Kecewa pada caption yang keluar dari ChatGPT, penjual biasanya mengganti kalimat perintahnya. "Buat caption jualan yang menarik" ditukar menjadi "perankan diri sebagai copywriter profesional, lalu buatkan caption" — dan ditukar lagi malam yang sama. Kotak tempat prompt itu ditempel tidak ikut berubah: tetap kosong dari satu fakta toko, kosong dari satu kata pembeli.

Padahal pengungkitnya ada di tempat lain. Panduan prompt engineering resmi OpenAI menamai taktik utamanya bukan pada kepiawaian kalimat. Yang pertama adalah memasukkan konteks yang relevan ke dalam prompt — alasannya ditulis gamblang: agar model bisa memakai data di luar data latihnya, dan harga serta bahan sebuah toko memang tidak ada di data latih mana pun. Yang kedua few-shot learning: menempel segelintir contoh input-output supaya model menangkap polanya dari contoh, bukan dari petunjuk.

Prompt caption yang jalan karenanya berbentuk timpang: kira-kira seperlima kalimat perintah, sisanya bahan. Perbandingan 20:80 bukan angka riset — itu bentuk yang muncul sendiri ketika prompt dirakit dari dua baris perintah dan sepuluh baris bahan. Dan setengah dari bahan itu sudah tertinggal di riwayat chat, menunggu disalin.

Kenapa Prompt yang Sama Tidak Jalan di Toko Kamu

Paket berbungkus kertas dengan label bertali tergeletak di atas kertas kraft — Ilustrasi Pixabay

Dua toko di dua kota yang menyalin prompt dari halaman yang sama akan mengeluarkan caption yang nyaris bertukar kalimat. Bukan karena selere sama — karena inputnya memang sama. Model yang tidak diberi satu fakta pun tentang kaos, kerudung, atau stok yang dijual hanya punya satu tempat untuk bertumpu: pola bahasa iklan di data latihnya. Maka keluarlah kata yang sama di mana-mana: elegan, premium, wajib punya.

Lanskap siap-copas Indonesia tidak menolong. Copas Prompt, satu galeri prompt Bahasa Indonesia yang ramai di hasil pencarian, saat dibuka awal Oktober 2026 tidak memuat satu kategori menulis pun — dagangannya foto produk, foto studio, video iklan untuk berbagai model AI. Komoditasnya prompt gambar; prompt caption teks bukan barangnya. Halaman berisi deretan prompt siap tempel untuk caption memang ada, tapi yang dibagikan tetap kalimat perintah kosong — kondisi yang pernah diurai di tulisan kita 10 Prompt ChatGPT untuk Caption Jualan yang Bikin Orang Chat.

Dokumen OpenAI menegaskan hal yang sama dari arah lain. Di luar konteks dan few-shot, panduannya menyuruh menandai batas tiap bagian prompt dengan header Markdown atau tag XML, dan menempatkan konteks di bagian akhir. Pemberian peran — "kamu copywriter profesional" — justru bukan pengungkitnya; tulisan kita Memberi Peran ke ChatGPT Tidak Membuat Jawabannya Benar membedah kenapa peran tidak menaikkan ketepatan, dan yang menentukan adalah konteks yang ditempel plus pemeriksaan hasil.

	Prompt siap copas	Prompt yang dirakit sendiri
Kalimat perintah	Umum, dipakai ribuan toko sekaligus	Menyebut batas angka: jumlah varian, maksimal karakter
Fakta toko	Tidak ada — model menebak	Kartu Toko ditempel utuh, yang tidak diketahu ditandai [KOSONG]
Kata pembeli	Tidak ada	Kalimat verbatim dari riwayat chat
Keluaran	Ganti gaya tiap ganti prompt, tetap generik	Menjawab pertanyaan yang benar-benar masuk ke chat

Perbedaannya bukan pada pintarnya kalimat, tapi pada bahan. Dan bahan yang paling tidak bisa dikarang siapa pun — termasuk ChatGPT — sudah tersimpan di kotak masuk.

