4 Minggu Berjalan: Membangun Platform Marketing 10-Agent Sambil Tidur Siang

UPDATE (November 2025): STRAŦUM sekarang live! Apa yang dimulai sebagai "speed run 4 minggu" berkembang menjadi aplikasi marketing intelligence lengkap dengan 9 agent. Baca cerita peluncuran lengkapnya: STRAŦUM: Aplikasi Marketing 9-Agent yang Saya Bangun dalam 75 Hari

Coba sekarang: di stratum.chandlernguyen.com (Private Alpha - akses hanya dengan undangan)

Enam hari. Itulah berapa lama saya menunggu setelah meluncurkan DIALØGUE sebelum memulai proyek berikutnya.

Kamu mungkin berpikir "bukannya harusnya kamu, entahlah, memasarkan generator podcast-mu? Dapat pengguna? Perbaiki bug?" Dan kamu sepenuhnya benar. Tapi begini — saya ingin melihat sejauh mana dan secepat apa saya bisa mendorong diri sendiri dengan tool AI baru. Sebut saja speed run, sebut saja overambition, sebut saja apa yang terjadi ketika Claude Code dan Gemini 2.5 Pro membuat membangun seru lagi.

Timeline yang Seharusnya Tidak Mungkin

Biar saya kasih perspektif:

- DIALØGUE: 6-7 bulan dari baris kode pertama sampai peluncuran

- Marketing Suite: 4 minggu berjalan, sudah punya 3 AI agent yang berbicara satu sama lain

Melihat git history, pada akhir hari pertama, saya sudah punya:

- Arsitektur multi-tenant dengan hierarki organization → client → campaign

- Frontend React awal dengan autentikasi

- Business Strategy Agent yang berfungsi menggunakan 11 framework berbeda, mencakup berbagai region. Framework ini digunakan oleh firma konsultansi global/regional terkemuka. Misalnya:

- Integrasi Supabase dengan Row Level Security

Itu lebih dari yang saya capai di bulan pertama membangun DIALØGUE.

Angka-Angka yang Membuat Saya Terus Semangat

Beberapa metrik cepat dari 4 minggu terakhir:

- Fitur yang di-ship: 3 agent lengkap + arsitektur multi-tenant

- Baris kode: ~117.000 (Python: 39k, TypeScript: 58k, SQL: 20k, Javascript: sisanya)

- Tabel database: 39 (masing-masing melayani tujuan spesifik - lebih lanjut nanti)

- Git commit: 232 (dalam sekitar 26 hari)

- Kopi yang diminum: Jangan tanya

Kenapa Proyek Ini Sebenarnya 10x Lebih Sulit

DIALØGUE memang kompleks, tentu. AWS Lambda functions, Step Functions, akhirnya migrasi semuanya ke Google Cloud Run. Tapi pada dasarnya, itu tool satu-tujuan: generate podcast. Satu tipe pengguna. Satu workflow. Satu happy path.

Marketing Suite ini? Biar saya tunjukkan apa yang saya maksud:

Skenario Nyata: Sebuah agensi mengelola Nike dan Adidas (hipotetis). Strategist agensi menggunakan Business Strategy Agent untuk menganalisis posisi Nike. Analisis itu otomatis disimpan ke tabel strategy_outputs. Ketika mereka beralih ke Persona Agent, dia mengambil strategi Nike untuk menginformasikan pengembangan persona — tapi TIDAK BISA melihat data Adidas. Sementara itu, brand guidelines Nike di tabel brand_guidelines mengalir ke Content Agent, memastikan setiap konten menggunakan suara Nike, bukan Adidas.

Ini membutuhkan:

- Tabel organizations dengan tipe SME vs AGENCY

- Tabel clients (hanya untuk agensi)

- Campaigns dengan foreign key ke org DAN client

- strategy_outputs dengan isolasi level campaign

- brand_guidelines dengan inheritance hierarkis

- Row Level Security policies di setiap tabel

Itu hanya satu workflow. Sekarang kalikan dengan 10 agent, masing-masing dengan kebutuhan data mereka sendiri.

Apa yang Sebenarnya Berfungsi (Dan Apa yang Masih Kacau)

Berfungsi (3 Agent Live + Business Intelligence)

Business Strategy Agent: Ini bukan generator SWOT biasa. Ini menerapkan 11 framework komprehensif:

- SWOT Analysis

- Porter's Five Forces (Persaingan kompetitif, Kekuatan pemasok, Kekuatan pembeli, Ancaman substitusi, Ancaman pendatang baru)

- Business Model Canvas (9 building block desain bisnis)

- ICE Prioritization (Skor Impact, Confidence, Ease)

- BCG Growth-Share Matrix (Stars, Cash Cows, Question Marks, Dogs)

- VRIO Framework (Value, Rarity, Imitability, Organization)

- Three Horizons Model (Inti saat ini, Peluang yang muncul, Taruhan masa depan)

- Blue Ocean Strategy (Grid Eliminate, Reduce, Raise, Create)

- McKinsey 7S Framework (Strategy, Structure, Systems, Shared Values, Skills, Style, Staff)

- OKRs Framework (Objectives and Key Results)

- Jobs to Be Done (Customer jobs, Pains, Gains)

Setiap framework menghasilkan data terstruktur yang mengalir ke agent lain. Ketika kamu menjalankan analisis SWOT, "Opportunities" otomatis menginformasikan taktik pertumbuhan Marketing Strategy Agent.

