Skip to content

faisalmoch/Online_Retail_Cohort_Retention_and_RFM_Analysis

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

3 Commits
 
 
 
 

Repository files navigation

Online Retailer Cohort Retention & RFM Analysis

Context

Pada project ini saya akan menjadi seorang Data Scientist pada sebuah perusahaan retail online. Dataset pada project ini mencakup semua transaksi yang terjadi antara 12/01/2010 dan 12/09/2011 untuk ritel online non-toko yang berbasis di Inggris yang terdaftar. Perusahaan ini khususnya berfokus pada penjualan hadiah yang bersifat unik untuk segala jenis event. Mayoritas pelanggan perushaan adalah pedagang grosir.

Stakeholder:

Stakeholder pada project ini adalah Tim Manajemen Bisnis. Tim Manajemen Bisnis memiliki tanggung jawab untuk memahami perilaku pelanggan dan mengevaluasi efektivitas strategi retensi.

Problem Statement:

Tim Manajemen Bisnis yang merupakan stakeholder ingin memahami seberapa efektif retensi pelanggan dari waktu ke waktu. Dengan pemahaman ini, stakeholder dapat mengidentifikasi pola pembelian pelanggan dari berbagai kohort dan mengoptimalkan strategi retensi untuk meningkatkan loyalitas pelanggan.

Goal:

Tujuan dari project ini adalah untuk menganalisa kohort retensi dan mengidentifikasi tren pembelian dari waktu ke waktu. Dengan pemahaman ini stakeholder dapat mengoptimalkan upaya retensi untuk mempertahankan pelanggan yang lebih lama dan meningkatkan retensi secara keseluruhan.

Analytical Approach:

Analisis kohort retensi akan dilakukan untuk memahami tingkat retensi pelanggan dari waktu ke waktu. Berikut adalah langkah-langkah dalam pendekatan analitis:

  1. Pembuatan Kohort: Pertama, pelanggan akan dikelompokkan ke dalam kohort berdasarkan waktu pertama mereka melakukan transaksi. Misalnya, pelanggan yang melakukan transaksi pertama kali pada bulan Januari 2010 akan menjadi kohort Januari 2010, dan seterusnya.

  2. Analisa Retensi: Setelah kohort terbentuk, akan dilakukan analisis retensi untuk setiap kohort. Ini melibatkan mengukur persentase pelanggan yang tetap aktif dari kohort asli dari waktu ke waktu. Ini dapat dilakukan dengan mengamati berapa banyak pelanggan dari setiap kohort yang melakukan transaksi pada bulan-bulan berikutnya.

  3. Visualisasi dengan Heatmap : Data retensi kohort akan divisualisasikan menggunakan heatmap. Heatmap akan menunjukkan tingkat retensi untuk setiap kohort dari waktu ke waktu. Ini memungkinkan untuk dengan jelas melihat pola retensi dan mengidentifikasi kohort yang memiliki retensi yang lebih tinggi atau lebih rendah.

  4. Analisa Trend: Selain itu, akan dilakukan analisis tren untuk mengidentifikasi pola pembelian pelanggan dari waktu ke waktu. Ini akan membantu dalam memahami apakah ada tren peningkatan atau penurunan retensi pelanggan dari kohort ke kohort.

  5. Analisa RFM: Analisa RFM dilakukan untuk mencari segmentasi pelanggan, dengan pendekatan ini perusahaan dapat memperoleh wawasan yang berharga tentang efektivitas strategi retensi mereka dan mengidentifikasi strategi marketing agar retensi meningkat.

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published