跳到主要內容

臺灣博碩士論文加值系統

(35.172.223.30) 您好!臺灣時間:2021/07/25 11:13
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:謝靜琳
研究生(外文):Hsieh,Chinglin
論文名稱:資料探勘互動式語音回覆系統分類模式之建構—以某銀行信用卡客服中心為例
論文名稱(外文):Data Mining in the Application of Interactive Voice Response System - Results from a Bank’s Credit Card Call Center in Taipei.
指導教授:李天行李天行引用關係
指導教授(外文):Tian-Shyug Lee
學位類別:碩士
校院名稱:輔仁大學
系所名稱:管理學研究所
學門:商業及管理學門
學類:企業管理學類
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:100
中文關鍵詞:客服中心互動式語音回覆系統資料探勘分類
外文關鍵詞:call centerIVRdata miningclassification
相關次數:
  • 被引用被引用:4
  • 點閱點閱:413
  • 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:2
根據美國普渡大學研究報告指出:人力成本占客服中心總成本60%以上,降低人力需求以減少人力成本,成為經營客服中心最關注的議題。有鑑於此,許多客服中心建置自助式服務系統,將客戶來電導向自助式服務系統,繁複的系統往往造成客戶的不滿意,不但未能發揮自助式系統應有的效益,還可能因為使用不便造成客戶抱怨反使客戶流失。因此客服中心除了建置自助式服務系統外,還應界定使用自助式服務的目標客群,才能真正發揮減少人力的效益。
本研究試圖找出何種資料探勘分類技術,可以正確判別使用互動式語音回覆系統之客群。據此可利用鑑別率最高之工具區別出會使用互動式語音回覆系統的客戶,可針對此客群推廣使用互動式語音回覆系統,以提高系統的使用率,降低來電轉接至人員的機會,達到客服中心降低人力成本的目標。
The establishment of call centers in the banking industry has developed rapidly in recent years. According to a study by Purdue University, the average labor accounts over 60% of the total cost of the call center in a bank. Accordingly, banks are focused on decreasing the manpower required to operate their call centers. In order to reach this goal, many banks choose to establish the IVR system in their call center to receive customers’ phone calls automatically, instead of hiring customer service personnel to answer the phone calls manually. However, most IVR systems seem to be built with complicated options that easily cause inconvenience for the customers. In these cases, rather than playing an efficient role to assist the call center in the bank, the IVR may result in the loss of customers, due to the IVR’s complication and inconvenience to the customers. Therefore, it is essential for the bank to identify those target customers who may use the IVR system, in order to better design the IVR system in the call center.
This study uses data mining classification techniques during to identify the factors which may influence the bank customers in using the IVR system as well as their characteristics. The results showed assist banks to facilitate the promotion and increasing the efficiency of the IVR systems.
目 錄
頁次
第 壹 章 緒論---------------------------------------------------------------------------1
第 一 節 研究背景-----------------------------------------------------------------1
第 二 節 研究動機-----------------------------------------------------------------3
第 三 節 研究目的-----------------------------------------------------------------5
第 四 節 研究流程-----------------------------------------------------------------6
第 五 節 研究範圍及限制--------------------------------------------------------7

第 貳 章 文獻探討---------------------------------------------------------------------9
第 一 節 顧客關係管理-----------------------------------------------------------9
第 二 節 資料探勘---------------------------------------------------------------16
第 三 節 客服中心---------------------------------------------------------------21
第 四 節 互動式語音回覆系統------------------------------------------------27

第 參 章 研究方法-------------------------------------------------------------------31
第 一 節 鑑別分析---------------------------------------------------------------31
第 二 節 羅吉斯迴歸------------------------------------------------------------33
第 三 節 類神經網路------------------------------------------------------------35

第 肆 章 實證研究-------------------------------------------------------------------41
第 一 節 資料處理---------------------------------------------------------------41
第 二 節 模式建構---------------------------------------------------------------45
第 三 節 綜合比較---------------------------------------------------------------52
第 伍 章 結論與建議-----------------------------------------------------------------59

