結合產品交易數量與RFM模型發展行銷策略

Integrating Product Volume of Transaction Data and RFM Model to Develop Marketing Strategy

張家綺(Chia-Chi Chang)

指導教授 ： 曹承礎

國立臺灣大學/管理學院/資訊管理學研究所/碩士(2018年)

https://doi.org/10.6342/NTU201802255

摘要

隨著零售業快速成長，全台灣零售業營業額光是去年11月已達3,698億元台幣，但現今顧客的喜好越來越多元，企業不可能完全滿足每一個顧客，而這種挑戰在零售業中卻是非常常見的。但隨著資料庫的建立以及演算法的進展，對顧客進行區隔以及分類，能使企業盡力達到滿足每位顧客的目標。顧客區隔可以讓企業了解不同顧客群的行為和喜好，根據顧客的偏好制定行銷策略，更能有效的識別最能帶來收益的關鍵顧客群。
進行顧客區隔時，顧客交易資料是預測未來顧客購買行為的最有力和最可靠的資料，但目前雖然有大量運用顧客交易資料來區隔顧客的研究，卻很少有研究將產品交易數量，也就是產品的銷量考慮在內。因此本研究在進行顧客區隔時，把產品交易數量的概念加進分析，並同時比較無產品交易數量的結果，藉此證明產品交易數量確實能使顧客區隔更加準確、有效率。最後結合加入產品交易數量的分析方式與傳統RFM模型將顧客分群，找出真正具有價值的顧客，作為企業在推行促銷組合的參考依據。

關鍵字

顧客區隔 ； 交易資料 ； 產品數量 ； RFM分析 ； 促銷組合

並列摘要

無資料

並列關鍵字

Customer segmentation ； Transaction data ； Product volume ； RFM analysis ； Promotion ； Product set

參考文獻

[1] 經濟部統計處. (2017). Available: https://www.moea.gov.tw/MNS/dos/bulletin/Bulletin.aspx?kind=8&html=1&menu_id=6727&bull_id=4878

[2] EIU. (2015). Forecast for global retail sales growth from 2008 to 2018. Available: https://www.pwccn.com/home/webmedia/635593364676310538/rc_outlook_201516.pdf

[3] S. Peker, S. Peker, A. Kocyigit, A. Kocyigit, P. E. Eren, and P. E. Eren, "LRFMP model for customer segmentation in the grocery retail industry: a case study," Marketing Intelligence & Planning, vol. 35, no. 4, pp. 544-559, 2017.

[4] D. Van den Poel and B. Lariviere, "Customer attrition analysis for financial services using proportional hazard models," European journal of operational research, vol. 157, no. 1, pp. 196-217, 2004.

[5] H. H. Chang and P. W. Ku, "Implementation of relationship quality for CRM performance: Acquisition of BPR and organisational learning," Total Quality Management, vol. 20, no. 3, pp. 327-348, 2009.