Hemat Waktu Follow-up Member dan Bikin Program Latihan Gym dengan Claude Code

Jumat malam jam 10. Setelah mengantar member terakhir keluar dan mematikan separuh lampu di area depan, saya masih duduk di depan laptop. Masih ada 12 member yang harus saya hubungi minggu depan. Member A frekuensi datangnya menurun sejak bulan lalu. Member B sudah dua minggu sejak daftar tapi belum sekali pun booking. Saya buka kartu data satu per satu, cek program latihan terakhirnya, lalu mengetik pesan WhatsApp basa-basi seperti “Apa kabar belakangan ini?”. Kalau ini dikerjakan tiap minggu, ada hari di mana waktu untuk urusan menghubungi member malah lebih panjang daripada waktu melatih.

Lebih parah lagi, sambil memikirkan kalimat follow-up, fokus saya habis, dan saya belum sempat memikirkan hal yang sebenarnya penting: “kenapa orang ini jadi jarang datang?”. Akhirnya saya kirim pesan yang cuma sedikit ubah dari template. Baru sadar belakangan: “Ah, member itu akhirnya berhenti juga.” Penyesalan seperti itu, saya rasa siapa pun yang punya gym pernah mengalaminya minimal sekali.

“Rawa pekerjaan menghubungi member” ini saya serahkan cukup banyak ke Claude Code dan AI generatif. Bukan otomatisasi sempurna. Tapi setelah saya buat pola di mana pekerjaan persiapan dikerjakan AI dan manusia tinggal mengambil keputusan, pekerjaan administratif mingguan terasa berkurang lebih dari setengah. Hari ini saya tinggalkan caranya, lengkap dengan template yang bisa langsung Anda salin.

Poin penting

Inti follow-up member bukan “waktu menulis pesan”, melainkan “waktu memutuskan siapa diberi pesan apa”. Serahkan persiapan ke AI, keputusan mengirim tetap di tangan manusia.
Tiga hal ini cocok diserahkan ke AI: menyaring member yang menunjukkan tanda mau berhenti, membuat draf pesan follow-up, dan membuat rancangan awal program latihan.
Saya sertakan template prompt yang bisa langsung dipakai, plus skrip cek untuk menangani data member dengan aman.
Rancang alur supaya nama asli dan kontak tidak pernah diberikan ke AI. Jalankan semuanya hanya dengan ID anonim.
Bahkan untuk gym kecil, pengurangan 3 sampai 5 jam kerja administratif per minggu adalah angka yang realistis.

Mari kita susun dulu pembaca sasaran dan alur kerja saat ini

Artikel ini berguna, misalnya, untuk orang seperti ini: pemilik gym menengah-kecil atau personal gym dengan 50 sampai 300 member, atau trainer di lapangan. Tidak punya staf administrasi khusus, atau kalaupun ada hanya satu orang. Pemasaran sudah jalan lumayan, tapi member yang baru masuk diam-diam menghilang dalam 3 bulan. Anda ingin mengatasinya, tapi sudah kewalahan dengan pekerjaan melatih sehari-hari.

Kalau kita uraikan pekerjaan follow-up saat ini, kira-kira berputar dalam urutan ini.

Buka riwayat kunjungan atau sistem booking, lalu mencari-cari member yang akhir-akhir ini tidak datang
Mengingat-ingat kartu data, program terakhir, dan target orang itu
Memikirkan kalimat follow-up lalu mengirimnya lewat WhatsApp atau aplikasi
Kalau ada balasan, mengarahkannya ke booking berikutnya
Menyusun program latihan minggu depan satu per satu

Masalahnya, langkah 1 sampai 3 selalu “dikerjakan manual dari nol setiap kali”. Dua kerja ulang yang paling sering terjadi di sini: “kelewatan menyaring orang yang tidak datang” dan “harus menyusun ulang program setelah mendengar member ganti kondisi tubuh atau target”. Yang pertama langsung berdampak ke omzet, tapi justru sering ditunda.

Use case 1: Menyaring member dengan tanda mau berhenti setiap minggu

Langkah pertama adalah membuat daftar “siapa yang harus di-follow-up”. Bagian ini cocok untuk AI karena tugasnya menjajarkan bahan pertimbangan secara mekanis.

