淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


下載電子全文限經由淡江IP使用) 
系統識別號 U0002-0207200715161100
中文論文名稱 應用資料探勘於電信產業市場區隔之研究
英文論文名稱 The Research of Data Mining Techniques Applied To Market Segmentation of Telecommunication Industry
校院名稱 淡江大學
系所名稱(中) 管理科學研究所碩士班
系所名稱(英) Graduate Institute of Management Science
學年度 95
學期 2
出版年 96
研究生中文姓名 葉佳燕
研究生英文姓名 Chia-yen yeh
學號 694560623
學位類別 碩士
語文別 中文
口試日期 2007-05-28
論文頁數 117頁
口試委員 指導教授-廖述賢
指導教授-黃振豊
委員-朱慧德
委員-吳錦波
中文關鍵字 資料採礦  消費者行為  市場區隔  資料庫行銷 
英文關鍵字 data mining  consumer behavior  segmentation  database marketing 
學科別分類 學科別社會科學管理學
中文摘要 我國電信自由化始於民國86年,並於民國87年開放四項行動通信業務及衛星通信業務予民間經營,而在民國91年政府開放第三代行動通訊業務之後,我國電信市場邁入全面自由化的嶄新局面。
在四項行動通訊業務中,行動電話因其便利性,最貼近一般大眾的生活,所以最具發展潛力,而隨著行動電話市場的擴張,各家業者的競爭也愈趨激烈,本研究主要探討的課題,是藉由分析消費者行為與電信業者的關聯性,提出市場區隔的建議及有效的行銷組合。
本研究以本體論的觀念,將消費者基本資料、行動電話產品、行銷通路及電信業者四個構面,做一概念化的描述,並透過資料探勘的技術,分別建置消費者、行動電話產品、行銷通路及電信行動業者的關聯性資料庫,利用關聯法則與集群分析的技術,分析消費者選購行動電話產品時所考量的因素,以此做為市場區隔的依據,此外,藉由消費者對行動電話產品的需求,以及選擇行銷通路、電信行動業者的資訊,發展出最適的行銷組合,讓行動電話相關業者更有利於進行銷售的活動,最後根據行銷通路、電信行動業者相關聯的資訊,提供異業聯盟的策略,並從研究內容與結果中,提出對電信相關業的管理意涵和對後續研究的建議,以期能使業者的競爭力有所提升。
英文摘要 Telecom liberalization trend in Taiwan has begun from 1997.It has opened 4 items of business for mobile telecommunication industry and satellite communication service business for private enterprise in 1998. After 3G mobile telecommunication business has opened in 2002, Taiwan’s telecom market has moved into fully liberalized.

Due to the extension of the industry of mobile phone, the competition among companies have became increasingly intense. Therefore, suggest of segmentation and effective marketing mix has been proposed by analysising relation of consumer behavior and telecommunication practitioner.

