Segmentasi pelanggan
Membagi pelanggan ke kelompok yang berbeda, lalu memperlakukan setiap kelompok dengan berbeda.
Yang dibahas di kursus ini
Satu pesan untuk semua pelanggan jarang cocok untuk siapa pun. Course ini mengajarkan cara membuat segmen yang berbeda, cukup besar, dan bisa ditindaklanjuti: mulai dari aturan sederhana dan RFM di spreadsheet, lalu clustering ketika aturan tidak cukup. Anda akan menerjemahkan segmen menjadi tindakan, mengukur dampaknya dengan kelompok holdout, dan memeriksa bahwa segmennya stabil. Contohnya dari toko online, bank, dan telco di Indonesia, dengan angka dalam rupiah.
Baru mengenal AI? Mulai dari Dasar-dasar AI & data.
Bagian dari jalur karier:Data analystData scientist
Yang akan bisa Anda lakukan
- Menilai segmen dengan tiga syarat: berbeda, cukup besar, bisa ditindaklanjuti
- Membangun segmen berbasis aturan dan RFM dari tabel pesanan
- Mengubah segmen menjadi tindakan dan mengukur dampaknya dengan holdout
- Memeriksa bahwa segmen stabil sebelum strategi dibangun di atasnya
Unit dan bite
- Unit 15 biteSekitar 15 menit
Dasar segmentasi pelanggan
Segmen yang baik, aturan sederhana, RFM, dari segmen ke tindakan, dan memeriksa kestabilannya.
- 3 menit
Kenapa pelanggan disegmentasi
Satu pesan untuk semua orang membuang uang. Segmen yang baik itu berbeda, cukup besar, dan bisa ditindaklanjuti.
- 3 menit
Segmen berbasis aturan
Segmen pertama yang paling berguna sering hanya beberapa aturan IF yang ditulis dengan rapi.
- 3 menit
RFM: contoh lengkap
Recency, frequency, monetary: tiga angka per pelanggan yang menjadi segmen dalam satu spreadsheet.
- 3 menit
Dari segmen ke tindakan
Setiap segmen butuh tindakan, biaya, dan ukuran keberhasilan — termasuk kelompok pembanding.
- 3 menit
Memeriksa kestabilan segmen
Segmen yang anggotanya berganti setiap minggu tidak bisa dijadikan dasar strategi.
- Unit 23 biteSekitar 9 menit
Clustering untuk segmentasi
Ketika aturan tidak cukup: memakai clustering pada data pelanggan, dari fitur sampai nama segmen. Cara kerja k-means dibahas di kursus Supervised dan unsupervised learning.
- 3 menit
Fitur pelanggan untuk clustering
Memilih dan menyiapkan kolom yang menggambarkan perilaku, bukan hanya identitas.
- 3 menit
Memberi nama cluster
Dari "cluster 3" ke "pemburu promo tanggal kembar" — dan cara menjaga namanya jujur.
- 3 menit
Aturan atau cluster?
Kapan aturan sederhana lebih baik, dan kapan clustering menemukan yang tidak terlihat.
- Unit 33 biteSekitar 9 menit
Data perilaku dan demografi
Apa yang pelanggan lakukan versus siapa mereka, dan membangun satu tabel pelanggan dari keduanya.
- 3 menit
Perilaku vs demografi
Kenapa riwayat belanja biasanya memprediksi lebih baik daripada usia dan kota.
- 3 menit
Membangun tabel pelanggan
Satu baris per pelanggan dari tabel pesanan, aplikasi, dan layanan pelanggan.
- 3 menit
Sumber data first-party
Data yang Anda kumpulkan sendiri, dan apa yang hilang ketika data pihak ketiga tidak ada.
- Unit 43 biteSekitar 9 menit
Mengukur strategi segmen
Holdout per segmen, metrik yang tepat untuk setiap segmen, dan perpindahan pelanggan antar-segmen.
- 3 menit
Holdout untuk setiap segmen
Berapa besar holdout yang cukup, dan cara memilihnya secara acak.
- 3 menit
Metrik per segmen
Repeat rate untuk pelanggan baru, nilai belanja untuk yang aktif, biaya per yang kembali untuk yang hilang.
- 3 menit
Pelanggan yang berpindah segmen
Membaca perpindahan antar-segmen sebagai ukuran keberhasilan strategi.
- Unit 53 biteSekitar 9 menit
Privasi dan keadilan dalam segmentasi
UU PDP, data sensitif, dan memastikan segmen tidak memperlakukan kelompok orang secara tidak adil.
- 3 menit
Data pribadi dan persetujuan
Apa yang boleh dipakai untuk segmentasi menurut UU PDP, dan dasar pemrosesannya.
- 3 menit
Atribut sensitif dalam segmen
Agama, kesehatan, dan proksinya: kolom yang tidak boleh diam-diam menentukan segmen.
- 3 menit
Penawaran yang adil antar-segmen
Ketika harga atau limit kredit berbeda per segmen: memeriksa siapa yang dirugikan.
