Penerapan Association Rules untuk Elemen Cross Selling Pada Sistem Informasi Customer Development

Authors

  • Siti Monalisa UIN Suska Riau
  • Amelia Septia Roza UIN Suska Riau

DOI:

https://doi.org/10.33633/tc.v20i3.4750

Keywords:

Association Rules, CRM, Cross Selling, HPAI

Abstract

Tingkat persaingan yang tinggi dalam dunia bisnis, membuat HPAI harus melakukan strategi yang kuat dalam pemasaran dan penjualan produk. Semakin hari, data transaksi penjualan semakin banyak, dikarenakan ada 1500 transaksi setiap bulan yang terdiri dari 49 produk. Selama ini, data transaksi penjualan dilaporkan kepada pimpinan dan kemudian diarsipkan. Setelah itu, data tersebut tidak diolah dengan benar. Untuk itu diperlukannya sebuah strategi bisnis untuk dapat mengenal pelanggan secara lebih detail dan melayani mereka sesuai kebutuhannya. Customer Relationship Management (CRM) adalah sebuah strategi bisnis untuk memahami, mengantisipasi dan mengelola kebutuhan pelanggan yang potensial. Salah satu bagian dari CRM yakni cross- selling, yang harus didahului oleh analisis yang mendalam mengenai data transaksi pelanggan dengan menggunakan konsep data mining yang melibatkan proses pengambilan sumber informasi dari sebuah transaksi pelanggan. Association rules merupakan salah satu metode dalam data mining yang dapat menghasilkan beberapa pola yang bisa dijadikan strategi penjualan cross selling dalam merekomendasikan  suatu  produk  kepada  pelanggan.  Nilai  minimun  support yang digunakan yakni 9% dan 60% yang menghasilkan 3 rules yang nantinya akan direkomendasikan kepada pelanggan melalui email.

References

Beheshtian-Ardakani, A., Fathian, M., & Gholamian, M., 2018. A novel model for product bundling and direct marketing in e-commerce based on market segmentation. Decision Science Letters, 7(1),39–54. https://doi.org/10.5267/j.dsl.2017.4.005

Buttle, F., & Stan, M., 2015. Customer Relationship Management (Third edit). Butterworth-Heinemann.

Cruz-Jesus, F., Pinheiro, A., & Oliveira, T., 2019. Understanding CRM adoption stages: empirical analysis building on the TOE framework. Computers in Industry, 109, 1–13. https://doi.org/10.1016/j.compind.2019.03.007

Gordon., 2013. For Marketing, Sales, and Customer Relationship Management. In Journal of Chemical Information and Modeling (Vol. 53). https://doi.org/10.1017/CBO9781107415324.004

Li, S., Sun, B., & Montgomery, A. L., 2011. Cross-selling the right product to the right customer at the right time. Journal of Marketing Research, 48(4), 683–700. https://doi.org/10.1509/jmkr.48.4.683

Lim, A. H. L., & Lee, C. S., 2010. Processing online analytics with classification and association rule mining. Knowledge-Based Systems, 23(3), 248–255. https://doi.org/10.1016/j.knosys.2010.01.006

Ngai, E. W. T., Xiu, L., & Chau, D. C. K., 2009. Application of data mining techniques in customer relationship management: A literature review and classification. Expert Systems with Applications, 36(2 PART 2), 2592–2602. https://doi.org/10.1016/j.eswa.2008.02.021

Park, C. H., & Kim, Y. G., 2003. A framework of dynamic CRM: Linking marketing with information strategy. Business Process Management Journal, 9(5), 652–671. https://doi.org/10.1108/14637150310496749

Rababah, K., 2011. Customer Relationship Management (CRM) Processesfrom Theory to Practice: The Pre-implementation Plan ofCRM System. International Journal of E-Education, e-Business, e-Management and e-Learning, 1(1). https://doi.org/10.7763/ijeeee.2011.v1.4

Richards, K. A., & Jones, E., 2008. Customer relationship management: Finding value drivers. Industrial Marketing Management, 37(2), 120–130. https://doi.org/10.1016/j.indmarman.2006.08.005

Smita, S., & Sharma, P., 2014. Use of Data Mining in Various Field: A Survey Paper. IOSR Journal of Computer Engineering, 16(3), 18–21. https://doi.org/10.9790/0661-16351821

Timalsina, A. K., 2013. A framework for personalized dynamic cross-selling in E-commerce retailing. Dissertation Abstracts International: Section B: The Sciences and Engineering, 73.

Downloads

Published

2021-08-28