信息化 - BI - 客戶關系管理和獲利績效評估

1、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Application of Two Stages Data Mining Clustering to Customer Relationship Management and Performance Evaluation of Profitability: An Empirical Study摘要從1980年代代的資料料庫行銷銷到1990年年代關係係行銷，不斷受受到企業(yè)業(yè)重視，企業(yè)評評估績效效的指標標從原本本的市場場佔有率率變成以以顧客佔佔有率為為中心，強調企企業(yè)與顧顧客所建建立的長長久信賴賴關係，隨著著資料庫庫科技與與網路科

2、科技加速速顧客關關係管理理及資料料採礦技技術的興興起，CRM透過資訊訊技術的的運用，找出對對企業(yè)利利潤最有有貢獻的的顧客群群，並把把交易導導向轉換換成關係係導向(一)、諸論及研究動機機大型型量販店店市場快快速興起起，並累累積大量量顧客資資料與歷歷史交易易資料 企業(yè)業(yè)必須辨辨識出高高價值的的顧客，並強化化與企業(yè)業(yè)間的關關係，以以保留住住高價值值的顧客客隨著著資料庫庫科技與與網路科科技加速速顧客關關係管理理及資料料採礦技技術的興興起，但但目前仍仍未被廣廣泛應用用在大型型量販市市場中。如何找出出企業(yè)的的忠誠顧顧客即是是CRM中相當重重要的課課題，基於大大型量販販店市場場快速興興起，並並累積大大量顧客

3、客資料與與歷史交交易資料料，探討討運用資資料採礦礦技術在在CRM活動以分分析顧客客行為的的主要動動機：兩階段DM分群方法法探討並修修正傳統(tǒng)統(tǒng)RFM曲隔方式式，以有有效萃取取不同顧顧客群體體的樣式剖析顧客獲獲利性影響因因子，深深入不同同影響因因子與顧顧客獲利性的相相關性以大型型量販店店為研究究對象，了解不不同顧客客群體的的回應率率、ROI，以制定有有效的行行銷資源源配置策策略企業(yè)必須須根據(jù)顧顧客需求求與價值值進行顧顧客區(qū)隔隔，本次次研究報報告結合合DM技術，並並修正傳傳統(tǒng)顧客客分群的的方式，使CRM運作在獲獲取、增增強、維維持三個個面向能能夠順利利進行C RM CRM導入前應應先建立立顧客策策略

4、 CRM實際運作作前應先先重新改改變以顧顧客為中中心的關關鍵企業(yè)業(yè)程序 愈佳佳CRM科技不一一定會達達到CRM目標，因因此需建建立採用用CRM科技的混混合策略略 需要要的是顧顧客接觸觸策略而而非CRM計劃。1990年代科科技產業(yè)業(yè)蓬勃發(fā)發(fā)展，目目前CRM已延伸到到eCRM，因此Peppard提出eCRM電子商商業(yè)活動動通路管管理關關係管理理管理整整個企業(yè)業(yè)CRM的導入過過程CRM的導入可可視為一一連串過過程，包包括：顧顧客識別別、區(qū)隔隔、互動動、客製製化四個個步驟，主要以以學習習關係為核心心的循環(huán)環(huán)過程，建立企企業(yè)與顧顧客互動動顧客的生生命週期期顧客客吸引、交易、訂單履履行、服服務組合合而成的

5、的循環(huán)CRM的應用範範圍類 型 目 的 方 法 工 具合作型CRM在於改善直接互動的流程 透過滿意度調查、線上訂單追蹤等電子訊息交換 作業(yè)型CRM 在於改善企業(yè)與顧客目互動效率 透過資訊系統(tǒng)追蹤管理與顧客間的互動 分析型CRM 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中找出顧客的忠誠度 CRM主要元件件是由行行銷與銷銷售動力力自動化化、客戶戶接觸中中心科技技、客戶戶服務(二)、顧客價價值分析析1.顧客分類類和區(qū)隔隔方式2.顧客忠誠誠度3.RFM模型4.顧客價值值矩陣1.顧客分類類和區(qū)隔隔方式：顧客金字字塔:顧客績效效購面顧客焦點點構面2.顧客忠誠誠度顧克忠誠誠度乃顧

6、顧客與企企業(yè)間形形成強力力的關係係。RFM模型可以從龐龐大的顧顧客名單單中找出出行銷活活動所需需的顧客客名單。R是沉寂長長度F是購買頻頻率M是購買金金額3.顧客價值值矩陣是從RFM所發(fā)展出出來較適適合小型型企業(yè)的的顧客價價值分析析的方法法來解決決RFM的缺點。(三)、資料採採礦何謂資料料採礦資料採礦礦的特性性:可處理、萃取、可行動動、隱含含、新奇奇、資訊訊化資料採礦礦的三個個分群方方式運作流程程功能種類類傳統(tǒng)統(tǒng)計計分析與與類神經經網路之之分群方方式傳統(tǒng)統(tǒng)計計分析與與類神經經網路之之分群方方式(三)、研究架架構與方方法一.整合資料料採礦(DataMining)技術之顧顧客關係係管理運作架構構1.

