Sistem Ulasan dan Penilaian di Marketplace

Oleh Brian Tr · Diperbarui 7 Oktober 2026

Seorang asing di satu sisi marketplace hendak menyerahkan uang kepada orang asing di sisi lain. Pembeli tidak bisa memeriksa apartemennya, kebiasaan kerja si freelancer, atau kondisi sebenarnya dari kamera bekas itu. Penjual pun tidak mudah mengetahui apakah tamu akan merawat tempatnya dengan baik. Masing-masing pihak tahu lebih sedikit daripada yang dibutuhkannya.

Ulasan dan rating adalah jawaban marketplace. Keduanya mengubah transaksi di masa lalu menjadi sinyal publik yang bisa dibaca peserta berikutnya. Ketika sistemnya berjalan baik, ini salah satu bentuk kepercayaan termurah yang bisa dibangun sebuah platform. Ketika dirancang buruk, semua orang berakhir dengan deretan rating bintang lima yang tidak memberi tahu apa-apa.

Artikel ini membahas mengapa sistem ulasan ada, pilihan desain utamanya, cara-cara yang dikenal membuatnya gagal, apa yang kini diwajibkan regulator, dan metrik yang menunjukkan apakah sistem Anda sehat. Ini adalah referensi, jadi kami akan berpegang pada apa yang benar-benar dikatakan riset dan aturan.

Mengapa marketplace membutuhkan sistem reputasi

Masalah intinya sudah lama. Pengumuman hadiah tahun 2001 dari Royal Swedish Academy menyatakan bahwa George Akerlof menunjukkan bagaimana pasar di mana penjual memiliki informasi lebih banyak daripada pembeli tentang kualitas produk dapat menyusut menjadi seleksi merugikan (adverse selection) berupa produk berkualitas rendah. Itulah gagasan "pasar lemon": jika pembeli tidak bisa membedakan yang baik dari yang buruk, mereka membayar harga rata-rata, penjual yang baik pergi, dan kualitas kumpulan penjual makin menurun.

Marketplace online membuat masalah ini lebih tajam. Pembeli dan penjual sering kali belum pernah bertemu dan mungkin tidak akan bertemu lagi. Sistem ulasan menyerang kesenjangan informasi itu secara langsung, dengan membiarkan pelanggan sebelumnya melakukan apa yang tidak bisa dilakukan pembeli: memeriksa barangnya dan melaporkan kembali.

Itu memberi ulasan tiga tugas di dalam marketplace:

• Menginformasikan pembeli. Membantu mereka memilih di antara penjual yang tidak bisa mereka nilai sendiri.
• Memberi imbalan kepada penjual yang baik. Reputasi yang terlihat memungkinkan pemasok yang andal menghasilkan lebih banyak, sehingga mereka tetap bertahan di platform.
• Memberi masukan bagi platform. Rating menjadi input untuk peringkat, penegakan kualitas, dan keputusan penghapusan. Sisi kualitasnya kami bahas di kualitas pasokan marketplace.

Ada pula biaya awal. Penjual baru belum punya ulasan, dan pembeli lebih menyukai penjual yang sudah punya. Itu versi dari masalah cold start (memulai dari nol), dan itu sebabnya onboarding penjual sering menyertakan cara untuk mendapatkan ulasan pertama dengan cepat.

Apakah ulasan benar-benar menggerakkan uang?

Bukti yang paling terkenal datang dari studi Michael Luca di Harvard Business School tentang Yelp. Seperti diringkas di Harvard Magazine, studi itu menemukan bahwa kenaikan satu bintang pada rating Yelp sebuah restoran menghasilkan kenaikan pendapatan 5 hingga 9 persen. Liputan yang sama melaporkan bahwa efek itu berlaku untuk restoran independen, sedangkan rating tidak memengaruhi restoran yang berafiliasi dengan jaringan.

Temuan kedua adalah yang berguna bagi operator. Ulasan paling berpengaruh di tempat pembeli memiliki sedikit informasi lain. Sebuah jaringan restoran punya merek yang sudah memberi tahu Anda apa yang diharapkan. Restoran independen hanya punya reputasinya. Bagi marketplace yang penuh penjual kecil tanpa merek, sistem ulasan mengerjakan tugas yang di tempat lain dikerjakan oleh merek.

Satu peringatan: ini studi tentang satu platform, satu kota, dan restoran. Studi ini menunjukkan mekanismenya nyata. Ia tidak memberi Anda angka yang bisa diharapkan di kategori Anda.

