MAKALAH E-MARKETING

“RISET E-MARKETING”

DOSEN PENGAMPU:

HENNI NOVIASARI, SE., MM.

KELOMPOK 5

ANNISA DESPIANI 2102111112

SITI NURHALIMAH 2102111356

TARI TRIANA 2102114146

FAKULTAS EKONOMI DAN BISNIS

JURUSAN MANAJEMEN

UNIVERSITAS RIAU

T.A. 2022/2023
 KATA PENGANTAR

Alhamdulillah, dengan memanjatkan puji syukur kepada kehadirat Tuhan Yang

Maha Esa, atas segala limpahan dan karunia-Nya sehingga kami dapat menyusun dan
menyelesaikan makalah ini tepat pada waktunya, walaupun kurang dari kata
sempurna. Makalah ini berjudul “RISET E-MARKETING” disusun dalam rangka
memenuhi tugas mata kuliah E-Marketing.
Penulis menyadari bahwa didalam pembuatan makalah ini tidak lain berkat
bantuan dan tuntunan Tuhan Yang Maha Esa dan juga tidak lepas dari bantuan
berbagai pihak, untuk itu dalam kesempatan ini penulis mengucapkan terimakasih
yang sebesar-besarnya kepada semua pihak yang membantu dan membimbing penulis
dalam pembuatan makalah ini. Terutama kepada dosen mata kuliah Strategi
Pemasaran yang telah memberikan tugas terhadap kami.
Dalam proses penulisan makalah ini masih jauh dari kata kesempurnaan baik
materi maupun cara penulisannya. Namun demikian, kami sudah berupaya dengan
segala kemampuan dan pengetahuan yang dimiliki sehingga dapat menyelesaikan
makalah ini. Oleh karenanya, kami dengan senang hati akan menerima segala
masukan, saran dan kritik yang bersifat konstruktif untuk menyempurnakannya.
Semoga makalah ini dapat memberikan manfaat yang besar kepada pembaca, terima
kasih.

Pekanbaru, 27 Agustus 2023

Penulis
 DAFTAR ISI

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

DAFTAR ISI.................................................................................................................ii

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

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

1.2 Rumusan Masalah....................................................................................................2

1.3 Tujuan Penulisan.....................................................................................................2

BAB II PEMBAHASAN...............................................................................................3

2.1 Strategi Drive Data..................................................................................................3

2.2 Big Data...................................................................................................................4

2.3 Manajemen Pengetahuan Pemasaran.......................................................................7

2.4 Pendekatan Teknologi Lainnya.............................................................................11

2.5 Pendekatan Real Space..........................................................................................17

2.6 Data Base Pemasaran Dan Gudang Data...............................................................19

2.7 Analisis Dan Distribusi Data.................................................................................21

2.7 Manajemen Matric.................................................................................................26

BAB III PENUTUP.....................................................................................................30

3.1 Kesimpulan............................................................................................................30

3.2 Saran......................................................................................................................30

DAFTAR PUSTAKA..................................................................................................31
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Peran pemasaran bagi konsumen dan bisnis berkembang pesat (Ferrell, Hair,
Marshall Tamilia 2015). Memang benar, fungsi pemasaran berubah secara mendasar
sebagai akibat dari transformasi digital, data, analisis data, dan yang terbaru,
perangkat seluler pribadi, seperti perangkat infussion software, yang melacak waktu
ketika seseorang bekerja atau bermain, dapat mencari bisnis atau pelanggan lokal
sambil di cafe, mengirim faktur atau penawaran dari kantor klien, dan banyak lagi
(Shah et al 2014). Desain riset pemasaran dan metode analisis juga berubah dengan
cepat (Hair, Black, Babin Anderson 2019). Perubahan-perubahan ini muncul dari
transformasi dalam keterampilan manajemen (Henke, Levine McInerney 2018;
Davenport 2018), inovasi teknologi, khususnya di ruang digital (Davenport 2018),
dan perilaku pelanggan (kebutuhan dan harapan) yang terus berkembang (Wedel
Kannan 2016). Agar tetap relevan, riset pemasaran harus tetap dinamis seperti pasar
itu sendiri.

Riset pemasaran adalah desain sistematis, pengumpulan, analisis, dan pelaporan

temuan lain yang relevan dengan situasi pemasaran yang dihadapi suatu bisnis. Riset
pemasaran merupakan alat manajemen yang sangat berguna yang membantu dalam
pengambilan keputusan di bidang manajemen pemasaran.

Riset pemasaran adalah fungsi menghubungkan konsumen, pelanggan, dan

khalayak dengan pemasar melalui informasi yang digunakan untuk mengidentifikasi
dan mengidentifikasi peluang dan masalah pemasaran, menghasilkan dan
mengevaluasi upaya pemasaran, mendukung kinerja pemasaran, dan meningkatkan
pemahaman tentang pemasaran sebagai suatu proses. Riset pemasaran
mengidentifikasi informasi yang diperlukan untuk memecahkan suatu masalah,
merancang metode untuk mengumpulkan informasi, mengelola dan menerapkan
proses pengumpulan data, menganalisis hasil, dan mengkomunikasikan temuan serta
maknanya.

Riset pemasaran sebagai landasan dalam merumuskan strategi dan taktik

pemasaran harus didukung dengan data yang akurat, relevan, andal, obyektif, dan
tepat waktu agar manajemen perusahaan dapat merumuskan perencanaan dan
pelaksanaan yang tepat pada berbagai aspek pemasaran, seperti pengembangan
produk dan merek, penetapan harga. , distribusi produk, dan komunikasi pemasaran
terpadu.

Dalam bab ini akan dikupas aspek - aspek berkenaan dengan Stategi Drive
Data, Big Data, Manajemen Pengetahuan Pemasaran, Pendektan Teknologi Lainnta,
Pendekatan Real Space, Database Pemasaran dan Gudang Data, Analisis dan
Distribusi Data Serta Manajemen Matric.

1.2 Rumusan Masalah

Dengan adanya latar belakang makalah ini, maka rumusan masalahnya adalah
sebagai berikut:

1. Apa yang dimaksud dengan Strategi Drive Data?

2. Apa itu konsep Big Data?
3. Apa yang dimaksud dengan Manajemen Pengetahun Pemasaran?
4. Apa saja Pendekatan Berbasis Teknologi dalam pengumpulan data?
5. Mengapa Pendekatan Real Space penting dalam basis data E-Marketing?
6. Apa saja mentode analisi yang diterapkan oleh pemasar elektronik terhadap
informasi digudang data?
7. Apa itu Analisis dan Distribusi Data?
8. Sebutkan Metric yang dapat digunakan perusahaan dalam riset E-Marketing?
1.3 Tujuan Penulisan

Tujuan dibuatnya makalah ini sebagai memenuhi tugas mata kuliah E-

Marketing. Selain itu makalah ini juga bertujuan untuk mengetahui lebih mendalam
mengenai materi yang di bahas yaitu tentang Research E-Marketing, mengapa dan
bagaimana e-marketer melakukan riset pemasaran online dan bagaimana mereka
mengubah data menjadi wawasan pemasaran yang memberikan pengetahuan aktivitas
pemasaran yang mendalam. Kita akan mempelajari tiga jenis sumber data Internet,
mengkaji etika penelitian online, mengkaji teknik analisis basis data utama, dan
mengeksplorasi penggunaan praktik manajemen pengetahuan.

