RPS minggu 15 · 2x50 menit

Masa Depan Manajemen Penjualan dan Distribusi

Manajemen Penjualan dan Distribusi — Magister Manajemen FEB UNDIP

Selamat datang di pertemuan terakhir mata kuliah Manajemen Penjualan dan Distribusi. Sepanjang semester Anda telah menempuh dua pilar: proses penjualan personal dari prospecting sampai closing, pengelolaan tim penjual, lalu manajemen saluran distribusi mulai ritel, grosir, hingga waralaba, dan minggu lalu Anda mempresentasikan proyek strategi distribusi kelompok. Hari ini kita menutup dengan memproyeksikan ke depan: bagaimana kecerdasan buatan, quick commerce, dan model direct-to-consumer mengubah cara organisasi menjual dan mendistribusikan produk di Indonesia, serta keputusan manajerial tingkat lanjut apa yang harus Anda ambil sebagai eksekutif menghadapinya. Materi ini bukan spekulasi jauh ke depan — semua tren yang kita bahas sudah berjalan nyata di pasar Indonesia, dari fitur AI di Salesforce yang dipakai tim penjualan B2B lokal sampai ekspansi quick commerce Alfagift dan AlfaMart SEGO. Di akhir sesi, Anda memiliki kerangka kesiapan organisasi yang bisa langsung dibawa kembali ke tempat kerja masing-masing.

Peta Pembelajaran Hari Ini

Sub-CPMK 15: menganalisis tren dan implikasi manajerial masa depan penjualan dan distribusi bagi strategi organisasi.

Indikator 1

AI Sales

Mengevaluasi peran AI dan otomasi dalam proses penjualan konsultatif serta dampak finansialnya.

Indikator 2

Kanal Baru

Menganalisis disrupsi saluran distribusi — quick commerce dan direct-to-consumer (D2C) — terhadap struktur biaya.

Indikator 3

Talenta & Etika

Mengevaluasi pergeseran kompetensi tenaga penjual dan batas etis penggunaan AI dalam penjualan.

Indikator 4

Kesiapan

Merumuskan kerangka kesiapan organisasi menghadapi masa depan penjualan dan distribusi.

Empat indikator hari ini membangun dari pemahaman teknologi ke keputusan strategis. Indikator pertama, AI sales, meminta Anda menilai bukan hanya fitur teknologi tetapi dampak finansial nyata investasi AI pada fungsi penjualan. Indikator kedua, kanal baru, mendorong Anda menganalisis bagaimana quick commerce dan D2C mengubah struktur biaya dan relasi dengan distributor eksisting — sesuatu yang langsung relevan dengan proyek distribusi kelompok yang baru Anda presentasikan. Indikator ketiga, talenta dan etika, mengajak Anda melihat sisi manusia dan governance dari transformasi ini, bukan hanya sisi teknologi. Indikator keempat, kesiapan, adalah puncaknya: Anda harus mampu merumuskan langkah konkret untuk organisasi Anda, bukan sekadar memahami tren secara akademis. Sebagai profesional yang mayoritas sudah bekerja, silakan kaitkan setiap konsep dengan organisasi tempat Anda berkarya.

Motivasi: Mengapa Ini Keputusan Direksi, Bukan Sekadar Tren Operasional

Saluran penjualan dan distribusi berubah lebih cepat dari siklus perencanaan tahunan — keterlambatan adaptasi berarti kehilangan margin dan akses pelanggan ke pemain yang lebih gesit.

Sinyal Perubahan di Indonesia

Quick commerce (Astro, Alfagift Instan, SEGO) memangkas waktu pengiriman jadi hitungan menit, mengubah ekspektasi konsumen ritel
Platform B2B seperti GudangAda & Ula mendisrupsi peran grosir tradisional dalam rantai distribusi FMCG
UU Pelindungan Data Pribadi (UU PDP No. 27/2022) membatasi cara tim penjualan mengumpulkan & memanfaatkan data prospek
Tools AI generatif (Salesforce Einstein, HubSpot AI) mulai diadopsi tim B2B Indonesia untuk lead scoring & proposal otomatis

Konsekuensi bagi Keputusan Manajerial

Investasi AI & kanal digital menjadi keputusan struktur biaya, bukan sekadar IT
Trade-off eksplisit: margin per unit vs kecepatan & jangkauan kanal baru
Risiko konflik kanal dengan distributor/mitra eksisting harus dikelola aktif
Kompetensi tenaga penjual harus bergeser dari order-taker ke konsultan berbasis data

Sebagai praktisi yang sudah berkarier, Anda tentu telah merasakan langsung tekanan ini di organisasi masing-masing. Quick commerce memangkas waktu tunggu pengiriman menjadi hitungan menit, memaksa pemain ritel konvensional mempercepat rantai pasoknya atau kehilangan pangsa pasar ke platform yang lebih gesit. Platform B2B seperti GudangAda dan Ula mendisrupsi peran grosir tradisional dengan menghubungkan produsen langsung ke warung, mengubah struktur margin yang selama ini dinikmati distributor berlapis. UU PDP yang berlaku efektif sejak Oktober 2024 membatasi bagaimana tim penjualan mengumpulkan dan menggunakan data prospek tanpa consent eksplisit — pelanggaran berdampak sanksi administratif hingga pidana. Konsekuensinya, investasi AI dan kanal digital bukan lagi keputusan taktis departemen penjualan, melainkan keputusan struktur biaya dan risiko tingkat direksi. Pertanyaan reflektif untuk Anda: kanal distribusi mana di organisasi Anda yang paling rentan terhadap disrupsi dalam tiga tahun ke depan?

