Hasil Pencarian  ::  Simpan CSV :: Kembali

"Selama pandemi ini, para pemangku kepentingan pariwisata dan perhotelan di Indonesia harus menyesuaikan strategi mereka untuk bertahan hidup. Meskipun sebagian besar penduduk Indonesia aktif dan konsumtif di Internet, mereka membutuhkan dorongan motivasi seperti keterlibatan untuk mengeluarkan uang demi mendapatkan waktu bersantai. Penelitian ini menganalisis aktivitas pemasaran media sosial, menganalisis customer engagement yang terjadi, dan mengkaji pengaruh social media marketing (SMM) terhadap customer engagement hotel mewah saat terjadi pandemi dengan memanfaatkan big data. Dalam menganalisis SMM dan customer engagement, peneliti memanfaatkan data real time dari akun media sosial hotel kemudian menggunakan natural language processing (NLP) serta pelabelan data untuk mengolahnya. Analisis pengaruh menggunakan regresi data panel dari hasil analisis sebelumnya. Hasil yang didapatkan adalah gambaran SMM terkait dengan dimensi hiburan, terkini, interaksi, kustomisasi, serta aktivitas engagement pada media sosial. Dimensi hiburan dan terkini terwakili dengan 17 kata yang telah diuji keabsahannya. Dimensi interaksi meningkat pada akhir tahun 2020, sedangkan dimensi kustomisasi tidak banyak digunakan oleh pihak hotel. Customer engagement juga meningkat pada akhir tahun 2020. Diketahui bahwa penggambaran pengaruh yang dimiliki SMM terhadap customer engagement sesuai dengan model random-effect. Customer engagement yang terjadi di masa pandemi tidak hanya dipengaruhi oleh dimensi hiburan, terkini, interaksi, dan customisasi. Para pemasar dan pelaku bisnis perhotelan bisa mendapatkan perspektif baru tentang cara mengatasi SMM dan peningkatan engagement di Instagram selama pandemi ini. Berdasarkan studi sebelumnya yang telah dilakukan pada merek mewah, studi ini akan lebih bermanfaat bagi stakeholders pariwisata dan perhotelan.

---

During this pandemic, stakeholders of tourism and hospitality in Indonesia have to adjust their strategy to survive. Even though most Indonesia users are active and consumptive on the Internet, they need motivational drives such as an engagement to spend money for leisure. This research will examine the impact of social media marketing (SMM) on customer engagement in luxury hotels during the pandemic situations by utilizing the real time benefits of big data. Firstly, formed panel data of SMM and customer engagement. Researchers scripted real time data from social media accounts of the hotels then use natural processing language (NLP) and automated text analysis to processed the data. Then, for the impact analysis, researchers utilized a panel data regression from the transformed data panel. The results were describing the SMM related to four dimensions which are entertainment, trendiness, interaction, customization, and also the engagement activities. The results discovered that the random-effect model was suitable to determine the influence of SMM on customer engagement. During the pandemic, customer engagement was influenced by other unobservable variables besides entertainment, trendiness, customization, and interaction dimension. The marketer and hoteliers can get new perspectives about overcoming SMM on Instagram during this pandemic. Based on the previous study that has been done in luxury brands, this study will be more useful for tourism and hospitality stakeholders. "

"ABSTRAKSebagai proses alamiah dalam mencapai titik ekuilibrium, perkembangan ekonomi digital akan selalu diikuti oleh peningkatan risiko keamanan cyber. Penelitian ini membahas analisis big data percakapan media sosial Twitter dengan tipe data yang tidak terstruktur untuk memprediksi risiko cyber berupa keberhasilan serangan exploit terhadap kerentanan sistem informasi yang dipublikasikan pada situs kerentanan global cvedetails.com common vulnerabilities and exposures CVE . Penelitian ini mengeksplorasi aspek kualitatif dan kuantitatif atas data yang bersumber dari twitter dan CVE menggunakan metode pemodelan algoritmik statistical machine learning. Prediksi dilakukan dengan membandingkan beberapa model klasifikasi yang dipilih dari sepuluh algoritma yang paling banyak digunakan dalam data mining berdasarkan survey yang dilakukan oleh IEEE pada International Conference on Data Mining tahun 2006. Hasil prediksi terbaik dihasilkan melalui model algoritma Artificial Neural Networks dengan tingkat akurasi 96,73 . Model prediksi dapat dimanfaatkan oleh perusahaan asuransi dengan produk perlindungan risiko cyber untuk mengurangi potensi penyebaran klaim terjadinya risiko. Model juga dapat dimanfaatkan oleh perusahaan umum untuk melakukan mitigasi risiko cyber secara efektif dan efisien dengan menghindari situasi false-negatives error dalam pengelolaan risiko.

