Analisis Pemilihan Merchant Menggunakan Metode Segmentation Model Two Step Clustering pada Bank X
DOI:
https://doi.org/10.32493/Inovasi.v10i2.p479-487.36202Keywords:
Metode Analisis Two Step Clustering, Segmentasi, Preferensi konsumenAbstract
Dalam penelitian ini data yang digunakan berasal dari transaksi pembelian dalam satu bulan nasabah Bank X yang dianalisis menggunakan metode two step cluster analysis. Penelitian ini bertujuan untuk mengidentifikasi kelompok nasabah yang memiliki karakteristik serupa dan merekomendasikan strategi dalam pemilihan merchant untuk membantu Bank X dalam menentukan target pasar yang tepat untuk meningkatkan kepuasan nasabah, dan meningkatkan transaksi serta memicu nasabah yang tidak aktif agar dapat aktif melakukan transaksi dengan program - program yang tepat sasaran guna meningkatkan kepuasan nasabah, dan mendorong pertumbuhan bisnis. Berdasarkan hasil pembahasan proses segmentasi cluster yang telah dilakukan pada aplikasi pengolahan data SPSS dan menggunakan algoritma two step cluster analysis, diperoleh 4 cluster yang memiliki persona dengan karakteristik dan preferensi yang berbeda-beda. Cluster 1 dengan label persona Foodie Cluster, sedangkan Cluster 2 dengan label persona Mobile Cluster (karena persona transaksinya di SPBU). Cluster 3 dengan label persona Groceries Cluster (karena berdasarkan data persona transaksi di supermarket/minimarket). Cluster 4 dengan label persona Fashion. Dari hasil analisis dan pembahasan 4 cluster yang ada, disimpulkan bahwa produk yang dominan transaksinya adalah pada segment food & beverage. Bank X memilih segment food & Beverage sebagai merchant target pasar yang tepat untuk meningkatkan kepuasan nasabah serta meningkatkan transaksi. “Cashback untuk Pembelian di Merchant Food & Beverage†sebagai value proposition dari Bank X.
References
Jain, A. K., Murty, M. N., & Flynn, P. J. (2000). Data clustering: a review. ACM computing surveys (CSUR), 31(3), 264-323.
Awaliah, Resky. (2018). Analisis Clustering Untuk Pengelompokan Tingkat Kesejahteraan Kabupaten/Kota Berdasarkan Sosial Ekonomi Rumah Tangga di Wilayah Sulawesi Selatan.
Murpratiwi, S. I., Indrawan, I. G. A., & Aranta, A. (2021). Analisis Pemilihan Cluster Optimal dalam Segmentasi Nasabah Toko Retail.
R. A. Indraputra and R. Fitriana, “K-Means clustering Data COVID-19,†J. Tek. Ind., vol. 10, no. 3, pp. 275–282, 2020.
Savitri, A. D., Bachtiar, F. A., & Setiawan, N. Y. (2018). Segmentasi Nasabah Menggunakan Metode K-Means clustering Berdasarkan Model RFM Pada Klinik Kecantikan
Setiawan, Agung Hendra & Noviana Pratiwi. (2016). "Penerapan Metode Two Step Cluster untuk Pengelompokkan Potensi Desa," Volume 4, No 2, Juli 2019, pp. 41-51
Downloads
Published
How to Cite
Issue
Section
License
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
INOVASI: journal of managenet have CC-BY-SA or an equivalent license as the optimal license for the publication, distribution, use, and reuse of scholarly work.
In developing strategy and setting priorities, INOVASI: JOURNAL OF MANAGEMENT recognize that free access is better than priced access, libre access is better than free access, and libre under CC-BY-SA or the equivalent is better than libre under more restrictive open licenses. We should achieve what we can when we can. We should not delay achieving free in order to achieve libre, and we should not stop with free when we can achieve libre.