Pakai Logika Prompt Berburu Diskon Buat Riset Harga Kompetitor Otomatis dengan AI

Cara praktis riset harga kompetitor pakai AI adalah meminjam struktur prompt berburu diskon: sebut target spesifik, minta perbandingan dari sumber yang jelas, lalu minta pola waktunya. Bedanya, hasilnya kamu simpan sebagai catatan berkala, lalu dipakai untuk keputusan harga dan nego supplier.

Bagian dari playbook: Playbook Prompt ChatGPT

Intinya:

• Prompt berburu diskon punya struktur yang rapi: target, sumber, perbandingan, pola waktu, dan aksi.
• Sekali cek harga kompetitor hanya memberi satu potret, sedangkan catatan rutin memperlihatkan pola promo mereka.
• AI kuat merapikan dan membandingkan data yang kamu berikan, dan lemah saat diminta menebak harga terkini dari ingatannya.

Dua orang, satu struktur prompt yang sama

Coba kamu bayangin dua situasi.

Situasi pertama: seseorang mau beli blender. Dia buka ChatGPT dan menulis, “Bandingkan harga blender merek ini di tiga marketplace, cari voucher yang masih berlaku, dan kasih tahu kapan biasanya ada promo besar.”

Situasi kedua: kamu jualan skincare lokal di marketplace. Tiga kompetitor terdekatmu sering pasang harga coret. Kamu bingung, mau ikut turun harga atau tahan.

Misalnya kamu pakai struktur prompt yang sama persis dengan si pembeli blender. Targetnya kamu ganti jadi tiga produk kompetitor. Sumbernya halaman toko mereka. Pertanyaan “kapan ada promo” diganti jadi “seperti apa pola promo mereka dari waktu ke waktu”. Aksinya diganti dari “beli di mana” jadi “keputusan harga apa yang masuk akal untuk saya”.

Nah, kerangkanya hampir sama. Yang berubah hanya framing-nya. Pembeli mencari potongan untuk dirinya sendiri. Kamu mencari sinyal tentang strategi orang lain.

Kenapa logika prompt berburu diskon cocok buat riset harga kompetitor pakai AI?

Prompt berburu diskon efektif karena dia memaksa keinginan yang kabur jadi pertanyaan spesifik. “Mau beli yang murah” berubah jadi daftar yang jelas: produk apa, di toko mana, dibandingkan dengan apa, dan kapan.

Baca jugaPrompt & ChatGPTKenapa Hasil AI Beda-beda Padahal Pakai Prompt yang Hampir Sama

Lima komponen yang bisa kamu pinjam

Prompt riset harga kompetitor adalah instruksi terstruktur ke AI untuk mengumpulkan, membandingkan, dan menafsirkan harga serta promo kompetitor dari sumber yang bisa kamu cek ulang. Atributnya ada lima:

1. Target spesifik. Nama kompetitor, nama produk, varian, dan ukuran. Produk ukuran kecil dan ukuran besar harus dicatat terpisah.
2. Sumber yang jelas. Halaman toko, katalog publik, atau salinan halaman yang kamu tempel sendiri.
3. Format pembanding. Harga normal, harga coret, harga setelah voucher, bonus, dan ongkir.
4. Dimensi waktu. Setiap pengecekan diberi tanggal, karena pola hanya terlihat dari beberapa titik waktu.
5. Aksi yang diminta. Rangkuman, pertanyaan lanjutan, atau draft keputusan.

Kenapa hasilnya sering ngaco kalau AI disuruh cari sendiri?

Model AI tanpa akses browsing menjawab dari data latihannya. Harga di data itu bisa sudah usang, atau malah dikarang supaya jawabannya terdengar lengkap. Ini jebakan paling umum.

Model dengan akses web memang lebih membantu. Tetap saja, dia bisa salah baca halaman, ketuker varian, atau melewatkan voucher yang baru muncul setelah login. Karena itu aturannya sederhana: AI merapikan, kamu memverifikasi.

Kalau kamu ingin mengotomatiskan pengecekan halaman, pelajari dulu cara kerja AI agent browser untuk memantau kompetitor beserta batasannya. AI agent browser adalah AI yang bisa membuka dan membaca halaman web atas instruksimu, jadi dia berperan sebagai pengumpul data untuk prompt riset harga.

Diskon kompetitor sebenarnya bercerita tentang kondisi bisnis mereka

Ini bagian yang sering dilewatkan. Pembeli melihat diskon sebagai kesempatan. Pebisnis bisa membaca diskon sebagai sinyal.

Pola diskon musiman adalah kebiasaan kompetitor menurunkan harga atau menambah bonus pada periode yang berulang, misalnya menjelang gajian, Ramadan, atau akhir tahun. Beberapa cara membacanya:

• Diskon yang muncul rutin di periode sama biasanya bagian dari kalender promo yang memang direncanakan.
• Diskon dalam yang tiba-tiba dan bertahan lama bisa menandakan stok menumpuk atau kebutuhan cash flow.
• Harga coret yang tidak pernah berubah biasanya berfungsi sebagai price anchor.
• Bundling yang makin sering bisa berarti mereka menjaga harga satuan sambil tetap memberi nilai tambah.

