跳到主要內容

臺灣博碩士論文加值系統

(3.235.185.78) 您好!臺灣時間:2021/07/27 18:12
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:李佩珍
研究生(外文):LEE,PEI-CHEN
論文名稱:以遺傳程式規劃建立顧客區隔規則之研究
論文名稱(外文):Applying Genetic Programming to Construct Customer Segmentation Rules
指導教授:林文修林文修引用關係
學位類別:碩士
校院名稱:輔仁大學
系所名稱:資訊管理學系
學門:電算機學門
學類:電算機一般學類
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:109
中文關鍵詞:遺傳程式規劃顧客關係管理顧客區隔顧客服務證券業
外文關鍵詞:Genetic ProgrammingCustomer Relationship ManagementCustomer SegmentationCustomer ServiceSecurities Industry
相關次數:
  • 被引用被引用:2
  • 點閱點閱:217
  • 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
近年來隨著全球化的趨勢,原先熱絡的國內金融市場面臨了合併、收購、策略聯盟等許多的風波,根據證券交易所資料顯示,2000年證券公司新開戶之客戶數量為757,956人,而註銷開戶的數量卻高達476,318人,表達了流失客戶的情況,因此證券公司留住客戶將比吸收新客戶來得重要。以往根據80/20法則表示,百分之八十的銷售是來自百分之二十的顧客,但不同企業內不同的顧客,對企業的貢獻差異應有所不同,瞭解不同顧客可以為企業帶來多少利潤,也是企業需要重視的一環。現在的企業為尋求最佳的顧客,常藉由顧客關係管理(Customer Relationship Management,CRM)系統的建置及資料探勘(Datamining)技術,來掌握住優質的顧客。由於證券業所提供之產品或服務對一般顧客來說,具較高的風險性,若能有長期而良好互動的關係,除可增加顧客的滿意度、忠誠度及減少其不安全感外,更容易使顧客與企業保持長久及良好的伙伴關係。
本研究的目的希望從龐大的顧客資料中,將顧客消費行為資料、人口統計資料整合,利用遺傳程式規劃(Genetic Programming, GP)強大的學習力,找出顧客區隔之規則,並利用此一資訊建立顧客行為模式,提供服務人員資訊給予顧客不同之適時服務。本研究將設計一顧客區隔法則,透過行銷的觀點給予企業不同顧客關係管理的策略。
本研究實驗結果發現,(1).本研究應用遺傳程式規劃於客戶分級規則預測,配合不同適應函數,更可達到較精確的結果。(2).加入了貢獻度權重後,三個衡量指標值敏感度(Sen)、特異性(Spe)、正確性(Acc)有顯著提升,準確率達到71%,型I及型II錯誤也有明顯的改善,表示貢獻度對於重要客戶及VIP客戶是有重要的影響,因此貢獻度可做為模型的參考依據。(3).本研究挑選出現頻率較高的解釋變數結果,與使用全部解釋變數進行實驗比較,發現演化時間及三個衡量指標值有所提升。換言之,表示解釋變數取出頻率較高的前幾名,再進行實驗後,除了可以減少演化時間及收斂代數外,亦有助於預測正確及降低型I錯誤的比率。
Due to the trend of globalization, the energetic finance market faces many disturbances, such as amalgamation, buying, strategy alliance. According to the information of Taiwan Stock Exchange Corporation, The amount of opening new account is 757,956, but the amount of canceling account is even higher to 476, 318. This shows the situation of losing customers, so it is more important for securities firms to keep the costumers than to attract new ones. According to the 80/20 principle, 80% of total sales come from 20% of amount of costumers. Different costumers of different businesses will make different distribution to the businesses. To understand the possible profits can be brought by different costumers is also an important part which a business should pay attention to.

The studay try to integrate the costumer consuming behaviors data with population statistics data from the huge costumer data. I use the learning ability of Genetic Programming to find the rule of costumer segmentation from the integrated data. From this information, I build up the costumer behavior model for service staffs to provide different timely and proper services. My study will design a costumer segmentation rule to provide different strategies on costumer relationship management from the point of view of marketing.

