Literature Review Chatbot E-Commerce

Socius: Jurnal Penelitian Ilmu-Ilmu Sosial Volume 3, Issue 6, January 2026, P. 13-30 E-ISSN: 3025-6704 DOI: https://doi.org/10.5281/zenodo.18058940 *Corresponding Author Email: [email protected] Literature Review Chatbot E-Commerce Reva Aurellia Azzah, Zahidah Fathia Mardhiah, Ahmad Kusma Rizkqi Mubarok 123Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Pembangunan Nasional “Veteran”, Jawa Timur A B S T R A C T This study examines five key aspects that constitute the main focus of the research: customer service efficiency, system integration and automation, conversational humanization, user trust and satisfaction, as well as ethical and data security issues. Through this discussion, the study seeks to understand how AI-powered chatbots not only enhance business performance but also transform human–technology interaction within the context of modern e-commerce. This research employs a literature review approach by systematically examining previous studies relevant to the research focus. The findings indicate that, based on an analysis of 115 publications published between 2019 and 2025, AI chatbots have emerged as one of the primary drivers of digital transformation in ecommerce. This technology significantly improves operational efficiency and customer service quality while simultaneously strengthening the emotional relationship between users and brands. The rapid growth of research since 2022 demonstrates that chatbots now occupy a strategic position in shaping online shopping experiences. The combination of task-oriented and conversation-oriented chatbots has been shown to produce higher levels of user satisfaction and conversion rates. Nevertheless, anthropomorphic features must be applied cautiously to avoid the uncanny valley effect, which may reduce user comfort. Despite their substantial potential, several critical challenges remain, including data privacy concerns, the digital divide, and the need for adaptation to diverse cultural contexts. The future success of chatbot implementation will largely depend on the ability of developers and companies to balance technological sophistication, psychological understanding of users, and ethical responsibility. A B S T R A K Kajian ini akan menguraikan lima aspek utama yang menjadi fokus penelitian, meliputi efisiensi layanan pelanggan, integrasi sistem dan otomatisasi, humanisasi percakapan, kepercayaan dan kepuasan pengguna, serta isu etika dan keamanan data. Melalui pembahasan ini, diharapkan dapat dipahami bagaimana chatbot AI tidak hanya meningkatkan kinerja bisnis, tetapi juga mengubah cara manusia berinteraksi dengan teknologi dalam konteks e-commerce modern. Kajian ini adalah literature review dengan menelusuri penelitian-penelitian terdahulu yang berhubungan dengan fokus penelitian. Hasil penelitian ini menunjukkan bahwa berdasarkan hasil analisis terhadap 115 publikasi antara tahun 2019– 2025, dapat disimpulkan bahwa chatbot AI telah menjadi salah satu penggerak utama dalam transformasi digital e-commerce. Teknologi ini tidak hanya meningkatkan efisiensi operasional dan kualitas layanan pelanggan, tetapi juga memperkuat hubungan emosional antara pengguna dan merek. Perkembangan riset yang cepat sejak 2022 menunjukkan bahwa chatbot kini menempati posisi strategis dalam pengalaman belanja online. Kombinasi antara task-oriented dan conversation-oriented chatbot terbukti menghasilkan tingkat kepuasan dan konversi yang lebih tinggi. Meski demikian, aspek antropomorfik perlu diterapkan dengan hati-hati agar tidak memunculkan efek uncanny valley yang dapat mengurangi kenyamanan pengguna. Selain potensi besar, terdapat pula tantangan serius yang perlu diperhatikan, seperti privasi data, kesenjangan digital, serta kebutuhan adaptasi terhadap konteks budaya yang berbeda. Keberhasilan penerapan chatbot di masa depan akan sangat bergantung pada kemampuan pengembang dan perusahaan dalam menyeimbangkan kecanggihan teknologi, pemahaman psikologis pengguna, dan tanggung jawab etis. A R T I C L E I N F O Article history: Received 18 December , 2025 Revised 19 December 2025 Accepted 25 December 2025 Available online 29 December 2025 Keywords Literature Review, Chatbot, ECommerce This is an open access article under the CC BY-SA license. Copyright © 2025 by Author. Published by Yayasan Daarul Huda Socius: Jurnal Penelitian Ilmu-ilmu Sosial Vol. 3, No. 6 Tahun 2026 P. 13-30 Socius E-ISSN: 3025-6704 PENDAHULUAN Perkembangan teknologi kecerdasan buatan (Artificial Intelligence/AI) telah menghadirkan perubahan besar dalam ekosistem digital, terutama pada sektor e-commerce. Salah satu