Blok 1 dari 3

AI & Otomasi dalam Proses Penjualan

Lead scoring prediktif · AI generatif untuk proposal · CRM otomatis — di titik mana AI paling menambah nilai dalam proses penjualan konsultatif di industri Anda: prospecting, kualifikasi, atau closing?

Pertanyaan diskusi tadi mengajak Anda menghubungkan teori proses penjualan konsultatif yang telah kita pelajari sejak pertemuan awal dengan penerapan AI terkini. Sebagian dari Anda mungkin melihat prospecting sebagai titik nilai tertinggi karena AI dapat menyaring ribuan lead menjadi prioritas yang layak dikunjungi tenaga penjual. Sebagian lain mungkin merasakan dampak AI lebih besar pada tahap penulisan proposal, di mana draf yang dulu memakan berhari-hari kini dihasilkan dalam hitungan menit. Ada juga yang berpendapat closing tetap membutuhkan sentuhan manusia sepenuhnya. Blok ini membahas bagaimana AI mengubah tahapan-tahapan proses penjualan yang sudah Anda kenal, dilanjutkan mini-kasus dan perhitungan ROI investasi AI sales tool. Silakan catat tahap mana yang paling relevan untuk organisasi Anda karena akan menjadi bahan diskusi di akhir sesi.

Dari CRM Pencatat ke AI Sales Enablement

Peran teknologi penjualan bergeser dari sekadar mencatat transaksi menjadi mesin prediksi & rekomendasi tindakan berikutnya bagi tenaga penjual.

Kapabilitas Kunci

Predictive lead scoring — memprioritaskan prospek berdasarkan probabilitas closing, bukan intuisi tenaga penjual
AI generatif untuk draf proposal & email tindak lanjut yang dipersonalisasi otomatis
Conversation intelligence — analisis rekaman panggilan penjualan untuk coaching berbasis data

Implikasi Manajerial

Uplift konversi terbukti signifikan (lihat HDN berikutnya)
Butuh data CRM bersih & disiplin input — bukan sekadar beli lisensi tools
Risiko: tenaga penjual senior menolak adopsi karena merasa "diawasi" algoritma

Diagram tadi menunjukkan evolusi empat tahap teknologi penjualan: dari CRM pencatat yang sekadar mencatat riwayat kontak, ke sales automation yang mengingatkan tindak lanjut dan workflow, ke predictive scoring yang memprioritaskan lead secara otomatis berdasarkan data historis, hingga AI generatif yang membantu menyusun proposal dan insight percakapan secara real-time. Kapabilitas kunci mencakup predictive lead scoring yang menggantikan intuisi dengan probabilitas berbasis data, AI generatif untuk proposal yang mempercepat siklus penjualan konsultatif yang telah Anda pelajari, serta conversation intelligence yang menganalisis rekaman panggilan untuk keperluan coaching tim. Implikasi manajerial: uplift konversi memang terbukti signifikan seperti akan kita hitung berikutnya, tetapi keberhasilan bergantung pada kedisiplinan input data CRM, bukan sekadar membeli lisensi software. Ada juga risiko adopsi, terutama dari tenaga penjual senior yang merasa kinerjanya terus-menerus diawasi algoritma. Pertanyaan untuk Anda renungkan: bagaimana Anda akan mengelola resistensi tenaga penjual senior terhadap tools AI di organisasi Anda?

Mini-Kasus Manajerial: Distributor B2B — Investasi AI Sales Enablement

Keputusan manajerial (ilustrasi, angka non-publik): tim penjualan sebuah distributor alat kesehatan B2B skala nasional mengevaluasi adopsi AI lead scoring untuk 20 tenaga penjual lapangan.

Opsi A: Adopsi Penuh AI Lead Scoring

Proyeksi uplift closing rate signifikan berbasis prioritas prospek (angka lihat HDN berikutnya)
Risiko: tenaga penjual senior resisten, butuh change management & pelatihan intensif
Butuh investasi integrasi data CRM yang selama ini belum rapi

Opsi B: Pilot Terbatas 5 Tenaga Penjual

Uplift lebih kecil tetapi risiko implementasi jauh lebih terkendali
Data hasil pilot menjadi dasar keputusan rollout penuh berikutnya
Selaras dengan prinsip kesiapan organisasi bertahap yang akan kita bahas di Blok 3

Keputusan yang lebih umum diambil distributor B2B matang di Indonesia: Opsi B — pilot terbatas dahulu, rollout penuh setelah data internal memvalidasi ROI.

