Integrasi AI dengan Tokopedia dan Shopee: Panduan Praktis

Sebagian besar penjual online Indonesia berjalan di Tokopedia dan Shopee. Kedua platform punya API. Keduanya juga punya pembatasan signifikan tentang apa yang bisa Anda lakukan otomatis. Integrasi AI di kanal ini benar-benar berguna — tapi hanya kalau Anda paham apa yang sebenarnya diizinkan sebelum mulai membangun.

Berikut panduan praktis yang kami harap seseorang berikan ke kami sebelum integrasi pertama.

Apa yang platform expose (dan tidak)

Tokopedia (Open API)

Yang bisa Anda tarik:

• Data order (status, item baris, info pelanggan per order)
• Katalog produk (listing Anda, level stok, harga)
• Info logistik (provider pengiriman, tracking)
• Laporan penjualan

Yang bisa Anda push:

• Update status order
• Penyesuaian stok
• Perubahan harga
• Pembuatan dan update produk

Yang dibatasi:

• Pesan langsung pelanggan dibatasi — Anda bisa baca tapi interaksi lewat Tokopedia Chat (API terpisah, batas throughput lebih rendah)
• Otomasi kampanye marketing sebagian besar off-limits

Shopee (Open API)

Permukaan area kurang lebih sama dengan Tokopedia, dengan keanehan spesifik platform:

• API order dan produk matang
• API chat ada tapi rate-limited
• API voucher dan promosi lebih permisif daripada Tokopedia
• Reliabilitas webhook sudah banyak meningkat sejak 2024

Kedua platform throttle agresif. Rencanakan 100–500 request per menit sebagai ceiling biasa, dan design menganggap Anda kadang akan kena rate-limit.

Use case AI leverage tinggi

1. Input dan tagging order

Tarik setiap order di kedua platform ke satu sistem. AI memberi tag setiap order dengan metadata yang platform Anda tidak sediakan: segmen pelanggan, level urgensi, flag penanganan khusus, skor kemungkinan fraud.

Berguna terutama saat Anda jual di banyak channel dan ingin satu antrian operasi alih-alih dua panel admin terbuka bersamaan.

2. Optimasi listing

AI menghasilkan dan mengoptimasi judul produk, deskripsi, dan bullet point berdasarkan yang convert di setiap platform. Tokopedia dan Shopee menyukai densitas keyword dan formatting berbeda; AI menangani variasi per-platform otomatis.

Layak dikerjakan karena tuning manual 100+ listing tidak mungkin, tapi celah antara listing OK dan bagus rutin menggandakan konversi.

3. Drafting pesan pelanggan

Baca pesan chat masuk, draft respon yang sesuai konteks, rute ke manusia untuk persetujuan sebelum kirim. Kedua platform mengizinkan pola ini (baca + saran + manusia-kirim), bahkan saat chat otomatis penuh dibatasi.

Implementasinya lebih bernuansa di platform ini daripada WhatsApp standalone karena rate limit, tapi nilainya sebanding.

4. Keputusan pricing dan stok

AI membaca kecepatan penjualan, harga kompetitor (di mana platform expose), dan level inventaris. Menyarankan perubahan harga ke approver manusia. Hampir tidak pernah fully otomatis — kesalahan harga kecil bisa mahal.

5. Triage retur dan keluhan

Tarik retur dan keluhan, klasifikasi berdasarkan kemungkinan penyebab (defect produk, masalah pengiriman, kesalahan pelanggan, percobaan fraud), sarankan respon. Nilai operasional besar karena retur di platform ini membawa penalti brand — mendapat respon yang tepat dan cepat lebih penting dari yang orang pikir.

Apa yang seharusnya tidak Anda coba

Tiga pola yang konsisten gagal:

• Auto-respon massal di chat pelanggan. Kedua platform menghukum penjual yang mengirim respon template tanpa benar-benar membaca pesan. AI-drafted, manusia-kirim bekerja; otomasi penuh tidak.
• Scraping agresif data kompetitor. Tools yang scrape data harga dari listing kompetitor melanggar terms platform secara halus. Bahkan saat bekerja secara teknis, mereka risiko brand dan akun.
• Auto-generate respon review palsu. Jangan.

Realita implementasi

Hal yang menggigit pembangun pertama kali:

• Akses API butuh verifikasi merchant. Kedua platform membatasi akses API di balik cek status penjual. Berikan 1–2 minggu untuk persetujuan.
• Rate limit tidak bisa dinegosiasi. Rencanakan untuknya. Bangun queue dan retry logic.
• Pengiriman webhook tidak terjamin. Kombinasikan webhook dengan polling periodik untuk data kritikal (order, perubahan status).
• Perubahan schema terjadi. Kedua platform kadang mengubah respon API tanpa peringatan deprecation kuat. Bangun dengan lapisan abstraksi sehingga perubahan menyentuh satu file.

Pola arsitektur yang bekerja

Bentuk yang kami rekomendasikan:

1. Lapisan sync: menarik semua data order/produk/chat dari kedua platform ke database Anda sendiri (D1, Postgres, apapun). Jalan setiap 5 menit.
2. Lapisan AI: membaca dari database Anda, menerapkan logika AI apapun, menulis rekomendasi atau draft kembali ke database Anda.
3. Lapisan persetujuan manusia: UI admin sederhana di mana manusia me-review saran AI dan menyetujui.
4. Lapisan push: saat manusia menyetujui, mendorong aksi kembali ke Tokopedia/Shopee via API.

Ini menjaga AI dari berbicara langsung ke platform (yang menghindari masalah rate-limit dan reliabilitas) dan memberi Anda satu view operasional di seluruh channel.

Kisaran biaya

Untuk UKM yang menjual Rp 500 juta–5 miliar/tahun di Tokopedia dan Shopee gabungan:

• Build integrasi awal: Rp 50–150 juta
• Biaya berjalan bulanan: Rp 1,5–4 juta (hosting + pemakaian API + maintenance kecil)
• Payback: biasanya 3–6 bulan saat diukur terhadap waktu operasi yang dihemat

Kalau Anda mencoba mencari tahu integrasi AI mana yang masuk akal untuk operasi Tokopedia/Shopee spesifik Anda, satu jam percakapan biasanya menjernihkannya. Kami melakukannya tanpa biaya.