Kontan Online
  : WIB    --   
indikator  I  

Hubungan big data & pelanggan

Hubungan big data & pelanggan
Founder of Lightora UMN Incubator

Pak Kurnia–seorang supervisor sales–masih bingung terhadap hasil review terhadap performa penjualan di perusahaannya yang jauh dari memuaskan.

Churn rate atau pelanggan yang memutuskan untuk berhenti menggunakan jasa dan produk perusahaan, semakin hari semakin bertambah tinggi ratingnya.

Dari hasil analisa Pak Kurnia, ini hampir tidak mungkin bisa terjadi karena sales semua memiliki volume penjualan yang baik, menjalankan pelatihan yang baik dan perusahaannya juga memiliki Customer Relationship Management (CRM) yang efektif.

Mungkinkah ada sesuatu yang kurang? Misalkan standard operating procedure (SOP) yang sudah 'basi' atau menawarkan produk yang tidak relevan ke pelanggan?

Seperti kita ketahui, dewasa ini perubahan perilaku pelanggan yang ingin kontrol lebih terhadap keputusan dalam membeli produk. Untuk beradaptasi atau mendeteksi perubahan perilaku ini tentunya tidak mudah karena memerlukan custom approach.

Mungkinkah ada pola umum? Apakah sistem IT bisa membantu hal ini? Mungkinkah teknologi Big Data adalah jawabannya?

Personalized product offering

Pendorong churn adalah pelanggan yang merasa tidak dipahami oleh perusahaan. Perusahaan tidak pernah menerapkan loyalty program sehingga walaupun sudah berlangganan sekian lama, tidak ada inisiatif apapun seperti reward berupa poin ataupun diskon.

Hal ini dapat dimengerti, apalagi jika kejadiannya di perusahaan besar–yang dalam menjaga rutinitas operasional ‘as is’ saat ini saja, manajernya sudah kewalahan. Bagaimana harus mengerti satu per satu pelanggannya yang sedemikian banyak.

Tetapi, alasan ini sudah tidak bisa diterima. Pelanggan adalah ‘nyawa’ perusahaan yang paling penting. Jika lama kelamaan ada kompetitor yang ternyata bisa lebih intim dan mengerti akan kebutuhan mereka, bisa dipastikan pelanggan tersebut akan berpindah segera.

Salah satu solusi yang bisa dibantu oleh teknologi big data adalah menghasilkan Personalized Product Offering (PPO) atau penawaran custom yang diberikan berdasarkan karakter personal pelanggan sehingga relevansinya tinggi.

Sebagai contoh, untuk orang kantoran yang sibuk dan single sebuah ISP cable internet menawarkan produk internet rumah lebih murah dengan syarat kecepatan pada saat jam kerja jauh lebih rendah.

Dengan demikian, pelanggan tersebut yang tadinya sudah ingin berhenti berlangganan tidak jadi karena dipikir-pikir lebih menarik dibandingkan paket midnight dari salah satu operator mobile.

Nah, solusi untuk mengenali perilaku pelanggan ini banyak yang sekarang tidak butuh survei manual. Tetapi bisa menggunakan teknologi yang tersedia luas saat ini untuk menggali perilaku mereka.

Sebagai contoh, salah satu perusahaan ritel Indonesia menggunakan software data mining seperti "R" untuk hal tersebut. Output dari software ini adalah rekomendasi yang dapat digunakan untuk membuat penawaran produk yang relevan ke ratusan segmen pelanggan.

Hasilnya? Peningkatan penjualan dengan berbagai skema penawaran, selain reward ternyata produk upselling dan cross-selling berjalan sangat efektif.

Software ini dapat diunduh secara gratis di website www.revolutionanalytics.com atau www.r-project.org. Untuk informasi dan diskusi lebih lanjut mengenai pemanfaatan software "R" ini bagi bisnis Anda, dapat menghubungi penulis melalui email bigdata@kontan.co.id. 

Sumber: Harian KONTAN edisi 16 Mei 2016