Застосування методу кластеризації для аналізу купівельної поведінки споживачів під час пандемії COVID-19: на прикладі індустрії краси

Автор(и)

DOI:

https://doi.org/10.15587/1729-4061.2023.274299

Ключові слова:

пандемія COVID-19, споживча поведінка, товарні уподобання, індустрія краси, метод кластеризації

Анотація

Попит на косметичні засоби у світі продовжує зростати завдяки підвищенню обізнаності громадськості про застосування косметики, щорічно збільшуючись на 1,45–3,34 %. На жаль, у грудні 2019 року у всьому світі стався спалах COVID-19, торкнувшись таких сфер бізнесу віч-на-віч, як індустрія краси, падіння якої становило –7,11 % у 2020 році. Метою даного дослідження є аналіз впливу спалаху COVID-19 на індустрію краси Індонезії та зміни у споживчому сегменті косметики під час пандемії.

Для побудови періодизації пандемії COVID-19 в Індонезії у дослідженні використовується схема реагування-подолання-адаптації (RCA). Для вивчення впливу пандемії COVID-19 на індустрію краси був використаний кореляційний аналіз. Крім того, для виявлення прихованих споживчих сегментів і товарних уподобань протягом усього спалаху COVID-19 були використані методи кластеризації.

Дослідження показує, що на етапі реагування випадки зараження COVID-19 позитивно впливають на продажі косметичних компаній. На етапі подолання спостерігався сильний негативний взаємозв'язок між COVID-19 та доходами компаній. На етапі адаптації негативний вплив COVID-19 на продажі компаній зменшився. Наше спостереження також підтверджує зміну купівельної поведінки споживачів під час пандемії. На етапі реагування споживачі вважають за краще купувати косметичні товари онлайн, а не офлайн. На етапі подолання споживачі поступово починають здійснювати покупки в магазині. Зрештою, на етапі адаптації споживачі повертаються до покупки косметики оффлайн, як і до пандемії. Результати кластеризації виявили три приховані споживчі сегменти: лояльний споживчий сегмент, імпульсивний споживчий сегмент та компульсивний споживчий сегмент. Крім того, під час пандемії споживачі вважають за краще купувати засоби по догляду за шкірою, а не косметику, оскільки державна політика змушує людей залишатися, працювати та навчатися вдома.

Наше дослідження має теоретичне та практичне значення. Теоретично наші результати підтверджують корисність моделі RCA та методів кластеризації при аналізі змін у купівельній поведінці споживачів під час кризи, такої як пандемія COVID-19. На практиці підприємства індустрії краси можуть передбачити ці зміни, прискорюючи цифрову трансформацію бізнесу та зосередившись на найбільш бажаному продукті для підтримки бізнесу

Біографії авторів

Beny Maulana Achsan, University of Indonesia

Master Student of Information Technology

Faculty of Computer Science

Achmad Nizar Hidayanto, University of Indonesia

Professor of Information Systems, Vice Dean for Resources, Venture, and General Administration

