顧客關(guān)系管理和數(shù)據(jù)采礦

顧客關(guān)係管理與資料採礦Customer Relationship Management, CRM & Data Mining一、 導(dǎo)論在經(jīng)歷過電子化衝擊的九年代後，企業(yè)E化程度已逐漸成熟，然而在比較分析E化所帶來之成本效益與投資報(bào)酬率後，許多企業(yè)仍對(duì)E化所帶來的成果表示失望，是E化所保證之營運(yùn)前景有如海市蜃樓般遙不可及？或是在E化的過程中忽略某些成功的要素？ 企業(yè)間在經(jīng)歷有如革命般歷程之電子化過程，在承接組織再造、人力資源、營運(yùn)模式、資訊科技、商務(wù)環(huán)境變遷等有如大海浪潮般衝襲企業(yè)營運(yùn)基礎(chǔ)之力量後，許多企業(yè)已慢慢察覺無論何種經(jīng)營模式，最重要的是能夠徹底掌握與顧客間之互動(dòng)，瞭解顧客之需求；與此方向背道而馳的任何E化努力，不僅不會(huì)為公司帶來任何E化的成果，相反地在電子化的過程中，企業(yè)卻可能因?yàn)槭ピ兄虡I(yè)戰(zhàn)略目標(biāo)而慘遭或?yàn)l臨淘汰的命運(yùn)。 為徹底掌握企業(yè)E化的成果、整合公司的資源、瞭解顧客的需求、調(diào)整經(jīng)營模式與行銷策略，部份企業(yè)已紛紛開始導(dǎo)入顧客關(guān)係管理之軟體，希望藉此來改善公司與顧客間之互動(dòng)關(guān)係，掌握顧客之需求。 顧客關(guān)係管理之範(fàn)圍涉及甚廣，包括電子化服務(wù)、電話服務(wù)中心、資料採礦等均屬顧客關(guān)係管理之一環(huán)，其中以資料採礦雖最為大眾所熟知，然而對(duì)其應(yīng)用方式也較其他電子商務(wù)軟體來的陌生。 主要原因?yàn)閷?dǎo)入資料採礦所費(fèi)不貲，許多企業(yè)對(duì)其所能對(duì)企業(yè)營運(yùn)產(chǎn)生之正面效果仍持保留態(tài)度；其次，許多公司業(yè)已導(dǎo)入企業(yè)資源規(guī)劃、供應(yīng)鏈管理及部份顧客關(guān)係管理管理等應(yīng)用軟體，其所能提供企業(yè)之報(bào)表及分析報(bào)告，企業(yè)經(jīng)營及管理階層業(yè)已耗費(fèi)相當(dāng)大的時(shí)間精力與人力資源來進(jìn)行消化分析，對(duì)於安裝另外一套新的軟體來進(jìn)行顧客資料分析之效益存疑；最後，許多企業(yè)對(duì)自身營運(yùn)分析相當(dāng)自信，認(rèn)為對(duì)客戶之需求與特性業(yè)已瞭若指掌，並無藉由其他軟體來對(duì)客戶群進(jìn)行分析管理之必要。 上述觀點(diǎn)整體而言尚屬正確，畢竟商業(yè)軟體之導(dǎo)入需要大量人力資源與金錢之投資，且過度的投資往往造成企業(yè)財(cái)務(wù)之困難，應(yīng)謹(jǐn)慎從之，況且無論何種應(yīng)用軟體，均無法完全取代傳統(tǒng)企業(yè)與顧客間長期以來所建立之商務(wù)關(guān)係。然而由於電子商務(wù)之興起，顧客利用各種不同的管道如電話、傳真、網(wǎng)路等大幅增加與企業(yè)間之互動(dòng)機(jī)會(huì)，而這些互動(dòng)關(guān)係則提供了企業(yè)最佳的機(jī)會(huì)來瞭解顧客之特性。 由於資訊科技發(fā)展迅速，許多企業(yè)在尚未掌握舊有資訊軟體之功能前，新一波的資訊風(fēng)潮卻早已充斥於各大傳播媒體與資訊科技新聞中，如在資料採礦逐漸興起的同時(shí)，許多企業(yè)可能會(huì)有疑問，公司為了提高產(chǎn)業(yè)競(jìng)爭(zhēng)力，業(yè)已導(dǎo)入企業(yè)資源規(guī)劃、供應(yīng)鏈管理以及顧客關(guān)係管理等軟體設(shè)備，上述各項(xiàng)軟體業(yè)可產(chǎn)生多項(xiàng)制式報(bào)告，故資料採礦對(duì)其有無一定之必要性？要回答這個(gè)問題，首先我們必須要檢視一下企業(yè)電子化的歷程與其實(shí)質(zhì)內(nèi)涵。 多數(shù)企業(yè)所安裝之ERP、SCM、CRM等軟體僅僅汰換公司舊有的系統(tǒng)，改善原先作業(yè)流程，因此對(duì)於企業(yè)所產(chǎn)生之效益固然存在，惟企業(yè)基本運(yùn)作模式仍未有徹底改變，因此所獲得之經(jīng)濟(jì)效益有限。