P Pesatnya pertumbuhan e-commerce telah mendorong kebutuhan akan layanan pelanggan yang lebih cepat, akurat, dan responsif. salah satu inovasi yang banyak digunakan adalah chatbot berbasis ai. namun, dalam praktiknya, banyak chatbot masih kesulitan memahami konteks percakapan yang berkelanjutan, sehingga menghasilkan respons yang kurang relevan. penelitian ini bertujuan untuk mengembangkan chatbot berbasis framework rasa dengan menerapkan teknik context analysis, seperti slot filling, session tracking, dan context retention, guna meningkatkan akurasi respons dalam percakapan multi-turn.metode penelitian ini mengikuti pendekatan crisp-dm, yang meliputi tahapan business understanding, data preparation, modeling, evaluation, dan deployment. dataset percakapan disusun secara buatan untuk mensimulasikan skenario pencarian produk elektronik di e-commerce. evaluasi kinerja chatbot dilakukan menggunakan metrik nlp seperti precision, recall, f1-score, serta survei user satisfaction untuk mengukur tingkat kepuasan pengguna. hasil yang diharapkan adalah peningkatan signifikan dalam akurasi respons chatbot serta pengalaman interaksi pengguna yang lebih natural.penelitian ini diharapkan dapat memberikan kontribusi nyata dalam pengembangan chatbot e-commerce yang lebih cerdas dan kontekstual, serta menjadi referensi bagi pengembangan sistem percakapan berbasis context analysis di masa depan.