网路行销工具.ppt

* 資料探勘有四階段工作循環 定義企業機會點 資料探勘 根據資訊行動 測量結果 第三十页，共七十八页。 * 資料探勘的任務 監督式資料探勘 (Directed Data Mining) 分類 估計 預測 非監督式資料探勘 (Undirected Data Mining) 關聯 集群 視覺化 第三十一页，共七十八页。 * 資料探勘的技術與方法 統計方法 資料探勘使用許多統計工具，包括貝氏網路(Bayesian Network)、迴歸分析、相關分析及集群分析(Cluster Analysis) 通常由訓練資料集(Training Data Set)建立統計模式，然後從模式中找尋規則與特徵 機器學習方法 和統計方法一樣，機器學習方法在建立初始模式後，利用測試資料集(Testing Data Set)來修正、尋求一個最佳模式 不同之處在於大多數機器學習方法，在自動化學習過程中，會自動歸納出分類規則與建立模組 資料探勘最常使用的機器學習方法包括決策樹歸納(Decision Tree Induction)及概念式分群( Conceptual Clustering)等 第三十二页，共七十八页。 * 資料探勘的技術與方法 資料庫導向方法 不像前二個技術在尋找最佳模式，資料庫導向方法(Database-Oriented Approaches)轉而著重在處理現有資料，反覆從大量資料中找出規則與模式，是一種屬性導向歸納法 視覺探索 此研究領域主要是將多維度的資料轉換成視覺化物件，亦即轉換成人類最多可接受的三維構面以內，讓使用者可以動態檢視及探索有興趣的部分，進而發現有意義的資訊 其它方法 如類神經網路(Neural Network)可運用於資料的分類及預測，約略集合(Rough Set)可運用於分類及分群 第三十三页，共七十八页。 * 常見的資料探勘技術 第三十四页，共七十八页。 * 常見的資料探勘技術 第三十五页，共七十八页。 * 資料探勘各項技術適用之任務 第三十六页，共七十八页。 * 電子郵件行銷 實施電子郵件行銷必須經過複雜的運作流程，稱為顧客接觸週期 (Customer contact cycle) 可簡化為三個重要的階段： 購買名單階段 (Acquisition phase) 尋求和蒐集的階段，拉進潛在的顧客，目的為將之轉變成正式顧客 在此階段必須認清目標市場，將電子郵件給最有潛力的目標顧客 測試階段 (Testing/conversion phase) 此階段應視為整體電子郵件行銷計畫中持續進行的一部份，反覆且不斷地測試，以篩選並鎖定有效的目標顧客群所在 持續階段 (Retention phase) 針對潛在顧客名單中，甚至已成為正式顧客者，必須與之建立關係，可以執行個人化的行銷，強化忠誠度並建立品牌，同時增加銷售量 第三十七页，共七十八页。 * 電子郵件 電子郵件有許多的好處，但仍有其限制性 例如過度氾濫、垃圾郵件橫行都是當前主要的問題 垃圾郵件(Junk mail)為「未經收件人主動請求而寄出的大量相同郵件」 電子郵件的使用者都無可避免地收到一些垃圾郵件，即為一些沒有經過收信者同意的計畫或產品的文宣訊息 通常提供的內容大都是一些沒有用或讓人不感興趣的訊息 由於電子郵件的低成本與快速，仍有不少業者一次寄發大量的電子廣告郵件，即使回覆率不到寄發信件的1%，它仍是有效且有獲利價值的工具 第三十八页，共七十八页。 * 電子郵件 調查報告指出，超過80%的使用者對於未經許可的郵件(UCE, Unsolicited commercial E-mail) — 即垃圾郵件，有負面的印象，並且僅有不到三分之一的使用者曾經點閱該郵件 而約有半數以上的使用者對於許可式的郵件(Permission E-mail)有正面的印象，並且四分之三以上的使用者曾經回應此類郵件 第三十九页，共七十八页。 * 美國垃圾郵件是違法的 美國地區許多人認為垃圾郵件是違法的 而相關的立法提案仍搖擺不定，不知這種型態的電子郵件是否要被宣告非法，以及訂出何種相關法律條文與罰則來防杜此種行為，以至於目前業者、消費者、直效行銷協會及政府機關等仍未有定論 而台灣地區仍無任何公正之第三者出面解決此問題，未來應視為一急需面對並解決的重要議題 第四十页，共七十八页。 * 電子郵件行銷的模式 目前電子郵件行銷的模式傾向以許可式的電子郵件行銷模式為主，並且著重在維持舊顧客與開發新顧客為二大主軸的行銷策略 第四十一页，共七十八页。 * E-mail維持顧客關係的策略 1. 顧客關係郵件 (Customer relationship) 所有郵件中運用最廣的一種 一般網站的作法是邀請顧客提供個人的郵件地址，當網站有新產品、折扣或新聞發佈時，利用電子郵件送給每一位註冊此項服務的顧客 雖然此類的郵件