其次，多數(shù)公司均於同一時(shí)期前後導(dǎo)入各項(xiàng)軟體，由於企業(yè)導(dǎo)入家數(shù)之增多，相對(duì)的軟體所能對(duì)企業(yè)營運(yùn)所產(chǎn)生之競(jìng)爭(zhēng)優(yōu)勢(shì)也逐漸降低。 最後，多數(shù)E化軟體均負(fù)責(zé)處理交易（Transaction）所產(chǎn)生的資料或是過去的數(shù)據(jù)資料，而缺乏能力預(yù)測(cè)顧客可能之行為模式以及其對(duì)企業(yè)營運(yùn)所造成之影響。而資料採礦正可彌補(bǔ)上述幾項(xiàng)資訊軟體之不足，使企業(yè)得以一個(gè)較為寬廣的視野來審思與檢視自身經(jīng)營模式，瞭解顧客特性。 然而要瞭解資料採礦，就必須先瞭解顧客關(guān)係管理的真正意涵，本文將由顧客關(guān)係管理著手，分析顧客關(guān)係管理對(duì)於企業(yè)營運(yùn)之重要性，並介紹資料採礦如何協(xié)助企業(yè)進(jìn)行顧客關(guān)係管理及經(jīng)營行銷策略之規(guī)劃。二、 顧客關(guān)係管理對(duì)企業(yè)經(jīng)營之重要性什麼是顧客關(guān)係管理？顧客關(guān)係管理是一項(xiàng)經(jīng)營管理的概念，要求企業(yè)將焦點(diǎn)放在企業(yè)營運(yùn)最重要的核心顧客之上，試著與顧客間建立一種學(xué)習(xí)關(guān)係，從顧客對(duì)企業(yè)所提供產(chǎn)品與服務(wù)之表現(xiàn)，來學(xué)習(xí)如何加強(qiáng)提供更佳的產(chǎn)品與服務(wù)品質(zhì)，進(jìn)而以顧客為中心，訂定有效的經(jīng)營管理與營運(yùn)目標(biāo)，以建立企業(yè)與顧客間之關(guān)係。 長久以來，顧客關(guān)係管理一直是企業(yè)經(jīng)營努力的目標(biāo)，瞭解顧客需求或創(chuàng)造顧客需求，一直是企業(yè)經(jīng)營之核心，此企業(yè)經(jīng)營基本原則並未隨著電子商務(wù)時(shí)代來臨而有所改變。然而隨著資訊軟體功能之提昇，導(dǎo)致企業(yè)與顧客間之互動(dòng)關(guān)係亦隨之演化，以往企業(yè)與顧客關(guān)係之建立，存在於雙方長期以來所建立的互動(dòng)聯(lián)繫，但隨著資訊科技進(jìn)步，愈來愈多的企業(yè)應(yīng)用資訊軟體來管理經(jīng)營與顧客間之互動(dòng)關(guān)係。 由於網(wǎng)路與資訊軟體之普遍使用，企業(yè)與顧客間之互動(dòng)亦愈加頻繁，在電子商務(wù)時(shí)代，不同行銷管道與策略，使得企業(yè)與顧客間之關(guān)係愈趨複雜，如何在顧客群中發(fā)掘獲利率高之客戶群，以及如何保持與既有顧客間之良好關(guān)係，均為驅(qū)動(dòng)顧客關(guān)係管理之主要因素。電子商務(wù)時(shí)代所稱之顧客關(guān)係管理主要是藉由資訊軟體之應(yīng)用來協(xié)助企業(yè)提昇對(duì)於顧客之服務(wù)，改善企業(yè)與顧客間之互動(dòng)關(guān)係。 要充分掌握顧客關(guān)係管理之精髓，除提昇服務(wù)品質(zhì)外，企業(yè)生產(chǎn)之產(chǎn)品與提供之服務(wù)亦必須符合既有顧客及未來潛在顧客群之期望與要求；換言之，企業(yè)必須掌握顧客整體之生命週期，針對(duì)不同顧客需求提供產(chǎn)品與服務(wù)。目前顧客關(guān)係管理之資訊軟體，均已提供整合方案，協(xié)助企業(yè)瞭解利用顧客於企業(yè)資料庫之資料，完整呈現(xiàn)顧客群與企業(yè)間之關(guān)係，並將其整合至企業(yè)整體經(jīng)營策略之內(nèi)。 顧客關(guān)係管理的精髓在於藉由資訊軟體之輔助，企業(yè)得以對(duì)於客戶所做的每一個(gè)互動(dòng)加以記錄，而增加企業(yè)位於客戶需求之學(xué)習(xí)效果，使企業(yè)更加瞭解掌握特定顧客之需求，因此企業(yè)未來在傳達(dá)行銷訊息予顧客時(shí)，得以更加精確地掌握不同顧客之特質(zhì)，進(jìn)而降低行銷成本與提高行銷效率，亦可藉此作為市場(chǎng)區(qū)隔之工具，拉大與市場(chǎng)競(jìng)爭(zhēng)者之差距，以保持企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)。 