Customer Relationship
Pelangganmu bukanlah pelangganmu, kamu hanya penjaganya saja sampai pesaingmu dapat menyediakan tawaran dan komunikasi yang lebih baik.
Perusahaan haruslah proaktif dan mengantisipasi keinginan pelanggan. Perusahaan menghadapi situasi yang makin kompleks, makin banyak pelanggan, barang, dan pesaing makin sedikit waktu untuk memberi reaksi pada
pelanggannya.
Customer Relationship
Agar Pelanggan puas maka Anda perlu mengotomasikan: The Right Offer - Beri tawaran yang tepat
To the Right Person - Pada orang yang tepat At the Right Time - Pada waktu yang tepat
Customer Relationship
The Right Offer
berarti mengelola interaksi berulang-ulang dengan pelanggan, berilah prioritas penawaran Anda dan minimalkan penawaran yang tidak tepat
To the Right Person
tidak setiap orang Anda potongkan dari kain yang sama, adakan promosi tersegmentasi yang memenuhi target kelompok atau individu tertentu
Customer Relationship
At the Right Time
Hasil nyata berinteraksi dengan pelanggan menyatakan bahwa mereka berdasarkan pada waktu yang kontinyu. Dahulu dilakukan promosi per triwulan, sekarang dilakukan pada saat ada peristiwa khusus, gebyar discount
Through the Right Channel
Gunakan media bermacam-macam direct-mail, email, telemarketing, website
Data Mining
Definisi sederhana:
Deteksi otomatis dari pola-pola yang relevan dari satu database
Data Mining bukanlah suatu yang gaib, telah cukup lama para ahli statistik “menambang” database secara manual, untuk mendapat pola yang berarti. (Terbatas pada hipotesa dan pembuktian).
Data mining menggunakan statistik yang telah mantap dan teknik “machine learning” untuk membangun model yang memprediksi kelakuan pelanggan Software Data Mining punya kekurangan dibanding dengan pengalaman dan intuisi manusia yang mampu membedakan suatu korlasi yang relevan atau tak relevan, maka analisis statistik tetap sangat diperlukan.
Data Mining & CRM
Customer Relationship Management(CRM) adalah satu
proses yang mengelola interaksi antara perusahaan dengan pelanggannya.
Pengguna utama CRM adalah aplikasi software yang berisi database marketing dan digunakan untuk otomatisasi proses interaksi dengan pelanggan.
Aplikasi Data Mining otomatis mencari dari gunungan data untuk mendapat pola dan menghasilkan prediksi kelakuan para pembeli potensial. Setelah data di “tambang”, kemudian dimasukkan ke software pengelola promosi (campaign) untuk segmen pasar tertentu.
Data Mining & CRM
Data Mining membantu Database Marketing
Database Marketing biasanya berisi data yang dinamis dalam transaksi saja, namun sangat kurang untuk data-data yang bersifat analisis. Program Pengelolaan Promosi (Campaign
Management Software) memakai database marketing untuk
proses penawaran (melalui berbagai media mis: e-mail, web, point of sale) ,pengiriman, pemberian hadiah/ discount Model dalam Data Mining membuat scoring untuk para pelanggan tersebut, hasil scoringbila digabung dengan database Marketing akan membuat Program Pengelolaan Promisi akan lebih tajam, akurat dan tepat pada sasarannya, makin menguntungkan dan lebih cepat tercapainya ROI
Aplikasi Data Mining - CRM
Customer Retention (mempertahankan pelanggan)
Orang yang berpengalaman dalam program ini akan mendeteksi pelanggan yang punya kecenderungan menyeberang ke pihak lain
Sales and Customer Service(pelayanan pelanggan)
Program seperti MBA (Market Basket Analysis) akan sangat membantu untuk memperlihatkan barang yang sering dijual berpasangan, penempatan produk, layout katalog di halaman web
Marketing(pemasaran)
Marketing sangat tergantung pada kelengkapan profil pelanggan dan trend, agar promosi suatu barang dapat tercapai dengan biaya sekecil mungkin
Aplikasi Data Mining - CRM
Risk Assessment and Fraud Detection(taksiran resiko dan
deteksi kecurangan)
Surat pemesanan dapat mengidentifikasi pola pembayaran dari pelanggan yang berbeda namun pada alamat yang sama, mengidentifikasi kemungkinan kecurangan oleh individu yang menggunakan nama yang berbeda.