penerapan yang paling menonjol adalah chatbot berbasis AI, yang kini tidak hanya berfungsi sebagai alat bantu transaksi, tetapi juga menjadi sarana komunikasi yang membentuk pengalaman interaktif antara pelanggan dan sistem. Pergeseran ini mencerminkan evolusi teknologi dari sekadar automation tools menuju entitas yang mampu memahami, menanggapi, bahkan meniru cara berinteraksi manusia. Dalam konteks bisnis digital, chatbot AI memainkan peran strategis dalam meningkatkan efisiensi operasional, mempercepat pelayanan pelanggan, dan memperkuat hubungan emosional antara pengguna dengan merek. Penerapannya yang semakin luas pasca-pandemi COVID-19 juga didorong oleh meningkatnya kebutuhan terhadap layanan daring yang cepat, personal, dan efisien. Hasil analisis terhadap 115 artikel ilmiah yang ditinjau dalam studi ini menunjukkan tren kenaikan pesat publikasi selama periode 2023–2024, bertepatan dengan munculnya teknologi AI generatif seperti ChatGPT dan meningkatnya fokus terhadap otomatisasi layanan digital. Menariknya, riset mengenai chatbot kini tidak lagi terbatas pada bidang teknologi informasi, tetapi juga berkembang ke ranah psikologi, komunikasi, bisnis, hingga perilaku konsumen, menegaskan sifat multidisipliner dari topik ini. Dari hasil pemetaan literatur, teridentifikasi tiga kluster utama yang menggambarkan arah penelitian terkini, yaitu: efisiensi dan otomatisasi operasional, humanisasi dan pengalaman pengguna, serta etika, privasi, dan keadilan digital. Ketiga kluster ini menjadi fondasi dalam memahami bagaimana chatbot AI berevolusi dari alat transaksional menjadi agen sosial di dunia digital. Berdasarkan temuan tersebut, kajian ini akan menguraikan lima aspek utama yang menjadi fokus penelitian, meliputi efisiensi layanan pelanggan, integrasi sistem dan otomatisasi, humanisasi percakapan, kepercayaan dan kepuasan pengguna, serta isu etika dan keamanan data. Melalui pembahasan ini, diharapkan dapat dipahami bagaimana chatbot AI tidak hanya meningkatkan kinerja bisnis, tetapi juga mengubah cara manusia berinteraksi dengan teknologi dalam konteks e-commerce modern. Tabel 1 Tabel pencarian literatur ini dirancang untuk memberikan kerangka sistematis dalam menelusuri penelitian terkait penerapan AI chatbot di bidang e-commerce. Setiap kategori kata kunci disusun agar dapat menangkap variasi istilah dan konteks yang relevan dengan topik, menggunakan teknik pencarian seperti truncation (*) untuk mencakup kata turunan, serta tanda kutip (“”) untuk memastikan hasil yang spesifik. Pada kategori Chatbot AI, fokus pencarian diarahkan pada berbagai istilah yang merujuk pada chatbot, mulai dari "virtual assistant" hingga "conversational agent", sehingga mampu mengidentifikasi literatur yang membahas desain, algoritma NLP, maupun interaksi berbasis percakapan. Sementara itu, kategori Konteks ECommerce membatasi hasil pencarian pada lingkungan bisnis digital, mencakup istilah seperti Kategori Istilah Kata Kunci (Dengan Truncasi dan Frasa) Chatbot AI (chatbot* OR "chat bot*" OR "virtual assistant*" OR "conversational agent*" OR "natural language interface*") Konteks ECommerce (ecommerce* OR "e-commerce" OR "online shopping" OR "digital market*") Fokus Pelanggan (satisfaction* OR loyalty* OR "purchase intention*" OR engagement* OR trust* OR "user experience*") Teknologi Pendukung (personalization* OR "recommendation system*" OR "AI-driven" OR "machine learning") Socius: Jurnal Penelitian Ilmu-ilmu Sosial Vol. 3, No. 6 Tahun 2026 P. 13-30 Reva Aurellia Azzah., et., al/ Literature Review "e-commerce", "online shopping", hingga "digital marketplace", sehingga penelitian yang membahas integrasi chatbot dalam platform belanja daring dapat terjaring dengan baik. Selanjutnya, kategori Fokus Pelanggan menyoroti dampak chatbot terhadap pengalaman pengguna, dengan kata kunci yang mencakup aspek kepuasan, loyalitas, niat membeli, keterlibatan, hingga kepercayaan, sehingga literatur terkait perilaku dan persepsi pelanggan dapat teridentifikasi. Terakhir, kategori Teknologi Pendukung diarahkan untuk menangkap penelitian mengenai teknologi yang mendasari kecerdasan chatbot, seperti machine learning, sistem rekomendasi, maupun personalisasi. Dengan struktur pencarian ini, peneliti dapat memperoleh literatur yang komprehensif, mulai dari aspek teknis, konteks penerapan, hingga dampaknya terhadap pengguna dalam ekosistem e-commerce. HASIL Gambar 1. Diagram alur pencarian literatur Diagram alur di atas menggambarkan proses penyaringan artikel dalam pencarian literatur. Dari total 320 artikel yang berhasil diidentifikasi melalui pencarian kata kunci, sebanyak 162 artikel dikeluarkan karena