Ritel punya banyak prediksi AI; hambatannya adalah eksekusi tepercaya

Terakhir diperbarui pada 24 Juli 2026 pukul 10.54

Peritel menggunakan AI untuk memprediksi permintaan, mempersonalisasi pengalaman, memproduksi konten, dan mengotomatiskan perjalanan pelanggan. Namun masalahnya bergeser ke tahap eksekusi: titik buta keamanan, data yang lemah, pelaksanaan yang tidak konsisten, kepemilikan yang tidak jelas, dan pelanggan yang masih meragukan rekomendasi buatan mesin. Keunggulan e-commerce berikutnya bukan berasal dari lebih banyak prediksi, melainkan dari organisasi yang mampu mengubah prediksi menjadi tindakan yang berguna, terukur, dan tepercaya.

Tema hari ini jelas: AI membuat insight berlimpah, tetapi kemampuan eksekusi tetap langka.

Peritel dapat memprediksi pelanggan yang mungkin pergi, produk yang mungkin laku, dan materi kreatif yang mungkin berhasil. Prediksi tidak menciptakan nilai sampai informasinya mencapai tim yang tepat, memicu alur kerja yang benar, dan menghasilkan dampak yang dapat diverifikasi.

Pada saat yang sama, penerbit beralih ke e-commerce ketika pencarian AI mengurangi trafik rujukan. Tim konten disusun ulang di sekitar penemuan yang terukur, dan platform iklan memberi merek kontrol lebih terpusat atas jangkauan serta frekuensi video.

Bagi operator, benang merahnya bukan alat AI lain. Yang penting adalah sistem operasi di balik alat tersebut.

Mari masuk ke pembahasannya.

BERITA UTAMA

Masalah AI di ritel bergeser dari adopsi ke tata kelola

Digital Commerce 360 mengidentifikasi tiga masalah AI yang sedang diatasi peritel: keamanan dan penipuan, kepercayaan konsumen, serta keandalan pengalaman pelanggan.

Masalah pertama adalah AI memperluas kemampuan sekaligus permukaan serangan. Survei Cisco yang dikutip menemukan bahwa 68% pemimpin teknologi ritel menilai adopsi AI menciptakan titik buta keamanan baru, sementara 78% menyebut permukaan serangan mereka membesar dalam setahun terakhir. Artikel itu juga mencatat kenaikan global sebesar 25% pada transaksi yang dimulai bot jahat serta penggunaan AI yang meningkat di kedua sisi perang melawan penipuan.

Ini kenyataan yang tidak nyaman bagi tim e-commerce. Otomatisasi yang mempersonalisasi toko, membantu layanan pelanggan, atau mempercepat checkout juga dapat memperbesar penyamaran, penyalahgunaan otomatis, penipuan chargeback, dan serangan akun. Penerapan AI dan pencegahan penipuan harus menjadi satu pembahasan operasional, bukan tim growth meluncurkan alat lalu keamanan bereaksi belakangan.

Masalah kedua adalah kepercayaan. Riset yang dikutip Digital Commerce 360 menunjukkan pembeli tetap menaruh kepercayaan besar pada ulasan produk online, tetapi juga sangat khawatir terhadap rekomendasi buatan AI. Mereka mungkin menyukai rekomendasi yang berguna, tetapi ingin tahu mengapa rekomendasi itu muncul, apakah data dipakai dengan benar, dan apakah dasarnya bukti produk nyata atau persuasi sintetis.

Masalah ketiga adalah konsistensi pengalaman. Sistem AI dapat menghasilkan hasil yang sangat berbeda bergantung pada data, pagar pengaman, aturan serah terima, dan konteks operasional. Asisten belanja dapat menjawab akurat untuk satu produk dan mengarang detail produk lain. Mesin personalisasi dapat menemukan segmen kuat, tetapi kampanye tetap gagal karena stok kosong atau profil pelanggan terfragmentasi.

