跳到主要內容

臺灣博碩士論文加值系統

(44.212.99.208) 您好!臺灣時間:2024/04/17 18:09
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:陳震軒
研究生(外文):Chen-Hsuan Chen
論文名稱:運用RFM模型於手機遊戲交易分析之行銷策略分析研究
論文名稱(外文):A study of analyzing mobile games transactions using RFM model and data mining techniques
指導教授:蕭瑞祥蕭瑞祥引用關係
指導教授(外文):Ruey-Shiang Shaw
口試委員:施盛寶陳灯能蕭瑞祥
口試委員(外文):Sheng-Pao ShihDeng-Neng ChenRuey-Shiang Shaw
口試日期:2018-06-02
學位類別:碩士
校院名稱:淡江大學
系所名稱:資訊管理學系碩士在職專班
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:2018
畢業學年度:106
語文別:中文
論文頁數:52
中文關鍵詞:RFM模型資料探勘應用程式內購買手機遊戲決策樹
外文關鍵詞:RFM ModelData miningIn-App Purchase IAPMobile gameDecision tree
相關次數:
  • 被引用被引用:3
  • 點閱點閱:391
  • 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
智慧型手機逐漸普及連帶使各種手機遊戲發展快速,虛擬寶物的交易或是應用軟體內購買的交易資料量也快速成長產生巨量資料,本研究期望能探討分析交易資料提供並訂定出更精準的分類模型。
本研究使用某手機平台2017上半年度手機線上遊戲主要實際交易紀錄,經資料探勘分析發現運用RFM(Recency Frequency Monetary)客戶價值分析並運用客戶五等分法建立模型能夠成功分類手機遊戲公司與主要遊戲獲益類別,將模型結果進行決策樹分析,運用專家訪談來針對個別分類的手機遊戲做行銷規劃與建議,本研究模型希望有助於分析手機線上遊戲交易量並規劃出更合適的銷售模式。
Smartphones getting more popular and brings mobile games growing very fast, They bring huge transaction data by virtual properties and In-App purchase. This study would like to analysis the transaction data and make the classification of model precisely.
This study used main transaction data from first half of 2017 on a platform, Use RFM(Recency Frequency Monetary ) model and build a model by customer quintiles could successfully classify mobile game company and the category of mobile game’s company revenue , This model will be test by decision tree, The result will use at expert interviews and hopefully could get some planning and suggestion from marketing experts. This model would be more helpful to analysis mobile game transactions and get suitable business mode from this study.
主目錄 VIII
表目錄 X
圖目錄 XI
第一章、緒論 1
第一節、研究背景與動機 1
第二節、研究目的 2
第三節、研究流程與論文架構 2
第二章、文獻探討 4
第一節、RFM客戶價值分析 4
第二節、客戶價值 5
第三節、應用程式內購買 6
第四節、應用分析 8
第五節、決策樹分析 9
第三章、研究方法 11
第一節、研究方法與研究步驟 11
第二節、研究流程 12
第三節、研究範圍與研究對象 14
第四節、研究施行方式 15
第五節、研究工具 17
第四章、資料分析與結果 18
第一節、資料收集與分析 18
第二節、客戶價值分析與資料處理 21
第三節、資料探勘與模型分析 23
第四節、決策樹分析 29
第五章、研究討論 43
第六章、結論與建議 46
第一節、研究結論 46
第二節、管理意涵 46
第三節、研究限制 48
第四節、未來研究建議 48
參考文獻 49

表目錄
表3-1 手機遊戲主要類別 14
表3-2 本研究之資料來源欄位 15
表3-3 RFM客戶指標定義 16
表4-1 2017年1-6月份交易金額總計 18
表4-2 交易金額前20名統計 19
表4-3 客戶價值RFM分級參數說明 21
表4-4 本研究資料RFM加權分析表 23
表4-5 決策樹分析結果整理 27
表4-6 專家訪談人員背景介紹 32
表4-7 專家訪談內容彙整 33


