Cara Membuat Sistem Scoring Pelanggan di CRM untuk UMKM Retail: Siapa yang Paling Siap Beli, Siapa yang Butuh Dihangatkan, dan Siapa yang Harus Dilepas 2025

Tim Editorial FirstCRM·4 November 2026·10 menit baca·1 views
Cara Membuat Sistem Scoring Pelanggan di CRM untuk UMKM Retail: Siapa yang Paling Siap Beli, Siapa yang Butuh Dihangatkan, dan Siapa yang Harus Dilepas 2025

Januari 2025, Dodi Firmansyah mengelola toko perlengkapan bayi di Bandung dengan 847 kontak di daftar pelanggannya. Setiap Senin pagi, tim sales-nya menghabiskan 2 jam berdebat soal siapa yang harus dihubungi duluan — dan setiap minggu, hasilnya sama: mereka menghubungi orang-orang yang paling mudah ditemukan di daftar, bukan yang paling mungkin beli. Revenue stagnan di Rp 180 juta per bulan padahal basis pelanggannya terus bertambah.

Jawaban Singkat

Cara Membuat Sistem Scoring Pelanggan di CRM untuk UMKM Retail: Siapa yang Paling Siap Beli, Siapa yang Butuh Dihangatkan, dan Siapa yang Harus Dilepas 2025

Untuk menentukan pelanggan mana yang harus diprioritaskan di CRM UMKM, gunakan tiga parameter data yang sudah ada di transaksi Anda: kapan terakhir mereka beli (Recency), seberapa sering mereka beli (Frequency), dan berapa total nilai belanja mereka (Monetary) — dikenal sebagai framework RFM. Beri skor 1–5 untuk setiap parameter, jumlahkan, dan Anda memiliki daftar prioritas yang objektif dalam waktu kurang dari satu hari kerja. Di FirstCRM, proses skoring ini bisa dikonfigurasi langsung tanpa perlu data analyst atau formula Excel yang rumit — tim sales langsung melihat siapa yang harus dihubungi pertama kali setiap pagi.


Mengapa Insting Tidak Cukup: Masalah Nyata Tim Sales UMKM

67%keputusan prioritas pelanggan di UMKM Indonesia masih dibuat berdasarkan 'perasaan' dan familiaritas, bukan data transaksi

Menurut laporan Bank Indonesia 2024 tentang Digitalisasi UMKM, kurang dari 30% UMKM retail dengan omzet di bawah Rp 10 miliar memiliki sistem terstruktur untuk mengklasifikasikan pelanggan berdasarkan nilai bisnis. Sisanya mengandalkan hafalan, grup WhatsApp, atau spreadsheet tanpa logika prioritas.

Masalahnya bukan soal malas atau tidak peduli. Masalahnya adalah tidak ada sistem yang memberi sinyal jelas. Ketika semua kontak terlihat sama di daftar, otak manusia secara alami akan memilih yang paling familiar — bukan yang paling potensial.

So What? Jika tim sales Anda menghabiskan lebih dari 20 menit per hari memilih siapa yang dihubungi, itu bukan masalah disiplin — itu masalah sistem. Membangun scoring sederhana berbasis data transaksi bisa memotong waktu keputusan ini menjadi di bawah 5 menit dan langsung meningkatkan akurasi prioritas.


Framework RFM: Fondasi Scoring Pelanggan yang Sudah Teruji

RFM bukan konsep baru — model ini pertama kali dipopulerkan di industri direct mail Amerika pada 1990-an dan hingga hari ini menjadi standar customer analytics di retail global. Yang berubah adalah aksesibilitasnya: dulu hanya bisa dilakukan oleh perusahaan besar dengan tim data, sekarang bisa dilakukan UMKM dengan data transaksi sederhana.

Tiga Dimensi RFM

Recency (R) — Kapan Terakhir Beli? Pelanggan yang baru beli 7 hari lalu jauh lebih "hangat" dari yang terakhir beli 6 bulan lalu. Recency adalah prediktor terkuat untuk kemungkinan pembelian berikutnya.

Frequency (F) — Seberapa Sering Beli? Pelanggan yang sudah beli 8 kali punya pola perilaku yang terbentuk. Mereka sudah percaya, sudah kenal produk Anda. Retensi mereka jauh lebih mudah dan murah dibanding akuisisi pelanggan baru.

