Obrola
AI & OtomasiPublished 11 November 2026

Prompt AI untuk Analisis Komplain Pelanggan yang Bisa Ditindak

AI sanggup mengelompokkan komplain sebulan dalam beberapa menit, tapi kelompok yang berguna menyebut langkah kerja yang rusak, bukan perasaan pelanggan. Sembilan prompt ini menyiapkan filenya, melabeli tiap baris, dan berhenti di satu perbaikan yang punya pemilik dan tanggal.

Prompt AI untuk Analisis Komplain Pelanggan yang Bisa Ditindak
Andrianto Cahyono Putro

Ringkasan

  • Analisis komplain dengan AI baru bisa dikerjakan kalau nama kelompoknya menyebut langkah kerja yang rusak, bukan kata seperti "pelayanan" atau "kualitas produk".
  • Nama dan nomor pelanggan wajib dihapus sebelum file komplain ditempel ke tool AI mana pun, dengan dasar UU PDP yang berlaku penuh sejak 17 Oktober 2024.
  • Sembilan prompt di bawah menyiapkan file sebulan, menyusun kamus kategori, melabeli tiap baris, sampai satu perbaikan yang punya pemilik dan tenggat.
  • Obrola menyatukan chat WhatsApp, Instagram, dan Facebook dalam satu inbox tim, sehingga komplain yang masih berjalan hari ini tetap terlihat sementara file bulanan disusun.

Komplain yang sudah dibalas jarang dibaca lagi. Anda menyelesaikannya satu per satu, chat berikutnya naik, dan di akhir bulan yang tinggal hanya rasa bahwa pelanggan banyak mengeluh, tanpa satu pun yang bisa Anda sebut persisnya.

Masalahnya, satu komplain terbaca sebagai kejadian. Empat puluh komplain yang berjajar terbaca sebagai pola, dan pola tidak pernah muncul dari ingatan.

AI memang sanggup merapikan empat puluh komplain itu dalam beberapa menit. Yang menentukan apakah hasilnya dikerjakan Senin pagi bukan kecepatan AI-nya, melainkan nama kelompok yang keluar dari prosesnya.

Ponsel dan surat pesanan tergeletak di meja kayu, di samping laptop yang terbuka
Ilustrasi Unsplash

Tanda Hasil Analisis Komplain Anda Belum Bisa Dikerjakan

Banyak pemilik toko sudah mencoba meminta AI merangkum komplainnya, lalu berhenti karena hasilnya tidak mengarah ke apa pun. Empat tanda berikut bisa dicek pada hasil analisis apa pun dalam satu menit.

1. Kategorinya sama persis setiap bulan

Kalau bulan ini hasilnya "pelayanan, kualitas produk, pengiriman" dan bulan lalu juga, pelabelannya berjalan tanpa arah. Kategori sebesar itu tidak menunjuk langkah kerja mana pun yang rusak.

Tesnya satu kalimat: kalau nama kategori tidak bisa dijadikan judul tugas, kategorinya belum selesai disusun.

2. Tidak ada satu kelompok yang punya pemilik

Hasil analisis berhenti sebagai dokumen kalau tidak ada nama di sampingnya. Kelompok tanpa pemilik akan dibaca semua orang dan dikerjakan tidak seorang pun.

Pada file yang benar, tiap kelompok berakhir dengan satu kalimat perbaikan, satu nama pengerja, satu tanggal.

3. Kalimat pelanggan sudah hilang diganti parafrase AI

Hasil yang berbunyi "pelanggan kecewa dengan pelayanan" memang rapi, tetapi tidak bisa diperiksa. Kalimat asli "kok resinya nggak jalan" menunjuk langkah yang rusak: pengiriman nomor resi setelah paket diserahkan.

Tanpa kutipan asli, Anda tidak bisa memastikan kelompok itu memang berisi komplain yang serupa. Karena itu prompt 2 dan prompt 4 di bawah memakai kutipan, bukan ringkasan.

4. Jumlah per kategori tidak pernah dicocokkan dengan jumlah baris

Model bahasa bisa menuliskan angka dengan nada yakin tanpa benar-benar menghitung. Jumlah semua kategori harus sama dengan jumlah baris file; kalau tidak, ada yang karangan.

