信息化_-_数据挖掘_-_以两阶段资料采矿分群方法运用於.pptVIP

商業自動化期中分組報告 第十組 以兩階段資料採礦分群方法應用於顧客關係管理和獲利績效評估之實證研究 壹、緒論 由於市場競爭激烈化，對企業來說，不得不重視顧客忠誠度這個議題。 透過CRM資訊技術的運用，提升顧客忠誠度，是個相當重要的課題。 貳、文獻討探 一、客戶關係管理 整合前端顧客接觸系統與後端企業作業系統的企業策略，然後從大量顧客的歷史交易資料中，找出對企業最具利潤貢獻度的客戶群，以協助建立或改善企業在行銷、銷售、服務等運作的核心企業流程。最終目的達成開發新客戶、保留舊客戶及提升顧客利潤貢獻度的目標。 ?CRM的導入過程：客戶識別 區隔 互動 客製化 ?CRM的應用範圍：合作型 作業型 分析型 二、客戶價值分析 ?顧客分類與區隔方式：活躍 靜態 潛在 疑似 無利潤 ?顧客忠誠度：RFM模型 顧客獲利性衡量 顧客價值矩陣 三、資料採礦 ?Data Mining的運作流程 ?Data Mining功能種類：驗證驅動資料採礦 發現驅動資料採礦 ?傳統統計分析與類神經網路之分群方式： 第一階段分群：自我組織圖 第二階段分群：K-Mean 參、研究架構與方法 一、整合資料採礦技術之顧客關係管理運作架構 系統的資料採礦將顧客分群作業，將產生的顧客名 單匯至前端的CRM流程中，並將取出的目標顧客群的資訊與行銷活動相結合，且展開各項行銷活動，再依回應情況的資訊整合至前端的CRM執行，控制系統，進一步了解CRM的績效表現，並不斷紀錄CRM活動以有效學習顧客知識，使封閉式針對個案提出整合DM技術的CRM流程架構: (1)前端作業環境 (2)後端分析系統 由後端分析的CRM系統可實現顧客獲利、保留及增加顧客獲利性的目標。 (一)LRFM資料模型 為進行“非監督”的兩階段分群作業，須從顧客交易資料庫中，將 L、R、F、M 四個輸入變數資料匯入採礦資料庫內，以提供DM分群作業所需之資料。 L: 指顧客第一次與最後一次交易日間的長度，L越長表示顧客與企業所建立之交易關 係越長 顧客保留長度。 R: 指顧客最後一次交易日與分析日間的長度，當R大於特定的期間時，表示顧客為靜 態顧客。 F: 指顧客在特定期間內發生交易的天數，同一天有多次的交易。 M: 指顧客獲利性。  (二)資料採礦前置處理流程 為了使LRFM模型的資料能夠順利且正常地進入採礦資料庫，在實際進行DM分群作業前，須先進行採礦前的咨療前置處理: (1)針對2001/6/31~2001/12/31 期間有交易的顧客(活躍顧客)，透過SQL將LRFM資料模型從歷史交易資料庫中將每位活躍顧客的LRFM資料匯入採礦資料庫，以“標準差”進行離群分析。 (2)為使兩階段的分群作業不受單位不一致性的影響，須將ＬＲＦＭ的資料進行標準化（及資料介於０～１之間）。 (三)兩階段分群過程 　　兩階段分群方式是由類神經網路的ＳＯＭ與統計方法中得叢集分析構成， 　　屬“非監督式“的學習方法。 　(1)第一階段分群：在ＩＢＭ　ＩＮＴＥＲＬＬＩＧＥＮＴ　ＭＩＮＥＲ中的ＳＯＭ所需　設定的參數有輸出層的維度與處理階段數。 　　輸出維度：所有聚類的數量，處理階段則是學習得次數。 (2)第二階段分群：Ｋ－ＭＥＡＮ分群系統德參數設定有收斂質與學習次數，距離衡量是採歐幾里得方式，每次學習平均總距離越小時，收斂品質越高。 　 二、群體樣式分析 （一）顧客關係類型矩陣 　　提出以Ｌ與Ｒ兩個變數而形成顧客關係類型矩陣，目的在了解