---

ABSTRACTAs a natural process in achieving equilibrium state, digital economic progress will always be followed by the increase of cyber security risk exposure. This research is focusing on unstructured Twitter social media big data analytics to predict cyber risks event in terms of successful attack on exploit based software vulnerability published in global vulnerability information websites cvedetails.com common vulnerabilities and exposures CVE . This research explores qualitative and quantitative aspect of data extracted from Twitter and CVE using statistical machine learning algorithmic modeling method. Prediction result obtained by comparing and selecting classification model from several statistical machine learning algorithm based on top ten algorithms in data mining survey produced by IEEE in 2006 International Conference on Data Mining. The best prediction results provided through Artificial Neural Networks algorithm with 96,73 accuracy rate. This prediction model offers advantages for insurance company with cyber liability product by reducing claim spread probability over cyber risk loss event. Prediction model can also be beneficial for company in general by providing an effective and efficient way to mitigate cyber risks through false negatives error avoidance in risk management."

"ABSTRAKPenelitian ini menjelaskan mengenai penerapan segmentasi konsumen berdasarkan CLV agar dapat menghasilkan profil konsumen bagi perusahan untuk memberikan perlakuan yang tepat bagi masing ndash; masing konsumen. Dalam memproses data yang akan digunakan, penelitian ini mengunakan segmentasi RFM sebagai langkah awal untuk mengidentifiksi data dan dilanjutkan dengan klasterisasi menggunakan K-Means agar mendapatkan gambaran data konsumen yang lebih jelas. Hasil dari penelitian ini menunjukan adanya lima jenis profile konsumen yang berbeda berdasarkan perhitungan RFM dan K-Means. Setiap kelompok memiliki karakteristik yang berbeda yang dapat digunakan oleh perusahaan untuk membentuk strategi dalam memberikan pendekatan kepada konsumen. Terdapat juga perbandingan antara kelompok konsumen yang akan dihasilkan apabila perusahaan menggunakan segmentasi konsumen menggunakan CLV dengan saat tidak menggunakan CLV. Dengan memberikan perlakuan yang tepat bagi konsumen yang dapat memberikan keuntungan bagi perusahaan dimasa yang akan datang, maka perusahaan dapat membentuk strategi yang lebih efektif dan tepat sasaran.

---

ABSTRACTThis research focus on how to make a consumer segmentation based on CLV in order to create a customer profile for the company to provide appropriate treatment for each consumer. In order to process the data, this research uses RFM segmentation as the first step to identify the data and continued with K Means clustering to get a better interpretation of consumer data. The results of this research show five different types of consumer profiles based on RFM and K Means calculations. Each cluster has a different characteristic that can be used for a company to define a better strategy in order to approach their customer. There is also a comparison between the consumer groups if the company uses consumer segmentation using CLV or when not using CLV. By providing the right treatment for profitable customer, the company can form an effective and targeted strategy in the future. "

