Di Era AI, Bagaimana Mendefinisikan Paradigma Baru Pemasaran E-commerce?

Penulis | Cynthia
Editor | Zheng Xuan

“Memanfaatkan AI untuk mentransformasi industri” adalah kalimat yang sudah lama digaungkan di dunia e-commerce.

Namun, dalam praktiknya, langkah nyata yang terjadi masih cenderung sporadis—berhenti pada penguatan kemampuan titik-per-titik seperti “rekomendasi untukmu” atau “pencarian lewat gambar”. Berguna, tentu saja, tetapi belum cukup dalam untuk mendorong transformasi AI yang benar-benar menyeluruh dan sistemik di sepanjang rantai pemasaran.

Ada dua hambatan utama.

Pertama, pada fase awal, teknologi AI belum cukup matang untuk menopang kolaborasi end-to-end di seluruh alur bisnis. Kedua, transformasi sistemik harus menembus logika inti produk; sementara setiap penambahan “cara baru” dan “kemampuan baru” hampir pasti meningkatkan kompleksitas penggunaan. Bagi mayoritas pedagang, menghadapi sistem yang makin rumit berarti investasi tenaga dan biaya operasional yang besar—dan inilah yang membuat adopsi berskala luas sulit berkelanjutan.

Hingga tahun 2025, Douyin E-commerce menjadi pihak yang lebih dulu memecah kebuntuan—menemukan cara untuk mendorong peningkatan teknologi yang lebih dalam, sambil menurunkan hambatan penggunaan bagi pedagang.

Senjata rahasianya adalah “Qianchuan Chengfang” (千川乘方), yang baru saja diluncurkan sebagai pengumuman besar di Qianchuan Conference. Dengan dukungan AI serta insight pengguna yang presisi dari platform, Qianchuan Chengfang bukan hanya menyederhanakan operasional pedagang dan meningkatkan pengalaman konten pengguna. Lebih dari itu, ia menargetkan kemampuan untuk memprediksi kebutuhan, memantik kebutuhan, dan menjalankan strategi yang berbeda untuk setiap individu—demi menciptakan kemenangan bersama bagi pedagang, pengguna, dan platform.

Lalu, sebenarnya seperti apa Qianchuan Chengfang?

Dan bagaimana ia bisa menopang “segitiga mustahil” antara pertumbuhan tinggi, pengalaman pengguna yang lebih baik, dan pengalaman pedagang yang lebih baik di Douyin E-commerce?

01

Qianchuan Chengfang dan E-commerce di Era AI

Mengapa transformasi pemasaran e-commerce berbasis AI terjadi begitu kuat pada tahun ini?

Logikanya sederhana: ledakan AI membutuhkan dua hal—bahan bakar data yang cukup, dan mesin teknologi yang cukup matang. Saat ini, Douyin E-commerce memiliki keduanya.

Mari mulai dari bahan bakar data.

Selama Qianchuan Conference, platform membagikan serangkaian data inti yang menggambarkan besarnya “loop” dari konten ke transaksi: di Douyin, pemutaran video pendek e-commerce mencapai 11,6 miliar per hari; video UGC “berbagi pengalaman” mencapai 48,6 miliar penayangan; dan total tontonan live room e-commerce mencapai 4,4 miliar. Konten autentik ini menjadi mesin “seeding” baru, membentuk siklus minat dan konversi yang terus berputar.

Yang lebih penting lagi: setelah menonton video pendek e-commerce, pengguna Douyin memicu pencarian hingga 110 juta kali per hari. Sebanyak 74% pengguna membeli dengan kupon—membuktikan bahwa sensitivitas harga dan ketertarikan berbasis konten dapat digabungkan secara efektif untuk mendorong konversi.

Kunci utamanya adalah keunggulan data tiga dimensi yang dimiliki Douyin E-commerce: perilaku + transaksi + konten.

Keunggulan ini membuat AI Douyin benar-benar dapat memahami siapa pengguna itu, apa yang mereka sukai, mengapa mereka bersedia membeli, dan bagaimana jalur konversi terjadi—bukan sekadar berhenti pada pencocokan informasi di permukaan.

Selanjutnya, mesin teknologinya.

