MAKALAH MARKETING

CRM,BIG DATA DAN MARKETING ANALYTICS

Makalah ini disusun Untuk Memenuhi Mata Kuliah Marketing

Dosen Pengampu : H. Rois Arifin SE.,MM

Disusun oleh

Kelompok 12 :

1. Rahma Khoirunnisa 22101081221

2. Nila Alin Sania 22101081226
3. Fendi Prayoga 22101081004

PRODI STUDI MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM MALANG
2022

1
 KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha Esa, karena atas segala limpahan
rahmat-Nya, penulis dapat menyelesaikan makalah Marketing yang berjudul
“CUSTOMER RELATINSHIP MANAGEMENT (CRM), BIG DATA, AND
MARKETING ANALYTICS”. Tanpa pertolongan-Nya, penulis belum tentu
sanggup menyelesaikan makalah ini dengan baik.

Dalam penyusunan makalah ini, tidak sedikit hambatan yang penulis hadapi.
Namun penulis menyadari bahwa kelancaran dalam penyusunan materi ini tidak lain
berkat bantuan, dorongan dan kerjasama dari semua pihak yang telah membantu
dalam terselesainya makalah ini sehingga kendala-kendala yang penulis hadapi
dapat teratasi.

Dalam Penulisan makalah ini penulis merasa masih banyak kekurangan baik
pada teknis penulisan maupun materi, mengingat akan kemampuan yang dimiliki
penulis. Untuk itu kritik dan saran dari semua pihak sangat penulis harapkan demi
penyempurnaan pembuatan makalah ini. Semoga materi ini dapat bermanfaat dan
menjadi sumbangan pemikiran bagi pihak yang membutuhkan, khususnya bagi
penulis sehingga tujuan yang diharapkan dapat tercapai. Terima kasih.

Malang, 21 Desember 2022

Kelompok 12

2
 DAFTAR ISI

KATA PENGANTAR.................................................................................................ii

DAFTAR ISI..............................................................................................................iii

BAB I...........................................................................................................................1

1.1 Latar Belakang..............................................................................................1

1.2 Rumusan Masalah.........................................................................................1

1.3 Tujuan Penulisan...........................................................................................1

BAB II.........................................................................................................................2

2.1 Mengelola Kepuasan Pelanggan...................................................................2

2.2 Loyalitas Pelanggan......................................................................................3

2.3 Pengertian Customer Relationship Management..........................................4

2.4 Mengaitkan IOT dalam menganalisis E-CRM..............................................8

2.5 Kategori Big Data (Terstruktur dan Tidak Terstruktur)................................9

2.6 Sumber Big Data dan Kategorinya.............................................................13

2.7 Penggunaan Big Data untuk Analisis pemasaran........................................19

BAB III......................................................................................................................21

3.1 Kesimpulan......................................................................................................21

3.2 Saran................................................................................................................21

DAFTAR PUSTAKA................................................................................................22

3
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Manajemen Hubungan Pelanggan (bahasa Inggris: Customer Relationship

Management disingkat CRM) adalah suatu jenis manajemen yang secara khusus
membahas teori mengenai penanganan hubungan antara perusahaan dengan
pelanggannya dengan tujuan meningkatkan nini perusahaan di mata para
pehanggannya.
Pengertian lain mengatakan bahwa ia adalah sebuah sistem informasi yang
terintegrasi yang digunakan untuk merencanakan, menjadwalkan, dan
mengendalikan aktivitas aktivitas prapenjualan dan pascapenjualan dalam
sebuah organisasi CRM melingkupi semua aspek yang berhubungan dengan
calon pelanggan dan pelanggan saat ini, termasuk di dalamnya adalah pusat
panggilan (call center), tenaga penjualan (sales force), pemasaran, dukungan
teknis (technical support) dan hayanan lapangan (field service).

1.2 Rumusan Masalah

1. Bagaimana caea mengelola kepuasan pelanggan?

2. Apa yang dimasud loyalitas konsumen?
3. Apa yang dimasud Customer Relationship Management?
4. Bagaimana mengaitkan IOT dalam Menganalisis E-CRM ?
5. Apa saja kategori big data (terstruktur dan tidak terstruktur)?
6. Apa saja sumber big dan kategorinya?
7. Bagaimana penggunaan big data untuk analisis pemasaran?

1.3 Tujuan Penulisan

1. Mengelola Kepuasaan Konsumen

2. Pengetahuan tentang loyalitas pelanggan
3. Untuk Mengetahui konsep CRM
4. IOT dalam analisis E-CRM
5. Mengetahui Big data terstruktur dan tidak terstruktur
6. Mengetahui Penggunaan big data untuk analisis pemasaran

1
 BAB II
PEMBAHASAN

2.1 Mengelola Kepuasan Pelanggan

Kepuasan pelanggan adalah respons berupa perasaan puas yang timbul karena
pengalaman mengonsumsi suatu produk atau layanan, atau sebagian kecil dari
pengalaman itu.
Kepuasan konsumen adalah respons yang menyenangkan, sementara
ketidakpuasan pelanggan adalah respons yang tidak menyenangkan. Komponen
'pengalaman konsumen, atau sebagian kecil dari pengalaman itu' dari definisi
tersebut memungkinkan kita melakukan evaluasi kepuasan pelanggan terhadap
sebagian atau seluruh elemen dari pengalaman konsumen. Bagian-bagian yang
dimaksud bisa berupa produk, jasa atau layanan, dan berbagai proses atau
komponen-komponen lain dari pengalaman konsumen.
Cara yang paling lazim ditempuh dalam mengoperasionalkan kepuasan adalah
membandingkan persepsi konsumen mengenai suatu pengalaman (atau sebagian
kecil dari pengalaman itu) dengan harapan mereka. Metode pengukuran
kepuasan konsumen ini disebut 'model diskonfirmasi harapan'. Pada dasarnya,
model tersebut menunjukkan bahwa jika konsumen (menurut persepsi mereka)
merasa harapannya telah terpenuhi, maka mereka merasa puas. Jika harapan
mereka tidak sepenuhnya tercapai maka kondisi ini disebut diskonfirmasi negatif
dan mereka menjadi tidak puas.
Ada 2 cara untuk mendefinisikan dan mengukur kesetiaan konsumen yaitu
bedasarkan :
1. Perilaku Konsumen yang loyal(Behavioural loyality)
Diukur bedasarkan perilaku beli konsumen yang ditunjukkan dengan
tingginya frekuensi konsumen dating kesebuah toko atau membeli suatu
produk .
2. Sikap Loyal(Attitudinal Loyalty)
Diukur dengan mengacu pada komponen-komponen sikap,seperti
keyakinan ,perasaan dan kehendak untuk melakukan pembelian.

