AEON malaysia perluas profil pelanggan berbasis AI

Aktivitas finansial bisa mengungkap sinyal yang tidak muncul dari transaksi ritel biasa.

Divisi data dan kecerdasan buatan (AI) AEON Malaysia kini melangkah lebih jauh dari sekadar segmentasi pelanggan berbasis transaksi, dengan mengidentifikasi tahapan hidup pelanggan menggunakan data dari bisnis ritel, mal, dan layanan keuangan mereka.

“Sebelumnya, personalisasi ritel kebanyakan dibangun dari informasi transaksi, informasi demografis, segmentasi, loyalitas, dan kampanye,” kata Miki Ong, general manager di AEON360, joint venture yang baru dibentuk antara AEON Co. (M) Bhd dan AEON Credit Service (M) Berhad, kepada Retail Asia dalam sebuah wawancara. “Tapi sekarang, dengan AI, kami melihat sesuatu yang lebih jauh dari itu—kemampuan untuk melihat tahapan hidup pelanggan.”

Ong mencontohkan orang tua dengan anak kecil. Alih-alih memperlakukan pelanggan yang membeli susu formula bayi sebagai segmen yang tetap, platform ini bisa melacak sinyal-sinyal selama 1.000 hari pertama setelah pembelian dan mengidentifikasi kebutuhan terkait lainnya, seperti daycare.

“Ini bukan lagi soal sekadar menyasar satu segmen dan berkomunikasi dengannya,” katanya. “Ini soal mengikuti segmen-segmen ini dan berkembang bersama mereka.”

Menurut Ong, mesin rekomendasi ini menggabungkan data transaksi, frekuensi pembelian, engagement, dan preferensi yang disampaikan pelanggan sendiri, alih-alih memperlakukan setiap sinyal individual sebagai kesimpulan akhir.

AI kemudian menginterpretasikan sinyal-sinyal tersebut untuk mengenali pola dan menghasilkan rekomendasi.

Ong menambahkan, data dari bisnis ritel, mal, dan layanan keuangan AEON juga bisa memberikan sinyal yang tidak akan terlihat kalau hanya mengandalkan satu lini bisnis saja.

Misalnya, pelanggan yang mengambil pinjaman pribadi atau berlangganan confinement centre di waktu yang bersamaan dengan pembelian produk bayi bisa mengindikasikan tahapan hidup tertentu.

Ia mengatakan, kumpulan data yang lebih luas ini bisa mengurangi risiko “filter bubble” dalam personalisasi berbasis AI.

Platform ini juga mempertimbangkan apa yang bisa dipenuhi sebuah produk bagi pelanggan, bukan sekadar mengurutkan produk berdasarkan volume transaksi semata. Tujuannya untuk mencegah kategori ritel bervolume tinggi mendominasi area bervolume lebih rendah seperti layanan keuangan.

Ong menyebut pelanggan tetap yang memegang keputusan pembelian, meski AI mengambil peran lebih besar dalam proses rekomendasi.

“AI berperan lebih kuat dalam mengurangi kompleksitas,” katanya, seraya menambahkan bahwa teknologi ini akan mempersempit pilihan dan menampilkan rekomendasi yang lebih relevan, bukan membuat keputusan pembelian untuk pelanggan.

“AI merekomendasikan, tapi pelanggan yang memutuskan pada akhirnya,” tutupnya.