臺灣博碩士論文加值系統

台灣地區電信事業，自民國84年立法院通過電信三法後，才脫離交通部電信總局獨佔型態，漸漸形成自由競爭市場。此外，在民國88年政府推動的行政院擴大內需方案中，由教育部首先與中華電信簽約，在88年6月30日起為國內三千六百多所中小學建置「非對稱用戶數位迥路」(Asymmetric Digit Subscriber Loop; ADSL)提供高速上網環境，開始了ADSL的商用時代。寬頻網路ADSL的興起，使得各家電信公司莫不卯足全力，爭取將國內高達750萬的撥接上網用戶轉換為ADSL客戶。本研究主旨在充份運用資訊科技(資料探勘)，協助電信公司有效進行ADSL的目標行銷。
本研究以電信公司現有的客戶通聯記錄為基礎，應用資料探勘的方法來找出客戶的上網行為特徵，然後根據此特徵粹取出目標客戶，提供行銷人員及所有員工來進行全員行銷。本研究首先應用群集的方法，將已裝設ADSL的客戶分群，接著利用決策樹來驗証群集分析的準確性，並找出規則，再根據此規則應用聯結分析的方法粹取出高上網時間、高上網次數的目標客戶及低上網時間、低上網次數的目標客戶。然後將高上網時間、高上網次數的目標客交由行銷人員促銷；將低上網時間、低上網次數的目標客戶交予分佈在各地的全體員工來行銷。
研究結果顯示目標行銷的績效比起同時進行的大眾行銷結果還要高出4.53倍之多。由此可以驗証本研究設計的資料探勘模式，確實有助於提升電信業者目標行銷的效能，以擴大寬頻市場的佔有。

The domestic telecommunication market in Taiwan was monopolized by the government own DGT (The Directorate General of Telecommunications Ministry of Transportation and Communications) until the Legislators passed three laws relating to communication regulation in 1995. After then, the Telecommunication market was allowed to joint by private institutes and becomes a free competitive market. In 1999, a contract between the Ministry of Education and Chunghwa Telecom Co. was signed to install ADSL for more than 3,600 middle and elementary schools through the enlarged domestic expenditure program of Executive Yuan. Commercial ADSL era is then officially started. All the telecommunication companies put a lot of efforts to compete for the 7.5 millions network users market. This research aims to leverage information technology (especially data mining) to help telecommunications companies improve their marketing effectiveness regarding target marketing of ADSL.
Under this premise, existing user dial-up records are analyzed through data mining technique to find the customer dial-up behavior characteristics. Specifically, this study performs a cluster analysis to classify current users. Then, a decision tree analysis was used to verify the accuracy of the cluster analysis. Next, based upon patterns found, Link Analysis was used to extract customers who have either high or low usage on dial-up services as target customers. Last, a target marketing strategy was presented to marketing personnel.
The research found the effectiveness of our target marketing is 4.53 times better than the traditional mass marketing. It proved that the data mining model developed by this study can help telecommunications companies significantly improve their performance on target marketing of ADSL and increase their market share consequently.

