(3.237.20.246) 您好!臺灣時間:2021/04/15 19:58
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:蕭登泰
研究生(外文):Teng Tai Hasio
論文名稱:顧客關係管理之危險函數估計及應用
論文名稱(外文):The Hazard Function Estimation and Application of Customer Relationship Management
指導教授:周世玉周世玉引用關係
指導教授(外文):Shihyu Chou
學位類別:碩士
校院名稱:國立中興大學
系所名稱:行銷學系
學門:商業及管理學門
學類:行銷與流通學類
論文種類:學術論文
論文出版年:2003
畢業學年度:91
語文別:中文
論文頁數:128
中文關鍵詞:顧客關係管理顧客關係危險率倒傳遞神經網路存活分析理論
外文關鍵詞:Customer Relationship ManagementCRMCustomer Relationship Hazard RateBack-Propagation Neurnal NetworkBPNSurvivl Analysis Theory
相關次數:
  • 被引用被引用:1
  • 點閱點閱:120
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
因應企業間競爭程度不斷增加,發展系統性顧客分析方法以指導顧客關係管理的執行已逐漸成為現今許多企業重視的課題。本研究針對企業進行顧客管理所面臨的諸多議題,結合倒傳遞類神經網路分析與存活分析理論來估計個別顧客關係危險函數,並對其做後續分析與應用,以探討顧客關係管理決策的內涵。在倒傳遞神經網路建構方面,以「每期交易金額」、「每期交易數量」、「每期交易次數」及「是否有交易發生」等變數建構輸入層,並應用生命表法發展目標危險函數來建構輸出層。估計危險函數後,應用個別顧客關係危險率進行顧客關係長度預測、顧客終身價值計算、顧客區隔分析、顧客關係危險率預測模式建構、及顧客終身價值利得分析。最後再以顧客活動力程度、交易關係長度、及顧客價值貢獻為構面,發展顧客關係管理決策層級來指引顧客管理策略的執行。
研究結果發現,大多數顧客具有高度流動性與較短關係長度。少數顧客(約20%)能夠創造出70%的利潤,所以公司應投入較多的資源來維持這類顧客。顧客區隔分析方面,以危險率為分群變數將顧客分成「高度活動性」、「中度活動性」與「低度活動性」三群;以關係長度為分群變數則分成「忠誠型」、「長期關係型」、「短期關係型」、「潛力型」與「待開發型」五群;以顧客價值貢獻為分群變數可分成「鑽石型」、「寶石型」與「石頭型」三群。所建構的危險率預測模式分別為AR(1)與白噪音兩種等型態。本文將顧客劃分成四個決策層級與八種類型,並分別討論可行的顧客管理策略。
The Hazard Function Estimation and Application of Customer Relationship Management
目錄
目錄 Ⅰ
表目錄 Ⅳ
圖目錄 Ⅴ
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究問題界定與研究目的 4
 第三節 研究方法及流程 6
第四節 網路電話產業簡介 8
第五節 論文架構 10
第二章 文獻探討 11
 第一節 顧客關係管理 11
第二節 顧客終身價值分析 18
 第二節 存活分析理論 24
 第四節 類神經網路理論 37
第三章 研究方法 50
 第一節 資料簡述與處理 50
第二節 個別危險函數之倒傳遞神經網路模式建構 51
第三節 顧客關係長度之預測方法 61
第四節 顧客終身價值之計算模型 62
第五節 顧客區隔分析 64
第六節 顧客關係危險率預測模式之建構流程 66
第七節 顧客終身利得之計算方法 68
第四章 資料分析 69
 第一節 生命表估計法之估計結果與分析 69
 第二節 倒傳遞神經網路之分析結果 73
 第三節 顧客關係長度預測分析 75
 第四節 顧客終身價值之計算 79
 第五節 顧客區隔分析 84
 第六節 顧客關係危險率預測模型建構 89
 第七節 顧客終身利得分析結果 94
第八節 顧客關係管理決策層級分析 96
第五章 結論與建議 100
 第一節 研究結論 100
 第二節 行銷意涵 102
 第三節 研究限制 103
第四節 未來研究方向 104
參考文獻 105
中文文獻 105
英文文獻 106
附錄 110
附錄A 程式撰寫流程 110
