ANALISIS SEGMENTASI PELANGGAN E-COMMERCE INDIA BERBASIS RFM DAN PROFITABILITAS MENGGUNAKAN K-MEANS

Abstract

Perkembangan industri e-commerce mendorong perusahaan untuk memahami perilaku pelanggan guna meningkatkan efektivitas strategi pemasaran. Namun, keberagaman karakteristik pelanggan menyebabkan perusahaan kesulitan mengidentifikasi pelanggan yang berkontribusi terhadap profitabilitas. Penelitian ini bertujuan melakukan segmentasi pelanggan menggunakan metode Recency, Frequency, Monetary (RFM) dan analisis profitabilitas dengan algoritma K-Means. Metode penelitian menggunakan pendekatan Knowledge Discovery in Databases (KDD) yang meliputi data selection, preprocessing, transformation, clustering, dan evaluation. Dataset yang digunakan merupakan data transaksi Indian e-commerce periode 2023–2025 sebanyak 30.600 data. Penentuan jumlah cluster optimal dilakukan menggunakan metode Elbow dan evaluasi menggunakan Silhouette Score. Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah tiga cluster dengan nilai Silhouette Score sebesar 0,4747. Cluster yang dihasilkan terdiri dari Low Loyalty sebanyak 13.707 pelanggan (44,8%), Medium Loyalty sebanyak 13.634 pelanggan (44,5%), dan High Loyalty sebanyak 3.259 pelanggan (10,7%). Analisis profitabilitas menunjukkan kontribusi revenue masing-masing cluster sebesar 33%, 36%, dan 31%. Hasil segmentasi dapat digunakan untuk menentukan strategi pemasaran, retensi pelanggan, dan peningkatan profitabilitas perusahaan.