三、 顧客關(guān)係管理與資料採礦顧客關(guān)係管理不僅可提昇企業(yè)與顧客間之互動(dòng)關(guān)係，同時(shí)也藉由互動(dòng)關(guān)係來蒐集顧客資料。一般而言，顧客關(guān)係管理蒐集之顧客資料包括行銷活動(dòng)的顧客反應(yīng)度、運(yùn)銷和產(chǎn)品供應(yīng)之相關(guān)數(shù)據(jù)資料、銷售與購買之資料、客戶資料、客戶網(wǎng)站註冊(cè)資料、相關(guān)服務(wù)之?dāng)?shù)據(jù)、產(chǎn)品市場(chǎng)資料及網(wǎng)路銷售數(shù)據(jù)等。由於各項(xiàng)資料均為顧客與企業(yè)間之互動(dòng)而產(chǎn)生，因此藉由分析顧客之各項(xiàng)資料，得以有效掌握顧客特性，而分析資料的主要工具之一即為資料採礦。 顧客關(guān)係管理對(duì)企業(yè)而言乃是將顧客關(guān)係放在企業(yè)經(jīng)營之核心，以滿足顧客需求之行銷理念；而資料採礦則為顧客關(guān)係管理之工具之一，如前述由於顧客關(guān)係管理涉及多種層面，因此資料採礦並非顧客關(guān)係管理之唯一模式，然而由於其資料分析之特質(zhì)，使其成為顧客關(guān)係管理上之必要之工具。 要有效應(yīng)用資料採礦，首先必須整合資料採礦、顧客關(guān)係管理與公司整體策略。顧客關(guān)係管理從較大的範(fàn)疇而言，為管理企業(yè)所有顧客群與企業(yè)間之互動(dòng)。在實(shí)務(wù)上，則牽涉到如何應(yīng)用顧客資料，更加有效地提昇企業(yè)對(duì)顧客之服務(wù)，與增進(jìn)企業(yè)與顧客間之互動(dòng)關(guān)係。 基本上，企業(yè)在進(jìn)行顧客關(guān)係管理上存在著許多不同層次與相互關(guān)連之策略考量，主要包括顧客之獲取、增加顧客對(duì)於企業(yè)之價(jià)值，以及顧客之留存。而顧客之資料採礦可有效地在各項(xiàng)不同層面增加公司收益，協(xié)助達(dá)成企業(yè)營運(yùn)之整體策略目標(biāo)。資料採礦應(yīng)用於顧客關(guān)係管理之具體實(shí)例可概分為下列幾種層次： （一） 顧客獲利率（Customer Profitability）：瞭解企業(yè)對(duì)於不同客戶群之獲利率，為企業(yè)利用資料採礦之方式來進(jìn)行顧客關(guān)係管理的第一步。倘若企業(yè)對(duì)於不同客戶群之獲利程度無法清楚掌握，就無法妥善規(guī)劃未來企業(yè)的行銷及營運(yùn)方向，也因此可能導(dǎo)致企業(yè)錯(cuò)誤的投資及行銷現(xiàn)象策略。許多企業(yè)往往認(rèn)為客戶永遠(yuǎn)是對(duì)的，因此無論客戶的要求為何，均應(yīng)努力達(dá)成。此種論點(diǎn)在某些層面而言應(yīng)屬正確；然從實(shí)務(wù)層面來看，企業(yè)針對(duì)不同的客戶需求而改善自身營運(yùn)流程與成本，由於不同的客戶群對(duì)商品與服務(wù)需求程度之不同，企業(yè)所採行之定價(jià)與獲利程度亦有所不同。倘若部門流程間未盡完善，往往導(dǎo)致部份獲利程度較低之客戶有過度服務(wù)，而獲利程度較高之客戶反而產(chǎn)生服務(wù)不足之情形。因此，瞭解不同顧客群對(duì)於企業(yè)獲利之貢獻(xiàn)程度，可以使企業(yè)類似站在一個(gè)置高點(diǎn)上，對(duì)顧客關(guān)係管理可得到一個(gè)較為清晰之全貌，作為調(diào)整營運(yùn)模式與行銷策略之依據(jù)，再從既有之基礎(chǔ)上，提高企業(yè)對(duì)於客戶群之獲利程度，增加企業(yè)之營收。（二） 顧客之獲取（Customer Acquisition）：企業(yè)傳統(tǒng)贏取顧客的方式多透過整體行銷策略之規(guī)劃，輔以強(qiáng)勢(shì)之廣告宣傳訴求，來贏取顧客對(duì)於產(chǎn)品與服務(wù)之青睞。