DEVELOPMENT OF MARKETING

FLEXIBILITY FOR E-COMMERCE

By Assessing Impact of Mobile Devices on Sales with Multiple
Classes of Customer
 Studi Dampak Perangkat Seluler di e-
Bisnis

Pendahuluan

 Dengan pesatnya perkembangan mobile akses ke Internet, yang diawali

oleh penggunaan PC tradisional, maka pengguna Internet lebih banyak
beralih kepada perangkat mobile seluler yang memiliki fleksibilitas untuk
mampu mengakses Internet darimanapun.
 Berkaitan dengan hal tersebut maka sedang terjadi proses peralihan dari e-
commerce menuju m-commerce.
 Karena fenomena ini masih terbilang baru , beberapa studi dilakukan
untuk mengetahui dampak perangkat seluler terhadap e-bisnis
 Studi Dampak Perangkat Seluler di e-
Bisnis
Berikut ini adalah studi awal yang dilakukan :

 Barwise (2001) dan Hammond (2001) memprediksi tren evolusi e-

commerce di masa yang akan datang
 Chae dan Kim (2003) mendiskusikan implikasi bisnis dari e-commerce
 Buyukozhan (2009) mengembangkan pendekatan analitis untuk
mengembangkan kebutuhan pengguna e-commerce dan banyak peneliti
lainnya.
 Studi yang telah dilakukan diatas menggunakan analisa berdasarkan
pendekatan empiris kualitatif serta terkesan statis, sehingga penulis
beranggapan studi tersebut tidak menemukan bagaimana menangkap
perbedaan kinerja e-commerce dan m-commerce, dan pendekatan melalui
model stochastic mathematical tidak dilakukan dan terabaikan.
 Studi Dampak Perangkat Seluler di e-
Bisnis
 Sumita dan Yoshii (2010), membandingkan dan menganalisa e-commerce dan m-
commerce melalui model matematika dengan menggunakan akses PC dan akses
seluler yang disebut model semi-Markov.
 Model semi-Markov masih memiliki keterbatasan, misalnya hanya akses seluler
yang tersedia dalam jangka waktu tertentu seperti saat perjalanan (dari rumah ke
kantor atau sebaliknya). Studi ini juga gagal membedakan jumlah penjualan atas
kelompok konsumen yang berbeda
 Sumita dan Yoshii (2012), mengembangkan lagi model semi-Markov yang asli
dengan 2 arah yang berbeda. Pertama, mengakomodasi sejumlah segmen waktu
umum dalam sehari sehingga berbagai perilaku konsumen dalam mengakses
internet dapat digabungkan
 Kedua, kontribusi penjualan setiap kelas konsumen dapat ditangkap secara terpisah
 Sumita and Yoshii (2013), menggabungkan beberapa kelas pelanggan. Selanjutnya
kontribusi setiap segmen waktu dapat diperlakukan secara terpisah.
Studi Dampak Perangkat Seluler di e-
Bisnis

Bagaimana
Bagaimana
mengalokasikan
mengalokasikan
anggaran
anggaranpromosi
promosi saat
saat
penggunaan
penggunaan PCPCatau
atau
seluler
seluler(mobile)?
(mobile)?
 Pendekatan Model Markov

 Pertama kali diperkenalkan oleh Andrey Andreyevich Markov (1856-1922) di

1906.
 Markov chains atau rantai markov adalah suatu metode yang digunakan
untuk mengidentifikasi variabel-variabel pada masa sekarang yang
didasarkan pada variabel-variable di masa lalu sehingga didapatkan perkiraan
kemungkinan variabel tersebut di masa yang akan datang.
 Markov chain juga disebut sebagai proses stokastik, yaitu sistem pemodelan
yang berubah secara acak dimana diasumsikan keadaan yang akan datang
bergantung hanya pada keadaan sekarang dan tidak bergantung pada urutan
kejadian yang mendahuluinya.
 Aplikasi Markov dalam dunia industri: menganalisa perpindahan minat pada
merek tertentu (brand switching) pada pemasaran, analisa rencana penjualan,
rencana pemeliharaan mesin, perencanaan antrina, pengelolaan administrasi
rumah sakit.
Pendekatan Proses Semi-Markov
Pengaruh Penggunaan Seluler dan PC di e-
commerce dalam 1 hari

Pembagian waktu sebagai berikut:

 Kolom 1 dan 3 adalah segmen perjalanan yang berlangsung dari rumah ke kantor
dan dari kantor ke rumah
 Kolom 2, segmen waktu yang berlangsung saat jam kerja
 Kolom 4, segmen waktu pada saat malam hari
 Kolom 5, segmen waktu jam tidur di malam hari
Pembagian Waktu dalam 1 Hari

Keadaan Pembagian Waktu Jangka Waktu Akses Internet

1 Jam Perjalanan 1 Mobile
Hanya PC atau bisa kedua-
2 Jam Kerja 8 duanya (PC & Mobile)
3 Jam Perjalanan 1 Mobile
4 Malam Hari 6 PC
5 Jam Tidur 8 Tidak ada
Contoh penggunaan Prosedur Komputasi

 Dengan asumsi promosi dilakukan pada saat jam kerja (segmen waktu
kedua) dengan budget\β
 Budget promosi PC dengan \ (1-ρ) β
 Budget promosi Seluler \ (1-ρ) β, 0≤ρ≤1
 Asumsi yang dipakai adalah efek promosi dapat dilihat dengan
mengubah intensitas Poisson untuk akses PC dan Seluler dengan rumus:


 Dengan catatan bahwa intensitas Poisson untuk PC akan berkurang dan

untuk seluler akan meningkat dengan meningkatnya β dari 0 menjadi 1
Kesimpulan
 Studi mengenai akses seluler atas internet di e-
bisnis masih terbatas. Tulisan Sumita dan Yoshii
2010, 2012 dan 2013 adalah literatur pertama yang
menangkap perilaku antara e-commerce dan m-
commerce berdasarkan model stokastik
matematika.
 Dengan analisa ini juga bisa membandingkan
pengukuran m-commerce terhadap e-commerce
tradisional.
Tokopedia

Contoh Pengguna mobile melakukan

pembelian di e-commerce

• Promosi penjualan di tokopedia, berlaku

sejak jam 8 pagi hingga jam 10 malam.
• Jangka Waktu promosi setiap per dua jam:
8-10; 10-`12; 14-18; terakhir jam 20-22.
Barang yang dipromosikan dalam jangka
waktu ini tidak selalu sama.
• Di atas jam 10 malam diasumsikan
pengguna internet sudah semakin
berkurang (sangat berkurang). Hal ini
sesuai dengan segmen waktu yang diibuat
oleh Sumita dan Yoshii
Penggunaan Internet Saat Ini

Pengguna internet via mobile ada di 98%

E-commerce Global dan Indonesia

Secara Global: Indonesia:

Pembelian online melalui laptop atau Pembelian online melalui laptop atau
desktop: 36% desktop: 25%
Pembelian online via mobile: 52% Pembelian online via mobile: 80%
Kelompok 3
 Dalton Ngangi 012020046
 Christy Tirtayasa 012020048
 Yosafat Pandu Bagaskoro 012020049
 Meinatri Cykitta Mandacan 012020052
 Wenny R.T.Y. Silaen 012020059
 Willi Fragcana Putra 012020060
 Wendy Miharja 012020066
Sekian dan Terimakasih