附錄B 程式 [trans.f] 113
附錄C 程式 [hazard.f] 116
 附錄D 程式 [combine.f] 119
 附錄E 程式 [censor.f] 122
 附錄F 程式 [length.f] 125
 附錄G 程式 [acf&pacf.f] 126
附錄H 程式 [clv.f] 127
表目錄
表1-1  網路電話與一般電話之費率比較表 8
表2-1  顧客關係管理之定義彙整表 12
表2-2  各學者對終身價值名詞定義彙整表 19
表2-3  存活分析之生命表 30
表2-4  Kaplan-Meier估計法計算表 33
表2-5  類神經網路的發展階段 38
表2-6  類神經網路的優點與缺點 48
表4-1  生命表估計法之各期死亡人數、設限人數與觀察人數 69
表4-2  生命表估計法之各期估計存活率與危險率 71
表4-3  倒傳遞網路績效-訓練集合與測試集合之績效衡量表 74
表4-4  顧客關係長度預測結果表(部分) 75
表4-5  各類交易關係長度之敘述統計表 76
表4-6  預測關係長度、剩餘關係長度與可觀察關係長度相關分析表. 78
表4-7  預測關係長度之效度分析 78
表4-8  顧客終身價值計算之結果表(部分) 79
表4-9  歷史價值、未來價值與顧客終身價值之統計摘要表 80
表4-10 歷史價值、未來價值與顧客終身價值之相關分析表 83
表4-11 各集群中心與顧客人數之統計表-交易關係長度 86
表4-12 各集群中心與顧客人數統計表-顧客價值貢獻 88
表4-13 各集群中心的自我相關係數函數 89
表4-14 各集群中心的偏自我相關係數函數 90
表4-15 顧客終身價值利得分析表(部分) 94
表A-1  程式輸入、輸出、與撰寫目的一覽表 110
表A-2 程式輸入、輸出、與撰寫目的一覽表(續) 111
圖目錄
圖1-1  研究流程圖 7
圖2-1  顧客關係管理之運作階段 14
圖2-2  型II設限表示圖 27
圖2-3  型I設限表示圖 27
圖2-4  資料截短表示圖 28
圖2-5  經驗存活函數圖 32
圖2-6  人工神經元模型 41
圖2-7  前饋式神經網路 41
圖2-8  回饋式神經網路 42
圖2-9  倒傳遞神經網路架構 43
圖2-10 倒傳遞網路的運算流程-以單層隱藏層為例 46
圖3-1  個別危險率之倒傳遞神經網路架構 51
圖3-2  輸入層處理單元設定之表示圖 55
圖3-3  輸出層處理單元設定之表示圖 55
圖3-4  網路層間連結方式之表示圖 56
圖3-5  活化函數型態 58
圖3-6  自我相關係數函數圖與偏自我相關係數函數圖 67
圖4-1  生命表估計法之估計危險函數與估計存活函數 72
圖4-2  NeuroSolutions 4.21倒傳遞神經網路架構 73
圖4-3  倒傳遞神經網路績效變化圖 74
圖4-4  可觀察關係長度之次數分配圖 77
圖4-5  預測關係長度之次數分配圖 77
圖4-6  剩餘關係長度之次數分配圖 77
圖4-7  預測關係長度、剩餘關係長度與可觀察關係長度之散佈圖 78
圖4-8  歷史價值之次數分配圖 81
圖4-9  未來價值之次數分配圖 81
圖4-10 顧客終身價值之次數分配圖 81
圖4-11 顧客終身價值與顧客人數之累積百分比圖 82
圖4-12 歷史價值、未來價值與顧客終身價值之散佈圖 83
圖4-13 集群中心之各期危險率折線圖 85
圖4-14 集群分佈圖-各期危險率 85
圖4-15 集群分佈圖-交易關係長度 87
圖4-16 集群分佈圖-顧客價值貢獻 88
圖4-17 集群1之自我相關係數函數圖與偏自我相關係數函數圖 91
圖4-18 集群2之自我相關係數函數圖與偏自我相關係數函數圖 92
圖4-19 集群3之自我相關係數函數圖與偏自我相關係數函數圖 93
圖4-20 顧客終身價值利得之次數分配與累積次數分配圖 95
圖4-21 顧客關係管理之決策層級 96
圖A-1 程式撰寫流程圖 112
參考文獻
一、中文部分
1.尤淨纓(民90),「網路電話選擇行為之研究-模糊積分羅吉特模式之應用」,國立交通大學交通運輸研究所碩士論文
2.王仕圖(民 90),「貧窮持續時間與再進入的動態分析-以1990-1998年之嘉義縣低收入戶為例」,國立中正大學社會福利系博士論文
3.瓦廉與柯爾,邱振儒譯(民90),「客戶關係管理:創造企業與客戶重複互動的客戶聯結技術」,商業週刊出版
4.李宗樺(民 89),「生物統計方法應用在腦性麻痺病童的研究」,淡江大學數學學系碩士論文