參考文獻-----------------------------------------------------------------------------------61
附錄一、倒傳遞類神經網路實證結果-----------------------------------------------69
附錄二、鑑別分析實證結果-----------------------------------------------------------79
附錄三、羅吉斯迴歸實證結果--------------------------------------------------------85
參考文獻
中文部份
1.Brian Spengler (1999)。「1999年度台灣業者之顧客關係管理運用現狀報告」,電子化企業經理人報告,9-15。
2.尹相志(2006)。SQL Server 2005 資料採礦聖經。臺北市:學貫行銷股份有限公司。
3.王維國(2005)。保險業客服中心建置之研究。私立中原大學資訊管理研究所未出版碩士論文,台北。
4.江世傑(2001)。模糊類神經網路在消費性貸款之應用。國立成功大學工業管理研究所未出版碩士論文,台南。
5.李明德、曾俊欽(2003)。科技客服-客服中心的系統建置。臺北市:培生集團。
6.李淑凌(2005)。行動電話產業客服中心話務量預測-以某電信公司為例。私立輔仁大學管理學研究所未出版碩士論文,台北。
7.李天行、唐筱菁(2004)。「整合傳統財務指標與智慧資本以建構企業危機預警系統─類神經網路與MARS之應用」,資訊管理學報,11(2), 161-190。
8.李金鳳(2001.8)。「資料探勘面面觀」,資訊與教育雜誌,84,10-19。
9.吳國禎(2000)。資料探索在醫學資料庫之應用。私立中原大學醫學工程研究所未出版碩士論文,桃園。
10.周震平(2000.6)。「系統及CTI 篇-Call Center 系統介紹及CTI之衝擊」,通訊雜誌,77。
11.卓明華(2002)。VoiceXML語音服務環境建置及開發工具之設計。私立元智大學資訊工程學系未出版碩士論文,桃園。

12.林俊陵(2006)。遺傳演算法在建構客服中心人力排班之研究。私立輔仁大學資訊管理研究所未出版碩士論文,台北。
13.林詩芹(2003)。以限制規劃構建全年無休服務人員排班模式-以客服人員排班為例。國立交通大學運輸科技與管理學系未出版碩士論文,新竹。
14.狀態網際網路股份有限公司, http://www.status.com.tw/intranet4_crm.asp。
15.許峻源(2001)。類神經網路與MARS於資料探勘分類模式之應用。私立輔仁大學應用統計研究所碩士未出版論文,台北。
16.洪登貴(2004.06.29)。「CRM有三種,該選哪一種? 」,通用數碼股份有限公司,http://www.my-gd.com/gdweb/ePaper/doc_4002.asp。
17.胡淑珍(2003)。客服中心人員配置之研究。私立輔仁大學資訊管理系未出版碩士論文,台北。
18.張力元、姚銀行、侯建良、何佩勳、許芙瑲(2003)。顧客服務管理:CRM 實戰理論與實務。臺北市:華泰文化事業公司。
19.張世青(2003)。行動電話業客服話務預測之研究-以某客服為例。私立元智大學資管學系未出版碩士論文,桃園。
20.遠擎管理顧問公司(編)(2005)。顧客關係管理深度解析-執行CRM的十四個關鍵議題。臺北市:麗勤財經企管。
21.遠擎管理顧問公司(編)(2001)。顧客關係管理深度解析-執行以客戶為中心的企業轉型策略。臺北市:遠擎管理顧問公司。
22.遠擎管理顧問公司(編)(2001)。顧客關係管理深度解析第二輯-運用科技執行以客戶為核心的行銷策略。臺北市:遠擎管理顧問公司。
23.遠擎管理顧問公司(編)(2001)。顧客關係管理企業典範第一輯-向11家典範企業學習執行顧客關係管理的成功經驗。臺北市:遠擎管理顧問公司。
24.遠擎管理顧問公司(編)(2001)。顧客關係管理企業典範第二輯-17家全球及本土企業執行顧客關係管理的案例解析。臺北市:遠擎管理顧問公司。
25.彭文正(2001)。資料採礦-顧客關係管理暨電子行銷之應用。臺北市:維科圖書有限公司。
26.彭慧雯(2001)。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未出版碩士論文,台北。
27.陳來成(2002)。應用資料探勘技術建立商業預測模式-以信用卡為例。私立元智大學資訊管理研究所未出版碩士論文,桃園。
28.陳怡妃(2003)。資料探勘顧客保留分類模式之建構-以健康休閒俱樂部為例。私立輔仁大學管理學研究所碩士未出版論文,台北。
29.陳俊達(2005)。影響客服中心電話服務量之因素探討-以資訊服務業為例。國立中央大學資訊管理學系碩士在職專班未出版論文,桃園。
30.陳麒文(2002)。資料採礦分類技術應用於健康休閒俱樂部之顧客關係管理-以中興俱樂部之顧客流失分析為例。私立輔仁大學體育學系研究所碩士未出版論文,台北。
31.馮文生(1999.3)。「淺談客服中心系統」,電腦與通訊,83,3-12。
32.黃正鳳(2002)。整合類神經網路與多元適應性雲形迴歸於資料探勘分類模式之應用。輔仁大學應用統計研究所碩士論文,台北。
33.曾世忠(2003)。效率客服-客服中心的程序規劃。臺北市:培生集團。
34.曾幸怡(2001)。客服中心之營運模式建立及執行規劃。國立清華大學科技管理研究所未出版碩士論文,新竹。
35.廖恩青(2005)。電話客服中心最適化資源配置之研究。私立銘傳大學資訊管理學系碩士在職專班未出版論文,台北。
36.黃英杰(2003)。語音瀏覽系統整合發展環境之設計。私立大同大學資訊工程研究所碩士在職專班未出版論文,台北。
37.黃敏菁(2005)。支援向量機在財務時間序列預測之應用。輔仁大學金融研究所未出版碩士論文,台北。
38.鍾瑞華(2006)。應用資料探勘於客服中心互動式語音服務系統之研究-以國內某銀行為例 。私立華梵大學資訊管理學系碩士班未出版論文,台北。
39.藍中賢(2000)。結合模糊集合理論與貝氏分類法之資料探勘技術。私立元智大學資訊研究所未出版碩士論文,桃園。


