Dari Pertanyaan Menjadi Grafik: Menulis Prompt yang Lebih Baik untuk Laporan eCommerce

Penjualan eCommerce global diperkirakan akan melampaui 6–7 triliun dolar dalam beberapa tahun ke depan, dan seiring pertumbuhan tersebut, jumlah data juga meningkat pesat.

Brand kini melacak performa dari iklan, perilaku onsite, marketplace, dan CRM—sering kali secara bersamaan. Di saat yang sama, prompt-driven analytics menurunkan hambatan untuk mendapatkan insight. Tim non-teknis kini bisa langsung mengajukan pertanyaan dengan bahasa sehari-hari tanpa harus menunggu dashboard atau menulis SQL.

Namun, kemudahan akses tidak selalu berarti akurasi. Sebagian besar kegagalan reporting justru terjadi sebelum grafik dibuat. Pertanyaan yang tidak jelas, konteks yang hilang seperti timeframe, channel, atau produk, serta definisi metrik yang tidak konsisten dapat secara diam-diam mengganggu hasil. Akibatnya, bahkan prompt yang terlihat baik pun bisa menghasilkan visualisasi yang rapi dan meyakinkan, tetapi mengarah ke kesimpulan yang keliru.

Di blog ini, kita akan melihat kenapa hal tersebut bisa terjadi dan bagaimana cara memperbaikinya. Yuk, kita bahas.

Bagaimana reporting sudah bermasalah sebelum grafik dibuat

Sebagian besar kegagalan reporting tidak dimulai dari grafik yang buruk atau tools yang bermasalah, tetapi dari cara pertanyaan dirumuskan sejak awal.

• Prompt seperti “Tampilkan performa bulan lalu” tidak memiliki konteks yang cukup—tidak jelas channel, SKU, atau campaign mana yang sebenarnya penting.
• “Buatkan saya grafik” hanya mendeskripsikan output, bukan masalah bisnis, sehingga tim harus menginterpretasikan visual dari nol setiap kali.
• Dashboard dan tools berbasis LLM mencerminkan tingkat kejelasan prompt; niat yang samar menghasilkan visual yang rapi tapi tanpa insight yang jelas.
• Event penting yang hilang, seperti add-to-cart atau langkah checkout, menciptakan gap yang diam-diam menggeser hasil.
• Atribusi yang tidak lengkap membuat sulit memahami apa yang benar-benar mendorong performa di berbagai channel.
• Data marketplace dan DTC yang terpisah membuat cerita terfragmentasi, sehingga grafik terlihat akurat tapi hanya menjelaskan sebagian dari kenyataan.

Masalah apa yang sebenarnya diselesaikan oleh prompt-based reporting

Prompt-based reporting bukan untuk menggantikan dashboard, tetapi untuk menghilangkan hambatan antara munculnya pertanyaan dan tersedianya jawaban.

Dari dashboard statis ke analisis berbasis percakapan

Dashboard tradisional dirancang untuk memantau KPI yang sudah diketahui. Ini efektif ketika tim sudah tahu apa yang ingin dicari. Sebaliknya, prompt-based reporting mendukung eksplorasi.

Alih-alih mengatur filter atau meminta tampilan baru di Looker atau Power BI, tim bisa langsung bertanya menggunakan bahasa yang sama seperti di Slack, email, atau meeting.

Seorang marketer bisa berpindah dari “Kenapa revenue turun?” menjadi “Kategori produk mana yang performanya turun lebih dari 15% week over week?” dan langsung mendapatkan visual beserta penjelasan naratif.

Ini membuat proses analisis lebih dekat dengan momen pengambilan keputusan. Pertanyaan bisa diajukan segera setelah campaign review, perubahan harga, atau alert inventory—tanpa harus menunggu siklus reporting bulanan.

Siapa yang paling diuntungkan dari prompt-based reporting?

• Performance marketer mendapatkan kejelasan lebih cepat untuk menentukan optimasi berikutnya.
• Brand manager dapat dengan cepat menghubungkan sinyal dari produk, channel, dan revenue tanpa harus menarik banyak laporan.
• Founder dan tim kecil mendapatkan manfaat paling besar, terutama yang tidak memiliki tim analis internal, karena prompt-based reporting memberikan jawaban tepat waktu tanpa menambah beban operasional.

Cara Mengubah Pertanyaan Reporting Menjadi Prompt yang Efektif

Prompt-based reporting yang efektif sebenarnya dimulai jauh sebelum kamu mengetik pertanyaan ke dalam tool. Perbedaan antara grafik yang berguna dan yang sekadar menarik biasanya ditentukan oleh seberapa jelas prompt menyampaikan tujuan, scope, dan aksi yang diinginkan.

1. Mulai dari keputusan, bukan grafik

Reporting dibuat untuk mendukung keputusan: memindahkan budget, mengubah bidding, menghentikan produk, menyesuaikan diskon, atau memperbaiki funnel. Prompt yang tidak menyertakan keputusan biasanya menghasilkan grafik yang terlihat menarik, tapi tidak berdampak.

Contohnya, “Tampilkan revenue per channel” akan menghasilkan breakdown umum tanpa arah. Sebaliknya, “Tampilkan revenue per channel dalam 14 hari terakhir untuk melihat channel mana yang menyebabkan penurunan revenue minggu lalu dan di mana perlu mengurangi atau memindahkan budget” membuat tujuannya jelas.

Hal yang sama berlaku untuk merchandising. “Tampilkan performa produk” terlalu umum. “Tampilkan produk dengan penurunan conversion rate dalam 7 hari terakhir dibanding 7 hari sebelumnya, agar bisa menentukan PDP mana yang perlu diperbaiki lebih dulu” langsung terhubung ke prioritas aksi.

