• Tidak ada hasil yang ditemukan

Jurnal Tugas rfm uts

N/A
N/A
Hafaz Zamzami

Academic year: 2025

Membagikan "Jurnal Tugas rfm uts"

Copied!
2
0
0

Teks penuh

(1)

Frequency score * Monetary score * Recency score Crosstabulation

Count

Recency score

Monetary score

Total

1 2 3 4 5

1 Frequency score 3 35 36 36 36 36 179

5 0 1 0 1 0 2

Total 35 37 36 37 36 181

2 Frequency score 3 39 39 40 39 39 196

5 1 2 2 2 2 9

Total 40 41 42 41 41 205

3 Frequency score 3 34 35 34 35 34 172

5 2 3 3 3 3 14

Total 36 38 37 38 37 186

4 Frequency score 3 33 33 34 33 33 166

5 2 2 2 2 2 10

Total 35 35 36 35 35 176

5 Frequency score 3 36 37 36 37 36 182

5 3 3 4 3 3 16

Total 39 40 40 40 39 198

Total Frequency score 3 177 180 180 180 178 895

5 8 11 11 11 10 51

Total 185 191 191 191 188 946

Pembahasan

Ada total 946 pelanggan dalam uji coba ini, terbagi dalam 47 pelanggan berdasarkan skor Recency, Frequency dan Monetery (RFM) dan 5 segmentasi pelanggan

Segmentasi pelanggan 1. Best Customer

 Kriteria Recency= 5, Frequency = 5, Monetery= 5

 Deskripsi: Pelanggan dengan skor tertinggi dalam ketiga aspek RFM adalah pelanggan terbaik, yang sering melakukan pembelian dengan nilai transaksi tinggi dan baru-baru ini melakukan pembelian.

 Label: Vip Customer 2. Loyal Customer

 Kriteria: Recency = 3-4, Frequency= 3-5, Monetery= 3-5

(2)

 Deskripsi: Mereka adalah pelanggan yang sering berbelanja dengan nilai transaksi cukup besar, namun tidak selalu melakukan pembelian terbaru.

 Label: Loyal Customer

3. Potential loyalists

 Kriteria: recency = 3-4, Frequency= 3, Monetery= 3-4

 Deskripsi: pelanggan ini memiliki skor Frequency dan Monetary yang menengah atau tinggi, namun belum melakukan pembelian baru-baru ini. Mereka berpotensi menjadi pelanggan setia jika dikelola dengan baik.

 Label: Potential Loyalists 4. New Customers

 Kriteria: Recency = 5, Frequency = 3, Monetery =3

 Deskripsi: Ini adalah pelanggan baru yang baru saja melakukan pembelian dengan nilai transaksi dan frekuensi yang rendah.

 Label: New Customers 5. At-Risk Customers

 Kriteria: Recency= 1-2, Frequency = 3, Monetary = 3-4

 Deskripsi: Pelanggan ini sudah lama tidak melakukan pembelian, dengan frekuensi dan nilai transaksi yang rendah.

Value Proposition Untuk Setiap Segmen 1. Vip Customers

Memberikan Penawaran Eksklusif seperti diskon khusus atau layanan premium untuk menjaga loyalitas pelanggan

2. Loyal Customers

Menawarkan program loyalitas, voucher diskon, ataupun kesempatan untuk mendapatkan reward agar pelanggan tetap merasa dihargai oleh penjual.

3. memberikan promosi khusus atau hadiah untuk mendorong pelanggan menjadi lebih aktif dan setia dalam bertransaksi

4. New Customers

Menawarkan promosi atau diskon kepada pelanggan agar mereka tertari untuk Kembali lagi 5. At-Risk Customers

Mengirimkan kampanye atau penawaran khusus untuk mengajak mereka Kembali berbelanja

Referensi

Dokumen terkait

Frequency Marketing , yaitu usaha untuk mengidentifikasi, memelihara, dan meningkatkan hasil dari pelanggan terbaik ( best customers ), melalui hubungan jangka

Pada table 3.11 merupakan contoh data pada cluster 3 yang memiliki data pelanggan dengan skor RFM 311, dimana data pada cluster ini memiliki skor recency yang lebih tinggi dari

Dari proses segmentasi pelanggan menggunakan pemodelan RFM (Recency, Frequency, Monetary) dapat diketahui karakteristik pelanggan UD. Dari proses segmentasi tersebut

Model yang digunakan untuk segmentasi yaitu RFM ( Recency, Frequency dan Monetary ) serta teknik data mining yaitu teknik clustering dengan algoritma K-Means.. Hasil

Model RFM merupakan model untuk menentukan segmentasi pelanggan dengan data yang berupa Recency (interval waktu antara tanggal transaksi terakhir sampai akhir periode yang

Pada skor tertinggi dapat dilihat pada Tabel 2, siswa yang mendapatkan skor tertinggi yaitu pada frekuensi antara 19 – 20 sebanyak 4 siswa di kelas X-MIPA 3 yang menggunakan

Pada tingkatan tertinggi yaitu committed buyer, sebesar 7,64% pelanggan merek Pocari Sweat merupakan pelanggan yang memiliki komitmen tinggi dengan mempromosikan dan merekomendasikan

Method This research uses the RFM method Recency, Frequency, and Monetary to create features on the dataset and the K-Means clustering algorithm as a model for creating clusters to do