Studi baru BoF Insights terhadap 10.000 pembeli produk fesyen dan olahraga di Eropa menemukan bahwa informasi produk yang buruk dan ketidakpastian ukuran tetap menjadi dua kendala terbesar dalam e-commerce. Sebanyak satu dari lima responden mengatakan bahwa informasi yang buruk menyebabkan mereka meninggalkan pembelian terakhir. Namun, hanya 19% pemimpin industri yang menempatkan perbaikan data produk mendasar sebagai prioritas utama, sedangkan 54% memprioritaskan UX dan ekspresi merek. Pada saat yang sama, audit teknis terhadap 50 situs besar menunjukkan bahwa sebagian besar cukup mudah diambil informasinya oleh AI, tetapi jauh lebih lemah dalam membantu mesin memahami makna atau menyelesaikan transaksi. Ketika permintaan social commerce dan anggaran iklan sosial berbayar meningkat menjelang Q4, merek yang menang adalah yang memperbaiki fondasi membosankan sebelum meningkatkan skala lapisan yang menarik.
| Buletin Harian Beecommercer |
| Tanggal: Rabu, 2 September 2026 |
| Dipersembahkan oleh: beecommercer.com |
Tema hari ini jelas: e-commerce tidak kekurangan antarmuka baru, alat AI, format iklan, atau saluran distribusi.
Sumber daya yang langka adalah informasi perdagangan yang dapat dipercaya. Pelanggan tetap perlu memahami produk itu apa, apakah ukurannya akan pas, kapan akan tiba, berapa harganya, dan apakah merek akan menepati janji. Sistem AI memerlukan fakta yang sama dalam format yang dapat dibaca mesin sebelum dapat mengutip, membandingkan, merekomendasikan, atau bertransaksi dengan andal.
Merek yang paling berisiko tidak selalu merupakan pengadopsi yang lambat. Mereka adalah perusahaan yang bergerak cepat dalam teknologi baru, tetapi membiarkan data produk, atribusi, dan dasar operasional belum terselesaikan.
Mari kita mulai.
BERITA UTAMA
Merek fesyen dan olahraga berinovasi di atas fondasi yang rapuh
Laporan baru BoF Insights, 'Inside Fashion & Sports E-Commerce', menyurvei 10.000 konsumen dan hampir 150 pemimpin senior merek dan peritel di Inggris, Jerman, Prancis, Italia, dan Spanyol. Laporan ini disusun bersama Amazon Fashion & Sports sehingga konteks platformnya perlu diingat, tetapi kesenjangan antara konsumen dan industri sangat mencolok.
Informasi produk yang buruk dan ketidakpastian ukuran menjadi dua kendala terbesar dalam belanja daring. Sebanyak satu dari lima konsumen yang disurvei mengatakan bahwa mereka terakhir kali meninggalkan pembelian produk fesyen atau olahraga karena informasinya tidak cukup baik.
Prioritas investasi industri tidak sesuai dengan masalah tersebut. Sebanyak 54% pemimpin yang disurvei menempatkan UX dan ekspresi merek sebagai prioritas utama e-commerce, sedangkan hanya 19% menempatkan data produk mendasar sebagai prioritas utama.
Ini merupakan peringatan yang berguna untuk siklus AI saat ini. Antarmuka rekomendasi yang lebih baik, pengalaman yang lebih kaya, perjalanan yang dipersonalisasi, dan checkout berbasis agen dapat memberikan nilai. Namun, sistem tetap memerlukan informasi ukuran, bahan, kompatibilitas, harga, ketersediaan, pengiriman, dan pengembalian yang akurat sebelum pengalaman tersebut dapat dipercaya.
Laporan ini juga menunjukkan pergeseran kepercayaan. Teman dan keluarga tetap menjadi sumber rekomendasi terkuat, sedangkan atlet mendapat kepercayaan dari hampir sepertiga konsumen yang disurvei. Mikroinfluencer dengan 19% mengungguli selebritas dan makroinfluencer yang masing-masing berada di 17%.
Dalam belanja berbasis AI, peritel mungkin memiliki keunggulan struktural dibandingkan platform yang murni bergerak di bidang AI. Laporan tersebut menyatakan bahwa konsumen memercayai checkout berbasis agen yang disediakan peritel lebih dari dua kali lipat dibandingkan sumber lain, termasuk perusahaan AI murni dan merek fesyen.
