1. NCCU Academic Hub
  2. 學術產出
  3. 商學院
  4. 學位論文
  5. Item

學術產出-學位論文

文章檢視/開啟

書目匯出

Google ScholarTM

政大圖書館

引文資訊

TAIR相關學術產出

題名 人壽客群與商品搭售分析-以Ｃ人壽資料為例
The Opportunity Analysis of Life Insurance and Client Management- Take C Company as an Example
作者 張雅鈞
貢獻者 鄭宇庭
張雅鈞
關鍵詞 資料採礦
壽險集群分析
關聯分析
日期 2016
上傳時間 1-七月-2016 16:10:23 (UTC+8)
摘要 由於近年來大家對於「保險」一詞之觀念由負面逐漸轉為正面的保障,且因 為金管理機構的開放,使得保險業者成立家數變動幅度大,且由於法規鬆綁,能 夠提供之保險產品類型與銷售通路亦逐漸多元化,導致保險業者競爭激烈。而隨 著電腦技術進步及資料採礦技術蓬勃發展,許多公司積極投入資源,企圖利用資 料採礦技術從龐大資料中挖掘出新發現,藉以提供有用的資訊,作為公司決策的 依據,為公司創造出新的商機。因此善用現有資源,針對特定族群予以最適當及 最能滿足其需求的商品是保險業者最重要的目標。本研究期望針對最具潛力的族 群-年輕族群,利用資料採礦技術中之集群分析將其分群,並統整歸納出群集內 的共同特徵或特性,藉此描繪出不同類型的族群以更瞭解其需求。並利用關聯分 析法分析族群內保險商品購買情形,以做為保險業者針對此年輕客群中的不同族 群間保險商品之商品組合及未來商品規劃之策略建議。
     本研究結果之總結發現,此年輕客群中上可分類成三個子集群,而三個之間 的特徵描述如下:A 集群:低風險、高忠誠度、重視退休養老生活的人。B 集群: 高風險、低忠誠度、重視身體健康的人。C 集群:高風險、低忠誠度、具投資理 財觀念的人。而根據此集群分類後之結果,利用關聯分析找出其保險商品最適合 之搭售組合。
第壹章 緒論 1
     第一節 研究背景與動機 1
     第二節 研究目的 2
     第三節 研究流程 2
     第貳章 文獻探討 4
     第一節 資料採礦之概述 4
     第二節 台灣壽險產業現況 10
     第三節 相關文獻探討與回顧 19
     第參章 研究方法 21
     第一節 資料來源 21
     第二節 研究架構 21
     第三節 操作性變數定義 22
     第四節 分析模型介紹 29
     第肆章 實證分析 34
     第一節 敘述性統計分析 34
     第二節 集群分析 38
     第三節 關聯規則分析 46
     第伍章 結論與建議 51
     第一節 結論 51
     第二節 建議 52
參考文獻 一、中文文獻
     1. 何玉芝,2003,資料採礦實務應用-以關聯規則分析 E-ICP 商品消費資料, 政治大學統計學研究所碩士論文。
     2. 林欽森,2002,人壽保險公司資產管理之個案研究,政治大學經營管理碩士 學程碩士論文。
     3. 保險業家數及其分支機構統計表,2015,保險局壽險監理組。
     4. 壽險業業績統計表,2015,中華民國人壽保險商業同業公會。
     5. 賴思穎,2015,應用集群分析於商業套餐設計之研究,政治大學統計學系碩士班碩士論文。
     6. 賴柏龍,2016,應用資料採礦於零售通路業之商品例矩陣分析,政治大學企業管理研究所碩士論文。
     7. 謝邦昌,2002,聚焦 Data Mining: Data Mining 觀念、方法及技術,應用實例(上篇),中國統計,(5),51-52。
     8. 謝邦昌、鄭宇庭、蘇志雄,2009,Data Mining 概述-以 Clementine12.0 為例,中華資料採礦協會。
     二、英文文獻
     1. Berry, Michael J.A., Linoff, Gordon S.(1997), Data Mining Techniques: For Marketing, Sales, and Customer Support, U.S.A., John Wiley & Sons, Inc.
     2. Frawley, William J., Piatetsky-Shapiro, Gregory., Matheus, Christopher J.(1992), “Knowledge Discovery in Databases: An Overview” AAAI, Vol.3, No.3, 58.
     3. Kleissner, C., (1998) Data mining for the enterprise, Kohala Coast, HI, IEEE.
     4. MacQueen, J.,(1967) Some Methods for Classification and Analysis of Multivariate Observations, Los Angeles.
     5. Wirth, Rudiger., Hipp, Jochen.(2000), CRISP-DM: Towards a Standard Process Model for Data Mining.
描述 碩士
國立政治大學
企業管理研究所(MBA學位學程)
103363080
資料來源 http://thesis.lib.nccu.edu.tw/record/#G0103363080
資料類型 thesis
dc.contributor.advisor 鄭宇庭zh_TW
dc.contributor.author (作者) 張雅鈞zh_TW
dc.creator (作者) 張雅鈞zh_TW
dc.date (日期) 2016en_US
dc.date.accessioned 1-七月-2016 16:10:23 (UTC+8)-
dc.date.available 1-七月-2016 16:10:23 (UTC+8)-
dc.date.issued (上傳時間) 1-七月-2016 16:10:23 (UTC+8)-
dc.identifier (其他 識別碼) G0103363080en_US
dc.identifier.uri (URI) http://nccur.lib.nccu.edu.tw/handle/140.119/98694-
dc.description (描述) 碩士zh_TW
dc.description (描述) 國立政治大學zh_TW
