Hasil Pencarian  ::  Simpan CSV :: Kembali

"Semakin ketatnya persaingan pada industri e-commerce menyebabkan perusahaan harus memiliki strategi yang inovatif untuk dapat memenangkan kompetisi ini. Salah satu strategi yang dapat diterapkan adalah dengan menerapkan customer relationship management (CRM). Penelitian ini bertujuan untuk mengindentifikasi pelanggan yang sudah ada pada salah satu perusahaan e-commerce di Indonesia. Identifikasi pelanggan dengan konsep CRM, yaitu customer lifetime value (CLV) merupakan salah satu pelaksanaan dari analytical CRM. Relational database management system digunakan untuk mendapatkan informasi mengenai pelanggan berdasarkan atribut yang dimiliki. Model Recency, Frequency, dan Monetary (RFM) dijadikan atribut untuk mensegmentasikan pelanggan dengan metode clustering k-means. Pemetaan customer value matrix juga digunakan untuk membantu dalam pembuatan program maintaining pelanggan sehingga dapat meningkatkan loyalitas pelanggan. Hasil dari penelitian ini berupa 9 segmen pelanggan dimana 3 diantara memiliki nilai CLV yang rendah dari semua model analisis. Selain itu, pelanggan yang paling menguntungkan bagi perusahaan adalah pelanggan pada segmen 6 dan 9 karena memiliki nilai CLV tinggi dan penilaian karakteristik lain yang paling baik. Untuk itu, kedua segmen tersebut merupakan pelanggan yang harus dijaga hubunganannya dengan perusahaan agar terciptanya profit.

---

The increasing of competition in e-commerce industry forces the company to have an innovative strategy in order to lead this competition. One of these strategy which can be implemented is customer relationship management concept. In the implementation, the company needs to understand the target of customer based on behavior and characteristics in the transaction process. The study aims to identify the existing customer of e-commerce's company in Indonesia. Identifying customer is one of the activity in analytical CRM. Customer lifetime value is a concept of CRM to identify the customer loyalty. The used of the existing database can help in analyzing customer. Relational database management system approach is used to retrieve the information about RFM (recency, frequency, and monetary) atribut of each customer. RFM model is used as atribut to differentiate customer with clustering k-means method. Finally, mapping the customer's segment into customer value matrix is used to help in creating maintaining customer program in order to increase customer loyalty. Result from this study is 9 segments of customer where 3 clusters have the lowest CLV and another analysis model. Beside that, segment 6 and 9 have high CLV and high in another model of assessment. Both segments are the customer which have high loyalty. Company should maintain the relationship very well with those kind of customer"

"Seiring bertumbuhan bisnis Usaha Mikro Kecil dan Menengah (UMKM) pada bidang fashion di Indonesia yang semakin cepat, menyebabkan tingkat persaingan diantara bisnis tersebut semakin kuat pula. Dengan demikian, pemilik UMKM perlu menerapkan strategi khusus, yaitu customer relationship management (CRM). Konsep CRM diterapkan dalam bentuk perhitungan customer lifetime value (CLV) -yang merupakan pelaksanaan dari analytical CRM- dengan melakukan segmentasi pada pelanggan dalam rangka mengidentifikasi karakteristik dari segmen/kluster pelanggan yang terbentuk. Relational Database Management System (RDBMS) digunakan untuk memperoleh informasi pelanggan berdasarkan atribut Recency, Frequency, dan Monetary, dimana informasi tersebut dijadikan input untuk melakukan segmentasi dengan metode K-means. Disamping itu, pemetaan hasil pembagian segmen-segmen pelanggan juga dilakukan menggunakan customer value matrix (CVM) untuk memudahkan analisis karakteristik setiap segmen pelanggan dan pengambilan keputusan berupa strategi dalam rangka maintaing dan meningkatkan loyalitas pelanggan. Hasil penelitian diperoleh bahwa kelompok/kluster pelanggan yang memiliki tingkat loyalitas paling tinggi dan dianggap paling menguntungkan bagi UMKM adalah kluster 1, kluster 6, dan kluster 11. Maka dari itu, UMKM perlu menjaga hubungan yang baik, terutama terhadap ketiga kluster tersebut untuk dapat bertahan dan unggul diantara UMKM yang lain.

