论文研讨-myweb.pptVIP

資料探勘技術應用於航空業顧客再搭意願區隔與服務滿意項目組合之分析Data Mining Techniques Applied in Airline Industry to Explore Segmentation of Repurchase Intentions and the Best Service Items Mix on Custormer Satisfaction 指導教授: 胡凱傑老師 企碩專家珍 報告大綱 觀光研究學報第12卷第2期 (95年) P139~154頁 摘要 緒論 文獻探討 研究方法 資料分析結果 結論與建議 摘要 一、背景 : 高鐵營運後(96年)，國內航空業面臨競爭和挑戰 ，在有限旅客巿場，保留顧客與增加再搭意願 是各家航空關注的顧客管理問題。 二、研究範圍： 1、以國內某航空公司的顧客資料庫為例 2、C4.5決策樹的資料探勘：不同再搭意願旅客之服務 品質區隔，分析不同區隔之服務品質需求與顧客屬性 　　　　之差異。 3、購物籃分析：挖掘區隔的旅客中有高滿意度之 服務品質的組合。 緒論 主要研究問題： 1．再搭意願高之旅客，是滿意那些服務項目? 2．旅客滿意那些服務項目，可使滿意度較易提升? 決策支援系統DSS中的資料探勘方法(Data Mining，DM) 1. 從大量資料中探勘出有價值但不易被發現的資訊 與知識(Berry and Linoff, 2004) 2. 以人工智慧方法克服統計方法之線性限制(Dutta and Shekhar,1988) 3. 最熱門使用的決策樹與購物籃分析： 　應用於服務業預測顧客需求與偵測區隔屬性的管理 4. 航空業曾使用於:資料探勘飛機維修系統找出機件 問題 研究概念及目的 文獻--資料探勘 一、資料探勘：近年來隨著人工智慧和資料庫技術 發展而崛起的新興應用技術(林傑斌, 劉明德,2002) 二、本研究是知識發現的過程( knowledge discovery 　　　　　　　　　　　　　　　　in database,KDD) KDD—以自動或半自動方式將資料中有意義規則 或知識探勘出來(Fayyad et al.1996; Sriknt 　　　　　　and Agrawal,1996; Berry and Linoff, 2000,2004) 三、KDD流程：定義問題?資料選取?處理? 　　　 使用探勘技術 ? 解釋探勘結果。 四、資料探勘的任務及方法：分類、推估、預測、 關聯分組、集群化與描述等六任務，每一項任務可 由不同探勘技術達成，正確選擇方法將使結果更正 確且有益。 文獻--決策樹 1．分析結果是以樹狀圖呈現，易讓使用者了解。 2．計算過程採遞迴結構方式來表示分類法的規則 （Moshkovich, Mechitov and Olson, 2002)。 根節點(母體) (root node) 子節點 (child node) 路徑代表 一個分類規則 葉節點 (leaf node) C4.5決策樹：是Quinlan(1993)提出 1. 可處理連續與名目型態的獨立變數 2. 資料可以是離散或連續值，所分裂枝葉數不受限制的擴展。 3. 主要透過用熵(entropy)計算資訊量(information gain)， 分類屬性選擇標準是獲得量比值(gain ratio, 或增益 　比例)。 熵：「亂度」，表示母體中預測變數分布的分散狀況， 亂度越高,越無規則，因此演算的目標是希望降低 資料分類結果的亂度。 增益比例gain ratio ＝母節點與子節點的亂度差，除以 分割資訊量(split gain) 當分割資訊量值越大，相對比值越小，分類純度越高。 購物籃分析 一、利用關聯規則(Association Rule)說明事件之間的相關 　 性和組合，Agrawal, lmilienski and Swami(1993)提出 用「if…then…」表示發掘顧顧客連續滿意了哪些服務項