Ulasan di Shopee dan Tokopedia biasanya cuma dipakai buat dua hal: ngecek bintang toko masih aman atau ngebalas yang komplain. Selebihnya, ratusan ulasan cuma jadi angka di dashboard. Padahal setiap ulasan itu laporan gratis dari orang yang udah beli dan pakai produkmu — dia tau apa yang bener, apa yang beda sama foto, dan dia nulisnya tanpa dibayar.
Angkanya nggak main-main. 95% konsumen membaca ulasan online sebelum membeli (Review42), dan 79% orang mempercayai ulasan online sama seperti rekomendasi dari orang yang mereka kenal (Meetanshi). Artinya: ulasan bukan cuma data buat kamu, dia bagian dari juru jualan tokomu. Ulasan yang isinya salah satu kata kunci yang pembeli cari (“bahannya adem”, “packing aman”) bikin orang yang baca makin yakin buat checkout.
Artikel ini isinya kebalikan dari pemborosan biasa: gimana motong-motong ulasan yang udah ada, surem ke AI, dan balikin hasilnya jadi tiga hal — daftar komplain yang berulang (bahan perbaikan), daftar poin jualan dari mulut pembeli sendiri (bahan konten), dan kandidat judul produk baru.
Dari ulasan kamu bisa ambil apa aja
Buka halaman produkmu yang udah punya 30-50 ulasan, dan coba kasih perhatian ke hal-hal ini:
- Komplain yang berulang. Satu orang bilang “kancing langsung lepas” bisa jadi nasib sial. Lima orang bilang hal yang sama itu data produk. Pola yang berulang = prioritas perbaikan yang paling jelas.
- Poin pujian yang nggak kamu tulis sendiri di deskripsi. Pembeli sering muji hal yang luput dari copywriting-mu: warna beneran sesuai, aman buat dijagain anak, muat dompet kecil. Itu poin jualan yang lebih jujur dari apa pun yang kamu karang.
- Bahasa pembeli. Mereka nyebut “adm”, “gak bikin gatel”, “ukuran beneran pas” — kata-kata ini bisa kamu pindahin ke judul dan deskripsi produk, karena calon pembeli nyari pake kata-kata yang sama.
- Kebingungan sebelum pakai. “Awalnya bingung cara pakainya, ternyata tinggal…” — ini bahan konten edukasi yang bikin orang takut salah beli jadi berani checkout.
- Sinyal operasional. “Pengiriman cepat”, “packaging aman”, “seller gak kirim resi” — komplain di sini bukan soal produk, tapi soal proses. Ini sering jadi penyebab bintang 3-4 yang paling gampang dibenerin.
Alurnya: copy ulasan → AI → insight
Nggak perlu tool khusus. Yang kamu butuh:
- Ulasan mentah. Buka produkmu, copy ulasan satu-satu (atau screenshot terus transkrip pakai Gemini di HP — Gemini bisa baca gambar).
- AI. Gemini versi gratis lewat aplikasi atau gemini.google.com udah cukup. Kalau frekuensimu tinggi dan butuh batas pemakaian lebih lega, Google AI Plus Rp75.000 per bulan (Google) — kurang dari seporsi ayam geprek.
- Satu prompt yang konsisten. Jangan tiap ulasan ditanya beda-beda, nanti hasilnya susah digabung.
Prompt yang bisa kamu salin langsung
Paste ke Gemini, terus tempel ulasannya di bawahnya:
Kamu asisten pemilik toko online Indonesia. Analisis ulasan berikut.
Keluaran HANYA dalam format:
- Kategori: pujian / komplain / saran / campuran
- Poin kelebihan: (poin per poin, bahasa pembeli asli)
- Poin komplain: (poin per poin, bahasa pembeli asli)
- Judul produk baru: satu kalimat jualan maksimal 12 kata,
dibangun dari poin terkuat, tanpa kata hyperbola
- Perlu dibalas manual: ya / tidak
Ulasan: "kancing di foto keliatan emas, pas dateng warnanya
abu-abu doang, kecewa dikit, tapi bahannya adem"
Hasil untuk ulasan kayak gini biasanya nembus tiga hal sekaligus: komplain warna gak sesuai foto, pujian bahannya adem, dan ide judul baru. Dari satu ulasan doang kamu udah dapet: catatan buat foto ulang produk (warna beneran), dan poin “bahannya adem” yang bisa masuk deskripsi.
Kalau mau proses 20 ulasan sekaligus dan hasilnya rapi dalam satu tabel, bisa pake Google Sheets + AI, cara yang mirip dengan yang aku jelasin di artikel buku kas UMKM. Strukturnya sama: kolom ulasan, kolom hasil AI, satu prompt di baris atas.