"ABSTRAKNama : Adi MulyadiProgram studi : Magister ManajemenJudul : Analisis Segmentasi Konsumen Pada Perusahaan Real Estate Menggunakan Big Data Analytics Studi pada PT. ISPI Pratama LestariPembimbing : Arga Hananto, M.Bus. Studi tentang segmentasi konsumen dipengaruhi oleh kebutuhan perusahaan untuk bersaing dengan kompetitornya dan menciptakan keunggulan kompetitif bagi perusahaannya. Segmentasi produk merupakan salah satu hal utama dalam dunia bisnis, karena kesalahpahaman dalam segmentasi konsumen dapat mengakibatkan berkurangnya pendapatan. Real estate merupakan industri senilai milyaran dolar yang sangat tersegmentasi, dikarenakan karakteristik konsumennya yang beragam. Indonesia merupakan pasar yang potensial dan bertumbuh bagi industri real estate dan perumahan, karena Indonesia memiliki jumlah penduduk yang besar sekitar 260 juta jiwa dan memiliki area geografis yang luas. Untuk menganalisa data dengan jumlah besar tersebut, perusahaan real estate menggunakan Big Data Analytics, sebagai alat untuk mendapatkan masukan yang berarti dari data tersebut. Big Data mulai banyak digunakan sebagai alat untuk mempelajari tentang kondisi atau untuk memprediksi perilaku yang mungkin terjadi melalui berbagai pemodelan analisis data. Penelitian ini menyajikan analisis segmentasi untuk membantu perusahaan pengembang real estate dalam memahami segmentasi konsumen mereka, dengan menggunakan data transaksi penjualan perusahaan periode 2013 - 2017. Analisis segmentasi dalam penelitian ini telah dikembangkan menggunakan cluster analysis, dengan menggunakan metode hierarchical clustering, Elbow Method, dan K-Means. Hasil dari cluster analysis menunjukkan bahwa terdapat 4 segmen konsumen, yang memiliki karakteristik demografis dan preferensi produk yang berbeda. Selain itu, penelitian ini juga melakukan analisis tabulasi silang untuk mengetahui hubungan antar variabel. Selanjutnya dilakukan analisis diskriminan, dari situ diketahui bahwa gaji dan harga jual merupakan 2 variabel yang secara signifikan memberikan pengaruh paling besar terhadap penentuan cluster membership. Setelah mengetahui karakteristik dan melakukan analisa, dapat diusulkan bentuk promosi yang sesuai bagi masing ndash; masing segmen.Kata kunci:Segmentasi konsumen, real estate, big data, cluster analysis, tabulasi silang

---

ABSTRACTABSTRACT Name Adi MulyadiStudy Program Magister of ManagementTitle Customer Segmentation Analysis In Real Estate Using Big Data Analytics A Study In PT. ISPI Pratama LestariCounsellor Arga Hananto, M.Bus. The study of consumer segmentation is influenced by a company 39 s need to compete with its competitors and create a competitive advantage. Product segmentation is one of the main things in the business world, because misunderstanding in consumer segmentation can lead to reduced revenue. Real estate is a multi billion dollar industry that is highly segmented, due to the diverse characteristics of its customers. Indonesia is a potential and growing market for the real estate and housing industries, as Indonesia has a large population around 260 million people and has a large geographical area. To analyze such big amounts of data, real estate companies use Big Data Analytics, as a means to gain meaningful insight from the data. Big Data is widely used as a tool to learn about conditions or to predict behaviors that may occur through various data analysis models. This study presents segmentation analysis to help real estate developers to understand their customer segmentation using company sales transaction data from 2013 to 2017 period. Segmentation analysis in this research has been developed using cluster analysis, with hierarchical clustering, Elbow Method, and K Means. The results of cluster analysis show that there are 4 segments of consumers, which have different demographic characteristics and product preferences. In addition, this study also conducted cross tabulation analysis to determine the relationship between variables. Then from discriminant analysis, it is known that salary and selling price are 2 variables that significantly give the most influence on cluster membership determination. After knowing the characteristics and perform the analysis, it can be proposed the appropriate form of promotion for each segment. Key words Customer segmentation, real estate, big data, cluster analysis, cross tabulation"

