跳到主要內容

臺灣博碩士論文加值系統

(3.236.84.188) 您好!臺灣時間:2021/08/02 20:42
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:黃柏鈞
研究生(外文):Huang, Bo-Jyun
論文名稱:以Multi-GEP建構顧客流失預警模型:以中小洗衣企業為例
論文名稱(外文):Using Multi-Gene Expression Programming in the Prediction Model for Customer Churn:The Case of Laundry SMEs
指導教授:林文修林文修引用關係
指導教授(外文):Lin, Wen-Shiu
口試委員:楊亨利楊銘賢
口試委員(外文):Yang, Heng-LiYang, Ming-Hsien
口試日期:2012-06-14
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:2012
畢業學年度:100
語文別:中文
論文頁數:92
中文關鍵詞:顧客流失基因表達規劃法M-GEPRFM模型
外文關鍵詞:Customer ChurnGene Expression ProgrammingM-GEPRFM Model
相關次數:
  • 被引用被引用:1
  • 點閱點閱:216
  • 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:1
近年來,企業策略核心逐漸轉變為以顧客為中心,其中顧客流失(Customer Churn)議題也越來越受重視。然而,現今資訊科技蓬勃發展,客戶資料及交易資訊以驚人地速度累積,正是各中小型企業(Small and medium enterprise, SMEs)提高其資訊應用能力之良好契機。企業透過IT能夠運用顧客資料及交易資訊分析出顧客行為模式,進一步建構顧客流失預警系統,以幫助企業擬定更有效的服務策略,進而提高獲利能力。據此,本研究以基因表達規劃法為基礎,並模擬群體智慧決策之概念提出以Multi-GEP建構顧客流失預警模型。模型設計結合RFM顧客價值分析技術,並且使用了GEP-RNC的概念,增加解答多樣性。為了驗證本研究模型之績效,研究設計將M-GEP模型、GP模型、改良適應值之M-GEP模型相比較。並且探討不同適應值之下模型績效狀況。
實驗結果證實,M-GEP模型績效表現優於過去研究之GP模型。並且M-GEP在兩種適應值之下模型績效皆顯著優於Single GEP,代表multi架構確實有其效果,最後透過實驗找出最適合M-GEP模型之權重設計。總之,本研究成果,能夠幫助中小企業(企業)更準確地找出流失之客戶,並且讓企業能夠依據不同的需求,使用適合的模型加以應用,再透過分析模型產出之訊號及規則,輔助企業進行服務策略之擬定。

In recent years, the core of the enterprise strategy is gradually transformed into customer-centric, and the customer churn issues are taken seriously. However, with the information technology booming, customer information and transaction data has been accumulated surprisingly. It is exactly a good opportunity for SMEs (Small and medium enterprise, SMEs)to improve the ability of its IT applications. Customer information and transaction data implied customer behavior patterns. In so doing, a customer churn warming model helps enterprises to develop service strategies more effectively furthermore improving profitability. Accordingly, the purpose of this study is to build a customer churn warning model which helps business on decision-making. In this study M-GEP is been proposed as the churn model (multi-gene expression programming, M-GEP) which combines with three GEP models. In addition, this study uses the RFM and GEP-RNC mechanism to improve the traditional GEP model.
The experimental results show that:First, the performance of the M-GEP model is superior to previous GP model. And in the two kinds of fitness test the performance of M-GEP is significantly better than the Single GEP. Proving the multi architecture does work well. Finally, through the experiment can identify the most suitable weight design of M-GEP model. In conclusion, this study can help SEMs or enterprises to solve the customer churn problems. And depend on different needs, enterprises could choose the appropriate model. Through the churn signal and the customer behavior rules mining out, enterprises could make service strategies appropriately.

