di platform besar – Shopee, Lazada, TikTok Shop – dah expect beberapa perkara:
- Carian yang faham bahasa rojak dan frasa tidak formal
- Cadangan produk yang betul-betul berkaitan, bukan sekadar "produk popular"
- Pengalaman yang berbeza antara musim – contohnya promosi Raya vs promosi hujung tahun
Kalau platform atau rangkaian anda masih tunjuk cadangan generik, anda tidak lagi bersaing di tahap yang sama.
2. Margin runcit terlalu nipis untuk keputusan manual
Runcit dan e-dagang hidup dengan margin tipis. Silap ramal stok untuk Raya 2026 misalnya, boleh:
- Kehabisan stok produk viral → kehilangan jualan
- Terlebih stok barang musiman → terpaksa lelong selepas musim, margin hancur
AI Google Cloud untuk demand forecasting direka untuk makan data dalam kuantiti besar dan beri ramalan yang boleh dikemas kini hampir masa nyata. Manusia masih kawal keputusan, tapi model bantu beri pandangan yang lebih tepat.
3. Stack teknologi runcit makin standardkan AI sebagai asas
Dalam 2–3 tahun kebelakangan ini, vendor besar POS, ERP dan platform e-dagang sudah mula integrasi dengan Google Cloud, AWS, dan Azure. Maksudnya:
Dalam 2–5 tahun akan datang, AI bukan lagi “nice to have” dalam tech stack runcit. Ia akan jadi fungsi asas seperti sistem POS atau OMS.
Peruncit yang tunggu sampai semua stabil biasanya akan ketinggalan dua pusingan berbanding pesaing yang mula sekarang dengan projek perintis (pilot).
Bagaimana GenAI Google Cloud Ubah Pengalaman Pelanggan
Jawapannya: dengan gabungkan data pelanggan, katalog produk dan model bahasa besar (LLM) dalam satu aliran yang konsisten.
Carian dan penemuan produk yang "manusiawi"
Dengan GenAI, enjin carian dalam aplikasi atau laman web boleh:
- Faham soalan kompleks: “hadiah untuk ibu umur 55 yang suka berkebun dalam bajet RM150”
- Gabungkan beberapa parameter tanpa pelanggan perlu klik banyak filter
- Autosaran (autocomplete) berdasarkan niat, bukan sekadar kata kunci popular
Di pasaran Malaysia, ini sangat membantu untuk carian jenis:
- Produk raya, hantaran, hamper – yang banyak bergantung pada konteks budaya
- Fesyen dengan istilah tempatan – jubah, kurta, baju kurung moden, dan sebagainya
Personalisasi merentasi semua channel (omnichannel)
Google Cloud biasanya menolak pendekatan 360° customer profile:
- Data pembelian di kedai fizikal
- Aktiviti di app & laman web
- Interaksi dengan pusat khidmat pelanggan
Apabila disatukan, GenAI boleh jana:
- Kempen e-mel yang betul-betul relevan untuk segmen tertentu
- Promosi di aplikasi yang berbeza mengikut lokasi, masa dan sejarah pembelian
- Cadangan di kiosk kedai fizikal berdasarkan akaun pelanggan
Bagi rangkaian besar seperti pasar raya, farmasi atau fesyen, ini adalah asas untuk "loyalty program" yang betul-betul hidup, bukan sekadar kad mata ganjaran pasif.
Chatbot & pembantu membeli-belah bertenaga GenAI
Berbeza chatbot lama yang rigid, GenAI membolehkan:
- Jawapan lebih natural, dalam Bahasa Melayu, English, atau campuran, tanpa perlu skrip terlalu ketat
- Bantuan memilih produk, membandingkan ciri, malah mencadangkan kombinasi (contoh: set penjagaan kulit lengkap)
- Integrasi dengan stok semasa, promosi aktif dan status pesanan pelanggan
Ini bukan sahaja mengurangkan beban call center, tetapi juga menambah nilai pengalaman membeli-belah – terutama untuk kategori kompleks seperti elektronik, kosmetik dan produk bayi.
Di Sebalik Tabir: Automasi Operasi Runcit Dengan GenAI
Untuk pengurusan dan C-level, di sinilah ROI sebenar biasanya berlaku.
Ramalan inventori & perancangan rangkaian
Gabungan AI ramalan Google Cloud dengan data runcit memberi kelebihan:
- Ramalan permintaan mengikut cawangan, kategori dan tempoh masa
- Simulasi "what-if" – apa berlaku pada permintaan jika diskaun 20% diberi? Jika iklan TV dilancarkan seminggu sebelum Raya?
