資料探勘技術在顧客關係管理上的應用：以全家便利商店為例
7
0
0
全文
(2) 2006 工研院創新與科技管理研討會 主要分析的類型如下：. 關係管理的目的在於提昇產品與服務品質來增加. 1.時間特性分析：找出不同時段及星期與商品、銷. 顧客滿意，以維持顧客忠程度。Peppers and Rogers [12]將顧客關係管理執行流程分為顧客確認、顧客. 售量、顧客之間的關聯性。 2.商品關聯性分析：找出顧客購買商品項目間關聯. 分類、顧客互動及商品客製化四個主要流程。而 Kalakota and Robinson [11]則認為顧客關係管理可. 性。 3.消費者特性分析：找出性別、年齡、職業等顧客. 分成三個階段，分別為獲取、增強與維持。每個階 段對於顧客關係都有不同影響，且每一階段皆可讓. 特性與交易商品與時間之間的關聯性。 希望藉由了解顧客的特性與偏好，在最佳的時 間點，提供顧客最需要的產品與服務，以提升顧客. 公司與顧客的關係更加緊密。從這些學者的觀點中 不難看出顧客關係管理有著舉足輕重的地位。 本研究依據 Peppers and Rogers[13]所提出的. 的滿意度，進而建立顧客忠誠度，最後能達到店家. 流程，透過問卷和交易紀錄做顧客確認和分類，然. 與顧客長期互利的雙贏關係。 本研究內容除了緒論外，第二部分為文獻探. 後納入 Tiwana[15]提出的觀點，將顧客資訊以資料. 討，主要探討針對顧客關係管理與資料探勘相關文. 庫技術與行銷結合，再藉由資料探勘技術取得相關. 獻；第三部分為研究架構與方法；第四部分為統計. 資訊，以加強對客戶的了解，希望研擬出更適的. 摘要分析，主要以交易資料與問卷部分做出統計摘. CRM 策略。. 要分析；第五部分為資料探勘結果分析；最後為結. (2)資料探勘 隨著網際網路的快速發展，全球處於資訊爆炸. 論與建議部分。. 的時代，因此如何將資料變成有用的知識，是一大. 2. 文獻探討. 問題。資料探勘主要目的是從資料庫中挖掘出有價. 此章節以探討顧客關係管理與資料探勘兩部. 值的資訊，幫助企業做正確且有效率的決策來增進. 份相關文獻為主，分述如下。. 商機。陳虹君[3]曾提到愈來愈多企業開始使用資. (1)顧客關係管理. 料探勘來解決商業上最關鍵的問題，增加競爭優. 在顧客關係管理的定義上，許多學者提出了不. 勢。黃彦文[4]也提到能掌握資訊就是贏家，企業. 同的觀點例如，Alex [5]認為顧客關係管理在滿足大. 體只要能由已知資料找出前所未知的資訊，或比競. 部份對於企業具有價值(利潤貢獻度)的顧客需求，. 爭者了解更多的資訊，自然就有致勝的把握。邱昭. 同時也認為顧客關係管理是許多技術與觀念的發. 彰 [1]曾提到利用資料探勘來輔助企業的顧客關. 展與集合，其包含了行銷學、一對一行銷、資料倉. 係管理運作，有助於解決顧客分類、敏感度分析、. 儲、資料採礦及顧客忠誠度維繫等。而 Tiwana[15]. 顧客行為分析、流失分析、顧客分群等問題。由此. 認為顧客關係管理以資料庫技術與行銷結合，加強. 可見，資料探勘在顧客關係管理之應用逐漸備受重. 對顧客的瞭解，幫助企業把焦點放在顧客上，提供. 視。. 更佳服務，有助於顧客的識別、獲取與保留。Bhatia. 根據 Frawley [7]對資料探勘的定義是從資料. [6]認為，顧客關係管理是利用軟體與相關科技的支. 庫中挖掘出未知、潛在有用的資訊過程。Grupe and. 援，針對銷售、行銷、顧客服務與支援等範疇，自. Owrang[9]則認為資料探勘是指從已經存在的資料. 動化與改善企業流程。而陳文華 [2]認為，客戶關. 中 挖 掘 出 新的 事 實 及 專家 仍 未 知 曉的 新 關 係 。. 係管理是一種新的做法，主要是藉由提供更好的服. Fayyad [8] 認 為 資 料 探 勘 是 資 料 庫 之 知 識 發 掘. 務品質以期更有效率地獲取新客源並保留原有顧. (Knowledge Discovery in Databases，KDD)的一. 客。. 部分，其知識發掘流程為資料選取、資料前置處. 在顧客關係管理的目的與流程， 也有許多學者. 理、資料轉換、資料探勘、結果評估的一系列過程。. 提出ㄧ些看法，例如： Reinartz and Kuma[14]顧客. 資料探勘可應用於分析資料的特徵與關係，可以提. 2.
