File export dari Seller Centre atau aplikasi kasir bukan tabel serapi yang terlihat. Satu pesanan bisa menjadi beberapa baris, dan pesanan batal ikut keluar bersama yang selesai.
Membaca tabel dan menghitung tabel itu dua pekerjaan berbeda. Uji FinSheet-Bench (Maret 2026) mencatat 89,1% untuk pencarian sederhana dan 19,6% untuk agregasi kompleks.
Delapan prompt di bawah bisa Anda tempel hari ini. Dua yang pertama adalah pembersihan dan verifikasi, dan enam sisanya tidak layak dipercaya tanpa keduanya.
Obrola menyatukan chat WhatsApp, Instagram, dan Facebook dalam satu inbox tim, lengkap dengan tahap penjualan di tiap percakapan.

Tombol Export di Seller Centre menghasilkan satu file, dan jumlah baris di dalamnya hampir tidak pernah sama dengan jumlah pesanan Anda.

Masalahnya, ChatGPT tidak punya cara untuk mengetahui itu. Yang terlihat olehnya hanya kolom dan baris, jadi pertanyaan "berapa pesanan bulan ini" dijawab dengan jumlah baris.

Angkanya keluar rapi, dengan nada seyakin angka yang benar. Pekerjaan Anda bukan menyusun prompt yang lebih pintar, melainkan memberi tahu tiga hal di depan lalu mencocokkan satu angka dengan tangan.

Tangan mengetik di laptop yang menampilkan spreadsheet panjang berisi banyak kolom data — Ilustrasi Unsplash

Empat Hal di File Export yang ChatGPT Tidak Bisa Tahu Sendiri

Sebelum menulis prompt apa pun, ada baiknya Anda tahu isi file yang akan ditempel. Empat kondisi berikut ada di hampir semua export marketplace dan aplikasi kasir.

1. Satu pesanan bisa menjadi beberapa baris

Panduan laporan penjualan Shopee dari ngulikdata (diperbarui 20 Juli 2026) memakai contoh sebuah toko dengan 1.842 pesanan selesai yang tersebar di 4.106 baris produk.

Baris bertambah setiap kali satu pesanan berisi lebih dari satu produk. Pertanyaan "berapa pesanan bulan ini" akan dijawab 4.106, dan nilai rata-rata per pesanan ikut meleset lebih dari separuh.

2. Pesanan batal dan retur ikut ter-export

Status Selesai, Batal, dan Dalam Pengembalian keluar di dalam satu file yang sama. Tidak ada tanda apa pun yang memisahkan mereka selain isi satu kolom.

Kalau kolom itu tidak disaring, nilai pesanan yang uangnya tidak pernah masuk tetap ikut dijumlahkan. Omzet Anda menggelembung tanpa ada yang memberi peringatan, persis seperti stok yang habis di chat tapi masih tercatat ada di aplikasi kasir.

Diagram alur tiga kotak dari 4.106 baris produk mentah, menyaring status Batal dan Dalam Pengembalian, menjadi 1.842 pesanan selesai — Dari 4.106 baris jadi 1.842 pesanan

3. Kolom rupiah dan tanggal tersimpan sebagai teks

Sumber yang sama mencatat bahwa kolom waktu dan kolom rupiah sering terbaca sebagai teks, sehingga SUMIFS mengembalikan nol tanpa memunculkan pesan error.

ChatGPT membaca kolom yang sama. Bedanya, ia tidak mengembalikan nol; ia mengembalikan sesuatu yang kelihatan masuk akal. Itu jauh lebih sulit ketahuan.

4. Empat puluh kolom, sebagian besar tidak relevan

File export pesanan Shopee biasanya punya lebih dari 40 kolom, dan untuk analisis penjualan hanya sekitar sebelas yang benar-benar dipakai.

Sisanya adalah kolom ongkir, kupon, voucher, dan nomor resi yang namanya mirip satu sama lain. Makin banyak kolom mirip, makin besar peluang yang dipakai adalah kolom yang salah.

Keempat kondisi ini akan dijawab ChatGPT dengan tingkat percaya diri yang sama persis.