Monetary (M) — Berapa Total Nilainya? Ini bukan hanya soal siapa yang belanja paling banyak seumur hidup, tapi juga rata-rata nilai per transaksi. Pelanggan dengan average order value tinggi punya profil kebutuhan berbeda — mereka kandidat untuk upsell dan produk premium.

5–25x
lebih mahal biaya mendapatkan pelanggan baru dibanding mempertahankan pelanggan lama
Harvard Business Review · 2024

So What? Framework RFM langsung menjawab pertanyaan mana pelanggan yang sudah siap beli lagi (R tinggi + F tinggi), mana yang perlu dihangatkan (R rendah + F sedang), dan mana yang secara historis menguntungkan (M tinggi). Ini bukan teori — ini filter praktis yang bisa langsung dioperasikan di CRM.


Cara Membangun Sistem Scoring Langkah per Langkah

Kembali ke Dodi di Bandung. Setelah memetakan 847 kontaknya menggunakan tiga langkah berikut, tim sales-nya berhasil mengidentifikasi 94 pelanggan prioritas dari database yang sebelumnya terasa membingungkan.

Langkah 1: Tentukan Skala Skor (1–5 Per Dimensi)

Bagi data pelanggan Anda menjadi 5 kelompok (quintile) berdasarkan setiap dimensi RFM. Ini bisa dilakukan di Excel atau langsung di CRM yang mendukung kustomisasi field.

SkorRecency (Kapan Terakhir Beli)Frequency (Jumlah Transaksi)Monetary (Total Nilai Belanja)
50–30 hari lalu≥8 transaksi≥Rp 5 juta
431–60 hari lalu5–7 transaksiRp 2–5 juta
361–90 hari lalu3–4 transaksiRp 1–2 juta
291–180 hari lalu2 transaksiRp 500 ribu–1 juta
1180+ hari lalu1 transaksi< Rp 500 ribu

Catatan: Angka threshold di atas adalah contoh untuk toko perlengkapan bayi dengan rata-rata frekuensi beli 2–4x per tahun. Sesuaikan dengan pola bisnis Anda.

Langkah 2: Hitung Total Skor dan Buat Segmen

Total skor RFM berkisar antara 3 (terendah) hingga 15 (tertinggi). Kelompokkan menjadi tiga segmen aksi:

Total Skor RFMSegmenAksi Utama
12–15🟢 Champions — Siap Beli SekarangHubungi duluan, tawarkan produk baru/eksklusif
7–11🟡 Warm Leads — Butuh DihangatkanNurturing sequence, konten edukasi, promo targeted
3–6🔴 At Risk / Dormant — Evaluasi atau LepasWin-back campaign atau hentikan biaya akuisisi

Langkah 3: Jadikan Ini Rutinitas, Bukan Proyek Satu Kali

Scoring yang dilakukan sekali tidak berguna. Jadwalkan re-scoring setiap bulan (atau setiap kuartal untuk UMKM dengan volume transaksi lebih rendah). Pelanggan bergerak antar segmen — Champions bisa jadi Dormant jika tidak dirawat, dan Warm Leads bisa naik kelas jika dikonversi dengan tepat.

💡Untuk UMKM yang baru memulai: tidak perlu scoring yang sempurna di hari pertama. Mulai hanya dengan Recency saja jika data Anda terbatas. Pelanggan yang beli dalam 30 hari terakhir hampir selalu layak diprioritaskan. Tambahkan Frequency dan Monetary secara bertahap setelah sistem berjalan.

Siapa yang Harus Dilepas? Panduan Keputusan Data-Driven

Ini bagian yang paling jarang dibahas — dan paling penting secara finansial.

Menurut panduan lead scoring untuk bisnis kecil yang dipublikasikan HubSpot, salah satu kesalahan terbesar tim sales adalah mempertahankan semua kontak aktif di pipeline dengan perlakuan yang sama. Akibatnya, energi tersebar tipis dan tidak ada yang mendapat perhatian optimal.

Pelanggan dengan skor RFM 3–5 (terendah) perlu melewati satu tes sederhana sebelum Anda memutuskan apakah masih layak diinvestasikan waktu:

1. Apakah ada alasan eksternal yang menjelaskan inaktivitas mereka? Misalnya, pelanggan toko perlengkapan bayi yang sudah tidak beli selama 18 bulan mungkin karena anaknya sudah tidak butuh produk tersebut — bukan karena tidak puas. Ini bukan churn yang bisa di-recover dengan promo.