"Dewasa ini, User Generated Content (UGC) merupakan salah satu media utama bagi konsumen untuk membangun keterikatan dengan merek (customer brand engagement) dengan mengaitkan nilai fungsional dan nilai emosional yang dirasakan pengguna UGC. Tujuan dari penelitian ini adalah untuk meneliti content quality, design quality, dan technology quality UGC yang dapat mempengaruhi keterikatan konsumen dengan merek (customer brand engagement), melalui nilai fungsional dan emosional sebagai mediator pada hubungan tersebut. Penelitian ini menggunakan model yang terdapat pada teori Stimulus-Organisme-Respons (S-O-R). Responden pada penelitian ini merupakan generasi Z dan milenial berusia 18-41 tahun, memiliki akun media sosial Youtube, Instagram, dan/atau Tiktok, serta pernah melihat UGC selama satu bulan terakhir. Kuesioner disebarkan secara online. Data sebanyak 286 responden yang terdapat pada penelitian utama diolah dengan menggunakan metode Partial Least Square-Structural Equation Model (PLS-SEM). Hasil dari penelitian ini menunjukkan bahwa secara umum, nilai fungsional dan emosional memiliki peran sebagai mediator dalam hubungan antara kualitas UGC dan keterikatan konsumen dengan merek (customer brand engagement). Secara lebih lanjut, ditemukan bahwa content quality mampu memberikan pengaruh positif terhadap keterikatan konsumen dengan merek (customer brand engagement) dengan bantuan nilai fungsional dan nilai emosional sebagai mediator. Kemudian, technology quality dapat memberikan pengaruh positif terhadap keterikatan konsumen dengan merek (customer brand engagement) dengan bantuan nilai emosional dan design quality dapat memberikan pengaruh positif terhadap keterikatan konsumen dengan merek (customer brand engagement) dengan bantuan nilai emosional.

---

Nowadays, User Generated Content (UGC) is one of the main media for consumers to build brand engagement by linking the functional value and emotional value felt by UGC users. The purpose of this study is to examine the content quality, design quality, and technology quality of UGC that can affect consumer brand engagement, through functional and emotional values as mediators in the relationship. This study uses the model contained in the Stimulus-Organism-Response (S-O-R) theory. Respondents in this study were Generation Z and millennials aged 18-41 years, had social media accounts on Youtube, Instagram, and/or Tiktok, and had seen UGC for the past month. Questionnaires were distributed online. The data of 286 respondents in the main study was processed using the Partial Least Square-Structural Equation Model (PLS-SEM) method. The results of this study indicate that in general, functional and emotional values have a role as a mediator in the relationship between UGC quality and consumer brand engagement. Furthermore, it was found that content quality was able to have a positive influence on consumer brand engagement with the help of functional values and emotional values as mediators. Then, technology quality can have a positive influence on consumer brand engagement with the help of emotional values and design quality can have a positive influence on consumer brand engagement with the help of emotional values."

"Penelitian ini membahas tentang pengembangan sistem Chatbot pada customer service bengkel motor dengan menggunakan algoritma cosine similarity. Cosine Similarity merupakan algoritma dengan basis dua vektor yang dihitung persamaannya berdasarkan sudut kedua vektor tersebut untuk mengukur tingkat kemiripan teks. Masukan sistem berupa percakapan teks yang pada proses selanjutnya diubah menjadi vektor dengan besar nilai vektor mengikuti dataset yang ada menggunakan metode Bag Of Words dengan dataset untuk membalas percakapan tersebut. Kemiripan suatu teks menggunakan akurasi dari perhitungan cosine similarity dengan akurasi sebesar 82.7%. Diamati faktor-faktor yang mempengaruhi akurasi setiap pengguna. Dalam penelitian ini, sistem menggunakan dataset sebesar 472 data katalog sepeda motor.

---

This paper discusses the development of a chatbot system in a motorcycle garage using the cosine similarity algorithm. Cosine similarity is an algorithm to calculate the degree of similarity of two vectors based on the value of the angle between the two vectors. The chatbot receives an input consisting of a sentence which is then converted into a vector using the Bag of Words algorithm. Using the cosine similarity algorithm, an accuracy of 82.7% is achieved. This paper utilizes 472 motorcycle catalogues as a dataset to perform the calculation and prediction previously mentioned."

