Cara Menyusun Data Tanya Jawab untuk Chatbot Bisnis

Chatbot kamu sering menjawab ngawur atau terlalu umum? Biasanya masalahnya bukan di model AI, melainkan di data yang diberikan kepadanya.

Chatbot bisnis, baik yang memakai daftar tanya jawab sederhana maupun yang memakai AI dengan RAG (mencari jawaban dari dokumen), hanya bisa sebaik bahan bacaannya. Data tanya jawab yang rapi membuat jawaban lebih akurat, konsisten, dan mudah diperbarui. Berikut langkah menyusunnya dari nol.

Langkah 1: Dari mana mengumpulkan pertanyaan nyata?

Mulailah dari apa yang benar-benar ditanyakan pelanggan. Sumber terbaiknya:

• Riwayat chat WhatsApp, Instagram, atau live chat beberapa bulan terakhir.
• Email layanan pelanggan dan catatan telepon.
• Kolom komentar dan ulasan di marketplace.
• Pertanyaan yang sering diterima tim penjualan saat calon pembeli ragu.

Salin pertanyaannya ke satu lembar kerja tanpa nama dan nomor pelanggan. Jangan langsung dirapikan. Kalimat asli pelanggan, lengkap dengan singkatan dan salah ketiknya, berguna untuk langkah berikutnya. Cara memanfaatkan riwayat chat untuk FAQ juga dibahas di cara membuat FAQ website dari riwayat chat pelanggan.

Langkah 2: Kelompokkan menjadi topik

Pertanyaan "ongkir ke Medan berapa", "bisa kirim ke luar Jawa?", dan "pakai ekspedisi apa?" sebenarnya satu kelompok besar: pengiriman. Kelompokkan pertanyaan mirip, lalu pecah lagi bila jawabannya berbeda. "Berapa lama pengiriman" dan "berapa ongkos kirim" sebaiknya menjadi dua topik terpisah karena jawabannya tidak sama.

Kategori yang umum di bisnis kecil dan menengah antara lain produk dan stok, harga dan pembayaran, pengiriman, retur dan garansi, akun dan pesanan, serta jam operasional dan kontak. Hitung juga seberapa sering tiap topik muncul. Topik yang paling sering ditanyakan dikerjakan lebih dulu.

Langkah 3: Format kolom seperti apa yang dipakai?

Buat lembar kerja dengan kolom tetap. Format yang konsisten memudahkan chatbot, memudahkan orang yang merawatnya, dan memudahkan pindah platform di kemudian hari.

• ID: kode unik, misalnya KRM-01.
• Kategori: pengiriman, pembayaran, dan seterusnya.
• Pertanyaan utama: versi paling jelas.
• Variasi pertanyaan: tiga sampai lima cara lain pelanggan bertanya, termasuk bahasa santai dan singkatan dari langkah 1.
• Jawaban: teks yang akan disampaikan chatbot.
• Syarat atau pengecualian: kondisi khusus, misalnya "tidak berlaku untuk produk pre-order".
• Serahkan ke manusia bila: kondisi yang membuat chatbot harus berhenti dan memanggil petugas.
• Sumber: dokumen kebijakan atau orang yang bertanggung jawab atas informasi itu.
• Terakhir diperbarui: tanggal.

Kolom variasi pertanyaan penting untuk chatbot berbasis aturan maupun AI, karena membantu sistem mengenali pertanyaan yang ditulis dengan cara berbeda.

Langkah 4: Tulis jawaban yang bisa berdiri sendiri

Ini bagian yang paling menentukan kualitas. Beberapa prinsip:

Prinsip nomor dua sering dilupakan. Chatbot RAG memecah dokumen menjadi potongan kecil sebelum dicari. Jawaban yang bergantung pada konteks di paragraf lain akan kehilangan maknanya. Penjelasan teknisnya ada di embedding dan chunking, kunci akurasi chatbot RAG.

Langkah 5: Kapan chatbot harus berhenti menjawab?

Chatbot yang baik tahu kapan harus berhenti. Tuliskan secara eksplisit topik yang tidak boleh dijawab chatbot dan harus diserahkan ke manusia, misalnya komplain barang rusak, permintaan pengembalian dana, negosiasi harga grosir, atau keluhan yang bernada marah.

Tambahkan juga satu jawaban cadangan untuk pertanyaan di luar data: "Maaf, saya belum punya informasi soal itu. Saya hubungkan dengan tim kami, ya." Ini jauh lebih baik daripada chatbot yang mengarang. Kapan tepatnya chat diserahkan dibahas di kapan chatbot harus menyerahkan chat ke agen manusia.

Langkah 6: Uji dengan pertanyaan yang belum pernah dilihat chatbot

Sisihkan dua puluh sampai tiga puluh pertanyaan asli dari langkah 1 yang tidak kamu masukkan sebagai variasi. Ajukan ke chatbot, lalu nilai setiap jawaban: benar, kurang lengkap, salah, atau seharusnya diserahkan ke manusia. Jawaban yang salah biasanya menunjukkan salah satu dari tiga hal: topiknya belum ada, variasi pertanyaannya kurang, atau jawabannya bergantung pada konteks lain.

Ulangi pengujian setiap kali ada perubahan besar pada data. Simpan daftar pertanyaan uji ini sebagai alat ukur tetap.

Langkah 7: Rawat secara rutin

Data tanya jawab bukan pekerjaan sekali jadi. Harga, ekspedisi, promo, dan kebijakan berubah. Tetapkan satu penanggung jawab per kategori dan jadwal tinjauan, misalnya sebulan sekali. Baca juga log percakapan chatbot untuk menemukan pertanyaan baru yang belum terjawab, lalu tambahkan ke data.

Kolom "Terakhir diperbarui" membantu di sini. Baris yang sudah lama tidak ditinjau adalah kandidat pertama untuk diperiksa.

Ringkasan struktur kolom

Kalau kamu ingin chatbot membaca dokumen perusahaan yang lebih panjang selain daftar tanya jawab, konsepnya dibahas di chatbot AI dari dokumen perusahaan.

Checklist sebelum chatbot dinyalakan

• Pertanyaan diambil dari percakapan nyata, bukan tebakan.
• Setiap topik punya variasi pertanyaan dan jawaban yang bisa berdiri sendiri.
• Angka, syarat, dan pengecualian ditulis eksplisit.
• Aturan penyerahan ke manusia dan jawaban cadangan sudah ada.
• Daftar pertanyaan uji sudah dicoba dan hasilnya dicatat.
• Ada penanggung jawab dan jadwal pembaruan.