judulnya tidak relevan dengan topik penelitian, sehingga tersisa 254 artikel. Selanjutnya, dilakukan pengecekan duplikasi dan ditemukan 20 artikel duplikat yang kemudian dihapus, menghasilkan 234 artikel unik untuk tahap berikutnya. Dari jumlah tersebut, dilakukan penyaringan berdasarkan relevansi abstrak. Hasilnya, 119 artikel dieliminasi karena abstraknya tidak sesuai dengan fokus penelitian, sehingga diperoleh 115 artikel akhir yang dianggap relevan dan layak untuk dianalisis lebih lanjut. Proses ini menunjukkan tahapan sistematis dalam memastikan bahwa hanya literatur yang benar-benar sesuai dengan topik yang dipertahankan untuk tinjauan penelitian. Analisis terhadap 115 publikasi yang teridentifikasi pada periode 2019–2025 menunjukkan adanya perkembangan signifikan dalam riset mengenai chatbot, baik dari sisi temporal, sumber publikasi, maupun arah tematik. Dari segi temporal, terlihat pola perkembangan yang cukup jelas. Pada tahap awal (2019– 2022), jumlah publikasi masih relatif terbatas, dengan hanya 2 paper di tahun 2019 dan 6 paper pada 2020. Namun, sejak 2021 hingga 2022, jumlah publikasi mulai meningkat secara bertahap, mencapai 18 paper pada 2022. Lonjakan signifikan terjadi pada periode 2023–2024, di mana tahun 2024 menjadi puncak publikasi dengan 50 paper (43,5% dari total). Pertumbuhan eksponensial ini dapat dikaitkan dengan meningkatnya adopsi teknologi AI generatif serta Socius: Jurnal Penelitian Ilmu-ilmu Sosial Vol. 3, No. 6 Tahun 2026 P. 13-30 Socius E-ISSN: 3025-6704 kebutuhan otomatisasi layanan digital pasca-pandemi. Sementara itu, data tahun 2025 masih menunjukkan angka rendah (8 paper), yang kemungkinan besar dipengaruhi oleh keterbatasan cakupan data karena tahun masih berjalan. Jika ditinjau dari sumber publikasi, penelitian chatbot cenderung lebih banyak dipublikasikan pada forum konferensi internasional dibandingkan jurnal. Konferensi terkemuka seperti IEEE (11 paper) dan AAAI (5 paper) mendominasi, menegaskan preferensi peneliti dalam memilih jalur publikasi yang lebih cepat di bidang komputasi. Konferensi tematik lainnya seperti CHI, HICSS, dan HCII juga muncul meski dalam jumlah terbatas (sekitar 1 paper per tahun). Di sisi lain, jurnal internasional dengan reputasi Q1/Q2, misalnya Computers in Human Behavior (2 paper), Journal of Business Research (1 paper), dan Electronic Markets (2 paper), menunjukkan adanya validasi akademik yang semakin menguat. Penerbit besar seperti Elsevier dan Springer tercatat sebagai kontributor produktif dengan total 7 publikasi gabungan. Keragaman sumber publikasi juga menegaskan sifat multidisiplin dari penelitian chatbot. Dari total 81 venue, sebanyak 68 di antaranya (84%) hanya memuat 1–2 artikel, mencerminkan fenomena long tail. Hal ini menunjukkan bahwa topik chatbot telah menyebar ke berbagai disiplin ilmu, mulai dari psikologi (Cyberpsychology, Behavior, and Social Networking), bisnis (Journal of Retailing), hingga pendidikan (EDP Journal). Selain itu, platform repositori seperti ResearchGate (12 paper) dan SSRN (2 paper) memainkan peran penting sebagai saluran diseminasi cepat sebelum proses peer-review formal. Publikasi di jurnal regional, seperti Jurnal EMBA (Indonesia), Pakistan Journal of Language, dan DergiPark (Turki), juga menegaskan bahwa riset mengenai chatbot telah berkembang secara global, tidak hanya terpusat pada negara-negara maju. Dari sisi tematik, pola yang muncul menunjukkan adanya diferensiasi fokus. Publikasi di konferensi, khususnya IEEE dan AAAI, lebih banyak menekankan aspek teknis seperti pemodelan NLP, pembelajaran mesin, dan inovasi AI. Sebaliknya, jurnal di bidang bisnis, psikologi, dan perilaku konsumen menitikberatkan pada dampak sosial, perilaku, serta nilai ekonomi dari implementasi chatbot. Tren multidisiplin juga semakin terlihat dengan munculnya jurnal lintas bidang, misalnya Telematics and Informatics yang menggabungkan perspektif teknologi dan komunikasi, serta Behaviour & Information Technology yang menghubungkan aspek perilaku dengan sistem informasi. Namun demikian, terdapat beberapa keterbatasan dalam data yang dianalisis. Pertama, ketidakmerataan jumlah publikasi per tahun, khususnya pada 2025 yang baru mencatatkan 8 paper, berpotensi menimbulkan bias akibat publikasi yang belum terindeks secara lengkap. Kedua, kualitas representasi publikasi masih bervariasi, mengingat sebagian venue yang teridentifikasi (misalnya Compendium Paper Asia) belum banyak dikenal secara internasional. Secara keseluruhan, tren publikasi ini menunjukkan bahwa penelitian chatbot sedang berada pada fase ekspansi cepat dengan kecenderungan lintas disiplin. Dominasi konferensi menggarisbawahi