Pihak Bank atau Asuransi akan mendeteksi orang-orang yang akan melakukan pinjaman uang, menggunakan data-data tambahan berupa rekening listrik, telepon, fiskal, pajak.
Customer Relationship Management
Pengantar:
Perusahaan harus mengalokasikan dana untuk mendapatkan pelanggan baru dibanding dengan mempertahankan pelanggan yang telah ada.
Lebih mahal lagi bila kita ingin memanggil kembali pelanggan yang sudah kecewa, agar mereka percaya lagi
Lebih mudah untuk menjual produk baru ke pelanggan lama dibanding dengan pelanggan baru
Beberapa pelanggan sangat menguntungkan, ada pelanggan yang tidak menguntungkan, dan juga ada pelanggan yang tidak pernah akan menguntungkan.
Customer Relationship Management
Pertanyaan yang harus dijawab dari waktu ke waktu
Pelanggan mana yang menguntungkan saya? Mengapa? Promosi apa yang efektif? Untuk pelanggan yang mana?
Jenis pelanggan mana yang akan tertarik dengan produk baru saya? Pelanggan mana yang beresiko untuk beralih ke pesaing lain? Bagaimana saya mengidentifikasi prospek yang menghasilkan keuntungan yang tinggi?
Arsitektur CRM
Dari gambar arsitektur CRM dapat dibagi 3 kelas:
Operational CRM
Otomasi proses bisnis meliputi pertemuan dengan pelanggan, media, integrasi front-back office Analytical CRM
Menganalisis data yang dibangun oleh operasional CRM
Collaborative CRM
Menggandung email, publikasi personal, e-communicate, dan sarana sejenis lainnya yang menfasilitasi interaksi antara pelanggan dan perusahaan
Evolution of Marketing
Jaman pemasaran Teknik Teknologi
Masa Gelap Keterampilan Tidak ada
Renaissance Keahlian Telpon & Interview
Revolusi Industri Pemasaran masal Maling List dengan komputer Jaman Informasi Database Pemasaran Flat File
Jaman Optimasi CRM Data Warehouse,
Data Mining, Analysis Tools (OLAP)
Closed Loop Marketing
Keinginan sistem CRM adalah menyediakan “lingkar pemasaran yang tertutup”. Close Loop Marketing berisi 3 langkah dasar yang punya lintasan spiral untuk perbaikan kontinyuitas pemasaran.
Measure (ukuran)
mengukur usaha pemasaran berdasarkan pada keuntungan pelanggan. Gunakan web-tool untuk akses data warehouse pelanggan
Predict (prediksi)
Prediksi untuk kelakuan pelanggan dan belajar dari percobaan yang lalu, gunakan hasil data mining untuk mempertajam promosi lanjutnya.
Act (aksi)
Gunakan sistem pengelolaan promosi menangkap hasil dan aksi yang terukur dari promosi dan masuk ke data mart pelanggan
Generasi Lanjut CRM
CRM untuk mengelola Pemasaran langsung ke pelanggan (tidak lewat pemasaran model lama, distributor, agen..) Kombinasi CRM dan ERP (Enterprize Resource Planning) juga penting, bagaimana mengatur stok produk untuk kepuasan pelanggan, mempunyai inventory yang cukup efisien untuk promosi pemasaran direct-mail, kesemuanya ini untuk mencoba optimasi keuntungan bagi pelanggan. Generasi berikutnya disebut Enterprice-Wide CRM System, dimana semua fungsi atau informasi pelanggan dipakai antar perusahaan secara luas. Namun ada juga oposisinya yaitu pelanggan menginginkan privasi, informasi dirinya tidak ingin diketahui oleh perusahaan lain.
Statistik & Data Mining?
Beda utama Data Mining dengan Statistik
Data Mining dipakai oleh orang bisnis, sedang statistik dipakai ahli statistik.
Data Mining secara efektif mengotomasikan proses statistik, dengan demikian menghilangkan hal yang menyusahkan pemakai. Gabungan beberapa model statistik dijadikan tool dalam data analisis, dan hasilnya berupa keputusan tindakan apa yang bisa dilakukan user (bukan hanya angka-angka hasil statistik).
