Pemimpin pemikiran
Keputusan AI Paling Cerdas Mungkin Adalah Tidak Mengirim Pesan

Poin utamaMengoptimalkan untuk klik memberi imbalan pada pengiriman lebih banyak pesan bahkan…
Lihat selengkapnya
- Mengoptimalkan untuk klik memberi imbalan pada pengiriman lebih banyak pesan bahkan ketika menahan diri akan lebih baik melindungi hubungan dengan pelanggan.
- Promosi yang ditulis dengan baik yang dikirim saat pengembalian dana belum diselesaikan adalah kegagalan keputusan yang tidak dapat diperbaiki oleh konten yang lebih baik.
- Tinjauan manusia harus berfokus pada konteks yang ambigu dan tindakan yang berdampak besar daripada kasus kebijakan rutin.
AI generatif membuat biaya pembuatan pesan yang dipersonalisasi jauh lebih murah. Namun, teknologi ini tidak membuat kita lebih mudah memutuskan apakah pesan tersebut sebaiknya dikirim.
Pembedaan ini penting karena AI semakin banyak mengambil alih keputusan di balik interaksi dengan pelanggan. Sebuah sistem dapat menghasilkan penawaran yang relevan dan memprediksi bahwa seseorang akan mengekliknya, tetapi tetap mengambil keputusan yang keliru. Pelanggan mungkin sedang menunggu pengembalian dana. Mereka mungkin memiliki keluhan yang belum terselesaikan. Mereka mungkin sudah membeli produk tersebut menggunakan alamat email lain.
Tulisan yang lebih baik tidak akan mengatasi masalah-masalah tersebut. Sistem perlu memahami pelanggan dengan lebih baik, memiliki tujuan yang mencerminkan hal-hal yang benar-benar dihargai bisnis, serta memiliki batasan yang jelas mengenai tindakannya.
Apa yang Anda Minta untuk Dioptimalkan oleh Sistem?
Jumlah pesan yang dikirim, pesan yang dibuka, dan klik mudah dihitung. Karena itu, metrik tersebut berguna untuk mengukur kinerja operasional, tetapi juga menggoda untuk dijadikan pengganti hal yang sebenarnya diinginkan bisnis: pelanggan yang merasakan manfaat dari hubungan tersebut dan terus kembali.
Sistem AI yang dioptimalkan untuk memaksimalkan jumlah klik, dengan sedikit batasan pada frekuensi kontak, mungkin menyimpulkan bahwa mengirim lebih banyak pesan akan meningkatkan skornya. Setiap pesan tambahan bisa tampak masuk akal jika dilihat secara terpisah. Namun, di berbagai kampanye dan kanal, pelanggan yang sama bisa menerima pesan dari merek tersebut jauh lebih sering daripada yang dimaksudkan siapa pun.
Dampaknya terasa di luar metrik yang sedang dioptimalkan. Dalam survei konsumen musim liburan 2026 dari Validity, sepertiga responden mengatakan bahwa banyaknya email selama musim liburan saja sudah cukup membuat mereka berhenti berlangganan. Hal itu tidak membuktikan bahwa AI menyebabkan banjir pesan tersebut. Namun, ini menunjukkan bahwa peningkatan aktivitas dapat mengorbankan hubungan dengan pelanggan.
Pelanggan yang berhenti berlangganan dapat terlihat. Namun, rasa kesal yang mendahuluinya sering kali tidak terlihat. Jika sistem mendapat nilai atas klik hari ini, tetapi tidak mendapat penalti karena membuat pelanggan lebih enggan kembali bulan depan, sistem hanya punya sedikit alasan untuk mempertimbangkan pertukaran kepentingan tersebut.
Menahan Diri Juga Merupakan Sebuah Keputusan
Bayangkan seorang pelanggan yang mengembalikan pesanan minggu lalu dan masih menunggu pengembalian dana. Sistem pemasaran melihat seorang pembeli baru-baru ini yang kemungkinan besar akan merespons, lalu mengantrekan email promosi. Dari sudut pandang pelanggan, merek tersebut meminta uang lagi sebelum mengembalikan uang yang menjadi haknya.
