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

以兩階段資料採礦分群方法應(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ApplicationofTwoStagesDataMiningClusteringtoCustomerRelationshipManagementandPerformanceEvaluationofProfitability:AnEmpiricalStudy以兩階段資料採礦分群方法應(yīng)用於顧客關(guān)係管理和獲利績(jī)效評(píng)估之實(shí)1摘 要從1980年代的資料庫行銷到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，隨著資料庫科技與網(wǎng)路科技加速顧客關(guān)係管理及資料採礦技術(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

摘 要從1980年代的資料庫行銷到1990年代關(guān)係行銷，不斷2(一)、諸論及研究動(dòng)機(jī)①

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②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③

隨著資料庫科技與網(wǎng)路科技加速顧客關(guān)係管理及資料採礦技術(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)用資料採礦技術(shù)在CRM活動(dòng)以分析顧客行為的主要?jiǎng)訖C(jī)：(一)、諸論及研究動(dòng)機(jī)①

大型量販店市場(chǎng)快速興起，並累積大量3兩階段DM分群方法①

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②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③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)行兩階段DM分群方法①

探討並修正傳統(tǒng)RFM曲隔方式，以有效萃4

CRM①CRM導(dǎo)入前應(yīng)先建立顧客策略②CRM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③愈佳CRM科技不一定會(huì)達(dá)到CRM目標(biāo)，因此需建立採用CRM科技的混合策略④需要的是顧客接觸策略而非CRM計(jì)劃。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)CRM①CRM導(dǎo)入前應(yīng)先建立顧客策略1990年代科技5

CRM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)」CRM的導(dǎo)入過程CRM的導(dǎo)入可視為一連串過程，包括：顧客6

CRM的應(yīng)用範(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中找出顧客的忠誠度

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)

CRM的應(yīng)用範(fàn)圍類型目7(二)、顧客價(jià)值分析1.顧客分類和區(qū)隔方式2.顧客忠誠度3.RFM模型4.顧客價(jià)值矩陣(二)、顧客價(jià)值分析1.顧客分類和區(qū)隔方式81.顧客分類和區(qū)隔方式：顧客金字塔:

顧客績(jī)效購面顧客焦點(diǎn)構(gòu)面1.顧客分類和區(qū)隔方式：顧客金字塔:顧客績(jī)效購面顧客焦點(diǎn)構(gòu)92.顧客忠誠度

顧克忠誠度乃顧客與企業(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是購買頻率M是購買金額2.顧客忠誠度顧克忠誠度乃顧客與企業(yè)間形成強(qiáng)力的關(guān)係。RF103.顧客價(jià)值矩陣是從RFM所發(fā)展出來較適合小型企業(yè)的顧客價(jià)值分析的方法來解決RFM的缺點(diǎn)。

3.顧客價(jià)值矩陣是從RFM所發(fā)展出來較適合小型企業(yè)的顧客價(jià)值11(三)、資料採礦⊙何謂資料採礦⊙資料採礦的特性:可處理、萃取、可行動(dòng)、隱含、新奇、資訊化

⊙資料採礦的三個(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(三)、資料採礦⊙何謂資料採礦⊙資料採礦的三個(gè)分群方式12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13(三)、研究架構(gòu)與方法

一.整合資料採礦(DataMining)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礦技術(shù)(DataMining)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

⊙資料採礦前置處理流程

⊙兩階段分群過程

(三)、研究架構(gòu)與方法一.整合資料採礦(DataMini141.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：用來衡量顧客的流失情形-F顧客購買頻率：顧客在特定的天數(shù)購買的天數(shù)、一天購買的次數(shù)-M顧客獲利性：指顧客購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(shí)間內(nèi)購買天數(shù)顧客獲利性M售價(jià)產(chǎn)品成本行銷成本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15資料採礦前置處理流程

1.因本章是用標(biāo)準(zhǔn)差來進(jìn)行離群分析，所以先將活躍型顧客的LRFM資料先匯入採礦資料庫中，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

=(原始資料-範(fàn)圍最小值)/(範(fàn)圍最大值-範(fàn)圍最小值)資料採礦前置處理流程1.因本章是用標(biāo)準(zhǔn)差來進(jìn)行離群分析16資料採礦兩階段分群過程

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)和群體重心資料採礦兩階段分群過程由自我組織圖SOM和叢集分析K-m17(二)、群體樣式分析1.顧客關(guān)係類型舉證長(zhǎng)

關(guān)係長(zhǎng)度短短沉寂長(zhǎng)度長(zhǎng)

