An Efficiency Analysis On The TPA Clustering - IDN
An Efficiency Analysis On The TPA Clustering - IDN
Segmentasi pelanggan dilakukan berdasarkan kelompok individu yang Pendekatan inovatif untuk menggabungkan semua variabel seperti
relevan dengan pemasaran berdasarkan usia, retensi pelanggan dan pengembangan pengelompokan data mining dilakukan
gender, minat dan kebiasaan belanja. Manajemen Hubungan Pelanggan menggunakan CRM, RFM, dan LTV.
(CRM) telah menjadi yang terdepan dalam lingkungan bisnis. Untuk mengelola Hasil makalah ini dilakukan sebagai berikut.
peluang bisnis dengan pelanggan dilakukan upaya manajerial (Kim, Suh, & Bagian kedua: studi sebelumnya diperhitungkan untuk segmentasi pelanggan
Hwang, 2003). Beberapa manfaat pelanggan adalah dan ini menjelaskan alasan latar belakang pelanggan tersebut.
(1) retensi berkelanjutan pelanggan Bagian ketiga membahas tentang model clustering untuk segmentasi
(2) loyalitas pelanggan (3) pelanggan. Selanjutnya akan disampaikan hasil model di industri perbankan.
pelanggan memberikan keuntungan yang
lebih tinggi (4) pelanggan menciptakan Terakhir, Bagian empat: akan diakhiri dengan makalah mengenai
ide-ide baru (5) Penggunaan produk dan layanan yang lebih banyak pelanggan diskusi umum dan agenda.
Selesai. II. TINJAUAN PUSTAKA Segmentasi
CRM mengikuti empat dimensi ini. pelanggan dan segmentasi pasar dikatakan sama dalam literatur
(1) Menemukan identitas pelanggan, (2) Pesona pelanggan, (3) tetapi terdapat banyak perbedaan dalam clustering dan ketersediaan data
menggunakan CRM, pelanggan baru adalah perolehan pelanggan baru
Mempertahankan pelanggan, (4) Pertumbuhan pelanggan.
dengan menggunakan data sosio demografi dan data transaksional. “Metode
Identifikasi pelanggan didasarkan pada peneliti pemasaran dan ini dapat memberi tahu kita bahwa pengembangan dan retensi pelanggan
memiliki kontribusi besar terhadap langkah-langkah lain dari CRM [6]. Program lebih penting daripada akuisisi pelanggan. Kurangnya informasi mengenai
loyalitas dan segmen yang menguntungkan diberikan kepada Pelanggan pelanggan baru membuat sulit dalam memilih target pelanggan dan hal ini
untuk menarik mereka. Pelanggan yang memberi keuntungan tertinggi akan menyebabkan upaya pemasaran tidak efisien” [8]. Chai & Chan [9]
dipertahankan dan pelanggan yang menguntungkan PBB diperhitungkan dan segmentasi pelanggan baik metodologi maupun berorientasi aplikasi.
Metode segmentasi pelanggan penting berikutnya adalah RFM. AKU AKU AKU. KERANGKA PENELITIAN
Segmentasi pelanggan yang penting adalah RFM, karena didasarkan Kerangka penelitian ini terdiri dari empat tahap segmentasi
pada perilaku pembayaran pelanggan dan terkini, pemantauan frekuensi pelanggan dengan CRM. Beberapa industri perbankan menerapkan
dan peta pengaturan mandiri disiapkan. kerangka semacam ini. Nasabah bank dan mengembangkan strategi
Dengan menggunakan aturan asosiasi algoritma Apriori, penandaan dikategorikan berdasarkan segmentasi.
kelompok pelanggan diprofilkan berdasarkan atribut pelanggan. Pendekatan penelitian ini dikelompokkan menjadi dua tahap.
Dua kumpulan data berbeda seperti RFM, CHAID dan regresi logistik
diselidiki sebagai metode analisis. Nilai algoritma RFM dan k-means
digunakan oleh penelitian untuk mengekstrak makna baru dari pelanggan.
--------- (3)
Lij menyumbang faktor peningkatan loyalitas pelanggan, sedangkan j
adalah strategi adaptasi, i strategi pelanggan dan M adalah jumlah strategi
pemasaran pelanggan.
REFERENSI
[1] Jutla, D., Craig, J., & Bodorik, P., “Mengaktifkan dan mengukur elektronik
Kesiapan manajemen hubungan pelanggan”, prosiding tanggal 34
konferensi internasional tahunan Hawaii tentang organisasi ilmu sistem Jalur Sistem dan
Teknologi (hlm. 1–10), 2001.
[2] Stone, M., Woodcock, N., & Wilson, M., “Mengelola perubahan dari
Perencanaan pemasaran hingga manajemen hubungan pelanggan”, Perencanaan
Jangka Panjang, 29, 675–683, 2006.
[3] Swift, RS” Mempercepat hubungan pelanggan: Menggunakan CRM dan teknologi
Gambar. perhitungan nilai waktu hidup pelanggan Hubungan”, Upper saddle river NJ: Prentice Hall PTR, 2001.
[7] Su-Yeon Kim, Tae-Soo Jung, Eui-Ho Suh, Hyun-Seok Hwang, “Segmentasi
pelanggan dan pengembangan strategi berdasarkan pelanggan
nilai seumur hidup: Sebuah studi kasus” Sistem pakar dengan aplikasi, Vol. 31, hal.
101-107, 2006.