惟此種方式多以企業(yè)對(duì)於其商品之特定客戶群所內(nèi)含之特質(zhì)而量身訂作而成。其與顧客關(guān)係管理之差別即在於，傳統(tǒng)之廣告行銷方式係由企業(yè)針對(duì)自身對(duì)客戶之認(rèn)知所發(fā)起；而顧客關(guān)係管理則為有系統(tǒng)地記錄特定顧客群對(duì)於商品之反應(yīng)與特性，再針對(duì)其特點(diǎn)擬定廣告行銷訴求，如此可有效提高行銷之有效率，以吸引更多客戶消費(fèi)企業(yè)商品。（三） 交叉銷售（Cross-Selling）：如何提高既有客戶增加購買公司其他不同產(chǎn)品一直是企業(yè)努力的目標(biāo)。交叉銷售不僅可提高既有客戶對(duì)不同產(chǎn)品之購買，顧客對(duì)於不同產(chǎn)品購買量之增加亦可大幅提昇客戶對(duì)於企業(yè)之忠誠度，減少客戶轉(zhuǎn)移至競(jìng)爭(zhēng)對(duì)手之可能性。然而從實(shí)務(wù)上而言，多數(shù)企業(yè)對(duì)交叉銷售多以企業(yè)整體客戶群為基礎(chǔ)，由於不同客戶群對(duì)於商品喜好與服務(wù)程度不一，舊有資訊系統(tǒng)並無法提供有效的資料分析與行銷工具，因此在交叉銷售上往往並無效率，部份商品甚至引起客戶反感而產(chǎn)生反效果。藉由數(shù)位採礦之功能，企業(yè)可由不同客戶群間產(chǎn)品購買的歷史、信用額度等資料，來判斷顧客要求進(jìn)而提供符合客戶要求之商品或服務(wù)。（四） 顧客之掌握（Customer Retention）：從傳統(tǒng)行銷的觀點(diǎn)而言，取得一個(gè)新客戶所花費(fèi)的成本較約維持一個(gè)既有的客戶高出六倍之多。激烈的商業(yè)競(jìng)爭(zhēng)，導(dǎo)致客戶有更多的選擇；因此如何掌握既有客戶群，避免其移轉(zhuǎn)至競(jìng)爭(zhēng)對(duì)手，一直是企業(yè)努力的目標(biāo)之一。藉由資料採礦之應(yīng)用，企業(yè)可以瞭解客戶移轉(zhuǎn)之主要原因及其具有之特性，進(jìn)而使企業(yè)有能力提供不同的方案與誘因，吸引顧客繼續(xù)與企業(yè)維持良好的商務(wù)關(guān)係。（五） 顧客之區(qū)分（Customer Segmentation）：不同之客戶群必然存在著不同的特質(zhì)，將顧客群有系統(tǒng)地分類，可以協(xié)助企業(yè)從一個(gè)較為寬廣的視野來審思與檢驗(yàn)公司既有的營運(yùn)策略，針對(duì)不同的客戶特性來設(shè)計(jì)商品與服務(wù)，擬定不同的行銷策略與廣告模式，以取代舊式以企業(yè)觀點(diǎn)出發(fā)之行銷模式。資料採礦除了可以應(yīng)用在顧客關(guān)係管理外，亦可應(yīng)用在不同企業(yè)管理之領(lǐng)域；藉由資料採礦之使用，可使企業(yè)瞭解企業(yè)運(yùn)作現(xiàn)況外，並可以藉由整合顧客與產(chǎn)品之資料數(shù)據(jù)，找出顧客對(duì)於企業(yè)產(chǎn)品與服務(wù)之滿意度或不滿意之部分。資料採礦同時(shí)可以增進(jìn)企業(yè)營運(yùn)效率，創(chuàng)造企業(yè)知識(shí)之附加價(jià)值。 資料採礦可運(yùn)用在弊端之偵測(cè)、產(chǎn)品於市場(chǎng)之定位、企業(yè)利潤中心之發(fā)掘以及公司物產(chǎn)管理等。對(duì)於零售業(yè)者而言，資料採礦可以協(xié)助業(yè)者瞭解顧客依據(jù)人口統(tǒng)計(jì)學(xué)之分類所產(chǎn)生之消費(fèi)特性，發(fā)掘消費(fèi)者採購模式，以及改善直接郵寄之廣告宣傳效益。 對(duì)於銀行業(yè)者而言，資料採礦可以協(xié)助銀行瞭解客戶信用卡發(fā)放與使用所可以產(chǎn)生之弊端，協(xié)助找出對(duì)銀行而言最有利潤以及忠誠度最佳之顧客群。電信業(yè)者則可利用資料採礦之資料分析瞭解顧客拒絕續(xù)約之原因，並藉以提供消費(fèi)誘因以留住消費(fèi)者。保險(xiǎn)業(yè)者則利用資料採礦來分析保戶通常要求理賠之模式，除了可以調(diào)整作業(yè)流程外，並可加強(qiáng)稽核，以防止詐財(cái)之可能性發(fā)生。