<![CDATA[Segmentasi pelanggan merupakan strategi penting dalam dunia bisnis untuk memahami perilaku konsumen dan merancang pendekatan pemasaran yang lebih efektif. Penelitian ini bertujuan untuk mengelompokkan pelanggan retail berdasarkan pola perilaku pembelian menggunakan metode K-Means Clustering yang berbasis pada model RFM (Recency, Frequency, dan Monetary). Pendekatan ini memungkinkan pengelompokan pelanggan secara objektif berdasarkan seberapa baru mereka bertransaksi, seberapa sering mereka membeli, dan seberapa besar nilai transaksi yang dilakukan. Data yang digunakan adalah data transaksi pelanggan yang telah melalui tahap pra-pemrosesan untuk menghasilkan variabel RFM. Penentuan jumlah klaster optimal dilakukan menggunakan metode Elbow, dan kualitas klaster divalidasi menggunakan Silhouette Score serta Davies-Bouldin Index. Hasil segmentasi menghasilkan empat klaster pelanggan dengan karakteristik yang berbeda, antara lain pelanggan loyal, pelanggan baru potensial, serta pelanggan pasif yang berisiko churn.Analisis menunjukkan bahwa pelanggan dengan frekuensi dan nilai transaksi tinggi berada dalam satu klaster khusus, yang direkomendasikan untuk mendapat perhatian melalui strategi loyalitas. Sementara itu, klaster pelanggan dengan aktivitas rendah menjadi fokus utama dalam strategi reaktivasi. Penelitian ini menunjukkan bahwa penerapan data mining dalam segmentasi pelanggan mampu meningkatkan efektivitas pengambilan keputusan dalam strategi pemasaran berbasis data.]]>
Copyrights © 2025
