Publications-Theses
Article View/Open
Publication Export
-
Google ScholarTM
NCCU Library
Citation Infomation
Related Publications in TAIR
題名 醫藥零售產業之市場區隔研究 – 以Y藥局為例
The Study of Market Segmentation in Pharmaceutical Retailing Industry - A Case Study of Y Pharmacy作者 黃建順 貢獻者 鄭宇庭
黃建順關鍵詞 市場區隔
醫藥零售產業
集群分析
家戶組成日期 2016 上傳時間 1-Jul-2016 16:10:41 (UTC+8) 摘要 過去企業在進行市場區隔等行銷相關決策前的行銷研究階段時,經常透過質化訪談或量化問卷的方法來協助行銷人員有效的了解市場及消費者;但隨著資料採礦技術的演進以及企業間的競爭加劇,過去企業所累積的大量營業資料和銷售數據成了極具價值的新資源,甚至可能成為未來企業賴以為生的潛力核心競爭能力之來源。 本研究以國內某連鎖藥局─Y藥局的會員實際購買資料為對象,運用資料採礦之集群分析等方法,探討醫藥零售產業如何利用手上的銷售資料進行市場區隔等行銷相關工作。 經本研究之分析,所得結果如下:依據會員卡背後之銷售數據紀錄,此連鎖藥局之會員可被劃分為初期核心家庭、折衷家庭、迷你家庭、銀髮空窗家庭與後期核心家庭等五大家庭組成結構。各集群之消費需求與生活模式存在顯著差異,企業可藉此針對其不同商品偏好與生活形態設計合適的產品目錄與行銷活動;另外搭配各家門市來客之集群組成分析,可進一步協助每一家門市發展單店特色。
第壹章 緒論 4 第一節 研究背景與動機 4 第二節 研究目的 5 第三節 研究流程 6 第貳章 文獻探討 7 第一節 資料採礦之概述 7 第二節 市場區隔理論之概述 10 第三節 台灣醫藥零售產業現況之概述 14 第參章 研究方法 18 第一節 資料來源 18 第二節 研究架構 18 第三節 操作型變數定義 19 第四節 分析方法 20 第肆章 實證分析 24 第一節 資料前置整理 24 第二節 會員實際購買偏好集群分析 25 第三節 集群剖析與特性描述 31 第四節 地區與門市之集群分佈 38 第五節 可行性行銷建議 48 第伍章 結論與建議 50 第一節 結論 50 第二節 建議 55 參考文獻 58參考文獻 i. 中文文獻 一、 林震岩,2007,多變量分析:SPSS的操作與應用,智勝文化。 二、 駱少康譯/Philip Kotler著,2012,行銷管理學,東華書局。 三、 謝邦昌,2001,資料採礦入門及應用─從統計技術看資料採礦,資商訊息顧問有限公司。 四、 謝邦昌、鄭宇庭、蘇志雄,2009,Data Mining 概述─以Clementine 12.0為例,中華資料採礦協會。 五、 郭佩雯,2004,連鎖藥局關鍵成功因素探討,國立臺灣大學醫療機構管理研究所,碩士論文。 ii. 英文文獻 一、 Alfred, S. B. (1981), Marketing Segmentation by Personal Value and Salient Product Attributes. Journal of Advertising Research, New York, Feb 1981; Vol. 21, Iss. 1; pp. 29, 7 pgs. 二、 Berry, A. J. & G. Limoff, (1997), Data Mining Techniques for Marketing, Sales, and Customer Support. John Wiley & sons, Inc. 三、 Chiu, T., D. Fang, J. Chen, Y. Wang & C. Jeris, (2001), A Robust and Scalable Clustering Algorithm for Mixed Type Attributes in Large Database Environment. In Proceedings of the 7th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp263-268. 四、 Yankelouich, D. (1964), New Criteria for Market Segmentation. Harvard Business Review, 42(2), pp.14-21. 五、 Fayyad, M. U. (1996), Data mining and knowledge discovery: Making sense out of data. IEEE Expert, 11(10), pp.20-25. 六、 Fayyed, U., G. Piatetsky-Shapiro & P. Smyth, (1996), From Data Mining to Knowledge Discovery in Databases. AI Magazine Volume 17 Number 3, pp.40-42. 七、 Fraley, C. & A. E. Raftery, (1998), How many Clusters? Which Clustering Method? Answers via Model-based Cluster Analysis. Computer Journal, 4, pp.578-588. 八、 Greenfeld, N. (1996), Data mining. UNIX Review, 14(5), pp.9-14. 九、 Han, J., & Kamber, M. (2001), Data mining: Concepts and techniques. San Francisco: Morgan Kaufmann Publishes. 