製造業(yè)者則可針對(duì)不同標(biāo)的作成本分析，瞭解產(chǎn)業(yè)及產(chǎn)品之特性，以提高獲益率。 四、 資料倉儲(chǔ)（Data Warehouse）與資料採礦要進(jìn)行資料採礦前，企業(yè)必須先行建置資料倉儲(chǔ)。資料倉儲(chǔ)乃是儲(chǔ)存大量資料之資料庫，其與資料庫最大的不同之處則在於，資料庫中所儲(chǔ)存之資料通常為與營運(yùn)（Operation）相關(guān)之資料，而這些資料在累積一段時(shí)間後，除儲(chǔ)存?zhèn)浞萃猓嗫杉右哉磲嵋妻D(zhuǎn)至另一資料系統(tǒng)供作資料分析之用，稱之為資料倉儲(chǔ)。 由於將資料庫中之資料移轉(zhuǎn)至資料倉儲(chǔ)必須先行經(jīng)過資料萃取及重新整理之過程，因此資料分析師可藉由相關(guān)分析工具如線上分析處理（On-Line Analytical Processing, OLAP）之工具、統(tǒng)計(jì)分析以及其他如資料採礦之分析工具來進(jìn)行資料分析。 （資料來源：Information Discovery INC.）不同的分析工具針對(duì)相同的資料數(shù)據(jù)可能產(chǎn)生各種簡(jiǎn)單與複雜的分析結(jié)果。一般而言，資料庫均有類似如詢問（Query）與報(bào)告（Reporting）等分析工具，藉由系統(tǒng)所設(shè)定之參數(shù)，產(chǎn)生不同之分析報(bào)告。 此類分析報(bào)告多屬制式性質(zhì)，通常由部門中技術(shù)類型之經(jīng)理（Functional Manager）來負(fù)責(zé)，一般分析的標(biāo)的為不同時(shí)期之銷售量、成本等資料；而線上分析進(jìn)行之工具以及多層次（Multi-Dimensional）分析工具則多屬企業(yè)內(nèi)部商業(yè)分析人士專屬使用，這些分析工具使得分析人士有能力得以對(duì)於原始資料加以剖析（Drill）以瞭解資料所呈現(xiàn)出之不同面向，或是瞭解不同參數(shù)間之相關(guān)性；資料採礦亦具有上述之特性，惟其與上述各項(xiàng)分析工具主要之區(qū)分在於資料採礦可以針對(duì)相當(dāng)大量之資料加以分析，找出資料中的隱性模式（Hidden Patterns）。 資料採礦本質(zhì)上與統(tǒng)計(jì)分析技術(shù)及線上分析技術(shù)有所不同。統(tǒng)計(jì)技術(shù)分析僅能針對(duì)較少量之資料，就資料之關(guān)聯(lián)性或統(tǒng)計(jì)學(xué)上不同之標(biāo)的加以分析；而線上分析處理技術(shù)，則為一般資料倉儲(chǔ)所採用之分析報(bào)告，可以針對(duì)制式化以及關(guān)聯(lián)性較低的數(shù)據(jù)資料加以分析。例如線上分析處理可以提供零售業(yè)者瞭解不同產(chǎn)品、區(qū)域以及其對(duì)於成本及銷售收入之影響，但是並無法提供顧客之購買行為模式，如顧客在購買零食後通常會(huì)購買飲料等顧客購買相關(guān)產(chǎn)品間之關(guān)連性。 以下的例子可以簡(jiǎn)單的說明線上分析處理與資料採礦對(duì)於資料分析的不同點(diǎn)： 五、 資料採礦之步驟與技術(shù)分類網(wǎng)路或資訊軟體之應(yīng)用並未改變資料採礦之流程，但是新資訊科技加速了資料採礦的流程並擴(kuò)充了應(yīng)用層面。在實(shí)體商品世界中，直效行銷（Direct Marketing）可能要耗費(fèi)數(shù)週甚至數(shù)月來籌備，在資訊世界的領(lǐng)域中，直效行銷往往只是彈指之間即可完成。 雖然資料採礦涉及資訊軟體與統(tǒng)計(jì)分析，範(fàn)圍相當(dāng)廣泛，然而由於資訊科技的進(jìn)步，一般企業(yè)使用者幾乎不需要過分瞭解軟體背後所涵蓋之專業(yè)知識(shí)。最重要的是，資料採礦之重點(diǎn)在於能夠瞭解資料背後所寓含之意義，以及資料分析對(duì)於商務(wù)營運(yùn)所可能產(chǎn)生之功效，倘若公司無法或錯(cuò)誤解讀資料，資料採礦也就完全失去了意義，甚至可能對(duì)公司營運(yùn)產(chǎn)生負(fù)面效果。 