2
2.2 Loyalitas Pelanggan

Kotler dan Keller (2018) menyatakan bahwa loyalitas merupakan

komitmen yang dipegang secara mendalam untuk membeli atau mendukung
kembali produk atau jasa yang disukai di masa depan meski pengaruhsituasi dan
usaha pemasaran berpotensi menyebabkan pelanggan beralih. Loyalitas
konsumen merupakan sebuah usaha konsumen untuk tetap setia dengan
kesadaran, kesan kualitas, kepuasan dan kebangggan yang kuat terhadap suatu
produk yang diikuti pembelian ulang. Cristopher dan Lauren dalam Setiawan
(2011) loyalitas merupakan kesediaan pelanggan untuk terus berlangganan
pada sebuah perusahaan dalam jangka panjang, dengan membeli dan
menggunakan barang dan jasanya secra berulang, dan dengan suka rela
merekomendasikan prosuk perusahaan tersebut kepada orang lain. Menurut
Selnes (Selnes, 1993) dalam Al-Rasyid (2018) Loyalitas pelanggan dapat
terbentuk apabila pelanggan merasa puas dengan merek atau tingkat layanan
yang diterima, dan berniat untuk terus melanjutkan hubungan. Kotler (2002)
loyalitas pelanggan mencerminkan kesetiaan pelanggan pada sebuah merek.
Loyalitas terhadap merk terbagi menjadi empat kelompok :
1. Loyalitas Utama, konsumen membeli satu merek dalam sepanjang waktu.
2. Loyalitas terpisah, konsumen loyal terhadap dua sampai tiga merek.
3. Pergeseran loyalitas, konsumen bergeser dari satu merek ke merek lainnya.
4. Beralih, konsumen tidak menunjukan loyalitas pada merek apapun.
Berdasarkan pendapat para ahli dapat disimpulkan bahwa loyalitas adalah
komitmen pelanggan bertahan secara mendalam untuk berlangganan kembali
atau melakukan pembelian produk atau jasa terpilih secara konsisten dimasa
yang akan datang. Konsumen yang loyal tidak diukur dari beberapa banyak dia
membeli, tapi dari berapa sering dia melakukan pembelian ulang dan
merekomendasikannya kepada orang lain untuk membeli.
Menurut Aaker (1997), ada lima cara untuk menciptakan dan memelihara
loyalitas konsumen:
1. Memperlakukan hak pelanggan, yaitu pelanggan mempunyai hak untuk
dihormati. Memperlakukan mereka sesuai dengan keinginannya dan
kehendak mereka, agar tetap terpelihara loyalitasnya maka perusahaan

3
 harus memperhatikan apa saja keinginan dan harapan mereka terhadap
kinerja produk perusahaan.
2. Tetap dekat dengan pelanggan, dimana kedekatan tersebut merupakan modal
yang berharga karena perusahaan akan tahu perubahan-perubahan dari
keinginan konsumen, kedekatan ini sangat efektif untuk mengetahui harapan
konsumen dengan cepat.
3. Mengukur kepuasan pelanggan, hal tersebut sangat penting untuk dijadikan
masukan yang berarti, dan harus dilakasanakan secara kontinu dan bertahap
pada setiap dekade untuk mengetahui sikap konsumen terutama
mengenai loyalitas mereka.
4. Menciptakan biaya-biaya peralihan antara lain berupa pemberian harga,
serta potongan yang dinegosiasi yang mana harga yang telah ditetapkan
dapat berkurang dengan cara negosiasi dengan pertimbangan khusus bagi
para pelanggan yang setia.
5. Memberikan ekstra, yang mana bisa berupa pemberian hadiah-hadiah untuk
para pelanggan sehingga mereka merasa diperhatikan dan dihargai, yang
pada akhirnya dapat mengikat mereka agar tetap loyal dan setia.

2.3 Pengertian Customer Relationship Management

Menurut Newell yang dikutip oleh Kartika Imasari, Customer Relationship

Management (CRM) adalah sebuah modifikasi dan pembelajaran perilaku
konsumen setiap waktu dari setiap interaksi, perlakuan terhadap pelanggan dan
membangun kekuatan antara konsumen dan perusahaan.

Menurut Kotler dan Keller, CRM atau manajemen hubungan pelanggan

adalah proses mengelola informasi secara rinci tentang masing-masing
pelanggan. CRM mengelola semua ”titik kontak” pelanggan untuk
memaksimalkan loyalitas pelanggan. Titik kontak pelanggan adalah semua
kejadian dimana pelanggan kontak dengan produk atau jasa, mulai dari
pengalaman pribadi, komunikasi massal hingga observasi biasa.

