VOKASI NEWS – Saat membuka aplikasi belanja daring, pengguna sering kali menemukan produk yang sama muncul berulang kali pada kolom rekomendasi. Padahal, platform e-commerce umumnya menawarkan jutaan produk dari berbagai penjual dan merek. Kondisi ini menimbulkan pertanyaan: mengapa rekomendasi yang ditampilkan cenderung didominasi oleh produk yang sama?
Fenomena tersebut bukanlah suatu kebetulan, melainkan hasil dari cara kerja sistem rekomendasi yang digunakan oleh platform e-commerce.
Popularitas Menciptakan Siklus yang Sulit Diputus
Platform e-commerce modern memanfaatkan sistem rekomendasi dalam memberikan layanan kepada pengguna. Sistem tersebut membantu pengguna menemukan produk yang dianggap relevan dengan kebutuhan dan preferensinya. Secara umum, produk dengan jumlah pembelian, ulasan, dan interaksi yang tinggi akan memperoleh visibilitas yang lebih besar. Akibatnya, produk tersebut lebih sering direkomendasikan kepada pengguna lain.
Namun, mekanisme ini dapat menciptakan siklus yang sulit diputus. Produk dari merek besar cenderung memperoleh lebih banyak ulasan karena telah dikenal luas oleh masyarakat. Banyaknya ulasan tersebut membuat algoritma semakin sering merekomendasikannya. Akibatnya, produk tersebut kembali memperoleh lebih banyak pembelian dan ulasan dari pengguna. Kondisi ini membuat posisinya semakin kuat dalam sistem rekomendasi.
Di sisi lain, produk dari merek atau pelaku usaha yang lebih kecil sering kali kesulitan memperoleh tingkat eksposur yang sama. Akibatnya, produk tersebut memiliki peluang yang lebih rendah untuk muncul dalam rekomendasi pengguna. Padahal, kualitas produk yang ditawarkan belum tentu lebih rendah. Keterbatasan data dan interaksi membuat produk tersebut kurang mendapat perhatian dari algoritma.
Fenomena ini dikenal sebagai long tail problem. Kondisi tersebut terjadi ketika sebagian kecil produk populer mendominasi perhatian pengguna. Sementara itu, sebagian besar produk lainnya jarang muncul dalam rekomendasi meskipun berpotensi memiliki kualitas yang baik.
Rating Bintang Tidak Selalu Menggambarkan Pengalaman Pengguna
Sebagian besar sistem rekomendasi masih mengandalkan rating numerik sebagai indikator kepuasan pelanggan. Rating tersebut umumnya dinyatakan dalam skala bintang satu hingga lima. Sekilas, pendekatan ini terlihat objektif karena menggunakan data kuantitatif yang mudah diolah.
Namun, pengalaman pengguna tidak selalu dapat direpresentasikan hanya melalui angka. Sebagai contoh, seorang pelanggan dapat memberikan rating empat bintang pada suatu produk. Namun, dalam ulasannya ia menyampaikan bahwa produk tersebut tidak sepenuhnya sesuai dengan deskripsi. Pelanggan tersebut juga dapat mengeluhkan kemasan yang kurang memadai meskipun menilai kualitas produknya baik.
Apabila sistem hanya membaca nilai bintang tanpa memahami isi ulasan, produk tersebut tetap akan dianggap sangat memuaskan. Akibatnya, sistem berpotensi merekomendasikan produk serupa yang memiliki kekurangan yang sama.
Padahal, ulasan berbasis teks sering kali mengandung informasi yang lebih kaya dibandingkan sekadar angka. Melalui ulasan tersebut, pengguna dapat menjelaskan pengalaman, kelebihan, maupun kekurangan produk secara lebih rinci. Oleh karena itu, ketidakmampuan sistem dalam memahami teks dapat menyebabkan rekomendasi yang dihasilkan kurang sesuai dengan harapan pengguna.
Ketika Kecerdasan Buatan Mulai Memahami Ulasan
Perkembangan teknologi kecerdasan buatan (Artificial Intelligence atau AI), khususnya pada bidang Natural Language Processing (NLP), membuka peluang baru dalam pengembangan sistem rekomendasi produk. Model AI modern seperti BERT dan berbagai variannya kini mampu memahami makna yang terkandung dalam ulasan pengguna, bukan hanya membaca rating yang diberikan.
Melalui kemampuan tersebut, AI dapat menganalisis sentimen yang terkandung dalam setiap ulasan, baik sentimen positif, negatif, maupun campuran. Sebagai contoh, ulasan dengan rating empat bintang yang memuat beberapa keluhan dapat diperlakukan berbeda dari ulasan empat bintang yang sepenuhnya positif.
Pendekatan ini memungkinkan sistem menghasilkan rekomendasi yang lebih akurat karena mempertimbangkan pengalaman pengguna secara lebih mendalam, bukan sekadar menghitung rata-rata nilai rating.
Selain itu, pemanfaatan AI juga berpotensi memberikan kesempatan yang lebih besar bagi produk dari merek atau pelaku usaha yang kurang dikenal. Selama ulasan pengguna menunjukkan kualitas produk yang baik, produk tersebut tetap memiliki peluang untuk direkomendasikan kepada calon pembeli. Dengan demikian, visibilitas produk tidak hanya ditentukan oleh tingkat popularitas atau kekuatan promosi, tetapi juga oleh kualitas yang tercermin dari pengalaman pengguna.
Sistem Rekomendasi untuk Siapa?
Perkembangan sistem rekomendasi juga memunculkan pertanyaan yang lebih mendasar: apakah sistem tersebut dirancang terutama untuk membantu pengguna menemukan produk terbaik, atau untuk mendorong penjualan produk yang paling populer? Pada praktiknya, produk yang paling populer belum tentu merupakan produk yang paling sesuai dengan kebutuhan setiap pengguna. Oleh karena itu, sistem rekomendasi yang ideal seharusnya mampu membedakan antara popularitas dan relevansi.
Tujuan utama sistem rekomendasi bukan hanya menampilkan produk yang paling banyak dibeli, tetapi juga membantu pengguna menemukan produk yang benar-benar sesuai dengan kebutuhan, preferensi, dan pengalaman pengguna lain yang serupa.
Mendorong Inovasi yang Lebih Inklusif
Penerapan kecerdasan buatan dalam sistem rekomendasi sejalan dengan semangat Tujuan Pembangunan Berkelanjutan (Sustainable Development Goals atau SDGs), khususnya SDGs 9 tentang industri, inovasi, dan infrastruktur. Pemanfaatan teknologi ini menunjukkan bagaimana inovasi dapat digunakan untuk meningkatkan kualitas layanan digital sekaligus menciptakan sistem yang lebih cerdas dan adaptif.
Dampaknya tidak berhenti pada aspek teknologi semata. Ketika algoritma mampu memberikan kesempatan yang lebih adil bagi produk dari pelaku usaha kecil untuk ditemukan oleh konsumen, inovasi tersebut juga berkontribusi terhadap pencapaian SDGs 10 tentang berkurangnya kesenjangan. Dengan demikian, peluang untuk tampil di hadapan konsumen tidak lagi hanya dimiliki oleh merek besar, tetapi juga terbuka bagi pelaku usaha yang menawarkan produk berkualitas meskipun memiliki sumber daya yang lebih terbatas.
[BACA JUGA: Strategi Pemasaran B2B melalui E-Flyer berbasis AIDA di PT Kreanovasi Dunia Bisnis]
Penulis: Levina Anjani
Editor: Aghnia Faizatus (Tim Branding Vokasi)
