RFM Insight / RFM
30 Sep 2026 Unduh
Semua Cabang · Seluruh periode

RFM Explorer

Peta nilai pelanggan berdasarkan Recency, Frequency, dan Monetary.

CSV mentah

Konsentrasi revenue

10% pelanggan teratas menyumbang 46,5% dari total revenue; 20% teratas menyumbang 64,9%.

Kedalaman hubungan

21,3% pelanggan bertransaksi lebih dari sekali (932 orang). Sisanya masih one-time buyer.

Risiko retensi

86,5% pelanggan tidak bertransaksi dalam 12 bulan terakhir. Median recency 1.209 hari.

Segmen paling bernilai

Berisiko Churn (C0) berisi 17,1% pelanggan tetapi menyumbang 48,5% revenue (Rp 1,78 M).

Snapshot 30 Sep 2026. Gabungan transaksi pada dataset utama (rfm.csv). Semua angka dihitung ulang dari rfm_segments.csv. Nama segmen adalah label heuristik dari profil R/F/M, bukan label bisnis final.

Total pelanggan
4.372

Seluruh periode

Total revenue
Rp 3,68 M

Nilai transaksi bersih

Rp 3.676.637.236
Repeat rate
21,3%

932 pelanggan > 1 transaksi

Median recency
1.209 hari

± 3,3 tahun sejak transaksi terakhir

Aktif 12 bulan
13,5%

592 pelanggan

Peta nilai pelanggan

Satu titik = satu pelanggan. Warna menunjukkan segmen hasil clustering.

4.372 pelanggan

Sumbu X: recency (hari) — makin ke kiri makin baru. Sumbu Y: monetary (logaritmik). Arahkan kursor ke titik untuk detail pelanggan.

Komposisi segmen

Ukuran segmen dan kontribusi revenue masing-masing.

Pelanggan4.372

Distribusi recency

Berapa lama sejak transaksi terakhir.

Distribusi frekuensi

Jumlah transaksi per pelanggan.

Distribusi monetary

Sebaran total belanja per pelanggan.

Kurva konsentrasi revenue

Persentase kumulatif revenue terhadap persentase pelanggan teratas.

Pelanggan bernilai tertinggi

Kontributor revenue terbesar pada dataset ini.

  1. 1MAS JOVIR 1.514 hari · F 1×Rp 27.340.000Berisiko Churn · C0
  2. 2SDN KARANGSEMBUNG 03R 1.663 hari · F 2×Rp 21.840.000Berisiko Churn · C0
  3. 3PT MANDIRI TASPENR 1.747 hari · F 1×Rp 17.800.000Perlu Re-engagement · C1
  4. 4TRENDS URBANR 635 hari · F 9×Rp 17.125.000Berisiko Churn · C0
  5. 5PAK ARIFR 628 hari · F 6×Rp 16.625.000Berisiko Churn · C0
  6. 6PAK AGUSR 854 hari · F 10×Rp 15.450.000Berisiko Churn · C0
  7. 7IBU HERAR 1.569 hari · F 6×Rp 15.060.000Berisiko Churn · C0
  8. 8MAS FIRDAUSR 1.457 hari · F 3×Rp 14.000.000Berisiko Churn · C0

Unduh data & artefak

Semua berkas mentah untuk dianalisis ulang di Excel, Python, atau R.

rfm_segments.csv RFM + label cluster per pelanggan. CSV 289 KB summary.txt Ringkasan K-Means & Random Forest. TXT 1 KB kmeans.joblib Artefak model terlatih (joblib). MODEL 18 KB random_forest.joblib Artefak model terlatih (joblib). MODEL 1,7 MB scaler.joblib Artefak model terlatih (joblib). MODEL 639 B Gini_importance.png Plot diagnostik dari pipeline Python. PNG 14 KB Permutation_importance.png Plot diagnostik dari pipeline Python. PNG 17 KB kmeans_k_selection.png Plot diagnostik dari pipeline Python. PNG 54 KB kmeans_scatter.png Plot diagnostik dari pipeline Python. PNG 192 KB rf_confusion_matrix.png Plot diagnostik dari pipeline Python. PNG 20 KB