信息化 - BI - 客戶關(guān)系管理和獲利績(jī)效評(píng)估

1、以兩階段資料採(cǎi)礦分群方法應(yīng)用於顧客關(guān)以兩階段資料採(cǎi)礦分群方法應(yīng)用於顧客關(guān)係管理和獲利績(jī)效評(píng)估之實(shí)證研究係管理和獲利績(jī)效評(píng)估之實(shí)證研究Application of Two Stages Data Mining Clustering to Customer Relationship Management and Performance Evaluation of Profitability: An Empirical Study摘摘要要從1980年代的資料庫(kù)行銷到1990年代關(guān)係行銷，不斷受到企業(yè)重視，企業(yè)評(píng)估績(jī)效的指標(biāo)從原本的市場(chǎng)佔(zhàn)有率變成以顧客佔(zhàn)有率為中心，強(qiáng)調(diào)企業(yè)與顧客所建立的長(zhǎng)久信賴關(guān)係

2、，隨著資料庫(kù)科技與網(wǎng)路科技加速顧客關(guān)係管理及資料採(cǎi)礦技術(shù)的興起，CRM透過資訊技術(shù)的運(yùn)用，找出對(duì)企業(yè)利潤(rùn)最有貢獻(xiàn)的顧客群，並把交易導(dǎo)向轉(zhuǎn)換成關(guān)係導(dǎo)向 (一一)、諸論及研究動(dòng)機(jī)、諸論及研究動(dòng)機(jī)大型量販店市場(chǎng)快速興起，並累積大量顧客資料與歷史交易資料 企業(yè)必須辨識(shí)出高價(jià)值的顧客，並強(qiáng)化與企業(yè)間的關(guān)係，以保留住高價(jià)值的顧客隨著資料庫(kù)科技與網(wǎng)路科技加速顧客關(guān)係管理及資料採(cǎi)礦技術(shù)的興起，但目前仍未被廣泛應(yīng)用在大型量販?zhǔn)袌?chǎng)中。如何找出企業(yè)的忠誠(chéng)顧客即是CRM中相當(dāng)重要的課題 ，基於大型量販店市場(chǎng)快速興起，並累積大量顧客資料與歷史交易資料，探討運(yùn)用資料採(cǎi)礦技術(shù)在CRM活動(dòng)以分析顧客行為的主要?jiǎng)訖C(jī)：兩階段兩階

3、段DMDM分群方法分群方法探討並修正傳統(tǒng)RFM曲隔方式，以有效萃取不同顧客群體的 樣式剖析顧客獲利性影響因子，深入不同影響因子與顧客獲 利性的相關(guān)性以大型量販店為研究對(duì)象，了解不同顧客群體的回應(yīng)率、 ROI，以制定有效的行銷資源配置策略 企業(yè)必須根據(jù)顧客需求與價(jià)值進(jìn)行顧客區(qū)隔，本次研究報(bào)告結(jié)合DM技術(shù)，並修正傳統(tǒng)顧客分群的方式，使CRM運(yùn)作在獲取、增強(qiáng)、維持三個(gè)面向能夠順利進(jìn)行 C R MC R M CRM導(dǎo)入前應(yīng)先建立顧客策略 CRM實(shí)際運(yùn)作前應(yīng)先重新改變以顧客為中心的關(guān)鍵企業(yè)程序 愈佳CRM科技不一定會(huì)達(dá)到CRM目標(biāo)，因此需建立採(cǎi)用CRM科技的混合策略 需要的是顧客接觸策略而非CRM計(jì)劃。

4、1990年代科技產(chǎn)業(yè)蓬勃發(fā)展，目前CRM已延伸到eCRM，因此Peppard提出eCRM 電子商業(yè)活動(dòng) 通路管理 關(guān)係管理 管理整個(gè)企業(yè) CRMCRM的導(dǎo)入過程的導(dǎo)入過程 CRM的導(dǎo)入可視為一連串過程，包括：顧客識(shí)別、區(qū)隔、互動(dòng)、客製化四個(gè)步驟，主要以學(xué)習(xí)關(guān)係為核心的循環(huán)過程，建立企業(yè)與顧客互動(dòng) 顧客的生命週期顧客吸引、交易、訂單履行、服務(wù)組合而成的循環(huán) CRMCRM的應(yīng)用範(fàn)圍的應(yīng)用範(fàn)圍 類類 型型 目目 的的 方方 法法 工工 具具合 作 型 C R M在於改善直接互動(dòng)的流程 透過滿意度調(diào)查、線上訂單追蹤等電子訊息交換 作 業(yè) 型 C R M在於改善企業(yè)與顧客目互動(dòng)效率透過資訊系統(tǒng)追蹤管理與

