Analisa Partisipasi Pelanggan Program Loyalitas Menggunakan K-Means Clustering Untuk Meningkatkan Pembelanjaan Point Reward - Studi Kasus Telkomsel Poin

DWI WAHYU WIJAYA

Informasi Umum

Kode

19.05.045

Klasifikasi

C -

Jenis

Karya Ilmiah - Thesis (S2) - Reference

Subjek

Customer Relationships Management

Informasi Lainnya

Abstraksi

Telkomsel Poin sebagai salah satu program CRM Telkomsel harus lebih ditingkatkan agar pelanggan merasa puas dan loyalitas pelanggan tetap terjaga sehingga tidak berpindah ke produk operator lain. Berdasarkan data Telkomsel Poin tahun 2017, pembelanjaan Telkomsel Poin pelanggan Telkomsel rendah dengan persentase 17,8%. Selain itu, rata-rata pelanggan Telkomsel mengalami churn sebanyak 9,77% dari jumlah pelanggan aktif pada tahun 2017. Rendahnya pembelanjaan Telkomsel Poin pelanggan berarti kurang efektifnya program Telkomsel Poin sebagai program CRM Telkomsel untuk mengelola hubungan atau relasi dengan pelanggan dan strategi utama Telkomsel untuk menurunkan churn pelanggan. Melalui penelitian ini, dilakukan pengukuran pengaruh variabel LoS (Length of Stay), tier, frekuensi redeem, merchant dan target redeem terhadap partisipasi program loyalitas pelanggan Telkomsel Poin berdasarkan history transaksi pembelanjaan Telkomsel Poin pelanggan Telkomsel. Selain itu, penelitian ini melakukan clustering partisipisan program loyalitas pelanggan Telkomsel Poin untuk memahami karakteristik dari masing-masing cluster partisipisan program loyalitas pelanggan Telkomsel Poin sebagai bahan rekomendasi strategi meningkatkan pembelanjaan Telkomsel Poin. Teknik analisis yang dipakai untuk menganalisis data dalam penelitian ini adalah teknik Regresi Linear. Berdasarkan hasil analisis data, dapat diketahui bahwa pengaruh variabel LoS (Length of Stay), tier, frekuensi redeem, merchant dan target redeem terhadap persentase redeem atau partisipasi program loyalitas pelanggan Telkomsel Poin menunjukkan nilai yang memiliki hubungan yang signifikan. Evaluasi model dapat dilihat dengan nilai R square sebesar 0.794 yang berarti variabel bebas pada model mampu menjelaskan variabel persentese redeem sebesar 79.4% sedangkan sisanya 21.6% dijelaskan oleh variabel di luar model. Dengan mnggunakan Silhouette Index sebagai alat evaluasi dalam clustering menggunakan K-Means didapatkan jumlah cluster optimal sebanyak 5 cluster dengan index mencapai 0.639. Hasil analisis menggunakan K-Means clustering menggunakan 5 cluster didapatkan pelanggan dengan karakteristik masing-masing cluster. Strategi untuk meningkatkan pembelanjaan Telkomsel Poin berdasarkan People, Process dan Technology. People, pelayanan profesional yang memberikan personal touch kepada pelanggan dan awareness terkait program Telkomsel Poin. Process, perbaikan proses bisnis akuisisi merchant/mitra dan proses bisnis diferensiasi benefit Telkomsel Poin berdasarkan tier pelanggan.Technology, pemanfaatan data analytic pelanggan sehinga dapat melakukan targeted offering / campaign kepada pelanggan.

Kata kunci: Point, Reward, Redemption, Linear Regression, Clustering, K-Means, Personalized Marketing, Targeted Offering