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)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摘要從1980年代代的資料料庫(kù)行銷銷到1990年年代關(guān)係係行銷，不斷受受到企業(yè)業(yè)重視，企業(yè)評(píng)評(píng)估績(jī)效效的指標(biāo)標(biāo)從原本本的市場(chǎng)場(chǎng)佔(zhàn)有率率變成以以顧客佔(zhàn)佔(zhàn)有率為為中心，強(qiáng)調(diào)企企業(yè)與顧顧客所建建立的長(zhǎng)長(zhǎng)久信賴賴關(guān)係，隨著著資料庫(kù)庫(kù)科技與與網(wǎng)路科

2、科技加速速顧客關(guān)關(guān)係管理理及資料料採(cǎi)礦技技術(shù)的興興起，CRM透過資訊訊技術(shù)的的運(yùn)用，找出對(duì)對(duì)企業(yè)利利潤(rùn)最有有貢獻(xiàn)的的顧客群群，並把把交易導(dǎo)導(dǎo)向轉(zhuǎn)換換成關(guān)係係導(dǎo)向(一)、諸論及研究動(dòng)機(jī)機(jī)大型型量販店店市場(chǎng)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(shí)出高高價(jià)值的的顧客，並強(qiáng)化化與企業(yè)業(yè)間的關(guān)關(guān)係，以以保留住住高價(jià)值值的顧客客隨著著資料庫(kù)庫(kù)科技與與網(wǎng)路科科技加速速顧客關(guān)關(guān)係管理理及資料料採(cǎi)礦技技術(shù)的興興起，但但目前仍仍未被廣廣泛應(yīng)用用在大型型量販?zhǔn)惺袌?chǎng)中。如何找出出企業(yè)的的忠誠(chéng)顧顧客即是是CRM中相當(dāng)重重要的課課題，基於大大型量販販店市場(chǎng)場(chǎng)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(yùn)用資資料採(cǎi)礦礦技術(shù)在在CRM活動(dòng)以分分析顧客客行為的的主要?jiǎng)觿?dòng)機(jī)：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(guān)性以大型型量販店店為研究究對(duì)象，了解不不同顧客客群體的的回應(yīng)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(jià)值值進(jìn)行顧顧客區(qū)隔隔，本次次研究報(bào)報(bào)告結(jié)合合DM技術(shù)，並並修正傳傳統(tǒng)顧客客分群的的方式，使CRM運(yùn)作在獲獲取、增增強(qiáng)、維維持三個(gè)個(gè)面向能能夠順利利進(jìn)行C RM CRM導(dǎo)入前應(yīng)應(yīng)先建立立顧客策策略

4、 CRM實(shí)際運(yùn)作作前應(yīng)先先重新改改變以顧顧客為中中心的關(guān)關(guān)鍵企業(yè)業(yè)程序 愈佳佳CRM科技不一一定會(huì)達(dá)達(dá)到CRM目標(biāo)，因因此需建建立採(cǎi)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(jì)劃。1990年代科科技產(chǎn)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(dòng)動(dòng)通路管管理關(guān)關(guān)係管理理管理整整個(gè)企業(yè)業(yè)CRM的導(dǎo)入過過程CRM的導(dǎo)入可可視為一一連串過過程，包包括：顧顧客識(shí)別別、區(qū)隔隔、互動(dòng)動(dòng)、客製製化四個(gè)個(gè)步驟，主要以以學(xué)習(xí)習(xí)關(guān)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(dòng)動(dòng)顧客的生生命週期期顧客客吸引、交易、訂單履履行、服服務(wù)組合合而成的

5、的循環(huán)CRM的應(yīng)用範(fàn)範(fàn)圍類 型 目 的 方 法 工 具合作型CRM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CRM 在於改善企業(yè)與顧客目互動(dòng)效率 透過資訊系統(tǒng)追蹤管理與顧客間的互動(dòng) 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(kù)中找出顧客的忠誠(chéng)度 CRM主要元件件是由行行銷與銷銷售動(dòng)力力自動(dòng)化化、客戶戶接觸中中心科技技、客戶戶服務(wù)(二)、顧客價(jià)價(jià)值分析析1.顧客分類類和區(qū)隔隔方式2.顧客忠誠(chéng)誠(chéng)度3.RFM模型4.顧客價(jià)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(jī)效效購(gòu)面顧客焦點(diǎn)點(diǎn)構(gòu)面2.顧客忠誠(chéng)誠(chéng)度顧克忠誠(chéng)誠(chéng)度乃顧

