Program Studi Bisnis Digital • FEB UNDIP

Analisis Perilaku Konsumen Digital

Pertemuan 5 — Pencarian Informasi dan eWOM: Ulasan Online, Rating, Reputasi

Sebelum membeli, konsumen digital mencari, membandingkan, dan mempercayai suara orang lain — inilah kekuatan electronic word-of-mouth (eWOM) yang membentuk keputusan pembelian.

RPS MINGGU 5 • 2X50 MENIT

Tujuan Pembelajaran Hari Ini

Setelah pertemuan ini, Anda mampu menganalisis peran eWOM dalam pencarian informasi konsumen digital. Secara rinci:

CAPAIAN 1 — KONSEP DASAR

PENCARIAN INFORMASI DIGITAL

Membedakan pencarian informasi internal dan eksternal pada konteks belanja daring.

CAPAIAN 2 — EWOM

ANATOMI ULASAN & RATING

Menjelaskan dimensi kredibilitas, valensi, dan volume eWOM yang memengaruhi keputusan.

CAPAIAN 3 — PERHITUNGAN

MENGHITUNG SKOR REPUTASI

Menghitung rating rata-rata tertimbang dan skor sentimen ulasan dari data mentah.

CAPAIAN 4 — STRATEGI

MANAJEMEN REPUTASI ONLINE

Merancang respons bisnis terhadap eWOM, termasuk isu ulasan palsu dan etika.

Sebelum Beli, Anda Membaca Ulasan Siapa?

Bayangkan Anda ingin membeli power bank baru di Shopee. Ada dua produk dengan harga sama — mana yang Anda pilih?

PRODUK A

★ 4,9 (12 ulasan)

Rating hampir sempurna, tetapi jumlah ulasan sangat sedikit — apakah cukup meyakinkan?

PRODUK B

★ 4,6 (3.400 ulasan)

Rating sedikit lebih rendah, tetapi didukung ribuan ulasan dari pembeli nyata.

Riset perilaku konsumen digital menunjukkan mayoritas pembeli memilih Produk B — volume ulasan membangun kepercayaan yang tidak bisa digantikan rating tinggi semata.

Bagian 1 dari 3

Pencarian Informasi di Era Digital

Kita mulai dari bagaimana konsumen mencari informasi sebelum membeli, lalu masuk ke definisi dan karakteristik eWOM sebagai sumber informasi eksternal utama.

Internal vs Eksternal eWOM

Dua Jalur Pencarian Informasi Konsumen

Saat muncul kebutuhan membeli sesuatu, konsumen menempuh dua jalur pencarian informasi yang saling melengkapi.

Semakin rendah pengalaman masa lalu konsumen (produk baru, kategori asing), semakin besar ketergantungan pada pencarian eksternal — di sinilah eWOM berperan besar.

Jelaskan diagram ini sebagai alur yang dimulai dari munculnya kebutuhan, misalnya laptop Anda rusak dan perlu diganti. Pencarian internal berarti Anda mengandalkan ingatan sendiri — merek apa yang pernah memuaskan Anda sebelumnya, atau rekomendasi dari pengalaman pribadi. Namun ketika produk itu asing bagi Anda, misalnya Anda belum pernah membeli kamera mirrorless, konsumen beralih ke pencarian eksternal, yaitu mencari informasi dari luar diri sendiri seperti ulasan di marketplace, video YouTube, atau forum diskusi. Tekankan bahwa kedua jalur ini biasanya berjalan bersamaan, bukan saling menggantikan — Anda mungkin mengingat merek favorit dari pengalaman lalu, tetapi tetap mengecek ulasan terbaru sebelum memutuskan. Kaitkan dengan Pertemuan 4 di mana kita sudah membahas tahap ini secara garis besar, dan hari ini kita fokus mendalami komponen eksternal yang paling dominan di era digital, yaitu eWOM.

Apa Itu eWOM?

