Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"CRM yang sukses seperti meningkatkan loyalitas pelanggan, dan profit perusahaan berawal dari identifikasi pelanggan berdasarkan nilai dan loyalitas pelanggan. Dalam penelitian ini, Customer Lifetime Value (CLV) digunakan untuk mensegmentasi pelanggan seluler berdasarkan nilai pelanggan. Atribut yang dipilih dari database pelanggan yaitu variabel recency, frequency dan monetary (RFM). Dalam segmentasi pelanggan digunakan metode k-means, salah satu metode dalam data mining dengan menggunakan Euclidean Distance dalam menentukan nilai k optimal (jumlah segmentasi optimal). Pembobotan variabel RFM menggunakan Analytic Hierarchy Process (AHP) untuk mengevaluasi customer lifetime value (CLV). Pada akhirnya, penelitian ini akan dilakukan analisis CLV pada masing-masing kelompok pelanggan yang dibagi dalam beberapa kuartal. Tujuan utama penelitian ini yaitu sebagai acuan pemberi keputusan strategi pemasaran perusahaan berdasarkan segmentasi pelanggan mereka.

---

A firm starts from identifying customers’ value and loyalty in identifying different segments of customer for to building successful customer relationship management (CRM) such as improve customer loyalty and revenue of the firm. In this paper, CLV is used to telecom market segmentation. The RFM (recency, frequency and monetary ) model variables were used to segment database, the K-means cluster analysis was also employed in data mining with K-optimum according to Euclidean Distance. The Analytic Hierarchy Process (AHP) was applied to determine the relative weights of RFM variables in evaluating customer customer lifetime value (CLV). Finally, this paper analysing customer lifetime value of each segments by tren of customer value in different quartal. The general aim of this study is to provide a quide to marketing decisions of the firm based on their customer segmentation."

"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"

"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. "

"ABSTRAKPenelitian ini bertujuan untuk mengidentifikasi perilaku pembelian, berapa banyak kelompok dan profil konsumen terbentuk untuk menemukan pola dari perilaku pembelian berdasarkan situasi. Dari data yang diberikan, metode RFM dan K-Means clustering digunakan untuk mengidentifikasi perilaku pembelian dan profil konsumen. Hasil dari penelitian ini menunjukkan bahwa cluster konsumen terbentuk berbeda-beda pada setiap kategori produk berdasarkan nilai RFM dan K-Means clustering. Waktu puncak pembelian juga ada perbedaan pada tiap kelompoknya. Waktu terbaik untuk mengirimkan notifikasi dan pesan adalah ketika mendekati waktu puncak pembelian. Tentunya, hal ini sangat berguna untuk merencanakan marketing kontekstual dan iklan bertarget yang didesain berdasarkan kelompok konsumen dan perilaku pembelian.

---

ABSTRACTThe objectives of this research are to identify customer purchase behavior, how many customer clusters, and customer profile are formed also to find the pattern of customer purchase behavior based on situation. From the data supplied, the RFM method and K Means clustering are used to identify the customer purchase behavior and profiles. The result of this research is shown that the customer clusters are formed differently in every product category based on the RFM value and K Means clustering. There are also differences in peak hour for every customer cluster. The best situation to deliver notification and personal message is near the peak hour. Indeed, this matter is useful to make contextual marketing and targeted advertising that designed based on customer cluster data and all the hourly purchase behavior."

"

Pertumbuhan ekonomi pada sektor Fashion khususnya pakaian etnik modern di Indonesia memberikan peluang yang besar bagi para pemilik usaha fashion etnik modern, termasuk Usaha Mikro, Kecil, dan Menengah (UMKM). Dengan daya saing yang semakin meningkat, UMKM perlu membangun manajemen hubungan pelanggan yang kuat untuk meningkatkan dan mempertahankan loyalitas pelanggan. Pencarian informasi mengenai karakteristik pelanggan lebih lanjut dilakukan dengan menggunakan Customer Lifetime Value (CLV) untuk melihat kontribusi pelanggan terhadap profitabilitas perusahaan. Penelitian ini bertujuan untuk memetakan segmentasi pelanggan dengan menggunakan metode K-Means Clustering dan Agglomerative Hierarchical Clustering berdasarkan variabel Recency, Frequency, dan Monetary (RFM). Terdapat 4 (empat) segmen yang terbentuk dalam penelitian ini. Selanjutnya, metode Analytical Hierarchy Process (AHP) digunakan untuk memperoleh bobot kepentingan dari model RFM. Hasil AHP menunjukkan bahwa frequency adalah variabel yang paling penting pada penelitian ini. Selanjutnya, dilakukan perhitungan Customer Lifetime Value (CLV) untuk mengetahui nilai dan karakteristik pelanggan dengan memberikan peringkat pada 4 (empat) segmen optimal yang dihasilkan. Selain metode CLV, metode Customer Value Matrix (CVM) juga digunakan untuk mengetahui karakteristik pelanggan pada setiap klaster. Setiap klaster akan diberikan rekomendasi strategi peningkatan loyalitas pelanggan berdasarkan karakteristik masing-masing klaster yang terbentuk.