4
CRM menurut Kalakota dan Robinson memiliki tujuan-tujuan sebagai berikut:

a. Menggunakan hubungan yang sudah ada untuk meningkatkan

pendapatan. Hal ini berarti mempersiapkan pandangan yang
komprehensif dari pelanggan untuk memaksimalkan hubungan mereka
dengan perusahaan baik melalui up-selling atau cross-selling dan pada
saat yang sama, meningkatkan profit dengan identifikasi, menarik
perhatian, dan mempertahankan pelanggan terbaik.
b. Menggunakan informasi yang terintegrasi untuk pelayanan yang
memuaskan. Dengan menggunakan informasi dari pelanggan untuk
meningkatkan pelayanan yang lebih baik berdasarkan kebutuhan mereka,
perusahaan dapat menghemat waktu pelanggan dan menyingkirkan
segala kekecewaan dari pelanggan. Sebagai contoh, pelanggan
seharusnya tidak perlu untuk mengulangi informasi yang sama ke
berbagai departemen perusahaan secara terus-menerus. Pelanggan akan
senang jika pihak perusahaan tahu banyak tentang apa yang mereka
inginkan.
c. Menciptakan saluran proses dan prosedur komunikasi yang konsisten dan
berulang. Dengan banyaknya saluran komunikasi dengan pelanggan,
semakin banyak pula karyawan yang terlibat di dalam transaksi
penjualan. Tanpa memperhatikan ukuran atau kompleksitas, perusahaan
harus meningkatkan konsistensi proses dan prosedural di dalam
pengaturan terhadap pelayanan, pemasaran dan penjualan.

Faktor-faktor Customer Relationship Management

a. Faktor SDM
Sumber daya manusia yang merupakan salah satu faktor penting dalam
keberhasilan CRM. Menurut Ghalenooie dan Sarvestani (2016), faktor-
faktor sumber daya manusia yang efektif terhadap keberhasilan CRM,
adalah pelatihan, pengetahuan, manajemen, pandangan/pendapat,
pemahaman dan konsep diri, kreativitas dan bakat, budayadan
kemampuan berkomunikasi.

5
 b. Pelayanan Personal
Menurut Converse (1992:233), pelayanan personal adalah jasa yang
sangat mengutamakan pelayanan manusia dan perlengkapannya, seperti
perbankan, rumah sakit, tukang cukur, salon kecantikan, laundry,dsb.
c. Teknologi
Menurut Sutarman (2012:13), teknologi informasi adalah suatu studi,
perancangan, pengembangan, implementasi, dukungan atau manajemen
sistem informasi berbasis komputer, khususnya aplikasi perangkat lunak
dan perangkat keras komputer.
d. Komitmen
Menurut Hermawan (2003), komitmen adalah suatu sikap yang
merupakan niat untuk mempertahankan keterhubungan jangka panjang
karena hubungan tersebut dirasa berharga dan memberikan manfaat.
e. Kepercayaan
Sedangkan menurut Morgan dan Hunt (Suhardi, 2006:51) definisi
kepercayaan adalah sebagai suatu kondisi ketika salah satu pihak yang
terlibat dalam proses pertukaran yakin dengan keandalan dan integritas
pihak yang lain.

SIKLUS PROSES CRM

Siklus Proses untuk CRM

Sumber: Swift, Ronald S. Mempercepat Hubungan Pelanggan: Menggunakan

CRM dan Teknologi Hubungan. Upper Saddle River, NJ:Prentice Hall, 2001.

6
Siklus proses untuk CRM dapat dibagi menjadi empat elemen berikut:

1. Knowledge Discovery

adalah proses menganalisis informasi pelanggan yang diperoleh melalui

berbagai titik sentuh pelanggan. Pada intinya titik sentuh pelanggan
adalah tempat perusahaan penjual menyentuh pelanggan dengan cara
tertentu, sehingga memungkinkan informasi tentang dia dikumpulkan. Ini
mungkin termasuk sistem point-of-sale, file pusat panggilan, akses
Internet, catatan dari pertemuan penjualan langsung atau layanan
pelanggan, atau pengalaman kontak pelanggan lainnya. Titik sentuh
terjadi di persimpangan acara bisnis yang terjadi melalui saluran
menggunakan beberapa media, seperti pertanyaan online dari prospek,
tindak lanjut telepon dengan pembeli tentang masalah layanan,
pertemuan tatap muka dengan tenaga penjualan.

2. Marketing Planning
Fase berikutnya dalam siklus proses CRM adalah perencanaan
pemasaran, yang merupakan kunci penggunaan keluaran dari fase
knowledge discovery. Artinya, informasi tersebut memungkinkan
kemampuan untuk mengembangkan strategi dan program pemasaran dan
pelanggan. Input CRM ke dalam proses perencanaan pemasaran sangat
berguna dalam mengembangkan elemen strategi bauran pemasaran,
termasuk menggunakan bauran komunikasi pemasaran dengan cara yang
terintegrasi untuk menyesuaikan pendekatan ke kelompok pelanggan
yang berbeda.
3. Customer Interaction
Fase interaksi pelanggan mewakili implementasi aktual dari strategi dan
program pelanggan. Ini termasuk upaya penjualan pribadi, serta semua
interaksi yang diarahkan pelanggan lainnya. Ini harus ditujukan ke semua
titik kontak pelanggan, atau saluran kontak pelanggan, baik secara
langsung maupun elektronik.

7
 4. Analysis And Refinement
fase analisis dan penyempurnaan dari proses CRM adalah respon
pelanggan terhadap strategi dan program yang diterapkan. Anggap saja
sebagai riset pasar dalam bentuk dialog berkelanjutan dengan pelanggan,
difasilitasi dengan penggunaan alat CRM yang efektif. Dengan
komitmen dan kemampuan berkelanjutan yang terkait dengan riset
pelanggan, penyesuaian berkelanjutan yang dilakukan terhadap inisiatif
pelanggan perusahaan secara keseluruhan akan menghasilkan investasi
sumber daya yang lebih efisien.

2.4 Mengaitkan IOT dalam menganalisis E-CRM

Di era teknologi internet yang terus berkembang hingga saat ini, utamanya
dalam dunia bisnis. Kini proses CRM, dapat dikonversikan kedalam sistem
yang disebut dengan e-CRM (Electronic-Customer Relationship
Management). Salah satu contoh implementasinya adalah penggunan
aplikasi CRM dengan memanfaatkan website, yang kemudian dikenal
dengan istilah CRM Web-Based (CRM berbasis web).

