我國人壽保險市場之經營愈來愈競爭，人壽保險業者除了與同業競爭外，還要面臨外商保險公司所來的威脅，而在金融服務整合風潮的帶領下，人壽保險業者同時也須面臨其它金融產業之挑戰。為了使企業能夠有效率地經營，達到以最小成本換取最大利潤之目標，企業必須將市場進行區隔，針對不同特性之顧客找出最具效率且符合成本之行銷通路，而為了避免顧客之流失，也應設置能滿足顧客需求之服務管道。透過資料探勘之技術可協助企業從所掌握的大量資料中找出有意義的資訊，並該資訊轉換為有用的知識，作為行銷與服務策略之參考，使得企業能夠更落實顧客關係管理之實施。
	
   本研究以問卷調查法蒐集顧客購買保險之資訊，探討顧客在購買產品後的經驗，再以資料探勘配合Apriori演算法及集群分析將顧客的隱性知識轉成資訊，從中萃取成企業資產，結合關聯性資料庫，把結果運用在行銷通路中。使相關人員可以為不同顧客群找出不同之銷售管道，同時了解到顧客重視的是什麼，以便作為後續服務所應注意的事項，因為企業競爭優勢來自於透過顧客喜歡之方式將其能接受之商品對其進行銷售，並以帶給顧客最大滿足程度之管道提供服務。

The conduct of the market of life insurance is getting competitive. The dealers in life insurance not only compete against the craft but face the minacity accompanied by foreign companies. Under the trend of integrated financial service, the dealers in life insurance also face the challenges of other financial industries. Enabling enterprises to manage effectively, enterprises must segment the market to find out the most efficient and cost effective channels of marketing. And enterprises should set up the service channels that can meet the customer’s need. Enterprises can learn of meaningful information from a large number of materials through the technology of data mining, and then transfer the information into useful knowledge. Enterprises can take the knowledge as the reference of strategy for marketing and service.
The research collects the information about the customer buying insurance and investigates experiences gained after customers’ purchase with the investigation method of the questionnaire, transferring the implicit knowledge into information as enterprise assets by combining data mining and the Apriori algorithm, and the cluster analysis. The results can be used as consultations of management. The study shows that although the channels of the marketing and service are getting diversified, customers still prefer the salesmen as the way to contact with the insurance companies. The enterprises can cater to the customers’ need and elevate the degree of satisfaction through providing the information and using strategic alliance from different business fields.

目錄
中文摘要II
ABSTRACT	III
目錄V
表目錄X
圖目錄XIII

第一章  緒論1
1.1 研究背景與動機	1
1.2 研究目的2
1.3 研究架構及研究流程3
1.4 研究範圍與限制	6
1.4.1 研究範圍6
1.4.2 研究限制6

第二章  文獻探討7
2.1 市場區隔相關理論7
2.1.1 市場區隔之定義7
2.1.2 市場區隔之程序與模式9
2.1.3 市場區隔之變數11
2.1.4 市場區隔之功能與條件13
2.1.5 小結15
2.2 顧客關係管理相關理論16
2.2.1 顧客之定義與分類16
2.2.2 顧客關係管理之定義18
2.2.3 顧客關係管理之架構與流程20
2.2.4 小結25
2.3 資料探勘25
2.3.1 資料探勘之定義25
2.3.2 資料探勘之功能27
2.3.3 資料探勘之流程31
2.4 小結	33

第三章  我國人壽保險產業之介紹35
3.1 我國人壽保險業之發展35
3.2 我國人壽保險業之經營現況37
3.2.1 全球經濟情勢概述37
3.2.2 國內經濟情勢概述37
3.2.3 我國人壽保險市場概況38
3.3 我國人壽保險商品之分類42
3.4 我國人壽保險業之行銷通路47

第四章  研究方法60
4.1 研究設計60
4.1.1 問卷設計61
4.1.2 抽樣方法63
4.1.3 問卷發放63
4.1.4 信度與效度64
4.2 系統架構與資料庫設計65
4.2.1 系統架構65
4.2.2 資料庫設計67
4.3 關聯法則與集群分析74
4.3.1 關聯法則74
4.3.2 Aprior演算法	76
4.3.3 集群分析78
4.4 資料分析使用軟體－SPSS Clementine79

第五章  資料分析82
5.1 回收樣本結構描述82
5.2 市場區隔86
5.3 行銷通路之分析	90
5.3.1 K1集群之關聯規則90
5.3.2 K2集群之關聯規則94
5.3.3 K3集群之關聯規則98
5.3.4 K4集群之關聯規則101
5.3.5 K5集群之關聯規則105
5.4 服務通路之分析108
5.4.1 K1集群之關聯規則108
5.4.2 K2集群之關聯規則112
5.4.3 K3集群之關聯規則115
5.4.4 K4集群之關聯規則118
5.4.5 K5集群之關聯規則122
5.5 小結125

