Segmentasi Customer Pada Industri Ritel Menggunakan Teknik Clustering K-Means

Abstract

Persaingan yang semakin ketat dalam industri ritel menuntut perusahaan untuk memahami perilaku pelanggan secara lebih mendalam guna menyusun strategi pemasaran yang tepat sasaran. enelitian ini bertujuan untuk melakukan segmentasi pelanggan pada industri ritel dengan studi kasus Transmart Carrefour menggunakan pendekatan analisis RFM (Recency, Frequency, Monetary) dan teknik clustering K-Means. Data yang digunakan diperoleh dari dataset “Retail Sales Dataset” melalui platform Gigasheet, yang mencakup lebih dari 1.000 data transaksi pelanggan. Analisis RFM digunakan untuk mengukur perilaku pembelian pelanggan berdasarkan keterkinian transaksi, frekuensi pembelian, dan nilai total transaksi. Nilai RFM kemudian dijadikan input untuk algoritma K-Means Clustering guna mengelompokkan pelanggan ke dalam beberapa segmen homogen. Berdasarkan metode Elbow, jumlah klaster optimal yang diperoleh adalah 4. Hasil klasterisasi menunjukkan bahwa Klaster 2 merupakan segmen pelanggan paling potensial dengan nilai Frequency dan Monetary tertinggi, sedangkan Klaster 3 merupakan segmen pelanggan kurang aktif. Analisis centroid menunjukkan perbedaan karakteristik signifikan antar klaster, yang dapat dimanfaatkan untuk perancangan strategi pemasaran yang lebih efektif dan personal. Dengan memahami karakteristik tiap segmen, perusahaan dapat meningkatkan efisiensi kampanye pemasaran, retensi pelanggan, serta loyalitas pelanggan secara keseluruhan.