The thesis has based on the ontology concept and used four construct of the basic data for consumer, mobile phone, channel and telecommunication practitioner to do a conceptive description. Then it has used the technology of data mining to build the association database on consumer, mobile phone, channel and telecommunications practitioner. This thesis has employed the association rule and cluster analysis of data mining to analysis the factor what the consumer will consider on purchasing mobile phone. This thesis could also use it to make market segmentation. Based on consumer’s need of mobile phone、channel of choice and information of telecommunication business to develop appropriate market mix and help the sales for relevant telecommunication practitioner. According to relevant information of channel and telecommunication practitioner, the research has proposed the alliance strategy. According to results of this research, we could provide manage implication and advice for future researchers and help relevant practitioner to improve their competition capability.
論文目次 目錄
第一章 緒論 1
1.1研究背景與動機 1
1.2研究問題與目的 3
1.3研究流程 4
第二章 文獻探討
2.1消費者行為理論 6
2.1.1消費者行為的定義 7
2.1.2消費者行為之模式分析 8
2.1.3涉入理論 10
2.1.4小結 13
2.2市場區隔相關理論 14
2.2.1市場區隔的定義 14
2.2.2市場區隔的程序 16
2.2.3市場區隔變數 16
2.2.4市場區隔準則 19
2.2.5 小結 20
2.3資料探勘 21
2.3.1資料探勘的定義 21
2.3.2資料探勘的過程 23
2.3.3資料探勘演算法 24
2.3.4資料探勘在行銷上的應用 26
2.3.5小結 27
2.4 本體讑 28
2.4.1本體論定義 28
2.4.2知識本體分類 29
2.4.3小結 31
2.5 本章小結 32
第三章 電信產業分析 34
3.1電信產業結構現況 34
3.2行動通信系統的演進 35
3.2.1第一代類比式(Analog)行動電話 36
3.2.2第二代數位式(Digital)行動電話 36
3.2.3 2.5代行動通訊系統 37
3.2.4 第三代行動通訊系統 38
3.2.5 第四代行動通訊系統 40
3.3行動電話業者簡介 40
第四章 研究方法 45
4.1 研究架構 45
4.2 問卷設計與發放 46
4.3系統架構 52
4.4資料庫的建立與設計 55
4.4.1關聯式資料庫設計 55
4.5關聯法則、集群分析與分類迴歸樹 61
4.5.1關聯法則 61
4.5.2集群分析 63
4.5.3分類迴歸樹 65
4.6資料分析使用軟體 67
第五章 資料探勘與實證分析 70
5.1 回收樣本結構描述 70
5.2 消費者輪廓描繪之探勘 71
5.3 市場區隔之探勘 76
5.4 消費者購買行為及行銷通路選擇之分析 82
5.5 行銷組合之探勘 88
第六章 結論與建議 94
6.1研究結論 94
6.2管理意涵與對業者的建議 96
6.2.1行動電話業者 96
6.2.2行銷通路業者 97
6.2.3電信業者 97
6.2.4策略聯盟與異業聯盟 98
6.2.5資料庫行銷 99
6.3研究限制 100
6.4後續研究的建議 100
參考文獻 102
一、中文資料 102
二、英文資料 103
三、網路資料 106
附錄 107
附錄一 前測問卷 107
附錄一 正式問卷 113

表目錄

表1-1台灣行動電話使用戶數統表 2
表1-2 台灣行動電話使用普及率統計表 2
表2-1 涉入的定義 10
表2-2 購買行為的四種類型 12
表2-3 市場區隔的定義 15
表2-4 市場區隔的基礎 18
表2-5 資料探勘的定義 22
表3-1 臺灣行動電話業者用戶數統計 42
表4-1實體、關聯、屬性之描述 56
表4-2實體與屬性一覽表 57
表5-1 問卷回收統計表 70
表5-2 基本資料統計表 70
表5-3 消費者輪廓描繪-消費者基本資料與消費者行為的關聯分析74
表5-4 市場區隔-消費者輪廓和消費者選購行動電話考量因素之關聯分析 78
表5-5 消費者選購行動電話考量因素的集群分析 81
表5-6 消費者購買行為及行銷通路的選擇之關聯分析 82
表5-7 影響行銷通路選擇的因素之關聯分析 85
表5-8 影響行銷通路選擇的因素之集群分析 87
表5-9 行銷組合之關聯分析 92
表6-1 聯強、神腦國際、中華電信為行銷通路的行銷組合 96

圖目錄

圖1-1 研究流程圖 5
圖2-1 影響消費者行為的因素 6
圖2-2 知識本體的分類 30
圖2-3 Kotler消費者購買行為模式 33
圖3-1 我國電信產業結構 34
圖3-2 我國電信產業成長比較 35
圖3-3 行動通訊技術與服務演進圖 36
圖4-1 研究架構圖 46
圖4-2 本體論圖-消費者行為 47
圖4-3 本體論圖-行動電話產品 48
圖4-4 本體論圖-行銷通路 49
圖4-5 本體論圖-電信業者 49
圖4-6 本體論圖-四個構面 50
圖4-7 系統架構圖 54
圖4-8 實體關係圖(E-R圖)58
圖4-9 邏輯性資料庫圖 60
圖4-10 實體關聯圖 61
圖4-11 2005年各資料採礦軟體被使用頻率 68
圖5-1 消費者基本資料的分類回歸樹 73
圖5-2 顧客輪廓描繪-消費者基本資料與消費者行為的關聯圖(調整前)75
圖5-3 顧客輪廓描繪-消費者基本資料與消費者行為的關聯圖(調整後)76
圖5-4 消費者輪廓的分類回歸樹圖77
圖5-5 消費者輪廓和選購行動電話考量因素之關聯圖(調整前)79
圖5-6 消費者輪廓和選購行動電話考量因素之關聯圖(調整後)79
圖5-7 消費者選購行動電話考量因素的集群分析 80
圖5-8 消費購買行為及行銷通路選擇的分類回歸樹圖 83
圖5-9 消費者購買行為及行銷通路的選擇之關聯圖(調整後)84
圖5-10 影響行銷通路選擇因素之關聯圖(調整後)85
圖5-11 影響行銷通路選擇因素的集群分析 86
圖5-12 行銷通路為聯強的行銷組合之分類回歸樹圖 89
圖5-13 行銷通路為神腦國際的行銷組合之分類回歸樹圖 90
圖5-14 行銷通路為中華電信的行銷組合之分類回歸樹圖 91
圖5-15 行銷組合之關聯圖(調整後)93
圖6-1 市場區隔與行銷通路之行銷地圖 95
圖6-2 策略聯盟與異業聯盟的行銷地圖 99





