Abstract

This study aims to examine the user response to content promotion strategies on Bukalapak Marketplace, focusing on interactions related to discounts, free shipping, and cashback. Qualitative research methods were employed, using data collected from Twitter through data pulling and processed using Wordij and Gephi for data filtering. Social Network Analysis (SNA) with Crawl Data was applied to determine the map of interactions on the platform. The results revealed that user response varied across different promotional strategies and time periods. Specifically, the most frequent user response was observed for content promoting "free shipping" during 2020-2021, while "cashback" promotions were less often responded to. These findings have implications for marketers and platform managers in optimizing content promotion strategies to effectively engage users and enhance marketing outcomes.

Highlights:

• User engagement: Analyzing the response of users to content promotion strategies on a marketplace platform using Social Network Analysis.
• Effective marketing tactics: Investigating the impact of different promotional approaches such as discounts, free shipping, and cashback on user engagement.
• Optimization for engagement: Identifying the most and least successful content promotion strategies based on user response and implications for enhancing marketing outcomes.

Keywords: Content promotion, Marketplace platform, User response, Social Network Analysis, Marketing strategies

Pendahuluan

Di era digital dan era revolusi industri 4.0, seiring dengan meningkatnya penggunaan teknologi internet dan smartphone, peran e-commerce sangat penting untuk meningkatkan perekonomian. Perkembangan internet sangat bermanfaat bagi aktivitas manusia sehari-hari. Twitter merupakan jejaring social yang mana memungkinkan penggunanya untuk mengirim pesan secara real time.[1] Umpan balik pelanggan di Twitter membantu anda memutuskan Marketplace mana yang memberikan layanan terbaik. Ini karena tingginya jumlah komentar di Twitter, dan sering ada topik Twitter popular tentang layanan yang ditawarkan oleh Marketplace. Untuk itu, penulis merasa perlu menganalisis pendapat dan sentimen pengguna tentang platform trading ini. [2] Di sisi lain, data mining dapat didefinisikan sebagai teknik yang digunakan untuk menemukan pengetahuan dalam database atau pengetahuan yang berguna dalam database.. Dalam keunggulan yang dimiliki oleh bukalapak adalah banyaknya promo-promo yang menarik setiap waktuya, serta cepat dalam pengantaran jasa pengirimnya dan bisa menggunakan diskon berupa gratis ongkir, serta dalam pembayaran bisa menggunakan secara online melalui DANA ataupun bisa melalui supermarket (indomaret dan alfamart). [3] Penelitian yang dilakukan oleh dan penelitian yang dilakukan adalah yang mana berisi tentang dimana kedua penelitian tersebut yang membandingkan marketplace Untuk mengetahui keunggulan marketplace yang diminati customer dalam promosi. Sedangkan pada penelitian inj adalah mengukur konten-konten promosi yang sering dilakukan pada strategi promosi lazada yang mana untuk mengetahui adanya perbandingan diskon yang dapat membuat minat pembelian kepada konsumen. Maka dari itu dalam penelitian ini menggunakan metode Social Network Analysis (SNA) dengan menggunakanan Big Data atau Crawling Data untuk mengetahui jumlah diskon,gratis ongkir dan cashback manakah yang paling sering digunakan oleh konsumen. [4] [3]

Metode Penelitian

Penelitian ini menggunakan metode analisis data social network analysis untuk mengetahui konten promosi Diskon, Gratis Ongkir, Cashback dan hasil analisis jaringan social media twitter pada marketplace bukalapak.

Figure 1.Alur Penelitian

1. Identifikasi Masalah

Dalam identifikasi masalah yaitu metode yang mana dapat dilaksanakan pada pertama kali yaitu mencari suatu informasi, berita dan topik masalah yang akan dilakukan penelitian agar dapat melihat peran yang mempengaruhi platform twitter dalam sebuah hastag (#) dengan memakai metode pendekatan social network analysis (SNA).

