臺灣博碩士論文加值系統

傳統行銷方式對於消費者行為的了解，通常採行市場調查的方式，然而其研究結果仍然是一種預測，而無法完全反應實際狀況。隨著電腦科技的發達，顧客資料的記錄與儲存效率提升且成本下降，使得「資料庫行銷」日漸受到重視。有別於傳統大眾行銷僅利用人口統計變數進行市場的區隔，資料庫行銷重視消費者間存在的異質性，以顧客購買行為為基礎，了解顧客的需求，提供更加客製化的產品與服務，與顧客建立良好的關係，並且讓行銷資源達到最有效的運用。
本研究以國內某線上購物網站為對象，藉由實際的交易資料進行資料庫行銷的實證分析，並根據歷史交易紀錄進行分析與預測，並提出適當的行銷策略。研究方法首先利用RFM模式為基礎進行顧客價值分析，接著利用最大概似估計法與加權最大概似估計法計算顧客平均購買期間，最後利用關聯法則分析進行顧客購買商品之相關性分析。
實證結果如下：
一、利用顧客價值分析可將顧客分成「高價值」、「高潛力」、「成長性」及「不穩定」等四群，並提出一套模型進行銷經費之分配。
二、利用平均購買期間分析可得知顧客平均消費時間的間隔，並可依此規劃促銷循環的週期。
三、利用產品關聯性，分析顧客購買商品間的交互關係，從而提出交叉銷售以及該線上購物網站商品推薦系統的建議。
根據上述實證結果，可幫助個案公司更加了解顧客，並發展能與顧客維持長期且緊密關係以提升顧客忠誠度的策略，進而提高企業獲利能力及行銷投資的效益。

In traditional marketing, the most frequently used methodology in understanding consumer behavior is the marketing research. However, the result is only the prediction that can’t reflect the real situation. The development of computer technology results in the efficiency improvement and cost reduction of the customer data recording and storage. Therefore, database marketing becomes more and more emphasized. Database marketing focuses on the heterogeneity of consumers to provide customized products or service according to the purchase behavior. Besides, it’s also helpful to build close relationship with customers and achieve the best allocation of the marketing resources.
This research focuses on an on-line shopping retailer and uses the recorded transaction data to do the empirical analysis. The methodologies of the research includes the RFM model to segment by the customer value, the MLE and WMLE to calculate the average purchase period of the customer and the Association Rule to analyze the correlation of the products that customers purchase.
The results of the analysis are as following：
1.Using customer valuation analysis to segment the customers into four groups which including “high value”, “high potential”, “high growth” and “uncertain”, then proposes the model to allocate the marketing budget.
2.Using average purchase period analysis to calculate the interval of each purchase by customers and develop the promotion schedule.
3.Using the Association Rule to analyze the correlation of what customers purchase and propose the cross-selling and the recommendation system suggestions of the website.

謝辭 i
中文摘要 ii
英文摘要 iii
目錄 iv
圖目錄 v
表目錄 vi
第一章 緒論 1
第一節 研究背景 1
第二節 研究動機 2
第三節 研究目的 3
第四節 研究流程與架構 4
第二章 文獻探討 6
第一節 資料庫行銷 6
第二節 資料探勘 10
第三節 顧客價值 13
第三章 研究方法 17
第一節RFM模型 17
第二節 最大概似估計法與加權最大概似估計法 19
第三節 關聯法則分析 21
第四章 實證分析 23
第一節 資料描述 23
第二節 顧客價值分析 33
第三節 平均購買期間分析 37
第四節 產品關聯組合分析 42
第五章 結論與建議 50
第一節 研究結果與行銷策略建議 50
第二節 研究限制 54
參考文獻 55
中文部分 55
英文部分 56

中文部分
葛瑞米．麥克柯爾（2001）。資料庫直效行銷：活用客戶資料，創造
最大利潤。（駱秉容譯）。臺北市：美商麥格羅希爾公司。（原
著出版年：1997年）
亞瑟．休斯（2001）。資料庫行銷實用策略。（張倩茜譯）。臺北
市：美商麥格羅希爾公司。（原著出版年：2000年）
唐．派普/瑪莎．羅傑斯（2000）。一對一經理人：e世代成功的顧客
關係管理。（藍毓仁/蔣慶慧譯）。臺北市：ARC遠擎管理顧問公
司。（原著出版年：1999年）
廖述賢/溫志皓（2009）。資料採礦與商業智慧。臺北市：雙葉書
廊。
劉楚慧（2010）。「2009年台灣網友線上購物行為暨消費發展趨
勢」， 資策會AISP情報顧問服務網站。
詹超宇（2008）。「2008年台灣網友行為與B2C消費發展趨勢」，資
策會AISP情報顧問服務網站。
李芳菁（2009）。「2009年台灣通訊市場--整體通訊、數據通訊服務
市場」，資策會AISP情報顧問服務網站。
陳麗君（2003）。應用資料探勘技術於信用卡黃金級客戶之顧客關係
管理。私立元智大學工業工程與管理學系研究所碩士論文。