參考文獻 參考文獻:
一、 中文資料
尹相志(民93)。資料採礦-網際網路應用與顧客價值管理。台北市:維科。
行銷學(郭常銘譯)(民95)。台北市:麥格羅.希爾國際股份有限公司。(原著出版年:2003)。
林建煌(民89)。行銷管理。台北:智勝文化事業公司。
林建煌(民91)。消費者行為。台北:智勝文化事業公司。
林欽榮(民93)。行銷管理。台北:揚智文化事業公司。
洪順慶(民88)。行銷管理。台北:新陸書局股份有限公司。
韋端(主編)(民92)。Data Mining概述,以Clementine7.0為例。台北縣新莊市:中華資料採礦協會。
消費者行為(陳志銘、郭庭魁、杜玉蓉、蕭幼霖、周佳樺譯)(民94年)。台北市:台灣培生教育出版股份有限公司。(原著出版年:2003)。
許長田(民87)。行銷學-競爭、策略、個案。台北:生智文化事業有限公司。
陳順宇(民94)。多變量分析(4版)。台北市:華泰。
陳吉宗(2002)。行動商務市場區隔之研究─以3G市場為例。未出版碩士論文,台北:國立台灣科技大學管科所。
陳一德(2004)。消費者對3G應用服務偏好之研究。未出版碩士論文,台北:大同大學工設所。
麥可.裴瑞,戈登.林諾夫(民90)。資料採礦理論與實務。(吳旭智,賴淑貞譯)。台北市:維科圖書有限公司。(原著出版年:2000)
黃俊英(民93)。行銷管理。台北:華泰文化事業股份有限公司。
曾憲雄、蔡秀滿、蘇東興、曾秋蓉、王慶堯(民94)。資料探勘Data mining。台北市:旗標。
程信賢(2001)。行動電話消費者購買行為及其之市場區隔研究─以南部地區為例。未出版碩士論文,台南:國立成功大學企管研究所。
資料庫管理與應用(林慶德譯)(民92)。台北市:培生。(原著出版年:2002年)。
溫志皓(2005)。資料探勘應用於需求鏈協同設計與新產品開發之研究。國防大學國防管理學院資源管理研究所碩士論文,未出版,台北縣。
鄧勝梁、許紹李、張庚淼(民92)。行銷管理-理論與策略。台北:五南圖書出版公司。
蕭富峰(民95)。行銷策略。台北:華泰文化事業股份有限公司。


