跳到主要內容

臺灣博碩士論文加值系統

(44.201.99.222) 您好!臺灣時間:2022/12/05 22:43
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:姚廣雲
研究生(外文):KUANG-YUN YAO
論文名稱:應用資料探勘於3G行動上網電信客戶之目標行銷
論文名稱(外文):Applying Data Mining to Target Marketing for 3G Mobile Internet Access Users
指導教授:楊燕珠楊燕珠引用關係
指導教授(外文):Yen-Ju,Yang
學位類別:碩士
校院名稱:大同大學
系所名稱:資訊經營學系(所)
學門:商業及管理學門
學類:一般商業學類
論文種類:學術論文
論文出版年:2010
畢業學年度:98
語文別:中文
論文頁數:115
中文關鍵詞:自組織特徵映射(SOM)目標行銷資料探勘3G行動上網3G行動加值服務
外文關鍵詞:3G Mobile Value added ServiceTarget Marketing3G Mobile InternetSelf-OrganizationData Mining
相關次數:
  • 被引用被引用:1
  • 點閱點閱:260
  • 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
台灣2G行動電話系統客戶數已正式於2009年第一季被3G用戶數超過(資策會FIND 2009/05) ,宣告3G通信時代已經來臨。從歐洲、日本、亞洲到美國,電信業者為了彌補逐年下滑的語音通話營收,不得不轉而開拓數據營收市場。電信業的語音服務市場已成熟、競爭激烈,數據營收市場成為兵家必爭之地,若可成功利用3G行動上網和各類加值應用服務,來吸引以通話為主的2G用戶轉換升級成3G用戶,將是影響3G用戶成長的關鍵點。
有鑑於此,本研究選定今日電信市場上最活絡的3G行動上網與行動加值服務使用之客戶為研究對象,分析行動上網與各類行動加值服務之間關係,以資料探勘的方法,藉由類神經網路中自組織特徵映射(Self-Organizing feature Map, SOM),分析客戶之使用記錄,予以分群,積極掌握既有客戶特性,找出客戶使用服務特徵,應用於目標行銷客戶(Target Marketing)的挑選與建議,並可對新客戶預測其可能的使用族群。此外,針對顧客價值較高的目標族群,探勘其最常使用的3G行動加值服務之間的關聯規則,以進行有效率的行銷。
經由本研究的分析除提供最符合客戶需求的訊息與產品建議,開發符合顧客3G上網使用服務的資費方案,並可建立真正的企業商業智慧(Business Intelligence),主動積極建立目標行銷模型,傳達企業新資訊與客戶使用服務之建議方案,強化與顧客之間的信賴與互動關係,達到滿足舊客戶、開拓新市場的雙贏目標。
Taiwan 2G mobile phone system customer number the first season has been surpassed in 2009 by the 3G number of users (capital plan to meet officially FIND 2009/05), announced that the 3G era has arrived. From Europe, Japan, Asia to the US, telecommunication operator to make up the pronunciation telephone conversation earning which slides year by year, can not but transfer develops the data earning market. The telecommunications voice service market mature, the competition has been intense, the data earning market becomes the military commander land that must fight for, if may succeed uses the 3G motion surfer and each kind of valued-add service, attracts talks over the telephone the 2G user transformation primarily to promote the 3G user, affects the key point which the 3G user grows.
This research by data mining method, because of the kind of nerve network from the organization characteristic mapping model (Self-Organizing feature Map, SOM), of note for use the analysis customer, hives off, and forecast that the customer use behavior, grasps positively already has the customer characteristic, discovers the customer use service characteristic, applies in the goal marketing customer choice and the suggestion. In the research designated that today in the telecommunication market the most detachable 3G mobile accesses the net and moves adds customer of the value-added service use is the object of study, the analysis motion surfer adds between the value service with each kind of motion to relate, discovers the 3G motion surfer to add goal of customer the value with each kind of motion (Target Marketing) the group, carries on effectiveness the marketing. Eliminates provides conforms to the customer demand news and the product suggested that and may establish the true enterprise commercial wisdom (Business Intelligence). No longer is only relies on degree of contribution of height the customer to carry on the market area to separate the marketing, but is initiative establishes the goal marketing model positively, suggestion of plan the transmission enterprise recent information and the customer use service, strengthens with customer's between faith and the interactive relations, achieves satisfies the old customer, to develop the new market the win-win goal.
