Dalam era digital yang serba cepat, tampilan dan tata letak halaman web menjadi faktor krusial dalam menentukan keberhasilan sebuah platform online, khususnya di sektor e-commerce dan layanan digital di Indonesia. Bagaimana informasi disajikan kepada pengguna secara langsung memengaruhi pengalaman mereka, dan pada akhirnya, berdampak pada tingkat keterlibatan (engagement) dan konversi. Di sinilah peran penting Whole Page Optimization (WPO) atau Optimasi Seluruh Halaman, sebuah pendekatan yang berfokus pada penyajian konten yang paling relevan, beragam, dan terstruktur secara kohesif.
Seiring perkembangan teknologi, Large Language Models (LLMs) atau Model Bahasa Besar telah menunjukkan kemampuan luar biasa dalam menghasilkan konten yang koheren dan relevan secara kontekstual. Potensi LLMs untuk merevolusi WPO sangat besar, memungkinkan platform untuk menciptakan pengalaman pengguna yang lebih personal dan efisien. Namun, menerapkan LLMs pada skala web, seperti yang dibutuhkan oleh platform besar di Indonesia dengan jutaan item dan pengguna setiap harinya, bukanlah tugas yang mudah.
Tantangan dalam Mengoptimalkan Tampilan Halaman Web
Meskipun LLMs menawarkan potensi besar, ada beberapa tantangan signifikan dalam menggunakannya untuk WPO. Pertama, proses fine-tuning atau penyesuaian LLMs untuk tugas kompleks seperti WPO membutuhkan data yang dianotasi oleh manusia dalam jumlah besar. Mengumpulkan data berkualitas tinggi semacam ini sangat mahal dan tidak praktis untuk sistem berskala besar. Kurangnya data anotasi yang memadai dapat menyebabkan masalah seperti ‘halusinasi’ model (menghasilkan konten yang tidak akurat) dan ketidakstabilan.
Kedua, umpan balik pengguna, meskipun melimpah, seringkali bersifat ‘noisy’ (tidak sempurna) dan kurang presisi dibandingkan data yang dianotasi secara manual. Ini membuat metode fine-tuning berbasis pengawasan tradisional sulit diterapkan secara langsung. Selain itu, banyak pendekatan WPO yang ada sering kali terlalu fokus pada keseluruhan halaman (page-level) tanpa secara spesifik mempertimbangkan peran penting item-item kunci dalam menentukan kualitas halaman secara keseluruhan. Misalnya, dalam e-commerce, gambar produk dan informasi harga sangat penting dalam memengaruhi keputusan pengguna, namun sering terabaikan dalam evaluasi tingkat halaman.
Inovasi: PageLLM dan Mekanisme Reward Campuran
Untuk mengatasi tantangan ini, sebuah pendekatan inovatif yang dikenal sebagai PageLLM telah diusulkan. PageLLM menggunakan kerangka kerja fine-tuning berbasis reward yang memanfaatkan umpan balik pengguna, bahkan yang ‘noisy’, untuk mengoptimalkan LLMs yang sudah dilatih sebelumnya. Berbeda dengan metode pengawasan tradisional, pendekatan ini membangun daftar item ’emas’ untuk setiap pengguna berdasarkan umpan balik mereka (misalnya, rating produk). Kemudian, sistem menghasilkan daftar ‘non-preferred’ yang lebih rendah kualitasnya dalam aspek relevansi, keragaman, atau peringkat.
Dengan menggunakan pasangan daftar ini, sebuah model reward dilatih, dan LLM dioptimalkan melalui Reinforcement Learning from Human Feedback (RLHF). Metode ini memungkinkan pemanfaatan umpan balik pengguna yang tidak sempurna secara efektif, membuat model lebih selaras dengan kebutuhan pengguna di dunia nyata.
Lebih lanjut, PageLLM memperkenalkan mekanisme reward campuran (mixed-grained reward mechanism) yang menggabungkan reward tingkat halaman (page-level) dan reward tingkat item (item-level). Reward tingkat halaman mengevaluasi kualitas dan koherensi keseluruhan tampilan halaman, memastikan presentasi yang mulus dan logis. Sementara itu, reward tingkat item berfokus pada akurasi dan relevansi rekomendasi item-item kunci, memastikan elemen-elemen penting ditekankan dengan tepat. Struktur reward ganda ini memungkinkan optimasi WPO yang lebih bernuansa, menyeimbangkan kualitas halaman secara holistik dengan efektivitas rekomendasi individual.