percepatan perkembangan teknologi, sementara kontribusi jurnal internasional memperlihatkan upaya validasi akademik yang lebih mapan. Socius: Jurnal Penelitian Ilmu-ilmu Sosial Vol. 3, No. 6 Tahun 2026 P. 13-30 Reva Aurellia Azzah., et., al/ Literature Review Tabel 3. Research methodologies Research method Number of papers Survey 43 Data Analysis 19 Experiment 18 Case Study 16 System Implementation/Development 12 Literature Review 2 Meta-Analysis 2 Model/Theoretical Analysis 1 Metodologi penelitian didominasi oleh survei (38.4%) yang mengeksplorasi persepsi dan perilaku pengguna, contohnya “responsivitas, kemudahan penggunaan, dan personalisasi adalah faktor utama kepuasan Gen Z” (Pei Kian Tan, Char Min Lim, 2023) yang mana hal ini dapat diketahui melalui survei. Diikuti analisis data (17.0%) untuk mengevaluasi kinerja AI secara objektif. Eksperimen (16.1%) digunakan untuk menguji hubungan sebab-akibat, sementara studi kasus (14.3%) memberikan konteks implementasi nyata. Implementasi sistem (10.7%) fokus pada pengembangan solusi teknis, dan metode sintesis seperti kajian literatur/meta-analisis (3.6%) membangun fondasi teoritis. Distribusi ini menunjukkan keseimbangan antara validasi empiris, optimasi teknis, dan pemahaman. Tabel 4 Types of chatbot Chatbot type Number of papers Task-oriented 45 Conversation-oriented 42 With both taskand conversationoriented aspects 21 Undefined 7 Tabel 4 memperlihatkan klasifikasi penelitian chatbot dalam konteks e-commerce berdasarkan fungsionalitas utama yang dikaji. Hasil analisis menunjukkan bahwa chatbot berbasis tugas (task-oriented) merupakan kategori dengan jumlah penelitian terbanyak, yaitu 45 studi. Chatbot jenis ini dirancang untuk menyelesaikan tugas spesifik seperti menjawab pertanyaan rutin, membantu proses transaksi, atau memandu pengguna dalam navigasi layanan. Dominasi kategori ini mencerminkan fokus para peneliti pada efisiensi operasional serta pencapaian tujuan praktis dalam ekosistem e-commerce. Kategori kedua yang menonjol adalah chatbot berbasis percakapan (conversationoriented), dengan 42 penelitian. Berbeda dengan tipe sebelumnya, chatbot ini lebih menekankan pada aspek interaksi alami dan emosional, sehingga banyak diaplikasikan dalam layanan pelanggan, konseling ringan, maupun sebagai teman virtual. Tingginya perhatian pada kategori ini memperlihatkan pentingnya membangun pengalaman pengguna yang lebih personal dan humanis dalam interaksi digital. Menariknya, sebanyak 21 penelitian mengkaji chatbot yang mengintegrasikan kedua fungsi tersebut, yaitu taskand conversation-oriented. Kehadiran kategori ini menandai evolusi desain chatbot yang tidak hanya menekankan efektivitas dalam penyelesaian tugas, tetapi juga mengedepankan kualitas percakapan untuk meningkatkan kepuasan pengguna. Tren ini Socius: Jurnal Penelitian Ilmu-ilmu Sosial Vol. 3, No. 6 Tahun 2026 P. 13-30 Socius E-ISSN: 3025-6704 sekaligus mencerminkan arah pengembangan chatbot modern yang berupaya menyeimbangkan kebutuhan fungsional dengan pengalaman interaksi yang menyerupai komunikasi manusia. Sementara itu, hanya 7 penelitian yang tidak secara eksplisit mendefinisikan kategorinya (undefined). Proporsi yang relatif kecil ini menunjukkan bahwa sebagian besar penelitian terkini telah memiliki kerangka klasifikasi yang jelas dalam memahami dan mengembangkan fungsi chatbot, baik dari sisi teknis maupun pengalaman pengguna. Tabel 5. Domains of application of the chatbots Chatbot domain Number of papers E-Commerce 72 Customer Service/Support 18 Recommendation Systems 8 Customer Experience/Engagement 7 Digital Marketing 5 Customer Relationship Management 3 Multiple Domains or Undefined 2 Tabel 5 menunjukkan distribusi penelitian chatbot dalam berbagai domain e-commerce. Hasil analisis memperlihatkan bahwa e-commerce menjadi domain yang paling dominan dengan 72 penelitian (62,6% dari total 115). Dominasi ini mencerminkan prioritas industri dalam mengadopsi chatbot untuk mendukung otomatisasi transaksi, memberikan rekomendasi produk, serta memfasilitasi proses pembelian. Posisi yang kuat ini juga menegaskan bahwa chatbot dipandang sebagai komponen strategis dalam mempercepat pertumbuhan layanan digital berbasis perdagangan elektronik. Di posisi kedua, domain customer service/support tercatat dalam 18 penelitian. Hal ini menggarisbawahi peran penting chatbot dalam membantu perusahaan menangani pertanyaan pelanggan, memproses pengaduan, dan memberikan solusi cepat secara otomatis. Perhatian yang cukup besar terhadap layanan pelanggan menunjukkan bahwa aspek interaksi dan kepuasan pengguna tetap menjadi prioritas utama dalam penerapan chatbot. Domain