Pilihan desain pertama: ulasan satu sisi atau dua sisi

Keputusan desain pertama adalah siapa yang diulas.

Sistem satu sisi hanya membiarkan pembeli mengulas penjual. Sebagian besar marketplace produk bekerja seperti ini. Sederhana, dan pembeli jarang menjadi risiko bagi penjual dengan cara yang membutuhkan catatan publik.

Sistem dua sisi (timbal balik) membiarkan kedua pihak saling mengulas. Sistem ini cocok untuk marketplace di mana pembeli juga merupakan risiko: tamu yang menginap di rumah seseorang, klien yang menyewa freelancer, penumpang di mobil orang asing. Host atau pengemudi ingin tahu siapa yang mereka izinkan masuk, dan rating di sisi pembeli menyediakan informasi itu.

Sistem dua sisi memiliki cacat bawaan, yang dibahas berikutnya.

Timbal balik, pembalasan, dan solusi double-blind

Jika saya mengulas Anda setelah Anda lebih dulu mengulas saya, saya bisa melihat apa yang Anda tulis. Ulasan yang baik mengundang ulasan baik sebagai balasan. Ulasan yang keras mengundang pembalasan. Orang yang mengantisipasi itu memberi ulasan yang lebih lunak untuk menghindari risikonya, sehingga skala menjadi terkompresi ke arah atas.

Para peneliti menguji solusi struktural di Airbnb. Dalam Reciprocity and Unveiling in Two-Sided Reputation Systems, yang terbit di Marketing Science pada 2021, Andrey Fradkin, Elena Grewal, dan David Holtz menjalankan eksperimen besar tentang waktu kapan umpan balik menjadi terlihat. Pada kelompok perlakuan, umpan balik disembunyikan sampai kedua pihak mengirimkan ulasan. Pada kelompok kontrol, umpan balik langsung terlihat setelah dikirim.

Seperti diringkas di halaman abstrak makalah tersebut, hasilnya adalah:

• Perlakuan itu mendorong lebih banyak ulasan secara total, yang menurut para penulis disebabkan oleh rasa penasaran pengguna terhadap apa yang ditulis lawan transaksinya dan keinginan agar umpan balik mereka sendiri terlihat.
• Perlakuan itu mengurangi pembalasan dan timbal balik dalam umpan balik, dan akibatnya rating menjadi lebih rendah.
• Perubahan pada umpan balik tidak berujung pada berkurangnya seleksi merugikan di platform.

Poin terakhir layak diperhatikan. Pengungkapan serentak memperbaiki perilaku sistem ulasan, tetapi para penulis makalah tidak menemukan pengurangan yang berarti pada masalah seleksi merugikan. Sistem ulasan yang berperilaku lebih baik tidak otomatis menghasilkan hasil marketplace yang lebih baik.

Halaman bantuan Airbnb sendiri, seperti diambil pada 2026-10-07, menjelaskan versi aktif dari desain ini. Artikel bantuan tentang cara kerja ulasan menyebut bahwa tamu maupun host memiliki 14 hari setelah check-out untuk mengirim ulasan, dan bahwa ulasan baru diposting setelah kedua pihak mengirim atau setelah periode 14 hari berakhir, mana yang lebih dulu. Halaman yang sama menyebut rating sebuah listing ditampilkan di hasil pencarian setelah memiliki setidaknya tiga ulasan.

Detail terakhir itu adalah pilihan desain yang layak ditiru semangatnya: jangan tampilkan rata-rata yang dibangun dari satu atau dua ulasan, karena satu nilai ekstrem akan mendominasinya.

Inflasi reputasi: ketika bintang lima tak lagi berarti apa-apa

Bahkan tanpa pembalasan, rating cenderung bergeser naik. Apostolos Filippas, John Horton, dan Joseph Golden mempelajarinya dalam Reputation Inflation (Marketing Science, 2022; juga sebagai makalah kerja NBER). Abstraknya menyatakan bahwa rata-rata rating pembeli terhadap penjual menjadi jauh lebih positif dari waktu ke waktu di lima marketplace online. Para penulis membangun metode untuk memisahkan dua penjelasan: marketplace yang benar-benar membaik, versus penilai yang memberi rating lebih tinggi tanpa lebih puas. Dengan memakai satu marketplace yang memiliki data tingkat transaksi yang luas, mereka menemukan bahwa sebagian besar kenaikan rating yang teramati disebabkan oleh inflasi reputasi.