L↑R↓

緊密

L↑R↑

潛在

L↓R↓

獲取

L↓R↑

流失(二)、群體樣式分析1.顧客關(guān)係類型舉證L↑R↓18最佳顧客：高價(jià)值忠誠、高價(jià)值新顧客、潛在忠誠、高價(jià)值流失顧客頻率型顧客：高購買頻率、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.多維度顧客分群規(guī)則:2.多維度顧客分群規(guī)則:19三.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)主要利潤貢獻(xiàn)來自少部分高價(jià)值的顧客群⊙忠誠顧客對(duì)企業(yè)的利潤貢獻(xiàn)較高⊙流失顧客對(duì)企業(yè)的利潤貢獻(xiàn)交低⊙顧客佔(zhàn)有率越高對(duì)企業(yè)獲利性越高三.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)20四.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)取代顧客購買金額而來，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)比率顧客購買頻率顧客獲利性接觸時(shí)間構(gòu)面交易行為構(gòu)面四.觀念性研究模型之雛型本研究由RFM模型外加21四、個(gè)案研究(一)、個(gè)案背景、動(dòng)機(jī)

行政院主計(jì)處９０年９月國情統(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，營業(yè)家數(shù)持續(xù)增加，近五年?duì)I業(yè)額平均年增１０．７％故研究個(gè)案對(duì)象為「大型量販店」四、個(gè)案研究(一)、個(gè)案背景、動(dòng)機(jī)行政院主計(jì)處９０年９22(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ＣＲＭ運(yùn)作流程的模式以及顧客區(qū)隔的方式。（2）探討ＣＲＭ活動(dòng)績(jī)效評(píng)估方式。（3）比較本研究所採用的Ｌ、Ｒ、Ｆ、Ｍ的顧客區(qū)隔方式與Ａ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）探討ＤＭ分群技術(shù)於ＣＲＭ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研究的主要目的為23(二)、個(gè)案研究的目的與顧客分類方式⊙顧客分類方式：目前Ａ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)員顧客來區(qū)分為「活躍型」與「靜態(tài)型」。(二)、個(gè)案研究的目的與顧客⊙顧客分類方式：24(三)、個(gè)案公司之ＣＲＭ的定義與運(yùn)作流程所運(yùn)作的ＣＲＭ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Ａ公司ＣＲＭ最主要目的乃從活躍顧客中找出忠誠顧客，對(duì)忠誠顧客的定義為「購買頻率較高的顧客群與購買金額較高的顧客群中相互重疊的顧客群」。目前ＣＲＭ的運(yùn)作流程並未採用資料倉儲(chǔ)、資料採礦、ＣＲＭ的套裝軟體或開發(fā)支援ＣＲＭ運(yùn)作系統(tǒng)。(三)、個(gè)案公司之ＣＲＭ的定義與所運(yùn)作的ＣＲＭ運(yùn)作的流程為25(四)、整合資料採礦之ＣＲＭ流程的預(yù)期成效⊙本研究預(yù)期個(gè)案公司在採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)合資料採礦技術(shù)來進(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)效表現(xiàn)。

(四)、整合資料採礦之ＣＲＭ⊙本研究預(yù)期個(gè)案公司在採用本研26(五)、個(gè)案結(jié)和研究假設(shè)的修正Ｈ１：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。Ｈ２：活躍顧客群中少數(shù)顧客可以創(chuàng)造較高的利潤貢獻(xiàn)。Ｈ３：活躍顧客中的忠誠顧客對(duì)企業(yè)的利潤貢獻(xiàn)較高。Ｈ４：活躍顧客中的流失顧客對(duì)企業(yè)的利澗貢獻(xiàn)較低。Ｈ５：活躍顧客的顧客佔(zhàn)有率越高則顧客對(duì)企業(yè)的利潤貢獻(xiàn)越高。Ｈ６：活躍顧客之顧客獲利性越高則活動(dòng)績(jī)效表現(xiàn)越佳。

(五)、個(gè)案結(jié)和研究假設(shè)Ｈ１：活躍顧客與企業(yè)間的交易關(guān)係長(zhǎng)度27伍、資料分析(一)、資料採礦分析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44494。(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。伍、資料分析(一)、資料採礦分析28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(fèi)型促銷顧客0.70高價(jià)值忠誠顧客32.68665629310839高價(jià)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(jià)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(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表5.1顧客區(qū)隔人數(shù)(%)顧客區(qū)隔獲利性(%)LRFM採樣29(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)值忠誠顧客的利潤貢獻(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)帶來較高的獲利性?！蚧钴S顧客群之群體分佈則主要在顧客價(jià)值矩陣中的最佳、不確定象限上。(二)、不同顧客區(qū)隔之較分析30(三)假設(shè)驗(yàn)證