Seseorang mengoperasikan mesin kasir di meja depan sebuah toko kecil — Ilustrasi Unsplash

Membaca Tabel dan Menghitung Tabel Itu Dua Pekerjaan Berbeda

Semua panduan Indonesia soal analisis data penjualan dengan ChatGPT mengajarkan cara menjelaskan kolom lalu meminta rumus. Yang lebih menentukan justru mode kerja mana yang sedang berjalan.

1. Kalau ChatGPT membaca tabel dengan "matanya"

Uji FinSheet-Bench (Maret 2026) menguji sepuluh konfigurasi model dari OpenAI, Google, dan Anthropic pada spreadsheet finansial nyata. Angkanya jatuh drastis begitu dipecah per jenis tugas:

Pencarian sederhana: 89,1%
Ekstraksi daftar: 85,5%
Penyaringan: 70,9%
Agregasi: 53,7%
Counting: 41,7%
Sorting: 37,5%
Agregasi kompleks: 19,6%

Model terbaik di uji itu adalah Gemini 3.1 Pro dengan 82,4%, disusul GPT-5.2 dengan penalaran (80,4%) dan Claude Opus 4.6 (80,2%). Penulisnya menyebut bahkan di 82,4% itu ada sekitar satu kesalahan tiap enam pertanyaan.

Tiga pertanyaan yang paling ingin ditanyakan pemilik toko adalah pertanyaan agregasi: apa yang laku bareng, hari mana yang sepi, siapa yang berhenti belanja.

Grafik batang akurasi model AI per jenis tugas spreadsheet, dari pencarian sederhana 89,1% turun ke agregasi kompleks 19,6% — Akurasi anjlok begitu tugasnya agregasi

2. Kalau ChatGPT menulis dan menjalankan kode atas file Anda

Mode kedua berbeda. File diunggah utuh, lalu ChatGPT menulis kode Python dan menjalankannya di atas file itu, kemudian melaporkan hasilnya.

Angka yang keluar berasal dari perhitungan, bukan dari pola yang terlihat di layar. Kodenya juga bisa Anda baca ulang, dan kesalahan di kode jauh lebih mudah ditemukan daripada kesalahan di tebakan.

3. Cara memastikan mode kedua yang jalan

Tiga kebiasaan kecil sudah cukup:

Unggah filenya. Jangan menyalin isi tabel ke dalam kolom chat.
Minta kode yang dipakai ditampilkan di bawah setiap jawaban.
Kalau tidak ada kode yang muncul, perlakukan angkanya sebagai tebakan.

Alasan langkah pembersihan tidak boleh dilewati ada di uji lain. SpreadsheetBench mengumpulkan 912 pertanyaan nyata dari empat forum Excel, dan pada soal-soal itu GPT-4o serta Copilot in Excel hanya 17–20% akurat sementara manusia di atas 70%.

File asli memang jauh lebih sulit daripada tabel contoh. Prinsip yang sama berlaku ketika Anda meminta ChatGPT meriset kompetitor: yang menentukan bukan kalimat perintahnya, melainkan bahan yang benar-benar bisa dibacanya.

8 Prompt Analisis Penjualan yang Bisa Anda Tempel Hari Ini

Urutannya penting. Prompt 1 sampai 3 dijalankan lebih dulu, setiap kali, dan lima sisanya menyusul di percakapan yang sama.

1. Prompt orientasi: kenali file sebelum menghitung

File yang saya unggah adalah export pesanan dari toko saya.
Jangan menghitung apa pun dulu.

1. Buka file ini dengan Python (pandas), bukan dengan membacanya sekilas.
2. Tampilkan daftar semua nama kolom apa adanya, beserta tipe datanya.
3. Untuk tiap kolom, tampilkan 3 contoh isi.
4. Sebutkan kolom mana yang berisi: nomor pesanan, status pesanan,
   tanggal, nama produk, jumlah, dan nilai rupiah.
5. Untuk kolom yang artinya tidak jelas, tulis "tidak yakin" lalu
   tanyakan ke saya. Jangan menebak.

