Cara menulis prompt restock untuk Storio Asisten, plus contoh siap salin
Panduan menyusun prompt restock untuk Storio Asisten: apa yang bisa dibawa, apa yang pasti ditolak, plus dua contoh prompt siap salin.
"Sudah saya tanya, tapi tidak dijawab." Keluhan yang paling sering kami terima soal Storio Asisten, dan penyebabnya hampir selalu sama: pertanyaannya bagus, tapi dibingkai sebagai konsultasi — bukan sebagai pekerjaan atas data tenant.
Asisten ini terikat pada tools Anda: stok, penjualan, produk, gudang. Ia membaca angka yang benar-benar ada di tenant Anda, lalu menyusunnya. Ia tidak dirancang untuk berpendapat tentang tren pasar, meramal cuaca, atau merekomendasikan kain. Di luar cakupan itu ia memang menolak — dan penolakan itu fitur, bukan kegagalan.
Artikel ini memetakan batas tersebut secara rinci, lalu memberi dua prompt siap pakai yang sudah kami uji.
Bisa dibawa (lolos cakupan RETAIL / tools-ready)
| Elemen | Kenapa aman |
|---|---|
| Restock / planning produksi berdasarkan sales & stok tenant | Inti domain Storio |
| Komposisi % Atasan / Bawahan / Outerwear / Aksesoris dari data penjualan & stok | Operasional retail |
| SKU prioritas, slow-moving, overstock, low stock | Tools inventory + sales |
| Gudang aktif, wh_code, banding gudang | SCOPE dept / warehouse |
| Periode 90–180 hari, tren vs periode sebelumnya | Report/sales summary + TREND |
| Format uang IDR, deeplink produk | System prompt Storio |
| Cuaca sebagai konteks bisnis yang Anda tempel ("gunakan ringkasan ini untuk menimbang prioritas restock") | Bukan minta ramalan; input user untuk interpretasi data |
| "Jika di master ada atribut material/koleksi, prioritaskan yang cocok cuaca" | Masih diikat katalog tenant |
| Aksi Oktober = restock outerwear ringan yang ada di data + sinyal sales | Operasional, bukan desain generik |
| Batas read-only + redirect ke halaman app | Selaras product behavior |
Jangan dibawa / mudah ditolak (OFF_TOPIC atau refuse system prompt)
| Elemen | Kenapa ditolak / berisiko |
|---|---|
| Peran "Konsultan Strategi Bisnis & Perencana Produksi fashion SME Indonesia" generik | Bukan persona Storio AI; mendorong jawaban non-tenant |
| Minta ramalan / analisis cuaca BMKG sebagai tugas utama | Test suite menolak "cuaca besok…" |
| Rekomendasi jenis kain generik (rayon, linen, coolmax, UV fabric) tanpa kaitan master produk | General knowledge / fashion consulting |
| Ide desain (UV protection, mask-friendly, siluet tropis) murni teori | Di luar inventory/sales/financials |
| Tren pasar lokal, perilaku konsumen tropis, polusi sebagai topik mandiri | News / general knowledge |
| Prediksi produksi tanpa acuan stok/sales tenant | Mengarang di luar tools |
| Coding, berita, tokoh, politik | Explicit OFF_TOPIC |
| Minta agent mengeksekusi PO / ubah stok / approve | Read-only; hanya bisa arahkan ke halaman |
Aturan praktis satu kalimat
- Boleh: "Dari data Storio, berapa komposisi restock ideal, diberi konteks cuaca yang saya tempel."
- Jangan: "Jadi konsultan fashion: susun strategi dari cuaca + tren material."
Keduanya menanyakan hal yang mirip. Hanya satu yang berangkat dari data.
Teknik kunci: cuaca sebagai konteks, bukan pertanyaan
Ini pembeda terbesar antara prompt yang jalan dan yang mentok.
