資訊科技的成熟發展，消費者擁有多元豐富的資訊來源做為消費決策參考，國內書店面臨眾多的書籍出版、產業的競爭、市場的飽和壓力等因素，讓書店的經營更具挑戰，企業應藉由資訊科技的協助，以顧客關係管理之工具來尋求解決方案，創造企業核心價值。
本研究以國內連鎖書店的顧客交易資料庫進行資料探勘，使用購物籃分析Apriori演算法，找出顧客在書籍類別購買的關聯喜愛，並依有價值及有興趣的規則，擬定產品組合促銷活動，寄發活動優惠簡訊予以顧客，分析活動回應率，以驗證資料探勘中發掘關聯規則之效益。
研究結果獲得購物籃技術運用不同商圈型態店別之組合促銷活動，活動結果對於顧客消費之客單價，宣傳成本及活動回應率均有顯著之效益提昇。

As the development of information technology matures, consumers have many sources of information for reference before decision making. Local bookstores are facing pressures such as numerous book publishing, industry competition, and market saturation that makes managing the bookstore business challenging. Corporations should embrace information technology and utilize customer relationship management tools to seek a solution and create core values.
This research uses data mining on the local bookstore chains' customer transaction database, apply the Apriori Algorithm of the market basket analysis to find consumer favorites in the relationship of the categories of books bought and plan a promotional activity based on patterns sorted by both interest and necessity. Then send out promotion discount offers to consumers and analyze the response rate in order to verify the benefits of discovering association rules in data mining.
The result obtained through utilizing market basket analysis on the combined promotional activity of different types of stores in different shopping circles show that there has been a significant increase in profit in consumer transactions, advertisement expense and response rate.

中文摘要 ………………………………………………………………………... i
英文摘要 ………………………………………………………………………... ii
誌謝 ………………………………………………………………………... iii
目錄 ………………………………………………………………………... iv
表目錄 ………………………………………………………………………... vi
圖目錄 ………………………………………………………………………... vii
第一章 緒論…………………………………………………………………... 1
1.1 研究背景與動機………………………………………………… 1
1.2 研究目的 ……………………………………………………….. 2
第二章 台灣書店經營型態與市場概況……………………………………... 3
2.1 台灣書店市場概況……………………………………………… 3
2.2 台灣書店經營型態……………………………………………… 5
2.3 書店經營特性…………………………………………………… 6
第三章 文獻探討……………………………………………………………... 7
3.1 資料探勘(Data Mining) ………………………………………… 7
3.1.1 資料探勘定義……………………………………………. 7
3.1.2 資料探勘步驟……………………………………………. 8
3.1.3 資料探勘功能……………………………………………. 8
3.2 購物籃分析(Market Basket Analysis) ………………………….. 10
3.2.1 購物籃分析………………………………………………. 10
3.2.2 Apriori演算法…………………………………………….. 11
3.3 顧客關係管理(Customer Relationship Management) ………… 13
3.4 資料探勘在顧客關係管理的應用……………………………… 14
第四章 研究方法……………………………………………………………... 18
4.1 研究架構………………………………………………………… 18
4.2 研究方法………………………………………………………… 20
4.2.1商業理解(Business Understanding) ……………………… 21
4.2.2資料理解(Data Understanding) ………………………….. 22
4.2.3資料預備(Data Preparation)……………………………… 22
4.2.4模型建立(Modeling) ……………………………………... 23
4.2.5模型評估(Evaluation) ……………………………………. 24
4.2.6模型部署(Deployment)…………………………………… 24
4.3 研究範圍與限制………………………………………………… 25
第五章 研究分析與結果……………………………………………………... 26
5.1 個案書店概述…………………………………………………… 26
5.2 購物籃分析結果………………………………………………… 27
5.2.1都會店型購物籃分析結果……………………………….. 29
5.2.2社區店型購物籃分析結果……………………………….. 31
5.2.3量販店型購物籃分析結果……………………………….. 35
5.2.4購物中心店型購物籃分析結果………………………….. 36
5.3 顧客產品組合行銷之研究設計……………………………….... 38
5.4 回應率分析…………………………………………………….... 39
第六章 結論與建議…………………………………………………………... 41
6.1 結論…………………………………………………………….... 41
6.2 建議……………………………………………………………… 43
參考文獻 ………………………………………………………………………... 45
中文部分……………………………………………………………... 45
英文部分……………………………………………………………... 46
網站資料……………………………………………………………... 47