十、 Kotler, P. (1997), Marketing management: Analysis, Planning, Implementation, and Control. New Jersey: Prentice-Hall. 十一、 Krzystof, C., P. Witold & S. Roman, (1998), Data Mining: Methods for Knowledge Discovery. Kluwer Academic Publishers, Boston. 十二、 Schiffman, L. G. & L. L. Kanuk, (1994), Consumer Behavior, 5/ed, Prentice Hall International, Inc. 十三、 McCarthy, J. E. (1981), Basic Marketing:A Managerial Approach. Homewood, IL: Richard D. Irwin Inc., 7th ed. 十四、 Wendell, R. S. (1956), Product Differentiation and Market Segmentation as Alternative Marketing Strategies. Journal of Marketing, Vol.21. 十五、 Wind.Y, (1978) Issue and Advances in Segmentation Research. Journal of Marketing Research, vol.15, pp.317-337. 描述 碩士
國立政治大學
企業管理研究所(MBA學位學程)
103363100資料來源 http://thesis.lib.nccu.edu.tw/record/#G0103363100 資料類型 thesis dc.contributor.advisor 鄭宇庭 zh_TW dc.contributor.author (Authors) 黃建順 zh_TW dc.creator (作者) 黃建順 zh_TW dc.date (日期) 2016 en_US dc.date.accessioned 1-Jul-2016 16:10:41 (UTC+8) - dc.date.available 1-Jul-2016 16:10:41 (UTC+8) - dc.date.issued (上傳時間) 1-Jul-2016 16:10:41 (UTC+8) - dc.identifier (Other Identifiers) G0103363100 en_US dc.identifier.uri (URI) http://nccur.lib.nccu.edu.tw/handle/140.119/98697 - 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) 103363100 zh_TW dc.description.abstract (摘要) 過去企業在進行市場區隔等行銷相關決策前的行銷研究階段時,經常透過質化訪談或量化問卷的方法來協助行銷人員有效的了解市場及消費者;但隨著資料採礦技術的演進以及企業間的競爭加劇,過去企業所累積的大量營業資料和銷售數據成了極具價值的新資源,甚至可能成為未來企業賴以為生的潛力核心競爭能力之來源。 本研究以國內某連鎖藥局─Y藥局的會員實際購買資料為對象,運用資料採礦之集群分析等方法,探討醫藥零售產業如何利用手上的銷售資料進行市場區隔等行銷相關工作。 經本研究之分析,所得結果如下:依據會員卡背後之銷售數據紀錄,此連鎖藥局之會員可被劃分為初期核心家庭、折衷家庭、迷你家庭、銀髮空窗家庭與後期核心家庭等五大家庭組成結構。各集群之消費需求與生活模式存在顯著差異,企業可藉此針對其不同商品偏好與生活形態設計合適的產品目錄與行銷活動;另外搭配各家門市來客之集群組成分析,可進一步協助每一家門市發展單店特色。 zh_TW dc.description.abstract (摘要) 第壹章 緒論 4 第一節 研究背景與動機 4 第二節 研究目的 5 第三節 研究流程 6 第貳章 文獻探討 7 第一節 資料採礦之概述 7 第二節 市場區隔理論之概述 10 第三節 台灣醫藥零售產業現況之概述 14 第參章 研究方法 18 第一節 資料來源 18 第二節 研究架構 18 第三節 操作型變數定義 19 第四節 分析方法 20 第肆章 實證分析 24 第一節 資料前置整理 24 第二節 會員實際購買偏好集群分析 25 第三節 集群剖析與特性描述 31 第四節 地區與門市之集群分佈 38 第五節 可行性行銷建議 48 第伍章 結論與建議 50 第一節 結論 50 第二節 建議 55 參考文獻 58 - dc.description.tableofcontents 第壹章 緒論 4 第一節 研究背景與動機 4 第二節 研究目的 5 第三節 研究流程 6 第貳章 文獻探討 7 第一節 資料採礦之概述 7 第二節 市場區隔理論之概述 10 第三節 台灣醫藥零售產業現況之概述 14 第參章 研究方法 18 第一節 資料來源 18 第二節 研究架構 18 第三節 操作型變數定義 19 第四節 分析方法 20 第肆章 實證分析 24 第一節 資料前置整理 24 第二節 會員實際購買偏好集群分析 25 第三節 集群剖析與特性描述 31 第四節 地區與門市之集群分佈 38 第五節 可行性行銷建議 48 第伍章 結論與建議 50 第一節 結論 50 第二節 建議 55 參考文獻 58 zh_TW dc.source.uri (資料來源) http://thesis.lib.nccu.edu.tw/record/#G0103363100 en_US dc.subject (關鍵詞) 市場區隔 zh_TW dc.subject (關鍵詞) 醫藥零售產業 zh_TW dc.subject (關鍵詞) 集群分析 zh_TW dc.subject (關鍵詞) 家戶組成 zh_TW dc.title (題名) 醫藥零售產業之市場區隔研究 – 以Y藥局為例 zh_TW dc.title (題名) The Study of Market Segmentation in Pharmaceutical Retailing Industry - A Case Study of Y Pharmacy en_US dc.type (資料類型) thesis en_US dc.relation.reference (參考文獻) i. 