Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Fenomena para orangtua yang selalu mencari segala informasi terkait dengan produk anak melalui internet dan sosial media menjadi latar belakang pada penelitian ini. Kehadiran akun yang memberikan rekomendasi untuk produk anak pada sosial media diyakini dapat meningkatkan impulsifitas para ibu untuk membeli produk tersebut. Penelitian ini ingin melihat bagamaina pengaruh dari Rekomendasi Produk terhadap Impulsive buying. Sampel pada penelitian ini adalah para ibu yang termasuk kedalam generasi milenial yang aktif dalam media sosial instagram dan mengikuti akun yang sering memberikan rekomendasi produk. Pengolahan data yang dilakukan pada penelitian ini menggunakan Structural Equation Modeling (SEM). Hasil dari penelitian ini adalah urge to buy impulsively dipengaruhi oleh product affection dari produk yang direkomendasikan yang dipengaruhi oleh sinyal terkait produk (vicarious expression dan aesthetic appeal) dan affective trust pada pemberi rekomendasi.

---

The phenomenon of parents who are always looking for all information related to childrens products through the internet and social media is the background in this study. The presence of accounts that provide recommendations for childrens products on social media is believed to increase the impulsivity of mothers to buy these products. This study want to see how the effects of Product Recommendations on Impulsive buying. The sample in this study are mothers who are millennials generation who are active in social media instagram and follow accounts that often provide product recommendations. Data processingt in this study uses Structural Equation Modeling (SEM). The results of this study are the urge to buy impulsively is affected by product affection of the recommended product that is influenced by product-related signals (vicarious expression and aesthetic appeal) and affective trust in recommender.

Abstrak :
Implementasi Market basket analysis pada e-grocery studi kasus : bigbasket.com. Salah satu cara untuk meningkatkan keuntungan bagi perusahaan adalah memanfatkan pelanggan yang ada untuk menambah item barang pada keranjang belanjanya. Pemasar perlu memberikan rekomedasi produk yang sesuai dengan pelanggan. Pemasar tertarik untuk menganalisis perilaku konsumen dari item-item yang dibelanjanya. Proses analisis ini dinamakan Market basket analysis menggunakan konsep association rule. Market basket analysis bermanfaat bagi pemasar untuk memberikan rekomendasi produk, personalisasi konten promosi baik pada banner halaman homepage e-grocery, promosi melalui newsletter, menyusun product bundling atau cross selling, dan penempatan produk-produk yang saling berkaitan secara dekat.Data yang digunakan pada penelitian ini merupakan data sekunder transaksi Bigbasket.com pada periode Maret 2011 sampai dengan Desember 2014. Berdasarkan hasil analisis, produk yang dibeli oleh konsumen Bigbasket dikelompokan menjadi tiga jenis, most frequent category kategori produk yang paling banyak dibeli, medium frequent category kategori produk yang tidak terlalu sering dibeli, dan least frequent category kategori produk yang paling sedikit dibeli. Tren penjualan grocery dalam rentang satu tahun meningkat pada akhir tahun dimana terdapat hari besar India. Kemudian dalam rentang bulan, transaksi meningkat direntang tanggal 10-15.Berdasarkan pola tersebut, dibagi menjadi high season dan low season. Kemudian dengan menggunakan market basket analysis, menganalisis produk-produk apa saja yang bisa dilakukan price bundling dan product recommendation berdasarkan jenis kategori produknya most, medium, least frequent category product pada saat low season dan high season.Kata kunci: e-grocery, market basket analysis, price bundling, product recommendation, cross selling.

---

Implementation of Market basket analysis in e grocery studi kasus bigbasket.com, India . One method to increase company rsquo s profit is to utilize the existing customer. Marketers try to influence them to add items on their shopping basket. Marketers could be able to give the right product recommendation to customer. Therefore, marketers interested in analysis the shopping behavior based on item product that customer bought. This method is used association rules concept and it is called market basket analysis. Marketers can use market basket analysis to give product recommendation, targeting promotion, bundling and cross selling, and placing the associated products. This research use seconder data from sample trasanction at Bigbasket.com period from March 2011 to December 2014. Based on analysis, product classified into three types most frequent category, medium frequent category, and least frequent category. The grocery sales trend in the one year span is increasing by the end of the year whwn there is India celebration day Divavali . Then in around one month, the transaction increases in interval date 10 15.Based on those pattern transaction, we determine seasonal period of sales, high season and low season. Market basket analysis defines products related for price bundling and product recommendation based on the category products most, medium, least frequent category product in low and high season. Keyword e grocery, market basket analysis, price bundling, product recommendation, cross selling.