跳到主要內容

臺灣博碩士論文加值系統

(3.235.56.11) 您好!臺灣時間:2021/07/29 04:21
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:江育達
研究生(外文):Yu-Da,Jiang
論文名稱:資料探勘技術應用於顧客流失及促銷策略之研究-以某pizza速食業為例
論文名稱(外文):Applications of Data Mining on Customer Loss and Promotion Strategy:A Study of Pizza Industry
指導教授:吳泰熙吳泰熙引用關係余豐榮余豐榮引用關係
指導教授(外文):Tai-Hsi,WuFong-jung,Yu
學位類別:碩士
校院名稱:大葉大學
系所名稱:工業工程與科技管理學系
學門:工程學門
學類:工業工程學類
論文種類:學術論文
論文出版年:2007
畢業學年度:95
語文別:中文
論文頁數:112
中文關鍵詞:資料探勘顧客關係C4.5決策樹Apriori關聯技術
外文關鍵詞:Data MiningCustomer RelationshipC4.5 Decision TreeApriori Algorithm
相關次數:
  • 被引用被引用:7
  • 點閱點閱:407
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
中文摘要
邁向全面客製化及企業面臨低利潤的時代,如何將企業核心競爭力提升,是每一個企業所積極突破的問題。在服務業中,企業必須與顧客保持良好關係,提昇現有顧客的獲利性,及維持顧客的終身價值,進一步開發獲取新顧客。根據Kalakota & Robinson[26]得知:企業每年的顧客維持率若能夠成長5%,則可將利潤提高85%。此外,銷售給新顧客成功機率為15%,而銷售給舊顧客的成功機率高達85%。企業若將重點放在新顧客的開發上,而忽略了維持現有顧客的長期關係,將會導致企業在資源上的浪費與成本增加。
本研究是以A公司為探討個案,該公司為國內速食服務業中知名標竿企業,此個案產業與顧客有著密不可分之特性。本研究係以資料探勘技術中C4.5決策樹分析法及倒傳式類神經網路配合Bagging及Adaboost兩項分類效能提升技術做交叉比較分析,從個案公司的顧客資料中進行顧客流失分類模式預測。此外本研究亦探討新產品對於顧客購買行為之影響,利用Apriori關聯探勘技術進行分析。此外,本研究亦進行100元折價卷對顧客消費行為影響分析,利用Apriori關聯法則從顧客使用折價卷的行為中,找出潛在法則,以協助個案公司可有效的以不同行銷策略在不同顧客區隔中,可將有限資源運用在廣大的顧客群。
ABSTRACT
Many enterprises nowadays invest more on developing new customers than maintaining long term relationship with current customers. However, according to Regarding Kalakota & Robinson(2001) acknowledged, if the rate of maintenance for customer in an enterprise can be grown to 5% each year, the margin profit can be thus raised by 85%. The importance of exploring the effects of loss of current customers to the enterprises is thus recognized.
This research applies data mining techniques such as C4.5 decision tree, back propagation neural network, which match up the Bagging and Adaboost heuristics to do tabulated statistics, and process to forecast the classified mode of customer lose from the customer information of this case. In addition, the association rules are used asl well to explore useful information hidden in the database containg all the purchasing records from customers.
Three kinds of analyses are performed in this study. First of all, who in the current customers are predicted to be lost in the next few months? What kind of pattern do they reveal? Secondly, would the introduction of new pizza influence the purchasing behavior of current customers? Would it attract new customers? Thirdly, would the distribution of $100 NTD coupon influence the purchasing behavior of current customers? Would it attract more purchases or more profit? The results from this study can assist the decision maker of the case enterprise to more effectively allocate limited resource to various customers and to provide strategies in dealing with customer relationship managementng.
目錄

