Hasil Pencarian  ::  Simpan CSV :: Kembali

"

Penelitian ini bertujuan untuk mengidentifikasi perilaku belanja konsumen, menentukan segmentasi konsumen dan mengidentifikasi konsumen berdasarkan wilayah konsumen Bukku.id. Penelitian ini menggunakan data transaksi pada periode 1 September 2017 hingga 17 September 2018. Data diolah dengan analisis Recency, Frequency, Monetary (RFM) dan clustering untuk membentuk segmentasi konsumen. Selanjutnya, analisis pareto diberlakukan dalam menentukan penerbit dan penulis yang layak diprioritaskan untuk memaksimalkan hasil/return dengan meminimalkan usaha/effort. Pemetaan terhadap lokasi konsumen untuk pareto penulis ditentukan agar memberikan pemahaman untuk perbaikan promosi dan strategi pemasaran offline.

Hasil dari penelitian ini menunjukkan adanya tiga jenis profil konsumen yang berbeda berdasarkan analisis RFM dan clustering. Profil konsumen yang dipetakan terhadap penerbit dan penulis akan memberikan perusahaan keuntungan dalam memprioritisasi usaha dalam mengembangkan pola treatment terhadap penerbit dan penulis. Pengembangan offline marketing juga dapat dibangun karena mengetahui analisis lokasi konsumen yang ada.

---

The purpose of this research is to identify customer purchase behavior, form customer segmentation, and identify customer address of Bukku.id. this research uses customer purchase data of Bukku.co.id in the period 1 September 2017 – 17 September 2018. RFM method and clustering are used to identify customer segmentation. Then, pareto analysis results which publishers and authors need to be concerned for prioritizing effort in order to gain maximum benefit. Customer address or location has been mapped based on priority authors to determine promotion and offline marketing strategy.

The results of this research show three customer cluster based on RFM and clustering analysis. Each cluster has different characteristic and it can determine which strategy suit to approach their customers. Customer profile based on authors and publisher could also benefit the company to prioritize any treatments relate to them. Better offline marketing strategy can be developed by knowing location analysis

"

"Penelitian ini bertujuan untuk mengidentifikasi segmentasi RFM pada toko kosmetik online di Indonesia. Penelitian ini menggunakan analisis RFM (Recency, Frequency, dan Monetary) yang dilanjutkan dengan K-Means Clustering dengan menggunakan Hiearchical Clustering untuk mencari nilai k. Penelitian ini menggunakan data transaksi penjualan Makeupuccino sepanjang tahun 2017 untuk segmentasi RFM. Hasilnya menunjukkan bahwa jumlah segmentasi yang paling tepat untuk toko kosmetik online adalah 4, yang dibagi menjadi Platinum, Gold, Iron, dan Lead. Keempat segmentasi tersebut memiliki marketing objective dan program marketing yang berbeda.

---

This research aims to identify RFM segmentation on makeup online store in Indonesia. This research uses RFM (Recency, Frequency, and Monetary) analysis and then uses K-Means Clustering with Hierarchical Clustering as the way to finds k values. This study uses transaction on Makeupuccino (one of makeup online store in Indonesia) during 2017 to get RFM segmentation. The result shows that the best RFM segmentation for makeup online store in Indonesia is 4, that divided into Platinum, Gold, Iron, and Lead. Each of segmentation has different marketing objective and marketing program."

"ABSTRAKPenelitian ini menjelaskan mengenai penerapan segmentasi konsumen berdasarkan CLV agar dapat menghasilkan profil konsumen bagi perusahan untuk memberikan perlakuan yang tepat bagi masing ndash; masing konsumen. Dalam memproses data yang akan digunakan, penelitian ini mengunakan segmentasi RFM sebagai langkah awal untuk mengidentifiksi data dan dilanjutkan dengan klasterisasi menggunakan K-Means agar mendapatkan gambaran data konsumen yang lebih jelas. Hasil dari penelitian ini menunjukan adanya lima jenis profile konsumen yang berbeda berdasarkan perhitungan RFM dan K-Means. Setiap kelompok memiliki karakteristik yang berbeda yang dapat digunakan oleh perusahaan untuk membentuk strategi dalam memberikan pendekatan kepada konsumen. Terdapat juga perbandingan antara kelompok konsumen yang akan dihasilkan apabila perusahaan menggunakan segmentasi konsumen menggunakan CLV dengan saat tidak menggunakan CLV. Dengan memberikan perlakuan yang tepat bagi konsumen yang dapat memberikan keuntungan bagi perusahaan dimasa yang akan datang, maka perusahaan dapat membentuk strategi yang lebih efektif dan tepat sasaran.

