Perpustakaan Digital ITB

Segmentasi pelanggan merupakan bagian penting dalam manajemen hubungan pelanggan karena membantu perusahaan memahami perbedaan perilaku pelanggan dan merancang strategi pemasaran yang lebih tepat sasaran. Salah satu pendekatan yang banyak digunakan dalam segmentasi pelanggan adalah model Recency, Frequency, and Monetary (RFM), yang mengelompokkan pelanggan berdasarkan seberapa baru pelanggan melakukan pembelian, seberapa sering pelanggan melakukan pembelian, dan seberapa besar nilai transaksi yang dihasilkan. Meskipun model RFM praktis dan mudah diterapkan, kesederhanaannya dapat membatasi kemampuan model dalam menangkap dimensi perilaku pelanggan yang relevan pada konteks bisnis tertentu, terutama dalam distribusi ritel business-to-business (B2B), di mana keberlanjutan pembelian dan keteraturan transaksi menjadi aspek penting. Penelitian ini mengembangkan dan mengevaluasi model RFM yang disempurnakan dengan menambahkan dua variabel perilaku, yaitu Loyalty dan Periodicity. Loyalty merepresentasikan stabilitas pengeluaran pelanggan dalam periode bulanan, sedangkan Periodicity merepresentasikan keteraturan interval antartransaksi. Model yang diusulkan, yaitu RFMLP, dirancang untuk memberikan pemahaman yang lebih rinci terhadap perilaku pelanggan dibandingkan model RFM tradisional. Penelitian ini menggunakan pendekatan kuantitatif berdasarkan data transaksi dari sebuah perusahaan distribusi ritel B2B di Bandung, Jawa Barat, Indonesia. Setelah transaksi internal dan transaksi yang tidak relevan disaring, sebanyak 184.000 data transaksi pelanggan eksternal dari 1.151 pelanggan pada periode Januari 2023 hingga Desember 2024 diolah menjadi variabel RFM dan RFMLP pada tingkat pelanggan. Metode K-Means clustering diterapkan pada model RFM tradisional dan model RFMLP. Analisis correlation matrix dan Variance Inflation Factor (VIF) digunakan untuk menilai perbedaan informasi antarvariabel, sedangkan Silhouette Score digunakan untuk mengevaluasi kualitas hasil clustering. Hasil penelitian menunjukkan bahwa model RFM tradisional menghasilkan empat segmen pelanggan dengan Silhouette Score sebesar 0,59, sedangkan model RFMLP menghasilkan enam segmen pelanggan dengan Silhouette Score sebesar 0,43. Meskipun model RFM menunjukkan pemisahan cluster internal yang lebih kuat, model RFMLP memberikan interpretasi bisnis yang lebih kaya karena mampu membedakan pelanggan berdasarkan stabilitas pembelian dan keteraturan transaksi. Temuan penelitian ini menunjukkan bahwa model RFMLP dapat melengkapi model RFM tradisional dalam segmentasi pelanggan pada bisnis distribusi ritel B2B. Model RFM tetap bermanfaat untuk mengidentifikasi nilai pelanggan berdasarkan perilaku transaksi dasar, sedangkan model RFMLP memberikan wawasan perilaku yang lebih rinci untuk mendukung manajemen hubungan pelanggan. Kata kunci: Analitika Bisnis, Manajemen Hubungan Pelanggan (CRM), Segmentasi Pelanggan, Model RFM, Model RFMLP, Distribusi Retail B2B.