2. Studi Literatur

Studi literatur merupakan kumpulan aktivitas dalam metode kumpulan data pustaka, memcatat, mengelolah, dan membaca sebagai alat melakukan penelitian. Tahapan yang dilakukan ini yaitu bertujuan untuk mencetuskan bermacam-macam teori serta data yang relevan dengan adanya masalah yang terjadi saat ini atau sebagai bahan yang akan diteliti serta sebagai rujukan dalam hasil dari penelitian tersebut. Secara Umum Studi Literatur yaitu jalan bagi penyelesaian suatu permasalahan dengan menggunakan cara yang mana dapat melakukan penelusuran yang bersumber tulisan yang pernah dibuat sebelumnya. Keterangan informasi terhadap data yang akan dipakai untuk melaksanakan penelitian yaitu berupa buku elektronik, jurnal internasional, dan penelitian atau riset terdahulu yang berkaitan bersama tema bahasan dari riset yang telah dilakukan. Seorang peneliti yang akan melakukan penelitian hendaklah harus memiliki pandangan serta wawasan yang luas terhadap objek yang hendak diteliti.

3. Penentuan Sosial Media

Penentuan Sosial Media adalah Proses menetapkan media sosial apa yang akan digunakan untuk mencari data yang dibutuhkan yang cukup penting dan strategis yang ada di dalam efektifitas kerja dengan memakai sosial media twitter.

4. Penentuan Konten Penelitian

Penentuan Konten Penelitian yaitu proses yang mana pertama kali menetapkan konten yang akan dilakukan penelitian agar dapat mengetahui objek pada akun Bukalapak di Twitter seperti voucher, cashback, dan flash sale yang akan dijadikan bahan penelitian ini.

5. Pengumpulan Data (Crawling Data Twitter)

Dalam tahapan penelitian ini yaitu melakukan pengumpulan sebuah data. Dengan melakukan pengumpulan data dilaksanakan dengan tujuan akan memperoleh sebuah data yang akan dilakukan dalam menganalisis sebuah riset. Dalam pengumpulan data yang harus dilakukan adalah menjalankan tools, kemudian mempersiapkan tema atau topik yang akan dicari seperti “Diskon” “Gratis Ongkir” dan “Cashback” lalu dengan kode yang terbentuk teks yang didapatkan dalam aplikasi Google Research Colab, Setelah itu, kita dapat menggunakan crawling coding yang disiapkan dalam format (python) untuk mengambil contoh dari akun Twitter kita yang dimuat dengan tagar #Indonesia misalnya. Saat mencari kumpulan data Twitter dengan mencari kumpulan data 1000 kumpulan data media sosial yang berisi hashtag #indonesia sebagai kata kunci. Di bawah ini adalah dataset yang telah dipindai dan difilter karena data asli adalah dataset 1000 dataset. dengan mengambil dataset yang diperlukan untuk menganalisis aringan sosial. Data berikut diperbolehkan: Dari, Kepada, Nama, ID, Sumber, Target, Jangka Waktu, Pelanggan, Langganan, Mulai, dan Akhir.

6. Processing Data

Langkah ini merupakan salah satu cara untuk mengolah data Excel yang diperoleh setelah memindai data Twitter dalam format .json. Kemudian Anda perlu mengkonversi data ke .csv dan kemudian membagi data yang ingin Anda impor menjadi 2 set data csv, yaitu data node stup tepi kumpulan data. Setelah mengimpor dua kumpulan data, Anda memvisualisasikan data dalam format Excel dan kemudian menghitung nilai property jaringan. Artinya, ia menghitung tiga nilai sentralitas (sentralisasi derajat, sentralisasi interpersonal, dan sentralitas kedeketan).

7. Normalization

Normalization adalah metode yang melakukan pemrosesan dalam penyusunan data relasional sesuai dengan rangkaian yang mana proses ini untuk mengurangi dan meningkatkan data yang ada.

8. Tokenizing

Tokenizing adalah metode untuk melakukan pemisahan kata dalam suatu kalimat dengan tujuan untuk proses analisi teks lebih. Sebelum melakukan tokenizing biasanya melakukan proses case folding (tahap untuk konversi text menjadi suatu bentuk yang standar) yang didalamnya mencakup proses menghapus angka dan tanda baca yang tidak perlu dan whitespace. Untuk melakukan proses tokenizing tidak sesederhana ketika kita langsung menggunakan dalam coding. Karena proses tokenizing ini akan merajuk pada jenis pengolahan bahas paling sering muncul dengan menggunakan bahas python yang support bahasa Indonesia secara umum yang mana masih langka. Tetapi tidak perlu khawatir karena python masih tersedia library dan modul yang bisa kita gunakan untuk proses ini antara lain stopwords.

9. Noise Removal

Noise Removal merupakan salah satu teknik yang digunakan untuk melakukan proses pengurangan dalam jejaringan tersebut.

