Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :

Penelitian ini bertujuan untuk mengidentifikasi perilaku belanja konsumen, menentukan segmentasi konsumen dan mengidentifikasi konsumen berdasarkan wilayah konsumen Bukku.id. Penelitian ini menggunakan data transaksi pada periode 1 September 2017 hingga 17 September 2018. Data diolah dengan analisis Recency, Frequency, Monetary (RFM) dan clustering untuk membentuk segmentasi konsumen. Selanjutnya, analisis pareto diberlakukan dalam menentukan penerbit dan penulis yang layak diprioritaskan untuk memaksimalkan hasil/return dengan meminimalkan usaha/effort. Pemetaan terhadap lokasi konsumen untuk pareto penulis ditentukan agar memberikan pemahaman untuk perbaikan promosi dan strategi pemasaran offline.

Hasil dari penelitian ini menunjukkan adanya tiga jenis profil konsumen yang berbeda berdasarkan analisis RFM dan clustering. Profil konsumen yang dipetakan terhadap penerbit dan penulis akan memberikan perusahaan keuntungan dalam memprioritisasi usaha dalam mengembangkan pola treatment terhadap penerbit dan penulis. Pengembangan offline marketing juga dapat dibangun karena mengetahui analisis lokasi konsumen yang ada.

---

The purpose of this research is to identify customer purchase behavior, form customer segmentation, and identify customer address of Bukku.id. this research uses customer purchase data of Bukku.co.id in the period 1 September 2017 – 17 September 2018. RFM method and clustering are used to identify customer segmentation. Then, pareto analysis results which publishers and authors need to be concerned for prioritizing effort in order to gain maximum benefit. Customer address or location has been mapped based on priority authors to determine promotion and offline marketing strategy.

The results of this research show three customer cluster based on RFM and clustering analysis. Each cluster has different characteristic and it can determine which strategy suit to approach their customers. Customer profile based on authors and publisher could also benefit the company to prioritize any treatments relate to them. Better offline marketing strategy can be developed by knowing location analysis

Abstrak :
ABSTRAK
Penelitian 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.

---

ABSTRACT
This 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.

Abstrak :
Seiring perkembangan waktu dan teknologi, persaingan bisnis ritel semakin ketat. Oleh karena itu, perusahaan yang bergerak di industri bisnis retail perlu membuat strategi pemasaran yang efektif dan efisien untuk dapat bertahan dan memenangkan persaingan tersebut. Perusahaan dapat memanfaatkan dan menerapkan CRM, seperti mengamati dan menganalisis perilaku pelanggan menggunakan teknik data mining. Identifikasi Pelanggan merupakan tahapan kirits dalam CRM. Hal terpenting dari identifikasi pelanggan adalah proses segmentasi pelanggan dengan mengklasifikasikan pelanggan menjadi beberapa kelompok berdasarkan perilaku transaksi, informasi demografis, geografis, dan atribut psikografis. Analisis RFM adalah teknik data mining yang menganalisis perilaku pelanggan berdasarkan nilai Recency, Frequency, dan Monetary. Oleh karena itu, penelitian ini melakukan segmentasi pelanggan menggunakan pengembangan model RFM yang memperhitungkan usia pelanggan, rata-rata lama pelanggan berbelanja kembali, dan faktor nilai diskon secara bersamaan pada data transaksi belanja rumah tangga. Hasil penelitian ini terbukti bahwa model pengembangan RFM dapat secara akurat menganalisis nilai pelanggan ritel rumah tangga dan diperoleh tiga kelompok kategori prioritas pelanggan yang masing-masing memiliki karakteristik yang berbeda

---

As technology evolved, retail business competition is getting tougher. Therefore, companies engaged in the retail business industry need to create effective and efficient marketing strategies to survive and win the competition. Companies can take advantage of and implement CRM, such as observing and analyzing customer behavior using data mining techniques. Customer identification is a critical step in CRM. The most important thing about customer identification is the customer segmentation process by classifying customers into several groups based on transaction behavior, demographic information, geographic information, and psychographic attributes. RFM analysis is a data mining technique that analyzes customer behavior based on the value of Recency, Frequency, and Monetary. Therefore, this study segmented customers using the RFM model development that took into account the customer's age, the customer's average duration to shop again, and the discount factor simultaneously on household spending transaction data. The results of this study prove that the RFM development model can accurately analyze the value of household retail customers and there are three groups of customer priority categories, that have their respective characteristics