Kapan dipakai: setiap kali file baru diunggah, termasuk file dari bulan berikutnya.

Yang kembali (contoh): daftar 43 nama kolom, tipe data, dan catatan bahwa kolom nilai terbaca sebagai teks.

Cara mengecek: cocokkan nama kolom yang disebut dengan baris pertama file Anda sendiri.

2. Prompt pembersihan: buang, ubah, gabungkan

Pakai file yang sama. Kerjakan dengan kode Python, lalu tampilkan kodenya.

1. Buang semua baris berstatus Batal, Dibatalkan, atau Dalam Pengembalian.
   Sebutkan berapa baris terbuang untuk tiap status.
2. Ubah kolom rupiah menjadi angka (hilangkan "Rp", titik, dan spasi).
   Sebutkan berapa nilai yang gagal dikonversi.
3. Ubah kolom tanggal menjadi format tanggal, lalu sebutkan tanggal
   paling awal dan paling akhir yang terbaca.
4. Gabungkan baris dengan nomor pesanan sama menjadi satu pesanan.
5. Laporkan: jumlah baris awal, jumlah baris setelah penyaringan,
   dan jumlah pesanan unik setelah digabung.

Simpan hasil bersih ini dan pakai untuk semua pertanyaan saya berikutnya.

Kapan dipakai: langsung setelah prompt 1, tanpa kecuali.

Yang kembali (contoh): "4.106 baris awal, 218 baris dibuang, 1.842 pesanan unik."

Cara mengecek: jumlah pesanan unik harus lebih kecil dari jumlah baris. Kalau sama persis, penggabungannya tidak jalan.

Dua perempuan bekerja berdampingan di satu meja sambil melihat layar laptop yang sama — Ilustrasi Unsplash

3. Prompt verifikasi: satu angka yang Anda cocokkan manual

Dari data bersih tadi, hitung tiga angka ini dan tampilkan kodenya:
1. Jumlah pesanan selesai pada 1-31 Oktober 2026.
2. Total nilai pesanan selesai pada rentang yang sama.
3. Tanggal dengan jumlah pesanan terbanyak di rentang itu.
Tampilkan ketiganya dalam tiga baris, tanpa penjelasan tambahan.

Kapan dipakai: sebelum satu pun pertanyaan analisis diajukan.

Yang kembali (contoh): "612 pesanan; Rp 87.430.000; 25 Oktober 2026."

Cara mengecek: buka ringkasan penjualan di Seller Centre atau aplikasi kasir untuk rentang yang sama. Kalau angkanya beda lebih dari satu persen, jangan lanjut ke prompt berikutnya sebelum selisihnya jelas dari mana.

4. Produk apa yang sering dibeli bersamaan

Dari data bersih, cari pasangan produk yang paling sering muncul di dalam
satu nomor pesanan yang sama.
Hanya hitung pasangan yang muncul di minimal 15 pesanan berbeda.
Tampilkan 10 pasangan teratas beserta jumlah pesanannya, urut dari terbanyak,
dan sebutkan dari total berapa pesanan angka itu dihitung.
Kalau tidak ada pasangan yang mencapai 15, tulis "tidak ada" dan jangan
menurunkan ambangnya.

Kapan dipakai: saat menyusun paket bundling atau menambah satu kalimat tawaran di akhir chat.

Yang kembali (contoh): "Hijab voal + inner ninja: 41 pesanan dari 1.842."

Cara mengecek: ambang 15 itu yang menjaga kebetulan tidak terbaca sebagai pola. Hasilnya baru berguna kalau dituliskan ke deskripsi produk yang menjawab sebelum ditanya.

5. Hari dan jam mana yang sepi

Dari data bersih, hitung jumlah pesanan per tanggal (bukan per nama hari)
selama 12 minggu terakhir.
Kelompokkan tanggal-tanggal itu menurut hari dalam minggu, lalu tampilkan
nilai tengah (median) jumlah pesanan per hari, bukan rata-rata.
Sebutkan berapa banyak tanggal yang masuk ke tiap kelompok.
Tandai tanggal yang jumlah pesanannya lebih dari dua kali median hari itu.

