Bunyi “ting” dari smartphone sering kali cukup untuk mengalihkan perhatian. Kita bisa saja sedang bekerja, belajar, atau menonton sesuatu, tetapi ketika notifikasi muncul, perhatian langsung berpindah ke layar.
Notifikasi memang dirancang untuk memberi informasi. Namun, dalam aplikasi modern, fungsinya sudah berkembang jauh lebih kompleks. Notifikasi dapat menjadi bagian dari sistem yang menggunakan data pengguna, segmentasi, personalisasi, analitik, dan algoritma untuk menentukan pesan yang paling relevan serta waktu pengirimannya.
Dengan demikian, sebuah notifikasi yang terlihat sederhana di layar smartphone sebenarnya dapat menjadi hasil dari proses teknologi yang cukup panjang.
Secara teknis, push notification merupakan mekanisme komunikasi antara sistem aplikasi dan perangkat pengguna.
Pada aplikasi Android, misalnya, pengembang dapat menggunakan Firebase Cloud Messaging (FCM) untuk mengirim pesan ke perangkat. FCM memungkinkan pengembang menargetkan pengguna berdasarkan segmen tertentu dan menyertakan berbagai informasi dalam payload notifikasi. Firebase juga menyediakan analitik untuk melihat performa pesan yang dikirim.
Pada ekosistem Apple, aplikasi menggunakan Apple Push Notification service (APNs) untuk mengirim remote notification. Sistem Apple menerima notification request yang berisi payload dan informasi mengenai waktu pengiriman.
Alurnya secara sederhana dapat digambarkan sebagai:
Data pengguna → sistem aplikasi → keputusan pengiriman → push service → smartphone → respons pengguna
Bagian paling menarik berada pada tahap keputusan pengiriman.
Aplikasi digital dapat mengumpulkan berbagai event dari aktivitas pengguna. Firebase Analytics, misalnya, secara otomatis mencatat sejumlah event dan user properties. Pengembang juga dapat membuat custom event seperti pembelian, pencapaian, atau aktivitas tertentu di dalam aplikasi. Data tersebut kemudian dapat digunakan untuk membuat audience dan menargetkan pesan kepada kelompok pengguna tertentu.
Artinya, dua orang yang menggunakan aplikasi yang sama belum tentu menerima notifikasi yang sama.
Pengguna yang baru saja meninggalkan keranjang belanja dapat masuk ke segmen berbeda dari pengguna yang rutin melakukan pembelian. Pengguna yang sudah lama tidak membuka aplikasi juga dapat diperlakukan berbeda dari pengguna aktif.
Personalisasi tersebut membuat notifikasi tidak lagi bersifat satu pesan untuk semua orang.
Konten yang relevan belum tentu efektif jika dikirim pada waktu yang salah.
Sistem notifikasi dapat menggunakan berbagai sinyal untuk menentukan waktu pengiriman, termasuk aktivitas pengguna, histori interaksi, dan aturan kampanye. Pada sistem yang lebih kompleks, keputusan tersebut dapat menjadi bagian dari model prediktif atau sistem rekomendasi.
Perkembangan terbaru menunjukkan bahwa pengiriman notifikasi bahkan mulai diperlakukan sebagai persoalan rekomendasi tersendiri.
Dalam penelitian yang dipublikasikan pada Agustus 2026, Zhang dkk. memperkenalkan STEPS (Self-Triggered End-to-end Agentic Push Recommendation System), sebuah sistem push recommendation yang telah diterapkan pada Douyin dengan skala lebih dari satu miliar pengguna.
Sistem tersebut tidak hanya menentukan apakah sebuah notifikasi perlu dikirim, tetapi juga kapan sistem harus melakukan evaluasi kembali. Dalam pengujian A/B secara online, STEPS dilaporkan meningkatkan active days sebesar 0,2843% dan menurunkan tingkat pengguna yang menonaktifkan izin notifikasi sebesar 1,9089%. Sistem penyaringnya juga mengurangi beban komputasi sebesar 79,42%.
Angka tersebut menunjukkan bahwa optimasi notifikasi pada platform berskala besar bukan lagi sekadar pekerjaan tim pemasaran. Di belakangnya dapat terdapat sistem rekomendasi dan optimasi yang kompleks.
Selain menentukan target dan waktu, perusahaan juga dapat menguji bagaimana sebuah pesan ditampilkan.
Perbedaan kecil dalam judul, panjang pesan, emoji, atau struktur kalimat dapat memengaruhi cara pengguna merespons notifikasi. Penelitian tentang desain format notifikasi menunjukkan bahwa karakteristik visual dan perilaku notifikasi dapat berkaitan dengan persepsi pentingnya pesan serta interaksi pengguna.
