跳到主要內容

臺灣博碩士論文加值系統

(18.204.48.69) 您好!臺灣時間:2021/07/29 14:50
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

: 
twitterline
研究生:陳鈞銘
研究生(外文):Chen Chun-Ming
論文名稱:資料採礦在保險電話行銷上之運用實證研究-以某銀行意外險電話行銷專案為例
論文名稱(外文):An Empirical Study On Data Mining Using Of Insurance TelemarketingWith Accidental-Death-And-Dismemberment Insurance Telemarketing on One Bank as a Case Study
指導教授:陳穎峰陳穎峰引用關係
指導教授(外文):Ying-Feng Chen
學位類別:碩士
校院名稱:樹德科技大學
系所名稱:金融保險研究所
學門:商業及管理學門
學類:財務金融學類
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:73
中文關鍵詞:資料採礦MS SQL Server
外文關鍵詞:Data MiningTelemarketingMS SQL Server
相關次數:
  • 被引用被引用:15
  • 點閱點閱:1215
  • 評分評分:
  • 下載下載:398
  • 收藏至我的研究室書目清單書目收藏:0
電話行銷在近年來一直廣泛的被金融業界做為主要的銷售通路之ㄧ,其中保險電話行銷更是金融業電話行銷的主流,而如何從有限的名單中找出最適合銷售的客戶族群進行銷售一直是電話行銷業者注重的課題。
本研究試圖透過微軟SQL Server 2005內建的資料採礦模型找出最適合使用於意外險電話行銷名單篩選的資料採礦演算法,並依照這幾種演算法中預測準確率最佳的三個資料採礦演算法模型的名單條件撈取電話行銷名單提供給電話行銷小組執行,再依照其執行結果來檢視資料採礦演算法的有效性。
根據實證後的結果發現,關聯規則演算法為微軟SQL Server 2005內建非連續性資料的採礦演算法中預測準確率最佳的演算法模型,預測準確度前三名的模型依序為關聯規則演算法、決策樹演算法以及貝氏機率分類演算法。
而在經過實際電話行銷後,本研究發現在實際的電話行銷中以貝氏機率分類演算法及關聯規則演算法所提高的名單成交率以及接觸成交率有顯著的高於資料收集其所產生的名單成交率以及接觸成交率,由此可知使用資料採礦演算法中的貝氏機率分類演算法及關聯規則演算法可以有效的提高電話行銷的績效。
Telemarketing in recent years always extensively the financial industry be mainly used as to sell one of the thoroughfares, among them, the insurance telemarketing is also the main current of financial industry telemarketing, and how find out from the limited list the most suitable match customer's ethnicity of sale to carry on sale always is telemarketing the operator pay attention to of topic.
This research makes use of Microsoft SQL Server 2005 built-in data mining models to carry on the substantial evidence. Hopes put forward of contribution be Don't need expensive system,to make use of Data mining to make the telemarketing results promote.
Find according to the result in substantial evidence, we can know what's about Association Rule and Naïve Bayes well be the best data mining model of this research. We can confirm the data mining with built-in SQL that this research uses, the model is really the purpose that can reach to promote telemarketing results.
