Perpustakaan Digital ITB

Nilai Keberlangsungan Konsumen (Customer Lifetime Value), disingkat CLV, adalah sebuah metode bagi perusahaan untuk mengukur keuntungan dari seorang pelanggan selama masa hidup orang tersebut. CLV dapat dihitung dengan menghitung nilai sekarang dari jumlah uang yang diperkirakan akan didapatkan dari setiap pelanggan selama masa hidupnya sebagai pelanggan. Jika nilai ini diketahui, maka perusahaan bisa mengoptimalkan strategi pemasaran dan pengelolaan pelanggan untuk meningkatkan keuntungan perusahaan dan mengidentifikasi pelanggan berharga. Nilai ini dapat diestimasi melalui beberapa model. Dalam tesis ini model proses stokastik Rantai Markov (RM) dengan parameter waktu diskrit terpilih. Salah satu kelebihan model ini ialah mampu mengukur keuntungan seorang pelanggan yang sering berganti status misal dari setia ke mantan pelanggan. Banyaknya status (keadaan) dibatasi hanya empat, yaitu calon pelanggan, pelanggan, dan dua tipe mantan pelanggan, disebut mantan pelanggan 1 dan mantan pelanggan 2. Model CLV tersebut mengikuti persamaan: ????????????=?(????????4×4)????????? ?????=0, dengan faktor diskon ????, suku bunga ????, matriks transisi ????4×4, dan vektor reward ????? . Matriks ????4×4 menunjukkan probabilitas pelanggan pada suatu keadaan dari waktu ke waktu, ????? adalah vektor yang menunjukkan uang yang diterima dan dikeluarkan oleh perusahaan. Model tersebut ialah pengembangan model Prospect, Consumer, dan Former (1,1,2) atau PCF (1,1,2) yang dibangun oleh Permana dkk (2016). Selanjutnya dalam tesis ini dilakukan pengembangan atau/dan pembaruan sebagai berikut. Pertama, suku bunga ???? bersifat dinamis, dimodelkan dengan fungsi trigonometri sinusoidal. Ke dua, penentuan periode optimal perhitungan CLV. Ke tiga, hasil CLV untuk tiap pelanggan yang dikelompokkan dalam 5 level, yaitu loyal, cenderung loyal, normal, kurang loyal, dan tidak loyal. Sebagai studi kasus, diambil data suku bunga Mei 2009 hingga Juli 2016 dari website Bank Indonesia. Berdasarkan data tersebut bisa diestimasi parameter-parameter fungsi trigonometri, melalui metode Non-Linear Least Squares Regression dengan bantuan optimasi Basin Hopping (NLLSRBH). Pada kasus ke dua, data dibangun melalui simulasi dengan asumsi model PCF (1,1,2) yang dibuat oleh Permana dkk. Beberapa hasil yang didapat adalah 1) metode NLLSRBH memberikan estimasi parameter fungsi trigonometri yang dapat memberikan prediksi yang akurat untuk data suku bunga Indonesia. 2) penentuan ????? membantu proses perhitungan CLV karena nilai yang didapatkan merupakan nilai maksimum dari pelanggan. 3) pengelompokkan data hasil perhitungan CLV membantu perusahaan untuk menganalisis profil dari pelanggan pada perusahaan tersebut. Tesis ini diharapkan dapat memberikan kontribusi bagi pengembangan strategi pemasaran yang efektif dan efisien dalam meningkatkan keuntungan perusahaan.