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

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
...

Sertakan FAQ dengan pertanyaan nyata dari pelanggan

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.

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

# 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]."

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

Yang Buruk	Yang Baik
”Harga sekitar 100ribuan"	"Harga: Rp 95.000 – Rp 125.000”
Informasi yang kontradiktif di dua tempat	Satu 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 berakhir	Update setiap kali promo berubah

2. AI Behaviour

Prinsip Behaviour yang Efektif

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.”

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).”

Berikan instruksi untuk situasi edge case

Pikirkan situasi yang mungkin terjadi:

Pelanggan marah atau kasar
Pertanyaan di luar topik bisnis
Permintaan diskon
Keluhan serius

Test dengan berbagai skenario setelah diatur

Minimal test 5 skenario berbeda sebelum go live.

Template AI Behaviour per Jenis Bisnis

B2B / Formal
Retail / B2C
Premium / Luxury

# 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.

# KE_PRIBADIAN
Ramah, helpful, dan antusias. Percaya setiap pelanggan punya kebutuhan unik.

# GAYA_BAHASA
Casual tapi sopan. Emoji boleh (maks 3/pesan). Gunakan "Kak".

# CARA_MERESPONS
Tanya kebutuhan dulu, baru rekomendasikan. Akhiri dengan tawaran bantuan.

# KE_PRIBADIAN
Sophisticated, personalized, eksklusif. Setiap pelanggan adalah VIP.

# GAYA_BAHASA
Elegan, minim singkatan, hindari bahasa pasar. Emoji selektif (✨🌹).

# CARA_MERESPONS
Personalized sesuai nama, perhatikan detail preferensi, layani seperti concierge.

3. Engine & Token

Kapan Gunakan Engine V1 vs V2?

Kondisi	Rekomendasi
Budget token terbatas	V2 (hemat 40% token)
Butuh File Training Data	V2 (wajib)
Butuh Website Sync	V2 (wajib)
Produk sedikit, pertanyaan simpel	V1 OK
Percakapan kompleks, multi-topik	V2 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

Gunakan pesan handover yang informatif

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.

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

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

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?

Update Training Data Berdasarkan Gap

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

Review AI Behaviour Sebulan Sekali

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

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.

Documentation Index

​Best Practices Chat AI

​1. Training Data

​✅ Lakukan Ini

​❌ Hindari Ini

​2. AI Behaviour

​Prinsip Behaviour yang Efektif

​Template AI Behaviour per Jenis Bisnis

​3. Engine & Token

​Kapan Gunakan Engine V1 vs V2?

​Optimalkan Penggunaan Token

Context Length

Response Length

Chatbot Limit

Exclude List

​4. Merchant Mode

​Best Practices untuk Produk Fisik

​Best Practices untuk Produk Digital

​5. Fallback & Handover

​Strategi Handover yang Baik

​6. Testing & Iteration

​Framework Testing Sebelum Go Live

​10 Skenario Test Wajib

​7. Monitor dan Optimasi Berkelanjutan

Best Practices Chat AI

1. Training Data

✅ Lakukan Ini

❌ Hindari Ini

2. AI Behaviour

Prinsip Behaviour yang Efektif

Template AI Behaviour per Jenis Bisnis

3. Engine & Token

Kapan Gunakan Engine V1 vs V2?

Optimalkan Penggunaan Token

4. Merchant Mode

Best Practices untuk Produk Fisik

Best Practices untuk Produk Digital

5. Fallback & Handover

Strategi Handover yang Baik

6. Testing & Iteration

Framework Testing Sebelum Go Live

10 Skenario Test Wajib

7. Monitor dan Optimasi Berkelanjutan