Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Penelitian ini ditujukan untuk menentukan kepemilikan produk yang mempengaruhi peningkatan Product Holding Ratio PHR untuk identifikasi nasabah potensial, menentukan segmen yang terbentuk dari nasabah potensial, dan penawaran produk yang sesuai untuk setiap segmen yang terbentuk. Dari data nasabah Bank XYZ, dilakukan regresi logistic dan scoring untuk mendapatkan model dan insight untuk meningkatkan kepemilikan produk PHR serta analisis klaster untuk menentukan segmen nasabah potensial. Hasil analisis menunjukkan pengelompokan karakteristik nasabah potensial menjadi 3 tiga , yakni nasabah student, housewife, dan professional. Masing-masing kelompok memiliki profil, produk yang telah dimiliki dan kecenderungan bertransaksi di merchant tertentu. Hal ini akan dimanfaatkan untuk menyusun produk yang sesuai untuk ditawarkan dan cara komunikasi pemasaran yang tepat sesuai dengan karakteristik tiap kelompok.

---

ABSTRACT
This study is aimed to determine the ownership of products that affect the increase in Product Holding Ratio PHR for the identification of potential customers, determining the segments formed from potential customers, and offering appropriate products for each segment. Base on customer rsquo s data from Bank XYZ, logistic and scoring regressions are applied to obtain models and insights to improve product ownership PHR as well as cluster analysis to determine the segment of potential customers. The results of the analysis show the grouping of potential customer characteristics into 3 three , student, housewife, and professional customers. Each group has a profile, produc that has been owned and the tendency to make transactions in certain merchants. This will be utilized to develop appropriate products to offer and the right way of marketing communications based on the characteristics of each group.

Abstrak :
Dengan ketatnya persaingan pada Industri asuransi kendaraan bermotor dan besarnya kemungkinan hilangnya pelanggan (customer churn), perusahaan dituntut untuk semakin memperhatikan pengelolaan hubungan pelanggan. Faktanya mempertahankan pelanggan dinilai lebih efisien secara sumber daya dibanding jika harus mencari pelanggan baru. Dengan perkembangan teknik pengelolaan (CRM) dan besarnya pertumbuhan data yang ada, kemungkinan untuk menganalisa perilaku pelanggan dan mengurangi terjadinya churn dapat dilakukan dengan analisa big data dan machine learning. Dalam penelitian ini, algoritma machine learning dalam membuat model terbaik yang dapat memprediksi churn pada pelanggan. Data yang digunakan merupakan 27.013 data transaksi pembelian dari PT. Asuransi XYZ yang merupakan salah satu perusahaan asuransi otomotif terbesar di Indonesia. Setelah melakukan eksplorasi dan descriptive analytics, peneliti membandingkan akurasi antara logistic regression, decision tree, dan random forest dalam memprediksi churn pada pelanggan. Ditemukan bahwa random forest memiliki skor akurasi total terbaik yaitu 87.74% diikuti dengan decision tree dan logistic regression. Lebih lanjut lagi, tenure, presentase komisi, dan jumlah premi adalah feature yang paling penting dari model. Hasil dari penelitian diharapkan dapat membantu perusahaan dalam mengurangi churn pada pelangan dengan memprediksi lebih awal dan membuat kampanye retensi pelanggan yang tepat ......With the tightness of the competition in auto insurance market and the possibilities of company loss because of customer churning, insurer company should put more concern in customer relationship management. Moreover, there is fact of acquiring new costumers is more expensive than retaining one. Fortunately, due to current advancement in CRM and vast growth of data provided, the possibilities to learn customer behavior from the data is becoming feasible to retain the customer. This research purpose is to used machine learning algorithm to build model provide best accuracy to predict customer churn. We use 27.013 transaction data from XYZ Insurance Ltd, one of major auto-insurer in Indonesia. After exploring the data with the descriptive analysis, we conduct predictive analysis model with logistic regression, decision tree, and random forest to determine which algorithm give the best accuracy. This research found that random forest model has highest accuracy score (87,74%) followed by decision tree and logistic regression. Furthermore, tenure, percentage of commision, and amount of premium are the most feature that impacting customer churn. This result could help insurer company to reducing customer churn by creating right marketing campaign to retain customers.