臺灣博碩士論文加值系統

顧客關係管理（Customer Relationship Management, CRM）是近幾年企業建立競爭優勢的主要議題。所謂的顧客關係管理，顧名思義就是對企業與顧客之間的關係做管理，其中最為熱門的議題就是流失者（Churn）預測的議題。顧客的資料可以應用資料探勘技術來加以分析與整理，以預測出哪些顧客將可能會流失，以便採取因應策略來留住顧客，維持並增進企業的獲利情況。
本論文針對顧客流失預測的議題，結合特徵選取的方法，應用資料探勘的分類技術和集成系統的優點，建立具高準確率的顧客流失預測模型，並瞭解顧客資料屬性對預測準確率的影響，有效預測可能流失者，以提供企業開發顧客關係管理系統之參考。本論文採用Duck大學提供的Cell2Cell公司的顧客資料集進行實驗，包含兩部份：特徵選取對預測準確率影響及集成系統預測準確率實驗。使用的資料探勘技術包括決策樹(Decision Tree)、亂數隨機森林(Random Forest)、支援向量機（Support Vector Machine）、類神經網路(Neural Network)、羅吉斯迴歸(Logistic Regression) 。選用的特徵選取方法則包括屬性預測力、熵值（Entropy）、ReliefF演算法。實驗結果為：（一）使用特徵選取方法後所建立的顧客流失預測模型更能提高預測準確率。（二）針對三種特徵選取方法的比較，以熵值篩選出特徵後所建立的顧客流失預測模型之預測效果最好。（三）三種特徵選取方法至少兩種方法挑選出的屬性，搭配決策樹、亂數隨機森林、羅吉斯迴歸，能進一步提昇預測準確率。（四）實驗結果顯示顧客忠誠度類別的屬性對準確率的影響最大，顧客滿意度類別的影響為次高。（五）集成系統的設計可增加準確率，並藉由設定權重值方式的改變，有不同程度的提昇效果。

CRM（Customer Relationship Management）is an important subject for an enterprise to build up a competitive advantage in recent years. CRM means to manage the relationships between enterprises and customers. Churn prediction is a popular issue in the field of CRM. By using customer information, data mining technology can be applied to analyze and predict the possible churners. Then, the enterprise can plan some effective strategies to retain customers for more profits.
For the customer churn prediction issue, this thesis applies the feature selection methods, the data mining classification technologies, and the ensemble systems to develop the churn predict models with high accuracy. Meanwhile, the influences of customer information on the accuracy can be understood to effectively predict the possible churners and develop the customer relationship management systems. The customer information dataset of Cell2Cell phone company provided by Duke University is used in the experiments which include two parts: the impacts of the feature selection methods on predicting the accuracy and the accuracy improvements by using the ensemble system prediction models. The data mining classification algorithms used include Decision Tree (DT), Random Forest (RF), Support Vector Machine (SVM), Neural Network (NN), and Logistic Regression (LR). The feature selection methods include the attribute prediction evaluation model, entropy, and the ReliefF algorithm. The experimental results show:（1）using the feature selection methods to build up the churn prediction models can enhance the accuracies;（2）among three feature selected methods, the churn prediction model by using the entropy method obtains the best accuracy;（3）the churn prediction models established by DT, RF, and RL classification algorithms with the attributes selected from at least two feature selection methods can further improve the accuracy;（4）in these five classification algorithms, except SVM and LR, the churn prediction model with the attributes in the customer loyalty category has the highest accuracy; among five classification algorithms, except SVM, the churn prediction model with the attributes in the customer satisfaction category has the second high accuracy;（5）the ensemble churn prediction models can increase the accuracy, and setting the different weights for each classifier in the ensemble system can further enhance the accuracy in the different levels.

誌謝 II
摘要 III
ABSTRACT IV
目錄 VI
表目錄 VIII
圖目錄 IX
1. 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 2
1.3 論文架構 3
2. 文獻探討 4
2.1 顧客關係管理簡介 4
2.1.1 CRM系統的開發與價值 4
2.1.2 顧客關係管理資料屬性 6
2.1.3 流失者定義 7
2.2 資料探勘 8
2.2.1 資料探勘模式 8
2.2.2 資料探勘的應用 16
2.2.3 分類效能評估方法 19
2.3 特徵選取 20
2.4 集成系統 25
3. 問題定義與研究方法設計 27
3.1 問題定義 27
3.2 個案公司與資料集說明 27
3.3 研究方法 30
3.3.1 設計概念 30
3.3.2 研究方法步驟 30
4. 實驗設計與分析 34
4.1 實驗環境與設計 34
4.2 實驗一：特徵選取對預測準確率影響實驗 35
4.3 實驗二：集成系統預測準確率實驗 39
4.4 實驗結果綜合分析及應用 40
4.4.1 實驗結果與分析 40
4.4.2 行銷策略的應用 41
5. 結論與未來研究 44
參考文獻 46
自傳 49

