Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.
Transkrip
Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.
Tampilkan transkrip
Pembuka
Halo, selamat datang di episode terakhir Sesi 2. Kita sudah punya template caption, deskripsi produk, broadcast promo, konfirmasi pesanan, rekap tabel, checklist, dan kalender konten. Hari ini kita menulis prompt untuk pekerjaan yang paling sering dan paling sensitif: membalas pelanggan, mulai dari tanya harga, komplain, sampai pesanan terlambat. Lalu kita rangkum semuanya menjadi perpustakaan sepuluh prompt siap pakai.
Langkah 1: Blok dasar balasan pelanggan
Mari lihat catatan chat masuk Kopi Senja hari ini. Pukul sembilan lewat dua belas, Putri mengeluh kopinya tumpah separuh dan rasanya terlalu manis. Ini komplain. Pukul sepuluh, Joko bertanya harga kopi susu satu liter dan ongkir ke Antapani. Ini pertanyaan harga. Menjelang siang, Sari bertanya kenapa pesanannya belum datang. Ini pesanan terlambat. Lalu Andi bertanya stok hampers tanpa gula, dan Rina meminta diskon untuk sepuluh botol. Dua pesan terakhir ini kita pakai sebagai kasus uji di akhir episode. Perhatikan bar di atas tabel: catatan ini hanya berisi nama depan, tanpa nomor HP. Kebiasaan ini penting karena isi pesan pelanggan nanti kita tempel ke AI. Hampir semua usaha punya pola yang mirip: sebagian besar chat hanya terdiri dari beberapa jenis pesan yang terus berulang. Karena itulah balasan pelanggan sangat cocok dijadikan template. Sama seperti blok gaya brand di episode sebelumnya, balasan pelanggan butuh satu blok dasar yang ditempel di setiap template. Blok peran: admin WhatsApp Kopi Senja yang ramah, sabar, singkat, dan memberi solusi, lengkap dengan jam bukanya. Blok data berisi semua harga resmi dan aturan ongkir. Hampir semua pertanyaan pelanggan bisa dijawab dari data ini, tanpa AI perlu mengingat atau menebak. Blok format: gaya chat WhatsApp, menyapa dengan Kak dan nama pelanggan, maksimal empat kalimat, dan maksimal satu emoji. Pelanggan membaca balasan di HP, jadi harus singkat. Dan blok batasan: jangan menjanjikan refund, diskon, atau jam tiba yang tidak tertulis. Jika ragu, atau pelanggan sangat marah, tulis tanda tanya Laras. Artinya, pesan ini harus diputuskan oleh pemilik, bukan oleh AI. Tanda tanya Laras ini adalah bentuk paling sederhana dari eskalasi ke manusia. Di Sesi 8, saat agent membalas WhatsApp secara otomatis, aturan yang sama dipakai untuk meneruskan chat sulit ke pemilik.
Langkah 2: Template jawab tanya harga
Template pertama untuk pelanggan: jawab tanya harga. Blok konteks cukup berisi instruksi menempel blok dasar tadi. Blok tugas: balas pesan pelanggan berikut. Ada dua variabel, nama dan isi pesan pelanggan, yang ditempel di dalam tanda kutip supaya AI tahu persis mana kata-kata pelanggan. Blok format: sebut harga satuan, lalu kalau pelanggan menyebut jumlah, tulis rinciannya: jumlah kali harga, ongkir, dan total. Tutup dengan pertanyaan apakah mau langsung dipesan. Penutup seperti ini mendorong pelanggan segera memesan. Blok batasan: kalau alamat di luar kota atau tidak jelas, AI tidak boleh menebak ongkir, melainkan menulis tanda tanya Laras. Dan jangan memberi diskon, karena itu keputusan pemilik. Dimas menjalankannya untuk pesan Joko. Ia menempel blok dasar dan template, lalu mengisi nama Joko dan pesannya apa adanya. Balasannya menyebut harga satuan delapan puluh lima ribu, lalu rincian: dua botol seratus tujuh puluh ribu, ongkir ke Antapani sepuluh ribu, total seratus delapan puluh ribu rupiah. Antapani masih di Bandung, jadi AI memakai ongkir dalam kota. Totalnya di bawah dua ratus ribu, jadi ongkir memang belum gratis. Hitungannya benar, dan Dimas tetap mengeceknya sekilas sebelum mengirim. Balasan ditutup dengan pertanyaan: mau langsung dipesan, Kak? Tiga kalimat, satu emoji, sesuai format. Di WhatsApp, pesan Joko masuk pukul sepuluh lewat tiga menit. Dua menit kemudian balasan yang rapi sudah terkirim. Tanpa template, Dimas harus membuka daftar harga, menghitung manual, lalu merangkai kalimat sendiri. Joko langsung memesan dua botol dan minta diantar sore. Pekerjaan berikutnya sudah ada templatenya: konfirmasi pesanan dari Episode 7. Template-template kita mulai saling menyambung. Hitung sendiri berapa menit yang hemat bila ada dua puluh pertanyaan harga setiap hari. Inilah alasan template tanya harga biasanya menjadi template yang paling sering dipakai.