5、顧客間的互動(dòng)分 析 型 C R M主要分析顧客行為、喜好、生活型態(tài)、交易等透過分析工具尋找大量資料庫(kù)中找出顧客的忠誠(chéng)度CRM主要元件是由行銷與銷售動(dòng)力自動(dòng)化、客戶接觸中心科技、客戶服務(wù) (二)、顧客價(jià)值分析1.顧客分類和區(qū)隔方式2.顧客忠誠(chéng)度3.RFM模型4.顧客價(jià)值矩陣1.顧客分類和區(qū)隔方式：顧客金字塔: 顧客績(jī)效購(gòu)面顧客焦點(diǎn)構(gòu)面2.顧客忠誠(chéng)度顧克忠誠(chéng)度乃顧客與企業(yè)間形成強(qiáng)力的關(guān)係。RFM模型可以從龐大的顧客名單中找出行銷活動(dòng)所需的顧客名單。R是沉寂長(zhǎng)度 F是購(gòu)買頻率 M是購(gòu)買金額 3.顧客價(jià)值矩陣是從RFM所發(fā)展出來(lái)較適合小型企業(yè)的顧客價(jià)值分析的方法來(lái)解決RFM的缺點(diǎn)。(三)、資料採(cǎi)礦何謂

6、資料採(cǎi)礦資料採(cǎi)礦的特性: 可處理、萃取、可行動(dòng)、隱含、新奇、資訊化 資料採(cǎi)礦的三個(gè)分群方式 運(yùn)作流程 功能種類 傳統(tǒng)統(tǒng)計(jì)分析與類神經(jīng)網(wǎng)路之分群方式 傳統(tǒng)統(tǒng)計(jì)分析與類神經(jīng)網(wǎng)路之分群方式(三)、研究架構(gòu)與方法一.整合資料採(cǎi)礦(Data Mining)技術(shù)之顧客關(guān)係管理 運(yùn)作架構(gòu) 1.本章提出整合資料採(cǎi)礦技術(shù)(Data Mining)的CRM 流程架構(gòu)，整個(gè)架構(gòu)分兩部分：前端作業(yè)系統(tǒng)、 後端分析系統(tǒng) LRFM資料模型 資料採(cǎi)礦前置處理流程 兩階段分群過程 1.LRFM資料模型-L顧客關(guān)係長(zhǎng)度：指顧客第一次發(fā)生交易日到最後一日交易日的長(zhǎng)度-R顧客沉寂長(zhǎng)度：用來(lái)衡量顧客的流失情形-F顧客購(gòu)買頻率：顧客在

7、特定的天數(shù)購(gòu)買的天數(shù)、一天購(gòu)買的次數(shù)-M顧客獲利性：指顧客購(gòu)買金額扣除各種成本後得淨(jìng)利總合LRFM資料模型關(guān)係長(zhǎng)度L沉寂長(zhǎng)度R購(gòu)買頻率F第一次購(gòu)買日最後一次購(gòu)買日分析日最後一次購(gòu)買日特定時(shí)間內(nèi)購(gòu)買天數(shù)顧客獲利性M售價(jià)產(chǎn)品成本行銷成本資料採(cǎi)礦前置處理流程 1.因本章是用標(biāo)準(zhǔn)差標(biāo)準(zhǔn)差來(lái)進(jìn)行離群分析離群分析，所以先將活躍型顧客的LRFM資料先匯入採(cǎi)礦資料庫(kù)中，以避免在分群演算過程中受到離群值的影響。 2.為了使兩階段的分群作業(yè)(SOM+K-mean)中不因單位不同而無(wú)法比較的影響必須將LRFM的資料進(jìn)行標(biāo)準(zhǔn)化 標(biāo)準(zhǔn)化資料標(biāo)準(zhǔn)化資料 =(=(原始資料原始資料- -範(fàn)圍最小值範(fàn)圍最小值)/()/(範(fàn)圍最

8、大值範(fàn)圍最大值- -範(fàn)圍最小值範(fàn)圍最小值) )資料採(cǎi)礦 兩階段分群過程由自我組織圖SOM和叢集分析K-mean這兩階段將顧客 分群分析 SOM：目的瞭解顧客應(yīng)該分幾群。SOM中所需設(shè)的參數(shù)有 輸出層的維度(所有聚類的數(shù)量)和處理階段數(shù)(學(xué) 習(xí)的次數(shù)) K-mean：可以自動(dòng)接收SOM所產(chǎn)生的群數(shù)和群體重心(二)、群體樣式分析1.1.顧客關(guān)係類型舉證顧客關(guān)係類型舉證 長(zhǎng)長(zhǎng) 關(guān) 係 長(zhǎng) 度 短短 短短 沉寂長(zhǎng)度 長(zhǎng)長(zhǎng)LR緊密LR潛在LR獲取LR流失最佳顧客：高價(jià)值忠誠(chéng)、高價(jià)值新顧客、潛在忠誠(chéng)、高價(jià)值流失顧客頻率型顧客：高購(gòu)買頻率、頻率型促銷、潛在頻率型、頻率型流失顧客消費(fèi)型顧客：白金型顧客、消費(fèi)型

