Green speech bubble icon with a white silhouette of a tia parrot in the center and the text 'tia'
Let's Talk
Let's Talk
92–94% Keluhan Pelanggan di Marketplace Indonesia Tersembunyi di Balik Ulasan Bintang 5

92–94% Keluhan Pelanggan di Marketplace Indonesia Tersembunyi di Balik Ulasan Bintang 5

Rating rata-rata brand Anda di Shopee, Tokopedia, TikTok Shop, atau Lazada kemungkinan besar berada di kisaran 4,8–5,0. Dashboard menyatakan pelanggan puas. Rating memang indikator kepuasan yang berguna — tetapi ketika dibaca sendirian, ia memberikan gambaran yang berbeda dari apa yang benar-benar dialami pelanggan Anda.

Berdasarkan analisis internal Tia Reviews atas 1,18 juta ulasan yang mencakup 195+ brand dan enam kategori produk, 92–94% keluhan pelanggan justru terkubur di dalam ulasan bintang 4–5 itu sendiri — bukan di bintang 1.

Inilah poin utamanya: rating bintang bukan ukuran kepuasan yang lengkap. Ia menangkap penilaian keseluruhan pelanggan, bukan setiap detail pengalaman mereka. Selama fungsi utama produk terpenuhi, pembeli Indonesia cenderung tetap memberi bintang tinggi — meskipun mengalami kemasan penyok, warna yang salah, atau aroma yang cepat memudar. Yang mereka lakukan justru menuliskan kekurangan itu di dalam teks ulasan, sambil tetap memberi empat atau lima bintang.

Artinya, dua sinyal berbeda hidup berdampingan. Yang kami amati: keluhan spesifik sering muncul di dalam ulasan berbintang tinggi. Bacaan kami atas pola itu: rating menunjukkan apa yang tidak bisa pelanggan maafkan, sedangkan teks mengungkap apa yang mereka maafkan tetapi tetap dirasakan — dan aspek kedua inilah yang dapat menjadi sinyal awal risiko retensi.

Di mana keluhan itu bersembunyi

Saat teks ulasan bintang 4–5 dibaca dalam skala besar, kelompok keluhan yang sama berulang di setiap kategori. Persentase berikut menunjukkan porsi dari total keluhan yang teridentifikasi di dalam teks ulasan pada dataset kami:

  • Kemasan dan pengiriman (~40% dari keluhan) — sumber terbesar di keenam kategori. Kaleng penyok, botol bocor. Pembeli menyalahkan ekspedisi, tetap beri bintang 5, dan menyebut kerusakan sambil lalu.
  • Kesenjangan ekspektasi (~25%) — produk tidak memenuhi klaim listing-nya sendiri. Produknya sering baik-baik saja; klaimnya yang bermasalah.
  • Konsistensi produk (~20%) — pola yang paling relevan untuk retensi: pembeli berulang yang sadar "ini berubah" dari pembelian sebelumnya.
  • Keaslian dan kepercayaan (~15%) — volume rendah, tetapi risiko brand tinggi. Kode QR hilang memicu pertanyaan "asli atau palsu?" di dalam ulasan bintang 4.

Dalam banyak kasus, keluhan-keluhan ini tidak cukup besar untuk menurunkan rating secara signifikan — sehingga tetap muncul meskipun pelanggan memberi bintang tinggi. Justru karena berulang, pola-pola ini adalah sinyal operasional yang layak ditelusuri: masing-masing menunjuk ke titik spesifik di produk, listing, atau rantai pengiriman yang bisa diperbaiki.

Contoh nyata

Satu brand skincare di Shopee — sekitar 24.800 ulasan dalam tujuh hari — memiliki rata-rata 4,9 dan 93% bintang 5. Di dashboard: toko sehat dan berkinerja tinggi.