Setelah membaca bab ini, Anda akan dapat:

 Mengidentifikasi tiga sumber data utama yang digunakan pemasar elektronik

untuk mengatasi masalah penelitian.
 Diskusikan bagaimana dan mengapa e-marketer perlu memeriksa kualitas data
penelitian yang dikumpulkan secara online.
 Jelaskan mengapa internet digunakan sebagai metode kontak untuk penelitian
utama dan jelaskan pendekatan utama berbasis internet untuk penelitian
primer.
 Jelaskan beberapa cara memantau Web untuk mengumpulkan informasi yang
diinginkan.
 Bandingkan pengumpulan data sisi klien, pengumpulan data sisi server, dan
pendekatan ruang nyata pengumpulan data.
 BAB II

PEMBAHASAN

2.1 Strategi Drive Data

Pemasar AS menghabiskan $6,7 miliar per tahun untuk riset pemasaran dan
pembelanjaan global adalah tentang $18,9 miliar, menurut Dewan Penelitian Survei
Amerika. Ini akan membeli banyak data. kelebihan informasi adalah kenyataan bagi
sebagian besar orang konsumen dan pemasar sama. Ini merupakan masalah yang
sangat sulit dalam pengambilan keputusan pemasaran, saat mereka mengumpulkan
hasil survei, analisis Web, data pusat panggilan, informasi penjualan produk, data
sekunder tentang pesaing, media social percakapan, dan masih banyak lagi.
Masalahnya adalah diperparah dengan pengumpulan data otomatis di Web situs,
tempat pembelian fisik, dan semua titik kontak pelanggan lainnya. Misalnya, jika
Susan mengikuti sebuah merek di Twitter, perusahaan tersebut dapat mengiriminya
pesan: "klik di sini dan dapatkan Diskon $10 untuk pembelian berikutnya." Saat dia
mengklik, dia akan diminta memasukkan alamat emailnya dan informasi lainnya
sebelum menerima kupon. Pada titik ini, tanggapan dan data Twitter-nya masuk ke
database. Jika dia membeli di Web situs, informasi ini juga dicatat dan demikian
database tumbuh dengan alamatnya dan lainnya informasi. Jika dia menelepon untuk
menanyakan pertanyaan tentang produknya, maka itu menjadi bagian dari catatannya
dalam basis data. Siklus ini berlanjut ketika perusahaan mengumpulkan lebih banyak
informasi tentang Susan dan perilakunya. Kalikan ini dengan jumlah semuanya
pelanggan lain dan terdapat banyak data yang dapat ditindaklanjuti, siap membantu
pemasar mencapai tujuan mereka tujuan membangun atau mempertahankan suatu
hubungan dan meningkatkan nilai pelanggan.

Apa yang harus dilakukan dengan semua datanya? Pasar Purina memilah
banyak data konsumen untuk membangun peta jalan untuk strategi periklanan
internet mereka. Saat Anda membaca bab ini, simpanlah satu hal penting yang perlu
diingat: Data tanpa wawasan atau aplikasi untuk menginformasikan strategi
pemasaran tidak berguna.

Gambar 6.1 menampilkan gambaran umum mengenai hal ini proses. Data
dikumpulkan dari berbagai macam sumber, disaring ke dalam database, dan diubah
menjadi pengetahuan pemasaran yang kemudian digunakan untuk menciptakan
strategi pemasaran. Bab ini membahas sumber data internet, menjelaskan teknik
analisis basis data yang penting, dan, yang paling penting, mengkaji tujuan dan
manfaat dari semua pekerjaan ini. Sebagian besar teknik ini baik-baik saja didasarkan
pada praktik pemasaran; Namun, baru teknologi membawa aplikasi baru keduanya
membantu dan membingungkan pasar peneliti. Analisis dan kinerja web metrik
meresapi masing-masing proses ini dibahas dalam Bab 2 dan dijelaskan dalam bab-
bab selanjutnya yang berkaitan dengan diskusi taktik pemasaran tertentu.

Wawasan pemasaran muncul di suatu tempat antara informasi dan

pengetahuan. Pengetahuan lebih dari sekedar kumpulan informasi tetapi sesuatu yang
berada pada pemasar, bukan pada komputer. Perbedaannya bisa dibandingkan antara
mengajar dan belajar. Seorang profesor mungkin mengutarakan informasi dalam
kuliah atau dari buku teks, tetapi itu tidak dapat digunakan kecuali siswa merenung
mengatasinya, menghubungkannya dengan informasi lain,
 dan menambah wawasan yang menghasilkan pengetahuan yang diperoleh dan
digunakan secara utuh. Manusia, bukan internet atau komputer, yang menciptakan
pengetahuan; komputer itu sederhana pendukung pembelajaran

2.2 Big Data

Pada tahun 2011 diterbitkan buku dengan judul: Minum dari Selang Pemadam
Kebakaran: Membuat Lebih Cerdas Keputusan tanpa Tenggelam dalam Informasi.
Kami telah mengatakannya sebelumnya: Pemasar tenggelam dalam data. IBM
menyatakan bahwa setiap hari dunia menciptakan 2,5 triliun byte data, dan sebagian
besar berasal dari lingkungan online. Data besar mengacu pada kumpulan data yang
sangat besar mereka sulit untuk dikelola dengan perangkat lunak yang tersedia saat
ini. Misalnya saja bagaimana seorang pemasar menjadikan 15 terabyte Tweet sehari
dapat ditindaklanjuti taktik merek?
 Tingkat pertumbuhan data sangat mencengangkan, mencapai lebih dari 30
persen per tahun, sehingga memerlukan peningkatan jumlah ruang perangkat keras
penyimpanan yang terus bertambah 20 persen per tahun menurut intelijen pasar
perusahaan IDC. Hal ini menimbulkan masalah bagi informasi manajer teknologi,
dan pemasar elektronik harus menentukan cara mendapatkan wawasan dari miliaran
orang ini byte. Pada tahun 2012, kapasitas sistem penyimpanan disk terjual mencapai
6.037 petabyte, menurut IDC (1 petabyte sama dengan 1.000.000 gigabyte). Apa
artinya? ini berarti? Sekitar 1GB per film berdurasi panjang, itu akan menjadi
kapasitas penyimpanan yang cukup untuk menampungnya 6 miliar film. Sekitar 1MB
per kompresi foto, kapasitas penyimpanannya akan cukup menampung lebih dari 6
triliun gambar
IBM menyatakan bahwa bisnis harus mengelola empat aspek data besar:
volume (kuantitas), kecepatan (menangani data sensitif terhadap waktu). cepat),
variasi (mulai dari percakapan media sosial hingga pola klik pelanggan dan sensus
data), dan veracity (apakah informasi tersebut dapat dipercaya dan dapat dipercaya?)
(“Apa Itu Big Data?” 2012). Beberapa penelitian tentang big data di awal tahun 2012
menemukan yang berikut ini ("Perjuangan Pemasar untuk Menghubungkan Data
Digital ke Gambar 'Big Data'," 2012):
 31 persen pemasar menginginkan hal tersebut mengumpulkan data Web setiap
hari.
 74 persen pemasar AS mengumpulkan data demografi pelanggan, 64 persen
mengumpulkan data transaksi, dan 35 persen monitor konten media sosial.
 42 persen pemasar mengatakan tidak mampu menghubungkan data mereka ke
pelanggan individu. Temuan ini menunjukkan satu kesulitan data besar. Jika
hubungan pelanggan sistem manajemen (CRM) tidak dirancang dengan
mempertimbangkan analisis data menambahkan analisis setelah faktanya sulit,
memakan waktu, dan mahal. Oleh karena itu, pemasar harus mendefinisikan
dengan jelas kebutuhan pelaporan mereka sebelum membeli a sistem CRM.
 Amazon memanfaatkan data besar dengan luar biasa. Ini melacak tampilan
halaman dan riwayat pembelian pelanggan individu dan menggunakan informasi
tersebut secara real time untuk menawarkan saran pembelian-lihat Kotak "Ayo
Dapatkan Teknis".
Sketsa penelitian Purina bagus contoh bagaimana sebuah perusahaan memilah
ratusan jutaan keping data dari sekitar 21,5 juta konsumen, mengumpulkan lebih
banyak data, dan membuat keputusan (Gambar 6.2). Organisasi harus pergi melalui
proses ini dengan semua data yang mereka kumpulkan, atau data mereka akan sangat
banyak sekumpulan fakta dan angka.