---

As the Micro Small and Medium Enterprises (MSMEs) business grows in the fashion sector in Indonesia, which is getting faster, causing the level of competition among these businesses to be even stronger. Thus, MSMEs owners need to implement specific strategies, namely customer relationship management (CRM). The CRM concept is applied in the form of customer lifetime value (CLV) calculation - which is the implementation of analytical CRM - by segmenting customers in order to identify the characteristics of customer segments / clusters that are formed. The Relational Database Management System (RDBMS) is used to obtain customer information based on Recency, Frequency, and Monetary attributes, where the information is used as input to segmentation using the K-means method. In the other hand, the mapping of the division of customer segments is also carried out using a customer value matrix (CVM) to facilitate analysis of the characteristics of each customer segment and decision making in the form of strategies in order to maintain and increase customer loyalty. The results showed that the group / cluster of customers who have the highest level of loyalty and are considered the most profitable for MSMEs are cluster 1, cluster 6, and cluster 11. Therefore, MSMEs need to maintain good relationships, especially for the three clusters to survive and superior among other MSMEs."

"ABSTRAKPerusahaan telekomunikasi harus menyediakan sebuah rencana untuk memaksimalkan keuntungan investasi (memilih pelanggan terbaik) karena adanya keterbatasan anggaran. Sebuah konsep Customer Lifetime Value (CLV), yang berfokus pada perilaku pelanggan, memungkinkan penyusunan rencana tersebut. Penelitian ini membahas faktor-faktor apa saja yang dapat memengaruhi CLV. Penelitian ini menggunakan metode structural equation modeling yang bertujuan untuk mengetahui pengaruh antar faktor. Data diperoleh dengan menggunakan kuesioner dengan jumlah responden sebanyak 517. Responden penelitian ini adalah mahasiswa yang berdomisili di Jabodetabek. Hasil dari penelitian ini menunjukkan bahwa Customer Trust, Customer Loyalty, Willingness to Recommend, dan Willingness to Refer berpengaruh signifikan terhadap CLV. Dari 8 alternatif strategi yang dihasilkan penelitian ini, mengembangkan dan meningkatkan kualitas pelayanan pelanggan merupakan prioritas pertama untuk meningkatkan CLV pada perusahaan telekomunikasi di Indonesia.

---

ABSTRACT

Telecommunication companies must provide strategies to maximize investment gains (pick the best customers) due to budgetary constraints. A concept of Customer Lifetime Value (CLV), which focuses on customer behavior, enables the preparation of the strategies. This research discusses the factors that can affect the CLV. This research use structural equation modeling to investigate the influence between factors. Data in this research was obtained using questionnaire with 517 respondents. The respondents are university students who live in Jabodetabek. Results from this research indicate that Customer Trust, Customer Loyalty, Willingness to Recommend, and Willingness to Refer significantly affect the CLV. From 8 alternative strategies that produced from this research, develop and improve the quality of customer service is the first priority to improve CLV on telecommunication companies in Indonesia."

"ABSTRAKPenelitian ini bertujuan untuk menguji bagimanakah pengaruh perceived user interface quality, perceived information quality, perceived security, perceived privacy dan contact interactivity terhadap customer satisfaction dan customer trust, serta bagaimana pengaruh customer satisfaction dan customer trust terhadap customer loyalty pada konsumen e-commerce di Indonesia. Data yang digunakan dalam penelitian ini adalah data primer yang didapat dari kuesioner. Dari hasil analisis ditemukan bahwa variabel perceived user interface quality, perceived security dan perceived privacy secara signifikan mempengaruhi customer satisfaction dan customer trust. Sedangkan perceived information quality dan contact interactivity tidak signifikan mempengaruhi customer satisfaction dan customer trust. Selain itu ditemukan juga bahwa customer satisfaction dan customer trust mempengaruhi loyalty