Karena itu cara di artikel ini memisahkan tugasnya tegas: AI melabeli, Anda menghitung. Akibatnya kalau angka diserahkan ke AI sudah pernah kami bedah saat ChatGPT menghitung omzet termasuk pesanan yang batal.

Taruhannya tidak kecil. Komplain yang tidak selesai di chat toko berpindah ke kanal lain. YLKI menerima 1.977 pengaduan sepanjang 2025; dari 1.011 pengaduan perorangan, sektor terbanyak adalah jasa keuangan 325, belanja online 133, telekomunikasi 106, serta paket dan pengiriman 61 (YLKI, 15 Januari 2026).

Perhatikan nama sektornya: "belanja online" dan "paket dan pengiriman", bukan "pelayanan". Kategori yang berguna memang selalu bunyinya spesifik.

Diagram batang pengaduan perorangan ke YLKI sepanjang 2025: jasa keuangan 325, belanja online 133, telekomunikasi 106, paket dan pengiriman 61, dari total 1.977 pengaduan.

Menyiapkan File Komplain Sebulan Sebelum Dibaca AI

Langkah nol inilah yang paling sering dilewati panduan. File yang belum dirapikan bukan bahan analisis, melainkan dua masalah sekaligus: hasil yang kacau dan data pelanggan yang bocor.

Dari mana komplainnya diambil

Komplain toko Anda tersebar di beberapa tempat, dan semuanya perlu masuk ke satu file.

  • Hasil ekspor chat WhatsApp, atau salinan manual kalau jumlahnya sedikit.
  • Ulasan marketplace, termasuk bintang empat yang isinya komplain.
  • Ulasan Google Maps.
  • Catatan admin atau kolom kendala di buku pesanan.

Batas jumlah pesan yang ikut terekspor berbeda antar perangkat dan versi aplikasi, jadi periksa sendiri di pengaturan WhatsApp sebelum mengandalkan satu ekspor. Cara menjelajah chat lama sampai tidak ada yang kelewat pernah kami urai di cara mengelola chat WhatsApp bisnis.

Kalau chat tersebar di dua ponsel admin, penyiapan file ini sekaligus jadi alasan untuk memusatkan; perbandingan alatnya ada di 10 aplikasi inbox tim WhatsApp dan harganya.

Dua tangan memegang halaman daftar tugas bertuliskan Check list, dua butir di antaranya sudah dicoret
Ilustrasi Pixabay

Yang wajib dihapus sebelum ditempel

Satu aturan huruf besar: nama dan nomor pelanggan tidak pernah ditempel ke tool AI mana pun. Aturan ini punya dasar hukum, bukan hanya kehati-hatian.

UU No. 27 Tahun 2022 tentang Pelindungan Data Pribadi mendefinisikan data pribadi sebagai data orang perseorangan yang teridentifikasi atau dapat diidentifikasi (teks UU). Undang-undang ini berlaku penuh sejak 17 Oktober 2024, setelah masa penyesuaian dua tahun sejak diundangkan.

Pasal 56 mengatur transfer data pribadi ke luar Indonesia: negara tujuannya harus punya pelindungan setara, atau ada pelindungan memadai yang mengikat, atau subjek data menyetujuinya. Server tool AI umumnya berada di luar Indonesia.

Vendornya sendiri menulis risikonya dengan terang. Gemini Apps Privacy Notice yang diperbarui 29 Juni 2026 menyebut sebagian percakapan dibaca reviewer manusia, percakapan yang sudah direview tetap disimpan sampai tiga tahun meski aktivitas Anda dihapus, dan Google sendiri meminta pengguna tidak memasukkan informasi rahasia (Google).

Yang dihapus dari file sebelum disalin:

  • Nama pelanggan dan sapaan di dalam chat.
  • Nomor HP, alamat, nomor resi, dan nomor rekening.
  • Screenshot yang memperlihatkan identitas, misalnya foto struk atau tangkapan chat dengan nama terlihat.

Praktisnya satu langkah: find-replace di spreadsheet sebelum menyalin. Analisis komplain tidak butuh nama; butuh teks komplainnya.