Kasus ini mengilustrasikan trade-off nyata yang dihadapi direksi distributor B2B saat mengevaluasi investasi teknologi penjualan — angka yang kita sebutkan bersifat ilustratif untuk pembelajaran, bukan data internal perusahaan tertentu. Opsi A, adopsi penuh ke seluruh 20 tenaga penjual sekaligus, menjanjikan uplift closing rate signifikan tetapi membawa risiko implementasi besar karena data CRM organisasi belum tentu cukup rapi untuk melatih model prediktif secara akurat. Opsi B, pilot terbatas pada lima tenaga penjual terlebih dahulu, memberi uplift lebih kecil dalam jangka pendek tetapi menghasilkan data validasi ROI yang solid sebelum investasi penuh dilakukan. Sebagai manajer, keputusan ini mencerminkan prinsip kesiapan organisasi bertahap yang akan kita bahas mendalam di Blok 3 — bukan soal teknologi mana yang lebih canggih, melainkan soal kapasitas organisasi menyerap perubahan. Probing question untuk kelas: dalam pengalaman Anda, adopsi teknologi penjualan seperti apa yang justru gagal karena terburu-buru rollout penuh tanpa pilot?

Hitung dari Nol: ROI Investasi AI Lead Scoring

Distributor B2B ilustratif — 20 tenaga penjual, 40 lead/orang/bulan, closing rate naik dari 15% menjadi 19% berkat prioritas lead berbasis AI.

Langkah	Perhitungan	Nilai
1 · Total lead per tahun	40 lead/rep/bln × 12 bln × 20 rep	9.600 lead
2 · Deal tambahan (uplift closing)	9.600 × (19% − 15%)	384 deal
3 · Revenue tambahan	384 deal × Rp 25 juta/deal	Rp 9,6 miliar
4 · Profit kontribusi tambahan	Rp 9,6 miliar × margin 30%	Rp 2,88 miliar
5 · ROI investasi tools (biaya Rp 50 juta/thn)	(Rp 2,88 miliar − Rp 50 juta) / Rp 50 juta	~56,6x

Kesimpulan Manajerial

ROI ~56,6x

Uplift 4 poin persentase closing rate saja sudah menghasilkan ROI sangat tinggi — tetapi ini mengasumsikan data CRM cukup bersih untuk melatih model secara akurat.

Mari kita hitung bersama. Langkah pertama, total lead yang diproses tim penjualan dalam setahun adalah 40 lead per tenaga penjual per bulan dikali 12 bulan dikali 20 tenaga penjual, hasilnya 9.600 lead per tahun. Langkah kedua, uplift closing rate dari AI lead scoring sebesar 4 poin persentase — dari 15% menjadi 19% — dikalikan total lead menghasilkan 384 deal tambahan per tahun. Langkah ketiga, setiap deal tambahan bernilai rata-rata Rp 25 juta, sehingga revenue tambahan mencapai Rp 9,6 miliar. Langkah keempat, dengan margin kontribusi 30% pada bisnis distribusi alat kesehatan, profit tambahan menjadi Rp 2,88 miliar. Langkah kelima, dibandingkan biaya lisensi tools AI sebesar Rp 50 juta per tahun, ROI mencapai sekitar 56,6 kali lipat — angka yang sangat tinggi karena bahkan uplift kecil pada closing rate berdampak besar pada skala 9.600 lead. Catatan penting bagi Anda sebagai manajer: angka ROI setinggi ini sangat sensitif terhadap asumsi kualitas data CRM — bila data kotor, model prediktif tidak akan mencapai uplift 4 poin tersebut.

Coba Sendiri: Uji Sensitivitas ROI AI Lead Scoring

Ubah uplift closing rate, jumlah lead, nilai deal, dan margin kontribusi untuk melihat seberapa sensitif ROI terhadap kualitas data CRM yang mendasarinya.

Blok 2 dari 3

Disrupsi Saluran Distribusi: Quick Commerce & D2C

Dark store · Direct-to-consumer · Konflik kanal — apakah organisasi Anda pernah menghadapi konflik antara kanal digital baru dan distributor/mitra eksisting? Bagaimana itu diselesaikan?

Pertanyaan diskusi tadi menghubungkan konsep manajemen saluran distribusi yang telah Anda pelajari — evolusi saluran pemasaran, ritel, grosir, waralaba — dengan disrupsi digital terkini. Sebagian dari Anda mungkin pernah mengalami langsung ketegangan ketika perusahaan membuka toko online resmi yang bersaing harga dengan distributor atau reseller yang selama ini menjadi mitra. Sebagian lain mungkin melihat quick commerce sebagai ancaman bagi ritel tradisional yang menjadi bagian rantai distribusi perusahaan. Blok ini membahas dua fenomena tersebut secara berurutan: pertama ekonomi quick commerce dan dark store, kedua model direct-to-consumer versus distributor tradisional beserta perhitungan cost-to-serve-nya. Silakan catat pengalaman konflik kanal Anda karena akan relevan dengan mini-kasus dan latihan di akhir sesi.

Ekonomi Quick Commerce & Dark Store

Quick commerce (belanja instan, pengiriman dalam 15-60 menit) mengandalkan dark store — gudang mini di area padat penduduk, bukan toko ritel konvensional.

