scholarly journals The Strategic Importance of Data Mining Analysis for Customer-Centric Marketing Strategies

2013 ◽  
pp. 126-148 ◽  
Author(s):  
Valerio Veglio
Keyword(s):  
Data Mining ◽  
Customer Relationship Management ◽  
Logistic Regression Model ◽  
Relationship Management ◽  
Strong Relationship ◽  
Marketing Strategies ◽  
Customer Relationship ◽  
Competitive Strategies ◽  
Main Challenge ◽  
Vital Resource

The main challenge for companies is to identify accurate models and methods to predict winning competitive strategies. Data mining is becoming an astonishing approach for data analysis because the meaningful knowledge is often hidden in enormous databases, and most traditional statistical methods could fail to uncover such knowledge. An efficient development of the customer relationship management and the data mining is the vital resource to collect and to manage this knowledge. The purpose of this chapter is to demonstrate the strong relationship between data mining and customer relationship management in order to forecast customer-centric marketing strategies. The last part of this chapter shows the results of an empirical study related to the identification of the main marketing and financial activities that could be leading customers in a credit-risk state. This study focuses the attention on the logistic regression model and on the criteria based on the loss function.

scholarly journals The Strategic Importance of Data Mining Analysis for Customer-Centric Marketing Strategies

2012 ◽  
pp. 1746-1767
Author(s):  
Valerio Veglio
Keyword(s):  
Data Mining ◽  
Customer Relationship Management ◽  
Logistic Regression Model ◽  
Relationship Management ◽  
Strong Relationship ◽  
Marketing Strategies ◽  
Customer Relationship ◽  
Competitive Strategies ◽  
Main Challenge ◽  
Vital Resource

The main challenge for companies is to identify accurate models and methods to predict winning competitive strategies. Data mining is becoming an astonishing approach for data analysis because the meaningful knowledge is often hidden in enormous databases, and most traditional statistical methods could fail to uncover such knowledge. An efficient development of the customer relationship management and the data mining is the vital resource to collect and to manage this knowledge. The purpose of this chapter is to demonstrate the strong relationship between data mining and customer relationship management in order to forecast customer-centric marketing strategies. The last part of this chapter shows the results of an empirical study related to the identification of the main marketing and financial activities that could be leading customers in a credit-risk state. This study focuses the attention on the logistic regression model and on the criteria based on the loss function.

scholarly journals Penerapan Algoritma Fuzzy C-Means Dipadukan Dengan Model Fuzzy Recency Frequency Monetary (RFM) Untuk Customer Relationship Management (CRM) (Studi Kasus Di TokoSweet Amirah Medan)

2019 ◽  
Vol 15 (1) ◽  
pp. 7
Author(s):  
Yohanni Syahra ◽  
Yusnidah Y ◽  
Beni Andika
Keyword(s):  
Data Mining ◽  
Customer Relationship Management ◽  
Relationship Management ◽  
Customer Relationship ◽  
Fuzzy C Means

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

scholarly journals Prediction of customer behaviour through datamining assets

2009 ◽  
Vol 57 (3) ◽  
pp. 43-54
Author(s):  
Naděžda Chalupová
Keyword(s):  
Neural Network ◽  
Customer Relationship Management ◽  
Relationship Management ◽  
Marketing Strategies ◽  
Customer Relationship ◽  
Business Managers ◽  
Correct Decision ◽  
Commercial Success ◽  
Customer Behaviour ◽  
Managerial Decisions

Business managers accounting for commercial success or non-success of the organization have to gain knowledge needful for correct decision acceptance. These knowledge represent sophisticated information hidden in enterprise data. One possibility, how to extract mentioned knowledge from data, is to use so-called datamining assets.The paper deals with an application of chosen basic methods of knowledge discovering in da­ta­ba­ses for area of customer-provider relation and it presents, how to avail acquired knowledge as basis of managerial decisions leading to improving of customer relationship management. It solves prediction, whose aim is, on the basis of some attributes of exploring objects, to predict future be­ha­viour of objects with these attributes. This way acquired knowledge, as the output of prediction, then can markedly help competent enterprise manager with planning of marketing strategies, for example so-called cross-selling and up-selling. The contribution describes a whole operation of available data processing: from its purifying, over its preparation for mining task, to self processing by the help of SAS Enterprise Miner tool. Regression analysis, neural network and decision tree, whose principles are briefly explained in this paper too, were used for knowledge mining. The estimation of customer behaviour was tested by two mining task varying in attribute using and in categories number of one of predicive attributes. The results of these two tasks are confronted by the help of prediction fruitfulness charts.

scholarly journals IMPLEMENTASI ALGORITMA FUZZY C-MEANS DAN METODE RECENCY FREQUENCY MONETARY (RFM) PADA APLIKASI DATA MINING UNTUK PENGELOMPOKAN PELANGGAN

Sebatik ◽  
2018 ◽  
Vol 22 (2) ◽  
pp. 88-94
Author(s):  
Nindya Rahmawati Syarif ◽  
Windarto Windarto
Keyword(s):  
Data Mining ◽  
Customer Relationship Management ◽  
Relationship Management ◽  
Customer Relationship ◽  
Fuzzy C Means ◽  
Rfm Model ◽  
Total Data

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