圖目錄
圖1-1 研究流程 3
圖3-1本研究步驟 11
圖4-1 WEKA軟體主功能操作頁面 24
圖4-2 WEKA資料匯入顯示頁面 25
圖4-3 WEKA分類決策樹操作步驟 26
圖4-4 分類決策樹演算結果頁面 26
圖4-5 決策樹未修剪狀態 29
圖4-6 決策樹修剪後演示 30
中文文獻:
[1]方世榮譯,Philip Kotler著,2000,『行銷管理學 第十版』,台北市:東華書局。
[2]江振維2005,『國內線上遊戲虛擬寶物之現金交易行為研究』,元智大學資訊傳播學所碩士論文
[3]袁梅宇 著,2015,『王者歸來WEKA機器學習與大數據聖經』,台北市:佳魁資訊。
[4]許維維2009,『國中生網路虛擬財物竊盜之加害人與被害人特性分析』,臺北大學犯罪學研究所碩士論文。
[5]許雅涵、徐武永、李世能,2011,『運用RFM模型分析顧客消費行為與貢獻度之研究及應用實務-以中油會員卡顧客為例』,石油季刊,第47卷,第1期,83~100頁。
[6]創新發現誌,他們怎麼獲利… App 賺錢 4 大招,網址:
http://mag.nownews.com/article.php?mag=4-90-5799
[7]App Annie 宣布 2017 年度全球 52 强 App 发行商,網址https://www.appannie.com/cn/insights/app-annie-news/tpa2017_top52/
[8]App Annie 推出中国 Android 数据,揭示中国热门应用,網址:https://www.appannie.com/cn/insights/app-annie-news/app-annie-launches-china-android-metrics/
英文文獻:
[1]Berry, M. J., & Linoff, G. 1997. “Data mining techniques: for marketing, sales, and customer support. John Wiley & Sons, Inc,”
[2]Chalasani, S., & Shani, D. 1992. “Market Ownership: The Art and Science of Becomin, ” New York: Amacom.
[3]Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., & et al. 2000. “CRISP-DM 1.0 step-by-step data mining guide,”
[4]Craven, M. W., & Shavlik, J. W. 1997. “Using neural networks for data mining,” Future Generation Computer Systems, 13(2), pp.211-229.
[5]Distimo. 2014. Games, King of the Mobile Eco-system. Retrieved November, 2014, from http://www.distimo.com/blog/2013_11_distimo-webinar-games/.
[6]Dodds, B.W., Monroe, K.B., & Grewal, D. 1991. “Effect of Price, Band, and Store Information on Buybers Product Evaluation,” Journal of Marketing, Research, 28, 307-319.
[7]Duda, R. O., Hart, P. E., & Stork, D. G. 2001. “Pattern classification,” New York: Wiley.
[8]Guo, Y., & Barnes, S. 2007. “Why people buy virtual items in virtual worlds with real money,” ACM SIGMIS Database, 38(4), 69-76.
[9]Han J. & Kamber M. 2000. Data Mining:Concepts and Techniques, San Francisco, CA, USA:Morgan Kaufmann.
[10]Hand, D. J. 1998. “Data mining: Statistics and more?” The American Statistician, 52(2), pp.112-118.
[11]Hawkes, V. A. 2000. “The heart of the matter: The challenge of customer lifetime value,” Paper presented at the CRM Forum Resources, 13, pp. 2-10.
[12]Hiziroglu, A., & Sengul, S. 2012. “Investigating two customer lifetime value models from segmentation perspective,” Procedia-Social and Behavioral Sciences, 62, pp. 766-774.
[13]Hsu, C.L., Lin, J. C. C., 2015 “What drives purchase intention for paid mobile apps? An expectation confirmation model with perceived value,” Electronic Commerce Research and Applications,” vol. 14, pp. 46-57.
[14]Kim, S. Y., Jung, T. S., Suh, E. H., & Hwang, H. S. 2006. “Customer segmentation andstrategy development based on customer lifetime value: A case study,” Expert Systems with Applications,” 31(1), pp.101-107.
[15]Koch, R. 1998. “The 80/20 principle. the secret of achieving more with less,” Crown Business.
[16]Kotler, P., & Gary, A. 2000. “Principles of Marketing (7th ed.), ,” Prentice Hall International.
[17]Hughes, A. M. 1994. “Strategic Database Marketing,” Chicago: Probus Publishing Company。
[18]Lehdonvirta, V. 2009. “Virtual item sales as a revenue model: identifying attributes that drive purchase decisions,” Electronic Commerce Research, 9(12), 97-113.
[19]McSherry, D. 1999. “Strategic induction of decision trees,” Knowledge-Based Systems,” 12(5), pp. 269-275.
[20]Stone, B. 1995. “Successful Direct Marketing Methods, Loncolnwood,” IL: NTC Business Books.
[21]Verhoef, P. C., & Donkers, B. 2001. “Predicting customer potential value an application in the insurance industry,” Decision Support Systems, 32(2), pp. 189-199.
[22]Verhoef, P. C., & Lemon, K. N. 2013. “Successful customer value management: Key lessons and emerging trends,” European Management Journal, 31(1), pp. 1-15.
[23]Woo, J. Y., Bae, S. M., & Park, S. C. 2005. “Visualization method for customer targeting using customer map,” Expert Systems with Applications, 28(4), pp.763-772.
[24]Yada, K. 2011. “String analysis technique for shopping path in a supermarket,” Journal of Intelligent Information Systems, 36(3), pp.385-402.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