Kalau AI bisa membaca spesifikasi ratusan produk dalam beberapa detik, apakah review manusia masih penting?
Jawabannya: iya.
Mungkin malah lebih penting.
Karena spec menjelaskan apa yang produk klaim bisa dilakukan.
Review menjelaskan apa yang terjadi setelah produk benar-benar dipakai.
Dua hal itu tidak sama.
Bayangin dua vacuum cordless.
Spec hampir identik.
Suction mirip.
Battery mirip.
Weight mirip.
Price beda sedikit.
Kalau hanya membaca catalog, AI mungkin sulit membedakan.
Review bisa menunjukkan sesuatu yang tidak ada di spec sheet.
Model A baterainya bagus di mode eco tapi cepat drop di turbo.
Model B lebih berat tapi head-nya lebih gampang membersihkan bawah sofa.
Service center A responsif.
Filter B susah ditemukan.
Hal-hal semacam itu adalah experience data.
Di 2026, AI shopping memang makin kuat membandingkan produk. OpenAI memperluas shopping research dan product discovery di ChatGPT agar user bisa membandingkan price, features, reviews, dan detail lain secara berdampingan. Google Shopping juga terus memakai rating dan review sebagai bagian dari product research dan purchase decision.
Jadi AI tidak membuat review obsolete.
AI justru bisa mengompres ribuan review menjadi pattern.
Ini mengubah cara review dikonsumsi.
Dulu user membaca 40 komentar satu-satu.
Sekarang AI bisa bilang:
“Keluhan paling umum adalah sizing kecil dan zipper agak keras, sementara mayoritas komentar positif menyoroti material dan durability.”
Itu jauh lebih cepat.
Tapi compression hanya berguna kalau source review cukup sehat.
Kalau review palsu, AI bisa merangkum kepalsuan dengan sangat efisien.
Inilah problem.
Generative AI membuat pembuatan review massal juga semakin murah.
Tidak lagi harus copy-paste:
“Barang bagus seller ramah.”
Model bisa membuat 500 review dengan tone berbeda.
Panjang berbeda.
Ada typo.
Ada detail.
Terlihat manusia.
Jadi kualitas review ecosystem harus naik.
Platform perlu fraud detection.
Merchant perlu verification.
User perlu skeptis.
AI shopping system juga perlu melihat provenance.
Review berasal dari verified purchase?
Aggregator?
Publisher?
Forum?
Brand sendiri?
Tidak semua evidence punya weight sama.
Google Merchant Center punya sistem Product Ratings yang menggabungkan review dari merchant, aggregator, review site, dan pengguna Google, serta mengandalkan product identifiers supaya review dicocokkan ke produk yang benar.
Itu detail teknis yang sangat penting.
Kalau review salah produk, summary AI ikut salah.
Misalnya generasi lama blender punya problem motor.
Generasi baru sudah fix.
Kalau review bercampur, AI bisa membawa stigma lama ke produk baru.
GTIN dan MPN tidak terdengar sexy.
Tapi mereka membantu menjaga review lineage.
Brand harus serius soal catalog identity.
Ada juga perbedaan product review dan store review.
Produk bagus bisa dijual seller buruk.
Seller bagus bisa menjual produk biasa.
AI harus memisahkan.
User bertanya:
“Headphone ini bagus nggak?”
Jawabannya perlu product evidence.
User bertanya:
“Beli di toko ini aman nggak?”
Itu seller evidence.
Kalau dua rating dicampur, keputusan salah.
Marketplace perlu membuat data model yang jelas.
Review juga punya bias alami.
Orang yang sangat puas atau sangat kecewa lebih terdorong menulis.
Pengguna biasa mungkin diam.
AI summary tidak boleh berpura-pura review adalah census populasi.
Dia harus melihat sample size.
Distribusi.
Recency.
Variant.
Context.
Misalnya 4,8 bintang dari 20 review berbeda dengan 4,6 dari 12.000 review.
Bukan berarti 12.000 selalu lebih benar.
Tapi confidence berbeda.
Recency juga penting.
Produk software atau device bisa berubah lewat update.
Review dua tahun lalu mungkin kurang relevan.
AI perlu time weighting.
Brand juga perlu mendorong review setelah penggunaan cukup.
Bukan lima menit setelah checkout.
Kalau customer belum memakai, review hanya menilai shipping.
Untuk barang tahan lama, review 30 hari setelah purchase lebih meaningful.
“Barang datang cepat” berguna untuk seller.
“Setelah sebulan baterai masih…” berguna untuk product.
Review program bisa didesain lebih baik.
Ada juga contextual review.
User dengan kaki lebar punya pengalaman berbeda dengan user kaki sempit.
Runner 90 kg beda dengan 55 kg.
Apartemen 30 meter beda rumah 200 meter.
AI shopping punya kelebihan: dia bisa mencocokkan review dengan konteks user.
Bukan sekadar average rating.
Ini masa depan review yang lebih menarik.
“Untuk pengguna dengan kebutuhan mirip lo, keluhan utama X.”
Kalau dilakukan baik, review jadi lebih useful daripada bintang rata-rata.
Tapi ini juga meningkatkan privacy question.
Seberapa jauh platform boleh membuat profile reviewer?
Tidak perlu tahu seluruh hidup reviewer.
Cukup attribute yang relevan dan diberikan secara sukarela.
