Belajar dari Semut, Segmentasi Apotek Ritel dengan Algoritma Ant-KMeans

Dengan banyaknya apotek ritel yang tersebar di berbagai daerah, distributor produk farmasi sering kesulitan dalam memasarkan obat obatan di beberapa daerah tertentu karena berbagai alasan. Salah satunya adalah ketidakcocokan strategi marketing yang diberlakukan distributor tersebut.

Solusi dari permasalahan tersebut adalah strategi marketing yang targeted. Namun, membuat profil setiap apotek ritel di seluruh Indonesia, dengan berbagai macam karakter penjualan dan lokasi, tentu bukan hal yang mudah.

Sebuah algoritma clustering yang terinspirasi dari bagaimana semut membuat koloni sarangnya, disebut Ant Clustering Algorithm (ACA). Algoritma tersebut termasuk dalam bidang swarm intelligence dimana komputer meniru bagaimana sebuah koloni makhluk hidup berperilaku. ACA meniru semut dalam berkelompok dan membuat koloni.

Namun, ACA seringkali mempunyai kelemahan dimana algoritma tersebut sangat lama berjalannya. Maka algoritma tersebut dikombinasikan dengan algoritma klasik dalam clustering yaitu K-Means clustering. Dengan data penjualan dari 1138 apotek ritel dari seluruh Indonesia, algoritma hybrid tersebut dapat mengelompokkan apotek menjadi 8 klaster berkarakteristik mirip.

Setelah klaster tersebut terbentuk, setiap klaster dianalisis menggunakan Recency Frequency Monetary Location (RFM-L) model, dimana model tersebut memberikan informasi mendalam tentang karakteristik dari setiap klaster yang terbentuk.

Akhirnya, terdapat 5 kategori apotek ritel (lihat Gambar 1), yang telah dikelompokkan dengan RFM-L model, diantaranya:

  • High value loyal customer
  • High value customer
  • Low value loyal customer
  • Consumption resource customer
  • Lost customer

Strategi pemasaran produk dapat dibuat berdasarkan empat kategori tersebut, karena Lost customer berarti bahwa apotek ritel tersebut sudah tidak memiliki nilai bagi distributor. Sehingga, tim pemasaran dari distributor farmasi dapat membuat empat strategi berbeda yang sifatnya tailored. Strategi tailored dengan target pasar yang jelas akan menciptakan pengalaman berbeda bagi customer karena mereka merasa lebih diperhatikan dalam proses jual-beli.

Penulis: Muhammad Noor Fakhruzzaman, S.Kom., M.Sc.

Artikel:

Indonesian pharmacy retailer segmentation using recency frequency monetary-location model and ant K-means algorithm

http://doi.org/10.11591/ijece.v12i6.pp6132-6139

bRimPrIg

https://www.jasaarsitekmalang.net/

Tinggalkan Balasan