10. Hasil Olah Data

Setelah dilakukan pengolahan data, didapatkan struktur jaringan dan beberapa kelompok topik yang terjadi dalam interaksi antar pengguna Bukalapak. Dari struktur jaringan yang terbentuk, tahapan akhir penelitian yaitu dengan cara kita menjelaskan hasil analisis dan visualisasi yang telah diteliti dengan bantuan software gephi setelah itu dapat menyimpulkan data nilai property jaringan. yang mana dapat dihitung menggunakan metode Social Network Analysis dengan cara kita menunjukkan media promosi manakah yang paling berpengaruh dalam pola penyebaran dan interaksi dalam jaringan tweets yang menggunakan kata kunci Hastag #Indonesia. Pada cluster ini menggunkan kata yaitu “diskon”, “gratis ongkir”,dan “cashback”. Kata ini merupakan kata dengan frekuensi kemunculan yang lebih rendah dibandingkan kata lainnya. Setelah itu dengan cara kita mencari data ditweet dengan katakata yang sering muncul.[5]

11. Analisis Jaringan

Analisis jaringan adalah bentuk analisis data penelitian untuk melakukan perencanaan pada suatu data dalam proyek yang akan digunakan di antara hasil olah data, dan besarnya pengaruh data yang satu terhadap data lainnya atara diskon, gratis ongkir, dengan cashback.

12. Merangkum Hasil Penelitian

Rangkuman Hasil Penelitian yaitu proses untuk mendapatkan bukti apakah metode SNA dengan crawling data di google colab dan menggunakan aplikasi ghepi memiliki pengaruh terhadap keuntungan antara organisasi dan perorangan secara digital dengan pemanfaatan internet, web dan aplikasi bisnis online, Media sosial menjadi hal penting di dunia maya dikarenakan media sosial memberikan wawasan dalam pemasaran di marketplace Bukalapak

Hasil dan Pembahasan

Gambaran Umum Objek Penelitian

Penelitiian ini adalah penelitian kualitatif dengan menggunakan data sekunder yang berasal dari Twitter. Objek penelitian ini yaitu dengan melakukan hubungan user media sosial twitter terhadap marketplace Bukalapak. Penelitian ini membutuhkan sebuah hastag atau tweet untuk mencari kunci pada akun user twitter yang akan digunakan sebagai data yang akan diuji, dimana tema yang diambil dalam penelitian ini menggunakan konten promosi pemasaran yaitu diskon, gratis ongkir, cashback. Penelitian ini mengambil data pada tahun 2018-2019 dan pada tahun 2020-2021 yang mana data yang akan diambil sebanyak minimal 1000 pada setiap kriteria per tahun. Metode yang akan digunakan dalam penelitian ini yaitu menggunakan metode Social Network Analysis (SNA) dengan menggunakan big data. dalam menggunakan aplikasi ini dengan cara melakukan pengumpulan data yang disebut aplikasi berbasis bahasa python, dengan memanfaatkan integrated development environment (IDE) dari google yang bernama google colab. Penelitian ini menggunakan berbagai macam library dan tools pendukung. Seperti Library seperti SNScrape dan sebagainya. Penelitian ini menggunakan beberapa tools pendukung yaitu Google Colab, Kamus, Wordij, dan Gephi.[6] [7]

Analisis Data dan Hasil Penelitian

Hasil data yang diperolah dari penarikan data (crawling) yang mana menunjukkan jumlah tweets sebagai berikut:

Menunjukkan bahwa jumlah tweets yang diperoleh dari hasil pemgumpulan data (crawling) tweets dengan kata kunci yang akan diteliti yaitu berfokus pada konten promosi seperti diskon, gratis ongkir, dan cashback. Penelitian ini mengambil data pada tahun 2018-2019 dan pada tahun 2020-2021, sebanyak minimal 1.000 data pada setiap kriteria per tahunnya, dengan memanfaatkan integrated development environment (IDE) dari google yang disebut dengan googlecollab. Data ini diperoleh dari kata kunci diskon sebanyak 8.751 data pada tahun 2018-2019, sedangkan pada tahun 2020-2021 kata kunci diskon sebanyak 6.867 data. Kemudian untuk kata kunci gratis ongkir memperoleh sebanyak 4.211 data pada tahu 2018-2029, sedangkan pada tahun 2020-2021 kata kunci gratis ongkir sebanyak 11.877 data. Dan untuk kata kunci cashback sebanyak 10.718 data pada tahun 2018-2019, sedangkan pada tahun 2020-2021 kata kunci cashback sebanyak 6.157 data.