---

ABSTRACT This study aims to examine how the effect of perceived user interface quality, perceived information quality, perceived security, perceived privacy and contact interactivity to customer satisfaction and customer trust. Also how the effect of customer satisfaction and customer trust to customer loyalty in Indonesia e-commerce industry. The data which has been used in this study is the primary data obtained from questionnaires. From the result of analysis which has been tested in the end we obtained finding perceived user interface quality, perceived security and perceived privacy have impact to customer satisfaction and customer loyalty. Meanwhile perceived information quality dan contact interactivity have no significant impact to customer satisfaction and customer trust. Also found that customer satisfaction and customer trust have positive influence to customer loyalty in Indonesia e-commerce industry. "

"Persaingan yang ketat mendorong perusahaan untuk membangun manajemen hubungan pelanggan yang kuat untuk mempertahankan loyalitas pelanggan. Penggalian informasi terkait dengan customer lifetime value (CLV) mendukung perusahaan untuk memperlakukan setiap pelanggan secara berbeda berdasarkan kontribusi pelanggan terhadap keuntungan perusahaan. Penelitian ini bertujuan untuk mengidentifikasi karakteristik dan nilai dari masing-masing kelompok pelanggan berdasarkan customer lifetime value menggunakan model length, recency, frequency, dan monetary (LRFM), sehingga memberikan wawasan bagi perusahaan untuk menghasilkan strategi retensi pelanggan yang sesuai. Dalam studi ini, CLV dievaluasi di perusahaan distribusi farmasi dan alat Kesehatan di Indonesia. Pertama, algoritma k-means diterapkan untuk melakukan klasterisasi pelanggan. Terdapat delapan klaster yang terbentuk dalam penelitian ini. Selanjutnya, metode analytic hierarchy process (AHP) digunakan untuk mendapatkan informasi terkait dengan bobot kepentingan model LRFM. Hasil perhitungan AHP menunjukkan bahwa frekuensi adalah variabel yang paling penting di sektor ini. Selanjutnya, CLV dihitung dan diberi peringkat untuk delapan klaster optimal yang dihasilkan. Hasil penelitian menunjukkan bahwa klaster 3, klaster 6, dan klaster 8 adalah pelanggan yang paling bernilai bagi perusahaan. Pada tahap akhir, dilakukan penentuan jenis strategi retensi yang sesuai terhadap klaster yang terbentuk.

---

Dealing with intense competition encourages companies to build strong customer relationship management to maintain customer loyalty. Extracting information related to customer lifetime value (CLV) supports the company to treat each customer differently based on their contribution to the company profits. This study aims to identify the characteristics and values of each customer group based on customer lifetime value using the length, recency, frequency, and monetary (LRFM) model, hence providing insights for the company to generate suitable customer retention strategies. In this study, CLV is evaluated at the pharmaceutical and medical device distribution company in Indonesia. First, k-means algorithm was applied to cluster customers. There are eight clusters formed in this study. Subsequently, the analytic hierarchy process (AHP) method was used to gain information related to the weight of importance of LRFM model. AHP results demonstrated that frequency is the most important variable in this sector. CLV was finally calculated and ranked for the resulting eight optimum clusters. The results showed that cluster 3, cluster 6, and cluster 8 were the most valuable customers for the company. Appropriate retention strategies were also determined for the clusters formed."

"Semakin ketatnya persaingan bisnis dalam industri peternakan ayam ras petelur (layer) memberikan dampak terhadap profitabilitas perusahaan. Perusahaan seringkali berupaya meningkatkan loyalitas pelanggan untuk memaksimalkan profitabilitas. Penelitian ini bertujuan membantu PT X mengelola hubungan loyalitas dan profitabilitas pelanggan dengan pendekatan Customer Lifetime Value (CLV). Metode yang digunakan dalam penelitian kualitatif ini adalah metode deskriptif dengan data primer dan sekunder. Hasil penelitian memperlihatkan tidak terdapat keterkaitan antara loyalitas dan profitabilitas. Implementasi CLV memberikan pertimbangan bagi perusahaan dalam mengalokasikan sumber daya pemasaran untuk mengelola loyalitas dan meningkatkan profitabilitas pelanggan. Selanjutnya, penelitian ini menyarankan PT X meningkatkan komunikasi dan pelayanan, menetapkan jumlah pesanan minimum sesuai jarak pengiriman, membuat program loyalitas pelanggan, dan melakukan penyusunan laporan profitabilitas pelanggan serta pengukuran CLV.