Electronic Word-of-Mouth (eWOM) adalah pernyataan positif, negatif, atau netral tentang produk/perusahaan yang dibuat oleh konsumen (aktual, mantan, atau potensial) dan disebarkan melalui internet kepada banyak orang.

SKALA

Satu ke Banyak

Satu ulasan bisa dibaca ribuan calon pembeli, berbeda dari WOM tradisional yang bersifat tatap muka.

PERSISTENSI

Bertahan Lama

Ulasan tersimpan permanen dan bisa dibaca bertahun-tahun kemudian, tidak menguap seperti obrolan lisan.

ANONIMITAS

Sumber Tak Dikenal

Penulis ulasan sering tidak dikenal pembaca secara personal, memengaruhi tingkat kepercayaan.

Bacakan definisi eWOM ini pelan-pelan karena istilahnya akan sering muncul sepanjang pertemuan — pastikan mahasiswa mencatat bahwa eWOM bisa positif, negatif, atau netral, jadi bukan berarti selalu berupa pujian. Bandingkan dengan word-of-mouth tradisional yang Anda kenal, misalnya teman Anda bercerita langsung tentang pengalaman membeli sepatu di sebuah toko fisik — informasi itu hanya sampai ke orang-orang di sekitar teman Anda dan cepat hilang dari ingatan. Sebaliknya, satu ulasan di Google Maps tentang sebuah warung makan di Semarang bisa dibaca ribuan orang bertahun-tahun setelah ditulis, karena internet menyimpannya secara permanen. Karakteristik anonimitas juga penting dibahas — berbeda dengan cerita teman yang Anda kenal kredibilitasnya, ulasan online sering ditulis oleh orang asing, sehingga muncul pertanyaan besar: mengapa kita tetap mempercayainya? Pertanyaan inilah yang akan kita jawab di slide-slide berikutnya.

Di Mana eWOM Hidup? Empat Bentuk Platform

eWOM muncul dalam berbagai format platform, masing-masing dengan karakteristik dan tingkat kepercayaan berbeda.

EMPAT BENTUK UTAMA EWOM DI INDONESIA

Ulasan marketplace: teks & foto di Tokopedia/Shopee, terhubung langsung ke transaksi yang terverifikasi.
Rating bintang: skor ringkas 1–5 di Google Maps, aplikasi, atau toko online — cepat dibaca, mudah dibandingkan.
Forum & komunitas: diskusi mendalam di Kaskus, grup Facebook, atau subreddit khusus produk.
Media sosial & video ulasan: unboxing di TikTok/YouTube, testimoni Instagram Story dari sesama konsumen.

Ulasan yang terhubung ke transaksi terverifikasi (mis. label "Pembeli Terverifikasi" di Shopee) umumnya dianggap lebih kredibel daripada komentar bebas di media sosial.

Ajak mahasiswa mengingat kapan terakhir kali mereka membaca masing-masing bentuk eWOM ini — hampir pasti semua sudah pernah mengalami keempatnya tanpa menyadari perbedaan formalnya. Ulasan marketplace seperti di Tokopedia paling kredibel karena biasanya disertai label pembeli terverifikasi, artinya platform memastikan penulis ulasan benar-benar pernah membeli produk tersebut. Rating bintang sangat efisien secara kognitif karena konsumen bisa membandingkan puluhan produk hanya dengan melihat angka, meski kehilangan detail konteks. Forum dan komunitas seperti Kaskus menawarkan diskusi jauh lebih mendalam, cocok untuk produk kompleks seperti laptop gaming atau kamera, meski butuh waktu lebih lama untuk dibaca. Video ulasan di TikTok dan YouTube kini menjadi favorit generasi muda karena memberikan bukti visual nyata, meskipun kredibilitasnya perlu dicermati karena banyak yang merupakan konten berbayar (endorsement) yang wajib diberi label transparan.

