<![CDATA[Perkembangan perdagangan elektronik (e-commerce) telah menghasilkan volume data transaksi pelanggan yang semakin besar dan berpotensi dimanfaatkan sebagai dasar pengambilan keputusan bisnis. Salah satu pendekatan yang dapat digunakan untuk memahami perilaku pelanggan adalah segmentasi pelanggan dengan teknik data mining. Penelitian ini bertujuan untuk melakukan segmentasi pelanggan pada dataset Olist Brazilian E-Commerce menggunakan algoritma K-Means dengan pendekatan RFM (Recency, Frequency, Monetary). Dataset yang digunakan berasal dari Kaggle dan mencakup data pelanggan, transaksi, pesanan, serta pembayaran. Penelitian menerapkan metodologi CRISP-DM yang meliputi tahapan business understanding, data understanding, data preparation, modeling, evaluation, dan deployment planning. Hasil penelitian menunjukkan bahwa pelanggan dapat dikelompokkan ke dalam beberapa klaster berdasarkan karakteristik nilai recency, frequency, dan monetary. Informasi segmentasi tersebut dapat dimanfaatkan perusahaan untuk menyusun strategi pemasaran yang lebih tepat sasaran, meningkatkan loyalitas pelanggan, mempertahankan pelanggan potensial, serta mengidentifikasi pelanggan yang berisiko melakukan churn sehingga mendukung pengelolaan hubungan pelanggan secara lebih efektif.]]>
Copyrights © 2026