Turban, et al., mengemukakan bahwa istilah e-CRM (CRM elektronik) mulai

dimunculkan pada pertengahan tahun 1990-an, ketika banyak perusahaan
mulai menggunakan penjelajah web, internet, serta alat elektronik lainnya (e-
Mail, terminal POS, pusat panggilan, dan penjualan langsung) untuk
mengelola hubungan pelanggan. Lebih lanjut menurut Turban, et
al.,penggunaan teknologi e-CRM telah membuat layanan pelanggan, serta ke
para mitra menjadi lebih efektif dan efisien, serta data yang dihasilkan
mengenai pelanggan dapat dengan mudah dimasukkan serta dianalisis
kedalam berbagai aplikasi pemasaran, penjualan, dan layanan pelanggan.
Berdasarkan hal tersebut Turban, et al.,kemudian membedakan ruang
lingkup e CRM kedalam tiga tingkatan, yaitu:

1. Layanan dasar,
2. Layanan yang berpusat pada pelanggan, dan
3. Layanan bernilai tambah.

8
 loT (Internet of Things) dalam CRM Software adalah masa depan layanan
pelanggan. loT diyakini menjadi salah satu pendorong utama CRM karena
memberikan dorongan besar untuk CRM. Ini akan membuat sistem CRM
bekerja lebih baik untuk organisasi, mendorong penjualan, dan
meningkatkan layanan dan kepuasan pelanggan. Salah satu contoh integrasi
tersebut adalah kemampuan untuk menganalisis informasi yang dihasilkan
dari perangkat yang terhubung. Dan jika ada masalah yang dilaporkan,
bahkan kita dapat memperbaikinya dari jarak jauh.

Ketika semuanya terhubung ke jaringan, berbagai industri akan

ditransformasikan dan loT dalam CRM akan dapat menangani transformasi
ini dengan mampu mengotomatiskan layanan pelanggan untuk
menyelesaikan masalah dengan lebih cepat, lebih efisien dan bahkan
sebelum terjadi. Pada 2019, loT akan sangat memengaruhi CRM karena
sejumlah besar data berharga yang dikumpulkan dari pelanggan dan
pelanggan potensial akan secara dramatis meningkatkan dan meningkatkan
fungsi CRM.

2.5 Kategori Big Data (Terstruktur dan Tidak Terstruktur)

1. Data terstruktur

mengacu pada data yang dihasilkan sedemikian rupa sehingga organisasi logis
dikenakan padanya selama pembuatannya, sehingga memungkinkannya untuk
lebih mudah dianalisis untuk pembuatan pengetahuan. Data terstruktur dapat
dengan mudah ditempatkan ke dalam kategori tertentu dan disimpan dalam sistem
informasi untuk analisis di masa mendatang. Data terstruktur biasanya berupa
numerik atau teks yang secara substansial terbatas pada kumpulan nilai input
tertentu (wanita/pria, misalnya). Ini adalah jenis data yang umumnya ditemukan di
database relasional atau spreadsheet seperti Microsoft Excel atau Google Sheets;
umumnya diatur ke dalam tabel dengan kolom yang memperjelas jenis informasi
apa yang akan disertakan di setiap entri dalam kolom tertentu.

Untuk membantu membuat gagasan tentang data terstruktur tampak kurang

abstrak, pertimbangkan proses pembuatan akun di situs pengecer sehingga dapat

9
membeli barang secara online dengan nyaman. seringkali harus mengisi formulir
web yang meminta informasi seperti nama, jenis kelamin, tanggal lahir, email,
alamat surat, dan input standar lainnya. Karena metode pengumpulan data ini
kotak terpisah dalam formulir web ini memenuhi syarat sebagai data terstruktur .

Data Terstruktur Tidak terstruktur

Data

Umumnya disimpan di Umumnya

Penyimpanan database relasional atau disimpan dalam file

struktur sistem informasi dengan tingkat organisasi
lainnya yang berisi terbatas yang diberlakukan
struktur baris dan kolom di dalam file (misalnya,
yang terdefinisi dengan entri data dapat dicatat dan
baik. diatur secara kronologis).

Karakteristik Umumnya lebih mudah Umumnya lebih sulit dan

dan lebih murah untuk lebih mahal untuk
disimpan dan dianalisis dianalisis karena
karena karakteristik kurangnya karakteristik
strukturalnya sudah struktural yang tersedia.
tersedia (misalnya, setiap
record mungkin dibatasi
untuk satu tipe data
seperti numerik, tanggal,
waktu, abjad).

Input data ke bidang Teks dan gambar dalam

Contoh tertentu dalam pesan email.
formulir web (mis., Teks, gambar, audio, dan
Usia jenis kelamin, video dalam postingan
Hari ulang tahun) media sosial. Teks,
gambar, audio, dan video

10
 Data dibuat melalui
transaksi tertentu
(misalnya, membeli dalam postingan blog.
item pakaian secara
online).
mengisi database relasional atau spreadsheet. Setiap baris dalam tabel akan berisi
orang berbeda yang mendaftar untuk sebuah akun. Struktur ini memungkinkan
banyak analisis berbeda dan jenis tindakan lain menjadi lebih mudah dilakukan
(misalnya, menentukan usia rata-rata pelanggan pria perusahaan yang berbelanja
online). Meskipun data terstruktur umumnya lebih mudah digunakan oleh manajer
pemasaran, data tersebut memiliki keterbatasan dalam hal jenis wawasan yang
dapat diberikannya, dan pada kenyataannya hanya mewakili sebagian kecil dari
data yang tersedia untuk digunakan. Menurut beberapa perkiraan sebelumnya,
diyakini bahwa data terstruktur hanya menyumbang 10 hingga 20 persen dari
semua data yang tersedia untuk organisasi.
2. Data tidak terstruktur

mengacu pada data yang dihasilkan sedemikian rupa sehingga tidak memiliki
struktur organisasi tertentu yang membuatnya mudah dianalisis untuk penciptaan
pengetahuan. Data tidak terstruktur mungkin tidak dapat segera ditinda klanjuti
seperti data terstruktur, tetapi telah menjadi bentuk paling umum dari data yang
tersedia untuk organisasi, dan berpotensi menjadi sumber wawasan mendalam
yang kaya tentang perilaku pelanggan dan hubungan pelanggan/penyedia. Data
tidak terstruktur dapat mencakup postingan yang dibuat orang di media sosial,
email yang dikirim ke perwakilan layanan pelanggan (CSR), log panggilan dari
tenaga penjualan dan CSR, informasi yang dimasukkan oleh tenaga penjualan dan
CSR ke dalam sistem CRM untuk menggambarkan interaksi dengan pelanggan
saat ini dan calon pelanggan, video yang dibuat orang untuk mendiskusikan
pengalaman mereka dengan produk,