"Bagaimana cuaca Juli–September?" akan ditolak — dan memang seharusnya. Tapi ringkasan cuaca yang Anda tuliskan sendiri ke dalam prompt bukan lagi pertanyaan; ia menjadi input bisnis untuk menimbang prioritas:
Konteks bisnis (bukan pertanyaan cuaca): kemarau Juli–September, siang 32–35°C, udara kering, Oktober mulai hujan lokal sore. Pakai ini hanya untuk menimbang prioritas SKU yang sudah laku dan tersedia di data kami.
Pola yang sama berlaku untuk kalender promo, rencana buka toko, atau kabar kompetitor. Anda yang membawa konteksnya; asisten yang mencocokkannya ke data.
Prompt lengkap
Versi panjang. Pakai ini kalau Anda ingin analisis penuh dengan struktur output yang terkunci — cocok untuk rapat perencanaan kuartal.
[PERAN]
Gunakan tools Storio (stok, penjualan, produk, gudang) untuk menyusun rekomendasi perencanaan produksi/restock 3 bulan ke depan. Jangan mengarang angka di luar data tools.
[TUGAS]
Susun rekomendasi komposisi produksi / restock Juli-September 2026 (dan persiapan Oktober) untuk brand fashion UMKM saya, BERDASARKAN data di tenant ini:
1) Ambil data penjualan 90 hari terakhir (perluas ke 180 hari jika 90 hari tipis), pecah per kategori/jenis produk sejauh data memungkinkan:
- Atasan (kaos, kemeja, blouse, dll.)
- Bawahan (celana, rok, dll.)
- Outerwear / layering ringan
- Aksesoris (jika ada di master)
2) Ambil posisi stok saat ini per kategori yang sama (qty, stok menipis, slow-moving jika tools mendukung).
3) Bandingkan velocity penjualan vs stok on hand: mana yang perlu diisi ulang, mana yang sudah overstock, mana yang sepi.
4) Dari temuan (1)-(3), berikan estimasi komposisi restock/produksi ideal (persentase Atasan / Bawahan / Outerwear / Aksesoris) untuk 3 bulan ke depan. Setiap % harus diikat ke temuan data (mis. "Atasan 55% karena kontribusi sales X% + stok menipis di SKU ...").
5) Sebutkan 5-10 artikel/SKU prioritas (kode + nama, deeplink jika ada) yang paling masuk akal diisi ulang, dan 3-5 yang sebaiknya ditahan produksinya (slow / overstock).
[KONTEKS CUACA - input bisnis dari saya, bukan permintaan ramalan]
Gunakan ringkasan berikut HANYA untuk menimbang prioritas restock dari data di atas (bukan untuk menjawab cuaca, berita, atau ilmu material umum):
- Juli-September 2026 (puncak kemarau Jakarta & sekitar): cerah-cerah berawan, hujan sangat rendah, kelembapan rendah, udara kering.
- Suhu siang ~32-35 C (terutama Jaksel/Jaktim), matahari terik.
- Polusi berpotensi memburuk karena udara kering + minim hujan.
- Transisi Oktober: awan mendung naik, potensi hujan lokal singkat-lebat sore/malam.
Cara pakai konteks ini pada rekomendasi:
- Prioritaskan restock SKU yang historinya laku di musim panas/kering (atasan breathable, potongan longgar, warna/corak yang sudah laku di data kita).
- Turunkan prioritas outerwear tebal / layer berat jika data penjualannya lemah di periode panas; siapkan slot kecil untuk outerwear/layer RINGAN hanya jika ada sinyal demand di data atau sebagai persiapan pancaroba akhir September.
- Jika di katalog kita ada atribut material/koleksi (katun, linen, UV, mask-friendly, dsb.), prioritaskan SKU yang cocok cuaca di atas; jika atribut tidak ada di data, katakan "tidak ada di master" dan jangan mengarang spesifikasi kain di luar katalog.