7、本章提出出整合資資料採礦礦技術(DataMining)的CRM流程架構構，整個個架構分分兩部分分：前端端作業(yè)系系統(tǒng)、後端分析析系統(tǒng)LRFM資料模型型資料採礦礦前置處處理流程程兩階段分分群過程程1.LRFM資料模型型-L顧客關係係長度：指顧客第第一次發(fā)發(fā)生交易易日到最最後一日日交易日日的長度度-R顧客沉寂寂長度：用來衡量量顧客的的流失情情形-F顧客購買買頻率：顧客在特特定的天天數(shù)購買買的天數(shù)數(shù)、一天天購買的的次數(shù)-M顧客獲利利性：指顧客購購買金額額扣除各各種成本本後得淨淨利總合合LRFM資料模型關係長度L沉寂長度R購買頻率F第一次購買日最後一次購買日分析日最後一次購買日特定時間內購買天數(shù)顧客獲利

8、性M售價產品成本行銷成本資料採礦礦前置處處理流程程1.因本章是是用標準差來進行離群分析析，所以先先將活躍躍型顧客客的LRFM資料先匯匯入採礦礦資料庫庫中，以以避免在在分群演演算過程程中受到到離群值值的影響響。2.為了使兩兩階段的的分群作作業(yè)(SOM+K-mean)中不因單單位不同同而無法法比較的的影響必必須將LRFM的資料進進行標準準化標準化資資料=(原始資料料-範圍最小小值)/(範圍最大大值-範圍最小小值)資料採礦礦 兩階階段分群群過程由自我組組織圖SOM和叢集分分析K-mean這兩階段段將顧客客分群分析析 SOM：目的瞭瞭解顧客客應該分分幾群。SOM中所需設設的參數(shù)數(shù)有輸出層的的維度(所有

9、聚類類的數(shù)量量)和處理階階段數(shù)(學習的次數(shù)數(shù))K-mean：可以自自動接收收SOM所產生的的群數(shù)和和群體重重心(二)、群體樣樣式分析析1.顧客關係係類型舉舉證長關係長度短短沉寂長度度長 LR 緊密 LR 潛在 LR 獲取 LR 流失最佳顧客客：高價價值忠誠誠、高價價值新顧顧客、潛潛在忠誠誠、高價價值流失失顧客頻率型顧顧客：高高購買頻頻率、頻頻率型促促銷、潛潛在頻率率型、頻頻率型流流失顧客客消費型顧顧客：白白金型顧顧客、消消費型促促銷、潛潛在消費費型、消消費型流流失顧客客不確定顧顧客：低低消耗成成本、不不確定新新顧客、高消耗耗成本、不確定定流失顧顧客2.多維度顧顧客分群群規(guī)則:三.初步命題題假設

10、非契約式式的環(huán)境境中，顧顧客與企企業(yè)間的的交易關關係長度度，與顧客獲獲利性間間並非完完全正向向關係企業(yè)主要要利潤貢貢獻來自自少部分分高價值值的顧客客群忠誠顧客客對企業(yè)業(yè)的利潤潤貢獻較較高流失顧客客對企業(yè)業(yè)的利潤潤貢獻交交低顧客佔有有率越高高對企業(yè)業(yè)獲利性性越高四.觀念性研研究模型型之雛型型本研究由由RFM模型外加加L變數(shù)(顧客關係係長度)，並以顧顧客獲利利性(M)取代顧客客購買金金額而來來，簡稱稱為LRFM資料模型型。 由接觸時時間和顧顧客行為為因子兩兩種構面面組成。顧客購買產品種類顧客沉寂長度顧客關係長度顧客人數(shù)比率顧客購買頻率顧客獲利性接觸時間構面交易行為構面四、個案案研究(一)、個案背背

11、景、動動機行政院主主計處年月國情情統(tǒng)計報報告，零售業(yè)業(yè)中的綜綜合商品品業(yè)因連連鎖式便便利商店店及量販販店受受消費者者青睞，營業(yè)家家數(shù)持續(xù)續(xù)增加，近五年年營業(yè)額額平均年年增故研研究個案案對象為為大型型量販店店(二)、個案研研究的目目的與顧顧客分類方式式研究的主主要目的的為（1）了解運運作流程程的模式式以及顧顧客區(qū)隔隔的方式式。（2）探討活活動績效效評估方方式。（3）比較本本研究所所採用的的、的顧顧客區(qū)隔隔方式與與公司所用用的顧客客區(qū)隔方方式。（4）針對個個案公司司的實際際案例以以修正本本研究之之假設命命題與研研究模型。（5）探討分群群技術於於活動之之直接郵郵件的顧顧客名單單篩選，以比比較本研研究

