Skip to main content

Best Practices Chat AI

Panduan ini merangkum praktik terbaik dari pengalaman pengguna Chat AI DripSender di berbagai jenis bisnis.

1. Training Data

✅ Lakukan Ini

Training data yang terstruktur membuat AI lebih mudah menavigasi informasi:
# PRODUK
## Produk A
- Harga: Rp X
- Fitur: ...

## Produk B
- Harga: Rp Y
- Fitur: ...

# KEBIJAKAN
## Pengiriman
...
Gunakan pertanyaan persis seperti yang sering ditanyakan pelanggan:
Q: Ongkir ke Makassar berapa?
A: Ongkos kirim ke Makassar tergantung kurir dan berat produk. Untuk perkiraan, order lewat chat ini dan sistem akan menghitung otomatis.

Q: Apakah COD tersedia?
A: Saat ini kami belum melayani COD. Tersedia transfer bank dan QRIS.
Jadwalkan review bulanan untuk memastikan:
  • Harga masih akurat
  • Produk baru sudah ditambahkan
  • Promo yang sudah berakhir dihapus
  • Kebijakan masih relevan
# CONTOH PERCAKAPAN
Pelanggan: "Produk A vs B lebih bagus mana?"
Respons yang diharapkan: "Untuk kebutuhan [X], Produk A lebih cocok karena [alasan]. Untuk kebutuhan [Y], Produk B lebih baik karena [alasan]."
Upload PDF/DOCX untuk:
  • Manual produk yang panjang
  • Katalog dengan banyak produk
  • Dokumen SLA dan kebijakan detail
  • Brosur dengan spesifikasi teknis
File Training Data hanya tersedia di Engine V2. Wajib klik Reindex setelah upload.

❌ Hindari Ini

Yang BurukYang Baik
”Harga sekitar 100ribuan""Harga: Rp 95.000 – Rp 125.000”
Informasi yang kontradiktif di dua tempatSatu sumber kebenaran yang konsisten
Training data tanpa struktur (1 paragraf panjang)Dipecah per kategori dengan heading
Informasi sensitif internal (password, margin)Hanya informasi yang aman untuk pelanggan
Promo yang sudah berakhirUpdate setiap kali promo berubah

2. AI Behaviour

Prinsip Behaviour yang Efektif

1

Mulai dengan kepribadian yang spesifik

Buruk: “Jadilah ramah dan helpful”Baik: “Kamu adalah Rina, customer service dari [Brand]. Kamu selalu menyapa dengan hangat, patient dalam menjelaskan, dan fokus pada solusi.”
2

Tentukan gaya bahasa yang konkret

Buruk: “Gunakan bahasa yang sopan”Baik: “Gunakan bahasa Indonesia formal. Sapa dengan ‘Anda’. Boleh emoji maksimal 2 per pesan. Hindari kata singkatan (gak, udah, dll).”
3

Berikan instruksi untuk situasi edge case

Pikirkan situasi yang mungkin terjadi:
  • Pelanggan marah atau kasar
  • Pertanyaan di luar topik bisnis
  • Permintaan diskon
  • Keluhan serius
4

Test dengan berbagai skenario setelah diatur

Minimal test 5 skenario berbeda sebelum go live.

Template AI Behaviour per Jenis Bisnis

# KE_PRIBADIAN
Profesional, to-the-point, dan knowledge-driven.
Sapa dengan title formal.

# GAYA_BAHASA
Formal, minim emoji, gunakan bullet points untuk info kompleks.

# CARA_MERESPONS
Langsung ke inti, sertakan data/angka, tawarkan dokumentasi teknis.

3. Engine & Token

Kapan Gunakan Engine V1 vs V2?

