Rekomendasi Produk untuk Retail & Media

Unit dan bite

1. Unit 1·4 bite·Sekitar 12 menit

   Rekomendasi di luar toko online

   Toko fisik, program loyalitas, dan platform konten juga merekomendasikan — dengan data yang berbeda.

   1. Rekomendasi di toko dan media

      Voucher member, "tonton berikutnya", dan saran kasir: rekomendasi yang tidak terlihat seperti rak toko online.

      3 menit

   2. Data online vs offline

      Di toko fisik tidak ada "klik": yang ada struk, member, dan lokasi.

      3 menit

   3. Pelanggan omnichannel

      Menghubungkan pembeli yang belanja di toko, aplikasi, dan marketplace.

      3 menit

   4. Apa yang dioptimalkan

      Penjualan, kunjungan ulang, atau kepuasan: tujuan menentukan rekomendasinya.

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

   Data loyalitas dan member

   Program loyalitas, segmentasi RFM, dan analisis keranjang di ritel fisik.

   1. Apa yang dikumpulkan program loyalitas

      Struk, poin, dan profil member sebagai data rekomendasi.

      3 menit

   2. Segmentasi RFM

      Recency, frequency, monetary: mengelompokkan member dengan tiga angka.

      3 menit

   3. Analisis keranjang di toko

      Produk yang dibeli bersama, untuk penempatan rak dan promo paket.

      3 menit

   4. Pelanggan tanpa kartu member

      Apa yang masih bisa diketahui dari transaksi anonim.

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

   Rekomendasi di ritel

   Next best offer, voucher personal, cross-merchandising, dan saran dari staf toko.

   1. Next best offer

      Memilih satu penawaran yang paling relevan untuk setiap member.

      3 menit

   2. Voucher personal

      Voucher yang mendorong pembelian baru, bukan diskon untuk belanja yang toh akan terjadi.

      3 menit

   3. Cross-merchandising

      Menaruh produk pelengkap berdekatan berdasarkan data keranjang.

      3 menit

   4. Clienteling: saran dari staf toko

      Memberi staf toko daftar rekomendasi untuk pelanggan setia.

      3 menit

   5. Penawaran musiman

      Rekomendasi untuk Ramadan, Lebaran, dan tahun ajaran baru dari riwayat member.

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

   Rekomendasi konten dan media

   Tonton berikutnya, artikel terkait, kesegaran konten, dan keberagaman.

   1. Tonton berikutnya dan baca berikutnya

      Cara platform video dan berita memilih konten berikutnya.

      3 menit

   2. Engagement vs kepuasan

      Kenapa klik dan waktu tonton bisa menyesatkan, dan sinyal yang lebih jujur.

      3 menit

   3. Kesegaran dan berita

      Konten yang cepat basi butuh rekomendasi yang berbeda dari katalog film.

      3 menit

   4. Keberagaman dan filter bubble

      Menjaga rekomendasi tetap beragam supaya audiens tidak terjebak di satu topik.

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

   Mengukur dampak

   Grup kontrol, uplift, dan metrik jangka panjang — bukan sekadar jumlah voucher terpakai.

   1. Grup kontrol (holdout)

      Menyisihkan sebagian member yang tidak menerima rekomendasi, untuk pembanding.

      3 menit

   2. Voucher terpakai bukan dampak

      Voucher yang dipakai pembeli setia mungkin hanya memotong margin.

      3 menit

   3. Uplift

      Selisih perilaku antara yang menerima dan yang tidak menerima rekomendasi.

      3 menit

   4. Metrik jangka panjang

      Retensi, frekuensi kunjungan, dan nilai pelanggan dalam setahun.

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

   Kepercayaan, privasi, dan keadilan

   Persetujuan member, garis "menyeramkan", nilai redaksi, dan aturan perlindungan data.

   1. Persetujuan dan data member

      Apa yang disetujui member saat mendaftar, dan apa arti UU PDP untuk program loyalitas.

      3 menit

   2. Garis "menyeramkan"

      Rekomendasi yang terlalu tahu banyak bisa membuat pelanggan pergi.

      3 menit

   3. Keadilan dalam penawaran

      Saat pelanggan berbeda mendapat harga dan penawaran berbeda.

      3 menit

   4. Nilai redaksi di media

      Menyeimbangkan algoritma dengan keputusan redaksi tentang apa yang penting.

      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