---

ABSTRACTThis research focus on how to make a consumer segmentation based on CLV in order to create a customer profile for the company to provide appropriate treatment for each consumer. In order to process the data, this research uses RFM segmentation as the first step to identify the data and continued with K Means clustering to get a better interpretation of consumer data. The results of this research show five different types of consumer profiles based on RFM and K Means calculations. Each cluster has a different characteristic that can be used for a company to define a better strategy in order to approach their customer. There is also a comparison between the consumer groups if the company uses consumer segmentation using CLV or when not using CLV. By providing the right treatment for profitable customer, the company can form an effective and targeted strategy in the future. "

"ABSTRAKNama : Adi MulyadiProgram studi : Magister ManajemenJudul : Analisis Segmentasi Konsumen Pada Perusahaan Real Estate Menggunakan Big Data Analytics Studi pada PT. ISPI Pratama LestariPembimbing : Arga Hananto, M.Bus. Studi tentang segmentasi konsumen dipengaruhi oleh kebutuhan perusahaan untuk bersaing dengan kompetitornya dan menciptakan keunggulan kompetitif bagi perusahaannya. Segmentasi produk merupakan salah satu hal utama dalam dunia bisnis, karena kesalahpahaman dalam segmentasi konsumen dapat mengakibatkan berkurangnya pendapatan. Real estate merupakan industri senilai milyaran dolar yang sangat tersegmentasi, dikarenakan karakteristik konsumennya yang beragam. Indonesia merupakan pasar yang potensial dan bertumbuh bagi industri real estate dan perumahan, karena Indonesia memiliki jumlah penduduk yang besar sekitar 260 juta jiwa dan memiliki area geografis yang luas. Untuk menganalisa data dengan jumlah besar tersebut, perusahaan real estate menggunakan Big Data Analytics, sebagai alat untuk mendapatkan masukan yang berarti dari data tersebut. Big Data mulai banyak digunakan sebagai alat untuk mempelajari tentang kondisi atau untuk memprediksi perilaku yang mungkin terjadi melalui berbagai pemodelan analisis data. Penelitian ini menyajikan analisis segmentasi untuk membantu perusahaan pengembang real estate dalam memahami segmentasi konsumen mereka, dengan menggunakan data transaksi penjualan perusahaan periode 2013 - 2017. Analisis segmentasi dalam penelitian ini telah dikembangkan menggunakan cluster analysis, dengan menggunakan metode hierarchical clustering, Elbow Method, dan K-Means. Hasil dari cluster analysis menunjukkan bahwa terdapat 4 segmen konsumen, yang memiliki karakteristik demografis dan preferensi produk yang berbeda. Selain itu, penelitian ini juga melakukan analisis tabulasi silang untuk mengetahui hubungan antar variabel. Selanjutnya dilakukan analisis diskriminan, dari situ diketahui bahwa gaji dan harga jual merupakan 2 variabel yang secara signifikan memberikan pengaruh paling besar terhadap penentuan cluster membership. Setelah mengetahui karakteristik dan melakukan analisa, dapat diusulkan bentuk promosi yang sesuai bagi masing ndash; masing segmen.Kata kunci:Segmentasi konsumen, real estate, big data, cluster analysis, tabulasi silang