Saat keputusan sudah jelas, grafik pun otomatis jadi lebih fokus.

2. Tentukan scope dengan jelas

Prompt yang baik menghilangkan ambiguitas sejak awal. Tentukan timeframe, metrik, dan sudut pandang seperti channel, campaign, SKU, atau marketplace, supaya sistem tidak perlu menebak dan kamu tidak perlu menginterpretasikan angka campuran.

Daripada bertanya “Berapa AOV kita?”, versi yang lebih jelas adalah: “Bagaimana perubahan AOV minggu ini dibanding minggu lalu berdasarkan channel dan device, dan di mana perubahan paling signifikan terjadi?”

Prinsip ini juga berlaku untuk pertanyaan growth dan finance. “Bandingkan ROAS dan incremental revenue antara Meta dan Google dalam 30 hari terakhir, dan tandai hari di mana ROAS turun lebih dari 20% di salah satu platform” membuat perbandingan dan batasannya jelas.

3. Jelaskan seperti apa output yang diharapkan

Tools berbasis prompt akan bekerja lebih baik jika kamu juga menentukan bentuk jawabannya, bukan hanya pertanyaannya. Dengan begitu, interpretasi jadi lebih minim dan pengambilan keputusan lebih cepat.

Misalnya, “Berikan ringkasan eksekutif 5 poin dan tabel 10 SKU dengan performa terburuk beserta revenue, conversion rate, dan status inventory.” Output seperti ini langsung bisa dipakai untuk review atau perencanaan.

Format yang berorientasi aksi juga sangat efektif. Contohnya: “Sebutkan 3 tindakan utama untuk memulihkan penurunan revenue minggu lalu, beserta estimasi dampaknya berdasarkan data 90 hari terakhir.” Ini mengubah hasil dari sekadar analisis menjadi rekomendasi.

4. Tambahkan konteks agar model tidak “mengarang”

Grafik tanpa konteks sering menghasilkan kesimpulan yang keliru. Menambahkan informasi seperti campaign baru, diskon, perubahan creative, atau update website membantu analisis tetap relevan.

Contohnya: “Kami meningkatkan diskon untuk Collection X dan meluncurkan creative baru di TikTok minggu lalu; analisis dampaknya terhadap AOV dan conversion rate dibanding 4 minggu sebelumnya.”

Kamu juga bisa menambahkan batasan seperti: “Gunakan hanya data first-party eCommerce dan data platform iklan dalam 90 hari terakhir.” Ini membantu menjaga konsistensi dan kepercayaan terhadap hasil.

5. Dari “grafik menarik” ke “langkah berikutnya”

Prompt yang lebih baik menghasilkan grafik yang lebih jelas, menunjukkan apa yang berubah, di mana, dan seberapa besar dampaknya—tanpa perlu membuka banyak dashboard.

Karena prompt sudah memuat siapa yang perlu mengambil keputusan, keputusan apa yang harus diambil, dan dalam timeframe apa, grafik jadi lebih mudah dipahami oleh tim marketing, merchandising, dan leadership.

Hasilnya adalah lebih sedikit bolak-balik diskusi dan proses yang lebih cepat dari data ke keputusan.

Batasan dari prompt-based reporting

Meskipun mengurangi friction, prompt-based reporting tetap memiliki keterbatasan.

1. Prompt tidak memperbaiki data yang bermasalah

Prompt sebaik apa pun tetap bergantung pada kualitas data. Event yang hilang, atribusi yang lemah, atau data marketplace yang tidak terhubung akan menghasilkan grafik yang terlihat meyakinkan tapi tidak lengkap.

2. Kuat di “apa”, lemah di “kenapa”

Prompt-based reporting bagus untuk menunjukkan apa yang berubah, seperti revenue turun atau conversion naik. Namun, ketika harus menjelaskan “kenapa” yang melibatkan banyak faktor lintas channel, produk, dan audience, satu prompt saja sering tidak cukup.

3. Beban analisis tetap ada

Tim tetap harus menginterpretasikan grafik, menyatukan metrik yang berbeda, dan menyusun cerita. Seorang marketer bisa saja mendapatkan beberapa grafik, lalu tetap menghabiskan waktu untuk merangkumnya menjadi satu insight yang jelas.

Dari grafik ke jawaban yang jelas dengan hoppr dari Graas

Bahkan dengan prompt yang baik, tim masih melakukan pekerjaan yang sama setiap minggu: membaca grafik, menjelaskan perubahan, memahami penyebabnya, dan menentukan langkah selanjutnya.

Masalah utama dalam reporting eCommerce bukan kurangnya visual, tapi kurangnya penjelasan. hoppr dari Graas hadir sebagai lapisan “penjelasan” di atas prompt-based reporting.

Alih-alih hanya menampilkan grafik, hoppr langsung menjawab pertanyaan performa, lalu menyertakan visual pendukung.

Contohnya, saat bertanya “Kenapa revenue turun minggu lalu?”, hoppr bisa menjawab: “Revenue turun 14%, terutama disebabkan penurunan 22% conversion di mobile TikTok, terkonsentrasi pada dua SKU dengan AOV tinggi,” lengkap dengan grafik untuk validasi.

Karena hoppr menggunakan data eCommerce yang sudah terintegrasi dari DTC, marketplace, ads, dan onsite, jawabannya mencerminkan kondisi lintas channel secara utuh, bukan sekadar KPI terpisah.

Jika tim kamu sudah menggunakan prompt tapi masih menghabiskan waktu untuk mengubah grafik menjadi insight, hoppr membantu menutup gap tersebut. Lihat bagaimana hoppr mengubah pertanyaan seperti “Kenapa performa berubah?” menjadi jawaban yang jelas dan berbasis data.