DWINANDA, ASSYA (2025) IMPLEMENTASI ALGORITMA K-MEANS UNTUK SEGMENTASI PELANGGAN BERDASARKAN PERILAKU PEMBELIAN DI E-COMMERCE SHOPEE (STUDI KASUS: TOKO BUNGA BALLOONS FLOWER). S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 COVER.pdf Download (635kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
02 BAB 1.pdf Restricted to Registered users only Download (115kB) |
|
|
Text (BAB II)
03 BAB 2.pdf Restricted to Registered users only Download (573kB) |
|
|
Text (BAB III)
04 BAB 3.pdf Restricted to Registered users only Download (109kB) |
|
|
Text (BAB IV)
05 BAB 4.pdf Restricted to Registered users only Download (656kB) |
|
|
Text (BAB V)
06 BAB 5.pdf Restricted to Registered users only Download (27kB) |
|
|
Text (DAFTAR PUSTAKA)
07 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (109kB) |
|
|
Text (LAMPIRAN)
08 LAMPIRAN.pdf Restricted to Registered users only Download (555kB) |
Abstract
Customer segmentation is a crucial step in developing an effective marketing strategy to understand the differences in consumer characteristics and behavior. This study proposes the implementation of the K-Means algorithm to segment customers based on purchasing behavior in an e-commerce company. The K-Means algorithm is used to group customers into several segments by utilizing transaction data, including purchase frequency, transaction value, and types of products purchased. The segmentation process classifies customers into groups with similar characteristics, which can then be used to create more targeted marketing strategies and personalized offers. The results of this study reveal several customer segments with distinct purchasing behaviors, such as loyal customers, seasonal customers, and high-value customers, each requiring a different marketing approach. The implementation of the K-Means algorithm for customer segmentation proves effective in identifying relevant purchasing behavior patterns and providing the company with deep insights to optimize business strategies and improve customer retention. This research also highlights the importance of data analysis in creating business intelligence solutions that enhance the competitiveness of companies in the e-commerce industry. Keywords: Customer Segmentation, K-Means Algorithm, Purchasing Behavior, ECommerce, Business Intelligence. Segmentasi pelanggan merupakan langkah penting dalam strategi pemasaran yang efektif untuk memahami perbedaan karakteristik dan perilaku konsumen. Dalam penelitian ini, diusulkan implementasi algoritma K-Means untuk melakukan segmentasi pelanggan berdasarkan perilaku pembelian di perusahaan e-commerce. Algoritma K-Means digunakan untuk mengelompokkan pelanggan ke dalam beberapa segmen dengan memanfaatkan data transaksi, termasuk frekuensi pembelian, nilai transaksi, dan jenis produk yang dibeli. Proses segmentasi dilakukan dengan mengklasifikasikan pelanggan ke dalam kelompokkelompok yang memiliki kesamaan karakteristik, yang kemudian dapat digunakan untuk menyusun strategi pemasaran yang lebih terarah dan personalisasi penawaran. Hasil dari penelitian ini menunjukkan adanya beberapa segmen pelanggan dengan perilaku pembelian yang berbeda,seperti pelanggan setia, pelanggan musiman, dan pelanggan bernilai tinggi, yang masing-masing membutuhkan pendekatan pemasaran yang berbeda. Implementasi algoritma K-Means dalam segmentasi pelanggan terbukti efektif dalam mengidentifikasi pola perilaku pembelian yang relevan dan memberikan wawasan yang mendalam kepada perusahaan untuk mengoptimalkan strategi bisnis dan meningkatkan retensi pelanggan. Penelitian ini juga menggarisbawahi pentingnya analisis data dalam menciptakan solusi kecerdasan bisnis yang dapat meningkatkan daya saing perusahaan di industri ecommerce. Kata Kunci: Segmentasi Pelanggan, Algoritma K-Means, Perilaku Pembelian, ECommerce, Kecerdasan Bisnis.
Actions (login required)
 |
View Item |