---

ABSTRACTABSTRACT Name Adi MulyadiStudy Program Magister of ManagementTitle Customer Segmentation Analysis In Real Estate Using Big Data Analytics A Study In PT. ISPI Pratama LestariCounsellor Arga Hananto, M.Bus. The study of consumer segmentation is influenced by a company 39 s need to compete with its competitors and create a competitive advantage. Product segmentation is one of the main things in the business world, because misunderstanding in consumer segmentation can lead to reduced revenue. Real estate is a multi billion dollar industry that is highly segmented, due to the diverse characteristics of its customers. Indonesia is a potential and growing market for the real estate and housing industries, as Indonesia has a large population around 260 million people and has a large geographical area. To analyze such big amounts of data, real estate companies use Big Data Analytics, as a means to gain meaningful insight from the data. Big Data is widely used as a tool to learn about conditions or to predict behaviors that may occur through various data analysis models. This study presents segmentation analysis to help real estate developers to understand their customer segmentation using company sales transaction data from 2013 to 2017 period. Segmentation analysis in this research has been developed using cluster analysis, with hierarchical clustering, Elbow Method, and K Means. The results of cluster analysis show that there are 4 segments of consumers, which have different demographic characteristics and product preferences. In addition, this study also conducted cross tabulation analysis to determine the relationship between variables. Then from discriminant analysis, it is known that salary and selling price are 2 variables that significantly give the most influence on cluster membership determination. After knowing the characteristics and perform the analysis, it can be proposed the appropriate form of promotion for each segment. Key words Customer segmentation, real estate, big data, cluster analysis, cross tabulation"

"Industri Pakaian di Indonesia telah berkembang dengan sangat cepat. Peningkatan penggunaan ecommerce di bidang fashion telah menghasilkan kompetisi yang tinggi antar brand global dan brand local. Oleh karena itu diperlukanlah strategi pemasaran yang penting dan baik untuk menjaga pertumbuhan industri lokal. Penelitian ini bertujuan untuk menggunakan RFM model dan Association Rule Mining (ARM) untuk membantu mengetahui segmentasi konsumen. ARM adalah salah satu Teknik paling popular untuk mengetahui pola dari atribut – atribut yang ada pada database, dan RFM model digunakan untuk mengetahui perilaku konsumen. Setelah data dikumpulkan, dilakukan preprocessing, dan dilakukan analisis RFMnya, kemudian dilakukan k-means clustering. Setelah ditemukan cluster dari konsumen, dilakukan ARM untuk mencari pola dari tipe konsumen, promosi diskon dan promosi ongkos kirim yang mereka pakai. Kemudian disusun profil konsumen berdasarkan pola dan nilai RFM konsumen yang didapatkan.

---

The apparel and fashion industry of local brands in Indonesia has been growing rapidly. A good and strategic marketing strategy is needed to maintain the industry growth and sustain the local industry. This research aims to build marketing strategy with segmentation. The study utilized the Machine Learning using Association Rules Mining (ARM) and Consumer segmentation of RFM model. The ARM is one of the most popular techniques to learn a pattern or associations of attributes of customers. Consumer segmentation of RFM models was used to understand about consumer’s behaviors. The data was collected from a local fashion brands in e- commerce platforms. After data was collected, the data was preprocessed, and then analyzed using RFM model. After the RFM model concluded, the model was used to associate consumers type, discount and delivery promotion by using ARM to understand about the relations about the promotions and the consumers type. The segmentation is done by clustering with k-means algorithm. After customer segmentation concluded, the marketing strategy is then built with a marketing mix approach"

"Kemajuan teknologi informasi menghasilkan berbagai pilihan dalam mengakses informasi termasuk membaca buku. Peningkatan jumlah pembaca yang beralih ke buku elektronik mengakibatkan angka penjualan buku cetak mengalami penurunan meskipun tidak signifikan pada beberapa tahun terakhir. PT Gramedia Asri Media merupakan salah satu perusahaan ritel buku di Indonesia. Gramedia menerapkan CRM dengan menerbitkan kartu member Kompas Gramedia Value Card KGVC . Promosi ataupun penawaran yang diberikan belum mampu meningkatkan transaksi buku member KGVC. Penelitian ini bertujuan untuk membuat segmentasi pelanggan pada Customer Relationship Management di PT Gramedia Asri Media. Proses data mining dilakukan dengan melakukan clustering menggunakan algoritma K-means untuk segmentasi pelanggan berdasarkan RFM, serta algoritma hierarchical clustering untuk segmentasi pelanggan berdasarkan banyaknya jenis buku. Evaluasi terhadap hasil cluster menggunakan elbow method, silhouette method, dan Calinski-Harabasz index.Segmentasi pelanggan berdasarkan RFM menghasilkan 2 cluster yang optimal, yaitu occasional customers dan dormant customers. Sementara itu, segmentasi pelanggan berdasarkan banyaknya jenis buku yang dibeli menghasilkan 3 cluster yang optimal, yaitu rendah, sedang, dan tinggi. Dengan hasil penelitian ini, diharapkan dapat membantu perusahaan dalam mengelompokkan pelanggan untuk menentukan strategi yang sesuai sehingga dapat meningkatkan jumlah transaksi buku member KGVC.