Teksnya bercerita lain. Volume sebutan negatif ternyata sekitar dua kali lebih tinggi daripada yang tersirat dari distribusi bintang — dan mayoritas berada di dalam ulasan bintang 4 dan 5. Pelanggan menulis "udh d coba seminggu blm ad perubhan" dan "kek pake topeng" sambil tetap memberi bintang lima. Ratusan masukan produk yang spesifik, tak terlihat oleh siapa pun yang hanya membaca rating.

Mengapa efeknya lebih kuat di Indonesia

Ada satu sifat khas pembeli Indonesia yang membuat pola ini jauh lebih kuat di sini dibanding banyak pasar lain: tingkat empati dan sikap memaafkan yang tinggi. Memberi bintang rendah terasa kasar dan personal — jadi meski kecewa, pembeli cenderung tetap memberi bintang tinggi, menuliskan keluhannya dengan sopan, lalu menyimpan penilaian sesungguhnya untuk diri sendiri. Yang penting dipahami: sikap memaafkan ini bukan tanda kepuasan. Pembeli bisa memaafkan pengalaman buruk dalam rating — tanpa berniat kembali membeli. Rating tinggi menutupi, bukan menghilangkan, pengalaman itu.

Konteks Gift memperbesar efeknya lagi. Dalam data kami, kerusakan yang pada pembelian pribadi masih memperoleh bintang 4 yang pemaaf cenderung memicu ulasan bintang rendah dan keluhan detail saat barang yang sama dibeli sebagai Gift — misalnya untuk Lebaran. Ketika sebuah pembelian membawa beban sosial, ambang toleransi pembeli turun tajam.

Apa yang dipantau brand yang membaca teks

Alih-alih rating rata-rata, mereka memantau porsi nada negatif dalam teks. Berdasarkan benchmark internal Tia Reviews terhadap dataset yang dianalisis, metrik ini membantu memisahkan brand yang relatif bersih (di bawah ~3% nada negatif) dari brand berisiko tersembunyi (3–7% di balik rating 4,9) dan brand dengan sinyal awal risiko (7%+, di mana tekanan mulai terlihat di teks jauh sebelum rating ikut turun). Mereka juga memperbaiki klaim, bukan hanya produk, karena sebagian besar keluhan adalah kesenjangan ekspektasi — perbaikan berbiaya rendah dengan imbal-hasil tertinggi. Dan karena hanya ~15% pembeli menulis teks, satu keluhan yang tampak kemungkinan mewakili sejumlah pembeli lain yang mengalami hal serupa tanpa menuliskannya.

Cara memunculkannya dalam skala besar

Membaca 1,18 juta ulasan secara manual tidak praktis, dan sampling justru cenderung melewatkan sinyal yang langka tetapi strategis (kecemasan keaslian, inkonsistensi batch) yang sering kali paling penting.

Tantangan berikutnya, dengan demikian, bukan menemukan insight — melainkan memproses jutaan ulasan secara konsisten agar pola-pola ini muncul lebih cepat daripada saat rating akhirnya turun. Di sinilah Tia Reviews membantu: AI kami membaca setiap ulasan dan chat, mengkategorikannya ke 40+ topik dengan skor sentimen dan nada, lalu memberi rincian di tingkat brand, SKU, atau kategori di seluruh marketplace — sebagai daftar berperingkat yang bisa diekspor dan langsung ditindaklanjuti tim Product, QA, dan CX Anda.

Kesimpulannya: brand yang tumbuh di pasar ini bukan selalu yang memiliki rating tertinggi, melainkan yang paling cepat menemukan pola masalah di dalam teks — sebelum pola itu berkembang menjadi keluhan yang memengaruhi retensi dan pertumbuhan.

Silakan hubungi kami untuk mengetahui lebih dalam melalui klik link berikut:
https://tia-reviews.com/links

Catatan metode: temuan di atas berasal dari analisis 1,18 juta ulasan publik lintas 195+ brand dan enam kategori produk di marketplace Indonesia, dikategorikan secara otomatis ke 40+ topik dengan penilaian sentimen dan nada.