[1]柯光任，”客戶流失預測模式之研究—以使用信用卡循環利息為例”，碩士論文，私立銘傳大學，桃園，2005。
[2]湯宗泰，劉文良，”顧客關係管理—導論與應用”，全華科技圖書股份有限公司，台北，第2-12-47頁，2004。
[3]楊棠堯，“顧客關係管理系統互動性之實驗分析”，碩士論文，國立成功大學，台南，2002。
[4]http://www.wtcbrescia.it/upload/0-FButtle_CRMvalchain。
[5]謝逸凡，” 網際網路服務業客戶流失預測模式之研究”，碩士論文，私立銘傳大學，桃園，2004。
[6]Dick, A.S., and Sasu, K., “Customer loyalty: Toward an integrated conceptual framework”, Journal of the academy of Marketing Science, 22(2), pp.99-113,1994.
[7]吳坤泉，”行動電話顧客流失行為探討”，碩士論文，國立成功大學，台南，2002。
[8]http://zh.wikipedia.org/wiki/%E6%95%B0%E6%8D%AE%E6%8C%96%E6%8E%98。
[9]潘致誠，“強健式網路入侵偵測演算法則之研究”，碩士論文，國防大學中正理工學院資訊科學所，桃園，2009。
[10]Tan, P.N, Steinbach, M., and Kumar, V, “Introduction to Data Mining”, Pearson Addison Wesley, U.S.A, pp.270-271, 2006.
[11]http://en.wikipedia.org/wiki/Time_series。
[12]http://en.wikipedia.org/wiki/Cluster_(disambiguation)。
[13]http://en.wikipedia.org/wiki/Association_rule_learning。
[14]http://en.wikipedia.org/wiki/Sequence。
[15]翁樸棟，“網路電話客戶流失預測之研究”，碩士論文，國立臺北大學，台北，2007。
[16]陳茂元，“資料探勘於隨選視訊(MOD)客戶流失預測之研究”，碩士論文，國立中正大學，嘉義，2007。
[17]王予婷，“寬頻客戶流失之研究－以某ISP為例”，碩士論文，私立元智大學，桃園，2009。
[18]蕭明泰，“應用資料探勘技術於保養品業顧客流失之研究-以國內某保養品公司為例”，碩士論文，私立世新大學，台北，2008。
[19]黃怡雯，“應用資料探勘技術於信用卡顧客流失預測模式之研究-支付型客戶”，碩士論文，私立銘傳大學，桃園，2008。
[20]吳明輝，“應用基因表示規劃法於顧客流失預測模型之研究-以某電信公司為例”，碩士論文，私立輔仁大學，台北，2009。
[21]葉政憲，“影響電信業無線通訊客戶流失因素之探討-以美國杜克大學研究A電信公司客戶為例”，碩士論文，國立交通大學，新竹，2009。
[22]楊宇峰，“基於支持向量機的手機客戶流失傾向預測模型的研究”，碩士論文，吉林大學，吉林，2010。
[23]馬江，“數據挖掘技術在保險公司客戶流失預測中的應用研究”，碩士論文，西安理工大學，西安，2010。
[24]倪聖富，“Applying Data Mining Approaches to Churn Prediction in Retailing”, 碩士論文，私立元智大學，桃園，2007。
[25]Parag C. Pendharkar, “Genetic algorithm based neural network approaches for predicting churn in cellular wireless network services”, Expert Systems with Applications, pp.5-6, 2008.
[26]趙宇，李兵，李秀，劉文煌，任守榘，”基於改進支持向量機的客戶流失分析研究”，清華大學國家CIMS技術研究中心，北京，pp.5，2007。
[27]Abu H. M Kamal, Xingquan Zhu, Abhijit Pandya and Sam Hsu, “Feature Selection with Biased Sample Distributions,” IEEE IRI 2009, 2009.
[28]Claude E. Shannon, Warren Weave, ”The mathematical theory of communication” , U.S.A, 1998.
[29]Quinlan J.Ross., “C4.5: Programs for machine learning”, Morgan Kaufmann Publishers, 1993.
[30]許景芝，“物流企業CRM信息挖掘方法的研究應用”，碩士論文，大連海事大學，大連，2005。
[31]詹益東，“網路異常入侵偵測分類效能改善方法”，碩士論文，國防大學中正理工學院資訊科學所，桃園，2010。
[32]Robi Polikar,”Ensemble based systems in decision making”, IEEE Circuits and Systems Magazine, Vol.6, pp.21-45, 2006
[33]柯宏杰，“顧客流失行為之影響因素探討--以美國無線通訊業為例”，碩士論文，國立交通大學，新竹，2005。
[34]http://www.fuqua-europe.duke.edu/centers/ccrm/index.html。
[35]司徒達賢，”策略管理案例解析－觀念與實例”，智勝文化事業有限公司，台北，2003。