---

Advances in information technology produces wide range of choices in accessing information including reading books. The increase in the number of readers who turning to electronic books making sales of printed books has decreased although not significant in the recent years. PT Gramedia Asri Media is one of book retail company in Indonesia. Gramedia implement CRM by launching a member card named Kompas Gramedia Value Card KGVC . Promotion or offer given has not been able to increase book transaction of KGVC members.

This research focus on make customer segmentation in Customer Relationship Management at PT Gramedia Asri Media.Data mining process is done by clustering using K means algorithm for segmenting customers based on RFM, as well as hierarchical clustering algorithms for segmentation of customers based on the number of books type. Evaluation is done on cluster result using elbow method, silhouette method, and Calinski Harabasz index.

Customer segmentation based on the RFM produce two optimal clusters, occasional customers and dormant customers. While customer segmentation based on the number of types of books purchased produce 3 optimal cluster, namely low, medium, and high. With these results, it is expected to help the company in classifying customers to determine the appropriate strategies, so company can increase the number of books transactions from KGVC members."

"Seiring perkembangan waktu dan teknologi, persaingan bisnis ritel semakin ketat. Oleh karena itu, perusahaan yang bergerak di industri bisnis retail perlu membuat strategi pemasaran yang efektif dan efisien untuk dapat bertahan dan memenangkan persaingan tersebut. Perusahaan dapat memanfaatkan dan menerapkan CRM, seperti mengamati dan menganalisis perilaku pelanggan menggunakan teknik data mining. Identifikasi Pelanggan merupakan tahapan kirits dalam CRM. Hal terpenting dari identifikasi pelanggan adalah proses segmentasi pelanggan dengan mengklasifikasikan pelanggan menjadi beberapa kelompok berdasarkan perilaku transaksi, informasi demografis, geografis, dan atribut psikografis. Analisis RFM adalah teknik data mining yang menganalisis perilaku pelanggan berdasarkan nilai Recency, Frequency, dan Monetary. Oleh karena itu, penelitian ini melakukan segmentasi pelanggan menggunakan pengembangan model RFM yang memperhitungkan usia pelanggan, rata-rata lama pelanggan berbelanja kembali, dan faktor nilai diskon secara bersamaan pada data transaksi belanja rumah tangga. Hasil penelitian ini terbukti bahwa model pengembangan RFM dapat secara akurat menganalisis nilai pelanggan ritel rumah tangga dan diperoleh tiga kelompok kategori prioritas pelanggan yang masing-masing memiliki karakteristik yang berbeda

---

As technology evolved, retail business competition is getting tougher. Therefore, companies engaged in the retail business industry need to create effective and efficient marketing strategies to survive and win the competition. Companies can take advantage of and implement CRM, such as observing and analyzing customer behavior using data mining techniques. Customer identification is a critical step in CRM. The most important thing about customer identification is the customer segmentation process by classifying customers into several groups based on transaction behavior, demographic information, geographic information, and psychographic attributes. RFM analysis is a data mining technique that analyzes customer behavior based on the value of Recency, Frequency, and Monetary. Therefore, this study segmented customers using the RFM model development that took into account the customer's age, the customer's average duration to shop again, and the discount factor simultaneously on household spending transaction data. The results of this study prove that the RFM development model can accurately analyze the value of household retail customers and there are three groups of customer priority categories, that have their respective characteristics"

