MENINGKATKAN STRATEGI PEMASARAN MELALUI SEGMENTASI PELANGGAN MENGGUNAKAN METODE K-MEANS CLUSTERING PADA TRANSAKSI RETAIL ONLINE (original) (raw)

Pemahaman pelanggan dengan baik sangat penting untuk operasi bisnis perusahaan. Mengenali dan memahami setiap pelanggan membantu meningkatkan komunikasi selama penawaran produk dengan menyesuaikan kebutuhan mereka dan memberikan layanan yang disesuaikan dengan setiap pelanggan. Namun, analisis pelanggan sangat luas sehingga sulit untuk memahami kebutuhan masing-masing pelanggan. Ini mungkin mencakup berbagai karakteristik dan perilaku pelanggan. Oleh karena itu, diperlukan segmentasi pelanggan untuk mengelompokkan pelanggan berdasarkan perilaku dan karakteristiknya. Banyak model dan algoritma telah digunakan untuk mensegmentasi pelanggan berdasarkan data.Dalam penelitian ini, metode clustering dengan menggunakan algoritma K-means menjadi pilihan yang efektif. Penelitian ini menggunakan pemrograman Python untuk data mining dan preprocessing. Hal ini dilakukan pada data melalui analisis data eksplorasi untuk memahami informasi dari data yang digunakan sebelum pengelompokan. Pada penerapan metode K-Means digunakan metode elbow untuk menentukan jumlah cluster yang optimal. Kata kunci: Clustering, K-Means, Retail, Segmentasi Pelanggan ABSTRAK Understanding customers well is crucial for a company's business operations. Recognizing and understanding each customer helps improve communication during product offerings by tailoring to their needs and providing personalized services. However, customer analysis is so broad that it becomes difficult to comprehend each customer's needs, as it may encompass various characteristics and behaviors. Therefore, customer segmentation is needed to group customers based on their behaviors and characteristics. Many models and algorithms have been used to segment customers based on data. In this study, the clustering method using the K-means algorithm is chosen as an effective option. This research utilizes Python programming for data mining and preprocessing. This is performed on the data through exploratory data analysis to understand the information before clustering. In applying the Kmeans method, the elbow method is used to determine the optimal number of clusters.

Sign up for access to the world's latest research.

checkGet notified about relevant papers

checkSave papers to use in your research

checkJoin the discussion with peers

checkTrack your impact