中文摘要……………………………………………………………………… i
英文摘要……………………………………………………………………… ii
謝誌 ……………………………………………………………………… iii
目錄 ……………………………………………………………………… iv
表目錄 ……………………………………………………………………… v
圖目錄 ……………………………………………………………………… vi
一、 緒論 ………………………………………………………………… 1
1.1 研究背景 ………………………………………………………… 1
1.2 研究動機 ………………………………………………………… 3
1.3 研究目的 ………………………………………………………… 5
1.4 研究架構與流程 ………………………………………………… 7
二、 文獻探討 …………………………………………………………… 9
2.1 直效行銷與電話行銷之文獻探討 ……………………………… 9
2.2 電話行銷績效評比探討 ………………………………………… 13
2.3 資料採礦之文獻探討 …………………………………………… 15
三、 研究方法與研究設計 ……………………………………………… 34
3.1 實證流程 ………………………………………………………… 34
3.2 研究工具與研究方法 …………………………………………… 35
3.3 資料採礦步驟 …………………………………………………… 37
四、 實證結果 …………………………………………………………… 41
4.1 實證資料來源 …………………………………………………… 41
4.2 資料收集期客戶成交屬性分析 ………………………………… 42
4.3 資料採礦預測模型比較 ………………………………………… 44
4.4 實證名單撈取 …………………………………………………… 53
4.5 實證結果分析 …………………………………………………… 55
五、 結論 ………………………………………………………………… 63
5.1 研究結論 .………………………………………………………... 63
5.2 研究貢獻 ………………………………………………………… 65
5.3 研究限制 ………………………………………………………… 66
5.4 後續研究與建議 ………………………………………………… 66
參考文獻 …………………………………………………………………… 67
一、中文部分
1.尹相志,「SQLServer2005資料採礦聖經」,學貫行銷股份有限公司,2006。
2.杜詩敏,「不同之類神經網路應用於財務危機預測模型之比較」,私立樹德科技大學金融保險研究所碩士論文,2004。
3.呂玉娟,「客戶資料倉儲─企業維繫顧客關繫的智慧腦」,能力雜誌,中國生產力中心,台北,頁38-39,1999。
4.吳長洲,「資料探勘技術在產險行銷之個案研究」,私立中原大學企業管理研究所碩士論文,2004。
5.林信忠,「資料發掘技術應用于建保醫療技術稽核之研究」,元智大學管理研究所,碩士論文,1999。
6.林松江,「金融業應用資訊技術在資訊品質與顧客關係管理上實證研究與價值分析─以3C流通業為例」,國立台灣科技大學資訊管理學系,碩士倫文,2000。
7.林明宏,「壽險保單早期失效之預測-類神經網路之應用」,私立朝陽科技大學保險金融管理系碩士論文,2002。
8.范佐松,「應用類神經網路於流通商品採購建議之研究」,私立輔仁大學資訊管理學系,碩士論文,2003。
9.范正坤,「關聯法則與統計分析之探討」,國立中央大學統計研究所碩士論文,2003
10.金奉天,「電話行銷與直接郵購回應率之效益比較」,國立交通大學高階主管管理學程碩士論文,2004。
11.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」,私立元智大學工業工程與管理研究所,碩士論文,2002。
12.涂靜儀,「結合自組織映射圖類神經網路與基因演算法建構壽險業顧客關係管理之知識採擷模式」,國立高雄第一科技大學風險管理與保險所碩士論文,2001。
13.張瑋倫,「資料發掘與顧客關係管理之研究」1999中華民國科技管理論文集,2000。
14.張家鳳,「利用資料挖掘技術建構保險業之差異化行銷模型」,私立世新大學資訊管理學系研究所碩士論文,2004。
15.張愷芬,「資料探勘─保險業商品市場分析」,淡江大學資訊工程學系研究所碩士論文,2004。
16.蔡永恆,「應用資料挖掘技術研究銀行消費行為」,私立靜宜大學資訊管理學系,碩士論文,2000。
17.陳俊任,「應用資料挖掘於顧客關係管理之研究-以化妝品業為例」,私立元智大學工業工程與管理研究所,碩士論文,2001
18.陳德華,「混合特徵資料的自我組織特徵映射網路」,私立中原大學應用數學系,碩士論文,2003。
19.陳昭榮,「應用自我組織類神經網路於最長不相交路徑問題」,國立台北科技大學學報第35之2期。
20.陳文華,「運用資料倉儲技術於顧客關係管理」,能力雜誌,132~138,2000。
21.劉世琪,「應用資料挖掘探討顧客價值─以汽車維修為例」,私立朝陽科技大學工業工程與管理學系,碩士論文,2003。
22.蘇威霖,「類神經網路應用於多資料庫資料表與欄位對應之研究」,私立朝陽科技大學資訊管理系,碩士論文,2002。
23.藍中賢,「結合模糊集合理論與貝式分類法之資料探勘技術─應用於健保局醫療費用審查作業」,元智大學資訊研究所資訊管理組,碩士論文,2000。
24.許慧娟,「二維品質模式在服務品質上之應用:銀行存款之實證研究」,國立台灣大學商學研究所碩士論文,1995。
25.黃日鉦,「資料挖掘與統計技術於商業應用之模型比較-以零售業、保險業及銀行業為例」,國立台北大學企業管理學系研究所碩士論文,2002。
26.葉慈章,「電話行銷之研究-以電腦系統產品為例」,國立交通大學管理科學研究所碩士論文,1990。
27.郭國亮,「銀行業兼營壽險之行銷研究---從服務品質觀點切入」,逢甲大學保險學系研究所碩士論文,2001。
28.郭良芬,「Data Mining在人身保險業保戶特性之分析應用」,私立輔仁大學應用統計研究所在職專班碩士論文,2005。
29.廖志忠,「影響“電話行銷”成功因素之研究」,國立政治大學企業管理研究所碩士論文,1990。
30.蔣沛霖,「我國郵購壽險產品潛在購買者之態度與生活型態之研究」,國立政治大學保險學研究所碩士論文,1993。
