Tidak Ingin Perusahaan Anda Tertinggal ?, Bangun Marketing Decision Support System yang Handal

dss sistem informasi pemasaran

MARKETING DECISION SUPPORT SYSTEM – [Konsep]

Tulisan kali ini merupakan bagian dari artikel “Pentingnya Sistem Informasi Pemasaran Dalam Membuat Keputusan“, dan artikel “Dalam Menyusun Strategi Pemasaran, Riset Pemasaran Sangat Penting, Bagaimanakah Cara Riset Pemasaran Yang Benar ?“. yang merupakan satu kesatuan bahasan.

Sistem Pendukung Keputusan Pemasaran atau Marketing Decision Support System,  memiliki fungsi untuk memberikan data dan informasi untuk membantu manajer pemasaran dalam melakukan analisa dan pengambilan keputusan.

Sebagai contoh, ketika seorang manajer pemasaran hendak melakukan analisa dan keputusan terhadap suatu permasalahan, maka manajer tersebut akan memberikan request yang disertai dengan data-data pendukung dan batasan-batasan yang sudah ditentukan yang berdasar atas request tersebut.

Berdasar data inputan, batasan  / filter / persyaratan, dan request yang diberikan, maka Marketing Decision Support System akan melakukan serangkaian proses sesuai aturan dan secara statistik akan menyajikan data dan informasi baru sesuai permintaan, yang akan digunakan untuk mengambil keputusan, atau untuk diolah lebih lanjut.

MDSS ini biasanya dalam bentuk software distribusi & pemasaran yang dibuat untuk fungsi tertentu, seperti untuk melakukan riset pemasaran, melakukan segmentasi dan targeting, menetapkan positioning sebuah brand, menetapkan harga baru sebuah produk baru dan produk lama, menetapkan anggaran iklan dan promosi, melakukan analisa atas media promosi dan media iklan, merencanakan aktivitas salesman, membuat rencana penjualan untuk tiap-tiap saluran distribusi, membuat rencana pengiriman dan sebagainya.

Sebuah sistem pendukung keputusan pemasaran / MDSS secara umum akan terdiri dari 3 bagian utama, yaitu :

Bagian Statistik, yang akan menentukan teknik analisa statistik yang akan digunakan, seperti :

  • Analisis Diskriminan
    • Teknik statistik yang digunakan untuk mengklasifikasikan obyek atau orang menjadi dua kategori atau lebih.
    • Misal sebuah chain store membagi jaringan tokonya dalam 3 kategori berdasar tingkat penjualannya.
  • Analisis Faktorial
    • Teknik statistik yang digunakan untuk menetukan beberapa dimensi pokok dari serangkaian variable yang saling berkorelasi.
    • Contoh sebuah jaringan penyiaran televisi dapat mengurangi beberapa program televisi menjadi beberapa tipe program dasar.
  • Analisis Konjoin
    • Teknik statistik di mana preferensi responden atas penawaran berbeda yang telah diurutkan, disusun ulang untuk menentukan fungsi utilitas orang tersebut untuk setiap atribut dan kepentingan relatif dari setiap atribut.
    • Contoh sebuah perusahaan penerbangan dapat menentukan utilitas total yang dihasilkan oleh kombinasi pelayanan penumpang yang berbeda.
  • Analisis Kluster
    • Teknik statistik yang digunakan untuk memisahkan obyek-obyek menjadi sejumlah tertentu kelompok yang bersifat saling bebas (mutually exclusive) sehingga kelompok-kelompok tersebut secara relatif homogen.
    • Contoh perusahaan ingin mengelompokan saluran ditribusi dalam beberapa kelompok yang serupa, seperti grosier, retailer, institusi, apotik dan lain-lain.
    • Pengelompokan ini masih bisa dipertajam misal, retailer yang berada di perumahan, retailer yang berada di pasar, retailer yang berada di sekitar kawasan wisata dan lain sebagainya.
  • Dan lain-lain analisis statistik.

