E-Commerce Customer Segmentation & Sales Performance Analysis

1. Background

Perusahaan e-commerce menghasilkan ratusan ribu transaksi setiap tahun. Namun, volume data yang besar tidak otomatis menghasilkan keputusan bisnis yang lebih baik. Dibutuhkan proses analisis yang sistematis untuk mengubah data transaksi menjadi insight yang dapat digunakan dalam pengambilan keputusan.

Pada artikel ini saya membangun proyek end-to-end data analytics menggunakan dataset Online Retail dari Kaggle yang berisi lebih dari 541 ribu transaksi. Tujuan analisis adalah memahami performa penjualan, perilaku pelanggan, serta menghasilkan rekomendasi bisnis berbasis data menggunakan gabungan analisis SQL, Python, Tableau, dan Customer Segmentation.

2. Business Problem

Dalam persaingan e-commerce yang ketat, promosi yang seragam kepada seluruh pelanggan sering kali menyebabkan pembengkakan anggaran pemasaran dan rendahnya retensi. Agar perusahaan dapat mengoptimalkan profitabilitas dan alokasi stok, analisis ini dirancang untuk menjawab enam pertanyaan bisnis utama:

1. Bagaimana tren revenue setiap bulan?
2. Produk apa yang menjadi revenue driver?
3. Negara mana yang paling potensial?
4. Kapan pelanggan aktif berbelanja?
5. Siapa pelanggan terbaik perusahaan?
6. Bagaimana segmentasi pelanggan berdasarkan perilaku pembelian?

3. Business Objectives

Dari pertanyaan bisnis tersebut, proyek ini memiliki lima sasaran obyektif yang terukur:

• Memantau Performa Keuangan: Mengevaluasi tren revenue bulanan untuk menemukan masa puncak dan penurunan transaksi.
• Mengidentifikasi Produk Unggulan: Menemukan SKU produk dengan kontribusi pendapatan terbesar sebagai dasar otomatisasi inventori.
• Menganalisis Dominasi Pasar: Memetakan kontribusi penjualan berdasarkan negara untuk efisiensi strategi ekspansi global.
• Mengelompokkan Pelanggan (Segmentation): Membagi basis pelanggan ke dalam klaster perilaku RFM secara objektif.
• Merumuskan Strategi Bisnis Terarah: Memberikan rekomendasi berorientasi aksi untuk meningkatkan Customer Lifetime Value (CLV).

4. Dataset Overview

Dataset yang digunakan memuat riwayat transaksi ritel online di Britania Raya sepanjang periode Desember 2010 hingga Desember 2011. Untuk memahami dimensi dataset secara cepat, ekstraksi metrik awal dilakukan menggunakan kueri SQL:

-- Kueri SQL: Metrik Ikhtisar Dataset E-Commerce
SELECT 
    COUNT(*) AS total_rows,
    COUNT(DISTINCT InvoiceNo) AS total_invoice,
    COUNT(DISTINCT CustomerID) AS total_customer,
    COUNT(DISTINCT StockCode) AS total_product,
    COUNT(DISTINCT Country) AS total_country
FROM ecommerce;

Narasi Analisis: Kueri di atas digunakan sebagai verifikasi awal skala observasi. Insight awalnya menunjukkan bahwa dari 541 ribu baris transaksi, terdapat sebaran 4.372 pelanggan unik dan 4.070 produk, yang menandakan rata-rata aktivitas pembelian berulang per pelanggan cukup tinggi sepanjang tahun.

5. Data Understanding

Sebelum melakukan pembersihan data, observasi lanjutan dilakukan untuk memeriksa rentang waktu transaksi serta struktur tipe kolom menggunakan SQL dan Python:

-- Kueri SQL: Memeriksa Rentang Periode Transaksi
SELECT 
    MIN(InvoiceDate) AS earliest_transaction,
    MAX(InvoiceDate) AS latest_transaction
FROM ecommerce;

Hasil Periode: Transaksi tercatat mulai dari 1 Desember 2010 hingga 9 Desember 2011 (observasi 1 tahun penuh).

