博碩士論文 964306027 詳細資訊




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:16 、訪客IP:3.235.137.159
姓名 胡智文(Chih-Wen Hu)  查詢紙本館藏   畢業系所 工業管理研究所在職專班
論文名稱 以資料探勘技術進行消費者返廠定期保養之實證研究
(The Research of Consumers' Preference For Automobile Maintainance using Data Mining Technique.)
相關論文
★ 應用灰色理論於有機農產品之經營管理— 需求預測及關鍵成功因素探討★ NAND型Flash價格與交運量預測在風險分析下之決策模式
★ 工業電腦用無鉛晶片組最適存貨政策之研究-以A公司為例★ 砷化鎵代工廠磊晶之最適存貨管理-以W公司為例
★ 資訊分享&決策制定下產銷協同關係之研究 -以IC設計業為例★ 應用分析層級法於電子化學品業委外供應商評選準則之研究
★ 應用資料探勘於汽車售服零件庫存滯銷因素分析-以C公司為例★ 多目標規劃最佳六標準差水準: 以薄膜電晶體液晶顯示器C公司製造流程為例
★ 以價值鏈觀點探討品牌公司關鍵組織流程之取決-以S公司為例★ 應用產銷協同規劃之流程改善於化纖產業-現況改善與效益分析
★ 權力模式與合作關係對於報價策略之影響研究—以半導體產業A公司為例★ 應用資料探勘於汽車製造業之庫存原因分析
★ 以類神經網路預測代工費報價---以中小面板產業C公司為例★ 電路板產業存貨改善研究-以N公司為例
★ 運用六標準差改善機台備用零件(Spare parts)存貨管理★ 訂單履行風險之研究-以半導體通路商A公司為例
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) 隨著近年來石油油價的飆漲與經濟的不景氣,造成汽車銷售市場逐年萎縮,各車廠在製造端沒有獲利的情況下,紛紛將目標轉為仍有廣大需求的售後服務市場,藉由在售後服務端的努力,使得業績得以維持不墜,並為各車廠帶來不少的營收。但各車廠在規劃服務活動時,常會遇到一些執行上矛盾或衝突的決策。本研究目的即在藉由分析客戶的返廠資料,針對已知的影響消費者返廠因素,區分出其重要性與影響程度,以作為後續相關人員在規劃服務活動時決策的參考。
本研究將四項已知的影響因子依據K-mean分群法與業界標準,訂定四項評估指標,再將返廠資料按照車型類別分成六群,分別進行評估,並將得出的結果以決策樹模型分析,找出具有影響的因子,區分出其重要性與影響。
本研究得到的結果如下:1.四項因子對消費者返廠保養的影響程度,其重要程度為返廠頻率 > 車齡 > 油價 > 區域。2.此次研究所得出的六種消費者返廠保養特性,可作為後續各車廠規劃服務活動時之參考。
摘要(英) Recently, the dramatic raise of the oil price and economic recession result in the downturn of the automobile market. Under the situation of earning a little profit, those automobile manufacturers shift their target to the after-sales markets, which still have big demand. With the effort made at after-sales side makes the sales volume stable and brings the considerable turnover to the manufacturers. However, manufacturers often find that there are conflicts existing between strategies when planning the service activities.
This research analyzes the customers’ maintained data. Aiming at the known factors that effect the consumers’’ maintenance preference, we attempt to discriminate the importance and effect level of these factors in order to provide the management reference information for planning the service activities in the future.
We define four evaluation indices by using K-mean clustering to group the 4 known factors and industry standard. Further, we divide the maintenance data into six groups according to the car series and analyze with one of decision tree technique CART. The significant factors are determined and their importance and effects are discriminated.
The result of research shows: (1) The importance level of 4 factors for consumers’’ maintenance preference is that the first most important factor is frequency, the second is age, the third is oil price and the forth is the area. (2) The result of this research for six kinds of consumer’s maintenance feature can be a reference for further service activities planning.