5.李昆正(民89),「資料庫行銷:以組合分析理論和行銷資訊做為顧客獲利性分析之實證研究」,國立中正大學企業管理研究所碩士論文
6.李章偉(民90),「資料庫行銷之顧客價值分析:以3C流通業為例」,國立臺灣大學國際企業學研究所碩士論文
7.周政宏(民84),「神經網路─理論與實務」,初版,台北市:松崗
8.周慶華(民89),「整合基因演算法及類神經網路於現貨開盤指數之預測---以新加坡交易所摩根台股指數期貨為例」,輔仁大學金融研究所碩士論文
9.林佩蓉(民91),「蔬菜批發價格漲跌幅預測之研究─線性與非線性模式之比較」,國立中興大學行銷學系碩士論文
10.林建廷(民88),「類神經網路在無限通訊市場消費區隔與預測之應用研究」,元智大學管理研究所碩士論文
11.施柏屹(民89),「倒傳遞類神經網路學習收斂之初步探討」,國立中央大學機械工程研究所碩士論文
12.張月鳳(民90),「策略性資料庫行銷應用於信用卡市場之實證研究」,國立台灣大學國際企業學研究所碩士論文
13.陳淑宜(民89),「運用類神經網路探討行動電話系統業者之顧客滿意度-以北台灣為例」,國立東華大學企業管理學系碩士論文
14.陳順宇(民89),「多變量分析」,二版,華泰書局
15.葉怡成(民84),「類神經網路-模式應用與實作」,4版,台北市:儒林圖書有限公司
16.劉如興(民90),「信用卡資料庫行銷之顧客價值分析與促銷成效之研究」,國立臺灣大學國際企業學研究所碩士論文
17.劉克一(民91),「以遺傳演算法演化類神經網路在股價預測上的應用」,真理大學管理科學研究所碩士班碩士論文
18.鄭傑之(民89),「資料庫行銷:以顧客獲利性為基礎配置行銷資源」,國立中正大學企業管理研究所碩士論文
19.魯振華(民89),「人壽保險廣告類型有效性的預測模式-應用類神經網路」逢甲大學保險學系碩士論文
20.賴允勻(民89),「機車失竊影響因素與因應對策之研究-以新竹市為例」,國立交通大學運輸工程與管理學系碩士論文
21.賴志育(民90),「台灣生物科技公司網站的存活分析之研究」,屏東科技大學農企業管理系碩士論文
二、英文部分
1.Anderson, E. W., C. Fornell, and D. R. Lehmann (1994), “Customer Satisfaction, Market Share, and Profitability: Findings from Sweden,” Journal of Marketing, Vol. 58, p.p.53-66.
2.Berger, P. D. and N. I. Nasr (1998), “Customer Lifetime Value: Marketing Models and Applications,” Journal of Interactive Marketing, Vol. 12 (1), p.p. 17-30.
3.Blattberg, R. C. and J. Deighton (1996), “Manage Marketing by the Customer Equity Test,” Harvard Business Review, 74(July/August), p.p. 136-144.
4.Bolton, R. N. (1998), “A Dynamic Model of the Duration of the Customer’s Relationship with a Continuous Service Provider: The Role of Satisfaction,” Marketing Science, Vol. 17 (1), 45-65.
5.Drew, J. H., D. R. Mani, A. L. Betz and P. Datta (2001), “Targeting Customers with Statistical and Data-Mining Techniques,” Journal of Service Research, Vol. 3 (3), 205-219.
6.Drye, T., G. Wetherill and A. Pinnock (2001), “Donor survival analysis: An alternative perspective on lifecycle modeling,” International Journal of Nonprofit and Voluntary Sector Marketing, Vol.6 (4), p.p. 325-334.