lain, seperti recommendation system (8 penelitian), customer experience/engagement (7 penelitian), digital marketing (5 penelitian), dan customer relationship management (3 penelitian), masih memperoleh perhatian terbatas. Meskipun jumlahnya relatif kecil, keberadaan penelitian pada area ini menandakan bahwa chatbot mulai dieksplorasi sebagai alat untuk memperluas fungsionalitas, dari sekadar transaksi dan layanan pelanggan menuju pengembangan strategi pemasaran, penguatan pengalaman pengguna, serta peningkatan loyalitas jangka panjang. Sementara itu, kategori multiple domains maupun undefined hanya tercatat dalam 2 penelitian. Jumlah yang sangat kecil ini menunjukkan bahwa sebagian besar penelitian telah diarahkan pada domain yang spesifik, sehingga memudahkan dalam mengidentifikasi fokus kontribusi dan relevansi praktis dari implementasi chatbot. Socius: Jurnal Penelitian Ilmu-ilmu Sosial Vol. 3, No. 6 Tahun 2026 P. 13-30 Reva Aurellia Azzah., et., al/ Literature Review Tabel 6 Themes and sub-themes emerging from the analysis Themes Sub-themes Number of papers Chatbot Design & User Experience Anthropomorphism & Human-Likeness, Response Style & Persuasion, Trust & Social Presence, Usability & Responsiveness, and Flow Experience & Engagement. 30 Personalization & Recommendation Systems Product Recommendations, Dynamic Content Personalization, and Personalized Marketing. 23 Customer Behavior & Decision Making Purchase Intention, Customer Loyalty & Retention, Satisfaction & Trust, and Adoption & Continuance. 38 Business Impact & Performance Sales & Conversion Metrics, Operational Efficiency, and ROI & Profitability. 20 Comparative & Experimental Analysis Chatbot vs. Human Interaction, Experimental Testing, and A/B Testing & Optimization. 15 Industry-Specific Applications Fashion & Beauty, SMEs & Local Markets, and Travel & Tourism 9 Theoretical & Foundational Research Literature Reviews, Model Development, and Meta-Analysis 4 Penelitian mengenai AI di e-commerce terstruktur dalam tujuh tema utama, dengan Customer Behavior & Decision Making (33.9%) dan Chatbot Design & User Experience (26.8%) sebagai yang paling dominan. Tema pertama mengeksplorasi dampak psikologis AI terhadap konsumen, dengan sub-tema seperti Purchase Intention (N=15 paper) yang menunjukkan chatbot meningkatkan niat pembelian hingga 53%, dan Customer Loyalty (N=10 paper) yang membuktikan peran chatbot dalam retensi pelanggan. Tema kedua fokus pada desain antarmuka, di mana sub-tema Anthropomorphism (N=8 paper) mengungkap efek "uncanny valley" pada kemiripan manusia berlebihan, dan Response Style (N=7 paper) menunjukkan framing persuasif meningkatkan konversi. Tema Personalization & Recommendation Systems (20.5%) menyoroti teknologi AI yang mengkustomisasi pengalaman dengan Product Recommendations (N=12 paper) sebagai subtema terbesar yang membuktikan algoritma collaborative filtering meningkatkan akurasi 40%. Business Impact & Performance (17.9%) mengukur dampak komersial, di mana Sales & Conversion Metrics (N=9 paper) menunjukkan chatbot meningkatkan penjualan 34%. Sementara itu, Comparative Analysis (13.4%) mengevaluasi efektivitas AI melalui uji terkontrol, dan Industry Applications (8.0%) serta Theoretical Research (3.6%) melengkapi spektrum penelitian dengan studi kasus sektoral dan fondasi konseptual. Secara keseluruhan, tema-tema ini mencerminkan fokus ganda pada pengalaman pengguna dan kelayakan bisnis dalam implementasi AI, "Personalisasi AI secara konsisten meningkatkan loyalitas pelanggan di berbagai sektor e-commerce, namun efektivitasnya bergantung pada desain antarmuka dan konteks penggunaan" (Mohammad Shoeb Abdullah, 2025), yang menegaskan bahwa kesuksesan implementasi AI tidak hanya ditentukan oleh kecanggihan teknis, tetapi juga oleh kemampuan mengintegrasikan dimensi manusia dan konteks bisnis secara holistik Socius: Jurnal Penelitian Ilmu-ilmu Sosial Vol. 3, No. 6 Tahun 2026 P. 13-30 Socius E-ISSN: 3025-6704 Studi yang dilakukan pada periode 2019–2025 terkait dampak penerapan chatbot AI dalam e-commerce. Pola penelitian menunjukkan dominasi riset terkini, di mana 78% studi berasal dari tahun 2023–2025, mencerminkan peningkatan minat yang pesat setelah kemunculan ChatGPT dan teknologi AI generatif. Dari sisi metodologi, survei kuantitatif (35%) dan eksperimen terkontrol (28%) menjadi pendekatan yang paling dominan, disusul studi kasus (22%) dan pengembangan sistem (15%), dengan sampel penelitian yang bervariasi mulai dari ratusan hingga puluhan ribu responden di berbagai pasar e-commerce global. Dampak utama terhadap pengalaman pelanggan terlihat pada peningkatan kepuasan dan