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 :
Penelitian ini bertujuan untuk mengidentifikasi segmentasi RFM pada toko kosmetik online di Indonesia. Penelitian ini menggunakan analisis RFM (Recency, Frequency, dan Monetary) yang dilanjutkan dengan K-Means Clustering dengan menggunakan Hiearchical Clustering untuk mencari nilai k. Penelitian ini menggunakan data transaksi penjualan Makeupuccino sepanjang tahun 2017 untuk segmentasi RFM. Hasilnya menunjukkan bahwa jumlah segmentasi yang paling tepat untuk toko kosmetik online adalah 4, yang dibagi menjadi Platinum, Gold, Iron, dan Lead. Keempat segmentasi tersebut memiliki marketing objective dan program marketing yang berbeda. ...... This research aims to identify RFM segmentation on makeup online store in Indonesia. This research uses RFM (Recency, Frequency, and Monetary) analysis and then uses K-Means Clustering with Hierarchical Clustering as the way to finds k values. This study uses transaction on Makeupuccino (one of makeup online store in Indonesia) during 2017 to get RFM segmentation. The result shows that the best RFM segmentation for makeup online store in Indonesia is 4, that divided into Platinum, Gold, Iron, and Lead. Each of segmentation has different marketing objective and marketing program.

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 :
ABSTRAK
Kartu kredit sebagai kartu pembayaran adalah produk yang dikeluarkan oleh bank dan menjadi pilihan favorit nasabah bank dalam melakukan transaksi secara offline dan online. Berbagai program promosi yang dilakukan oleh bank untuk meningkatkan penerbitan kartu untuk nasabah baru dan untuk menarik penggunaan kartu bagi para pemegang kartu kredit saat ini. Bank XYZ, sebagai salah satu penerbit kartu kredit, secara intensif menawarkan promosi kepada pelanggannya untuk bertransaksi menggunakan kartu kredit melalui berbagai media seperti SMS Blast maupun email notifikasi. Konten promosi yang dikirimkan ke pelanggan dapat mempengaruhi keputusan pelanggan untuk melakukan transaksi di merchant manapun menggunakan kartu kredit Bank XYZ. Dengan memanfaatkan analisa Big Data dengan Recency, Frequency dan Monetary (RFM) dan Association Rules, Bank XYZ dapat mengirimkan konten promosi kartu kredit yang sesuai dengan profile pelanggan. Mengirimkan konten promosi yang sesuai dengan profil pelanggan akan meningkatkan transaksi pelanggan menggunakan kartu kredit mereka. Peningkatan transaksi ini akan berkontribusi terhadap pendapatan Bank XYZ.

---

ABSTRACT
Credit cards as a payment card are products issued by banks and become favorite customer`s choice to pay multiple transactions offline and online. Many promotion programs are done by banks to raise card issuances for new customer and to attract card usage for current credit card holders. Bank XYZ, as one of credit card issuer in Indonesia, is intensively offering promotions to its customer to use their credit cards through communication media such as SMS blast and email notifications. Media content may affect customer decision to purchase in any merchant using Bank XYZ credit card. By utilizing Big Data analysis with Recency, Frequency and Monetary(RFM), and Association Rules, Bank XYZ may send credit card promotional content fit with a customer profile. Sending proper promotional content fit with a customer profile will raise customer spending using their credit cards. Transactions rising contribute to Bank XYZ revenue.

Abstrak :

Tujuan - Tujuan dari penelitian ini adalah untuk menghasilkan insight dan rekomendasi yang relevan dan dapat ditindaklanjuti dari berbagai sumber data maskapai penerbangan yang terkait dengan produk, pelanggan, kanal penjualan, dan transaksi. Insight ini dapat bermanfaat untuk mendukung kegiatan penjualan dan pemasaran.