[8] Hyunseok Hwang, Taesoo Jung, Euiho Suh , “Model LTV dan
segmentasi pelanggan berdasarkan nilai pelanggan: studi kasus pada industri
telekomunikasi nirkabel” Sistem pakar dengan aplikasi,
Jil. 26, hal.181-188, 2004.
[9] Chu Chai Henry Chan, “Metode segmentasi pelanggan berbasis nilai yang cerdas
untuk manajemen kampanye: Studi kasus pengecer mobil”,
Sistem pakar dengan aplikasi, Vol. 34, hal.2754-2762, 2008.
[10] Sang Chul Lee, Yung Ho Suh, Jae Kyeong Kim, Jun Lee, “A
Segmentasi pasar lintas negara industri game online menggunakan SOM”,
Sistem pakar dengan aplikasi, Vol. 27, hal.599-570, 2004.
[11] Jih-Jeng Huang, Gwo-Hshiung Tzeng, Chorng-Shyong Ong, “Segmentasi
pemasaran menggunakan pengelompokan vektor dukungan”, Sistem pakar
Aplikasi manajemen Cluster dapat Dengan aplikasi, Vol. 32, hal.313–317, 2007.
ditemukan dengan melihat profil pelanggan. Profil ini ditunjukkan [12] Kyoung-jae Kim, Hyunchul Ahn, “Sistem pemberi rekomendasi menggunakan GA
pada Tabel II. Peringkat ini menunjukkan pengelompokan semua peringkat. Pengelompokan K-means di pasar belanja online”, Sistem pakar dengan
Aplikasi, Jil. 34, hlm.1200–1209, 2008.
Misalnya cluster 1 RFM ditempatkan pada posisi
[13] Nan-Chen Hsieh, “Model penambangan data dan penilaian perilaku terintegrasi
keenam yang berarti cluster tersebut penting bagi cluster RFM tersebut. untuk menganalisis nasabah bank”, Sistem pakar dengan aplikasi,
Jil. 27, hal.623-633, 2004.
Tingkat okupasi klaster ini mendominasi dibandingkan klaster lainnya dan [14] Horng-Jinh Chang, Lun-Ping Hung,*, Chia-Ling Ho, “Sebuah antisipasi
merupakan yang terbaik. model perilaku pembelian calon pelanggan berdasarkan clustering
analisis dan analisis aturan asosiasi” Sistem pakar dengan aplikasi,
Jadi dari segi pendidikan, cluster ini dianggap yang terbaik Jil. 32, hal.753-764, 2007.
(peringkat 2). Ini juga merupakan cluster terbesar jika dibandingkan dengan [15] Jyh-Jian Sheu, Yan-Hua Su, Ko-Tsung Chu, “Segmentasi game online
yang lain karena jumlah pelanggan yang dimilikinya. (Lihat tabel II) Profil pelanggan – Perspektif pemasaran berdasarkan pengalaman”, Sistem pakar
dengan aplikasi, Vol. 36, hal.8487–8495, 2009.
cluster didasarkan pada tabel yang menunjukkan bahwa pemasar akan
[16] John A. McCarty, Manoj Hastak, “Segmentasi mendekat
mampu mengambil keputusan dengan lebih baik dalam meningkatkan
datamining:
strategi pemasarannya dan menunjukkan keuntungan bagi organisasinya. Perbandingan RFM, CHAID, dan regresi logistik”, Jurnal
Riset Bisnis, Vol. 60, hal.656–662, 2007.
[17] Jang Hee Lee, Sang Chan Park “Sistem segmentasi pelanggan yang
menguntungkan dan cerdas berdasarkan alat intelijen bisnis”, Sistem pakar
VI. KESIMPULAN
dengan aplikasi, Vol. 29, hal.1[2]–152, 2005.
Target pemasaran yang paling penting adalah mengidentifikasi [18] Ching-Hsue Cheng, You-Shyang Chen, “Mengklasifikasikan segmentasi
pembeli terbesar dan menganalisis portofolio mereka berdasarkan nilai pelanggan melalui model RFM dan teori RS”, Sistem pakar dengan
aplikasi, Jil. 36, hal.4176–4184, 2009.
segmentasi dan strategi pemasaran. Dalam clustering ini nasabah exiting
[19] Chihli Hung, Chih-Fong Tsai, “Segmentasi pasar berdasarkan
dibagi menjadi sembilan kelompok, berdasarkan karakteristik transaksinya. Peta hierarki yang mengatur dirinya sendiri untuk pasar multimedia sesuai permintaan”,
Strategi penandaan dianalisis di setiap kelompok dengan mengingat profil Sistem pakar dengan aplikasi, Vol. 34, hal.780-787, 2008.
pelanggan. Untuk meningkatkan loyalitas pelanggan, pendapatan [20] Wedel, M., & Kamakura, WA, “Segmentasi pasar: Konseptual
Dan landasan metodologis” (Edisi ke-2nd). Dordrecht: Kluwer, 2000.
[21] Irene Gil-Saura dan Maria-Eugenia Ruiz-Molina, “Pelanggan
segmentasi berdasarkan komitmen dan penggunaan ICT”, Manajemen Industri
978-1-5090-5960-7/17/$31,00 ©2017 IEEE 787
Machine Translated by Google
Konferensi Internasional tentang Mekanisme Inovatif untuk Penerapan Industri
(ICIMIA 2017)
& Sistem Data, Vol. 109 No.2 hal.206-223, 2009.
[22]Duboff, RS (1992). Pemasaran untuk memaksimalkan profitabilitas. Jurnal Strategi
Bisnis, 13(6), 10–13.
[23]Dwyer, FR (1997). Penilaian seumur hidup pelanggan untuk mendukung