<![CDATA[Industri ritel menghasilkan data transaksi dalam volume besar, namun sebagian besar pelaku usaha masih menerapkan strategi pemasaran yang seragam bagi seluruh pelanggan sehingga anggaran promosi berisiko terbuang pada segmen yang kurang potensial. Integrasi analisis RFM (Recency, Frequency, Monetary) dengan algoritma K-Means telah banyak diteliti, tetapi temuannya tersebar dan belum terkonsolidasi. Penelitian ini bertujuan mensintesis literatur mengenai penerapan RFM dan K-Means untuk optimasi strategi pemasaran ritel, dengan menyoroti profil arketipe pelanggan, implikasi manajerial, dan bentuk personalisasi pemasaran. Metode yang digunakan adalah Systematic Literature Review mengikuti protokol PRISMA. Dari 171 catatan yang teridentifikasi, 77 catatan disaring hingga makhirnya didapat 50 studi yang terbit 2021–2026 memenuhi kriteria inklusi. Hasil menunjukkan bahwa meskipun jumlah klaster bervariasi antara 2 hingga 9, profil pelanggan lintas studi konvergen pada empat arketipe inti, yaitu Champion/VIP, Potential, At-Risk/Dormant, dan One-Time. Strategi personalisasi juga terpetakan konsisten dari pemeliharaan, pengembangan, pemulihan, hingga perkenalan. Temuan kritisnya, seluruh studi berhenti pada rekomendasi normatif tanpa mengukur dampak aktual terhadap efisiensi anggaran promosi maupun profitabilitas, sehingga pengujian pasca-implementasi menjadi agenda riset yang mendesak.]]>
Copyrights © 2026