Faculty of Computer Science

Посилання

  1. Beauty & Personal Care - Worldwide (2022). Statista. Available at: https://www.statista.com/outlook/cmo/beauty-personal-care/worldwide
  2. Mega farisha, Hartoyo, Safari, A. (2022). Does Covid-19 Pandemic Change the Consumer Purchase Behavior Towards Cosmetic Products? Journal of Consumer Sciences, 7 (1), 1–19. doi: https://doi.org/10.29244/jcs.7.1.1-19
  3. Kim, M., Kwon, K. H. (2022). Significant paradigm of beauty ecosystem after COVID ‐19 pandemic in Republic of Korea. Journal of Cosmetic Dermatology, 21 (10), 4114–4121. doi: https://doi.org/10.1111/jocd.15192
  4. Arora, N. et al. (2020). A global view of how consumer behavior is changing amid COVID-19. McKinsey & Company. Available at: https://www.mckinsey.com/~/media/McKinsey/Business%20Functions/Marketing%20and%20Sales/Our%20Insights/A%20global%20view%20of%20how%20consumer%20behavior%20is%20changing%20amid%20COVID%2019/20200707/covid-19-global-consumer-sentiment-20200707.pdf
  5. Choi, Y.-H., Kim, S. E., Lee, K.-H. (2022). Changes in consumers’ awareness and interest in cosmetic products during the pandemic. Fashion and Textiles, 9 (1). doi: https://doi.org/10.1186/s40691-021-00271-8
  6. Jílková, P., Králová, P. (2021). Digital Consumer Behaviour and eCommerce Trends during the COVID-19 Crisis. International Advances in Economic Research, 27 (1), 83–85. doi: https://doi.org/10.1007/s11294-021-09817-4
  7. Shaw, N., Eschenbrenner, B., Baier, D. (2022). Online shopping continuance after COVID-19: A comparison of Canada, Germany and the United States. Journal of Retailing and Consumer Services, 69, 103100. doi: https://doi.org/10.1016/j.jretconser.2022.103100
  8. Agarwal, R., Gopinath, G., Farrar, J., Hatchett, R., Sands, P. (2022). A Global Strategy to Manage the Long-Term Risks of COVID-19. IMF Working Papers, 2022 (068), 1. doi: https://doi.org/10.5089/9798400205996.001
  9. Alsaydia, O. M., Saadallah, N. R., Malallah, F. L., AL-Adwany, M. A. S. (2021). Limiting COVID-19 infection by automatic remote face mask monitoring and detection using deep learning with IoT. Eastern-European Journal of Enterprise Technologies, 5 (2 (113)), 29–36. doi: https://doi.org/10.15587/1729-4061.2021.238359
  10. Wibowo, A., Chen, S.-C., Wiangin, U., Ma, Y., Ruangkanjanases, A. (2020). Customer Behavior as an Outcome of Social Media Marketing: The Role of Social Media Marketing Activity and Customer Experience. Sustainability, 13 (1), 189. doi: https://doi.org/10.3390/su13010189
  11. Tanveer, T., Kazmi, S. Q., Rahman, M. U. (2022). Determinants of Impulsive Buying Behavior: An Empirical Analysis of Consumers’ Purchase Intentions for Offline Beauty Products. Nurture, 16 (2), 75–89. doi: https://doi.org/10.55951/nurture.v16i2.129
  12. Jo, H., Shin, E., Kim, H. (2020). Changes in Consumer Behaviour in the Post-COVID-19 Era in Seoul, South Korea. Sustainability, 13 (1), 136. doi: https://doi.org/10.3390/su13010136
  13. Adibfar, A., Gulhare, S., Srinivasan, S., Costin, A. (2022). Analysis and modeling of changes in online shopping behavior due to Covid-19 pandemic: A Florida case study. Transport Policy, 126, 162–176. doi: https://doi.org/10.1016/j.tranpol.2022.07.003
  14. Kirk, C. P., Rifkin, L. S. (2020). I’ll trade you diamonds for toilet paper: Consumer reacting, coping and adapting behaviors in the COVID-19 pandemic. Journal of Business Research, 117, 124–131. doi: https://doi.org/10.1016/j.jbusres.2020.05.028
  15. Guthrie, C., Fosso-Wamba, S., Arnaud, J. B. (2021). Online consumer resilience during a pandemic: An exploratory study of e-commerce behavior before, during and after a COVID-19 lockdown. Journal of Retailing and Consumer Services, 61, 102570. doi: https://doi.org/10.1016/j.jretconser.2021.102570
  16. Anitha, P., Patil, M. M. (2022). RFM model for customer purchase behavior using K-Means algorithm. Journal of King Saud University - Computer and Information Sciences, 34 (5), 1785–1792. doi: https://doi.org/10.1016/j.jksuci.2019.12.011
  17. Tabianan, K., Velu, S., Ravi, V. (2022). K-Means Clustering Approach for Intelligent Customer Segmentation Using Customer Purchase Behavior Data. Sustainability, 14 (12), 7243. doi: https://doi.org/10.3390/su14127243
  18. Zhang, L., Priestley, J., DeMaio, J., Ni, S., Tian, X. (2021). Measuring Customer Similarity and Identifying Cross-Selling Products by Community Detection. Big Data, 9 (2), 132–143. doi: https://doi.org/10.1089/big.2020.0044
  19. Taghikhah, F., Voinov, A., Shukla, N., Filatova, T. (2021). Shifts in consumer behavior towards organic products: Theory-driven data analytics. Journal of Retailing and Consumer Services, 61, 102516. doi: https://doi.org/10.1016/j.jretconser.2021.102516
