Lonjakan 520% Belian Dibantu AI: Amaran Untuk Peruncit

Menjelang hujung tahun 2025, Adobe meramalkan satu angka yang agak agresif: pertumbuhan 520% untuk beli-belah dalam talian yang dibantu AI semasa musim perayaan di Amerika Syarikat. Dalam tinjauan ke atas 5,000 pengguna, 53% berkata mereka mungkin gunakan perkhidmatan AI untuk membuat kajian sebelum membeli.

Ini bukan lagi eksperimen kecil-kecilan. Bila lebih separuh pengguna sudah bersedia guna AI untuk buat keputusan belian, itu tanda jelas cara orang membeli-belah sedang berubah. Dan bila tingkah laku pengguna berubah, strategi e-dagang pun wajib berubah.

Untuk rangkaian besar dan marketplace seperti Lazada, Shopee, TikTok Shop, Lotus’s, AEON atau Giant, angka Adobe ini ialah loceng penggera: jika AI belum menjadi teras operasi e-dagang anda, anda sedang ketinggalan.

Dalam artikel siri AI in Retail & E-Commerce (Large Chains & Marketplaces) ini, saya akan kupas:

• Apa sebenarnya maksud lonjakan 520% ini untuk peruncit
• Bagaimana AI mengubah cara pelanggan membuat keputusan belian
• Di mana pemain besar sudah guna AI – dan di mana kebanyakan peruncit masih lemah
• Langkah praktikal yang boleh diambil dalam 3–6 bulan akan datang

---

1. Apa Maksud Lonjakan 520% AI-Assisted Shopping Sebenarnya?

Lonjakan 520% bukan sekadar statistik, ia petunjuk perubahan cara pelanggan “berfikir” bila membeli.

Adobe menjangka pengguna akan banyak menggunakan AI untuk:

• Kajian produk (product research)
• Perbandingan ciri dan harga
• Cari alternatif lebih murah atau lebih berkualiti
• Dapatkan inspirasi (bundles, outfit, dekorasi rumah, hadiah)

Apabila 53% responden berkata mereka mungkin gunakan AI untuk tujuan ini, sebenarnya ada beberapa implikasi besar:

1. AI jadi titik permulaan perjalanan membeli-belah
   Pelanggan tak terus ke laman web atau app anda. Mereka bermula dengan chat AI, asisten dalam telefon, atau fungsi AI dalam marketplace. Kalau jenama anda tak “terbaca” dan tak mesra mesin, ia tak akan muncul dalam cadangan awal.

2. Perbandingan jadi lebih agresif
   AI boleh bandingkan berpuluh pilihan dalam beberapa saat. Pelanggan akan semakin sensitif kepada:

   • Beza harga kecil
   • Rating dan review
   • Polisi penghantaran & pemulangan

3. Deskripsi produk yang lemah = hilang jualan
   AI banyak bergantung pada teks. Kalau butiran produk tak lengkap, tak konsisten, atau penuh “kata manis” tanpa fakta, model AI sukar memahami nilai produk anda. Hasilnya, produk anda kurang disyorkan.

Kenapa ini penting untuk pasaran Malaysia & Asia Tenggara?

Walaupun data Adobe berfokus pada musim cuti hujung tahun di AS, corak yang sama sedang muncul di sini:

• Pengguna Malaysia cepat adaptasi – kita dah biasa dengan chatbot, live commerce, dan cadangan “Untuk anda” dalam app.
• Hari-hari besar seperti 11.11, 12.12, Raya Aidilfitri, Tahun Baru Cina, Hari Gaji makin ditentukan oleh algoritma: barang apa naik ke depan mata pengguna, siapa dapat voucher, siapa dapat harga dinamik terbaik.

Realitinya, AI kini sebahagian daripada pengalaman e-dagang, bukan fitur tambahan.

---

2. Bagaimana AI Mengubah Tingkah Laku Pembeli

AI mengubah pelanggan daripada “window shopping” kepada membeli secara lebih fokus, pantas dan peribadi.

Dari carian manual ke carian berasaskan niat

Pengguna dulu taip: kasut sukan lelaki hitam.
Sekarang, dengan AI, mereka boleh taip atau cakap:

“Saya nak kasut larian untuk lelaki, saiz 42, sesuai untuk larian malam, bajet bawah RM250, brand tak kisah.”