7.Dwyer, F. R. (1989), “Customer Lifetime Valuation to Support Marketing Decision Making,” Journal of Interactive Marketing, Vol. 8 (2), 73-81.
8.Gross, S. T. and T. L. Lai (1996), “Nonparametric Estimation and Regression Analysis with Left-Truncated and Right-Censored Data,” Journal of the American Statistical Association, Vol. 91(September), No. 435, p.p. 1166-1180.
9.Hansotia, B. J. and P. Wang (1997), “Analytical Challenges in Customer Acquisition,” Journal of Direct Marketing, Vol. 11 (2), p.p. 7-19.
10.Harrison, T. and J. Ansell (2002), “Customer retention in the insurance industry: Using survival analysis to predict cross-selling opportunities,” Journal of Financial Services Marketing, Vol. 6 (3), p.p. 229-239.
11.Helsen, K. and D. C. Schmittlein (1993), “Analyzing Duration Times in Marketing: Evidence for the Effectiveness of Hazard Rate Models,” Marketing Science, Vol. 11 (4), p.p. 395-414.
12.Jacobs, R. (1988), “Increased rates of convergence through learning rate adaptation,” Neural Networks, 1, 295-307.
13.Jain, D. and S. S. Singh (2002), “Customer Lifetime Value Research in Marketing: A Review and Future Directions,” Journal of Interactive Marketing, Vol. 16 (2), 34-46.
14.Johnson, R. A. and D. W. Wichern (1998), “Applied Multivariate Statistical Analysis,” forth edition, Prentice-Hall, lnc.
15.Kalakota, R. and M. Robinson (1999), “e-Business-Roadmap for success”, Addison-Wesley.
16.Keane, T. and P. Wang (1995), “Applications for the Lifetime Value Model in Modern Newspaper Publishing,” Journal of Direct Marketing, Vol. 9 (2), 59-66.
17.Kolter, P. and G. Armstrong (1999), “Principles of Marketing,” 8Th ed., NJ: Prentice-Hall, Inc.
18.Lawless, J. F. (1982), Statistical Models and Methods for Lifetime Data. New York: John Wiley.
19.Mulhern, F. J. (1999), “Customer Profitability Analysis: Measurement, Concentration, and Research directions,” Journal of Interactive Marketing, Vol. 13 (1), p.p. 25-40.
20.Petrison, L. A., R. C. Blattberg, and P. Wang (1997), “Database Marketing: Past, Present, and Future,” Journal of Direct Marketing, Vol. 11(4), p.p. 109-125.
21.Pfeifer, P. E. and R. L. Carraway (2000), “Modeling Customer Relationships as Markov Chains,” Journal of Interactive Marketing, Vol. 14 (2), 43-55.
22.Reichheld, F. F. (1993), “Loyalty-Based Management,” Harvard Business Review, Vol. 71 (March-April), p.p. 64-73.
23.Reichheld, F. F. and T. Teal (1996), “The Loyalty Effect,” Boston: Harvard Business Scholl Press.
24.Reichheld, F. F. and W. E. Sasser (1990), “Zero Defections: Quality Comes to Service,” Harvard Business Review, September-October, p.p.105-111.
25.Reinartz, Werner J. and Kumar, V. (2000), “On the Profitability of Long Life Customers in a Noncontractual Setting: An Empirical Investigation and Implications for Marketing,” Journal of Marketing, Vol. 64 (4), 17-35.
26.Schmittlein, David C., Morrison, Donald G., and Colombo, Richard (1987), “Counting Your Customers: Who Are They and What Will They Do Next?” Management Science, 33(January), 1-24.
27.Stauss, B. and C. Friege (1999), “Regaining Service Customers─Costs and Benefits of Regain Management,” Journal of Service Research, Vol. 1 (4), p.p. 347-361.
28.Thomas, Jacquelyn S. (2001), “A Methodology for Linking Customer Acquisition to Customer Retention,” Journal of Marketing Research, 38 (May), 262-268.
29.Wei, W. W. S. (1990), “Time Series Analysis: Univariate and Multivariate Methods,” Addison-Wesley Publishing Company, lnc.
30.Wyner, G. A. (1996), “Customer Profitability: Linking Behavior to Economics,” Marketing Research, Vol. 8 (2), 36-38.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