[INSTRUKSI OUTPUT - struktur jawaban]
1) Ringkasan data: penjualan & stok per kategori (angka + tren vs periode sebelumnya jika tools mendukung; format Rp ala retailer Indonesia).
2) Komposisi restock/produksi (persentase) Atasan / Bawahan / Outerwear / Aksesoris + justifikasi singkat per baris dari data.
3) Daftar SKU prioritas restock + SKU ditahan (kode, nama, alasan data).
4) Implikasi cuaca (maks. 3-5 bullet): bagaimana konteks kemarau/panas/polusi/pancaroba MENYESUAIKAN prioritas di atas - tetap berangkat dari data Storio, bukan teori fashion.
5) Strategi transisi Oktober (1-2 aksi operasional): mis. mulai restock outerwear ringan / quick-dry yang sudah ada di katalog & punya sinyal sales, atau tahan dulu jika data tidak mendukung - sebutkan SKU/kategori konkret dari data.
6) Asumsi gudang: pakai gudang aktif saya; sebutkan wh_code yang dipakai. Jika perlu banding gudang, sebutkan eksplisit.
[BATAS]
- Read-only: jangan mengklaim bisa buat PO/produksi; arahkan ke halaman yang relevan.
- Jangan jawab topik di luar retail tenant (cuaca murni, coding, berita, selebriti).
- Jangan rekomendasikan material/desain generik yang tidak ada di data/katalog kami; jika diminta material, batasi ke atribut produk yang tools kembalikan.Versi pendek. Mulai dari sini kalau prompt panjang ditolak, atau kalau Anda hanya butuh jawaban cepat.
Bantu rencanakan restock/produksi fashion Juli-September 2026 (+ persiapan Oktober) dari DATA STORIO saya:
1) Sales 90-180 hari: pecah Atasan / Bawahan / Outerwear / Aksesoris.
2) Stok sekarang + yang menipis / slow-moving per kategori yang sama.
3) Rekomendasi komposisi restock % per kategori + 5-10 SKU prioritas + 3-5 SKU ditahan (kode+nama, alasan dari data, format Rp + tren).
Konteks bisnis (bukan pertanyaan cuaca): kemarau Jul-Sep, siang 32-35 C, udara kering, polusi berpotensi buruk; Oktober mulai hujan lokal sore. Pakai ini HANYA untuk menimbang prioritas SKU yang sudah laku/tersedia di data kita (favor atasan breathable yang laku; outerwear tebal ditahan jika sepi; siapkan outerwear ringan akhir Sep hanya jika ada sinyal di katalog+sales). Jangan mengarang material di luar master produk.
Pakai gudang aktif; sebutkan wh_code.Kalau versi panjang ditolak, mulai dari versi pendek — urutannya sales dan stok dulu, persentase dan SKU berikutnya, konteks cuaca paling akhir. Setiap lapisan berdiri di atas data yang sudah dikonfirmasi asisten pada giliran sebelumnya, jauh lebih sulit ditolak daripada satu prompt raksasa yang mencampur data dengan teori sejak kalimat pertama.
Catatan ekspektasi
- % komposisi yang bagus = turunan sales mix + gap stok, bukan "ilmu musim" murni.
- Material/desain hanya muncul jika artikel di tenant punya nama/atribut yang mendukung; kalau tidak, agent harus jujur "tidak ada di master".
- Classifier fail-open ke RETAIL saat error, tapi system prompt tetap melarang jawaban off-topic — framing "data dulu, cuaca sebagai filter prioritas" tetap penting.
- Kalau jawaban tetap ditolak, potong bagian fashion generik; mulai dari versi pendek (sales + stok + % + SKU), baru tambah bullet cuaca di giliran kedua.
Asisten yang menolak menjawab di luar data bukan asisten yang kurang pintar. Ia asisten yang tidak mengarang — dan dalam perencanaan produksi, itu perbedaan antara rekomendasi yang bisa Anda pertanggungjawabkan dan tebakan yang rapi.