jlk – Anda pasti pernah berbelanja di supermarket atau toko online, dan melihat beberapa produk yang dipasangkan atau direkomendasikan bersamaan. Misalnya, saat Anda membeli pasta gigi, Anda juga ditawarkan sikat gigi.
Atau saat Anda membeli baju, Anda juga disarankan untuk membeli celana yang cocok. Apakah ini kebetulan? Tentu saja tidak. Ini adalah hasil dari sebuah teknik data mining yang disebut market basket analysis.
Market basket analysis adalah teknik yang digunakan untuk menganalisis pola pembelian produk yang sering dilakukan oleh konsumen dalam satu keranjang belanja.
Tujuannya adalah untuk memahami perilaku konsumen dengan mengidentifikasi hubungan antara produk-produk yang dibeli.
Dengan demikian, bisnis ritel dapat meningkatkan penjualan dengan cara:
- Menempatkan produk yang sering dibeli bersamaan di lokasi yang berdekatan, baik secara fisik (di rak toko) maupun virtual (di katalog situs e-commerce).
- Menawarkan promosi, diskon, atau insentif untuk produk yang sering dibeli bersamaan, seperti paket hemat, bundling, atau cross-selling.
- Mengurangi retensi pelanggan dengan memberikan rekomendasi produk yang sesuai dengan kebutuhan dan preferensi mereka.
- Meningkatkan pangsa pasar dengan menargetkan konsumen potensial yang memiliki pola pembelian serupa dengan konsumen loyal.
Market basket analysis menggunakan algoritma yang disebut association rules mining, yang dapat menghasilkan aturan asosiasi antara produk-produk yang dibeli.
Aturan asosiasi memiliki bentuk seperti ini:
{Produk A} => {Produk B}
Artinya, jika konsumen membeli produk A, maka mereka juga cenderung membeli produk B. Untuk menilai kekuatan dari aturan asosiasi ini, ada beberapa ukuran yang digunakan, yaitu:
- Support: frekuensi relatif dari produk A dan B yang dibeli bersamaan dalam semua transaksi. Semakin tinggi support, semakin sering aturan asosiasi ini terjadi.
- Confidence: proporsi dari transaksi yang membeli produk A yang juga membeli produk B. Semakin tinggi confidence, semakin kuat hubungan antara produk A dan B.
- Lift: rasio antara support dan perkalian dari support produk A dan B secara terpisah. Semakin tinggi lift, semakin signifikan hubungan antara produk A dan B.
Contoh:
Misalkan ada 10 transaksi belanja sebagai berikut:
| No | Produk yang dibeli |
|---|---|
| 1 | Pet Food, Sirup, Teh Celup |
| 2 | Gula, Teh Celup |
| 3 | Pet Food, Sirup |
| 4 | Sirup, Teh Celup |
| 5 | Gula, Sirup, Teh Celup |
| 6 | Pet Food, Teh Celup |
| 7 | Pet Food, Sirup, Teh Celup |
| 8 | Teh Celup |
| 9 | Gula, Teh Celup |
| 10 | Gula, Pet Food, Sirup |
Salah satu aturan asosiasi yang dapat dibentuk dari data di atas adalah:
{Pet Food} => {Sirup}
Artinya, jika konsumen membeli pet food, maka mereka juga cenderung membeli sirup. Ukuran dari aturan asosiasi ini adalah:
- Support: 4/10 = 0.4. Artinya, 40% dari semua transaksi membeli pet food dan sirup bersamaan.
- Confidence: 4/5 = 0.8. Artinya, 80% dari transaksi yang membeli pet food juga membeli sirup.
- Lift: 0.4/(0.5 x 0.6) = 1.33. Artinya, kemungkinan membeli sirup jika sudah membeli pet food adalah 1.33 kali lebih besar daripada membeli sirup secara acak.
Dari ukuran-ukuran ini, dapat disimpulkan bahwa aturan asosiasi {Pet Food} => {Sirup} adalah aturan yang cukup kuat dan sering terjadi.
Oleh karena itu, bisnis ritel dapat memanfaatkan aturan ini untuk meningkatkan penjualan dengan cara:
- Menempatkan pet food dan sirup di rak yang berdekatan atau di halaman yang sama di situs e-commerce.
- Menawarkan diskon atau paket hemat untuk pembelian pet food dan sirup bersamaan.
- Memberikan rekomendasi sirup kepada konsumen yang membeli pet food.
Dengan demikian, market basket analysis dapat membantu bisnis ritel untuk memaksimalkan cuan dengan lebih memahami pola pembelian konsumen dan memberikan pelayanan yang lebih baik.
Namun, teknik ini juga memiliki beberapa keterbatasan, seperti:
- Tidak dapat menangkap hubungan sebab-akibat antara produk-produk yang dibeli. Hanya dapat menunjukkan korelasi atau kesamaan pola pembelian.
- Tidak dapat menangkap faktor-faktor lain yang mempengaruhi perilaku konsumen, seperti demografi, psikografi, musim, tren, atau promosi dari pesaing.
- Membutuhkan data transaksi yang besar dan berkualitas untuk menghasilkan aturan asosiasi yang valid dan reliabel.
Oleh karena itu, market basket analysis sebaiknya tidak digunakan sebagai satu-satunya alat untuk mengambil keputusan bisnis, melainkan sebagai salah satu sumber informasi yang dapat dikombinasikan dengan metode-metode lain, seperti analisis klaster, analisis sentimen, atau analisis prediktif.
Dengan begitu, bisnis ritel dapat memiliki gambaran yang lebih lengkap dan akurat mengenai konsumen dan pasar mereka.