Mengapa penilai menggelembungkan rating? Ringkasan NBER menunjuk pada tekanan sosial: penilai merasa tertekan untuk memberi rating di atas rata-rata, dan mereka ragu memberi nilai rendah karena tidak ingin merugikan penjual. Namun potensi untuk merugikan itulah yang membuat rating informatif. Sistem di mana tak seorang pun memakai ujung bawah skala telah kehilangan sebagian besar sinyalnya.

Konsekuensi praktisnya, rata-rata bintang lima menjadi harga tiket masuk, dan informasi yang berguna bergeser ke selisih kecil antara 4,9 dan 4,7. Jika platform Anda menampilkan rating hingga satu angka desimal dan 90 persen penjual berada di atas 4,5, pembeli tidak bisa membedakan penjual, dan sistem peringkat Anda hanya punya sedikit bahan untuk bekerja.

Cara platform merespons antara lain:

• Mengajukan pertanyaan yang lebih spesifik (kebersihan, akurasi, komunikasi) alih-alih satu skor keseluruhan, agar pengalaman yang biasa-biasa saja punya tempat untuk mendarat.
• Menjaga rating rinci tetap privat. Halaman bantuan Airbnb menyebut rating bintang subkategori individual dan catatan untuk host hanya tersedia bagi host dan Airbnb, sehingga tamu bisa berterus terang tanpa menjatuhkan host secara publik.
• Menampilkan peringkat atau persentil, bukan hanya rata-rata, sehingga angka 4,8 bisa dibandingkan dengan sisa pasokan.
• Memberi bobot lebih pada ulasan terbaru, agar inflasi lama tidak menutupi kualitas saat ini.

Tidak satu pun dari cara ini terbukti berhasil di mana-mana. Semuanya adalah opsi untuk diuji.

Siapa yang menulis ulasan: bias seleksi

Sampel ulasan bukanlah sampel acak dari pelanggan. Artikel Communications of the ACM tahun 2009 oleh Nan Hu, Jie Zhang, dan Paul Pavlou, Overcoming the J-Shaped Distribution of Product Reviews, meneliti data Amazon yang dikumpulkan antara Februari dan Juli 2005. Hasilnya, 78, 73, dan 72 persen rating untuk buku, DVD, dan video masing-masing bernilai empat bintang atau lebih. Grafik distribusinya berbentuk J: sebagian besar bintang lima, sebagian bintang satu, dan sedikit di antaranya.

Para penulis berpendapat rata-rata adalah proksi yang buruk untuk kualitas dalam situasi itu, karena rata-rata bermakna secara statistik terutama ketika distribusinya unimodal atau simetris. Mereka mengaitkan bentuk itu dengan seleksi mandiri: orang yang membeli sudah cenderung menyukai produknya (bias pembelian), dan orang dengan pendapat moderat lebih kecil kemungkinannya repot menulis (bias pelaporan yang kurang).

Ini data 2005 dari satu pengecer, jadi jangan anggap persentasenya sebagai angka terkini. Namun polanya adalah peringatan yang berlaku terus. Ulasan yang Anda lihat datang dari pelanggan yang paling senang dan yang paling marah. Kelompok tengah yang puas diam saja.

Beberapa implikasi bagi operator:

1. Tampilkan distribusi, bukan hanya rata-rata. Angka 4,4 yang dibangun dari kebanyakan bintang lima dan beberapa bintang satu berbeda dari 4,4 yang dibangun dari bintang empat yang stabil.
2. Ajak setiap pembeli. Permintaan ulasan yang dikirim ke semua transaksi yang selesai, bukan hanya yang berjalan baik, mengurangi kemiringan data.
3. Ukur tingkat respons (lihat metrik di bawah). Rating dari 3 persen pembeli adalah sinyal yang lebih lemah daripada rating dari 40 persen.

Ulasan palsu dan aturan seputarnya

Ulasan membawa uang, sehingga orang memalsukannya, dan itu menjadikan penipuan ulasan masalah inti kepercayaan dan keamanan. Dua rezim regulasi layak diketahui, bahkan oleh platform yang tidak berada di AS maupun UE, karena keduanya menunjukkan di mana garisnya ditarik.