Price anchoring adalah teknik menampilkan harga pembanding yang lebih tinggi supaya harga jual terasa lebih ringan. Kalau harga coret kompetitor selalu sama, kamu tahu angka itu berfungsi sebagai pembanding visual, dan harga yang benar-benar dibayar pembeli adalah harga setelah coret.

AI membantu di sini karena dia cepat mengelompokkan catatan mentah jadi pola. Kesimpulan seperti “mereka lagi kelebihan stok” tetap berstatus dugaan sampai ada sinyal lain yang mendukung.

Dari riset harga ke draft nego supplier

Pemburu diskon sering bertanya, “Ada alternatif yang lebih murah?” Logika yang sama bisa kamu arahkan ke sisi pembelian bahan atau barang dagangan.

Draft nego supplier adalah pesan negosiasi yang disusun dari data pembanding, pola belanja, dan tawaran timbal balik, supaya permintaanmu terdengar masuk akal bagi supplier. Contoh prompt-nya:

Saya pemilik usaha [jenis usaha] yang rutin membeli [bahan] dari supplier yang sama. Berikut catatan harga pembanding dari beberapa supplier lain dan pola belanja saya per bulan: [tempel data]. Susun draft pesan WhatsApp yang sopan untuk minta penyesuaian harga atau termin pembayaran. Tawarkan dua opsi timbal balik dari sisi saya, misalnya komitmen volume atau pembayaran lebih cepat. Hindari nada mengancam pindah supplier.

Mekanismenya sederhana. Permintaan yang punya dasar data dan menawarkan sesuatu balik lebih mudah dipertimbangkan daripada sekadar minta murah. Supplier juga punya kepentingan, dan prompt ini memaksamu memikirkan kepentingan mereka.

Kenapa ini penting buat pebisnis dengan tim tipis

Di bisnis kecil, riset harga biasanya dikerjakan pemiliknya sendiri, di sela packing dan balas chat. Akibatnya riset baru dilakukan saat panik, misalnya ketika penjualan turun.

Riset dalam kondisi panik cenderung melahirkan keputusan reaktif, yaitu ikut banting harga. Dengan catatan berkala, kamu bisa melihat bahwa kompetitor memang selalu diskon di periode tertentu, lalu kembali ke harga normal. Keputusanmu jadi lebih tenang.

Misalnya kamu cukup memantau lima produk kompetitor, dicek seminggu sekali selama dua bulan. Data ini masih terbatas. Meski begitu, beberapa titik data sudah memperlihatkan arah yang tidak kelihatan dari satu potret.

Riset harga juga sebaiknya dibaca bersama penawaran di sekitarnya. Kalau kamu belum memetakan pesan dan positioning kompetitor, mulai dari riset kompetitor pakai AI sebelum keluar budget iklan.

Jebakannya: kapan cara ini tidak berlaku

• Harga kompetitor tidak publik. Bisnis jasa, B2B, atau harga yang hanya diberikan lewat DM sulit dipantau dengan cara ini. Jalur yang lebih cocok adalah riset langsung ke calon pembeli.
• Produkmu tidak sebanding. Kalau kualitas, layanan, atau segmenmu beda jauh, membandingkan harga apa adanya bisa menyesatkan.
• Data dipakai sebagai alasan perang harga. Data kompetitor memperjelas posisimu, sedangkan margin tetap ditentukan biaya dan nilai produkmu sendiri.
• Aturan platform. Scraping otomatis bisa melanggar ketentuan layanan marketplace. Pengecekan manual atau salin-tempel halaman publik lebih aman.
• Lupa verifikasi. Angka karangan AI yang dipakai untuk menetapkan harga adalah risiko paling mahal di seluruh proses ini.

Langkah yang bisa kamu mulai minggu ini

1. Pilih tiga sampai lima produk kompetitor yang paling sering dibandingkan pembeli dengan produkmu.
2. Buat spreadsheet sederhana dengan kolom tanggal cek, kompetitor, produk, varian, harga normal, harga coret, voucher, bonus, dan catatan.
3. Cek halaman mereka secara manual, tempel isinya ke AI, lalu minta dia merapikannya ke format kolom tadi.
4. Ulangi di hari yang sama setiap minggu supaya titik datanya konsisten.
5. Setelah beberapa minggu, jalankan prompt analisis di bawah ini.
6. Tandai setiap kesimpulan AI sebagai “terlihat di data” atau “dugaan”, lalu cek ulang dugaan sebelum dipakai.

Berikut catatan harga kompetitor saya dari beberapa kali pengecekan: [tempel data]. Kelompokkan pola diskon tiap kompetitor berdasarkan waktu, besar potongan, dan bentuk promo. Pisahkan mana yang terlihat langsung dari data dan mana yang dugaan. Jangan menambah harga atau tanggal yang tidak ada di data. Akhiri dengan tiga pertanyaan yang perlu saya jawab sebelum mengubah harga.

Pemburu diskon memakai logika ini untuk menghemat satu kali belanja. Kamu bisa memakainya untuk memahami cara pasar bergerak, pelan-pelan, minggu demi minggu. Struktur prompt-nya sederhana. Nilainya datang dari kebiasaan mencatat dan kedisiplinan memisahkan data dari dugaan.

Kalau kamu ingin dapat cara kerja AI praktis seperti ini secara rutin, kamu bisa bergabung di newsletter saya.

Kalau kamu mau mendalami cara kerja bareng Claude dan AI assistant dari nol, lihat Claude Mastery.