Dalam lima tahun terakhir, model rekomendasi berbasis deep learning tetap menjadi inti sistem pencarian dan distribusi konten di e-commerce. Namun, teknologi AI lain—termasuk AI multimodal—sering kali masih berada di level “alat bantu”, terutama karena kematangannya belum cukup untuk memenuhi tuntutan komersialisasi. Kini, tiga terobosan penting mulai mengubah AI dari “pemeran pendukung” menjadi “pemeran utama”.

Terobosan pertama adalah penggabungan kemampuan agent dengan reinforcement learning.

Dulu, alat pemasaran platform berjalan dalam workflow yang kaku. Misalnya, sistem iklan hanya mengeksekusi secara mekanis sesuai pengaturan pedagang: anggaran, targeting, dan bid. Jika ingin mengoptimalkan hasil, pedagang harus mengandalkan operator iklan yang begadang memantau performa dan mengubah parameter secara manual.

Sekarang, agent berbasis reinforcement learning memungkinkan AI berpikir seperti media buyer manusia: memantau ROI lintas kanal, rasio klik-ke-konversi, tingkat pembelian ulang, dan indikator lainnya secara real time, lalu menyesuaikan alokasi anggaran otomatis sesuai tujuan. AI bahkan dapat menaikkan bid saat traffic puncak, dan menurunkan pengeluaran saat traffic rendah—agar setiap rupiah benar-benar “tepat sasaran”.

Terobosan kedua adalah kematangan teknologi kontrol model-ke-alat (model tool control) yang diwakili oleh MCP.

Di masa lalu, model besar hanya bisa “memanggil” alat eksternal lewat API secara permukaan, tanpa masuk ke logika inti alat tersebut. MCP ibarat membangun pusat kendali beserta “tangan dan kaki” untuk model besar, sehingga ia dapat mengoperasikan berbagai tools pemasaran Douyin E-commerce, melakukan tindakan yang spesifik berdasarkan keputusan algoritmik, dan hampir tidak membutuhkan intervensi manual.

Terobosan ketiga adalah penerapan multimodal large model yang semakin siap pakai.

Dulu, AI cukup baik untuk menulis teks, tetapi saat menghasilkan gambar atau video sering muncul masalah yang mengganggu efektivitas pemasaran: visual buram, gaya tidak konsisten, atau detail produk tidak akurat. Dalam konteks e-commerce, masalah ini bukan sekadar estetika—ia bisa menurunkan konversi.

Kini, dengan hadirnya model multimodal yang dikembangkan Douyin serta gelombang model multimodal industri (termasuk nano banana, sora 2, dan lainnya), berbagai kendala tersebut semakin teratasi. AI mampu menghasilkan visual beresolusi tinggi, merekonstruksi detail produk dengan lebih presisi, sekaligus mendukung pengeditan konten dan pembuatan materi bergaya konsisten secara massal. Proses produksi yang dulu memerlukan tim selama setengah hari, kini dapat dihasilkan AI dalam hitungan menit menjadi beberapa materi promosi yang sesuai dengan gaya Douyin.

Ketika bahan bakar data melimpah dan mesin teknologi matang, paradigma cerdas baru di e-commerce pun terbentuk secara natural. Lahirnya Qianchuan Chengfang adalah wujud terkonsentrasi dari dua keunggulan tersebut.

Untuk memahami Qianchuan Chengfang, kita bisa melihat tiga komponen teknologinya:

Qianxun (千尋): fokus pada prediksi kebutuhan pengguna secara presisi. Ia menembus batas antara konten, produk, dan pengguna untuk membangun rekomendasi personal yang terintegrasi—AI bukan hanya memahami kebutuhan saat ini, tetapi juga memprediksi kebutuhan potensial dan memantik dorongan konsumsi.

Qiance (千策): fokus pada perumusan strategi pemasaran. Ia menggantikan perencanaan manual yang kompleks dan kurang efisien dengan “super plan” yang otomatis. Pedagang cukup menetapkan total anggaran dan target, sistem akan melakukan alokasi optimal.

Qianyi (千意): fokus pada generasi dan layanan dinamis lintas skenario. Dari ide kreatif, Q&A layanan pelanggan, hingga diagnosis dan rekomendasi cerdas—AI dapat berkreasi, menyesuaikan, dan mengoptimalkan berdasarkan data real time.