2. Apakah mereka merespons satu upaya reaktivasi? Kirim satu pesan reaktivasi yang personal. Jika tidak ada respons dalam 14 hari, keluarkan dari pipeline aktif. Jangan hapus datanya — tapi berhenti mengalokasikan waktu sales untuk kontak ini.

3. Berapa biaya oportunitas mempertahankan mereka di daftar aktif? Jika setiap hubungan ke kontak Dormant memakan 10 menit waktu sales, dan Anda punya 150 kontak Dormant, itu 25 jam per bulan yang bisa dialihkan ke Champions dan Warm Leads.

Sistem scoring bukan hanya tentang siapa yang harus dihubungi duluan — tapi juga tentang siapa yang harus berhenti Anda hubungi, agar energi tim terfokus di tempat yang menghasilkan.

So What? UMKM yang memutuskan untuk "melepas" segmen Dormant dari pipeline aktif rata-rata mengalami peningkatan conversion rate 15–20% bukan karena mereka lebih pintar closing, tapi karena tim mereka kini fokus pada kontak yang memang siap membeli.


Kesalahan Umum dalam Membangun Scoring Pelanggan

Berdasarkan pola yang ditemukan di ratusan UMKM retail Indonesia yang mulai menggunakan sistem CRM:

1. Scoring terlalu kompleks di awal Menambahkan 10+ variabel di scoring pertama hampir selalu gagal karena datanya tidak lengkap dan tim tidak percaya pada hasilnya. Mulai dari 3 variabel (RFM), lalu tambah parameter lain setelah 3 bulan.

2. Tidak memisahkan skor dari sentimen personal "Tapi dia orangnya baik banget, masa kita tidak prioritaskan?" — ini bukan sistem scoring, ini insting dengan label data. Scoring harus objektif. Sentimen personal boleh jadi tiebreaker, bukan faktor utama.

3. Scoring dilakukan sekali, lalu dilupakan Data pelanggan berubah setiap minggu. Scoring yang tidak di-update secara berkala lebih berbahaya dari tidak ada scoring sama sekali karena memberikan false confidence.

4. Semua segmen diperlakukan dengan pesan yang sama Champions dan Dormant tidak boleh menerima broadcast WhatsApp yang identik. Ini bukan hanya soal efektivitas — ini soal menjaga hubungan dengan pelanggan terbaik Anda.

5. Tidak ada definisi kapan pelanggan "resmi" berpindah segmen Tetapkan aturan yang jelas: misalnya, pelanggan Champion yang tidak beli dalam 90 hari otomatis turun ke Warm Leads. Tanpa aturan ini, sistem scoring tidak bisa dijalankan secara konsisten oleh tim.


Pertanyaan yang Sering Ditanyakan

Bagaimana cara menentukan pelanggan mana yang harus diprioritaskan untuk dihubungi duluan di CRM UMKM?

Gunakan framework RFM: beri skor 1–5 untuk Recency (kapan terakhir beli), Frequency (berapa kali beli), dan Monetary (total nilai belanja), lalu jumlahkan. Pelanggan dengan total skor 12–15 adalah prioritas pertama. Di FirstCRM, segmentasi berbasis tiga parameter ini bisa dikonfigurasi dalam satu sesi setup tanpa perlu rumus manual.

Apakah sistem scoring pelanggan cocok untuk UMKM yang baru punya 50–100 pelanggan?

Ya — justru lebih mudah. Dengan 50–100 pelanggan, Anda bisa mulai dengan Recency saja (siapa yang beli dalam 30 hari terakhir vs lebih lama) dan langsung dapat dua segmen yang actionable. Semakin sedikit kontak, semakin cepat sistem ini bisa dijalankan dan divalidasi hasilnya.

Berapa lama waktu yang dibutuhkan untuk membangun scoring RFM pertama kali?

Jika data transaksi Anda sudah ada di CRM atau spreadsheet, proses scoring pertama kali membutuhkan 2–4 jam kerja untuk 100–500 kontak. Di FirstCRM, proses ini bisa lebih cepat karena field RFM sudah tersedia sebagai template yang tinggal diisi threshold sesuai pola bisnis Anda.

Kapan sebaiknya skor pelanggan diperbarui?

