Perpustakaan Digital ITB

Alokasi anggaran pemasaran dengan aktivitas retensi dan akuisisi pelanggan merupakan keputusan strategis pada bisnis berbasis langganan, khususnya industri layanan internet yang menghadapi persaingan tinggi. North Star Framework (Agarwal dkk, 2025) menggunakan rasio Lifetime over Paid (LoP) yang dibentuk dari Lifetime Value (LTV) dan Paid Subscriber Acquisition Cost (pSAC) sebagai dasar prioritas investasi pemasaran. Namun, kerangka tersebut belum mempertimbangkan karakteristik pelanggan, risiko churn, maupun potensi wilayah pemasaran sehingga kurang adaptif terhadap kondisi pelanggan dan wilayah yang heterogen. Penelitian ini mengusulkan kerangka integrasi antara analisis pelanggan dan analisis wilayah untuk mendukung pengambilan keputusan alokasi anggaran pemasaran, dengan North Star Framework digunakan sebagai pembanding. Kerangka yang diusulkan mengintegrasikan segmentasi pelanggan menggunakan RFM-TS dan K-Means Clustering, prediksi churn menggunakan ChurnNet dengan teknik SMOTE-ENN, Retention-based Lifetime Value berbasis hazard, serta Acquisition Score berbasis composite index yang dibentuk dari indikator Take-Up Rate dan tingkat kompetitor wilayah. Seluruh komponen diintegrasikan melalui pendekatan agregasi untuk menentukan prioritas alokasi anggaran retensi dan akuisisi pada tingkat wilayah. Penelitian menggunakan data billing pelanggan, data tiket gangguan, dan data jaringan ICONNET Jawa Barat periode Januari 2023 hingga September 2025 yang mencakup 116.869 pelanggan dengan metodologi CRISP-DM. Hasil penelitian menunjukkan bahwa kerangka yang diusulkan menghasilkan keputusan alokasi anggaran yang lebih efektif dibandingkan North Star Framework. Rasio Expected Value terhadap Expected Risk meningkat sebesar 79,8% hingga 194,3%, melalui peningkatan Expected Value sebesar 31,9% hingga 58,2% serta penurunan Expected Risk sebesar 16,3% hingga 55,2%. Ablation study menunjukkan bahwa prediksi churn memberikan kontribusi terbesar terhadap peningkatan efisiensi (53,13%), diikuti segmentasi pelanggan (40,49%) dan analisis akuisisi wilayah (6,38%). Model segmentasi menghasilkan silhouette score sebesar 0,48, sedangkan ChurnNet mencapai Accuracy sebesar 79,30% dan AUC-ROC sebesar 82,85%. Hasil tersebut menunjukkan bahwa integrasi analisis pelanggan dan analisis wilayah mampu mendukung pengambilan keputusan alokasi anggaran pemasaran secara lebih efektif dan berbasis data dibandingkan pendekatan yang hanya berorientasi pada indikator finansial pelanggan.