目錄 i
表目錄 iii
圖目錄 iv
一、 緒論 1
1.1研究背景與動機 1
1.2研究目的 4
1.3研究步驟 5
1.4研究範圍與限制 7
1.5論文架構 8
二、 文獻探討 9
2.1目標行銷概述 9
2.1.1市場區隔 9
2.1.2目標市場的選擇 12
2.1.3 RFM分析模式探討 14
2.2 資料探勘（DATA MINING）概述 16
2.2.1 資料探勘的定義 16
2.2.2 資料探勘的流程 17
2.2.3 資料探勘的方法 18
2.2.4 資料探勘的技術及運用 20
2.3 資料探勘在目標行銷上的運用 25
2.3.1 資料探勘在一對一行銷的應用 25
2.3.2 資料探勘在資料庫行銷之應用 27
三、 研究方法 29
3.1背景說明 29
3.2研究架構 32
3.3通信資料庫 34
3.4研究工具簡介 36
3.4.1資料探勘工具簡介 36
3.4.2 Intelligent Miner探勘功能 37
3.4.3 Intelligent Miner應用成功的例子 39
3.5 資料探勘分析 40
3.5.1 前置處理 40
3.5.2 運用領域知識 43
3.5.3 資料探勘的內容 46
3.6 目標群分析 49
3.7 目標行銷 50
四、研究結果 51
4.1 實驗環境 51
4.2 資料前置處理 51
4.3 群集分析 58
4.4 決策樹分析 72
4.5 聯結分析 76
4.5.1 利用聯結分析尋找目標客戶 78
4.5.2 目標客戶分析 83
4.6 目標行銷及結果驗証 84
五、結論與未來研究方向 87
5.1 結論 87
5.2 未來研究方向與建議 89
參考文獻 90
表目錄
表1　一對一個人化行銷與傳統行銷方式的差異比較表 26
表2　電信通話記錄資料格式 35
表3　INTELLIGENT MINER的功能比較表 37
表4　資料探勘的輸入檔格式 42
表5　RFM區隔變數定義表 45
表6　客戶分群表 48
表7　用戶通信原始資料 53
表8　用戶通信資料加了逗點 53
表9　申請ADSL客戶統計表 54
表10　變數選項與其換後所對應值域 56
表11 群集分析資料表 57
表12 群集區隔總表 70
表13 群集0客戶申裝ADSL原因分析表 71
表14 群分析規則總表 75
表15　 90年12月高上網次數、高上網頻率客戶名單 80
表16 高上網客戶資料表 80
表17 90年12月低上網次數、低上網頻率客戶名單 82
表18 低上網客戶資料表 82
表19 90年12月上網客戶與實際裝設ADSL客戶比較表 83
表20 目標客戶佔上網客戶百分比表 85
表21 目標行銷與大眾行銷比較表 85
表22 91年3月上網客戶與實際裝設ADSL客戶比較表 86
表23 裝設ADSL用戶比較表 86
圖目錄
圖1　本研究步驟流程圖 6
圖2　網際網路連網應用普及率 30
圖3　網際網路架構圖-現況圖 32
圖4　本研究架構圖 33
圖5　分類決策樹概念圖 39
圖6 前置作業流程圖 42
圖7　一般電話發話階層圖 43
圖8　資料探勘處理流程圖 46
圖9　研究結果的步驟 52
圖10　RFM模式群集分析資料總圖(一) 58
圖11　RFM模式群集分析資料總圖(二) 59
圖12 群集0之群集分析特性圖 60
圖13　群集0之群集分析資料圖 60
圖14　群集1之群集分析特性圖 61
圖15　群集1之群集分析資料圖 61
圖16　群集2之群集分析特性圖 62
圖17　群集2之群集分析資料圖 62
圖18　群集3之群集分析特性圖 63
圖19　群集3之群集分析資料圖 63
圖20　群集4之群集分析特性圖 64
圖21　群集4之群集分析資料圖 64
圖22　群集5之群集分析特性圖 64
圖23　群集5之群集分析資料圖 65
圖24　群集6之群集分析特性圖 66
圖25　群集6之群集分析資料圖 66
圖26　群集7之群集分析特性圖 66
圖27　群集7之群集分析資料圖 67
圖28　群集8之群集分析特性圖 68
圖29　群集8之群集分析資料圖 68
圖30 RFM模式群集分析總圖 69
圖31　決策樹分類模型矩陣圖 72
圖32　決策樹最佳化路徑圖 73
圖33　類別8決策樹分類規則圖 74
圖34　類別0決策樹分類規則圖 74
圖35　兩個圖形例子 74
圖36　四通電話聯結了4個電話號碼 77
圖37　應用聯結分析找尋目標客戶 78

一、英文部分
1. Aleksander, I., Morton, H.B. and Myers, C.E., " HCI: a cognitive neural net prospects ",Neural Nets in Human-Computer Intern.”, IEEE colloquium Published, 1990,pp.1-4
2. Agrawal, R.,.R. Srikant: "Fast Algorithms for Mining Association Rules," Proc. of the 20th Int''''l Conference on Very Large Databases, Santiago, Chile, Sept. 1994. Expanded version available as IBM Research Report RJ9839, June 1994.
3. Batra, R. et al.(Eds.), "The new direct marketing:How to implement a profit-driven database marketlng strategy. "Burr Ridge, IL;Irwin, 1995.