Tiga Dimensi yang Menentukan Daya Pengaruh eWOM

Tidak semua eWOM berpengaruh sama besar — kekuatannya ditentukan oleh tiga dimensi berikut.

VALENSI

Arah Sentimen

Positif, negatif, atau campuran. Ulasan negatif cenderung berdampak lebih besar (negativity bias).

VOLUME

Jumlah Ulasan

Semakin banyak ulasan, semakin besar rasa aman konsumen (social proof) — seperti kasus Produk B tadi.

KREDIBILITAS SUMBER

Siapa Penulisnya

Reviewer berpengalaman, foto asli, dan riwayat transaksi meningkatkan kepercayaan pembaca.

Konsumen ahli menilai ketiga dimensi ini secara bersamaan — rating tinggi dengan volume rendah dan sumber tak jelas tetap dianggap berisiko.

Ketiga dimensi ini adalah kerangka analisis inti yang akan terus kita pakai sepanjang pertemuan, jadi pastikan mahasiswa benar-benar memahaminya sebelum lanjut. Valensi menjelaskan mengapa satu ulasan bintang satu yang marah-marah bisa membatalkan niat beli Anda meski ada seratus ulasan bintang lima lainnya — inilah yang disebut negativity bias, kecenderungan psikologis manusia memberi bobot lebih besar pada informasi negatif dibanding positif. Volume sudah kita bahas lewat contoh power bank di awal kelas — semakin banyak orang memberi ulasan, semakin besar rasa aman konsumen karena merasa "tidak sendirian" dalam keputusannya, konsep yang berakar dari social proof yang Anda pelajari di Pertemuan 3. Kredibilitas sumber menjelaskan mengapa ulasan dari akun dengan foto produk asli dan riwayat pembelian panjang di Tokopedia lebih dipercaya dibanding akun baru tanpa foto. Tekankan bahwa konsumen yang cerdas menimbang ketiganya sekaligus, bukan hanya melihat angka rating semata.

Hitung dari Nol: Rating Rata-Rata Tertimbang

Kasus: sebuah tas ransel di Tokopedia memiliki distribusi ulasan bintang berikut. Hitung rating rata-rata sesungguhnya, bukan sekadar dilihat sekilas.

DIKETAHUI

★5: 120 • ★4: 45 • ★3: 20 • ★2: 10 • ★1: 5 ulasan

RUMUS

Rating Rata-Rata = Σ(Bintang × Jumlah) / Total Ulasan

Langkah	Perhitungan	Nilai
1. Total ulasan	120 + 45 + 20 + 10 + 5	200 ulasan
2. Total skor (bintang × jumlah)	(5×120)+(4×45)+(3×20)+(2×10)+(1×5)	865
3. Rating rata-rata tertimbang	865 / 200	4,33
4. Persentase ulasan positif (4–5 ★)	(120+45) / 200 × 100	82,5%

Rating yang ditampilkan platform (4,33) adalah hasil perhitungan tertimbang dari seluruh distribusi bintang — bukan sekadar rata-rata sederhana antar-kategori bintang.

Bimbing mahasiswa menghitung soal ini langkah demi langkah karena inilah rumus persis yang dipakai marketplace seperti Tokopedia dan Shopee di balik layar untuk menampilkan angka rating pada halaman produk. Langkah pertama menjumlahkan seluruh ulasan dari kelima kategori bintang, menghasilkan 200 ulasan. Langkah kedua adalah kunci pemahaman konsep tertimbang — kita tidak sekadar merata-rata lima angka bintang (5,4,3,2,1 dibagi 5), melainkan mengalikan setiap bintang dengan jumlah orang yang memberikannya, karena bintang lima yang diberikan 120 orang harus punya bobot jauh lebih besar dibanding bintang satu yang hanya diberikan 5 orang. Langkah ketiga membagi total skor 865 dengan total 200 ulasan, menghasilkan rating 4,33 — inilah angka yang muncul di halaman produk. Langkah terakhir menghitung persentase ulasan positif sebesar 82,5 persen, angka yang sering dipakai penjual UMKM di Tokopedia untuk menilai kepuasan pelanggan secara lebih rinci daripada sekadar rating tunggal.