(3) 2006 工研院創新與科技管理研討會 供企業決策所需要的資訊以協助企業做相關決策 與預測。資料探勘中常用的技術包括決策樹、群集 分析、時間序列分析、關聯分析、類神經網路等。 本研究架構是採用 Fayyad [8]所提出的知識 發掘流程，使用關聯法則找出商品項目及消費者特 性與偏好之間的關聯性。. 3. 研究架構與方法 本研究主要是將交易發票與問卷資料，利用統 計分析與資料探勘之技術，從中找出顧客特性與偏 好， 並針對不同的顧客族群，提出適合的 CRM 策 略。本研究架構如圖 1 所示，首先將蒐集來的資料 建置於資料庫中，接著 將資料作整理、除去錯誤 或不一致的資料，再使用統計分析與關聯法則來探 勘，並將其交易紀錄分析與問卷結果做交叉驗證比 對，接著可從分析結果中篩選出有用的資訊，最後 利用其資訊擬定出相關的 CRM 策略。其中關於資 料蒐集、資料前置處理與資料探勘方式分述如下。. CRM 策略 結果分析 交叉驗證比對. 交易知識庫. 資料探勘 與統計分析 交易 記錄. 資料前置處理. 問卷 內容. 資料蒐集 交易 發票 問卷 調查 原始資料. 圖1 研究架構圖. 3.
(4) 2006 工研院創新與科技管理研討會. 3.1 資料蒐集. 次消費金額等。. 本研究主要蒐集的資料包括發票交易記錄與 問卷調查兩部份，蒐集的方式與內容如下：. 3.2資料前置處理與資料探勘 由於研究中主要資料探勘的資料包括交易發票. (1)交易發票記錄 本研究以全家便利商店元培店為例，以7/2(星期. 紀錄檔與消費者問卷資料。因為資料量大，其中可. 六)至7/29(星期日)，共四星期的交易資料，(本研究. 能包含許多錯誤、不完整或是不一致的資料，為提. 所蒐集之期間已排除特殊節日之影響)，約一個月發. 高資料正確性，先將資料做清理與一致性的調整，. 票共7546筆交易。雖然目前全家便利商店採用銷售. 並對部份資料做轉換與分類。. 點管理系統(POS)記錄交易資料，但在此系統中只. 由於交易的商品種類相當繁多，所以我們採用. 有記錄單筆交易總金額，並未清楚列出每筆交易的. 編碼的方式精簡資料，將商品分成九大類，分別為. 商品細項，故本組採用人工輸入發票的方式，建置. 食品(非零食)、食品(零食)、飲料(茶類)、飲料(非茶. 於資料庫中，並藉以取得顧客之交易時間、商品與. 類)、菸酒、書報、日用品、服務/代售、其他類，. 數量資料。. 如此一來可精簡資料量，使探勘執行效率更好。 此外，在消費金額方面，一般而言至便利商店. (2)問卷調查 在問卷調查方面，調查日期為 95 年 7/30 至 8/5. 消費的顧客，多為小額消費，故我們將消費金額分. 日為期一星期，每日分為四個時段對到此商家消費. 為 30 元以內、 31~50 元、 51~100 元、101~200. 之顧客採隨機抽樣做問卷，希望了解此家便利商店. 元、201 元以上共五區間。在時間區隔方面，我們. 的顧客相關資料。問卷共發放 250 份問卷，回收卷. 將時間分成星期一至星期日共七個時段；並將每日. 數 248 份，回收率為 99.2%，其中有效問卷 227 份，. 分為四個時區(分別為 01：00~07：00、07：00~13：. 無效問卷 21 份。. 00、13：00~19：00、19：00~01：00)及細分為 12. 