Persona Agent: Menghasilkan persona pelanggan detail dengan 15+ atribut DAN — ini bagian gilanya — kamu bisa menginterview mereka. Percakapan aktual:

Kamu: "Apa yang paling membuat frustrasi soal tool manajemen proyek saat ini?"

Persona (Tech Startup Founder): "Perpindahan konteks yang konstan. Saya perlu cek Slack, lalu Asana, lalu dashboard analytics kami. Pada saat saya tahu apa yang perlu perhatian, saya sudah kehilangan 30 menit."

Setiap respons interview menjadi lebih pintar karena mengambil dari history persona_interactions. Pengguna menghabiskan 20-30 menit dalam interview ini. Satu pengguna berkata "Ini seperti focus group tapi instan dan benar-benar berguna."

Marketing Strategy Agent: Ini jembatannya. Dia mengambil strategi bisnismu, memahami persona-mu, dan membuat rencana go-to-market yang actionable. Dia tidak hanya bilang "gunakan media sosial" — dia memetakan persona spesifik ke channel spesifik dengan messaging spesifik. Taktik zero-budget untuk startup bootstrapped. Alokasi budget 70-20-10 untuk SME. Orkestrasi multi-channel untuk enterprise.

Business Intelligence (Pahlawan Tersembunyi): Setiap percakapan dengan agent mana pun secara otomatis mengekstrak insight dan membangun knowledge organisasi. Bicara dengan Strategy Agent tentang memasuki pasar Eropa? Insight itu tersimpan di tabel ai_insights. Minggu depan ketika kamu menggunakan Content Agent, dia sudah tahu tentang rencana ekspansi Eropa-mu. Tidak perlu menjelaskan ulang. Tidak ada konteks yang hilang.

Masih Dibangun (7 Agent Berikutnya)

Campaign Execution Agent: Di sinilah segalanya jadi menyeramkan. Bagaimana cara menyimpan API key untuk Google Ads, Meta, LinkedIn, TikTok dengan aman? Rencana saat ini melibatkan penyimpanan terenkripsi di tabel platform_credentials dengan audit log untuk setiap API call. Tapi model izinnya membuat saya tidak bisa tidur.

Analytics Agent: API mana yang diintegrasikan duluan? Google Analytics 4? Meta ads? LinkedIn Analytics? Tantangannya bukan hanya menarik data — tapi menormalisasinya lintas platform agar kamu benar-benar bisa membandingkan apel dengan apel.

ROI & Budget Agent: Tracking real-time lintas multiple platform dengan model atribusi berbeda. Bagaimana kamu merekonsiliasi data-driven attribution Google dengan model Meta? Masih mencari tahu.

4 Agent Lainnya: Quick Wins (menemukan peluang langsung), Competitive Intelligence (analisis kompetitor yang etis), Client Success (strategi retensi), dan Content Agent (yang sebenarnya sudah bekerja tapi butuh poles).

Pertanyaan Sulit yang Membuat Saya Tidak Bisa Tidur

- Nama brand: harus saya sebut apa aplikasi ini? :P Kalau punya saran bagus, kasih tahu di bawah!

- API Security: Bagaimana menangani API key untuk multiple platform iklan tanpa jadi mimpi buruk keamanan?

- Cohesive Experience: Bagaimana membuat 10 agent terspesialisasi terasa seperti satu platform terpadu alih-alih 10 tool berbeda yang ditempel selotip

- dan banyak lagi :)

Evolusi Arsitektur: Belajar dari Rasa Sakit

Dengan DIALØGUE, saya belajar dengan cara yang sulit tentang race condition. Ingat bug signup 3 menit itu? Pengguna baru akan menunggu selamanya karena auth trigger dan Edge Function berlomba membuat user record yang sama.

Kali ini, saya membangunnya dengan benar dari hari pertama. Ini contoh aktual dari beberapa hari lalu:

Masalahnya: Marketing Strategy Agent perlu tahu persona apa yang ada, strategi apa yang sudah dibuat, dan brand guidelines apa yang harus diikuti — sambil menjaga isolasi data yang lengkap.

