Analisis Pemasaran Bisnis dengan Data Science : Segmentasi Kepribadian Pelanggan berdasarkan Algoritma K-Means Clustering
Data Sciences Indonesia (DSI) · 2022
DOI: 10.47709/dsi.v1i2.1348 ↗Kurz gefasst
Fachartikel in der Zeitschrift Data Sciences Indonesia (DSI), 2022. Verfasst von Mawaddah Harahap und 2 weiteren Autor:innen. Die Arbeit wurde bisher 1-mal zitiert (Crossref).
Abstract (Originalsprache)
Dalam makalah ini kami menyajikan analisis kepribadian pelanggan dalam membantu bisnis untuk memodifikasi produknya berdasarkan target pelanggan dari berbagai jenis segmen pelanggan sehingga menemukan pelanggan yang potensial, membuat pemasaran agar lebih efektif, melihat tren dalam perilaku pembelian pelanggan dan membuat penawaran produk yang relevan kepada pelanggan. Kerangka kerja Data Science (ilmu data) dengan metodologi CRIS-DM diterapkan untuk memberikan pemahaman bisnis, pemahaman data, analisis data dan pemodelan. Pada tahapan pemodelan diusulkan Principal component analysis (PCA) untuk pengurangan dimensial fitur, kemudian algoritma K-Means untuk segmentasi pelanggan dengan menggunakan metode ellow dan silhouette yang menghasilkan nilai k=4 yang paling optimal. Terakhir, hasil 4 cluster di analisis berdasarkan proposi, belanja, pendidikan dan tingkat keberhasilan kampanye yang disajikan secara visualisasi.
Zitieren
APA
Harahap, M., Lubis, Y., & Situmorang, Z. (2022). Analisis Pemasaran Bisnis dengan Data Science : Segmentasi Kepribadian Pelanggan berdasarkan Algoritma K-Means Clustering. Data Sciences Indonesia (DSI). https://doi.org/10.47709/dsi.v1i2.1348
Vancouver
Harahap M, Lubis Y, Situmorang Z. Analisis Pemasaran Bisnis dengan Data Science : Segmentasi Kepribadian Pelanggan berdasarkan Algoritma K-Means Clustering. Data Sciences Indonesia (DSI). 2022. doi:10.47709/dsi.v1i2.1348
BibTeX
@article{Harahap2022,
author = {Harahap, Mawaddah and Lubis, Yusniar and Situmorang, Zakarias},
title = {Analisis Pemasaran Bisnis dengan Data Science : Segmentasi Kepribadian Pelanggan berdasarkan Algoritma K-Means Clustering},
journal = {Data Sciences Indonesia (DSI)},
year = {2022},
doi = {10.47709/dsi.v1i2.1348}
}
EUVIMED