Kapan dipakai: saat menentukan jadwal shift admin atau jam kirim promo.

Yang kembali (contoh): "Selasa median 14 pesanan dari 12 tanggal; 4 November 38 pesanan, ditandai."

Cara mengecek: tanggal yang ditandai biasanya hari promo atau gajian. Sebelum menambah orang di hari ramai, baca dulu cara menangani lonjakan chat promo tanpa menambah admin dan apa yang sebenarnya bikin balasan lama.

Seorang pria berdiri di depan rak toko yang tersusun rapi sambil memeriksa barang — Ilustrasi Unsplash

6. Pelanggan mana yang berhenti membeli

Dari data bersih, pakai definisi ini: pelanggan yang berhenti membeli adalah
pembeli yang pernah memesan minimal 2 kali, pesanan terakhirnya antara
60 sampai 180 hari lalu, dan tidak ada pesanan sesudah itu.
Tampilkan: username pembeli, jumlah pesanan, tanggal pesanan terakhir,
produk terakhir yang dibeli, dan total belanja.
Urutkan dari total belanja terbesar. Batasi 30 baris.

Kapan dipakai: sekali sebulan, bukan seminggu sekali.

Yang kembali (contoh): 30 baris berisi username, jumlah pesanan, dan tanggal terakhir.

Cara mengecek: ubah angka 60 dan 180 sesuai siklus belanja produk Anda. Daftarnya baru berarti kalau ditindaklanjuti dalam batas follow up yang ditentukan WhatsApp, bukan dikirim sekaligus sebagai blast.

7. Produk yang menghabiskan waktu tapi tidak menghasilkan

Dari data bersih, untuk tiap produk hitung: jumlah pesanan, total nilai, dan
nilai rata-rata per pesanan. Lalu dari file asli (sebelum dibersihkan),
hitung berapa pesanan produk itu yang berstatus Batal atau Dalam Pengembalian.
Tampilkan produk yang jumlah pesanannya di atas median tetapi total nilainya
di bawah median, urut dari tingkat pembatalan tertinggi.

Kapan dipakai: sebelum memutuskan produk mana yang berhenti distok.

Yang kembali (contoh): "Produk A: 96 pesanan, Rp 4,1 juta, pembatalan 11%."

Cara mengecek: produk dengan pembatalan tinggi sering berarti masalah informasi, bukan masalah produk. Pola yang sama muncul di AI untuk jualan online yang tahu kapan harus memanggil admin.

8. Prompt aturan main: apa yang harus dikatakan saat datanya kurang

Aturan untuk semua jawaban berikutnya, sampai saya bilang berhenti:
- Semua angka dihitung dengan kode Python atas file yang saya unggah.
  Jangan sekali pun menghitung dari pola yang terlihat di tabel.
- Tampilkan kode yang dipakai di bawah setiap jawaban.
- Kalau kolom yang dibutuhkan tidak ada, tulis "kolom tidak ada di file"
  lalu berhenti. Jangan mengganti dengan kolom lain tanpa bertanya.
- Kalau barisnya kurang dari 30 untuk pertanyaan saya, tulis
  "datanya terlalu sedikit" dan sebutkan berapa barisnya.
- Jangan membulatkan angka, dan jangan menambahkan saran bisnis
  kecuali saya minta.

Kapan dipakai: tempel sekali di awal percakapan, sesudah prompt 1.

Yang kembali (contoh): "Baik", lalu jawaban-jawaban berikutnya membawa blok kode.

Cara mengecek: ajukan satu pertanyaan yang kolomnya sengaja tidak ada, misalnya margin. Jawaban yang benar adalah penolakan. Disiplin yang sama dipakai di prompt balas email pelanggan dan prompt prospecting yang tidak mengarang fakta.

Yang Tidak Boleh Ditempel, dan Batas yang Perlu Anda Tahu

Bagian ini yang paling sering dilewati, dan konsekuensinya paling lama terasa.

