AI Sentiment Analysis 7.000 Tweet Pelanggan Tokopedia

Setiap hari, ribuan pelanggan Tokopedia meluapkan keluhan mereka di X. Gagal top-up, cashback tidak masuk, refund yang tidak jelas kapan cairnya, sampai CS yang tidak kunjung balas. @TokopediaCare saja menerima lebih dari satu juta post per hari. Tidak ada tim yang bisa membaca semuanya. Bahkan kalau bisa, membaca saja tidak cukup karena yang dibutuhkan adalah pola, bukan sekadar daftar keluhan.

Artikel ini membahas bagaimana BI Solusi membangun sistem sentiment analysis berbasis AI untuk Tokopedia, mengolah 7.000 tweet pelanggan menjadi insight yang terstruktur, melacak keluhan yang terus berulang, dan mendeteksi potensi komplain viral sebelum sempat menyebar.

Masalah Utama: Sentimen Pelanggan Sulit Dipantau di Skala Besar

Tantangan terbesar bukan soal volume, tapi soal kompleksitas. Pelanggan jarang mengeluh satu hal dalam satu tweet. Dalam satu pesan, seseorang bisa sekaligus mempermasalahkan promo yang gagal, mempertanyakan saldo yang belum masuk, dan menyindir lamanya respons support.

Tools sentiment analysis biasa tidak dirancang untuk menangani ini. Ia membaca satu teks, lalu memberi satu label: positif, negatif, atau netral. Kalau seseorang menulis "fitur barunya keren, tapi servicenya masih kurang," model ini kemungkinan besar akan memberi label negatif dan mengabaikan pujian terhadap fiturnya sama sekali.

Akibatnya, data yang dihasilkan tidak bisa dijadikan dasar keputusan. Tim tahu sentimen negatif naik, tapi tidak tahu negatif soal apa.

Pendekatan yang Dipakai: Aspect-Based Sentiment Analysis

Untuk proyek Tokopedia, BI Solusi menggunakan aspect-based sentiment analysis, pendekatan yang menilai sentimen per topik dalam satu teks, bukan per teks secara keseluruhan.

Dari tweet tadi, hasilnya akan menjadi:

• Fitur: Positif

• Service: Negatif

Saat angka sentimen negatif naik, pertanyaan berikutnya selalu: negatif soal apa? Pendekatan ini menjawabnya tanpa harus membaca ribuan post satu per satu.

Bagi Tokopedia, di mana satu tweet pelanggan sering memuat beberapa keluhan sekaligus, tingkat detail ini bukan nilai tambah, tapi syarat agar datanya bisa ditindaklanjuti.

Cara Kerja Analisis Sentimen Data Social Media

BI Solusi membangun pipeline yang memproses setiap tweet mulai dari pengumpulan data hingga summarisasi, sebagai bagian dari layanan NLP dan sentiment analysis.

https://www.youtube.com/watch?v=E94TNFmDxvk

1. Pengumpulan data: Tweet yang menyebut atau ditujukan ke Tokopedia dikumpulkan dari X. Dataset untuk proyek ini mencakup 7.000 tweet pelanggan.

2. Ekstraksi topik: Setiap tweet dianalisis untuk mengidentifikasi area layanan yang disinggung, misalnya top-up, refund, pengiriman, pembayaran, registrasi, atau customer support.

3. Klasifikasi sentimen per topik: Model memberi label sentimen untuk setiap topik yang teridentifikasi. Penilaiannya melekat pada topik, bukan pada keseluruhan teks.

4. Summarisasi isu: Sistem merangkum hasil agregasi per topik dalam periode tertentu, sehingga tim tidak perlu membaca post satu per satu untuk tahu apa yang sedang dikeluhkan.

5. Pelacakan tren: Volume isu ditampilkan secara time-series, sehingga terlihat apakah suatu masalah sedang meningkat, stabil, atau mereda dari minggu ke minggu.

Insight dari 7.000 Tweet Pelanggan Tokopedia

Analisis menghasilkan tiga lapisan insight: ringkasan isu bulanan, pola keluhan berulang, dan deteksi dini tren viral.