Size.
Use case.
Device.
Location general jika memang relevan.
Jangan overprofile.
Ada juga review video.
AI multimodal bisa membaca video atau image review.
User menunjukkan produk rusak.
Noise.
Fit.
Packaging.
Model bisa mengekstrak signal.
Ini membuat evidence lebih kaya.
Tapi synthetic media juga makin mudah.
Video review palsu bisa dibuat.
Platform perlu authenticity mechanism.
Verified purchase masih punya value.
Account history.
Device pattern.
Content similarity.
Semua bisa membantu.
Buat brand, godaan paling buruk adalah membeli review.
Short-term rating naik.
Long-term trust turun.
AI system dan platform akan makin agresif mencari coordinated review.
Dan kalau pola ketahuan, bukan cuma review dihapus.
Brand reputation bisa rusak.
Lebih sustainable memperbaiki volume review nyata.
Kirim request setelah purchase.
Mudah.
Tidak memaksa positive.
Tanggapi complaint.
Jangan menghapus kritik sah.
Review negatif bukan selalu buruk.
Produk dengan rating 5,0 dari 30 komentar terlalu sempurna malah bisa terasa suspicious.
Review negatif yang spesifik membantu user memahami trade-off.
“Ukuran kecil.”
“Berisik di mode turbo.”
“Tidak cocok untuk outdoor.”
Kalau itu bukan dealbreaker bagi user, dia tetap beli.
Transparency meningkatkan match quality.
Match quality mengurangi return.
Ini penting untuk agentic commerce.
Kalau AI memilih produk berdasarkan review yang accurate, kemungkinan user puas naik.
Jadi review bukan cuma conversion asset.
Dia bisa menjadi training data informal untuk product fit.
Ada satu perubahan pada SEO juga.
Artikel review publisher harus punya original value.
Dulu banyak situs membuat “review” dengan membaca spec sheet.
AI bisa melakukan itu gratis.
Kalau publisher ingin tetap relevan, harus ada testing.
Photo asli.
Benchmark.
Use case.
Long-term experience.
Comparison.
Data.
Opinion yang grounded.
AI bisa mensintesis evidence.
Dia tidak bisa menciptakan pengalaman nyata yang tidak pernah terjadi.
Human review paling bernilai ketika membawa information gain.
Brand juga perlu membedakan testimonial dan review.
Testimonial dipilih brand.
Review lebih open.
AI mungkin memberi bobot berbeda.
Jangan berharap testimonial di homepage menggantikan independent evidence.
Kalau kategori high consideration, third-party review penting.
Electronics.
Automotive.
Baby product.
Skincare.
Appliance.
B2B software.
Semakin besar risiko salah beli, semakin banyak user mencari evidence luar.
AI membantu mengumpulkan.
Ada juga product review dalam Bahasa Indonesia.
Brand global kadang punya ribuan review English.
User Indonesia mungkin butuh context lokal.
Garansi.
Service center.
Iklim.
Ukuran.
Marketplace.
Availability spare part.
Review lokal punya value.
Misalnya air purifier bekerja bagus, tapi filter replacement di Indonesia mahal dan langka.
Spec global tidak memberi itu.
Review lokal memberi.
AI recommendation untuk Indonesia perlu source lokal.
Ini peluang publisher dan community lokal.
Bukan membuat review generik.
Membawa context yang tidak ada di global web.
Apa review masih sepenting dulu?
Kalau maksudnya bintang 4,8 di samping produk, mungkin perannya berubah.
Average star sendirian makin kurang cukup.
Yang lebih bernilai adalah review corpus.
Isi.
Pattern.
Recency.
Authenticity.
Context.
AI bisa menggali.
Buat consumer, ini bagus.
Kita tidak harus membaca 2.000 review.
Tapi jangan menyerahkan semuanya ke summary.
Kalau produk mahal, baca beberapa review asli.
Terutama negatif.
Cari recurring issue.
Lihat apakah summary sesuai.
AI bisa kehilangan nuance.
Review bisa sarcastic.
Variant bisa tercampur.
Source bisa tidak lengkap.
Use AI untuk compression, bukan blindness.
Buat merchant, jangan optimize cuma untuk rating.
Optimize pengalaman.
Produk benar.
Shipping.
Support.
Return.
Warranty.
Review akan mengikuti.
Kalau operasi buruk, AI punya lebih banyak kemampuan untuk melihat polanya.
Bukan lebih sedikit.
AI bisa membandingkan ratusan produk.
Justru karena jumlahnya besar, review menjadi salah satu jalan untuk menemukan perbedaan yang tidak ada di spec.
Di rak digital baru, pengalaman manusia tetap punya nilai.
AI cuma membantu membacanya lebih cepat.
Ada satu jenis review yang nilainya akan naik: comparative review. Bukan hanya “produk ini bagus”, tapi “saya pindah dari model A ke B karena X”. Perbandingan memberi context yang cocok dengan cara AI shopping bekerja. Namun publisher dan reviewer harus tetap transparan soal sponsorship dan sample produk.
Disclosure membantu AI dan manusia menilai independence source.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Review tidak hilang. Cara membacanya yang berubah.
Bacaan terkait
Artikel ini berada dalam E-commerce & AI Shopping dan mengikuti metodologi editorial Undercover.id. Format terkait tersedia di Explainer teknologi dan kebijakan digital.