---

Increasing business competition in the layer poultry industry has an impact on the company's profitability. Company often tries to increase customer loyalty in order to maximize profitability. The research aims to help PT X manage the relationship between loyalty and profitability by using the Customer Lifetime Value approach (CLV). This qualitative research uses descriptive method, with primary and secondary data.

The result shows there is no relationship between loyalty and profitability. CLV implementation provides consideration for company in allocating marketing resources to manage loyalty and increase profitability. Furthermore, this research provide suggestions to PT X to improve its communication and services, set minimum order quantities according to the delivery distance, and create customer loyalty programs, customer's profitability report annually as well as the CLV measurement."

"Teknologi mempengaruhi berbagai lini kehidupan masyarakat. Penggunaan transportasi, memenuhi kebutuhan seperti belanja, bahkan juga untuk bersosialisasi semuanya menggunakan teknologi. Aktivitas seperti jual beli juga pun terpengaruh, hingga mendorong munculnya e-commerce. E-commerce tentu berkaitan dengan pelanggan maupun pengguna e-commerce yang mengungkapkan berbagai opininya. Beberapa opini disampaikan melalui media sosial yang dimiliki oleh e-commerce salah satunya adalah Twitter. Opini inilah yang menarik dieksplorasi untuk diketahui sentimen dan tingkat kepuasan dari pelanggan e-commerce. Oleh karenanya, penelitian ini bertujuan untuk menyusun aspek kepuasan pelanggan dan juga menentukan metode Lexicon yang relevan untuk analisis sentimen. Data diambil dari microblogs Twitter terbatas pada 5 penyelenggara e-commerce yaitu Blibli, Bukalapak, Lazada, Shopee, dan Tokopedia sebanyak 88.816 tweet. Dikategorisasikan ke dalam aspek-aspek sehingga menjadi 12.995 tweet. Aspek-aspek kepuasan pelanggan disusun melalui studi literatur dan menghasilkan 6 aspek. Keenam aspek tersebut adalah aspek produk, penjual, logistik, harga, layanan, dan sistem. Kategorisasi tweet ke dalam aspek menggunakan kata kunci berkaitan dengan aspek-aspek sebanyak 73 kata kunci yang dihasilkan dari analisis hasil word cloud dan topic modelling yang menggunakan LDA. Untuk pemilihan metode lexicon dibuat skenario yang diujikan pada 300 tweet yang dilabeli secara manual dan dipilih secara acak dari data aspek. Skenario yang dilakukan pada data berlabel ada dua, yaitu menggunakan Lexicon 1 dan Lexicon 2. Lexicon 1 adalah perbandingan kamus, sedangkan Lexicon 2 merupakan perbandingan rumus yang berbeda. Hasil Lexicon 1 adalah seluruh kamus memiliki nilai akurasi sama yaitu 0,54. Sedangkan pada Lexicon 2 memiliki nilai akurasi tertinggi yaitu 0,46 dari kamus berskala 1 dengan rumus pertama. Sehingga, metode terpilih adalah Lexicon 1 menggunakan kamus InSet. Penerapan kategorisasi aspek menghasilkan bahwa aspek dominan pada masing-masing e-commerce dan pada keseluruhan e-commerce adalah aspek produk. Penerapan metode berbasis leksikon pada analisis sentimen menghasilkan bahwa di seluruh e-commerce pada setiap aspeknya memiliki sentimen dominan positif. Implikasi dari penelitian ini adalah bertambahnya khazanah ilmu pengetahuan berkaitan kepuasan pelanggan dan bervariasinya kamus serta metode berbasis leksikon yang dapat menjadi referensi dan penelitian lebih lanjut. Selain itu, bagi penyelenggara e-commerce penelitian ini dapat membantu analisis untuk peningkatan maupun pengambilan kebijakan.