"Penelitian ini membahas mengenai pengaruh customer engagement melalui instagram terhadap customer loyalty pelanggan Somethinc. Terdapat variabel trust, commitment, dan customer value creation diantara hubungan keduanya. Pengumpulan data dilakukan melalui survei kepada 199 responden yang berdomisili di Indonesia, berusia diatas 18 tahun, mengikuti akun instagram Somethinc, dan pernah membeli produk Somethinc lebih dari satu kali. Metode penyebaran kuesioner dilakukan secara online menggunakan Google Form dan analisis data menggunakan Partial Least Square-Structural Equation Modelling (PLS-SEM) dengan software SMARTPLS 4. Hasil penelitian ini menunjukkan bahwa customer engagement berpengaruh secara positif dan signifikan terhadap trust, commitment dan customer value creation. Kemudian, trust berpengaruh secara positf dan signifikan terhadap commitment dan customer loyalty. Selanjutnya, commitment berpengaruh secara positif dan signifikan terhadap customer loyalty. Kemudian, customer value creation berpengaruh secara positif dan signifikan terhadap commitment dan customer loyalty

---

This research discusses the influence of customer engagement through instagram on Somethinc customers' customer loyalty. There are variables of trust, commitment, and customer value creation between the two relationships. Data collection was conducted through a survey of 199 respondents who live in Indonesia, are over 18 years old, follow Somethinc's instagram account, and have purchased Somethinc products more than once. The questionnaire distribution method was carried out online using Google Form and data analysis using Partial Least Square-Structural Equation Modeling (PLS-SEM) with SMARTPLS 4 software. The results of this study indicate that customer engagement has a positive and significant effect on trust, commitment, and customer value creation. Then, trust has a positive and significant effect on commitment and customer loyalty. Furthermore, commitment has a positive and significant effect on customer loyalty. Then, customer value creation has a positive and significant effect on commitment and customer loyalty."

"Fokus dari laporan ini adalah untuk membahas pengaruh dari pemasaran melalui media sosial yang dilakukan oleh luxury brands terhadap ekuitas nilai, ekuitas merek, ekuitas hubungan, ekuitas konsumen, dan intensi membeli. Hasil penemuan ini mengungkapkan bahwa pemasaran melalui media sosial memiliki pengaruh positif terhadap ekuitas nilai, ekuitas merek, dan ekuitas hubungan. Ekuitas nilai, ekuitas merek, dan ekuitas hubungan juga memiliki pengaruh positif terhadap intensi membeli. Untuk ekuitas konsumen, ekuitas nilai, ekuitas hubungan, dan intensi membeli menghasilkan pengaruh positif, sedangkan ekuitas merek tidak memiliki pengaruh terhadap ekuitas konsumen. Hasil dari penelitian ini dapat membantu luxury brands untuk memprediksi tindakan konsumen untuk membeli di masa depan sekaligus memberikan wawasan untuk strategi pemasaran luxury brands.

---

The focus of this study is to examine the effect of social media marketing carried out by luxury brands on value equity, brand equity, relationship equity, customer equity and purchase intention. This study finds that social media marketing has positive effect on value equity, brand equity, and relationship equity. The value equity, brand equity, and relationship equity also have positive effect on purchase intention. As for customer equity, value equity, relationship equity, and purchase intention are proven to have positive effects, while brand equity shows no effect on customer equity. The findings can enable luxury brands to forecast future purchasing behaviour and provide useful insights for marketing strategies."