Karakteristik Struktural

Densitas dark store tinggi → biaya real estat & operasional per titik lebih mahal dari gudang sentral
SKU terbatas (produk cepat laku, high-turnover) — bukan katalog lengkap seperti ritel besar
Komisi platform quick commerce umumnya lebih tinggi dari kanal distribusi tradisional

Implikasi bagi Manajer Distribusi

Perlu keputusan SKU rationalization — produk mana yang layak masuk kanal quick commerce
Perjanjian dengan platform (Astro, Alfagift Instan) perlu dievaluasi seperti perjanjian distributor/waralaba
Cost-to-serve per unit bisa lebih tinggi meski volume & kecepatan lebih besar (lihat HDN berikutnya)

Diagram tadi membandingkan tiga model distribusi berdasarkan kecepatan pengiriman dan struktur biayanya. Ritel konvensional yang telah Anda pelajari sejak pertemuan-pertemuan awal mengandalkan toko fisik besar dengan radius layanan luas namun waktu kirim lambat. E-commerce umum menggunakan gudang sentral untuk melayani area lebih luas dengan kecepatan same-day atau next-day. Quick commerce menggunakan dark store berdensitas tinggi dengan radius layanan sempit, dua sampai tiga kilometer, tetapi kecepatan pengiriman quensial hanya 15 sampai 60 menit. Karakteristik strukturalnya penting dipahami manajer: biaya real estat per titik dark store lebih mahal karena lokasinya harus dekat konsumen, SKU yang dijual terbatas pada produk cepat laku saja, dan komisi platform umumnya lebih tinggi dari margin distributor tradisional. Implikasinya, manajer distribusi harus melakukan SKU rationalization yaitu menyeleksi produk mana yang layak masuk kanal ini, dan memperlakukan perjanjian dengan platform quick commerce selayaknya perjanjian distributor formal, lengkap dengan negosiasi komisi dan SLA. Pertanyaan untuk Anda: produk apa di organisasi Anda yang paling cocok — atau justru paling tidak cocok — untuk kanal quick commerce?

Direct-to-Consumer (D2C) vs Distributor Tradisional

D2C (penjualan langsung produsen ke konsumen akhir tanpa perantara) menawarkan margin & data konsumen langsung, tetapi berisiko memicu konflik kanal dengan distributor eksisting.

Argumen Mendorong D2C

Margin per unit lebih tinggi tanpa lapisan distributor & grosir
Kepemilikan data konsumen langsung — basis untuk personalisasi & loyalty
Kontrol penuh atas pengalaman merek & harga jual

Risiko & Batasan D2C

Konflik kanal (channel conflict) — distributor eksisting merasa "dipotong"
Investasi fulfillment & logistik last-mile yang sebelumnya ditanggung distributor
Jangkauan geografis terbatas dibanding jaringan distributor yang sudah mapan bertahun-tahun

Resource-Based View (Barney, 1991) relevan di sini: jaringan distributor incumbent adalah aset kapabilitas sulit ditiru — strategi hybrid umumnya lebih rasional daripada migrasi D2C penuh.

Materi ini melanjutkan langsung pembahasan sistem waralaba dan grosir yang telah Anda pelajari sebelumnya, kini dengan lensa disrupsi digital. Argumen mendorong D2C cukup kuat secara finansial: margin per unit naik karena tanpa lapisan distributor dan grosir, perusahaan memperoleh data konsumen langsung sebagai basis personalisasi, dan memiliki kontrol penuh atas harga serta pengalaman merek. Namun risikonya nyata: konflik kanal dengan distributor eksisting yang merasa dilangkahi bisa merusak relasi jangka panjang yang telah dibangun bertahun-tahun, investasi fulfillment dan logistik last-mile yang sebelumnya ditanggung distributor kini menjadi beban perusahaan, dan jangkauan geografis D2C awal biasanya jauh lebih sempit dibanding jaringan distributor yang sudah mapan. Mengacu pada Resource-Based View dari Barney tahun 1991, jaringan distributor incumbent sesungguhnya adalah aset kapabilitas yang sulit ditiru pesaing — karena itu strategi hybrid, mengombinasikan D2C untuk segmen tertentu dan mempertahankan distributor untuk jangkauan luas, umumnya lebih rasional daripada migrasi D2C penuh. Pertanyaan reflektif: apakah organisasi Anda memiliki aset distribusi seperti ini yang berisiko diabaikan demi mengejar tren D2C?

Integrasi Omnichannel: Menyatukan Kanal Fisik & Digital

Omnichannel (integrasi seluruh titik kontak pelanggan lintas kanal) adalah jawaban strategis atas konflik kanal — bukan memilih salah satu kanal, melainkan menyelaraskannya.

Mekanisme Penyelarasan

Harga & promosi konsisten lintas kanal — mencegah konsumen "membandingkan & melompat kanal"
Insentif silang: distributor/reseller mendapat komisi dari transaksi digital yang berasal dari wilayahnya
Data konsumen dari kanal digital dibagi kembali ke tenaga penjual lapangan untuk memperkuat relasi B2B

Prasyarat Organisasi

Sistem inventori & harga tersentralisasi — bukan silo per kanal
Kesepakatan tertulis dengan mitra distribusi tentang pembagian nilai kanal digital
KPI tim penjualan direvisi agar tidak "menghukum" kontribusi kanal digital ke wilayahnya

Organisasi yang gagal menyelaraskan insentif kanal sering mengalami "kanibalisasi tersembunyi" — penjualan digital naik, tetapi total penjualan organisasi stagnan karena hanya memindahkan transaksi dari kanal lama.