Bentuk file akhirnya: satu baris satu komplain

Formatnya sederhana dan dijaga tetap sederhana: kode, tanggal, kanal, lalu teks komplain apa adanya, typo pelanggan dibiarkan.

  • Kode berurutan C-01 sampai seterusnya, supaya tiap komplain bisa dirujuk tanpa nama pelanggan.
  • Tanggal, untuk mencocokkan lonjakan dengan perubahan yang Anda buat sendiri.
  • Kanal: WhatsApp, marketplace, Google Maps, atau catatan admin.

Contoh file komplain sebulan dengan empat kolom (Kode, Tanggal, Kanal, Teks komplain) dan empat baris contoh C-01 sampai C-04, tanpa nama dan tanpa nomor pelanggan; ditandai sebagai contoh, bukan data nyata.
Contoh isi file komplain sebulan

Tier konsumen dan tier bisnis punya aturan berbeda

Satu catatan pendek supaya aturan di atas tidak dibaca sekali lalu dilupakan. Anthropic mengumumkan 28 Agustus 2025 bahwa pengguna Claude Free, Pro, dan Max harus memilih apakah percakapannya dipakai melatih model: yang mengizinkan kenai retensi lima tahun, yang menolak tetap 30 hari, dan API serta Claude for Work dikecualikan (Anthropic).

Intinya, setelan tiap tool berbeda antar paket dan berubah tanpa pemberitahuan. Buka sendiri setelan privatnya di tool yang Anda pakai, jangan percaya artikel mana pun, termasuk yang ini.

9 Prompt Analisis Komplain Pelanggan yang Bisa Langsung Dipakai

Sembilan prompt ini berurutan seperti pekerjaannya: susun kamus, labeli, periksa, pisahkan, tindak, lalu bandingkan bulan depan. Tanda kurung siku adalah bagian yang Anda ganti; kalimat larangannya jangan dipotong.

Koleksi ini sekeluarga dengan 10 prompt prospecting yang tidak mengarang fakta dan prompt balas email pelanggan: semuanya menempelkan bahannya sendiri, dan hasilnya tetap diperiksa manusia, seperti laporan kerja buatan AI yang ketahuan di kolom kendala.

Tangan mengetik di laptop yang layarnya menampilkan tabel berisi baris data produk
Ilustrasi Unsplash

1. Menyusun kamus kategori dari komplain Anda sendiri

Kapan dipakai: sekali di awal bulan, setelah file siap dan sebelum melabeli apa pun.

Saya punya daftar komplain pelanggan toko saya selama satu bulan,
satu baris satu komplain, formatnya: kode | tanggal | kanal | teks asli.
Tugas Anda: baca semua baris, lalu usulkan daftar kategori.
Aturan kategori:
1. Nama kategori wajib menyebut langkah kerja yang rusak, bukan
   perasaan pelanggan. Yang salah: "pelayanan", "kualitas produk".
   Yang benar: "nomor resi tidak dikirim setelah paket diserahkan
   ke kurir".
2. Maksimal 8 kategori.
3. Untuk tiap kategori, sebut 3 kata atau frasa yang biasa muncul
   di teks komplainnya.
4. Komplain yang tidak masuk kategori mana pun jangan dipaksakan;
   sebut saja "belum terjelaskan".
Jangan menghitung jumlah baris.
File saya: [tempel]

Yang balik: daftar kategori bernama langkah kerja, masing-masing dengan kata kuncinya.

Yang harus Anda periksa: apakah tiap nama kategori bisa dijadikan judul tugas untuk satu orang.

2. Melabeli tiap baris dengan kamus Anda

Kapan dipakai: langsung setelah prompt 1. Untuk file panjang, jalankan bertahap per 100 baris; alasannya ada di bagian Aturan.

Beri label setiap baris komplain di bawah ini dengan tepat satu
kategori dari kamus ini:
[tempel kamus dari prompt 1]
Aturan:
1. Format jawaban: kode | kategori | kutipan asli teksnya, paling
   panjang 15 kata.
2. Satu baris satu kategori. Kalau satu baris berisi dua komplain,
   pilih yang menunjuk langkah kerja toko.
3. Tidak ada yang cocok: tulis "belum terjelaskan". Jangan menebak.
4. Di dalam kutipan, jangan mengubah kata pelanggan, jangan
   memperbaiki ejaan, jangan meringkas.
File, baris 1-100: [tempel]

Yang balik: daftar berlabel yang siap Anda hitung sendiri di spreadsheet. Contoh satu barisnya (contoh hasil, bukan data toko sungguhan): C-07 | resi tidak dikirim setelah paket diserahkan ke kurir | "masuk 6 hari, resi nggak jalan".