Juni 2023: Dua Keluhan Paling Dominan

Dua isu paling banyak dikeluhkan pelanggan bulan ini:

1. Customer Support: Respons lambat dan penanganan keluhan yang tidak memuaskan

2. Pembayaran dan Keuangan: Saldo e-money lama diperbarui, ditambah kendala penarikan dana bagi seller

Keluhan Top-Up Muncul Hampir Setiap Bulan

Issues Tracker menampilkan isu-isu populer yang diplot dari waktu ke waktu. Sepanjang periode pemantauan hingga November 2023, keluhan top-up mendominasi hampir setiap bulan. Isu pengiriman dan refund juga terus muncul secara konsisten.

Isu yang terus berulang bulan demi bulan menandakan akar masalahnya belum ditangani. Tracker ini membuat pola itu terlihat jelas tanpa perlu membandingkan laporan secara manual.

September 2023: Keluhan Viral Terdeteksi Lebih Awal

Trend Analysis September 2023 mendeteksi lonjakan tajam pada satu keluhan spesifik: pelanggan memesan iPhone, tapi yang datang adalah batu. Lonjakan ini sudah terdeteksi sebelum kasusnya ramai diperbincangkan, mencapai puncak di pertengahan September.

Deteksi lebih awal memberi perusahaan jeda waktu untuk merespons dan menginvestigasi sebelum cerita ini menyebar lebih jauh.

Implikasi untuk Brand E-Commerce Skala Besar

Data sentimen baru berguna ketika disajikan secara terstruktur, bukan sekadar diagregasi. Dashboard yang hanya menampilkan "60% sentimen negatif" tidak memberi arahan apapun. Tapi kalau dashboard menunjukkan keluhan top-up masuk daftar isu teratas enam bulan berturut-turut, lengkap dengan ringkasan spesifik apa yang dialami pelanggan, barulah data itu bisa jadi dasar tindakan nyata.

Ada tiga hal yang relevan untuk brand e-commerce manapun yang menangani interaksi pelanggan dalam jumlah besar:

1. Klasifikasi berbasis topik menghasilkan keputusan, bukan sekadar laporan. Mengetahui area layanan mana yang mendorong sentimen negatif membantu tim memprioritaskan perbaikan di titik yang benar.

2. Pelacakan isu berulang memotong siklus eskalasi. Kalau masalah yang sama muncul setiap bulan, itu bukan soal antrean support yang kurang terkelola, melainkan ada yang perlu diperbaiki di level operasional atau produk.

3. Deteksi tren hanya efektif kalau cukup cepat untuk ditindaklanjuti. Laporan yang selesai dua minggu setelah keluhan viral mencapai puncaknya tidak banyak gunanya. Monitoring otomatis menutup jeda waktu itu.

Jasa Monitoring Sentimen Pelanggan BI Solusi

Memantau sentimen pelanggan dalam skala besar hanya bermakna kalau hasilnya cukup spesifik untuk langsung ditindaklanjuti, dan itu butuh desain sistem yang tepat dari awal. BI Solusi mendampingi prosesnya dari hulu ke hilir: menentukan pendekatan yang sesuai dengan sumber data Anda, membangun pipeline klasifikasi, hingga menghadirkan dashboard yang bisa langsung digunakan tim.

Hubungi tim data science kami untuk mendiskusikan kebutuhan platform Anda.

Hubungi Kami

---

BI Solusi adalah mitra terpercaya Anda untuk keberhasilan dengan berbasis data di Indonesia, melayani perusahaan-perusahaan di kawasan Asia Tenggara dan sekitarnya. Kami spesialis dalam mengimplementasikan solusi Data Analytics, platform Business Intelligence, dan Big Data yang terdepan, dilengkapi dengan layanan Data Science yang handal.  

Kami menawarkan model implementasi BI yang fleksibel, baik di dalam maupun di luar negeri, untuk memenuhi kebutuhan spesifik Anda dan memberikan hasil dengan kualitas terbaik.  

Keahlian Konsultasi BI kami mencakup layanan Integrasi Data (ETL), Data Warehousing, dan penggunaan perangkat Visualisasi Data seperti Microsoft Power BI, Qlik Sense, dan Tableau untuk implementasi Laporan dan Dasbor. 

Kami akan membantu Anda membuka potensi penuh dari data Anda dan mencapai tujuan bisnis Anda.