Zest meluncurkan aplikasi temuan restoran yang tidak bertanya 'Apa yang ingin Anda makan?', tapi membaca 'Di mana Anda benar-benar makan'. Platform ini mengandalkan data transaksi finansial aktual—bukan ulasan, bukan klik, bukan bahkan lokasi GPS—untuk membangun profil kuliner pengguna secara otomatis.
Rekomendasi Tanpa Satu Pun Ulasan Pengguna
Tidak ada tombol 'suka', tidak ada formulir preferensi, dan tidak ada sistem penilaian bintang lima. Zest memotong seluruh lapisan subjektivitas yang biasanya mengotori rekomendasi kuliner digital. Alih-alih mengandalkan perilaku deklaratif (apa yang orang katakan mereka suka), Zest mengandalkan perilaku transaksional: riwayat pembayaran di restoran, frekuensi kunjungan, waktu pemesanan, dan pola pengeluaran. Menurut TechCrunch Startups, pendekatan ini membuat Zest berbeda dari semua pemain besar seperti Google Maps, Yelp, atau bahkan aplikasi lokal seperti GoFood dan GrabFood—yang masih mengandalkan kombinasi rating, algoritma konten, dan perilaku klik.
Model ini juga menghindari bias 'reviewer effect': sebagian besar ulasan di platform konvensional berasal dari segmen kecil pengguna—biasanya mereka yang punya waktu luang, akses internet stabil, dan dorongan emosional kuat (baik positif maupun negatif). Di Indonesia, riset Lembaga Survei Nasional (LSI) 2023 menunjukkan hanya 12% konsumen restoran aktif menulis ulasan setelah makan—dan 68% di antaranya adalah pelanggan kelas menengah atas berusia 25–34 tahun. Zest justru menjangkau sisa 88% yang tidak pernah menulis, tetapi terus membayar.
Baca juga: Samsung SDS Gandeng Startup AI untuk Perkuat Keamanan Multi-Cloud
Bukan AI untuk Memprediksi Selera, Tapi Merekam Pola Nyata
AI dalam Zest bukan mesin prediksi selera, melainkan sistem klasifikasi transaksional yang dilatih pada ribuan pola pembayaran—mulai dari nama merchant di struk kartu hingga kategori MCC (Merchant Category Code) yang ditetapkan oleh Visa dan Mastercard. Misalnya, transaksi di 'Warung Nasi Padang Sederhana' dengan kode MCC 5812 (restoran keluarga) di jam 12.30–13.45 selama tiga kali dalam seminggu akan dikategorikan sebagai 'ritual siang harian', tidak hanya 'preferensi masakan Minang'. Ini memungkinkan Zest membedakan antara 'makan di sini karena dekat kantor' dan 'makan di sini karena benar-benar suka rasa'. Teknologi ini tidak menggantikan penilaian manusia—melainkan menghilangkan asumsi tentangnya.
Dilansir TechCrunch Startups, Zest telah mengamankan pendanaan awal dari dua rumah modal ternama: 776 milik Alexis Ohanian (co-founder Reddit) dan Kindred Ventures, yang dikenal fokus pada startup berbasis data nyata. Keduanya tidak berinvestasi di 'platform ulasan baru', tapi juga di infrastruktur pemahaman perilaku konsumen yang bisa diadaptasi lintas industri—mulai dari ritel hingga layanan keuangan. Di Indonesia, model serupa sedang diuji oleh Bank Mandiri lewat program 'Lifestyle Insights', namun masih terbatas pada internal bank dan belum tersedia sebagai aplikasi publik.
Baca juga: Apa Arti $500 Juta untuk AI di Asia Pasifik?
Keunggulan teknis ini justru menciptakan tantangan regulasi baru. Di Indonesia, Undang-Undang Perlindungan Data Pribadi (UU PDP) Pasal 22 mengharuskan persetujuan eksplisit untuk pemrosesan data keuangan sensitif. Artinya, Zest tidak bisa sekadar menghubungkan akun bank pengguna—ia harus menjelaskan secara transparan bagaimana tiap transaksi diklasifikasikan, disimpan, dan digunakan. Ini berbeda dari model 'izin satu kali' yang lazim di aplikasi dompet digital. Di sini, izin harus spesifik: 'Anda mengizinkan Zest membaca transaksi restoran, bukan semua transaksi'. Belum ada startup lokal yang mengambil pendekatan seketat ini—kebanyakan memilih jalan aman: integrasi via API layanan pihak ketiga seperti DANA atau LinkAja, yang sudah memiliki kerangka persetujuan lebih luas.
Zest tidak menargetkan pasar 'foodie' urban—segmen yang paling sering jadi target aplikasi kuliner. Ia justru menyasar pekerja kantoran berpenghasilan Rp8–15 juta/bulan di kota besar, yang pola makannya sangat konsisten tapi jarang dieksplorasi secara teknis. Mereka tidak butuh restoran 'instagramable', tapi butuh tempat yang cepat, terjangkau, dan konsisten—seperti warung soto Betawi di dekat stasiun Sudirman yang muncul tiga kali seminggu di riwayat kartu kredit pengguna. Inilah yang tidak bisa ditangkap oleh algoritma berbasis trending atau viral content.
Fakta tambahan yang mengejutkan: Zest tidak menyimpan data transaksi asli. Semua riwayat diproses secara lokal di perangkat pengguna sebelum dikirim ke server dalam bentuk vektor pola—bukan file CSV atau screenshot struk. Artinya, tidak ada database pusat berisi 'riwayat makan Pak Budi di 47 restoran selama 18 bulan'. Pendekatan ini bukan hanya memenuhi UU PDP, tapi juga menghilangkan insentif komersial untuk menjual data mentah—sebuah praktik yang masih marak di ekosistem aplikasi lokal berbasis lokasi.