Yang harus Anda periksa: jumlah baris hasil harus sama dengan jumlah baris file.

3. Memeriksa 20 label dan memperbaiki kamus

Kapan dipakai: setelah prompt 2, sebelum memercayai hasilnya.

Saya memeriksa 20 label secara manual dan menemukan kesalahan
berikut. Format: kode | kategori yang diberikan | yang seharusnya
menurut saya | alasannya.
[tempel kesalahan yang Anda temukan]
Tugas Anda:
1. Perbaiki kamus kategorinya supaya kesalahan seperti ini tidak
   terulang: ganti nama, tambah kata kunci, atau pecah kategori.
2. Sebutkan baris mana saja yang perlu saya labeli ulang.
3. Jangan mengubah kategori yang tidak berhubungan dengan
   kesalahan di atas.

Yang balik: kamus versi dua yang lebih tajam, plus daftar baris yang perlu label ulang.

Yang harus Anda periksa: apakah perbaikannya menutup kesalahan, bukan sekadar menambah kategori baru.

4. Menarik kalimat pelanggan yang berulang, bukan parafrase

Kapan dipakai: setelah semua baris berlabel, saat Anda ingin tahu bunyi asli keluhan terbesar.

Dari komplain berlabel di bawah ini, cari kalimat atau frasa yang
muncul berulang dari pelanggan berbeda.
Aturan:
1. Kutip kata pelanggan apa adanya, minimal dari 3 komplain berbeda.
2. Untuk tiap kutipan: berapa kali muncul dan kode komplainnya.
3. Urutkan dari yang paling sering.
4. Jangan menggabungkan kalimat yang mirip menjadi satu tema.
File: [tempel]

Yang balik: lima sampai delapan kutipan asli yang paling sering dipakai pelanggan.

Yang harus Anda periksa: kutipannya memang ada di file, bukan hasil penghalusan AI.

5. Memisahkan komplain sebelum transaksi dari sesudah transaksi

Kapan dipakai: setelah pelabelan, sebelum memilih perbaikan; dua kelompok ini dikerjakan orang yang berbeda.

Bagi komplain berlabel di bawah ini menjadi dua kelompok.
A. Lahir sebelum transaksi: katalog, harga, ongkir, ekspektasi
   ukuran atau warna yang terbentuk sebelum pesanan dibayar.
B. Lahir sesudah transaksi: pengemasan, kurir, barang rusak,
   refund, garansi.
Aturan:
1. Sebut kode komplain tiap kelompok, satu baris satu kode.
2. Komplain "barang tidak sesuai deskripsi" masuk A kalau intinya
   ekspektasi dari deskripsi, masuk B kalau barangnya rusak.
   Untuk yang meragukan, tulis alasannya.
File: [tempel]

Yang balik: dua daftar kode yang memperlihatkan apakah masalah ada di etalase atau di eksekusi.

Yang harus Anda periksa: kelompok A yang besar menunjuk deskripsi produk; cara memperbaikinya ada di menulis deskripsi produk yang menjawab sebelum ditanya.

6. Satu perbaikan per kelompok, dengan pemilik dan tenggat

Kapan dipakai: setelah Anda menghitung sendiri jumlah tiap kategori.

Untuk tiap kelompok komplain berikut, usulkan satu perbaikan saja.
Aturan:
1. Satu kelompok satu perbaikan, maksimal satu kalimat.
2. Perbaikan wajib menyebut langkah kerja yang diubah, bukan
   sikap yang diperbaiki. Yang salah: "tingkatkan kualitas
   pelayanan". Yang benar: "kirim nomor resi otomatis di hari yang
   sama saat paket diserahkan ke kurir".
3. Perbaikan harus bisa dikerjakan satu orang dalam satu minggu,
   tanpa langganan baru.
4. Format: kelompok | perbaikan | pengerjanya (admin chat, admin
   gudang, atau pemilik) | tenggat.
Daftar kelompok beserta jumlah hasil hitungan saya: [tempel]

Yang balik: daftar pendek berisi perbaikan yang langsung bisa dijadikan tugas.