Tiga kemampuan ini membentuk sebuah loop tertutup: prediksi kebutuhan yang tepat, optimasi operasi secara global, serta konten dan layanan yang dinamis.

02

Mengurangi Entropi: Bagaimana Qianxun Mengubah Rekomendasi dari “Kacau” Menjadi “Prediktif”

Di alam, ada hukum yang sering dibahas: tanpa intervensi eksternal, sistem cenderung bergerak menuju kekacauan—ini dikenal sebagai kenaikan entropi.

Douyin adalah platform video pendek terbesar di Tiongkok, dan ia memiliki akumulasi urutan perilaku pengguna yang sangat kaya untuk memandu konversi e-commerce. Namun, dalam beberapa tahun terakhir, sebagian urutan perilaku pengguna sudah melampaui puluhan ribu interaksi. Dalam kondisi ini, mengandalkan pengalaman pribadi operator iklan untuk mencapai rekomendasi presisi hampir mustahil.

Lantas, bagaimana memastikan setiap unit traffic bisa diarahkan dengan presisi—tanpa menaikkan hambatan bagi pedagang?

Untuk melawan entropi, dibutuhkan “gaya luar” baru: large model.

Qianxun adalah “gaya pengurang entropi” yang disuntikkan Qianchuan ke sistem rekomendasinya. Logikanya adalah memanfaatkan kemampuan penalaran large model untuk mengubah rekomendasi dari yang reaktif dan penuh noise menjadi prediktif dan terarah.

Ia menggabungkan input multimodal—video, audio, teks—ke dalam parameter multimodal skala triliunan, lalu memanfaatkan world knowledge, pengetahuan e-commerce Douyin, serta pemahaman terhadap preferensi konten pengguna. Hasilnya bukan hanya distribusi konten yang lebih akurat, tetapi juga prediksi kebutuhan yang dapat membuka niat konsumsi baru.

Inti kekuatan Qianxun berasal dari tiga terobosan teknis:

Pertama, perluasan siklus hidup urutan perilaku pengguna.

Sistem rekomendasi tradisional lebih banyak memproses sinyal jangka pendek dan kategori besar. Qianxun memperluas urutan dari ratusan atau ribuan menjadi puluhan ribu, memperpanjang horizon pemahaman sekaligus menggali preferensi lebih dalam—termasuk keterkaitan laten antar preferensi.

Kedua, peningkatan ukuran model dan arsitektur.

Qianxun dikatakan berkembang dari ratusan miliar parameter menuju arsitektur kolaboratif yang menggabungkan “parameter pemahaman konten multimodal skala triliunan” dan “parameter penalaran urutan independen skala ratusan miliar”.

Secara praktis, ini berarti AI dapat memecah informasi inti dari frame video, audio, subtitle, halaman detail produk, hingga teks ulasan. Lalu, AI menafsirkan urutan perilaku pengguna untuk memahami niat—bukan sekadar membaca tindakan.

Contohnya, jika seorang pengguna menonton tiga video tentang perawatan kulit berminyak dan berjerawat, AI tidak hanya merekomendasikan pembersih wajah. Ia juga dapat menyimpulkan kebutuhan terkait—seperti produk salicylic acid atau pelembap yang mendukung kontrol minyak—agar solusi yang ditawarkan lebih menyeluruh.

Ketiga, cadangan world knowledge dan kemampuan pemahaman mendalam.

Inilah daya saing inti Qianxun, sekaligus kunci mengapa ia bisa memprediksi kebutuhan. Dengan menggabungkan knowledge graph e-commerce dan preferensi pengguna, Qianxun dapat menalar lintas spesifikasi produk, tren industri, kebiasaan konsumsi, hingga skenario kehidupan nyata.

Jika pengguna mencari “gaun yang cocok untuk liburan di pantai”, AI tidak hanya merekomendasikan beach dress, tetapi juga memprioritaskan bahan yang melindungi dari sinar matahari, mudah dicuci, cepat kering, dan terlihat bagus saat difoto—selaras dengan skenario “liburan di pantai”.

Secara keseluruhan, kehadiran Qianxun membawa lompatan kualitas pada sistem rekomendasi Douyin E-commerce.