表 目 錄

表2-1 台灣出版機構………………………………………………………… 3
表2-2 新書資料筆數統計…………………………………………………… 3
表2-3 2009家庭收支重要指標……………………………………………… 4
表2-4 2009家庭消費支出按消費型態……………………………………… 4
表3-1 資料探勘定義彙整…………………………………………………… 7
表3-2 資料探勘功能種類表………………………………………………… 8
表3-3 顧客關係管理之定義表……………………………………………… 14
表4-1 顧客交易原始資料…………………………………………………… 22
表4-2 顧客交易整合資料…………………………………………………… 23
表5-1 各商圈型態店別交易資料數量……………………………………… 27
表5-2 關聯規則數量及支持度和信心度結果……………………………… 27
表5-3 各商圈型態店別關聯分析結果彙總………………………………… 28
表5-4 都會店型關聯分析結果……………………………………………… 30
表5-5 社區店型關聯分析結果……………………………………………… 31
表5-6 量販店型關聯分析結果……………………………………………… 35
表5-7 購物中心店型關聯分析結果………………………………………… 37
表5-8 書籍類別組合行銷活動活動………………………………………… 39
表5-9 書籍類別組合行銷活動回應率……………………………………… 39
表5-10 個案書店一般活動回應率…………………………………………… 40


圖 目 錄

圖3-1 Apriori演算法………………………………………………………… 13
圖4-1 研究流程圖…………………………………………………………… 19
圖4-2 CRISP-DM流程圖…………………………………………………… 20
圖4-3 CRISP-DM通用任務與輸出結果…………………………………… 21
圖4-4 探勘資料串流圖……………………………………………………… 24
圖5-1 各商圈型態店型態書籍共同購買類別……………………………… 29
圖5-2 都會店型書籍類別之相關強度連結圖……………………………… 30
圖5-3 社區店型書籍類別之相關強度連結圖……………………………… 34
圖5-4 量販店型書籍類別之相關強度連結圖……………………………… 36
圖5-5 購物中心店型書籍類別之相關強度連結圖………………………… 37

參考文獻
中文部分：
1.中華民國行政院新聞局，2008，圖書出版產業調查。
2.牛田一雄、高井勉、木暮大輔等，2006，資料採礦利用Clementine使用手冊，陳耀茂編審，鼎茂圖書，台北市。
3.林奇伯、林佩萱，2010，2300萬人的閱讀力總體驗-閱讀救臺灣，遠見雜誌，292期，頁104~112，10月，台北。
4.季延平，1999，認清CRM的真貌，資訊與電腦。
5.施淳瑄，2001，台灣網路書店經營型態對服務品質、知覺風險、顧客行為意圖影響之探討，國立政治大學企業管理研究所，碩士論文。
6.韋瑞、鄭宇庭、鄧家駒、匡宏波、謝邦昌等，2003，Data Mining概述以Clementine 7.0為例，中華資料採礦協會。
7.陳倩婷，1992，連鎖書店經營策略之研究，國立中興大學企業管理研究所，碩士論文。
8.陳智揚，2006，有效率的複合式後項關聯式法則探勘演算法-以壽險業為例，淡江大學資訊工程學系碩士班，碩士論文。
9.陳文華，1999，應用資料倉儲系統建立CRM，資訊與電腦，頁122~127。
10.康瀞尹，2005，應用資料探勘技術於顧客關係管理之研究-以台灣華歌爾公司為例，實踐大學企業創新發展研究所，碩士論文。
11.陳姿穎，2004，台灣家居用品店顧客關係管理商業智慧模式建置之研究-資料探勘技術之應用，國立台北大學企業管理學系，碩士論文。
12.彭文正譯，2001，資料採礦顧客關係管理暨電子行銷之應用(初版)，數博網資訊，台北。
13.經濟部商業司編印，1996，商業資訊管理參考系列叢書-書店篇。
14.蔡秀蘭，2003，顧客關係管理應用在便利商店之研究-以校園萊爾富便利商店為例，臺中健康暨管理學院資訊科技管理研究所，碩士論文。
15.鄭翠琴，2003，資料探勘應用於顧客關係管理之研究-以零售業為例，國立台北大學資訊管理研究所，碩士論文。
16.謝邦昌、葉瑞鈴，2000，“統計在資料掘取之應用”，主計月報，第530期，頁67~84。