Misalnya, dua pesan berikut memiliki tujuan yang hampir sama:
“Produk yang kamu lihat tersedia kembali.”
dan
“Produk yang kamu incar sudah tersedia lagi.”
Perbedaan bahasa membuat pesan kedua terasa lebih personal karena menghubungkan informasi dengan aktivitas pengguna sebelumnya.
Dalam praktiknya, perusahaan dapat menjalankan A/B testing untuk membandingkan beberapa versi pesan. Firebase sendiri menyediakan pengujian berbasis analitik untuk membantu mengevaluasi dan mengoptimalkan kampanye notifikasi.
Dengan pendekatan tersebut, keputusan mengenai teks notifikasi tidak selalu dibuat berdasarkan intuisi. Performa setiap variasi dapat dibandingkan berdasarkan data.
Ketika notifikasi muncul, proses teknologinya bertemu dengan perilaku manusia.
Sebuah notifikasi dapat menarik perhatian, menyampaikan informasi, dan memberikan pilihan tindakan. Pada sistem Apple, misalnya, actionable notification bahkan dapat menyediakan tombol yang memungkinkan pengguna melakukan tindakan langsung dari antarmuka notifikasi tanpa harus membuka aplikasi sepenuhnya.
Dalam konteks bisnis, tindakan tersebut dapat berupa membuka aplikasi, membaca konten, menyelesaikan transaksi, melakukan pembelian, atau kembali menggunakan layanan.
Penelitian Kim dkk. mengenai personalized push notifications juga menemukan bahwa notifikasi yang dipersonalisasi dapat menghasilkan keterlibatan aplikasi yang lebih tinggi dibandingkan notifikasi yang tidak dipersonalisasi.
Personalisasi akhirnya menjadi bagian penting karena semakin relevan sebuah pesan bagi pengguna, semakin besar kemungkinan pesan tersebut mendapatkan perhatian.
Strategi meningkatkan engagement tidak berarti semakin banyak notifikasi selalu semakin baik.
Apple sendiri memperlakukan notifikasi sebagai sesuatu yang dapat mengganggu pengguna sehingga aplikasi harus meminta izin sebelum menampilkan peringatan, suara, atau badge. Untuk background notification, sistem Apple juga dapat menunda atau membatasi pengiriman ketika jumlah notifikasi terlalu tinggi.
Penelitian Moriuchi, Hollebeek, dan Lim (2025) juga menunjukkan adanya hubungan antara paparan push notification, keterlibatan pengguna, dan smartphone addiction. Studi tersebut mengaitkan penggunaan smartphone yang bermasalah dengan konsekuensi terhadap wellbeing.
Karena itu, sistem notifikasi modern tidak hanya perlu mengejar jumlah interaksi. Pengembang juga perlu mempertimbangkan frekuensi, relevansi, dan pengalaman pengguna dalam jangka panjang.
Pada akhirnya, notifikasi yang muncul di layar smartphone merupakan bagian kecil dari sistem yang jauh lebih besar.
Di belakang sebuah pesan singkat dapat terdapat proses:
Pengumpulan data → segmentasi pengguna → personalisasi → prediksi → pemilihan waktu → pengiriman → pengukuran respons → optimasi berikutnya.
Respons pengguna kemudian menjadi data baru. Ketika seseorang membuka notifikasi, mengabaikannya, atau mematikan izin notifikasi, informasi tersebut dapat digunakan untuk mengevaluasi strategi berikutnya. Firebase, misalnya, menyediakan metrik seperti impressions dan opens untuk membantu pengembang memahami performa pesan.
Inilah yang membuat notifikasi menjadi lebih dari sekadar fitur komunikasi. Ia merupakan titik pertemuan antara software engineering, data analytics, machine learning, product design, dan psikologi pengguna.
Kita memang tetap memiliki kendali untuk membuka atau mengabaikan sebuah notifikasi. Namun, pilihan tersebut terjadi setelah sistem menentukan pesan apa yang muncul, kepada siapa pesan ditampilkan, dan dalam konteks apa pesan tersebut diterima.
Semakin canggih teknologi di belakang aplikasi, semakin personal pula cara aplikasi berkomunikasi dengan penggunanya.
Notifikasi mungkin hanya membutuhkan beberapa kata di layar. Namun, di balik beberapa kata tersebut bisa bekerja sebuah sistem yang memanfaatkan jutaan data dan terus belajar dari setiap respons pengguna.