Bagi manajer pemasaran, tantangan utama dengan data tidak terstruktur di

masa lalu adalah menentukan cara mengekstrak makna dari data sehingga dapat
digunakan dalam analisis selanjutnya. Dari sudut pandang aplikasi, pertanyaannya

11
pada dasarnya menjadi menentukan bagaimana membuat data terstruktur dari data
tidak terstruktur yang nilainya tidak lebih rendah dari informasi yang terkandung
dalam bentuk awalnya yang tidak terstruktur.Untuk membantu memberikan
pemahaman yang lebih umum tentang tujuan proses ini, ada baiknya
mempertimbangkan beberapa contoh informasi yang terkandung dalam pesan
elektronik dari pelanggan yang memiliki nilai potensial bagi manajer pemasaran.
Misalnya, jika suatu produk disebutkan dalam pesan pelanggan, maka menangkap
nama produk tertentu dalam bentuk terstruktur harus memberikan beberapa
konteks berharga untuk aplikasi berorientasi analitis masa depan. Selain itu, jika
tampaknya ada cara khusus yang dirasakan pelanggan tentang produk tersebut,
kemungkinan besar akan berguna untuk menangkap perasaan itu dalam bentuk
terstruktur untuk studi di masa mendatang.

Dalam konteks Big Data, ekstraksi data terstruktur dari data tidak terstruktur
terutama dilakukan dengan menggunakan teknologi otomatis. Mengingat jumlah
data yang tersedia untuk organisasi, secara ekonomi tidak layak bagi orang untuk
secara manual menyaring data yang dihasilkan untuk menjalankan fungsi ini.
Untungnya, kemajuan teknologi telah menyediakan cara yang semakin efisien dan
canggih untuk mengekstraksi struktur dari data yang tidak terstruktur untuk
menyediakan umpan yang berguna untuk menjalankan berbagai analitik
pemasaran.

Pada titik ini perlu dicatat bahwa meskipun telah menggunakan konvensi
data terstruktur dan tidak terstruktur untuk mengklasifikasikan data, pada
kenyataannya tidak semua data cocok dengan kedua klasifikasi ini. Data semi-
terstruktur cocok antara data terstruktur dan tidak terstruktur dalam artian
mengandung beberapa elemen struktur yang memudahkan mesin untuk
memahami organisasinya, tetapi masih berisi bagian-bagian yang tidak memiliki
tingkat struktur yang sesuai agar mudah dianalisis oleh sarana otomatis untuk
penciptaan pengetahuan. Data semi-terstruktur tidak mudah mematuhi seperangkat
standar yang ketat.Contoh tipikal dari web adalah file Extensible Markup
Language (XML). File XML berisi tag (tanda di dalam file XML yang
memberikan tingkat pengorganisasian data dan menawarkan beberapa makna

12
semantik), tetapi upaya tambahan diperlukan untuk membuat data terstruktur dari
file ini sehingga output dapat disimpan dengan cara yang memungkinkan analisis
yang lebih luas untuk diterapkan.

2.6 Sumber Big Data dan Kategorinya

Big Data berasal dari berbagai sumber. Sumber paling berharga bagi pemasar
adalah mereka yang menangkap data tentang pelanggan potensial dan saat ini
untuk menghasilkan wawasan yang dapat ditindaklanjuti. Enam sumber utama
yang melayani tujuan ini adalah sistem bisnis, platform media sosial, perangkat
yang terhubung ke Internet, aplikasi seluler, entitas komersial, dan entitas
pemerintah.
1. Data dari Sistem Bisnis

Sistem informasi yang digunakan perusahaan untuk fungsi bisnis yang

berbeda secara internal dan eksternal memberikan informasi berharga untuk
pemahaman yang lebih baik bagaimana memaksimalkan nilai pelanggan.
Sistem CRM sering bertindak sebagai hub pusat data terkait pelanggan dan
banyak mengandung kemampuan yang memungkinkan mereka untuk dengan
mudah berintegrasi dengan aplikasi lain yang digunakan oleh suatu organisasi.
Keuntungan dari pemusatan informasi di satu tempat melalui integrasi
beberapa aplikasi adalah memfasilitasi pandangan yang lebih holistik dari
pelanggan perusahaan saat ini dan pelanggan potensial dan memungkinkan
analisis tingkat kecanggihan yang berbeda dilakukan dengan menggunakan
data terkait.