Kalau sistem booking Anda bisa mengekspor CSV, berikan tanggal kunjungan, tanggal daftar, dan ada-tidaknya booking terbaru dalam bentuk ID anonim, lalu minta diurutkan dari yang paling berisiko. Nama asli tidak diberikan. Cukup nomor member atau ID yang sudah di-hash.

Minta AI menyaring member yang memenuhi checklist di bawah ini sebagai “perlu follow-up”.

Tidak datang dalam 14 hari terakhir (member dengan asumsi 2x seminggu)
Dalam 30 hari sejak daftar tapi datang 2 kali atau kurang
Tidak ada balasan maupun kunjungan setelah follow-up terakhir
Tinggal kurang dari 1 bulan menuju batas waktu target

Yang diserahkan ke AI cuma sampai sini. “Orang ini mau dibilang apa” dan “perlu dihubungi atau tidak” diputuskan manusia. Misalnya konteks lapangan seperti “minggu lalu dia cerita habis cedera, jadi sekarang jangan disinggung dulu” tidak muncul di data. Bagian itu yang ditangkap manusia.

Use case 2: Menyiapkan draf pesan follow-up per member

Setelah daftar siap, berikutnya adalah isi pesan. Di sini AI sangat membantu. Tapi pesan yang akan dikirim tidak dikirim otomatis begitu saja. Biarkan AI membuat draf, lalu manusia merapikannya dalam 3 detik. Inilah takaran yang pas menurut saya.

Kalau Anda minta draf dengan nada berbeda berdasarkan tipe member, proses memeriksanya jadi lebih cepat.

Tipe member	Situasi	Arah isi pesan
Baru daftar, frekuensi rendah	2 minggu tidak datang	Kurangi rasa cemas. Tawarkan target kecil berikutnya
Mulai jenuh	Kunjungan turun jadi 2x sebulan	Tinjau pencapaian. Jelaskan fase stagnan
Hampir capai target	Tinggal sedikit lagi	Gambarkan target berikutnya bersama setelah tercapai
Lama tak terhubung	Vakum lebih dari 1 bulan	Jangan menyalahkan. Turunkan hambatan untuk mulai lagi

Kalau pembagian tipe ini Anda masukkan ke prompt, AI akan menuliskan isi pesan yang berbeda-beda sekaligus.

Use case 3: Membuat rancangan awal program latihan

Yang ketiga adalah penyusunan program. Begitu Anda memberikan target member, kondisi saat ini, alat yang tersedia, dan beban terakhir, AI mengembalikan rancangan awal per minggu.

Yang ingin saya tekankan di sini: yang dikeluarkan AI adalah “rancangan awal”. Keterbatasan rentang gerak, riwayat penyakit, kondisi tubuh hari itu, kebiasaan postur. Bagian-bagian yang langsung terkait keamanan seperti ini wajib ditimpa oleh trainer. Yang diserahkan ke AI hanya sampai kombinasi gerakan, perkiraan jumlah set, dan usulan kenaikan beban dari sebelumnya. Yang memutuskan “boleh tidak orang ini diberi beban segini” tetap manusia.

Tetapkan dengan jelas batas yang wajib diputuskan manusia.

Boleh tidaknya gerakan yang menyangkut riwayat penyakit atau bagian tubuh yang nyeri
Apakah mengizinkan beban tinggi atau intensitas tinggi
Mengganti program melihat kondisi tubuh member hari itu
Saran pribadi soal pola makan atau suplemen (terutama ranah yang dekat ke medis, lebih hati-hati)

Template prompt yang bisa langsung disalin

Ini template yang sebenarnya saya pakai. Data member hanya berupa ID anonim, nama asli dan kontak tidak dimasukkan.