31.詹凱傑,「應用資料採礦技術於顧客留失分析之研究—以國產汽車維修業為例」,私立東海大學工業工程與經營資訊研究所碩士論文,2004。
32.曾和順,「應用資料採刊技術提升電話行銷成交率之研究—以國內某郵購公司為例」,國立台灣科技大學工業管理研究所在職專班碩士論文,2006。
33.葉怡成,「類神經網路模式應用與實作」,儒林圖書有限公司,(2003)。
34.原著Michael J.A., Berry, Gordon Lin off,譯者彭文正,資料採擷-顧客關係管理暨電子行銷之應用,數博網股份有限公司,1998。
35.原著Bearden, Ingram & LaForge,譯者王居卿、張威龍、陳明杰,行銷學-原理與觀念,前程企管管理有限公司,2002。
36.謝邦昌、蘇志雄、鄭宇庭、葉劭緯,「資料採礦與商業智慧-SQLServer2005」,鼎茂圖書出版社,2005。

二、英文部分
1.Allen, L. E., “Mining Gold From Databases,” Mortgage Banking, Vol.56, No.8, pp. 99-100, 1996.
2.Berry, Michael J. A. and Linoff, Gordon, Data Mining Techniques for Marketing, Sales, And Customer Support, John Wiley & Sons, Inc., 1997.
3.Cabena, P., P. O. Hadjinian, R. Stadler, Dr. J. Verhees, and A. Zanasi, Discovering Data Mining form Concept to Implementation, Prentics Hall, 1997.
4.Chan, P. K., Fan, W., Prodromidis, A. L. and Stolfo, S. J., “Distributed Data Mining in Credit Card Fraud Detection”, IEEE Intelligent Systems, Vol.14, pp.67-74, 1999.
5.Chenghui, L., “Data mining for direct marketing: Problems and solutions”,The University of Western Ontario (Canada), 1999.
6.Duboff, R. S., “Marketing to Maximize Profitability,” The Journal of Business Strategy, Vol.13, No.6, pp. 10-13,1992.
7.Dar-Ren Chen, Ruey-Feng Chang, and Yu-Len Huang, “Breast Cancer Diagnosis Using Self-Organizing Map for Sonography,” Computers and Electronics in Agriculture, 2006.
8.Fayyad, U. M. et al., “Advances in Knowledge Discovery and Data Mining ,” AAAI Press/The MIT Press, Menlo Park, CA, 1996.
9.Fayyad, U. W., “Data Mining and Knowledge Discovery :Making Sense Out of Data,,” IEEE Expert, Vol.11 No.5, pp.22-23, October 1996.
10.Fayyad, U., Paitetsky-Shapiro, G., Smyth, P., “From Data Mining to Knowledge Discovery: An Overview,” In Advances in Knowledge Discovery and Data Mining, 1996.
11.Frawley, W. J. G.. Paitetsky-Shapiro, and C. J. Matheus, “Knowledge Discovery in Database :An Overview,” Knowledge Discovery in Database, AAAI Press/The MIT Press, Menlo Park, CA, 1991.
12.Li, L., Tang, H., Wu, Z., Gong, J., Gruidl, M., Zou, J., Tockman, M. and Robert, C. A., “Knowledge-Base Analysis of Micro Array Gene expression Data Using Support Vector Machines,” Technical report, University of California, Santa Cruz, 1999.
13.Frost, Raymond d., Marketing on the Internet:Principles of Online Marketing, New Jersey, Prentnet Hall. Inc., pp. 255, 1999.
14.Greenfcld, N., “Data Mining,” UNIX Review, Vol.14 No.5, pp. 9-14, 1996.
15.Groupe, F. H., Owrang, M M., “Data Base Mining Discovery New Knowledge and Cooperative Advatage,” Information System Management, Vol. 12, No. 4, 1995.
16.Hall, C. ed., The Devil’s in The Details:Techniques, Tools, and Application for Database Mining and Knowledge Discovery Part 1, Intelligent Software, September1995.