問卷主要內容包括： (1)消費者的基本資料：. 小時區，希望找出顧客與消費時間之關聯性。. 性別、婚姻狀況、年齡與職業。(2)促銷方式偏好：. 本研究利用資料探勘中的關連分析法則進行. 喜好的促銷方式、如何得知促銷資訊。(3)消費行平. 交易資料、商品關連性與問卷得料的顧客特性分. 均一星期消費次數、消費時段、消費星期、平均每 析，主要的資料探勘工具為「Weka」1。 表 1 商品星期銷售量表 單位：% 星. 期. 總合. 商品類別. 一. 二. 三. 四. 五. 六. 日. 總計. 食品(非零食). 3.32. 3.06. 3.60. 2.77. 2.53. 2.03. 2.21. 19.52. 食品(零食). 1.38. 1.66. 1.24. 1.24. 1.05. 0.76. 0.93. 8.27. 飲料(茶類). 3.80. 3.41. 3.37. 3.05. 3.24. 2.30. 2.67. 21.84. 飲料(非茶類). 5.26. 4.47. 3.94. 3.75. 3.08. 3.14. 3.40. 27.02. 菸酒. 3.16. 2.56. 2.13. 1.65. 2.26. 2.13. 1.74. 15.63. 書報雜誌. 0.41. 0.38. 0.45. 0.40. 0.42. 0.25. 0.26. 2.57. 日用品. 0.31. 0.28. 0.23. 0.35. 0.38. 0.27. 0.25. 2.07. 服務/代收/代售. 0.45. 0.34. 0.49. 0.28. 0.34. 0.44. 0.55. 2.89. 其他類. 0.02. 0.01. 0.01. 0.01. 0.02. 0.03. 0.08. 0.18. 百分比(%). 18.10. 16.17. 15.46. 13.50. 13.32. 11.35. 12.10. 100.0. 1. 參考網址 (http：//www.oefai.at/~alexsee/WEKA). 4.
(5) 2006 工研院創新與科技管理研討會 偏低許多。在商品細項排名部份，細項商品銷售數. 表 2 商品細項銷售數量前十名 排名. 商品細項. 百分比(%). 量前十名的商品如表 2，顯示菸類列居第一，為本. No.1. 菸類. 9.82%. 店銷售之熱門商品，其次為綠茶類、豆類牛奶乳酸. No.2. 綠茶類. 9.80%. 類、鮮食類、果汁類…等。. No.3. 豆類牛奶乳酸類. 8.70%. 由上述分析可知消費者多以消費飲料類商品. No.4. 鮮食類. 7.65%. 居多數，此商家可以針對茶類商品與其他類商品做. No.5. 果汁類. 6.13%. 搭配促銷，以增加顧客荷包佔有率。此外亦可針對. No.6. 酒類. 5.82%. 銷售量較低的商品如服務/代收/代售、書報雜誌、. No.7. 其他茶類. 5.36%. 日用品等設計促銷活動，以提升整體銷售量。. No.8. 餅乾. 4.06%. No.9. 咖啡. 3.50%. No.10. 紅茶類. 3.49%. (2) 消費日期與時段分析 在星期一至星期日的七天當中，星期一銷售量 占 18.10%位居第一名，星期二次之，星期三居第三 名(如表 1)；顯示普遍商品之銷售量由星期一最高， 且有逐漸減少的趨勢。. 