二、 英文資料
Agrawal, R., Imielinski, T., & Swami, A. (1993). Mining association rules between sets of items in large databases. ACM SIGMOD Conference, Washington DC, USA, 254–259.
Agrawal, R., & Srikant, R. (1994). Fast Algorithms for Mining Association Rules. Proceeding of the 20th International Conference on Very Large Database, 487-499.
Anand, S. S., Patrick, A. R., Hughes, J. G. (1998). A Data Mining Methodology for Cross-sales. Knoledge-Based Systems Journal, 10(7), 449-461.
Andrews, J., Srinivas, D. & Syed, H. (1990). A Framework for
Conceptualizing and Measuring the Involvement Construct in
Advertising Research. Journal of Advertising, 19(4), 27-40.
Assael, H. A. & Roscoe, M. (1976). Approaches to Market Segmentation Analysis. Journal of Marketing, 40(4), 67-76.
Assael, H. (1998). Consumer Behavior and Marketing Action (6th ed.). South-Western Collage Pub.
Bernaras, A., Laresgoiti, I. & Corera, J. (1996). Building and reusing ontologies for electrical network applications. In Proceedings of the12th ECAI, Budapest, Hungary, 298 – 302
Berry, M.J.A. & Linoff, G. (1997). Data Mining Technique for Marketing, Sale, And Customer Support, NY:Wiley Computer.
Birgit, T. (2006). Conceptualizing Special Interest Tourism- Frameworks
for Analysis. Tourism Management, 27(2), 183-200.
Blackwell, R. D., Miniard, P. W. & Engel, J. F. (2005). Consumer
Behavior (10th ed.). South-Western College Pub.
Craven, M. W. & Shavlik, J. W. (1997). Using neural networks for data
mining. Future Generation Computer System, 13(2-3), 211-229.
Chen, P. (1976). The Entity-Relationship Model: Toward a Unified View
of Data. ACMTransactions on Database Systems, 1(1), 9-36.
Coenen, F., Goulbourne, G. & Leng, P. (2004). Tree Structures for Mining Association Rules. Data Mining and Knowledge Discovery, 8(1), 25-51.
Engel, J. F., Kollat, D. & Blackwell, R. D. (1984).Consumer Behavior (5th ed.).Taipei: Hwa-Tai Co.
Fayyad, U., Piatetsky S. G. & Padhraic S. (1996). The KDD Process for
Extracting Useful Knowledge from Volumes of Data. Communications
of the ACM, 39(11), 27-34.

Fensel, D., Benjamins, V. R., Motta, E. & Wielinga, B. (1996).UPML : A
framework for knowledge system reuse, In Proceedings of the 16th
International Joint Conference on AI ( IJCAI - 99 ) , Sweden, 16 – 21.
Frawley, W. J., Paitetsky-Shapiro, G. & Matheus, C. J.(1991). Knowledge
Discovery in Databases: An Overview, Knowledge Discovery in
Databases. California:AAAI/MIT Press.
Green, P. E., Tull, D. S. & Albaum, G.. (2002). Research for Marketing Decisions (5th ed.). NJ: Prentice-Hall Inc.
Gruber, T. R.(1993). A translation approach to portable ontology
specifications. Knowledge Acquisition, 5(2), 199-220.
Grupe, F. H. & Owrang, M.M. (1995). Database Mining Discovery New
Knowledge and Cooperative Advantage. Information System
Management, 12(4), 26-31.
Hahha, N., & Wozniak, R. (2001). Consumer behavior (1th ed.). NJ:
Prentice-Hall Inc.
Han, J., & Kamber, M. (2000). Data Mining: Concepts and Techniques (1st ed.). SF: Morgan Kaufmann.
Hendler, J. (2001). Agents and the Semantic Web. IEEE Intelligent
Systems, 16(2), 30-37.
Hoffer, J. A., George, J. F., & Valacich, J. S. (2002). Modern System
Analysis and Design.(3rd ed.). Upper Saddle River, NJ: Prentice Hall.
Huhns, M. N. & Singh, M. P. (1997). Ontologies for Agents. IEEE
Internet Computing, 6(1), 81-83.
Kagami, N., Iwamoto, R., & Tani, T. (2005). Application of data mining method(ID3) to data analysis for ultra deep hydrodesulfurization of straight-run light gas oil- determination of effective factor of the feed properties to reaction rate of HDS. Fuel, 84(2-3), 279-285.
Keima, D. A., Pansea, C., Sipsa, M., & Northb, S. C. (2004). Pixel based visual data mining of geo-spatial data. Computers & Graphics, 28(3), 327-344.
Kima, Y. S., & Street, W. N. (2004). An intelligent system for customer targeting: a data mining approach. Decision Support Systems, 37(2), 215-228.
Kotler, P. (1999). Marketing management:analysis, planning,
implementation and control (8th ed.). NJ: Prentice-Hall Inc.
Kotler, P.(2003). Marketing Management (10th ed.). NJ: Prentice-Hall
Inc.

