Sebuah perusahaan percetakan di Jakarta terus kehilangan proyek yang seharusnya bisa mereka menangkan. Bukan karena kalah kualitas, bukan juga karena kalah harga, tapi kalah cepat. Setiap kali pelanggan mengirim spesifikasi untuk 5.000 brosur atau 200 dus custom, tim sales butuh waktu sehari, kadang dua hari, untuk membalas dengan angka pasti. Pada saat itu, pelanggan sudah keburu deal dengan siapa pun yang lebih dulu merespons. Studi kasus otomasi penawaran harga ini membahas bagaimana kami membenahi masalah tersebut, dan mengapa kecepatan ternyata menjadi produk yang sesungguhnya dijual.
Insting sang pemilik usaha awalnya adalah menambah staf sales untuk menangani volume permintaan penawaran yang masuk. Langkah itu justru akan memperparah masalah, bukan menyelesaikannya, karena bottleneck-nya bukan soal jumlah orang. Masalahnya ada pada proses yang mengharuskan manusia menghitung manual harga bahan kertas, opsi finishing, potongan harga per kuantitas, dan biaya rush untuk setiap permintaan yang masuk, lalu mengetiknya satu per satu ke dalam dokumen penawaran.
Kami membangun ulang alur dari permintaan masuk hingga jadi pesanan menjadi tiga bagian yang saling terhubung: intake terstruktur, mesin penghitung harga, dan draf penawaran berbasis AI. Waktu penawaran turun dari dua hari menjadi sekitar dua puluh menit.
Apakah Kecepatan Penawaran yang Menentukan Kemenangan di Bisnis Percetakan?
Kecepatan penawaran memang yang menentukan kemenangan di bisnis percetakan, karena di mata sebagian besar pembeli, percetakan adalah bisnis komoditas: proyek brosur, pesanan dus, dan produksi banner semuanya terlihat mirip di lima vendor berbeda dalam satu kota. Ketika produknya dianggap bisa saling menggantikan, keputusan pembeli menyempit menjadi soal siapa yang lebih dulu merespons dengan angka yang kredibel. Kami mengukur ini secara langsung: dari seluruh deal yang dimenangkan bisnis ini pada kuartal sebelumnya, 71% jatuh ke tangan siapa pun yang penawarannya lebih dulu tiba, bahkan ketika kompetitor akhirnya menawarkan harga lebih murah.
Satu data itu saja mengubah cara kami memandang proyek ini. Ini bukan lagi soal efisiensi alur kerja, ini adalah senjata penjualan. Setiap jam yang berhasil dipangkas dari waktu penawaran, langsung bisa dikonversi menjadi pendapatan yang dimenangkan.
Di Bagian Mana Proses Penawaran Lama Ini Rusak?
Proses penawaran lama rusak persis di titik serah terima antara permintaan yang tidak terstruktur dan penawaran yang dihitung manual. Sebelum otomasi berjalan, permintaan datang lewat WhatsApp, email, atau obrolan tatap muka, dalam format apa pun yang dipilih pelanggan saat itu, dan staf kemudian harus:
- Menerjemahkan permintaan menjadi spesifikasi (bahan, ukuran, kuantitas, finishing, tenggat waktu).
- Mencari atau mengingat harga untuk kombinasi tersebut, sering kali sambil mengecek ulang spreadsheet dengan asumsi biaya yang sudah usang.
- Menyusun dokumen penawaran secara manual, menyalin ulang syarat dan ketentuan baku setiap kali.
- Mengirimkannya kembali, lalu menunggu revisi, karena spesifikasi hampir selalu berubah begitu pelanggan melihat harganya.
Setiap siklus revisi menambah setengah hari lagi. Satu pesanan saja bisa memakan empat sampai lima kali bolak-balik pesan sebelum akhirnya deal, atau malah gagal.
Apa Saja yang Sebenarnya Kami Bangun?
Intake terstruktur. Bagian pertama dari pembangunan ulang ini mengganti permintaan bebas dengan formulir web singkat dan chatbot berbasis WhatsApp yang menanyakan bahan, ukuran, kuantitas, finishing, dan tenggat waktu dalam urutan yang tetap. Perubahan ini kedengarannya kecil, tapi berhasil menghilangkan sepenuhnya langkah tebak-tebakan. Tidak ada lagi bolak-balik membaca pesan pelanggan tiga kali hanya untuk memahami maksud "dus yang biasa, tapi lebih besar."
