PEMETAAN PELANGGAN MENGGUNAKAN MODEL LENGTH, RECENCY, FREQUENCY DAN MONETARY UNTUK MENDUKUNG STRATEGI PENGELOLAAN PELANGGAN

Yolanda Afilda (2021): Pemetaan Pelanggan Menggunakan Model Length, Recency, Frequency dan Monetary untuk Mendukung Strategi Pengelolaan Pelanggan. Pelanggan seharusnya menjadi fokus utama bagi sebuah perusahaan. Hubungan antara pelang�gan dan perusahaan sangat penting untuk menunjang kelangsungan dan perkembangan suatu perusahaan. Dengan banyaknya pelanggan yang dimiliki, perusahaan mengalami kesulitan dalam menentukan pelanggan yang potensial dan tidak potensial serta strategi apa yang akan diterapkan pada setiap pelanggan. Perlakuan yang sama bagi semua pelanggan dapat menyebabkan pelanggan yang tidak potensial mengurangi nilai dari pelanggan yang berpotensial. Salah satu solusi yang dapat dilakukan untuk mengatasi masalah tersebut yaitu dengan melakukan pemetaan pelanggan. Pemetaan dilakukan menggunakan metode K-Means clustering, LRFM model dan mengkombi�nasikannya dengan algoritma AHP untuk menentukan bobot relatif LRFM. Hasil validasi cluster menggunakan DBI menghasilkan 2 cluster terbaik. Hasil cluster tersebut selanjutnya dipetakan dengan customer value matrix dan customer loyalty matrix. Berdasarkan nilai CLV, cluster pertama merupakan segmen terbaik dengan nilai CLV sebesar 0,09 dengan jumlah pelanggan sebanyak 3.078 pelanggan, termasuk kedalam segmen potential customer dan usulan strategi yang akan digunakan yaitu enforced strategy. Cluster kedua adalah peringkat kedua dengan nilai CLV sebesar 0,067 dengan jumlah pelanggan sebanyak 3.827, termasuk kedalam segmen new customer dan usulan strategi yang akan digunakan yaitu let-go strategy