AI akan:

• Faham niat (running, malam, bajet, saiz)
• Tapis stok sedia ada
• Susun ikut relevan, bukan sekadar harga atau populariti

Bagi peruncit, ini bermaksud:

• Struktur data produk (atribut, tag, kategori) perlu jauh lebih terperinci
• Sistem carian dalaman perlu ada lapisan AI, bukan hanya keyword matching

Dari promosi pukal ke personalisasi mikro

Major retailer dan marketplace besar sudah gunakan AI untuk:

• Menentukan produk apa patut dipaparkan pada pengguna tertentu
• Menentukan voucher mana paling berbaloi diberi untuk menukar view kepada checkout
• Menyesuaikan homepage, push notification dan email mengikut tingkah laku sebenar, bukan demografi kasar

Contoh senario praktikal:

• Pengguna A sering beli lampin dan susu – AI anggap ini pelanggan dengan anak kecil, lalu cadangkan tisu basah, mainan bayi, dan tawaran bundle.
• Pengguna B kerap lihat produk fitness dan health – AI akan keutamakan suplemen, peralatan senaman, dan pakaian sukan.

Tanpa AI, semua orang nampak promosi yang sama. Dengan AI, setiap orang rasa kedai itu “faham” mereka.

Dari “trust influencer” ke “trust AI advisor”

Dalam beberapa tahun kebelakangan ini, ramai percaya kepada:

• Review bintang 5
• Influencer yang mereka ikut

Sekarang muncul lapisan baru: “AI advisor”.
Ramai pengguna muda akan tanya AI:

• “Produk mana lebih tahan lama?”
• “Brand mana kurang komplain?”
• “Sesuai tak untuk kulit sensitif?”

Kalau data anda (review, Q&A, spesifikasi) tak disusun dengan baik, AI sukar memberi jawapan yang memihak kepada produk anda.

---

3. Di Mana Peruncit Besar Sudah Mendahului Dengan AI

Pemain besar e-dagang di Asia Tenggara sudah letak AI di tengah operasi, bukan hanya di tepi sebagai chatbot.

Berikut beberapa ruang utama di mana AI memberi kesan terus kepada pendapatan:

3.1 Personalisasi e-dagang skala besar

Marketplace seperti Lazada, Shopee, dan TikTok Shop biasanya guna AI untuk:

• Recommendation engine – “Produk untuk anda”, “Sering dibeli bersama”, “Orang lain juga beli”
• Penyesuaian homepage – dua orang buka app yang sama, paparan depan mereka berbeza
• Segmentasi pelanggan automatik – AI kumpulkan pelanggan ikut corak pembelian, bukan hanya jantina/umur

Kesan praktikal:

• Kadar click-through lebih tinggi
• Nilai pesanan purata (AOV) meningkat kerana cross-sell & upsell lebih relevan

3.2 Ramalan inventori dan perancangan musim puncak

Bagi rangkaian pasar raya dan hypermarket besar, AI forecasting digunakan untuk:

• Ramal permintaan berdasarkan sejarah 2–3 tahun, cuaca, tarikh perayaan, dan kempen pemasaran
• Kurangkan stockout untuk item “wajib beli” musim perayaan (contoh: tepung, minyak masak, kuih raya, minuman tin)
• Elak lebihan stok untuk produk yang tak laku

Ketika Adobe bercakap tentang 520% pertumbuhan AI-assisted shopping, kaitannya jelas: kalau pelanggan guna AI untuk rancang belian lebih awal, peruncit juga perlu guna AI untuk rancang stok lebih awal.

3.3 Harga dinamik dan promosi pintar

Ramai peruncit masih guna diskaun “rata” – contohnya 20% untuk semua, atau promosi sama di semua cawangan.
Pemain yang lebih matang gunakan AI pricing untuk:

• Uji beberapa tahap harga dan kenal pasti titik paling untung
• Tukar harga mengikut lokasi, masa, dan stok
• Tentukan produk mana patut diberi diskaun besar, dan mana patut kekal premium

Bila pelanggan semakin mudah banding harga melalui AI, strategi harga dinamik jadi senjata utama untuk kekalkan margin tanpa hilang pelanggan.

---

4. Jurang Besar: Apa Yang Kebanyakan Peruncit Masih Gagal Buat

Ramai peruncit sudah beli teknologi AI, tapi belum tukar cara kerja. Ini punca utama hasil yang hambar.

Berikut beberapa kesilapan yang saya sering nampak bila berbual dengan pasukan e-dagang:

4.1 Fikir AI = chatbot sahaja

Chatbot memang berguna, tapi itu cuma kulit luar. Tanpa integrasi dengan:

• Data pelanggan (CRM, loyalty)
• Data produk (PIM, katalog)
• Data transaksi (order history)

… chatbot hanya jadi mesin FAQ glorified. Nilai AI sebenar datang bila ia boleh:

• Kenal pasti pelanggan yang berisiko churn
• Cadangkan produk dengan margin lebih tinggi
• Bantu kurangkan kos support dengan jawapan yang lebih tepat

4.2 Data produk yang kotor dan tak konsisten

Model AI sangat bergantung pada data yang:

• Lengkap (spesifikasi, saiz, bahan, fungsi)
• Standard (unit ukuran, istilah teknikal)
• Terjemahan yang tepat (BM & Inggeris)

Contoh masalah biasa di Malaysia:

• Saiz baju dicampur: "S", "Small", "Kecil"
• Warna: "biru gelap", "navy", "dark blue" – tapi sistem tak map sebagai warna sama
• Deskripsi copy-paste dari katalog lama, tak mesra pengguna

Bila data kucar-kacir, AI sukar buat cadangan tepat. Pelanggan pun makin keliru.