4. 統計結果摘要分析. 在消費時區方面；若將一天細分 12 個小時. 此部份針對交易發票資料，與問卷調查顧客資. 區，則商品銷售情形如表 3。 表中顯示 17~19 晚餐. 料做基本的統計摘要分析如下：. 時段銷售量最大，占比例為 15.06%，其次為 11~13. (1) 商品類別分析. 中午用餐時段及 19~21 時段。前幾名多為用餐時. 在九個商品大類中的飲料(非茶類)所占 比例最高(27.02%)，飲料(茶類)占次(21.84%)，而食 品(非零食)則列居第三名(19.5%)，如表 1。由此發 現飲料兩大類共占總百份比 48.68%，將近半數，此. 段，凌晨時段包括 1~3、3~5 及 5~7 時段銷售數量， 比例為 1.72%~3.51%，與其他時段之銷售數量百分 比相差甚遠。. 外菸酒類商品之銷售比例也佔 15.63%，相當高，可 知 菸 酒 類 商品 亦 為 便 利商 店 所 主 要銷 售 商 品 之 一。在此排名中，顧客在服務/代收/代售、書報雜 誌、日用品、與其他商品類別中之銷售數量明顯的 表 3 商品 12 個時區銷售數量百分比. 單位：%. 12 個時區 商品編號. 1~3 3~5 5~7. 非零食類. 1.12 0.58 0.39 1.34 1.27. 2.44. 1.87. 1.67. 2.96. 2.26. 2.00. 1.62. 19.52. 零食類. 0.29 0.22 0.15 0.44 0.56. 0.75. 0.64. 0.58. 1.62. 1.28. 1.14. 0.61. 8.27. 茶類飲品. 0.61 0.32 0.37 1.33 2.07. 2.86. 2.46. 1.93. 3.41. 2.84. 2.34. 1.30. 21.84. 非茶類飲品. 0.63 0.37 1.00 3.40 2.99. 3.42. 2.65. 1.76. 3.82. 2.58. 2.91. 1.50. 27.02. 菸酒. 0.55 0.40 0.49 1.24 1.08. 1.21. 1.29. 1.45. 2.50. 2.32. 1.56. 1.52. 15.63. 書報雜誌. 0.04 0.09 0.32 0.61 0.23. 0.36. 0.15. 0.16. 0.24. 0.15. 0.13. 0.07. 2.57. 日用品. 0.04 0.02 0.08 0.21 0.29. 0.20. 0.21. 0.23. 0.27. 0.21. 0.16. 0.15. 2.07. 代收/售服務. 0.03 0.02 0.21 0.18 0.35. 0.41. 0.38. 0.30. 0.22. 0.42. 0.25. 0.12. 2.89. 其他. 0.03 0.00 0.00 0.02 0.00. 0.01. 0.01. 0.03. 0.02. 0.03. 0.01. 0.04. 0.18. 3.35 2.03 3.02 8.76 8.84 11.66. 9.66. 8.12 15.06 12.09 10.50 6.92. 百分比(%). 7~9 9~11 11~13 13~15 15~17 17~19 19~21 21~23 23~1. 5. %. 100.00.