Bagian Model, yang akan menentukan model yang akan digunakan dalam proses MDSS, yaitu :

  • Model Antrian
    • Model ini akan menunjukan waktu tunggu dan panjangnya antrian yang dapat diperkirakan dalam sembarang sistem, jika diketahui kedatangan, waktu pelayanan dan jumlah saluran pelayanan.
    • Contoh sebuah bank bisa menggunakan model ini untuk mengatur berapa loket pelayanan yang harus dibuka dengan mengetahui waktu rata-rata pelayanan dan jumlah nasabah yang datang pada waktu yang berbeda.
  • Model Respon Penjualan
    • Ini adalah serangkaian model yang mengestimasi hubungan fungsional antara satu atau lebih variabel pemasaran.
    • Contoh jumlah salesman , biaya iklan, biaya promosi penjualan, dengan tingkat permintaan yang dihasilkan.
  • Model Proses Markov, Model Pra Uji Produk Baru, dan model-model yang lain.

Bagian Rutin Optimasi, diantaranya adalah :



  • Teori Keputusan Statistik, Teknik ini memungkinkan penentuan rangkaian tindakan yang dapat menghasilkan nilai harapan (expected value) yang maksimum.
  • Kalkulus Diferential, Teknik ini memungkinkan penentuan nilai maksimum atau minimum dari suatu fungsi yang beraturan.
  • Dan lain-lain.

Berikut adalah beberapa contoh model keputusan yang telah digunakan oleh para manajer pemasaran :

BRANDAID

Sebuah model bauran pemasaran fleksibel yang berfokus pada barang konsumen / consumer goods, yang mengunakan unsur-unsur produsen, pesaing, pengecer, konsumen dan lingkungan umum.

Pada model ini ada sub model untuk periklanan, penetapan harga dan persaingan, yang dihasilkan dari pertimbangan, analisa historis, pelacakan, experimen lapangan dan pengendalian adaptif.

CALL PLAN

Model ini membantu sales team menentukan jumlah kunjungan yang harus dilakukan setiap periode ke setiap prospek dan ke pelanggan eksis.

Model ini mempertimbangkan waktu perjalanan, waktu penjualan, jarak yang ditempuh dan urutan prospek.

CHAID, THAID dan CART,

Model ini digunakan oleh pemasar untuk melakukan serangkaian proses segmentasi yang merupakan kelanjutan dari segmentasi apriori.

Pada segmentasi apriori definisi-definisi segmen diketahui dimuka, sebelum proses penjualan, bahkan sebelum produk di launching ke pasar, sehingga berdasar data yang ada, pemasar memilih segmen mana yang hendak dimasuki dan di targetkan serta menyusun proses komunikasi terhadap pasar sasaran tersebut.

Banyak pemasar yang berhenti pada tahap segmentasi apriori ini dalam melakukan proses segmentasi, padahal seharusnya ini adalah pre-determined segmentation atau langkah awal dalam menentukan segmentasi yang sebenarnya.

Beberapa pemasar menganggap ini adalah penyalahgunaan segmentasi, karena konsumen dalam kelompok ini bisa memberikan respon yang berbeda-beda, itulah sebabnya dikembangkan segmentasi post-hoc.

Dalam segmentasi post-hoc kita mencari kelompok-kelompok konsumen yang serupa dalam hal mereka berperilaku, apa yang mereka pikirkan, apa yang mereka inginkan, apa yang mereka ingin ketahui dan atau kombinasi-kombinasi variabel lainnya seperti sosial ekonomi demografi.

Jadi segmentasi post-hoc dilakukan setelah operasional dan proses pemasaran sudah berjalan, untuk mengetahui siapa konsumen kita yang sebenarnya (the Real Customer), dengan menggunakan metode AID (automatic Interaction Detection).

AID,  pada dasarnya adalah teknik multivariate yang dapat digunakan untuk menentukan variabel-variable bebas dan kategori-kategori di dalamnya sebagai pembeda antara suatu kelompok konsumen dengan kelompok lainnya.

MDS System dengan sistim AID ini yang saat ini cukup banyak digunakan, dengan menggunakan marketing decission support system yang merupakan penyempurnaan dari AID, yaitu CHAID (Chi-Square AID), THAID (Theta AID) dan CART (Classification and Regression Trees).

Beberapa perusahaan multinasional di tanah air sudah banyak yang mengaplikasikan Marketing Descision Support System ini untuk berbagai macam fungsi pemasaran, penjualan dan distribusi.

Contoh Implementasi MDSS

Sebagai contoh, Sebuah Perusahaan berskala nasional yang bergerak dalam bidang distribusi dan pemasaran consumer goods dengan produk utamanya mie instan, susu, dan minyak ini, memiliki suatu system MDSS yang selain terintegrasi dengan Manajemen Information System yang lain, juga memiliki sub system sebagai berikut :

Stock Sub-System

Dengan fungsi mengatur pembelian persediaan, sehingga didapat persediaan dalam jumlah sesuai dengan buffer stock.

