Pemimpin pemikiran

Mengapa Kepercayaan Konsumen Akan Menentukan Pemenang di Agentic Commerce

Nate Barad
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Poin utamaKonsumen mempercayai AI untuk pemesanan ulang berisiko rendah, tetapi hanya 8% yang…
Lihat selengkapnya
  • Konsumen mempercayai AI untuk pemesanan ulang berisiko rendah, tetapi hanya 8% yang mempercayainya untuk pembelian di atas $250.
  • Perdagangan agen berisiko mengikis kepercayaan ketika sistem AI terasa seperti pengawasan pasif, bukan bantuan yang berguna.
  • Perusahaan yang menang akan mempertahankan kendali konsumen melalui pengawasan sederhana dan izin yang fleksibel.

Perdagangan elektronik memasuki fase baru: konsumen tidak lagi sekadar mencari produk dengan bantuan AI, tetapi mulai mempercayainya untuk memberikan saran, melakukan riset, bahkan mengambil keputusan yang didelegasikan kepada mesin. AI telah berkembang melampaui rekomendasi, hingga dapat menelusuri penawaran, membandingkan, memilih, dan bahkan membeli produk atas nama konsumen.

Agentic commerce menjanjikan kenyamanan maksimal dan hambatan minimal. Namun, imbal balik yang diminta jauh lebih mendasar: akses dan kepercayaan pada tingkat yang secara historis enggan diberikan orang. Konsumen semakin sering mencoba bantuan AI untuk membeli barang murah atau mengulang pesanan, tetapi masih ragu mempercayainya sepenuhnya untuk benar-benar berbelanja bagi mereka atau menggantikan mereka. Perbedaan inilah yang menentukan era berikutnya dalam agentic commerce: tingkat kepercayaan untuk menemukan produk dan berbelanja dibandingkan dengan membeli produk yang sudah dikenal.

Perusahaan yang berhasil dalam agentic commerce adalah yang mempertahankan rasa kendali konsumen sekaligus menawarkan kecepatan dan kemudahan.

Masalah Kepercayaan di Balik Agentic Commerce

Salah satu kekhawatiran terbesar tentang agen belanja AI adalah seberapa dalam pemahaman perilaku yang dapat dikumpulkan sistem ini. Mereka tidak hanya melacak apa yang Anda beli, tetapi juga mempelajari cara Anda mengambil keputusan.

Seiring waktu, sistem AI dapat menangkap keraguan, sensitivitas harga, loyalitas merek, bahkan petunjuk halus tentang suasana hati atau niat. Ini menghasilkan profil pribadi yang jauh lebih luas dan mengungkapkan lebih banyak daripada sekadar riwayat pembelian. Konsumen pada umumnya mungkin tidak mengetahui keberadaan profil tersebut dan dapat merasa privasinya dimasuki.

Masalahnya semakin rumit karena sistem berbasis agen bergantung pada kumpulan data yang semakin terpusat agar dapat bekerja efektif. Agar berguna, agen AI sering memerlukan akses ke metode pembayaran, lokasi, kalender, email, serta preferensi dalam berbagai kategori. Gabungan ini membentuk pemahaman tentang kebutuhan pembeli pada saat itu juga, dengan pengaruh interaksi sebelumnya. Kemampuan barunya terletak pada percakapan dan pertanyaan yang menghasilkan pemahaman seketika yang jauh melampaui apa yang dahulu dapat disimpulkan dari klik dan pembelian sebelumnya. Namun, peluang munculnya hasil buruk juga sama besarnya. Semakin mampu sistem tersebut, semakin banyak data yang dibutuhkan dan semakin besar taruhannya jika terjadi kesalahan.

Kekhawatiran lain adalah peralihan ke sistem yang selalu hadir dan terus belajar. Agen-agen ini bekerja paling baik ketika menyatu dengan lingkungan, terus mengamati orang tersebut dan memperbarui informasi tentangnya di latar belakang. Ini menimbulkan pertanyaan yang sudah dikenal: seberapa banyak yang dipantau, dan kapan kesadaran yang membantu mulai terasa seperti pengawasan pasif? Seberapa sering kita mengutarakan pikiran dengan suara lantang tentang sesuatu, lalu saluran sosial dan iklan di perangkat kita segera merespons dengan konten serta produk terkait “pikiran” itu? Bagi kebanyakan dari kita, hal ini kini sudah biasa.

Ketika Personalisasi Mulai Terasa seperti Pengaruh

Risiko yang lebih halus juga muncul terkait pengaruh. Ketika AI memahami kebiasaan konsumen dan diberi wewenang bertindak atas nama mereka, AI dapat membentuk hasil pembelian dengan cara yang tidak langsung terlihat.

Agen AI mungkin memprioritaskan produk dengan margin laba lebih tinggi, mengarahkan ke merek tertentu dan mitra ritel yang diutamakan, atau memanfaatkan pola perilaku yang sudah diketahui. Hal ini tidak memerlukan niat jahat untuk terasa tidak nyaman. Ini hanyalah kesimpulan berdasarkan perilaku pembeli sebelumnya. Karena itulah pemahaman seketika sangat penting, dan gabungan interaksi saat mencari produk menjadi cara paling efektif untuk menemukan pilihan terbaik. Pemesanan ulang adalah pembelian yang relatif dapat diprediksi. Namun, menganggap seseorang yang membeli mentega kelas atas pasti menginginkan kopi kelas atas adalah contoh kesalahan. Di sinilah ajakan atau pertanyaan dalam pengalaman belanja dapat menyelamatkan situasi. Pertanyaan sederhana melalui agen memberi kesempatan menunjukkan kepedulian dan menawarkan hanya dua pilihan. Agen juga dapat meminta jawaban “ya” atau “tidak” singkat sebelum menambahkan produk ke keranjang. Dengan pendekatan ini, kita menghindari sikap memaksa atau menggiring secara halus dan segera memberikan apa yang diinginkan pembeli.