Mesin penghitung harga. Kami mengkodekan struktur biaya riil perusahaan, biaya bahan kertas per lembar, biaya setup mesin, biaya finishing per unit, dan diskon potongan kuantitas, ke dalam mesin penghitung harga berbasis aturan. Ini bukan model machine learning, dan memang tidak perlu. Ini adalah kalkulator deterministik yang dibangun dari logika yang sama seperti yang sudah ada di kepala estimator senior, hanya saja sekarang konsisten dan instan, bukan lagi bergantung pada ingatan dan lambat.
Draf penawaran berbasis AI. Setelah intake dan penghitungan harga menghasilkan angka, langkah drafting AI menyusun dokumen penawaran yang rapi dan berbranding, lengkap dengan catatan upsell yang relevan ("pelanggan yang memesan kuantitas ini biasanya menambahkan laminasi") yang diambil dari pola pesanan historis. Manusia tetap mereview sebelum dikirim, tapi review itu memakan waktu dua menit, bukan dua jam.
Hasil Setelah 10 Minggu
| Metrik | Sebelum | Sesudah |
|---|---|---|
| Rata-rata waktu penawaran | 1,5-2 hari | 20 menit |
| Konversi penawaran ke pesanan | 34% | 52% |
| Revisi per penawaran | 2,8 | 1,1 |
| Jam kerja staf untuk quoting/minggu | ~26 | ~6 |
Lonjakan tingkat konversi ini justru lebih penting dibanding penghematan waktu itu sendiri. Penawaran yang lebih cepat berarti bisnis ini hadir di lebih banyak momen pengambilan keputusan, bukan datang setelah pelanggan sudah terlanjur komit ke tempat lain.
Setiap jam yang berhasil dipangkas dari waktu penawaran, langsung bisa dikonversi menjadi pendapatan yang dimenangkan.
Ervandra Halim, penasihat teknologi untuk otomasi operasional
Yang Nyaris Jadi Masalah
Versi pertama mesin penghitung harga terlalu kaku. Ia tidak bisa menangani kasus-kasus di luar kebiasaan, misalnya pelanggan yang meminta gramatur kertas non-standar, atau pesanan rush di luar lead time normal, dan diam-diam menghasilkan angka yang salah alih-alih menandainya untuk direview manusia. Kami menambahkan jalur pengecualian: apa pun yang berada di luar rentang keyakinan mesin akan otomatis diarahkan ke manusia, dengan perhitungan parsial yang sudah selesai, sehingga estimator tinggal menyelesaikan dalam hitungan menit, bukan mulai dari nol. Perbaikan tunggal ini menghilangkan hampir semua kesalahan harga yang muncul di minggu pertama.
Nyaris masalah lainnya adalah soal nada bahasa dalam penawaran. Draf awal dari AI terasa kaku, lebih mirip invoice buatan komputer ketimbang pesan dari bisnis yang benar-benar ingin mendapatkan proyek itu. Kami memperbaikinya dengan memberi contoh nyata proposal-proposal terbaik perusahaan yang selama ini paling berhasil ke dalam proses drafting, supaya nadanya sesuai dengan yang sudah terbukti berhasil.
Pelajaran yang Lebih Luas untuk Bisnis Jasa
Bisnis apa pun yang menjual produk atau jasa custom melawan kompetitor yang lebih cepat, sedang menghadapi risiko yang sama seperti percetakan ini: kalah karena responsivitas, bukan karena kualitas. Solusinya bukan menambah staf atau jam kerja, tapi menghilangkan langkah penerjemahan manual antara "pelanggan menjelaskan apa yang mereka inginkan" dan "pelanggan menerima angka pasti." Jika Anda sedang mempertimbangkan proyek otomasi serupa, ini berkaitan erat dengan strategi teknologi, bukan sekadar solusi titik, karena logika harga yang Anda kodekan di sini sering kali menjadi tulang punggung untuk perencanaan inventaris dan produksi juga.
Yang Bisa Langsung Diterapkan
Jika siklus penjualan Anda bergantung pada penawaran harga, audit dulu berapa lama waktu yang sesungguhnya dibutuhkan, bukan berapa lama yang Anda kira, lalu bandingkan tingkat kemenangan dengan kecepatan respons. Jika kecepatan ternyata berkorelasi dengan kemenangan seperti kasus ini, investasi paling berdampak bukan merekrut orang baru, melainkan mengubah logika harga Anda menjadi software. Mulai dari 20% jenis penawaran yang mewakili 80% permintaan yang masuk. Anda tidak butuh sistem sempurna di hari pertama, Anda butuh sistem yang lebih cepat dari siapa pun yang akan dihubungi pelanggan berikutnya.