本研究將兩階段資料採礦分群分析產(chǎn)生結(jié)果，利用SPSS10進(jìn)行相關(guān)分析。而結(jié)果發(fā)現(xiàn)在模型中的接觸時(shí)間構(gòu)面與顧客行為構(gòu)面中，不同影響因子與顧客獲利性間的相關(guān)。(三)假設(shè)驗(yàn)證31(六)、結(jié)論與建議⊙研究模型驗(yàn)證：高價(jià)值忠誠顧客乃企業(yè)最具價(jià)值的顧客。

→高價(jià)值忠誠顧客、消費(fèi)型促銷顧客、高價(jià)值新顧客的績(jī)效表現(xiàn)最佳?！蜒芯控暙I(xiàn)：a.提出LRFM資料模型

b.提出顧客關(guān)係類型矩陣

c.多維度分群規(guī)則→整合Marcus(1999)的顧客價(jià)值矩陣與顧客關(guān)係類型矩陣(六)、結(jié)論與建議⊙研究模型驗(yàn)證：高價(jià)值忠誠顧客乃企業(yè)最具32以兩階段資料採礦分群方法應(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ApplicationofTwoStagesDataMiningClusteringtoCustomerRelationshipManagementandPerformanceEvaluationofProfitability:AnEmpiricalStudy以兩階段資料採礦分群方法應(yīng)用於顧客關(guān)係管理和獲利績(jī)效評(píng)估之實(shí)33摘 要從1980年代的資料庫行銷到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，隨著資料庫科技與網(wǎng)路科技加速顧客關(guān)係管理及資料採礦技術(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

摘 要從1980年代的資料庫行銷到1990年代關(guān)係行銷，不斷34(一)、諸論及研究動(dòng)機(jī)①

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②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③

隨著資料庫科技與網(wǎng)路科技加速顧客關(guān)係管理及資料採礦技術(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)用資料採礦技術(shù)在CRM活動(dòng)以分析顧客行為的主要?jiǎng)訖C(jī)：(一)、諸論及研究動(dòng)機(jī)①

大型量販店市場(chǎng)快速興起，並累積大量35兩階段DM分群方法①

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②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③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)行兩階段DM分群方法①

探討並修正傳統(tǒng)RFM曲隔方式，以有效萃36

CRM①CRM導(dǎo)入前應(yīng)先建立顧客策略②CRM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③愈佳CRM科技不一定會(huì)達(dá)到CRM目標(biāo)，因此需建立採用CRM科技的混合策略④需要的是顧客接觸策略而非CRM計(jì)劃。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)CRM①CRM導(dǎo)入前應(yīng)先建立顧客策略1990年代科技37

CRM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)」CRM的導(dǎo)入過程CRM的導(dǎo)入可視為一連串過程，包括：顧客38

CRM的應(yīng)用範(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中找出顧客的忠誠度

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)

CRM的應(yīng)用範(fàn)圍類型目39(二)、顧客價(jià)值分析1.顧客分類和區(qū)隔方式2.顧客忠誠度3.RFM模型4.顧客價(jià)值矩陣(二)、顧客價(jià)值分析1.顧客分類和區(qū)隔方式401.顧客分類和區(qū)隔方式：顧客金字塔:

顧客績(jī)效購面顧客焦點(diǎn)構(gòu)面1.顧客分類和區(qū)隔方式：顧客金字塔:顧客績(jī)效購面顧客焦點(diǎn)構(gòu)412.顧客忠誠度

顧克忠誠度乃顧客與企業(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是購買頻率M是購買金額2.顧客忠誠度顧克忠誠度乃顧客與企業(yè)間形成強(qiáng)力的關(guān)係。RF423.顧客價(jià)值矩陣是從RFM所發(fā)展出來較適合小型企業(yè)的顧客價(jià)值分析的方法來解決RFM的缺點(diǎn)。

3.顧客價(jià)值矩陣是從RFM所發(fā)展出來較適合小型企業(yè)的顧客價(jià)值43(三)、資料採礦⊙何謂資料採礦⊙資料採礦的特性:可處理、萃取、可行動(dòng)、隱含、新奇、資訊化

⊙資料採礦的三個(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(三)、資料採礦⊙何謂資料採礦⊙資料採礦的三個(gè)分群方式44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45(三)、研究架構(gòu)與方法

一.整合資料採礦(DataMining)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礦技術(shù)(DataMining)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

⊙資料採礦前置處理流程

⊙兩階段分群過程

(三)、研究架構(gòu)與方法一.整合資料採礦(DataMini461.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：用來衡量顧客的流失情形-F顧客購買頻率：顧客在特定的天數(shù)購買的天數(shù)、一天購買的次數(shù)-M顧客獲利性：指顧客購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(shí)間內(nèi)購買天數(shù)顧客獲利性M售價(jià)產(chǎn)品成本行銷成本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47資料採礦前置處理流程

1.因本章是用標(biāo)準(zhǔn)差來進(jìn)行離群分析，所以先將活躍型顧客的LRFM資料先匯入採礦資料庫中，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

