<![CDATA[Persaingan pada industri pariwisata digital menuntut perusahaan untuk memahami perilaku pelanggan secara lebih mendalam. PT Travlr Guides Indonesia saat ini masih menerapkan pendekatan pemasaran yang bersifat umum dan belum memanfaatkan data transaksi pelanggan secara optimal, sehingga berpotensi menyebabkan strategi promosi tidak terarah, tingkat keterlibatan pelanggan rendah, serta kecenderungan pelanggan beralih pada pesaing. Penelitian ini bertujuan untuk melakukan segmentasi pelanggan PT Travlr Guides Indonesia berdasarkan perilaku transaksi berbasis model RFM (Recency, Frequency, dan Monetary) dengan kerangka kerja Knowledge Discovery in Database (KDD). Data yang digunakan berupa data transaksi pelanggan PT Travlr Guides Indonesia melalui platform Thebalibible pada periode Januari 2024 hingga Februari 2025. Hasil penelitian menunjukkan jumlah optimal klaster sebanyak tiga klaster. Algoritma Possibilistic Fuzzy C-Means (PFCM) menghasilkan nilai Silhouette Coefficient (SC) sebesar 0.468 dan Davies-Bouldin Index (DBI) sebesar 0.811. Algoritma Equilibrium K-Means (EKM) menunjukkan kinerja yang lebih baik berdasarkan nilai SC sebesar 0.477 dan DBI sebesar 0.781, sehingga hasil segmentasi algoritma EKM akan digunakan sebagai dasar perumusan rekomendasi strategi pemasaran. Berdasarkan hasil tersebut, terbentuk tiga segmen pelanggan yang meliputi segmen at risk customers, segmen loyal customers, segmen low-value customers.]]>
Copyrights © 2026
