Customer Relationship Pelangganmu bukanlah pelangganmu, kamu hanya penjaganya saja sampai pesaingmu dapat menyediakan tawaran dan komunikasi yang lebih baik. Perusahaan haruslah proaktif dan mengantisipasi keinginan pelanggan. Perusahaan menghadapi situasi yang makin kompleks, makin banyak pelanggan, barang, dan pesaing makin sedikit waktu untuk memberi reaksi pada pelanggannya.
Customer Relationship Agar Pelanggan puas maka Anda perlu mengotomasikan: The Right Offer - Beri tawaran yang tepat To the Right Person - Pada orang yang tepat At the Right Time - Pada waktu yang tepat Through the Right Channel - Di saluran yang tepat
1
Customer Relationship The Right Offer berarti mengelola interaksi berulang-ulang dengan pelanggan, berilah prioritas penawaran Anda dan minimalkan penawaran yang tidak tepat To the Right Person tidak setiap orang Anda potongkan dari kain yang sama, adakan promosi tersegmentasi yang memenuhi target kelompok atau individu tertentu
Customer Relationship At the Right Time Hasil nyata berinteraksi dengan pelanggan menyatakan bahwa mereka berdasarkan pada waktu yang kontinyu. Dahulu dilakukan promosi per triwulan, sekarang dilakukan pada saat ada peristiwa khusus, gebyar discount Through the Right Channel Gunakan media bermacam-macam direct-mail, email, telemarketing, website
2
Data Mining Definisi sederhana: Deteksi otomatis dari pola-pola yang relevan dari satu database Data Mining bukanlah suatu yang gaib, telah cukup lama para ahli statistik “menambang” database secara manual, untuk mendapat pola yang berarti. (Terbatas pada hipotesa dan pembuktian). Data mining menggunakan statistik yang telah mantap dan teknik “machine learning” untuk membangun model yang memprediksi kelakuan pelanggan Software Data Mining punya kekurangan dibanding dengan pengalaman dan intuisi manusia yang mampu membedakan suatu korlasi yang relevan atau tak relevan, maka analisis statistik tetap sangat diperlukan.
Data Mining & CRM Customer Relationship Management (CRM) adalah satu proses yang mengelola interaksi antara perusahaan dengan pelanggannya. Pengguna utama CRM adalah aplikasi software yang berisi database marketing dan digunakan untuk otomatisasi proses interaksi dengan pelanggan. Aplikasi Data Mining otomatis mencari dari gunungan data untuk mendapat pola dan menghasilkan prediksi kelakuan para pembeli potensial. Setelah data di “tambang”, kemudian dimasukkan ke software pengelola promosi (campaign) untuk segmen pasar tertentu.
3
Data Mining & CRM Data Mining membantu Database Marketing Database Marketing biasanya berisi data yang dinamis dalam transaksi saja, namun sangat kurang untuk data-data yang bersifat analisis. Program Pengelolaan Promosi (Campaign Management Software) memakai database marketing untuk proses penawaran (melalui berbagai media mis: e-mail, web, point of sale) ,pengiriman, pemberian hadiah/ discount Model dalam Data Mining membuat scoring untuk para pelanggan tersebut, hasil scoring bila digabung dengan database Marketing akan membuat Program Pengelolaan Promisi akan lebih tajam, akurat dan tepat pada sasarannya, makin menguntungkan dan lebih cepat tercapainya ROI
Aplikasi Data Mining - CRM Customer Retention (mempertahankan pelanggan) Orang yang berpengalaman dalam program ini akan mendeteksi pelanggan yang punya kecenderungan menyeberang ke pihak lain
Sales and Customer Service (pelayanan pelanggan) Program seperti MBA (Market Basket Analysis) akan sangat membantu untuk memperlihatkan barang yang sering dijual berpasangan, penempatan produk, layout katalog di halaman web
Marketing (pemasaran) Marketing sangat tergantung pada kelengkapan profil pelanggan dan trend, agar promosi suatu barang dapat tercapai dengan biaya sekecil mungkin
4
Aplikasi Data Mining - CRM Risk Assessment and Fraud Detection (taksiran resiko dan deteksi kecurangan) Surat pemesanan dapat mengidentifikasi pola pembayaran dari pelanggan yang berbeda namun pada alamat yang sama, mengidentifikasi kemungkinan kecurangan oleh individu yang menggunakan nama yang berbeda. Pihak Bank atau Asuransi akan mendeteksi orang-orang yang akan melakukan pinjaman uang, menggunakan data-data tambahan berupa rekening listrik, telepon, fiskal, pajak.
