Jamu merupakan obat tradisional Indonesia yang sudah menjadi bagian dari budaya. Meningkatnya permintaan obat tradisional khususnya Jamu di Indonesia akibat pandemi COVID-19 memberikan peluang bagi bisnis obat tradisional dan jamu. Peningkatan permintaan menyebabkan munculnya UKM baru produk tradisional dan kesehatan, pada saat yang sama, transaksi pembelian online juga meningkat, mendorong UKM untuk beralih ke e-commerce. Penelitian ini bertujuan untuk mengetahui segmentasi dan nilai setiap segmen pelanggan menggunakan CLV dan mengembangkan strategi untuk setiap segmentasi pelanggan dalam rangka meningkatkan loyalitas pelanggan. Metode K-Means Clustering digunakan untuk mengelompokkan pelanggan menjadi beberapa cluster dan nilai CLV digunakan untuk menentukan nilai setiap segmen pelanggan dengan variabel Recency, Frequency, dan Monetary (RFM). Penyebaran klaster dengan menggunakan Customer Value Matrix (CVM) juga dilakukan untuk memastikan karakteristik klaster. Data sekunder diperoleh dari transaksi penjualan. Analisis penjualan produk dilakukan dengan menggunakan metode Association Rule yang menghasilkan salah satu strategi dalam Customer Development. Hasil penelitian menghasilkan 5 cluster untuk pelanggan dengan 13 strategi untuk keseluruhan cluster. Strategi cross-selling adalah strategi yang direkomendasikan.
Jamu is a traditional Indonesian medicine that has become part of the culture. The increasing demand for traditional medicines, especially Jamu in Indonesia due to the COVID-19 pandemic, provides opportunities for the traditional and herbal medicinal business. The increase in demand leads to the emergence of new traditional and health product SMEs, at the same time, online purchase transactions have also increased, encouraging SMEs to switch to e-commerce. This study aims to determine the segmentation and value of each customer segment using CLV and develop strategies for each customer segmentation in order to increase customer loyalty. The K-Means Clustering method is used to segment customers into several clusters and the CLV value is used to determine the value of each customer segment with Recency, Frequency, and Monetary (RFM) variables. Cluster deployment using the Customer Value Matrix (CVM) was also carried out to ensure cluster characteristics. Secondary data obtained from sales transactions. Analysis of product sales is carried out using the Association Rule method which produces one of the strategies in Customer Development. The research resulted in 5 clusters for customers with 13 strategies for the whole cluster. The cross-selling strategy is the recommended strategy.
Pertumbuhan industri produk hijau kian meningkat di Indonesia, salah satunya adalah industri budidaya larva BSF yang digunakan sebagai pakan ternak. Dengan meningkatnya pertumbuhan industri larva BSF, mendesak perusahaan untuk dapat berdaya saing sehingga dapat memimpin pasar. Perpaduan antara ilmu pemasaran dan data mining penting untuk dilakukan perusahaan dalam menerjemahkan data pelanggan menjadi data informasi yang berguna bagi perusahaan. Untuk itu, penelitian ini bertujuan untuk menemukan segmen pelanggan potensial untuk dijadikan target perusahaan dalam menerapkan alternatif pemasaran yang sesuai dengan karakteristik segmen pelanggan tersebut. Metode K-Means Clustering digunakan untuk mengelompokkan pelanggan menjadi beberapa klaster berdasarkan 4 variabel, yaitu Recency, Frequency, Monetary, dan Interpurchase Time. Dalam pemilihan segmen pelanggan potensial digunakan metode Analytical Hierarchy Process (AHP) dan studi literatur. Hasil dari penelitian adalah terpilihnya tiga klaster pelanggan potensial dengan enam alternatif pemasaran sesuai dengan karakteristik klaster tersebut menggunakan metode Complex Proportional Assessment (COPRAS). ......The growth of the green product industry is increasing in Indonesia, one of which is the BSF larvae cultivation industry used as animal feed. The increasing growth of the BSF larvae industry pushes companies to be more competitive to lead the market. The combination of marketing knowledge and data mining is important for companies to translate customer data into useful information for the company. Therefore, this research aims to identify potential customer segments to be targeted by the company in implementing marketing strategies that are suitable for the characteristics of those customer segments. The K-Means Clustering method is used to group customers into several clusters based on four variables: Recency, Frequency, Monetary, and Interpurchase Time. In the selection of potential customer segments, the Analytical Hierarchy Process (AHP) method and study of literature. The result of the research is the selection of three potential customer clusters with six alternative marketing strategies according to the characteristics of those clusters using the Complex Proportional Assessment (COPRAS) method.