---

Economic growth in the fashion sector, especially modern ethnic clothing in Indonesia, provides great opportunities for modern ethnic fashion business owners, including Micro, Small and Medium Enterprises (MSMEs). With increasing competitiveness, MSMEs need to build strong customer relationship management to increase and maintain customer loyalty. Extracting information regarding characteristics of customers is carried out using Customer Lifetime Value (CLV) to measure the contribution of customers to company profits. This research aims to establish customer segmentation using K-Means Clustering and Agglomerative Hierarchical Clustering methods based on Recency, Frequency, and Monetary (RFM) variables. There are 4 (four) segments formed in this study. Furthermore, the Analytical Hierarchy Process (AHP) method is used to obtain the importance weight of the RFM model. The results show that frequency is the most important variable in this study. Then, a Customer Lifetime Value (CLV) calculation is performed to find out the value and characteristics of customers by ranking the 4 (four) optimal segments that are generated. In addition to the CLV method, the Customer Value Matrix (CVM) method is also used to determine customer characteristics in each cluster. Each cluster will be given recommendations on strategies to increase customer loyalty based on the characteristics of each cluster formed.

"

"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."

"Banyaknya pilihan destinasi wisata seperti yang ada di Kecamatan Teluk Pandan akan mendorong terjadinya proses pemilihan destinasi yang akan dikunjungi. Dengan meneliti preferensi wisatawan dalam berkunjung berdasarkan Bauran Pemasaran destinasi wisata Pantai Mutun dan Sari Ringgung, dapat terlihat bauran pemasaran yang merupakan bagian dari karakteristik suatu destinasi wisata seperti apa yang diinginkan oleh wisatawan. Penelitian ini dilakukan untuk mengetahui bauran pemasaran yang dilihat oleh wisatawan sebagai dasar terhadap preferensi wisatawan dalam menentukan destinasi. Penelitian ini menggunakan variabel bauran pemasaran dan preferensi wisatawan. Pengumpulan data yang digunakan dalam penelitian ini melalui penyebaran kuesioner dan observasi lapangan. Data-data yang digunakan dianalisis dengan analisis deskriptif dan analisis spasial komparatif. Hasil yang diperoleh dari penelitian ini adalah Secara keseluruhan, Pantai Sari Ringgung memiliki bauran pemasaran yang baik, sedangkan bauran pemasaran Pantai Mutun memiliki bauran pemasaran yang cukup, dan bauran pemasaran mempengaruhi preferensi wisatawan dalam berkunjung.

---

The large number of choices of tourist destinations such as those in Teluk Pandan District will encourage the process of selecting destinations to be visited. By researching tourist preferences in visiting based on the Marketing Mix of the Mutun Beach and Sari Ringgung Beach tourist destinations, can be seen what kind of marketing mix which is part of the characteristics of a tourist destination tourists want. This research was conducted to find out the marketing mix seen by tourists as the basis for tourist preferences in choosing destinations when visiting. The variables used in this study are marketing mix and tourist preferences. The data used in this study are collected through the questionnaires, observation, and interviews. The data used were analyzed with descriptive analysis and comparative spatial analysis. The results obtained from this study are that overall, Sari Ringgung Beach has a good marketing mix, while Mutun Beach has an adequate marketing mix, and the marketing mix influences tourist preferences in visiting."

"ABSTRAKGenerasi millennial yang mendominasi sebagian besar penduduk Indonesia saat ini menjadi subjek penelitian yang menarik bagi pemasaran. Penelitian ini bertujuan untuk menganalisa perilaku unik millennial dan melakukan segmentasi pasar dari sudut pandang bauran pemasaran, personality, dan lifestyle akan keputusan pembelian kendaraan. Metode kualitatif dan kuantitatif menggunakan In Depth Interview terhadap 8 responden dan menyebarkan kuesioner secara online dan offline kepada 300 responden lainnya dengan Snowball Sampling. Terdapat 18 faktor yang terbentuk dari hasil dari Factor Analysis yang kemudian diolah menggunakan Cluster Analysis yang menghasilkan tiga segmen untuk Honda Jazz dan empat segmen pada Toyota Yaris. Ditemukan perbedaan antar kelompok pada setiap merek dalam hal peran pengambilan keputusan, demografi, pertimbangan bauran pemasaran, personality dan lifestyle. Penelitian ini memberikan tambahan pengetahuan terkait dengan segmentasi konsumen, khususnya untuk generasi millennial di negara berkembang seperti Indonesia.

