Utilisasi Data dalam Personalisasi Layanan

Tiga startup Indonesia, yakni Blibli, Cakap, dan Super, duduk bersama dan berbagi wawasan tentang pemanfaatan AI dalam penciptaan produk/layanan yang sangat personal (hyper-personalization) bagi bisnis mereka.

Berbeda dari acara tahun lalu, kali ini panel diskusi The Big Leap yang dihelat oleh e27 bersama CleverTap mengulas topik "Engagement Playbook Indonesia: Harnessing Automation and AI for Hyper Personalization".

Sebagai pengantar, hyper-personalization umumnya dikenal sebagai teknik pemasaran yang sangat ditarget dan dipersonalisasi kepada pelanggan dengan memanfaatkan data secara real-time.

Strategi ini banyak digunakan untuk membangun hubungan dengan pelanggan lewat produk/layanan yang sesuai dengan kebutuhan dan preferensi mereka. Lewat strategi ini pemilik usaha dapat mendorong tingkat penjualan dan retensi pengguna.

Ketiga narasumber, yaitu VP of CLM Marketing Blibli Fanky Mulia, Chief Growth Officer Cakap Margarita Tan, dan Co-Founder & CEO Super Steven Wongsoredjo bicara tentang pemanfaatan data hingga pengembangan produk dalam lingkup bisnisnya yang berbeda-beda di sektor e-commerce, edtech, dan social commerce.

Simplifikasi dan utilisasi

Ada beberapa catatan penting yang diperoleh dari paparan panelis terkait automasi dan personalisasi, serta relevansinya dalam bisnis mereka masing-masing.

CEO Super Steven Wongsoredjo menyoroti pentingnya simplifikasi pada personalisasi layanan yang mereka kembangkan. Hal ini dikarenakan target pasarnya berada di area rural yang mana memiliki perilaku konsumen berbeda dibandingkan mereka yang tinggal di perkotaan.

Simplifikasi ini tercermin dari cara Super melakukan strategi akuisisi pengguna maupun upayanya mendorong penggunaan layanannya. Strategi ini dapat dieksekusi melalui data yang mereka kumpulkan, misalnya transaksi pembelian terakhir, produk yang dibeli, atau biaya yang dihabiskan untuk belanja.

"Salah satu tantangan kami adalah membangun strategi scalable yang applicable untuk mereka. Pengguna di area rural tidak menggunakan perangkat mobile yang mahal, paket data yang dibeli juga tidak besar. Ketika kami buat fitur, ini akan menyedot data mereka dengan cepat. They will drop, they will churn. Maka itu, simplifikasi sangat sulit, tetapi penting bagi kami. Once you make things simpler, kita dapat memahami mereka," jelasnya.

Sementara, VP of CLM Marketing Blibli Fanky Mulia mengamati aspek personalisasi dari aspek teknologi. Automasi memang dapat membantu scale up, tetapi ia melihat teknologi hanya sebuah tool. Justru penting untuk fokus mengutilisasi data menjadi sebuah insight bernilai.

"Kalau insight yang dihasilkan salah, ini bakal mendorong keputusan yang salah. Terlalu filosofis dalam memanfaatkan AI juga tidak akan membawamu menuju target yang ingin dicapai. Personalisasi itu tentang mengutilisasi data yang sudah ada. Apabila data yang diutilisasi tidak mencapai ROI, misalnya, mungkin bakal jadi keputusan tepat untuk menutupnya. Personalization is not a magic potion," papar Fanky.

Prioritas

Meningkatnya perilaku digital ikut memicu terjadinya ledakan data dalam beberapa tahun terakhir. Pelaku bisnis dituntut untuk memahami pelanggan lebih baik dengan memanfaatkan data yang mereka miliki. Namun, di tengah ledakan data ini, apakah relevan menyebut istilah "terlalu banyak data"?

Chief Growth Officer Cakap Margarita Tan menilai belajar adalah proses jangka panjang yang tidak akan berhenti. Selama proses itu masih berjalan, data akan tetap diperlukan untuk mengenal customer dan memberikan layanan yang sesuai kebutuhannya.

"There's no such thing as too much data selama ini tidak perlu mengeluarkan biaya. Ini masalah prioritas saja kapan data ini akan diutilisasi. Data ini dapat dimanfaatkan kembali untuk peluang lainnya. Setiap marketer dapat memilih mana yang dapat dikejar dan mana yang dapat kembali ditindaklanjuti," ujarnya.

Sementara, Fanky justru memberikan sudut pandang berbeda dari sisi teknis. Menurutnya, semakin banyak data yang dimiliki tentu akan memengaruhi aspek biaya. Pasalnya, data memerlukan tempat penyimpanan (storage) yang besar. Di sini lah penting untuk dapat memilih data yang dapat bernilai.