資料採礦係一種利用分析與行為模組（Modeling）之技術(shù)，可瞭解顧客行為模式同時(shí)預(yù)測(cè)顧客未來可能行為模式之資訊軟體應(yīng)用。而進(jìn)行資料採礦有三個(gè)基本步驟：資料之描述、預(yù)測(cè)模組之建立以及測(cè)試模組之可信度。 首先，業(yè)者必須針對(duì)需進(jìn)行資料採礦之資料進(jìn)行整理，瞭解資料分析對(duì)於企業(yè)運(yùn)作所可能產(chǎn)生之效益與優(yōu)點(diǎn)，再針對(duì)資料庫中之資料加以分析，擷取最符合經(jīng)濟(jì)效益之資料內(nèi)容。其次，企業(yè)必須就歷史資料庫中之資料建立一個(gè)可供分析使用之模式（Model），並針對(duì)所設(shè)計(jì)之模式整合編修較不完整或遺失之資料，再從所設(shè)計(jì)之模式中找尋可資利用之資料行為模式。最後，則必須針對(duì)所建立之模組進(jìn)行測(cè)試。測(cè)試之進(jìn)行可從資料庫中透過取樣之方式，以測(cè)試所建立模組結(jié)果之真?zhèn)?，然後再從測(cè)試結(jié)果瞭解模組之可信度。 由於不同之產(chǎn)業(yè)與顧客群特性，企業(yè)有時(shí)必須針對(duì)不同之模組設(shè)計(jì)來進(jìn)行抽樣研究，再從中找尋最合適之模組與應(yīng)用方式。錯(cuò)誤之模組設(shè)計(jì)往往將導(dǎo)論出不同之結(jié)論，由於資料採礦之結(jié)果通常為行銷策略之重要指標(biāo)，因此錯(cuò)誤的設(shè)計(jì)不僅會(huì)使企業(yè)的行銷計(jì)畫不如預(yù)期，甚至可能會(huì)使公司營運(yùn)遭到嚴(yán)重打擊。 資料採礦雖與傳統(tǒng)所用之統(tǒng)計(jì)分析有所不同，然二者之本質(zhì)內(nèi)容仍屬類似。簡(jiǎn)單的資料採礦仍普遍應(yīng)用統(tǒng)計(jì)學(xué)中之資料分析方式，分析資料之?dāng)?shù)學(xué)特性如平均值、中位數(shù)等，以及瞭解數(shù)據(jù)資料間之關(guān)連性如線性迴歸等分析方式，來作為資料預(yù)測(cè)之依據(jù)。而常見之資料採礦分析類別可概分為下列數(shù)種： （一） 線性迴歸（Linear Regression）： 線性迴歸分析方式乃是藉由二個(gè)或二個(gè)以上之變數(shù)，瞭解彼此間之關(guān)係。如廣告預(yù)算可能對(duì)銷售收入所造成之影響，即可藉由廣告預(yù)算與銷售收入二者之歷史數(shù)據(jù)，利用線性迴歸分析來瞭解數(shù)據(jù)間之關(guān)連性，進(jìn)而預(yù)測(cè)未來廣告收入之增減可能對(duì)銷售收入所產(chǎn)生之影響。 （二） 最鄰近者（Nearest Neighbor）： 此種分析方式性質(zhì)上與之後介紹的叢集分析方式近似。此種分析方式可算是所有分析技術(shù)中最簡(jiǎn)易也最常為使用者使用之方式。 使用者可以利用過去的數(shù)據(jù)資料，訓(xùn)練應(yīng)用軟體瞭解不同數(shù)據(jù)間之關(guān)連性。例如使用過去十個(gè)時(shí)期的股票價(jià)格，其中前九次為預(yù)測(cè)數(shù)據(jù)（predictor value），第十次則為預(yù)測(cè)決定數(shù)據(jù)（prediction value）；重複依循不同次序輸入十項(xiàng)不同股票價(jià)格可以產(chǎn)生十種不同之訓(xùn)練模組，然後再由其推斷可信度較高之?dāng)?shù)據(jù)。 （三） 叢集（Clustering）： 叢集就是將不同的資料數(shù)據(jù)加以分類，然後提供使用者一個(gè)較佳的資料觀察點(diǎn)來分析資料。一般來說，叢集分析法可以提供使用者，尤其是行銷部門，瞭解產(chǎn)品及顧客之特性，進(jìn)而制訂出有效之行銷策略。叢集分類的方式可依照策略之需要來制訂相關(guān)資料變數(shù)，並無特定的方式或最佳之方式，由於叢級(jí)與最鄰近者分析方法類似，因此二者經(jīng)常配合使用。 （四） 決策樹（Decision Tree）： 決策樹之分析方式是一種十分適合使用者進(jìn)行資料分析之工具。