(6) 2006 工研院創新與科技管理研討會. 5. 資料探勘關連性分析 從問卷及交易資料中，可以探勘出消費者購買 商品常見的搭配組合與消費者特性與購買行為間 的關聯性，以下分成商品組合分析、消費時段與金 額分析、促銷方式偏好分析等三部份分析如下：. (1) 商品組合分析 消費者在購買綠茶時較偏好搭配購買其他飲 品其次為搭配料理食材或鮮食類；購買糖果則較偏 好於同時購買運動機能或豆類牛奶乳酸飲，次為麵 圖 2 四個時區之銷售數量百分比. 包或餅乾。而購買酒類的搭配商品主要有兩項，主. 若依工讀生輪班時段將每天劃分成 1~7、. 要搭配茶類飲品其次為菸；購買需微波食品者，通. 7~13、13~19 及 19~1 四時區，則各時段銷售比例如. 常偏向搭配零食、果汁購買。在商品與服務方面，. 圖 2，圖 2 顯示顧客較常於 13~19 下午時段來購買，. 便利商店中銷售最好為茶類飲品，或許是受到近年. 比例占了 33.93%，位居第一；其次為 7~13 時區，. 來健康資訊的影響，各個年齡層的首選飲品即為綠. 圖中可明顯的看出於 1~7 時區，較少顧客至店裡消. 茶。在服務方面，13~18 歲很常使用代收/代購服. 費。. 務，多為購買線上遊戲點數卡。 由上述分析可知，星期一至三銷售量最多，商. 由上述分析，可供商家做行銷組合的參考，此. 家可在星期一至三人潮最多的時候促銷商品，讓更. 外可提供做為商品擺放位置的參考，減少顧客尋找. 多的顧客知道商品資訊，進而刺激其他日期之銷. 商品的時間。且可針對不同健康需求的消費者，推. 售，並可由上述消費時段與時區分析的結果，調派. 出符合健康概念的飲品，而年青人在購買遊戲卡的. 支援人力，以提升客戶滿意度。. 同時常會搭配茶類飲品，以此做為促銷搭配，應為. (3) 綜合交叉分析. 不錯的考量。. 就綜合交叉分析而言，星期一飲料(非茶類)銷. (2) 消費時段與金額分析. 售量最高占 5.26%，故商家可利用飲料(非茶類)商. 就購買時段與金額來說，女大學生最常的消費. 品搭配其他類商品促銷，以提升整體銷售量；服務. 時區段是 15 ~ 17。而國、高中生則最常在 7~9 時. /代收/代售在星期六、日時，可見大多數顧客多於. 的上學尖峰時區到店消費。男大學生一個星期到店. 假日利用便利商店提供的服務/代收/代售的服務；. 消費的頻率高於女大學生，普遍消費額度介於. 其他類占銷售量比例最低，比其他星期高可推測顧. 51~100 元，其次為 101~200 元。從事服務業的消費. 客大多於星期假日時購買玩具、寵物用品等其他商. 者與國、高中生的消費族群在消費額度上較低，消. 品。. 費金額介於 31~50 元。 飲料類與食品類商品銷售量較為高，特別是在. 綜合上述消費資料探勘及交易統計分析結. 11~13 與 17~19 用餐食時段銷售比例較高；菸酒之. 果，可得到女大學生通常在 15~17 時區購買鮮食類. 消費者多於 7~19、19~21 晚餐時段與用餐後比例較. 食品、綠茶或豆類牛奶乳酸類的飲品，而國、高中. 高；書報雜誌且多 7~9 早上時段消費，比例最高；. 生較常在商店購買牛奶類的飲品、鮮食類或麵包類. 代收/代售也 11~13、19~21 中午與晚上用餐較高，. 的食品。. 業者可依此資訊調整存貨，動態調整商品擺放位置. 分析結果可建議業者在下午可推出飲品之促. 或在不同時區推出促銷活動，以方便顧客選購及滿. 銷方案，價格應低於 50 元以內，避免超出顧客預. 足顧客的需求。. 算，顧客接受度會較高。針對上午時段，推出奶類 飲品搭配鮮食或麵包類的促銷方案，以增加顧客選 6.