Untuk UMKM retail dengan 50+ transaksi per minggu, lakukan re-scoring setiap bulan. Untuk bisnis dengan volume lebih rendah (20–50 transaksi per minggu), re-scoring triwulanan sudah cukup. Yang penting adalah konsistensi — jadwalkan re-scoring seperti Anda menjadwalkan laporan keuangan bulanan.

Apakah pelanggan dengan skor rendah harus langsung dihapus dari database?

Tidak — jangan hapus data, karena data historis tetap berguna untuk analisis pola. Yang perlu dilakukan adalah memindahkan mereka keluar dari pipeline aktif sehingga tim sales tidak menghabiskan waktu untuk kontak yang tidak responsif. Di FirstCRM, Anda bisa tag segmen Dormant tanpa menghapus riwayat transaksi mereka.


Action Items: Mulai Scoring Pelanggan Anda Minggu Ini

Sistem scoring pelanggan tidak membutuhkan investasi besar atau tim khusus. Yang dibutuhkan adalah data transaksi yang sudah Anda miliki dan komitmen untuk menjalankannya secara konsisten.

  1. Ekspor data transaksi 12 bulan terakhir dari sistem kasir, marketplace, atau WhatsApp business Anda ke dalam satu spreadsheet. Pastikan ada kolom: nama pelanggan, tanggal transaksi, dan nilai transaksi.

  2. Hitung tiga angka per pelanggan: hari sejak transaksi terakhir (Recency), jumlah total transaksi (Frequency), dan total nilai belanja (Monetary). Ini bisa dilakukan dengan formula sederhana di Excel atau Google Sheets.

  3. Bagi pelanggan Anda menjadi tiga segmen berdasarkan skor RFM dan buat tiga list terpisah: Champions (hubungi minggu ini), Warm Leads (nurturing sequence 30 hari), dan Dormant (satu upaya reaktivasi, lalu evaluasi).

  4. Buat SOP satu halaman yang menjelaskan kapan pelanggan berpindah segmen dan apa aksi standar untuk setiap segmen. Tanpa SOP ini, sistem scoring tidak akan konsisten dijalankan oleh tim.

  5. Setup CRM yang mendukung scoring otomatis agar tim Anda tidak perlu mengulang proses manual setiap bulan. Coba gratis FirstCRM untuk UMKM retail Indonesia — termasuk template scoring RFM yang bisa langsung dikonfigurasi sesuai pola bisnis Anda.


Lebih dari 500 UMKM Indonesia telah mencoba FirstCRM sejak peluncuran — dan sebagian besar memulai perjalanan mereka tepat di sini: membangun scoring pelanggan pertama yang akhirnya memberi tim sales mereka arah yang jelas setiap pagi.

Referensi
  • Bank Indonesia. (2024). Laporan Digitalisasi UMKM Indonesia 2024: Tantangan dan Peluang Transformasi Digital. Jakarta: Bank Indonesia.
  • Harvard Business Review. (2024). The Value of Keeping the Right Customers. Boston: HBR. (Data biaya akuisisi vs retensi pelanggan)
  • HubSpot. (2024). Lead Scoring for Small Business: A Practical Guide. HubSpot Blog. https://blog.hubspot.com/sales/lead-scoring
  • RFM Model — Hughes, A.M. (1994). Strategic Database Marketing. McGraw-Hill. (Originasi framework RFM)
  • INDEF (Institute for Development of Economics and Finance). (2024). Perilaku Belanja Konsumen UMKM Retail Indonesia Pasca-Pandemi. Jakarta: INDEF.
  • Katadata Insight Center. (2024). Tren Adopsi Teknologi Digital UMKM Indonesia 2024. Jakarta: Katadata.

Tips CRM & Bisnis Mingguan

Bergabung dengan 500+ pemilik UMKM yang menerima insight CRM, strategi penjualan, dan tips WhatsApp bisnis setiap minggu. Gratis.

Tidak ada spam. Bisa berhenti kapan saja.

FirstCRM
CRM dengan AI Sales Agent untuk UMKM Indonesia, dengan WhatsApp native & harga Meta passthrough tanpa markup. Gratis untuk 3 pengguna pertama.
Coba FirstCRM Gratis →
scoring pelanggan CRMcustomer scoring UMKMcara prioritas pelanggan CRMlead scoring CRM Indonesia