---

ABSTRACTCurrent Indonesia rsquo s dominating generation which called millennial has attracting marketing practice. This study aims to analyse their unique behavior and perform a market segmentation from point of view 7Ps marketing mix, personality, and lifestyle on buying their car buying decision. For this purpose, research method of qualitative and quantitative were applied with In Depth Interview of 8 respondents and deeper data collecting from Snowball Sampling for 300 respondents through offline online questionnaire. Factor Analysis of the data identified 18 factors which further analysed using Cluster Snalysis. The Cluster Analysis revealed three types of millennial Honda Jazz and four types on Toyota Yaris. Significant differences were found between groups in each brands in term of decision making role, demographic, marketing mix consideration, personality and lifestyle. This study provides new insights regarding customer segmentation, especially for millennial generation in developing country such as Indonesia."

"Pemilik brand terutama divisi design, produksi, dan penjualan biasanya menggunakan spesifikasi teknis untuk mewakili produk yang mereka buat. Oleh karena itu, pemilik merek tidak benar-benar mengetahui apa yang pelanggan mereka butuhkan. Era teknologi informasi berdampak pada melimpahnya data yang dapat digunakan untuk memahami perspektif pelanggan. Pemilik brand akan sangat diuntungkan oleh pemahaman yang lebih baik tentang perspektif pelanggan. Untuk mengatasi masalah ini, penulis melakukan penggalian teks dan pemrosesan bahasa alami pada customer review. Penelitian ini dilakukan dengan pendekatan kuantitatif. Penelitian ini dilakukan dengan beberapa tahapan yaitu melakukan scraping data customer review di marketplace, melakukan preprocessing untuk pembersihan data, melakukan ekstraksi atribut bauran pemasaran, melakukan analisa sentimen, membuat visualisasi hasil, dan interpretasi hasil. Tahapan tersebut dapat memandu pemilik brand untuk mendapatkan informasi terkait atribut bauran pemasaran dengan mengekstrak ulasan pelanggan tentang atribut produk berdasarkan konteks dan mendapatkan representasi atribut bauran pemasaran berdasarkan ulasan pelanggan dengan menggunakan analisis sentimen. Hasil dari penelitian ini adalah metode penggalian teks dan pemrosesan bahasa alami pada customer review dapat digunakan untuk memahami perspektif pelanggan terhadap atribut bauran pemasaran. Dalam penelitian ini, proses ekstraksi atribut menghasilkan dua puluh lima engineered attributes dan enam meta-attributes yang relevan dengan atribut bauran pemasaran product, price, promotion, people, dan process. Hasil sentimen analisis menunjukan bahwa merek sepatu impor cenderung mendapatkan sentimen positif pada seluruh atribut bauran pemasaran. Dengan demikian penelitian ini diharapkan menjadi bahan evaluasi bagi pemilik merek sepatu lokal untuk dapat memperbaiki setiap atribut bauran pemasaran untuk dapat bersaing dengan sepatu impor.

---

Brand owners, especially the design, production, and sales divisions, usually use technical specifications to represent their products. Therefore, brand owners need to know what their customers need. The era of information technology impacts the abundance of data that can be used to understand the customer's perspective. Brand owners will greatly benefit from a better understanding the customer's perspective. The author performs text mining and natural language processing on customer reviews to overcome this problem. This research was conducted with a quantitative approach. This research was conducted in several stages: scraping customer review data on the marketplace, preprocessing for data cleaning, extracting marketing mix attributes, conducting sentiment analysis, visualizing results, and interpreting results. These stages can guide brand owners to obtain information related to marketing mix attributes by extracting customer reviews about product attributes based on context and obtaining a representation of marketing mix attributes based on customer reviews using sentiment analysis. The result of this study is that the method of extracting text and natural language processing in customer reviews can be used to understand the customer's perspective on marketing mix attributes. In this study, the attributes extraction process produces twenty-five engineered attributes and six meta-attributes relevant to the marketing mix attributes of product, price, promotion, people, and process. The sentiment analysis results show that imported shoe brands tend to get a positive sentiment on all marketing mix attributes. Thus, this research is expected to be an evaluation material for local shoe brand owners to improve every attribute of the marketing mix to compete with imported shoes."