17.Hall, C., “Intelligent Data Mining at IMB New Produvts and Applications.,” Intelligent Software Strategies, Vol. 12, No. 5, pp. 1-11, 1996.
18.Han, J., and Kamber, M., Data Mining: Concepts and Techniques, Morgan Kaufmann, 2003, San Francisoc.
19.Hand, D.J. “Data Mining: Statistics and more?” American Statistian pp52,pp112-119,1998.
20.Inmon, W. H., Using The Data Warehouse, Wiley, New York, 1994.
21.Kalakota, Ravi and Marcia Robinson, e-Business:Roadmap for Success, 1st ed., Mary T. O‘Brien, U.S.A., 1999.
22.Kononenko, I., “Inductive and Bayesian Learning in Medical Diagnosis.,” Applied Artificial Intellifence, Vol. 7. pp. 317-337, 1993.
23.Kanji, G. K. 100 Statistical Tests. SAGE Publications, pp.26.1993
24.Kim, K. I., Jung, K. and Kim, H. J., “Texture-Based Approach for Text Detection in Images Using Support Vector Machines and Continuously Adaptive Mean Shift Algorithm,” IEEE Transactions on Pattern Analysis and Machine Intelligence, 2003, Vol. 25, No. 12, pp. 1631-1639.
25.Kirchner, K., T¨olle K.-H. and Krieter, J., ”Optimization of the decision tree technique applied to simulated sow herd datasets,” Computers and Electronics in Agriculture,2006.
26.Kohavi, R., “A study of cross-validation and bootstrap for accuracy estimations and model selection,” Proceedings of the Fourteenth International Joint Conference on Artificial Intelligence, 1995.
27.Kurant and Gloria, ”Telemarketing can help agents make money,” Life, health and financial services, 1988, Vol. 26, pp. 24-32.
28.Lavrac, N., “Selected Techniques for Data Mining in Medicine.,” Artificial Intelligence in Medicine, Vol. 16. pp. 3-23, 1999.
29.Ling and Mona, ”Prospecting by Telephone,” Life Association News, 1980, Vol. 75, No. 2, pp. 85-95.
30.McArdle , Joyce, K., ”How to create new business prospects: A telemarketing guide for economic developers,” Economic Development Review. Park Ridge, 1996, Vol. 14, No. 1, pp. 57-60.
31.Muller, k. R., Mika, S., Ratsch, G., Tsuda, K. and Scholkopf, B., ”An Introduction to Kernel-Based Learning Algorithms,” IEEE Transactions on Neural Networks, 2001, Vol. 12, No. 2, pp. 358-367.
32.Muller, k. R., Mika, S., Ratsch, G., Tsuda, K. and Scholkopf, B., ”An Introduction to Kernel-Based Learning Algorithms,” IEEE Transactions on Neural Networks, 2001, Vol. 12, No. 2, pp. 358-367.
33.Oliver, L.R., ”A Cognitive Model of the Antecedents and Consequences of Satisfaction Decisions,” Marketing Reserch, 1980, Vol. 17, pp. 460-469.
34.Pesci and Rus, ”Product news marketing: benefits of an outside telemarketing service,” National Underwriter, 1991, No. 18, pp. 61-79.
35.Pontil, M. and Verri, A., “Support Vector Machines for 3D Object Recognition,” IEEE Transactions On PAMI, 1998, Vol. 20, pp. 637-646.
36.Pedroso, J. P. and Murata, N. “Optimization on Support Vector Machines,” IEEE International Joint Conference on Neural Networks, 2000, pp. 6399-6410.
37.Perlich, C., “Probability estimation in multi-relational domains”,New York University, Graduate School of Business Administration, 2005.
38.Ralph Kimball, Data Warehouse Design Solutions, Wiley Computer Publishing, 1998.
39.Schőlkopf, B. and Smola, A. J., “Statistical Learning and Kernel Methods,” Cambridge, USA, 2000.
40.Westerhoven, T., “Elemarketing: Finding the Needle in the Haystack,” Emile European Research. Deventer, 1987, Vol. 15, No. 2, pp. 72-77.
41.Wu, H.M. and Lu, H. H. S., “Spatial-Frequential Analysis and Dynamic Sliced Inverse Regression,” Statistica Sinica , 2004, Vol. 14, pp.114-125.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top