第六章  結論129
6.1 結論129
6.2 管理意涵130
6.2.1 行銷通路分析130
6.2.2 服務通路分析133
6.2.3 異業結盟分析134
6.3 後續研究建議136

參考文獻137
1. 英文資料137
2. 中文資料142
3. 網路資料145

附錄一、前測問卷146
附錄二、正式發放問卷151

表目錄
表2.1 市場區隔之定義8
表2.2 市場區隔之變數12
表2.3 行銷目的與適用之區隔基礎13
表2.4 市場區隔之利益14
表2.5 顧客關係管理之定義19
表2.6 資料探勘之定義26
表2.7 資料探勘之功能29
表2.8 資料探勘之流程步驟31
表3.1 台灣地區人壽保險業各年度家數與分支機構統計表36
表3.2 總體經濟指標-國情統計資料表38
表3.3 台灣保險四大指標值39
表3.4 我國壽險業在全體金融機構之地位40
表3.5 各險種保費收入統計表40
表3.6 各險種保費給付統計表41
表3.7 台灣壽險業個人壽險年度解約失效率42
表3.8 我國保險從業人員統計表51
表3.9 我國保險代理人業務統計表53
表3.10 我國保險經紀人業務統計表54
表3.11 各種銷售管道之優、缺點比較表56
表4.1 實體、關聯與屬性的概述67
表4.2 人身商品編號對照表69
表4.3 投保通路編號對照表69
表4.4 服務人員編碼對照表70
表4.5 聯絡方式編碼對照表70
表4.6 異業結盟編碼對照表70
表4.7 資料庫中交易紀錄77
表4.8 Apriori演算法產生的候選項目集合和高頻項目集合77
表5.1 性別分佈表82
表5.2 年齡分佈表82
表5.3 教育程度分佈表83
表5.4 職業分佈表84
表5.5 居住地區分佈表85
表5.6 婚姻狀況分佈表85
表5.7 年收入分佈表86
表5.8 K-means演算法分群結果88
表5.9 K1集群-行銷通路與商品之關聯法則91
表5.10 K1集群-行銷通路與欲再購買商品之關聯法則92
表5.11 K1集群-行銷通路與所欲獲得資訊之關聯法則93
表5.12 K2集群-行銷通路與商品之關聯法則95
表5.13 K2集群-行銷通路與欲再購買商品之關聯法則96
表5.14 K2集群-行銷通路與所欲獲得資訊之關聯法則97
表5.15 K3集群-行銷通路與商品之關聯法則98
表5.16 K3集群-行銷通路與欲再購買商品之關聯法則99
表5.17 K3集群-行銷通路與所欲獲得資訊之關聯法則101
表5.18 K4集群-行銷通路與商品之關聯法則102
表5.19 K4集群-行銷通路與欲再購買商品之關聯法則103
表5.20 K4集群-行銷通路與所欲獲得資訊之關聯法則104
表5.21 K5集群-行銷通路與商品之關聯法則106
表5.22 K5集群-行銷通路與欲再購買商品之關聯法則107
表5.23 K5集群-行銷通路與所欲獲得資訊之關聯法則107
表5.24 K1集群-提供服務者與行銷通路之關聯法則109
表5.25 K1集群-消費者希望聯絡方式之關聯法則110
表5.26 K1集群-希望之合作對象與服務之關聯法則111
表5.27 K2集群-提供服務者與行銷通路之關聯法則112
表5.28 K2集群-消費者希望聯絡方式之關聯法則113
表5.29 K2集群-希望之合作對象與服務之關聯法則114
表5.30 K3集群-提供服務者與行銷通路之關聯法則115
表5.31 K3集群費者希望聯絡方式之關聯法則116
表5.32 K3集群-希望之合作對象與服務之關聯法則118
表5.33 K4集群-提供服務者與行銷通路之關聯法則119
表5.34 K4集群-消費者希望聯絡方式之關聯法則120
表5.35 K4集群-希望之合作對象與服務之關聯法則121
表5.36 K5集群-提供服務者與行銷通路之關聯法則122
表5.37 K5集群-消費者希望聯絡方式之關聯法則123
表5.38 K5集群-希望之合作對象與服務之關聯法則124
表5.39 集群之商品、行銷通路及服務管道整合表127
表6.1 行銷溝通策略132

