Perkembangan pesat interaksi digital menuntut analisis komunikasi pelanggan yang efektif di media sosial guna mengoptimalkan Manajemen Hubungan Pelanggan (CRM). Pendekatan tradisional seringkali terkendala oleh volume dan sifat data yang tidak terstruktur, sehingga mengakibatkan keterlambatan dalam memberikan layanan kepada pelanggan. Penelitian ini berfokus pada optimasi CRM melalui Klasifikasi Teks dengan model DistilBERT untuk mengkategorikan isu pelanggan. Studi ini menggunakan dataset publik (9.974 entri percakapan pelanggan berbahasa Inggris dalam beberapa kelas) yang melalui pra-pemrosesan komprehensif, termasuk undersampling dan pembagian data dua skenario. Model DistilBERT di-fine-tune dengan delapan konfigurasi hyperparameter, dan kinerjanya dievaluasi menggunakan metrik akurasi, presisi, dan recall. Hasil menunjukkan kinerja model yang luar biasa, dengan beberapa skenario mencapai skor validasi sempurna (1.0000), mengindikasikan generalisasi kuat dan overfitting minimal. Sebuah dasbor KPI juga diintegrasikan untuk visualisasi isu terklasifikasi dan metrik CRM relevan lainnya untuk wawasan yang dapat ditindaklanjuti. Temuan ini mengonfirmasi bahwa pendekatan Klasifikasi Teks berbasis DistilBERT dapat diimplementasi pada sistem CRM