Peritel juga bergerak lebih cepat dalam optimasi mesin generatif: 56% mengatakan GEO sudah menjadi bagian dari strategi mereka, dibandingkan 20% merek. Risikonya adalah merek mengejar lapisan visibilitas tanpa memperbaiki lapisan informasi yang semestinya dipahami sistem AI.
Data konversi menegaskan hal tersebut. Konsumen jauh lebih sering menyebut alasan praktis seperti pengiriman gratis, pengembalian yang mudah, dan pengiriman cepat sebagai alasan membayar harga penuh dibandingkan kelangkaan atau eksklusivitas. Sebanyak 42% menyebut pengiriman gratis, dibandingkan 15% untuk kelangkaan dan hanya 7% untuk akses eksklusif.
| Kesimpulan bagi operator: Sebelum mendanai fitur belanja AI berikutnya, audit 50 produk dengan pendapatan tertinggi untuk ukuran, dimensi, bahan, kompatibilitas, varian, pengiriman, pengembalian, gambar, ulasan, dan data terstruktur. Kemudian bandingkan bidang-bidang tersebut di situs web, feed pedagang, marketplace, dan setiap sumber produk yang ditujukan untuk AI. Inovasi menghasilkan efek berlipat ketika kebenaran produk bersih; jika tidak, inovasi justru melipatgandakan kebingungan. |
PERGESERAN
Kesiapan AI beralih dari 'Bisakah ini dirayapi?' menjadi 'Bisakah ini dipahami dan digunakan?'
Search Engine Journal menerbitkan audit terhadap 50 situs web besar menggunakan kerangka kesiapan AI tiga lapis: kemampuan pengambilan, atribusi dan makna, serta transaksi dan penemuan oleh agen.
Rata-rata situs mendapat skor cukup baik pada kemampuan pengambilan, yaitu 74,4%. Lapisan ini sangat beririsan dengan SEO teknis yang sudah dikenal: HTML yang bersih, struktur semantik, label ARIA, integritas pohon aksesibilitas, peta situs, dan formulir yang dapat digunakan mesin.
Skor turun tajam ketika audit menanyakan apakah AI dapat memahami makna konten dan siapa pemiliknya. Skor rata-rata untuk atribusi dan makna hanya 38,5%.
Data terstruktur menjadi salah satu kesenjangan terbesar. Sebanyak 70% halaman utama yang diaudit memiliki JSON-LD, yang berarti hampir sepertiganya tidak memilikinya sama sekali. Model masih dapat menebak angka mana yang merupakan harga atau entitas mana yang memiliki halaman, tetapi kemungkinan salah tafsir meningkat ketika situs tidak menjelaskan hubungan tersebut secara eksplisit.
Lapisan ketiga — transaksi dan penemuan oleh agen — hampir belum berkembang. Skor rata-ratanya hanya 2,1%, yang mencerminkan betapa barunya interaksi aman antara agen dan situs. Audit ini menilai mekanisme seperti penemuan OAuth dan protokol baru yang pada akhirnya dapat memungkinkan asisten mengambil data waktu nyata atau menyelesaikan tugas.
Temuan yang paling berguna bukan skornya sendiri. Intinya adalah merek perlu mengambil keputusan strategis yang jelas mengenai akses AI. Sebanyak 29 dari 50 situs yang diaudit tampaknya sama sekali tidak memiliki kebijakan akses bot AI yang disengaja.
Amazon menjadi contoh pembanding yang baik. Skor keseluruhannya hanya 29,2%, tetapi skor rendah itu tampaknya disengaja karena Amazon memblokir sebagian besar bot AI. Dengan demikian, skor 'kesiapan AI' yang rendah dapat mencerminkan strategi perdagangan tertutup yang disengaja, bukan pengabaian teknis.
Itulah cara yang lebih baik untuk memikirkan arsitektur AI. Tujuannya bukan menyelesaikan setiap daftar periksa yang baru muncul. Tujuannya adalah memutuskan apa yang boleh dibaca, dipahami, dan dilakukan sistem AI terhadap bisnis.
