Niat awal hanya ingin mengecek harga di Shopee, eh tahu-tahu sudah checkout tiga barang sekaligus? Atau sedang scrolling TikTok sebentar, tiba-tiba muncul produk yang rasanya "ini aku banget," padahal sama sekali tidak berniat belanja. Percayalah, itu bukan keputusan Kawan sendiri.
Ada yang bekerja diam-diam di balik layar setiap kali Kawan menggulirkan layar. Tanpa disadari, semua aktivitas di aplikasi terekam oleh sistem. Data itu kemudian diolah untuk memahami apa yang paling mungkin membuat Kawan membeli.
Teknik ini dikenal sebagai collaborative filtering, yaitu cara sistem mempelajari kebiasaan pengguna lalu mencocokkannya dengan kebiasaan jutaan pengguna lain yang mirip. Hasilnya terasa seperti kebetulan, padahal sudah dirancang jauh sebelum Kawan sadar.
Inilah cara algoritma rekomendasi bekerja, membaca setiap jejak digital lalu menyusun tampilan yang terasa personal, padahal dirancang hanya untuk membuat Kawan checkout.
Setiap Klik adalah Data
Mungkin Kawan tidak sadar, tetapi setiap detik yang dihabiskan di dalam aplikasi adalah informasi berharga bagi sistem yang bekerja di balik layar. Bukan hanya produk yang dibeli, melainkan yang dilihat tetapi tidak jadi dibeli pun ikut tercatat.
Jam berapa Kawan biasanya buka aplikasi, berapa lama menatap suatu produk, kategori apa yang paling sering dikunjungi. Semuanya masuk ke sistem dan diolah menjadi bahan bakar rekomendasi berikutnya.
Tiga peneliti asal Amerika, Linden, Smith, dan York, pernah meneliti cara kerja sistem rekomendasi di Amazon pada 2003 dan menemukan sesuatu yang menarik.
Sistem ini bekerja bukan dengan cara menebak-nebak, melainkan dengan mengumpulkan dan menganalisis jejak aktivitas setiap penggunanya untuk menghasilkan rekomendasi yang terasa pas di masing-masing orang.
Artinya, sistem tidak menunggu Kawan menyampaikan apa yang diinginkan. Ia mempelajarinya sendiri dari setiap hal kecil yang dilakukan di aplikasi.
Coba perhatikan sendiri. Buka Shopee sebentar, lihat-lihat sepatu olahraga, lalu tutup aplikasinya. Keesokan harinya, beranda sudah penuh dengan pilihan sepatu dari berbagai toko, seolah aplikasinya tahu persis Kawan sedang mencari. Padahal tidak ada yang diketik. Kawan hanya scroll.
Bukan Kebetulan, Ini Namanya Collaborative Filtering
Banyak yang mengira aplikasi belanja bisa "tahu" selera penggunanya karena sistemnya super canggih. Padahal rahasianya jauh lebih sederhana. Sistem ini tidak membaca pikiran, ia cukup membaca kebiasaan.
Linden, Smith, dan York menyebut teknik ini dengan nama collaborative filtering. Cara kerjanya, sistem mengamati kebiasaan Kawan lalu mencari pengguna lain yang punya kebiasaan serupa.
Kalau pengguna-pengguna itu ujungnya membeli produk tertentu, sistem akan merekomendasikan produk yang sama karena Kawan dianggap punya pola yang mirip dengan mereka.
Sebuah lembaga nirlaba dari Columbia University bernama Knight First Amendment Institute, yang banyak meneliti dampak teknologi digital terhadap perilaku manusia, pernah menyimpulkan hal yang cukup mengejutkan.
Algoritma rekomendasi ternyata tidak sekadar menampilkan produk yang dicari, melainkan justru membentuk apa yang diinginkan pengguna.
Tanpa terasa, produk yang muncul di beranda bukan lagi hasil dari apa yang Kawan cari, tapi hasil dari apa yang sistem putuskan untuk Kawan lihat.
Dari Scroll Santai ke Checkout Tanpa Rencana
Setelah sistem cukup mengenali polanya, ia mulai melakukan sesuatu yang lebih dari sekadar merekomendasikan produk. Semua yang dilihat di aplikasi dirancang agar keputusan belanja terasa mudah dan cepat.
Tombol belinya besar dan gampang dijangkau. Muncul tulisan stok hampir habis padahal Kawan belum memutuskan apa-apa. Diskon tiba-tiba muncul tepat saat hampir menutup aplikasi.
Semua itu bukan fitur yang kebetulan ada, melainkan bagian dari desain yang memang sengaja dibuat untuk mempersingkat waktu antara tertarik dan membayar.
Knight First Amendment Institute juga mencatat bahwa sistem rekomendasi modern memang sengaja dirancang untuk membuat pengguna terus terlibat dan mendorong mereka bertransaksi sesering dan secepat mungkin.
Checkout tanpa rencana yang Kawan alami bukan karena tidak bisa menahan diri, melainkan bukti bahwa sistem sudah berhasil melakukan tugasnya jauh sebelum Kawan sadar sedang diarahkan ke sana.
Algoritma rekomendasi bukan sekadar fitur pencari produk. Di balik tampilannya yang sederhana, ada sistem yang terus bekerja membaca, mempelajari, dan mengarahkan apa yang akan Kawan lihat setiap harinya.
Mengetahui cara kerjanya bukan berarti harus berhenti belanja online. Namun, setidaknya cukup untuk mulai bertanya sebelum checkout, apakah ini memang yang dibutuhkan, atau hanya karena sistem yang membuat Kawan merasa butuh.
Cek berita, artikel, dan konten yang lain di Google News