Langkah 3: Template balas komplain
Komplain adalah pesan paling sensitif. Balasan yang baik mengikuti empat langkah. Pertama, akui perasaannya. Kalimat seperti pasti kesal ya, Kak, membuat pelanggan merasa didengar. Kedua, minta maaf dengan tulus, tanpa membela diri. Hindari kalimat seperti biasanya tidak begini atau itu salah kurir. Ketiga, sampaikan solusi. Yang penting, solusi itu sudah disetujui pemilik usaha. AI tidak boleh menentukan sendiri apakah pelanggan mendapat ganti produk atau uang kembali. Keempat, jelaskan langkah berikutnya: kapan solusi dijalankan dan apa yang akan terjadi. Ingat prinsipnya: solusi komplain diputuskan pemilik, AI hanya merangkai kata-katanya. Empat langkah tadi kita masukkan ke template. Blok konteks: tempel blok dasar customer service. Blok tugas: balas komplain pelanggan, dengan variabel nama dan isi pesan pelanggan. Blok data berisi satu variabel yang sangat penting: solusi yang disetujui pemilik. Jadi sebelum template dipakai, Dimas wajib bertanya dulu ke Laras, solusinya apa. Blok format menuliskan empat langkah tadi secara berurutan, dengan maksimal empat kalimat. Dan blok batasan: jangan menyalahkan kurir atau pelanggan, dan jangan menawarkan solusi selain yang tertulis. Tanpa batasan ini, AI yang ingin membantu bisa saja menawarkan diskon atau uang kembali. Kita uji dengan komplain Putri di Claude. Laras sudah memutuskan solusinya: kirim ganti satu cup baru hari ini tanpa biaya, dan masukan soal rasa diteruskan ke barista. Balasannya mengikuti empat langkah. Kalimat pertama mengakui perasaan dan meminta maaf: pasti kesal dapat kopi yang tumpah separuh. Kalimat kedua dan ketiga menyampaikan solusi persis seperti yang disetujui, tidak lebih dan tidak kurang. Tidak ada janji diskon, tidak ada kalimat yang menyalahkan kurir. Kalimat terakhir menjelaskan langkah berikutnya dan mengajak Putri mengabari saat kopi pengganti sampai. Hangat, singkat, dan aman. Tidak semua komplain boleh dibalas dengan template. Ada empat situasi di mana AI wajib menulis tanda tanya Laras. Pertama, pelanggan sangat marah atau mengancam, misalnya akan memberi ulasan buruk. Kedua, pelanggan meminta refund, diskon, atau ganti rugi. Semua keputusan yang menyangkut uang selalu di tangan pemilik. Ketiga, pelanggan menyebut masalah kesehatan, seperti sakit perut atau alergi. Ini harus ditangani langsung oleh pemilik dengan sangat hati-hati. Keempat, pertanyaan di luar data, misalnya produk yang tidak dijual atau ongkir ke luar kota. Tambahkan keempat situasi ini ke blok batasan Anda.