Riwayat Chat adalah Wawancara Pelanggan yang Sudah Selesai

Metode ini punya nama dan penciptanya. Joanna Wiebe, pendiri Copyhackers, mengajarkan riset voice of customer: suara merek yang berhasil adalah yang meniru suara pelanggan — "semakin kamu membuat suaramu menjadi suara mereka, semakin besar kemungkinan kamu menemukan jalan masuk ke percakapan". Bahannya ia ambil dari wawancara: penggalian panjang dengan pendiri, percakapan dengan pelanggan.

Penjual perhiasan berhijab mengurus barang dagangannya di lapak pasar — Ilustrasi Unsplash

Penjual di chat tidak perlu mewawancarai siapa pun — wawancaranya sudah selesai, transkripnya tersimpan. Setiap "licin gak kak?" adalah data yang dicari penulis iklan besar lewat panel responden. Waktu saya masih balas chat sendiri sampai lewat tengah malam, kebiasaan menyalin kalimat pembeli ke catatan ponsel lahir bukan dari riset, tapi dari lelah membaca pertanyaan yang sama setiap hari — dan justru kalimat-kalimat itu yang paling mudah dipakai ulang.

Cara menambangnya lima belas menit:

Buka riwayat chat minggu lalu, WhatsApp dan DM Instagram sekaligus.
Salin persis sepuluh pertanyaan atau keberatan terakhir, lengkap dengan salah ketiknya: "licin gak kak?", "bahan nya panas gak?", "XL ready?".
Tandai yang muncul lebih dari sekali — itu pertanyaan terbanyak, calon tema caption berikutnya.
Simpan di satu catatan. Nanti ini jadi blok KATA PEMBELI di dalam prompt.

Diagram alur empat langkah menambang kata pembeli dari riwayat chat dalam lima belas menit — Empat langkah, lima belas menit

Kenapa kata pembeli, bukan kata penjual yang lebih halus? Riset negosiasi memberi penopang yang hati-hati. Taylor dan Thomas, menganalisis dialog negosiasi nyata, menemukan negosiasi yang berhasil punya tingkat kesamaan gaya bahasa agregat lebih tinggi daripada yang gagal — dua pihak yang bahasanya saling mendekat lebih sering sampai kesepakatan. Ini studi negosiasi, bukan studi caption; yang dipinjam mekanismenya saja. Caption yang memakai kalimat pembeli mulai dari posisi yang lebih dekat.

Tapi ada batasnya, dan ini penting. Ireland dan Henderson menemukan pasangan yang gaya bahasanya terus-menerus saling meniru justru lebih sering menemui kebuntuan — yang bermanfaat hanya pencocokan di awal. Terjemahan praktisnya untuk caption: tempel segelintir kalimat pembeli, jangan lima puluh. Bahan sudah di tangan; tinggal dirakit ke dalam satu prompt.

Anatomi Prompt Caption: Empat Blok

Susunannya mengikuti urutan yang dianjurkan dokumen OpenAI: instruksi singkat di atas, contoh, lalu konteks di bagian akhir. Hitung barisnya setelah jadi — perintah satu paragraf pendek, bahan sepuluh. Itulah asal angka 20:80.

Diagram anatomi prompt caption: kalimat perintah sekitar 20 persen, sisanya bahan — fakta toko, kata pembeli verbatim, dan satu contoh caption — Empat blok dalam satu prompt

1. Blok Fakta Toko

Isinya nama, produk, harga, cara kirim, dan pertanyaan yang paling sering masuk. Formatnya sudah ada: Kartu Toko dari tulisan 10 Prompt ChatGPT untuk Caption Jualan, lengkap dengan aturan [KOSONG] untuk data yang belum dimiliki — tulis [KOSONG], jangan dikarang. Salin utuh, tidak perlu disusun ulang.

2. Blok Kata Pembeli

Tempel hasil tambangan lima belas menit tadi, persis apa adanya. Beri tanda batas yang jelas — header atau tiga tanda kutip — supaya model tahu bagian ini bahan, bukan perintah. Salah ketiknya dibiarkan; "bahan nya panas gak?" dengan spasi salah justru menunjukkan cara pembeli bertanya.