Desain / metodologi / pendekatan - Penelitian ini melakukan proses analisis big data. Pertama, sumber data yang terkait dengan aktivitas pelanggan dan produk Garuda Indonesia perlu dikumpulkan, disiapkan, dan diintegrasikan ke dalam satu platform big data. Kemudian, data terintegrasi dianalisis dan diproses melalui pendekatan analisis big data. Metode data aggregation, analisis cluster, dan analisis pareto digunakan untuk menganalisis insight. Model analisis RFM digunakan untuk menghitung customer value. Untuk segmentasi pelanggan, metode clustering digunakan. Kemudian, analisis campaign media dan konten digunakan untuk mengukur efektivitas proses campaign.

Hasil - Penelitian ini menghasilkan kerangka analisis bauran pemasaran untuk maskapai penerbangan menggunakan pendekatan analisis big data yang mencakup elemen 5P (Product, Pricing, Place, Promotion, and People).

---

Purpose – The purpose of this research is to generate relevant, actionable insight and recommendation from various airlines’ data sources related to Airlines’ products, customers, channels, and transactions. This insight can be beneficial to support sales and marketing campaign activity.

Design/methodology/approach – This research conducts big data analytics process and experimental analysis. First, data sources related to customer’s activities and Garuda Indonesia’s products need to be collected, prepared, and integrated into a single big data platform. Then, the integrated data is analyzed and processed through big data analytics approach. Data aggregation technique, cluster analysis, and pareto analysis are used for analyzing the insight. RFM model and analysis is used to calculate customer value. For segmenting customer, the clustering method is used. Therefore, analysis of campaign medium and content is used to measure the effectiveness of the campaign process.

Result – This research finds that a marketing mix framework analysis for airlines using big data analytics approach covering 5P element (Product, Pricing, Place, Promotion, and People).

Abstrak :
Proses retur merupakan hal yang perlu diatur oleh sebuah industri untuk dapat meminimalisir pengembalian barang dari pelanggan ke perusahaan. Salah satu cara untuk mengatasi hal itu adalah dengan adanya kebijakan retur terhadap pelanggan, namun kebijakan retur kerap hanya memiliki satu jenis yang diterapkan ke seluruh lapisan pelanggan. Hal ini dapat merugikan perusahaan apabila pelanggan menyalahgunakan kebijakan yang ada. Sehingga dibutuhkan kebijakan retur yang sesuai dengan karakteristik pelanggan. Penelitian ini bertujuan untuk mendapatkan informasi karakteristik pelanggan retur serta produk retur dengan membuat pemetaan pelanggan dan produk berdasarkan aktivitas returnya. Setelah diketahui kelompok dari pelanggan dan produk, setiap kelompokakan diklasifikan berdasarkan hasil kelasnya. Penelitian ini berbasiskan data dari industri farmasi yang memiliki karakteristik khusus dalam proses retur. Penelitian ini menggunakan metode K-Means Clustering dan Decision Tree C4.5 untuk memetakan produk serta pelanggan retur dengan atribut Recency, Frequency, dan Monetary untuk pelanggan, serta frekuensi retur untuk produk. Hasil dari penelitian ini berupa segmentasi pelanggan dan produk retur yang menghasilkan empat klaster pada tiap dimensi. Berdasarkan karakteristik pelanggan retur dapat dihasilkan rekomendasi berupa kebijakan retur yang sesuai dengan segmen pelanggan. ......The return process is one of the process in supply chain management that is required to be regulated by industry to be able to minimize the return of goods from customers to the firm. One of strategy to overcome this is by implementing a return policy for customers but return policies often have only one type that is applied to all layers of customers. This can be detrimental to the company if the customer abuses the existing policies. So, the firm need a return policy that regulated based on customer characteristics. This study aims to obtain information on the characteristics of customer returns and product returns by mapping customers and products based on their return activities. Having known groups of customers and products, each group will be classified based on the results of its class. This research is based on data from the pharmaceutical industry that has special characteristics in the return process. This study uses the K-Means Clustering and Decision Tree C4.5 method to map products and customer returns with the Recency, Frequency, and Monetary (RFM) attributes for customers, as well as the frequency of returns for products. The result of this study is segmentation on return customers and product with four clusters in each dimension. Based on the segmentation on return customers, recommendation on return policy could be generated with a suitable characteristic of the customers.