關鍵字(中) ★ 資料探勘
★ 定期保養
★ 售後服務
★ 決策樹
關鍵字(英) ★ Regression Trees
★ after sales service
★ Maintenance
★ Data Mining
論文目次 中文摘要 I
英文摘要 II
致謝 III
目錄 IV
圖目錄 VI
表目錄 VIII
一、緒論 1
1-1 研究背景與動機 1
1-2 研究目的 2
1-3 研究範圍及限制 2
1-4 研究流程 3
二、文獻探討 4
2-1 國內售服市場狀況說明 4
2-2 定期保養種類說明 7
2-3 資料分析技術的運用 9
2.3.1 資料探勘流程說明 9
2.3.2 資料探勘技術概述 11
2.3.3 資料分類方法概述 13
三、研究方法 16
3-1 研究架構 16
3-2 資料來源說明 17
3-3 影響因子與評估指標說明 19
3.3.1 四項影響因子說明 19
3.3.2 新增屬性欄位說明 20
3.3.3 評估指標欄位說明 22
3-4 研究分析方法 24
3.4.1 決策樹分類技術 25
3.4.2 分析過程說明 25
四、實例驗證 28
4-1 K-最鄰近分類法模型建置 28
4-2 決策樹模型建置 31
4.2.1 建模資料說明 31
4.2.2 建立資料值與參數設定 32
4-3 各資料群組分類結果說明 39
4-4 影響因子的重要程度 48
4-5 應用研究結果所產生之效益 50
五、結果與建議 51
5-1 結果 51
5-2 未來建議 52
參考文獻 53
參考文獻 中文部分
﹝1﹞張云濤,龔玲,資料探勘原理與技術,初版,五南出版社,台北市,民國96年。
﹝2﹞丁一賢及陳牧言著,資料探勘Data Mining,初版,滄海書局,台中市,民國94年。
﹝3﹞曾憲雄等著,資料探勘 Data Mining,旗標出版股份有限公司,台北市,民國95 年。
﹝4﹞牛田一雄等,資料採礦利用Clementine使用手冊,初版,台北市,鼎茂圖書出版社,民國85年。
﹝5﹞交通部統計處,交通統計月報,2009年4月2日取自http://www.motc.gov.tw/mocwebGIP/wSite/lp?ctNode=160&CtUnit=92&BaseDSD=7&mp=1。
﹝6﹞台灣區車輛工業同業公會,台灣車輛工業產值統計表,2009年4月2日取自http://www.ttvma.org.tw/cht/index.php。
﹝7﹞中華三菱網站,定期保養的重要性,2009年3月2號取自http://www.5230.com.tw/wps/portal/!ut/p/_s.7_0_A/7_0_2I6?LBCONTENTijf982=12。
英文部分
﹝8﹞M. J. A. Berry and G. S. Linoff, Data mining techniques: for marketing, sales, and customer support, New York: Wiley Computer, 1997.
﹝9﹞W. J. Frawley, Paitetsky-Shapiro, and G. C. J. Matheus, “Knowledge Discovery in Database: An Overview”, California, edited by G. Piatetsky-Shapiro and W. J. Frawley, AAAI/MIT Press, pp.1-30, 1991.
﹝10﹞U. Fayyad, G. Piatetsky-Shapiro, and P. Smyth, “From Data Mining to Knowledge Discovery In Database”, AI Magazine, vol.17, pp.37-54, 1996.
﹝11﹞F. H. Grupe and M. M. Owrang, “Database Mining Discovering New Knowledge and Cooperative Advantage”, Information Systems Management, pp.26-31, 1995.
﹝12﹞J. Han and M. Kamber, Data Mining:Concepts and Techniques, San Francisco, CA, USA:Morgan Kaufmann, 2000.
﹝13﹞L. Brieman, J. Friedman, R. Olshen, and C. Stone, “Classification and Regression Trees”, Wadsworth International Group, Monterey, CA, 1984.
﹝14﹞G. V. Kass, “An Exploratory Technique for Investigating Large Quantities of Categorical Data”, Applied Statistics, pp.119-127, 1980.
﹝15﹞J. R. Quinlan, “Induction of Decision Trees”, Machine learning, vol. 1, pp.81-106,1986.
﹝16﹞J. R. Quinlan, C4.5: Programs for Machine Learning, San Mateo, CA: Morgan Kaufmann Publishers,1993.
指導教授 陳振明(Jen-Ming Chen) 審核日期 2009-6-4
推文 facebook   plurk   twitter   funp   google   live   udn   HD   myshare   reddit   netvibes   friend   youpush   delicious   baidu   
網路書籤 Google bookmarks   del.icio.us   hemidemi   myshare   

若有論文相關問題,請聯絡國立中央大學圖書館推廣服務組 TEL:(03)422-7151轉57407,或E-mail聯絡  - 隱私權政策聲明