"Studi tentang pengelolaan customer retention bersumber dari kebutuhan perusahaan untuk mempertahankan customer agar tetap loyal menggunakan produk ataupun layanan yang ditawarkan. Hingga saat ini customer retention menjadi salah satu perhatian utama dalam dunia bisnis karena menurunnya tingkat customer retention berdampak pada berkurangnya revenue. Big data mulai banyak dimanfaatkan sebagai sumber data untuk memahami suatu kondisi ataupun untuk memprediksi suatu behavior yang akan terjadi melalui berbagai pemodelan analisis data. Peristiwa berhentinya customer dari menggunakan produk ataupun layanan disebut customer churn. Penelitian ini menyajikan dua model untuk membantu suatu perusahaan jasa penyedia layanan online berbasis internet untuk menganalisis dan memprediksi future behavior berupa customer churn dan memahami kondisi yang menyebabkannya. Model prediksi customer churn yang dikembangkan menggunakan konsep logistic regression dan random forest. Hasil dari penelitian ini menunjukkan bahwa model yang dikembangkan bisa mengidentifikasi customer suatu perusahaan penyedia layanan online QWE.Inc yang berpotensi akan meninggalkan layanan. Selain itu penelitian ini juga menganalisis faktor-faktor yang memiliki pengaruh signifikan terhadap kondisi tersebut dan memberikan saran pengelolaan customer retention dengan program customer relationship management.

---

The study of customer retention management is influenced by the need of the companies to keep their customers stay loyal to use their products or services. Customer retention is one of the main concerns in the business world until today, since the declining level of customer retention will result in the reduced revenue. Big data begin to be widely used as source of data to learn about condition or to predict behavior that may occur through various data analysis modeling. The event of the customer stop from using the product or service is called customer churn.

This study presents two models to help QWE Inc. an internet based online service provider company, to analyze and predict future behavior which is customer churn and understand the causes. Customer churn prediction models in this study have been developed using logistic regression and random forest concepts.

The results of this study indicate that the developed model can identify the customer of QWE.Inc that will potentially leave the service. In addition, this study also analyzed the factors that have a significant influence on these conditions and provide advice on customer retention management with customer relationship management programs."

"Brand Ambassador menjadi salah satu elemen penting dalam strategi pemasaran untuk industri luxury fashion. Penggunaan selebriti dalam merepresentasi suatu luxury fashion brand memiliki dampak positif terhadap aktivitas pemasaran, tak terkecuali untuk social media marketing. Pemilihan selebriti sebagai brand ambassador suatu luxury fashion brand pun harus didasari atas 5 syarat (Okonkwo, 2007) yaitu credibility, global appeal, personality, uniform brand, dan constancy. Makalah ini bertujuan untuk menganalisa pengaruh yang dihasilkan Jennie ‘Blackpink’ selaku House Ambassador Chanel terhadap customer brand engagement di konten social media marketing Chanel. Metode yang digunakan dalam makalah ini adalah analisa konten secara kuantitatif dan kualitatif, di mana penulis membandingkan engagement dari konten YouTube dan Instagram Chanel yang melibatkan dan yang tidak melibatkan Jennie. Engagement diukur berdasarkan jumlah likes, views, serta perbedaan karakteristik dari komentar yang diberikan audiens. Hasil analisa makalah ini menemukan bahwa kemunculan Jennie ‘Blackpink’ pada konten media sosial Chanel telah meningkatkan customer brand engagement secara signifikan. Sosok Jennie ‘Blackpink’ terbukti dapat memicu motivasi audiens dalam berinteraksi dengan brand dilihat dari 3 dimensi customer brand engagement menurut Hollebeek (2011) yaitu immersion, passion, dan activation.

---

Brand Ambassador is an important element in the marketing strategy for the luxury fashion industry. The use of celebrities in representing a luxury fashion brand has a positive impact for marketing activities, including for social media marketing. The appearance of brand ambassadors on social media content of luxury fashion brands can affect the customer brand engagement. This paper aims to examine the impact of Jennie 'Blackpink' as the House Ambassador for Chanel on customer brand engagement through Chanel's social media marketing contents. The method used in this paper is quantitative and qualitative content analysis, in which the authors compare the engagement of Chanel’s contents on YouTube and Instagram, involving and not involving Jennie, based on the number of likes, views, and the characteristics of the comments. This paper found that the appearance of Jennie 'Blackpink' on Chanel's social media content has significantly increased customer brand engagement. Her appearance on Chanel’s social media contents can influence the audiences’ motivation to interact with the brands based on the 3 dimensions of customer brand engagement according to Hollebeek (2011); immersion, passion, and activation."