Yang harus Anda periksa: pengerja dan tanggalnya. Isi sendiri kalau AI menebak; Anda yang tahu siapa mengurus apa di toko Anda.

7. Mengubah kelompok terbesar menjadi butir SOP

Kapan dipakai: setelah satu perbaikan dipilih, sebelum diserahkan ke pengerjanya.

Ubah perbaikan berikut menjadi butir SOP yang bisa dicentang oleh
orang yang mengerjakannya: [tempel satu perbaikan dari prompt 6]
Aturan:
1. Maksimal 6 butir, tiap butir diawali kata kerja.
2. Tiap butir harus bisa dinilai "selesai atau belum" tanpa
   penilaian subjektif.
3. Sebut kapan butir dikerjakan: saat pesanan masuk, sebelum
   paket diserahkan ke kurir, dan seterusnya.
4. Jangan menulis butir yang menilai perasaan atau sikap.

Yang balik: daftar centang yang bisa ditempel di meja kerja.

Yang harus Anda periksa: butirnya dikerjakan pada momen yang benar, bukan hanya terdengar rapi.

8. Tiga versi balasan untuk kelompok terbesar

Kapan dipakai: setelah perbaikan dipilih, supaya admin tidak menulis balasan dari nol setiap kali komplain serupa masuk.

Tulis tiga versi balasan untuk komplain kelompok berikut:
[kelompok dan 3 kutipan asli komplainnya]
Versi 1, salah kami: kesalahan memang di toko.
Versi 2, pihak ketiga: keterlambatan atau kerusakan terjadi di
kurir atau pihak lain.
Versi 3, salah paham: ekspektasi pelanggan tidak cocok dengan
deskripsi.
Aturan:
1. Maksimal 4 kalimat tiap versi, bahasa chat WhatsApp yang biasa
   dipakai toko, sapaan "Kak" boleh.
2. Sebut langkah konkret dan waktunya, misalnya "resi saya kirim
   hari ini sebelum jam 17.00". Jangan menulis janji yang tidak
   bisa dipastikan toko.
3. Jangan menyalahkan pelanggan di versi mana pun.

Yang balik: tiga draft yang tinggal disesuaikan dengan kasus yang masuk.

Yang harus Anda periksa: setiap janji di dalamnya. Janji yang meleset bulan ini menjadi komplain baru bulan depan.

9. Membandingkan file bulan ini dengan kamus bulan lalu

Kapan dipakai: bulan kedua dan seterusnya, di awal sesi.

Kamus kategori bulan lalu: [tempel kamus dari bulan sebelumnya]
File komplain bulan ini: [tempel]
Tugas:
1. Labeli file bulan ini memakai kamus bulan lalu, aturan sama
   seperti pelabelan biasa.
2. Sebut komplain yang tidak masuk kategori mana pun.
3. Sebut kategori yang Anda duga naik atau turun tajam dari bulan
   lalu. Jangan menuliskan angka; saya yang akan menghitung.

Yang balik: label yang setara bulan ke bulan, plus kategori yang perlu Anda hitung lebih dulu.

Yang harus Anda periksa: kelompok yang membesar dua bulan berturut-turut. Itu tanda perbaikan bulan lalu tidak pernah dijalankan.

Mengapa File Komplain Dibaca Sebulan Sekali, Bukan Saat Ramai

Ritme bulanan terasa berat bagi toko yang tiap hari sibuk membalas. Empat alasan berikut menjelaskan kenapa justru ritme itu yang bekerja.

1. Komplain harian dibaca sebagai kejadian, komplain sebulan sebagai pola

Saat ramai, Anda membalas, tidak membaca. Satu pelanggan yang marah hari Senin tercatat sebagai hari yang buruk, lalu terlupakan.

Delapan pelanggan menulis kalimat yang mirip dalam sebulan terbaca sebagai satu langkah kerja yang rusak. Itu baru terlihat kalau barisnya berjajar dalam satu file.

