Pernah meminta ChatGPT menggambarkan pelanggan bisnismu, lalu mendapat jawaban yang terdengar meyakinkan tetapi menyebut usia, penghasilan, dan kebiasaan belanja yang tidak pernah kamu ketahui?
Masalahnya bukan pada format customer persona, melainkan pada data yang dipakai untuk mengisinya.
Kamu bisa memakai AI untuk menyusun pola dari catatan pelanggan, asalkan setiap pernyataan diberi status yang jelas: data nyata, asumsi, atau hipotesis yang masih perlu diuji.
Caranya tidak harus dimulai dari survei besar.
Untuk usaha kecil, beberapa percakapan pelanggan yang relevan sudah cukup sebagai bahan awal.
Namun, jumlah catatan yang sedikit berarti hasilnya adalah persona sementara, bukan potret pasti seluruh pasar.
Mulai customer persona dari bukti yang benar-benar kamu punya
Sebelum membuka tool AI, kumpulkan bahan dari interaksi yang sudah terjadi.
Kamu bisa memakai pertanyaan pelanggan lewat WhatsApp, catatan pesanan, ulasan, formulir pemesanan, atau keberatan yang muncul saat menawarkan jasa.
Pilih periode yang jelas, misalnya pesanan dalam tiga bulan terakhir, supaya kamu tahu konteks setiap catatan.
Untuk contoh sepanjang artikel ini, bayangkan sebuah UMKM fiktif yang menjual bekal makan siang rumahan di Bandung.
Pemiliknya memilih 12 percakapan calon pembeli dan 8 catatan pesanan dari bulan yang sama.
Angka dan isi berikut hanya ilustrasi cara kerja, bukan hasil riset tentang pembeli makanan di Bandung.
Dari bahan ilustratif itu, pemilik menemukan enam percakapan yang menanyakan apakah pesanan bisa tiba sebelum jam istirahat.
Empat pembeli bertanya soal pilihan lauk, sementara tiga pesanan mencantumkan alamat kantor.
Catatan seperti ini lebih berguna daripada langsung menyimpulkan bahwa targetnya adalah “perempuan karier usia 25 sampai 35 tahun yang sibuk”.
Jenis kelamin, usia, dan tingkat kesibukan belum tercatat.
Beri label sebelum mencari pola
Supaya AI tidak mencampur fakta dengan tebakan, pisahkan bahan ke tiga label berikut.
Label ini juga membantu kamu menilai apakah sebuah kalimat layak masuk ke persona akhir.
- Data nyata: hal yang tertulis atau tercatat, misalnya “enam percakapan menanyakan waktu kedatangan sebelum istirahat”. Sebutkan sumber dan jumlahnya jika tersedia.
- Asumsi: tafsiran sementara dari data, misalnya “sebagian calon pembeli mungkin membutuhkan jadwal pengiriman yang pasti”. Masuk akal, tetapi belum tentu alasan mereka bertanya.
- Hipotesis: dugaan yang sengaja akan diuji, misalnya “informasi jam pengiriman pada halaman pemesanan dapat mengurangi pertanyaan berulang”.
Perhatikan perbedaannya: data mencatat apa yang terjadi, asumsi mencoba menjelaskan mengapa, sedangkan hipotesis mengarahkan percobaan berikutnya.
Jangan naikkan asumsi menjadi fakta hanya karena AI menuliskannya dengan bahasa yang rapi.
Jika kamu belum punya data usia atau pekerjaan pelanggan, tulis “belum diketahui”, bukan mengisi kolom agar template terlihat lengkap.
Rapikan bahan, lalu minta AI menandai celahnya
Kamu tidak perlu menempelkan seluruh percakapan mentah.
Buat ringkasan singkat per interaksi: nomor catatan, tanggal, pertanyaan atau keluhan, produk yang dibahas, dan apakah orang tersebut jadi membeli.
Kolom terakhir penting karena pertanyaan calon pembeli belum tentu menggambarkan alasan pembeli yang akhirnya melakukan transaksi.
Sebelum memasukkan catatan ke ChatGPT, Gemini, atau tool serupa, hapus nama, nomor telepon, alamat lengkap, dan informasi pribadi lain yang tidak diperlukan.
“Pengiriman ke area perkantoran” biasanya sudah cukup untuk analisis awal; AI tidak perlu tahu nomor gedung dan identitas pemesan.