Dampak Nyata dan Relevansi untuk Bisnis di Indonesia
Implementasi PageLLM telah divalidasi pada dataset publik dan industri. Dalam sebuah A/B test berskala besar dengan lebih dari 10 juta pengguna, solusi ini terbukti meningkatkan Gross Merchandise Volume (GMV) sebesar 0,44% dan meningkatkan keterlibatan pengguna. Hasil ini menunjukkan dampak nyata PageLLM dalam aplikasi skala besar, membuktikan efektivitasnya dalam meningkatkan metrik bisnis yang penting.
Konsep optimasi kompleks berbasis AI ini sangat relevan bagi bisnis di Indonesia yang beroperasi di ranah digital maupun fisik. Prinsip memanfaatkan data (termasuk data yang tidak sempurna) dan AI untuk mengoptimalkan proses, meningkatkan efisiensi, dan memberikan pengalaman yang lebih baik bagi pengguna atau pelanggan adalah inti dari transformasi digital. Di ARSA Technology, kami menerapkan prinsip serupa dalam solusi AI dan IoT kami untuk berbagai sektor.
Misalnya, dalam sektor manufaktur, otomasi industri berbasis AI Vision dan sensor IoT kami mengoptimalkan lini produksi dan memprediksi perawatan alat berat, mengurangi downtime dan meningkatkan efisiensi. Dalam sektor retail atau smart city, analitik video AI kami membantu mengoptimalkan tata letak toko berdasarkan heatmap kepadatan pengunjung atau mengelola lalu lintas kota secara lebih efisien. Bahkan dalam teknologi kesehatan mandiri, kami mengoptimalkan proses pemeriksaan awal untuk mengurangi antrian dan beban tenaga medis.
Bagaimana ARSA Technology Dapat Membantu?
Sebagai perusahaan teknologi lokal yang berpengalaman sejak 2018, ARSA Technology memiliki keahlian mendalam dalam mengembangkan dan mengimplementasikan solusi AI dan IoT yang disesuaikan dengan kebutuhan spesifik industri di Indonesia. Meskipun PageLLM berfokus pada optimasi halaman web, prinsip dasar penggunaan AI untuk menganalisis data kompleks, mengidentifikasi pola, dan mengoptimalkan sistem adalah kompetensi inti kami.
Kami memahami tantangan unik yang dihadapi bisnis di Indonesia, mulai dari infrastruktur hingga kebutuhan operasional. Tim R&D internal kami di Yogyakarta terus berinovasi, mengembangkan solusi yang tidak hanya canggih secara teknologi tetapi juga praktis dan memberikan dampak bisnis yang terukur. Baik itu melalui sistem parkir pintar berbasis LPR, pelatihan VR untuk simulasi kerja berisiko tinggi, atau solusi kustom lainnya, ARSA siap menjadi mitra Anda dalam transformasi digital.
Kami tidak hanya menyediakan teknologi, tetapi juga keahlian untuk mengintegrasikannya dengan sistem yang sudah ada dan memberikan dukungan teknis yang responsif di seluruh Indonesia.
Kesimpulan
Optimasi tampilan halaman web menggunakan AI dan LLMs, seperti yang ditunjukkan oleh PageLLM, adalah contoh nyata bagaimana teknologi cerdas dapat secara signifikan meningkatkan pengalaman pengguna dan mendorong pertumbuhan bisnis di ranah digital. Prinsip dasar optimasi berbasis data dan AI ini memiliki relevansi luas di berbagai industri.
ARSA Technology, dengan fokus pada AI Vision dan IoT, menerapkan prinsip optimasi serupa untuk membantu industri di Indonesia meningkatkan efisiensi, keamanan, dan produktivitas operasional mereka di dunia fisik. Kami siap membantu bisnis Anda memanfaatkan kekuatan AI untuk mencapai tujuan strategis.
Konsultasikan kebutuhan AI Anda dengan tim ARSA Technology. Dapatkan konsultasi gratis dan temukan bagaimana solusi kami dapat memberikan dampak nyata bagi bisnis Anda.
