<![CDATA[Dengan pertumbuhan pesat e-commerce, banyak data perilaku pelanggan telah dikumpulkan, tetapi masih belum optimal untuk memprediksi niat pembelian pelanggan. Dengan menggunakan algoritma kecerdasan buatan (AI) pada platform pasar, penelitian ini bertujuan untuk mengembangkan model prediksi minat beli konsumen. Model ini dibangun dengan memanfaatkan algoritma pengajaran mesin seperti Random Forest, Support Vector Machine (SVM), dan regresi logistik. Algoritma ini menganalisis data perilaku konsumen, yang mencakup jumlah halaman produk yang dilihat, durasi kunjungan, dan riwayat interaksi dengan produk. Penelitian dimulai dengan pengumpulan data tentang perilaku konsumen. Kemudian, data dibersihkan dan dinormalisasi melalui preprocessing, dan setelah itu, ketiga algoritma tersebut digunakan untuk memodelkan data. Untuk menilai model, metrik akurasi, ketepatan, recall, dan skor F1 digunakan. Hasil penelitian menunjukkan bahwa algoritma Random Forest adalah yang terbaik dengan akurasi 91,27%, lebih tinggi dari SVM (88,45%) dan Logistic Regression (85,72%). Model ini tidak hanya berhasil memprediksi minat beli konsumen, tetapi juga memberikan pengetahuan yang dapat digunakan untuk meningkatkan strategi pemasaran dan konversi penjualan di pasar. Mereka menekankan betapa pentingnya durasi interaksi dan nilai halaman produk bagi konsumen dalam membuat keputusan pembelian. Penelitian ini menawarkan manfaat praktis bagi pengelola e-commerce dalam mengembangkan strategi pemasaran berbasis data yang meningkatkan kepuasan pelanggan dan efektivitas promosi.]]>
Copyrights © 2026
