Proposed Marketing Strategy to Increase Pertamax Series Sales in Indonesia: An Integrated Rise Model
Notice bibliographique
Résumé
PT Pertamina Patra Niaga (PPN) has experienced a downturn in the market share of its Pertamax Series—Indonesia’s flagship non-subsidised gasoline—from 26.9% in 2017 to 21.9% in 2022, even though national demand for higher-octane fuels climbed from 15.8 to 19.2 percent during the same period. This study designs a customer-driven marketing strategy to regain that share by embedding the RISE Model service-improvement cycle including SERVQUAL, Importance–Performance Analysis (IPA), TRIZ and the 7P marketing-mix framework into a single, mixed-methods research design. SERVQUAL indicated that all 51 service attributes registered negative GAP 5 scores, signalling latent dissatisfaction. IPA grand means of 4.27 (importance) and 3.40 (performance) positioned 11 attributes in Quadrant I (“Concentrate Here”), 20 attributes in Quadrant II (“Keep Up the Good Work”), 14 attributes in Quadrant III (“Low Priority”), and 6 attributes in Quadrant IV (“Possible Overkill”). Each shortfall was reframed as a contradiction in the 12 × 12 Service-TRIZ matrix. Principles such as Segmentation, Dynamicity, and Prior Counteraction generated low-cost, high-leverage ideas including QR-code pre-payment and dispenser lane exclusively for non-subsidised fuels. Combining TRIZ solutions produced the “Pertamina Signature” concept: the energy station that bundles premium fuels, seamless digital payment, revitalised hygiene standards, and lifestyle-oriented physical evidence. A coherent 7P model aligns (1) product innovation—roll-out of bioethanol Pertamax Green 95 pilots—with (2) value for money pricing via digital payment; (3) place optimisation using geospatial traffic heat-maps; (4) geo-fenced app promotions; (5) upskilled frontline personnel; (6) smart-queue processes; and (7) refreshed visual identity.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».