Ulasan Shopify tentang tantangan analitik prediktif menyampaikan poin yang sama dari sisi data dan alur kerja: prediksi dapat kehilangan nilai di titik mana pun antara model dan keputusan bisnis akhir.

Shopify menggambarkan rantai kegagalan yang umum. Ramalan bisa salah. Tim melihat laporan yang bertentangan karena sistem memakai definisi berbeda. Insight datang terlambat atau tidak pernah mencapai orang yang harus bertindak. Bahkan rekomendasi yang benar dapat dilemahkan oleh profil terfragmentasi dan pelaksanaan yang tidak konsisten.

Masalah dasarnya adalah apa yang disebut Shopify sebagai pajak fragmentasi. Peritel menghasilkan data melalui platform e-commerce, toko, program loyalitas, ERP, rantai pasok, dan kanal iklan, tetapi banyak data terlambat, tidak konsisten, atau sulit dikelola. Riset menunjukkan 67% merek tidak memiliki strategi audiens terpadu, sementara 17% menemukan insight bermakna dalam tes personalisasi tetapi tidak menindaklanjutinya.

Inilah perbedaan terpenting di pasar AI saat ini: kecerdasan dan tindakan bukan hal yang sama.

Prediksi churn tidak bernilai jika tim retensi tidak dapat memakainya. Ramalan permintaan dapat menghancurkan margin jika pengadaan memercayainya tanpa memahami asumsi. Rekomendasi personal dapat merusak kepercayaan ketika produk tidak tersedia, tidak cocok, atau dijelaskan dengan buruk. Dashboard dapat terlihat canggih meski tidak ada yang membuktikan peningkatan laba.

PERGESERAN

Saat trafik pencarian turun, penerbit menjadi pedagang

Practical Ecommerce berpendapat bahwa penerbit yang tertekan oleh trafik dan iklan akibat AI dapat beralih ke e-commerce untuk mendiversifikasi pendapatan.

Logikanya meyakinkan. Penerbit telah memiliki tiga aset yang perlu bertahun-tahun dibangun peritel baru: audiens, mesin konten, dan jangkauan promosi. Publikasi tepercaya memahami minat pembaca, memiliki hubungan email langsung, dan tahu cara menarik perhatian pada sebuah topik.

Kemampuan ini dapat mendukung perdagangan afiliasi, kemitraan marketplace, atau penjualan langsung. Namun Practical Ecommerce memperingatkan bahwa menambahkan keranjang belanja tidak otomatis mengubah perusahaan media menjadi peritel yang berfungsi.

Perdagangan membawa model operasi berbeda. Penerbit harus meneliti produk yang cocok dengan audiens dan otoritasnya, memilih model bisnis, menilai ekonomi kategori, memilih pemasok, membuat halaman produk, mengelola fulfillment dan layanan, serta menghitung margin setelah retur dan biaya.

Hal ini penting bagi blog spesialis, newsletter, merek kreator, dan platform edukasi. Audiens menciptakan keunggulan distribusi, tetapi kredibilitas cepat rusak jika produknya lemah, pengiriman tidak andal, atau rekomendasi komersial tidak selaras dengan keahlian editorial.

Peluangnya lebih besar daripada tautan afiliasi, tetapi tuntutannya juga lebih tinggi. Penerbit dapat memakai pemahaman audiens untuk menemukan produk yang sudah diinginkan, memberi edukasi lebih baik, dan mengurangi ketergantungan pada pencarian atau media berbayar. Lapisan perdagangan bekerja saat memperluas janji editorial, bukan menggantikannya.

LAPISAN OPERASI

Peran konten baru menghubungkan visibilitas, analitik, dan AI

Studi Semrush tentang peran Content SEO Manager menunjukkan bagaimana perusahaan mengatur ulang tim di dunia tempat publikasi, visibilitas organik, penemuan AI, dan pengukuran bisnis tak lagi dapat dipisahkan.

Jabatan ini tidak ada dalam riset Semrush 2023. Kini porsinya 20% dari lowongan pemasaran konten di AS, setara dengan Content Creator sebagai peran terbanyak. Semrush menganalisis 1.002 lowongan Content SEO Manager dari studi yang mencakup 8.000 posisi.