=(原始資料-範(fàn)圍最小值)/(範(fàn)圍最大值-範(fàn)圍最小值)資料採礦前置處理流程1.因本章是用標(biāo)準(zhǔn)差來進(jìn)行離群分析48資料採礦兩階段分群過程

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)和群體重心資料採礦兩階段分群過程由自我組織圖SOM和叢集分析K-m49(二)、群體樣式分析1.顧客關(guān)係類型舉證長(zhǎng)

關(guān)係長(zhǎng)度短短沉寂長(zhǎng)度長(zhǎng)

L↑R↓

緊密

L↑R↑

潛在

L↓R↓

獲取

L↓R↑

流失(二)、群體樣式分析1.顧客關(guān)係類型舉證L↑R↓50最佳顧客：高價(jià)值忠誠、高價(jià)值新顧客、潛在忠誠、高價(jià)值流失顧客頻率型顧客：高購買頻率、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.多維度顧客分群規(guī)則:2.多維度顧客分群規(guī)則:51三.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)主要利潤貢獻(xiàn)來自少部分高價(jià)值的顧客群⊙忠誠顧客對(duì)企業(yè)的利潤貢獻(xiàn)較高⊙流失顧客對(duì)企業(yè)的利潤貢獻(xiàn)交低⊙顧客佔(zhàn)有率越高對(duì)企業(yè)獲利性越高三.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)52四.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)取代顧客購買金額而來，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)比率顧客購買頻率顧客獲利性接觸時(shí)間構(gòu)面交易行為構(gòu)面四.觀念性研究模型之雛型本研究由RFM模型外加53四、個(gè)案研究(一)、個(gè)案背景、動(dòng)機(jī)

行政院主計(jì)處９０年９月國情統(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，營業(yè)家數(shù)持續(xù)增加，近五年?duì)I業(yè)額平均年增１０．７％故研究個(gè)案對(duì)象為「大型量販店」四、個(gè)案研究(一)、個(gè)案背景、動(dòng)機(jī)行政院主計(jì)處９０年９54(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ＣＲＭ運(yùn)作流程的模式以及顧客區(qū)隔的方式。（2）探討ＣＲＭ活動(dòng)績(jī)效評(píng)估方式。（3）比較本研究所採用的Ｌ、Ｒ、Ｆ、Ｍ的顧客區(qū)隔方式與Ａ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）探討ＤＭ分群技術(shù)於ＣＲＭ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研究的主要目的為55(二)、個(gè)案研究的目的與顧客分類方式⊙顧客分類方式：目前Ａ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)員顧客來區(qū)分為「活躍型」與「靜態(tài)型」。(二)、個(gè)案研究的目的與顧客⊙顧客分類方式：56(三)、個(gè)案公司之ＣＲＭ的定義與運(yùn)作流程所運(yùn)作的ＣＲＭ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Ａ公司ＣＲＭ最主要目的乃從活躍顧客中找出忠誠顧客，對(duì)忠誠顧客的定義為「購買頻率較高的顧客群與購買金額較高的顧客群中相互重疊的顧客群」。目前ＣＲＭ的運(yùn)作流程並未採用資料倉儲(chǔ)、資料採礦、ＣＲＭ的套裝軟體或開發(fā)支援ＣＲＭ運(yùn)作系統(tǒng)。(三)、個(gè)案公司之ＣＲＭ的定義與所運(yùn)作的ＣＲＭ運(yùn)作的流程為57(四)、整合資料採礦之ＣＲＭ流程的預(yù)期成效⊙本研究預(yù)期個(gè)案公司在採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)合資料採礦技術(shù)來進(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)效表現(xiàn)。

(四)、整合資料採礦之ＣＲＭ⊙本研究預(yù)期個(gè)案公司在採用本研58(五)、個(gè)案結(jié)和研究假設(shè)的修正Ｈ１：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。Ｈ２：活躍顧客群中少數(shù)顧客可以創(chuàng)造較高的利潤貢獻(xiàn)。Ｈ３：活躍顧客中的忠誠顧客對(duì)企業(yè)的利潤貢獻(xiàn)較高。Ｈ４：活躍顧客中的流失顧客對(duì)企業(yè)的利澗貢獻(xiàn)較低。Ｈ５：活躍顧客的顧客佔(zhàn)有率越高則顧客對(duì)企業(yè)的利潤貢獻(xiàn)越高。Ｈ６：活躍顧客之顧客獲利性越高則活動(dòng)績(jī)效表現(xiàn)越佳。

(五)、個(gè)案結(jié)和研究假設(shè)Ｈ１：活躍顧客與企業(yè)間的交易關(guān)係長(zhǎng)度59伍、資料分析(一)、資料採礦分析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-M