Kotler, P. & Gary, A. (2004). Principles of marketing (12th ed.). Upper
Saddle River, NJ: Prentice Hall.
Kouris, I. N., Makris, C. H. & Tsakalidis, A. K. (2005). Using
Information Retrieval techniques for supporting data mining. Data & Knowledge Engineering, 52(3), 353-383.
Liao, S. H., & Chen, Y. J. (2004). Mining customer knowledge for
electronic catalog marketing. Expert Systems with Applications, 27(4),
521-532.
Maedche, A. & Staab, S.(2001). Ontology learning for the Semantic Web. IEEE Intelligent Systems, 16(2), 72-79.
Marcus, B. H. (1975). Modern Marketing. NY: Ran House.
Matsatsinis N. F. & Samaras A. P. (2000). Brand choice model selection based on consumer's multicriteria preferences and experts's knowledge.
Computers and Operations Research, 27(7-8), 689-707.
McCarthy, E. J., & Perreault, W. D. (1990). Basic marketing : a
managerial approach.Homewood, IL: Irwin.
McDonald, M. (1999). Marketing plans:how to prepare them. how to use
them (4th ed.).Oxford: Butterworth Heinemann.
McDonald, M. & Dunbar, I. (1995). Marketing Segmentation:A
Step-by-step approach to creating profitable market segments. London: Whiraker.
Murphy, P. R. & Daley, J. M. (1994). A framework for applying logistical
segmentation. International Journal of Physical Distribution and Logistics Management, 24(10), 13-19.
Pride, W. M., Ferrell, O. C. (1997). Marketing: concepts and strategies. Boston: Houghton Mifflin.
Pyle, D. (1997).Data Preparation for Data Mining. Morgan Kaufmann
Publishers.
Robert, A. P. (2005). Response Construction in Consumer Behavior Research. Journal of Business Research, 58(3), 348-353.
Schiffman, L. G. & Kanuk, L. L. (2000). Consumer Behavior (7th ed.).
NJ: Prentice-Hall Inc.
Slama, M. & Tashchian A. (1985). Selected socioeconomic and
demographic characteristics associated with purchasing involvement.
Journal of Marketing, 49(1), 72-82.
Smith, B. & Welty, C. (2001). Ontology: Towards a New Synthesis, In
Proceedings of the International Conference on Formal Ontology in
Information Systems, Ogunquit, Maine, USA, 3-9.
Smith, W. R. (1956). Product differentiation and market segmentation as
Alternative marketing strategies. Journal of Marketing, 21(1), 3-8.
Sung, H. H. & Sang, C. P. (1998). Application of Data Mining Tools to
Hotel Data Mart on the Intranet for Database Marketing. Expert
Systems With Application, 15(1), 1-31.
Swartout, B., Patil, R., Knight, K. & Russ, T. (1997). Toward distributed
use of large - scale ontologies, In Spring Symposium Series,
Ontological Engineering, AAAI Press, Stanford. 33 – 40.
Swinyard, W. R. (1993). The Effects of Mood, Involvement, and Quality
of Store Experience on Shopping Intention. Journal of Consumer
Research, 20(2), 271-280.
Wang Y. F., Chuang Y. L., Hsu, M. H., & Keh H. C.(2004). A
personalized recommender system for the cosmetic business. Expert
Systems with Applications, 26(3), 427-434.
Weinstein, A. (1987). Market segmentation: using niche marketing to
exploit new markets. Chicago, IL: Probus Pub. Co.
Williams, T. G. (1982). Consumer behavior fundamental and strategies.
St. Paul Minn:West Publishing Co..
Wind, Y. (1978). Issues and advances in segmentation research. Journal
of Marketing Research, 15(8), 317-337.
Zaichkowsky, J. L. (1986). Conceptualizing Involvement. Journal of
Advertising, 15(2), 4-14.

三、網路資料
1. 大眾電信股份有限公司,http://phs.com.tw/
2. 中華電信股份有限公司, http://cht.com.tw/
3. 台灣大哥大股份有限公司, http://www.tcc.net.tw/
4. 交通部電信總局, http://www.dgt.gov.tw/
5. 亞太行動寬頻電信,http://www.apbw.com/
6. 泛亞電信股份有限公司, http://www.tat.com.tw/
7. 東信電訊股份有限公司, http://www.mobitai.com.tw/
8. 和信電訊股份有限公司, http://www.kgt.com.tw/
9. 遠傳電信股份有限公司, http://www.fareastone.com.tw/
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2012-07-03公開。
  • 同意授權瀏覽/列印電子全文服務,於2012-07-03起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2281 或 來信