Setelah melakukan proses pengumpulan data (crawling), proses yang dilakukan selanjutnya adalah preprocessing data yang bertujuan untuk menghilangkan tweets yang tidak relevan yang mana mempermudah untuk melakukan proses analisi, proses ini disebut dengan proses filtering yang mana menghilangkan kata yang tidak digunakan, kemudian diolah menggunakan wordij.

Pembahasan

Figure 2.Visualisasi Gratis Ongkir 2018-2019

Figure 3.Gambar 4.2.6 Visualisasi Gratis Ongkir 2020-2021

Kesimpulan dari tahun 2018-2019 sebelum ada pandemic adalah para konsumen yang sering membicarakan gratis ongkir di bukalapak, dan konsumen tidak sering menggunakan dalam pembelian di marketplace bukapalak, dikarenakan konsumen tidak merespon saat ada promo gratis ongkir di bukalapak yang memiliki fenomena pembelian gratis ongkir diatas sering muncul dan berhubungan. Salah satu fenomena yang menarik “Bukamall” merupakan fitur belanja yang ada di bukalapak untuk official store (menjual barang original). Sedangkan di tahun 2020-2021 pada saat pandemic adalah para konsumen sering membicarakan gratis ongkir, dan konsumen juga sering menggunakan gratis ongkir dalam pembelian. Fenomena yang menarik “Bukamart” merupakan fitur belanja kebutuhan sehari-hari dengan cepat dan harga yang lebih efisien di bukalapak.

Menunjukkan nilai sifat jejaringan sosialPdengan kataPkunci “gratis ongkir” pada media sosial Twitter. Dari data, kita dapat mengetahui bahwaPnodes (system yang dapat dihubungkan ke jejaringan) dibentuk, menjelaskan pengguna yang menggunakan kata kunci “gratis ongkir” untuk berinteraksi di media sosial Twitter. PropertiPkedua yaituPedges (bagian dari garis yang dapat dilakukan terkait dengan titik) di mana properti ini menjelaskan pembahasan yang membicarakan tentang “gratis ongkir”, adapun jumlah properti edgesPyang terbentukPmengenai kata kunci ini. Properti jaringan yang ketiga yaitu average degree (jumlah rata-rata dalam hhubungan pengguna). Properti ini menjelaskan hubungan jumlah rata-rata pengguna dalam jaringan, jika nilai meningkat, hubungan antara pengguna juga semakin meningkat serta dapat meyebarkan informasi secara luas. Adapun properti jaringan yang keempat diukur pada jaringan ini adalah average weightedPdegree yang menjelaskan mengenai rata-rata nilai bobot pada hubungan antar jaringan. Properti jaringan yang kelima adalah network diameter yang mana properti ini menjelaskan jarak maksimal pada jaringan antar setiap nodes, semakin meningkatnya diameter jaringan, makaPsemakin lamaPinformasi tersebutPdapat tersebarPluas, yang memiliki arti bahwa jarak yang ditempuh untuk menyebarkan informasi tweet.PSerta dalam properti jaringan yang terakhir adalah modularityPyang mana mengukur seberapa baik jaringan terbagi menjadiPkomunitas, kataPkunci “gratis ongkir” artinya yang menunjukan akan adanya kelompok yang berbeda-beda terbentuk dalam jaringan “gratis ongkir” .