Slide ini menjawab langsung ketegangan yang muncul dari mini-kasus D2C sebelumnya — omnichannel bukan berarti memilih D2C atau distributor, melainkan menyelaraskan keduanya menjadi satu sistem. Mekanisme penyelarasan mencakup konsistensi harga dan promosi lintas kanal agar konsumen tidak sekadar berpindah kanal untuk mencari harga lebih murah, insentif silang di mana distributor tetap mendapat komisi dari transaksi digital yang terjadi di wilayah teritorinya sesuai konsep penetapan wilayah yang telah Anda pelajari, serta pembagian data konsumen dari kanal digital kembali ke tenaga penjual lapangan agar memperkuat relasi B2B, bukan menggantikannya. Prasyarat organisasi yang dibutuhkan meliputi sistem inventori dan harga yang tersentralisasi, bukan silo terpisah per kanal, kesepakatan tertulis dengan mitra distribusi tentang pembagian nilai kanal digital, dan revisi KPI tim penjualan agar tidak menghukum wilayah yang kontribusi penjualannya justru datang dari kanal digital. Peringatan penting bagi Anda sebagai manajer: banyak organisasi mengalami kanibalisasi tersembunyi, di mana penjualan digital terlihat tumbuh tetapi total penjualan organisasi stagnan karena hanya memindahkan transaksi dari kanal lama ke kanal baru tanpa insentif yang selaras. Pertanyaan untuk Anda: apakah sistem KPI di organisasi Anda saat ini justru menciptakan disinsentif bagi kolaborasi lintas kanal?

Mini-Kasus Manajerial: Produsen FMCG — Ekspansi D2C vs Mempertahankan Distributor

Keputusan manajerial (ilustrasi, angka non-publik): produsen makanan ringan nasional mengevaluasi ekspansi kanal D2C melalui quick commerce di kota-kota besar.

Opsi A: Ekspansi Agresif D2C/Quick Commerce

Margin per unit lebih tinggi di kota besar (lihat HDN berikutnya)
Risiko: distributor regional yang selama ini setia mengancam mengurangi dukungan display & promosi produk lain
Butuh investasi tim fulfillment & kemitraan platform baru

Opsi B: D2C Terbatas, Distributor Tetap Utama

D2C hanya untuk produk baru/varian eksklusif, bukan seluruh lini
Distributor tetap menjadi kanal utama di luar kota besar
Konflik kanal minimal, relasi jangka panjang terjaga

Keputusan yang lebih umum diambil produsen FMCG mapan di Indonesia: Opsi B — hybrid dengan D2C terbatas, menjaga jaringan distributor sebagai aset strategis.

Kasus ini melanjutkan kerangka Resource-Based View yang baru kita bahas — angka yang disebutkan bersifat ilustratif untuk pembelajaran, bukan data internal perusahaan tertentu. Opsi A, ekspansi agresif ke D2C dan quick commerce di kota-kota besar, menjanjikan margin per unit lebih tinggi tetapi berisiko merusak relasi dengan distributor regional yang selama bertahun-tahun mendukung distribusi seluruh lini produk, termasuk produk dengan margin lebih rendah yang membutuhkan dukungan distributor untuk tetap hidup di pasar. Opsi B, membatasi D2C hanya pada produk baru atau varian eksklusif sambil mempertahankan distributor sebagai kanal utama, menghasilkan pertumbuhan lebih terukur namun menjaga aset kapabilitas distribusi yang sulit ditiru pesaing. Sebagai manajer, keputusan ini bukan soal kanal mana yang secara teoretis lebih menguntungkan, melainkan soal bagaimana mengelola portofolio kanal secara keseluruhan tanpa mengorbankan aset relasional jangka panjang. Probing question untuk kelas: bagaimana Anda akan merancang skema kompensasi agar distributor tidak merasa terancam oleh ekspansi D2C terbatas ini?

Hitung dari Nol: Cost-to-Serve — Distributor Tradisional vs Quick Commerce/D2C

Produk FMCG ilustratif, harga jual konsumen Rp 10.000/unit — bandingkan struktur biaya dua kanal.

Langkah	Perhitungan	Nilai
1 · Cost-to-serve distributor tradisional	margin distributor 8% + retailer 20% + logistik Rp 500 (dari Rp 10.000)	Rp 3.300 (33%)
2 · Net revenue perusahaan (tradisional)	Rp 10.000 − Rp 3.300	Rp 6.700 (67%)
3 · Cost-to-serve quick commerce/D2C	komisi platform 25% + fulfillment last-mile Rp 400	Rp 2.900 (29%)
4 · Net revenue perusahaan (quick commerce)	Rp 10.000 − Rp 2.900	Rp 7.100 (71%)
5 · Selisih margin per unit	Rp 7.100 − Rp 6.700	+Rp 400/unit (+4pp)

Kesimpulan Manajerial

+4pp margin

Quick commerce unggul margin per unit, tetapi keputusan ekspansi tetap harus mempertimbangkan volume, investasi fulfillment, dan risiko konflik kanal dari slide sebelumnya.

