OPTIMASI STRATEGI PEMASARAN BERBASIS RETRIEVAL-AUGMENTED GENERATION UNTUK MENINGKATKAN PERSONALISASI IKLAN

OPTIMIZING RETRIEVAL-AUGMENTED GENERATION-BASED MARKETING STRATEGIES TO IMPROVE ADVERTISING PERSONALIZATION

Berdasarkan hasil perancangan, implementasi, pengujian, serta pembahasan yang telah dilakukan pada bab-bab sebelumnya, dapat disimpulkan bahwa penelitian ini berhasil mencapai tujuan utama, yaitu merancang dan mengevaluasi prototipe sistem personalisasi iklan digital berbasis Retrieval-Augmented Generation (RAG) sebagai proof-of-concept dalam konteks pemasaran digital. Hasil penelitian menunjukkan bahwa RAG bisa mengatasi beberapa batasan dari LLM murni. LLM murni hanya menggunakan data statik yang dikhawatirkan akan memproduksi sampah hallucination atau generate konten di luar konteks. Sistem RAG dapat menggunakan mekanisme retrieval dari database eksternal dengan isi informasi produk, preferensi pengguna dan konteks marketing yang dapat memproduksi konten iklan yang faktual, kontekstual dan kreatif. Penilaian sistem pada bahan ini dilakukan dengan perbandingan langsung antara dua penyedia AI generatif , iaitu OpenAI dan Google. Kedua model menunjukkan keunggulan yang berbeda di setiap skenario pengujian. Pada generasi iklan visual, Google Gemini unggul dengan waktu generasi yang lebih cepat dan konsistensi visual yang unggul. Sebaliknya, OpenAI menampilkan kinerja yang lebih baik dalam penulisan iklan yang lebih koheren dan persuasif serta kontekstual. Konsep ini menunjukkan pentingnya penyesuaian dalam pemilihan model generatif AI dengan jenis konten iklan yang akan dihasilkan. Selain itu, hasil penelitian menekankan bahawa arahan yang baik dan konteks informasi dapat menyumbang keluaran yang baik. Kita terus memperbaiki mekanisme prompt engineering dalam sistem generatif kita, baik natural language prompt dalam teks dan rendering visual maupun sistem real-time. Sistem AI generatif akan semakin pintar tetapi manusia tetap mengawasi dan merancang konteks keluaran personalisasi iklan digital. Secara keseluruhan, penelitian ini membuktikan bahwa RAG berpotensi kuat untuk digunakan sebagai pendekatan personalisasi iklan digital berbasis AI. Sistem yang dibangun masih dalam tahap prototipe dan belum berskala industri, tapi hasil ini memberikan sinyal bahwa RAG merupakan teknologi yang efektif, adaptif serta bertanggung jawab untuk pengembangan sistem pemasaran digital yang lebih baik di masa mendatang.