Segmentasi Karakteristik Pelanggan menggunakan Teknik Clustering pada Bisnis On Demand Service

  • Sigit Nugroho Magister Teknik Informatika Universitas Islam Indonesia
  • Dhomas Hatta Fudholi
  • Lizda Iswari
Keywords: marketing mix, data mining, clustering, k-means, segmentation

Abstract

Dalam sebuah bisnis, pengetahuan terkait karakteristik pelanggan adalah menjadi mutlak untuk diketahui, untuk mengetahui hal itu dibutuhkan sebuah metode yaitu marketing mix for big data management framework. Sumber data dalam penelitian ini diambil dari perusahaan start up di Yogyakarta yang memiliki model bisnis on demand service berbasis aplikasi, fungsi utama aplikasi ini untuk mempertemukan antara Partner dan Customer terkait kendala aktifitas rutin rumah. Terdapat 5 variabel yang digunakan, yaitu rata – rata rating Partner (skala 1-5), rata- rata selisih jarak order dan workshop, rata – rata selisih waktu order dan pengerjaan,  jumlah order, dan rata – rata biaya transaksi.  Data diambil dari rentan waktu mei 2017 sampai dengan juli 2019, terdapat 1697 jumlah customer, 302 jumlah partner, dan 1483 jumlah traksaksi, pengolahan data menggunakan k-means, membentuk 4 kluster untuk setiap jenis pelanggan (Partner dan Customer), dimana hasil dari analisis data tersebut  memberikan rujukan kepada pihak marketing perusahaan dalam pembuatan model pelanggan potensial.

References

[1] R. Eka, “Penerimaan Masyarakat Indonesia terhadap Layanan On-Demand | Dailysocial,” 2017. [Online]. Available: https://dailysocial.id/post/penerimaan-masyarakat-indonesia-terhadap-layanan-on-demand. [Accessed: 13-Mar-2019].
[2] Wellhos, “Official Website Perusahaan Aplikasi A,” 2017. .
[3] W. A. Triyanto, “ALGORITMA K-MEDOIDS UNTUK PENENTUAN STRATEGI PEMASARAN PRODUK,” J. SIMETRIS, vol. 6, 2015.
[4] A. Yulistara, “5 Strategi Jitu untuk Promosi Bisnis di Era Digital,” CNBC Indonesia, 2018. [Online]. Available: https://www.cnbcindonesia.com/entrepreneur/20180402121905-25-9338/5-strategi-jitu-untuk-promosi-bisnis-di-era-digital. [Accessed: 13-Mar-2019].
[5] C. Lin and C. Hong, “Development of a marketing information system for supporting sales in a Tea-beverage market,” Expert Syst. Appl., vol. 36, no. 3 PART 1, pp. 5393–5401, 2009.
[6] P. Kotler, H. Kartajaya, and I. Setiawan, Marketing 4.0 : Bergerak dari Tradisional ke Digital. 2019.
[7] Google Delveloper, “Dashboard Google Developer Perusahaan Aplikasi A,” 2019. .
[8] A. Ikhwan, D. Nofriansyah, and Sriani, “Penerapan Data Mining dengan Algoritma Fp-Growth untuk Mendukung Strategi Promosi Pendidikan ( Studi Kasus Kampus STMIK Triguna Dharma ),” Saintikom, vol. 14, no. 3, pp. 211–226, 2015.
[9] P. Kotler and G. Armstrong, Principles of Marketing 14 | E. 2012.
[10] H. Misbah and L. F. Latif, “‘ Marketing Mix ’: Tinjauan Semula Marketing Mix : a Revisit From Islamic,” J. Muammalat Islam. Financ., vol. 14, no. 1, pp. 87–105, 2017.
[11] S. Fan, R. Y. K. Lau, and J. L. Zhao, “Demystifying Big Data Analytics for Business Intelligence Through the Lens of Marketing Mix,” Big Data Res., vol. 2, no. 1, pp. 28–32, 2015.
[12] R. S. Wahono, Kuliah 10 Menit tentang Data Mining. 2014.
[13] W. Kottier, “Marketing strategy for online SMEs,” 2017. [Online]. Available: https://essay.utwente.nl/71976/1/Kottier_MA_BMS.pdf.
[14] A. J. Christy, A. Umamakeswari, L. Priyatharsini, and A. Neyaa, “RFM ranking – An effective approach to customer segmentation,” J. King Saud Univ. - Comput. Inf. Sci., 2018.
Published
2019-08-08
PDF (Bahasa Indonesia)
Abstract views: 13
downloads: 6
s