臺灣博碩士論文加值系統

本研究嘗試以汽、機車顧客之加油行為作為資料庫行銷的實證研究對象，藉由資料庫中每位顧客的購買歷史紀錄，包括購買日期、每筆購買金額等，與人口統計變數資料，包括顧客編號、性別、年齡、職業與居住地區等，進行購買日期特性分析、平均購買期間分析、顧客活躍性分析、顧客價值分析與穩定性分析。
在購買日期特性分析中，本研究以兩種日期特性分類分別檢定其差異性：一周七日分類與週休、假日、平日分類。在推估顧客平均購買期間時，先以傳統的最大概似估計法與加權最大概似估計法為先，比較兩者差異以判斷整體顧客活躍性後，再與層級貝氏估計法（HB）做比較，HB的特性在於不僅考慮可觀察的每人購買率之不同，更考慮了無法觀察的顧客異質性，可修正因個別樣本交易紀錄過少而產生的偏誤。
再由購買次數與活躍性指標得出顧客活躍性分析、以購買次數與平均購買金額得出顧客價值分析，最後以購買次數與穩定性指數得出顧客穩定性分析，並透過不同的行為特性做為顧客分群之依據。
除了上述資料庫行銷分析外，本研究並對機車與汽車顧客的顧客行為特性差異做比較，結合各項分析與不同分群依據，針對企業總體利益，提供對應的策略建議，以作為企業發展行銷策略的參考。最後，結論與建議彚整各章之研究發現，並說明研究限制與未來研究方向。

The main purpose of this research is to help the company establish a better understanding of its customers, figure out the heterogeneity of each one, and adopt one-to-one marketing strategy rather than mass marketing strategy. Thus, we use customers’ past transaction data and some database marketing analysis techniques to identify each customer more precisely.
First of all, we conduct the analysis of consumption behavior in variation of time according to two set of time frame. An estimation of the inter-purchase time of individual customer includes Maximum Likelihood Estimation（MLE）, Weighted Maximum Likelihood Estimation（WMLE）,and Hierarchical Bayesian Model（HB）. The main advantage of HB is that HB considers the unobservable heterogeneity of individual customer and hence forecast its future behavior more accurately.
Furthermore, from Customer Active Analysis, Customer Value Analysis, and Customer Reliable Analysis, we can segment all customers into groups by consuming behavior and make various marketing strategies corresponding to different groups.
Employing the purchasing records of every gas station of a domestic leading petroleum brand, last but not the least, we compare the different fueling pattern between the motorcycle and car customers to help the company identify its target markets and do its promotion efficiently.

中文摘要………………………………………………… 一
英文摘要………………………………………………… 二
目錄 ……………………………………………………… 三
表次 ……………………………………………………… 五
圖次 ……………………………………………………… 七

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 研究問題與範圍……………………............... 3
第四節 研究目的……………………………………... 3
第五節 章節架構……………………………............... 4
第二章 文獻探討……………………………………….. 6
第一節 顧客關係管理………………………………... 6
第二節 資料庫行銷…………………………………... 16
第三節 關係行銷……………………………………... 18
第四節 顧客價值……………………………………... 21
第三章 研究方法……………………………………….. 23
第一節 RFM模型…………....................... 23
第二節 最大概似估計法與加權最大概似估計法....... 26
第三節 一般化伽瑪分配……………………………... 28
第四節 層級貝氏模型………………………………... 32
第四章 實證分析……………………………………….. 39
第一節 樣本描述…..……………………………......... 39
第二節 購買日期特性分析………………………....... 43
第三節 平均購買期間分析…………………............... 45
第四節 顧客活躍性分析……………………………... 59
第五節 顧客價值分析………………………………... 67
第六節 顧客穩定性分析……………………………... 75
第五章 結論與建議…………………………………….. 83
第一節 研究結論與管理意涵....…………………....... 83
第二節 研究限制…………………………………....... 88
第三節 未來研究方向…………………... 89
參考文獻…………………………………………………... 90

