Optimierung von Marketingstrategien unter Verwendung von FP-Growth- und Assoziationsregel-Mining-Algorithmen in der Textilindustrie

Diese Studie nutzt Assoziationsregel-Mining, um Transaktionsdaten von PT. Labda Anugerah Tekstil, einem bedeutenden Akteur in der Textilindustrie, zu analysieren, um signifikante Kaufmuster und Assoziationen zwischen verschiedenen Stoffarten zu entdecken. Anhand von Daten vom 1. Januar 2022 bis zum 31. Dezember 2023, die 7.143 Transaktionseinträge umfassen, wendet die Forschung den FP-Growth-Algorithmus gefolgt von Assoziationsregel-Mining an, um häufige Itemsets und starke Assoziationsregeln innerhalb des Datensatzes zu identifizieren und zu evaluieren. Die Analyse ergab robuste Assoziationen zwischen Stoffen wie Baumwolle, Leinen, Rayon und Viskose, was bedeutende Möglichkeiten für zielgerichtete Marketingstrategien und Verbesserungen im Bestandsmanagement nahelegt. Die Ergebnisse zeigen, dass strategisches Bündeln und Fördern von assoziierten Stoffen höhere Verkaufszahlen antreiben und das Einkaufserlebnis der Kunden verbessern kann. Die Erkenntnisse dieser Studie bieten umsetzbare Strategien zur Optimierung von Marketingmaßnahmen und Bestandsmanagement, mit dem Ziel, die Verkaufsleistung und die Kundenzufriedenheit im wettbewerbsintensiven Textilmarkt zu steigern.