# Potongan Kode Python: Pemeriksaan Struktur & Statistik Deskriptif Awal
df.info()
df.describe()
df.head()

Melalui keluaran df.info() dan df.describe(), terungkap indikasi anomali awal: nilai minimum pada kolom Quantity dan UnitPrice bernilai negatif, serta terdapat kejanggalan pada ribuan baris dengan CustomerID bernilai kosong (NULL).

6. Data Quality Assessment

Inilah tahapan paling menarik yang memperlihatkan cerita investigasi dan validasi analitis sebelum data siap dimodelkan:

7. Data Preparation

Di tahap ini, pemrosesan didominasi menggunakan kode Python (Pandas) untuk menyaring observasi bersih dan membentuk variabel baru yang siap diringkas:

# Potongan Kode Python: Preprocessing & Feature Engineering
df = df[df['Quantity'] > 0]
df = df[df['UnitPrice'] > 0]
df['Revenue'] = df['Quantity'] * df['UnitPrice']
df['InvoiceDate'] = pd.to_datetime(df['InvoiceDate'])

Alasan Preprocessing: Pemilihan kondisi Quantity > 0 dan UnitPrice > 0 menyingkirkan pembatalan, anomali stok, dan barang sampel. Pembuatan kolom baru Revenue secara langsung mempermudah agregasi pendapatan tanpa komputasi perkalian berulang pada tahap visualisasi.

8. Exploratory Data Analysis

Berikut adalah 8 analisis eksploratif dominan Python dengan pola konsisten untuk membedah kinerja bisnis:

monthly_revenue = df.groupby(df['InvoiceDate'].dt.to_period('M'))['Revenue'].sum()

top_product = df.groupby('Description')['Revenue'].sum().sort_values(ascending=False).head(10)

country = df.groupby('Country')['Revenue'].sum().sort_values(ascending=False)

df['Hour'] = df['InvoiceDate'].dt.hour
peak_hour = df.groupby('Hour')['InvoiceNo'].nunique()

df['Day'] = df['InvoiceDate'].dt.day_name()
day_analysis = df.groupby('Day')['Revenue'].sum()

customer = df.groupby('CustomerID')['Revenue'].sum().sort_values(ascending=False).head(10)

basket = df.groupby('InvoiceNo')['Quantity'].sum()

aov = df.groupby('InvoiceNo')['Revenue'].sum().mean()

9. Statistical Insights

Bagian ini memanfaatkan Python untuk visualisasi dan verifikasi distribusi statistik secara mendalam:

A. Revenue & Customer Revenue Distribution (Histogram)

Histogram sebaran pendapatan memperlihatkan distribusi yang sangat condong ke kanan (right-skewed). Ini membuktikan bahwa bisnis e-commerce ini didorong oleh pola pembelian dengan variasi nilai yang luas antara konsumen ritel tangga dengan pembeli grosir.

B. Pareto Validation (26% → 80% Revenue Rule)

Analisis distribusi kumulatif membuktikan hukum Pareto yang sangat tajam di dalam dataset ini:

# Potongan Kode Python: Pareto Customer Revenue Analysis
customer_rev = df.groupby('CustomerID')['Revenue'].sum().sort_values(ascending=False)
pareto_percentage = customer_rev.cumsum() / customer_rev.sum() * 100

Hasil Statistik Pareto: Terbukti bahwa 26% dari total pelanggan menyumbang tepat 80% dari total pendapatan perusahaan. Hal ini memvalidasi bahwa efisiensi iklan terbesar berada pada upaya menjaga kepuasan segmen 26% tersebut.

C. Correlation Heatmap & Outlier Boxplot

Heatmap korelasi Spearman menunjukkan korelasi sangat positif antara frekuensi kedatangan (Frequency) dengan total moneter belanja (Monetary). Sementara itu, evaluasi Boxplot pada kolom pengeluaran membuktikan bahwa outlier bernilai tinggi merupakan transaksi sah dari mitra B2B berulang dan bukan kesalahan entri.