Batas antara membantu dan menggiring secara halus bisa sulit terlihat. Konsumen sudah menyadari bahwa algoritma media sosial menyajikan konten yang sangat terkonsentrasi untuk memenuhi minat yang diasumsikan. Intensitasnya dapat membuat konsumen merasa hidup dalam gelembung buatan. Batas itu semakin sulit dikenali ketika rekomendasi berubah menjadi keputusan otomatis. Karena itu, kepercayaan dalam agentic commerce akan lebih sedikit bergantung pada kecanggihan AI itu sendiri, dan lebih banyak pada apakah konsumen merasa tetap mengendalikan pengalaman tersebut.

Konsumen Menginginkan Bantuan DAN Kontrol

Meskipun ada kekhawatiran ini, konsumen menunjukkan kesediaan menerima beberapa kompromi untuk memperoleh manfaat bantuan berbasis AI. Menurut survei Algolia baru-baru ini, 61% konsumen mengatakan bahwa adopsi AI yang lebih luas akan menciptakan pengalaman belanja yang lebih baik.

Banyak orang akan membagikan sebagian data pribadi sebagai imbalan atas manfaat yang jelas dan langsung, seperti menghemat waktu atau memperoleh penawaran lebih baik. Mereka juga nyaman mendelegasikan keputusan rutin dengan konsekuensi kecil, seperti memesan ulang barang rumah tangga atau membandingkan pilihan perjalanan. Jika hasilnya secara konsisten terasa berguna, orang sering bersedia menerima sedikit ketidakjelasan tentang bagaimana keputusan dibuat.

Alih-alih menolak teknologi sepenuhnya, perlu ada batasan. Kepercayaan mulai terkikis ketika kendali atas keuangan terasa terancam, terutama jika pembelian terjadi secara tidak terduga atau tidak sesuai niat konsumen. Orang juga bereaksi keras ketika sistem mulai menyimpulkan hal-hal sensitif tentang kesehatan, hubungan, atau tekanan keuangan tanpa informasi yang diberikan secara eksplisit. Di situlah yang “membantu” mulai melewati batas menjadi “mencampuri”.

Transparansi juga menjadi penting ketika sistem AI semakin otonom. Jika pengguna tidak mudah memahami mengapa suatu keputusan diambil, kepercayaan turun dengan cepat. Ini lebih penting lagi ketika uang terlibat. Satu dari lima konsumen, atau 20%, akan mempercayai AI untuk pembelian senilai 50 dolar atau kurang tanpa peninjauan, tetapi hanya 8% mengatakan akan mempercayainya untuk pembelian di atas 250 dolar. Kesalahan umumnya ditoleransi, tetapi hanya jika mudah dibatalkan. Kesalahan yang tidak dapat dibatalkan atau sulit diperbaiki menimbulkan frustrasi dan merusak kepercayaan. Konsumen juga memiliki sedikit toleransi terhadap penggunaan ulang data pribadi di luar konteks awal saat dibagikan, terutama ketika data itu dijual atau digunakan untuk iklan.

Pada akhirnya, ketegangannya bukan sekadar antara privasi dan kenyamanan, melainkan antara kendali dan delegasi. Orang bersedia menyerahkan tugas, tetapi tidak kemampuan untuk bertindak dan menentukan pilihan, ataupun keinginan utama mereka untuk dipahami. Inilah inti pengalaman pelanggan. Ketika sistem terasa bekerja bersama mereka, pengalaman itu memperkuat kendali mereka. Ketika sistem terasa menggantikan mereka, nilainya segera menyusut.

Perusahaan yang berhasil di bidang ini membuat pengawasan sederhana dan terlihat, menawarkan izin yang jelas dan fleksibel, serta membangun kepercayaan melalui perilaku yang konsisten dan dapat diprediksi. Jika dilakukan dengan baik, orang tidak merasa melepaskan privasi. Mereka merasa mendapat kekuatan super baru, trik praktis untuk hidup sehari-hari, atau kode curang, yang menjadi bagian dari cara mereka memandang merek Anda.

Nate Barad adalah Wakil Presiden Pemasaran Produk di Algolia dengan pengalaman luas dalam mengarahkan inisiatif produk strategis dan menghadirkan kampanye pemasaran yang berdampak. Nate bertanggung jawab untuk memimpin strategi pemasaran produk global perusahaan dan mengawasi pengembangan dan eksekusi rencana go-to-market yang komprehensif, memastikan keselarasan kolaboratif antara tim produk, pemasaran, dan penjualan. Sebelum bergabung dengan Algolia, Nate memimpin pengembangan langsung transformasi digital untuk merek seperti Major League Baseball dan ING. Belakangan ini, dia telah memegang peran pemasaran produk senior di Workhuman dan Optimizely. Nate memegang gelar Sarjana Sains dalam Ilmu Komputer dari Trinity College, Connecticut.