Abstrak :
Peningkatan pemanfaatan teknologi dalam pengambilan data membuat perusahaan harus mampu mengambil informasi dari sekumpulan data pelanggannya. Hal ini berjalan paralel dengan peningkatan persaingan dalam industri mode muslim di Tanah Air. Pelaku usaha dalam industri mode muslim harus memiliki strategi dan cara yang tepat untuk dapat terus memimpin pasar. Perpaduan antara ilmu pemasaran dengan data mining penting dilakukan agar dapat menerjemahkan data pelanggan menjadi informasi berguna bagi perusahaan. Penelitian dilakukan pada salah satu perusahaan yang bergerak di bidang mode muslim. Penelitian ini bertujuan untuk menemukan segmen pasar potensial dan menjadikannya target perusahaan dalam melakukan aktivitas pemasaran. Segmen yang terbentuk berasal dari variabel Length, Recency, Freuency, dan Monetary (LRFM). Metode yang digunakan dalam penelitian ini adalah klasterisasi dengan algoritme k-means untuk mendapatkan segmentasi pelanggan dan indeks validasi Davies Boulldin untuk menentukan jumlah k terbaik. Setelah terbentuk klaster, analisis masing-masing klaster akan dilakukan untuk menemukan target klaster pelanggan yang potensial. Hasil dari penelitian terbentuk lima klaster dan terpilih dua klaster pelanggan yang akan dijadikan target utama aktivitas pemasaran perusahaan ......The increasing use of technology in the big data world is enabling companies to use consumers' information, which leads to increased competition in the modest fashion industry in Indonesia. Modest fashion business brands need the correct strategy in order to gain the market. The combination of marketing and data mining is translating consumers' data into marketing strategies. This research is being done at a modest fashion company in Indonesia to explore the market segment and target the segment to determine the marketing strategy then. The segmentation is based on Length, Recency, Frequency, and Monetary (LFRM) variable. It is using the k-means algorithm to segment consumers and Davies Bouldin validation index to determine the best k value. Once the cluster is formed, the analysis will be done to find potential customer segments to be the foundation of the marketing strategy. The potential segment is not limited to one segment. The main target of company’s marketing activities are the chosen potential segment.

Abstrak :

Pertumbuhan industri kosmetik dan kecantikan semakin berkembang secara signifikan di Indonesia. Tingkat persaingan yang timbul antar pemilik usaha sejenis mendorong perusahaan untuk bisa menjaga loyalitas pelanggan. Manajemen Hubungan Pelanggan memiliki peranan yang cukup penting untuk menjaga hubungan pelanggan, salah satunya adalah dengan mengidentifikasi nilai hidup pelanggan atau Customer Lifetime Value (CLV). Nilai hidup pelanggan yang tinggi menunjukan loyalitas pelanggan yang semakin tinggi. Sehingga, penelitian ini bertujuan untuk mengidentifikasi persebaran karakteristik kelompok segmen pelanggan yang diukur berdasarkan salah satu metrik CLV yaitu variabel Length, Recency, Frequency dan Monetary (LRFM) pada beberapa wilayah. Proses segmentasi pelanggan dilakukan dengan membandingkan beberapa Metode Clustering. Hasil penelitian membuktikan bahwa terdapat tiga kelompok segmen yang terdiri dari kelompok pertama dengan nilai hidup yang tinggi dan loyal terhadap perusahaan, kelompok kedua dengan karakteristik pelanggan pendatang baru yang tidak tetap dan kelompok terakhir merupakan pelanggan tidak tetap dan sudah hilang. Selanjutnya, untuk memperoleh analisis lebih mendalam maka dilakukan proses visualisasi terhadap informasi spasial pelanggan. Kesimpulan akhir dari visualisasi spasial menunjukkan bahwa persebaran segmen pelanggan loyal berada pada wilayah di Pulau Jawa khususnya pada Provinsi Jawa Barat, DKI Jakarta, dan Banten. Luaran penelitian ini diharapkan dapat menjadi acuan dalam mempertahankan pelanggan potensial dan memperluas pangsa pasar perusahaan.