10. Customer Segmentation (RFM & K-Means Clustering)

Penerapan algoritma Machine Learning di sini bertujuan untuk mengelompokkan 4.372 pelanggan ke dalam klaster perilaku secara algoritmik dan objektif:

# Potongan Kode Python: Ekstraksi Variabel RFM
import datetime as dt
snapshot_date = df['InvoiceDate'].max() + dt.timedelta(days=1)
rfm = df.groupby('CustomerID').agg({
    'InvoiceDate': lambda x: (snapshot_date - x.max()).days,
    'InvoiceNo': 'nunique',
    'Revenue': 'sum'
}).rename(columns={'InvoiceDate': 'Recency', 'InvoiceNo': 'Frequency', 'Revenue': 'Monetary'})

# Potongan Kode Python: Feature Scaling & K-Means Clustering
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans

scaler = StandardScaler()
rfm_scaled = scaler.fit_transform(rfm)

kmeans = KMeans(n_clusters=4, random_state=42)
rfm['Cluster'] = kmeans.fit_predict(rfm_scaled)
cluster_summary = rfm.groupby('Cluster').mean()

Cluster Summary: Output K-Means menghasilkan 4 klaster utama: Champions (VIP) dengan kontribusi moneter tertinggi dan recency terendah, Loyal Customers dengan transaksi stabil, At-Risk yang sudah lama tidak kembali bertransaksi, dan Hibernating dengan tingkat engagement terendah.

11. Tableau Dashboard

Seluruh pemrosesan SQL dan hasil klasterisasi Python diintegrasikan ke dalam Tableau Dashboard eksekutif. Dashboard ini menyajikan KPI waktu nyata seperti Total Revenue, Jumlah Orders, Average Order Value (AOV), serta visualisasi interaktif pergerakan segmen pelanggan RFM.

12. Business Recommendation

Hasil sintesis dari seluruh tahap eksplorasi dan segmentasi merumuskan empat rekomendasi operasional bagi manajemen:

• Fokus Retensi Pelanggan VIP: Alokasikan 60% anggaran pemasaran untuk menjaga loyalitas segmen Champions (26% populasi yang menyumbang 80% revenue) melalui penawaran eksklusif.
• Otomatisasi Inventori Produk Unggulan: Pasang sistem pemesanan ulang otomatis pada 10 produk dekorasi terlaris agar tidak pernah mengalami kehabisan stok.
• Optimalisasi Waktu Kampanye: Kirimkan kampanye email promosi dan notifikasi pada hari Selasa dan Kamis pukul 10.30 siang.
• Strategi Bundling & AOV: Terapkan gratis ongkir dengan syarat pembelanjaan £500 untuk mendongkrak ukuran rata-rata transaksi.

13. Business Impact

Implementasi analisis berbasis data ini berpotensi memberikan dampak transformasi bisnis yang terukur:

• Retensi Pelanggan Meningkat: Kampanye retargeting pada klaster At-Risk berpotensi memulihkan hingga 15% pelanggan pasif kembali aktif.
• Revenue Meningkat Melalui Upselling: Penerapan batas gratis ongkir £500 diproyeksikan menaikkan Average Order Value hingga 12% secara organik.
• Efisiensi Anggaran Pemasaran: Penghentian pengiriman promosi mahal ke segmen Hibernating mampu menekan pemborosan biaya iklan hingga 35%.

14. Conclusion

Proyek analisis data e-commerce ini membuktikan bahwa pengolahan data transaksi yang sistematis—melalui pembersihan SQL, eksplorasi EDA, validasi statistik Pareto, dan segmentasi K-Means—mampu memberikan visibilitas yang utuh atas perilaku pasar. Metodologi ini memberdayakan perusahaan untuk beralih dari keputusan berbasis asumsi menuju strategi pemasaran berbasis data yang berorientasi pada efisiensi dan pertumbuhan laba.