CARA LAZADA MEMANFAATKAN BIG DATA
“Bisnis e-commerce sangat kompleks. Ketika perusahaan tumbuh semakin besar, kita harus bisa bekerja lebih cerdas, efisien, dan melakukan segala hal lebih baik. Di sinilah data science mengambil peran,” papar John Berns (SVP, Head of Data Science, Lazada).
Berita akuisisi saham mayoritas Lazada oleh raksasa e-commerce Alibaba telah menjadi perhatian publik. Pasalnya, inilah langkah pertama Alibaba untuk memperluas cengkeraman bisnisnya ke luar Tiongkok. Kawasan Asia Tenggara sebagai wilayah yang sedang mengalami pertumbuhan transaksi jual beli online pun jadi target pasar berikutnya.
Di sisi lain, kisah akuisisi ini sekaligus menandai kesuksesan Lazada dalam membangun bisnis e-commerce di Asia Tenggara. Bermula dari empat tahun lalu, Lazada merupakan startup yang dikembangkan oleh Rocket Internet, inkubator teknologi asal Jerman. Model bisnis Lazada didasarkan pada konsep Amazon, yakni usaha retail online yang menjual aneka produk dan dikirimkan dari gudang sendiri.
Saat ini, Lazada beroperasi di enam negara, yakni Singapura, Thailand, Filipina, Malaysia, Vietnam, dan Indonesia.
Dalam laporan keuangan tahun 2015, Lazada mencatat total pemasukan US$310 juta atau naik 78,2% dibandingkan 2014, sedangkan GMV (Gross Merchandise Value) atau total transaksi US$1,3 miliar atau tumbuh 167% daripada tahun sebelumnya.
Kendati demikian, secara keseluruhan Lazada masih mengalami kerugian operasional sebesar US$334 juta akibat pengeluaran di sisi promosi, pemasaran, dan subsidi besar-besaran kepada merchant (penjual) agar mereka bisa menawarkan diskon produk yang cukup menarik.
Namun, laju pertumbuhan yang ditunjukkan Lazada ditambah keinginan untuk ekspansi bisnis sudah cukup menjadi alasan Alibaba menyuntikkan dana segar US$1 miliar untuk mengambil alih kendali Lazada.
Data Science untuk Efisiensi
Yang belum banyak diketahui orang tentang Lazada adalah inisiatif mereka dalam memanfaatkan data science untuk mengolah dan menganalisis big data yang dimiliki.
Inisiatif ini memang masih tergolong dini karena baru dimulai dari Februari 2015 alias satu tahun yang lalu. Tim data science Lazada dikomandani oleh John Berns (SVP, Head of Data Science, Lazada) yang berpengalaman lebih dari 14 tahun di bidang TI.
Berns membawahkan sembilan orang data scientist, empat orang data engineer, dan satu orang project manager. Sedangkan untuk platform yang digunakan, Berns memercayakan pada framework berbasis open source, seperti Hadoop dan Spark, dengan kustomisasi sesuai kebutuhan.
Selama satu tahun berjalan, apa saja yang sudah dilakukan oleh Berns dan koleganya?
Salah satu benefit yang paling bisa dirasakan adalah efisiensi pekerjaan, baik dari segi waktu, biaya, dan sumber daya manusia. “Pada tahun ini, Lazada menawarkan 30 juta produk. Setiap produk itu harus diperiksa dan diverifikasi; apakah ukuran foto produknya sesuai? Apakah kualitas fotonya bagus? Apakah nama produknya akurat? Setelah itu, kami harus menempatkannya di kategori produk yang tepat,” ungkap Berns.
Sebelumnya, proses verifikasi dan kategorisasi ini diselesaikan secara manual oleh manusia. Tentu saja, waktu yang dibutuhkan pun sangat lama. Sekarang, berbekal data science, rangkaian proses tersebut dapat ditangani secara komputerisasi. “Sistem bisa melihat gambar, menganalisis, dan menaruhnya di kategori yang tepat. Jadi, 90% produk dapat diklasifikasikan berdasarkan machine learning, sisa 10%-nya dimasukkan ke dalam suggestion [untuk diproses manual],” kata Berns.
Berns menggambarkan, jika proses ini memerlukan 30 detik per produk dengan cara manual, saat ini cuma butuh waktu 5 – 6 detik per produk dengan memakai sistem. Artinya, Lazada bisa menghemat waktu kerja dari hitungan jam menjadi menit setiap harinya. Staf pun memiliki kesempatan lebih banyak untuk menyelesaikan tugas-tugas lain yang lebih produktif.