1. Hapus kolom identitas di file, bukan di prompt

Nomor HP, nama lengkap, dan alamat pembeli tidak dibutuhkan oleh satu pun dari delapan prompt di atas. Yang perlu tinggal username atau ID pesanan.

Hapus kolomnya di file sebelum diunggah. Meminta ChatGPT "mengabaikan" sebuah kolom tidak menghapus apa pun; datanya tetap terkirim.

2. Cek satu toggle di Settings > Data Controls

Di Settings > Data Controls ada pengaturan bernama "Improve the model for everyone". Kalau menyala, percakapan baru Anda bisa dipakai untuk melatih model, dan OpenAI menjelaskan cara mematikannya di halaman bantuannya sendiri.

Mematikannya tidak berlaku surut. Percakapan yang sudah lewat tetap sudah lewat, jadi urutannya: matikan dulu, unggah kemudian.

3. Perlindungan data pembeli tetap tanggung jawab Anda

Surat Edaran Menkominfo Nomor 9 Tahun 2023 tentang Etika Kecerdasan Artifisial (19 Desember 2023) menyebut pada poin 2.7 bahwa penyelenggaraan AI harus memastikan pelindungan data pribadi sesuai peraturan perundang-undangan, dan pada poin 2.5 soal transparansi data untuk menghindari penyalahgunaan.

Kewajiban itu melekat pada yang memakai, bukan pada tool yang dipakai. Prinsip yang sama berlaku ketika Anda mengumpulkan data pelanggan lewat WhatsApp Form.

4. Batas teknis yang menentukan cara Anda bekerja

Pemeriksaan terakhir terhadap ketentuan unggahan file OpenAI, tertanggal 25 Agustus 2026, mencatat paket gratis dibatasi 3 unggahan file per hari, maksimum 512MB per file, dengan batas praktis sekitar 50MB untuk spreadsheet. Angka-angka ini berubah beberapa kali dalam setahun, jadi halaman File Uploads FAQ milik OpenAI tetap tempat pengecekan terakhir sebelum Anda menyusun rutinitas.

Satu hal lagi yang tidak tertulis di mana pun: hasil pembersihan hilang begitu percakapan direset. Karena itu prompt 2 selalu dijalankan ulang, bukan diingat-ingat.

5. Yang tidak akan pernah diketahui ChatGPT dari file mana pun

File export tidak memuat tanggal merah, promo yang Anda jalankan, stok yang kosong tiga hari, atau admin yang cuti. Semua itu penjelasan paling mungkin untuk angka yang aneh.

Jadi bacalah hasil analisis sambil mengingat bulan itu. Kalau ada penurunan yang tidak Anda kenali, kemungkinan besar penyebabnya ada di kalender, bukan di data.

Soal biaya, ChatGPT Go rilis di Indonesia pada 23 September 2025 seharga Rp 75.000 per bulan dengan jatah unggahan dokumen sepuluh kali lipat paket gratis, dan harga itu sudah termasuk PPN 11% saat diverifikasi pada Mei 2026. Untuk delapan prompt di atas, satu file seminggu, paket gratis sudah cukup.

Pria berkacamata bekerja di laptop di sebuah ruangan dengan rak kayu berisi barang di belakangnya — Ilustrasi Unsplash

Rutinitas 20 Menit Setiap Senin Pagi

Analisis yang dikerjakan sekali tidak pernah berguna. Yang berguna adalah pembanding, dan pembanding baru ada kalau urutannya sama tiap minggu.

1. Menit 1–3: export rentang tanggal yang sama

Selalu tujuh hari penuh, Senin sampai Minggu. Rentang yang berubah-ubah membuat angka minggu ini tidak bisa dibandingkan dengan minggu lalu.

2. Menit 4–10: jalankan prompt 2 dan 3

Pembersihan dan verifikasi, selalu, bahkan ketika Anda yakin filenya sama seperti minggu lalu. Marketplace mengubah nama kolom tanpa memberi tahu siapa pun.

3. Menit 11–17: satu pertanyaan saja, bergantian

Minggu ini prompt 4, minggu depan prompt 5, begitu seterusnya. Empat pertanyaan yang dijalankan sekaligus menghasilkan empat jawaban yang tidak sempat Anda tindaklanjuti.

