<![CDATA[Penelitian ini dilatarbelakangi oleh pentingnya segmentasi pelanggan dalam meningkatkan efektivitas strategi pemasaran dan optimalisasi penjualan pada bisnis retail online yang semakin kompetitif. Segmentasi pelanggan memungkinkan perusahaan untuk mengelompokkan konsumen berdasarkan perilaku pembelian sehingga dapat merancang pendekatan pemasaran yang lebih tepat sasaran. Metode yang digunakan dalam penelitian ini adalah model RFM (Recency, Frequency, Monetary) yang mengukur nilai pelanggan berdasarkan waktu transaksi terakhir, frekuensi pembelian, dan nilai pembelian total. Data yang digunakan berasal dari dataset Online Retail.csv yang kemudian diproses dan dianalisis menggunakan algoritma K-means clustering untuk mengelompokkan pelanggan ke dalam segmen-segmen yang homogen. Hasil penelitian menunjukkan bahwa jumlah cluster optimal yang diperoleh adalah dua, dengan karakteristik pelanggan pada Cluster 0 memiliki nilai Recency rendah dan Frequency tinggi, serta nilai Monetary yang lebih besar, sedangkan Cluster 1 terdiri dari pelanggan dengan Recency tinggi dan Frequency rendah. Segmentasi ini memberikan gambaran yang jelas mengenai perilaku pelanggan yang berbeda dan memungkinkan perusahaan untuk mengarahkan strategi pemasaran yang lebih efektif. Penerapan model RFM yang dikombinasikan dengan K-means clustering terbukti efektif dalam segmentasi pelanggan retail online, sehingga dapat mendukung optimalisasi penjualan dan peningkatan loyalitas pelanggan. Temuan ini memiliki implikasi penting bagi pengembangan strategi pemasaran berbasis data yang lebih terarah dan efisien di industri retail online.]]>
Copyrights © 2025