Data Science untuk Akurasi
Pemanfaatan data science lainnya sudah dikembangkan di area promosi dan pemasaran. Di sini, Berns dan timnya mencoba memfasilitasi pemasaran yang lebih terarah (targeted marketing). Caranya dengan mengumpulkan sejarah browsing pengguna, seperti produk apa saja yang pernah mereka lihat dan beli di Lazada. Dari data ini, sistem bisa menganalisis dan memprediksi kebiasaan belanja dan selera tiap-tiap pengguna.
“Saat ini, e-mail promosi cenderung generik, isinya sama bagi semua orang. Tapi, dengan data yang kami punya, kami mengetahui pengguna A, misalnya, suka komputer dan fotografi. Lalu, kami dapat memberi saran pakaian-pakaian yang biasa dikenakan pengguna lain dengan tipikal seperti pengguna A,” papar Berns.
“Intinya, kami tidak mengenal Anda dan tidak tahu produk apa yang akan Anda beli selanjutnya. Tapi, kami bisa melihat sejarah browsing Anda dan membandingkannya dengan orang-orang lain yang punya tipe sama dengan Anda. Produk apa saja yang mereka sudah beli, tapi belum Anda beli. Itu yang bakal kami sarankan kepada Anda,” lanjut pria yang juga seorang pendiri dan pengelola komunitas BigData.SG ini.
Bidang lain yang sedang digarap tim data science Lazada yakni logistik, meliputi pergudangan (warehousing) dan pengiriman barang. Bahkan, ini merupakan salah satu proyek pertama yang dijalankan Berns di Lazada.
Berns menjelaskan bahwa timnya harus mengembangkan sistem yang bisa memberi rekomendasi, produk apa saja yang harus ditaruh di gudang A, B, dan seterusnya. Kemudian, berapa jumlah produk yang harus disimpan di sana. Rekomendasi ini mesti akurat karena kalau jumlahnya terlalu banyak, biaya logistik akan mahal. Sedangkan kalau jumlah terlalu sedikit, ada risiko kehabisan stok ketika produk itu laris.
Tantangan lainnya adalah untuk memprediksi durasi pengiriman barang dengan lebih baik. Hal ini terkait dengan ketersediaan barang, lokasi gudang, dan lokasi penerima barang. Tujuan akhirnya untuk menjamin barang sampai di tangan pelanggan sesuai waktu yang dijanjikan.
Gudang Lazada Indonesia yang terletak di kawasan Cililitan, Jakarta Timur.
“Pada tahap pertama, kami menemukan banyak kepingan data yang belum lengkap. Pada tahap kedua, kami memperbaiki proses pengumpulan data ini sehingga mampu menghasilkan prediksi yang lebih akurat. Hasilnya, kami berhasil meningkatkan akurasi prediksi pengiriman barang dari 50% menjadi lebih dari 80%,” tutur Berns.
Meningkatkan Kepuasan Pelanggan
Dari seluruh manfaat data science yang dirasakan selama satu tahun ini, Berns menyatakan bahwa misi utamanya hanya satu: meningkatkan kepuasan pelanggan.
Tugas Berns selanjutnya adalah memperbaiki mesin pencarian di Lazada supaya para pelanggan dapat menemukan produk yang mereka cari dengan lebih cepat dan akurat. Jika pelanggan merasakan pengalaman yang baik saat berbelanja di Lazada, harapannya mereka akan datang berkali-kali dan melakukan transaksi pembelian lagi.
Berns menyatakan bahwa data science akan menjadi elemen penting di dalam bisnis e-commerce, baik masa kini maupun masa depan. “Bisnis ini sangat kompleks. Ketika perusahaan tumbuh semakin besar, kita harus bisa bekerja lebih cerdas, efisien, dan melakukan segala hal lebih baik. Di sinilah data science mengambil peran,” tukasnya.
Berns juga berpesan bahwa di dunia e-commerce, keberhasilan membujuk pelanggan untuk melakukan transaksi pertama kalinya adalah investasi yang amat mahal. Apabila mereka merasa puas, besar kemungkinan mereka akan kembali lagi dan itu adalah investasi yang bagus. Sebaliknya, jika mereka kecewa dan tidak kembali lagi, itulah investasi yang buruk.
“Untuk memperoleh profit, kita [pemain e-commerce] harus siap menjalin hubungan jangka panjang dengan pelanggan,” pungkas Berns.
