學術產出-學位論文
文章檢視/開啟
書目匯出
-
題名 資料挖掘應用於入口網站之顧客關係管理—以國內某網站為例
Application of Data Mining Techniques to Portal Site`s Customer Relationship Management: A Case Study of Taiwan`s Portal Site作者 柯淑貞
Ko, Shu-Chen貢獻者 劉文卿
Liou, Wen-Ching
柯淑貞
Ko, Shu-Chen關鍵詞 資料挖掘
入口網站
顧客關係管理
關聯規則
評估指標
Data mining
Portal site
CRM
Association rule
Evaluation indicator日期 2001 上傳時間 18-四月-2016 16:27:43 (UTC+8) 摘要 處在變化快速的網路環境中，入口網站如何建立起專屬的會員制度，以期行銷人員能在大量的會員資料庫中找出有用的資訊，掌握會員的網路行為模式、實現個人化之服務、有效區隔市場及瞭解不同會員之網路行為模式等，進而以制定適當之行銷策略而達成結合實體行銷之目標。而資料挖掘的技術能在資料量龐大的會員交易資料庫中，利用會員的基本資料與交易資料衍生建立相關的評估指標，以評估會員的特質、需求模型、消費特徵、建立市場區隔的行銷策略等，行銷人員藉此可採用不同的宣傳方式與促銷策略，以達最佳的獲利結果。
In the rapid-changing network environment, how do Portal Sites establish exclusive membership mechanism in order to filter useful information out of their own database, master the network behavior models of their members, realize personalized services, and effectively segment and understand different network behavior models of all members? However, data mining can use the basic members` information and transaction data to produce the associated evaluation indicator during the high volume transaction database in order to evaluate the customers’ traits, demand models, consuming characteristics, and establish the marketing strategy of segmenting target market. As a result, we can adopt different advertising types and promotion strategies to achieve the best profitable goals.參考文獻 中文部份\r\n1. 吳欣穎，「企業導入顧客關係管理之研究」，國立台北大學企業管理學系碩士論文，2000年6月。\r\n2. 洪懿妍，「入門網站 行銷新利器」，天下雜誌212期，1999年1月。\r\n3. 凌俊青，「在包裹資料庫中挖掘數量關聯規則」，國立中央大學資訊管理學系碩士論文，1999年6月。\r\n4. 陳致魁，「關係品質對網路書店顧客忠誠度影響之研究」，大葉大學資訊管理所碩士論文，1999年6月。\r\n5. 黃彥文，「資料探勘之應用--會員消費特徵之發掘」，屏東科技大學資訊管理所碩士論文，2000年6月。\r\n6. 資策會市場情報中心，「MIC網路與通訊資料庫」，1998年11月，http://mic.iii.org.tw/analysis/telecom/index.html。\r\n7. 劉慧瑜，「資料提煉技術在虛擬商店之應用」，國立中興大學應用數學學系碩士論文，2000年6月。\r\n8. 劉穎潔，「入口與社群網站之創業模式比較與動態策略發展」，國立臺灣大學國際企業學系碩士論文，2000年6月。\r\n9. 蔡永恆，「應用資料挖掘技術研究銀行顧客消費行為」，私立靜宜大學資訊管理碩士論文，2000年6月。\r\n英文部份\r\n1. Batra, R. et al. (Eds.), The new direct marketing: How to implement a profit-driven database marketing strategy. Burr Ridge, IL: Irwin, 1995.\r\n2. Berry, Leonard L. and William A. Parasuraman, Marketing Services：Competing Through Quality, 1sted. New York.: Pressima Inc, 1991.\r\n3. Bult, J. R., and Wansbeek, T., “Optimal selection for direct mail”, Marketing Scinece, 14(4), pp. 378-381, 1995.\r\n4. Chaudhuri, S. and U. Dayal, “An Overview of Data Warehousing and OLAP Technology”, ACM SIGMOD RECORD, Vol 26, No.1, pp.65-74, 1997.\r\n5. Clark Glymour, &, David madigan, &, Daryl Pregibon, and Padhraic Smyth, “Statistical Inference and Data Mining”, Communication of The ACM, Vol. 39, No. 11, pp. 35-41, November 1996.\r\n6. Conlon, Ginger, No Turning Back, Sales & Marketing Management, pp50-55, 1999.12.