Ch11資料採礦與顧客關係管理(559KB).pptVIP

顧客關係管理 顧客關係管理 Ch11 資料採礦與顧客關係管理 學習目標 資料採礦概念 探討資料採礦在顧客關係管理中的角色 各項技術如關聯式法則、資料分群與分類等均已成熟 電子化顧客關係管理的應用（如個人化服務） 資料採礦 從大量資料庫中粹取（Extracting） 或者挖掘 （Mining）知識 同義詞 資料庫中的資料採礦 （Knowledge Mining From Databases） 知識粹取 （Knowledge Extraction） 資料／模式分析 （Data/Pattern Analysis） 資料考古學 （Data Archaeology） 資料挖泥（Data Dredging） 資料採礦 去除雜訊與不相關的資料 結合多重資料來源資料 從資料庫中取回與分析有關的資料 資料被轉換或合併形成適合採礦的格式 應用智慧型方式來粹取資料模式 驗證真正有興趣的模式 視覺化呈現知識 資料採礦 基本元件 資料庫、資料倉儲或其他資訊儲存處 一個或一群資料庫、資料倉儲、表單或其他種類的資訊儲存所 資料庫或其他資料倉儲伺服器 資料庫或資料倉儲伺服器對於擷取相關資料，扮演著相當重要角色 知識庫 可搜尋專業領域的知識或評估最後有興趣的模式，形成知識的概念架構 資料採礦 資料採礦引擎 模式評估模組 與資料採礦模組互動或整合，依照所使用的資料採礦方法來執行 圖形化使用者介面 連結使用者與資料採礦系統，並且允許使用者藉由指定查詢或工作來與系統互動 資料採礦技術 關聯式法則(Association Rule) 「星期四、尿布和啤酒」的法則關連性 群集法(Clustering) 將異質的群體區隔為同質性較高的群體 分類法(Classification) 分析資料的所有特質，指派至既有的群集中 個人化與資料採礦 個人化（Personalization）是顧客關係管理中相當重要的一個指標 六個基本步驟 個人化與資料採礦 收集各種不同來源的顧客資料，包括顧客過去瀏覽與購買的記錄 建立精確以及全面性的顧客資料，資料採礦便是最常運用的技術 根據不同的特性給予合適的內容與服務（Matchmaking） 推（Push）、拉（Pull）與消極的（Passive） 利用各項評估指標來評估個人化技術的效用 一對一資料建立分析 相似結構的規法會被群集在一起，藉此刪除相互間關聯性較低的法則 將所有的法則依據專家指定的法則樣本來篩選，過濾出接受與拒絕的法則，將使被接受的法則更具效用 利用消除重覆法則的方式可以減少重覆分析與時間的浪費 適性化資訊網站 Adaptive Website 從學習使用者的存取模式來自動的組織網站結構和呈現網頁的內容 適性化資訊網站 客製化 (Customization) 針對不同的單一使用者量身訂做網站 最佳化 (Optimization) 根據分析一群使用者的瀏覽行為後，將網站做符合大多數使用者的調整 適性化資訊網站 運作概念圖 適性化資訊網站 網站結構調適概念 電子化顧客關係管理 73％的美國公司認為企業內部網路能使員工效率/生產力提升 72％認為網路能改善企業內部合作、分享專業知識 eCRM的系統除能更瞭解顧客外，亦可確實掌握顧客屬性與投保行為關聯性分析、投資理財偏好，使企劃人員能夠依顧客等級、現況（靜止或可能流失）與偏好 結論 顧客關係管理 顧客關係管理