(7) 2006 工研院創新與科技管理研討會 購便利性。. 發掘」，屏東科技大學資訊管理所碩士論文，. (3) 促銷方式偏好分析. 1999。. 由顧客資料中我們可以得知，大部份的消費者. [5]. BANKING JOURNAL, 1999, p54-66.. 較偏好於第二件打折的促銷方式，而以學生的接受 度最高。對於獲得促銷資訊的部份，分析發現女性. [6] [7]. Frawley , W.J., Shapiro,G. P. and Matheus, C.J., Knowledge discovery in databases： An. 依上述分析，業者可針對女性顧客，設計符合. overview. AI Magazine;(Fall)：1992, p57-p70.. 其偏好的店內廣告或佈置，電視促銷廣告則可以男 性偏好為訴求。在促銷活動方面，可多舉辦第二件. Bhatia , A., Customer relationship management, lst ed., toolbox Portal for CRM. 1999.. 在促銷方式會較偏好於門市內陳設廣告；而男性卻 多是從電視廣告中得知門市促銷資訊。. Alex , S.”Winning CRM Strategics, ”ABA. [8]. Fayyad , U. M., “Data mining and knowledge discovery： making sense out of data”, IEEE. 促銷活動，最能吸引消費者。. Expert, 11, 5,1996, p. 20-25.. 6. 結論與建議. [9]. 本研究以全家便利商店元培店為例，蒐集了交 易發票資料與顧客問卷資料，利用傳統統計分析與 資料探勘技術，找出購買商品、消費者特性與購買. Grupe , G. H. Owrang , M. M., “Database Mining Discovering New Knowledge and Cooperative Advantage,” 12, 1995, p26-p31.. [10] Kandell , J., “CRM, ERP, one-to-one Decoding. 時間的關聯性，希望藉此協助業者了解其顧客購買. Relationship Management Theory and. 行為與偏好，本研究亦依分析出的結果提出了相關. technology,”, Trusts and Estates, 2000,. 的 CRM 建議，可供業者參考。. p49-p53.McLedod, and Jr. Faye W. Gilbert. 在未來研究方向上，可探討不同季節對銷售商 品及顧客購買行為的影響，本研究主要資料蒐集期 間在夏季，因便利商店中許多商品的銷售可能有季 節性效應，所以未來可朝季節性影響深入探討。此. Customer Relationship Management, Willey, 2003. [11] Kalakota , R andRabinson ,M., ”e-Businss： Roadmap for Success,”1999,p103.. 外，因為便利商店可能因所在區域位置，影響顧客. [12] Peppers , D. and Rogers , M., ”The one to one. 族群與消費特性，未來亦可朝不同區域便利商店差. future：Building relationship one customer at. 異性做比較。本研究模式可提供後續相關研究參. atime”,Currency/Doubleday, 1993. [13] Peppers , D. and Roggers , M., “The One to One. 考。. Manager”, 1st ed. New York： Random House,. 參考文獻 [1]. [2]. [3]. Inc. 1999.. 邱昭彰、楊順昌、林國偉，「顧客關係管理與 資料探勘-顧客關係管理深度解析」，ARC 遠. mismanagement of customer loyalty, Harvard. 擎顧問公司，2001，p113-p129。. Business School, July 2002.. 陳文華，「顧客關係管理基石─顧客知識取得. [15] Tiwana , A., The Essential Guide to Knowledge. 與分析」，能力雜誌，第 529 期，2000 年 3. Management-E-business and CRM Applications,. 月，p.132-p138。. NJ. Prentice Hall PTR, 2001.. 陳虹君、張舜德，「銷售資料挖掘與顧客關係 管理整合之研究-以製藥業為例」，2003 電子 商務與數位生活研討會，2003。. [4]. [14] Reinartz , W. and Kumar , V.,The. 黃彥文，「資料探勘之應用-會員消費特徵之 7.
(8)
相關文件
資料探勘 ( Data Mining )
由於資料探勘 Apriori 演算法具有探勘資訊關聯性之特性，因此文具申請資 訊分析系統將所有文具申請之歷史資訊載入系統，利用
介面最佳化之資料探勘模組是利用 Apriori 演算法探勘出操作者操作介面之 關聯式法則，而後以法則的型態儲存於介面最佳化知識庫中。當有
並整合「 顧客關係管理」，以問卷調查方式，了解機械行業對「顧 客關係管理」的認知與狀況。 在前述的基礎下， 探討企業實施顧 客關係管理在
本研究將針對 TFT-LCD 產業研發單位主管與研發人員進行 探討，並就主管於研發人員對職能重視程度作差異性分析。因此
(1999), “Relationship Marketing and Data Quality Management,＂ SAM Advanced Management Journal, Vol. (2004), “The Role of Multichannel Integration in Customer
本研究主要以 But-for 崩塌竣工時程分析技術為基礎進行理論推導，確認此延遲分析技術 計算邏輯之問題與完整性，之後提出修正之計算邏輯，使
本研究採用的方法是將階層式與非階層式集群法結合。第一步先運用