Persyaratannya menunjukkan harapan pemberi kerja. SEO muncul dalam 62% lowongan senior dan 59% non-senior. Analitik adalah keterampilan pemasaran kedua yang paling diminta, dan 43% lowongan senior menyebut AI. Sebanyak 11% meminta pengetahuan AI Search, SGE, atau AEO, sementara 32% memasukkan otomatisasi alur kerja sebagai tanggung jawab inti.

Ini bukan sekadar spesialis SEO dengan jabatan baru. Peran tersebut menggabungkan perencanaan editorial, penemuan organik, analitik, pemikiran konversi, desain alur kerja, dan tanggung jawab atas hasil bisnis.

Semrush juga menemukan storytelling lebih sering muncul daripada menulis dalam persyaratan senior. Itu masuk akal. AI dapat membantu kalimat, ringkasan, outline, dan produksi. Pemimpin konten harus menentukan narasi yang perlu dimiliki bisnis, bukti yang membuatnya tepercaya, dan cara konten mendukung akuisisi serta pendapatan.

Pelajaran organisasinya adalah konten tidak dapat lagi berjalan sebagai antrean publikasi. Dibutuhkan siklus tertutup: temukan pertanyaan pelanggan, buat jawaban paling berguna, distribusikan di pencarian dan permukaan AI, ukur hasil, lalu perbarui sistem berdasarkan bukti.

3 perkembangan dalam iklan, merek, dan pencarian AI

1. Google menyatukan tampilan frekuensi beberapa kampanye video

Google Ads telah meluncurkan grup kampanye video secara global, sehingga pengiklan dapat mengoordinasikan jangkauan dan frekuensi YouTube sambil mempertahankan anggaran, materi, dan pengaturan tiap kampanye.

Fitur ini memungkinkan sasaran jangkauan atau frekuensi bersama serta metrik terpadu seperti unique reach dan rata-rata impresi mingguan. Google mengutip studi marketing mix modeling Meridian terhadap sekitar 600 merek AS, ketika frekuensi 2,7 paparan per minggu berkaitan dengan peningkatan ROI sebesar 19%.

Angka tersebut bukan target universal. Perubahan yang berguna adalah pengiklan kini dapat mengelola duplikasi dan kelelahan lintas kampanye, bukan mengoptimalkan setiap kampanye secara terpisah.

2. Kepercayaan dapat menjadi metrik merek yang lebih baik daripada perhatian

CMO Acorns Kasia Leyden mengatakan kepada Marketing Brew bahwa banyak pemasar mengoptimalkan perhatian ketika seharusnya mengoptimalkan kepercayaan.

Argumen ini sangat relevan untuk layanan keuangan, tetapi juga berlaku luas di e-commerce. Urgensi, ketakutan, dan janji berlebihan dapat menghasilkan klik cepat. Hal itu juga dapat membuat pelanggan waspada, membandingkan secara agresif, dan meninggalkan merek setelah satu transaksi.

Pemasaran berorientasi kepercayaan mengurangi ketidakpastian. Pelanggan memahami produk, kompromi, kemungkinan hasil, dan apa yang terjadi setelah pembelian. Pendekatan ini mungkin kurang dramatis di dashboard engagement, tetapi mendukung pembelian berulang dan hubungan lebih tahan lama.

3. Branding di era AI tetap membutuhkan penilaian budaya

TechCrunch mengulas kampanye AI optimistis terbaru Meta, yang memasangkan pesan positif dengan lagu David Bowie yang dalam konteks penuhnya berkisah tentang peradaban menghadapi kepunahan.

Ketidakselarasan ini mengingatkan bahwa makna kreatif tidak hanya berasal dari klip, edit visual, atau brief. Lagu, gambar, meme, kreator, dan referensi budaya membawa asosiasi yang dapat dipahami audiens secara berbeda dari tim pemasaran.