Bagi pengguna, konten terasa lebih relevan—bahkan kadang memunculkan produk yang “baru disadari” mereka butuhkan. Bagi platform, efisiensi distribusi meningkat karena traffic mengalir lebih presisi dengan dorongan AI.

Namun, distribusi hanya satu bagian.

Bagi pedagang, pertanyaan besarnya tetap: berapa yang harus diinvestasikan, ke mana, dan bagaimana cara berinvestasi. Di sinilah Qiance dan Qianyi berperan.

03

Meningkatkan Efektivitas: Qiance Membuat Marketing Berevolusi Lagi

Saat ini, fase “sekadar adu traffic” di e-commerce sudah lewat. Kata kunci barunya adalah operasi global (global operations). Namun, menjalankannya tidak mudah.

Untuk UMKM, masalahnya adalah keterbatasan kemampuan: tidak cukup produksi materi kreatif, tidak mampu membayar media buyer profesional, dan kemampuan mengelola traffic jauh tertinggal dari rata-rata industri.

Bagi pedagang besar, meski punya dana dan tim, mereka menghadapi tekanan lain: ROI yang kian menurun. Ketika persaingan makin ketat dan dimensi data pengguna meningkat ke level puluhan ribu, mengandalkan pengalaman media buyer untuk melakukan targeting presisi juga semakin tidak realistis.

Qiance hadir untuk mematahkan kebuntuan ini.

Dengan otomatisasi, Qiance mengubah penyusunan strategi pemasaran dari pekerjaan profesional yang kompleks menjadi proses yang mendekati “satu klik”. Ambang masuk turun drastis, dan pedagang bisa fokus pada kualitas produk.

Inti logikanya adalah “managed strategy delivery”.

Pedagang tidak perlu lagi memisahkan marketing vs ads, creator vs ads, commission vs ads, juga tidak perlu mengatur targeting, bidding, dan pembagian anggaran yang rumit. Cukup masukkan tiga hal: total anggaran, target ROI komprehensif, dan produk yang ingin dipromosikan. Sistem akan membuat “super plan” yang mencakup seluruh titik kontak interaksi, serta seluruh skenario pra-penjualan, saat penjualan, hingga purna jual.

Di balik layar, Qiance didukung oleh “otak” bidding dinamis berbasis reinforcement learning + MPC (Model Predictive Control), serta “anggota tubuh” tools yang fleksibel lewat MCP (Model Context Protocol).

Reinforcement learning memungkinkan Qiance mempelajari strategi optimal dari data: menganalisis data produk sejenis di seluruh jaringan, mempelajari kombinasi targeting, strategi bid, dan mix channel yang menghasilkan ROI terbaik. Saat kampanye berjalan, ia terus menguji strategi baru dan menyesuaikan berdasarkan feedback—layaknya ahli pemasaran yang terus bereksperimen.

MPC melengkapi proses ini dengan menghitung kemungkinan hasil dari berbagai kombinasi, lalu berdasarkan target pedagang memilih input bid yang paling tepat. Ini membentuk loop optimasi real time: hitung hasil → pilih yang optimal → eksekusi input, hingga mendekati strategi bid terbaik.

Ketika MCP memungkinkan AI mengoperasikan berbagai tools secara langsung, strategi bukan hanya berhenti di rekomendasi—tetapi benar-benar dieksekusi.

Hasilnya, aturan main marketing berubah: partisipasi menjadi jauh lebih mudah. Baik pedagang kecil maupun besar dapat mencapai pertumbuhan yang lebih efisien melalui Qiance.

04

Mempercepat Skala: Qianyi Menjadi Paradigma Baru Layanan Dinamis Berbasis AI

Bagi pedagang, tingginya biaya operasional e-commerce tidak hanya terjadi di sisi traffic, tetapi juga di sisi kreativitas.

Produksi konten adalah inti pemasaran e-commerce, sekaligus bagian yang paling membuat pusing. Kreasi manual mahal, lambat, dan sulit mengejar tren. Tim profesional bisa butuh 1–2 hari untuk membuat satu video seeding berkualitas, dengan biaya ratusan hingga ribuan. UMKM yang membuat sendiri sering menghasilkan visual yang kasar, serta gagal menonjolkan selling point, sehingga sulit menarik pengguna.

