Lompat ke konten utama
StableTerakhir diperbarui: 9 Okt 2026, 09.28

Otomasi Sales Closing & Smart Booking Jasa

Salah satu titik kebocoran omset terbesar pada operasional penjualan berbasis obrolan (WhatsApp) adalah jeda waktu respon saat pembeli telah siap mentransfer dana. Fitur Otomasi Sales Closing & Smart Booking Jasa pada mesin DagangBot AI mengeliminasi hambatan tersebut dengan mengubah percakapan santai menjadi konversi transaksi tuntas (closing) secara otonom dalam waktu rata-rata 60 detik tanpa intervensi manusia.

Stable

1. Ikhtisar & Nilai Bisnis

Ketika seorang calon pelanggan bertanya mengenai ketersediaan produk atau menanyakan estimasi biaya di WhatsApp, secara statistik 70% dari mereka berniat melakukan pembelian saat itu juga. Jika sistem penanganan pesanan manusia baru merespons lima belas menit kemudian, pembeli kerap beralih dan membatalkan niatnya. DagangBot AI memecahkan masalah ini dengan sistem identifikasi instan:

  • Deteksi Niat Beli (Intent Recognition): Membedakan secara semantik antara pengguna yang sekadar bertanya detail produk dengan pembeli yang menyatakan intensi pembelian jelas (contoh: "mau pesan 2 pcs min" atau "total harga ke Bandung jadi berapa?").
  • Kalkulasi Biaya Logistik Instan (Konektor RajaOngkir): Terhubung ke layanan tarif logistik terpadu dengan parameter asal, tujuan, dan berat gram. Secara bawaan sistem menanyakan tiga kurir (jne, tiki, pos); filter kurir tunggal didukung lewat field Courier.
  • Penerbitan Invoice Tagihan Dinamis (QRIS & Virtual Account): Langsung menerbitkan tagihan kode respons cepat (QR Code) melalui gateway pembayaran resmi (Midtrans dan Xendit) dengan nilai nominal akurat hingga ke fraksi rupiah terakhir.
  • Audit Bukti Transfer Visual (Vision AI Engine): Mengizinkan pemindaian foto tangkapan layar m-Banking atau bukti struk ATM yang diunggah pelanggan, mendeteksi kecocokan nomor rekening tujuan, nominal transfer, serta tanggal transaksi secara komprehensif.
  • Konversi Penjadwalan Cerdas (Smart Booking): Untuk jenis bisnis penyedia layanan jasa, mesin mampu memeriksa jadwal kosong terapis atau praktisi (SlotAvailability) dan langsung menempatkan reservasi pada kalender secara otomatis dengan deposit awal.
Akurasi Data Dasar Produk

Kalkulasi biaya logistik yang beroperasi secara otonom mengandalkan parameter dasar Berat Barang (Gram) di dalam repositori produk Anda. Kegagalan mengatur beban riil barang (misal: pakaian = 350 gram, sepatu kulit = 1100 gram) akan memicu perhitungan tarif kurir yang meleset, menyebabkan penagihan yang tidak mencukupi untuk biaya pengiriman nyata.

2. Alur Visual & Antarmuka

Operasional antarmuka pengguna pada modul ini dirancang guna memudahkan tim sales dan admin memantau laju prospek yang berakhir pada penutupan transaksi (closing). Sistem menyediakan Kanban Pipeline Penjualan dan daftar transaksi pesanan live:

Kanban board pipeline sales closing prospek dan tahapan deal
Kanban board pipeline sales closing dengan visualisasi tahapan prospek dari negosiasi hingga deal closing.
Tabel pesanan yang berhasil divalidasi dan dikonversi dari percakapan sales
Daftar pesanan yang berhasil dikonversi dari obrolan WhatsApp dengan status pembayaran terverifikasi.

Pemantauan visual ini memberikan jaminan bagi pihak pengelola toko (merchant) bahwa konfirmasi pelunasan tagihan tidak memerlukan verifikasi mata telanjang. Setiap transaksi disandingkan dengan nilai skor keyakinan (confidence score) dari mesin AI.