Bagian 2 dari 3

Bagaimana Konsumen Memproses Ulasan

Dari cara otak memproses informasi ulasan, bias yang muncul, hingga bagaimana reputasi toko online dibangun dari akumulasi eWOM.

Bias Kognitif Reputasi Toko

Dua Jalur Otak Memproses Ulasan

Elaboration Likelihood Model (ELM) menjelaskan konsumen memproses eWOM lewat dua jalur berbeda tergantung motivasi dan kemampuannya.

JALUR SENTRAL

Baca & Analisis Detail

Konsumen membaca isi ulasan secara mendalam, menimbang argumen — terjadi untuk pembelian berisiko tinggi (laptop, properti).

JALUR PERIFERAL

Lihat Sekilas Rating

Konsumen hanya melirik angka bintang dan jumlah ulasan tanpa membaca detail — umum untuk pembelian rutin murah (camilan, alat tulis).

Semakin tinggi keterlibatan (involvement) dan risiko pembelian, semakin besar kemungkinan konsumen menempuh jalur sentral — membaca ulasan negatif secara detail, bukan sekadar rating.

Elaboration Likelihood Model atau ELM ini membantu kita memahami mengapa terkadang Anda membaca ulasan sampai halaman ketiga, tapi di lain waktu Anda hanya melirik bintangnya lalu langsung checkout. Jalur sentral terjadi ketika pembelian berisiko tinggi secara finansial atau emosional, misalnya membeli laptop untuk kuliah empat tahun ke depan — di sini Anda akan membaca ulasan detail, mencari kata kunci seperti "baterai boros" atau "layar bagus", bahkan menonton video ulasan panjang di YouTube. Jalur periferal terjadi pada pembelian rutin bernilai rendah seperti membeli pulpen atau camilan di marketplace, di mana Anda cukup melihat rating 4,5 bintang dan langsung membeli tanpa membaca satu pun komentar. Sampaikan kepada mahasiswa bahwa memahami perbedaan ini penting bagi pemasar — produk berisiko tinggi butuh strategi menyediakan ulasan detail dan meyakinkan, sedangkan produk berisiko rendah cukup mengandalkan rating ringkas yang menarik perhatian.

Tiga Bias yang Mengintai Pembaca Ulasan

Konsumen tidak selalu rasional saat membaca eWOM — tiga bias berikut sering muncul tanpa disadari.

BIAS UMUM DALAM MEMBACA ULASAN ONLINE

Herd behavior (perilaku ikut-ikutan): mengikuti pilihan mayoritas hanya karena rating tinggi & banyak pembeli, tanpa evaluasi mandiri.
Negativity bias: satu ulasan buruk terasa jauh lebih meyakinkan daripada sepuluh ulasan baik yang setara.
Fake review (ulasan palsu): ulasan dibeli atau dibuat bot untuk mengangkat rating secara artifisial — merusak validitas eWOM sebagai sinyal.

Platform besar seperti Shopee & Tokopedia kini memakai algoritma deteksi pola tidak wajar (mis. lonjakan ulasan bintang lima dalam waktu singkat) untuk menyaring ulasan palsu.