Solusinya: Alih-alih setiap agent query multiple tabel (lambat, kompleks, rawan error), saya membangun Enterprise Context Service yang bertindak sebagai satu sumber kebenaran:

// Sebelum: Setiap agent membuat multiple query
  const personas = await supabase.from('personas').select()
  const strategies = await supabase.from('strategies').select()
  const guidelines = await supabase.from('brand_guidelines').select()

  // Sesudah: Satu service yang cerdas
  const context = await getEnterpriseContext(campaignId)
  // Mengembalikan data yang difilter, di-cache, dengan scope yang benar dalam 45ms

Hasilnya? Content Agent bisa langsung mengakses brand voice guidelines, melihat persona mana yang harus ditulis, dan memahami strategi marketing — semuanya dalam satu call yang menghargai batasan data.

Perbedaan Kecepatan Itu Nyata

14 September itu gila. Lihat git log aktual dengan timestamp:

08:04 AM - Migrasi frontend ke standardized API client
08:19 AM - Selesai standardisasi API (100% coverage)
11:34 AM - Phase 1: Konfigurasi route terpusat
            (tidak ada lagi hardcoded URL di mana-mana)
1:00 PM  - Phase 2: Standarisasi semua 10 halaman agent
            (pola URL konsisten seperti /agents/strategy/:campaignId)
1:10 PM  - Phase 3.1: Core context management
            (hierarki workspace → client → campaign di URL)
4:31 PM  - Phase 3.2: Komponen navigasi jadi context-aware
            (breadcrumb menunjukkan "Nike › Summer Campaign › Strategy Agent")
4:38 PM  - Phase 3.3: Semua agent terintegrasi dengan sistem konteks
            (beralih campaign tetap mempertahankan posisi)
5:03 PM  - Phase 3.4: Testing & Polish
            (92% pengurangan bundle size melalui code splitting)

Enam perbaikan arsitektur besar. Sistem URL saja menyentuh 40+ file di seluruh codebase. Sebelum bantuan AI, ini akan jadi refactor seminggu dengan mungkin beberapa fitur yang rusak.

Dan saya sebenarnya tidak di depan komputer sebagian besar waktu :D

Itu hari Minggu jadi kami pergi ke gereja, supermarket, makan siang lengkap dengan seafood, tidur siang, pergi ke Costco dan main beberapa game di iPad. Ini mungkin karena AI assisted coding. Terima kasih Claude Code dan Gemini CLI! Ini yang dimaksud standardisasi URL untuk pengguna:

// Sebelum: Konteks hilang saat beralih antar agent
  "/strategy" // Campaign mana? Client mana? Siapa tahu?

  // Sesudah: Konteks dipertahankan di URL
  "/workspace/nike/campaign/summer-2025/agents/strategy"
  // Bookmark, share, refresh - konteks tetap utuh

Kenapa Membangun Ini Ketika DIALØGUE Baru Diluncurkan?

Karena saya bisa. Karena tool-nya sudah sebagus itu. Karena setelah 20+ tahun di periklanan, saya akhirnya punya skill untuk membangun platform marketing yang selalu ingin saya gunakan.

Tapi yang utama? Karena saya ingin mendokumentasikan apa yang mungkin ketika kamu menggabungkan domain expertise dengan tool AI modern. Ini bukan soal menggantikan developer — ini soal meng-amplifikasi mereka. Empat minggu lalu, membangun sesuatu sekompleks ini akan membutuhkan tim. Sekarang membutuhkan determinasi, asisten AI yang bagus, dan kafein dalam jumlah berbahaya. (Meskipun seperti yang kemudian saya temukan ketika membangun aplikasi iOS native tanpa menguasai Swift, AI membawamu sekitar 60% — 40% terakhir soal taste dan polish masih sepenuhnya manusia.)

Apa Selanjutnya?

Saya menargetkan peluncuran alpha di Oktober/November. Ini yang perlu terjadi:

- Selesaikan 7 agent tersisa

- Bangun interface perencanaan campaign

- Cari tahu keamanan integrasi platform iklan

- Pastikan UI/flow agensi masuk akal

- Test semuanya dengan pengguna nyata (mengerikan)

Analytics Agent saja perlu mengagregasi data dari Google Analytics, platform iklan, dan metrik internal ke dashboard terpadu. ROI Agent butuh tracking budget near real-time lintas multiple platform.

Masing-masing adalah proyek tersendiri. Tapi dengan kecepatan ini? Rasanya benar-benar mungkin???

Ingin ikuti perkembangannya? Saya akan berbagi lebih banyak update sambil membangun.

Membangun secara publik berarti berbagi kekacauan bersama kemenangan. Saat ini, kebanyakan kekacauan. Tapi ini kekacauan yang produktif, dan itulah yang penting.

Cek lagi sebulan dari sekarang. Kalau semua berjalan baik, kamu akan bisa menguji platform marketing yang punya AI agent yang melakukan pekerjaan seluruh departemen marketing. Kalau tidak berjalan baik... yah, setidaknya postingan blognya akan menghibur. :P