Segmentasi Pelanggan E-commerce Berbasis Perilaku Transaksi Menggunakan Algoritma K-Means untuk Strategi Pemasaran Bertarget

Abstract

Segmentasi pelanggan merupakan strategi krusial dalam industri e-commerce untuk memahami preferensi dan perilaku konsumen, mendukung personalisasi penawaran, meningkatkan loyalitas, dan pengambilan keputusan strategis. Di era digital saat ini, persaingan bisnis yang ketat menuntut perusahaan untuk tidak hanya berfokus pada produk, tetapi juga secara mendalam memahami pelanggannya untuk memberikan pengalaman yang relevan dan memuaskan. Penelitian ini mengusulkan penerapan algoritma K-Means. Clustering untuk segmentasi pelanggan penjualan online berdasarkan perilaku transaksi, dengan fokus pada atribut Recency, Frequency, dan Monetary (RFM). K-Means dipilih karena efisiensinya dalam memproses data berskala besar dan kemampuannya untuk mengelompokkan data berdasarkan kemiripan fitur. Namun, K-Means memiliki kelemahan, terutama dalam penentuan jumlah klaster optimal (k) dan sensitivitas terhadap inisialisasi centroid acak. Metode Elbow dan Silhouette Score digunakan untuk menentukan jumlah klaster yang optimal, memastikan kualitas pengelompokan yang baik. Data transaksi retail online yang mencakup lebih dari 500.000 entri digunakan sebagai studi kasus. Hasil segmentasi diharapkan dapat mengidentifikasi kelompok pelanggan dengan karakteristik unik, seperti aktivitas transaksi, frekuensi, dan kontribusi moneter, yang kemudian dapat dijadikan dasar untuk menyusun strategi pemasaran yang lebih tepat sasaran dan meningkatkan efisiensi promosi.