圖目錄
圖1.1 研究流程圖5
圖2.1 消費者市場區隔基礎11
圖2.2 顧客依忠誠度所區分的五大階段17
圖2.3 顧客發展過程18
圖2.4 整合式顧客關係管理系統架構圖21
圖2.5 顧客關係管理的三個階段22
圖2.6 顧客關係管理策略發展循環之PEPSI模式23
圖2.7 顧客關係管理的四大循環24
圖2.8 資料探勘資料轉化過程26
圖2.9 資料探勘功能分類30
圖2.10 資料探勘流程31
圖3.1 我國保險之分類圖43
圖3.2 銷售與行銷之觀念圖48
圖3.3 企業三大行銷類型48
圖3.4 保險行銷流程圖49
圖3.5 我國人壽保險行銷系統50
圖4.1 研究設計圖60
圖4.2 問卷架構圖62
圖4.3 系統架構圖66
圖4.4 實體關聯圖68
圖4.5 邏輯性資料庫72
圖4.6 資料庫關聯圖73
圖4.7 2005年各資料採礦軟體被使用頻率79
圖4.8 SPSS Clementine8.1使用者介面81
圖5.1 節點串流圖87
圖5.2 K1集群-行銷通路與商品組合之蛛網關聯圖(調整後)91
圖5.3 K1集群-行銷通路與欲再購買商品之蛛網關聯圖(調整後)92
圖5.4 K1集群-行銷通路與所欲獲得資訊之蛛網關聯圖(調整後)94
圖5.5 K2集群-行銷通路與商品組合之蛛網關聯圖(調整後)95
圖5.6 K2集群-行銷通路與欲再購買商品之蛛網關聯圖(調整後)96
圖5.7 K2集群-行銷通路與所欲獲得資訊之蛛網關聯圖(調整後)97
圖5.8 K3集群-行銷通路與商品組合之蛛網關聯圖(調整後)99
圖5.9 K3集群-行銷通路與欲再購買商品之蛛網關聯圖(調整後)100
圖5.10 K3集群-行銷通路與所欲獲得資訊之蛛網關聯圖(調整後)101
圖5.11 K4集群-行銷通路與商品組合之蛛網關聯圖(調整後)102
圖5.12 K4集群-行銷通路與欲再購買商品之蛛網關聯圖(調整後)104
圖5.13 K4集群-行銷通路與所欲獲得資訊之蛛網關聯圖(調整後)105
圖5.14 K5集群-行銷通路與商品組合之蛛網關聯圖(調整後)106
圖5.15 K5集群-行銷通路與欲再購買商品之蛛網關聯圖(調整後)107
圖5.16 K5集群-行銷通路與所欲獲得資訊之蛛網關聯圖(調整後)108
圖5.17 K1集群-提供服務者與行銷通路之蛛網關聯圖(調整後)109
圖5.18 K1集群-消費者希望聯絡方式之蛛網關聯圖(調整後)110
圖5.19 K1集群-希望之合作對象與服務之蛛網關聯圖(調整後)111
圖5.20 K2集群-提供服務者與行銷通路之蛛網關聯圖(調整後)112
圖5.21 K2集群-消費者希望聯絡方式之蛛網關聯圖(調整後)113
圖5.22 K2集群-希望之合作對象與服務之蛛網關聯圖(調整後)115
圖5.23 K3集群-提供服務者與行銷通路之蛛網關聯圖(調整後)116
圖5.24 K3集群-消費者希望聯絡方式之蛛網關聯圖(調整後)117
圖5.25 K3集群-希望合作對象與服務之蛛網關聯圖(調整後)118
圖5.26 K4集群-提供服務者與行銷通路之蛛網關聯圖(調整後)119
圖5.27 K4集群-消費者希望聯絡方式之蛛網關聯圖(調整後)120
圖5.28 K4集群-者希望合作對象與服務之蛛網關聯圖(調整後)122
圖5.29 K5集群-提供服務者與行銷通路之蛛網關聯圖(調整後)123
圖5.30 K5集群-消費者希望聯絡方式之蛛網關聯圖(調整後)124
圖5.31 K5集群-希望合作對象與服務之蛛網關聯圖(調整後)125
圖6.1 保險商品-行銷管道行銷地圖131
圖6.2 服務管道行銷地圖134

