Segmentasi Pelanggan dan Target Pemasaran (Targeting) Menggunakan Algoritma K-Means Clustering untuk Kampanye Iklan yang Efektif
K-Meansクラスタリングを用いた効果的な広告キャンペーンのための顧客セグメンテーションとターゲットマーケティング (AI 翻訳)
Roswanda Nuraini, Zaenur Rozikin, Suprapto Suprapto
🤖 gxceed AI 要約
日本語
本論文は、RFM分析とK-Meansクラスタリングを用いて顧客をセグメント化し、効果的な広告ターゲティング戦略を提案する。5,000人の顧客データから4つのセグメント（VIP、ロイヤル、レギュラー、リスク顧客）を抽出し、シルエットスコア0.3787で評価した。GX関連の内容は含まれない。
English
This paper segments customers using RFM analysis and K-Means clustering to enable effective advertising targeting. From 5000 customers, four segments (VIP, Loyal, Regular, At-Risk) were identified with a Silhouette Score of 0.3787. No GX or sustainability content.
Unofficial AI-generated summary based on the public title and abstract. Not an official translation.
📄 Abstract（原文）
Perkembangan teknologi informasi menyebabkan meningkatnya volume data transaksi pelanggan yang dimiliki perusahaan, namun data tersebut sering kali belum dimanfaatkan secara optimal untuk mendukung pengambilan keputusan pemasaran, khususnya dalam penyusunan rekomendasi strategi targeting yang tepat sasaran. Penelitian ini bertujuan melakukan segmentasi pelanggan berdasarkan perilaku transaksi menggunakan metode Recency , Frequency , Monetary (RFM) dan algoritma K-Means Clustering . Data yang digunakan terdiri atas 5.000 pelanggan dengan 32.295 transaksi. Setelah melalui tahap preprocessing yang meliputi pemeriksaan struktur data, pengecekan missing value , penghapusan duplikasi, filtering dataset , dan transformasi tipe data, diperoleh 3.864 pelanggan dengan 28.009 transaksi. Selanjutnya, pembentukan variabel RFM menghasilkan 3.522 pelanggan yang memenuhi kualifikasi agregasi untuk proses segmentasi. Data kemudian dinormalisasi menggunakan metode Min-Max Scaling . Proses clustering dilakukan menggunakan algoritma K-Means dengan penentuan jumlah cluster menggunakan Elbow Method dan evaluasi menggunakan Silhouette Score . Hasil penelitian menunjukkan bahwa empat cluster dipilih dengan nilai Silhouette Score sebesar 0,3787 karena menghasilkan segmentasi yang lebih representatif untuk kebutuhan interpretasi bisnis. Berdasarkan karakteristik nilai centroid RFM, empat segmen yang terbentuk terdiri atas VIP Customer , Loyal Customer , Regular Customer , dan At-Risk Customer . Hasil segmentasi menunjukkan bahwa setiap segmen memiliki karakteristik perilaku transaksi yang berbeda sehingga menghasilkan rekomendasi strategi targeting yang berbeda untuk masing-masing segmen pelanggan. Dengan demikian, hasil penelitian ini dapat menjadi dasar analitis dalam penyusunan rekomendasi strategi targeting yang lebih terarah dan berbasis data serta berpotensi mendukung pengambilan keputusan pemasaran dan upaya mempertahankan pelanggan bernilai tinggi.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.55340/jiu.v15i1.2742first seen 2026-07-01 04:56:17 · last seen 2026-07-01 05:03:05
🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。
gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。