Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Persaingan yang ketat mendorong perusahaan untuk membangun manajemen hubungan pelanggan yang kuat untuk mempertahankan loyalitas pelanggan. Penggalian informasi terkait dengan customer lifetime value (CLV) mendukung perusahaan untuk memperlakukan setiap pelanggan secara berbeda berdasarkan kontribusi pelanggan terhadap keuntungan perusahaan. Penelitian ini bertujuan untuk mengidentifikasi karakteristik dan nilai dari masing-masing kelompok pelanggan berdasarkan customer lifetime value menggunakan model length, recency, frequency, dan monetary (LRFM), sehingga memberikan wawasan bagi perusahaan untuk menghasilkan strategi retensi pelanggan yang sesuai. Dalam studi ini, CLV dievaluasi di perusahaan distribusi farmasi dan alat Kesehatan di Indonesia. Pertama, algoritma k-means diterapkan untuk melakukan klasterisasi pelanggan. Terdapat delapan klaster yang terbentuk dalam penelitian ini. Selanjutnya, metode analytic hierarchy process (AHP) digunakan untuk mendapatkan informasi terkait dengan bobot kepentingan model LRFM. Hasil perhitungan AHP menunjukkan bahwa frekuensi adalah variabel yang paling penting di sektor ini. Selanjutnya, CLV dihitung dan diberi peringkat untuk delapan klaster optimal yang dihasilkan. Hasil penelitian menunjukkan bahwa klaster 3, klaster 6, dan klaster 8 adalah pelanggan yang paling bernilai bagi perusahaan. Pada tahap akhir, dilakukan penentuan jenis strategi retensi yang sesuai terhadap klaster yang terbentuk.

---

Dealing with intense competition encourages companies to build strong customer relationship management to maintain customer loyalty. Extracting information related to customer lifetime value (CLV) supports the company to treat each customer differently based on their contribution to the company profits. This study aims to identify the characteristics and values of each customer group based on customer lifetime value using the length, recency, frequency, and monetary (LRFM) model, hence providing insights for the company to generate suitable customer retention strategies. In this study, CLV is evaluated at the pharmaceutical and medical device distribution company in Indonesia. First, k-means algorithm was applied to cluster customers. There are eight clusters formed in this study. Subsequently, the analytic hierarchy process (AHP) method was used to gain information related to the weight of importance of LRFM model. AHP results demonstrated that frequency is the most important variable in this sector. CLV was finally calculated and ranked for the resulting eight optimum clusters. The results showed that cluster 3, cluster 6, and cluster 8 were the most valuable customers for the company. Appropriate retention strategies were also determined for the clusters formed.

Abstrak :
Pertumbuhan kinerja industri alas kaki yang positif dengan permintaan alas kaki domestik yang terus meningkat menjadi peluang besar bagi para usaha mengembangkan bisnisnya di bidang alas kaki, termasuk Usaha Mikro, Kecil, dan Menengah. Seiring dengan dorongan pemerintah terhadap digitalisasi UMKM, semakin bertambahnya UMKM alas kaki yang memasarkan produknya melalui e-commerce. Hal tersebut mengakibatkan peningkatan persaingan antar UMKM alas kaki di e-commerce dalam memenangkan kompetisi bisnis. Salah satu upaya dalam mempertahankan keuntungan jangka panjang berupa penerapan customer relationship management untuk meningkatkan loyalitas pelanggan. Oleh karena itu, penelitian ini bertujuan untuk mengidentifikasi karakteristik pelanggan melalui segmentasi pelanggan berdasarkan Customer Lifetime Value (CLV) dengan pendekatan model Length, Recency, Frequency, Monetary (LRFM) dan merumuskan serta menentukan strategi retensi pelanggan. Penelitian ini berfokus pada segmentasi pelanggan sepatu kulit sebagai volume produk terbesar dalam UMKM Alas Kaki tersebut. Pada tahap awal, metode K-Medoids clustering digunakan untuk mengelompokkan pelanggan dengan menggunakan model LRFM sehingga dapat menghitung CLV pada tiap segmen pelanggan. Tiap klaster tersebut dianalisis karakteristiknya berdasarkan model LRFM, CLV, dan pemetaan klaster pada Customer Value Matrix (CVM). Strategi retensi pelanggan dirumuskan dan ditentukan prioritasnya sesuai karakteristik klaster yang terbentuk menggunakan metode Complex Proportional Assessment (COPRAS). Penelitian ini menghasilkan 3 klaster pelanggan yang terbentuk dan 7 rekomendasi strategi peningkatan loyalitas pelanggan dengan tiga prioritas teratas pada tiap klaster. ......The positive performance growth of the footwear industry with the increasing demand for domestic footwear is a great opportunity for businesses to develop their business in footwear, including Micro, Small and Medium Enterprises. Along with the government's encouragement of the digitalization of MSMEs, more and more footwear MSMEs are marketing their products through e-commerce. This has resulted in increased competition among footwear MSMEs in e-commerce in winning business competitions. One of the efforts in maintaining long-term profits is the implementation of customer relationship management to increase customer loyalty. Therefore, this research aims to identify customer characteristics through customer segmentation based on Customer Lifetime Value (CLV) with the Length, Recency, Frequency, Monetary (LRFM) model approach and formulate also determine customer retention strategies. This research focuses on segmenting leather shoe customers as the largest volume of products in this company. In the initial stage, the K- Medoids clustering method is used to group customers using the LRFM model so as to calculate CLV in each customer segment. Each cluster is analyzed for characteristics based on the LRFM model, CLV, and cluster mapping on the Customer Value Matrix (CVM). Customer retention strategies are formulated and prioritized according to the characteristics of the clusters formed using the Complex Proportional Assessment (COPRAS) method. This research resulted in 3 customer clusters formed and 7 recommendations for strategies to increase customer loyalty with the top three priorities in each cluster.

