Kenapa Saran Strategi AI Terasa Generik Sebelum Diberi Data Keuangan Asli Bisnis

Saran strategi dari AI terasa generik karena AI hanya bisa menimbang pilihan sebaik angka yang kamu kasih. Kalau AI tidak tahu revenue, margin, churn dan pola pembelian kamu yang sebenarnya, jawabannya akan cocok untuk “bisnis rata-rata” di kategori kamu, padahal bisnis kamu jarang persis rata-rata.

Bagian dari playbook: Playbook Bisnis dan Produk Digital

Intinya:

• Deskripsi bisnis membuat AI menebak kategori, sedangkan angka keuangan menunjukkan di mana bisnis kamu menyimpang dari kategori itu.
• Strategi adalah urusan memilih prioritas, dan prioritas hanya bisa diurutkan kalau ada angka pembanding.
• Lima angka dasar, yaitu revenue per produk, margin, churn atau refund, pembelian ulang dan biaya akuisisi, memberi AI bahan untuk menimbang trade-off bisnis kamu sendiri.

Dua pertanyaan yang sama, dua jawaban yang beda kelas

Coba kamu bayangin dua pemilik produk digital. Keduanya jual ebook dan kelas online seputar parenting. Keduanya bertanya ke AI: “Gimana cara naikin omzet tahun depan?”

Pemilik pertama menulis deskripsi bisnis yang rapi. Target pasarnya ibu muda, brand voice-nya hangat, dan jualannya lewat Instagram dan WhatsApp. Jawaban AI terdengar meyakinkan: bangun email list, bikin produk upsell, perbanyak konten edukasi, tes iklan dengan beberapa angle.

Semua saran itu masuk akal. Masalahnya, saran yang sama juga cocok untuk ribuan bisnis lain. Coba ganti kata “parenting” dengan “fotografi”, jawabannya tetap jalan.

Pemilik kedua melampirkan rekap order enam bulan. Isinya penjualan per produk, jumlah refund, pembeli yang beli lagi, dan biaya iklan per bulan. Misalnya dari data itu terlihat sebagian besar omzet datang dari satu ebook murah. Pembeli kelas online juga jarang kembali membeli.

Nah, sekarang AI punya sesuatu untuk dikerjakan. AI bisa bertanya apakah kelas online perlu dibenahi dulu sebelum dipromosikan lebih keras. AI bisa menyarankan jalur dari ebook ke produk berikutnya, karena di situ arus pembeli terbesar. Saran upsell yang tadinya umum berubah jadi keputusan yang punya alasan.

AI-nya sama. Bedanya ada di bahan.

Kenapa saran strategi dari AI terasa generik?

Deskripsi bisnis membuat AI menjawab untuk kategori

Model AI belajar dari teks dalam jumlah sangat besar, termasuk banyak sekali tulisan tentang saran bisnis. Saat kamu cuma memberi deskripsi, AI mencocokkan bisnis kamu ke kategori yang mirip. Lalu AI memberi saran yang paling sering benar untuk kategori itu.

Makanya jawabannya terasa seperti template konsultan. Secara rata-rata sarannya benar. Masalahnya, keputusan kamu berlaku untuk satu bisnis dengan kondisi kas, produk dan pembeli tertentu.

Konteks seperti target pasar dan gaya bahasa brand yang kamu tulis untuk AI tetap berguna untuk membentuk nada jawaban. Untuk saran strategi, AI butuh lapisan berikutnya, yaitu angka.

Strategi adalah memilih, dan memilih butuh angka pembanding

Strategi adalah keputusan tentang apa yang dikerjakan duluan dan apa yang ditunda, dengan sumber daya terbatas. Kata kuncinya “ditunda”. Tanpa angka, AI tidak punya dasar untuk bilang satu opsi lebih penting dari opsi lain.

Hasilnya daftar panjang saran yang semuanya terlihat setara. Kamu yang akhirnya bingung mau mulai dari mana.

Contohnya begini. “Perbanyak traffic” dan “kurangi refund” sama-sama saran bagus. Kalau refund kamu tinggi, menambah traffic justru memperbesar kebocoran. Kalau refund rendah dan margin sehat, traffic mungkin memang jalan paling masuk akal. Yang bisa memutus dilema ini cuma angka.

Tanpa angka, AI cenderung ikut cerita kamu

Saat kamu menulis “masalah saya ada di traffic”, AI cenderung bekerja di dalam framing itu. AI jarang punya alasan untuk membantah, karena satu-satunya data yang dipegang adalah cerita kamu.

Angka memberi AI pijakan untuk bilang, “Sebentar, datanya menunjukkan hal lain.” Ini penting, saya ulang ya. Angka membuat AI bisa tidak setuju dengan kamu, dan di situlah saran strategi mulai berguna.

Angka keuangan apa yang perlu kamu kasih ke AI?

Konteks finansial untuk AI adalah kumpulan angka riil bisnis, dengan periode waktu yang jelas, yang kamu berikan sebelum meminta saran strategi. Atributnya ada lima:

• Revenue per produk dan per periode. Total omzet saja kurang membantu. AI perlu tahu produk mana yang menyumbang, dan bagaimana trennya dari bulan ke bulan.
• Margin kontribusi. Margin kontribusi adalah sisa uang dari tiap penjualan setelah dikurangi biaya yang langsung melekat, seperti biaya iklan, fee pembayaran dan komisi afiliasi. Produk digital sering terlihat sangat untung sampai biaya iklan ikut dihitung.
• Churn atau refund. Churn adalah persentase pelanggan berlangganan yang berhenti dalam satu periode. Untuk produk sekali beli, padanannya adalah refund dan pembeli yang tidak pernah memakai produknya.
• MRR atau pembelian ulang. MRR (monthly recurring revenue) adalah pendapatan berulang bulanan dari langganan. Kalau kamu jual produk sekali beli, ganti dengan jumlah pembeli yang kembali membeli produk lain.
• Biaya akuisisi per pembeli. Hitungannya total biaya iklan dan promosi dibagi jumlah pembeli baru di periode yang sama.

