Best Practices Chat AI
Panduan ini merangkum praktik terbaik dari pengalaman pengguna Chat AI DripSender di berbagai jenis bisnis.1. Training Data
✅ Lakukan Ini
Gunakan struktur yang jelas dengan heading
Gunakan struktur yang jelas dengan heading
Training data yang terstruktur membuat AI lebih mudah menavigasi informasi:
Sertakan FAQ dengan pertanyaan nyata dari pelanggan
Sertakan FAQ dengan pertanyaan nyata dari pelanggan
Gunakan pertanyaan persis seperti yang sering ditanyakan pelanggan:
Update training data secara berkala
Update training data secara berkala
Jadwalkan review bulanan untuk memastikan:
- Harga masih akurat
- Produk baru sudah ditambahkan
- Promo yang sudah berakhir dihapus
- Kebijakan masih relevan
Sertakan contoh percakapan untuk situasi kompleks
Sertakan contoh percakapan untuk situasi kompleks
Gunakan File Training Data untuk dokumen panjang
Gunakan File Training Data untuk dokumen panjang
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
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
- B2B / Formal
- Retail / B2C
3. Engine & Token
Kapan Gunakan Engine V1 vs V2?
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
Gunakan pesan handover yang informatif
Gunakan pesan handover yang informatif
Pastikan pesan ke admin menyertakan:
- Nama dan nomor pelanggan
- Ringkasan masalah/pertanyaan
- Link ke riwayat percakapan (jika ada)
Aktifkan 'Disable Chatbot' saat admin sedang handle
Aktifkan 'Disable Chatbot' saat admin sedang handle
Instruksikan admin untuk mengaktifkan “Disable Chatbot” saat mereka sedang mengambil alih percakapan. Ini mencegah AI mengganggu takeover manual.
Set keyword pause yang intuitif
Set keyword pause yang intuitif
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
- Greeting — “Halo” / “Hai” / “Selamat pagi”
- Pertanyaan produk utama — Tentang produk/layanan terpopuler
- Tanya harga — Pastikan harga yang disebutkan akurat
- Perbandingan produk — “Pilih A atau B?”
- Pertanyaan di luar topik — Pastikan AI menolak dengan sopan
- Komplain/keluhan — Simulasi pelanggan tidak puas
- Minta diskon — AI harus mengikuti kebijakan
- Minta bicara admin manusia — Trigger handover
- Pesan tidak jelas/typo — “Mau bli produ” (typo)
- 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.