2.3 Manajemen Pengetahuan Pemasaran

Manajemen pengetahuan adalah proses mengelola penciptaan, penggunaan,

dan penyebaran pengetahuan. Dengan demikian, data, informasi, dan pengetahuan
bisa dibagikan kepada pengambil keputusan pemasaran internal, mitra, anggota
saluran distribusi, dan terkadang pelanggan. Ketika pemangku kepentingan lain bisa
mengakses pengetahuan yang dipilih, perusahaan menjadi a organisasi pembelajar
dan lebih mampu menjangkau ROI yang diinginkan dan sasaran kinerja lainnya.

Pengetahuan pemasaran adalah "kelompok" digital pikiran" atau "ingatan

kolektif" pemasaran personel dan terkadang konsultan, mitra, dan mantan karyawan
juga. Kadang-kadang bahkan teknologi manajemen pengetahuan memungkinkan staf
pemasaran untuk mengobrol secara real time pemecahan masalah, itulah sebabnya
sistem juga termasuk informasi kontak. Misalnya, a Konsultan Context Integration,
Inc. sedang mengerjakan masalah e-commerce di kantor klien dapat memasukkan
panggilan bantuan "911" ke halaman Web dan segera ngobrol dengan pakar internal
lainnya untuk menyelesaikan masalah. Basis data pengetahuan pemasaran yang
lengkap mencakup semua data tentang pelanggan, prospek, dan pesaing, analisis dan
keluaran berdasarkan data, dan akses ke pakar pemasaran, semuanya tersedia 24/7
melalui sejumlah peralatan penerima digital. Perhatikan contoh berikut:

 Sebuah perusahaan teknologi internasional menggunakan Salesforce.com

untuk mengelola jalur pipa penjualan. Ketika seseorang mengunduh warna
putih kertas dari situs Web, mendaftar secara online, atau mengirim
pertanyaan email, itu masuk ke Perangkat lunak Salesforce.com untuk dilihat
dan diambil oleh semua tenaga penjualan dan manajer informasi kontak untuk
email atau telepon menindaklanjuti. CEO mendapat pesan teks untuk setiap
petunjuk baru.

 Sebuah perusahaan asuransi dengan 200 independen agen mengizinkan

mereka mengakses data klaim dari lebih dari 1 juta pelanggan. Ini akses
memungkinkan agen untuk menghindari risiko tinggi pelanggan serta untuk
membandingkan data klaim dengan database pelanggan mereka sendiri.

 i-Go, pemasar katalog dan pengecer online, mengintegrasikan panggilan

layanan pelanggan yang masuk dengan pembelian Web, pertanyaan email,
dan pesanan faks dan pos, memungkinkan pelanggan perwakilan layanan
untuk mendapatkan informasi terbaru informasi ketika berbicara dengan
pelanggan.

 Johnson dan Johnson, perusahaan farmasi perusahaan, dipelajari melalui

penelitian survey yang berkomunikasi dengan pemakai lensa kontak sering
mengirim pesan teks, jadi itu menciptakan sebuah game untuk ponsel yang
dilengkapi ACUVUE-nya merek lensa kontak.
A. Sistem informasi pemasaran elektronik
Sistem informasi pemasaran SIM adalah proses dimana pemasar
mengelola pengetahuan. MIS adalah suatu sistem untuk menilai kebutuhan
informasi, mengumpulkan informasi, menganalisisnya, dan menyebarkannya
kepada pengambil keputusan pemasaran. Prosesnya dimulai ketika manajer
pemasaran mempunyai masalah yang memerlukan data untuk dipecahkan.
Langkah selanjutnya adalah mengumpulkan data dari sumber internal dan
sumber sekunder, atau dengan melakukan riset pemasaran primer. Proses
selesai ketika para manajer ini menerima informasi yang dibutuhkan secara
tepat waktu dan dalam bentuk yang dapat digunakan.
Misalnya, pengiklan web memerlukan statistik audiens sebelum
memutuskan di mana membeli ruang iklan bergambar online masalahnya.
Mereka ingin mengetahui berapa banyak orang dalam target pasar mereka
yang melihat berbagai situs Web atau media sosial untuk mengevaluasi nilai
iklan Web dibandingkan iklan TV dan media lainnya kebutuhan informasi.
Salah satu cara untuk mendapatkan informasi ini adalah melalui sumber
sekunder seperti comScore atau NielsenNetRatings. Perusahaan-perusahaan
 tersebut menilai situs Web dan memantau statistik lalu lintas dengan
meneliti kebiasaan penggunaan internet dari sejumlah besar konsumen.

B. Catatan Internal

Catatan internal, seperti data penjualan Gambar 6. 3, merupakan salah

satu sumber penting pengetahuan pemasaran. Personil akuntansi, keuangan,
dan produksi mengumpulkan dan menganalisis data yang memberikan
informasi berharga untuk perencanaan pemasaran.
 DATA PENJUALAN.
Data penjualan berasal dari sistem akuntansi dan log situs Web
perusahaan. Diambil melalui analisis Web yang dibahas di Bab 2. Saat
pelanggan membeli secara online, transaksinya dicatat dalam database
untuk diakses. Manajer pemasaran meninjau dan menganalisis data ini
untuk menentukan tingkat konversi proporsi pengunjung yang membeli
secara online dan untuk melihat apakah iklan online dan komunikasi
lainnya mendorong penjualan.
Sistem informasi penjualan, seringkali menggunakan perangkat lunak
otomasi tenaga penjualan seperti Salesforce. Com, memungkinkan
perwakilan untuk memasukkan hasil panggilan penjualan ke calon
pelanggan dan pelanggan saat ini ke dalam MIS.
Banyak tenaga penjualan menggunakan laptop atau komputer tablet
mereka untuk mengakses produk dan database pelanggan untuk
masukan dan peninjauan catatan pelanggan saat dalam perjalanan.
Misalnya, satu perusahaan produk perkantoran mempunyai tenaga
penjualan dari divisi berbeda yang menghubungi pelanggan besar yang
sama. Ketika pelanggan mempunyai keluhan, perwakilan penjualan
harus memasukkannya ke dalam database dan perwakilan lainnya
meninjau catatan pelanggan sebelum melakukan kunjungan ke
 pelanggan yang sama. Perusahaan ini mempunyai aturan Jika empat
perwakilan mencatat keluhan yang sama, peringatan dikeluarkan dan
mereka harus segera mengunjungi pelanggan sebagai satu tim dan
menyelesaikan masalahnya. Dan informasi industri diperoleh di
lapangan. Untuk perusahaan mutakhir, pemasar memasukkan proposal,
laporan, dan makalah yang ditulis tentang berbagai topik ke dalam basis
data pengetahuan.

