行销资讯系统教学教案.pptVIP

Chapter 11 智慧型行銷資訊系統;本章學習綱要;課前案例 金控如何e統;第一節 人工智慧;第一節 人工智慧;表11-1 人的智慧與人工智慧之比較;第二節 智慧型行銷資訊系統;圖11-1 智慧型行銷資訊系統;第二節 智慧型行銷資訊系統;第二節 智慧型行銷資訊系統;第三節 智慧型行銷資訊系統與 專家系統;專家系統(expert systems, ES) 專家系統是從專家獲得專門知識和並將這個知識存儲在電腦中的決策工具，以及作為能夠使用人類專長和知識知識來解決問題的一個電腦系統。 專家系統是能夠仿效人類專長之某些功能的電腦程式，且現下他們在商業的許多範圍中被使用。;專家系統(expert systems, ES) 專家系統是一個訊息處理系統，它處理現實世界中提出需要由專家來分析和判斷的複雜問題。也就是說，一個專家系統的任務，就是要解決某個專門領域中需要專家才能解決的問題。;圖11-2 專家系統的架構;圖11-3 專家系統的 詳細運作結構;構成專家系統的主要元件 知識工程師(knowledge engineer) 知識庫(knowledge base) 推論引擎(inference engine) 使用者介面(user interface);專家系統的運作方式 先透過知識工程師操作知識獲取工具，取得領域專家的知識，並以專家系統所能存取、理解、與推論的表現方式，儲存在專家系統的知識庫中。 使用者透過使用者介面運用文字、圖形、聲音等和專家系統交談，並以一問一答的方式進行交談，以輸入所需資料或資訊。 而專家系統在和使用者交談後，利用專家系統的推論引擎及知識庫，推論出適當的解答。;表11-2 專家系統與傳統程式之比較;表11-2 專家系統與傳統程式之比較;榮泰生(1992)也有不同的觀點 傳統的程式設計是逐步式的，其解決步驟是外顯的；但專家系統程式是啟發式搜尋，其解決步驟則是內隱的。 傳統的程式設計是非常複雜的，需要有經驗的程式師；而專家系統的知識庫則很容易閱讀與修正。;榮泰生(1992)也有不同的觀點 傳統程式設計師的程式撰寫並不需與專家接觸，而專家系統需經常與專家接觸，以對問題產生初步的瞭解、問很多問題及提出系統的雛型等一系列嘗試錯誤的方法來發展專家系統。 傳統的程式設計裡可找到最佳的答案；而???家系統則只能找到令人滿意的答案。;圖11-4 專家系統發展過程;專家系統的開發過程包括六個步驟 界定問題的範圍。 選擇適當的該領域專家。 選擇軟硬體工具。 專業知識規則化。 建立專家系統雛型。 反覆評核系統成效及可接受性，並不斷改進，直到系統可以解決實際問題的效能。;圖11-5 專家系統的 開發過程;專家系統在行銷上的應用領域 專家系統在行銷組合中產品構面的應用。 專家系統在行銷組合中定價構面的應用。 專家系統在行銷組合中通路構面的應用。 專家系統在行銷組合中推廣構面(廣告、銷售促進、人員推銷、公共關係、直效行銷)的應用。;專家系統在行銷上的應用領域 專家系統在顧客管理的應用。例如，偵測可能會流失的顧客。 專家系統在行銷相關報表的應用。例如，掃描銷售資料庫中的各項產品，然後利用專家系統來判別產品資料的重要趨向。 ;適合使用專家系統的情況有三 要被解決的問題必須具有清楚的定義和較小的特定範圍。 必須要有問題領域的專家，而且能夠清楚而有條理的表達出他們的專業意見，以作為知識庫的推論規則。 專家系統開發的成本應低於所獲得的利益。換句話說，專家系統應該在技術面、經濟面及實作面都具備可行性。;資料探勘(data mining)之定義 藉由自動或半自動的方式對於大量資料進行探索及分析，從中找到有意義的樣式(patterns)或法則(rules) 。 知識探索所有的活動及過程，是為了從資料中找到有用的樣式，其包括運用資料探勘的演算法，以及對於知識的事後處理或再處理，找到解決問題的關鍵原因。 ;資料探勘(data mining)之定義 知識是潛藏於資料之中，透過資料探勘的方法，可以對於特定問題領域得到問題解決的建議及答案。 ;圖11-6 整合多項領域之資料探勘;資料探勘主要包含五項功能 關聯分組(affinity grouping) 集群(clustering) 分類(classification) 推估(estimation) 預測(prediction);資料探勘之步驟 定義問題目標 資料處理 資料探勘 結果分析 知識的合併;圖11-7 資料探勘步驟;類神經網路 類神經網路(neuron network)是一種計算系統，包括軟體與硬體，它使用大量簡單的相連人工神經元來模仿生物神經網路的能力。 人工神經元是生物神經元的簡單模擬，它從外界環境或者其它人工神經元取得資訊，並加以非常簡單的運算，並輸出其