  20. Abbasimehr, H., Bahrini, A. (2022). An analytical framework based on the recency, frequency, and monetary model and time series clustering techniques for dynamic segmentation. Expert Systems with Applications, 192, 116373. doi: https://doi.org/10.1016/j.eswa.2021.116373
  21. Li, Z., Gao, X., Lu, D. (2021). Correlation analysis and statistical assessment of early hydration characteristics and compressive strength for multi-composite cement paste. Construction and Building Materials, 310, 125260. doi: https://doi.org/10.1016/j.conbuildmat.2021.125260
  22. Miloudi, S., Wang, Y., Ding, W. (2021). A Gradient-Based Clustering for Multi-Database Mining. IEEE Access, 9, 11144–11172. doi: https://doi.org/10.1109/access.2021.3050404
  23. Sinaga, K. P., Yang, M.-S. (2020). Unsupervised K-Means Clustering Algorithm. IEEE Access, 8, 80716–80727. doi: https://doi.org/10.1109/access.2020.2988796
  24. Arunachalam, D., Kumar, N. (2018). Benefit-based consumer segmentation and performance evaluation of clustering approaches: An evidence of data-driven decision-making. Expert Systems with Applications, 111, 11–34. doi: https://doi.org/10.1016/j.eswa.2018.03.007
  25. Ikotun, A. M., Ezugwu, A. E., Abualigah, L., Abuhaija, B., Heming, J. (2023). K-means clustering algorithms: A comprehensive review, variants analysis, and advances in the era of big data. Information Sciences, 622, 178–210. doi: https://doi.org/10.1016/j.ins.2022.11.139
  26. Batool, F., Hennig, C. (2021). Clustering with the Average Silhouette Width. Computational Statistics & Data Analysis, 158, 107190. doi: https://doi.org/10.1016/j.csda.2021.107190
  27. Archived: WHO Timeline - COVID-19 (2020). WHO. Available at: https://www.who.int/news/item/27-04-2020-who-timeline---covid-19
  28. Clear and free: Wuhan evacuees head home from Natuna quarantine (2020). The Jakarta Post. Available at: https://www.thejakartapost.com/news/2020/02/16/clear-and-free-wuhan-evacuees-head-home-from-natuna-quarantine.html
  29. BREAKING: Jokowi announces Indonesia’s first two confirmed COVID-19 cases (2020). The Jakarta Post. Available at: https://www.thejakartapost.com/news/2020/03/02/breaking-jokowi-announces-indonesias-first-two-confirmed-covid-19-cases.html
  30. Presiden Tetapkan COVID-19 Sebagai Bencana Nasional (2020). BNPB. Available at: https://bnpb.go.id/berita/presiden-tetapkan-covid19-sebagai-bencana-nasional#:~:text=JAKARTA%20%2D%20Presiden%20Joko%20Widodo%20secara,%2D19)%20Sebagai%20Bencana%20Nasional
  31. Jokowi declares COVID-19 ‘national disaster’, gives task force broader authority (2020). The Jakarta Post. Available at: https://www.thejakartapost.com/news/2020/04/14/jokowi-declares-covid-19-national-disaster-gives-task-force-broader-authority.html
  32. COVID-19 Brief Information (2020). Ministry of Foreign Affairs of the Republic of Indonesia. Available at: https://kemlu.go.id/download/L3NpdGVzL3B1c2F0L0RvY3VtZW50cy9DT1ZJRC0xOS9CcmllZiUyMEluZm9ybWF0aW9uJTIwQ292aWQtMTklMjBPdXRicmVhayUyMEFzJTIwT2YlMjAyMDAzMjYucGRm
  33. President Jokowi gets first coronavirus jab (2020). The Jakarta Post. Available at: https://www.thejakartapost.com/news/2021/01/13/jokowi-gets-first-coronavirus-jab.html
  34. Indonesia fights back the covid-19 second wave (2021). Available at: https://covid19.go.id/p/berita/indonesia-fights-back-covid-19-second-wave#
  35. US CDC Lists Indonesia at Level 1. Cabinet Secretariat of The Republic of Indonesia. Available at: https://setkab.go.id/en/us-cdc-lists-indonesia-at-level-1/
  36. Cakupan Vaksinasi di Indonesia Lampaui 200 Juta Dosis, Penuhi Target WHO (2021). Available at: https://covid19.go.id/edukasi/masyarakat-umum/cakupan-vaksinasi-di-indonesia-lampaui-200-juta-dosis-penuhi-target-who
  37. Jokowi Izinkan Warga Lepas Masker, Ini Penjelasan Lengkapnya (2022). CNBC Indonesia. Available at: https://www.cnbcindonesia.com/news/20220517171322-4-339601/jokowi-izinkan-warga-lepas-masker-ini-penjelasan-lengkapnya
  38. Chi, N. T. K. (2021). Innovation capability: The impact of e-CRM and COVID-19 risk perception. Technology in Society, 67, 101725. doi: https://doi.org/10.1016/j.techsoc.2021.101725
Застосування методу кластеризації для аналізу купівельної поведінки споживачів під час пандемії COVID-19: на прикладі індустрії краси

##submission.downloads##

Опубліковано

2023-06-30

Як цитувати

Achsan, B. M., & Hidayanto, A. N. (2023). Застосування методу кластеризації для аналізу купівельної поведінки споживачів під час пандемії COVID-19: на прикладі індустрії краси. Eastern-European Journal of Enterprise Technologies, 3(2 (123), 14–25. https://doi.org/10.15587/1729-4061.2023.274299

Номер

Том 3 № 2 (123) (2023): Інформаційні технології. Системи управління в промисловості

Розділ

Інформаційні технології

Ліцензія

Авторське право (c) 2023 Beny Maulana Achsan, Achmad Nizar Hidayanto

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.