封面內頁
簽名頁
授權書 iii
中文摘要 iv
ABSTRACT v
誌謝 vi
目錄 vii
圖目錄 ix
表目錄 xi

第一章 緒論 1
1.1 研究背景 2
1.2 研究動機與目的 3
1.3 研究範圍及研究限制 7
1.4 論文架構 8
第二章 文獻探討 10
2.1 我國速食產業現況 10
2.2 顧客關係管理 12
2.3 資料探勘技術 14
2.3.1 分類技術 16
2.3.2 分群技術 23
2.3.3 關聯法則探勘技術 24
第三章 研究方法 26
3.1 研究對象及架構 27
3.2 顧客關係管理之問題 29
3.3 資料探勘方法 35
3.3.1 分類分析 35
3.3.2 關聯規則探勘 38
第四章 實證結果與分析 39
4.1 個案公司資料說明 40
4.2 顧客流失分析 45
4.2.1 分類分析 – 決策樹 46
4.2.2 分類分析-倒傳遞類神經網路 63
4.2.3 小結 73
4.3 新產品對顧客購買影響分析 81
4.3.1 關聯探勘分析 82
4.3.2 新產品關聯規則分析 83
4.4 100元折價卷對顧客消費行為影響分析 85
4.4.1 關聯探勘分析 86
4.4.2 100元折價卷關連規則分析 87
第五章 結論與建議 90
5.1 結論 90
5.2 建議 93
附錄一(顧客流失之決策樹) 98

圖目錄

圖1. 1 論文架構 9
圖2. 1 知識發掘過程[1] 15
圖2. 2 類神經網路架構圖[17] 21
圖3. 1 研究方法示意圖 26
圖3. 2 研究架構圖 29
圖3. 3 價值鏈轉變[26] 30
圖3. 4 顧客流失分析程序 37
圖3. 5 建構分類模型流程 38
圖4. 1 會員流失狀況 41
圖4. 2 決策樹分析參數設定(C4.5) 47
圖4. 3 資料測試方法選擇(C4.5決策樹分析) 47
圖4. 4 相關參數設定(Adaboost) 49
圖4. 5 資料測試方式選擇(Adaboost+C4.5) 49
圖4. 6 相關參數設定(Bagging) 51
圖4. 7 資料測試方式選擇(Bagging+C4.5) 51
圖4. 8 倒傳遞類神經網路相關參數設定 64
圖4. 9 資料測試方式參數設定(bpn) 64
圖4. 10 相關參數設定(Adaboost) 65
圖4. 11 資料測試方式參數設定(bpn+Adaboost) 66
圖4. 12 相關參數設定(Bagging) 67
圖4. 13 資料測試方式參數設定(bpn+Bagging) 68
圖4. 14 關聯法則參數設定(Apriori) 82
圖4. 15 新產品關聯法則分析介面 83
圖4. 16 參數設定(predictiveAprior) 86
圖4. 17 100元折價卷關聯法則分析介面 87

表目錄

表2. 1 披薩業現況統計 12
表2. 2 各效能提昇器比較表 23
表3. 1 顧客流失分類 27
表3. 2 原始資料庫內容 28
表3. 3 轉換後資料庫內容 32
表3. 4 新產品屬性轉換表 33
表3. 5 100元折價卷屬性轉換表 35
表4. 1 組別分析 40
表4. 2 會員流失狀況 41
表4. 3 原始資料量C4.5測試結果 48
表4. 4 原始資料量C4.5結合Adaboost測試結果 50
表4. 5 原始資料量C4.5結合Bagging測試結果 52
表4. 6 資料比例調整C4.5分類模式 53
表4. 7 資料比例調整Adaboost結合C4.5分類模式 54
表4. 8 資料比例調整Bagging結合C4.5分類模式 55
表4. 9 調整資料量C4.5訓練分類結果 56
表4. 10 調整資料量C4.5測試分類結果 57
表4. 11 調整資料量Adaboost結合C4.5訓練分類結果 58
表4. 12 測試分類Adaboost結合C4.5結果 58
表4. 13 訓練分類Bagging結合C4.5結果 59
表4. 14 測試分類Bagging結合C4.5結果 60
表4. 15 第一階段分析結果 62
表4. 16 第二階段測試與訓練結果 62
表4. 17 原始資料量利用bpn分類分析結果 65
表4. 18 原始資料量Adaboost結合bpn分類結果 66
表4. 19 分類Bagging結合bpn結果 68
表4. 20 資料比例調整bpn分類模式 69
表4. 21 資料比例調整Adaboost結合bpn分類模式 70
表4. 22 資料比例調整Bagging結合bpn分類模式 71
表4. 23 分析結果bpn綜合比較表 72
表4. 24 決策樹規則分類小結1-1 74
表4. 25 決策樹規則分類小結1-2 76
表4. 26 決策樹規則分類小結2 76
表4. 27 決策樹規則分類小結3-1 77
表4. 28 決策樹規則分類小結3-2 79
表4. 29 決策樹規則分類小結4-1 80
表4. 30 決策樹規則分類小結4-2 81
參考文獻