---

Beauty and cosmetics industry in Indonesia has growth significantly. The increasing of competitiveness encourages local companies to maintain their customer loyalty by enhancing Customer Relationship Management (CRM). CRM has an important role to maintain customer relationship by identifying Customer Lifetime Value (CLV). The high value of CLV shows higher customer loyalty. Therefore, this research aims to specify customer segment distribution that has similar lifetime value in several areas based on CLV metrics that consists of Length, Recency, Frequency and Monetary (LRFM). The customer segmentation process is done by comparing several Clustering Methods. The results of the study prove that there are three customer segments consisting of the first group with the characteristics of high value and loyal customers, the second group with the characteristics of uncertain new customers and the last group is uncertain lost customers. Moreover, to obtain more in-depth analysis towards segmentation result, a visualization process is carried out by considering customer spatial information. The result of spatial visualization shows that segmentation distribution of loyal customer is located in West Java, DKI Jakarta and Banten. In summary, these findings can be used as a reference to retain loyal customers, discover potential area and expand company’s market share

Abstrak :
Penelitian ini membahas tentang bagaimana cara memaksimalkan pendapatan pada Taman Margasatwa Ragunan. Caranya yaitu dengan merancang harga tiket masuk yang optimal sehingga mampu memberikan perubahan dalam tingkat pendapatan. Konsep yang digunakan dalam optimasi harga tiket ini menggunakan ilmu revenue management. Dalam merancang harga tiket yang optimal ini terdapat 2 pertimbangan yang menjadi acuan, yaitu segmentasi pengunjung dan waktu. Tujuannya adalah untuk menghasilkan harga pada pengunjung dan waktu yang tepat. Metode ini akan sangat membantu Taman Margasatwa Ragunan dalam upaya untuk meningkatkan pendapatan sehingga bisa ikut memajukan industri pariwisata nasional. ......This research discussed about how to maximize Taman Margasatwa Ragunan revenue. The solution is by designing the optimal ticket price so it can make a change in revenue level. The concept which is implemented in this case is revenue management. There are 2 factors that has to be considered in designing this optimal price, customer segmentation and time. The purpose is to create right price for the right customer at the right time. This method will be helpful in order to gaining Taman Margasatwa Ragunan revenue which also can contribute the national industry of tourism movement.

Abstrak :
Kemajuan teknologi informasi menghasilkan berbagai pilihan dalam mengakses informasi termasuk membaca buku. Peningkatan jumlah pembaca yang beralih ke buku elektronik mengakibatkan angka penjualan buku cetak mengalami penurunan meskipun tidak signifikan pada beberapa tahun terakhir. PT Gramedia Asri Media merupakan salah satu perusahaan ritel buku di Indonesia. Gramedia menerapkan CRM dengan menerbitkan kartu member Kompas Gramedia Value Card KGVC . Promosi ataupun penawaran yang diberikan belum mampu meningkatkan transaksi buku member KGVC. Penelitian ini bertujuan untuk membuat segmentasi pelanggan pada Customer Relationship Management di PT Gramedia Asri Media. Proses data mining dilakukan dengan melakukan clustering menggunakan algoritma K-means untuk segmentasi pelanggan berdasarkan RFM, serta algoritma hierarchical clustering untuk segmentasi pelanggan berdasarkan banyaknya jenis buku. Evaluasi terhadap hasil cluster menggunakan elbow method, silhouette method, dan Calinski-Harabasz index. Segmentasi pelanggan berdasarkan RFM menghasilkan 2 cluster yang optimal, yaitu occasional customers dan dormant customers. Sementara itu, segmentasi pelanggan berdasarkan banyaknya jenis buku yang dibeli menghasilkan 3 cluster yang optimal, yaitu rendah, sedang, dan tinggi. Dengan hasil penelitian ini, diharapkan dapat membantu perusahaan dalam mengelompokkan pelanggan untuk menentukan strategi yang sesuai sehingga dapat meningkatkan jumlah transaksi buku member KGVC.

---

Advances in information technology produces wide range of choices in accessing information including reading books. The increase in the number of readers who turning to electronic books making sales of printed books has decreased although not significant in the recent years. PT Gramedia Asri Media is one of book retail company in Indonesia. Gramedia implement CRM by launching a member card named Kompas Gramedia Value Card KGVC . Promotion or offer given has not been able to increase book transaction of KGVC members. This research focus on make customer segmentation in Customer Relationship Management at PT Gramedia Asri Media.Data mining process is done by clustering using K means algorithm for segmenting customers based on RFM, as well as hierarchical clustering algorithms for segmentation of customers based on the number of books type. Evaluation is done on cluster result using elbow method, silhouette method, and Calinski Harabasz index. Customer segmentation based on the RFM produce two optimal clusters, occasional customers and dormant customers. While customer segmentation based on the number of types of books purchased produce 3 optimal cluster, namely low, medium, and high. With these results, it is expected to help the company in classifying customers to determine the appropriate strategies, so company can increase the number of books transactions from KGVC members.