6、顧客與企企業(yè)間形形成強(qiáng)力力的關(guān)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(dòng)所需需的顧客客名單。R是沉寂長(zhǎng)長(zhǎng)度F是購(gòu)買頻頻率M是購(gòu)買金金額3.顧客價(jià)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(jià)價(jià)值分析析的方法法來解決決RFM的缺點(diǎn)。(三)、資料採(cǎi)採(cǎi)礦何謂資料料採(cǎi)礦資料採(cǎi)礦礦的特性性:可處理、萃取、可行動(dòng)動(dòng)、隱含含、新奇奇、資訊訊化資料採(cǎi)礦礦的三個(gè)個(gè)分群方方式運(yùn)作流程程功能種類類傳統(tǒng)統(tǒng)計(jì)計(jì)分析與與類神經(jīng)經(jīng)網(wǎng)路之之分群方方式傳統(tǒng)統(tǒng)計(jì)計(jì)分析與與類神經(jīng)經(jīng)網(wǎng)路之之分群方方式(三)、研究架架構(gòu)與方方法一.整合資料料採(cǎi)礦(DataMining)技術(shù)之顧顧客關(guān)係係管理運(yùn)作架構(gòu)構(gòu)1.

7、本章提出出整合資資料採(cǎi)礦礦技術(shù)(DataMining)的CRM流程架構(gòu)構(gòu)，整個(gè)個(gè)架構(gòu)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(cǎi)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(guān)係係長(zhǎng)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(zhǎng)度度-R顧客沉寂寂長(zhǎng)度：用來衡量量顧客的的流失情情形-F顧客購(gòu)買買頻率：顧客在特特定的天天數(shù)購(gòu)買買的天數(shù)數(shù)、一天天購(gòu)買的的次數(shù)-M顧客獲利利性：指顧客購(gòu)購(gòu)買金額額扣除各各種成本本後得淨(jìng)淨(jìng)利總合合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

8、性M售價(jià)產(chǎn)品成本行銷成本資料採(cǎi)礦礦前置處處理流程程1.因本章是是用標(biāo)準(zhǔn)差來進(jìn)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(cǎi)礦礦資料庫(kù)庫(kù)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(jìn)進(jìn)行標(biāo)準(zhǔn)準(zhǔn)化標(biāo)準(zhǔn)化資資料=(原始資料料-範(fàn)圍最小小值)/(範(fàn)圍最大大值-範(fàn)圍最小小值)資料採(cǎi)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(yīng)該分分幾群。SOM中所需設(shè)設(shè)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(xué)習(xí)的次數(shù)數(shù))K-mean：可以自自動(dòng)接收收SOM所產(chǎn)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(guān)係係類型舉舉證長(zhǎng)關(guān)係長(zhǎng)度短短沉寂長(zhǎng)度度長(zhǎng) LR 緊密 LR 潛在 LR 獲取 LR 流失最佳顧客客：高價(jià)價(jià)值忠誠(chéng)誠(chéng)、高價(jià)價(jià)值新顧顧客、潛潛在忠誠(chéng)誠(chéng)、高價(jià)價(jià)值流失失顧客頻率型顧顧客：高高購(gòu)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(fèi)型顧顧客：白白金型顧顧客、消消費(fèi)型促促銷、潛潛在消費(fèi)費(fèi)型、消消費(fèi)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(shè)

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(guān)關(guān)係長(zhǎng)度度，與顧客獲獲利性間間並非完完全正向向關(guān)係企業(yè)主要要利潤(rùn)貢貢獻(xiàn)來自自少部分分高價(jià)值值的顧客客群忠誠(chéng)顧客客對(duì)企業(yè)業(yè)的利潤(rùn)潤(rùn)貢獻(xiàn)較較高流失顧客客對(duì)企業(yè)業(yè)的利潤(rùn)潤(rùn)貢獻(xiàn)交交低顧客佔(zhàn)有有率越高高對(duì)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(guān)係係長(zhǎng)度)，並以顧顧客獲利利性(M)取代顧客客購(gòu)買金金額而來來，簡(jiǎn)稱稱為L(zhǎng)RFM資料模型型。 由接觸時(shí)時(shí)間和顧顧客行為為因子兩兩種構(gòu)面面組成。顧客購(gòu)買產(chǎn)品種類顧客沉寂長(zhǎng)度顧客關(guān)係長(zhǎng)度顧客人數(shù)比率顧客購(gòu)買頻率顧客獲利性接觸時(shí)間構(gòu)面交易行為構(gòu)面四、個(gè)案案研究(一)、個(gè)案背背

