SEGMENTASI PELANGGAN E-COMMERCE MENGGUNAKAN ALGORITMA K-MEANS DAN MODEL LRFM

Pertumbuhan sektor bisnis e-commerce menghadirkan pesaing dan menciptakan kompetisi perusahaan. Pelanggan adalah aset utama perusahaan yang harus dipertahankan. Memahami karakteristik, perilaku dan kebiasaan yang berbeda-beda pada tiap segmen pelanggan menjadi hal penting bagi perusahaan guna mengenali pelanggan potensial, menetapkan strategi-strategi penting, mengelola hubungan dengan pelanggan dan meningkatkan profitabilitas perusahaan. Kebutuhan dan keinginan tiap pelanggan beragam, sehingga penentuan strategi memerlukan metode dalam mensegmentasi pelanggan sesuai kesamaannya masing-masing. Menggunakan metode clustering dengan algoritma K-Means membantu menentukan segmentasi pelanggan berdasarkan data riwayat transaksi. Penentuan cluster k optimal K-Means secara acak tidak selalu memberikan hasil yang baik maka digunakan metode Elbow, Silhouette dan Davies-Bouldin Index. Penentuan variabel pengujian berdasarkan model LRFM (Length, Recency, Frequency, dan Monetary) sehingga segmentasi pelanggan yang didapat lebih akurat mengenali perilaku dan loyalitas pelanggan. Hasil pengujian dataset 3606 pelanggan lewat tahapan preprocessing dengan menggunakan metode Elbow, Silhouette dan Davies-Bouldin Index menghasilkan tiga kelompok pelanggan yaitu New Customer, Lost Customer dan Core Customer sesuai Customer Loyalty Matrix LRFM. Penentuan nilai cluster k dengan lebih dari satu metode lebih efektif dan hasil pengujiannya lebih baik.