3. Blok Satu Contoh Caption yang Pernah Menghasilkan Chat

Cari satu caption lama yang benar-benar membuat orang chat — bukan yang like-nya banyak — dan tempel sebagai contoh. Ini few-shot learning versi OpenAI: segelintir contoh input-output, dan model meniru polanya. Satu contoh nyata cukup untuk tugas sekecil caption.

4. Blok Perintah dengan Batas Angka

Kalimat perintahnya pendek tapi harus bertuliskan angka: berapa varian, maksimal berapa karakter, berapa emoji. Perintah tanpa batas angka menghasilkan caption panjang bernada iklan — keluhan paling umum soal hasil ChatGPT.

Tangan menulis di atas kertas berpapan klip di meja kerja, laptop terbuka dan buku catatan di sampingnya — Ilustrasi Unsplash

Dirakit jadi satu, untuk contoh toko kaos:

Tulis 3 caption Instagram untuk toko di bawah ini. Masing-masing maksimal
300 karakter, bahasa santai, maksimal 2 emoji. Setiap caption wajib memakai
satu kalimat persis dari blok KATA PEMBELI. Jangan memakai kata premium,
wajib punya, atau buruan.

## FAKTA TOKO
Nama toko: [ganti milikmu]
Produk: kaos polos katun combed 30s, warna hitam-putih-abu
Harga: Rp45.000 - Rp65.000, gratis ongkir mulai 3 pcs
Pengiriman: same day sebelum jam 15.00 Jabodetabek, luar kota reguler
Paling sering ditanya: licin atau tidak, ukuran, bahan panas atau tidak
Kalau ada data yang tidak dimiliki, tulis [KOSONG] — jangan dikarang.

## KATA PEMBELI
"licin gak kak?"
"bahan nya panas gak?"
"XL ready?"

## CONTOH CAPTION YANG PERNAH MEMBUAT ORANG CHAT
[tempel satu caption lama yang benar-benar menghasilkan chat masuk]

Bagian kurung siku diganti milik tokomu; kata pembeli diganti hasil tambangan sendiri. Keluaran pertama dari prompt ini biasanya sudah jauh dari generik — tapi pekerjaan yang sebenarnya baru dimulai setelahnya.

Prompt Kedua yang Melakukan Pekerjaan Sungguhan

Keluaran pertama hampir selalu kepanjangan dan masih menyisakan kata pemasar. Halaman prompt siap tempel berhenti tepat di sini: prompt diberikan, hasil diterima apa adanya. Caption yang layak terbit justru lahir dari prompt kedua — revisi yang menyuruh model memangkas karyanya sendiri.

Tangan menulis di kertas catatan kecil di sebelah laptop yang terbuka — Ilustrasi Unsplash

Kirim di percakapan yang sama, tanpa memulai chat baru, agar konteksnya terbawa:

Perpendek semuanya jadi maksimal 300 karakter.
Pakai persis satu kalimat dari blok KATA PEMBELI, jangan dirapikan.
Ganti kata premium, wajib punya, dan buruan dengan kata yang dipakai pembeli di blok bahan.
Buang semua emoji kecuali satu yang paling wajar.

Kenapa prompt kedua bekerja: model sudah memegang seluruh bahan dari prompt pertama, jadi revisi tinggal membuang dan memangkas — bukan menulis dari nol lagi. Hasil akhirnya biasanya lebih pendek, lebih mirip cara pembeli bertanya, dan berhenti terdengar seperti iklan. Persoalannya tinggal satu: toko yang umurnya muda belum punya tumpukan chat untuk ditambang.

Kalau Chat Masih Sedikit

Toko baru punya sumber bahasa pembeli yang sama, hanya tempatnya berbeda:

Ulasan marketplace — milik tokomu sendiri, atau produk sejenis di toko lain: "bahannya adem", "jahitannya rapi", "sesuai foto".
Komentar dan DM Instagram, termasuk pertanyaan di kolom komentar live.
Catatan admin lama atau grup pembeli, kalau ada.