- Cadangan pemindahan stok antara cawangan untuk kurangkan kehabisan stok
Peruncit besar yang serius biasanya akan:
- Pilih 1–2 kategori utama (contoh: bahan makanan segar, produk bayi) sebagai projek perintis
- Integrasikan data jualan, promosi dan faktor luaran ke Google Cloud
- Bandingkan ramalan manual vs model AI untuk 3–6 bulan
- Skala ke kategori lain bila yakin dengan prestasi model
Operasi gudang dan pemprosesan pesanan
GenAI tak angkat kotak di gudang, tapi ia boleh:
- Jana SOP yang lebih jelas dan cepat dikemas kini
- Bantu pekerja baru melalui chatbot dalaman yang jawab soalan tentang proses dan sistem
- Bantu menyusun keutamaan pemprosesan pesanan berdasarkan SLA, lokasi dan kos penghantaran
Dalam operasi e-dagang volume tinggi (contoh jualan 11.11, 12.12, promosi Raya), keputusan kecil yang dioptimakan oleh AI boleh terjemah kepada ribuan pesanan siap lebih awal.
Automasi tugas pentadbiran
Banyak tugas "kecil tapi leceh" boleh diarahkan kepada GenAI:
- Menyusun laporan mingguan dalam bahasa yang mudah difahami, berdasarkan data BI yang sedia ada
- Meringkaskan maklum balas pelanggan dari pelbagai channel
- Mencadangkan tindakan susulan berdasarkan trend data
Inilah bahagian operasi yang selalu diabaikan, tetapi bila dikumpul, ia jimat masa ratusan jam kerja setahun untuk pengurus dan eksekutif.
Jalan Praktikal Untuk Peruncit Besar di Malaysia & ASEAN
Ada tiga soalan biasa yang saya dengar daripada pengurus runcit dan e-dagang bila bercakap tentang GenAI Google Cloud:
“Di mana patut kita mula, macam mana kawal risiko, dan bila ROI boleh nampak?”
Berikut pendekatan yang lebih realistik berbanding cuba "buat semua sekali gus".
1. Pilih 1–2 kes guna dengan impak jelas
Untuk kebanyakan peruncit besar, saya akan cadangkan:
- Front-end: tingkatkan carian dan cadangan produk menggunakan GenAI
- Back-office: pilot demand forecasting untuk 1–2 kategori utama
Objektifnya jelas, metriknya boleh diukur:
- Peningkatan conversion rate, AOV, atau revenue per visit
- Penurunan kehabisan stok, lebihan stok dan kos pemindahan stok
2. Susun rumah data dahulu
Tanpa data yang sekurang-kurangnya agak teratur, GenAI cuma akan hasilkan keluaran cantik atas asas yang lemah.
Fokuskan pada:
- Struktur data produk: kategori, atribut, gambar, harga, stok
- Struktur data pelanggan (tanpa melanggar PDPA): sejarah pembelian, channel, tindak balas kempen
- Integrasi data ke satu platform analitik di Google Cloud (contoh: BigQuery)
Lebih bagus data anda, lebih kuat hasil model GenAI.
3. Bentuk "AI working group" rentas fungsi
Jangan serah AI hanya pada IT atau hanya pada pemasaran. Bentuk pasukan kecil yang melibatkan:
- IT / Data
- Pemasaran & e-dagang
- Operasi runcit / gudang
- Finance / Strategy (untuk kira ROI)
Kumpulan ini bertanggungjawab untuk:
- Pilih kes guna
- Pantau metrik
- Semak risiko (contoh: bias, kualiti cadangan, pematuhan data)
4. Fikirkan tentang tadbir urus & etika dari awal
Bila guna GenAI untuk personalisasi dan analitik tingkah laku pelanggan, dua perkara perlu jelas:
- Bagaimana data pelanggan dilindungi dan dianonimkan
- Apa yang anda beri tahu pelanggan tentang cara data digunakan
Kepercayaan pelanggan di Malaysia tinggi selagi mereka rasa data dikendalikan secara bertanggungjawab. Dasar yang jelas dan latihan dalaman akan mengelakkan banyak isu nanti.
Apa Langkah Seterusnya Untuk Peruncit Besar?
Google Cloud baru saja menambah minyak pada api AI dalam runcit dan e-dagang. Pemain global akan bergerak laju, dan pemain serantau yang cekap akan ikut rapat. Soalnya bukan sama ada AI akan membentuk masa depan runcit, tapi siapa yang akan guna AI dengan paling bijak.
Bagi rangkaian besar, hipermarket, farmasi, fesyen dan marketplace di Malaysia & ASEAN, masa 6–12 bulan akan datang patut digunakan untuk:
- Menentukan visi AI yang jelas: nak menang di pengalaman pelanggan, operasi, atau kedua-duanya?
- Memilih rakan teknologi (seperti Google Cloud) dan rakan pelaksanaan yang faham konteks runcit tempatan
- Mula dengan 1–2 projek pilot yang ada sasaran metrik yang keras, bukan sekadar projek "PR"
AI dalam runcit bukan lagi soalan "perlu atau tidak". Soalan sebenar sekarang: anda mahu jadi peruncit yang memimpin perubahan, atau yang terpaksa mengejar dari belakang?