---

Technology affects various lines of people's lives. The use of transportation, meeting needs such as shopping, and even socializing all use technology. Activities such as buying and selling were also affected, thus encouraging the emergence of e-commerce. E-commerce is undoubtedly related to customers and e-commerce users who express various opinions. Some opinions are conveyed through social media owned by e-commerce, one of which is Twitter. This opinion is interesting to be explored to find out the sentiment and satisfaction level of e-commerce customers. Therefore, this study aims to compile aspects of customer satisfaction and determine the Lexicon method relevant to sentiment analysis. Data was taken from Twitter microblogs limited to 5 e-commerce organizers, namely Blibli, Bukalapak, Lazada, Shopee, and Tokopedia, with a total of 88,816 tweets. Categorized into aspects so that it becomes 12,995 tweets. Aspects of customer satisfaction are compiled through literature studies and produce six aspects. The six aspects are product, seller, logistics, price, service, and system. Categorizing tweets into aspects using keywords related to aspects as many as 73, resulting from analysis of word cloud results and topic modeling using LDA.

For the selection of the lexicon method, scenarios were created that were tested on 300 tweets labeled manually and randomly selected from aspect data. Two scenarios were performed on labeled data using Lexicon 1 and Lexicon 2. Lexicon 1 is a comparison of dictionaries, while Lexicon 2 is a comparison of different formulas. The result of Lexicon 1 is that all dictionaries have the same accuracy value of 0.54. Meanwhile, Lexicon 2 has the highest accuracy value of 0.46 on a scale of one dictionary with the first formula. So, the chosen method is Lexicon 1 using the InSet dictionary. The application of aspect categorization results in the dominant aspect in each e-commerce, and all e-commerce is the product aspect. Applying the lexicon-based method to sentiment analysis results in all e-commerce has dominant positive sentiment in every aspect. The implication of this research is to increase the knowledge related to customer satisfaction and the variety of dictionaries and lexicon-based methods that can be used as references and further research. In addition, for e-commerce organizers, this research can assist analysis for improvement and policy making."

"Dengan semakin ketatnya persaingan di e-marketplace C2C, penyedia platform harus mencari dan menemukan cara untuk menjaga hubungan dengan pelanggan. Penelitian ini membahas faktor-faktor yang mempengaruhi loyalitas pelanggan pada e-commerce. Objek penelitian ini yaitu tiga perusahaan penyedia e-marketplace C2C di Indonesia. Pada penelitian ini digunakan metode SEM Structural Equation Modeling dengan indikator yang ditentukan berdasarkan literatur dan pendapat ahli dan melibatkan 350 responden untuk setiap perusahaan. Penelitian ini membuktikan bahwa faktor kepuasan pelanggan selalu mempengaruhi loyalitas pelanggan. Berdasarkan efek totalnya, faktor kepercayaan paling berpengaruh terhadap loyalitas pelanggan TK. Faktor ekspektasi pelangganpaling mempengaruhi loyalitas pelanggan BL. Faktor kepuasan pelanggan paling mempengaruhi loyalitas pelanggan EV.

---

The escalation of e commerce competition nowadays force platform providers seek and find ways to maintain relationships with their customers. The research discusses the factors that affect customer loyalty in e commerce. The object of this study is three providers of C2C e marketplace in Indonesia. In this study SEM Structural Equation Modeling was used by involving 350 respondents for each company and expert opinion to determine the indicators.

This study proves that the customer satisfaction factor always affects customer loyalty. Based on the total effect, trust affect customer loyalty significantly in TK. Meanwhile, customer expectation affect customer loyalty significantly in BL. Customer satisfaction proved to be factors that significanttly effect customer loyalty in EV."