Pengumpulan data transaksi dari pelanggan melalui sistem point-ofsales

(POS) di lokasi ritel, serta sistem pemrosesan transaksi online, dapat dikaitkan
dengan informasi kaya lainnya tentang pelanggan dan digunakan untuk
menentukan nilai relatif pelanggan tersebut. Ini juga dapat memberikan
wawasan tentang jenis produk, layanan, dan penawaran promosi apa yang
paling menarik bagi pelanggan tersebut. Kroger menggunakan sejumlah besar
transaksi dan data pribadi yang telah dikumpulkannya melalui sistem POS dan
program kartu loyalitasnya untuk mengembangkan kampanye surat langsung

13
yang disesuaikan untuk setiap pelanggan individu, menghasilkan tingkat
pengembalian kupon lebih dari 18 kali lebih tinggi daripada rata-rata industri,
yang secara signifikan memengaruhi kinerja keuangan .
Aktivitas terkait web adalah sumber utama pembuatan data yang akan terus
tumbuh semakin penting karena semakin banyak orang mengandalkan Internet
dan berbagai teknologi yang memungkinkan akses Internet untuk mencari
informasi, berkomunikasi dengan orang lain, dan bertransaksi bisnis. Setiap
tindakan yang dilakukan pelanggan di situs web menciptakan data yang
melalui analisis berpotensi memberikan wawasan berharga bagi manajer
pemasaran. Data ini dapat dikumpulkan dalam log web, yang merekam
tindakan tertentu yang dilakukan pengguna di situs web dalam urutan
kronologis terbalik (yaitu, ditampilkan dari terbaru ke terlama). Salah satu
elemen menarik tertentu yang ditangkap dalam log web adalah data aliran klik,
yang mencakup urutan spesifik klik mouse yang dilakukan pengguna saat
mengunjungi satu atau beberapa situs web. Data yang berasal dari log web
bernilai karena berbagai alasan,

Penggunaan data aliran klik pada tahap awal dalam penjelajahan pelanggan
terhadap situs web e-niaga dapat memberikan wawasan tentang keadaan
niatnya (yang sebenarnya dapat berubah selama satu sesi penjelajahan di situs).
Salah satu implikasi dari jenis pengetahuan ini adalah kemungkinan untuk
meningkatkan kemungkinan pelanggan melakukan pembelian selama sesi
penjelajahan dengan secara dinamis mengubah aspek situs berdasarkan
prediksi niat pelanggan tersebut pada tahap tertentu selama
penjelajahan.Misalnya, untuk pelanggan yang tampaknya berada dalam
keadaan di mana dia tertarik untuk membuat keputusan pembelian, situs web
dapat dimodifikasi untuk memberikan perhatian yang lebih besar pada
informasi harga dan menghapus elemen promosi di sekeliling halaman yang
mungkin mengganggu fokus pelanggan dalam membuat keputusan pembelian.

Karena pelanggan sekarang menggunakan beberapa teknologi berbeda

untuk mengakses Internet, penting untuk dapat menggambarkan antara data log
web, seperti apa yang dihasilkan oleh individu yang menggunakan ponsel

14
cerdas versus laptop. Perbedaan dalam perilaku terkait web yang mungkin
terlihat di antara kedua perangkat ini dapat menawarkan wawasan berharga
bagi manajer pemasaran yang ingin memberikan pengalaman online yang lebih
baik di berbagai perangkat.

2. Data dari Platform Media Sosial

Sumber data yang semakin berharga berasal dari banyaknya situs media
sosial yang digunakan pelanggan untuk berkomunikasi satu sama lain dan
berbagai organisasi. Data yang dihasilkan melalui platform media sosial sangat
beragam sifatnya, terkait dengan perbedaan sarana komunikasi yang
ditekankan atau diaktifkan oleh situs jejaring sosial yang berbeda. Sebagai
contoh, pertimbangkan bahwa Facebook memungkinkan pengguna
memposting pesan dalam bentuk teks, bereaksi terhadap postingan dengan
respons emosional yang berbeda (diambil secara visual sebagai emoji), berbagi
gambar, dan memposting video (atau merekamnya secara langsung). Selain
data yang dihasilkan dengan berkomunikasi menggunakan platform seperti
Facebook, sejumlah besar data dihasilkan saat pengguna mengatur dan
menambah profil mereka lebih lanjut di situs. Semua data ini, yang merupakan
campuran dari data terstruktur dan tidak terstruktur,

Cara pengguna berkomunikasi satu sama lain di platform media sosial, dan
dengan siapa mereka berkomunikasi, menawarkan peluang untuk lebih
memahami hubungan antara individu dan kelompok tertentu dan perbedaan
pengaruh yang dimiliki individu dan kelompok tertentu terhadap orang lain.
Bagi seorang manajer pemasaran yang mengembangkan kampanye untuk
produk tertentu, mengidentifikasi individu di media sosial dengan pengaruh
tingkat tinggi yang memiliki minat pada suatu produk dan melibatkan mereka
dalam kampanye pemasaran dapat menghasilkan manfaat besar melalui kata
positif dari mulut ke mulut yang dapat dilakukan oleh para pemberi pengaruh
tersebut. untuk membuat.

3. Data dari Perangkat yang Terhubung ke Internet

15
 Semakin banyak perangkat pintar yang memasuki pasar dan semakin
banyak produk mendapatkan kemampuan untuk terhubung ke jaringan,
semakin banyak sumber data terstruktur dan tidak terstruktur dihasilkan dan
dikirim ke organisasi melalui perangkat ini. Banyak yang menyertakan sensor
yang memungkinkan pengumpulan data tidak terstruktur dalam jumlah besar.
Data yang dihasilkan dari penggunaan produk ini memiliki potensi untuk
memberikan pemahaman yang lebih baik tentang bagaimana pelanggan
menggunakan produk dan layanan, seperti menginformasikan desain fitur di
masa mendatang dan membantu mengidentifikasi peluang untuk
mengomunikasikan informasi tentang fitur yang tidak dimanfaatkan pelanggan
secara maksimal. keuntungan.