 KARAKTERISTIK DAN PERILAKU PELANGGAN

Mungkin data pemasaran internal yang paling penting melibatkan
aktivitas pelanggan individu. Gambar 6. 4 memberikan skenario
hipotetis untuk perusahaan komputer yang mengumpulkan data dari
pelanggannya secara online dan melalui telepon dan menggunakan
informasi tersebut untuk meningkatkan produknya. Minimal, entri
database mencakup daftar elektronik calon pelanggan dan pelanggan
lama, beserta alamat, nomor telepon, dan perilaku pembelian mereka.
Perusahaan telah menggunakan teknik ini selama bertahun-tahun,
namun teknologi penyimpanan dan pengambilan baru, serta
ketersediaan informasi elektronik dalam jumlah besar, belakangan ini
meningkatkan pertumbuhannya.

C. Data Sekunder
Ketika dihadapkan pada kebutuhan akan informasi spesifik yang tidak
tersedia di basis data perusahaan atau mitra, pemasar elektronik pertama-
tama mencari data sekunder, yang dapat dikumpulkan lebih cepat dan lebih
murah dibandingkan data primer-terutama-di internet, di mana up- informasi
terkini dari lebih dari 200 negara tersedia 24/7, dari rumah atau kantor,
disampaikan dalam hitungan detik. Penelitian tersindikasi tersedia melalui
internet dengan pendaftaran kartu kredit dan entri kata sandi. Di sisi lain,
data sekunder mungkin tidak memenuhi kebutuhan informasi pemasar
elektronik, karena data tersebut biasanya dikumpulkan untuk tujuan yang
berbeda dari tujuan yang ada.
Jenis informasi apa yang dibutuhkan manajer pemasaran? Pemindaian
lingkungan mencari informasi pasar tentang hal-hal berikut:
 Tren demografi
 Pesaing
 Kekuatan teknologi
 Sumber daya alam
 Tren sosial dan budaya
 Perekonomian dunia dan lokal
 Lingkungan hukum dan politik

KUALITAS INFORMASI
Data sekunder dan primer mempunyai banyak keterbatasan; oleh
karena itu, pemasar harus menggunakan semua informasi dengan hati-hati
dan dengan pemahaman penuh tentang cara pengumpulan data. Dianjurkan
untuk bersikap seobjektif mungkin saat meninjau data sebelum
menggunakannya untuk membuat keputusan pemasaran—terutama sebelum
menggunakan informasi di halaman Web. Mengapa? Alasannya adalah
bahwa siapa pun dapat dengan mudah mempublikasikan di Web tanpa
ditinjau oleh penerbit atau disaring untuk keakuratan atau kesesuaiannya dan
karena begitu banyak metode berbeda yang digunakan untuk menghasilkan
data penelitian. Perhatian khusus diperlukan ketika menangani data sekunder
dari sumber internasional karena perbedaan budaya dan pengumpulan data.
D. Data Primer
Data primer adalah informasi yang dikumpulkan pertama kali untuk
memecahkan suatu masalah tertentu. Mengumpulkan data primer biasanya
lebih mahal dan memakan waktu dibandingkan mengumpulkan data
sekunder; di sisi lain, datanya terkini dan lebih relevan dengan masalah
spesifik pemasar. Selain itu, data primer mempunyai keuntungan karena
bersifat hak milik sehingga tidak tersedia bagi pesaing.

LANGKAH PENELITIAN UTAMA

Proyek pengumpulan data primer mencakup lima langkah (Gambar 6.9).

1. Permasalahan penelitian. Seperti halnya data sekunder, kekhususan

sangatlah penting. Gambar 6.10 menunjukkan beberapa masalah
penelitian pemasaran internet yang dapat dipecahkan oleh data
elektronik.
2. Rencana penelitian.
 Pendekatan penelitian. Berdasarkan informasi yang dibutuhkan,
peneliti memilih antara eksperimen, kelompok fokus, teknik
observasi, dan penelitian survei, atau teknik pemantauan
percakapan Web, waktu nyata, dan ruang nyata.
 Desain sampel. Pada tahap ini peneliti memilih sumber sampel dan
jumlah responden yang diinginkan.
 Contact Method. Cara untuk menghubungi sampel mencakup
metode tradisional seperti telepon, surat, dan tatap muka, serta
internet dan pendekatan yang didukung teknologi lainnya.
  Desain instrumen. Jika survei direncanakan, peneliti
mengembangkan kuesioner. Untuk metode lain, peneliti
mengembangkan protokol untuk memandu pengumpulan data.
3. Pengumpulan data. Peneliti mengumpulkan informasi sesuai rencana.
4. Analisis data. Peneliti menganalisis hasil berdasarkan masalah aslinya.
Untuk penelitian kuantitatif, langkah ini mencakup penggunaan paket
perangkat lunak statistik untuk analisis data survei tradisional atau
penggalian data dan pendekatan lain untuk menemukan pola dan
menguji hipotesis dalam database.
5. Distribusi temuan/Penambahan database. Data penelitian mungkin
ditempatkan dalam database pengetahuan pemasaran dan disajikan
dalam bentuk tertulis atau lisan kepada manajer pemasaran.

PENDEKATAN PENELITIAN BERBASIS INTERNET

Berikut 4 contoh riset online yang berhasil

1. Tes kreatif. Leo Burnett, agen periklanan, membangun panel yang terdiri dari
50 sekolah dasar untuk tujuan pengujian iklan yang ditujukan ke pasar “anak-
anak”. Burnett memasang beberapa poster iklan online dan mengirimkan
email yang mengarahkan siswa ke halaman Web yang menampilkan poster
tersebut. Setelah melihat poster, siswa menyelesaikan survei untuk memilih
yang terbaik. Dalam tes ini, lebih dari 800 anak membantu menentukan
pendekatan kreatif terbaik untuk poster tersebut.

2. Kepuasan pelanggan. British Airways memasang kuesioner di situs Web-nya

untuk mengumpulkan pendapat tentang layanan perusahaan di antara anggota
 Klub Eksekutif. Lebih dari 9.000 orang menyelesaikan kuesioner dalam waktu
sembilan bulan.

3. Pengembangan produk. University of Nevada, Reno, memasang kuesioner di

situs web program pemasaran, mengundang praktisi dan akademisi untuk
memberikan pendapat tentang apa yang harus disertakan dalam program e-
commerce di tingkat universitas; 140 responden membantu membentuk
kursus baru.

4. Manajemen reputasi. Sebuah perusahaan manufaktur besar melakukan

kesalahan kecil dan tak lama kemudian menemukan komentar negatif di 90
persen halaman pertama dan 80 persen halaman kedua hasil pencarian Google
untuk perusahaan tersebut. Ini termasuk para blogger yang membicarakan
insiden tersebut dan pengunjung YouTube yang memposting komentar negatif
di bawah video perusahaan tersebut. Pengumpulan data penelitian primer
mempunyai arti baru ketika perusahaan, merek, dan eksekutif harus memantau
percakapan internet.