第壹章 緒 論 1
第一節 研究背景與動機 1
第二節 研究問題與目的 3
第三節 論文內容架構與研究流程 6
第貳章 文獻探討 7
第一節 顧客流失問題 7
第二節 RFM顧客模型 10
第三節 遺傳演算法 12
第四節 遺傳規劃法 14
第五節 基因表達規劃法 18
第六節 文獻彙總 29
第參章 研究方法 31
第一節 研究架構 31
第二節 Multi-GEP變數選擇與定義 32
第三節 Multi-GEP顧客流失預警模組設計 36
第四節 遺傳規劃法(GP)顧客流失預警模組設計 44
第五節 實驗設計 47
第肆章 實驗結果與分析 49
第一節 M-GEP與GP之比較 49
第二節 M-GEP與S-GEP之比較 54
第三節 F2-measure適應函數設計 56
第四節 Rs+SPC 適應值權重設計 60
第伍章 綜合分析與評估 71
第一節 模型效果分析 71
第二節 模型穩定度分析 73
第三節 模型演化行為分析 78
第四節 顧客流失預警模型與管理意涵 81
第五節 顧客流失預警模型使用情境模擬 82
第陸章 結論與建議 85
第一節 結論 85
第二節 研究貢獻 86
第三節 未來研究建議 87
參考文獻 89