中文文獻 一、 林震岩,2007,多變量分析:SPSS的操作與應用,智勝文化。 二、 駱少康譯/Philip Kotler著,2012,行銷管理學,東華書局。 三、 謝邦昌,2001,資料採礦入門及應用─從統計技術看資料採礦,資商訊息顧問有限公司。 四、 謝邦昌、鄭宇庭、蘇志雄,2009,Data Mining 概述─以Clementine 12.0為例,中華資料採礦協會。 五、 郭佩雯,2004,連鎖藥局關鍵成功因素探討,國立臺灣大學醫療機構管理研究所,碩士論文。 ii. 英文文獻 一、 Alfred, S. B. (1981), Marketing Segmentation by Personal Value and Salient Product Attributes. Journal of Advertising Research, New York, Feb 1981; Vol. 21, Iss. 1; pp. 29, 7 pgs. 二、 Berry, A. J. & G. Limoff, (1997), Data Mining Techniques for Marketing, Sales, and Customer Support. John Wiley & sons, Inc. 三、 Chiu, T., D. Fang, J. Chen, Y. Wang & C. Jeris, (2001), A Robust and Scalable Clustering Algorithm for Mixed Type Attributes in Large Database Environment. In Proceedings of the 7th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp263-268. 四、 Yankelouich, D. (1964), New Criteria for Market Segmentation. Harvard Business Review, 42(2), pp.14-21. 五、 Fayyad, M. U. (1996), Data mining and knowledge discovery: Making sense out of data. IEEE Expert, 11(10), pp.20-25. 六、 Fayyed, U., G. Piatetsky-Shapiro & P. Smyth, (1996), From Data Mining to Knowledge Discovery in Databases. AI Magazine Volume 17 Number 3, pp.40-42. 七、 Fraley, C. & A. E. Raftery, (1998), How many Clusters? Which Clustering Method? Answers via Model-based Cluster Analysis. Computer Journal, 4, pp.578-588. 八、 Greenfeld, N. (1996), Data mining. UNIX Review, 14(5), pp.9-14. 九、 Han, J., & Kamber, M. (2001), Data mining: Concepts and techniques. San Francisco: Morgan Kaufmann Publishes. 十、 Kotler, P. (1997), Marketing management: Analysis, Planning, Implementation, and Control. New Jersey: Prentice-Hall. 十一、 Krzystof, C., P. Witold & S. Roman, (1998), Data Mining: Methods for Knowledge Discovery. Kluwer Academic Publishers, Boston. 十二、 Schiffman, L. G. & L. L. Kanuk, (1994), Consumer Behavior, 5/ed, Prentice Hall International, Inc. 十三、 McCarthy, J. E. (1981), Basic Marketing:A Managerial Approach. Homewood, IL: Richard D. Irwin Inc., 7th ed. 十四、 Wendell, R. S. (1956), Product Differentiation and Market Segmentation as Alternative Marketing Strategies. Journal of Marketing, Vol.21. 十五、 Wind.Y, (1978) Issue and Advances in Segmentation Research. Journal of Marketing Research, vol.15, pp.317-337. zh_TW