4. Berson, Alex. Stephen J.Smith,”Data Warehousing,Data Mining,&OLAP”,Mcgraw-Hill Companies,1997.
5. Berry M J. A. and Linoff, G. “Data Mining for techniques: For Marketing Sale and Customer Support”, John Wiley&Sons, Inc., Canada, 1997.
6. Brown, J. S. Burton, R. R. Kleer J. De, ”Pedagogical, Natural Language and Knowledge Engineering techniques in SOPHIE I, II and III,” Intelligent Touring systems, Academic Press, London, 1892.
7. Berger, Paul D. and Nada I. Nasr , “Customer Lifetime Value: Marketing Models and Application,” Journal of Interactive Marketing,1998, Vol.12, pp.17-30.
8. Bhandari,I.,E.Colet,J.Parker, Z. Pines,R. Pratap and K. Ramanujam, “Brief Application.De-scription.Advanced.Scount:Data Mining and Knowledge Discovery.in.NBA.Data”,Data.Mining.and.Knowledge.Discovery,1997,pp.121-125.
9. Blattberg, R. A. and J. Deighton, “Manage Marketing by the Customer Equity Test,” Harvard Business Review, 1996, pp.136-144.
10. Bort, Julie. "Data mining''''s midas touch," InfoWorld, Vol. 18, No. 18 April 1996, pp79- 83.
11. Brachman, R. J. ,T. Khabaza, W. Kloesgen, G. Piatetsky-Shapiro, and E. Simoudis, “Mining Business Databases,” Communications of ACM 39, November 1996, pp.44
12. Bult, J. R., and Wansbeek, T., “Optimal selection for direct mail”, Marketing Science , 14(4), 1995, pp. 378-381
13. Cabena, P., P. O. Hadjinian, R. Stadler, DR. J. Verhees, and A. Zanasi , "Discovering Data Mining from Concept to Implementation" , Prentice Hall, 1997,pp12
14. Calantone, R. J,. A. G. Sawyer, " The stability of benefit segments, " Journal of Marketing Research, vol. 15, Aug.1978, pp. 395-404.
15. Chaudhuri, S. and U. Dayal, “An Overview of Data Warehousing and OLAP Technology”, ACM SIGMOD RECORD, Vol. 26, No.1, 1997pp.65-74,.
16. Chen, M.-S., J .Han and P.S. Yu, “Data Mining: An Overview from a Database perspective ”, IEEE Transcations on Knowledge and Data Engineering, Vol.8,No. 6,1996,pp.866-883.
17. Curt, H. , "The Devil''''s in the Detail: Techniques, Tools, and Application for Database mining and Knowledge Discovery-Part 1," Intelligent Software Strategies, vol. 6, no.9,1995, pp.1-15.
18. Dubinsky, Alan J. and T. N. Ingram, “ A Portfolio Approach to Account Profitability,” Industrial Marketing Management, Vol.13, pp.33-41, 1984
19. Dubinsky, Alan J., “Customer Portfolio Analysis,” Advances in Business Marketing, Vol.1, 1986, pp.113-139.
20. Fayyad, U. M.; Piatetsky-Shapiro, Gregory; Smyth, Padhraic,” The KDD process for extracting useful knowledge from volumes of data”, Association for Computing Machinery; Communications of the ACM; New York; Nov 1996.
21. Fayyad, U. M., P.-S. Gregory and P. Smyth, “The KDD Process for Extracting Useful Knowledge from Volumes of Data, “Communication of the ACM, Vol.39,No.11 Nov,1996,pp.27-34.
22. Fayyad,U.M., P.-S. Gregory, P.Smyth and R. Uthurusamy, Advances in Knowledge Discovery and Data Mining, Mar, 1996.
23. Foley, John. "Squeezing more value from data," Information week, No. 609,December 1996, pp.44.
24. Frawley, W. J., Paitetsky-Shapiro G., Matheus, C. J.. "Knowledge Discovery in Database ：An Overview, Knowledge Discovery in Database, "California, AAAI/MIT press, 1991,pp1-30.
25. Frederick, Nowell. "The New Rules of Marketing", McGraw-Hill, 1997.
26. Fu, Y. "Data mining task, technique and applications," IEEE POTENTIALS, October/November 1997.
27. Goil, S., Choudhary, A., “A parallel scalable infrastructure for OLAP and data mining”, Database Engineering and Applications, IDEAS ''''99. International Symposium Proceedings, 1999,pp. 178-186.
