pelanggan dan penargetan yang lebih baik dari kampanye promosi produk
.
Hal ini juga dapat membantu untuk mengungkapkan segmen pelanggan yang berbeda
,
memfasilitasi pengembangan produk baru disesuaikan dan penawaran produk yang lebih baik mengatasi preferensi khusus dan prioritas dari pelanggan
.
Menurut Tsiptsis dan Chorianopoulos 2009 data mining bertujuan untuk mengekstrak pengetahuan dan wawasan melalui analisis data dalam jumlah besar
dengan menggunakan teknik pemodelan yang canggih
.
Data mining mengubah data menjadi pengetahuan dan informasi yang ditindaklanjuti
.
Data yang akan dianalisis mungkin berada dan terorganisir dalam data pasar dan gudang data atau dapat
diekstraksi dari berbagai sumber data terstruktur
.
Sebuah prosedur data mining memiliki banyak tahapan
.
Prosedur ini biasanya melibatkan manajemen data yang luas sebelum dilakukan penerapan algoritma pembelajaran statistik dan
pengembangan model yang tepat
.
2.5.2 Data mining dalam Kerangka CRM
Data mining dapat memberikan wawasan pelanggan yang sangat penting untuk membangun strategi CRM yang efektif
.
Hal ini dapat menyebabkan interaksi personal dengan pelanggan
,
maka kepuasan meningkat
.
Hal ini dapat mendukung manajemen terhadap pelanggan serta dioptimalkan pada seluruh tahapan siklus hidup
dari pelanggan tersebut
,
baik dari akuisisi dan pembentukan hubungan yang kuat
sehingga dapat mencegah pengurangan pelanggan atau kembali memenangkan pelanggan yang telah hilang
.
Retailer berusaha untuk mendapatkan pangsa pasar yang lebih besar dan pelanggan yang lebih besar dari target yang mereka tetapkan
.
Lebih khusus
,
kegiatan pemasaran yang dapat didukung dengan penggunaan data mining meliputi topik-topik berikut Tsiptsis dan Chorianopoulos
,
2009
.
1. Segmentasi Pelanggan
Segmentasi pelanggan adalah proses membagi basis pelanggan ke dalam kelompok-kelompok yang berbeda dan homogen dalam rangka untuk
mengembangkan strategi pemasaran yang berbeda sesuai dengan karakteristik pelanggan
.
Ada beberapa jenis segmentasi yang berbeda yaitu berdasarkan kriteria tertentu atau atribut yang digunakan untuk segmentasi
.
Dalam segmentasi perilaku
,
pelanggan dikelompokkan berdasarkan karakteristik perilaku dan penggunaan
.
Algoritma clustering dapat digunakan untuk menganalisis data perilaku serta mengidentifikasi kelompok alami dari
pelanggan
,
dan menyarankan solusi yang didasarkan pada pola data yang diamati
.
Data mining juga dapat digunakan untuk pengembangan skema segmentasi berdasarkan situasi saat ini yang diharapkan atau perkiraan dari
nilai pelanggan
.
Segmen ini diperlukan dalam rangka untuk memprioritaskan penanganan pelanggan dan intervensi pemasaran sesuai dengan pentingnya
setiap pelanggan
.
2. Segmentasi Kampanye Pemasaran Langsung
Retailer menggunakan kampanye pemasaran langsung untuk melakukan komunikasi dengan pelanggan mereka melalui surat
,
internet
,
e-mail
,
telepon
,
dan saluran langsung lainnya
.
Hal ini dilakukan untuk mendorong akuisisi pelanggan dan pembelian produk lainnya pada retailer tersebut
.
Lebih khusus lagi
,
kampanye akuisisi bertujuan menarik pelanggan baru yang memiliki potensi yang besar terhadap produk
.
Kampanye Cross-deep-up-selling diterapkan untuk menjual produk tambahan
,
bisa lebih baik dari produk yang sebelumnya
,
atau produk alternatif yang menguntungkan kepada pelanggan yang ada
.
Akhirnya
,
kampanye bertujuan untuk mencegah retensi pelanggan berharga dari mengakhiri hubungan mereka dengan retailer
.
Data mining dan klasifikasi kecenderungan model pada khususnya dapat mendukung pengembangan kampanye pemasaran bertarget
.
Mereka menganalisis karakteristik pelanggan dan mengenali profil dari target
pelanggan
.
Kasus baru dengan profil serupa kemudian diidentifikasi
,
diberi skor kecenderungan yang tinggi
,
dan termasuk dalam daftar target
.
Model klasifikasi digunakan untuk mengoptimalkan kampanye pemasaran dapat
dijelaskan sebagai berikut:
a. Model Akuisisi: model ini digunakan untuk mengenali calon pelanggan
yang berpotensi menguntungkan den gan mencari “clones” dari pelanggan
yang sudah ada dalam daftar kontak eksternal
,
b. Model Cross-deep-up-selling: model digunakan untuk mengungkapkan
potensi pembelian dari pelanggan yang sudah ada
.
c. Model Pengurangan Sukarela Voluntary attrition: model ini digunakan
untuk mengidentifikasi awal pelanggan dan melihat para pelanggan tersebut dengan kemungkinan peningkatan untuk meninggalkan suatu
organisasi secara sukarela
.
3. Segementasi Market Basket dan Sequence Analysis
Data mining dan model asosiasi pada khususnya dapat digunakan untuk mengidentifikasi produk-produk terkait yang biasanya dibeli bersama-sama
.
Model ini dapat digunakan untuk analisis market basket dan untuk mengungkapkan jenis produk atau jasa yang dapat dijual bersama-sama
dengan produk yang dibeli oleh pelanggan
.
Model urutan Sequence Analysis dilakukan dengan memperhitungkan urutan tindakan atau pembelian dari
pelanggan serta dapat mengidentifikasi urutan peristiwa yang akan terjadi
.
2.6 Metode Asosiasi
