<![CDATA[Mengelompokkan pengguna media sosial berdasarkan pola interaksi dengan menggunakan metode K-Means Clustering. Dalam era digital saat ini, memahami perilaku pengguna media sosial menjadi sangat penting bagi platform digital untuk meningkatkan keterlibatan dan retensi pengguna. Dengan mengidentifikasi interaksi pengguna, platform dapat merancang strategi yang lebih efektif untuk memenuhi kebutuhan dan preferensi pengguna. Dataset yang digunakan dalam penelitian ini mencakup atribut-atribut seperti BounceRates dan ExitRates untuk mencerminkan tingkat ketertarikan awal dan durasi interaksi pengguna, serta atribut Month, Region, VisitorType, dan Weekend untuk menangkap faktor temporal, geografis, dan perilaku kunjungan. Data tersebut diolah melalui proses normalisasi dan pengkodean untuk memastikan kompatibilitas dalam analisis K-Means. Hasil clustering menunjukkan adanya dua kelompok utama pengguna media sosial dengan karakteristik interaksi yang berbeda. Kelompok pertama terdiri dari pengguna dengan keterlibatan awal yang tinggi dan interaksi yang lebih lama, sedangkan kelompok kedua cenderung memiliki minat awal yang rendah dan durasi interaksi yang singkat. Temuan ini memberikan wawasan bagi pengelola platform media sosial untuk mengembangkan strategi yang lebih personalisasi dalam meningkatkan pengalaman pengguna, baik melalui konten yang lebih relevan maupun pendekatan pemasaran yang terarah. Dengan adanya pengelompokan ini, diharapkan platform media sosial dapat meningkatkan efektivitas interaksi pengguna dan memperkuat loyalitas pengguna, yang pada akhirnya berdampak positif pada pertumbuhan platform secara keseluruhan.]]>