There are three results from this study, 1) I can get more accurate result if applying GP on the forecast of costumer grading rule with different fitness function. 2) By adding contribution rate weight, the three measuring indexes, Sensitivity, Specificity and Accuracy are obviously higher; the rate of accuracy is up to 71%. The mistakes of Type I and Type II are also improved. It shows that the contribution rate is an important factor to important costumers and VIP costumers. So contribution rate can be the model reference. 3) I select the explanatory variables results with higher frequency to compare with the all explanatory variables, I find out that the evolution time and 3 measuring indexes are all increased. In another words, when explanatory variables extract those with higher frequency and do the experiments with them, it can not only reduce the evaluation time and weaken algebra but also help to predict more correctly and reduce mistake rate of Type 1.
目 錄
頁次
表次 iii
圖次 v

第 壹 章 緒論 1
第 一 節 研究背景及動機 1
第 二 節 研究目的 2
第 三 節 研究流程 3
第 四 節 論文架構 4

第 貳 章 文獻探討 7
第 一 節 證券業概況 7
一、產業概況 7
二、證券業面臨的問題 9
三、證券業未來發展趨勢 10
第 二 節 顧客關係管理及資料探勘 12
一、顧客關係管理 12
二、顧客關係管理的架構 12
三、資料探勘的定義與目的 14
四、資料探勘的進行步驟 15
五、資料探勘的運用理論與技術 16
第 三 節 顧客區隔 18
第 四 節 顧客服務 19
一、服務品質 19
二、顧客價值 22
三、顧客滿意度 23
四、顧客忠誠度 25
五、服務品質、顧客滿意度與顧客忠誠度三者之間關係 26
六、服務策略 28
第 五 節 金融證券業顧客關係管理相關文獻 30
第 六 節 遺傳程式規劃 32
一、遺傳程式規劃 32
二、遺傳程式規劃運作流程 35
三、遺傳程式規劃運作方式 36
第 七 節 遺傳程式規劃相關文獻 38
第 八 節 本章評述 40

第 參 章 研究方法與設計 43
第 一 節 研究架構 43
第 二 節 研究變數定義及操作化 44
第 三 節 遺傳程式規劃架構設計 48

第 肆 章 實驗結果 55
第 一 節 系統績效測試 55
第 二 節 實驗結果 66

第 伍 章 分析與討論 92
第 一 節 分析實驗模型與學習效能 92
第 二 節 顧客區隔法則與服務策略 94

第 陸 章 結論與建議 99
第 一 節 結論 99
第 二 節 研究貢獻 101
第 三 節 研究限制及後續研究建議 101

參考文獻 103
表 次
頁次
表2-1證券服務事業家數統計表 31
表3-1變數名稱及操作性定義 35
表3-2函數節點集合 48
表3-3終端節點集合 49
表3-4簡單混淆矩陣 49
表3-5演化參數表 51
表3-6研究實驗系統軟硬體環境 52
表4-1適應函數穩定度測試 56
表4-2 Sen敏感度穩定度測試 57
表4-3 Spe特異性穩定度測試 58
表4-4 Acc正確性穩定度測試 59
表4-5不同族群數目及演化代數之模型結構分析 60
表4-6不同複製方法之模型結構分析 61
表4-7實驗一之模型結構分析 62
表4-8實驗二之模型結構分析 63
表4-9實驗三之模型結構分析 64
表4-10實驗四之模型結構分析 65
表4-11實驗模型統計表 66
表4-12樣本資料分配 67
表4-13子實驗1訓練期與測試期的實驗數據比較 68
表4-14子實驗1實驗結果 68
表4-15子實驗1型I及型II錯誤比較表 69
表4-16子實驗2訓練期與測試期的實驗數據比較 70
表4-17子實驗2型I及型II錯誤比較表 70
表4-18子實驗2實驗結果 70
表4-19子實驗3訓練期與測試期的實驗數據比較 72
表4-20子實驗3型I及型II錯誤比較表 72
表4-21子實驗3實驗結果 73
表4-22子實驗1、 2、3之測試期型I、型二錯誤比較表 74
表4-23子實驗1、 2、3正確性比較表 75
表4-24子實驗2參數出現次數表 76
表4-25實驗二訓練期與測試期的實驗數據比較 77
表4-26實驗二型I及型II錯誤比較表 78
表4-27實驗二測試期結果 78
表4-28實驗二參數出現次數表 80
表4-29委託金額、成交金額、庫存現值權重表 81
表4-30實驗三訓練期與測試期的實驗數據比較 82
表4-31實驗三型I及型II錯誤比較表 82
表4-32實驗三測試期結果 82
表4-33實驗三參數出現次數表 85
表4-34實驗四測試期結果 86
表4-35實驗二之第二次實驗取前五名模型預測結 87
表4-36預測指數 88
表5-1實驗一與實驗四型I及型II錯誤 93
表5-2實驗一與實驗四演化時間及收斂代數比較表 93
表5-3客戶分級服務項目表 97
表5-4建議顧客關係管理客戶服務策略 98