Bahas ketiga bias ini dengan contoh yang mudah dibayangkan mahasiswa. Herd behavior mirip dengan fenomena antrean panjang di sebuah kedai kopi baru — orang ikut mengantre bukan karena tahu rasanya enak, melainkan karena melihat banyak orang lain sudah mengantre lebih dulu, dan hal serupa terjadi saat kita memilih produk dengan rating tinggi tanpa membaca detail ulasannya. Negativity bias sudah kita singgung sebelumnya, tapi tekankan lagi di sini bahwa satu ulasan berisi foto produk cacat atau keluhan pengiriman lambat bisa membatalkan niat beli meski ratingnya tetap 4,7 bintang secara keseluruhan. Fake review adalah masalah serius yang perlu Anda waspadai sebagai calon praktisi bisnis digital — beberapa penjual nakal membeli jasa ulasan palsu untuk mendongkrak rating secara instan, dan ini melanggar etika bisnis sekaligus berpotensi melanggar ketentuan platform. Jelaskan bahwa Shopee dan Tokopedia terus mengembangkan algoritma untuk mendeteksi pola mencurigakan seperti lonjakan ulasan bintang lima dalam waktu sangat singkat dari akun-akun baru tanpa riwayat transaksi jelas.

Reputasi Online: Akumulasi eWOM dari Waktu ke Waktu

Reputasi bukan satu ulasan, melainkan pola konsisten yang terbentuk dari ribuan interaksi eWOM di sepanjang riwayat sebuah toko atau merek.

SKOR TOKO

Rating & Performa

Gabungan rating produk, kecepatan respons chat, dan tingkat keberhasilan pesanan (mis. badge "Star Seller").

KONSISTENSI

Stabil dari Waktu

Reputasi tinggi yang stabil selama bertahun-tahun lebih dipercaya daripada lonjakan rating mendadak.

SINYAL SILANG

Verifikasi Ganda

Konsumen cermat mengecek reputasi di beberapa platform sekaligus (marketplace + Google + media sosial).

Reputasi online berfungsi sebagai proxy kepercayaan — menggantikan peran hubungan tatap muka yang biasa membangun trust dalam jual-beli tradisional.

Jelaskan bahwa reputasi online adalah level analisis yang lebih tinggi dari eWOM per ulasan — ini tentang pola jangka panjang, bukan satu kejadian. Skor toko di Shopee, misalnya, tidak hanya menghitung rating produk tetapi juga kecepatan penjual merespons chat pembeli dan persentase pesanan yang berhasil diproses tanpa dibatalkan, yang kemudian tercermin dalam badge seperti Star Seller atau Star+ yang sering Anda lihat di halaman toko. Konsistensi penting karena toko yang mempertahankan rating 4,8 selama tiga tahun terasa jauh lebih terpercaya dibanding toko baru yang tiba-tiba melonjak menjadi 4,9 dalam sebulan — pola mencurigakan yang bisa mengindikasikan manipulasi. Konsumen yang lebih berpengalaman, terutama untuk pembelian bernilai besar, sering melakukan verifikasi silang dengan mengecek reputasi penjual tidak hanya di marketplace tetapi juga mencari nama tokonya di Google atau media sosial. Tutup dengan menegaskan bahwa reputasi online pada dasarnya menggantikan fungsi kepercayaan yang dulu dibangun lewat tatap muka langsung di pasar tradisional.

Hitung dari Nol: Skor Sentimen Bersih (Net Sentiment Score)

Kasus: sebuah restoran di Semarang memiliki 500 ulasan Google yang telah dikategorikan tim admin ke tiga sentimen.

DIKETAHUI

Ulasan positif = 320 • Ulasan netral = 90 • Ulasan negatif = 90

RUMUS

NSS = (Positif − Negatif) / Total × 100%

Langkah	Perhitungan	Nilai
1. Total ulasan	320 + 90 + 90	500 ulasan
2. Selisih ulasan positif & negatif	320 − 90	230
3. Net Sentiment Score (NSS)	230 / 500 × 100	46%
4. Interpretasi (skala umum industri)	NSS > 40% dianggap "positif kuat"	Positif Kuat

NSS 46% menunjukkan reputasi restoran ini sehat — tetapi 90 ulasan negatif (18% dari total) tetap layak ditindaklanjuti tim manajemen, bukan diabaikan.