4. Menit 18–20: tulis satu angka di catatan

Satu angka, satu baris, di buku atau di catatan HP. Minggu depan angka itu menjadi pembanding, dan tanpanya Anda hanya membaca laporan yang sama berulang kali.

Pencatatan sesederhana ini masih langka. Data SIDT-UMKM Kementerian UMKM per 31 Desember 2025 mencatat 30.209.069 unit UMKM non-pertanian dan hanya 1.059.072 unit atau 3,51% yang tercatat punya laporan keuangan.

Dari jumlah itu, Kadin Indonesia mencatat 30.119.928 unit atau 99,70% adalah usaha mikro, dengan perdagangan sebagai sektor terbesar (14,44 juta unit). Artinya file export tadi memang satu-satunya catatan yang Anda punya tentang apa yang laku.

Diagram empat langkah rutinitas Senin 20 menit: export tujuh hari, prompt pembersihan dan verifikasi, satu pertanyaan bergantian, lalu mencatat satu angka — Empat langkah rutinitas Senin pagi

Temuan minggu ini baru menjadi uang kalau berubah menjadi chat yang benar-benar dikirim.

Ubah Temuan Data Penjualan Anda Jadi Percakapan dengan Obrola!

Daftar tiga puluh pelanggan yang berhenti membeli tidak berguna kalau riwayat chat mereka tersebar di dua HP admin. Nama keluar dari analisis, lalu berhenti di situ karena tidak ada yang ingat pernah bicara apa dengan orang itu.

Obrola menyatukan WhatsApp, Instagram, dan Facebook dalam satu inbox tim, lengkap dengan tahap penjualan di tiap percakapan, sehingga username yang muncul di hasil analisis bisa langsung dicari riwayatnya. Karena percakapan lama tersimpan di satu tempat, pelanggan tidak perlu mengulang ceritanya dari awal saat Anda menyapa mereka lagi.

Digabungkan, dua hal itu menutup jarak yang biasanya membuat analisis berhenti di layar: dari angka, ke nama, ke satu pesan yang tahu konteksnya.

Jika Anda sedang menyiapkan follow-up dari daftar pelanggan yang berhenti belanja, diskusikan kebutuhan Anda bersama tim Obrola.

Pertanyaan yang Sering Diajukan Tentang Analisis Data Penjualan dengan ChatGPT (FAQ)

Apakah paket gratis ChatGPT cukup untuk ini?

Cukup, selama Anda mengunggah satu file per minggu. Pemeriksaan tertanggal 25 Agustus 2026 mencatat batas 3 unggahan file per hari di paket gratis, sementara ChatGPT Go seharga Rp 75.000 per bulan memberi jatah sekitar sepuluh kali lipat. Perbedaannya baru terasa kalau Anda mengulang unggahan berkali-kali dalam sehari.

Bagaimana kalau file saya lebih dari 50MB atau berisi setahun penuh?

Pecah per kuartal, lalu jalankan prompt 2 pada tiap potongan dan minta ChatGPT menggabungkan hasil bersihnya. Cara ini juga lebih akurat, karena file besar membuat kesalahan penggabungan baris lebih sulit terlihat.

Apakah aman menempel file yang berisi nama dan nomor pembeli?

Sebaiknya tidak, dan tidak ada satu pun analisis di artikel ini yang membutuhkannya. Hapus kolom identitas sebelum mengunggah, lalu matikan "Improve the model for everyone" di Settings > Data Controls. Surat Edaran Menkominfo 9/2023 poin 2.7 menempatkan kewajiban pelindungan data pribadi pada penyelenggaraan AI, dan dalam praktiknya itu berarti pada Anda.

Kenapa angka ChatGPT beda dengan angka di Seller Centre?

Hampir selalu karena satu dari tiga hal: pesanan batal belum disaring, baris belum digabungkan per nomor pesanan, atau rentang tanggalnya tidak sama. Jalankan ulang prompt 2, lalu prompt 3, dan bandingkan angkanya sebelum melanjutkan.