Pertanyaan tentang kursus ini
Belajar
Berapa lama menyelesaikan Segmentasi pelanggan?
Sekitar 51 menit total: 5 unit yang terdiri dari 17 bite, masing-masing sekitar tiga menit, dan setiap bite diakhiri pertanyaan singkat. Anda bisa mengerjakan satu bite sehari atau beberapa sekaligus.
Apakah saya perlu bisa coding?
Tidak untuk memulai. Kursus fondasi menjelaskan setiap ide dengan bahasa sehari-hari lebih dulu; kalau sebuah kursus memakai SQL atau Python, kursus itu mengajarkannya dari awal, dengan playground di dalam pelajaran.
Saya harus mulai dari mana?
Kalau Anda baru mengenal AI, mulai dari Dasar-dasar AI & data. Kalau Anda sudah tahu pekerjaan yang dituju, ikuti jalur kariernya; Segmentasi pelanggan punya tempat di dalamnya.
Kapan saya bisa mulai belajar?
Datamew segera hadir di iOS dan Android. Belum ada tanggal rilis maupun harga yang diumumkan: gabung waitlist dan kami akan memberi tahu saat aplikasinya tersedia.
Apakah tersedia dalam Bahasa Indonesia?
Ya. Datamew ditulis dalam Bahasa Indonesia dan Bahasa Inggris.
Kursus lainnya
- Dasar-dasar AI & dataCara kerja AI, cara memberinya instruksi, dan cara membaca angka dengan jujur.
- Data analystCara analis berpikir dan bekerja: dari pertanyaan bisnis ke jawaban yang dipakai orang.
- Data engineerMembangun pipeline yang membawa data tepat waktu dan benar: SQL, Python, orkestrasi, dan warehouse.
- Data scientistApa yang dikerjakan data scientist, dan cara memakai LLM dalam pekerjaannya.
- Persiapan dataDari export mentah ke tabel yang bisa dipercaya: bentuk yang rapi, nilai kosong, duplikat, dan format.
- Visualisasi dataGrafik yang menjawab pertanyaan dengan jujur, dari memilih jenisnya sampai dashboard dan cerita.
- SQL untuk analisisBertanya langsung ke database: menyaring, meringkas, menggabungkan tabel, dan window function.
- StatistikDasar statistik yang dipakai setiap peran data: meringkas, membaca sebaran, dan mengukur ketidakpastian.
- Supervised dan unsupervised learningDua cara mesin belajar dari data: dengan jawaban, dan tanpa jawaban.
- Rekomendasi produkCara kerja "mungkin Anda suka", data di baliknya, dan cara membuktikan dampaknya.
- A/B testingMengukur apakah sebuah perubahan benar-benar berhasil, dengan dua grup acak dan hasil yang dibaca jujur.
- ForecastingPerkirakan permintaan sebagai rentang, siap untuk Ramadan, 11.11, dan 12.12.
- Analitik media sosialMembaca angka Instagram, TikTok, dan YouTube dengan jujur, dan memakai AI tanpa tertipu.
- AI untuk rekonsiliasi keuanganMencocokkan mutasi rekening dengan invoice: aturan dulu, AI untuk sisanya, manusia yang memutuskan.
- AI untuk SEOCara kerja pencarian di era jawaban AI, riset kata kunci, Search Console, dan menulis dengan AI secara bertanggung jawab.
Bacaan sambil menunggu
Panduan dari tim Datamew, gratis di web hari ini.
Cara Menjadi Data Analyst di Indonesia: Skill, Roadmap, dan Gaji (2026)
Untuk menjadi data analyst, pelajari spreadsheet, SQL, satu tool BI seperti Looker Studio atau Power BI, statistik dasar, dan cara menjelaskan temuan dengan bahasa sederhana. Dasarnya bisa dikuasai dalam sekitar enam bulan belajar paruh waktu, lalu Anda butuh dua atau tiga proyek portofolio untuk dipanggil wawancara. Rata-rata gaji data analyst di Indonesia menurut Indeed sekitar Rp6,3 juta per bulan.
8 menit bacaCara Menjadi Data Scientist di Indonesia: Skill, Roadmap, dan Gaji (2026)
Data scientist memakai Python, statistik, dan machine learning untuk memprediksi apa yang akan terjadi dan menguji apa yang berhasil. Kebanyakan orang sampai ke sana lewat data analysis dulu: kuasai SQL dan statistik, lalu Python, eksperimen, dan machine learning, yang butuh sekitar satu tahun belajar paruh waktu. Di Indonesia, rata-rata gaji data scientist di Indeed sekitar Rp14,5 juta per bulan.
8 menit bacaJadi yang pertama memakai aplikasinya
Tinggalkan email Anda dan kami akan memberi tahu saat Datamew tersedia di ponsel Anda. Satu email saat rilis, tanpa spam.
- Segera hadir diApp Store
- Segera hadir diGoogle Play
- Pakai sekarang diweb