圖 次 
頁次
圖1-1研究流程 2
圖2-1 PZB模式 20
圖2-2顧客知覺服務品質和顧客滿意度 27
圖2-3服務-利潤鍵 28
圖2-4遺傳程式規劃之運算式樹 34
圖2-5遺傳程式規劃之運算式樹實例 34
圖2-6遺傳程式規劃運作流程圖 38
圖3-1研究架構圖 43
圖4-1四種不同實驗五次後的最佳適應值 56
圖4-2 Sen敏感度預測成為重點客戶的績效表現 57
圖4-3 Spe特異性預測成為一般客戶的績效表現 58
圖4-4 Acc正確率預測整體正確分級的績效表現 59
圖4-5第一次實驗分級的收斂效果圖 62
圖4-6第二次實驗分級的收斂效果圖 63
圖4-7第三次實驗分級的收斂效果圖 64
圖4-8第四次實驗分級的收斂效果圖 65
圖4-9實驗一子實驗3樹狀結構(1) 75
圖4-10實驗一子實驗3樹狀結構(2) 76
圖4-11實驗二樹狀結構(1) 79
圖4-12實驗二樹狀結構(2) 80
圖4-13實驗三樹狀結構(1) 84
圖4-13實驗三樹狀結構(2) 84
圖5-1影響分級重要的十個變數 92
圖5-2實驗一與實驗四演化時間及收斂代數比較圖 93
一、中文部份
1. 王克捷、李慧菊譯,JL Heskett著,服務業的經營策略(Managing in the Service Economy),台北:天下文化出版社,1987。
2. 王淑卿, 吳松融,以決策法則為基礎之顧客區隔策略,科技與管理學術研討會論文集,2001,頁94-100。
3. 王精文、沙俊豪,綜合證券商服務品質與業績績效關係之研究,企業管理學報,第48期,2000,頁27-58。
4. 王正雄,應用遺傳規劃法在顧客流失模型之研究-以直銷化妝品業為例,輔仁大學資訊管理學系研碩士論文,2002。
5. 行政院金融監督管理委員會全球資訊網,http://www.fscey.gov.tw/mp.asp,2007/6/1。
6. 江盈泰,利用顧客區隔以制定個人化促銷計畫來創造顧客價值-以汽車代理商為例,朝陽科技大學工業工程與管理系碩士論文,2005。
7. 吳良榮,證券金融業電子化顧客關係管理策略之研究,國立台北科技大學商業自動化與管理研究所碩士論文,2001。
8. 吳旭志、賴淑貞譯,Michael J. A. Berry & Gordon S. Linoff著,資料採礦理論與實務-顧客關係管理的技巧與科學,台北:數博網資訊股份有限公司,2001。
9. 吳惠崇,應用人工智慧於證券業客戶關係管理系統之建構,國立臺北科技大學工業工程與管理系碩士論文,2005。
10. 李明興,服務策略與服務傳送系統關係之研究-以連鎖餐飲業為例,國立雲林技術學院企業管理技術研究所碩士論文,1995。
11. 李承彥,網路券商顧客滿意度模式探討與顧客群聚分析,南華大學資訊管理系碩士論文,2003。
12. 李孟瑜,智慧型自動化網路客服系統之研究,中華大學資訊工程學系碩士論文,2002。
13. 李榮添,資料探勘技術應用於證券關係行銷之研究,國立中正大學資訊管理研究所碩士論文,2001。
14. 林萍珍,智慧型多值企業價值評估模型: 以模糊遺傳程式規劃為基礎,國立中央大學資訊管理研究所博士論文,2003。
15. 林東清,顧客關係管理(CRM)研究的一些相關理論模式與重要議題, 資訊管理學報,9卷S期,2002,頁31-56。
16. 周泰華、黃俊英、郭德賓,服務品質與顧客滿意評量模式之比較研究,輔仁管理評論,6卷1期,1999,頁37-68。
17. 洪上球,證券經紀商顧客滿意度之研究-以中部某券商為例,朝陽科技大學保險金融管理系碩士論文,2005。
18. 洪汶鈴,應用模糊理論與資料探勘於證券業顧客關係管理之研究,國立台北科技大學生產系統工程與管理研究所論士論文,2003。
19. 洪英瑞,網際網路之顧客服務策略-以運用網路下單之證券商為例,國立台灣大學工業工程學研究所碩士論文,2000。