Alat generatif dapat mempercepat produksi kampanye, tetapi membuat peninjauan dangkal jika tim fokus pada penyelesaian teknis, bukan makna. Kampanye dapat terlihat sangat rapi namun tidak konsisten secara strategis.

PENUTUP

Prediksi terbaik tetaplah keputusan yang lebih baik

Semua cerita hari ini menunjukkan pergeseran yang sama.

Peritel memiliki lebih banyak prediksi AI, tetapi masih menghadapi keamanan, data terfragmentasi, tata kelola lemah, dan pengalaman tidak konsisten. Penerbit memiliki audiens dan otoritas, tetapi mengubahnya menjadi pendapatan e-commerce membutuhkan sistem operasi ritel yang nyata. Tim konten memiliki lebih banyak alat, namun perusahaan mencari pemimpin yang menghubungkan visibilitas, analitik, dan dampak bisnis.

Grup video Google menawarkan pengelolaan frekuensi yang lebih terkoordinasi. Acorns menjadikan kepercayaan sasaran yang lebih tahan lama daripada perhatian. Kampanye Meta menunjukkan bahwa platform terbesar sekalipun dapat melewatkan makna budaya dari keputusan kreatif.

Keliru jika semua ini diartikan sebagai kebutuhan akan lebih banyak dashboard, otomatisasi, dan taktik khusus AI.

Kesimpulan yang lebih baik: teknologi meningkatkan biaya dari kekacauan organisasi.

Saat definisi data bertentangan, AI memperbesar konflik. Saat informasi produk salah, personalisasi menyebarkan kesalahan. Saat tak ada pemilik tindakan berikutnya, prediksi menjadi insight yang tidak digunakan. Saat merek tidak punya sudut pandang jelas, AI memudahkan penerbitan lebih banyak materi yang mudah dilupakan.

Liputan Yahoo Finance tentang pertumbuhan e-commerce menunjukkan peluang: perdagangan digital terus mengubah cara perusahaan menjual, melayani pelanggan, dan bersaing. Persyaratan operasional tumbuh bersama pasar.

Panduan Yahoo Tech membangun kehadiran merek di TikTok memberikan pelajaran yang sama di tingkat platform: konsistensi, relevansi, partisipasi, dan kehadiran yang mudah dikenali lebih penting daripada memposting hanya karena kanal sedang tumbuh.

Peluncuran paket optimasi AI Higher Images untuk bisnis kecil menunjukkan bahwa visibilitas AI menjadi kategori layanan resmi. Pekerjaan dasarnya tetap dikenal: situs yang kuat secara teknis, informasi terstruktur, detail bisnis konsisten, keahlian kredibel, ulasan, liputan media, dan representasi akurat di web.

Merek yang paling diuntungkan oleh AI belum tentu memiliki model paling canggih.

Mereka akan memiliki data paling jelas, serah terima paling kuat, pengukuran paling disiplin, dan kemampuan bertindak tanpa kehilangan kepercayaan pelanggan.

Tim Beecommercer

Bacaan lebih lanjut

1. E-commerce mempercepat pertumbuhan dan mengubah pasar – Yahoo Finance
2. Tren e-commerce: 3 masalah AI yang sedang diatasi peritel – Digital Commerce 360
3. 7 tantangan analitik prediktif yang membatasi kinerja e-commerce – Shopify
4. Penerbit dapat beralih ke e-commerce – Practical Ecommerce
5. Google Ads meluncurkan grup kampanye video secara global – Search Engine Land
6. 5 tips membangun kehadiran merek efektif di TikTok – Yahoo Tech
7. Meta meluncurkan iklan AI optimistis dengan lagu tentang kepunahan manusia – TechCrunch
8. Mengapa pemasar fintech ini memilih kepercayaan daripada perhatian – Marketing Brew
9. Content SEO Manager: bagaimana peran baru mengubah pemasaran konten – Semrush
10. Higher Images meluncurkan paket optimasi AI untuk bisnis kecil – Yahoo Finance