Abstrak :
Bisnis pada bidang penyedia jasa layanan telekomunikasi merupakan bisnis yang sangat menjanjikan khususnya di Indonesia. Kebutuhan akan layanan telekomunikasi di Indonesia menjadi sebuah ladang bisnis yang sangat vital. PT. Hutchinson 3 salah satu perusahaan penyedia jasa layanan telekomunikasi di Indonesia adalah yang memiliki tingkat pengguna hingga 14,08 persen dari total pengguna di Indonesia. PT. Hutchinson 3 Indonesia menargetkan pengingkatan pengguna 15% di tahun mendatang. Oleh karena itu penerapan customer relationship management (CRM) sangat diperlukan untuk menciptakan strategi yang tepat. Dalam melakukan penjualan produknya PT. Hutchinson 3 Indonesia mengandalkan retailer konvensional sebagai ujung tombak pemasaran. Namun permasalahan yang ada yaitu banyaknya retailer dengan berbagai macam karakteristik akan sangat berpengaruh bagi performa penyedia jasa layanan telekomunikasi dalam melakukan pengembangan. Oleh karena itu perlu dilakukan penyelesaian masalah dengan membentuk segmentasi berupa kelompok retailer, yang nantinya akan dilakukan perhitungan nilai customer lifetime value (CLV) menggunakan indikator recency, frequency, dan monetary (RFM) yang selanjutnya didapatkan strategi-stategi berdasarkan karakteristik tiap kelompok. Hasil dari penelitian yang sudah dilakukan didapatkan 3 kelompok retailer dengan karakteristik yang berbeda-beda. Indikator monetary merupakan indikator yang memiliki bobot paling tinggi dalam perhitungan CLV. Hasil klasterisasi serta perhitungan CLV didapatkan 3 karakteristik kelompok retailer. Kelompok Gold merupakan retailer dengan loyalitas dan profitabilitas tinggi, kelompok Silver merupakan retailer dengan loyalitas dan profitabilitas menengah, dan kelompok Bronze retailer merupakan reatiler dengan loyalitas dan profitabilitas tinggi. Hasil analisis strategi berdasarkan karakteristik kelompok yang direkomendasikan untuk kelompok Gold adalah strategi yang cenderung untuk menghilangkan kejenuhan. Rekomendasi strategi untuk kelompok Silver adalah untuk memicu atau trigger sehingga tingkat loyalitas meningkat, dan rekomendasi untuk kelompok Bronze adalah strategi market engagement dengan memberikan edukasi serta pengenalan produk yang lebih baik ......Business in the field of telecommunications service providers is a very promising business, especially in Indonesia. The need for telecommunications services in Indonesia is a very vital business field. One of the telecommunication service provider companies in Indonesia has a user level of up to 14.08 percent of the total users in Indonesia. PT. Hutchinson 3 Indonesia targets a 15% increase in users in the coming year. Therefore the application of customer relationship management (CRM) is necessary to create the right strategy. In selling its products, PT. Hutchinson 3 Indonesia relies on conventional retailers as the spearhead of marketing. However, the problem is that the number of retailers with various characteristics will greatly affect the performance of telecommunications service providers in carrying out development. Therefore it is necessary to solve the problem by forming segmentation in the form of retailer groups, which will later calculate the value of customer lifetime value (CLV) using indicators of recency, frequency, and monetary (RFM) which then obtain strategies based on the characteristics of each group. The results of the research that has been done show that there are 3 groups of retailers with different characteristics. The monetary indicator is an indicator that has the highest weight in CLV calculations. Clustering results and CLV calculations show 3 characteristics of the retailer group. The Gold group is a retailer with high loyalty and profitability, the Silver group is a retailer with medium loyalty and profitability, and the Bronze group is a retailer with high loyalty and profitability. The results of the analysis of strategies based on group characteristics recommended for the Gold group are strategies that tend to eliminate saturation. The strategy recommendation for the Silver group is to trigger or trigger so that the level of loyalty increases, and the recommendation for the Bronze group is a market engagement strategy by providing better education and product introduction.

