SEGMENTASI PELANGGAN BERDASARKAN ANALISIS RFM (RECENCY, FREQUENCY AND MONETARY INDEXES) DAN ANALISIS DEMOGRAFI

Perusahaan mencoba mengenali kebutuhan masyarakat dan pelanggan dengan lebih tepat, salah satu metode yang digunakan adalah CRM. Untuk bisa membedakan kebutuhan banyak pelanggan dan menjalin interaksi antara produsen dan konsumen, harus memahami pelanggan melalui perilaku dan transaksinya. Salah satu metode yang digunakan untuk melakukan segmentasi pelanggan menggunakan model RFM dan metode klastering yaitu K-Means. Sementara demografi digunakan sebagai data pendukung untuk melakukan segmentasi pelanggan. Studi ini menunjukkan bahwa bobot atribut RFM mempengaruhi kinerja asosiasi aturan secara positif. Selain itu, untuk mendapatkan segmen pelanggan yang lebih akurat, disarankan untuk menggunakan kombinasi RFM tertimbang dan atribut demografis. Oleh karena itu, metodologi yang diusulkan menghasilkan hasil dan skor terbaik yaitu sebesar 0.284 dengan jumlah rule yang dikembangkan sebanyak 2491, sehingga pentingnya RFM tertimbang dan data demografi dalam cluster telah terbukti.