dc.description (描述) 企業管理研究所(MBA學位學程)zh_TW
dc.description (描述) 103363080zh_TW
dc.description.abstract (摘要) 由於近年來大家對於「保險」一詞之觀念由負面逐漸轉為正面的保障,且因 為金管理機構的開放,使得保險業者成立家數變動幅度大,且由於法規鬆綁,能 夠提供之保險產品類型與銷售通路亦逐漸多元化,導致保險業者競爭激烈。而隨 著電腦技術進步及資料採礦技術蓬勃發展,許多公司積極投入資源,企圖利用資 料採礦技術從龐大資料中挖掘出新發現,藉以提供有用的資訊,作為公司決策的 依據,為公司創造出新的商機。因此善用現有資源,針對特定族群予以最適當及 最能滿足其需求的商品是保險業者最重要的目標。本研究期望針對最具潛力的族 群-年輕族群,利用資料採礦技術中之集群分析將其分群,並統整歸納出群集內 的共同特徵或特性,藉此描繪出不同類型的族群以更瞭解其需求。並利用關聯分 析法分析族群內保險商品購買情形,以做為保險業者針對此年輕客群中的不同族 群間保險商品之商品組合及未來商品規劃之策略建議。
     本研究結果之總結發現,此年輕客群中上可分類成三個子集群,而三個之間 的特徵描述如下:A 集群:低風險、高忠誠度、重視退休養老生活的人。B 集群: 高風險、低忠誠度、重視身體健康的人。C 集群:高風險、低忠誠度、具投資理 財觀念的人。而根據此集群分類後之結果,利用關聯分析找出其保險商品最適合 之搭售組合。		zh_TW
dc.description.abstract (摘要) 第壹章 緒論 1
     第一節 研究背景與動機 1
     第二節 研究目的 2
     第三節 研究流程 2
     第貳章 文獻探討 4
     第一節 資料採礦之概述 4
     第二節 台灣壽險產業現況 10
     第三節 相關文獻探討與回顧 19
     第參章 研究方法 21
     第一節 資料來源 21
     第二節 研究架構 21
     第三節 操作性變數定義 22
     第四節 分析模型介紹 29
     第肆章 實證分析 34
     第一節 敘述性統計分析 34
     第二節 集群分析 38
     第三節 關聯規則分析 46
     第伍章 結論與建議 51
     第一節 結論 51
     第二節 建議 52		-
dc.description.tableofcontents 第壹章 緒論 1
     第一節 研究背景與動機 1
     第二節 研究目的 2
     第三節 研究流程 2
     第貳章 文獻探討 4
     第一節 資料採礦之概述 4
     第二節 台灣壽險產業現況 10
     第三節 相關文獻探討與回顧 19
     第參章 研究方法 21
     第一節 資料來源 21
     第二節 研究架構 21
     第三節 操作性變數定義 22
     第四節 分析模型介紹 29
     第肆章 實證分析 34
     第一節 敘述性統計分析 34
     第二節 集群分析 38
     第三節 關聯規則分析 46
     第伍章 結論與建議 51
     第一節 結論 51
     第二節 建議 52		zh_TW
dc.source.uri (資料來源) http://thesis.lib.nccu.edu.tw/record/#G0103363080en_US
dc.subject (關鍵詞) 資料採礦zh_TW
dc.subject (關鍵詞) 壽險集群分析zh_TW
dc.subject (關鍵詞) 關聯分析zh_TW
dc.title (題名) 人壽客群與商品搭售分析-以Ｃ人壽資料為例zh_TW
dc.title (題名) The Opportunity Analysis of Life Insurance and Client Management- Take C Company as an Exampleen_US
dc.type (資料類型) thesisen_US
dc.relation.reference (參考文獻) 一、中文文獻
     1. 何玉芝,2003,資料採礦實務應用-以關聯規則分析 E-ICP 商品消費資料, 政治大學統計學研究所碩士論文。
     2. 林欽森,2002,人壽保險公司資產管理之個案研究,政治大學經營管理碩士 學程碩士論文。
     3. 保險業家數及其分支機構統計表,2015,保險局壽險監理組。
     4. 壽險業業績統計表,2015,中華民國人壽保險商業同業公會。
     5. 賴思穎,2015,應用集群分析於商業套餐設計之研究,政治大學統計學系碩士班碩士論文。
     6. 賴柏龍,2016,應用資料採礦於零售通路業之商品例矩陣分析,政治大學企業管理研究所碩士論文。
     7. 謝邦昌,2002,聚焦 Data Mining: Data Mining 觀念、方法及技術,應用實例(上篇),中國統計,(5),51-52。
     8. 謝邦昌、鄭宇庭、蘇志雄,2009,Data Mining 概述-以 Clementine12.0 為例,中華資料採礦協會。
     二、英文文獻
     1. Berry, Michael J.A., Linoff, Gordon S.(1997), Data Mining Techniques: For Marketing, Sales, and Customer Support, U.S.A., John Wiley & Sons, Inc.
     2. Frawley, William J., Piatetsky-Shapiro, Gregory., Matheus, Christopher J.(1992), “Knowledge Discovery in Databases: An Overview” AAAI, Vol.3, No.3, 58.
     3. Kleissner, C., (1998) Data mining for the enterprise, Kohala Coast, HI, IEEE.
     4. MacQueen, J.,(1967) Some Methods for Classification and Analysis of Multivariate Observations, Los Angeles.
     5. Wirth, Rudiger., Hipp, Jochen.(2000), CRISP-DM: Towards a Standard Process Model for Data Mining.		zh_TW