Customer Relationship Management Pengantar: Perusahaan harus mengalokasikan dana untuk mendapatkan pelanggan baru dibanding dengan mempertahankan pelanggan yang telah ada. Lebih mahal lagi bila kita ingin memanggil kembali pelanggan yang sudah kecewa, agar mereka percaya lagi Lebih mudah untuk menjual produk baru ke pelanggan lama dibanding dengan pelanggan baru Beberapa pelanggan sangat menguntungkan, ada pelanggan yang tidak menguntungkan, dan juga ada pelanggan yang tidak pernah akan menguntungkan.
5
Customer Relationship Management Pertanyaan yang harus dijawab dari waktu ke waktu Pelanggan mana yang menguntungkan saya? Mengapa? Promosi apa yang efektif? Untuk pelanggan yang mana? Jenis pelanggan mana yang akan tertarik dengan produk baru saya? Pelanggan mana yang beresiko untuk beralih ke pesaing lain? Bagaimana saya mengidentifikasi prospek yang menghasilkan keuntungan yang tinggi?
Arsitektur CRM
6
Arsitektur CRM Dari gambar arsitektur CRM dapat dibagi 3 kelas: Operational CRM Otomasi proses bisnis meliputi pertemuan dengan pelanggan, media, integrasi front-back office Analytical CRM Menganalisis data yang dibangun oleh operasional CRM Collaborative CRM Menggandung email, publikasi personal, e-communicate, dan sarana sejenis lainnya yang menfasilitasi interaksi antara pelanggan dan perusahaan
Evolution of Marketing Jaman pemasaran
Teknik
Teknologi
Masa Gelap
Keterampilan
Tidak ada
Renaissance
Keahlian
Telpon & Interview
Revolusi Industri
Pemasaran masal
Maling List dengan komputer
Jaman Informasi
Database Pemasaran
Flat File
Jaman Optimasi
CRM
Data Warehouse, Data Mining, Analysis Tools (OLAP)
7
Closed Loop Marketing Keinginan sistem CRM adalah menyediakan “lingkar pemasaran yang tertutup”. Close Loop Marketing berisi 3 langkah dasar yang punya lintasan spiral untuk perbaikan kontinyuitas pemasaran.
Measure (ukuran) mengukur usaha pemasaran berdasarkan pada keuntungan pelanggan. Gunakan web-tool untuk akses data warehouse pelanggan
Predict (prediksi) Prediksi untuk kelakuan pelanggan dan belajar dari percobaan yang lalu, gunakan hasil data mining untuk mempertajam promosi lanjutnya.
Act (aksi) Gunakan sistem pengelolaan promosi menangkap hasil dan aksi yang terukur dari promosi dan masuk ke data mart pelanggan
Generasi Lanjut CRM CRM untuk mengelola Pemasaran langsung ke pelanggan (tidak lewat pemasaran model lama, distributor, agen..) Kombinasi CRM dan ERP (Enterprize Resource Planning) juga penting, bagaimana mengatur stok produk untuk kepuasan pelanggan, mempunyai inventory yang cukup efisien untuk promosi pemasaran direct-mail, kesemuanya ini untuk mencoba optimasi keuntungan bagi pelanggan. Generasi berikutnya disebut Enterprice-Wide CRM System, dimana semua fungsi atau informasi pelanggan dipakai antar perusahaan secara luas. Namun ada juga oposisinya yaitu pelanggan menginginkan privasi, informasi dirinya tidak ingin diketahui oleh perusahaan lain.
8
Statistik & Data Mining? Beda utama Data Mining dengan Statistik Data Mining dipakai oleh orang bisnis, sedang statistik dipakai ahli statistik. Data Mining secara efektif mengotomasikan proses statistik, dengan demikian menghilangkan hal yang menyusahkan pemakai. Gabungan beberapa model statistik dijadikan tool dalam data analisis, dan hasilnya berupa keputusan tindakan apa yang bisa dilakukan user (bukan hanya angka-angka hasil statistik).