keterlibatan, di mana 85% studi mencatat adanya kenaikan signifikan (35–76%) yang terutama dipengaruhi oleh respons cepat dan personalisasi. Chatbot juga terbukti mampu meningkatkan keterlibatan hingga 75% serta mengurangi abandoned cart sampai 28%. Faktor kritis yang menentukan keberhasilan meliputi kualitas respons dan tingkat personalisasi, sementara antropomorfisme menunjukkan pola non-linear: penampilan mirip manusia dalam kadar sedang meningkatkan kepercayaan, tetapi terlalu mirip justru memicu efek uncanny valley.Dari perspektif bisnis, chatbot AI berkontribusi pada peningkatan penjualan, dengan laporan bahwa niat membeli naik hingga 75% dan tingkat konversi mencapai 93%. Sistem rekomendasi berbasis AI yang terintegrasi dengan chatbot juga mendorong penjualan hingga 47%. Selain itu, implementasi chatbot terbukti meningkatkan efisiensi operasional dengan mengurangi waktu respons sampai 85% dan menaikkan ROI pemasaran sebesar 38%. Dalam hal perilaku pengguna, studi menunjukkan adanya perbedaan generasi. Gen Z cenderung melihat chatbot sebagai “teman” dan lebih merespons motivasi hedonis, sedangkan generasi yang lebih tua lebih menekankan aspek utilitarian seperti kemudahan dan efisiensi. Faktor-faktor moderator seperti kepercayaan, privasi, pengalaman flow, serta kepuasan awal memainkan peran penting dalam menentukan loyalitas dan niat penggunaan berkelanjutan. Dari sisi teknologi, kemajuan AI generatif dan NLP canggih terbukti meningkatkan keterlibatan pelanggan hingga 73% dan akurasi respons sampai 89%. Integrasi multisistem— seperti penggabungan chatbot dengan CRM, analisis sentimen, atau fitur auto-promote—juga mampu meningkatkan efektivitas hingga 67%. Namun, tantangan tetap ada, khususnya terkait privasi dan etika, di mana risiko kebocoran data dapat mengurangi kepuasan hingga 35%, dan kesan “creepiness” menurunkan loyalitas pengguna. Chatbot juga masih terbatas dalam menangani pertanyaan kompleks dan efektivitas antropomorfisme hanya berlaku untuk kategori produk tertentu. Implikasi praktis dari temuan ini menekankan pentingnya desain chatbot yang optimal. Respons konkret terbukti lebih efektif meningkatkan kepuasan daripada respons abstrak, dan penggunaan single-chatbot lebih baik dalam membangun kepercayaan dibanding multi-chatbot. Strategi implementasi yang menjanjikan adalah integrasi chatbot dengan analitik prediktif dan personalisasi real-time, yang terbukti menjadi kunci keberhasilan dalam meningkatkan pengalaman pelanggan sekaligus performa bisnis di ranah e-commerce. PEMBAHASAN Tinjauan pustaka ini menyoroti lima aspek utama terkait penerapan chatbot berbasis Artificial Intelligence (AI) dalam e-commerce. Analisis ini menggambarkan bagaimana teknologi tersebut telah berevolusi, tidak hanya sebagai alat otomatisasi layanan, tetapi juga sebagai sarana interaksi sosial yang semakin menyerupai hubungan manusia–manusia di ranah digital. Socius: Jurnal Penelitian Ilmu-ilmu Sosial Vol. 3, No. 6 Tahun 2026 P. 13-30 Reva Aurellia Azzah., et., al/ Literature Review 1. Pertumbuhan Riset yang Eksponensial dan Multidisipliner 2. Hasil analisis terhadap 115 artikel menunjukkan adanya peningkatan pesat dalam jumlah publikasi selama periode 2023–2024, mencapai sekitar 70% dari total studi. Tren ini bertepatan dengan munculnya teknologi AI generatif seperti ChatGPT dan meningkatnya kebutuhan otomatisasi layanan pasca-pandemi COVID-19. Penelitian mengenai chatbot tidak lagi terbatas pada bidang teknologi informasi semata, tetapi juga meluas ke psikologi, komunikasi, pemasaran, dan manajemen bisnis. Fenomena ini menandakan pergeseran paradigma: chatbot kini dipandang sebagai entitas multidisipliner yang menggabungkan kecanggihan teknis dengan pemahaman perilaku manusia. Pola distribusi penelitian yang bersifat long tail — di mana 84% publikasi hanya memuat satu hingga dua artikel per venue — memperlihatkan betapa topik ini telah menjangkau beragam bidang ilmu. Dengan demikian, chatbot AI dapat dikategorikan sebagai inovasi lintas batas yang menyatukan dimensi teknologi, sosial, dan humanistik secara bersamaan. Temuan dari penelitian pengguna e-commerce di Indonesia semakin memperkuat relevansi riset ini, sebab pengalaman penggunaan platform digital terbukti memengaruhi kepercayaan teknologi dan keputusan pembelian (Suryanto dkk., 2020) 3. Paradigma Ganda: Efisiensi vs. Humanisasi Kajian literatur mengungkap adanya dua arah utama dalam pengembangan chatbot, yakni efisiensi operasional dan humanisasi interaksi. Sebagian besar penelitian (sekitar 39%) berfokus Socius: Jurnal Penelitian Ilmu-ilmu Sosial Vol. 3, No. 6 Tahun 2026 P. 13-30 Socius E-ISSN: 3025-6704 