Studi Kasus Data Analysis Starbucks Kota Seruni : Meningkatkan Penjualan dengan Market Basket Analysis

Apa Itu Market Basket Analysis?

Market Basket Analysis (MBA) adalah teknik dalam data mining yang digunakan untuk mengidentifikasi pola atau hubungan antar produk yang sering dibeli bersamaan dalam satu transaksi. Teknik ini banyak digunakan di industri ritel dan e-commerce untuk memahami perilaku konsumen dan menyusun strategi pemasaran yang lebih efektif.

Komponen Utama dalam Market Basket Analysis:

• Itemset: Kumpulan item yang dianalisis bersama (contoh: pola pembelian kopi dan croissant).
• Support: Frekuensi itemset muncul dalam seluruh transaksi.
• Confidence: Kemungkinan item B dibeli jika item A dibeli.
• Lift: Kekuatan hubungan antar item dibandingkan peluang pembelian secara acak.

1. Lift > 1: Hubungan positif antara item A dan B.
2. Lift = 1: Tidak ada hubungan khusus.
3. Lift < 1: Hubungan negatif.

---

Kenapa Market Basket Analysis Penting?

Bayangkan kamu mengelola sebuah kafe atau toko online. Jika kamu tahu bahwa pelanggan yang membeli “chocolate cake” juga cenderung membeli “green tea latte”, kamu bisa menyusun paket promosi menarik seperti “Tea Time Combo” untuk meningkatkan penjualan.

Manfaat utama MBA antara lain:

• Cross-selling: Menawarkan produk pelengkap yang relevan.
• Penempatan produk yang lebih strategis: Meningkatkan pembelian impulsif.
• Rekomendasi otomatis: Seperti fitur “produk yang sering dibeli bersama”.
• Optimasi stok dan promosi: Fokus pada item dengan potensi tinggi.

---

Studi Kasus: Starbucks Kota Seruni

Latar Belakang

Starbucks Kota Seruni, dengan 10 gerai aktif, mengalami penurunan nilai transaksi rata-rata sebesar 12% meski volume pelanggan tetap stabil. Banyak pelanggan hanya membeli satu item (biasanya minuman utama seperti kopi), tanpa tambahan makanan atau merchandise.

Permasalahan Utama:

1. Pembelian Tambahan Minim, Pelanggan jarang membeli makanan ringan atau barang tambahan.
2. Cross-Selling Tidak Optimal, Staf tidak memiliki wawasan terkait produk yang cocok direkomendasikan.
3. Produk Favorit Tidak Terdeteksi, Manajemen belum tahu kombinasi produk mana yang disukai pelanggan.
4. Penumpukan Stok, Produk seperti tumbler dan croissant menumpuk karena jarang dibeli.

---

Solusi: Analisis Keranjang Belanja

Starbucks memutuskan untuk menerapkan Market Basket Analysis untuk menjawab pertanyaan berikut:

• Kombinasi produk apa yang cocok dijadikan bundling?
• Bagaimana meningkatkan rata-rata item per transaksi?
• Apa pola pembelian untuk makanan ringan dan minuman non-kopi?
• Bagaimana cara mengurangi stok produk lambat?

---

Temuan Utama dari Analisis Data

Dari dataset transaksi yang dianalisis, ditemukan pola-pola menarik seperti:

Kombinasi Produk Populer:

• Chocolate Cake + Green Tea Latte → Tumbler → Lift: 2.56, Confidence: 0.625
• Coffee Beans + Latte + Chocolate Cake → Green Tea Latte → Peluang besar untuk cross-selling produk minuman non-kopi.

Strategi: Gunakan kombinasi ini sebagai dasar untuk bundling promosi seperti “Dessert & Drink Combo” atau “Coffee Enthusiast Pack”.

---

Cara Meningkatkan Nilai Transaksi

1. Strategi Bundling

• Paket seperti “Buy 2, Get 1 Free” untuk produk dengan lift tinggi.
• Contoh: Coffee Beans + Chocolate Cake + Bonus Green Tea Latte.

2. Promosi Bertarget

• Diskon untuk pembelian tambahan berdasarkan data confidence tinggi.
• Contoh: Diskon khusus Cappuccino jika beli Chocolate Cake.

3. Sistem Rekomendasi

• Terapkan sistem rekomendasi real-time di kasir atau aplikasi.

4. Visualisasi & Tata Letak

• Letakkan item dengan asosiasi tinggi secara berdampingan di outlet.

5. Program Loyalitas

• Tambahan poin untuk pembelian lebih dari satu produk per transaksi.

---

Mengurangi Stok Produk Lambat

Produk dengan support rendah dan lift < 1 teridentifikasi sebagai produk lambat, misalnya:

• Hot Chocolate
• Tumbler
• Croissant
• Espresso
• Cappuccino

Strategi Mengurangi Stok:

• Jadikan produk tersebut bagian dari paket promosi.
• Tumbler dijadikan hadiah dengan pembelian minimum.
• Hot Chocolate ditawarkan sebagai bonus musiman.

---

Dampak Bisnis yang Diharapkan

Strategis:

• Promosi berbasis data meningkatkan posisi kompetitif.
• Pengalaman pelanggan makin personal.

Operasional:

• Penataan produk lebih efisien.
• Stok berlebih bisa dikurangi dengan promosi bertarget.

Finansial:

• Nilai transaksi naik.
• Anggaran promosi lebih tepat sasaran.

Pemahaman Perilaku Pelanggan:

• Starbucks bisa lebih memahami preferensi produk.
• Peluang upselling lebih mudah diidentifikasi.

---

Rekomendasi Implementasi

Strategi:

• Paket “Breakfast Combo”: kopi + croissant.
• Diskon bundle berdasarkan kombinasi favorit.

Operasional:

• Tempatkan produk yang sering dibeli bersama secara berdekatan.
• Gunakan sistem otomatis untuk rekomendasi produk di POS.

Finansial:

• Kurangi stok produk lambat dengan diskon atau hadiah.
• Fokus investasi pada kombinasi produk yang punya lift tinggi.

Customer Experience:

• Rekomendasi berbasis data secara real-time.
• Berikan reward bagi pelanggan yang menambah item dalam transaksi.

---

Kesimpulan

Studi kasus Starbucks Kota Seruni membuktikan bahwa Market Basket Analysis bukan hanya istilah rumit dalam data science, tapi alat nyata yang bisa digunakan untuk memecahkan masalah bisnis sehari-hari. Dengan memanfaatkan data transaksi secara strategis, perusahaan dapat meningkatkan penjualan, mengoptimalkan stok, dan memberikan pengalaman pelanggan yang lebih baik.

Gabung ke Komunitas Data Analyst untuk mendapatkan informasi terupdate terkait artikel study case seperti diatas melalui link berikut ini