4.3 Tiada sasaran jelas untuk projek AI

Ramai organisasi buat projek AI sebagai “projek imej”:

• Tiada KPI jelas
• Tiada pemilik produk (product owner)
• Tiada integrasi dengan proses sedia ada

Lebih baik mulakan kecil tapi tajam:

• Fokus naikkan conversion rate halaman produk sebesar 0.5–1%
• Fokus kurangkan out-of-stock untuk 100 SKU paling penting
• Fokus tingkatkan attach rate (produk tambahan) untuk 10 kategori utama

---

5. 90 Hari Akan Datang: Apa Peruncit Patut Buat Sekarang

Kalau Adobe menjangka lonjakan 520% untuk musim perayaan 2025, peruncit di Malaysia patut anggap tahun 2026 akan jadi tahun “AI shopping” sepenuhnya.

Berikut pelan praktikal 90 hari yang realistik untuk rangkaian besar dan marketplace:

5.1 Audit cepat: Sejauh mana anda mesra AI?

Luangkan 2–3 minggu untuk audit:

• Data produk – adakah cukup terperinci untuk dijadikan input kepada AI?
  (atribut, dimensi, bahan, guna, segment pelanggan)
• Struktur maklumat – adakah kategori, tag, dan filter masuk akal untuk carian berasaskan niat?
• Data pelanggan – adakah anda simpan sejarah transaksi, kekerapan, nilai, kategori kegemaran?

Hasil audit ini perlu ditukar kepada senarai tindakan konkrit, bukan sekadar laporan.

5.2 Mulakan satu use case AI yang dekat dengan pendapatan

Pilih satu projek yang jelas kaitannya dengan hasil:

• AI recommendation di halaman produk & checkout
• AI search yang faham bahasa natural (BM & Inggeris)
• AI forecasting untuk 50–100 SKU terpenting menjelang musim puncak akan datang (contoh: Raya atau 11.11)

Tetapkan KPI jelas:

• +0.5–1.0% conversion
• −10–15% stockout pada SKU sasaran
• +5–10% AOV untuk pelanggan yang terdedah kepada cadangan AI

5.3 Perkukuh pasukan: gabungkan data, IT dan operasi

AI untuk retail & e-commerce bukan hanya projek IT. Anda perlukan:

• Orang data – yang faham model, metrik, dan integrasi
• Orang bisnes / kategori – yang tahu margin, tingkah laku pelanggan, dan keperluan pasaran
• Orang operasi – yang boleh tukar output AI kepada tindakan sebenar (stok, susunan katalog, kempen)

Satu pasukan kecil lintas fungsi sering lebih berkesan berbanding tiga jabatan berasingan.

5.4 Sediakan “AI-ready content” untuk pelanggan

Kalau 53% pengguna mahu guna AI untuk buat kajian sebelum membeli, tugas anda ialah beri bahan yang betul untuk AI gunakan:

• Deskripsi produk yang jelas, jujur, dan spesifik
• FAQ yang benar-benar menjawab soalan lazim
• Review yang diurus (galakkan review terperinci, bukan sekadar “bagus” atau “ok”)

Secara tak langsung, anda bukan sahaja bantu pelanggan, anda juga "ajar" model AI cara memahami kelebihan produk anda.

---

Penutup: Bila Pelanggan Guna AI, Peruncit Tak Boleh Lagi Guna Tekaan

Lonjakan 520% AI-assisted online shopping yang dijangka Adobe untuk musim perayaan 2025 di AS cuma permulaan trend global. Di Malaysia dan Asia Tenggara, penggunaan AI oleh pelanggan mungkin belum setinggi itu, tapi arah tuju jelas:

• Pelanggan mahu proses membeli-belah yang lebih pintar dan peribadi.
• Algoritma semakin menentukan produk apa yang mendapat perhatian.
• Hari-hari puncak e-dagang akan dimenangi oleh pemain yang paling matang dalam penggunaan AI.

Untuk rangkaian besar dan marketplace, persoalan sebenar bukan lagi “perlu guna AI atau tidak?”, tetapi:

“Sejauh mana AI sudah menjadi tulang belakang operasi e-dagang kami?”

Jika jawapannya masih kabur, ini masa yang sesuai – sebelum musim puncak seterusnya – untuk menstruktur semula strategi AI anda. Syarikat yang bertindak awal akan mengawal carian, cadangan, dan akhirnya, dompet pelanggan.

Musim perayaan seterusnya akan jadi ujian sebenar. Adakah pelanggan menemui produk anda melalui AI, atau produk pesaing yang muncul dulu?