Anda adalah asisten follow-up untuk gym fitness menengah-kecil.
Baca data member berikut (hanya ID anonim, riwayat kunjungan, dan target), lalu:
1) Urutkan member yang perlu di-follow-up dari yang paling berisiko
2) Untuk tiap member, buat 1 draf pesan WhatsApp yang tidak menyalahkan dan memuat target kecil berikutnya
   - Maksimal 120 karakter, emoji maksimal 1, gunakan sapaan sopan
   - Tandai tipenya: baru daftar / mulai jenuh / lama tak terhubung
3) Sertakan 1 baris catatan yang perlu dicek trainer

Keluarkan dalam bentuk tabel. Jangan keluarkan nama asli, telepon, atau alamat.
Data:
{tempel CSV anonim di sini}

Untuk program latihan, ini templatenya.

Anda adalah asisten personal trainer.
Baca target member, kondisi saat ini, alat yang tersedia, dan program terakhir,
lalu buat rancangan awal program untuk 3 sesi minggu ini.
- Nama gerakan, perkiraan jumlah set, usulan kenaikan beban dari sebelumnya
- Tulis 1 baris per hari soal hal keamanan yang perlu dicek trainer
- Gerakan yang menyentuh riwayat penyakit wajib ditandai "perlu dicek"
Keluarkan dalam bentuk tabel. Tulis dengan asumsi keputusan akhir di tangan trainer.
Data member:
{tempel data anonim di sini}

Skrip cek untuk melindungi data pribadi

Sebelum data member diberikan ke AI, cek secara mesin apakah ada nama asli, telepon, atau email yang tercampur. Pemeriksaan dengan mata pasti ada yang lolos, jadi tempatkan satu penjaga di sini. Ini skrip cek kecil yang berjalan di Node.js.

import { readFile } from "node:fs/promises";

// Penjaga yang mengecek secara mesin apakah ada data pribadi tercampur di CSV
const text = await readFile(process.argv[2] || "members.csv", "utf8");

const rules = [
  { name: "Nomor telepon", re: /0\d{1,4}-?\d{1,4}-?\d{3,4}/g },
  { name: "Email", re: /[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}/g },
  { name: "Kolom nama", re: /(nama|nama lengkap|fullname|name)\s*[:,]/gi },
];

let hit = 0;
for (const rule of rules) {
  const found = text.match(rule.re);
  if (found) {
    hit += found.length;
    console.log(`NG: terdeteksi ${found.length} nilai yang mirip ${rule.name}`);
  }
}

if (hit === 0) {
  console.log("OK: tidak ditemukan nilai yang mirip data pribadi. Aman diberikan dengan ID anonim.");
  process.exit(0);
} else {
  console.log("--- Hapus kolom terkait sebelum diberikan ke AI ---");
  process.exit(1);
}

Cara menjalankannya cuma ini.

node check-pii.mjs members.csv

Kalau muncul NG, hapus kolom itu dulu sebelum diberikan. Dengan aturan “jangan berikan ke AI sampai muncul OK”, insiden tak sengaja menempel nama asli akan hilang. Kalau Anda minta Claude Code “jalankan skrip ini ke semua CSV di dalam folder”, skrip ini otomatis dijalankan setiap kali Anda mengekspor data. Cara memulai dari dasar ada di Panduan memulai Claude Code, dan cara mengajari aturan khusus proyek ada di Praktik terbaik CLAUDE.md.

Apa yang berubah sebelum dan sesudah penerapan

Lebih mudah dipahami kalau ditulis dengan angka, jadi saya taruh perkiraan kasar dari pengalaman saya. Ini waktu yang saya habiskan untuk follow-up mingguan di gym berskala 120 member.

Pekerjaan	Sebelum	Sesudah
Menyaring member yang perlu di-follow-up	sekitar 60 menit	sekitar 10 menit
Membuat pesan follow-up (12 orang)	sekitar 90 menit	sekitar 25 menit
Membuat rancangan program (10 orang)	sekitar 120 menit	sekitar 40 menit
Total (per minggu)	sekitar 4,5 jam	sekitar 1,25 jam

Pengurangannya tiga jam lebih per minggu. Dihitung dengan tarif jam, itu setara beberapa ratus ribu rupiah per bulan, tapi yang lebih besar adalah kembalinya “waktu untuk memakai otak buat melatih”. Trik menaikkan presisi prompt bisa Anda pelajari di Teknik prompt engineering lanjutan. Yang belum terbiasa dengan AI, sebaiknya mulai dari Pengantar Claude Code untuk non-engineer supaya lebih mudah masuk.

