Applying data mining with a new model on customer relationship management systems: a case of airline industry in Taiwan

2014 ◽  
Vol 6 (2) ◽  
pp. 89-97 ◽  
Author(s):  
Wen-Yu Chiang
Author(s):  
Savitha S. Kadiyala ◽  
Alok Srivastava

Data mining has various applications for customer relationship management. In this article, we introduce a framework for identifying appropriate data mining techniques for various CRM activities. This article attempts to integrate the data mining and CRM models and to propose a new model of Data mining for CRM. The new model specifies which types of data mining processes are suitable for which stages/processes of CRM. In order to develop an integrated model it is important to understand the existing Data mining and CRM models. Hence the article discusses some of the existing data mining and CRM models and finally proposes an integrated model of data mining for CRM.


Author(s):  
Yohanni Syahra ◽  
Yusnidah Y ◽  
Beni Andika

Konsumen merupakan aset yang sangat penting bagi perusahaan retail.Hal ini adalah alasan mengapa perusahaan retail harus merencanakan dan menggunakan strategi yang cukup jelas dalam memperlakukan konsumen.Dengan banyaknya jumlah konsumen yang dimiliki oleh suatu perusahaan retail, maka masalah yang dihadapi adalah bagaimana menentukan konsumen potensial.Dengan menerapkan konsep CRM (Customer Relationship Management), perusahaan dapat melakukan identifikasi konsumen potensial dengan melakukan segmentasi konsumen. Tujuan dari proses segmentasi konsumen adalah untuk mengetahui perilaku konsumen dan menerapkan strategi pemasaran yang tepat sehingga mendatangkan keuntungan bagi pihak perusahaan. Penelitian ini membahas tentang bagaimana proses data mining dari data konsumen di Toko Sweet Amirah, yaitu perusahaan retail yang khusus menjual perlengkapan dan peralatan bayi serta underwear pria dan wanita dewasa dan anak-anak dan berlokasi di Jalan Gedung Arca No. 29 B-C, Medan.ProsesData Miningini menggunakan data yang berasal dari data penjualan pada Toko Sweet Amirah dan bertujuan untuk mencari konsumen potensial.Model RFM merupakan model segmentasi yang umum digunakan pada perusahaan retail. Selanjutnya melakukan proses clustering menggunakan algoritma Fuzzy C-Means (FCM). Pada FCM jumlah cluster ditentukan. Hasil clustering dari algoritma tersebut digunakan untuk Aplikasidata miningmenggunakan MATLAB versi 7.10.0 dan memanfaatkan beberapatoolboxyaituFuzzy Logic ToolboxdanDatabase Toolbox


Sebatik ◽  
2018 ◽  
Vol 22 (2) ◽  
pp. 88-94
Author(s):  
Nindya Rahmawati Syarif ◽  
Windarto Windarto

Pada dunia retail, konsumen merupakan salah satu aset yang sangat berpengaruh. Oleh sebab itu konsumen menjadi alasan perusahaan retail harus merencanakan dan mempunyai strategi yang baik dalam memperlakukan konsumennya. Dengan banyaknya jumlah konsumen yang dimiliki oleh suatu perusahaan retail, maka masalah yang harus dihadapi adalah bagaimana menentukan konsumen potensial dan menerapkan strategi pemasaran yang tepat sehingga mendatangkan keuntungan bagi pihak perusahaan. Maka dari itu, dengan menerapkan konsep CRM (Customer Relationship Management), perusahaan dapat melakukan penerapan konsumen potensial dengan melakukan segmentasi pengelompokan konsumen. Penelitian ini membahas tentang proses data mining menggunakan data konsumen dan data transaksi pada PT Eka Cipta Rasa. Proses data mining dimulai dengan melakukan proses clustering menggunakan algoritma Fuzzy C-Means (FCM). Output dari FCM adalah deretan pusat cluster dan beberapa derajat keanggotaan untuk setiap titik data. Hasil clustering digunakan untuk melakukan segmentasi kelas konsumen dengan menggunakan model Fuzzy RFM. Model Fuzzy RFM yaitu dengan menggabungkan teori himpunan fuzzy dengan model RFM dengan segmentasi berdasarkan atribut Recency, Frequency, dan Monetary. Umumnya perusahaan retail menggunakan metode ini untuk proses segmentasi konsumennya. Pengelompokkan (cluster) pelanggan berdasarkan karakteristik dan sifat saat bertransaksi dapat dijadikan suatu alternatif dalam pemecahan masalah. Dalam hal  ini, pelanggan akan dibagi menjadi 4 kelompok atau cluster pelanggan diantaranya  Golden, Silver, Bronze, dan Iron adapun variabel yang menjadi acuan pengelompokannya adalah tanggal pembelian akhir , frekuensi beli, dan total pembelian. Data yang digunakan merupakan data transaksi pelanggan periode Januari sampai Juni 2016. Total data adalah 4007 transaksi dari 328 pelanggan. Setelah data tersebut diolah dengan algoritma Fuzzy C-Means dan metode RFM, hasil akhir pada proses ini menunjukkan iterasi berakhir pada iterasi ke – 9 dengan total fungsi objektif sebesar 102,2 dan perubahan fungsi objektif sebesar 51,1. Cluster pelanggan yang dihasilkan adalah Golden : 38, Silver: 186, Bronze : 103 dan Iron : 0 .


Sign in / Sign up

Export Citation Format

Share Document