KondisiRekomendasi
Budget token terbatasV2 (hemat 40% token)
Butuh File Training DataV2 (wajib)
Butuh Website SyncV2 (wajib)
Produk sedikit, pertanyaan simpelV1 OK
Percakapan kompleks, multi-topikV2 lebih baik

Optimalkan Penggunaan Token

Context Length

Set context length sesuai kebutuhan:
  • Support simpel: 5-8 pesan
  • Support kompleks: 10-15 pesan
  • Jangan set terlalu tinggi tanpa alasan

Response Length

Batasi response length:
  • WhatsApp: 500-1000 karakter
  • Detail produk: 1500-2000 karakter
  • Hindari 3000+ kecuali benar-benar perlu

Chatbot Limit

Set limit per kontak:
  • 30-50 respons/hari untuk bisnis normal
  • Cegah abuse dari satu nomor

Exclude List

Exclude nomor yang tidak perlu direspons AI:
  • Admin internal
  • Vendor/supplier
  • Nomor testing

4. Merchant Mode

Best Practices untuk Produk Fisik

Selalu isi berat produk dengan akurat (dalam gram, termasuk kemasan)
Set origin data ke kota yang tepat untuk akurasi kalkulasi ongkir
Pilih kurir yang benar-benar Anda gunakan (jangan pilih semua)
Update stok secara berkala agar AI tidak menerima order produk habis

Best Practices untuk Produk Digital

Set stok ke 9999 (atau angka besar) untuk produk unlimited
Pastikan mekanisme pengiriman link akses berjalan setelah konfirmasi payment
Sertakan instruksi “cara akses produk” di training data

5. Fallback & Handover

Strategi Handover yang Baik

Pastikan pesan ke admin menyertakan:
  • Nama dan nomor pelanggan
  • Ringkasan masalah/pertanyaan
  • Link ke riwayat percakapan (jika ada)
🔔 HANDOVER ALERT

Pelanggan: {{customer_name}} ({{customer_phone}})
Topik: {{question}}

Silakan lanjutkan percakapan.
Instruksikan admin untuk mengaktifkan “Disable Chatbot” saat mereka sedang mengambil alih percakapan. Ini mencegah AI mengganggu takeover manual.
Contoh keyword yang natural:
  • Pause: “hubungkan admin”, “mau bicara CS”, “minta bantuan manusia”
  • Resume: “lanjutkan”, “oke terima kasih”

6. Testing & Iteration

Framework Testing Sebelum Go Live

10 Skenario Test Wajib

  1. Greeting — “Halo” / “Hai” / “Selamat pagi”
  2. Pertanyaan produk utama — Tentang produk/layanan terpopuler
  3. Tanya harga — Pastikan harga yang disebutkan akurat
  4. Perbandingan produk — “Pilih A atau B?”
  5. Pertanyaan di luar topik — Pastikan AI menolak dengan sopan
  6. Komplain/keluhan — Simulasi pelanggan tidak puas
  7. Minta diskon — AI harus mengikuti kebijakan
  8. Minta bicara admin manusia — Trigger handover
  9. Pesan tidak jelas/typo — “Mau bli produ” (typo)
  10. Pertanyaan edge case — Situasi yang jarang tapi mungkin terjadi

7. Monitor dan Optimasi Berkelanjutan

1

Review History Mingguan (Bulan 1-3)

Di tab History, baca percakapan nyata. Cari pola:
  • Pertanyaan apa yang sering tidak terjawab?
  • Di mana AI sering salah atau memberikan info keliru?
  • Pertanyaan apa yang tidak ada di training data?
2

Update Training Data Berdasarkan Gap

Setiap ada gap yang ditemukan, tambahkan ke training data. Lakukan reindex jika menggunakan V2.
3

Review AI Behaviour Sebulan Sekali

Evaluasi apakah kepribadian AI masih sesuai dengan feedback yang masuk dari pelanggan.
4

Monitor Token Usage

Pantau penggunaan token setiap minggu. Jika terlalu cepat habis, optimalkan context length dan response length.
Chat AI yang baik bukan langsung sempurna — tapi terus berkembang berdasarkan data nyata dari percakapan pelanggan.