| Kesimpulan bagi operator: Pisahkan kesiapan AI menjadi tiga pertanyaan: dapatkah sistem mengambil konten, dapatkah sistem memahami entitas dan makna komersial dengan benar, dan haruskah sistem diizinkan untuk bertindak? Perbaiki fondasi yang sudah terbukti terlebih dahulu — HTML semantik, aksesibilitas, Schema, keluaran server yang bersih, peta situs, dan kebijakan perayap yang eksplisit — sebelum mengejar berkas atau protokol mutakhir. Kemudian buat keputusan akses secara sengaja, alih-alih mewarisinya dari pengaturan bawaan lama. |
LAPISAN OPERASIONAL
Q4 akan lebih menghargai kompetensi di saluran daripada masuk pada menit terakhir
Seorang kontributor Forbes Business Council yang mengoperasikan TikTok Shops berpendapat bahwa Q4 2026 dapat menjadi periode penentu bagi penjual independen karena TikTok Shop berkembang cepat sebagai saluran social commerce tersendiri. Ini adalah tulisan opini dari pelaku di saluran tersebut, sehingga rekomendasi strategisnya perlu dibaca dalam konteks itu.
Angka dasar platform ini signifikan. TikTok mengatakan bahwa Shop di AS menghasilkan lebih dari US$500 juta selama empat hari Black Friday hingga Cyber Monday pada 2025, sementara jumlah pelanggan tumbuh sekitar 50% dari tahun ke tahun dan penjualan melalui live commerce melonjak 84%.
EMARKETER memproyeksikan GMV TikTok Shop AS akan mencapai sekitar US$23,4 miliar pada 2026, naik 48% dari 2025. Artikel Forbes berpendapat bahwa penjual yang menginginkan daya tarik di Q4 sebaiknya tidak menunggu hingga Oktober untuk mempelajari platform, karena hubungan dengan kreator, mekanisme konten, operasi, dan ekonomi unit membutuhkan waktu untuk dibangun.
Rekomendasi yang paling berguna bersifat finansial, bukan taktis: jangan memproyeksikan pendapatan Q4 menggunakan ekonomi unit Q3. Biaya akuisisi musim liburan, komisi kreator, pengembalian, tekanan inventaris, tenggat pengiriman, dan intensitas promosi dapat bergerak ke arah yang salah secara bersamaan.
Benchmark iklan sosial Q2 dari Emplifi menambahkan bukti bahwa persaingan sudah meningkat. Vendor tersebut menganalisis lebih dari 7.700 akun iklan Meta dan menemukan bahwa median belanja iklan sosial bulanan e-commerce meningkat 70% dari tahun ke tahun, dari US$16.426 menjadi US$27.966.
Kumpulan data yang sama menunjukkan bahwa rasio klik-tayang e-commerce meningkat 29%, sementara biaya per klik turun 18% menjadi US$0,133. Karena ini merupakan data benchmark vendor dari akun Meta yang dikelola dalam kumpulan data Emplifi, angka tersebut tidak boleh dianggap sebagai rata-rata pasar universal.
Meski demikian, arahnya penting: belanja dan efisiensi dapat meningkat bersamaan ketika iklan terhubung dengan konten yang relevan, ulasan nyata, dan pengalaman pembelian yang berfungsi setelah klik.
| Kesimpulan bagi operator: Perlakukan September sebagai bulan operasi, bukan hanya bulan produksi materi kreatif. Tetapkan prioritas produk, inventaris, batas minimum margin, batas waktu pengiriman, asumsi pengembalian, pipeline kreator, dan pelacakan sebelum tekanan lelang Q4 memuncak. Jangan menilai saluran social commerce baru hanya berdasarkan GMV. Sertakan komisi kreator, biaya platform, diskon, pemenuhan, pengembalian, dan kualitas pelanggan dalam model. |
3 HAL TENTANG IKLAN, ULASAN, DAN SKALA PERDAGANGAN
1. Migrasi AI Max dapat mengubah prioritas kata kunci
Google telah menjelaskan prioritas kata kunci AI Max bagi pengiklan yang beralih dari pengaturan kampanye broad match.
Ketika pengaturan kampanye broad match dinonaktifkan atau kampanye beralih ke AI Max, kata kunci broad yang sudah ada tidak diperlakukan seperti kata kunci exact match untuk tujuan prioritas.
Pengiklan yang ingin mempertahankan prioritas tersebut perlu membuat salinan exact match dalam kampanye AI Max. Mengubah kata kunci broad itu sendiri menjadi exact match akan menghapus statistik historis kata kunci tersebut.
