应用资料采矿於网路购物之分析和推荐.docVIP

PAGE 20 應用資料採礦於網路購物之分析與推薦 許湧銘 謝正瑋 許琬渝 吳水淇 中國科技大學資訊管理系 HYPERLINK mailto:thomas@cute.edu.tw thomas@cute.edu.tw 雷欽隆 國立台灣大學電機工程研究所 lei@cc.ee.ntu.edu.tw 摘要 網路購物是未來的趨勢，在企業經營方面，顧客關係管理是目前較著重的理念，我們就網路購物這個市場區塊來進行CRM分析，要長久經營網路購物，我們必須從顧客方面來研究對策，以便產生有利的經營方向。顧客關係管理是目前我們傾向研究的方向之一。以網路中所取得的顧客資料去加以分析出我們想要的資訊。而利用此資訊我們可以發掘出有利購物網站所需要的資訊。 我們的研究方向主要是利用資料採礦（Data Mining），針對不同的顧客族群，探討顧客的特性，以提供我們分析顧客的參考依據。針對顧客做產品購買特性的多方面分析，利用顧客購買的記錄，對顧客細分以及重點化，找出忠誠度高以及可能流失或者是潛在顧客的顧客群，進而提供決策者作為行銷策略的依據以及個別推薦商品。 我們可以從關聯規則、決策樹、分群、時間序列、預測模式的原理去加以研究。我們發現從關聯規則，可以得知顧客在消費時會同時購買什麼類型的商品。在決策樹中，如果將顧客的資料依據其特性加以分類，利用各項不同的變數，可以判斷及預測可能產生的結果。以分群的方式，將顧客依不同屬性與偏好分群，根據分群後的結果給予個別的行銷。依照時間序列的規則，可以針對某一產品做下週銷售量的預測，找出特定產品的銷售量，以整合時間序列的資料，找出有利於我們的趨勢或模式。利用這些決策，發掘我們所要的預測值。 以顧客為導向的商業趨勢，掌握顧客群動向，迎合消費者的消費習慣與需求，推薦適當的個別化的產品及服務，進而與顧客建立長期之互動關係，提高顧客滿意度與顧客忠誠度為企業重要目的。若能使用推薦系統，經由顧客在網站上的瀏覽記錄、個人基本資料，歷史消費紀錄為基礎，進行資料探勘，運用聯合分析與關聯規則的推薦系統，可建議使其有興趣的商品，增加網站之購買率。有效地運用資料探勘的技術從大量的資料庫中挖掘出完整知識，以推薦適當的資訊給使用者的推薦系統，以解決資訊過載的問題，加速產品與使用者之匹配，達到個人化之目標，提高購買率。一對一地推薦消費者產品，不僅節省消費者時間，同時也是一種創造顧客價值的行銷，而與顧客建立長期合作關係的方式。 本研究進行顧客消費行為特徵與樣式之擷取，並且計算這些顧客群組之特徵，作為遺傳演算法(Genetic Algorithms, GA)中適應函數(fitness function)的評估分數。應用GA對非線性之問題求解有較強的搜尋解的功能，可同時考慮商品組合與分群顧客特性，以演化出一組符合顧客群消費特徵的商品組合，推薦適當的商品組合給符合其需求的會員。 關鍵字：資料採礦、顧客關係管理、商品推薦、遺傳演算法 壹、序論 一、研究動機 由於網際網路的蓬勃發展，由網路延伸的商機正是目前可以去發掘、探討的一大現象。為了配合現代人忙碌的生活作習，網路購物的興起已經是近年來的主要潮流之一。如何將現今最普及的商業活動-購物網站，推廣到每個消費者的身邊是本研究所需探討的課題之一。 正是因為近年來網路購物的商機無窮發展，而且常常可以以最低的成本來獲得最高的利潤，因此使得進入這個市場的門檻不高，而大批的投資者就是看中了如此高的獲利，而積極的投入此市場，促使獨自創業的機會大增。然而也因為大批的投資者投入網路購物市場，而容易造成經營不善、容易形成泡沫化市場，所以網站要如何吸引消費者瀏覽，如何提升消費者的滿意度及忠誠度，如何能讓消費者在網站上停留的時間增長或是選擇再次回流此網站來選購商品，這都是獲得競爭優勢的重要關鍵。 為了有效長期的經營購物網站，因而必須思考如何捉住每一個線上消費者。以經營者的角度來看，為了可以使消費者能在消費購物時，達到使用上的需求滿足並且會在選擇回流此網站購物。如果可以針對每個消費型態的顧客去做分析，研究出有效的行銷策略，就可以達到消費者與經營者雙羸的局面。 然而在這個科技進步的時代，資訊的取得是愈來愈容易，但也因如此，數量十分地龐大，如何在龐大的資料量中，找出最有用的資訊，因此資料探勘（Data Mining）所扮演的角色，相對來說，也愈來愈重要。資料探勘（Data Mining）可以幫助消費者及經營者找出對雙方而言都是有幫助且重要的資訊，並且可以提升企業在整個市場的競爭力。再加上隨著現在是以顧客為重心的商業趨勢走向，所以藉由資料探勘（Data Mining）對顧客作相關分析結果，來了解顧客的喜好及消費動向，並對顧客給予個人化的行銷策略來滿足顧客的需求，進而達到與顧客建立良好的互信與互動關係，提升顧客的滿意度。 本研究將利用資料探