12、所產產生的顧顧客區(qū)隔隔與個案案公司郵郵件活動動的績效表表現(xiàn)。(二)、個案研研究的目目的與顧顧客分類方式式顧客分類類方式：目前公公司的顧顧客分類類大致有有兩類：依顧客客的消消費金額區(qū)區(qū)分和造訪次次數(shù)區(qū)區(qū)分。以以最近是是否有交交易的會會員顧客來來區(qū)分為為活躍躍型與與靜態(tài)態(tài)型。(三)、個案公公司之的的定義與與運作流程程所運作的的運作的的流程為為（1）確定行行銷活動動主題（2）針對主主題找出出主題活活動（3）在主題題活動下下，找出出目標顧顧客群（4）行銷活活動執(zhí)行行（5）紀錄活活動結果果與評估估績效（6）學習過過去的活活動結果果公司最最主要目目的乃從從活躍顧顧客中找找出忠誠誠顧客，對忠誠誠顧客的的定義

13、為為購買買頻率較較高的顧顧客群與與購買金金額較高高的顧客客群中相相互重疊疊的顧客客群。目前的的運作流流程並未未採用資資料倉儲儲、資料料採礦、的套裝裝軟體或或開發(fā)支支援運作作系統(tǒng)。(四)、整合資資料採礦礦之流程的預預期成效效本研究預預期個案案公司在在採用本本研究所所提出之之顧客區(qū)區(qū)隔方式式後所產生之預預期成效效如下：（1）結合資資料採礦礦技術來來進行郵郵件活動動中的活活躍顧客客的分群群作業(yè)，以有有效區(qū)隔隔個案公公司活躍躍顧客群群中不同同價值的的顧客群群。（2）探討個個案公司司活躍顧顧客群之之顧客獲獲利性與與人數(shù)比比例，進進一步瞭解的不不同顧客客區(qū)隔利利潤貢獻獻情形。（3）將本研研究所產產生之顧顧

14、客區(qū)隔隔結合個個案公司司的郵件件活動回回應資訊，進一一步探討討本研究究所產生生的顧客客區(qū)隔的的回應率率。透過過郵件活動績績效衡量量方式，以區(qū)隔隔出不同同價值的的顧客在在活動中中的績效表現(xiàn)現(xiàn)。 (五)、個案結結和研究究假設的修正：活活躍顧客客與企業(yè)業(yè)間的交交易關係係長度維維持越長長久則顧客獲利利性不一一定會提提昇。：活活躍顧客客群中少少數(shù)顧客客可以創(chuàng)創(chuàng)造較高高的利潤潤貢獻。：活活躍顧客客中的忠忠誠顧客客對企業(yè)業(yè)的利潤潤貢獻較較高。：活活躍顧客客中的流流失顧客客對企業(yè)業(yè)的利澗澗貢獻較較低。：活活躍顧客客的顧客客佔有率率越高則則顧客對對企業(yè)的的利潤貢獻越高高。：活活躍顧客客之顧客客獲利性性越高則則活

15、動績績效表現(xiàn)現(xiàn)越佳。 伍、資料料分析(一)、資料採採礦分析析1.第一階段段分群處處理(SOM):輸出維度度49，階段數(shù)數(shù):1002.第二階段段分群作作業(yè)(K-Mean):學習次數(shù)數(shù):30完成兩階階段分群群分析後後，本研研究發(fā)現(xiàn)現(xiàn):(1)兩階段分分群改善善SOM分群結果果:重心距離離總和45401縮減為44494。(2)兩階段分分群明顯顯改善群群體間模模糊現(xiàn)象象:使原本集集中在FM附近的群群體，能夠夠區(qū)隔較較明確。(3)發(fā)現(xiàn)LR變數(shù)對於於顧客區(qū)區(qū)隔的能能力較強強，而FM對於顧客客區(qū)隔的的能力則較弱。表5.1顧客區(qū)隔人數(shù)(%)顧客區(qū)隔獲利性(%)LRFM採樣群體數(shù)消費型促銷顧客0.70高價值忠誠顧

16、客32.68665629310839高價值新顧客1.10潛在忠誠顧客16.776515214235496潛在忠誠顧客7.70高消耗成本顧客11.7592166548796高購買頻率顧客8低消耗成本顧客9.361363545566高價值忠誠顧客9.30不確定新顧客9.2143672271610低消耗成本顧客12.60不確定流失顧客7.691167225256高消耗成本顧客14.80高購買頻率顧客7.594276757663不確定流失顧客21.20高價值新顧客3.82916512247992不確定新顧客24.50消費型促銷顧客1.696486144251(二)、不同顧顧客區(qū)隔隔之較分分析活躍顧客客：最佳佳型(18.1%)與不確定定型(72.5%)最多獲利性：最佳型型(53.1%)、不確定定型(37.8%)研究發(fā)現(xiàn)現(xiàn)：個案公司司之群體體樣式只只有符合合九種多多維度顧顧客區(qū)隔隔樣式，其中以高價價值忠誠誠顧客的的利潤貢貢獻度最最高，不不定新顧顧客的人人數(shù)比例佔24.5%最多。個案公司司之獲利利性分佈佈並沒有有非常集集中在少少數(shù)顧客客群身上上，但是少數(shù)數(shù)顧客群群卻能夠夠為企業(yè)業(yè)帶來較較高的獲獲利性?；钴S顧客客群之群群體分佈佈則主要要在顧客客價值矩矩陣中的的最佳、不確定象限限