"

Jamu merupakan obat tradisional Indonesia yang sudah menjadi bagian dari budaya. Meningkatnya permintaan obat tradisional khususnya Jamu di Indonesia akibat pandemi COVID-19 memberikan peluang bagi bisnis obat tradisional dan jamu. Peningkatan permintaan menyebabkan munculnya UKM baru produk tradisional dan kesehatan, pada saat yang sama, transaksi pembelian online juga meningkat, mendorong UKM untuk beralih ke e-commerce. Penelitian ini bertujuan untuk mengetahui segmentasi dan nilai setiap segmen pelanggan menggunakan CLV dan mengembangkan strategi untuk setiap segmentasi pelanggan dalam rangka meningkatkan loyalitas pelanggan. Metode K-Means Clustering digunakan untuk mengelompokkan pelanggan menjadi beberapa cluster dan nilai CLV digunakan untuk menentukan nilai setiap segmen pelanggan dengan variabel Recency, Frequency, dan Monetary (RFM). Penyebaran klaster dengan menggunakan Customer Value Matrix (CVM) juga dilakukan untuk memastikan karakteristik klaster. Data sekunder diperoleh dari transaksi penjualan. Analisis penjualan produk dilakukan dengan menggunakan metode Association Rule yang menghasilkan salah satu strategi dalam Customer Development. Hasil penelitian menghasilkan 5 cluster untuk pelanggan dengan 13 strategi untuk keseluruhan cluster. Strategi cross-selling adalah strategi yang direkomendasikan.

---

Jamu is a traditional Indonesian medicine that has become part of the culture. The increasing demand for traditional medicines, especially Jamu in Indonesia due to the COVID-19 pandemic, provides opportunities for the traditional and herbal medicinal business. The increase in demand leads to the emergence of new traditional and health product SMEs, at the same time, online purchase transactions have also increased, encouraging SMEs to switch to e-commerce. This study aims to determine the segmentation and value of each customer segment using CLV and develop strategies for each customer segmentation in order to increase customer loyalty. The K-Means Clustering method is used to segment customers into several clusters and the CLV value is used to determine the value of each customer segment with Recency, Frequency, and Monetary (RFM) variables. Cluster deployment using the Customer Value Matrix (CVM) was also carried out to ensure cluster characteristics. Secondary data obtained from sales transactions. Analysis of product sales is carried out using the Association Rule method which produces one of the strategies in Customer Development. The research resulted in 5 clusters for customers with 13 strategies for the whole cluster. The cross-selling strategy is the recommended strategy.

"

"Online customers segmentation could be a valuable research topic of marketing strategy. Previous literature mainly studied the differences between non-purchasers and purchasers, lacking further segmentation of online customers themselves. This thesis focuses on online customer segmentation based on a large volume of real transaction data in one of Indonesias e-commerce website. This research proposes a customer clustering technique using the K-Means algorithm and RFM Patterns as an analysis of the customers profile. Then, the market basket analysis is conducted using the Apriori algorithm for every customer profile and cluster to obtain the association rule as well as product relationships purchased by customers. Later on, the result of market basket analysis is utilized as an input for e-commerce companies in designing promotions such as bundling or product recommendation system for segmented customers.

---

Segmentasi pelanggan daring bisa menjadi topik penelitian yang berharga dalam strategi pemasaran. Literatur yang sudah ada cenderung mempelajari perbedaan antara pembeli dan non-pembeli, tanpa menggali lebih lanjut mengenai segmentasi pelanggan daring itu sendiri. Tesis ini berfokus pada segmentasi pelanggan daring berdasarkan data transaksi di salah satu situs penjualan daring di Indonesia. Penelitian ini mengusulkan teknik pengelompokan pelanggan menggunakan algoritma K-Means dan pola RFM sebagai analisis profil pelanggan. Kemudian, analisis keranjang belanja dilakukan dengan menggunakan algoritma Apriori untuk setiap profil pelanggan dan kluster untuk mendapatkan aturan asosiasi serta hubungan produk yang dibeli oleh pelanggan. Kemudian, hasil analisis keranjang belanja tersebut digunakan sebagai masukan untuk perusahaan penjualan daring dalam merancang promosi seperti bundling atau sistem rekomendasi produk untuk pelanggan yang berada dalam profil yang sama."