運用資料探勘技術於零售業之研究─以零售連鎖專賣店為例

Applying Data Mining Techniques on Retailing Industry- A Case Study on Specialty Chain Store

梁瑞玞(Jui-Fu Liang)

指導教授 ： 吳泰熙

國立臺北大學/商學院/企業管理學系/碩士(2013年)

摘要

本研究以個案連鎖專門店通路為例，經由36個月交易資料之萃取轉換，透過AHP層級分析及專家法評估適合其產業特質之RFM權重，據以建立顧客價值量化模型。再以期望值最大演算法進行顧客集群分析，將顧客分為五個具差異性的集群，並依據集群特性命名為：忠誠顧客、穩定顧客、潛力顧客、流失顧客及沉寂顧客五集群，並將顧客群的購買行為及商品結構予以資料探勘技術之關聯規則及時序分析，發掘顧客集群之行為模式及商品類別之間的關聯及購買的先後順序關係，供顧客長期關係建立及行銷策略之交叉、垂直銷售規劃之依據。

關鍵字

資料探勘 ； RFM顧客價值 ； AHP層級分析法

並列摘要

The objective of this study is to apply data mining techniques on membership & transaction database for customer value. The study uses specialty chain stores 36 month’s transaction data as an empirical case. The study was applying AHP and expert method to decide the weight of the RFM variables and further evaluate Customer Lifetime Value, CLV, through the weighed variables. Use these above variables as index of segmenting the customers by the Expectation-Maximization algorithm, divided into 5 major groups. Later through Association Rules (Apriori) and Sequence Cluster Analysis with filters and the retail characteristics, set the customizing cross selling and upselling strategy, in order to provide suggestion to the managerial marketing decisions.

並列關鍵字

Data Mining ； RFM Customer Value ； AHP

參考文獻

張心馨、蔡憲富（2004）。以Data Mining 技術結合SOM 和K-Mean 的消費者分群方法於顧客關係管理和績效獲利性評估。資訊管理學報，11(4)，77-104。

楊小微（2010）。資料採礦應用於通路區隔與產品區隔之研究。淡江大學管科所碩士論文。

尹相志（2010）。SQL Server 2008 Data Mining。台北市: 悅知文化

吳岱壎（2012）。運用資料採礦技術於零售業之研究—以居家用品專賣店為例。國立台北大學企業管理研究所碩士論文。

楊逢杰（2008）。以本體論為基礎的資料採礦方法於飲料產業的產品光譜及品牌光譜之研究。淡江大學管理科學研究所碩士論文。