"Meningkatnya penggunaan e-commerce telah mempengaruhi perkembangan industri fashion online pada saat ini dan meningkatkan kompetisi di antara para pemain. Oleh karena itu, setiap pelaku bisnis perlu menyiapkan strategi pemasaran terbaik untuk dapat bersaing dan menarik konsumen,seperti melakukan segmentasi pelanggan untuk dapat memahami karakteristik pelanggan dan melakukan strategi pemasaran secara efektif kepada pelanggan yang tepat. Hal tersebut yang juga ingin dilakukan The Blouse yang merupakan toko fashion online yang menjual pakaian melalui e-commerce. Penelitian ini dilakukan untuk mencapai tujuan tersebut, yang dilakukan dengan menilai pelanggan berdasarkan model RFM. Setelah itu, dapat dilakukan analisis klaster untuk melakukan klasterisasi nilai RFM dari setiap pelanggan menggunakan metode klasterisasi k-means dan CLARA. Setelah klasterisasi terbaik ditentukan melalui analisis siluet dan Dunn index, maka akan diketahui klaster-klaster pelanggan yang dimiliki oleh The Blouse. Hasil dari klasterisasi tersebut kemudian dapat dianalisis untuk mengetahi bagaimana profil pelanggan dari setiap klaster yang terbentuk. Dengan begitu, dapat disimpulkan bagaimana segmentasi dan profil pelanggan The Blouse sebagai dasar untuk memberikan saran terbaik untuk permasalahan yang dihadapi perusahaan.

---

The increasing use of e-commerce has influenced the development of the online fashion industry at this time and increased competition among players. Therefore, every business person needs to prepare the best marketing strategy to be able to compete and attract consumers, such as segmenting customers to be able to understand customer characteristics and carry out effective marketing strategies for the right customers. This is what The Blouse, which is an online fashion store that sells clothes through e-commerce, also wants to do. This research was conducted to achieve this goal, which was carried out by assessing customers based on the RFM model. After that, cluster analysis can be performed to cluster the RFM values of each customer using the k-means and CLARA clustering methods. After the best clustering is determined through silhouette analysis and Dunn index, it will be known the customer clusters owned by The Blouse. The results of the clustering can then be analyzed to find out how the customer profile of each cluster is formed. That way, it can be concluded how the segmentation and customer profile of The Blouse is the basis for providing the best advice for the problems faced by the company"

"Bisnis pada bidang penyedia jasa layanan telekomunikasi merupakan bisnis yang sangat menjanjikan khususnya di Indonesia. Kebutuhan akan layanan telekomunikasi di Indonesia menjadi sebuah ladang bisnis yang sangat vital. PT. Hutchinson 3 salah satu perusahaan penyedia jasa layanan telekomunikasi di Indonesia adalah yang memiliki tingkat pengguna hingga 14,08 persen dari total pengguna di Indonesia. PT. Hutchinson 3 Indonesia menargetkan pengingkatan pengguna 15% di tahun mendatang. Oleh karena itu penerapan customer relationship management (CRM) sangat diperlukan untuk menciptakan strategi yang tepat. Dalam melakukan penjualan produknya PT. Hutchinson 3 Indonesia mengandalkan retailer konvensional sebagai ujung tombak pemasaran. Namun permasalahan yang ada yaitu banyaknya retailer dengan berbagai macam karakteristik akan sangat berpengaruh bagi performa penyedia jasa layanan telekomunikasi dalam melakukan pengembangan. Oleh karena itu perlu dilakukan penyelesaian masalah dengan membentuk segmentasi berupa kelompok retailer, yang nantinya akan dilakukan perhitungan nilai customer lifetime value (CLV) menggunakan indikator recency, frequency, dan monetary (RFM) yang selanjutnya didapatkan strategi-stategi berdasarkan karakteristik tiap kelompok. Hasil dari penelitian yang sudah dilakukan didapatkan 3 kelompok retailer dengan karakteristik yang berbeda-beda. Indikator monetary merupakan indikator yang memiliki bobot paling tinggi dalam perhitungan CLV. Hasil klasterisasi serta perhitungan CLV didapatkan 3 karakteristik kelompok retailer. Kelompok Gold merupakan retailer dengan loyalitas dan profitabilitas tinggi, kelompok Silver merupakan retailer dengan loyalitas dan profitabilitas menengah, dan kelompok Bronze retailer merupakan reatiler dengan loyalitas dan profitabilitas tinggi. Hasil analisis strategi berdasarkan karakteristik kelompok yang direkomendasikan untuk kelompok Gold adalah strategi yang cenderung untuk menghilangkan kejenuhan. Rekomendasi strategi untuk kelompok Silver adalah untuk memicu atau trigger sehingga tingkat loyalitas meningkat, dan rekomendasi untuk kelompok Bronze adalah strategi market engagement dengan memberikan edukasi serta pengenalan produk yang lebih baik