3. Panduan Langkah-demi-Langkah

Prosedur berikut merincikan simulasi bagaimana model bahasa (LLM) menavigasi pembeli melewati siklus pertanyaan, pengambilan komitmen bayar, hingga proses validasi penyelesaian pesanan (fulfillment).

  1. 1

    Langkah 1: Kualifikasi Intensi & Konfirmasi Komoditas

    Pengguna platform mengirimkan pesan: "Halo min, produk kemeja kerja ukuran L masih ada? Saya mau pesan satu." AI mengklasifikasikan ucapan tersebut memiliki derajat niat beli yang tinggi, langsung mengakses basis data inventaris, memverifikasi sisa stok pada gudang, lalu membalas: "Tersedia Kak! Harga unit Rp 175.000. Untuk kalkulasi ongkos kirim ke alamat tujuan, mohon informasi nama kecamatan dan kota pengirimannya."

  2. 2

    Langkah 2: Evaluasi Logistik via RajaOngkir

    Pelanggan memberikan data geolokasi: "Kecamatan Coblong, Kota Bandung". Mesin mengakumulasikan beban massa pesanan (misal 350 gram), lalu memanggil kalkulator tarif dengan parameter asal, tujuan tingkat kota, dan weight_grams. Hasil dikembalikan ke WhatsApp sebagai daftar opsi berisi empat field per baris — courier, service, cost (IDR), dan etd — sehingga pembeli melihat nama layanan kurir beserta estimasi harinya. Bila RAJAONGKIR_API_KEY belum diisi, platform memakai MockShippingCalculator (nama provider mock_rajaongkir) agar alur pengembangan tetap dapat diuji tanpa memanggil API eksternal.

  3. 3

    Langkah 3: Eksekusi Tagihan Finansial (QRIS Dinamis)

    Pengguna memilih jalur pengiriman (contoh: "Boleh pakai SiCepat saja min"). Modul langsung menginstruksikan pembuatan pesanan berstatus pending_payment dan menerbitkan nomor Invoice unik (misal #ORD-9821). Nilai total diakumulasikan secara mutlak (Rp 186.000). Gambar kode QRIS Midtrans yang menyematkan nominal persis dikirimkan ke ruang obrolan WhatsApp pengguna beserta rincian Virtual Account cadangan.

  4. 4

    Langkah 4: Pemeriksaan Pelunasan Struk Manual

    Jika pengguna tidak memindai kode QRIS melainkan melakukan transfer konvensional lalu mengunggah potongan gambar bukti bayar ke chat WhatsApp, mesin Vision AI mengambil alih. Tiga pilar verifikasi berjalan berurutan:

    • Kecocokan rekening tujuan: nominal dan identitas penerima hasil pembacaan dicocokkan dengan data rekening merchant.
    • Validitas tanggal transaksi: fungsi isTransactionDateValid menolak struk bertanggal sebelum pesanan dibuat (zona WIB).
    • Nominal penuh: selisih pembacaan terhadap total tagihan di luar toleransi paymentProofAmountToleranceRp (Rp 1.000) dikategorikan kurang bayar; struk bertanda IsSuspicious dipisahkan. Keluaran ketiga pilar itu berupa catatan audit pada pesanan berstatus waiting_verification untuk ditinjau operator — sinyal cocok nominal tidak otomatis mengubah status pesanan menjadi paid.
  5. 5

    Langkah 5: Penyusunan Reservasi Layanan Cerdas (Khusus Jasa)

    Bagi entitas bisnis berbasis jadwal (seperti klinik kecantikan atau konsultasi), proses tidak menghitung berat barang, melainkan kalender praktisi. Setelah pengguna memberikan persetujuan, AI melakukan kueri kepada antarmuka ketersediaan (SlotAvailability). Sistem menyegel jam pertemuan dan menerapkan batas deposit (DepositAmount). Begitu pelunasan dipenuhi, janji temu terdaftar resmi di tabel kalender.

