建立適合顧客關係管理之模糊分群模型－以汽車維修服務為例

A Fuzzy Clustering-Model Established for Customer Relationship Management in Auto Repair Service

林姿依(Tzu-Yi Lin)

指導教授 ： 郭瑞祥 ； 蔣明晃

共同指導教授 ： 王志軒

國立臺灣大學/管理學院/商學研究所/碩士(2007年)

https://doi.org/10.6342/NTU.2007.10072

摘要

對大多數的企業來說，顧客關係管理以成為企業在市場上的競爭利器，若企業能夠對顧客的交易特性進行區隔，進而提供合適之服務與產品，將可提高資源配置的效率及行銷策略的有效性。但企業常用的RFM模型與其他硬式分群法如K-means對於多變性、不確定性，或是多重性顧客資料，皆無法顯現良好分群效果，因此本研究主要將RFM變數引入Fuzzy C-means分群演算法中，在資料分群過程中，保留資料與資料間的不確定性，最後利用分群測量性指標評估最佳分群數，建構出符合多變性、多重性顧客特性的分群模型，並將顧客歸納於隸屬群體中，提供完整分群分析之框架。
本研究利用國內一汽車總代理公司所提供的汽車零件服務作為個案研究，並分析各群體之交易特性，共可分為三個群體，參考三個群體的基本統計變數建立顧客分類規則，作為企業對新客戶快速分類之參考依據，最後依據各群交易特性，進行經營管理策略上之建議，可有效提升顧客滿意度與降低庫存之壓力，並使得總代理與經銷商服務廠均達到雙贏的地步。

關鍵字

FuzzyC-Means ； RFM模型 ； 顧客關係管理 ； 資料探勘

並列摘要

A lot of companies have implemented Customer Relationship Management as a competitive weapon. It will raise the efficiency of internal resources allocation and the efficacy of marketing strategy, if companies can provide customerized service or products to customers who are clustered according to selling record. Common used clustering methods such as RFM model or other hard clustering methods ﹙eg. K-means﹚ produce unreliable result when processing data is uncertain or Multiple. Therefore, this study put RFM variables into Fuzzy C-means algorithm which will retain data uncertainty during clustering process. Finally, clustering number validity is combined to this clustering model and established a complete clustering framework.
To validate the proposed model, field data from a local automobile general agent is collected. 136 customers are clustered into 3 clusters. The statistic description from three clusters is analyzed and referred to classification rules for new customers. Suggested managerial strategies for each cluster are effective to raise customer satisfaction and lower inventory.

並列關鍵字

Fuzzy C-Means ； RFM model ； CRM ； Data mining

參考文獻

6. 鍾武勳， “應用Fuzzy c-Means演算法之物流中心位址決策模式研究”， 國立中央大學工業管理研究所碩士在職專班碩士論文，2005

7. 龔惠盈， “資料採礦在產品庫存價值分析之研究---以A公司為例”， 私立元智大學工業工程與管理學研究所碩士論文，2005

19. Kalakota, R., and Robinson, M., e-Business :Roadmap for Success. Addison Wesley Longman, Inc. , ﹙1999﹚.

1. Anderberg, M. R., “Cluster Analysis for Applications,” Academic Press, 8, 1, ﹙1973﹚, 2-7.

5. Bezdek, J.C., Pattern Recognition with Fuzzy Objective Function Algorithms. New York：Plenum Press, ﹙1981﹚.