Data Mining dan CRM

Data mining dan CRM memiliki keterkaitan yang erat, semenjak banyak dari peneliti menggunakan data mining sebagai salah satu solusi untuk CRM, salah satunya adalah customer churn, yaitu suatu bidang dari CRM yang melakukan analisis terhadap kondisi pelanggan churn atau tidak churn, paling tidak customer churn dapat menunjukkan pelanggan mana yang memiliki potensi untuk churn dengan metode tertentu. Metode yang digunakanpun bermacam-macam, neural network, bayesian, decisiton tree, SVM, dah banyak dari peneliti menggunakan metode-metode statistik untuk menganalisa hal ini.

Data mining memiliki wilayan sendiri, begitu pula CRM memiliki topik yang dibahas tersendiri, itu pada awalnya. Tetapi hari ini data mining dan CRM sulit dibatasi, sehingga jika ada CRM maka data mining digunakan untuk mendukung analisis manajerial.Di Indonesia sendiri, tidak banyak perusahaan besar yang percaya terhadap analisa yang dilakukan oleh akademisi, berdasarkan pengalaman pribadi perusahaan tingkat nasional pun sulit untuk diminta kerja sama dengan memberikan data secara lengkap mengenai data pelanggan, sehingga perusahaan jika menerima kerja sama dengan akademisi mengenai penelitian CRM atau customer churn, hasil yang didapat tidak maksimal sehingga penelitian di Indonesia yang menyangkut data sekunder perusahaan sangat sedikit sekali mengingat sulitnya mendapatkan data yang lengkap.

Data di data mining dan CRM sangat mempengaruhi penelitian, jadi pada kedua topik bahasan ini sama-sama membutuhkan data yang bersih, jika kita bicara CRM maka kita pasti berhubungan dengan data base, jika kita bicara mengenai data base pasti kita berfikir data mining untuk menyelesaikan masalah.

Pengertian / Definisi Customer Churn

Customer churn merupakan istilah yang digunakan untuk menjelaskan bahwa pelanggan telah menghentikan layanan pada provider tertentu, ada pula yang mengatakan bahwa tidak hanya berhenti, melainkan berpindah ke lain hati 🙂 eh maksudnya berpindah ke provider pesaing. Hal ini diakibatkan oleh berbagai faktor, dan hal ini menjadi fenomena biasa pada perusahaan berskala besar yang memiliki banyak pelanggan dan banyak provider pesaing, karena produk dan layanan sangat dibutuhkan oleh orang banyak. Salah satu contoh yang sering dilakukan penelitian customer churn adalah pada perusahaan-perusahaan telekomunikasi dan bank.

Banyak pendekatan yang digunakan untuk menganalisis customer churn, beberapa diantaranya adalah pendekatan statistik dan pendekatan data mining, meskipun teknik dan metode yang telah digunakan sangatlah beragam, tetapi bidang ini masih tergolong baru, terutama di negara Indonesia yang perusahaannya tidak banyak yang perduli terhadap pelanggan.

Kebetulan sekali yang saya pelajari beberapa bulan ini adalah topik mengenai customer churn, sehingga saya tertarik untuk berbagi dalam blog saya ini. Apabila berbicara di negara Indonesia, customer churn tidak terlalu diperhatikan, apalagi untuk perusahaan berskala lokal. Perusahaan berskala nasional memang memperhatikan, tetapi berdasarkan penelitian yang aku lakukan perusahaan berskala nasional tidak secara serius atau belum merata. Sehingga terdapat kemungkinan churn tinggi, seperti di ISP. churn pada ISP cenderung tinggi, berdasarkan penelitian saya pula churn di Indonesia pada ISP dapat lebih dari 75% per tahun salah satu contoh kasus yang saya tangani, yaitu pada tahun 2009 churn 258 dah hasilnya pelanggan aktif tahun 2011 cuma 97, hal ini terjadi karena memang tidak ada keseriusan provider ISP dalam menangani churn. Sebagai bahan studi kasus adalah perusahaan berskala nasional yang telah memiliki nama di Indonesia. Pada tulisan ini saya cuma ingin menyampaikan churn adalah hal yang pokok pada persaingan saat ini, sehingga perusahaan kecil atau besar seharusnya mulai memperhatikan hal ini.

Memang Indonesia sedikit terlambat, tapi tidak ada kata terlambat untuk menghasilkan sesuatu yang baik, saat ini saya masih berusaha menganalisis churn terbaik untuk studi kasus lain yang saya tangani, semoga penelitian saya ini dapat bermanfaat bagi perusahaan tersebut, bagi saya, dan bagi lingkungan akademik pada umumnya. Pada tulisan selanjutnya mengenai customer churn akan saya bahas lebih detil mengenai metode data mining yang dapat digunakan.