Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Pemasaran email digunakan berbagai industri untuk berkomunikasi dan menjaga hubungan dengan pelanggannya. Untuk menjaga performa pemasaran email dan relevansi, personalisasi untuk setiap individu diterapkan. Personalisasi ini seringkali dibuat dengan data transaksional untuk mencerminkan perilaku dan ketertarikan setiap pelanggan. Akan tetapi, tidak semua industri memiliki jumlah data transaksional yang cukup untuk setiap pelanggan. Salah satu contoh adalah industri perhotelan yang memiliki frekuensi transaksi lebih jarang dibandingkan dengan sektor industri seperti retail dan e-commerce. Tantangan yang muncul adalah bagaimana memanfaatkan data non-transaksional untuk mencari tahu ketertarikan dan preferensi pelanggan. Penelitian ini mengusulkan untuk memodelkan preferensi pelanggan dan membangun segmentasi pelanggan pada pemasaran email berdasarkan topik dari kampanye beserta interaksi historis dengan pelanggannya. Biterm topic model digunakan untuk memodelkan topik judul email yang dianggap sebagai preferensi pelanggan. Segmentasi dibangun dengan menggabungkan topik yang telah dimodelkan dengan interaksi historis pelanggan. Penelitian ini mengevaluasi performa pemodelan topik dan segmentasi menggunakan data kampanye 6 bulan terakhir. Hasil penelitian menunjukkan bahwa 69% pembuka email dalam 6 bulan terakhir memiliki preferensi yang sesuai dengan interaksi historisnya. Segmentasi berdasarkan topik juga mampu meningkatkan performa tingkat buka email sampai hampir 2 kali lipat. Keluaran dari penelitian yang berupa segmentasi berdasarkan topik dapat digunakan oleh pemasar untuk membangun strategi dan mencapai performa pemasaran email yang lebih tinggi. ......Email marketing is widely used in many industries to communicate and maintain the relationship with their existing customers. In order to keep high email marketing performance and relevance, personalization is applied for each customer. This personalization is often built using transactional data to reflect each customer’s behavior and interest. However, not all industries may have a sufficient amount of transactional data on each customer. One example would be the hotel industry which has less transaction compared to other industries such as retail and e-commerce. The challenge is how to make use of non-transactional data to discover user interests and preferences. This study proposes to model customer preference and build user segmentation in email marketing based on email topics and its customers’ historical interaction. Biterm topic model is used to model the topics from email subjects which are assumed as customers’ preference. Segmentation is built by combining the topics generated with the customers’ historical interaction. This study evaluates both the topic modeling and segmentation using email campaign data in the last 6 months. The result shows that 69% of email openers in the last 6 months have a matching preference with their historical interaction. Topic-based segmentation can also improve the open rate by almost 2 times on average. The output of the study in the form of topic-based segmentation can be used by email marketers to design new strategies and achieve higher email marketing performance.

Abstrak :
Penelitian ini bertujuan untuk mengetahui strategi penyelarasan bingkai pada gerakan separatisme media sosial dengan melakukan studi pada #FreeWestPapua di Twitter. Penelitian dilakukan dengan menggunakan metode analisis jaringan media sosial dan analisis pembingkaian untuk big data menggunakan topic model pada 27.126 kata yang digunakan untuk melakukan pembingkaian serta melakukan uji signifikansi terhadap keselarasan bingkai pada jaringan #FreeWestPapua. Hasil pelitian ini mengungkapkan bahwa keempat jenis strategi penyelarasan bingkai Snow ditemukan pada jaringan #FreeWestPapua di Twitter. Keempat strategi penyelarasan pembingkaian yang ditemukan pada jaringan tersebut ada;ah strategi penyelarasan bingkai dengan cara menjembatani antar bingkat, strategi frame amplification, frame extention dan frame transformation. Sementara berdasarkan analisis korelasi keselarasan bingkai tersebut menunjukkan signifikansi negatifyang menunjukkan keberadaan bingkai diagnostik.

---

This study aims to determine the frame alignment strategy separatism movement on social media by conducting a study on #FreeWestPapua on Twitter. The research was conducted using social media network analysis methods and framing analysis for big data using a topic model of 27,126 words used for framing and testing the significance of frame alignment on the #FreeWestPapua network. The results of this study found that all four types of Snow frame alignment strategies are found on the #FreeWestPapua network on Twitter. They are frame bridging, frame amplification, frame extention and frame transformation. Meanwhile, based on the correlation analysis, the alignment of the frame shows a negative significance which indicates the existence of a diagnostic frame.