Amerika Serikat: aturan FTC

Aturan akhir FTC dikodifikasi di 16 CFR Part 465, "Trade Regulation Rule on the Use of Consumer Reviews and Testimonials." Menurut pemberitahuan Federal Register, aturan ini berlaku efektif 21 Oktober 2024. Aturan ini melarang:

• menjual atau membeli ulasan atau testimoni konsumen palsu
• membeli ulasan konsumen yang positif atau negatif
• pihak orang dalam tertentu menulis ulasan tanpa mengungkapkan hubungan mereka secara jelas
• situs ulasan yang dikendalikan perusahaan yang secara keliru menampilkan diri sebagai independen
• praktik penekanan ulasan tertentu
• menjual atau membeli indikator palsu tentang pengaruh di media sosial

Pengumuman FTC menambahkan bahwa aturan ini memberi lembaga tersebut kewenangan sanksi perdata terhadap pelanggar yang sengaja. Teks Federal Register mencatat bahwa denda perdata maksimum saat itu adalah $51.744 per pelanggaran, dengan pengadilan menimbang faktor-faktor yang diatur undang-undang dan dapat menjatuhkan jumlah yang jauh lebih rendah. Angka itu disesuaikan dari waktu ke waktu, jadi periksa angka terkini sebelum mengutipnya.

Dua poin penting bagi operator marketplace. Pertama, pembukaan (preamble) Federal Register menyebut ketentuan ulasan palsu dalam aturan tersebut di bagian 465.2(b) dan (c) tidak berlaku untuk sekadar menghosting ulasan konsumen, sekalipun bisnis tersebut mendorong pengiriman ulasan atau mengagregasi rating bintang. Platform yang hanya menampilkan ulasan pihak ketiga tidak otomatis bertanggung jawab atasnya. Kedua, preamble yang sama menyebut moderasi yang menekan ulasan berdasarkan rating atau sentimen negatifnya dapat melanggar ketentuan penekanan ulasan di bagian 465.7(b). Menghapus ulasan buruk tentang penjual Anda bukanlah kebijakan moderasi yang netral.

Uni Eropa: Directive 2019/2161

Directive (EU) 2019/2161, Omnibus Directive, mengubah Unfair Commercial Practices Directive terkait ulasan. Teksnya menambahkan ke daftar hitam praktik terlarang:

• mengirimkan, atau menugaskan orang lain untuk mengirimkan, ulasan atau dukungan konsumen yang palsu, atau memalsukan ulasan konsumen atau dukungan sosial, demi mempromosikan produk
• menyatakan bahwa ulasan dikirim oleh konsumen yang benar-benar menggunakan atau membeli produk tanpa mengambil langkah yang wajar dan proporsional untuk memeriksa bahwa ulasan itu berasal dari konsumen tersebut

Aturan ini juga menetapkan bahwa ketika seorang pedagang menyediakan akses ke ulasan konsumen, informasi tentang apakah dan bagaimana pedagang memastikan ulasan yang dipublikasikan berasal dari konsumen yang benar-benar menggunakan atau membeli produk dianggap material.

Pelajaran desainnya sama untuk kedua rezim. Pembatasan pembelian terverifikasi adalah jawaban praktisnya. Kebijakan ulasan Airbnb menyebut ulasan harus dikirim oleh atau atas nama seseorang yang berpartisipasi dalam reservasi. Mengikat ulasan pada transaksi yang selesai biayanya kecil dan menghilangkan satu kelas besar ulasan palsu. Jika Anda tidak bisa memverifikasi, katakan apa yang Anda periksa dan tidak periksa.

Bagaimana rating masuk ke peringkat

Rating tidak hanya memberi informasi langsung kepada pembeli. Biasanya rating mengalir ke peringkat pencarian sebagai sinyal kualitas, yang kami bahas di pencarian dan pencocokan di marketplace. Itu menciptakan putaran dengan konsekuensi:

• Yang kaya makin kaya. Penjual dengan ulasan bagus di awal berperingkat lebih tinggi, mendapat lebih banyak pesanan, dan mengumpulkan lebih banyak ulasan. Ini bisa menutup jalan bagi pendatang baru.
• Inflasi merusak peringkat. Jika sebagian besar penjual berkerumun di 4,8 atau lebih tinggi, perbedaan rating hanyalah noise dan peringkat pada dasarnya mengurutkan berdasarkan variasi acak.
• Manipulasi membuahkan hasil. Semakin peringkat bergantung pada rating, semakin besar keuntungan penjual dari memalsukan atau menekan agar mendapat ulasan, itulah sebabnya efek jaringan bisa berbalik melawan Anda ketika kepercayaan terkikis.

