Data mining untuk strategi marketing bank

Abstract

Kegiatan pemasaran atau marketing barang dan jasa telah menjadi praktik umum dalam dunia bisnis. Marketing bertujuan untuk menarik dan mempertahankan pelanggan baru sebanyak mungkin. Kesuksesan marketing tidak hanya tergantung pada jumlah produk yang terjual, tetapi juga pada kemampuan untuk terus menambah pelanggan baru sambil mempertahankan yang sudah ada. Untuk menjaga hubungan yang baik dengan pelanggan, pelaku usaha perlu memahami apa yang diinginkan oleh pelanggan. Salah satu cara untuk mengetahui kebutuhan pelanggan adalah melalui riset pasar. Kegiatan marketing saat ini dapat dilakukan secara langsung maupun tidak langsung. Marketing langsung melibatkan penawaran langsung kepada calon pelanggan tanpa melalui perantara, sedangkan marketing tidak langsung melibatkan perantara, seperti ulasan dari vlogger. Telemarketing merupakan salah satu bentuk pemasaran langsung melalui telepon. Jenis marketing ini adalah teknik marketing yang telah lama ada dan masih populer. Hal ini disebabkan oleh metode yang sederhana dan mudah dilakukan. Telemarketing sering digunakan dalam industri perbankan karena dianggap efektif dalam membangun hubungan yang baik dengan nasabah. Biaya telepon juga lebih rendah dibandingkan dengan media iklan lainnya. Namun, tidak semua nasabah menghargai telemarketing, terutama kalangan muda dan generasi milenial yang merasa privasinya terganggu. Oleh karena itu, bank perlu mencari strategi pemasaran yang sesuai dengan karakteristik nasabahnya. Data mining merupakan proses untuk menemukan pola dan pengetahuan dari data dalam jumlah besar. Data mining melibatkan beberapa tahapan, mulai dari persiapan data, analisis data untuk mencari pola, hingga penyampaian wawasan melalui visualisasi data dan teknik presentasi. Penelitian ini akan melibatkan beberapa tahapan data mining, termasuk pencarian data bank dan data terkait, persiapan data, pemilihan fitur, pembuatan model dengan data mining, evaluasi model, pembuatan perangkat lunak untuk melakukan prediksi, dan penentuan strategi marketing yang tepat berdasarkan insight yang diperoleh dari proses segmentasi nasabah. Hasil dari penelitian ini adalah suatu perangkat lunak yang dapat meluncurkan model klasifikasi bersarkan dataset yang digunakan, yaitu dataset deposito berjangka dan dataset pinjaman pribadi bank. Model klasifikasi yang diluncurkan merupakan model dengan algoritma decision tree yang menuggunakan fitur yang telah dipilih menggunakan beberapa teknik pemilihan fitur, seperti information gain dan ANOVA. Perangkat lunak ini juga dapat menampilkan hasil clustering untuk segmentasi nasabah bank.