System ini membaca kecepatan penjualan per item, per area / distrik, per outlet, per kategori produk, per produk, per flavour dan seterusnya sesuai pembagian / klasifikasi yang ada.

System ini juga membaca posisi semua lokasi persediaan / stock point dan waktu yang dibutuhkan untuk mengisi tiap stock point, sehingga proses distribusi di tiap stock point tidak pernah (meminimalkan)  kurang atau kosong.

Selain itu dalam sub-system ini juga tersedia berbagai aplikasi untuk fungsi-fungsi yang lain yang berhubungan dengan persediaan.

Sales Sub-System

Yang berfungsi untuk membantu melakukan perencanaan dan pengendalian penjualan dan distribusi produk di semua titik penjualan.

Sub system ini memiliki tugas utama menyajikan data penjualan per area / distrik, per divisi, per group product, per product, per flavour, per sales team, per cluster, per type outlet, per stock location, per sales point, per sector dan lain lain.

Sub system ini memiliki kemampuan untuk memberikan tracking data, memberikan trend penjualan, melakukan komparasi per week, per month, per period, per semester, per year, per seasional dst.

Sub system ini mampu memberikan suggest penjualan per area, per cluster, per type outlet dan per outlet per day, per week, per call, per outlet.

Sub system ini berdasarkan historical data, mampu memberikan peramalan penjualan, setelah diberikan beberapa masukan sebagai inputan tambahan / filtering dll.

Sub system ini juga memberikan data besarnya tingkat retur / sales return / market return per sales point per outlet per item product.

Sub system ini juga memberikan data dan analisa margin per titik penjualan per item per group product dst., sehingga potensi per area dan potensi per item product dapat diketahui.

Dan masih banyak lagi yang behubungan dengan penjualan dan semua atributnya.

Territory Sub-system

Territory sub system berfungsi untuk mengatur territorial penjualan dan distribusi.

Sub system ini memiliki fungsi mengatur jadwal kunjungan sales team (call plan)  secara detail sesuai call cycle sales tersebut dalam urutan kunjungan sesuai jarak dan prioritasnya, week ke berapa, day ke berapa, sequence ke berapa (waktu / jam), sebuah outlet akan / harus dikunjungi.

Sub system ini memiliki kemampuan memberikan suggest ke sales team, sasaran penjualan per hari / daily sales target per outlet yang akan dikunjunginya..

  • Artinya misal salesman pada week II, day ke 3 (rabu), sequence ke – 9 (ada estimasi waktunya) akan mengunjungi outlet X, dengan CP Mr. A / B, dengan suggest produk apa yang harus ditawarkan, berapa unit, dengan harga berapa (RBP/WBP/SWBP/SpBP/Oth), dengan trading term / TOP cash / Credit dst.

Sub system ini memberikan gambaran / profil dari pasar untuk tiap produk item mengenai berapa besar share produk tsb, titik distribusi, level penjualan per titik, memiliki berapa outlet aktif di type apa saja dst.

Selain sub-system di atas, MDSS ini masih mempunyai banyak sub-system yang lain seperti :

  • Collection Sub-System (menangani A/R, Giro, LLG dll. masalah piutang spt Aging, Bad Debt)
  • Logistic and Delivery Sub-system (menangani logistik dan pengiriman)
  • MRC Sub-System (menangani operasional sales team)
  • Adpro Sub-system (menangani iklan dan promosi)
  • NPL Sub-System (menangani produk baru)
  • Dan lain-lain

Dan MDSS ini merupakan bagian dari Management Information System / Decision Support System yang lebih besar yang menyangkut departemen-departemen / divisi-divisi yang lain.

Dengan gambaran dan contoh diatas, jelas bahwa sebuah MDSS wajib hukumnya bagi perusahaan yang bergerak di bidang pemasaran, karena begitu besar support yang diberikan oleh system ini untuk membatu pengambilan keputusan.

Demikian pembahasan kita kali ini, terima kasih sudah mampir di blog Distribusi Pemasaran ini, semoga bermanfaat.

Salam Sukses Sehat dan Bahagia.

 

>>>Anda dapat menelusuri artikel menarik lainnya melalui SITEMAP LINK ini

Be the first to comment

Leave a Reply

Your email address will not be published.


*