Nisha, N. P., D, A., S, P., & Alam, A. S. (2024). Investigating chatbot users’ e-satisfaction and patronage intention through social presence and flow: Indian online travel agencies (OTAs). Journal of Systems and Information Technology, 26(1), 89–114. https://doi.org/10.1108/JSIT-04-2023-0062 Nkwo, M., Orji, R., Nwokeji, J., & Ndulue, C. (2018). E-commerce personalization in Africa: A comparative analysis of Jumia and Konga. CEUR Workshop Proceedings, 2089, 68–76. Nugroho, A. P., & Kusumaningsih, D. (2018). Metode Collaborative Filtering Dalam Penampilan Rekomendasi Produk Dalam Aplikasi Chatbot Dan Mesin Rekomendasi Berbasis Web : Studi Kasus PT. Tokopedia. SKANIKA: Sistem Komputer Dan Teknik Informatika, 1(1), 94–101. https://jom.fti.budiluhur.ac.id/index.php/SKANIKA/article/view/165/596 Nurdayati dkk. (2021). No 主観的健康感を中心とした在宅高齢者における 健康関連指標に関 する共分散構造分析 Title. 3(5), 6. Obiri-Yeboah_Nana Yaw_2023_CSIS_Thesis.pdf. (n.d.). Octaviyani, P. P., Departement, M., Tinggi, S., Ekonomi, I., Bhakti, A., Departement, M., Tinggi, S., Ekonomi, I., Bhakti, A., & Irawan, N. (2024). SYSTEMATIC LITERATURE REVIEW : THE IMPACT OF CHATBOT USE. 15(November), 34–43. Oktavia, T., & Arifin, C. W. (2024). Revolutionizing E-Commerce With Ai Chatbots: Enhancing Customer Satisfaction and Purchase Decisions in Online Marketplace. Journal of Theoretical and Applied Information Technology, 102(19), 7224–7237. Orzol, M., & Szopik-Depczynska, K. (2023). ChatGPT as an innovative tool for increasing sales in online stores. Procedia Computer Science, 225, 3450–3459. https://doi.org/10.1016/j.procs.2023.10.340 Pavlidou, K. (2021). The Uncanny Valley: The human-likeness of chatbots and its paradoxical impact on consumers’ purchase intention in e-commerce. June, 1–58. Pebrianti, W., Dewi, & Ahmadi. (2025). Electronic Loyalty Flow: AI Chatbots are Changing Generation Z’s Shopping Style. JBMP (Jurnal Bisnis, Manajemen Dan Perbankan), 11(1), 56– 71. https://doi.org/10.21070/jbmp.v11i1.1975 prasad Gorantla, B., G., P., K., A., & K., S. (2024). Price Negotiating Chatbot on E-commerce website. Turkish Journal of Computer and Mathematics Education (TURCOMAT), 15(3), 91–105. https://doi.org/10.61841/turcomat.v15i3.14781 Prasad, K. V. S., Xavier, L. A., Jain, S., Subba, R., Mittal, S., & Anute, N. (2024). AI-Driven Chatbots for E-Commerce Customer Support. Proceedings - 3rd International Conference on Advances in Computing, Communication and Applied Informatics, ACCAI 2024. https://doi.org/10.1109/ACCAI61061.2024.10602261 Rahevar, M., & Darji, S. (2024). the Adoption of Ai-Driven Chatbots Into a Recommendation for ECommerce Systems To Targeted Customer in the Selection of Product. International Journal of Management, Economics and Commerce, 1(2), 128–137. https://doi.org/10.62737/m1vpdq75 Rajaobelina, L., Prom Tep, S., Arcand, M., & Ricard, L. (2021). Creepiness: Its antecedents and impact on loyalty when interacting with a chatbot. Psychology and Marketing, 38(12), 2339– 2356. https://doi.org/10.1002/mar.21548 Ramadhani, A., Handayani, P. W., Pinem, A. A., & Sari, P. K. (2023). The Influence of Conversation Skills on Chatbot on Purchase Behavior in E-Commerce. Jurnal Manajemen Indonesia, 23(3), 287–302. https://doi.org/10.25124/jmi.v23i3.5304 Socius: Jurnal Penelitian Ilmu-ilmu Sosial Vol. 3, No. 6 Tahun 2026 P. 13-30 Reva Aurellia Azzah., et., al/ Literature Review Reddy, D. V., Padmaja, D. M., Kumar, K. M., Kiran, K. S., & Pramod, P. (2024). Chatbot Based Online Shopping Web Application. Indian Journal of Data Communication and Networking, 3(4), 7– 14. https://doi.org/10.54105/ijdcn.b9782.03040623 Reddy, S. G., Engineer, S. D., Webservices, A., Parfenov, M., & Engineer, S. S. (2023). Harnessing the Power of Generative Artificial Intelligence for Dynamic Content Personalization in Customer Relationship Management Systems : A Data-Driven Framework for Optimizing Customer Engagement and Experience. 3(2), 379–395. Saputra, F. H., & Sutarso, Y. (2024). Factors influencing satisfaction and intention to use Chatbot on purchase intention on E-Commerce Shopee. At-Tadbir : Jurnal Ilmiah Manajemen, 8(1), 1. https://doi.org/10.31602/atd.v8i1.12652 Schwede, M., Meyer, N., von Schnakenburg, N., & Hammerschmidt, M. (2023). Can Chatbots Be Persuasive? How to Boost the Effectiveness of Chatbot Recommendations for Increasing Purchase Intention. Proceedings of the Annual Hawaii International Conference on System Sciences, 2023-January, 3454–3463. https://doi.org/10.24251/hicss.2023.425 Selamat, M. A., & Windasari, N. A. (2021). Chatbot for SMEs: Integrating customer and business owner perspectives. Technology in Society, 66. https://doi.org/10.1016/j.techsoc.2021.101685 Sharma, R., & Mishra, A. (2024). Advanced NLP and ML Techniques in E-Commerce: Enhancing Customer Experience with AI Chatbots. 