Ngiklan, ada leads, calon customer komunikasi dengan CS, kemudian ghosting.
Ghosting, iya ghosting. Ngilang gitu aja tanpa kepastian.
Terus pernah gak kepikiran kayak begini,
Mungkin gak sih closing atau ngga-nya calon customer itu diprediksi?
Jeng jeng jeng….
Oiya, sebelumnya kita buat pengantar dulu untuk bahasan kali ini.
Ada yang pernah ngajuin kredit? *loh kok jadi ngomongin kredit
Kenapa saya singgung masalah ini?
Apa hubungannya dengan closing atau ngga-nya seorang calon customer?
Jadi gini, di dunia perbankan biasanya ada yang namanya credit scoring atau ada juga yang nyebut dengan studi kelayakan nasabah.
Ujungnya adalah nentuin apakah seorang nasabah itu layak atau gak nerima kredit?
Dia bakal gagal bayar gak nantinya di masa mendatang?
Buat nentuin layak atau gak nerima kredit, itu pake data.
Pake pemodelan, mau nyebut pemodelan statistik atau machine learning, bebas aja.
Intinya kita bikin model persamaan yang nanti bisa ngeluarin hasil berupa prediksi layak atau gak tuh orang dikasih kredit.
Kalo dalam urusan closing, ya calon customer itu closing atau ngga.
Gitu ya, paham gak? Haha…😂
Bahasan kita masih pake data sales Mas Tangguh ya, wkwkw…
Tapi saya ambil sebagian aja datanya, cuma buat ilustrasi kita belajar, selebihnya bisa kontak saya kalo kita mau kerjasama urusan data 🤣 *ngarap gaes
Tabel di atas adalah datanya ya, ada gross revenue, shipping cost, quantity, dan closing/gak.
Closing = 1 dan gak closing = 0.
*raw datanya masih banyak tapi ditampilin beberapa aja di dalam tabel
Khusus untuk ilustrasi ini, saya coba pake metode logistic regression. *bisa cek wikipedia atau googling aja soalnya gak bisa embed url
Singkat proses, didapet model persamaannya seperti ini:
peluang closing= 1/(1+exp(-(0.22-0.38×shipping cost+0.38 ×gross revenue)))
Dari persamaan di atas, kita bisa liat kalo shipping cost punya pengaruh negatif ke closing (diliat dari -0.38) artinya kalo biaya shipping semakin tinggi maka customer bakal cenderung gak jadi closing.
Oiya, performance dari pemodelan di atas begini ya.
Kalo mau lebih detail tentang penjelasan performance tersebut, bisa baca googling. *masih gak bisa embed url
Kalo bagian di bawah ini namanya confusion matrix wkwkw…
75% itu adalah customer yang gak closing dan diprediksi juga gak closing sedangkan 64.7% itu customer yang closing dan terprediksi closing.
Meski gak terlalu bagus, tapi ya so so lah hehehe…
Sederhananya,model yang kita buat punya akurasi di sekitar 70%, sisanya 30% itu error.
Jadi kalo ada 100 transaksi, ada 30 transaksi yang salah prediksi closing atau ngga-nya.
Nah , contoh hasilnya itu gini.
Yang kiri itu prediksi, yang kanan aktual datanya.
Contoh di customer nomor 1 itu dia closing dan dengan model diprediksi juga closing.
Customer nomor 4 contoh error klasifikasi, aktualnya dia gak closing tapi dalam prediksi ternyata closing.
Kurang lebih gitu ya bahasannya..
Jadi intinya bisa gak mas memprediksi calon customer itu closing atau gak?
Jawabannya: BISA BANGET!
Pusing?
Mon map mengeruhkan weekendnya🤣