中文部份

[1]曾憲雄、蔡秀滿、蘇東興、曾秋蓉、王慶堯,2006,“資料探勘”,旗標出版社。
[2]曾龍,2003,“資料採礦概念與技術”,維科圖書有限公司。
[3]葉怡成,2001,“應用類神經網路”,儒林圖書公司。
[4]葉怡成,2002,“類神經網路模式應用與實作”,儒林書局。
[5]尤春惠,2004,“資料探勘在用藥安全上的應用:預測泛可黴素在腎衰竭病患上的用 量適當性“,中山大學資訊管理學系碩士在職專班碩士論文。
[6]皮世明,2004,“應用資料分析技術進行顧客流失與顧客價值知研究”,中原大學資訊管理學系碩士論文。
[7]蕭正農,2003,“探討壽險業顧客關係管理的策略與運作流程-以南山人壽為例”,中山大學管理學院高階經營碩士學程碩士在職專班碩士論文。
[8]李正文,2005,“消費者行為對顧客滿意度與顧客忠誠度之關連性研究-以冷凍調理食品業為例”,中原大學國際貿易系碩士論文。
[9]王景聰,2003,“運用資料探勘技術於信用卡顧客關係管理之研究”,元智大學工業工程與管理研究所碩士論文。
[10]邱義堂,2001,“通信資料庫之資料探勘:客戶流失預測之研究”,中山大學資訊管理學系碩士論文。
[11]羅大鈞,2005,“異國餐飲業之經營模式對消費者知覺及購買 意願的影響“,世新大學觀光學系碩士學位論文。
[12]李博智,2002,“資料探勘在慢性病預測模式之建構”,元智大學資訊管理學(所)。
[13]陳益良,2002,“運用資料探勘探考老人就醫特性-以高雄市三民區例”,高雄醫學大學健康科學院公共衛生研究所碩士論文。
[14]張永明,2005,“資料挖掘在證卷業顧客關係管理上之應用”,逢甲大學工業工程與系統管理研究所碩士論文。
[15]李博智,2002,“資料探勘在慢性病模式預測”,元智大學資 訊管理學系(所)碩士論文。
[16]顏博文,2003,“應用資料探勘技術分析學生選課特性與學業表現”, 中原大學資訊管理學系碩士論文。
[17]郭一聰,2005,“應用決策樹與類神經網路於應收帳款之呆帳預警模式研究”,中原大學資訊管理學系碩士論文。
[18]王薏閔,2003,“資料探勘應用於顧客關係管理之研究”,台北大學企業管理學系。
[19]王媚慧,2004,“應用資料探勘於顧客的行為分析-以半導體業為例,淡江大學資訊工程學系碩士在職專班。
[20]羅大鈞,2005,“異國餐飲業之經營模式對消費者知覺及購買意願的影響”,世新大學觀光系碩士學位論文。

英文部分
[21]Peppers, D. and Rogers, M. "Is Your Company Ready for
One-to-OneMarketing" Harvard Business Review, January-February,1999.
[22]Swift, R., “Accelerating Customer Relationships” Prentice Hall, 2001.
[23]Breiman, L., “Bagging Predictors,” Machine Learning, Vol.24, No.2, 1996.
[24]Simon, H., Neural Networks : A Comprehensive Foundation, 1999
[25]Tiwana, A., “The Essential Guide to Knowledge Management:e-business and CRM applications”, Upper Saddle River, NJ: Prentice Hall., 2000.
[26]Kalakota, R. & Robinson, M.,“ e-Business 2.0: Roadmap for Success”, MA: Addison-Wesley, 2001.
[27]R.Agrawal, and R.Srikant , “Fast Algorithms for Mining Association Rules”,Proc. of the 20th VLDB Conference Santiago, 1994.
[28] Frawley, W.J. Shapiro,G. P. Matheus, C.J. Knowledge overview. 1992, AI Magazine; (Fall):57-70.
[29] Han,J,Kamber,M,“Data Mining Concepts and Techniques,Morgan Kaufmann,2000.
[30] Quinlan,J.R.,“Induction of Decision Tree,”Machine Learning ,Vol.1,1986.
[31] Forum Corporation (1989).“Service breakthrough.” New York:The Free Press.
[32]Weka資料探勘相關技術網
網址:http://www.cs.waikato.ac.nz/~ml/weka/index.html.
[33] 達美樂網站
網址:http://www.dominos.com.tw/
[34] 必勝客披薩網站
網址:http://www3.pizzahut.com.tw/index.asp
[35] 拿坡里披薩網站
網址:http://www.0800076666.com.tw/
[36] 自由電子報網頁
網址:http://www.libertytimes.com.tw/2006/new/dec/12/today-e5.htm
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top