Classical Techniques Statistic Data, Counting and Probability Histogram Statistics for prediction Linear regresion
Nearest Neighbor Nearest Neighbor for prediction K Nearest Neighbor
9
Classical Techniques Clustering Clustering for clarity (kejelasan) Clustering for outlier Hierarchical Clustering Non Hierarchical Clustering
Next Generation Techniques Decision Trees ID3 and Enhancement C4.5 CART (Classification and Regression Trees) CHAID (Chi-Square Automatic Interation Detector)
Neural Network Neural Network for clustering, Outlier Analysis, Feature Extraction
Rule Induction Rule Induction System versus Decision Trees
10
Kapan gunakan Data Mining
Kapan gunakan Data Mining
11
The Business Value Customer Profitability menyediakan blue-print bagaimana mendefinisikan dan menggunakan keuntungan pelanggan sebagai suatu landasan untuk proses CRM
Customer Acquisition menunjukkan bagaimana menggunakan data mining untuk memperoleh pelanggan baru yang menguntungkan
Customer Cross/ Cross - Selling secara detil menggambarkan bagaimana teknologi dapat dipakai untuk meningkatkan nilai dari pelanggan yang telah ada dengan menjual produk/ jasa lainnya pada mereka
Customer Retention studi kasus bagaimana mempertahankan pelanggan pada industri telekomonikasi
Customer Segmentation bagaimana membuat segmentasi dam mengelola pelanggan dengan konsisten
Data Mining & CRM Tolls KD1 (fokus pada retail) Options & Choices (fokus pada industri asuransi) HNC (fokus pada fraud detection/ deteksi penipuan) Unica Model 1 (fokus pada pemasaran) TextAnalysis (dari Megaputer, tools untuk masa mendatang)
12
Kapan menggunakan DM Pertanyaan penting yang harus dijawab sebelum Anda memulai proyek DM adalah apakah teknik DM memang diperlukan. Perlu dipastikan level kecanggihan DM yang diperlukan. Intinya, apakah Anda sungguh-sungguh memerlukan teknik DM untuk membangun model-model peramalan untuk mencari pola-pola menarik dari database Anda?
Proses DM (dari sudut pandang teknologi) Data
Selection Focused Data Set
Preprocessing Preprocessed Data
Transformation Formatted Data
Data Mining Preditive Models
Human Interpretation Knowledge
13
Proses DM (dari sudut pandang bisnis) Business Problem
Data
Understand Define Value
Data Definition
Data Mining ROI Definition
Predictive Model
Define Value Predicted ROI
Deploy ROI
Penjualan Silang (Cross-selling) Hubungan antara perusahaan dan pelanggan adalah proses yang dinamis. Ada 3 cara untuk mengoptimalkan hubungan keduanya: 1.Maksimalkan panjang hubungan 2.Maksimalkan jumlah interaksi selama hubungan 3.Maksimalkan keuntungan asosiasi dalam setiap interaksi Taget: win-win situation, dimana perusahan dan pelanggan sama-sama untung.
14
Penjualan Silang (Cross-selling) Pelanggan: diuntungkan dengan mendapatkan pelayanan yang lebih baik sesuai keperluan mereka dan perusahaan diuntungkan oleh meningkatnya penjualan. Inilah yang disebut Cross-selling Dalam bentuk lain, Cross-selling sering disebut juga up selling Perhatikan tentang: •
Customer Retention
•
Customer Segmentation
Mengembangkan DM untuk CRM 10 langkah dalam pelucuran aplikasi DM: •
Definisikan masalah
•
Definisikan pengguna
•
Definisikan data
•
Definisikan data sesunggihnya (dibersihkan, diorganisasikan, dan pembentukan data dictionary)
•
Batasan proyek
•
Ujicoba
•
Jaminan kualitas
•
Edukasi
•
Peluncuran (Launch)
•
Keberlanjutan
15
Tipe Data Pelanggan Ada 3 tipe data pelanggan: •
Menggambarkan siapakah pelanggan itu?
•
Menggambarkan cara memasarkan atau promosi yang akan diberikan pada pelanggan?
•
Menggambarkan bagaimana reaksi pelanggan atas promosi yang telah diberikan melalui transaksi yang terjadi Transactional
Descriptive Promotional Who is the customer?
What did you do to the customer?
How did the Customer react?
Scoring Your Customer
16
Scoring Your Customer
Buku CRM dan Data Mining
17
Iklan
18
