Random Forest-Based Prediction of Customer Responses to Marketing Campaigns

Abstract

Kemampuan perusahaan untuk memprediksi respons pelanggan terhadap kampanye pemasaran merupakan salah satu faktor kunci dalam meningkatkan efisiensi anggaran dan meningkatkan konversi penjualan. Namun, pendekatan konvensional yang didasarkan pada intuisi atau aturan sederhana seringkali menghasilkan penargetan yang tidak akurat, yang menyebabkan penggunaan sumber daya pemasaran yang tidak efisien. Studi ini mengusulkan penerapan algoritma Random Forest untuk memprediksi apakah pelanggan akan merespons kampanye pemasaran berdasarkan data profil pelanggan dan perilaku pembelian. Dataset yang digunakan dalam penelitian ini diperoleh dari Kaggle (Customer Personality Analysis), yang berisi informasi demografis, riwayat pembelian, dan catatan interaksi kampanye sebelumnya. Studi ini terbatas pada analisis respons pelanggan berdasarkan karakteristik demografis, perilaku pembelian, dan interaksi kampanye pemasaran sebelumnya yang tersedia dalam dataset. Selain itu, proses klasifikasi hanya berfokus pada dua kelas, yaitu pelanggan yang merespons positif terhadap kampanye pemasaran (1) dan pelanggan yang tidak merespons kampanye pemasaran (0). Proses penelitian meliputi pembersihan data, rekayasa fitur, pemisahan data, pelatihan model Random Forest, dan evaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model tersebut mampu melakukan klasifikasi biner antara pelanggan responsif dan non-responsif dengan performa prediksi yang baik.