Selain itu, data primer dikumpulkan secara online melalui eksperimen,

kelompok fokus, observasi, wawancara mendalam, dan penelitian survei, yang
sebagian besar akan dibahas pada bagian berikut.

EKSPERIMEN DARING

Penelitian eksperimental berupaya menguji hubungan sebab-akibat, seperti

dalam contoh Purina. Secara offline, seorang peneliti akan memilih subjek, secara
acak menempatkannya ke dalam dua kelompok atau lebih, dan kemudian
memaparkan setiap kelompok pada rangsangan yang berbeda. Secara online, pemasar
cenderung menggunakan eksperimen untuk menguji halaman Web alternatif, iklan
bergambar, dan penawaran promosi.

GRUP FOKUS ONLINE GRUP FOCUS

Penelitian adalah metodologi kualitatif yang berupaya mengumpulkan

informasi mendalam dari sejumlah kecil partisipan. Kelompok fokus sering
digunakan untuk membantu pemasar memahami perasaan dan perilaku penting
sebelum merancang penelitian survei.

OBSERVASI ONLINE

Observasi rescarch memantau perilaku masyarakat dengan mengamati mereka

dalam situasi yang relevan. Misalnya, pengecer merekam video pembeli untuk
melihat pola yang mereka pilih dalam bergerak melalui toko dan untuk memantau
perilaku belanja lainnya. Beberapa peneliti percaya bahwa tindakan berbicara lebih
keras daripada kata-kata, sehingga observasi pelanggan lebih kuat dibandingkan
survei yang mencatat pernyataan orang-orang dari ingatan tentang apa yang mereka
yakini dan lakukan.

ANALISIS ISI

Ini adalah pemeriksaan teks atau gambar untuk mengevaluasi isi komunikasi.
Peneliti pasar telah menggunakan teknik ini untuk mengevaluasi siaran pers atau teks
lainnya dan untuk memeriksa model periklanan atau latarnya (misalnya, peran apa
yang dimainkan laki-laki dalam iklan?).

PENELITIAN SURVEI ONLINE

Menurut MarketResearchCareers.com, penelitian survei online kini

merupakan metodologi yang paling banyak digunakan oleh 95 persen profesional
riset pasar dan ditemukan sebagai alat pengambilan keputusan yang sangat berharga
oleh 35 persen (lihat Gambar 6.15). E-marketer melakukan survei online dengan
beberapa cara:

 Pengambilan sampel intersep

 Penargetan langsung
 Panel
 Papan buletin/kelompok

SURVEI WEB

Banyak perusahaan memasang kuesioner di halaman Web mereka. Responden

mengetik jawaban ke dalam mekanisme respons otomatis dalam bentuk tombol radio
(pengguna mengklik untuk menunjukkan respons), menu drop-down, atau area
kosong untuk pertanyaan terbuka. Salah satu survei Web dilakukan untuk
menentukan minuman apa yang dikonsumsi siswa, sebagai dasar tugas penentuan
posisi. Gambar 6.16 menampilkan jenis pertanyaan dari survei Web.

PANEL ONLINE

Kebanyakan peneliti menggunakan panel online untuk mengatasi masalah

pengambilan sampel dan respons. Juga disebut komunitas opt-in. Panel online
mencakup sekelompok orang yang telah setuju untuk menjadi subjek riset pemasaran.
Biasanya mereka berbayar dan seringkali juga menerima produk gratis. Peserta panel
mengisi kuesioner ekstensif setelah diterima, sehingga peneliti mempunyai informasi
tentang karakteristik dan perilaku mereka. Dengan cara ini, ketika anggota panel
diminta untuk menguji suatu produk, diberikan kuesioner untuk diisi, atau dikirimi
kupon dan promosi lainnya, peneliti dapat menghubungkan hasil dengan data
demografi yang telah dikumpulkan.
ETIKA PENELITIAN ONLINE

Banyak perusahaan yang melakukan riset pemasaran di Web telah

mempertimbangkan “budaya hadiah” dan memutuskan untuk memberikan sesuatu
kepada responden sebagai penghargaan atas partisipasinya.

2.4 Pendekatan Teknologi Lainnya

Internet adalah tempat yang sangat baik untuk mengamati perilaku pengguna
karena teknologi secara otomatis mencatat tindakan dalam format yang dapat
dimanipulasi dengan mudah, cepat, dan matematis untuk dianalisis. Pengumpulan
data otomatis di sisi klien dan sisi server adalah dua pendekatan berbasis teknologi
yang patut mendapat perhatian khusus. Pembuatan profil real-time di situs Web
adalah salah satu pendekatan sisi server yang sangat kuat. Teknik-teknik ini sangat
menarik dan tidak biasa karena belum ada sebelum adanya internet, dan karena teknik
ini memungkinkan pemasar membuat perubahan yang cepat dan responsif pada
halaman Web, promosi, dan harga.

Client-side data collocetion (Pengumpulan Data Sisi Klien)

Pengumpulan data sisi klien mengacu pada pengumpulan informasi tentang

perilaku klik konsumen tepat di PC pengguna. Salah satu pendekatannya adalah
dengan menggunakan cookie ketika pengguna mengunjungi situs Web. Cookie file
cukup membantu, dan bahkan diperlukan, untuk e-commerce dan aktivitas internet
lainnya. Beberapa cookie membantu pemasar menyajikan promosi dan halaman Web
yang sesuai kepada pengguna individu menggunakan informasi database. Gambar
6.18 menampilkan contoh saluran penjualan. Ini menunjukkan bagaimana file cookie
dan log situs Web dapat mengidentifikasi jumlah pengunjung situs Web yang melihat
halaman yang diinginkan dan akhirnya membeli produk. Seperti yang dibahas di Bab
2, angka-angka ini adalah hasil dari perangkat lunak analisis Web.
 Salah satu metode pengumpulan data sisi klien yang penting melibatkan
pengukuran pola pengguna dengan memasang pengukur PC pada komputer panel
pengguna dan melacak aliran klik pengguna. Pendekatan ini mirip dengan "pengukur
orang" ACNielsen yang digunakan di perangkat TV untuk menentukan rating
berbagai program.

Server-Side Data Collection (pengumpulan data sisi server)

Analisis web menggunakan perangkat lunak log situs untuk menghasilkan

laporan mengenai jumlah pengguna yang melihat setiap halaman, lokasi situs yang
dikunjungi sebelum situs perusahaan, dan apa yang dibeli pengguna di situs-elemen
fundamental dalam data sisi server koleksi. Misalnya, karena persyaratan pendaftaran
online, Expedia dapat melacak pembelian tiket pengunjung, pola penelusuran, dan
seberapa sering mereka mengunjungi situs tersebut. Ia menggunakan informasi ini
untuk mengirimkan penawaran khusus kepada pelanggan serta menawarkan layanan
seperti pengamat tarif. Amazon.com, melalui perangkat lunak pemfilteran
kolaboratif, melacak buku yang dipesan oleh pelanggan dan membuat rekomendasi
berdasarkan tren pelanggan dalam databasenya. Data observasi ini membantu
perusahaan meningkatkan strategi pemasaran online, menjual iklan, dan
menghasilkan situs Web yang lebih efektif. Lihat Tampilan 6.19 untuk contoh
clickstream di FTC.gov yang dapat dianalisis oleh perangkat lunak analisis Web.
Berbekal data ini, FTC dapat menentukan halaman mana yang paling relevan bagi
masyarakat dan harus tetap menjadi link banner yang menonjol dari halaman beranda.