2. Satu perbaikan yang dijalankan mengalahkan tujuh yang dicatat

File bulanan memaksa Anda memilih. Prompt 6 sengaja dibatasi: satu perbaikan per kelompok, satu pengerja, satu minggu.

Daftar perbaikan yang panjang tanpa pemilik tidak mengubah apa pun. Bulan depan file itu hanya bertambah satu lagi yang tidak dibaca.

3. Kelompok yang sama dua bulan berturut-turut berarti perbaikannya tidak pernah jalan

Inilah alasan prompt 9 ada. Syaratnya satu: pelabelan antarbulan harus konsisten, dan di titik ini AI memang kuat.

Penelitian pelabelan teks di PNAS (2023) menguji ChatGPT pada 2.382 tweet: akurasi zero-shot-nya melampaui pekerja crowdworker pada empat dari lima tugas, dan intercoder agreement-nya lebih tinggi daripada anotator terlatih (Gilardi dkk., PNAS 2023).

Tapi konsistensi bukan kebenaran. Karena itu sampel 20 label tetap diperiksa manusia setiap bulan; caranya ada di bagian Aturan.

4. Kategori yang naik tiba-tiba biasanya menunjuk perubahan yang Anda buat sendiri

Ganti kurir, naikkan ongkir, tulis ulang deskripsi produk: semuanya kelihatan di file bulan berikutnya.

Cocokkan tanggal lonjakan dengan tanggal keputusan Anda. Kasus yang sering terjadi: komplain "barang tidak ada" naik setelah stok berpindah ke aplikasi lain, seperti pernah kami urai di stok habis di chat, masih ada di aplikasi kasir.

Aturan yang Membuat Hasilnya Bisa Dipercaya

Lima aturan main, semuanya pendek, semuanya bisa dijalankan hari ini.

1. AI melabeli, Anda yang menghitung

Hitung kategori di spreadsheet dengan satu formula sederhana. Model bahasa menuliskan angka dengan nada yakin tanpa benar-benar menghitung, dan memberi peran tidak serta-merta membuat jawabannya benar, seperti sudah dibahas di kesalahan pakai ChatGPT di kerja.

Angka yang Anda hitung sendiri tidak berubah saat prompt diulang. Angka yang ditulis AI bisa.

2. Potong file per 100 baris

Riset Liu dkk. menemukan pola yang konsisten lintas model: performa tertinggi saat informasi relevan berada di awal atau akhir masukan, dan turun signifikan saat model harus mengambil informasi di tengah konteks panjang, bahkan pada model yang memang dirancang untuk konteks panjang (Liu dkk., TACL).

File 300 baris yang ditempel sekaligus meninggalkan baris-baris tengah paling rawan kelewat labelnya. Seratus baris sekali tempel menjaga tiap baris dekat dengan tepi.

Diagram tiga kotak berurutan: akurasi pengambilan AI tinggi saat data di awal input, turun saat data di tengah, dan naik kembali saat di akhir; temuan Liu dkk., Lost in the Middle (TACL).
Akurasi turun saat data di tengah

3. Simpan kamus kategori sebagai file tetap

Kamus yang berubah tiap bulan membuat angkanya tidak bisa dibandingkan. Simpan sebagai file tersendiri, dan perbarui hanya lewat prompt 3.

Dengan kamus tetap, kenaikan dan penurunan tiap kategori jadi kalimat yang bermakna, bukan tebakan.

4. Periksa sampel 20 label setiap bulan

Studi PNAS di atas menunjukkan pelabelan AI bisa lebih konsisten daripada manusia. Konsisten bukan berarti benar: model yang salah pun akan salah dengan sangat konsisten.

Ambil 20 label secara acak dan baca baris aslinya. Dua sampai tiga kesalahan masih wajar; sepuluh berarti kamusnya yang bocor.

5. Kapan cara ini tidak cocok

Di bawah dua puluh baris, baca sendiri; lebih cepat daripada menyiapkan file dan promptnya.

Kalau komplain pelanggan datang lewat telepon atau tatap muka tanpa teks, tidak ada yang bisa dilabeli. Catat dulu sebagai baris, baru analisis.

Mulai dari 30 Komplain Terakhir Sore Ini

Semua di atas bisa dimulai sore ini dalam dua puluh menit, tanpa membeli apa pun.