Classical Techniques
Statistic
Data, Counting and Probability Histogram
Statistics for prediction Linear regresion
Nearest Neighbor
Nearest Neighbor for prediction K Nearest Neighbor
Classical Techniques
Clustering
Clustering for clarity (kejelasan) Clustering for outlier
Hierarchical Clustering Non Hierarchical Clustering
Next Generation Techniques
Decision Trees
ID3 and Enhancement C4.5
CART (Classification and Regression Trees) CHAID (Chi-Square Automatic Interation Detector)
Neural Network
Neural Network for clustering, Outlier Analysis, Feature Extraction
Rule Induction
Kapan gunakan Data Mining
The Business Value
Customer Profitability
menyediakan blue-print bagaimana mendefinisikan dan menggunakan keuntungan pelanggan sebagai suatu landasan untuk proses CRM
Customer Acquisition
menunjukkan bagaimana menggunakan data mining untuk memperoleh pelanggan baru yang menguntungkan
Customer Cross/ Cross - Selling
secara detil menggambarkan bagaimana teknologi dapat dipakai untuk meningkatkan nilai dari pelanggan yang telah ada dengan menjual produk/ jasa lainnya pada mereka
Customer Retention
studi kasus bagaimana mempertahankan pelanggan pada industri telekomonikasi Customer Segmentation
bagaimana membuat segmentasi dam mengelola pelanggan dengan konsisten
Data Mining & CRM Tolls
KD1 (fokus pada retail)
Options & Choices (fokus pada industri asuransi) HNC (fokus pada fraud detection/ deteksi penipuan) Unica Model 1 (fokus pada pemasaran)
Kapan menggunakan DM
Pertanyaan penting yang harus dijawab sebelum Anda memulai proyek DM adalah apakah teknik DM memang diperlukan.
Perlu dipastikan level kecanggihan DM yang diperlukan. Intinya, apakah Anda sungguh-sungguh memerlukan teknik DM untuk membangun model-model peramalan untuk mencari pola-pola menarik dari database Anda?
Proses DM
(dari sudut pandang teknologi)
DataFocused Data Set
Preprocessed Data Formatted Data Preditive Models Selection Preprocessing Transformation Data Mining Human Interpretation
Proses DM
(dari sudut pandang bisnis)
Business Problem ROI Definition Predicted ROI ROI Define Value Define Value Deploy Data Data Definition Predictive Model Understand Data MiningPenjualan Silang (Cross-selling)
Hubungan antara perusahaan dan pelanggan adalah proses yang dinamis. Ada 3 cara untuk mengoptimalkan hubungan keduanya:
1.Maksimalkan panjang hubungan
2.Maksimalkan jumlah interaksi selama hubungan
3.Maksimalkan keuntungan asosiasi dalam setiap interaksi Taget: win-win situation, dimana perusahan dan pelanggan sama-sama untung.
Penjualan Silang (Cross-selling)
Pelanggan: diuntungkan dengan mendapatkan pelayanan yang lebih baik sesuai keperluan mereka dan perusahaan diuntungkan oleh meningkatnya penjualan.
Inilah yang disebut Cross-selling
Dalam bentuk lain, Cross-selling sering disebut juga up selling
Perhatikan tentang:
• Customer Retention
• Customer Segmentation
Mengembangkan DM untuk CRM
10 langkah dalam pelucuran aplikasi DM:• Definisikan masalah • Definisikan pengguna • Definisikan data
• Definisikan data sesunggihnya (dibersihkan, diorganisasikan, dan pembentukan data dictionary) • Batasan proyek • Ujicoba • Jaminan kualitas • Edukasi • Peluncuran (Launch)
Tipe Data Pelanggan
Ada 3 tipe data pelanggan:• Menggambarkan siapakah pelanggan itu?
• Menggambarkan cara memasarkan atau promosi yang akan diberikan pada pelanggan?
• Menggambarkan bagaimana reaksi pelanggan atas promosi yang telah diberikan melalui transaksi yang terjadi
Descriptive Promotional Transactional Who is the customer? What did you do to the customer? How did the Customer react?