Abstrak :
Produk susu bubuk balita yang beragam membuat konsumen memiliki banyak pilihan sehingga penting bagi produsen menjaga loyalitas pelanggan yang telah ada dengan memahami perilaku churn pelanggan. Churn pelanggan didefinisikan sebagai kecenderungan pelanggan untuk berhenti melakukan bisnis dengan sebuah perusahaan. Penelitian ini berfokus memprediksi pola churn pelanggan sehingga perusahaan dapat menentukan strategi untuk mengurangi churn. Penelitian ini membahas mengenai prediksi churn pelanggan berdasarkan segmen produk susu bubuk balita menggunakan model Length, Recency, Frequency, Monetary (LRFM). Responden penelitian ini adalah pelanggan PT. XYZ yang pernah bertransaksi untuk produk susu bubuk balita kelas premium (susu A) dan segmen biasa (susu B) selama periode tahun 2021. Variabel pada penelitian ini meliputi variabel LRFM dan CLV yang dibentuk dengan pembobotan variabel LRFM. Pertama metode Fuzzy C-Means Clustering digunakan untuk melakukan pelabelan target pelanggan selanjutnya metode klasifikasi K-Nearest Neighbor (KNN) digunakan untuk memprediksi churn. Hasilnya terdapat tiga kelompok pelanggan untuk masing-masing susu A dan susu B. Pelabelan yang dihasilkan yaitu pelanggan churn dengan nilai CLV rendah, potential to churn dengan nilai CLV menengah, dan loyal dengan nilai CLV tinggi. Susu B menunjukkan jumlah pelanggan churn sebesar 43,4% lebih banyak dibandingkan susu A sebanyak 34%. Tahapan akhir penelitian ini adalah menganalisis kinerja metode KNN berdasarkan nilai akurasi, recall, dan f1-score terhadap kedua susu A dan susu B. Hasil dari tugas akhir ini menunjukkan bahwa kinerja metode KNN bergantung pada pemilihan jumlah tetangga terdekat dan proporsi pemisahan data. ......The variety of powdered toddler milk products gives consumers many choices, so producers need to maintain the loyalty of existing customers by understanding customer churn behaviour. Customer churn is defined as the tendency of a customer to stop doing business with a company. This study focuses on predicting customer churn patterns so companies can determine strategies to reduce churn. This study discusses the prediction of customer churn based on the segment of toddler powdered milk products using the Length, Recency, Frequency, Monetary (LRFM) model. The respondent of this research are the customers of PT. XYZ who have transacted for premium segment powdered milk products for toddlers (milk A) and ordinary segment (milk B) during 2021. Variables in the data include LRFM and CLV variables which are formed by weighting the LRFM variable. At first, Fuzzy C-Means Clustering algorithm was applied for labelling target customer and then, K-Nearest Neighbor (KNN) Classifier as churn prediction was used. As a result, there are three groups of customers for each milk A and milk B. The resulting labels are the churn customer group with low CLV value, potential to churn group with medium CLV, and loyal customer group with high CLV value. Milk B shows the number of customers churn by 43,4% more than milk A as much as 34%. In the final stage of this research, the author analyze the performance of the KNN method based on the value of accuracy, recall, and f1-score for both milk A and milk B. The results of this final project show that the performance of the KNN method depends on the selection of the number of nearest neighbors and the proportion of data splitting used.

Abstrak :
Pandemi COVID-19 memicu maraknya tren pembelian pakaian bekas dengan kualitas baik dan harga terjangkau yang dikenal dengan istilah Thrift Shopping. Bukan hanya dilakukan secara luring, namun juga secara daring didukung oleh perkembangan jumlah Thrift Shop daring yang ada. Dengan demikian, terjadi persaingan yang mengakibatkan dibutuhkan adanya daya saing yang tinggi dari suatu Thrift Shop untuk dapat memenangkan pasar. Penelitian ini bertujuan untuk merancang strategi customer-centric untuk setiap segmen pelanggan berdasarkan Customer Lifetime Value (CLV) dalam lingkup Customer Relationship Management (CRM) dengan menggunakan pendekatan model Length, Recency, Frequency, dan Monetary (LRFM). Metode K-Means Clustering digunakan untuk melakukan segmentasi pelanggan yang menghasilkan empat klaster dan nilai CLV digunakan untuk menentukan nilai dari setiap klaster pelanggan dengan variabel LRFM. Kemudian pemetaan klaster menggunakan Customer Value Matrix (CVM) dilakukan untuk memastikan karakteristik klaster pelanggan. Nilai CLV juga digunakan sebagai bobot pengukuran untuk melakukan pemeringkatan dengan TOPSIS pada delapan alternatif strategi yang diusulkan. ......COVID-19 pandemic has sparked a trend of buying used clothes with good quality and affordable prices known as Thrift Shopping. Not only done offline, but also online supported by the growth in the number of existing online Thrift Shops. Thus, competition occurs which results in the need for high competitiveness from a Thrift Shop to be able to win the market. This study aims to design a customer-centric strategy for each customer segment based on Customer Lifetime Value (CLV) within the scope of Customer Relationship Management (CRM) using the Length, Recency, Frequency, and Monetary (LRFM) model approach. The K-Means Clustering method is used to segment customers which results in four clusters and the CLV value is used to determine the value of each customer cluster with the LRFM variable. Then cluster mapping using the Customer Value Matrix (CVM) is carried out to ascertain the characteristics of the customer clusters. The CLV value is also used as a measurement weight for ranking with TOPSIS on the eight proposed alternative strategies.