Metrik Net Sentiment Score ini banyak dipakai tim digital marketing untuk meringkas ribuan ulasan menjadi satu angka yang mudah dipantau dari waktu ke waktu, mirip dengan yang dilakukan tim reputasi online restoran atau hotel besar di Indonesia. Langkah pertama menjumlahkan seluruh ulasan menjadi 500. Langkah kedua menghitung selisih antara ulasan positif dan negatif, karena ulasan netral sengaja tidak dihitung dalam pembilang — logikanya, ulasan netral tidak mendorong maupun merusak citra secara signifikan. Langkah ketiga membagi selisih tersebut dengan total ulasan dan mengalikannya dengan seratus persen, menghasilkan NSS 46 persen. Langkah terakhir menafsirkan angka ini menggunakan skala umum yang dipakai banyak praktisi customer experience, di mana NSS di atas 40 persen dianggap "positif kuat". Namun tekankan poin penting di callout — meskipun skor keseluruhan sehat, 90 ulasan negatif yang setara 18 persen dari total tetap harus ditelaah satu per satu oleh manajemen restoran, karena bisa jadi mengandung pola masalah berulang seperti pelayanan lambat di jam makan siang.

Bagian 3 dari 3

Strategi, Etika, dan Praktik di Indonesia

Bagaimana bisnis merespons eWOM secara strategis dan etis, ditutup dengan studi kasus nyata pelaku usaha Indonesia.

Review Management Etika & Regulasi

Strategi Bisnis Merespons eWOM

Reputasi online tidak dibiarkan terbentuk sendiri — bisnis yang baik mengelolanya secara aktif lewat empat langkah berikut.

LANGKAH 1

Dorong Ulasan Jujur

Minta pelanggan puas memberi ulasan lewat pengingat wajar (bukan paksaan) untuk menambah volume & kredibilitas.

LANGKAH 2

Balas Ulasan Negatif

Respons cepat & solutif atas komplain menunjukkan calon pembeli lain bahwa bisnis peduli, bukan mengabaikan.

LANGKAH 3

Pantau Sentimen Rutin

Hitung NSS & rating tertimbang secara berkala untuk mendeteksi masalah operasional sebelum membesar.

LANGKAH 4

Tampilkan Bukti Sosial

Highlight ulasan terbaik di halaman produk/toko untuk memperkuat social proof pada calon pembeli baru.

Jelaskan keempat langkah ini sebagai siklus berkelanjutan, bukan tindakan satu kali. Mendorong ulasan jujur bisa dilakukan lewat pesan pengingat otomatis setelah pesanan selesai, seperti yang sering Anda terima dari Shopee beberapa hari setelah barang diterima — kuncinya adalah tidak memaksa atau membayar konsumen untuk memberi rating tinggi, karena itu masuk kategori ulasan palsu yang sudah kita bahas. Membalas ulasan negatif secara publik dan solutif justru bisa menjadi kesempatan membangun kepercayaan, karena calon pembeli lain yang membaca komplain tersebut juga akan melihat bagaimana penjual meresponsnya — respons yang defensif atau tidak ada respons sama sekali justru merusak reputasi lebih jauh. Memantau sentimen secara rutin, memakai metrik seperti NSS yang baru kita hitung, membantu tim manajemen mendeteksi pola masalah sebelum jadi krisis besar, misalnya jika tiba-tiba banyak keluhan soal kemasan rusak dalam satu minggu. Terakhir, menampilkan ulasan terbaik secara mencolok di halaman produk adalah taktik umum e-commerce untuk memperkuat social proof bagi pengunjung baru yang belum pernah bertransaksi.

Etika Ulasan: Batas yang Tidak Boleh Dilanggar

Manajemen reputasi yang etis berbeda tipis dengan manipulasi — berikut batas yang perlu dipahami pelaku bisnis digital.

