關於資料探勘應用於顧客流失的相關研究並不多，以下就相關的 研究整理羅列於下：
蔡永恆(民 89)使用 IBM 所開發的 Intelligent Miner 資料探勘 工具軟體，分析國內一家銀行的 ATM 自動櫃員機交易記錄，並以記錄 中顧客所使用過的金融服務進行顧客分群，進而分析各群顧客的特 性。研究的結果有助於銀行業找出不同顧客群的消費特性及合適的金 融商品，以增加顧客滿意度，達到保留顧客的目的。
宮政達(民 90)以國內一家加油站現有資料，針對顧客價值做保
45
留分析，其中包含流失率分析、異常交易分析與佔有率分析等。在流 失分析方面，利用決策樹表示流失狀況，所使用的特徵值有會員層 級、消費頻率、及消費週期，結果預測流失之準確度達 84.8%。
邱義堂(民 90)運用 C4.5 決策樹歸納技術並配合多專家決策 (Multi-Expert Strategy)分類方法，對國內一家行動電話業者客戶 者的大量通聯記錄進行分析，探索客戶退租前通話行為變化，從中尋 找流失徵兆。實證結果，利用其流失模型，選取 10.03%的全體客戶，
平均可預測出 50.64%的「會流失客戶」；選取 29.00%的全體客戶，
平均可預測出 68.62%的「會流失客戶」。
吳坤泉(民 91)運用羅吉斯迴歸(logistic regression)分析國內 一家行動電話業者客戶的人口統計資料及使用資料為，探索客戶流失 前後通話行為變化，從中尋找流失徵兆，並進一步對流失用戶作問卷 電話訪談。研究主要結論有：一、每月平均通話費、平均每通話費與 使用量對流失與否關係顯著；二、性別與租用期間對用戶流失與否的 影響並不顯著；三、申裝原因與用戶流失與否關係顯著。
蔡明憲(民 91)運用流失模式學習器及策略模組建構器的混合式 的架構，對國內一家電信業者之客戶歷史紀錄資料進行分析。結果顯 示，已建構完成的流失模式學習器大約有百分之八十五的正確性，已 建構的策略模組目前並無適當資料加以評估，
46
陳麒文(民 91)利用資料探勘分類技術中的鑑別分析、羅吉斯迴 歸、類神經網路、多元適應性雲形迴歸等方法，建立中興健身俱樂部 之顧客流失分析模式，並由顧客流失分析模式來瞭解流失顧客之重要 特徵。研究結果：一、由資料結構中瞭解中興健身俱樂部顧客的組成 結構；二、多元適應性雲形迴歸的整體分類績效最佳達 86.52%；三、
最佳流失分析模式所找出的流失顧客特徵為：年齡介於 30∼35 歲、
會齡為一年到二年、月繳 2,500 元的月費且以現金支付費用的會員。
王秀育(民 92)運用不同的資料探勘技術，建構無線電信業者客 戶流失預測模式，並經由效能比較，提出一個較佳的預測模型。結果 顯示：一、利用客戶的基本資料、合約/服務狀況、通話明細、及客 服相關資料等所建置的模式，能有效地達到準確的預測。二、資料探 勘技術的選擇，決策樹或類神經網路，均可達到不錯的預測準確度。
王正雄(民 92)利用遺傳規劃法，分析直銷化妝品市場顧客的基 本資料及銷售歷史資料，並將顧客終身價值納入了評估指標，由顧客 終身價值的高與低，判斷顧客流失機會的高與低。研究結果成功地建 構了所有顧客流失率高的模型與高淨值顧客流失率高的模型，這兩個 模型的產生，可以成為企業在擬定行銷策略時的一項參考。
陳怡妃(民 92)利用鑑別分析、類神經網路及整合類神經網路與 多元適應性雲形迴歸，建構國內某健康休閒俱樂部的顧客獲利性保留
47
模式。結果顯示，整合模式整體鑑別正確率最高、誤置成本最低且模 式運算時間最短，為最佳顧客鑑別模式。
柳靜慧(民 92)運用分群方法中的 K 平均值法(K-means)與自我組 織映射圖( Self-organizing Maps, SOM)，分析電信顧客的基本資料 與合約資料。結論如下：K-means 在分群效果上是有其一定的分群能 力，而 SOM 的分群結果比 K-means 的分群效果更好，經過測量增益值
Intelligent Miner 宮政達
48