Nilai dari mengkomunikasikan informasi tentang fitur yang kurang

dimanfaatkan mungkin paling terlihat dalam kasus produk atau layanan dengan
berbagai fitur, seperti mobil atau penyedia layanan keuangan. Karena
kerumitan produk tertentu, pelanggan mungkin dari waktu ke waktu fokus pada
penggunaan serangkaian fitur tertentu dalam suatu produk dan melupakan
keberadaan fitur lainnya. Mampu mengidentifikasi pola-pola ini dapat
memberikan peluang bagi pengembangan komunikasi pemasaran untuk
memberi tahu pelanggan nanti dalam pengalaman konsumsi mereka tentang
suatu produk tentang satu atau lebih fitur yang mungkin tidak mereka gunakan,
tetapi mungkin bernilai bagi mereka. berdasarkan data yang dianalisa. Untuk
fitur yang lebih kompleks, komunikasi pemasaran yang disediakan dapat
menyertakan komponen pendidikan untuk membantu pelanggan memahami
cara memanfaatkan fitur yang dipromosikan (misalnya, pilihan investasi yang
berbeda). Jenis pelatihan just-in-time ini mungkin sangat efektif bagi
pelanggan yang lebih suka belajar secara bertahap.

4. Data dari Aplikasi Seluler

Data yang dihasilkan dari penggunaan aplikasi (aplikasi) seluler yang

berbeda oleh pelanggan dapat memberikan wawasan tentang bagaimana
pelanggan yang berbeda menggunakan aplikasi seluler, dan elemen apa dalam
aplikasi seluler yang paling efektif dari sudut pandang umum. Aplikasi seluler

16
yang digunakan untuk membantu pelanggan menemukan penawaran di dalam
toko, seperti Cartwheel dari Target, memberikan peluang bagi pengecer untuk
memaksimalkan nilai pengalaman berbelanja di dalam toko; memahami
respons pelanggan terhadap tingkat harga yang berbeda untuk produk, kategori,
dan merek yang berbeda; dan dapatkan wawasan yang lebih baik tentang
bagaimana perilaku belanja yang memadukan pengalaman online dan offline
mungkin berbeda dari perilaku belanja offline tradisional. Dalam kasus game
seluler, umumnya dapat ditentukan elemen mana dari game yang secara khusus
menarik bagi segmen pelanggan yang berbeda. Salah satu implikasi dari
pengetahuan ini adalah mengidentifikasi peluang promosi silang. Misalnya,
jika ditentukan bahwa satu pelanggan tampaknya menikmati lencana
penghargaan game untuk pencapaiannya (sebagaimana dibuktikan dengan
pilihan untuk berbagi pencapaian dengan teman secara online), maka
pelanggan tersebut dapat diberikan iklan dalam game untuk game lain yang
memiliki fitur pemberian lencana pada titik di mana diharapkan pelanggan
akan segera berhenti memainkan game pertama.

5. Data dari Entitas Komersial

Beberapa organisasi mengumpulkan Big Data pada pelanggan untuk

menjualnya ke organisasi lain sebagai model bisnis utama mereka. Beberapa
organisasi, seperti pengecer dan pemroses kartu kredit, terlibat dalam praktik
ini untuk menghasilkan pendapatan tambahan. Karena organisasi ini sudah
memiliki data yang tersedia sebagai produk sampingan dari fungsi bisnis utama
mereka, masuk akal secara bisnis bagi mereka untuk menemukan cara
tambahan untuk mengekstraksi nilai darinya. Pengecer yang mengumpulkan
data transaksi pada pelanggan dan mencatat data tentang harga dan menyimpan
faktor lingkungan dapat memberikan data ini secara agregat kepada organisasi
yang tertarik untuk membelinya.Data tersebut tidak memungkinkan pembeli
untuk membedakan pembelian satu pelanggan dari yang lain, namun dapat
memberikan wawasan yang signifikan tentang faktor-faktor yang
mempengaruhi perilaku pelanggan dalam kategori produk yang berbeda dan
terkait dengan merek tertentu.

17
 6. Data Dari Instansi Pemerintah

Data Yang Dikumpulkan Oleh Pemerintah Juga Dapat Menjadi Sumber

Informasi Yang Berharga Bagi Organisasi Yang Tertarik Untuk Memahami
Karakteristik Demografis Di Berbagai Bagian Populasi Dan Mengidentifikasi
Pola Atau Tren Tertentu Dalam Skala Besar. Di Pemerintah AS, Di Tingkat
Negara Bagian Dan Federal, Telah Terjadi Peningkatan Upaya Untuk
Membuat Data Yang Dikumpulkan Lembaga Pemerintah Tersedia Dan Mudah
Diakses Oleh Publik.

Contohn
ya :Biro Statistik Tenaga Kerja AS, Sebuah Unit Di Dalam Departemen Tenaga
Kerja, Yang Telah Menyempurnakan Situs Webnya Untuk Menyediakan Lebih
Banyak Bakat Komersial Dan Akses Yang Lebih Mudah. Dalam Banyak Kasus
Transfer Data Pemerintah Ke Ranah Publik Telah Diformalkan Melalui
Pengembangan Kebijakan Data Terbuka.Pertimbangkan Bagaimana Akses Ke
Data Sensus Yang Terkait Dengan Demografi Dalam Suatu Wilayah Dapat
Membantu Organisasi Mengidentifikasi Area Geografis Yang Menarik Di Mana
Terdapat Konsentrasi Individu Yang Lebih Tinggi Yang Sesuai Dengan Profil
Demografis Organisasi Dari Pelanggan Ideal, Berdasarkan Faktor Seperti Usia,
Jenis Kelamin, Dan Pendapatan . Data Sensus Juga Dapat Memberikan Gambaran

18
Tentang Daya Tarik Suatu Daerah Terkait Dengan Tingkat Persaingan Dalam
Industri Tersebut, Berdasarkan Pencantuman Data Jumlah Usaha Dalam Suatu
Industri Yang Beroperasi Di Suatu Daerah Serta Data Tentang Bagaimana Angka
Tersebut Memiliki Berubah Dari Waktu Ke Waktu.