Semakin banyak perusahaan yang menggunakan data sisi server untuk sering
melakukan perubahan pada halaman Web dan penawaran promosi. Pembuatan profil
real-time terjadi ketika perangkat lunak khusus melacak pergerakan pengguna melalui
situs Web, dan kemudian mengkompilasi dan melaporkan data pada saat itu juga.
Juga dikenal sebagai "melacak aliran klik pengguna secara real time", pendekatan ini
memungkinkan pemasar menganalisis perilaku online konsumen dan membuat
penyesuaian seketika terhadap penawaran promosi situs dan halaman Web.
Pembuatan profil real-time tidaklah murah-satu perkiraan menetapkan biaya
perangkat lunak sebesar $150.000 untuk memulai dan $10.000 per bulan setelahnya.
Namun, kemampuan untuk memprediksi perilaku masa depan berdasarkan perilaku
masa lalu dan, dengan demikian, menawarkan halaman Web yang disesuaikan kepada
pelanggan yang tepat saat mereka mengunjungi situs Web dapat membuahkan hasil
yang besar.

2.5 Pendekatan Real Space

Pengumpulan data primer di ruang nyata mengacu pada pendekatan berbasis
teknologi untuk mengumpulkan informasi secara offline yang selanjutnya disimpan
dan digunakan dalam basis data pemasaran. Teknik ruang nyata yang paling penting
adalah pemindai kode batang dan terminal kartu kredit di toko ritel fisik, meskipun
entri komputer oleh perwakilan layanan pelanggan saat berbicara di telepon dengan
pelanggan mungkin juga disertakan di sini. Pengumpulan data primer secara real-
space terjadi di tempat pembelian offline.

Pengumpulan data offline penting untuk pemasaran elektronik karena data ini,
jika digabungkan dengan data online, memberikan gambaran lengkap tentang
perilaku konsumen untuk masing-masing perusahaan ritel. Pembaca kartu pintar dan
kartu kredit, mesin titik penjualan interaktif (iPOS), dan pemindai kode batang adalah
mekanisme untuk mengumpulkan data konsumen di ruang nyata. Meskipun UPC,
yang juga dikenal sebagai kode batang, telah ada di toko kelontong sejak tahun 1974,
penggunaannya telah berkembang hingga kode tersebut kini dipindai miliaran kali
sehari. Data penjualan produk yang dikumpulkan dengan memindai UPC di toko ritel
saat ini digunakan terutama untuk manajemen inventaris. Saat data UPC berpindah
dari mesin kasir ke komputer, perangkat lunak mengurangi tingkat persediaan
akuntansi secara otomatis dan mengirimkan komunikasi ke pemasok untuk pengisian
kembali barang fisik. Pembaruan inventaris langsung ini cukup efisien bagi pengecer,
seluruh penjual, dan produsen. Ini juga merupakan contoh masalah data besar yang
dibahas sebelumnya dalam bab ini-bagaimana cara menyimpan, menganalisis, dan
mengambil tindakan terhadap data sebanyak itu?

Catalina Marketing menggunakan UPC untuk tujuan promosi. Perusahaan ini

menempatkan mesin kecil di sebelah mesin kasir toko kelontong untuk menghasilkan
kupon berdasarkan setiap pembelian pelanggan. Misalnya, jika pelanggan membeli
selai Smucker, mesin tersebut mungkin mengeluarkan kupon $0,50 untuk selai
Knott's Berry. Ketika konsumen menukarkan kupon Knott, pemindai kode batang
mencatatnya. Dalam prosesnya, Catalina Marketing dan pengecer membangun basis
data besar tentang pembelian pelanggan dan tanggapan terhadap berbagai penawaran.
Jika konsumen hanya menukarkan sebagian kecil kupon Knott's, maka Knott's
2.6 Database Pemasaran Dan Gudang Data

Terlepas dari apakah data dikumpulkan secara online atau offline, data
tersebut dipindahkan ke berbagai database pemasaran, seperti yang ditunjukkan pada
Gambar 6.1. Basis data produk menyimpan informasi tentang fitur produk, harga, dan
tingkat inventaris; database pelanggan menyimpan informasi tentang karakteristik
dan perilaku pelanggan. Basis data pemrosesan transaksi disalin secara berkala ke
dalam gudang data (Gambar 6.20). Gudang data adalah tempat penyimpanan data
historis seluruh organisasi (bukan hanya data pemasaran). Mereka dirancang khusus
untuk mendukung analisis yang diperlukan untuk pengambilan keputusan. Terkadang
data di gudang dipisahkan menjadi area subjek yang lebih spesifik (disebut data mart)
dan diindeks agar mudah digunakan. Konsep-konsep ini penting bagi pemasar karena
mereka menggunakan informasi gudang data untuk tujuan perencanaan.

Karena situs Web sangat kompleks, seringkali mencakup ribuan halaman dari
atau untuk banyak departemen perusahaan yang berbeda, manajemen konten
merupakan bidang yang penting. Banyak vendor perangkat lunak, termasuk
Microsoft, berusaha memecahkan masalah pemeliharaan situs Web dengan perangkat
lunak mereka. Program-program ini memiliki fitur seperti database siaran pers yang
secara otomatis menempatkan berita terbaru pada halaman yang ditentukan dan
mengarsipkan berita lama, menghapusnya pada tanggal tertentu.

Tren penyimpanan data saat ini mengarah ke komputasi awan: jaringan server
Web online di lokasi terpencil dari perusahaan, yang digunakan untuk menyimpan
dan mengelola data (Gambar 6.21). Karyawan yang berwenang dapat mengakses atau
mengunggah data dari perangkat apa pun yang terhubung ke internet. Keuntungan
bagi perusahaan mencakup tidak adanya biaya investasi untuk ruang server, tidak ada
investasi perangkat lunak untuk mengelola data, dan akses ke aplikasi gratis seperti
yang ditawarkan oleh Kantor Pos AS atau Google Earth. Tentu saja, perusahaan
membayar untuk menggunakan cloud layanan komputasi. Amazon.com dan Tenaga
Penjualan. com adalah dua opsi komputasi awan yang paling terkenal bagi
perusahaan.

Individu juga dapat mengakses komputasi awan, seperti iCloud untuk

menyimpan semua data di perangkat Apple (foto, kontak, kalender, dan sebagainya)
dan mengambilnya di ponsel, komputer, atau tablet Apple mana pun. Dropbox.com
adalah aplikasi bagus lainnya untuk individu yang ingin menyimpan data di server
dan menyinkronkannya secara otomatis ke komputer mana pun. Penulis
menggunakan Dropbox untuk menulis buku ini dengan berbagi file dari jarak ribuan
mil. Ketika salah satu penulis memperbarui sebuah bab, bab tersebut secara otomatis
disimpan ke komputer penulis lain, melalui Dropbox.