Langkah 4: Template kabar pesanan terlambat
Template ketiga untuk pesanan terlambat. Blok konteks tetap sama: tempel blok dasar. Blok tugas: kabari pelanggan bahwa pesanannya terlambat, dengan variabel nama dan pesanan. Blok data berisi dua variabel: penyebab keterlambatan dan perkiraan waktu tiba. Keduanya Dimas dapatkan dari kurir, bukan dari tebakan. Blok format: minta maaf singkat, sebut penyebab dengan jujur, beri perkiraan tiba, dan janjikan kabar lanjutan. Maksimal tiga kalimat, karena pelanggan yang menunggu tidak ingin membaca paragraf panjang. Dan blok batasan: kalau perkiraan tiba kosong, jangan menebak jam. Janji jam yang meleset dua kali jauh lebih buruk daripada jujur bahwa kita sedang mengecek. Sebelum dipakai, uji dulu bagian yang paling rawan: perkiraan tiba yang kosong. Pesanan Budi terlambat, kurirnya belum bisa dihubungi, dan Dimas belum tahu kapan barang sampai. Variabel perkiraan tiba sengaja dibiarkan kosong. Hasilnya sesuai batasan. AI meminta maaf, menyebut penyebab dengan jujur, dan tidak menyebut jam apa pun. Yang dijanjikan hanya satu: kami sedang mengecek dan akan segera mengabari. Tanpa batasan itu, AI cenderung menulis kalimat menenangkan seperti pesanan akan tiba dalam tiga puluh menit. Kedengarannya ramah, tetapi itu janji yang tidak pernah kita buat. Begini pemakaiannya untuk Sari. Pukul sebelas lewat empat puluh lima, Sari bertanya kenapa pesanannya belum datang. Dimas menelepon kurir dulu: penyebabnya hujan deras, perkiraan tiba sekitar setengah satu siang. Data itu dimasukkan ke template, dan balasan yang jujur dan singkat terkirim tiga menit kemudian. Sari membalas dengan tenang. Pelanggan biasanya bisa menerima keterlambatan, asalkan diberi kabar yang jelas. Dan janji kabar lanjutan ditepati: begitu kurir dekat, Dimas mengabari lagi. Pesan pendek seperti ini bahkan tidak perlu AI. Template membantu di bagian yang sulit, manusia tetap menjaga hubungan.
Langkah 5: Menguji template dengan kasus sulit
Template yang bagus untuk kasus biasa belum tentu aman untuk kasus sulit. Kita uji dengan pesan yang menggabungkan dua jebakan sekaligus: produk yang tidak dijual, yaitu matcha latte, dan permintaan diskon untuk sepuluh botol. Lihat hasilnya. Matcha latte dijawab dengan jujur: belum ada di menu. AI tidak mengarang produk baru. Hitungan sepuluh botol benar, delapan ratus lima puluh ribu rupiah, dan AI tahu bahwa total di atas dua ratus ribu berarti gratis ongkir dalam kota. Soal diskon, AI tidak memutuskan sendiri. Ia menulis akan menanyakan ke owner, lalu menambahkan tanda tanya Laras di baris terakhir. Dimas tahu pesan ini harus ditahan sampai Laras memutuskan, dan baris tanda itu dihapus sebelum dikirim. Jadikan pengujian ini kebiasaan. Setiap template balasan diuji dengan lima kasus. Kasus pertama, pertanyaan biasa: harus dijawab dari data, dan hitungannya benar. Kasus kedua, produk yang tidak dijual: harus dijawab jujur, tanpa mengarang. Kasus ketiga, permintaan diskon: diskon tidak boleh diberikan, dan tanda tanya Laras harus muncul. Kasus keempat, pelanggan yang sangat marah: tanda tanya Laras juga harus muncul, supaya pemilik yang menangani. Dan kasus kelima, data kosong: AI tidak boleh menebak jam, harga, atau ongkir. Kalau ada kasus yang gagal, perbaiki blok batasannya, lalu uji ulang sampai kelimanya lulus. Begini catatan uji template tanya harga milik Dimas. Kasus pertama, pertanyaan biasa: harga dan total benar. Lulus. Kasus kedua, produk yang tidak dijual: dijawab jujur bahwa produknya belum ada di menu. Lulus. Kasus ketiga, minta diskon: tanda tanya Laras muncul. Lulus. Kasus keempat gagal. Saat pelanggan menulis dengan sangat marah, AI tetap membalas panjang lebar tanpa tanda. Dimas lalu menambahkan kalimat di blok batasan: jika pelanggan marah atau memakai huruf kapital semua, tulis tanda tanya Laras. Setelah diuji ulang, lulus. Kasus kelima, data kosong: AI tidak menebak ongkir ke luar kota. Lulus. Catatan uji seperti ini juga disimpan, supaya saat template diubah, Anda bisa mengulang uji yang sama.