一.中文部分
1.王正雄,應用遺傳規劃法在顧客流失預警之研究-以直銷化妝品為例,輔仁大學管理學院資訊管理學系碩士在職專班碩士論文,2003。
2.李宙奇,貝式統計隨機模式與時間序列模式運用於顧客價值分析之比較,國立中央大學資訊管理研究所碩士論文,2004。
3.吳明輝,應用基因表示規劃法於顧客流失預測模型之研究-以某電信公司為例,天主教輔仁大學資訊管理學系在職專班碩士論文,2010。
4.邱義堂,通信資料庫之資料探勘- 客戶流失預測之研究, 國立中山大學資訊管理學系碩士論文,2000。
5.施振榮,再造宏碁:開創、成長與挑戰,台北:天下文化,2004。
6.陳伊伶,演化式計算於證券投資組合與擇時規則建構之研究,輔仁大學資訊管理系碩士論文,2011。
7.陳奕帆,演化式計算在股票型共同基金最適資產配置之研究,輔仁大學資訊管理系碩士論文,2010。
8.陳玲赬,以GEP為基礎的分類規則產生器,元智大學資訊管理學系碩士論文,2008。
9.許瀞方,現金卡客戶流失預警模型之建立,世新大學財務金融學研究所碩士論文,2006。
10.黃怡婷,演化式計算於共同基金投資組合與交易策略推薦模型建構之研究,輔仁大學資訊管理系碩士論文,2011。
11.黃華威,演化計算整合式編碼於最適投資組合建構之研究,輔仁大學資訊管理系碩士論文,2011。
12.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,輔仁大學管理學院資訊管理學系碩士在職專碩士論文,2006。
13.廖儷雪,應用遺傳程式規劃在顧客流失模型的研究-以百麗洗衣為例,天主教輔仁大學資訊管理學系在職專班碩士論文,2009。
14.蔡慧菊,基因表示規劃法於臺股期貨價格發現之研究,輔仁大學資訊管理系碩士論文,2010。
二.英文部分
1.Chen, K.C.C., & Yao, X., A novel evolutionary data mining algorithm with applications to chum prediction, Evolutionary Computation , IEEE Transactions, Vol.7, 2003, pp. 532-545.
2.Chen, Y., Jie, C., Li, T.R., Zhu, M.F., Li, C. & Zuo, J., Reduced-GEP: Improving Gene Expression Programming By Gene Reduction; Intelligent Human-Machine Systems and Cybernetics (IHMSC), 2010 2nd International Conference on, Nanjing, Jiangsu, IEEE, Vol.2, 26-28 Aug. 2010, pp. 176-179.
3.Chi Zhou, Weimin Xiao, Tirpak, T.M. & Nelson, P.C., Evolving Accurate and Compact Classification Rules With Gene Expression Programming, IEEE Transactions on Evolutionary Computation, Vol. 7, no. 6, 2003, pp. 519-531.
4.Dai S., Tang C., Zhu M.F., Chen Y., Chen P., Qiao S. & Li, C., MERGE: A Novel Evolutionary Algorithm based on Multi Expression Gene Programming, Proc. of ICNC '08. Fourth International Conference on, Jinan, IEEE, Vol.1, Oct. 2008, pp. 320-324.
5.Ferreira, C., Gene Expression Programming: Mathematical Modeling by an Artificial Intelligence, 2nd, Springer-Verlag, Germany, 2006.
6.Ferreira, C., Gene Expression Programming:A New Adaptive Algorithm for Solving Problem, Complex System, Vol.13, 2001, pp.87-129.
7.Holland, J. H., Adaptation in Natural and Artificial Systems, University of Michigan Press, 1975.
8.Hughes, A.M., Boosting response with RFM, Marketing Tools, Vol.5, 1996, pp.4-10.
9.Kaymak, U., Fuzzy target selection using RFM variables, IFSA World Congress and 20th NAFIPS International Conference, Vol.2, 2001, pp. 1038-1043.
10.KhakAbi, S. & Gholamian, M.R., Data Mining Applications in Customer Churn Management, Intelligent Systems, Modelling and Simulation (ISMS), 2010 International Conference on, Liverpool, Jan. 2010, pp. 220-225.
11.Kotler, P., Analysis, planning, implementation, and control. Marketing management, 11th ed., New Jersey:Prentice Hall, Inc, 2001
12.Koza, J.R., Genetic Programming: On the Programming of Computers by Means of Natural Selection, Cambridge, MA:MIT Press, 1992.
13.Li, Q., Cai, Z.H., Jiang, S.W., & Zhu, L., Gene Expression Programming in Prediction, Proceedings of the 5th World Congress on Intelligent Control and Automation, June 15-19, 2004, pp.2171-2175.
14.Ngail, E.W.T., Xiu, L. & Chau, D.C.K., Application of data mining techniques in customer relationship management: A literature review and classification, Expert system with applications, Vol.36, 2009, pp.2592-2602.
15.Peppers, D., & Rogers, M., Enterprise One to One: Tools for Competing in the Interactive Age, New York: Currency Doubleday, 1997.
16.Stone, B., Successful Direct Marketing Methods, NTC Business Books, 1994.
17.Wang R., Nie G.L. & Shi1, Y., Feature selection based transfer ensemble model for customer churn predictions, Computational Sciences and Optimization (CSO), 2011 Fourth International Joint Conference on, Yunnan, 15-19 April 2011, pp. 314-317.
18.Xiao, J. & He, C. Z., Structure learning of Bayesian classifier based on SODM and its application in customer classification, Journal of Management Sciences, Vol.21, 2008, pp. 54-60.
19.Xie, L.; Li, D., & Xia, J., Feature selection based transfer ensemble model for customer churn predictions; System Science, Engineering Design and Manufacturing Informatization (ICSEM), 2011 International Conference on, Vol.2, 2011, pp. 134-137.
20.Yan, L., Miller, D. J., Mozer, M. C. & Wolniewicz, R., Improving prediction of customer behavior in nonstationary environments, II Proc. of the International Joint Conference on Neural Networks, 2001, pp. 2258-2263.
21.Zeithaml, V.A., Berry L.L., & Parasuraman, A., The behavioral consequences of service quality, Journal of marketing, Vol.60, 1996, pp. 31-46.
22.Zhu, M.F., Zhang, J.B., Ren, Y.L., Pan, Y. & Zhu, G.P., Multivarible Symbolic Regression Based on Gene Expression Programming, Computational Intelligence and Design (ISCID), 2011 Fourth International Symposium on, IEEE, Vol.2, 28-30 Oct. 2011, pp. 298-301.

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