Pemanfaatan Data Mining dengan Metode K-Means Berbasis RFM untuk Segmentasi Pelanggan dalam Mendukung Strategi Customer Intelligence (Studi Kasus: Olist E-Commerce)

Abstract

Pertumbuhan industri perdagangan elektronik menghasilkan volume data transaksi pelanggan yang semakin besar dan berpotensi dimanfaatkan sebagai sumber informasi dalam mendukung pengambilan keputusan bisnis. Penelitian ini bertujuan menerapkan teknik data mining melalui algoritma K-Means yang dipadukan dengan pendekatan Recency, Frequency, dan Monetary (RFM) untuk melakukan pengelompokan pelanggan pada platform Olist E-Commerce. Pendekatan RFM digunakan untuk mengevaluasi aktivitas pelanggan berdasarkan waktu transaksi terakhir, frekuensi pembelian, serta nilai transaksi yang dihasilkan. Selanjutnya, algoritma K-Means digunakan untuk mengelompokkan pelanggan yang memiliki karakteristik transaksi serupa ke dalam beberapa segmen. Hasil analisis menghasilkan beberapa kelompok pelanggan dengan pola perilaku yang berbeda, meliputi pelanggan loyal, pelanggan potensial, pelanggan pasif, dan pelanggan bernilai rendah. Informasi yang diperoleh dari proses segmentasi dapat dimanfaatkan sebagai dasar dalam penyusunan strategi pemasaran yang lebih tepat sasaran dan berbasis data. Selain itu, hasil penelitian juga menunjukkan bahwa penerapan metode RFM dan K-Means mampu membantu perusahaan dalam memahami karakteristik pelanggan secara lebih mendalam sehingga mendukung peningkatan efektivitas strategi bisnis dan pengelolaan hubungan pelanggan.