2024 2nd World Conference on Communication and Computing, WCONF 2024. https://doi.org/10.1109/WCONF61366.2024.10692186 Shree, S. (2024). Revolutionizing Ecommerce: Harnessing the Power of ChatGPT and Generative AI for Personalized Customer Engagement and Enhanced Shopping Experiences. International Journal of Innovations In Science Engineering And Management, 3, 72–75. Sihotang, R. D. T., & Haryadi, H. (2024). Pengaruh Usability dan Responsiveness Chatbot terhadap Kepuasan Pelanggan: Analisis Mahasiswa Bisnis Digital Universitas Negeri Medan dalam Konteks Penggunaan E-Commerce. EKOMA : Jurnal Ekonomi, Manajemen, Akuntansi, 3(6), 2080–2091. https://doi.org/10.56799/ekoma.v3i6.5245 Silva, F. A., Shojaei, A. S., & Barbosa, B. (2023). Chatbot-Based Services: A Study on Customers’ Reuse Intention. Journal of Theoretical and Applied Electronic Commerce Research, 18(1), 457–474. https://doi.org/10.3390/jtaer18010024 Sipos, D. (2025). The Effects of AI-Powered Personalization on Consumer Trust, Satisfaction, and Purchase Intent. European Journal of Applied Science, Engineering and Technology, 3(2), 14– 24. https://doi.org/10.59324/ejaset.2025.3(2).02 Sirait, N. T., & Saputra, H. (2025). The Influence of Chatbot Usage and Product Recommendation Features on Customer Satisfaction in Shopee E-Commerce. 4(3). Soetiyono, A., Kurnia, Y., & Kurnia, R. (2024). Pengaruh Penggunaan Chatbot dan Asisten Virtual terhadap Peningkatkan Kepuasan Pelanggan serta Dampaknya terhadap Pengambilan Keputusan Pembelian. ECo-Buss, 6(3), 1367–1381. https://doi.org/10.32877/eb.v6i3.1169 Sohail, M., Mohsin, Z., & Khaliq, S. (2021). User Satisfaction with an AI-Enabled Customer Relationship Management Chatbot. Communications in Computer and Information Science, 1498 CCIS, 279–287. https://doi.org/10.1007/978-3-030-90176-9_36 Song, S. W., & Shin, M. (2024). Uncanny Valley Effects on Chatbot Trust, Purchase Intention, and Adoption Intention in the Context of E-Commerce: The Moderating Role of Avatar Familiarity. International Journal of Human-Computer Interaction, 40(2), 441–456. https://doi.org/10.1080/10447318.2022.2121038 Socius: Jurnal Penelitian Ilmu-ilmu Sosial Vol. 3, No. 6 Tahun 2026 P. 13-30 Socius E-ISSN: 3025-6704 Soni, V. (2023). Large Language Models for Enhancing Customer Lifecycle Management. Journal of Empirical Social Science Studies, 7(1), 67–89. https://publications.dlpress.org/index.php/jesss/article/view/58 Supakchaya, N., Supaprawat, S., Wasutida, N., & Bordin, P. (2021). Factors affecting consumer’s purchase intentionof chatbot commerce in Thailand. International Journal of Business, Marketing and Communication, 1(3), 1–13. Surjandy, & Cassandra, C. (2023). The Effect of Using Chatbots at e-Commerce Services of Customer Satisfaction, Trust, and Loyalty. Proceedings - 2023 10th International Conference on Computer, Control, Informatics and Its Applications: Exploring the Power of Data: Leveraging Information to Drive Digital Innovation, IC3INA 2023, 268–273. https://doi.org/10.1109/IC3INA60834.2023.10285799 Tan, S.-M., & Liew, T. W. (2022). Multi-Chatbot or Single-Chatbot? The Effects of M-Commerce Chatbot Interface on Source Credibility, Social Presence, Trust, and Purchase Intention. Human Behavior and Emerging Technologies, 2022, 1–14. https://doi.org/10.1155/2022/2501538 Usas, A., Jasinskas, E., & Štreimikienė, D. (2024). Impact of Website Quality and User Satisfaction on Consumer Loyalty in Lithuanian C2C E-Commerce Platforms. Management and Marketing, 19(4), 710–724. https://doi.org/10.2478/mmcks-2024-0032 Vebrianti, R., Aras, M., Putri, M. S. S., & Swandewi, I. A. (2025). AI Chatbots in E-Commerce: Enhancing Customer Engagement, Satisfaction and Loyalty. Paper Asia, 41(2b), 248–260. https://doi.org/10.59953/paperasia.v41i2b.445 Vergaray, A. D., Robles, W. F. P., & Jiménez, J. A. S. (2023). The Impact of Chatbots on Customer Satisfaction: A Systematic Literature Review. TEM Journal, 12(3), 1407–1417. https://doi.org/10.18421/TEM123-21 Yang, M., Peng, X., Wang, Q., Zhao, Y. C., & Wang, X. (2025). Is being human-like beneficial? The effect of anthropomorphism on chatbot persuasion in e-commerce. Internet Research. https://doi.org/10.1108/INTR-10-2023-0866 Zhang, X., Chen, A. L., Piao, X., Yu, M., Zhang, Y., & Zhang, L. (2024). Is AI chatbot recommendation convincing customer? An analytical response based on the elaboration likelihood model. Acta Psychologica, 250(October), 104501. https://doi.org/10.1016/j.actpsy.2024.104501