由於決策樹係將資料依據(jù)不同的變數(shù)循序來產(chǎn)生分析結(jié)果，因此使用者幾乎不需要擁有任何統(tǒng)計(jì)分析之知識(shí)，即可藉由決策樹之分析方式來分析顧客或消費(fèi)者之特質(zhì)與異同點(diǎn)。 與上述各項(xiàng)分析方法不同的是，決策樹分析法係由使用者之意旨來將資料依據(jù)其特性加以分類，使用者並可利用決策樹之各項(xiàng)不同變數(shù)來判斷及預(yù)測(cè)可能之結(jié)果。然而，決策樹並非毫無缺點(diǎn)，倘決策過程中選擇之問題錯(cuò)誤，將導(dǎo)致整體分析出現(xiàn)明顯之偏差，影響分析品質(zhì)。 （五） 神經(jīng)網(wǎng)絡(luò)（Neural Network）： 神經(jīng)網(wǎng)絡(luò)係指藉由不同之變數(shù)設(shè)定，來訓(xùn)練軟體做出較佳之決策分析與預(yù)測(cè)，其原理與人腦神經(jīng)系統(tǒng)運(yùn)作之原理類似，因此稱之為神經(jīng)網(wǎng)絡(luò)。 神經(jīng)網(wǎng)絡(luò)對(duì)於資料分析與預(yù)測(cè)十分有效率，且其導(dǎo)入與使用十分簡(jiǎn)易，然而其軟體內(nèi)部隱含之模組（Model）十分複雜，即便統(tǒng)計(jì)學(xué)專家有時(shí)亦無法完全掌握其中的精要。其原理則為藉由不同資料變數(shù)之連結(jié)來推論出可能之結(jié)果。變數(shù)越多，產(chǎn)生之結(jié)果正確率越高，或藉由對(duì)於變數(shù)加權(quán)值之運(yùn)作，可獲得更佳之分析結(jié)果。 （六） 規(guī)則演繹（Rule Induction）： 規(guī)則演繹為資料採礦中最直接也最為一般使用者所瞭解之分析方式。藉由分析模組之設(shè)計(jì)，可以瞭解龐大資料庫中資料之特性規(guī)律，稱之為規(guī)則（Rule）。 例如零售業(yè)者可以瞭解百分之七十的顧客於購買真皮牛仔褲後，均購買塑膠皮帶，因此這二者間有其一定之關(guān)連性，可稱之為規(guī)則。瞭解規(guī)則之存在，有助於知道顧客與產(chǎn)品之特質(zhì)，然而並非每一項(xiàng)規(guī)則均有其實(shí)用價(jià)值，資料之實(shí)用性與否仍須視企業(yè)性質(zhì)而定。六、 資料採礦於網(wǎng)路上之應(yīng)用資料採礦在網(wǎng)路上之應(yīng)用與一般利用資料庫中客戶資料所作的分析有所不同。目前的顧客關(guān)係管理軟體多利用網(wǎng)路來增加企業(yè)與顧客間之互動(dòng)，當(dāng)顧客或潛在的客戶到訪企業(yè)網(wǎng)址時(shí)，往往能藉由顧客關(guān)係管理之資訊軟體來進(jìn)行資料蒐集，進(jìn)而以資料採礦之分析工具來進(jìn)行資料分析。 當(dāng)顧客到訪網(wǎng)站時(shí)，顧客其實(shí)即已提供了許多寶貴的顧客資料，企業(yè)即可藉由這些資訊分析來瞭解顧客的行為模式。如顧客所提供的個(gè)人資料、顧客點(diǎn)選的網(wǎng)頁內(nèi)容、於不同網(wǎng)頁所停留的時(shí)間長短、利用搜尋引擎時(shí)所經(jīng)常使用的關(guān)鍵字，以及顧客到訪網(wǎng)站的時(shí)間點(diǎn)等，藉由資料庫的設(shè)置可以將這些資料儲(chǔ)存起來供日後分析之用，藉以瞭解顧客網(wǎng)站乃至於公司所提供之產(chǎn)品與服務(wù)性質(zhì)的滿意度。 大部份的網(wǎng)站或相關(guān)軟體均有上述的功能，惟其在實(shí)務(wù)應(yīng)用上之困難存在於企業(yè)本身缺乏對(duì)資料進(jìn)行分析之意願(yuàn)，以及缺乏對(duì)於資料分析解讀之人力資源。 要利用資料採礦的技術(shù)來分析顧客於網(wǎng)站上之行為模式，首先企業(yè)必須建構(gòu)一套可以記錄顧客對(duì)於網(wǎng)站產(chǎn)品及服務(wù)的機(jī)制，並先確認(rèn)進(jìn)行網(wǎng)路資料採礦之目標(biāo)，配合整體營運(yùn)策略來完整蒐集顧客資料。 一般而言，可用來區(qū)分及利用網(wǎng)站訪客的特質(zhì)包括地理區(qū)隔、人格特質(zhì)及訪客使用之資訊設(shè)備等方面。