Data pengembalian barang mungkin tersimpan di sistem pesanan, status pengembalian dana di perangkat layanan pelanggan, dan data pembelian di profil pemasaran. Catatan-catatan tersebut bahkan mungkin tidak terhubung ke orang yang sama. Model bisa bekerja persis sesuai rancangan, tetapi tetap mengambil keputusan berdasarkan gambaran pelanggan yang tidak lengkap.
Menghubungkan catatan-catatan tersebut mengubah apa yang dapat diketahui sistem. Namun, hal itu tidak otomatis mengubah tindakan sistem. Proses pengambilan keputusan juga perlu mempertimbangkan pengembalian dana yang belum terselesaikan dan memungkinkan promosi ditahan sebagai hasil yang sah. Jika tidak, Anda hanya memberi sistem lebih banyak informasi tanpa mengubah perilaku yang diberi imbalan.
Karena itulah konteks pelanggan dan tujuan harus dirancang bersama. Konteks menjelaskan apa yang sedang terjadi. Tujuan dan aturan pengambilan keputusan menentukan apa yang seharusnya terjadi selanjutnya. Pengembalian barang saja bukan berarti semua komunikasi harus dihentikan. Pelanggan mungkin membutuhkan informasi terbaru tentang pengembalian dana. Perbedaan antara pesan layanan yang bermanfaat dan promosi lain itu penting.
Email yang ditulis dengan buruk adalah masalah konten. Email yang ditulis dengan baik tetapi dikirim saat pelanggan sedang menunggu uangnya kembali adalah masalah pengambilan keputusan. Anda tidak bisa mengatasi masalah kedua hanya dengan memperbaiki masalah pertama.
Mendaftar Tidak Sama dengan Setia
Program loyalitas menghadirkan contoh lain dari masalah yang sama. Jika keberhasilan diukur dari bertambahnya jumlah pendaftar, sistem mungkin belajar menarik peserta dengan diskon. Jumlah pendaftar meningkat. Namun, apakah pelanggan tersebut akan kembali tanpa diskon berikutnya adalah pertanyaan lain.
Pertanyaan yang lebih berguna membutuhkan waktu lebih lama untuk dijawab. Apakah para anggota kembali berbelanja? Apakah belanja mereka tetap menguntungkan setelah biaya insentif diperhitungkan? Apakah program tersebut mengubah perilaku mereka, atau sekadar memberi imbalan atas pembelian yang memang akan mereka lakukan?
Untuk menjawab pertanyaan-pertanyaan tersebut, aktivitas loyalitas perlu dihubungkan dengan riwayat pembelian dan layanan pelanggan dari waktu ke waktu. Selain itu, diperlukan pembanding untuk memisahkan dampak program dari perilaku yang kemungkinan besar memang sudah akan terjadi. Jumlah anggota yang lebih besar saja tidak dapat menjawabnya.
Pengawasan Manusia Harus Mengubah Keputusan
Manusia bertanggung jawab menentukan hal yang harus dioptimalkan oleh sistem. Retensi pelanggan, margin, dan upaya yang perlu dikeluarkan pelanggan melibatkan kompromi yang harus menjadi tanggung jawab pimpinan. Model dapat membantu mengevaluasi kompromi tersebut. Namun, model tidak dapat bertanggung jawab atas pilihan yang diambil.
Hal yang sama berlaku untuk batasan tindakan. Pertanyaan awal yang berguna adalah: seberapa sulit tindakan ini dibatalkan? Menahan pesan promosi untuk ditinjau memiliki konsekuensi yang berbeda dari mengubah harga, memberikan kredit, atau membatalkan reservasi. Konsekuensinya, izin pelanggan, dan keandalan konteks yang tersedia harus menentukan tindakan mana yang dapat dijalankan secara otomatis dan mana yang memerlukan persetujuan.
Permohonan pengembalian dana yang masih diproses tidak perlu selalu menjadi tugas peninjauan manual. Jika kebijakannya jelas, aturan dapat menahan promosi sementara komunikasi layanan tetap berjalan. Peninjauan oleh manusia diperlukan ketika konteksnya ambigu, aturan saling bertentangan, atau konsekuensinya melampaui kewenangan sistem. Jika informasi yang dibutuhkan untuk membuat pembedaan itu tidak tersedia, sistem perlu memiliki langkah alternatif yang telah ditetapkan, bukan diberi izin untuk menebak.