Gabungan angka ini membentuk unit economics. Unit economics adalah hitungan untung-rugi per satu pembeli: biaya mendapatkannya, uang yang dibayarkan, dan berapa lama pembeli itu bertahan. Begitu AI melihat unit economics kamu, saran seperti “scale iklan” bisa diuji, masuk akal atau malah membakar kas.

Soal cara memberikannya, kamu bisa menempel ringkasan angka di chat atau melampirkan file. Claude, misalnya, menerima file CSV dan XLSX menurut halaman bantuan Claude tentang upload file. Untuk XLSX, fitur code execution dan file creation perlu diaktifkan di akun.

Kenapa ini penting kalau tim kamu tipis

Banyak pebisnis produk digital di Indonesia menjalankan semuanya sendiri atau dengan tim kecil. Waktu terbatas, budget iklan terbatas. Satu prioritas yang salah bisa menghabiskan berbulan-bulan kerja.

Saran generik itu mahal justru karena terdengar benar. Kamu mengeksekusinya dengan semangat. Baru belakangan kamu sadar sumber masalahnya ada di tempat lain.

Kabar baiknya, bisnis kecil biasanya punya data yang sederhana. Rekap dari dashboard pembayaran, marketplace atau spreadsheet order sudah cukup jadi bahan awal. Kalau data pembeli kamu masih tercecer di DM dan platform iklan, mulai kumpulkan data pelanggan di tempat yang kamu pegang sendiri. Itu prasyarat sebelum AI bisa membaca pola apa pun.

Jebakannya: kapan data keuangan tidak banyak menolong

Data keuangan membuat saran AI lebih tajam, tapi ada batasnya. Perhatikan beberapa jebakan ini:

• Data masih terlalu sedikit. Kalau pembeli kamu baru segelintir, pola yang ditemukan AI bisa sekadar kebetulan. Minta AI menyebut seberapa yakin dia, dan data apa yang perlu ditunggu.
• Data kotor. Transaksi tes ikut terhitung, refund tidak dicatat, kolom bercampur. AI akan menganalisis kekacauan itu dengan percaya diri. Rapikan dulu sebelum upload.
• Hitungan AI perlu dicek. Cocokkan total hasil AI dengan dashboard asli. Minta AI menunjukkan langkah atau rumus hitungnya.
• Data pribadi pelanggan. Hapus nama, nomor WhatsApp dan alamat email pembeli sebelum upload. Untuk analisis strategi, angka agregat atau ID anonim sudah cukup.
• Angka menjawab “apa”, belum “kenapa”. Data bisa menunjukkan pembeli kelas jarang kembali. Alasannya tetap perlu kamu cari dengan ngobrol langsung ke pembeli.
• Bisnis yang benar-benar baru. Kalau belum ada penjualan, tulis asumsi secara eksplisit. Beri label “asumsi” supaya AI tidak memperlakukannya sebagai fakta.

Satu lagi. AI yang memegang angka adalah lawan diskusi yang lebih tajam, dan keputusan akhir tetap di tangan kamu. Kalau semua pertimbangan kamu serahkan begitu saja, insting bisnis kamu pelan-pelan bisa tumpul.

Langkah minggu ini: siapkan satu halaman angka

Kamu tidak perlu sistem rumit untuk mulai. Cukup satu halaman angka yang jujur.

1. Tarik rekap beberapa bulan terakhir. Misalnya tiga sampai enam bulan, supaya tren terlihat.
2. Hitung lima angka dasar per produk. Revenue, margin kontribusi, refund atau churn, pembelian ulang, biaya akuisisi.
3. Tulis catatan kejadian. Kapan harga naik, kapan launching, kapan iklan berhenti. Tanpa catatan ini, AI bisa salah membaca lonjakan atau penurunan.
4. Tulis dua atau tiga opsi yang sedang kamu timbang. AI paling berguna saat diminta membandingkan opsi nyata.
5. Pakai prompt yang meminta urutan dan alasan. Contohnya:

Ini data penjualan beberapa bulan terakhir bisnis saya, plus tiga opsi yang sedang saya timbang. Urutkan opsi itu berdasarkan data. Sebutkan angka yang mendukung tiap urutan, asumsi yang kamu pakai, dan data yang masih kurang. Kalau datanya menunjukkan masalah utama saya ada di tempat lain, bilang terus terang.

6. Lakukan tes ganti nama. Baca saran AI, lalu bayangkan nama bisnis kamu diganti bisnis lain. Kalau sarannya tetap masuk akal, berarti jawabannya masih generik dan angkanya belum terpakai.

Kualitas saran strategi dari AI naik turun mengikuti kejujuran angka yang kamu kasih. Mulai dari satu halaman angka minggu ini, lalu lihat seberapa beda percakapannya.

Kalau kamu ingin dibantu membaca angka bisnis dan menyusun strategi AI yang pas untuk kondisi kamu, kita bisa ngobrol lewat sesi konsultasi.