Jika data berasal dari klien, ikuti izin dan aturan pengelolaan data yang berlaku di pekerjaanmu.
Berikut contoh input pendek untuk usaha bekal tadi.
Semua detailnya tetap ilustratif:
Catatan 01: Calon pembeli bertanya apakah pesanan bisa sampai sebelum pukul 12.00.
Belum membeli.
Catatan 02: Pembeli meminta pilihan lauk tanpa sambal.
Membeli dua porsi.
Catatan 03: Pembeli menulis alamat pengiriman di area perkantoran dan meminta perkiraan waktu tiba.
Membeli satu porsi.
Tambahkan sisa catatan dalam format serupa, lalu gunakan prompt ini.
Kamu bisa mengganti jenis usaha dan periode data sesuai kebutuhan:
Saya mengelola usaha bekal makan siang rumahan.
Berikut catatan interaksi pelanggan yang sudah dihapus identitas pribadinya: [tempel catatan].
Kelompokkan temuan menjadi data nyata, asumsi, dan hipotesis.
Untuk setiap data nyata, sebutkan nomor catatan pendukungnya.
Jangan menebak usia, penghasilan, pekerjaan, jenis kelamin, atau alasan membeli jika tidak tertulis.
Tandai informasi yang belum tersedia.
Jika satu temuan hanya muncul sekali, jangan sebut sebagai pola umum.
Setelah itu, ajukan maksimal lima pertanyaan yang bisa membantu saya melengkapi data.
Hasil yang kamu cari pada tahap ini bukan persona final.
Minta daftar temuan yang bisa ditelusuri kembali ke catatan asalnya.
Jika AI menulis “pelanggan takut terlambat makan siang”, periksa buktinya: apakah pelanggan benar-benar mengatakan itu, atau hanya bertanya soal jam pengiriman?
Revisi menjadi “beberapa calon pembeli menanyakan kepastian waktu pengiriman” bila itu yang tercatat.
AI juga bisa salah menghitung catatan atau menggabungkan dua percakapan menjadi satu kesimpulan.
Karena itu, cocokkan jumlah kemunculan dengan catatan aslinya secara manual, terutama jika kamu akan memakai angka tersebut untuk keputusan bisnis.
Untuk bahan awal yang kecil, pemeriksaan ini biasanya lebih realistis daripada menerima tabel AI tanpa dicek.
Susun persona yang berguna, bukan biodata fiktif
Setelah daftar temuan bersih, barulah minta AI menyusun customer persona.
Fokuskan isinya pada keputusan yang ingin kamu ambil: informasi apa yang perlu tampil di katalog, keberatan apa yang perlu dijawab admin, atau penawaran mana yang patut diuji.
Nama persona boleh dipakai sebagai label kerja, tetapi jangan sampai detail cerita karangannya terlihat seperti hasil wawancara.
Untuk usaha bekal dalam contoh, persona awal dapat diberi label “Pembeli yang mempertimbangkan kepastian pengiriman”.
Label ini tidak menyatakan bahwa semua pembeli bekerja di kantor.
Catatan alamat kantor hanya menunjukkan sebagian pesanan pada sampel kecil tadi, bukan identitas seluruh pelanggan.
Prompt untuk membuat draf persona
Berdasarkan daftar temuan yang sudah diverifikasi di bawah ini: [tempel daftar temuan], buat satu customer persona sementara untuk membantu saya memperbaiki informasi pemesanan.
Isi bagian kebutuhan yang terlihat, pertanyaan yang sering muncul, hambatan yang tercatat, dan informasi yang belum diketahui.
Beri label Data nyata, Asumsi, atau Hipotesis pada setiap poin.
Cantumkan nomor catatan untuk setiap Data nyata.
Jangan membuat nama, umur, pendapatan, kutipan pelanggan, atau cerita keseharian yang tidak ada dalam bahan.
Akhiri dengan dua keputusan kecil yang dapat diuji, bukan klaim bahwa persona ini mewakili semua pelanggan.
Draf yang berguna mungkin menyebut: Data nyata: beberapa calon pembeli menanyakan waktu kedatangan, dengan rujukan ke nomor catatan terkait.
Asumsi: kepastian jadwal bisa menjadi pertimbangan saat memilih bekal.
