AI untuk Operasional

AI untuk Survey Kepuasan: Bikin & Analisa NPS/CSAT Cepat

BA
Billy Abraham
CEO Kuy Group · operator 14 outlet sejak 2018
23 Juni 2026
3 menit baca

Survey kepuasan pelanggan biasanya mati di dua titik: pertanyaannya kepanjangan jadi nggak ada yang ngisi, atau jawabannya numpuk ratusan baris dan nggak ada yang baca. AI nyelesain dua-duanya. Saya pakai ini di Kuy Studio dan Servisin Kuy buat tau pelanggan mana yang mau balik dan mana yang diam-diam kabur.

Berikut cara bikin dan analisa survey NPS/CSAT pakai AI, dari nyusun pertanyaan sampai keputusan.

Bedanya NPS dan CSAT, biar nggak salah ukur

Dua-duanya beda fungsi, jangan dicampur:

  • NPS (Net Promoter Score): "Seberapa mungkin kamu rekomendasiin tempat ini ke teman?" skala 0-10. Ini ngukur loyalitas jangka panjang.
  • CSAT (Customer Satisfaction): "Seberapa puas kamu sama servis tadi?" skala 1-5. Ini ngukur satu transaksi yang baru terjadi.

Patokan saya: CSAT dikirim langsung setelah pelanggan dilayani (selesai foto, motor selesai diservis). NPS dikirim berkala, sebulan atau sekali kuartal, ke pelanggan yang udah beberapa kali transaksi.

Pakai AI buat nyusun pertanyaan yang benar

Pertanyaan jelek bikin data jelek. Kasih AI konteks bisnismu, lalu minta dia rancang surveynya. Prompt yang saya pakai kira-kira: "Saya punya bengkel servis. Bikinin survey CSAT maksimal 3 pertanyaan, 1 skala angka dan 1 pertanyaan terbuka, bahasa santai buat pelanggan Indonesia."

Aturan yang saya tegakin ke AI:

  • Maksimal 3-4 pertanyaan. Survey panjang = response rate jeblok.
  • Selalu ada satu kolom terbuka ("Apa satu hal yang bisa kami perbaiki?"). Di situ emas-nya.
  • Hindari pertanyaan menggiring jawaban kayak "Setuju kan servis kami cepat?"

Kumpulin jawabannya tanpa ribet

Nggak perlu tool mahal buat mulai. Google Forms sudah cukup, link-nya disebar via WhatsApp atau QR code di kasir. Yang penting jawaban masuk ke satu spreadsheet. Begitu datanya kekumpul di satu tempat, AI bisa langsung baca dari situ. Kalau kamu masih ragu tool-nya, daftar yang saya pakai ada di /belajar/cara-pakai-ai-untuk-bisnis.

Analisa ratusan komentar dalam hitungan menit

Ini bagian yang dulu paling males. Baca 200 komentar terbuka satu-satu? Nggak akan kebaca. AI saya suruh lakuin ini:

  • Hitung skornya. NPS = persen promoter (9-10) dikurangi persen detractor (0-6). CSAT = persen yang kasih 4-5. AI ngitung ini dari kolom angka dalam sekejap.
  • Kelompokin keluhan. Tempel semua jawaban terbuka, minta AI rangkum jadi tema: "antrian lama", "harga", "hasil foto". Sekarang kamu lihat masalah mana yang paling sering muncul, bukan cuma yang paling berisik.
  • Tandai sentimen. Mana komentar marah, mana yang netral, mana yang muji. Pelanggan marah = prioritas follow-up hari itu juga.

Hasilnya: ratusan baris feedback berubah jadi tiga atau empat poin aksi yang jelas.

Tutup loop-nya, jangan cuma ngumpulin

Survey yang nggak ditindaklanjuti cuma bikin pelanggan makin kecewa. Begitu AI nandai detractor, langsung tugaskan tim hubungi mereka. Komentar bagus dari promoter? Minta izin jadiin testimoni. Ini yang ngubah survey dari laporan jadi alat yang beneran narik pelanggan balik.

Bandingin antar cabang dan antar bulan

Kalau outlet-mu lebih dari satu, jadiin angka ini rutin. Saya minta AI bikin ringkasan: CSAT tiap cabang bulan ini versus bulan lalu, plus tema keluhan yang naik. Cabang yang skornya turun tiba-tiba biasanya ada masalah operasional yang belum kelihatan di laporan keuangan. Survey jadi sistem deteksi dini, bukan formalitas.

Mulai dari satu titik kontak pelanggan yang paling penting, kirim CSAT di situ minggu ini, lalu suruh AI baca hasilnya. Cara nyambungin survey ke data operasional lain biar jalan otomatis, itu yang saya bongkar langkah demi langkah di AI CEO Blueprint.

Baca juga