Mari kita hitung bersama, membandingkan dua struktur biaya untuk produk dengan harga jual konsumen sama, Rp 10.000. Langkah pertama, pada kanal distributor tradisional, cost-to-serve terdiri dari margin distributor 8%, margin retailer 20%, dan biaya logistik Rp 500, totalnya Rp 3.300 atau 33% dari harga jual. Langkah kedua, net revenue yang diterima perusahaan pada kanal ini adalah Rp 6.700 atau 67%. Langkah ketiga, pada kanal quick commerce atau D2C, cost-to-serve terdiri dari komisi platform 25% dan biaya fulfillment last-mile Rp 400, totalnya Rp 2.900 atau 29%. Langkah keempat, net revenue perusahaan pada kanal ini mencapai Rp 7.100 atau 71%. Langkah kelima, selisihnya adalah Rp 400 per unit atau 4 poin persentase margin lebih tinggi di kanal quick commerce. Namun angka ini tidak boleh dibaca sebagai "D2C selalu lebih baik" — seperti dibahas di mini-kasus sebelumnya, volume penjualan di kanal tradisional biasanya jauh lebih besar, dan investasi awal fulfillment last-mile belum terhitung dalam perbandingan sederhana ini. Keputusan ekspansi kanal harus mempertimbangkan total volume dikali margin, bukan margin per unit semata.

Blok 3 dari 3

Talenta, Etika & Kesiapan Organisasi

Dari order-taker ke konsultan berbasis data · Batas etis AI dalam penjualan — apakah tim penjualan di organisasi Anda sudah memiliki kompetensi literasi data yang cukup untuk era AI sales enablement?

Pertanyaan diskusi tadi mengajak Anda menilai kesiapan sumber daya manusia di organisasi masing-masing, bukan hanya kesiapan teknologi. Sebagian dari Anda mungkin merasa tim penjualan sudah cukup adaptif karena terbiasa menggunakan CRM sehari-hari, sementara sebagian lain mungkin melihat gap besar antara generasi tenaga penjual senior yang mengandalkan relasi personal dengan tuntutan literasi data baru. Blok terakhir ini membahas tiga hal berurutan: pertama pergeseran kompetensi tenaga penjual dari order-taker menjadi konsultan berbasis data, kedua batas etis penggunaan AI dalam penjualan dan distribusi, dan ketiga kerangka kesiapan organisasi yang mengintegrasikan seluruh pembelajaran hari ini sekaligus satu semester penuh. Sesi ditutup dengan latihan singkat yang menghubungkan kerangka ini ke proyek strategi distribusi kelompok Anda.

Pergeseran Talenta: dari Order-Taker ke Konsultan Berbasis Data

Ketika AI mengambil alih tugas administratif & prioritisasi lead, nilai tambah tenaga penjual manusia bergeser ke kemampuan yang tidak bisa diotomasi.

Kompetensi yang Menurun Nilainya

Entri data manual & pencatatan riwayat kontak
Penyusunan proposal generik dari template statis
Prospecting acak tanpa prioritisasi berbasis data

Kompetensi yang Menguat Nilainya

Literasi data — mampu membaca & mempertanyakan output skor AI, bukan menelan mentah-mentah
Negosiasi kompleks & membangun trust pada deal bernilai tinggi (dari materi proses penjualan konsultatif)
Kecerdasan emosional untuk membaca sinyal non-verbal yang tidak tertangkap sistem

Implikasi bagi manajer SDM penjualan: kurikulum pelatihan & skema kompensasi perlu direvisi agar selaras dengan kompetensi baru ini, bukan sekadar menambah modul "cara pakai software AI".

Materi ini menghubungkan langsung pembahasan rekrutmen, pelatihan, dan kompensasi tenaga penjual yang telah Anda pelajari di pertengahan semester dengan realitas AI hari ini. Kompetensi yang menurun nilainya jelas: entri data manual, penyusunan proposal generik, dan prospecting acak semuanya kini bisa dikerjakan AI lebih cepat dan konsisten. Sebaliknya, kompetensi yang menguat nilainya justru semakin manusiawi: literasi data agar tenaga penjual mampu mempertanyakan dan memvalidasi output algoritma alih-alih menelannya mentah-mentah, kemampuan negosiasi kompleks pada deal bernilai tinggi yang membutuhkan trust personal, dan kecerdasan emosional untuk membaca sinyal yang tidak tertangkap sistem apa pun. Implikasi bagi Anda sebagai manajer SDM penjualan adalah revisi menyeluruh terhadap kurikulum pelatihan dan skema kompensasi — bukan sekadar menambahkan satu modul pelatihan cara memakai software AI, melainkan merancang ulang jalur karier tenaga penjual di sekitar kompetensi baru ini. Pertanyaan untuk Anda: kompetensi mana di tim penjualan Anda yang paling mendesak untuk dilatih ulang dalam satu tahun ke depan?

Etika AI dalam Penjualan & Distribusi

Kapabilitas AI yang sama yang meningkatkan konversi dapat disalahgunakan menjadi manipulasi — batas etis ini adalah tanggung jawab manajerial, bukan hanya teknis.

Risiko Etis Utama

Dark pattern penjualan — algoritma mendorong urgensi palsu ("stok tinggal 2") tanpa dasar data riil
Bias algoritmik pada lead scoring — mengabaikan segmen tertentu secara sistematis
Penggunaan data prospek melebihi consent yang diberikan (rawan pelanggaran UU PDP)

Pagar Governance yang Diperlukan

Audit berkala model scoring untuk mendeteksi bias sistematis terhadap segmen tertentu
Kebijakan consent & retensi data yang selaras UU PDP No. 27/2022
Transparansi ke konsumen & mitra distributor tentang penggunaan data & algoritma

Prinsip praktis: bila taktik penjualan berbasis AI tidak dapat dijelaskan secara jujur kepada konsumen, taktik itu kemungkinan besar melanggar batas etis — bukan hanya berisiko hukum.