20. 徐慧君,應用案例式推理於顧客關係管理之行銷研究-以化妝品業為例,元智大學工業工程與管理學系碩士論文,2001。
21. 邱振傑,遺傳程式規劃在以決策法則為基礎的顧客區隔之研究,輔仁大學資訊管理學系碩士論文,2003。
22. 邱彩鳯,關係品質、滿意度與忠誠度關係之研究-以嘉義市證券商為例,南華大學管理科學研究所碩士論文,2004。
23. 張月鳳,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研究所碩士論文,2001。
24. 張永明,資料挖掘在證券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,2005。
25 黃圩君,以遺傳程式規劃為基的產品關聯與顧客輪廓規則探勘之研究,輔仁大學資訊管理學系碩士論文,2003。
26. 黃奕瑛,金融業導入顧客關係管理關鍵成功因素探討,國立台北大學企業管理學系碩士論文,2000。
27. 黃俊英,行銷學的世界,台北:天下遠見,2003。
28. 黃偉松,服務品質、顧客滿意度與顧客忠誠度關係之研究-以證券商為例,淡江大學管理科學學系碩士論文,1999。
29. 黃耀德,遺傳程式規劃為基礎的信用貸款逾期流入率預測之研究,輔仁大學資訊管理學系碩士論文,2006。
30. 彭文正譯,Michael J. A. Berry & Gordon S. Linoff著,資料採礦-顧客關係管理暨電子行銷之應用,台北:數博網資訊股份有限公司,2001。
31. 彭惠雯,建構信用卡資料挖礦架構及其實證研究,國立台北科技大學生產系統工程與管理研究所碩士論文,2001。
32. 陳昆賢,應用模糊法則歸納法探採分類知識,中山大學資訊管理學系碩士論文,1999。
33 陳虹君,銷售資料挖掘與顧客關係管理整合之研究,國立台北大學企業管理學系碩士論文,2003。
34. 陳詣涵,遺傳程式規劃於貸前信用風險預測之研究,輔仁大學資訊管理學系碩士論文,2006。
35. 蔡皇忠,銀行業推行顧客關係管理之顧客滿意度研究,國立成功大學高階管理碩士在職專班碩士論文,2003。
36. 傅光萬,2005,遺傳程式規劃為基礎的股票動態交易策略之研究-模糊化技術指標擇時策略之應用,輔仁大學資訊管理學系碩士論文,2005。
37. 鄭仰真,銀行業財富管理對顧客滿意度與顧客忠誠度之關聯性研究-以台南縣市中小企業主為例,國立成功大學高階管理碩士在職專班碩士論文,2005。
38. 廖峻毅,兼顧顧客價值與企業利潤之服務策略,靜宜大學管理科學研究所碩士論文,1996年。
39. 榮泰生,行銷管理學,台北:五南圖書出版公司,1994。
40. 劉世琪,應用資料挖掘探討顧客價值-以汽車維修業為例,朝陽科技大學工業工程與管理系碩士論文,2003。
41. 劉靜觀,金融控股公司經營模式對證券商經營策略之影響,國立政治大學經營管理學程碩士論文,2001。
42. 謝依靜、吳嘉慧,金融服務業顧客關係利益與忠誠度之探討,臺灣管理學刊,第4卷第2期,2004,225-249頁。
43. 蘇明政,大高雄地區非金控證券商服務品質、顧客滿意度與營運策略之研討,義守大學管理研究所碩士論文,2004。
44. 蘇詠翔,資料探勘應用於股票電子交易客戶之特性,國立成功大學統計學研究所碩士論文,2002。
45. 蘇獻富,以兩階段資料採礦分群方法應用於顧客關係管理和獲利評估之實證研究,國立台灣科技大學資訊管理學系碩士論文,2001。
46. 蕭偉評,如何提升國內專業證券經紀商之競爭力,TSEC MONTHLY REVIEW,
2005,頁27-44。
47. 遠擎管理顧問公司譯,Ronald S. Swift著,深化顧客關係管理:運用(關係管理科技)建構CRM系統,台北:麗勤管理顧問,2005。