\r\n7. Dunlap, Chatlotte & Wong, Wylie, “Portal Sites Becoming Key to E-commerce Success”, Computer Reseller News, June 29, 1998.\r\n8. Galbreath, Jeremy and Rogers, Tom, “Customer Relationship Leadership: A Leadership and Motivation Model for the Twenty-first Century Business,” The TQM Magazine (11:3), 1999, pp. 161-171.\r\n9. Goil, S., Choudhary, A., “A parallel scalable infrastructure for OLAP and data mining”, Database Engineering and Applications, IDEAS `99. International Symposium Proceedings, pp. 178-186, 1999.\r\n10. Griffin, J., Customer Loyalty：How to Earn It, How to Keep It, Jossey-Bass Publishers, 1997.\r\n11. Jophiy, Lovelock, Services Marketing, 3rd ed., U.S.A.: Don Hull, 1996.\r\n12. Kalakota , Ravi and Marcia Robinson ,e-Business: Roadmap for Success, 1sted.,U.S.A.: Mary T.O ’Brien, 1999.\r\n13. Kotler, Philip, Marketing Management: Analysis, Planning, Implementation, and Control,9th ed., New Jersey: David Borkowsky, 1997.\r\n14. Krzysztof J. Cios, &, Witold Pedrycz, and Roman W. Swiniarski, Data Mining Methods for Knowledge Discovery, Kluwer Academic, United States of America, 1998.\r\n15. Michael J. A. Berry, and Gordon Linoff, Data Mining Techniques For Marketing, Sales, and Customer Support, John Wiley & Sons, New York, 1997.\r\n16. Peppers, Don ,& ,Martha Rogers , Don ‘t Put Customer Relationships on Hold, Sales & Marketing Management , pp26-28 , 1999.\r\n17. Peter Cabena, Pablo Hadjinian, Rolf Stadler, Jaap Verhees, and Alessandro Zanasi, Discovering Data Mining From Concept to Implementation, Prentice Hall PTR, 1997.\r\n18. Pieter Adriaans, and Dolf Zantinge. Data Mining, Addison-Wesley, Harlow, 1996.\r\n19. R Agrawal, and R. Srikant, Fast Algorithms for Mining Association Rules, Proc. of the 20th Int`l Conference on Very Large Databases, Santiago, Chile, Sept. 1994.\r\n20. Raphel, Neil , Murray Raphel , Loyalty Ladder , Harper Collins Publishers, Inc. , 1995 （以客為尊，袁述芬譯，幼獅出版，1998）\r\n21. Reichheld, F. F. & Sasser, W, E., \" Zero Defections：Quality Comes to Services,\" Harvard Business Review, Sep-Oct 1990, pp.105-111.\r\n22. Seybold, Patricia B.，Customer.com, Times Business, 1999.\r\n23. Sirohi, N., McLaughlin, E. W., & Wittink, D. R. \"A Model of Consumer Perceptions and Store Loyalty Intensions for a Supermarket Retailer,\" Journal of Retailing(74:2), 1998, pp. 223-245.\r\n24. Sterne, Jim , Customer Service On The Internet . John Wiley & Sons, Inc., 1996（網際網路客戶服務，資策會產品處中文化部門譯，和碩出版，1998）\r\n25. STUART H.RUBIN, ”A Fuzzy Approach Towards Inferential Data Mining”, Elsevier Science Ltd, pp. 267-270, 1998.\r\n26. Sung Ho Ha, Sang Chan Park, “Application of data mining tools to hotel data mart on the intranet for database marketing”, Expert systems with Applications, Elsevier Science Ltd, pp. 1-31, 1998.\r\n27. Usama M. Fayyad, Gregory Piatetsky-Shapiro, Padhraic Smyth, and Ramasamy Uthurusamy, Advances in Knowledge Discovery and Data Mining, AAAI Press/The MIT Press, Menlo Park, 1996. 描述 碩士
國立政治大學
資訊管理學系
88356020資料來源 http://thesis.lib.nccu.edu.tw/record/#A2002001610 資料類型 thesis dc.contributor.advisor 劉文卿 zh_TW dc.contributor.advisor Liou, Wen-Ching en_US dc.contributor.author (作者) 柯淑貞 zh_TW dc.contributor.author (作者) Ko, Shu-Chen en_US dc.creator (作者) 柯淑貞 zh_TW dc.creator (作者) Ko, Shu-Chen en_US dc.date (日期) 2001 en_US dc.date.accessioned 18-四月-2016 16:27:43 (UTC+8) - dc.date.available 18-四月-2016 16:27:43 (UTC+8) - dc.date.issued (上傳時間) 18-四月-2016 16:27:43 (UTC+8) - dc.identifier (其他 識別碼) A2002001610 en_US dc.identifier.uri (URI) https://ah.lib.nccu.edu.tw/item?item_id=95050 - dc.description (描述) 碩士 zh_TW dc.description (描述) 國立政治大學 zh_TW dc.description (描述) 資訊管理學系 zh_TW dc.description (描述) 88356020 zh_TW dc.description.abstract (摘要) 處在變化快速的網路環境中，入口網站如何建立起專屬的會員制度，以期行銷人員能在大量的會員資料庫中找出有用的資訊，掌握會員的網路行為模式、實現個人化之服務、有效區隔市場及瞭解不同會員之網路行為模式等，進而以制定適當之行銷策略而達成結合實體行銷之目標。而資料挖掘的技術能在資料量龐大的會員交易資料庫中，利用會員的基本資料與交易資料衍生建立相關的評估指標，以評估會員的特質、需求模型、消費特徵、建立市場區隔的行銷策略等，行銷人員藉此可採用不同的宣傳方式與促銷策略，以達最佳的獲利結果。 zh_TW dc.description.abstract (摘要) In the rapid-changing network environment, how do Portal Sites establish exclusive membership mechanism in order to filter useful information out of their own database, master the network behavior models of their members, realize personalized services, and effectively segment and understand different network behavior models of all members? However, data mining can use the basic members` information and transaction data to produce the associated evaluation indicator during the high volume transaction database in order to evaluate the customers’ traits, demand models, consuming characteristics, and establish the marketing strategy of segmenting target market. As a result, we can adopt different advertising types and promotion strategies to achieve the best profitable goals. en_US dc.description.tableofcontents 封面頁\r\n證明書\r\n論文摘要\r\n致謝詞\r\n目錄\r\n表目錄\r\n圖目錄\r\n第一章、緒論\r\n第一節、研究背景與動機\r\n一、研究背景\r\n二、研究動機\r\n第二節、研究目的\r\n第二章、文獻探討\r\n第一節、資料挖掘\r\n一、資料挖掘與KDD\r\n二、資料挖掘的過程\r\n三、資料挖掘演算法與相關資訊科技\r\n四、資料挖掘之行銷策略\r\n第二節、入口網站（Portal sites）\r\n一、何謂入口網站\r\n二、入口網站的基本服務\r\n三、入口網站的經營模式\r\n第三節、顧客關係管理之特性與應用\r\n一、顧客服務、顧客滿意\r\n二、顧客關係管理的定義\r\n三、顧客管理法則\r\n四、網站的顧客服務\r\n第三章、研究方法與架構\r\n第一節、研究架構\r\n第二節、研究對象選取與資料分析\r\n一、國內某網站現行會員服務\r\n二、資料表（Table）說明\r\n三、欄位定義與分類\r\n第三節、資料倉儲的欄位資料分析\r\n一、基本欄位分析\r\n二、衍生欄位分析\r\n三、評估指標\r\n第四節、資料挖掘之需求定義\r\n一、分群分析（Clustering）\r\n二、關聯分析（Association）\r\n第五節、electronic-CRM\r\n一、顧客保留\r\n二、Cross selling and up-selling\r\n三、促銷管理（Campaign Planning）\r\n第四章、資料挖掘之實作流程\r\n第一節、資料轉換\r\n一、原始資料的問題\r\n二、匯入資料庫\r\n第二節、建立評估指標與衍生欄位\r\n一、評估指標\r\n二、衍生欄位\r\n第三節、OLAP分析\r\n一、BBS文章\r\n二、BBS會員\r\n三、財經會員\r\n第四節、結論\r\n第五章、資料挖掘之實作結果\r\n第一節、分群（Clustering）結果\r\n一、BBS文章\r\n二、BBS會員\r\n三、財經會員\r\n四、同時出現在兩個頻道的會員\r\n第二節、關聯（Association）結果\r\n一、文章發表總數超過200筆的會員\r\n二、兩個頻道都出現的會員\r\n三、最熱門版面的關鍵詞\r\n第三節、electronic-CRM\r\n一、顧客保留\r\n二、Cross selling and Up-selling\r\n三、促銷計劃（Campaign Planning）\r\n第六章、關聯規則（Association Rule）實作\r\n第一節、關聯規則\r\n一、關聯規則之定義\r\n二、關聯規則之說明\r\n第二節、實作結果\r\n第三節、與Intelligent Miner之比較\r\n一、執行時間之比較\r\n二、關聯結果之比較\r\n第七章、結論\r\n第一節、研究限制\r\n第二節、論文貢獻\r\n第三節、研究建議\r\n文獻\r\n附錄 zh_TW dc.source.uri (資料來源) http://thesis.lib.nccu.edu.tw/record/#A2002001610 en_US dc.subject (關鍵詞) 資料挖掘 zh_TW dc.subject (關鍵詞) 入口網站 zh_TW dc.subject (關鍵詞) 顧客關係管理 zh_TW dc.subject (關鍵詞) 關聯規則 zh_TW dc.subject (關鍵詞) 評估指標 zh_TW dc.subject (關鍵詞) Data mining en_US dc.subject (關鍵詞) Portal site en_US dc.subject (關鍵詞) CRM en_US dc.subject (關鍵詞) Association rule en_US dc.subject (關鍵詞) Evaluation indicator en_US dc.title (題名) 資料挖掘應用於入口網站之顧客關係管理—以國內某網站為例 zh_TW dc.title (題名) Application of Data Mining Techniques to Portal Site`s Customer Relationship Management: A Case Study of Taiwan`s Portal Site en_US dc.type (資料類型) thesis en_US dc.relation.reference (參考文獻) 中文部份\r\n1. 吳欣穎，「企業導入顧客關係管理之研究」，國立台北大學企業管理學系碩士論文，2000年6月。\r\n2. 洪懿妍，「入門網站 行銷新利器」，天下雜誌212期，1999年1月。\r\n3. 凌俊青，「在包裹資料庫中挖掘數量關聯規則」，國立中央大學資訊管理學系碩士論文，1999年6月。\r\n4. 陳致魁，「關係品質對網路書店顧客忠誠度影響之研究」，大葉大學資訊管理所碩士論文，1999年6月。\r\n5. 黃彥文，「資料探勘之應用--會員消費特徵之發掘」，屏東科技大學資訊管理所碩士論文，2000年6月。\r\n6. 資策會市場情報中心，「MIC網路與通訊資料庫」，1998年11月，http://mic.iii.org.tw/analysis/telecom/index.html。\r\n7. 劉慧瑜，「資料提煉技術在虛擬商店之應用」，國立中興大學應用數學學系碩士論文，2000年6月。\r\n8. 劉穎潔，「入口與社群網站之創業模式比較與動態策略發展」，國立臺灣大學國際企業學系碩士論文，2000年6月。\r\n9. 蔡永恆，「應用資料挖掘技術研究銀行顧客消費行為」，私立靜宜大學資訊管理碩士論文，2000年6月。\r\n英文部份\r\n1. Batra, R. et al. (Eds.), The new direct marketing: How to implement a profit-driven database marketing strategy. Burr Ridge, IL: Irwin, 1995.\r\n2. Berry, Leonard L. and William A. Parasuraman, Marketing Services：Competing Through Quality, 1sted. New York.: Pressima Inc, 1991.\r\n3. Bult, J. R., and Wansbeek, T., “Optimal selection for direct mail”, Marketing Scinece, 14(4), pp. 378-381, 1995.\r\n4. Chaudhuri, S. and U. Dayal, “An Overview of Data Warehousing and OLAP Technology”, ACM SIGMOD RECORD, Vol 26, No.1, pp.65-74, 1997.\r\n5. Clark Glymour, &, David madigan, &, Daryl Pregibon, and Padhraic Smyth, “Statistical Inference and Data Mining”, Communication of The ACM, Vol. 39, No. 11, pp. 35-41, November 1996.\r\n6. Conlon, Ginger, No Turning Back, Sales & Marketing Management, pp50-55, 1999.12.\r\n7. Dunlap, Chatlotte & Wong, Wylie, “Portal Sites Becoming Key to E-commerce Success”, Computer Reseller News, June 29, 1998.\r\n8. Galbreath, Jeremy and Rogers, Tom, “Customer Relationship Leadership: A Leadership and Motivation Model for the Twenty-first Century Business,” The TQM Magazine (11:3), 1999, pp. 161-171.\r\n9. Goil, S., Choudhary, A., “A parallel scalable infrastructure for OLAP and data mining”, Database Engineering and Applications, IDEAS `99. International Symposium Proceedings, pp. 178-186, 1999.\r\n10. Griffin, J., Customer Loyalty：How to Earn It, How to Keep It, Jossey-Bass Publishers, 1997.\r\n11. Jophiy, Lovelock, Services Marketing, 3rd ed., U.S.A.: Don Hull, 1996.\r\n12. Kalakota , Ravi and Marcia Robinson ,e-Business: Roadmap for Success, 1sted.,U.S.A.: Mary T.O ’Brien, 1999.\r\n13. Kotler, Philip, Marketing Management: Analysis, Planning, Implementation, and Control,9th ed., New Jersey: David Borkowsky, 1997.\r\n14. Krzysztof J. Cios, &, Witold Pedrycz, and Roman W. Swiniarski, Data Mining Methods for Knowledge Discovery, Kluwer Academic, United States of America, 1998.\r\n15. Michael J. A. Berry, and Gordon Linoff, Data Mining Techniques For Marketing, Sales, and Customer Support, John Wiley & Sons, New York, 1997.\r\n16. Peppers, Don ,& ,Martha Rogers , Don ‘t Put Customer Relationships on Hold, Sales & Marketing Management , pp26-28 , 1999.\r\n17. Peter Cabena, Pablo Hadjinian, Rolf Stadler, Jaap Verhees, and Alessandro Zanasi, Discovering Data Mining From Concept to Implementation, Prentice Hall PTR, 1997.\r\n18. Pieter Adriaans, and Dolf Zantinge. Data Mining, Addison-Wesley, Harlow, 1996.\r\n19. R Agrawal, and R. Srikant, Fast Algorithms for Mining Association Rules, Proc. of the 20th Int`l Conference on Very Large Databases, Santiago, Chile, Sept. 1994.\r\n20. Raphel, Neil , Murray Raphel , Loyalty Ladder , Harper Collins Publishers, Inc. , 1995 （以客為尊，袁述芬譯，幼獅出版，1998）\r\n21. Reichheld, F. F. & Sasser, W, E., \" Zero Defections：Quality Comes to Services,\" Harvard Business Review, Sep-Oct 1990, pp.105-111.\r\n22. Seybold, Patricia B.，Customer.com, Times Business, 1999.\r\n23. Sirohi, N., McLaughlin, E. W., & Wittink, D. R. \"A Model of Consumer Perceptions and Store Loyalty Intensions for a Supermarket Retailer,\" Journal of Retailing(74:2), 1998, pp. 223-245.\r\n24. Sterne, Jim , Customer Service On The Internet . John Wiley & Sons, Inc., 1996（網際網路客戶服務，資策會產品處中文化部門譯，和碩出版，1998）\r\n25. STUART H.RUBIN, ”A Fuzzy Approach Towards Inferential Data Mining”, Elsevier Science Ltd, pp. 267-270, 1998.\r\n26. Sung Ho Ha, Sang Chan Park, “Application of data mining tools to hotel data mart on the intranet for database marketing”, Expert systems with Applications, Elsevier Science Ltd, pp. 1-31, 1998.\r\n27. Usama M. Fayyad, Gregory Piatetsky-Shapiro, Padhraic Smyth, and Ramasamy Uthurusamy, Advances in Knowledge Discovery and Data Mining, AAAI Press/The MIT Press, Menlo Park, 1996. zh_TW