Topik ini melengkapi pembahasan etika bisnis yang mungkin telah Anda temui di mata kuliah lain, namun kali ini spesifik pada konteks penjualan dan distribusi. Risiko etis utama mencakup dark pattern penjualan seperti klaim "stok tinggal dua" yang dihasilkan algoritma tanpa dasar data riil untuk mendorong urgensi palsu, bias algoritmik pada lead scoring yang secara sistematis mengabaikan segmen pelanggan tertentu karena data historis yang tidak representatif, dan penggunaan data prospek melampaui consent yang diberikan, yang rawan melanggar UU PDP. Pagar governance yang diperlukan mencakup audit berkala model scoring untuk mendeteksi bias, kebijakan consent dan retensi data yang selaras regulasi, serta transparansi kepada konsumen dan mitra distributor tentang bagaimana data dan algoritma digunakan. Prinsip praktis yang bisa Anda bawa pulang: bila sebuah taktik penjualan berbasis AI tidak dapat dijelaskan secara jujur kepada konsumen, taktik itu kemungkinan besar melanggar batas etis, terlepas dari legalitas teknisnya. Pertanyaan reflektif untuk Anda: apakah organisasi Anda memiliki mekanisme audit bias algoritmik pada sistem penjualan, atau ini area yang masih perlu dibangun?

Checklist Keputusan: Kapan Berinvestasi di AI & Kanal Digital

Sebelum mengalokasikan anggaran ke AI sales tool atau ekspansi kanal digital, manajer perlu menjawab empat pertanyaan penyaring berikut.

Layak Dilanjutkan Bila...

Data historis cukup besar & bersih untuk melatih model secara akurat (bukan sekadar tren industri)
Uplift proyeksi realistis melebihi biaya investasi dengan margin aman (uji dengan pilot, seperti HDN sebelumnya)
Dampak pada mitra distribusi eksisting sudah dipetakan & skema insentif silang siap

Tunda / Kaji Ulang Bila...

Data CRM masih berantakan — investasi teknologi sebaiknya menunggu perbaikan data dasar
Belum ada kebijakan governance/etika AI tertulis untuk memitigasi risiko bias & pelanggaran UU PDP
Tim penjualan belum dilatih ulang — teknologi tanpa adopsi manusia hanya menjadi biaya tenggelam

Checklist ini menjadi jembatan menuju kerangka kesiapan organisasi yang lebih menyeluruh pada slide berikutnya.

Checklist ini merangkum seluruh pelajaran teknis yang telah kita bahas — ROI AI lead scoring, cost-to-serve quick commerce, konflik kanal D2C, dan etika AI — menjadi alat penyaring cepat sebelum keputusan investasi diajukan ke direksi. Sisi "layak dilanjutkan" menegaskan tiga syarat yang telah kita bahas satu per satu hari ini: kualitas data yang memadai, proyeksi uplift yang telah divalidasi lewat pilot bukan asumsi optimis, dan dampak pada mitra distribusi yang sudah dipetakan dengan skema insentif yang jelas. Sisi "tunda atau kaji ulang" menjadi peringatan penting: banyak organisasi tergesa-gesa berinvestasi pada teknologi AI sementara fondasi data dan governance-nya belum siap, yang pada akhirnya membuat investasi tersebut gagal mencapai proyeksi ROI. Sebagai manajer, checklist sederhana seperti ini sangat berguna untuk menahan tekanan FOMO atau ikut-ikutan tren teknologi tanpa kesiapan organisasi yang memadai. Checklist ini adalah jembatan menuju kerangka kesiapan lima langkah yang lebih menyeluruh pada slide berikutnya, yang akan mengintegrasikan seluruh pembelajaran hari ini menjadi satu alat kerja utuh.

Kerangka Kesiapan Organisasi Menghadapi Masa Depan Penjualan-Distribusi

Rubrik lima langkah untuk menilai & merencanakan kesiapan organisasi — dapat langsung diterapkan pada proyek strategi distribusi kelompok Anda.

Langkah	Fokus Analisis	Indikator Kesiapan
1 · Audit kapabilitas	Kualitas data CRM, integrasi sistem, kematangan digital tim penjualan	Data bersih & terintegrasi ≥80%
2 · Pemetaan konflik kanal	Titik gesekan antara kanal digital baru & distributor/mitra eksisting	Skema kompensasi mitra terdefinisi
3 · Pilot terkendali	Uji coba skala kecil sebelum rollout penuh	Data ROI pilot tervalidasi
4 · Pengembangan talenta	Pelatihan literasi data & kompetensi konsultatif tenaga penjual	Kurikulum & jalur karier baru tersedia
5 · Pagar governance	Kebijakan etika AI, consent data, audit bias algoritmik	Kebijakan tertulis & teraudit

Organisasi yang memenuhi kelima langkah secara berurutan memiliki risiko implementasi jauh lebih rendah daripada yang melompat langsung ke rollout penuh tanpa pilot.