Perhatikan bahwa komputasi awan bukan hanya untuk penyimpanan data.

Pemrosesan data juga bisa dilakukan di cloud. Misalnya, Facebook dan semua
aplikasinya berada di cloud, begitu pula Twitter, Gmail, YouTube, dan sejumlah
layanan lainnya. Banyak game multipemain yang juga ada di cloud.

2.7 Analisis Dan Distribusi Data

Data yang dikumpulkan dari semua titik kontak pelanggan disimpan di
gudang data atau sistem manajemen pengetahuan cloud, siap untuk dianalisis dan
didistribusikan kepada pengambil keputusan pemasaran. Empat jenis analisis penting
untuk pengambilan keputusan pemasaran meliputi pengumpulan data, pembuatan
profil pelanggan, analisis RFM (kekinian, frekuensi, nilai moneter), dan pembuatan
laporan.

Penambangan data melibatkan ekstraksi informasi prediktif tersembunyi

dalam database besar melalui analisis statistik (lihat kotak "Mari Kita Pelajari
Teknisnya"). Di sini, pemasar tidak perlu mendekati database dengan hipotesis apa
pun selain minat untuk menemukan pola di antara data. Misalnya, seorang pemasar
mungkin ingin mengetahui apakah pengguna terberat suatu produk cenderung
membeli lebih banyak pada bulan-bulan tertentu, atau berapa banyak orang di
jaringan sosial yang berbagi informasi tentang produk tersebut.

Pola yang ditemukan oleh pemasar membantu mereka menyempurnakan

strategi bauran pemasaran, mengidentifikasi peluang produk baru, dan memprediksi
perilaku konsumen. Penggunaan data mining membantu Fingerhut, pengecer katalog
senilai $2 miliar, menemukan bahwa pelanggan yang pindah tempat tinggal
melipatgandakan pembelian mereka dalam 12 minggu setelah pindah. Penggalian
data juga mengungkapkan bahwa mover cenderung membeli furnitur, telepon, dan
dekorasi, namun tidak membeli perhiasan atau barang elektronik rumah tangga.
Fingerhut menggunakan informasi ini untuk membuat Katalog Penggerak khusus,
memilih produk yang sesuai dari 15.000 item yang dijualnya. Selain itu, mereka
berhenti mengirimkan katalog khusus lainnya kepada para penggerak selama jangka
waktu 12 minggu. Penambangan data juga membantu kantor Mid-Atlantic American
Automobile Association (AAA) untuk menyederhanakan proses komunikasi
pemasarannya, dengan mengurangi jumlah pengiriman sebesar 96 persen, dari 1,2
juta menjadi 40.000 lembar per tahun. Hal ini mengurangi biaya sebesar 92 persen
tanpa penurunan pendaftaran keanggotaan

Pembuatan profil pelanggan menggunakan informasi gudang data untuk

membantu pemasar memahami karakteristik dan perilaku kelompok sasaran tertentu.
Melalui proses ini, pemasar dapat benar-benar memahami siapa yang membeli
produk tertentu dan bagaimana reaksi mereka terhadap penawaran promosi dan
perubahan harga. Beberapa kegunaan tambahan pembuatan profil pelanggan
mencakup hal berikut:

 Memilih kelompok sasaran untuk daya tarik promosi.

 Menemukan cara terbaik untuk melibatkan pelanggan di media sosial.
 Menemukan dan mempertahankan pelanggan dengan nilai seumur hidup yang
lebih tinggi bagi perusahaan.
 Memahami karakteristik penting dari pengguna produk berat.
 Mengarahkan kegiatan cross-selling kepada pelanggan yang tepat.
 Mengurangi biaya pengiriman surat langsung dengan menargetkan pelanggan
dengan respon tinggi.

Terkadang sifat prediktif dari penambangan data dapat melewati batas

pelanggaran privasi. Misalnya, Target mampu memprediksi kapan seorang wanita
hamil dengan melihat perubahan perilaku pembeliannya. Misalnya, dia tiba-tiba
mulai membeli sabun dan losion tanpa pewangi, bola kapas, pembersih tangan, dan
kain lap dalam jumlah besar. Jadi apa yang mereka lakukan? Mereka menargetkan
(permainan kata-kata yang dimaksudkan) ibu dengan kupon produk bayi, tetapi
menggabungkannya dengan iklan misalnya mesin pemotong rumput sehingga dia
tidak akan tahu bahwa mereka mengetahuinya.

Analisis RFM memindai database untuk tiga kriteria. Pertama, kapan

pelanggan melakukan pembelian terakhir (recent)? Kedua, seberapa sering pelanggan
membeli produk (frekuensi)? Ketiga, berapa banyak yang telah dibelanjakan
pelanggan untuk pembelian produk (nilai moneter)? Proses ini memungkinkan
perusahaan untuk menargetkan penawaran kepada pelanggan yang paling responsif,
menghemat biaya promosi, dan meningkatkan penjualan. Misalnya, pengecer online
mungkin memperhatikan bahwa segmen pelanggan teratas menghasilkan 32 persen
penjualan dengan nilai pesanan rata-rata (AOV) sebesar $69, atau penjualan sebesar
$22 per seribu paparan iklan kata kunci di Google. Kini pengecer dapat
memperkirakan nilai dari jenis iklan ini dan mengambil langkah untuk menjangkau
segmen pelanggan teratas secara langsung.

Personel pemasaran individu dapat melakukan penambangan data, pembuatan

profil pelanggan, dan analisis RFM kapan saja melalui akses ke gudang data dan
mendistribusikan hasilnya ke anggota staf lain yang terlibat dalam keputusan tertentu.
Di sisi lain, pembuat laporan secara otomatis membuat laporan yang mudah dibaca
dan berkualitas tinggi dari gudang data atau informasi cloud secara teratur. Laporan-
laporan ini dapat ditempatkan dalam database pengetahuan pemasaran di intranet atau
ekstranet agar dapat diakses oleh semua orang. Pemasar dapat menentukan informasi
tertentu yang akan muncul dalam laporan otomatis ini dan interval waktu distribusi,
seperti pada contoh sebelumnya tentang pengecer yang mengirimkan laporan
penjualan mingguan online ke semua manajernya. Back Web Technologies (backweb
.com), HotOffice (hotoffice.com), dan banyak perusahaan serupa menyediakan
perangkat lunak kolaboratif yang secara otomatis mengintegrasikan data dari
lingkungan makro dan lingkungan mikro perusahaan. Misalnya, ketika seorang
manajer pemasaran yang mengerjakan rencana pemasaran menyimpan data, sistem
dapat secara otomatis meletakkan file tersebut di server untuk diakses oleh manajer
lain. Data internal terintegrasi dengan situs Web perusahaan, situs Web eksternal,
newsgroup, dan database-semuanya dengan kemampuan pencarian. Perangkat lunak
tersebut membantu perusahaan mendistribusikan hasil analisis basis data. Vendor
komputasi awan juga memiliki kemampuan ini.

