Cart abandonment atau keranjang belanja yang ditinggalkan masih menjadi tantangan besar bagi pelaku e-commerce. Rata-rata tingkat cart abandonment berada di kisaran 70%, yang berarti dari 10 pelanggan yang memasukkan produk ke keranjang, sekitar tujuh orang tidak melanjutkan hingga pembayaran. Dampaknya dinilai sangat signifikan karena potensi pendapatan yang hilang terjadi dalam skala besar di toko online di berbagai negara.
Selama ini, sejumlah strategi konvensional seperti menyederhanakan proses checkout, menawarkan gratis ongkir, atau mengirim email pengingat kerap digunakan untuk menekan angka tersebut. Namun, pendekatan ini dinilai belum menyentuh seluruh penyebab yang membuat pelanggan membatalkan pembelian. Di tengah situasi itu, kecerdasan buatan (AI) mulai dimanfaatkan untuk menargetkan faktor psikologis, visual, dan pengalaman pengguna yang memengaruhi keputusan pelanggan.
Sejumlah alasan pelanggan meninggalkan keranjang
Ada beberapa pemicu yang umum terjadi ketika pelanggan memutuskan tidak menyelesaikan transaksi. Pertama, munculnya biaya tak terduga seperti ongkos kirim, pajak, atau biaya tambahan lain yang baru terlihat saat checkout. Kedua, proses checkout yang rumit, misalnya karena terlalu banyak formulir, keharusan membuat akun, atau navigasi yang membingungkan.
Selain itu, sebagian pembeli menggunakan keranjang sebagai semacam wishlist untuk membandingkan harga dengan toko lain. Faktor lain yang turut berperan adalah ketidakpastian visual—misalnya gambar produk tidak cukup meyakinkan—serta kelelahan dalam mengambil keputusan akibat terlalu banyak pilihan atau informasi yang dirasa belum memadai.
Personalisasi prediktif untuk mencegah pembatalan
Salah satu pendekatan AI adalah menganalisis pola perilaku pelanggan untuk memprediksi risiko cart abandonment sebelum terjadi. Algoritma machine learning melacak perilaku mikro pengguna untuk mengidentifikasi pelanggan yang berpotensi meninggalkan keranjang.
Setelah terdeteksi, sistem dapat memicu intervensi yang dipersonalisasi secara real-time. Bentuknya dapat berupa penawaran diskon yang ditargetkan berdasarkan sensitivitas harga dari riwayat penelusuran, rekomendasi produk pelengkap atau alternatif yang lebih sesuai, hingga pesan urgensi seperti informasi stok terbatas, promo waktu singkat, atau social proof seperti “12 orang sedang melihat produk ini”.
Penguatan kepercayaan melalui visual berbasis AI
Pengalaman visual dinilai memegang peran penting dalam keputusan pembelian. AI digunakan untuk meningkatkan aspek ini melalui virtual try-on agar pelanggan bisa membayangkan bagaimana pakaian, aksesori, atau makeup terlihat pada diri mereka, serta visualisasi kontekstual yang menampilkan produk dalam berbagai setting atau konfigurasi sesuai preferensi.
AI juga dapat meningkatkan gambar produk, misalnya mengubah foto sederhana menjadi gambar bergaya lifestyle untuk membantu pelanggan membayangkan penggunaan produk. Dalam konteks ini, disebutkan Pollo AI sebagai salah satu alat yang menawarkan fitur image-to-image, yakni mengunggah foto produk lalu mengubahnya menjadi visual lifestyle. Platform tersebut juga disebut menyediakan akses ke berbagai model AI untuk pembuatan gambar dan video dalam satu layanan, serta menawarkan aplikasi mobile untuk kebutuhan optimasi visual yang lebih cepat.
Chatbot dan asisten virtual untuk mengatasi keraguan
Selain visual, AI juga dimanfaatkan melalui chatbot dan asisten virtual yang lebih canggih dibanding sekadar penjawab pertanyaan umum. Asisten AI modern dapat menjawab pertanyaan kompleks seperti detail produk, panduan ukuran, hingga kompatibilitas, sekaligus memandu keputusan pembelian dengan mengajukan pertanyaan untuk mengarahkan rekomendasi.
Fungsi lain yang ditekankan adalah kemampuan menangani keraguan secara proaktif, misalnya terkait waktu pengiriman, kebijakan retur, atau kualitas produk. Keunggulan utamanya adalah ketersediaan 24 jam sehingga pelanggan tetap bisa mendapatkan bantuan di luar jam operasional.
Harga dinamis dan optimasi penawaran
AI juga diterapkan dalam strategi harga. Sistem dapat memantau harga kompetitor dan menyesuaikan harga secara real-time agar tetap kompetitif. Selain itu, AI dapat menawarkan harga yang dipersonalisasi berdasarkan sensitivitas harga, riwayat pembelian, dan nilai pelanggan, serta menentukan waktu diskon optimal—kapan dan seberapa besar diskon yang paling efektif untuk mendorong konversi.
Dalam penerapannya, strategi ini disebut perlu dilakukan secara etis agar menciptakan situasi yang menguntungkan kedua pihak: pelanggan merasa mendapatkan nilai terbaik, sementara bisnis tetap menjaga margin.
Checkout lebih ringkas dengan bantuan AI
Untuk mengatasi masalah checkout yang rumit, AI dapat membantu menyederhanakan proses melalui auto-fill cerdas berdasarkan data kunjungan sebelumnya, validasi formulir secara real-time agar kesalahan diketahui sebelum pengiriman, serta optimasi metode pembayaran dengan menampilkan opsi yang paling mungkin digunakan oleh pelanggan tertentu.
Langkah penerapan bertahap
Penerapan taktik AI untuk menekan cart abandonment disebut dapat dimulai dari langkah yang berdampak tinggi namun relatif mudah. Di antaranya menggunakan chatbot AI sederhana lalu meningkatkan kemampuannya dengan machine learning, memperkuat visual produk menggunakan AI, menerapkan analitik prediktif untuk mendeteksi sinyal abandonment, mengoptimalkan email remarketing dengan AI, serta rutin menguji dan mengukur efektivitas setiap strategi.
AI sebagai alat untuk menekan kehilangan transaksi
Cart abandonment disebut tidak akan benar-benar hilang karena sebagian pelanggan memang membutuhkan waktu untuk membandingkan dan mempertimbangkan pilihan. Namun, AI dinilai menyediakan alat yang lebih kuat untuk membantu pelanggan yang memang berniat membeli agar bisa menyelesaikan transaksi dengan lebih mudah, percaya diri, dan nyaman, terutama di tengah persaingan e-commerce yang semakin ketat.