28. Goodman, John, “Leveraging the Customer Database to your CompetitiveAdvantage,” Direct Marketing, Dec 1992, pp.26-27.
29. Greenfeld, Norton. "Data mining," UNIX Review, Vol. 14, No. 5, May 1996, pp 9-14.
30. Han, J. "Characteristic Rules , "DB Miner , to appear in W. K loesgen and J. Zytkow (eds.), Handbook of Data Mining and Knowledge Discovery, Oxford University Press, 1999.
31. Han, J. Cai and N. Cercone, “Knowledge discovery in database: An attribute-oriented approache”, Proc. 18th Int. Conf. Very Larger Database, Vancouver, Canada, Aug, 1992.
32. Han, J. Cai and N. Cercone and Y. Huang, “Discovery of Data Evolution regularities in Large Databases,” Journal of Computer and Software Engineering, Vol.3,No.1,1995,pp.41-69.
33. IBM Software Intelligent Miner Family, http://www.software.ibm.com/
34. Imielinski, Tomasz, and Mannila, Heikki. "A database perspective on knowledge discovery," Communications of the ACM, Vol. 39, No. 11 ,November 1996 , pp 58- 64.
35. Inmon, W. H. “The Data Warehouse and Data Mining, ”Communications of the ACM 39, November 1996, pp.49-50.
36. Immon, W.H Imhoff .C, and Sousa .R, ”Corporate Information Factory”, John Wiley & Sons, New York,1998
37. John A Chopoorian;Robert Witherell; Omar E M Khalil; Mehnaz Ahmed,”Mind your business by mining your data”,S.A.M. Advanced Management Journal; Cincinnati; Spring 2001;
38. Jain, A.K. and Maojianchang, Mohiuddin, " Artifical neural network: a tutorial computer, " Vol.. 293, 1996, pp.31-44.
39. Kahan, Ron., “Using Database Marketing Techniques to Enhance Your One-to-One Marketing Initiatives,” Journal of Consumer Marketing, Vol.15, 1998, pp.491-493.
40. Kimball , R. ,”The Data Warehouse Toolkit”, John Wiley & Sons, New York, 1996
41. Kohonen,T.”The self-organizing map,”Proc.IEEE ,1990,78 ,pp1481-1480.
42. Kotler, P. and G. Armstrong, Principles of Marketing, 7th ed., Englewood Cliffs, NJ: Prentice-Hill. , 1996.
43. Kotler, Philips，”Marketing Management - analysis, planning, implementation, and control “9th ed，Prentice-Hall, Inc.，1997.
44. Kotler, P. ，” Marketing Management ： Analysis ，Planning，Implementation and control”，9thed.，Prentice-Hall Inc.，1998.
45. Kristin, R. N., and I. P. Matkovsky, “Using Data Mining Techniques for Fraud Detection.”, SAS Institute Inc. and Federal Data Corporation. , 1999.
46. Krivda, Cheryl D. "Unearthing underground data," LAN, May 1996, pp.42-48.
47. McCarthy, E. J.,. "Basic Marketing: A Managerial Approach, Haome wood, "Illinois:Richard D. Irwin Inc, 1993, pp. 226.
48. Michael J. A. Berry, Gordon Linoff: " Data Mining Techniques: for Marketing, Sales , and Customer Support. " New York: John Wiley & Sons, 1997.
49. Mulhern, Francis J., “Customer Profitability Analysis: Measurement, Concentration, and Research Directions,” Journal of Interactive Marketing, Vol.13, 1999,pp.25-40.
50. Newing, Rod. "Data mining," Management Accounting-London, Vol. 74, No.9, October 1996, pp.4-36.
51. Nilson, McCord Marilyn and Illingworth, T.W. , "Apractical Guide to Neural Nets, Reading, " Addison Wesley Publishing Co., 1991.
52. Pieter, Adriaans and Dolf, Zantinge, "Data Mining, " Addison Wesley, 1996
53. Rigdon, Edward E. "Data mining gains new respectability," Marketing News, Vol.31, No. 1, January 1997, pp 8.
54. Schijns, Jos M. C. and Gaby J. Schroder, “Segment Selection by Relationship Strength,” Journal of Direct Marketing, Vol.10, 1996,pp.69-79.
