HYPER-SEGMENTATION LAPSER MYTELKOMSEL APPS MENGGUNAKAN K-MEANS CLUSTERING UNTUK MENINGKATKAN PEMBELIAN PAKET DATA DI CHANNEL MYTELKOMSEL APPS (STUDI KASUS: AREA 3 – JAWA TIMUR, JAWA TENGAH - DIY, BALI NUSA TENGGARA)
WINDY HERLIN ALI

Informasi Umum

Kode

23.05.257

Klasifikasi

658 - General management, General business management, General industrial Management

Jenis

Karya Ilmiah - Thesis (S2) - Reference

Subjek

Market Segmentation

Dilihat

39 kali

Informasi Lainnya

Abstraksi

<p>MyTelkomsel Apps sebagai <i>self-service digital channel</i> hadir untuk memberikan kemudahan bagi pelanggan dalam melakukan pembelian paket data. Kondisi saat ini adalah <i>conversion rate</i> dari <i>active user </i>(pengguna MyTelkomsel Apps) menjadi <i>package user</i> (pembeli produk di MyTelkomsel Apps) masih rendah. Rendahnya <i>conversion rate</i> dilatarbelakangi oleh <i>active user</i> yang sebelumnya menjadi <i>package user </i>sudah tidak lagi bertransaksi atau yang dikenal sebagai <i>lapser</i>. Permasalahan yang dihadapi saat ini adalah bagaimana mengaktifkan kembali <i>lapser </i>untuk menjadi <i>package user</i>. Tujuan dari penelitian ini adalah untuk memberikan <i>insight</i> kepada Telkomsel tentang variabel apa saja yang mempengaruhi keputusan <i>lapser</i>, profil <i>lapser</i> yang akurat serta <i>treatment</i> apa saja yang tepat sasaran guna merubah <i>lapser</i> menjadi <i>package user</i>.</p>

<p>Penelitian ini didasari teori <em>Core Marketing Concept</em>, <em>STP</em>, <em>Marketing Mix</em> dan 15 penelitian terdahulu. Pembaharuan yang dilakukan dari penelitian sebelumnya adalah dengan meggunakan metode <em>predictive analytics</em> sebelum melakukan <em>clustering</em> terhadap <em>lapser</em> MyTelkomsel Apps. Hal ini penting untuk dilakukan sehingga <em>lapser</em> yang akan diberikan <em>treatment</em> menjadi tepat sasaran.</p>

<p>Algoritma <em>decision tree</em> digunakan untuk memprediksi 2.206.636 <em>lapser </em>yang dapat menjadi <em>package user</em> dan algoritma <em>K-Means Cluster</em> digunakan untuk membangun segmen <em>lapser </em>hasil prediksi. Data <em>lapser </em>diambil pada periode Maret 2023 pada lokasi Telkomsel Area 3 dan menggunakan teknik <em>stratified sampling</em>. Terdapat 70 variabel yang terdiri dari 1 <em>Geographic Variable</em>, 8 <em>Psychographic Variable</em> dan 61 <em>Behavioral Variable </em>yang dibentuk dalam 1 <em>data set</em>.</p>

<p>Proses <em>data cleansing </em>menghasilkan 1.914.232 <em>lapser</em> yang siap diolah dan dibagi ke dalam 20% <em>testing data</em> dan 80% <em>training data</em>.  Setelah variabel ditentukan dan data <em>lapser</em> diproses menggunakan algoritma <em>decision tree</em> maka didapatkan 45.116 (2.35%) pelanggan diprediksi menjadi <em>package user </em>sedangkan 1.869.116 (97.64%) pelanggan tetap menjadi <em>lapser</em> dengan akurasi model sebesar 97.25%. Dengan menggunakan teknik SSE, maka 45.116 pelanggan dikelompokan ke dalam 3 <em>cluster</em> (<em>silhouette score </em>3 <em>cluster</em>: 0.78).</p>

<p><em>Top</em> 5 <em>significant variable </em>dari <em>prediction model</em> adalah revbbumb, revbbmkios, revacq, revpv dan trxbroadbandpackage. 45.116 pelanggan <em>highly prospect</em> disegmentasi ke dalam 3 <em>cluster</em> antara lain <em>Low Data User</em> (94.89%), <em>Medium Data User thru UMB Channel</em> (4.14%) dan <em>Physical Voucher User with Medium ARPU</em> (0.97%). <em>Cluster</em> yang berpotensi memberikan pendapatan maksimal adalah <em>Cluster</em> <em>Medium Data User thru UMB Channel</em> karena memiliki revbbumb terbesar. <em>Cluster</em> ini diberikan penawaran Paket Data Bulanan Rp 153.000 dengan total <em>Quota </em>utama 53 GB, tambahan 53 GB <em>Quota Apps </em>dan 61 GB <em>Quota Youtube </em>serta bonus <em>Free Disney Subscription</em> dan 25 GB <em>Video Quota</em> yang tentunya hanya dijual di MyTelkomsel Apps lokasi Area 3.</p>

• ELI1B3 - MANAJEMEN PEMASARAN

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook