| dc.contributor.advisor | 沈中華<br>江永裕<br>胡星陽 | zh_TW |
| dc.contributor.advisor | <br><br> | en_US |
| dc.contributor.author (Authors) | 王文宇 | zh_TW |
| dc.creator (作者) | 王文宇 | zh_TW |
| dc.date (日期) | 2004 | en_US |
| dc.date.accessioned | 14-Sep-2009 09:27:46 (UTC+8) | - |
| dc.date.available | 14-Sep-2009 09:27:46 (UTC+8) | - |
| dc.date.issued (上傳時間) | 14-Sep-2009 09:27:46 (UTC+8) | - |
| dc.identifier (Other Identifiers) | G0091932208 | en_US |
| dc.identifier.uri (URI) | https://nccur.lib.nccu.edu.tw/handle/140.119/31166 | - |
| dc.description (描述) | 碩士 | zh_TW |
| dc.description (描述) | 國立政治大學 | zh_TW |
| dc.description (描述) | 金融研究所 | zh_TW |
| dc.description (描述) | 91932208 | zh_TW |
| dc.description (描述) | 93 | zh_TW |
| dc.description.abstract (摘要) | 資料採礦（Data Mining）以及客戶關係管理系統（CRM, Customer Relationship Management）是近年來資料庫應用領域中相當熱門，且引起熱烈討論與高度關切的議題，尤其在直效行銷的崛起與網路的快速發展帶動下，跟不上CRM的腳步如同跟不上時代。目前已被許多研究人員視為結合資料庫系統與機器學習技術的重要領域，許多產業界人士也認為此領域是一項增加各企業潛能的重要指標。 本論文運用資料採礦建立信用卡脫離預測模型，同時將模型自動化後結合CRM之運用，期達到有效保育客戶 (Retention Gap) 之功能，可以由既有原客戶後來卻轉成競爭對手的客戶群中，分析其特徵，再根據分析結果到現有客戶資料中找出可能剪卡轉向的客戶，然後設計一些行銷方案預防客戶流失；更有系統的做法是藉由決策樹Decision Tree演算法建立之模型，再根據客戶的消費行為與交易紀錄對客戶忠誠度進行評分Scoring的排序，如此則可區隔出剪卡流失分數高低的等級，進而配合不同的策略進行挽留與保育。 近年來，台灣的信用卡市場在歷經十幾年的發展與競爭後，市場已漸邁入飽和期，然而在發卡成本與剪卡率卻不斷攀升下，卻也不見發卡機構積極的試圖提升持卡人品牌忠誠度，因此，本論文擬透過資料採礦技術結合客戶關係管理系統的應用，以有效降低剪卡率、提升客戶保留率，藉以強化發卡機構的競爭優勢(Competitive edge)，免於被市場淘汰。 另外，本論文之特色在於分析之目的資料倉儲為一企業級資料倉儲 (Enterprise Data Warehouse, EDA)，它不單具有持卡人使用信用卡之刷卡行為、持卡狀況、繳款狀況…等信用卡往來資訊可供分析探索，同時，亦包括持卡人在發卡機構所屬之企業級團之往來資訊，緣此，在此基礎上建立之採礦模型將更準確且更具有參考價值。 | zh_TW |
| dc.description.tableofcontents | 摘要 3 第一章 緒論 5 第一節 研究背景 5 第二節 研究目的 6 第三節 研究方法 .. 8 第四節 研究架構 9 第二章 資料採礦的定義與發展 11 第一節 資料採礦的定義 11 第二節 資料採礦的發展 12 第三節 資料採礦的應用 15 第三章 資料倉儲、顧客關係管理與資料採礦 17 第一節 資料倉儲與資料採礦 17 第二節 顧客關係管理與資料採礦 18 第四章 資料採礦模型的建置步驟 23 第五章 「信用卡脫離預測模型」建置 25 第一節 研究推論 25 第二節 母體客戶輪廓分布 26 第三節 分析客戶群定義及分析範圍 29 第四節 探索式資料分析 30 第五節 建置模型 45 第六節 模型評分產出指標 48 第七節 解讀模型結果 49 第八節 測試模型表現 50 第六章 模型與CRM系統結合運用防範客戶剪卡 52 第一節 模型剪卡客戶輪廓特徵 52 第二節 模型自動化機制 54 第二節 模型自動化機制與CRM平台結合 55 參考文獻 56 | zh_TW |
| dc.language.iso | en_US | - |
| dc.source.uri (資料來源) | http://thesis.lib.nccu.edu.tw/record/#G0091932208 | en_US |
| dc.subject (關鍵詞) | 資料採礦 | zh_TW |
| dc.subject (關鍵詞) | 客戶關係管理 | zh_TW |
| dc.subject (關鍵詞) | Data Mining | en_US |
| dc.subject (關鍵詞) | CRM | en_US |
| dc.title (題名) | 信用卡顧客流失之預測與防範 | zh_TW |
| dc.type (資料類型) | thesis | en |
| dc.relation.reference (參考文獻) | 1. Berry, M. J. and Linoff, G. Data Mining Techniques for Marketing, Sales and Customer Support. John Wiley & Sons,Inc., 1997. | zh_TW |
| dc.relation.reference (參考文獻) | 2. Fayyad U. M., “The KDD Process”, 1996 | zh_TW |
| dc.relation.reference (參考文獻) | 3. Fayyad U. M., Piatetsky-Shapiro, P. Smith”From Knowledge Discovery to Data Mining： An Overview in Advanced Knowledge Discovery and Data Mining.” 1995. | zh_TW |
| dc.relation.reference (參考文獻) | 4. Hand D.J., Blunt G., Kelly M.G., and Adams N.M. Data mining for fun and profit. Statistical Science, 15, 111-113, (2000) | zh_TW |
| dc.relation.reference (參考文獻) | 5. Information Discovery INC. “Structure of Business Intelligent” | zh_TW |
| dc.relation.reference (參考文獻) | 6. MasterCard International Taiwan, “各國信用卡消費佔民間消費總支出比例” | zh_TW |
| dc.relation.reference (參考文獻) | 7. M. J. A. Berry and G. Linoff, Marketing Data Mining, The Art & Science of Customer Relationship Management, John Wiley & Sons,Inc., 2000 | zh_TW |
| dc.relation.reference (參考文獻) | 8. 金管會銀行局出版 2003. 12 “金融統計輯要” | zh_TW |
| dc.relation.reference (參考文獻) | 9. 何旭如， 2004.09.08 中國時報專題報導 | zh_TW |
| dc.relation.reference (參考文獻) | 10. 盧傳熙 奧美廣告 “Data Mining Q&A” | zh_TW |