9、促銷、潛在消費(fèi)型、消費(fèi)型流失顧客不確定顧客：低消耗成本、不確定新顧客、高消耗成本、不確定流失顧客 2.2.多維度顧客分群規(guī)則多維度顧客分群規(guī)則: :三三. .初步命題假設(shè)初步命題假設(shè)非契約式的環(huán)境中，顧客與企業(yè)間的交易關(guān)係長(zhǎng)度，與顧客獲利性間並非完全正向關(guān)係企業(yè)主要利潤(rùn)貢獻(xiàn)來(lái)自少部分高價(jià)值的顧客群忠誠(chéng)顧客對(duì)企業(yè)的利潤(rùn)貢獻(xiàn)較高流失顧客對(duì)企業(yè)的利潤(rùn)貢獻(xiàn)交低顧客佔(zhàn)有率越高對(duì)企業(yè)獲利性越高四.觀念性研究模型之雛型 本研究由RFM模型外加 L變數(shù)(顧客關(guān)係長(zhǎng)度)，並以顧客獲利性(M)取代顧客購(gòu)買金額而來(lái)，簡(jiǎn)稱為L(zhǎng)RFM資料模型。 由接觸時(shí)間和顧客行為因子兩種構(gòu)面組成。顧客購(gòu)買產(chǎn)品種類顧客購(gòu)買產(chǎn)品種類顧客

10、沉寂長(zhǎng)度顧客沉寂長(zhǎng)度顧客關(guān)係長(zhǎng)度顧客關(guān)係長(zhǎng)度顧客人數(shù)比率顧客人數(shù)比率顧客購(gòu)買頻率顧客購(gòu)買頻率顧客獲利性顧客獲利性接觸時(shí)間構(gòu)面交易行為構(gòu)面四、個(gè)案研究(一) 、個(gè)案背景、動(dòng)機(jī)行政院主計(jì)處年月國(guó)情統(tǒng)計(jì)報(bào)告，零售業(yè)中的綜合商品業(yè)因連鎖式便利商店及量 販店受消費(fèi)者青睞，營(yíng)業(yè)家數(shù)持續(xù)增加，近五年?duì)I業(yè)額平均年增故研究個(gè)案對(duì)象為大型量販店 (二)、個(gè)案研究的目的與顧客 分類方式研究的主要目的為 （1）了解運(yùn)作流程的模式以及顧客區(qū)隔的方式。 （2）探討活動(dòng)績(jī)效評(píng)估方式。 （3）比較本研究所採(cǎi)用的、的顧客區(qū)隔方式與 公司所用的顧客區(qū)隔方式。 （4）針對(duì)個(gè)案公司的實(shí)際案例以修正本研究之假設(shè)命題與研究 模型。 （5

11、）探討分群技術(shù)於活動(dòng)之直接郵件的顧客名單篩 選，以比較本研究所產(chǎn)生的顧客區(qū)隔與個(gè)案公司郵件活動(dòng) 的績(jī)效表現(xiàn)。 (二)、個(gè)案研究的目的與顧客 分類方式顧客分類方式： 目前公司的顧客分類大致有兩類：依顧客的消費(fèi) 金額區(qū)分和造訪次數(shù)區(qū)分。以最近是否有交易的會(huì) 員顧客來(lái)區(qū)分為活躍型與靜態(tài)型。 (三)、個(gè)案公司之的定義與 運(yùn)作流程所運(yùn)作的運(yùn)作的流程為 （1）確定行銷活動(dòng)主題 （2）針對(duì)主題找出主題活動(dòng) （3）在主題活動(dòng)下，找出目標(biāo)顧客群 （4）行銷活動(dòng)執(zhí)行 （5）紀(jì)錄活動(dòng)結(jié)果與評(píng)估績(jī)效 （6）學(xué)習(xí)過去的活動(dòng)結(jié)果 公司最主要目的乃從活躍顧客中找出忠誠(chéng)顧客，對(duì)忠誠(chéng)顧客的定義為購(gòu)買頻率較高的顧客群與購(gòu)買金額較