英文部份
1.Agrawal, R., Imielinski, T., & Swami, A., (1993). Mining associationrules between sets of items in large databases. Proceedings of the 1993 ACM SIGMOD international conference on Management of data, Washington DC, USA, 254-259.
2.Alexandris, K., Dimitriadis, N., & Markata, D. (2002). Can perceptions ofservice quality predict behavioral intentions? An exploratoary study in thehotel sector in Greece. Managing Service Quality, 12(4), 224-231.
3.Anton, J. (2000). The past, present, and future of customer accesscenters. International Journal of Service Management, 11, 120-130.
4.Anton, J. (1997). Call center management by the numbers. West Lafayette, IN: Purdue University Press.
5.Baldock, R. (2000). Strategic alignment for electronic commerce: Strategic information technology: Opportunities for competitive advantage. NewYork: IDEA Group.
6.Bernhard, S., & Pat, P. (2002).A data-driven methodology for evaluating and optimizing call center IVRs. International Journal of Speech Technology, 5, 23-37.
7.Berry, M. J. A., & Linoff, G. (1997). Data mining techniques for marketing, sales and customer support. New York: Wiley Computer Publishing.
8.Brown, S. A. (2000). Customer relationship management: A strategicimperative in the world of e-Business. New York: John Wiley and Sons.
9.Bushey, R. R., Martin, J. M., & Joseph, K. M. (2001, Oct). Using the customer-centric approach to design interactive voice response systems. Proceedings of the Human Factors and Ergonomics Society 45th Annual Meeting. Minneapolis/St. Paul, MN.
10.Cabena, P., Hadjinian, P., Stadler, R., Verhees, J., & Zanasi, A. (1998). Discovering data mining from concept to implementation. Upper Saddle River, NJ: Pretice Hall.
11.Cleveland, B., & Mayben, J. (1997). Call center management on fast forward: Succeeding in today’s dynamic inbound environment. Call Center Press.
12.Cooper, D. R., & Emory, C. W. (1995). Business research method. Orlando: Dryden.
13.Dasgupta, C. G., Despensa, G. S., & Ghose, S. (1994). Comparing the predictive performance of a neural network model with some traditional market response model. International Journal of Forecasting, 24, 235-244.
14.Davies, P. C. (1994). Design issues in neural network development. NEUROVEST Journal, 21-25.
15.Efron, B. (1975). The efficiency of logistic regression compared to normal discriminant function analysis. Journal of the American Statistical Association, 70, 892-898.
16.Fayyad, U., Piatetsky, G., & Smyth, P. (1996). From data mining to knowledge discovery in databases. AI Magazine, 37-54.
17.Feinberg, R. A., Trotter, M., & Anton, J. (2000). Anytime, anywhere, anyhow. In Anderson Consulting (Ed.), Defying the Limits, Montgomery Research, San Francisco, CA, 297-303.
18.Fish, K. E., Barnes, J. H., & Aiken, M. W. (1995). Artificial neural networks: A new methodology for industrial market segmentation. Industrial Marketing Management, 24, 431-438.