Buat kamu yang mau lebih otomatis
Kalau kamu nyaman menyentuh sedikit kode, ini skrip yang nyambung ke API AI (format Gemini/OpenAI-compatible) dan ngolah ulasan satu-satu. Skrip ini udah aku tes beneran jalan — hasil asli dari tesnya di bagian bawah.
import json, re, os, time, urllib.request
BASE_URL = os.environ.get("AI_BASE_URL", "https://api.openai-compatible.com/v1")
API_KEY = os.environ.get("AI_API_KEY", "") # isi API key kamu di env, jangan di kode
MODEL = os.environ.get("AI_MODEL", "gemini-2.0-flash")
ULASAN = [
"kirimnya cepat gan, packing aman bubble wrap tebal, recommended",
"kancing di foto keliatan emas, pas dateng warnanya abu-abu doang, kecewa dikit",
"bahannya adem, ukuran pas, tapi ampe sekarang belum dikirim resinya padahal udah 2 hari",
]
PROMPT = """Kamu asisten pemilik toko online Indonesia. Analisis SATU ulasan pelanggan berikut.
Keluarkan HANYA JSON valid tanpa penjelasan, format:
{"kategori": "pujian|komplain|saran|campuran",
"poin_kelebihan": ["..."],
"poin_komplain": ["..."],
"judul_produk_baru": "kalimat jualan maks 12 kata dari poin terkuat",
"perlu_direspon": true}
Ulasan: """
def call_satu(ulasan, retries=3):
body = json.dumps({
"model": MODEL, "temperature": 0.2,
"messages": [{"role": "user", "content": PROMPT + ulasan}],
}).encode()
req = urllib.request.Request(
f"{BASE_URL}/chat/completions", data=body,
headers={"Content-Type": "application/json",
"Authorization": f"Bearer {API_KEY}"})
last = None
for coba in range(retries):
try:
with urllib.request.urlopen(req, timeout=60) as r:
resp = json.load(r)
raw = resp["choices"][0]["message"]["content"]
raw = re.sub(r"```(json)?|```", "", raw).strip()
s, e = raw.find("{"), raw.rfind("}")
return json.loads(raw[s:e+1])
except Exception as err:
last = err
time.sleep(5 * (coba + 1))
raise RuntimeError(f"gagal setelah {retries} percobaan: {last}")
hasil = []
for u in ULASAN:
h = call_satu(u)
h["ulasan"] = u
hasil.append(h)
time.sleep(2) # jeda biar gak kena rate limit
# gabungin semua komplain buat lihat pola berulang
komp = [p for h in hasil for p in h["poin_komplain"]]
judul = [h["judul_produk_baru"] for h in hasil
if h["kategori"] in ("pujian", "campuran")]
print("Komplain:", komp)
print("Kandidat judul:", judul)
Disclosure: skrip ini aku tes pake endpoint API lokal yang kompatibel format OpenAI (bukan API resmi Google/OpenAI), API key diset lewat environment variable. Buat pemakaian sendiri, cukup pake Gemini versi gratis dari HP — skrip ini lebih relevan kalau kamu mau olah puluhan ulasan sekaligus atau mau jualan jasa ini.
Hasil tes asli dari skrip di atas
Aku jalanin pake 5 ulasan buatan (mirip yang sering muncul di marketplace Indonesia). Ini output beneran, bukan rekayasa:
[1/5] kategori=pujian
[2/5] kategori=komplain
[3/5] kategori=komplain
[4/5] kategori=pujian
[5/5] kategori=komplain
Judul produk baru (kandidat):
- Packing Aman dan Cepat
- Barang Sesuai dan Pengiriman Cepat
Komplain unik:
- kancing di foto keliatan emas, pas dateng warnanya abu-abu doang
- Produk belum dikirim
- Tidak menerima notifikasi ketika barang sudah dikirim
Perhatiin: dari 5 ulasan, AI nemuin dua komplain yang bukan soal produk tapi soal proses (belum kirim resi, gak ada notif). Ini persis tipe temuan yang gampang kelewat kalau kamu baca ulasan sambil ngantuk. Dan dua kandidat judul di atas langsung bisa kamu pake buat refresh listing produk yang penjualannya mulai datar.