Abstrak :
Perkembangan rantai pasok global telah membuka peluang hubungan yang luas antara perusahaan manufaktur dengan pemasok. Bertambahnya pemasok harus didampingi dengan program manajemen pemasok dalam rupa supplier Relationship Management (SRM). Salah satu program SRM adalah pengembagnan pemasok atau supplier development yang bertujuan untuk membawa keunggulan bagi pihak perusahaan pembeli dan pemasok. Untuk memulai supplier development, perusahaan pembeli harus terlebih dahulu menilai performa dan mensegmentasi pemasok. Sebuah perusahaan pengolahan bahan pangan kakao ingin menerapkan supplier development kepada jaringan pemasok mereka yang terdiri atas 552 pemasok. Akan tetapi perusahaan tidak memiliki data riwayat performa pemasok dan menilai pemasok secara satu per satu membutuhkan usaha dan waktu yang lebih banyak. Penelitian ini mencoba untuk mempermudah proses awal supplier development dengan mensegmentasi pemasok menggunakan konsep recency, frequency, monetary (RFM) dan menilai segmen tersebut menggunakan fuzzy SWOT. Segmentasi pemasok dilakukan dengan menggunakan algoritma K-Means terhadap nilai RFM sehingga menghasilkan empat segmen pemasok. Segmen tersebut kemudian dinilai dengan metode fuzzy SWOT yang terdiri atas penilaian kriteria internal berupa nilai RFM dan penilaian kriteria eksternal yang terdiri tiga kriteria kualitatif. Hasil dari penelitian yang dilakukan adalah diketahui segmen 1 dan 2 sebagai segmen terbaik dan kedua terbaik berdasarkan kriteria internal dan eksternal model fuzzy SWOT. Segmen 1 dan 2 disarankan untuk diterapkan strategic alliance sebagai program supplier development dalam bentuk hak kontrak pemasok eksklusif, pertukaran informasi teknologi, pengadaan vendor managed inventori (VMI) , dan pembuatan saluran komunikasi sigap. Segmen 3 dinilai sebagai segmen ketiga terbaik dan disarankan untuk menjalankan transaksi secara arm’s length transaction. Identifikasi pemasok dan pasokan bottleneck juga disarankan pada segmen 3. Segmen 4 dinilai sebagai segmen pemasok lampau dan disarankan untuk menjalankan transaksi layaknya pemasok baru dengan melakukan komparasi layanan. ......The development of global supply chains has opened up opportunities for extensive relationships between manufacturing companies and suppliers. The increase in suppliers must be accompanied by supplier management programs in the form of Supplier Relationship Management (SRM). Among the SRM programs is supplier development, which aims to bring advantages to both the buying company and the supplier. To start supplier development, the buying company must first assess the performance and segment the suppliers. A cocoa food processing company wants to apply supplier development to their supplier network of 552 suppliers. However, the company did not have any historical supplier performance data and assessing suppliers one by one would take a lot of time and effort. This research attempts to ease the initial supplier development process by segmenting suppliers using the concept of recency, frequency, monetary (RFM) and assessing the segments using fuzzy SWOT. Supplier segmentation is performed using the K-Means algorithm based on RFM values, resulting in four supplier segments. The segments are then assessed using the fuzzy SWOT method which consists of an internal criteria assessment in the form of RFM values and an external criteria assessment consisting of three qualitative criteria. The results of the research conducted are known to be segments 1 and 2 as the best and second best segments based on internal and external criteria of the SWOT fuzzy model. Segments 1 and 2 are recommended to be implemented with a strategic alliance as a supplier development program in the form of exclusive supplier contract rights, exchange of technological information, the creation of vendor managed inventory (VMI), and the creation of an instant communication channel. Segment 3 was rated as the third best segment and was advised to conduct an arm's length transaction. Supplier and bottleneck supply identification is also recommended in segment 3. Segment 4 is rated as the lapsed supplier segment and is recommended to execute transactions as if it were a new supplier by conducting service comparisons.

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.