Peninjau juga membutuhkan lebih dari sekadar skor keyakinan. Mereka perlu mengetahui catatan pelanggan mana yang menjadi dasar rekomendasi, seberapa mutakhir catatan tersebut, apa yang ingin dicapai sistem, dan batasan apa yang berlaku. Rekomendasi yang disampaikan dengan yakin tetapi didasarkan pada catatan yang sudah usang atau tidak sesuai tetap merupakan rekomendasi yang buruk.
Keputusan untuk mengesampingkan sistem seharusnya menjadi bukti. Jika orang berulang kali menghentikan jenis promosi yang sama, catat alasannya. Pola itu mungkin mengungkap kurangnya data layanan, masalah identitas, atau sasaran yang justru mendorong perilaku yang keliru. Memperbaiki pola tersebut lebih bermanfaat daripada meminta seseorang terus-menerus menangkap kesalahan yang sama.
Ukur Manfaat Menahan Promosi
Tim dapat memulai dengan satu keputusan, alih-alih mencoba merancang ulang setiap interaksi dengan pelanggan sekaligus. Ambil satu pengiriman pesan promosi, identifikasi konteks yang dibutuhkan, lalu tetapkan kondisi yang mengharuskan pengiriman itu ditahan. Jangan masukkan pesan layanan yang diperlukan ke dalam aturan penahanan tersebut.
Selanjutnya, uji apakah perubahan itu bermanfaat. Untuk pesan promosi yang memenuhi syarat, bandingkan pendekatan yang digunakan saat ini dengan kebijakan yang menahan pengiriman dalam kondisi yang telah ditetapkan. Pantau pembelian berulang, retensi, keluhan, dan margin selama periode yang sesuai dengan siklus pembelian. Jumlah pengiriman dan klik tetap membantu menjelaskan apa yang terjadi, tetapi keduanya tidak seharusnya menjadi tolok ukur akhir.
Pengujian mungkin menunjukkan bahwa mengurangi promosi melindungi hubungan dengan pelanggan. Hasilnya juga mungkin menunjukkan bahwa pembatasan tertentu terlalu luas. Keduanya merupakan temuan yang berguna. Keputusan untuk tidak mengirim pesan juga tidak boleh luput dari evaluasi, sama seperti keputusan untuk mengirim. Konsekuensi dari kedua keputusan tersebut dapat diukur.
Semua ini tidak menghilangkan kebutuhan akan pekerjaan rekayasa. Catatan pelanggan harus dapat dicocokkan dengan orang yang tepat. Peristiwa terbaru harus sampai ke proses pengambilan keputusan tepat waktu agar dapat berpengaruh. Izin harus membatasi tindakan, dan tim perlu memiliki catatan tentang apa yang terjadi dan alasannya. Sasaran yang lebih baik tidak dapat menggantikan konteks yang hilang, sebagaimana konteks yang lebih baik tidak dapat memperbaiki sasaran yang keliru.
Bangun Sistem yang Mengutamakan Hubungan
Pertanyaan bagi para pemimpin cukup sederhana: apa yang dianggap sistem Anda sebagai keputusan yang baik? Jika jawabannya adalah klik, sistem itu mungkin menjalankan tugasnya, tetapi sekaligus memperburuk pengalaman pelanggan.
Konteks pelanggan yang tepercaya memberi manusia dan AI landasan yang lebih andal untuk menentukan tindakan. Sasaran dan kendali yang jelas menentukan bagaimana pemahaman tersebut digunakan. Hasilnya seharusnya berupa sistem yang dapat menjelaskan mengapa suatu pesan bermanfaat saat ini, mengenali kapan pesan itu tidak bermanfaat, dan belajar dari apa yang terjadi selanjutnya.
Terkadang, keputusan paling cerdas yang dapat diambil sistem AI adalah tidak mengirim apa pun.












