Hasil Pencarian  ::  Simpan CSV :: Kembali

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 ritel modern seperti supermarket semakin meningkat sehingga menimbulkan persaingan ketat antar ritel modern. Oleh karena itu, perusahaan perlu membangun manajemen hubungan pelanggan yang kuat guna mempertahankan bahkan meningkatkan loyalitas pelanggan. Penelitian ini bertujuan untuk melakukan segmentasi pelanggan berdasarkan Customer Lifetime Value (CLV) dengan pendekatan model Length, Recency, Frequency, Monetary (LRFM) serta menentukan strategi untuk setiap segmen pelanggan. Metode K-Means Clustering digunakan untuk melakukan segmentasi pelanggan yang menghasilkan 4 klaster dan nilai CLV dipakai untuk menentukan nilai dari setiap klaster pelanggan dengan variabel LRFM. Kemudian pemetaan klaster menggunakan Customer Value Matrix (CVM) dilakukan untuk memastikan karakteristik klaster pelanggan. Data produk yang dimiliki juga diolah dengan metode Market Basket Analysis (association rules) untuk mendapatkan pola perilaku belanja pelanggan serta menghasilkan rekomendasi produk sebagai strategi product affinity yang dapat diterapkan pihak supermarket. Kemudian dirumuskan 8 kategori strategi customer retention untuk dilakukan penilaian prioritas dengan metode ARAS (Additive Ratio Assessment) sebagai bagian dari strategi Customer-Centric dan menghasilkan 30 buah strategi yang dapat diterapkan pihak supermarket. ......The expansion of modern retail such as supermarkets is fostering severe competition among modern retailers. Therefore, businesses must use effective customer relationship management to preserve and even improve client loyalty. The purpose of this study is to segment consumers based on Customer Lifetime Value (CLV) using the Length, Recency, Frequency, and Monetary (LRFM) model and establish strategies for each segment. Customers are segmented using the K-Means Clustering method, which yields four clusters, and the CLV value is utilized to determine the value of each customer cluster with the LRFM variable. The Customer Value Matrix (CVM) is then used to determine the characteristics of the customer clusters through cluster mapping. The owned product data is also analysed using the Market Basket Analysis approach (association rules) to identify patterns of consumer buying behavior and generate product suggestions as part of a product affinity strategy that supermarkets might employ. As part of the CustomerCentric approach, eight types of customer retention strategies were developed for priority assessment utilizing the ARAS (Additive Ratio Assessment) method, resulting in thirty supermarket-applicable tactics.