2.8 Manajemen Matric

Riset pemasaran tidaklah murah. Pemasar sering kali mempertimbangkan
biaya untuk memperoleh informasi tambahan dibandingkan dengan nilai peluang
potensial atau risiko kemungkinan kesalahan dari keputusan yang dibuat dengan
informasi yang tidak lengkap. Mereka juga mengkhawatirkan biaya penyimpanan
semua terabyte data yang berasal dari log situs Web, percakapan media sosial, survei
online, registrasi Web, dan pendekatan real-time dan ruang nyata lainnya. Kabar
baiknya adalah biaya penyimpanan data terus menurun sejak tahun 1998, dan
pemasar kini dapat membeli disk drive seharga satu dolar per gigabyte atau
penyimpanan online dengan harga mulai dari $10 hingga $23 per gigabyte.
Penyimpanan online memiliki banyak manfaat tambahan, seperti usia penyimpanan
duplikat dan pemulihan cepat sesuai permintaan, dan banyak lagi. Dua metrik yang
saat ini digunakan secara luas:

 ROI. Perusahaan ingin tahu mengapa mereka harus menyimpan semua data
tersebut. Bagaimana cara penggunaannya, dan apakah keuntungan berupa
pendapatan tambahan atau penurunan biaya akan menghasilkan tingkat
investasi ruang penyimpanan yang dapat diterima? Untuk ruang penyimpanan
perangkat keras (baik di lokasi atau di cloud), ROI biasanya berarti total
penghematan biaya dibagi total biaya instalasi (Gruener, 2001). Khususnya,
 perusahaan juga menggunakan ROI untuk membenarkan nilai sistem
manajemen pengetahuan lainnya.

 Total Biaya Kepemilikan (TCO). Sebagian besar merupakan metrik yang

digunakan oleh manajer teknologi informasi, TCO tidak hanya mencakup
biaya perangkat keras, perangkat lunak, dan tenaga kerja untuk penyimpanan
data tetapi juga item lain seperti penghematan biaya dengan mengurangi
waktu henti server Web dan kebutuhan tenaga kerja.

Misalnya, Galileo International menawarkan reservasi perjalanan dan

memelihara 102 terabyte data jadwal, tarif, dan informasi reservasi untuk 500
maskapai penerbangan, 47.000 hotel, dan 37 perusahaan penyewaan mobil (Radding,
2001). Perusahaan ini membukukan 345 juta reservasi pada tahun 2000, terkadang
menangani 10.000 permintaan per detik! ROI Galileo sederhana: Menurut
pemiliknya, Frank Auer, setiap pendapatan perusahaan sebesar $1,6 miliar
merupakan keuntungan dari sistem penyimpanan datanya.

Dalam contoh lain, perusahaan angkutan truk Schneider National mempunyai

data yang cukup untuk mengisi sepuluh trailer berukuran 53 kaki dengan disk data.
Namun mereka masih belum dapat dengan mudah mengetahui mengapa biaya
pengiriman mobil ke dealer Ford di Texas adalah $0,20 per pon dan hanya $0,17 di
tempat lain. Perusahaan tersebut menghabiskan sekitar $2 juta untuk membeli
perangkat lunak intelijen bisnis yang memungkinkan karyawan mendapatkan
jawaban cepat terhadap masalah pemasaran dan merealisasikan laba sebesar $2,5 juta
atas investasi tersebut dalam waktu dua tahun (ROI 25%) (Brown, 2002).
 BAB III

PENUTUP
3.1 Kesimpulan
E-marketer membutuhkan data untuk memandu keputusan dalam menciptakan
dan mengubah elemen bauran pemasaran. Data ini dikumpulkan dari berbagai
sumber, disaring ke dalam database, dan diubah menjadi pengetahuan pemasaran
yang kemudian digunakan untuk mengembangkan strategi pemasaran. Manajemen
pengetahuan adalah proses mengelola penciptaan, penggunaan, dan penyebaran
pengetahuan. Sistem informasi pemasaran adalah proses dimana pemasar mengelola
pengetahuan, menggunakan sistem untuk menilai kebutuhan informasi,
mengumpulkan informasi, menganalisisnya, dan menyebarkannya kepada pengambil
keputusan.
Pemasar dapat memanfaatkan tiga sumber pengetahuan pemasaran: (1)
catatan internal (seperti arus kas, data tenaga penjualan, dan data pelanggan), (2) data
sekunder (publik dan pribadi). dihasilkan, dari database online, dan untuk intelijen
kompetitif), dan (3) data primer (dikumpulkan untuk pertama kalinya untuk
memecahkan masalah tertentu).
Panel online semakin banyak digunakan untuk mengatasi masalah
pengambilan sampel dan respons survei online. Meskipun beberapa panel ini
berukuran kecil, panel lainnya berisi jutaan peserta. Beberapa masalah etis dari
penelitian online mencakup email yang tidak diminta, pengambilan alamat email dari
newsgroup, penjualan dengan kedok penelitian, dan kurangnya privasi data
pengguna.
Perusahaan harus terus memantau media sosial dan situs web lainnya untuk
mengidentifikasi konten tentang merek dan personel mereka yang diposting oleh
jurnalis warga dan pemangku kepentingan lainnya. Teknologi baru seperti peringatan
email, RSS feed, dan perangkat lunak khusus menjadikan proses ini mudah dan
otomatis.
Pemasar menggunakan teknologi untuk mengamati perilaku pengguna di
komputer pengguna (sisi klien) melalui cookie dan PC meter atau di server (sisi
server) melalui penggunaan file log dan pembuatan profil waktu nyata. Pengumpulan
data ruang nyata dilakukan di tempat pembelian offline seperti pembaca kartu pintar
dan kartu kredit, mesin iPOS, dan pemindai kode batang. Data dapat digunakan untuk
pengendalian inventaris dan untuk menargetkan promosi.
Gudang data adalah tempat penyimpanan data historis organisasi. Data mart
adalah sub-bagian gudang yang dikategorikan berdasarkan area subjek. Data dari
semua titik kontak pelanggan disimpan di gudang. Empat jenis analisis dilakukan
terhadap data: pengumpulan data, pembuatan profil pelanggan, analisis RFM
(kekinian, frekuensi, nilai moneter), dan pembuatan laporan. Penambangan data
mengekstrak informasi prediktif tersembunyi dari gudang melalui analisis statistik.
Pembuatan profil pelanggan membantu pemasar memahami karakteristik dan
perilaku kelompok sasaran tertentu. Analisis RFM memungkinkan perusahaan untuk
menargetkan penawaran kepada pelanggan yang mungkin paling responsif. Alat
pembuat laporan yang canggih bisa secara otomatis menjadwalkan dan
mempublikasikan laporan.

3.2 Saran
Dengan adanya Makalah Riset E-Marketing ini diharapkan dapat memberikan
pengetahuan kepada masyrakat khusunya para mahasiswa untuk mengamalkan ilmu
yag telah diberikan oleh dosen serta apa yang mereka dapat pada saat kegiatan belajar
mengajar untuk diamalkan di kehidupan sekarang ataupun masa yang akan datang.

DAFTAR PUSTAKA
‌Hair, J. F., Harrison, D., & Risher, J. J. (2018). Marketing research in the 21st
century: Opportunities and challenges. Brazilian Journal of Marketing-BJMkt,
Revista Brasileira de Marketing–ReMark, Special Issue, 17.
Strauss, J., Frost, R., & Sinha, N. (2014). E-marketing (p. 496). Upper Saddle River,
NJ: Pearson.
Taan, H. (2016). Peran riset pemasaran dalam pengambilan keputusan
manajemen. Jurnal Manajemen dan Akuntansi, 11(2).