Dari insight jadi tiga output nyata
1. Perbaikan produk dan proses. Komplain yang muncul minimal 3 kali = kerjaan minggu ini. Kalau soal produk (warna, ukuran, kualitas) → cek supplier atau foto ulang biar sesuai. Kalau soal proses (resi lama, gak ada notif) → perbaiki alur kirim. Ini bisa nurunin angka komplain, dan angka komplain yang nurun biasanya nututin bintang toko naik pelan-pelan.
2. Copy listing yang lebih jujur. Ambil 5 poin pujian yang paling sering, tulis ulang deskripsi produkmu pakai bahasa pembeli sendiri. “Bahan adem, gak bikin gatel” jauh lebih jujur (dan lebih beresen sama foto) daripada “bahan premium import kualitas ekspor”. Ulasan yang jujur bikin pembeli lebih ngeh ekspektasinya, dan ekspektasi yang pas itu yang nurunin ulasan negatif ke depannya.
3. Konten jualan buat sosial media. Satu komplain yang berulang bisa jadi konten: “Dulu banyak yang komplain kancing gak sesuai foto — sekarang kita foto ulang semua produk pakai lampu putih, cek bedanya.” Pola gini bukan cuma ngasih info, dia nunjukin tokomu dengerin pembeli. Buat yang mau lebih jauh soal konten mingguan, aku udah bahas di artikel stok konten jualan TikTok Shop.
Batasan yang perlu kamu tau dari awal
- AI bisa salah kategorikan. Ulasan sarkas atau campur bahasa daerah kadang kebaca keliru. Cek hasilnya sekilas sebelum dipakai, jangan asal copy.
- Jangan pake ini buat milih-milih ulasan yang mau ditampilin. Semua ulasan tetep tampil di marketplace, kamu nggak bisa hapus komplain. Yang kamu pake dari hasil analisis ini cuma buat perbaikan dan konten, bukan buat nyensor.
- Hapus nama dan data pribadi pembeli sebelum ngasih ulasan ke AI, terutama kalau kamu pake API berbayar. Cukup copy isinya doang.
- Angka review di atas itu angka global, bukan khusus pembeli Indonesia. Arah ceritanya sama (orang ngecek ulasan sebelum beli), tapi jangan kutip 95% itu sebagai “95% orang Indonesia”.
- Hasil nggak instan. Perbaikan produk dan refresh listing butuh beberapa minggu sebelum efeknya keliatan di penjualan. Nggak ada jaminan angka penjualan naik — yang bisa kamu jamin cuma proses lebih rapi dan listing yang lebih jujur.
Buat kamu yang mau jualan jasa ini
Kalau kamu udah terbiasa, proses ini bisa ditawarin ke UMKM lain yang punya produk dengan 50-200 ulasan tapi nggak sempet baca. Paketnya sederhana: “Saya analisis 100 ulasan toko kamu, keluar laporan komplain berulang, poin jualan dari pembeli, dan 5 kandidat judul produk baru.” Pasarannya gak gede-gede amat — jasa copywriting deskripsi produk di Indonesia umumnya dihargai sekitar Rp50.000 sampai Rp200.000 per produk (Saungwriter), jadi ada ruang buat harga di bawah itu sambil tetep lo. Buat konteks skala: jumlah UMKM di Indonesia tercatat lebih dari 65 juta unit usaha (Kemenkop UKM via Kemenkeu) — nggak semua jadi pelangganmu jelas, tapi cukup buat mulai dari sekitar kamu dulu.
Ini satu di antara beberapa tipe jasa AI ke klien lokal yang dibayar rupiah. Kalau mau liat paket lengkapnya, aku udah tulis terpisah di artikel jual jasa AI admin toko online.
Langkah praktis
Semua ini bisa dikerjain dari HP hari ini juga:
- Buka 1 produkmu yang punya ulasan terbanyak, copy 20 ulasan terbaru (abain ulasan kosong kayak “ok” atau “bagus”).
- Buka Gemini, paste prompt di artikel ini, tempel ulasan satu-satu (atau 5 per chat biar nggak penuh).
- Catat di catatan HP: daftar komplain yang muncul minimal 2 kali, daftar poin pujian yang nggak ada di deskripsi sekarang.
- Pilih 1 komplain berulang → tentuin ini soal produk atau proses → catet satu langkah perbaikan yang bisa kamu lakukan minggu ini.
- Pilih 3 poin pujian → tulis ulang 1 paragraf pertama deskripsi produkmu pakai bahasa pembeli.
- Bikin 1 kandidat judul baru → ganti judul produk yang paling sepi penjualannya, tunggu 1-2 minggu, bandingin.
- Ulangi tiap bulan. Ulasan baru datang terus, dan datanya nggak pernah habis.