<![CDATA[Persaingan bisnis e-commerce yang semakin ketat menuntut perusahaan memahami perilaku pelanggan agar strategi pemasaran lebih tepat sasaran. Penelitian ini bertujuan melakukan segmentasi pelanggan e-commerce menggunakan analisis Recency, Frequency, dan Monetary (RFM) yang dikombinasikan dengan algoritma K-Means clustering. Data transaksi diproses melalui tahap pembersihan data, perhitungan nilai RFM, normalisasi menggunakan transformasi logaritma dan standardisasi, penentuan jumlah cluster optimal melalui metode Elbow dan Silhouette, serta klasterisasi K-Means. Hasil pengujian menunjukkan jumlah cluster optimal sebanyak empat dengan nilai Silhouette sebesar 0,33. Keempat segmen yang terbentuk adalah pelanggan loyal bernilai tinggi, pelanggan potensial reguler, pelanggan bernilai rendah, dan pelanggan berisiko berhenti (churn). Segmentasi ini dapat menjadi dasar bagi pelaku e-commerce dalam menyusun strategi pemasaran yang berbeda dan terfokus untuk setiap kelompok pelanggan, sehingga meningkatkan efektivitas retensi dan pendapatan.]]>
Copyrights © 2025