Praktik yang baik adalah memakai rating sebagai salah satu sinyal di antara beberapa, menerapkan penyesuaian keyakinan untuk penjual dengan sedikit ulasan, dan memberi penjual baru jalur menuju keterlihatan yang tidak bergantung pada riwayat. Tidak ada satu rumus yang benar untuk semua ini, jadi uji terhadap data transaksi Anda sendiri.

Metrik untuk sistem ulasan

Sistem ulasan mudah diluncurkan dan sulit dievaluasi. Berikut ukuran-ukuran yang umum. Tidak ada yang memiliki tolok ukur universal, jadi tetapkan target dari baseline Anda sendiri.

Baris terakhir adalah yang paling banyak memberi tahu Anda. Jika rating tidak memprediksi apa yang dilakukan pembeli berikutnya, rating tidak menjalankan tugasnya. Tempatkan metrik-metrik ini sepanjang perjalanan pembeli, dan perhatikan bahwa sistem ulasan paling penting di kategori di mana marketplace terkelola kalau tidak akan menyaring setiap pemasok secara manual.

Dari mana memulai

Urutan yang masuk akal, berdasarkan penalaran dari sumber-sumber di atas dan bukan aturan dari sumber tersebut:

1. Ikat setiap ulasan pada transaksi yang selesai. Ini pertahanan termurah terhadap ulasan palsu. Ini juga menjaga kesepakatan tetap di platform, di mana jaminan pembeli dan penanganan sengketa berlaku, yang memberi pengguna satu alasan lagi untuk tidak membawa transaksi ke tempat lain.
2. Pilih satu sisi atau dua sisi dengan sengaja, berdasarkan pihak mana yang menanggung risiko.
3. Jika dua sisi, gunakan pengungkapan serentak dengan jendela ulasan tetap, seperti yang dijelaskan Airbnb.
4. Ajukan pertanyaan spesifik dan pertimbangkan menjaga sebagian umpan balik tetap privat.
5. Sembunyikan rata-rata sampai jumlah ulasan minimum tercapai.
6. Tampilkan distribusi, bukan hanya rata-rata.
7. Tulis kebijakan moderasi yang jelas yang tidak menghapus ulasan hanya karena bersifat negatif.
8. Pantau tingkat ulasan dan sebaran rating setiap bulan.

Fakta Utama: Sistem Ulasan dan Penilaian di Marketplace

• Pengumuman 2001 dari Royal Swedish Academy menyatakan Akerlof menunjukkan bagaimana pasar di mana penjual lebih tahu tentang kualitas daripada pembeli dapat menyusut menjadi seleksi merugikan berupa produk berkualitas rendah.
• Studi Yelp oleh Luca, menurut Harvard Magazine, menemukan kenaikan rating satu bintang menaikkan pendapatan restoran 5 hingga 9 persen, tanpa efek pada restoran jaringan.
• Eksperimen Airbnb berskala besar menemukan bahwa menyembunyikan umpan balik sampai kedua sisi mengirim mendorong lebih banyak ulasan dan mengurangi pembalasan serta timbal balik, tetapi tidak mengurangi seleksi merugikan.
• Reputation Inflation melaporkan rata-rata rating naik di lima marketplace online, dan di satu marketplace yang diteliti mendalam, sebagian besar kenaikannya adalah inflasi, bukan peningkatan kepuasan.
• Artikel 2009 karya Hu, Zhang, dan Pavlou menemukan 72 hingga 78 persen rating Amazon di tiga kategori bernilai empat bintang atau lebih, distribusi berbentuk J yang mereka kaitkan dengan bias pembelian dan bias pelaporan yang kurang.
• Aturan FTC tentang ulasan dan testimoni (16 CFR Part 465) berlaku efektif 21 Oktober 2024.
• Directive UE 2019/2161 melarang ulasan palsu dan mewajibkan pedagang mengungkapkan apakah dan bagaimana mereka memeriksa bahwa ulasan berasal dari pengguna nyata.

Bacaan Terkait

• Pencarian dan Pencocokan di Marketplace
• Kualitas Pasokan Marketplace
• Onboarding Penjual Marketplace
• Marketplace Terkelola
• Kepercayaan dan Keamanan di Marketplace
• Jaminan dan Perlindungan Pembeli di Marketplace
• Disintermediasi: Mengapa Pengguna Melewati Platform
• Efek Jaringan