12、高的顧客群中相互重疊的顧客群。目前的運(yùn)作流程並未採(cǎi)用資料倉(cāng)儲(chǔ)、資料採(cǎi)礦、的套裝軟體或開發(fā)支援運(yùn)作系統(tǒng)。(四)、整合資料採(cǎi)礦之 流程的預(yù)期成效 本研究預(yù)期個(gè)案公司在採(cǎi)用本研究所提出之顧客區(qū)隔方式後所 產(chǎn)生之預(yù)期成效如下： （1）結(jié)合資料採(cǎi)礦技術(shù)來(lái)進(jìn)行郵件活動(dòng)中的活躍顧客的分群作 業(yè)，以有效區(qū)隔個(gè)案公司活躍顧客群中不同價(jià)值的顧客群。 （2）探討個(gè)案公司活躍顧客群之顧客獲利性與人數(shù)比例，進(jìn)一步 瞭解的不同顧客區(qū)隔利潤(rùn)貢獻(xiàn)情形。 （3）將本研究所產(chǎn)生之顧客區(qū)隔結(jié)合個(gè)案公司的郵件活動(dòng)回應(yīng)資 訊，進(jìn)一步探討本研究所產(chǎn)生的顧客區(qū)隔的回應(yīng)率。透過郵 件活動(dòng)績(jī)效衡量方式，以區(qū)隔出不同價(jià)值的顧客在活動(dòng)中的 績(jī)效表

13、現(xiàn)。(五)、個(gè)案結(jié)和研究假設(shè)的修正：活躍顧客與企業(yè)間的交易關(guān)係長(zhǎng)度維持越長(zhǎng)久則 顧客獲利性不一定會(huì)提昇。 ：活躍顧客群中少數(shù)顧客可以創(chuàng)造較高的利潤(rùn)貢獻(xiàn)。：活躍顧客中的忠誠(chéng)顧客對(duì)企業(yè)的利潤(rùn)貢獻(xiàn)較高。：活躍顧客中的流失顧客對(duì)企業(yè)的利澗貢獻(xiàn)較低。：活躍顧客的顧客佔(zhàn)有率越高則顧客對(duì)企業(yè)的利潤(rùn) 貢獻(xiàn)越高。：活躍顧客之顧客獲利性越高則活動(dòng)績(jī)效表現(xiàn)越佳。 伍、資料分析(一)、資料採(cǎi)礦分析 1.第一階段分群處理(SOM) :輸出維度49，階段數(shù):100 2.第二階段分群作業(yè)(K-Mean):學(xué)習(xí)次數(shù):30 完成兩階段分群分析後，本研究發(fā)現(xiàn) : (1)兩階段分群改善SOM分群結(jié)果:重心距離總和45401縮減為4

14、4494。 (2)兩階段分群明顯改善群體間模糊現(xiàn)象:使原本集中在FM附近的群 體，能夠區(qū)隔較明確。 (3)發(fā)現(xiàn)LR變數(shù)對(duì)於顧客區(qū)隔的能力較強(qiáng)，而FM對(duì)於顧客區(qū)隔的能力 則較弱。表 5.1顧客區(qū)隔人數(shù)(%)顧客區(qū)隔獲利性(%)LRFM採(cǎi)樣群體數(shù)消費(fèi)型促銷顧客0.70高價(jià)值忠誠(chéng)顧客32.68665629310839高價(jià)值新顧客1.10潛在忠誠(chéng)顧客16.776515214235496潛在忠誠(chéng)顧客7.70高消耗成本顧客11.7592166548796高購(gòu)買頻率顧客8低消耗成本顧客9.361363545566高價(jià)值忠誠(chéng)顧客9.30不確定新顧客9.2143672271610低消耗成本顧客12.60不確定流

15、失顧客7.691167225256高消耗成本顧客14.80高購(gòu)買頻率顧客7.594276757663不確定流失顧客21.20高價(jià)值新顧客3.82916512247992不確定新顧客24.50消費(fèi)型促銷顧客1.696486144251(二)、不同顧客區(qū)隔之較分析 活躍顧客：最佳型(18.1%)與不確定型(72.5%)最多 獲利性：最佳型(53.1%)、不確定型(37.8%)研究發(fā)現(xiàn)： 個(gè)案公司之群體樣式只有符合九種多維度顧客區(qū)隔樣式，其 中以高價(jià)值忠誠(chéng)顧客的利潤(rùn)貢獻(xiàn)度最高，不定新顧客的人數(shù) 比例佔(zhàn)24.5%最多。 個(gè)案公司之獲利性分佈並沒有非常集中在少數(shù)顧客群身上， 但是少數(shù)顧客群卻能夠?yàn)槠髽I(yè)帶來(lái)較高的獲利性。 活躍顧客群之群體分佈則主要在顧客價(jià)值矩陣中的最佳、不