Telkomsel menjalankan ribuan kampanye setiap bulan yang menargetkan pelanggan High Value Customer (HVC), namun terbukti memiliki tingkat personalisasi yang terbatas. Berdasarkan data yang di peroleh, 87 Triliun rupiah revenue Telkomsel, 52% disumbang oleh pelanggan HVC yang berjumlah sekitar 14% dari total pelanggan. Namun demikian, take up rate kampanye produk yang dilakukan terhadap segmen pelanggan HVC masih rendah (sekitar 4,5%). Disisi lain solusi "One-product-for-all" tidak lagi diterima, karena pelanggan menjadi lebih menuntut dan mencari produk dan layanan hasil personalisasi yang disesuaikan dengan kebutuhan mereka.
Menanggapi hal tersebut, dilakukan skema segmentasi HVC yang sesuai dengan Pemasaran Kontekstual, dengan menambahkan atrribut perilaku. Penelitian ini bertujuan untuk mengetahui pengaruh penambahan atribut perilaku pelanggan terhadap take-up rate, segmentasi pelanggan HVC beserta profil yang terbentuk, serta mengetahui strategi kampanye kontekstual yang sesuai bagi pelanggan HVC Telkomsel dengan mencocokkan produk yang ada dengan segmen baru.
Untuk melakukannya, penulis menerapkan pendekatan teori Segmentasi Pelanggan, Profil Pelanggan, Perilaku Pelanggan dan Pemasaran Kontekstual. Pengumpulan data menggunakan data historis transaksi pelanggan HVC Telkomsel. Sedangkan analisis data dilakukan dengan menggunakan software SPSS Modeler dengan algortima K-Means Clustering dan Logistic Regression. Semua proses analisa dilakukan di internal Telkomsel dan menggunakan sistem Data Mining Telkomsel. Proses segmentasi dilakukan dengan memanfaatkan 10 atribut yakni terdiri dari atribut Lenght of Stay, Data User Flag dan 8 atribut tambahan berdasarkan perilaku pelanggan.
Setelah dilakukan klastering diketahui bahwa dengan menambahkan 8 atribut perilaku mampu meningkatkan efektifitas kampanye ditunjukkan dengan peningkatan take-up rate sebesar 3,86%. Serta diperoleh 5 segmen baru yang terdiri dari pelanggan dengan karakteristik Data User Heavy on Internet with High Recharge (29,0%), Loyal customer, heavy on Voice and SMS with Medium Recharge (22,3%), Normal usage with High Recharge (18,5%), Customer Heavy on Voice and SMS with medium Recharge (20,7%), dan Value Customer, Heavy on Internet and Voice with High Recharge (9,6%). Strategi kampanye dilakukan dengan mencocokkan produk dengan karakteristik dan perilaku setiap segmen.
Dalam menentukan segmen pelanggan dan memprediksi hasil dari model, Telkomsel dapan memanfaatkan metode clustering K-Means dan Logistic Regression sebagai salah satu metode dan alat yang digunakan. Sehingga aktivitas kampanye melalui penawaran produk kepada pelanggan dapat lebih efektif dan efisien. Kemudian data historis dapat digunakan sebagai acuan dalam menentukan perilaku pelanggan dalam melakukan pembelian dan penggunaan produk.
Kata kunci: K-Means Clustering, Logistic Regression, Pemasaran Kontekstual, Profil Pelanggan, Segmentasi Pelanggan