PRAKTIK ETIS VS PRAKTIK MANIPULATIF

Praktik	Etis	Manipulatif
Mengajak review	Pengingat wajar pasca-pembelian	Membayar/menyuap untuk rating 5
Menangani negatif	Balas terbuka & solutif	Menghapus/melaporkan palsu ulasan jujur
Menambah volume	Layanan yang memuaskan pelanggan asli	Bot/akun palsu menulis ulasan massal

Platform seperti Google & Shopee dapat menjatuhkan sanksi (penurunan skor toko hingga penangguhan akun) bagi penjual terbukti memanipulasi ulasan.

Gunakan tabel ini untuk menegaskan bahwa garis antara strategi pemasaran yang sah dan manipulasi seringkali tipis, sehingga penting bagi calon praktisi bisnis digital untuk memahaminya dengan jelas. Pada baris pertama, mengajak pelanggan memberi ulasan lewat pengingat wajar adalah praktik umum dan sah, tetapi begitu penjual mulai membayar atau memberi hadiah khusus agar pembeli memberi bintang lima, itu sudah masuk kategori manipulasi yang melanggar ketentuan hampir semua platform. Baris kedua penting dibahas karena banyak penjual pemula tergoda menghapus atau melaporkan ulasan negatif yang sebenarnya jujur hanya karena tidak menyenangkan — padahal cara etis adalah membalasnya secara terbuka dan menawarkan solusi. Baris ketiga menyoroti praktik paling merusak, yaitu penggunaan bot atau akun palsu untuk menciptakan ilusi volume ulasan tinggi, yang pada akhirnya merusak kepercayaan seluruh ekosistem e-commerce jika terus dibiarkan. Tekankan bahwa Google dan Shopee secara aktif mendeteksi pola ini dan menjatuhkan sanksi nyata, mulai dari penurunan skor toko sampai penangguhan akun penjual.

Studi Kasus: Reputasi UMKM di Google Maps & Marketplace

Sebuah warung kopi kecil di Semarang naik peringkat pencarian lokal berkat strategi eWOM yang konsisten.

SEBELUM

★ 3,8 (18 ulasan)

Jarang muncul di pencarian "kopi enak dekat sini" karena volume ulasan rendah dan beberapa keluhan tak terjawab.

SETELAH 6 BULAN

★ 4,7 (310 ulasan)

Rutin mengajak pelanggan memberi ulasan Google, membalas setiap komplain dalam 24 jam, dan menampilkan foto ulasan terbaik di Instagram toko.

Hasilnya: kunjungan dari pencarian "kopi dekat sini" meningkat signifikan — membuktikan volume & valensi eWOM berdampak langsung pada visibilitas bisnis lokal, bukan hanya reputasi.

Studi kasus ini menggabungkan seluruh konsep yang sudah kita bahas hari ini dalam satu contoh nyata yang dekat dengan kehidupan sehari-hari Anda di Semarang. Sebelum menerapkan strategi eWOM secara aktif, warung kopi ini hanya punya 18 ulasan dengan rating 3,8 — angka yang menurut prinsip volume dan valensi yang kita bahas tadi membuatnya kurang meyakinkan calon pelanggan baru dan jarang muncul di hasil pencarian lokal Google Maps. Setelah menerapkan strategi review management yang sudah kita bahas — mengajak pelanggan memberi ulasan secara wajar, membalas setiap komplain dengan cepat, dan menampilkan bukti sosial di media sosial — dalam enam bulan volume ulasan melonjak menjadi 310 dengan rating naik ke 4,7. Tekankan bahwa dampaknya bukan hanya soal citra, melainkan bisnis nyata: algoritma pencarian lokal Google Maps memang mempertimbangkan volume dan kualitas ulasan sebagai salah satu faktor peringkat, sehingga strategi eWOM yang baik secara langsung mendatangkan lebih banyak pelanggan baru bagi UMKM sekecil warung kopi ini.

Latihan: Audit eWOM Toko Pilihan Anda

Sebelum pertemuan berikutnya, kerjakan latihan singkat ini untuk mempraktikkan konsep hari ini.

