digilib@itb.ac.id +62 812 2508 8800

COVER Ubaydillah Yus'an
PUBLIC Roosalina Vanina Viyazza

BAB 1 Ubaydillah Yus'an
PUBLIC Roosalina Vanina Viyazza

BAB 2 Ubaydillah Yus'an
PUBLIC Roosalina Vanina Viyazza

BAB 3 Ubaydillah Yus'an
PUBLIC Roosalina Vanina Viyazza

BAB 4 Ubaydillah Yus'an
PUBLIC Roosalina Vanina Viyazza

PUSTAKA Ubaydillah Yus'an
PUBLIC Roosalina Vanina Viyazza

Penelitian ini bertujuan untuk meningkatkan take up rate dari retention marketing campaign sekaligus meninjau marketing cost yang dikeluarkan untuk menjaga efektifitas marketing campaign dimana tujuan akhir dari marketing campaign ini mengarah pada profitabilitas perusahaan di bank Magenta. Karena pada kenyataannya tidak semua pelanggan adalah pelanggan yang memberikan impact positive, tidak semua pelanggan membutuhkan marketing investment yang besar. Retention campaign menjadi isu utama mengingat persaingan industri perbankan digital di Indonesia semakin meningkat di masa Pandemi COVID-19. Salah satu factor yang memperburuk kondisi ini adalah daya beli masyarakat Indonesia yang menurun drastis selama pandemi COVID-19. Kondisi ini akan mempersulit strategi marketing karena persaingan yang sangat ketat. Oleh karena itu, upaya pemasaran yang efektif harus diterapkan untuk meningkatkan loyalitas pelanggan. Untuk melihat bagaimana kondisi terkini dari nasabah Bank Magenta, peneliti menggunakan Customer Value Index (CVI) untuk menghitung komponen biaya dan komponen pendapatan setiap nasabah. Dari hasil analisis, metode ini tidak hanya mengukur nilai pelanggan, tetapi juga menciptakan segmentasi pelanggan. Misalnya, segmen premium lebih cenderung menggunakan Magenta sebagai tabungan sementara segmen lainnya menggunakannya untuk bertransaksi. Analisis ini juga menunjukkan tahap kritis retensi pelanggan yang berbeda antara setiap channel akuisisi yang harus diantisipasi oleh Magenta. Menggunakan Analisis CVI yang dipadukan dengan beberapa parameter portofolio seperti MOB, Acquisition channel, dan Funding balance tier, strategi retention campaign dapat ditingkatkan dengan membuat pendekatan yang berbeda menggunakan segmentasi berdasarkan perilaku pelanggan. Peneliti menggunakan pendekatan analitik pembelajaran Mesin untuk membuat segmentasi menggunakan Modul Scikit Learn untuk menghasilkan pohon keputusan. hasil prediktif dari model ini akan memastikan bahwa upaya pemasaran hemat biaya dengan menginvestasikan lebih banyak anggaran pemasaran pada Pelanggan CVI Tinggi yang memiliki potensi pengembalian untuk Bank Magenta dan menginvestasikan lebih sedikit anggaran pemasaran pada Pelanggan Nol atau CVI Negatif.