Kertas dan surat disusun di meja kerja sambil bekerja di laptop yang menyala
Ilustrasi Unsplash

Langkah 1. Kumpulkan komplainnya

Ekspor chat sebulan, atau salin manual 30 komplain terakhir dari chat dan ulasan. Campur kanalnya dalam satu daftar.

Langkah 2. Rapikan jadi satu file

Buat spreadsheet, satu baris satu komplain, beri kode C-01 sampai C-30 beserta tanggal dan kanalnya.

Langkah 3. Hapus identitasnya

Jalankan find-replace untuk nama dan nomor. Simpan file aslinya terpisah, jangan dihapus.

Langkah 4. Jalankan dua prompt pertama

Prompt 1 untuk kamus, prompt 2 untuk label. Tiga puluh baris masih di bawah seratus, jadi sekali tempel cukup.

Langkah 5. Hitung sendiri

Hitung jumlah tiap kategori di spreadsheet. Cocokkan totalnya dengan jumlah baris.

Langkah 6. Tulis satu kalimat perbaikan

Ambil kelompok terbesar, jalankan prompt 6, lalu tulis satu kalimat perbaikan dengan nama pengerja dan tanggal, di kalender yang benar-benar Anda buka.

Ukuran analisis komplain yang baik bukan banyaknya halaman hasil, melainkan satu kalimat Senin pagi yang diketahui siapa pengerjanya dan kapan selesainya.

Rapikan Komplain Pelanggan Anda dengan Inbox Tim Obrola!

File bulanan merapikan pola, bukan hari ini. Pelanggan yang paketnya telat siang ini butuh jawaban sore ini juga, di satu tempat yang terlihat oleh semua yang ikut melayani.

Obrola menyatukan chat WhatsApp, Instagram, dan Facebook dalam satu inbox tim, menjaga riwayat percakapan tidak putus saat admin berganti, dan memberi tahap pada tiap percakapan supaya komplain tidak tenggelam di antara pesanan baru.

Singkatnya: file bulanan memberi tahu apa yang harus dirapikan, dan inbox membuat perbaikannya benar-benar jalan di tiap chat yang masuk.

Dua orang berdampingan, masing-masing menunduk pada ponselnya sendiri
Ilustrasi Pixabay

Jika Anda sedang merapikan cara toko Anda menangani komplain, diskusikan kebutuhan Anda bersama tim Obrola.

Pertanyaan yang Sering Diajukan Tentang Prompt Analisis Komplain (FAQ)

Apakah aman menempel chat pelanggan ke ChatGPT atau Gemini?

Tidak, selama isinya masih memuat identitas. Hapus nama, nomor, alamat, dan resi lebih dulu, lalu tempel hanya teks komplainnya. Dasarnya dua: UU PDP berlaku penuh sejak 17 Oktober 2024, dan kebijakan vendor sendiri menyebut sebagian percakapan dibaca reviewer manusia dan disimpan sampai tiga tahun.

Versi gratis ChatGPT atau Gemini cukup untuk sembilan prompt ini?

Cukup, karena sembilan prompt ini pekerjaan pelabelan dan penyusunan teks, bukan penalaran panjang. Batas yang lebih sering kena adalah jatah pesan saat file besar. Kalau sedang membandingkan paket berbayar, ringkasannya ada di model AI terbaru 2026.

Berapa komplain minimal supaya cara ini masuk akal?

Sekitar dua puluh sampai tiga puluh baris. Di bawah itu, membaca sendiri lebih cepat; pola baru terbaca dari pengulangan, dan pengulangan butuh jumlah.

Kenapa jumlah per kategori bisa berbeda tiap kali prompt diulang?

Karena model bahasa menyusun jawaban dengan unsur acak, sehingga jawaban yang mirip bisa berbeda di angkanya. Karena itu pembagiannya tegas: AI melabeli, Anda menghitung, dan pelabelan diulang dengan kamus yang sama supaya hasilnya stabil.

Artikel terkait

Sumber


Mau chat pelanggan toko Anda terjawab lebih cepat? Tanya tim Obrola bagaimana Obrola bisa membantu.

Chat via WhatsApp →