MyTelkomsel Apps sebagai self-service digital channel hadir untuk memberikan kemudahan bagi pelanggan dalam melakukan pembelian paket data. Kondisi saat ini adalah conversion rate dari active user (pengguna MyTelkomsel Apps) menjadi package user (pembeli produk di MyTelkomsel Apps) masih rendah. Rendahnya conversion rate dilatarbelakangi oleh active user yang sebelumnya menjadi package user sudah tidak lagi bertransaksi atau yang dikenal sebagai lapser. Permasalahan yang dihadapi saat ini adalah bagaimana mengaktifkan kembali lapser untuk menjadi package user. Tujuan dari penelitian ini adalah untuk memberikan insight kepada Telkomsel tentang variabel apa saja yang mempengaruhi keputusan lapser, profil lapser yang akurat serta treatment apa saja yang tepat sasaran guna merubah lapser menjadi package user.
Penelitian ini didasari teori Core Marketing Concept, STP, Marketing Mix dan 15 penelitian terdahulu. Pembaharuan yang dilakukan dari penelitian sebelumnya adalah dengan meggunakan metode predictive analytics sebelum melakukan clustering terhadap lapser MyTelkomsel Apps. Hal ini penting untuk dilakukan sehingga lapser yang akan diberikan treatment menjadi tepat sasaran.
Algoritma decision tree digunakan untuk memprediksi 2.206.636 lapser yang dapat menjadi package user dan algoritma K-Means Cluster digunakan untuk membangun segmen lapser hasil prediksi. Data lapser diambil pada periode Maret 2023 pada lokasi Telkomsel Area 3 dan menggunakan teknik stratified sampling. Terdapat 70 variabel yang terdiri dari 1 Geographic Variable, 8 Psychographic Variable dan 61 Behavioral Variable yang dibentuk dalam 1 data set.
Proses data cleansing menghasilkan 1.914.232 lapser yang siap diolah dan dibagi ke dalam 20% testing data dan 80% training data. Setelah variabel ditentukan dan data lapser diproses menggunakan algoritma decision tree maka didapatkan 45.116 (2.35%) pelanggan diprediksi menjadi package user sedangkan 1.869.116 (97.64%) pelanggan tetap menjadi lapser dengan akurasi model sebesar 97.25%. Dengan menggunakan teknik SSE, maka 45.116 pelanggan dikelompokan ke dalam 3 cluster (silhouette score 3 cluster: 0.78).
Top 5 significant variable dari prediction model adalah revbbumb, revbbmkios, revacq, revpv dan trxbroadbandpackage. 45.116 pelanggan highly prospect disegmentasi ke dalam 3 cluster antara lain Low Data User (94.89%), Medium Data User thru UMB Channel (4.14%) dan Physical Voucher User with Medium ARPU (0.97%). Cluster yang berpotensi memberikan pendapatan maksimal adalah Cluster Medium Data User thru UMB Channel karena memiliki revbbumb terbesar. Cluster ini diberikan penawaran Paket Data Bulanan Rp 153.000 dengan total Quota utama 53 GB, tambahan 53 GB Quota Apps dan 61 GB Quota Youtube serta bonus Free Disney Subscription dan 25 GB Video Quota yang tentunya hanya dijual di MyTelkomsel Apps lokasi Area 3.