11、景、動(dòng)動(dòng)機(jī)行政院主主計(jì)處年月國(guó)情情統(tǒng)計(jì)報(bào)報(bào)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(fèi)者者青睞，營(yíng)業(yè)家家數(shù)持續(xù)續(xù)增加，近五年年?duì)I業(yè)額額平均年年增故研研究個(gè)案案對(duì)象為為大型型量販店店(二)、個(gè)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(yùn)運(yùn)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(dòng)績(jī)效效評(píng)估方方式。（3）比較本本研究所所採(cǎi)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(duì)個(gè)個(gè)案公司司的實(shí)際際案例以以修正本本研究之之假設(shè)命命題與研研究模型。（5）探討分群群技術(shù)於於活動(dòng)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(chǎn)產(chǎn)生的顧顧客區(qū)隔隔與個(gè)案案公司郵郵件活動(dòng)動(dòng)的績(jī)效表表現(xiàn)。(二)、個(gè)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(fèi)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(huì)會(huì)員顧客來來區(qū)分為為活躍躍型與與靜態(tài)態(tài)型。(三)、個(gè)案公公司之的的定義與與運(yùn)作流程程所運(yùn)作的的運(yùn)作的的流程為為（1）確定行行銷活動(dòng)動(dòng)主題（2）針對(duì)主主題找出出主題活活動(dòng)（3）在主題題活動(dòng)下下，找出出目標(biāo)顧顧客群（4）行銷活活動(dòng)執(zhí)行行（5）紀(jì)錄活活動(dòng)結(jié)果果與評(píng)估估績(jī)效（6）學(xué)習(xí)過過去的活活動(dòng)結(jié)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(chéng)誠(chéng)顧客，對(duì)忠誠(chéng)誠(chéng)顧客的的定義

13、為為購(gòu)買買頻率較較高的顧顧客群與與購(gòu)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(yùn)作流流程並未未採(cǎi)用資資料倉(cāng)儲(chǔ)儲(chǔ)、資料料採(cǎi)礦、的套裝裝軟體或或開發(fā)支支援運(yùn)作作系統(tǒng)。(四)、整合資資料採(cǎi)礦礦之流程的預(yù)預(yù)期成效效本研究預(yù)預(yù)期個(gè)案案公司在在採(cǎi)用本本研究所所提出之之顧客區(qū)區(qū)隔方式式後所產(chǎn)生之預(yù)預(yù)期成效效如下：（1）結(jié)合資資料採(cǎi)礦礦技術(shù)來來進(jìn)行郵郵件活動(dòng)動(dòng)中的活活躍顧客客的分群群作業(yè)，以有有效區(qū)隔隔個(gè)案公公司活躍躍顧客群群中不同同價(jià)值的的顧客群群。（2）探討個(gè)個(gè)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(jìn)進(jìn)一步瞭解的不不同顧客客區(qū)隔利利潤(rùn)貢獻(xiàn)獻(xiàn)情形。（3）將本研研究所產(chǎn)產(chǎn)生之顧顧

14、客區(qū)隔隔結(jié)合個(gè)個(gè)案公司司的郵件件活動(dòng)回回應(yīng)資訊，進(jìn)一一步探討討本研究究所產(chǎn)生生的顧客客區(qū)隔的的回應(yīng)率率。透過過郵件活動(dòng)績(jī)績(jī)效衡量量方式，以區(qū)隔隔出不同同價(jià)值的的顧客在在活動(dòng)中中的績(jī)效表現(xiàn)現(xiàn)。 (五)、個(gè)案結(jié)結(jié)和研究究假設(shè)的修正：活活躍顧客客與企業(yè)業(yè)間的交交易關(guān)係係長(zhǎng)度維維持越長(zhǎng)長(zhǎng)久則顧客獲利利性不一一定會(huì)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(rùn)潤(rùn)貢獻(xiàn)。：活活躍顧客客中的忠忠誠(chéng)顧客客對(duì)企業(yè)業(yè)的利潤(rùn)潤(rùn)貢獻(xiàn)較較高。：活活躍顧客客中的流流失顧客客對(duì)企業(yè)業(yè)的利澗澗貢獻(xiàn)較較低。：活活躍顧客客的顧客客佔(zhàn)有率率越高則則顧客對(duì)對(duì)企業(yè)的的利潤(rùn)貢獻(xiàn)越高高。：活活躍顧客客之顧客客獲利性性越高則則活

15、動(dòng)績(jī)績(jī)效表現(xiàn)現(xiàn)越佳。 伍、資料料分析(一)、資料採(cǎi)採(cǎi)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(xué)習(xí)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(jié)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(duì)於於顧客區(qū)區(qū)隔的能能力較強(qiáng)強(qiáng)，而FM對(duì)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(cǎi)樣群體數(shù)消費(fèi)型促銷顧客0.70高價(jià)值忠誠(chéng)顧

16、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(gè)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(jià)價(jià)值忠誠(chéng)誠(chéng)顧客的的利潤(rùn)貢貢獻(xiàn)度最最高，不不定新顧顧客的人人數(shù)比例佔(zhàn)24.5%最多。個(gè)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?yàn)槠髽I(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(jià)值矩矩陣中的的最佳、不確定象限限