Metodenya persis sama: salin persis, tandai yang berulang, tempel di blok KATA PEMBELI. Cara menambang bahasa dari percakapan pelanggan ini pernah ditulis lengkap di tulisan kita Cara Membuat Chatbot Customer Service dari 200 Chat Terakhir — di sana bahannya jadi bekal chatbot, di sini jadi bahan caption; sumbernya satu.

Tangan menggulir aplikasi belanja online dengan halaman produk berbintang dan jumlah terjual — Gambar Unsplash

Ingat batas dari riset negosiasi tadi: segelintir sudah cukup. Lima ulasan yang memakai kata sama lebih berguna daripada lima puluh yang dicampur aduk — dan toko yang baru buka pun biasanya punya lima. Bahan lengkap, prompt terangkai, sisanya tinggal diukur.

Uji Minggu Ini: Tiga Kolom di Kertas

Semua di atas bahan teori sampai ada angka masuk. Ujinya satu minggu, dimulai Senin, lima belas menit:

Senin: salin sepuluh pertanyaan terakhir dari chat, cari yang terbanyak, rakit satu caption yang menjawabnya dengan prompt empat blok.
Selasa sampai Minggu: tayangkap caption itu, lalu tiap hari catat pesan pertama yang masuk — isinya, bukan jumlahnya.
Minggu depan: bandingkan. Pesan pertama yang masuk, bukan like, adalah ukurannya.

Ponsel tergeletak di atas lembar catatan bertulisan tangan di meja — Ilustrasi Unsplash

Contoh lembar uji tiga kolom: pertanyaan terbanyak, caption yang menjawab, dan pesan pertama yang masuk seminggu — Lembar uji caption satu minggu

Kenapa pesan pertama, bukan like: like bisa datang dari orang yang tidak pernah belanja, tapi pesan pertama adalah orang yang sedang mempertimbangkan. Kalau isinya mirip pertanyaan terbanyak di kolom pertama, caption itu bekerja. Dan kalau chat WhatsApp serta DM Instagram berjalan di satu inbox tim seperti Obrola, pesan pertama dari tiap kanal terlihat di tempat yang sama — tidak ada yang terlewat di HP kedua.

Caption yang menghasilkan chat hampir selalu bukan yang paling indah kalimatnya. Ia yang paling mirip dengan pertanyaan yang sudah masuk setiap hari — dan pertanyaan itu tidak pernah bisa dibeli dari galeri prompt.

Pertanyaan yang Sering Diajukan

Prompt-nya harus bahasa Inggris biar hasilnya bagus?

Tidak. Instruksi bahasa Indonesia bekerja baik, dan bahan plus contoh memang harus bahasa Indonesia karena pembelimu memakai bahasa itu. Yang menentukan hasil tetap bahan yang ditempel, bukan bahasa perintahnya.

Berapa banyak kalimat pembeli yang perlu ditempel?

Segelintir — lima sampai sepuluh sudah cukup. Riset Ireland dan Henderson menunjukkan pencocokan gaya berlebihan justru berkorelasi dengan kebuntuan; yang bermanfaat hanya pencocokan di awal. Banjir kalimat pembeli tidak membuat caption makin kuat.

Kalimat pembeli yang salah ketik boleh dirapikan?

Jangan. "Bahan nya panas gak?" dengan spasi salah justru menunjukkan cara pembeli bertanya, dan itulah yang ditiru. Rapikan ejaannya, dan bahan berhenti menjadi suara pembeli.

Hasilnya tetap terasa generik — apa yang kurang?

Periksa bahan sebelum menyalahkan model: apakah Kartu Toko terisi penuh, apakah kata pembeli benar-benar verbatim dari chat, apakah contoh caption benar-benar pernah menghasilkan chat. Sembilan dari sepuluh kali masalahnya di situ — lalu jalankan prompt kedua untuk memangkas.

Cara Menyusun Prompt ChatGPT untuk Caption Jualan