以關鍵商品分辨VIP客戶之研究

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：49

、訪客IP：3.128.206.122

姓名

鄭承祐(Cheng-Yu Cheng) 查詢紙本館藏

畢業系所

企業管理學系

論文名稱

以關鍵商品分辨VIP客戶之研究
(Discovering Key Products to Identify VIP Customers)

相關論文

★ 在社群網站上作互動推薦及研究使用者行為對其效果之影響	★ 以AHP法探討伺服器品牌大廠的供應商遴選指標的權重決定分析
★ 以AHP法探討智慧型手機產業營運中心區位選擇考量關鍵因素之研究	★ 太陽能光電產業經營績效評估－應用資料包絡分析法
★ 建構國家太陽能電池產業競爭力比較模式之研究	★ 以序列採礦方法探討景氣指標與進出口值的關聯
★ ERP專案成員組合對績效影響之研究	★ 推薦期刊文章至適合學科類別之研究
★ 品牌故事分析與比較-以古早味美食產業為例	★ 以方法目的鏈比較Starbucks與Cama吸引消費者購買因素
★ 探討創意店家創業價值之研究- 以赤峰街、民生社區為例	★ 以領先指標預測企業長短期借款變化之研究
★ 應用層級分析法遴選電競筆記型電腦鍵盤供應商之關鍵因子探討	★ 以互惠及利他行為探討信任關係對知識分享之影響
★ 結合人格特質與海報主色以類神經網路推薦電影之研究	★ 資料視覺化圖表與議題之關聯

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 ( 永不開放)

摘要(中)

在現今激烈的商業環境中比競爭對手更快掌握顧客的需求是企業獲利的關鍵。企業為了瞭解客戶的需求以及消費模式，常利用資料探勘(Data mining)中的關聯法則(Association rules)去分析出客戶的購買習慣，也就是俗稱的購物籃分析(Market-basket analysis)。利用購物籃分析我們可以了解該在何時對何種顧客進行何種促銷計畫，進而發展出更周全的客戶關係管理機制(Customer relationship management)。
　　以往的購物籃分析方法，或許能準確地分辨客戶的屬性，但是在顧客對於企業的貢獻程度方面則較無著墨。本論文則是藉由分析VIP顧客的購物行為進而發現關鍵商品。藉此關鍵商品預測為來購買此商品的客戶是否為VIP顧客。
　　本論文實驗的結果總共找到四項關鍵商品。每項關鍵商品在驗證資料中對VIP顧客的區別比率皆在60%以上，其中兩項關鍵商品更可以高達70%以上。意即購買到關鍵商品的顧客，有60%以上的機率是我們欲開發的VIP顧客。因為本論文研究僅需要可辨識的會員編號，所以對於僅有會員編號的匿名資料探勘方法亦有相當的貢獻。

摘要(英)

In today’s competitive business environment faster than competitors to grasp the needs of customers is the key to create corporate profits. In order to understand customers’ needs and consumption patterns, enterprises usually using Data Mining and association rules to analyze customers’ buying habits, also known as market basket analysis. We can use market basket analysis to understand what the customers’ want and carry on propriety promotion plans, furthermore we can develop a customer relationship management strategy.
Ordinary thesis about basket analysis may be able to accurately identify the customer’s property, but the contribution of the customer for the enterprise is no mention.
By using the aforementioned method In this paper, we total find a of four key commodities. Each key products in the testing data for VIP customers distinction ratios are more than 60%, of which two key products but also up to 70% or more. This means that customers buy key products, which are more than 60% probabilities who we want to develop a VIP customer. Because this thesis requires only recognizable membership number, so the only member number anonymous data mining methods are also considerable contributions.