4. Parameter & Spesifikasi Teknis

Keandalan mesin otomasi dalam menyimpulkan status transaksi sangat bergantung pada parameter toleransi teknis yang dikelola pada infrastruktur inti aplikasi.

Parameter Sistem / Komponen Batas Toleransi & Spesifikasi Dukungan Deskripsi Fungsionalitas
Integrasi Logistik Publik RajaOngkir (jne, tiki, pos) Tarif dihitung per berat gram (weight_grams, bawaan 1.000 gram bila kosong) dari titik asal ke tujuan tingkat kota.
Kredensial Logistik RAJAONGKIR_API_KEY + RAJAONGKIR_BASE_URL Tanpa API key, platform memakai kalkulator mock (mock_rajaongkir) dan mencatat peringatan di log, bukan menolak transaksi.
Mesin Pembayaran Resmi Midtrans (Snap/QRIS) & Xendit (Invoice/VA) Kredensial diambil runtime per merchant (MidtransRuntimeConfigProvider, XenditRuntimeConfigProvider); status pesanan diperbarui dari notifikasi webhook gateway.
Pembacaan Bukti Transfer BankName, Amount, TransactionDate, IsSuspicious, Confidence Field hasil ekstraksi model vision; Confidence hanya dicatat untuk audit, bukan gerbang otomatis.
Toleransi Nominal (OCR) paymentProofAmountToleranceRp = Rp 1.000 Selisih di dalam toleransi dicatat sebagai cocok; selisih kurang bayar, nominal tak terbaca, dan struk mencurigakan diteruskan ke verifikasi manual operator.

Anatomi Analisis Struk Vision AI

Ketika pembeli memilih pembayaran manual, mengunggah bukti potret fisik kertas maupun screenshot layar m-Banking merupakan tahapan kritis penentu keberhasilan otomatisasi. Mesin Vision AI mengembalikan struktur data terdefinisi, lalu sistem memakai struktur itu untuk tiga keputusan berurutan:

  • Ekstraksi Terstruktur: keluaran model memuat BankName, Amount, RecipientName, SenderName, TransactionDate, TransactionTime, Confidence, dan IsSuspicious. Tidak ada pembacaan teks bebas yang dipakai langsung sebagai keputusan pembayaran.
  • Pencocokan Nominal Bertoleransi: handler membandingkan Amount dengan total pesanan. Selisih dalam rentang paymentProofAmountToleranceRp (Rp 1.000) dicatat sebagai cocok untuk informasi peninjau; nominal di bawah rentang itu dikategorikan kurang bayar, dan nominal tak terbaca (Amount <= 0) dipisahkan.
  • Penjagaan Tanggal & Kecurigaan: isTransactionDateValid mengurai beragam format tanggal Indonesia dan menolak struk yang mendahului waktu pesanan dibuat; IsSuspicious (beserta SuspiciousReason) memaksa jalur verifikasi manual dengan status waiting_verification.
  • Batas Biaya Panggilan Vision: analisis gambar umum dibatasi chat.general_image_analysis_max_per_conversation_per_day (bawaan 10 per percakapan per hari, jendela Redis 26 jam, gagal-terbuka) karena panggilan vision belum dihitung terhadap saldo token merchant.

Resolusi Konflik Geolokasi Logistik

Parameter Origin dan Destination pada kalkulator tarif berformat ID atau nama kota, bukan kecamatan. Pelanggan yang menyebut nama area umum (contoh: "Kebayoran min") tidak bisa dipetakan langsung, sehingga alur yang benar adalah meminta kota/kabupaten yang jelas sebelum tarif dihitung.

Ketika hal ini terjadi, modul Sales Closing beralih pada fase mitigasi:

  • Klarifikasi Tujuan: Percakapan diarahkan meminta nama kota/kabupaten yang eksplisit; tanpa parameter tujuan yang terisi, kalkulator tarif tidak dipanggil.
  • Pengelompokan Keranjang Otomatis (Batch Order Mapping): Pada skenario di mana pelanggan menambah beban produk di pertengahan proses ketika draf awal (Pending Payment) telah diterbitkan, draf lama dibatalkan, berat gramasi produk baru diakumulasi ulang, dan tarif dipanggil lagi dengan weight_grams terkini agar nominal tagihan ongkir mengikuti isi keranjang terakhir.

