<![CDATA[Persaingan yang semakin ketat di industri e-commerce mengharuskan bisnis untuk mendapatkan pemahaman yang lebih dalam tentang perilaku pelanggan sehingga strategi pemasaran dapat ditargetkan dengan lebih tepat. Pendekatan yang banyak digunakan untuk memahami nilai dan perilaku pelanggan adalah analisis RFM (Recency, Frequency, Monetary), dikombinasikan dengan algoritma pembelajaran mesin tanpa pengawasan, K-Means Clustering. Studi ini bertujuan untuk melakukan segmentasi pelanggan e-commerce berdasarkan tiga variabel utama: Recency, Frequency, dan Monetary. Tahapan penelitian meliputi standardisasi data menggunakan StandardScaler, penentuan jumlah cluster optimal menggunakan Metode Elbow dan Silhouette Score, clustering menggunakan algoritma K-Means, dan interpretasi karakteristik setiap cluster. Hasil menunjukkan bahwa 8.635 pelanggan terbagi menjadi empat cluster dengan karakteristik yang berbeda: champion, pelanggan setia, pelanggan sesekali, dan pelanggan berisiko/hilang. Hasil segmentasi ini dapat menjadi dasar untuk mengembangkan strategi pemasaran yang lebih personal dan efisien untuk setiap kelompok pelanggan.]]>
Copyrights © 2026