---

Business in the field of telecommunications service providers is a very promising business, especially in Indonesia. The need for telecommunications services in Indonesia is a very vital business field. One of the telecommunication service provider companies in Indonesia has a user level of up to 14.08 percent of the total users in Indonesia. PT. Hutchinson 3 Indonesia targets a 15% increase in users in the coming year. Therefore the application of customer relationship management (CRM) is necessary to create the right strategy. In selling its products, PT. Hutchinson 3 Indonesia relies on conventional retailers as the spearhead of marketing. However, the problem is that the number of retailers with various characteristics will greatly affect the performance of telecommunications service providers in carrying out development. Therefore it is necessary to solve the problem by forming segmentation in the form of retailer groups, which will later calculate the value of customer lifetime value (CLV) using indicators of recency, frequency, and monetary (RFM) which then obtain strategies based on the characteristics of each group. The results of the research that has been done show that there are 3 groups of retailers with different characteristics. The monetary indicator is an indicator that has the highest weight in CLV calculations. Clustering results and CLV calculations show 3 characteristics of the retailer group. The Gold group is a retailer with high loyalty and profitability, the Silver group is a retailer with medium loyalty and profitability, and the Bronze group is a retailer with high loyalty and profitability. The results of the analysis of strategies based on group characteristics recommended for the Gold group are strategies that tend to eliminate saturation. The strategy recommendation for the Silver group is to trigger or trigger so that the level of loyalty increases, and the recommendation for the Bronze group is a market engagement strategy by providing better education and product introduction."

"Permintaan terhadap produk private label PL belakangan ini semakin meningkat seiring dengan semakin selektifnya konsumen untuk membeli barang yang cukup berkualitas dengan harga yang pas Namun di Indonesia masih banyak orang yang memiliki persepsi konvensional terhadap PL diantaranya menyebut produk tersebut sebagai produk dengan kualitas rendah alternatif produk yang tak bermerek dan hanya menarik bagi pembeli yang sadar biaya Oleh karena itu para peritel patut untuk memberi perhatian lebih pada penjualan PL dalam menghadapi kompetisi bisnis dengan perancangan strategi yang tepat Penelitian ini bertujuan untuk mengetahui karakteristik dan perilaku belanja pelanggan pasar ritel serta tingkat kepuasan pada setiap kategori produk PL yang mempengaruhi intensitas pembelian produk PL dengan menggunakan Data Mining dimana algoritma yang digunakan adalah C5 0 Hasil yang didapatkan pada penelitian ini berupa model pohon keputusan yang berisikan klasifikasi pelanggan PL berdasarkan tingkat intensitas pembeliannya.

---

Private label demand will be likely to get higher as the consumers become more and more selective in buying the products of high quality with an optimal price However in Indonesia for some people the traditional perceptions of private label were once of low quality unbranded alternatives attracting the most cost conscious consumers Considering this retailers need to pay more attention to products with private label in facing the competition The current study discusses consumer rsquo s attitude and satisfaction with respect to each category of private label products Frequency of purchase and consumer characteristics are also discussed in light of empirical evidence Using Data Mining with C5 0 algorithm the research resulting decision tree model that contains a classification of PL customers based on their frequency of purchase."