Menganalisa Keinginan Harga untuk Pelanggan

Regression Analysis adalah mengukur hubungan antara dua variabel atau lebih. Ini berkaitan dengan penggambaran variabel dependen dari komponen predictor variable, yang disebut sebagai variabel independen. Contohnya adalah ketika harga dirubah, maka berapakah nantinya nilai demand yang akan berubah. Penjualan atau demand sebagai fungsi dari variabel dependen. Sedangkan harga adalah dependen variabel.

Gambar oleh Sumanley xulx dari Pixabay

Dengan kata lain, yang diharapkan dengan melakukan regresi analisis adalah mendapatkan predikisi mengenai apa yang akan menjadi permintaan pada harga yang berbeda. Teknik yang digunakan dalam regresi analisis adalah model aditif linier sederhana.

Dari kedua tabel data harga dan permintaan diatas, perusahaan menginginkan perubahan harga dan mengamati permintaan.

Beberapa hal untuk mulai memplot data seperti diatas. Melalui visualisasi dapat diketahui sebaran data price and demand pelanggan.

Data yang ditampilkan tentu sangat wajar dan alamiah. Ketika harga naik, maka penjualan akan turun dan ketika harga turun, maka penjualan akan naik. Hal ini dapat diselesaikan dengan menggunakan regresi analisis untuk menentukan harga yang paling sesuai. Dengan memplot data, harga sensitif bagi konsumen untuk melakukan pembelian dapat diketahui.

Demand Analysis

ket:

Sales = Variabel dependen

Ruas kanan = persamaan yang membentuk variabel bebas (independen variabel)

b = Sensitivitas harga, yaitu variabel yang menangkap seberapa sensitif demand terhadap harga

a = Intersep, variabel yang menangkap tingkat dasar permintaan

e = Error term, faktor eror dari kalkulasi (karena terdapat berbagai kemungkinan naik-turun penjualan)

Simple Regression General Pattern

Pada dasarnya konsep regresi analisis digunakan untuk menyesuaikan garis persamaan demand ke data yang dikumpulkan. 

RFM Tools

Salah satu cara lain yang digunakan untuk memprediksi kebiasaan pelanggan di periode berikutnya adalah model RFM (Recency, Frequency, Money value). RFM adalah tools yang digunakan untuk memprediksi kemungkinan pelanggan dari periode 1 ke periode yang lebih jauh lagi, misalkan langsung ke periode 3, 4, dst.

Recency = Kegiatan yang dilakukan oleh pelanggan untuk menuju pembelian. Bisa dikatakan juga sebagai sesuatu yang mempengaruhi pelanggan sebelum melakukan pembelian (bisa karena adanya iklan, kunjungan web, email promosi, dll).

Frequency = Jumlah kegiatan transaksi yang dilakukan pelanggan

Monetary value = Jumlah spend uang oleh pelanggan

Model RFM bisa diaplikasikan dengan menggunakan model regeresi sederhana. Namun, dalam beberapa hal yang lebih luas lagi, penggunaan model regresi tidak dapat digunakan karena adanya keterbatasan. Misalnya untuk mengukur periode loncatan ke periode 3 dan 4, ataupun mengukur kemampuan seberapa banyak customer dapat mengeluarkan seluruh uangnya seumur hidup untuk bisnis perusahaan.