Jika prioritas standar AI Max terhadap kata kunci exact match yang sudah ada dapat diterima, tidak ada tindakan yang diperlukan.
| Kesimpulan bagi operator: Audit kampanye Search bernilai tinggi sebelum migrasi dan identifikasi kueri yang prioritas exact match-nya penting secara komersial. Jangan mengubah kata kunci broad menjadi exact hanya untuk mempertahankan prioritas tanpa mempertimbangkan hilangnya data historis kata kunci. Dokumentasikan struktur yang diinginkan sebelum migrasi agar kinerja setelah perubahan dapat didiagnosis dengan jelas. |
2. Google mengubah ulasan toko menjadi teks iklan buatan AI
Google sedang menguji bagian 'Yang disukai pelanggan' dalam hasil bersponsor dengan label 'dibuat oleh AI dari ulasan peringkat toko'.
Google telah menggunakan ringkasan ulasan buatan AI dalam peringkat toko dan panel lokal. Tampilan iklan yang lebih baru membuat informasi yang sama terlihat lebih jelas dalam hasil bersponsor.
Hal itu menjadikan data reputasi sebagai bagian dari materi iklan, baik pengiklan menulis teksnya maupun tidak. Platform dapat mengambil tema yang berulang dari ulasan dan menampilkannya sebagai sinyal kepercayaan komersial.
Keuntungan yang jelas adalah bukti sosial yang lebih kuat. Risikonya adalah ringkasan AI menekankan tema yang tidak akan dipilih merek atau merangkum pengalaman pelanggan yang beragam menjadi klaim sederhana.
| Kesimpulan bagi operator: Perlakukan kualitas dan tema ulasan sebagai masukan media berbayar. Pantau frasa yang berulang kali digunakan pelanggan, tanggapi keluhan yang terus muncul, dan pastikan ringkasan buatan AI mewakili pengalaman secara akurat. Ketika platform menghasilkan lebih banyak teks dari sinyal pihak pertama dan ketiga, manajemen reputasi menjadi bagian dari tata kelola kreatif. |
3. Bisnis e-commerce Amazon tetap sangat besar, bahkan dalam narasi pasar yang sarat AI
Sebuah komentar investor Yahoo Finance mencatat bahwa bisnis e-commerce Amazon berada pada tingkat pendapatan tahunan yang dapat melampaui US$750 miliar pada 2026, sementara AWS tumbuh jauh lebih cepat.
Pembagian valuasi yang tepat antara e-commerce dan AWS dalam artikel tersebut adalah perkiraan penulis, bukan pengungkapan Amazon, dan tulisan itu ditujukan kepada investor, bukan operator.
Pengingat yang lebih berguna bersifat strategis. Infrastruktur AI mungkin mendominasi narasi pasar, tetapi ekosistem ritel, marketplace, layanan penjual, logistik, iklan, langganan, dan pemenuhan Amazon tetap menjadi salah satu sistem perdagangan terbesar di dunia.
Skala itulah yang membuat data produk, ulasan, pemenuhan, dan kepercayaan ritel tetap penting. Lapisan penemuan tercanggih pada akhirnya membutuhkan pedagang yang mampu menyelesaikan pesanan.
| Kesimpulan bagi operator: Jangan biarkan narasi AI mengalihkan perhatian dari ekonomi unit dan operasi perdagangan. Gunakan saluran penemuan baru untuk menciptakan permintaan, tetapi terus ukur ketersediaan, biaya pemenuhan, margin, pengembalian, pembelian berulang, dan beban layanan pelanggan. Perusahaan dengan antarmuka AI terbaik tidak otomatis memiliki bisnis perdagangan terbaik. |
SELEPAS JAM KERJA
Lapisan yang membosankan menjadi lapisan persaingan
Kisah hari ini menggambarkan pasar yang berlomba menuju penemuan berbasis AI, belanja berbasis agen, social commerce, dan media berbayar yang semakin otomatis.
Namun, bukti terkuat terus mengarah kembali pada hal-hal mendasar yang tidak glamor.
Konsumen meninggalkan pembelian karena informasi produk tidak jelas. Mereka membayar harga penuh karena pengiriman dan pengembalian terasa mudah. Sistem AI salah memahami halaman ketika Schema dan sinyal entitas lemah. Penjual Q4 kehilangan margin ketika komisi dan tingkat pengembalian meningkat lebih cepat daripada pendapatan. Otomatisasi Google Ads menjadi lebih sulit didiagnosis ketika struktur kata kunci diubah tanpa rencana.
Lapisan teknologi meningkat dengan cepat. Itu tidak berarti fondasinya boleh tetap belum selesai.
Keunggulan e-commerce berikutnya mungkin berasal dari disiplin yang sangat sederhana: perbaiki sumber kebenaran sebelum memperbanyak antarmuka.
Tim Beecommercer