Reporting Multi-Channel: Menyatukan Data Tokopedia, Shopee, dan Lazada

Jualan di banyak marketplace Indonesia normal. Begitu juga spreadsheet yang seseorang update setiap Senin pagi untuk mencari tahu channel mana yang sebenarnya bekerja. Yang pertama baik. Yang kedua tanda Anda sudah melampaui yang laporan native setiap platform bisa berikan.

Berikut yang sebenarnya bekerja untuk menyatukan data Tokopedia, Shopee, dan Lazada — tanpa membangun ulang dari CSV setiap minggu.

Kenapa laporan native platform tidak cukup

Setiap platform punya panel admin sendiri dengan laporan sendiri. Mereka baik untuk pertanyaan spesifik tool (“bagaimana listing Tokopedia saya minggu lalu?”). Mereka gagal di pertanyaan yang paling penting untuk bisnis cross-channel:

• Channel mana menghasilkan contribution margin tertinggi per produk?
• Produk mana berkinerja di satu channel dan gagal di lain?
• Di mana retur terkonsentrasi, dan di produk mana?
• Channel mana menghasilkan pelanggan yang reorder, dan mana yang tidak?

Anda tidak bisa menjawab ini dengan melihat tiga dashboard terpisah. Jawabannya tinggal di join antar data, bukan di view platform tunggal manapun.

Bentuk solusi yang tepat

Tiga lapisan, dalam urutan:

1. Lapisan data kecil yang Anda miliki

Tarik data setiap malam dari API setiap platform ke database yang Anda kontrol. Postgres, Cloudflare D1, BigQuery, atau pilihan masuk akal manapun. Biayanya kecil (~Rp 500rb–2 juta/bulan) dan nilainya besar: Anda sekarang punya satu tempat di mana setiap order, pelanggan, dan produk hidup, tanpa peduli platform mana asalnya.

Ini bagian yang hampir selalu hilang di perusahaan yang mencoba reporting multi-channel di spreadsheet.

2. Pencocokan identitas antar channel

Pelanggan yang sama muncul di Tokopedia dan Shopee dengan dua nama akun berbeda. Produk yang sama di-list sedikit berbeda di setiap platform. Tanpa mencocokkan ini, lapisan data hanya tiga dataset terpisah duduk berdampingan.

Pola yang bekerja untuk produk: master list SKU yang dimaintain tim Anda, dengan setiap listing platform dipetakan ke SKU. Diupdate dengan tangan saat produk baru launch (pekerjaan sekali pakai per launch, bukan per platform).

Untuk pelanggan: pencocokan dengan nomor telepon plus huruf pertama nama biasanya 80% akurat, yang cukup baik untuk analisis. Mismatch 20% adalah noise yang bisa diterima kecuali Anda melakukan pekerjaan level pelanggan presisi.

3. Dashboard di atas lapisan data

Sekarang Anda bisa menjawab pertanyaan cross-channel. Metabase atau Looker Studio, dikonfigurasi untuk query lapisan data, memberi Anda cross-tabulasi yang laporan native platform tidak bisa.

Yang ini biasanya hasilkan: 6–12 chart yang update otomatis setiap malam. Performance channel per produk, tingkat retur per channel, tingkat pelanggan repeat per channel akuisisi, contribution margin per channel setelah biaya.

Apa yang jadi mengejutkan setelah Anda bangun ini

Tiga pola yang konsisten kami lihat untuk UKM yang menjalankan multi-channel:

1. Satu channel diam-diam mensubsidi yang lain

Anda selalu tahu Channel A punya margin lebih rendah dari Channel B. Yang Anda tidak tahu: celahnya lebih besar dari yang Anda pikir, dan Channel A sebenarnya rugi setelah retur dan biaya dihitung dengan benar. Kira-kira 1 dari 4 UKM multi-channel yang kami audit menemukan ini.

Fix-nya biasanya bukan meninggalkan channel — tapi mengulang harga atau merumuskan ulang produk mana yang masuk channel mana. Tapi Anda tidak bisa melakukan keduanya sampai Anda bisa melihatnya.

2. Produk yang sama berkinerja sangat berbeda di channel

Produk yang top seller di Shopee mungkin tak terlihat di Tokopedia, dan sebaliknya. Alasan (algoritma pencarian, demografi pelanggan, kualitas listing, kompetisi harga) butuh lebih lama untuk dipahami, tapi visibilitas adalah langkah pertama.

3. Retur terkonsentrasi di pola spesifik

Setelah Anda bisa melihat retur dipecah per channel + SKU + pelanggan, polanya jadi jelas. Sering: produk tertentu di channel tertentu punya tingkat retur 3x dari produk yang sama di tempat lain. Kadang deskripsi produk buruk; kadang mismatch basis pelanggan; kadang pola fraud.

Berapa biaya membangunnya

Untuk UKM Indonesia yang menjual Rp 1–10 miliar/tahun di 2–4 marketplace:

• Build pipeline data (sync dari setiap platform ke database, pencocokan identitas): Rp 40–100 juta, 4–8 minggu.
• Lapisan dashboard di atas (Metabase dikonfigurasi, 8–15 chart kunci): Rp 15–40 juta, 2–4 minggu.
• Total upfront: Rp 55–140 juta, 6–12 minggu.
• Berkelanjutan: Rp 1,5–4 juta/bulan (hosting, biaya API, maintenance sesekali).

Payback untuk UKM di skala ini: biasanya 3–6 bulan dari waktu yang dihemat di reporting manual plus keputusan operasional yang dimungkinkan oleh visibilitas.

Kesalahan umum untuk dihindari

Tiga pola yang konsisten gagal:

Mencoba melewati lapisan data

Tools yang mengklaim “terhubung langsung” dari dashboard ke Tokopedia dan Shopee bekerja untuk kasus paling sederhana dan jatuh untuk query cross-channel. Lapisan data bagian yang membiarkan Anda sebenarnya join antar platform. Jangan lewati.

Pencocokan identitas manual selamanya

Versi pertama pencocokan identitas selalu sebagian manual. Fix-nya pelan-pelan otomasi saat pola muncul. UKM yang tidak pernah mengotomasi ini berakhir dengan seseorang menghabiskan jam per minggu rekonsiliasi, yang mengalahkan tujuan.

Membangun sekali dan tidak pernah update

API marketplace berubah. Platform baru (Blibli, TikTok Shop) jadi relevan. Lini produk Anda berkembang. Rencanakan ~10% biaya build per tahun sebagai maintenance berkelanjutan.

Di mana memulai

Kalau Anda sudah jalan di banyak marketplace dan spreadsheet Senin pagi terasa semakin memberatkan:

1. Audit alur kerja reporting Anda saat ini. Berapa jam per minggu, berapa orang, keputusan apa yang dibuat darinya. Ini nilai yang sistem baru gantikan.
2. Daftar pertanyaan cross-channel yang tidak bisa Anda jawab dengan mudah saat ini. Ini mendefinisikan apa yang dashboard perlu lakukan.
3. Putuskan apakah membangun sendiri atau hire keluar. Sebagian besar UKM hire keluar — pekerjaan data engineering cukup khusus sehingga tim internal berjuang.

Kalau Anda mencoba mencari tahu apakah infrastruktur reporting multi-channel layak dibangun untuk situasi spesifik Anda, satu jam percakapan biasanya menjernihkannya. Kami melakukannya tanpa biaya.