中文部份
1. John G. Freeland（2003）（劉復苓，邱天欣譯），「CRM 關鍵32 堂課」，McGrawll-Hill 出版社。
2. 李章偉（2001），「資料庫行銷之顧客價值分析：以3C 流通業為例」，國立台灣大學國際企業學研究所碩士論文。
3. 吳欣蓓（2004），「兵家必爭之地─油品供應商通路競爭與市場策略」，台灣經濟研究月刊，93 年4 月號。
4. 吳思華（1998），策略九說，臉譜文化事業故份有限公司。
5. 吳淑貞（2001)，「台灣導入與運用顧客關係管理系統的困難及因應之道」，國立中正大學企業管理研究所碩士論文。
6. 林義堡（2000），「運用資訊科技推動顧客關係管理」，電子化企業經理人報告，民國89 年11 月，頁35-42。
7. 林慧晶（1997），「資料庫行銷之顧客價值分析與行銷策略運用」，國立台灣大學國際企業學研究所碩士論文。
8. 陳文華（1999），「應用資料倉儲系統建立CRM」，資訊與電腦雜誌，第226期，頁112-127。
9. 陳毅明（2004），「銷售服務業的人力資源管理活動對顧客關係管理效益之研究~以醫療銷售業為例」，國立中山大學人力資源管理所碩士論文。
10.楊昌憲（2001），「資料庫行銷之新產品推薦系統-以3C 家電業為例」，國立台灣大學國際企業學研究所碩士論文。
11.廖怡芳（2004），「資料庫行銷之應用-以百貨業為例」，國立台灣大學國際企業學研究所碩士論文。
12.劉如興（2001），「信用卡資料庫行銷之顧客價值分析與促銷成效之研究」，國立台灣大學國際企業學研究所碩士論文。
英文部分
1. Allenby, Greg M., Robert P. Leone, and Lichung Jen (1999), “A Dynamic Model of Purchase Timing With Application to Direct Marketing,” Journal of American
Statistical Association, Vol. 94, No. 446, 365-374.
2. Berry, L.L.(1983), “Relationship Marketing,” in Berry, L.L., Shostack, G. L. and Upah, G. D.(Eds), Emerging Perspectives of Service Marketing, American
Marketing Association, Chicago, IL, pp.25-28.
3. Christy, Richard, Gordon Oliver and Joe Penn(1996), “Relationship Marketing in Consumer Markets,” Journal of Academy of Marketing Science,23 (Fall), pp. 246-252.
4. Gronroos, Christian (1995),’’Relationship Marketing: The Strategy Continuum,”Journal of the Academy of Marketing Science, Vol.23, No.4,pp.252-254.
5. Gupta, Sunil (1991), “Stochastic Models of Interpurchase Time With Time-Dependent Covariates,” Journal of Marketing Research, Vol. 28, February, 1-15.
6. Helsen Kristiaan and David C. Schmittlein (1993). “Analyzing Duration Times in Marketing: Evidence for The Effectiveness of Hazard Rate Models,” Marketing Science, Vol. 11, No. 4, 395-414.
7. Jain, Dipak C. and Naufel J. Vilcassim (1991), “Investigating Household Purchase Timing Decisions: A Conditional Hazard Function Approach,” Marketing Science, Vol. 10, No. 1, 1-23.
8. Kotler, Philip(1997),’’Marketing Management,”, 9th Edition, 1997, Prentice-Hall, Inc
9. Rossi E. Peter, Robert E. McCulloch, and Greg M. Allenby (1995), “The Value of Purchase History Data in Target Marketing,” Marketing Science, Vol. 15, No.4, 321-340.
10. Rossi, Peter E. and Greg M. Allenby (2003), “Bayesian Statistics and Marketing,” Marketing Science, Vol. 22, No. 3, 304-328.