UBUB

Jurnal Teknologi Informasi dan Ilmu KomputerJurnal Teknologi Informasi dan Ilmu Komputer

Dalam era persaingan pasar yang semakin ketat, strategi retensi pelanggan berbasis data menjadi krusial, khususnya dalam konteks Business-to-Business (B2B) yang masih relatif terbatas dibahas dalam literatur. Penelitian ini merupakan Systematic Literature Review (SLR) yang bertujuan untuk memetakan dan mensintesis penelitian terkait penerapan model LRFM (Length, Recency, Frequency, Monetary) dan algoritma K-Means dalam strategi retensi pelanggan. Hasil kajian menunjukkan bahwa sebagian besar penelitian LRFM dan K-Means masih berfokus pada konteks B2C, sementara penerapannya dalam lingkungan B2B relatif terbatas dan belum terkonseptualisasi secara memadai. Berdasarkan kesenjangan tersebut, artikel ini mengusulkan kerangka konseptual LRFM-B2B sebagai agenda penelitian masa depan dengan mempertimbangkan karakteristik spesifik B2B.

Penelitian ini menyimpulkan bahwa integrasi model LRFM dan algoritma K-Means telah menjadi pendekatan yang banyak digunakan dalam literatur analitik pelanggan, khususnya untuk mendukung strategi retensi pelanggan berbasis data.Hasil sintesis mengungkapkan adanya bias kontekstual yang signifikan dalam literatur yang ada, di mana penerapan LRFM dan K-Means masih didominasi oleh studi-studi pada konteks B2C.Sebagai kontribusi utama, artikel ini memberikan pemetaan literatur yang sistematis terkait penerapan LRFM dan K-Means, mengidentifikasi kesenjangan penelitian pada konteks B2B, serta mengusulkan kerangka konseptual LRFM-B2B sebagai agenda penelitian masa depan.

Untuk menjembatani kesenjangan analitik B2B, penelitian selanjutnya dapat fokus pada tiga arah utama: pertama, adaptasi dan pengayaan model LRFM untuk konteks B2B dengan memasukkan variabel yang merepresentasikan nilai hubungan bisnis jangka panjang; kedua, validasi empiris pada sektor B2B yang masih kurang terwakili dalam literatur; dan ketiga, pengembangan alat pendukung pengambilan keputusan berbasis analitik pelanggan yang membantu manajer B2B dalam merancang strategi retensi yang lebih efektif. Dengan demikian, penelitian ini membuka peluang untuk pengembangan metode analitik pelanggan yang lebih kontekstual untuk sektor-sektor B2B.

  1. The power of social media analytics | Communications of the ACM. power social analytics acm skip main... dl.acm.org/doi/10.1145/2602574The power of social media analytics Communications of the ACM power social analytics acm skip main dl acm doi 10 1145 2602574
  2. A Strategic Framework for Customer Relationship Management - Adrian Payne, Pennie Frow, 2005. strategic... journals.sagepub.com/doi/10.1509/jmkg.2005.69.4.167A Strategic Framework for Customer Relationship Management Adrian Payne Pennie Frow 2005 strategic journals sagepub doi 10 1509 jmkg 2005 69 4 167
  3. Annotated Corpus with Negation and Speculation in Arabic Review Domain: NSAR. annotated corpus negation... thesai.org/Publications/ViewPaper?Volume=13&Issue=7&Code=IJACSA&SerialNo=6Annotated Corpus with Negation and Speculation in Arabic Review Domain NSAR annotated corpus negation thesai Publications ViewPaper Volume 13 Issue 7 Code IJACSA SerialNo 6
Read online
File size439.23 KB
Pages6
DMCAReport

Related /

ads-block-test