1) Konten Terkait Gratis Ongkir

Gratis Ongkir adalah promosi yang ditawarkan oleh pengelola bisnis online untuk menarik pembeli. Promosi ini sangat efektif dalam meningkatkan penjualan bisnis. Gratis ongkir diberikan kepada konsumen sebagai bonus yang dapat ditukarkan dan memiliki wartu terbatas. Penggunaan gratis ongkir dengan cara di klaim, setelah itu dipergunakan saat melakukan pembelian. Promo gratis ongkir sangat berguna bagi konsumen saat melakukan pembelian. Hasil visualisasi Gratis Ongkir tahun 2018-2019 sebelum adanya pandemic. Menunjukkan bahwa para konsumen sering membicarakan promosi “gratis ongkir” dan penggunaan gratis ongkir tersebut di bukalapak. Hal ini dikarenakan kurang adanya respon terhadap pembelian. Fenomena yang lain adalah pemberian gratis ongkir yang bisa menggunakan promo belanja berupa diskon, voucher dan cashback, promo tersebut digunakan untuk belanja berupa barang favorit yang akan kita beli di bukalapak. Selain itu fenomena yang menarik lainnya adalah “Bukamall” yang merupakan salah satu fitur di bukalapak untuk official store (menjual barang original). Pernyataan ini sejalan dengan penelitian yang telah dilakukan oleh peneliti. [8] Hasil visualisasi “Gratis Ongkir” tahun 2020-2021 pada saat pandemic menunjukkan bahwa para konsumen sering membicarakan promo “gratis ongkir” dan penggunaan gratis ongkir tersebut di bukalapak. Hal ini dikarenakan respon terhadap pembayaran atas pembelian sering muncul dan berhubungan. Fenomena yang lain pemberian gratis ongkir yang bisa menggunakan promo belanja saat melakukan pembelian di bukalapak. Saat promo gratis ongkir berupa diskon, voucher, cashback, dimana konsumen memakai promo tersebut untuk belanja bingkisan di bukalapak. Salah satu fenomena yang menarik lainnya adalah “Bukamart” merupakan fitur alternative belanja kebutuhan sehari-hari dengan cepat dan harga yang lebih murah di bukalapak. Pernyataan ini sejalan dengan penelitian yang telah dilakukan oleh peneliti. Kesimpulan dari tahun 2018-2019 sebelum ada pandemic adalah para konsumen yang sering membicarakan gratis ongkir di bukalapak, dan konsumen tidak sering menggunakan dalam pembelian di marketplace bukapalak, dikarenakan konsumen tidak merespon saat ada promo gratis ongkir di bukalapak yang memiliki fenomena pembelian gratis ongkir diatas sering muncul dan berhubungan. Salah satu fenomena yang menarik “Bukamall” merupakan fitur belanja yang ada di bukalapak untuk official store (menjual barang original). Sedangkan di tahun 2020-2021 pada saat pandemicadalah para konsumen sering membicarakan gratis ongkir, dan konsumen juga sering menggunakan gratis ongkir dalam pembelian. Fenomena yang menarik “Bukamart” merupakan fitur belanja kebutuhan sehari-hari dengan cepat dan harga yang lebih efisien di bukalapak. [9] [10]

2) Implikasi Hasil Penelitian

Implikasi hasil penelitian pada visualisasi tahun 2018-2021 pada konten promosi “gratis ongkir” dimana dalam fenomena ini sering membahas pembayaran dengan mengunakan gratis ongkir tersebut, selain itu adanya fenomena yang menarik tentang pembahasan pembelian secara hemat yang dilakukan konsumen. Sehingga marketplace bukalapak harus meningkatkan hubungan dengan jasa pengiriman pihak ketiga sehingga promo gratis ongkir dapat lebih menraik perhatian konsumen.

Simpulan

Berdasarkan hasil analisis dan implementasi yang telah dilakukan, antara berbeda:

1. Kesimpulan menunjukkan bahwa tweets yang diperoleh dari hasil pengumpulan data (crawling) tweets dengan kata kunci konten promosi seperti diskon, gratis ongkir dan cashback. Setelah itu dilakukan perbandingan, konten promosi dengan kata kunci “gratis ongkir” pada saat pandemic memiliki jumlah nilai nodes terbanyak menunjukkan bahwasannya banyak pengguna twitter yang membahas gratis ongkir pada media social. Sedangkan dalam edges juga memberikan bukti dengan banyak yang melakukan interaksi antar pengguna twitter mengenai “gratis ongkir” dimedia social. Serta average degree yang menggambarkan masing-masing pengguna didalam jaringan yang memiliki banyak hubungan sehingga dapat memperluas dalam penyebaran informasi terkait promosi dalam Bukalapak.
2. Kesimpulan pada visualisasi konten promosi dengan kata kunci diskon, gratis ongkir, cashback ini sangat penting dalam menarik perhatian para konsumen, hal ini dikarenakan marketplace bukalapak harus lebih menawarkan promo dan fasilitas terkait pembayaran atas transaksi pembelian di bukalapak, serta harus meningkatkan hubungan dengan jasa pengiriman pihak ketiga sehingga promo gratis ongkir dapat lebih menarik perhatian konsumen, dan harus menawarkan dan memperhatikan promo cashback ini agar bisa meningkatkan konsumen dengan menggunakan marketplace bukalapak untuk kedepannya.