Sebagai patokan ROI, kalau biaya tool sekitar seratus ribuan per bulan, asal follow-up yang lebih kuat bisa mencegah 1 member berhenti per bulan, modalnya sudah balik dengan santai. Untuk angka tingkat berhenti member, selain merujuk data publik seperti dari Organisasi Kesehatan Dunia (WHO) soal aktivitas fisik, paling pasti diukur dengan angka nyata gym Anda sendiri.

Pertanyaan umum

T. Apakah aman mengirim langsung pesan yang ditulis AI? Sebaiknya jangan. Pakai sebagai draf, dan wajib dibaca manusia sebelum dikirim. Cukup menambahkan nama member atau satu hal yang baru terjadi, dan kesan “robot”-nya hilang. Kunci untuk tidak merusak kepercayaan adalah tidak mengotomatiskan proses pengiriman itu sendiri.

T. Boleh tidak memasukkan nama atau kontak member ke AI? Jangan dimasukkan. Cukup dijalankan dengan ID anonim plus riwayat kunjungan dan target. Kalau Anda menerapkan aturan mengecek dengan skrip di atas sebelum memberikan data, insiden hampir pasti bisa dicegah.

T. Apakah bisa dipakai meski kurang mahir komputer? Claude Code bisa diperintah lewat percakapan. Asal Anda bisa sampai tahap mengekspor CSV dan menempel prompt, itu sudah cukup. Langkah kecil pertama ada di artikel pengantar.

T. Saya khawatir soal keamanan program latihan. Anggap output AI hanya sampai rancangan awal. Pengaturan beban dan gerakan yang menyentuh riwayat penyakit wajib ditimpa trainer. Kalau batas ini Anda tetapkan dari awal, AI bisa dipakai dengan aman sebagai petugas persiapan.

T. Sebaiknya mulai dari pekerjaan yang mana? Saya sarankan mulai dari menyaring member yang perlu di-follow-up. Karena kalaupun gagal tidak merepotkan siapa pun, dan hasilnya cepat terlihat. Setelah terbiasa, kembangkan ke pesan follow-up, lalu terakhir program latihan, supaya tidak memberatkan.

Hasil yang saya coba sendiri

Yang saya buktikan adalah: mana yang lebih bertahan di lapangan, “menyerahkan semuanya ke AI” atau “menyerahkan hanya persiapannya”. Kesimpulannya, yang bertahan adalah yang kedua.

Awalnya saya terlalu ambisius dan membangun sampai pengiriman otomatis. Tapi ketika saya kirim “Bagaimana kondisi Anda minggu lalu?” ke seorang member, ternyata orang itu sehari sebelumnya baru datang dan lapor kondisinya prima. Impor datanya meleset satu hari. Saya pucat setelah mengirim. Sejak itu, saya kembalikan ke pola di mana pengiriman wajib ditekan manusia.

Sebaliknya, skrip cek dan penyaringan justru kena jackpot. Setelah saya selipkan pengecekan tercampurnya nama asli, insiden “hampir menempel daftar member apa adanya” yang beberapa kali bikin jantung berdebar jadi nol. Penyaringan member yang perlu di-follow-up juga, dibanding dulu yang mencari berdasarkan firasat, sekarang lebih sedikit yang kelewatan, dan follow-up pertama untuk member dalam 1 bulan sejak daftar jadi sempat dikerjakan. Untuk perusahaan yang ingin serius menjalankannya, ada juga pelatihan dan konsultasi untuk menyusun rancangan yang pas dengan lapangan bersama-sama. Mau coba sendiri dulu? Materi dan PDF gratis saya taruh di sini. Lebih jauh, kalau Anda mau menambah kebiasaan kerja yang lebih efisien, tips produktivitas Claude Code bisa jadi rujukan. AI memang bukan sihir, tapi cukup dengan menjaga pembagian ini, serahkan persiapan ke AI dan manusia fokus pada keputusan, Jumat malam jam 10 jadi terasa lebih cepat untuk pulang.