5. Relasi & Integrasi

Kesuksesan penutupan transaksi (closing) secara otonom mewajibkan komunikasi antar-modul lintas layanan pada arsitektur platform:

  • Modul Inventaris & Basis Data Produk: Menyediakan rasio dimensi, bobot, dan stok siap jual. Pemesanan gagal dibentuk jika angka stok menunjukkan digit nol.
  • Penyedia Gateway Finansial (API Midtrans/Xendit): Merupakan penghubung validasi lalu lintas dana. Komponen otomasi hanya akan bergerak memproses tiket pengiriman jika gateway keuangan menembakkan pesan balik invoice.paid.
  • Modul Kalender Janji Temu (Booking Engine): Pada skema bisnis jasa, integrasi terhubung pada tabel praktisi (Practitioner) dan status slot harian. Mesin menahan slot selama jendela waktu pelunasan (buffer).
  • Infrastruktur Manajemen Interaksi Pelanggan (CRM): Menampung pangkalan data preferensi pengguna. Catatan alamat, nomor WhatsApp, dan histori pesanan terdahulu diindeks ke dalam profil, sehingga pada pesanan masa depan, pengguna tidak perlu mengetikkan ulang nama jalannya.

6. Pemecahan Masalah (Troubleshooting)

Kendala teknis selama siklus penjualan otonom biasanya bermuara pada input yang tidak konvensional dari pelanggan atau gangguan sinyal integrasi eksternal.

Gejala Kelainan Operasional Identifikasi Penyebab Utama Langkah Penanganan yang Dianjurkan
Sistem AI enggan mengeluarkan daftar ekspedisi sesudah pembeli menjabarkan alamat pengiriman. Parameter Destination pada kalkulator tarif berformat ID atau nama kota; alamat berupa nama gang/perumahan tidak dapat dipetakan. Minta pembeli menyebutkan kota/kabupaten tujuan secara eksplisit, lalu ulangi perhitungan ongkir dari dasbor pesanan.
Unggahan struk terbaca jelas oleh operator, namun pesanan stagnan pada posisi "Pending". Nominal hasil ekstraksi di luar toleransi paymentProofAmountToleranceRp (Rp 1.000), nominal terbaca <= 0, atau struk ditandai IsSuspicious. Semua kondisi ini memang sengaja tidak mengubah status otomatis. Buka detail pesanan, periksa catatan audit [Vision AI ...] pada field notes, lalu jalankan verifikasi manual bila nominal fisik sesuai tagihan.
Mesin memunculkan notifikasi pemblokiran "Ketersediaan Tidak Memadai" padahal etalase terlihat normal. Selisih data antara pelaporan visual (cache) dengan entitas data primer; atau stok aktual telah ditahan sementara (locked status) oleh draf faktur pembeli sebelumnya yang masih berada di masa inkubasi pembayaran. Mengakses tabel inventaris barang. Melakukan injeksi penambahan kuantitas barang dagangan atau mendepresiasi batas tunggu pada faktur kedaluwarsa secara manual.
Pembeli mendiskusikan bahwa kode kotak matriks (QRIS) tidak bereaksi terhadap pindaian aplikasi m-Banking. Masa berlaku tagihan sudah lewat. Batas waktu disimpan pada kolom payment_deadline_at pesanan (mis. ExpiryDuration 24 jam pada alur penagihan merchant) dan dibersihkan saat pesanan tidak lagi menunggu pembayaran. Perintahkan pembeli meminta tagihan baru; pesanan lama dibatalkan dan ID transaksi ke gateway diperbarui.

7. Referensi Terkait

content/docs/features/sales-closing.mdx
Terakhir diperbarui: 9 Okt 2026, 09.28

Dokumentasi teknis DagangBot