以資料探勘技術發展保險客戶忠誠度之商業智慧-建國科技大學.docVIP

商業智慧 劉佳灝 建國科技大學 資訊管理系 摘要 。 關鍵字：、忠誠度、、客戶關係管理 1 緒論 降低了買賣雙方的資訊不對稱性，消費者在議價能力提升的同時，卻也經常呈現出忠誠度的行為表現。特別是。 。本研究客戶意見回應資料資料探勘技術，，其目的在於可供辨識忠誠度的決策模式，。2 文獻探討 2.1 所謂商業智慧(Business Intelligence, BI)是以一組技術及產品來提供使用者解決商業問題所需的資訊，以支援戰略性和策略性之商業決策(White，。2.2 客戶關係管理 ，，2.3 客戶滿意度 ，，2.4 客戶忠誠度 Johns，，依據學者的研究，客戶的忠誠度可以分成表示願意繼續使用的「再購意願」以及願意向他人推薦的「推薦意願」兩方面(Jones Farquhar，2003)。 3樣本資料特性 本研究。除了受訪者的個人基本資料外，參酌相關研究後，與本研究目的相關之重要屬性共個變數。 表. 樣本特性分析 個人基本屬性 性別 男生(52%)女生(48%) 年齡 教育程度 大學(55.44%)、研究所(22.80%)、 專科(16.06%)、高中（職）(5.70%) 職業 工(7.25%)、公(1.55%)、自由業(4.66%)、其他(19.69%) 、 軍警(1.55%)、家庭主婦(0.52%)、商(21.76%)、教(2.07%)、 無(1.04%)、學生(39.90%) 月收入 20000元以下(36.27%)、20001元至30000元(13.99%)、 30001元至50000元(24.35%)、50001元至70000元(13.99%)、 70001元至100000元(6.22%)、100001元以上(5.18%) 4發展客戶忠誠度 本研究使用SPSS Clementine軟體工具，利用資料探勘技術分別針對再購性忠誠度與推薦性忠誠度進行資料探勘，以建立出客戶忠誠度之商業智慧；同時，對各忠誠客戶群體以及非忠誠客戶群體的特性進行分析，已深入了解不同群體的特徵差異。基於研究需求，在經過基本的資料前置處理後，我們另外定義並產生了「再購」「推薦」「」屬性。 4.1 再購忠誠 在資料集合中的樣本資料，對於「再搭乘該航空公司的意願」反應出「高」或「非常高」的資料記錄，將其定義為「再購忠誠度」並以「忠誠」作為標記；而將反應「低」或「非常低」的資料記錄標記為「非忠誠」；其它反應「普通」的樣本，因無法直接判定其再購意願與忠誠度，因此在步驟中暫時將其移除，以避免影響分析結果。此步驟中，有效的資料樣本數共318筆。本研究使用C5.0決策樹演算法，利用分類模式來建立旅客對於再購意願的決策模式，以作為對於其他旅客進行再購忠誠度的預測。 經由實作所建立的決策模式之樹狀結構如下圖1所示，而從圖2的模式摘要可以發現，對於客戶再購忠誠度具有明顯便是能力的屬性主要在於消費者過去的消費經驗所產的映像與觀感，包含:該航空公司能給於乘客舒服的感覺、該航空公司是可以被消費者信賴的、客艙舒適度，以及搭乘該航空公司能反映消費者的個人風格等因素。此外，就消費者的消費習慣而言，購物地點的便利性對於再購忠誠度亦會所影響，分析結果顯示機票訂購與取得的便利立性，對飛機乘客的再購意願具有一定的影響力。 所建立完成的再購忠誠度決策模式，我們亦可以透過文字的方式將其描述成規則的型式，如圖3。利用此一決策模式，可以作為日後預測客戶再購忠誠度的預測模式。經由實驗測試，本研究所建立完成之再購忠誠度決策模式，在預測能力上可以達到92.45%的正確性，如圖4所示。 4.2推薦忠誠 對於客戶忠誠度的討論與分析，涉及到再購性與推薦性兩個夠面，因此在利用資料探勘技術，完成再購忠誠度的商業智慧之後，本研究亦對客戶的推薦忠誠度進行商業智慧的發展與建立。我們將資料集合中，對於「願意推薦該航空公司給親友的意願」反應出「高」或「非常高」的資料記錄，將其定義為「推薦性忠誠度」並以「忠誠」作為標記；而將反應「低」或「非常低」的資料記錄標記為「非忠誠」；此外，捨棄資料集合中，無法直接判定其推薦意願與忠誠度的部份集合。同樣的，我們使用C5.0決策樹演算法，利用分類模式來建立旅客對於再購意願的決策模式，利用資料集合中的其它屬性資料作為決策考量的測試屬性，將資料記錄分類至分別代表具有推薦忠誠度的「忠誠」與不巨推薦忠誠度的「非忠誠」類別中，用以建立客戶推薦忠誠度的決策模式，以便日後供作用來判定某客戶是否具有推薦忠誠的預測。經由實作所完成的推薦忠誠度決策模式，我們以樹狀結構表示如圖5所示。 對於客戶推薦忠誠度的決策模式而言，具有推薦忠誠度辨識能力的主要屬性是航空公司能否給於乘客舒服的感覺，此外消費者本身的消費購物習慣對於其推薦意願議會造成影響，主要是在對於購物地點便利性的要求，以及喜歡購