ANALISIS SEGMENTASI PELANGGAN MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING UNTUK OPTIMALISASI STRATEGI PEMASARAN DI PERCETAKAN MAHAOFFSET
Article Sidebar
Main Article Content
Abstract
Laporan ini disusun untuk memenuhi persyaratan kelulusan mata kuliah Praktik Kerja Nyata serta mendokumentasikan proyek analisis data yang dilakukan selama program magang di Perusahaan Percetakan mahaoffset. Proyek utama berfokus pada analisis segmentasi pelanggan menggunakan algoritma K-Means Clustering dengan pendekatan RM (Recency-Monetary) untuk mengoptimalkan strategi pemasaran. Tujuan analisis adalah mengubah data transaksi historis menjadi wawasan strategis dengan mengelompokkan pelanggan ke dalam segmen-segmen yang homogen berdasarkan perilaku pembelian mereka. Proses analisis mengikuti tahapan sistematis, mulai dari pra-pemrosesan data, feature engineering untuk kalkulasi metrik RM, penentuan jumlah cluster optimal menggunakan Elbow Method, hingga interpretasi dan visualisasi segmen yang terbentuk. Hasil analisis berhasil mengidentifikasi empat segmen pelanggan yang berbeda secara signifikan: (1) Pelanggan Bernilai Tinggi, (2) Pelanggan Aktif dan Potensial, (3) Pelanggan reguler, dan (4) Pelanggan Tidak Aktif. Temuan ini memungkinkan perusahaan untuk beralih dari pemasaran massal ke pendekatan pemasaran bertarget yang lebih efisien dan personal, sehingga dapat meningkatkan retensi pelanggan dan potensi pendapatan.
Article Details
Section
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
How to Cite
References
customer profiling using k-means clustering. Mathematical Modelling and Engineering Problems, 10(1), 298-303. https://doi.org/10.18280/mmep.100135
Chen, Q. (2024). Application of k-means algorithm in marketing. Advances in Economics Management and Political Sciences, 71(1), 178-184. https://doi.org/10.54254/2754-1169/71/20241485
Khalik, M., Mohammad, W., Zilfana, Z., & Themba, O. (2023). The influence of service personalization, customer satisfaction, and customer retention in the telecommunications industry on data-driven marketing. WSIST, 1(02), 55-62. https://doi.org/10.58812/wsist.v1i02.476
Mandal, P. (2023). Engaging customers and managing customer relationships. Journal of Business Ecosystems, 4(1), 1-14. https://doi.org/10.4018/jbe.322405
Sun, Y. and Tan, X. (2022). Customer relationship management based on sprint classification algorithm under data mining technology. Computational Intelligence and Neuroscience, 2022, 1-11. https://doi.org/10.1155/2022/6170335
Wu, Q. (2023). Corporate image, customer satisfaction and loyalty among customers in air conditioner industry: basis for customer relationship management model. International Journal of Research Studies in Management, 11(6). https://doi.org/10.5861/ijrsm.2023.1067