英文部分
Agrawal, R., Imilienski, T., & Swami, A. (1993). Mining
Associaion Rules between Sets of Items in Large Database.
Proceedings of the ACM SIGMOD Int’l Conf. on Management
of Data, pp. 207-216.
Berry, M. J.A., & Linoff, G.S.(1997). Data Mining
Techniques: For Marketing,Slaes, and Customer Support,
John Wiley & Sons, Inc.
Bult, J. R., &Wansbeek, T.(1995). Optimal Selection for
Direct Mail. Marketing Science, 14 (4), pp. 378-394.
Cabena, P., Hadjnian, P., Stadler, R., Verhees, J., &
Zanasi, A. (1997). Discovering Data Mining from Concept
to Implementation, Prentice Hall
Cespedes, F. V.,& Smith, H. J. (1993). Database marketing:
New Rules for Policy and Practice. Sloan Management
Review, 34( 4), pp. 7-22.
Cross, R., & Smith, J.(1994). Retailers Move Toward New
Customer Relationships. Direct Marketing, 57(8), pp. 20-
22.
Denise, D. S., Geoffrey, L. G., Dawn, F., & Linda, S.
(1997). Understanding Consumer Database Marketing .
Journal of Consumer Marketing, 14(1), pp. 5-19.
DeTienne, K. B., & Thompson, J. A.(1996). Database
Marketing and Organizational Learning Theory: Toward a
Research Agenda. Journal of Consumer Marketing, 13(5),
pp. 12-34.
Fayyad U.(1996). Data Mining and Knowledge Discovery:
Making Sense out of Data. IEEE Expert,11(5), pp. 20-25.
Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P.(1996). From
Data Mining to Knowledge Discovery in Databases . AI
Magazine,17(3), pp. 37-54.
Goodman, J.(1992). Leveraging the Customer Database to Your
Competitive Advantage. Direct Marketing, 55(8), pp. 26-27.
Gray, P., &Watson, H. G. (1998). Decision Support in the
Data Warehouse. Upper Saddle River, NJ: Prentice Hall PTR.
Gruppe, F. H., & Owrang, M.(1995). Data Base Mining:
Discovering New Knowledge and Competitive Advantage.
Information Systems Management, 12 (4), pp. 26-31.
Hughes, A. M. (1994). Strategic Database Marketing.
Chicago: Probus Publishing.
Marcus, C.(1998). A Practical Yet Meaningful Approach to
Customer Segmentation. Journal of Consumer Marketing, 15
(5), pp. 494-504.
Kahan, R.(1998). Using Database Marketing Techniques to
Enhance Your One-to-One Marketing Initiatives. Journal of
Consumer Marketing, 15(5), pp. 491-493.
Reichheld , F. F., & Sasser Jr., W. E.(1990). Zero
Defections: Quality Comes to Services. Harvard Business
Review, 68(5), pp. 105-111.
Robert, M. L. (1997). Expanding the Role of the Direct
Marketing Database . Journal of Direct Marketing, 11(4),
pp. 26-35.
Shani, D., & Chalasani, S. (1992). Exploiting Niches Using
Relationship Marketing. Journal of Consumer Marketing, 9
(3), pp. 33-42.
Shaw, M. J., Subramaniam, C., Tan, G. W., & Welge, M. E.
(2001). Knowledge Management and Data Mining for
Marketing. Decision Support Systems, 31(1), pp. 127-137.
Stone, B.(1995). Successful Direct Marketing Methods.
Lincolnwood, IL: NTC Business Books.
Stone, M., & Shaw, R.(1987). Database Marketing for
Competitive Advantage. Long Range Planning, 20( 2), pp.
12-20.
Sung, H. H., & Sang, C.P.(1998). Application of Data Mining
Tools to Hotel Data Mart on th Intranet for Database
Marketing. Expert Systems With Applications,15 (1), pp. 1- 31.
Venkatesan, R., & Kumar, V.(2004). A Customer Lifetime
Value Framework for Customer Selection and Resource
Allocation Strategy. Journal of Marketing, 68(4), pp. 106-
125.
Woodruff, R. B.(1997). Customer Value: The Next Source for
Competitive Advantage. Journal of the Academy of
Marketing Science, 25(2),pp. 139-153.
Wyner, G. A.(1996). Customer Valuation: Linking Behavior
and Economics . Marketing Research, 8(2), pp. 36-38.