Hipotesis: menampilkan batas waktu pemesanan dan rentang pengiriman pada katalog dapat membantu calon pembeli mengambil keputusan.
Masing-masing punya tingkat kepastian berbeda, dan itu harus tetap terlihat pada versi yang kamu simpan.
Bagaimana kalau AI tetap menghasilkan sosok lengkap, seperti “Dina, 29 tahun, staf keuangan yang selalu sibuk”?
Hapus rincian yang tidak didukung catatan.
Lalu beri instruksi revisi yang spesifik: “Hapus semua karakteristik demografis yang tidak ada sumbernya.
Pertahankan hanya kebutuhan, pertanyaan, dan hambatan yang memiliki rujukan catatan.” Menambah instruksi seperti ini lebih efektif daripada sekadar meminta AI “buat lebih akurat”.
Persona untuk freelancer juga bisa dibuat dengan prinsip yang sama.
Misalnya, desainer lepas mencatat bahwa beberapa calon klien UMKM meminta contoh hasil sebelum membahas harga.
Temuan itu boleh menjadi alasan untuk menguji portofolio yang lebih mudah ditemukan, tetapi belum membuktikan bahwa semua klien UMKM lebih peduli portofolio daripada harga.
Uji persona lewat keputusan kecil dan percakapan baru
Customer persona tidak selesai saat dokumennya tampak rapi.
Ukur kegunaannya dari keputusan yang bisa kamu coba dan periksa.
Pada usaha bekal tadi, pemilik dapat menambahkan keterangan batas pemesanan serta rentang pengiriman ke katalog WhatsApp, lalu mencatat apakah pertanyaan soal waktu tiba masih muncul pada percakapan berikutnya.
Jangan buru-buru menganggap perubahan berhasil hanya karena beberapa pelanggan berhenti bertanya.
Bisa saja periode berikutnya lebih sepi, jenis pelanggan berbeda, atau admin menjawab lebih cepat.
Catat tanggal perubahan, jumlah percakapan yang dibandingkan, dan hal lain yang mungkin memengaruhi hasil.
Untuk usaha kecil, catatan sederhana sering lebih berguna daripada angka persentase yang tampak presisi tetapi berasal dari sampel sangat sedikit.
Kamu juga bisa memeriksa asumsi lewat pertanyaan singkat kepada pelanggan, tanpa meminta mereka mengisi survei panjang.
Contohnya: “Saat memesan makan siang, informasi apa yang paling kamu butuhkan sebelum memutuskan?” Biarkan jawabannya terbuka lebih dulu.
Jika kamu langsung bertanya, “Kamu butuh kepastian pengiriman, kan?”, pertanyaanmu justru dapat mengarahkan jawaban.
Setiap kali ada bukti baru, perbarui labelnya.
Asumsi yang didukung beberapa jawaban pelanggan bisa menjadi temuan yang lebih kuat, tetapi tetap tulis sumber, periode, dan batas sampelnya.
Sebaliknya, jika pelanggan ternyata lebih sering menanyakan pilihan menu daripada jadwal, ubah fokus persona.
Dokumen ini seharusnya mengikuti pelanggan, bukan memaksa pelanggan cocok dengan draf pertama AI.
Periksa juga siapa yang tidak tercakup dalam bahanmu.
Kalau sebagian besar catatan berasal dari orang yang menghubungi lewat WhatsApp, kamu belum tentu memahami pembeli yang datang langsung atau melihat katalog tetapi tidak pernah bertanya.
Keterbatasan seperti ini tidak membuat personamu sia-sia; justru membantu kamu memakai hasilnya untuk keputusan yang sesuai, bukan untuk mengklaim sudah memahami seluruh pasar.
Kalau persona akan dipakai untuk membuat konten promosi, pastikan kamu tidak mengubah hipotesis menjadi kalimat yang terdengar seperti fakta tentang pelanggan.
Pembahasan tentang kesalahan saat memakai AI untuk menulis konten bisnis bisa membantu saat kamu melanjutkan draf persona menjadi pesan pemasaran.
Untuk sekarang, ambil lima percakapan pelanggan terakhir yang boleh kamu gunakan, hapus identitas pribadinya, lalu tandai satu data nyata, satu asumsi, dan satu hal yang masih perlu kamu tanyakan.