Qianyi ditujukan untuk menyelesaikan masalah ini.

Dengan sistem agent layanan cerdas berbasis “large model + X system”, Qianyi bukan hanya membantu pedagang menghasilkan materi pemasaran dengan cepat, tetapi juga mampu menyesuaikan secara real time berdasarkan feedback performa. Cakupannya menyentuh seluruh rantai: dari ide kreatif, pembuatan materi, hingga customer service Q&A, dan diagnosis cerdas.

Pada level produksi materi, Qianyi memanfaatkan kemampuan multimodal untuk mengubah input sederhana—seperti foto produk dasar atau foto model—menjadi gambar produk berkualitas tinggi dan video pendek.

Misalnya, Qianyi dapat memilih template bertema “perempuan karier untuk komuter”, menambahkan musik latar dan subtitle yang tepat, lalu menghasilkan video seeding yang siap dipakai di Douyin. Ia juga menguasai struktur yang lazim dalam live commerce: hook pembuka, penjelasan selling point, hingga penawaran promo.

Selain kreasi konten, Qianyi juga membantu menyelesaikan tantangan layanan dan optimasi.

Lewat fitur seperti “Zhitouxing”, yang tersusun dari beberapa sub-agent, sistem dapat mendeteksi masalah dan melakukan diagnosis cepat. Jika ROI kampanye tiba-tiba turun, Zhitouxing dapat menganalisis apakah penyebabnya kualitas materi menurun, kompetitor menurunkan harga, atau terjadi perubahan kanal traffic—lalu memberikan solusi yang jelas dan dapat ditindaklanjuti.

Kemampuan Qianyi ditopang dua keunggulan Douyin E-commerce: akumulasi teknologi multimodal yang menjaga kualitas dan konsistensi gaya materi; serta basis pengetahuan dari data konten masif yang memungkinkan Qianyi menangkap tren konten dan preferensi pengguna secara presisi.

05

Penutup

Kombinasi Qianxun, Qiance, dan Qianyi membuat ambang pemasaran e-commerce turun secara signifikan.

UMKM tidak perlu lagi takut tidak bisa membuat rencana pemasaran atau tidak mampu memproduksi konten—mereka bisa fokus pada produk dan eksekusi. Pedagang besar pun dapat menghemat banyak tenaga dan waktu, lalu memusatkan energi pada inovasi produk dan pembangunan merek.

Inilah tujuan yang ingin dicapai Douyin E-commerce: mengembalikan bisnis pada esensinya, sehingga produk yang baik dapat menonjol secara alami.

Jika kita menengok perjalanan industri e-commerce, kita akan melihat pola yang konsisten: teknologi selalu menjadi mesin dasar yang mendorong gelombang perubahan pemasaran. Sementara itu, pemasaran juga memberi arah bagi AI untuk berkembang ke bentuk yang benar-benar bisa diterapkan di dunia nyata. Bahkan dapat dikatakan, dorongan kuat dari platform, pedagang, dan pengguna lah yang mempercepat kemajuan dan adopsi layanan AI.

Marketing 1.0 bertumpu pada “dividen kanal”: siapa yang lebih dulu menempati kanal online yang baik dengan biaya rendah, dialah pemenang.

Marketing 2.0 bertumpu pada “dividen traffic presisi”: siapa yang punya profil pengguna lebih tajam dan targeting lebih tepat, dialah pemenang.

Marketing 3.0 bertumpu pada “dividen AI”: siapa yang mampu memanfaatkan AI dengan baik untuk mendorong pertumbuhan secara global, dialah pemenang.

Tak diragukan lagi, Qianchuan Chengfang adalah representasi paling khas dari era Marketing 3.0. Ia menggunakan AI untuk mendefinisikan ulang pemasaran e-commerce dan mendorong kemenangan tiga pihak: platform meningkatkan efisiensi distribusi traffic, pedagang menurunkan biaya pemasaran dan memperbesar ruang profit, sementara pengguna mendapat pengalaman konten yang lebih presisi dan berkualitas.

Mungkin inilah gambaran e-commerce untuk satu dekade berikutnya: pemasaran diserahkan kepada platform dan AI, pedagang kembali fokus pada produksi dan kualitas, dan pertumbuhan pun menjadi jauh lebih ringan.