二、英文部份
1. Allen F., Karjalainen R., Using genetic algorithms to find technical trading rules, Journal of Financial Economics, 1999 , pp.245-271.
2. Anderson, E.W. and M.W. Sullivan, The Antecedents and Consequences of Customer Satisfaction for Firms, Marketing Science, Vol.12, No.2, Spring 1993, pp.125-143.
3. Belarbi K., Titel F., Genetic algorithm for the design of a class of fuzzy controllers: an alternative approach, IEEE Transactions on Fuzzy Systems, Vol. 8, No. 4, 2000 , pp.398-405.
4. Berry M.J.A. and Linoff G., Data Mining Technique for Marketing, Sale, and Customer Support, Wiley Computer, 1997.
5. Berry,Leonard L.& A. Parasuraman, Marketing Services Competing through Quality, New York:The Free Press,1991.
6. Bhatia Anil, Customer Relationship Management,1st ed., U.S.A, Don Hull, 1999.
7. Bitner, M. J.,Evaluating Service Encounters: The Effects of Physical Surroundingsand Employee Responses, Journal of Marketing, Vol 54, Apr. 1990, pp.69-82.
8. Bojarczuk, C. C., Lopes, H. S., & Freitas, Alex A., Genetic Programming for Knowledge Discovery in Chest Pain Diagnosis, Engineering in Medicine and
Biology Magazine, IEEE, Vol.19, Issue.4, 2000, pp.38-44.
9. Bowen, J. T. & Chen, S. L. The relationship between customer loyalty and customer satisfaction, International Journal of Contemporary Hospitality, Vol. 13, 2001, pp.213-217.
10. Cabena, P., Hadjinian, P., Stadler, R., Verhees, J. and Zanasi, A., Discovering Data Mining From Concept to Implementation , New Jersey :Prentice Hall, 1998.
11. Chaudhuri and Holbrook, The Chain of Effects from Brand Trust and Brand Affect to Brand Performance:The Role of Brand Loyalty, Journal of Marketing,Vol.65,April 2001, pp.81-93.
12. Chen S. H., C.H. Yeh and W. C. Lee, Option Pricing with Genetic Programming, Third Annual International Genetic Programming Conference, July 1998, pp.22-25.
13. Cardozo, R.N. An experimental Study of Customer Effort, Expectation and
Satisfaction, Journal of Marketing Research, Vol. 2, Aug. 1965, pp. 244-249.
14. Churchill, G.A. and C. Surprenant, An Investigation into to The Determinants
Customer Satisfaction, Journal of Marketing Research, Vol.19, 1982, pp.491-504.
15. Day, George S ., A Two -Dimensional Concept of Brand Loyalty , Journal
of Advertising Research, Vol. 9 ,1969, pp.29-35.
16. De Falco, A. Della Cioppa, E. Tarantino, Discovering interesting classification rules with genetic programming, Applied Soft Computing, 2002, pp.257-269.
17. Duboff, R. S., Marketing to Maximize Profitability, The Journal of Business Strategy, Vol 13 (6),1992, pp.10-13.
18. Eggerment, J., Evolving Fuzzy Decision Trees with Genetic Programming and
Clustering, Proceedings of 5th European Workshop on Genetic Programming,
Lecture Notes In Computer Science, 2002, pp.71-82.
19. Fayyad, U.M. Shapiro, G.P. and Smyth, P. From data mining to knowledge discovery in databases, AI Magazine, 1996 , pp.37-54.
20. Fernando E. B. Otero, Monique M. S. Silva, Alex A. Freitas, Julio C. Nievola , Genetic Programming for Attribute Construction in Data Mining, Springer Berlin/Heilelberg, 2003.
21. Heskett, James L., Thomas O.Jones, Gary W. Lovemen,W. Earl Sasser & Leonard A. Schlesinger Putting the Service─Profit Chain to Work, Harvard Business Review, Mar./Apr.1994, pp.164-174.
22. Han J., Kamber M., “Data Mining Concepts and Techniques”, Morgan Kaufmaun, 2001.
23. Holland, J. H., Adaptation in Natural and Artificial Systems, University of Michigan Press, 1975.