Kerangka ini merangkum seluruh pembahasan hari ini menjadi satu alat kerja yang bisa Anda bawa langsung ke organisasi masing-masing. Langkah pertama, audit kapabilitas, menilai apakah data CRM organisasi cukup bersih dan terintegrasi untuk mendukung inisiatif AI — tanpa ini, ROI setinggi yang kita hitung tadi tidak akan tercapai. Langkah kedua, pemetaan konflik kanal, mengharuskan Anda mengidentifikasi lebih dulu titik gesekan dengan distributor atau mitra eksisting sebelum meluncurkan kanal baru, sesuai pelajaran dari mini-kasus D2C. Langkah ketiga, pilot terkendali, menegaskan kembali prinsip yang kita bahas di Blok 1 bahwa rollout bertahap mengurangi risiko implementasi. Langkah keempat, pengembangan talenta, memastikan investasi teknologi diimbangi investasi pada kompetensi manusia yang baru saja kita bahas. Langkah kelima, pagar governance, menutup kerangka dengan kebijakan etika yang mencegah penyalahgunaan kapabilitas AI. Silakan gunakan lima langkah ini sebagai checklist saat menyusun rekomendasi lanjutan untuk proyek strategi distribusi kelompok Anda.

Latihan: Terapkan Kerangka Kesiapan pada Proyek Distribusi Anda

Instruksi latihan individual singkat (10 menit), dilanjutkan diskusi kelompok kecil sebelum penutup kelas.

Langkah Latihan

1. Kembali ke proyek strategi distribusi kelompok yang telah Anda presentasikan minggu lalu
2. Pilih satu elemen AI atau kanal digital (AI sales tool, quick commerce, atau D2C) yang relevan dengan kasus tersebut
3. Terapkan kerangka kesiapan lima langkah pada slide sebelumnya — identifikasi posisi organisasi kasus Anda di tiap langkah
4. Tuliskan satu rekomendasi manajerial konkret yang paling mendesak dilakukan dalam enam bulan ke depan
5. Siapkan untuk berbagi singkat (2 menit) dalam kelompok kecil

Tujuan latihan: melatih Anda mengintegrasikan seluruh materi mata kuliah — dari proses penjualan konsultatif hingga manajemen saluran distribusi — ke dalam satu rekomendasi strategis yang aplikatif.

Latihan ini adalah jembatan terakhir antara materi hari ini dan proyek strategi distribusi kelompok yang telah Anda kerjakan sepanjang paruh kedua semester. Silakan kembali ke kasus organisasi yang Anda analisis dalam proyek tersebut, lalu pilih satu elemen transformasi digital yang paling relevan — bisa AI sales enablement bila kasus Anda berfokus pada tim penjualan, atau quick commerce/D2C bila kasus Anda berfokus pada saluran distribusi ritel. Terapkan kerangka kesiapan lima langkah untuk menilai secara jujur di posisi mana organisasi dalam kasus Anda berada saat ini — jangan ragu menyebutkan kelemahan nyata. Tuliskan satu rekomendasi yang benar-benar bisa dieksekusi dalam enam bulan, bukan visi jangka panjang yang abstrak. Setelah itu, Anda akan berbagi singkat dalam kelompok kecil selama dua menit per orang. Latihan ini melatih kemampuan sintesis yang akan sangat berguna ketika Anda kembali ke pekerjaan masing-masing dan perlu menyusun rekomendasi serupa untuk atasan Anda.

Sintesis: Merangkai Satu Semester Manajemen Penjualan & Distribusi

Materi hari ini menutup benang merah dari proses penjualan personal hingga manajemen saluran — masa depan hanyalah lapisan teknologi baru di atas prinsip yang sama.

Fondasi Penjualan

Proses

Prospecting, presentasi persuasif, closing — kini dipercepat & diprioritaskan oleh AI, bukan digantikan.

Manajemen Tim

Talenta

Rekrutmen, kompensasi, evaluasi kinerja — perlu direvisi seiring pergeseran kompetensi ke literasi data.

Saluran Distribusi

Kanal

Ritel, grosir, waralaba — kini berdampingan dengan quick commerce & D2C, bukan tergantikan sepenuhnya.

Prinsip yang bertahan lintas teknologi: trust pelanggan & kekuatan relasi kanal tetap menjadi aset yang paling sulit ditiru pesaing, sesuai Resource-Based View yang kita bahas hari ini.

Sesi hari ini sengaja dirancang untuk menutup, bukan menggantikan, seluruh materi yang telah Anda pelajari satu semester penuh. Fondasi penjualan yang Anda pelajari di awal semester — prospecting, presentasi persuasif, closing — tidak digantikan oleh AI, melainkan dipercepat dan diberi prioritas yang lebih tajam. Manajemen tim penjualan yang mencakup rekrutmen, kompensasi, dan evaluasi kinerja perlu direvisi mengikuti pergeseran kompetensi menuju literasi data yang telah kita bahas. Saluran distribusi klasik seperti ritel, grosir, dan waralaba tidak tergantikan sepenuhnya oleh quick commerce dan D2C, melainkan berdampingan dalam portofolio kanal yang lebih kompleks. Prinsip yang bertahan lintas seluruh perubahan teknologi ini adalah trust pelanggan dan kekuatan relasi kanal — mengacu kembali pada Resource-Based View Barney 1991 yang kita bahas di Blok 2 — karena kedua aset ini paling sulit ditiru pesaing manapun. Sebagai manajer masa depan, tugas Anda bukan mengejar setiap tren teknologi, melainkan menilai teknologi mana yang memperkuat aset relasional ini, dan mana yang justru mengancamnya. Terima Kasih atas partisipasi aktif Anda sepanjang semester — selamat mempersiapkan ujian akhir semester.