References

1. Ramadhan, F. (2020). "Pemanfaatan Analisis Jaringan Sosial Dalam Penentuan Centrality Dalam Pengembangan Web Berita Online", Journal of Computer and Information Systems Ampera (Vols. Vol. 1, No. 3). Indonesia: https://doi.org/10.51519/journalcisa.v1i3.43.
2. Azizah Pratika Sari, R. R. (2019). "Pengaruh E-Word Of Mouth Dan E-Trust Terhadap E-Purchase Decision Mahasiswa Universitas Negeri Padang Pada Marketplace Lazada".Jurnal EcoGen (Vols. Volume 2 ,Nomor 4). Palembang: http://dx.doi.org/10.24036/jmpe.v2i4.7844.
3. Arifin, K. R. (2021). "EVENT FLASH SALE TERHADAP KEPUTUSAN BELANJA ONLINE SELAMA PANDEMI COVID-19 PADA MARKETPLACE SERTA IMPLIKASI PADA KEPUASAN KONSUMEN DI KOTA MALANG", JURNAL SAINS PEMASARAN INDONESIA (Vol. XX). https://doi.org/10.14710/jspi.v20i1.18-32.
4. Made Kevin Bratawisnu, A. A. (2018). "SOCIAL NETWORK ANALYSIS UNTUK ANALISA INTERAKSI USER DIMEDIA SOSIAL MENGENAI BISNIS E-COMMERCE", JURNAL MANAJEMEN DAN BISNIS (ALMANA) (Vol. VOL. 2 NO.2). https://doi.org/10.36555/almana.v2i2.143.
5. Ratna Kencana Putri, B. W. (2019). "IMPLEMENTASI ALGORITMA MODIFIED GUSTAFSON-KESSEL UNTUK CLUSTERING TWEETS PADA AKUN TWITTER LAZADA INDONESIA", JURNAL GAUSSIAN (Vols. Volume 8, Nomor 3). Diponegoro: https://doi.org/10.14710/j.gauss.v8i3.26708.
6. Reza, F. (2016). "STRATEGI PROMOSI PENJUALAN ONLINE LAZADA.CO.ID", Jurnal Kajian Komunikasi (Vols. Volume 4, No. 1). Jakarta: https://doi.org/10.24198/jkk.v4i1.6179.
7. Doli Witro, M. I.-R. (2021). "Kontestasi Marketplace di Indonesia pada Era Pandemi: Analisis Strategi Promosi Tokopedia, Shopee, Bukalapak, Lazada,dan Blibli dalam Pemulihan Ekonomi Nasional", Jurnal Kajian Ekonomi dan Keuangan Syariah (Vol. 2). https://doi.org/10.53491/oikonomika.v2i2.178.
8. Herlina, J. L. (2021). "DAMPAK FLASH SALE COUNTDOWN TIMER DI MARKETPLACE ONLINE PADA KEPUTUSAN PEMBELIAN DENGAN MINAT BELI SEBAGAI INTERVENING", Jurnal Digismantech (Vol. Vol 1 (No. 1 )). http://dx.doi.org/10.30813/digismantech.v1i1.2616.
9. Herlina, J. L. (2021). "PENGARUH MODEL PROMOSI FLASH SALE TERHADAP MINAT PEMBELI DAN KEPUTUSAN PEMBELI DI MARKETPLACE ONLINE", Jurnal Ilmiah MEA (Vol. 5). https://doi.org/10.31955/mea.vol5.iss2.pp1637-1652.
10. Laksmira K Adhani, R. D. (2020). "PENGARUH WAKTU SEBELUM DAN SELAMA PANDEMI COVID-19 TERHADAP PERILAKU KONSUMEN BELANJA ONLINE". http://eprints.upnyk.ac.id/id/eprint/23988.
11. Pina Wardani, P. R. (2022). "Strategi Pemasaran Online Alfamart Menghadapi Tantangan Selama Masa Pandemi Covid-19", Jurnal Ilmu Komputer, Ekonomi dan Manajemen (JIKEM) (Vol. 2).
12. Priandewi, N. M. (2021). PENGARUH KUALITAS PRODUK, DESAIN PRODUK, DAN PROMOSI TERHADAP KEPUTUSAN PEMBELIAN PRODUK DI E-COMMERCE LAZADA, "Jurnal Ilmiah Ilmu Manajemen dan Kewirausahaan" (Vol. Volume 1 Nomor 2). Indonesia: https://doi.org/10.46306/vls.v1i2.34.