英文部分：
1.Agrawal, R., Imielinski, T., and Swami, A., 1993, “Mining Association Rules Between Sets of Items in Large Databases”, In Proceedings of ACM SIGMOD Conference on Management of Data, Washington, D.C, pp. 207-216.
2.Agrawal, R., and Srikant, R., 1994, “Fast Algorithms for Mining Association Rule in Large Databases”, In Proc. Int’l Conf. VLDB, pp. 487-499.
3.Anand, S.S., Patrik, A.R., Hughes, J.G., and Bell, D.A., 1998, “A data mining methodology for cross-sale,” Knowledge Based System, Vol. 10, No.7, pp.449-461.
4.Berry, M. J. A., and Linoff G., 1997, “Data Mining Technique: For Marketing, Sale and Customer Support”, John Wiley and Sons, Inc.
5.Berson, A., Smith, S. and Thearling, K., 2001, Building Data Mining Application for CRM, New York, McGraw-Hill, Inc.
6.Curt H., 1995, “The Devil’s in the Detail:Techniques, Tools, and Application for Data mining and Knowlegde Discovery-Part 1”, Intelligent Software Strategies, Vol. 6, No. 9, pp. 1-15
7.Cheung, D.W., Han, J., Ng, V. T., Fu, A. W. and Fu, Y., 1996, “A Fast Distributed Algorithm for Mining Association Rules,” In Proceedings of 1996 International Conference on PDIS’96, Dec.
8.Chen, M.S., Park, J.S., and Yu, P.S., 1998, “Efficient Data Mining for Path Traversal Patterns,”IEEE Trans. Knowledge and Data Engineering, Vol. 10, No. 2.
9.Fayyad., 1996, “Data Mining and Knowledge Discovery:Making Sense out of Data, “ IEEE Expert, Vol.11, No.5, PP.20-25.
10.Frawley. W. J, Paitetsky-Shapiro. G, and Matheus. C. J., 1991, Knowledge Discovery in Database:An Overview, Knowledge Discovery in Database, California, AAAI/MIT Press, pp1-30.
11.Gordon, S. L., 1999, “CRM: aka, the Intelligent Enterprise?” Intelligent Enterprise.
12.Giudici, P. & Passerone, G., 2002, “Data mining of association structures to model consumer behavior,” Computational Statistic & Data Analysis, pp.533-541.
13.Han J. and Kamber, M., 2000, “Data Mining: Concepts and Techniques,” Morgan Kaufmann Publishers.
14.Motoda Hiroshi, Washio Takashi., 2000, “Extention Of Association Rule Mining For Structured And Numerical Data”, JSAI, Vol. 15, No. 5, pp.759-767.
15.Peacock, P.R., 1998, “Data Mining in Marketing:Part1,” Marketing Management, Vol. 6, No. 4, pp. 8-18.
16.Rigby, D.K., Reichheld, Frederich F., and Schefter, Phil., 2002, “Avoid the Four Perils of CRM”, Harvard Business Review, Feb., pp101-109.

網站資料：
1.全國新書資訊網站資料，2010，資料來源：http://lib.ncl.edu.tw。
2.行政院主計處，2009，家庭收支調查，資料來源：http://www.dgbas.gov.tw/ct.asp?xItem=19882&CtNode=3241&mp=1。