INSTRUKSI TUGAS

Pilih satu toko/produk di marketplace (Tokopedia/Shopee) atau tempat usaha di Google Maps.
Catat rating, jumlah ulasan, dan hitung persentase ulasan 4–5 bintang seperti latihan Hitung dari Nol tadi.
Identifikasi satu ulasan negatif — apakah dibalas penjual? Bagaimana kualitas responsnya?
Tuliskan satu rekomendasi strategi eWOM untuk toko tersebut (maksimal 150 kata).

Kumpulkan lewat sistem LMS sebelum Pertemuan 6 dimulai — akan didiskusikan singkat sebagai pemanasan pertemuan berikutnya.

Sampaikan latihan ini sebagai jembatan menuju Pertemuan 6 tentang desain pengalaman pengguna, karena hasil audit mahasiswa akan kita gunakan sebagai bahan diskusi pembuka pertemuan berikutnya. Ingatkan mahasiswa untuk memilih toko atau tempat usaha yang benar-benar mereka kenal atau pernah kunjungi, misalnya kedai makanan favorit di dekat kos atau toko online langganan mereka, agar analisisnya lebih bermakna dan personal. Tekankan bahwa langkah menghitung persentase ulasan positif harus memakai rumus yang sama persis dengan yang kita latih pada slide Hitung dari Nol tadi, bukan estimasi kasar. Bagian mengidentifikasi respons penjual terhadap ulasan negatif penting untuk melatih mata kritis mahasiswa terhadap praktik review management yang baik versus yang buruk, sesuai kerangka etika yang baru saja kita bahas. Jelaskan format pengumpulan lewat LMS dan batas waktu sebelum pertemuan berikutnya agar tidak ada kebingungan teknis.

Ringkasan: Dari Ulasan ke Keputusan Pembelian

Hari ini kita membedah bagaimana eWOM menjadi tulang punggung pencarian informasi konsumen digital.

KONSEP INTI

Pencarian eksternal → eWOM (ulasan, rating, reputasi) → tiga dimensi: valensi, volume, kredibilitas sumber.

KETERAMPILAN TEKNIS

Menghitung rating rata-rata tertimbang & Net Sentiment Score dari data ulasan mentah.

SISI PSIKOLOGIS

Model ELM (jalur sentral/periferal) & bias (herd behavior, negativity bias, fake review).

SISI STRATEGIS

Review management etis & batasnya dengan manipulasi reputasi.

Menuju Pertemuan 6: setelah konsumen terpengaruh eWOM, bagaimana desain antarmuka & nudge memandu mereka menyelesaikan pembelian? Itulah topik UX & Desain Persuasif minggu depan.

Tutup pertemuan dengan merangkum keempat pilar yang sudah kita bahas selama dua jam ini — mulai dari konsep dasar pencarian informasi dan tiga dimensi eWOM, keterampilan teknis menghitung rating tertimbang dan Net Sentiment Score, pemahaman psikologis lewat model ELM dan berbagai bias kognitif, sampai sisi strategis mengelola reputasi secara etis. Tekankan bahwa keempat pilar ini saling terkait — memahami psikologi konsumen membantu kita merancang strategi eWOM yang lebih efektif, sementara keterampilan menghitung metrik membantu memvalidasi apakah strategi tersebut berhasil secara objektif, bukan hanya berdasarkan perasaan. Sampaikan bahwa pertemuan berikutnya akan melanjutkan alur logis ini — setelah konsumen terpengaruh oleh ulasan positif dan memutuskan untuk membeli, bagaimana desain antarmuka website atau aplikasi memandu mereka menyelesaikan transaksi tanpa hambatan, topik yang akan kita bahas lewat konsep UX dan desain persuasif di Pertemuan 6. Ingatkan kembali soal tugas latihan audit eWOM yang harus dikumpulkan sebelum pertemuan berikutnya.