55. Schultz, D. E. and H. F. Schultz, “Transitioning Marketing communications Into the Twenty-first Century,” Journal of Marketing Communications, 4, 1998，pp. 9-26.
56. Smith, W. R. " Product differentiation and market segmentation as alternative marketing strategies," Journal of Marketing, vol. 21, July 1956, pp. 3-8.
57. Sung Ho Ha, Sang Chan Park, “Application of data mining tools to hotel data mart on the intranet for database marketing”, Expert systems with Applications, Elsevier Science Ltd, 1998,pp. 1-31.
58. Surajit Chaudhuri, Umeshwar Dayal: “An Overview of Data Warehousing and OLAP Technology. “ SIGMOD Record 26(1): 1997, pp.65-74.
59. Widrow, Bernard, Rumelhart, E. David, and Lehr, A. Michael, " Neural Networks:Applications in Industry, Business and Science ", Communications of the ACM, Vol. 37,No. 3, March 1994
60. Wind.Y.,”Issues and Advances in Segmentation Research”，journal of Marketing Research，Vol. 15，1978，pp217-337.
61. Wind, Y. J. "Product Policy: Concepts, Methods and Strategy, " Massachusetts: Addison-Wesley, 1982, pp.78.
62. Wyner, G. A. “Customer Profitability: Linking Behavior to Economics,”Marketing Research, 8(2), 1996, pp.36-38.
63. Woodside, Arch G. and Praveen K. Soni, “Customer Portfolio Analysis for Strategy Development in Direct Marketing,” Journal of Direct Marketing, Vol.5, 1991，pp.6-19.
二、中文部分
1. 方世榮譯，Philip Kotler 著，”行銷管理學－分析、計劃、執行、與控制”，第二版，東華書局，台北，1996。
2. 古政元，嚴紀中，2000，”資料倉儲之面面觀”，RUN! PC，81期，頁288-297，10月。
3. 毛治國，2000，”讓中華電信成為『投資人、客戶與員工的價值創造者』”，中華電信，毛董事長在致員工的一封公開信。
4. 王泱琳 黃治蘋，1998，” 21世紀行銷大趨勢--活用資料庫，創造高業績的一對一行銷新法則”， 麥格羅．希爾國際出版公司。
5. 中華電信 Hinet, 2000，”寬頻上網高度成長期指日可待”，通信雜誌，81期，10月。
6. 江湧志，2001，”ADSL 傳輸品質與改善之研究”，私立逢甲大學資訊工程研究所碩士論文。
7. 吳文宗，2000，”資料倉儲和ERP2的親密關係”，資訊與電腦，224期，頁44-49，7月。
8. 吳琮璠、謝清佳，1997，”資訊管理理論與實務”， 三版，智勝文化事業有限公司，1997年。
9. 沈肇基，張慶賀，2001，”淺談資料倉儲 ”，資訊教育，84期， 8月。
10. 李金鳳， 2001，”資料探勘面面觀”，資訊教育，84期， 8月。
11. 李清祥，1993， ”DM與資料庫行銷：整合性行銷策略實用指南 ”，遠流出版社。
12. 季延平、郭鴻志，1995,”系統分析與設計”。