2.7 Penggunaan Big Data untuk Analisis pemasaran

Big data platform membawa marketing ke level yang berikutnya. Dengan analisa
big data, marketer dapat membuat keputusan penting dengan tepat. Berikut
adalah beberapa penggunaaan big data analytics dalam marketing :

 Mendesain marketing campaign yang tepat sasaran

Solusi big data meringankan pekerjaan Anda dalam mengidentifikasi siapa

konsumen Anda dan apa yang mereka inginkan. Sudah bukan jamannya lagi
marketing menawarkan door to door untuk meningkatkan penjualan. Saat
marketer hanya perlu menggunakan big data untuk menargetkan konsumen
potensial yang pasti tertarik dengan produk Anda, di waktu yang tepat.
Salah satu contoh solusi big data adalah penempatan cookie pada file.
Setiap kali user berselancar di internet, secuil informasi berkaitan dengan
aktivitas mereka di website tersebut dapat dikumpulkan untuk diproses lebih
lanjut. Dengan informasi ini, marketer dapat membuat marketing personal
yang ditargetkan kepada setiap individu berdasarkan pola belanja dan
kemampuan belanja mereka. Dengan big data analytics tool yang mumpuni,
data dilaporkan beserta dengan solusinya. 

 Membantu menentukan harga

Cara lama untuk menentukan harga jual sebuah produk adalah dengan
menghitung harga produksi dan membandingkannya dengan harga yang
dipatok oleh competitor. Untuk bisnis skala kecil mungkin cara tradisional
ini masih bisa diterapkan. Tapi untuk perusahaan besar tentunya tidak
semudah itu. Disinilah big data dapat menjadi solusi. Big data analytics
mengumpulkan data lebih detail, tidak hanya produk yang dibeli konsumen
tapi juga preferensi produknya seperti apa. Selain itu, Big data analytics

19
 dapat mempertimbangkan faktor ekonomi dan penjualan saat ini. Semua
dihitung secara otomatis dengan tingkat kesalahan yang hampir 0% dan
menghemat waktu serta sumber daya. 

 Menunjukkan konten yang personal

Anda mungkin sudah menyadari bahwa Google selalu tahu produk apa yang
baru saja Anda lihat di internet dan kemudian akan menampilkannya secara
terus menerus ke hadapan Anda dalam bentuk iklan. Begitu juga Netflix.
Aplikasi ini sangat tahu selera film Anda seperti apa dan
merekomendasikannya selalu kepada Anda. Begitulah big data bekerja
dengan cara yang efektif. Dengan memanfaatkan informasi yang tidak
diberitahukan oleh konsumen, tetapi dengan mengamati perilaku
konsumen. Dua contoh di atas menggambarkan betapa efektif big data
analytics bekerja. Anda juga dapat memanfaatkan big data platforms dengan
memberikan konten yang personal bagi para pelanggan Anda. Big data
mengingat browsing history setiap individu sehingga saat mereka login
kembali, mereka akan disuguhkan layanan yang sesuai dengan keinginan
mereka. Hal ini berkaitan dengna point selanjutnya.

 Meningkatkan layanan konsumen

Big data analytics dapat meningkatkan pengalaman konsumen saat

menggunakan layanan Anda. Ketika seorang pelanggan puas dengan
layanan Anda, maka penjualan pun meningkat seiring waktu. Salah satu
cara big data merubah layanan konsumen adalah dengan penggunaan
chatbot atau mesin penjawab otomatis. Software chatbot dapat
diintegrasikan dengan aplikasi pengirim pesan dan berinteraksi dengan
konsumen. Chatbot menjadi populer sebagai business tool karena mampu
memberikan feedback yang cepat dan menghemat waktu serta biaya.

20
 BAB III
PENUTUP

3.1 Kesimpulan

CRM adalah salah satu alat yang dapat digunakan untuk memenangkan
konsumen. Tidak hanya terbatas pada aplikasi di bidang Teknologi Informsi
saja, tapi juga sampai pada bidang pemasaran.Manajemen Hubungan Pelanggan
merupakan suatu strategi pemasaran yang saat ini sangat banyak dilakukan oleh
perusahaan-perusahaan yang menginginkan pelinggan atau konsumen mereka
tetap membeli produk atau memakai jasa mereka, dalam arti lain yaitu CRM
merupakan suatu proses dari beberapa tahapan yang terdiri dari identifikasi,
akuisisi, retensi dan pengembangan customer yang memberikan kontribusi yang
besar kepada perusahaan dengan cara memfokuskan strateginya yaitu dengan
cara menjaga hubungan dengan customer secara efektif dan efisien schingga
hubungan tersebut menjadi hubungan seumur hidup (lifetime) yang
menguntungkan.Tujuan CRM pada dasarya bertujuan agar perusahaan dapat
mengenali pelinggan secara lebih detail dan melayani mereka sesuai
kebutuhannya.Menerapkan CRM dapat menjadikan keuntungan tersendiri bagi
perusahaan untuk mendapatkan perhatian dan loyalitas lebih dari pelanggan.

3.2 Saran

Penulis tentunya masih menyadari jika makalah yang dibuat masih terdapat
banyak kesalahan dan jauh dari kesempurnaan. Oleh karena itu penulis
mengharapkan saran dan kritik yang membangun dari para pembaca untuk
memperbaiki makalah tentunya dengan berpedoman pada sumber yang valid.

21
 DAFTAR PUSTAKA

Anders Gustafsson, Michael D. Johnson, dan Inger Roos, “The Pengaruh Kepuasan
Pelanggan, Dimensi Komitmen Hubungan, dan Pemicu Retensi Pelanggan,”
Jurnal Pemasaran 69, no. 4 (Oktober 2005), hlm. 210–18.
Ronald S. Swift, Mempercepat Hubungan Pelanggan: Menggunakan CRM dan
Teknologi Hubungan (Upper Saddle River, NJ: Prentice Hall PTR,
2001).

Stephen F. King dan Thomas F. Burgess, “Memahami Kesuksesan dan Kegagalan

dalam Manajemen Hubungan Pelanggan,” Manajemen Pemasaran
Industri37, tidak. 4 (Juni 2008), hlm. 421–31.
Stanley A. Brown, ed., Customer Relationship Management: A Strategic Imperative
in the World of E-Business (Toronto: Wiley Canada, 2000), hlm. 8–9.

22