24. Ingrid F. An index method for measurement of customer satisfaction, The TQM Magazine, Vol. 16, No. 1, 2004, pp. 57-66.
25. Joe Peppard, Customer Relationship Management (CRM) in Financial Services, European Management Journal Vol. 18, No. 3, 2000 , pp.312-327.
26. Jones,T.O.and W.Earl Sasser, Why Satisfied Customer Defect ,Harvard Business Review, 1995 ,pp.88-99.
27. Kalakota, R. and Robinson, M.,. E-Business: Roadmap for success, 4th ed., Wesley, 1999.
28. Kotler,Philip,Marketing Management:Analysis ,Planning ,Implementation and Control, 7thed.,Prentice-Hall, Englewood Cliffs, NJ., 1991.
29. Koza, J.R., Genetic Programming: On the Programming of Computers by Means of Natural Selection, MIT Press, 1992.
30. Lee, M. and Cunningham L. F., A cost/benefit approach to understanding service loyalty , Journal of services Marketing, Vol. 15, No.2, 2001, pp.113-130.
31. Ling, R. and Yen, D. C. Customer relationship management: An analysis framework and implementation Strategies, The Journal of Computer Information Systems, Vol. 41, No. 3, 2001, pp.82-97.
32. Lynette Ryals, Are your customers worth more than money?, Journal of etailing and Consumers Services, 2002 , pp.241-251.
33. Maynes, E. Scott., The Concept and Measurement of Product Quality. Household Productionand Consumption. Vol.40. 1976, pp.529-559.
34.Meryl Davids, How to Avoid the 10 Bigggest Mistake in CRM, Journal of Business Strategy, Vol, 20, Issue 6, Dov-Dec, 1999 , pp.22-26.
35. Monroe﹐Kent B.﹐and R. Krishnan., The Effect of Price on Subjective
Product Evaluation , Lexington Books. Perceived Quality, 1985, pp209-232.
36. Oliva, T.A., R.L. Oliver and I.C. MacMillian, A Catastrophe Model for Developing Service Satisfaction Strategies, Journal of Marketing, Vol.56, July 1992, pp.83-95.
37. Oliver, Richard L , Measurement and Evaluation of Satisfaction Process in
Retail Settings, Journal of Retailing, Vol.57, 1981, pp.25-48.
38. Ostrom, Amy and Dawn Iacobucci, Consumer Trade-Offs and the Evaluation of
Services, Journal of Marketing, Vol 59, Jan.1995, pp.17-28.
39. Parasuraman, A., Zeithaml, V. A., and Berry, L.L., A Conceptual Model of
Service Quality and Its Implication for Future Research, Journal of Marketing,
Vol.49, 1985, pp.41-50.
40. Parasuraman, A., Zeithaml, V. A., and Berry, L.L., SERVQUAL:A Multiple-itemScale for Measuring Customer Perceptions of Service Quality, Journal of Retailing, Vol.64, 1988, pp.12-40.
41. Parasuraman, A., Zeithaml, V. A., and Berry, L.L. Refinement and Reassessment of the SERVQUAL Scale, Journal of Retailing, Vo l.67, 1991, pp.420-450.
42. Parasuraman, A., Zeithaml, V. A., and Berry, L.L., Alternatives Scales for
Measuring Service Quality:A Comparative Assessment Based On Psychometric
and Diagnostic Criteria, Journal of Marketing, Vol.70, 1994, pp.201-230.
43. Pepper, Don, Rogers M., and Dorf B., Is Your Company Ready for One-to-One
Marketing, Harvard Business Review, Jan.-Feb., 1999, pp.151-160.
44. Richard Koch, The 80/20 Principle, U.S.A. Doubleday Publishers, 1998.
45. Sung, Ho Ha and Sang, Chan Park,Application of data mining tools to hotel data mart on the Internet for database marketing, Expert Systems With Applications, 1998 , pp.1-31.
46. Zeithaml, Valerie A.,Leonard L.Berry and A.Parasuraman, The Behavioral
Consequalit, Journal of Marketing ,April 1996, pp.31-46.
Zeithaml, Valarie A. and Mary Jo Binter, Service Marketing, New York:cGraw-Hill, 1996.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top