13. 林宏諭，2001，”SQL 2000 之决策分析OLAP建置與應用”，初版，博碩文化，台北，２月。
14. 林建廷，2000， ”類神經網路在無線通訊市場消費區隔與預測”，私立元智大學資管系管理研究所碩士論文。
15. 林春明，2000，”倉儲系統應用在教務管理上之研究-以真理大學麻豆校區為例”，私立真理大學專題報告
16. 林裕仁，1999，”資料倉儲應用實例之建置與系統效能分析之研究”，國立屏東科技大學碩士論文。
17. 林常平，1991，”再談類神經網路”，自動化科技。
18. 林泄享，楊祈煌，吳信輝， 2001，”寬頻上網高度成長期指日可待”，通信雜誌，91期，8月。
19. 周雅姍，1999a，”OLAP SERVICE 介紹(上)-Microsoft SQL Sever7.0”，經營決策論壇，第17期，6月。
20. 周雅姍，1999b，”OLAP SERVICE 介紹(下)-Microsoft SQL Sever7.0”，經營決策論壇，第19期，12月。
21. 彼得潘, 2001，”ADSL躍為寬頻上主流”，通信雜誌，89期，6月。
22. 邱承凡，2000，”資料倉儲實體化視域選取之研究-以資料方體之建置為例”，私立元智大學碩士論文。
23. 郭興恩，1999，”會員消費資料分析與探勘”，國立雲林科技大學碩士論文。
24. 陳文華，2001，”運用資料倉儲技術於顧客關係管理”，能力雜誌， 頁132-138，1月。
25. 陳文華，1999，”架構資料倉儲的注意事項”，資訊與電腦，224期，頁94-99。
26. 陳燈能，2001，”挖掘企業的寶藏-淺談資料探勘技術 ”商業現代化，46期，五月。
27. 張沛元譯，1999，”行銷區隔戰法”，商周刊出版，2月。
28. 張瑋倫，2000，”應用資料挖掘學習方法探討顧客關係管理問題”，私立天主教輔仁大學資訊管理學系碩士論文。
29. 張勳騰，1999，”資料探勘在通信資料庫上目標行銷的應用”，國立中山大學碩士論文。
30. 黃申在，林裕仁，”資料倉儲應用實例之建置”，第五屆資訊管理研究暨實務研討會－資訊傳播與管理, 2000，頁263-270。
31. 黃俊英，民86年，”行銷學”，初版，華泰文化事業有限公司。
32. 黃彥文，1999，”資料探勘之應用-會員消費特徵之挖掘 ”，國立屏東科技大學資管所碩士論文。
33. 許中川、洪鋕鋒，“資料庫知識發掘前置處理與欄位拆解”，第三届國際資訊管理研究暨實務研討會論文集，1997，頁362-369
34. 許中川、郭興恩，”會員消費特徵及產品銷售特徵分析”， 第四屆國際資訊管理研究暨實務研討會論文集，1998b，頁.593-600。
35. 許長田，”策略性市場行銷學”，1997，生智文化。
36. 郭俐蘭，2000，”支援使用者觀點之線上分析系統”，國立中央大學資工所碩士論文。
37. 曾新穆，2001，” 行銷人員必讀的點石成金法”， http://www.uniminer.com/。
38. 陸承志，2001，”e 時代的顧客關係管理第一課”，數位行銷，三月。
39. 彭文正，2001，”資料採礦-顧客關係管理暨電子行銷之應用”，初版，維科出版社，臺北，１月。
40. 楊東麟，洪明傳，2001，”資料倉儲在資料庫的應用”，資訊教育，84期， 8月。
41. 董更生，1993，”經營顧客心”，天下遠見出版股份有限公司。
42. 葉怡成，1992，類神經網路模式應用與實作”，儒林書局。
43. 趙婉伶，1999，”資料倉儲挖掘商業契機”，流通世界雜志，105期，頁72-76。
44. 蔡永恒，2000，”應用資料挖掘技術研究銀行顧客消費行為”，私立靜宜大學資訊管理系碩士論文，六月。
45. 劉慧瑜，1999，”資料提煉技術在虛擬商店之應用”，國立中興大學應數系碩士論文。
46. 謝邦昌、葉瑞鈴，2000，”統計在資料掘取之應用”，主計月報，530 期，頁67-84。
47. 薛紀建、孫黎芳、蕭壽榮、林聲高，”由全球電信市場趨勢探討電信公司經營策略”，中華電信季刊，第3卷第1期，1999年2月。
48. 魏尚敬，1992，台灣市場環境行銷管理，中國文化大學出版部。
49. 蕭凱文,薛志達,李正輝,”SQL Server 7.0 OLAP Server 設計與實務應用”,華彩軟體,1999.12, 頁83-85。
50. 蕭凱文,薛志達,李正輝, 2000，SQL Server 7.0 資料倉儲整合應用,華彩軟體。
51. 蘇木春、張孝德，1997，”機器學習類神經網路、模糊系統以及基因演算法則”，全華科技，頁1-25。
52. 樓玉玲，1998，”以資料發掘技術分析政大通識課程”，國立政治大學碩士論文。