19.Freeman, J. A., & Skapura, D. M. (1992). Neural networks algorithms, applications, and programming techniques. Massachusetts: Addison-Wesley Publishing Company.
20.Fukunaga, A., Hamilton, E., Fama, J., Andre, D., Matan, O., & Nourbakhsh, I. (2002). Staff scheduling for inbound call centers and customer contact centers. AI Magazine, 23, 31-41.
21.Hruschka, H. (1993). Determining market response functions by neural network are universal approximators. Neural Network, 23, 27-35.
22.Hui, S. C., & Jha, G., (2000). Data mining for customer service support. Information & Management, 38, 1-13.
23.Johnson, R. A., & Wichern, D. W. (1998). Applied multivariate statistical analysis (4th ed.). NJ: Prentice-Hall Inc.
24.Kalakota, R., & Robinson, M. (1999). E-business: Roadmap for success. Addison-Wesley Longman, Inc.
25.KDnuggets website, http://www.kdnuggets.com/polls/2004/data_mining_applications_industries.htm.
26.Koch, R. (1997). The 80/20 principle: The secret of achieving more with less. London: Nicholas Brealey.
27.Mandelbaum, A. (2004). Call centers (centres): Research bibliography with abstracts (Version 6: December 23, 2004).
28.McCartan-Quinn, D., Durkin, M., & O’Donnell, A. (2004). Explaining the application of IVR: Lessons from retail banking. The Service Industries Journal, 4(3), 150-168.
29.McKee, T. E., & Lensberg, T. (2002). Genetic programming and roughsets: A hybrid approach to bankruptcy classification. European Journal of Operational Research, 138, 436-451.
30.Peppers, D., & Rogers, M. (1993). The one to one future: Building relationships one customer at a time. New York: Doubleday.
31.Peppers, D, Rogers, M, & Dorf, .B (1999). Is your company ready forone-to-one marketing?. Harvard Business Review, 77(1), 151-160.
32.Richard, J. R., & Micahael, W. G. (2002). Data mining a tutorial-based primer (1st ed.), 4-27. New York: Addison Wesley.
33.Rumelhart, E., Hinton, G. E., & Williams, R. J. (1986). Learning internal representations by error propagation in parallel distributed processing, 318-362. Cambridge, MA: MIT Press.
34.Steven, B. J. (1985). The nurse as executive (3rd ed.). Gaithersburg, MD: Aspen Publishers.
35.Swift, R. S. (2000). Accelerating customer relationships using CRM and relationship technologies. NJ: Prentice-Hall, Inc.
36.Taylor, P, & Bain, P. (1999). An assembly line in the head: Work and employee relations in the call center. Industrial Relations Journal, 30(2), 101-117.
37.Two Crow Corporation. (1999). Introduction to data mining and knowledge discovery (3rd ed.). Two Crows Corporation.
38.Wayland, R. E., & Cole, P. M. (2000). Customer connections: New strategies for growth. Boston: Harvard Business School Press.
39.Zemke, R. (1997). The service revolution: Who win. Management Review, 86(3), 11-15.
40.Zhang, G., Patuwo, B. E., Hu, M. Y. (1998). Forecasting with artificialneural networks: The state of the art. International Journal of Forecasting, (14), 35-62.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top