地理區(qū)隔包括訪客地址、收入、購買能力等；人格特質(zhì)則包括訪客之購買特性，如是否為衝動(dòng)性或精打細(xì)算型消費(fèi)者；而訪客所使用之資訊設(shè)備則包括訪客使用之網(wǎng)路頻寬、操作系統(tǒng)、瀏覽器或伺服器等。 而訪客於網(wǎng)頁中的點(diǎn)選順序與落點(diǎn)可以將顧客群依照產(chǎn)品來加以分類，以瞭解產(chǎn)品與服務(wù)對(duì)於顧客所提供之吸引力。 上述各項(xiàng)特質(zhì)均可利用不同的軟體與網(wǎng)站內(nèi)容促使訪客提供相關(guān)資料。當(dāng)網(wǎng)站訪客與網(wǎng)站產(chǎn)生互動(dòng)時(shí)，即有機(jī)會(huì)產(chǎn)生資料，而這些資料的累積可以針對(duì)企業(yè)銷售及整體策略加以分析。如顧客之購買歷史、點(diǎn)選廣告之次數(shù)、網(wǎng)站上所提供之資訊以及網(wǎng)頁點(diǎn)選之落點(diǎn)與頻率以及訪客於網(wǎng)站停留時(shí)間等，均為極為珍貴之顧客資料。 在採取網(wǎng)路資料採礦之前，由於可供擷取之資料過多，考量成本效益後，企業(yè)必須界定採取網(wǎng)路資料採礦之目標(biāo)，以作為整體策略之準(zhǔn)則。多數(shù)企業(yè)採取網(wǎng)路資料採礦多為支援公司整體行銷策略，亦有部份企業(yè)僅將網(wǎng)路作為其行銷管道之一，並將其與傳統(tǒng)行銷管道區(qū)隔。 然而顧客愈加有效利用網(wǎng)站資源，表示網(wǎng)站的設(shè)立有助於企業(yè)整體行銷策略之推展，因此在規(guī)劃網(wǎng)路資料採礦整體策略前，最好能夠有一個(gè)十分明確的目標(biāo)。如：增加顧客平均瀏覽網(wǎng)頁之頁數(shù)、增加顧客於網(wǎng)路購買之?dāng)?shù)量與銷售金額、減少產(chǎn)品退回、增加品牌知名度、增加顧客到訪網(wǎng)站之頻率，或減少顧客購買產(chǎn)品之流程等，均可為企業(yè)提昇營運(yùn)效率之目標(biāo)，並將方案內(nèi)容整合企業(yè)整體營運(yùn)計(jì)畫之內(nèi)。 除了確認(rèn)計(jì)畫目標(biāo)外，企業(yè)尚須瞭解自身問題之所在。以網(wǎng)路行銷（Web Marketing）為例，網(wǎng)路行銷者通常面對(duì)的問題有，如何強(qiáng)化廣告訴求、如何創(chuàng)造訪客個(gè)人化網(wǎng)頁、如何將關(guān)聯(lián)性較高的產(chǎn)品置於同一網(wǎng)頁上、如何將相關(guān)文章（以資訊為主）加以分類條列、區(qū)分不同特質(zhì)的訪客、統(tǒng)計(jì)忽略之資料，以及預(yù)測(cè)顧客未來之行為模式等等。不同部門間有其不同的業(yè)務(wù)與資料需求，因此在資料蒐集與分析後，不同部門間即可針對(duì)原先設(shè)定之計(jì)畫方向調(diào)整各項(xiàng)行銷策略。 七、 顧客關(guān)係管理與資料採礦應(yīng)注意事項(xiàng)部份企業(yè)仍視電子商務(wù)為資訊科技，由資訊部門專責(zé)管理，然而企業(yè)往往發(fā)現(xiàn)，完善的技術(shù)管理並無法使資訊科技產(chǎn)生最大的效能，如何將資訊科技完備地應(yīng)用在商業(yè)營運(yùn)上，才是公司導(dǎo)入資訊軟體的主要目的。 資料採礦之實(shí)施也同樣具備上述特性，多數(shù)公司仍由資訊部門來專責(zé)管理，然而由於資料採礦因?yàn)樯婕邦櫩唾Y料之判讀以及資料分析後在商業(yè)上之應(yīng)用，因此企業(yè)在導(dǎo)入資料採礦時(shí)最好能夠籌組一個(gè)包括資訊部門與商業(yè)部門人士之導(dǎo)入團(tuán)隊(duì)，方能使資料採礦獲得最大的功效。 顧客關(guān)係管理並非資訊科技，因此企業(yè)主應(yīng)該瞭解在尋找合宜的顧客關(guān)係管理軟體上，應(yīng)該著重於既有顧客關(guān)係管理層面之考量，而非尋找顧客關(guān)係管理之解決方案，因?yàn)槿魏我环N顧客關(guān)係管理之軟體絕對(duì)無法徹底解決企業(yè)與顧客間關(guān)係之維繫與建立。 企業(yè)必須瞭解任何一種顧客關(guān)係管理或資料採礦之軟體係由資訊科