Klasterisasi Customer Lifetime Value Pelanggan Menggunakan K-Means pada Online Travel Agency

Abstract

Penjualan produk didapati pada perusahaan yang bergerak di bidang e-commerce, salah satunya adalah online travel agency (OTA). Setelah covid-19, perusahaan sedang bangkit dengan persaingan yang semakin banyak muncul dan pelanggan yang beralih ke e-commerce pesaing. Menjaga hubungan dari satu pelanggan ke pelanggan lainnya diperlukan. Data historis transaksi pelanggan dapat digunakan untuk melakukan klasterisasi. Sebelum itu, dilakukan pembentukan model RFM yaitu recency, frequency, dan monetary supaya bisa dilakukan perhitungan customer lifetime value. Klasterisasi yang digunakan adalah K-Means karena sederhana dan efisien. Penentuan jumlah klaster optimal menggunakn metode Gap Statistic. Jumlah klaster akan divalidasi separasinya oleh metode davies bouldin index. Setiap data klaster kemudian dicari rata-rata untuk nilai setiap fitur model RFM. Hasilnya akan dikali dengan bobot yang didapat dari AHP. Klaster dengan loyalitas tertinggi didapatkan pada klaster 2 yaitu 0.0297. Nilai fitur frequency pada klaster 2 juga merupakan nilai tertinggi. Hal ini menandakan klaster 2 merupakan pelanggan dengan nilai loyalitas yang tertinggi. Perusahaan dapat merancang strategi untuk pelanggan dengan program seperti pemberian diskon atau poin. Sedangkan, pada klaster dengan nilai loyalitas terendah bisa dibuatkan program personalized product.