關鍵字(中)

★ 資料探勘
★ RFM分析
★ 顧客關係管理

關鍵字(英)

★ Data mining
★ RFM analysis
★ customer relationship management

論文目次

+中文摘要 i
中文摘要 ii
目錄 iii
圖目錄 v
表目錄 vi
第一章　緒論 1
1.1　研究背景 1
1.2　研究動機 1
1.3　研究目的 2
1.4　研究範圍與限制 2
第二章　文獻探討 4
2.1　顧客關係管理(CRM) 4
2.1.1　顧客關係管理之起源 4
2.1.2　顧客關係管理之定義 6
2.1.3　顧客關係管理之流程 7
2.2　資料探勘（Data Mining） 8
2.3　RFM分析法 11
第三章　研究方法 13
3.1　研究架構 13
3.2　篩選原始資料 14
3.3　區分顧客貢獻度 15
3.4　商品出現比率 15
3.5　找出關鍵商品 16
3.6　驗證實驗成功率 17
第四章　研究分析與結果 19
4.1　資料描述與前置處理 19
4.1.1　資料描述 19
4.1.2　資料前置處理 19
4.2　計算商品出現比率 21
4.3　找出關鍵商品 22
4.4　驗證資料 23
4.5　研究討論 24
第五章　結論與未來研究建議 26
5.1　結論 26
5.2　未來研究建議 27
參考文獻 28
　　英文文獻 28
　　中文文獻 29

參考文獻

英文部分
1. Glen Urban, 2003, “Why Is Consumer Power Growing and How Should Companies Respond?”
2. Ling, Raymond & Yen, David C, 2001, “Customer Relationship Management: An Analysis Framework and Implementation Strategies.”, Journal of Computer Information Systems; Spring2001, Vol. 41
3. Swift, R. S., 2001, “Accelerating customer relationships: Using CRM and relationship technologies.” Prentice Hall.
4. Couldwell C, 1988, “A data day battle”, Computing
5. Stevenson G, 2000, “Customer economy customer interaction”, Information Week
6. Turban E., King, D., Warkentin, M. and Chung, M.H.,2002, “Electronic Commerce: A Managerial Perspective”, Prentice Hall Pearson Education International.”
7. Ravi Kalakota & Marcia Robinson, 1999, “ e-Business: Roadmap for Success”, Mary T.O’Brien
8. Swift, R., 2001, “Accelerating Customer Relationships”, Prentice Hall
9. Campbell, B.,2002 , “CRM How to: Close Encounters”, Retrieved September 7
10. Payne, A. & Frow, P., 2005,“A Strategic Framework for Customer Relationship Management” Journal of Marketing
11. Michael J. Berry, Gordon S. Linoff, 1999, “Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management”, Wiley
12. Newell, F., 1997, “The new rules of marketing: How to use one-to-one relationship marketing to be the leader in your industry.” , New York: McGraw-Hill
13. Sung Ho Ha and Sang Chan Park, 1998, “Application of data mining tools to　hotel data mart on the Intrant for database marketing”, Expert Systems with　Applications
14. Miglautsch John, 2000, “Thoughts on RFM Scoring”, Journal of Database
Marketing
15. Kahan, Ron, 1998, "Using Database Marketing Techniques to Enhance Your One-to-One Marketing Initiatives", Journal of Consumer Marketing
16. Kantardzic, M. ,2003, “Data mining: concepts, models, methods and
algorithms.” NJ: Wiley Press
中文部分
1. 胡世忠, 2013, “雲端時代的殺手級應用：Big Data海量資料分析”, 天下雜誌
2. 黃致諳, 2004, “資料探勘技術用於結合客戶價值與客戶消費行為的直效行銷之研究”, 國立台灣科技大學
3. 陳芳毓, 2010, “行銷策略3部曲, 經理人月刊第67期”, 巨思文化股份有限公司
4. 林建煌, 2011, “行銷管理”, 華泰文化事業股份有限公司
5. 粘珊珊, 2005, “以 AHP 法探討CRM 系統遴選決策準則”, 國立中央大學
6. 賴冠宇, 2006, “顧客關係管理(CRM)系統的使用現況與影響因素之探索性研究”, 國立中央大學
7. 林仲曦, 2006, “經營策略與顧客關係管理投入程度對組織績效的影響”, 國立成功大學
8. 邱宏彬蘇建源, 2004, “一個可彈性支援顧客關係管理與資料庫行銷之
模糊RFM Model”, 電子商務學報第六卷第二期

指導教授

許秉瑜(Ping-Yu Hsu)

審核日期

2013-6-24

推文