RETAILERS From: Data Mining Techniques in CRM: Inside Customer
Segmentation (Konstantinos Tsiptsis and Antonios Chorianopoulos,
2009)TRIYODA ARRAHMAN Division of Industrial System Engineering,
Department of Agroindustrial Technology, Faculty of Agricultural
Technology, Bogor Agricultural University, Bogor, West Java.
SegmentasiSetiap pelanggan harus diperlakukan sebagai
individu
Segmentasi dikembangkan sesuai dengan tujuan bisnis yang
spesifik dari sebuah organisasi
Data penelitian terhadap pasar dalam industri ritel dapat diolah
untuk memperoleh informasi tentang sikap pelanggan, keinginan,
pandangan, preferensi, dan opini tentang perusahaan dan
persaingan
Data transaksi juga dapat digunakan untuk mengembangkan solusi
segmentasi yang efektif
Segmentasi Menggunakan Data TransaksiSegmentasi dilakukan
berdasarkan:Frekuensi dan aktualisasi pembelian
Total pengeluaran
Total belanja per kelompok produk / subkelompok
Total Pengeluaran dan jumlah item per kunjungan Jangka waktu
pembayaran yang dipilih dan metode yang dipilih / hari / saat
pembelian Saluran Pembelian
Analisis RFM (Recency, Frequency, Monetary) Untuk Industri
RetailPendekatan umum untuk memahami perilaku pembelian konsumen
dengan mengolah data pembelian pada pelanggan yang telah terdata
(memiliki ID)
Melibatkan perhitungan dan pemeriksaan tiga Hal : Aktualisasi
(waktu pembelian), frekuensi, dan moneter (nilai pembelian)
Skor = RFM (kebaruan x kebaruan skor bobot) + (frekuensi
frekuensi skor bobot) + (bobot nilai pembelian (monetary)).
RFM (Recency, Frequency, Monetary)Recency Jangka Waktu Kunjungan
Terakhir: Waktu (dalam satuan seperti hari / bulan / tahun)
Jumlah total transaksi pembelian, belanja atau kunjungan dalam
periode yang diteliti Frequency Jumlah rata-rata transaksi
bulanan
Total nilai pembelian dalam jangka waktu yang diteliti atau
total nilai pembelian rata-rata (misalnya, total nilai pembelian
rata-rata bulanan) per unit waktu Monetary
RFM Analysis
THE RFM SEGMENTATION PROCEDUREData acquisition Data transaksi
dari enam bulan terakhir yang telah diambil, diperiksa, dan
disiapkan untuk operasi selanjutnya
Selection of the population to be segmented hanya pelanggan yang
masih aktif, yang disegmentasi menggunakan analisis RFM
Data preparation and computation of the R, F, and M measurements
Tanggal terakhir transaksi jumlah rata-rata transaksi pembelian
bulanan Nilai pembelian bulanan (mendefinisikan komponen
monetery)
Development of the RFM cells through binning Pelanggan telah
dikelompokkan berdasarkan Analisis RFM menjadi 5 grup
Development of the RFM segments through clustering
Development of the RFM segments through clustering
RFM AnalysisMeskipun berguna, pendekatan RFM, jika tidak
dikombinasikan dengan penilaian atribut customer lainnya seperti
atribut product preferecnce, RFM akan gagal untuk memberikan
pemahaman lengkap tentang perilaku pelanggan.
GROUPING CUSTOMERS ACCORDING TO THE PRODUCTS THEY
BUYmengoptimalkan hasil dan menyesuaikan penawaran produk, harga,
dan insentif kepada pelanggan sesuai dengan kebutuhan dan perilaku
mereka yang telah teridentifikasi
Membentuk jenis pelanggan sesuai dengan perilaku pembelian
Segmentasi melibatkan proses penerapan clustering model dengan
mengolah data pembelian.
Data yang relevan dari enam bulan terakhir
