Rekomendasi Produk untuk E-commerce

Unit dan bite

1. Unit 1·4 bite·Sekitar 12 menit

   Cara kerja rekomendasi produk

   Populer, mirip, dan "orang seperti Anda": tiga cara dasar merekomendasikan produk.

   1. Tiga cara merekomendasikan produk

      Hampir setiap rak "mungkin Anda suka" dibangun dari salah satu dari tiga ide ini.

      3 menit

   2. Kenapa rekomendasi penting

      Katalog besar, layar kecil: rekomendasi membantu pembeli menemukan produk yang tidak mereka cari.

      3 menit

   3. Menggabungkan pendekatan

      Cara toko besar mencampur populer, mirip, dan personal dalam satu rak.

      3 menit

   4. Bangun, beli, atau pakai fitur marketplace

      Pilihan antara tool rekomendasi siap pakai, tim data sendiri, atau fitur bawaan Shopee dan Tokopedia.

      3 menit
2. Unit 2·4 bite·Sekitar 12 menit

   Data di balik rekomendasi

   Klik, keranjang, pembelian, dan atribut katalog — bahan bakar setiap sistem rekomendasi.

   1. Event perilaku

      Melihat, menambah ke keranjang, dan membeli: sinyal yang berbeda kekuatannya.

      3 menit

   2. Umpan balik implisit dan eksplisit

      Rating bintang jarang diberikan; perilaku selalu ada. Cara membaca keduanya.

      3 menit

   3. Kualitas data katalog

      Kategori, warna, ukuran, dan merek yang rapi membuat rekomendasi produk mirip jauh lebih baik.

      3 menit

   4. Masalah cold start

      Produk baru dan pengunjung baru tanpa riwayat, dan cara mengatasinya.

      3 menit
3. Unit 3·5 bite·Sekitar 15 menit

   Tempat menaruh rekomendasi

   Beranda, halaman produk, keranjang, email, WhatsApp, dan pencarian.

   1. Rak di beranda

      Rekomendasi untuk pengunjung yang belum tahu mau membeli apa.

      3 menit

   2. Produk mirip di halaman produk

      Alternatif untuk pembeli yang masih membandingkan.

      3 menit

   3. Cross-sell di keranjang dan checkout

      Produk pelengkap di saat yang tepat, tanpa mengganggu pembayaran.

      3 menit

   4. Email dan WhatsApp

      Rekomendasi di pesan setelah pembelian dan pengingat keranjang yang ditinggalkan.

      3 menit

   5. Pencarian dan kategori

      Personalisasi urutan hasil pencarian dan halaman kategori.

      3 menit
4. Unit 4·4 bite·Sekitar 12 menit

   Bundling dan cross-sell

   Analisis keranjang belanja: support, confidence, dan lift — dengan hitungan sederhana.

   1. Analisis keranjang belanja

      Mencari produk yang sering dibeli bersama dari data transaksi.

      3 menit

   2. Support dan confidence

      Seberapa sering dua produk dibeli bersama, dan seberapa besar peluangnya.

      3 menit

   3. Lift: hubungan yang benar-benar ada

      Kenapa "semua orang membeli air mineral" bukan rekomendasi yang cerdas.

      3 menit

   4. Merancang bundling

      Dari pola keranjang ke paket produk dan harga bundling yang masuk akal.

      3 menit
5. Unit 5·4 bite·Sekitar 12 menit

   Mengukur dampak rekomendasi

   Klik di rak bukan tujuannya. A/B test, pendapatan per pengunjung, dan kanibalisasi.

   1. Klik bukan tujuannya

      Rak yang banyak diklik belum tentu menambah penjualan.

      3 menit

   2. A/B test untuk rekomendasi

      Membandingkan pengunjung yang melihat rekomendasi dengan yang tidak.

      3 menit

   3. Pendapatan per pengunjung dan AOV

      Metrik yang menunjukkan apakah rekomendasi menambah nilai belanja.

      3 menit

   4. Kanibalisasi

      Saat rekomendasi hanya memindahkan pembelian yang toh akan terjadi.

      3 menit
6. Unit 6·4 bite·Sekitar 12 menit

   Rekomendasi yang bertanggung jawab

   Aturan bisnis, stok dan margin, privasi pelanggan, dan rekomendasi bersponsor.

   1. Aturan bisnis

      Jangan merekomendasikan produk yang habis, ditarik, atau tidak pantas.

      3 menit

   2. Margin vs relevansi

      Mendorong produk bermargin tinggi tanpa kehilangan kepercayaan pembeli.

      3 menit

   3. Privasi dan data pelanggan

      Persetujuan, UU PDP, dan data apa yang pantas dipakai untuk personalisasi.

      3 menit

   4. Rekomendasi bersponsor

      Iklan di rak rekomendasi, dan kewajiban memberi label yang jelas.

      3 menit

Bacaan sambil menunggu

Panduan dari tim Datamew, gratis di web hari ini.

Dasar AI

Cara Membuat Prompt yang Bagus: Kerangka 5 Bagian untuk Kerja

Prompt yang bagus memberi AI lima hal: konteks, tugas, input, format, dan batasan. Prompt itu menjelaskan untuk siapa pekerjaannya, apa yang harus dikerjakan, bahan apa yang dipakai, seperti apa bentuk jawabannya, dan apa yang harus dihindari. Setelah itu, cek jawabannya dan ajukan pertanyaan lanjutan.

7 menit baca

AI dari Nol

Cara Belajar AI dari Nol, Tanpa Coding

Ya, Anda bisa belajar AI tanpa menulis kode sama sekali. Untuk memakai AI dengan baik di tempat kerja, Anda butuh empat hal: paham dasar cara kerjanya, tahu di mana ia sering salah, berlatih dengan satu atau dua tool gratis, dan terbiasa mengecek setiap jawaban sebelum dipakai.

8 menit baca