Apa itu Market Basket Analysis?
Market basket analysis adalah teknik data mining yang digunakan oleh peritel untuk meningkatkan penjualan dengan memahami pola pembelian pelanggan dengan lebih baik. Teknik ini melibatkan analisis kumpulan data besar, seperti riwayat pembelian, untuk mengungkap pengelompokan produk serta produk-produk yang cenderung dibeli bersamaan.
Penerapan market basket analysis semakin berkembang dengan hadirnya sistem point-of-sale (POS) elektronik. Dibandingkan dengan pencatatan manual oleh pemilik toko, catatan digital yang dihasilkan oleh sistem POS memudahkan aplikasi dalam memproses dan menganalisis volume besar data pembelian.
Implementasi market basket analysis memerlukan pemahaman tentang statistik dan data science, serta keterampilan pemrograman algoritmik. Namun, bagi mereka yang tidak memiliki keterampilan teknis tersebut, tersedia berbagai alat komersial siap pakai.
Jenis-Jenis Market Basket Analysis
Peritel perlu memahami jenis-jenis market basket analysis berikut:
- Predictive market basket analysis. Jenis ini mempertimbangkan urutan pembelian suatu item untuk menentukan kemungkinan cross-sell atau penjualan silang.
- Differential market basket analysis. Jenis ini mempertimbangkan data dari berbagai toko, serta pembelian dari berbagai kelompok pelanggan pada waktu yang berbeda, seperti pagi, siang, atau malam; bulanan; atau tahunan. Jika sebuah aturan berlaku di satu dimensi, seperti lokasi toko, periode waktu, atau kelompok pelanggan, tetapi tidak berlaku di dimensi lain, analis dapat mengidentifikasi faktor yang menyebabkan pengecualian tersebut. Wawasan ini dapat digunakan untuk menawarkan produk baru yang meningkatkan penjualan.
Algoritma dalam Market Basket Analysis
Dalam market basket analysis, association rules digunakan untuk memprediksi kemungkinan produk yang dibeli secara bersamaan. Association rules menghitung frekuensi item yang muncul bersamaan, dengan tujuan menemukan hubungan yang terjadi lebih sering dari yang diharapkan.
Algoritma yang menggunakan association rules antara lain AIS, SETM, dan Apriori. Algoritma Apriori sering dikutip oleh data scientist dalam penelitian tentang market basket analysis. Algoritma ini digunakan untuk mengidentifikasi item yang sering muncul dalam database, lalu mengevaluasi frekuensinya seiring dengan pertambahan ukuran dataset.
Paket arules untuk R adalah toolkit open-source untuk association mining menggunakan bahasa pemrograman R. Paket ini mendukung algoritma Apriori, serta algoritma penambangan lainnya seperti:
- arulesNBMiner
- Opusminer
- RKEEL
- RSarules
Contoh Market Basket Analysis
Amazon menggunakan salah satu contoh market basket analysis yang paling terkenal. Pada halaman produk, Amazon menampilkan produk terkait di bawah kategori “Frequently bought together” dan “Customers who bought this item also bought.”
Market basket analysis juga diterapkan di toko fisik. Misalnya, jika analisis menunjukkan bahwa pembelian majalah sering kali disertai dengan pembelian pembatas buku (bookmark)—meskipun pembeli tidak membeli buku—maka toko buku dapat menempatkan rak pembatas buku di dekat rak majalah untuk meningkatkan kemungkinan pembelian.
Manfaat Market Basket Analysis
Market basket analysis dapat meningkatkan penjualan dan kepuasan pelanggan. Dengan menggunakan data untuk menentukan bahwa produk tertentu sering dibeli bersama, peritel dapat mengoptimalkan penempatan produk, menawarkan diskon khusus, dan membuat paket bundling untuk mendorong penjualan lebih lanjut.
Peningkatan ini tidak hanya menghasilkan lebih banyak penjualan bagi peritel tetapi juga meningkatkan pengalaman berbelanja pelanggan. Dengan market basket analysis, pelanggan dapat merasa lebih puas dan memiliki loyalitas merek yang lebih kuat terhadap perusahaan.