Langkah 6: Perpustakaan 10 prompt siap pakai
Inilah output Sesi 2: perpustakaan sepuluh prompt siap pakai, dengan indeks di Google Sheets. Teks lengkapnya tetap di dokumen Perpustakaan Prompt. Template nomor satu dan dua, caption media sosial dan deskripsi produk, dari Episode 9. Nomor tiga, broadcast promo WhatsApp dari Episode 7. Nomor empat, kalender konten mingguan dari Episode 8. Empat template ini masuk kategori konten. Kategori pelanggan dimulai dari nomor lima, konfirmasi pesanan dari Episode 7. Lalu tiga template baru yang kita buat hari ini, ditandai hijau: jawab tanya harga, balas komplain, dan kabar pesanan terlambat. Dan kategori operasional: nomor sembilan, rekap pesanan menjadi tabel, dan nomor sepuluh, checklist SOP, keduanya dari Episode 8. Genap sepuluh template. Perhatikan kolom variabel utama. Siapa pun yang membuka indeks ini langsung tahu isian apa yang perlu disiapkan. Ada juga tab blok dasar untuk gaya brand dan customer service, serta tab riwayat versi. Teks lengkap kesepuluh template ini ada di PDF Episode 7 sampai 10. Silakan salin, lalu sesuaikan data, harga, dan gaya bahasanya dengan usaha Anda sendiri. Supaya perpustakaan tetap rapi, setiap template harus memenuhi standar ini. Pertama, punya nomor, nama, dan kategori. Kedua, punya daftar variabel lengkap dengan contoh isinya. Ketiga, memakai blok dasar, baik blok gaya brand maupun blok customer service, sehingga data harga cukup diperbarui di satu tempat. Keempat, punya batasan dan tanda pengaman: CEK untuk data kosong, dan tanya Laras untuk keputusan pemilik. Kelima, sudah lulus uji minimal tiga kasus yang berbeda. Dan keenam, punya nomor versi dan satu pemilik yang berhak mengubahnya. Perpustakaan ini bukan dokumen sekali jadi. Tinjau sebulan sekali: perbarui harga, dan tambahkan template untuk pekerjaan baru yang mulai sering muncul. Catat juga template mana yang paling sering dipakai. Template yang dipakai setiap hari adalah kandidat pertama untuk diotomasi dengan n8n atau Make di Sesi 6 dan 7. Dan yang paling dekat: di Sesi 3, blok dasar Anda menjadi instruksi tetap untuk asisten AI khusus usaha Anda, dan template-template ini menjadi pengetahuannya. Jadi semua yang Anda tulis di sesi ini langsung terpakai. Tugas penutup Sesi 2. Pertama, tulis blok dasar customer service untuk usaha Anda: peran, data harga, format chat, dan batasan. Kedua, buat tiga template balasan pelanggan dan uji masing-masing dengan lima kasus tadi. Ketiga, lengkapi perpustakaan Anda menjadi sepuluh template. Tidak harus sama dengan milik Kopi Senja. Pilih pekerjaan dari daftar lima pekerjaan Anda di Sesi 1. Keempat, buat indeksnya di Google Sheets dan bawa ke Sesi 3. Itulah output Sesi 2: sepuluh template prompt siap pakai.
Selesai!
Mari kita rangkum Sesi 2. Prompt yang baik punya struktur, template membuatnya bisa dipakai ulang, format membuat hasilnya siap pakai, dan batasan membuatnya aman. Hasil akhirnya perpustakaan sepuluh template prompt untuk konten, pelanggan, dan operasional. Di Episode 11 kita masuk ke Sesi 3: membuat asisten AI khusus dengan Custom GPT, Claude Projects, atau Gems, sehingga blok dasar dan template Anda tidak perlu ditempel lagi setiap kali. Sampai jumpa di Episode 11.
Latihan mandiri
Kerjakan sendiri setelah menonton supaya materinya benar-benar melekat.
Tulis blok dasar customer service untuk usaha Anda: peran, data harga dan ongkir, format chat, serta batasan dan tanda eskalasi ke manusia.
Uji tiga template balasan dengan lima kasus: pertanyaan biasa, produk yang tidak dijual, permintaan diskon, pelanggan sangat marah, dan data yang kosong.
Lengkapi perpustakaan Anda menjadi 10 template, buat indeksnya di Google Sheets, dan bawa ke Sesi 3.
Tanya materi kelas
Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.
Catatan saya
Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.
Tanya jawab
Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.
Belum ada pertanyaan.
Pengajar
Tim Cerdas Inovasi Digital
Pengembang software, engineer BIM & 3D, dan praktisi AI
52 kelas video1.276 episode
Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.
