Data-data tersebut kemudian diproses menggunakan algoritma machine learning seperti collaborative filtering atau content-based filtering. Algoritma ini mencari pola dalam data, seperti produk yang sering dibeli bersamaan oleh pengguna serupa atau produk yang sering dikunjungi setelah melihat produk tertentu.
Berdasarkan pola ini, Tokopedia dapat menyarankan produk kepada pengguna ketika mereka masuk ke aplikasi atau saat sedang melihat produk tertentu. Misalnya, "Pengguna yang membeli produk ini juga membeli...".
Maka dari itu, dengan gabungan antara data warehouse dengan pengaplikasian machine learning (ML) atau bahkan kecerdasan buatan (AI), Tokopedia dapat lebih mengoptimalkan algoritma pencarian, memprediksi kebutuhan pelanggan, serta hal lain yang dapat meningkatkan pengalaman pengguna Tokopedia.
Referensi:
Afianti, Y., Ayu Ramadhani, N. ., Risnandyaa Rahmi, A., & Madiistriyanto, H. (2023). Pemasaran Digital Efektif Dalam Platform Tokopedia: Studi Kasus. Journal of Comprehensive Science (JCS), 2(7), 1324--1328. https://doi.org/10.59188/jcs.v2i7.455
Inmon, W. H. (2005). Building the Data Warehouse (4th ed.). Foster City, CA: Hungry Minds.
Ipsos. (2018). E-Commerce Outlook 2018. Diakses dari https://www.ipsos.com/en-id/e-commerce-outlook-2018
Tjahjadi, M. (2018). How Tokopedia modernized its data warehouse and analytics processes with BigQuery and Cloud Dataflow. Diakses dari https://cloud.google.com/blog/products/gcp/how-tokopedia-modernized-its-data-warehouse-and-analytics-processes-with-bigquery-and-cloud-dataflow
Follow Instagram @kompasianacom juga Tiktok @kompasiana biar nggak ketinggalan event seru komunitas dan tips dapat cuan dari Kompasiana
Baca juga cerita inspiratif langsung dari smartphone kamu dengan bergabung di WhatsApp Channel Kompasiana di SINI