誌謝 i
摘要 ii
目次 v
圖目錄 viii
表目錄 x
第一章 導論 2
1.1研究動機 2
1.2研究目的 3
第二章文獻探討 5
2.1市場區隔 6
2.2第三代行動通信服務 7
2.3 行動上網 8
2.4 行動加值服務 9
2.5 資料探勘 10
2.6 資料探勘應用 12
2.7 類神經網路 13
2.8自組織特徵映射(SOM)類神經網路 15
2.8.1自組織映射網路之基本理論及架構 16
2.8.2 SOM網路架構 17
2.8.3 SOM網路演算法 20
第三章研究方法 25
3.1研究架構 25
3.2資料變數與市場區隔 27
3.4資料前處理 30
3.4.1 資料篩選與編碼 30
3.4.2 資料正規化 34
第四章 實驗建置及結果分析 36
4.1 資料統計分析 36
4.2 SOM網路模型建立 41
4.2.1 資料格式 41
4.2.2 SOM網路架構設定與模型評估 42
4.2.3 SOM網路實驗 43
4.2.4 變數權重 47
4.3顧客特徵屬性分析及建議 48
4.4使用服務關聯分析 52
4.5分析與建議 58
五章結論與未來研究方向 62
5.1結論 62
5.2未來研究方向 63
參考文獻 64
[1] 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控制工程與管理研究所碩士論文。
[2] 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碩士論文
[3] 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碩士論文
[4] 藍中賢(2000) ,結合模糊理論與貝式分類法之資料探勘技術,私立元智大學資訊研究所碩士論文。
[5] 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碩士論文。
[6] 吳冠宏、吳信宏、郭廣洋(2006),應用分群技術於交通事故資料分析,品質學報,13(3),305-312。
[7] 彭文正(2001),資料採礦-顧客關係管理暨電子行銷之應用,數博網資訊股份有限公司,台北。
[8] Abidi, S. S. R. and Ong, J. (2000), ”A Data Mining Strategy for Inductive Data Clustering : Asynergy Between Self-Organizing Neural Networks and K-Means Clustering Techniques, ” IEEE, pp.568-573.
[9] Berry, M.J.A. and Linoff, G. (1997), ”Data Mining Technique for Marketing, Sales, and Customer Support, Wiley Computer, ”.
[10] Draghici, S. (2003), Data Analysis Tools for DNA Microarrays, Chapman & Hall/CRC.
[11] Fayyad, U., Piatesky, G., and Smyth, P. (1996), ”From data mining to knowledge discovery in database, ” All magazine, pp. 37-54.
[12] Ganti,V., Gehrke, J., and Ramakrishnan R., (1999), ”CACTUS-Clustering Categorical Data Using Summaries, ” Proceedings of ACM SIGKDD,pp. 73-83.
[13] Jain, A. K. and Dubes, R. C. (1998), ” Algorithms for Clustering Data, ”, Prentice Hall.
[14] Kaiser, H. (1958), ”The Varimax Criterion for Analytic Rotation in Factor Analysis,” Psychometrika, 23, 187-200.
[15] Kaski, S.,Venna, J., and Kohonen, T. (1998), ”Tips for Processing and Color-Coding of Self-Oganizing Maps. In Doboeck, G. and Kohonen, T., editors, Visual Explorations in Finance, Springer Finance, chapter 14, pp. 195-202. Springer-Verlag.
[16] Kohonen, T. (1981), ”Self-organized formation of topologically correct feature maps, ”Biological Cybernetics, Vol. 66, pp. 59-69.
[17] Kolter,Philip.,(2000.),”Marketing Management”, 10th ed. New Jersey:Prentice-Hall Inc.
[18] Kuo, R. J., Ho, L. M. and Hu, C. M. (2002), Integration of self-organizing feature map and K-means algorithm for market segmentation, Computers and Operations Research, 29(11), 1475-1493.
[19] Marcus.,(1975). ”Modern Marketing. ” New York:Ran House.
[20] Richard Koch,(1998). ”The 80/20 Principle:The Secret of Achieving More with Less ”
[21] Smith,wendell R.,(1956) ”Production Differentiation and Market Segment as Alternative Marketing Strategies”,Journal of Marketing, pp. 3-8.
[22] Steinbach, M., Karypis, G., and Kumar, V. (2000), ”A Comparison of Document Clustering Techniques, ” KDD Workshop on Text Mining, Technical report of University of Minnesota.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top