參考文獻
英文資料
1.Adrian, B., Ragnar S. & Lutz, K. & Walter, B. (2004). Customer Knowledge Management - Improving Performance of Customer Relationship Management with Knowledge Management. Hawaii International Conference on System Sciences, 37, 1-10.
2.Assael, Henry, and A. Marvin Roscoe Jr.(1976), “Approaches to Market Segmentation Analysis,” Journal of Marketing, Vol.40, October, pp.67-77.
3.Boote, A.S. (1981), Market segmentation by Personal Values and Salient Product Attribute. Journal of Advertising Research, 21(1), 29-35.
4.Berson, A., Smith, S. & Thearling, K. (1999). Building Data Mining Application for CRM. NY：McGraw-Hill.
5.Brighton,S.(2000) , “Customer Information : Integration before Management” , Call Center CRM Solutions ,October , 52-54 
6.Berry, M. J. A. & Linoff, G. (1997). Data Mining Techniques for Marketing, Sales, and Customer Support. NY: John Wile & Sons.
7.Bhatia, A. (1999). Customer Relationship Management (1st ed). toolbox Portal for CRM.
8.Bove, L. L. & Johnson, L. W. (2001). Customer Relationship with Service Personnel: Do We Measure Closeness, Quality or Strenght? Journal of Business Research, 54, 189-197.
9.Cabena, P., Hadjinian, P., Stadler, R., Verhees, J. & Zanasi, A. (1998). Discovering Data Mining from Concept to Implementation. NJ: Prentice Hall Press.
10.Chung, H. M., & Gray, P.(1999).Special section: Data Mining. Journal of Management Information System, 16(1), 11-16.
11.Curt（1995）,”The Deviles in The Detail Techniques, Tool, & Applications for Data Mining & Konwlegde Discovery-Part I,Intelligent Software Strategies, Vol. 6, No. 9,P3
12.Engel James F., Roger D. Blackwell and Paul W. Miniard（1995）, Consumer Behavior, 8th ed., Dryden Press.
13.Fayyad, U., & Stolorz, P. (1997). Data mining and KDD: promise and challenge. Future Generation Computer Systems, 13(2–3), 99–115.
14.Fayyad, U.M., F.Piatetsky-Shapior, P. Smyth, and R.Uthurusamy（1996）,”The KDD Process for Extracting Useful Knowledge from Volumes of Data”, Communications of the ACM, Vol.39, No.11 NOV.
15.Frawley, W., Piatesky, G. S. & Matheus, C. (1991). Knowledge Discovery in Database: An Overview, Knowledge Discovery in Database. AAAI/MIT Press.
16.Haley, R. (1968). Benefit begmentation: A decision-oriented research tool. Journal of Marketing, 32(3), 30-35.
17.Hall, C. ed., (1995). The devil’s in the details: techniques, tool, and application for database mining and knowledge discovery part I. Intelligent Software Strategies,6(9), 1-16.
18.Hui, S. C., & Jha, G. (2000). Data mining for customer service support. Information & Management, 38(1),1-13.
19.Han, J. & Kamber, M. (2001). Data Mining: Concepts and Techniques. San Francisco: Morgan Kaufman.
20.Jeffrey, Peel. (2002). CRM: redefining customer relationship management. Boston: Digital press.
21.Jill Griffin (1995), “Customer Loyalty : How to Earn It, How to Keep It”, Simmon and Schuster Inc.
22.Kagami, N., Iwamoto, R.,& Tani, T.(2005).Application of datamining method(ID3)to data analysis for ultra deep hydrodesulfurization of straight-run light gas oil-dtermination of effective factor of the feed properties to reaction rate of HDS, Fuel, 84(2-3),279-285.
23.Kantardzic, M. (2003). Data mining: concepts, models, methods and algorithms. NJ: Wiley Press.
24.Keim,D.A., Panse,C., Sips, M., & North, S.C.(2004). Pixel based visual data mining of geo-spatial data. Computers & Graphics, 28(3), 327-344.
25.Kima,Y.S., & Street,W.N.(2004).An intelligent system for customer targeting: a data mining approach. Decision Support Systems, 37(2), 215-228.
26.Kalakota, Ravi，Marcia Robinson，e-Business-Roadmap for success，Addison Wesley，1999
27.Kalakota & Robinson,e-Business: Roadmap for Success ,1999,p.117
28.Kotler, P. (2004). Ten Deadly Marketing Sins. NY:John Wile & Sons.
29.Newell, F. (2000). Loyalty.com customer relationship management in the new era of Internet marketing. NY: McGraw-Hill Press.
30.Kotler, Philip & Gary Armstrong(1994), Principles of Marketing, 6th ed., London: Prentice-Hall Inc.
31.Lamb, C.W. (1996). Marketing: South-Western College Publishing.(3th ed.). Homewood, IL：Richard D.Irw in, Inc.
32.Lessig, V. P. (1973).Consumer Store Images and Store Loyalities.Journal of Marketing, 30 ,72-74.
33.Liao, S. H. & Chen, Y. J. (2004). Mining customer knowledge for electronic catalog marketing. Expert Systems with Applications, 27, 521-532.
34.Maidique, M.A. and Zirger, B.J. (1985). The new product learning cycle. Research Policy, 14(6), 299-313.
35.Marcus，Modern Marketing，N.Y Ran House，1975.
36.McCarthy, E.J. & Perreault, W.D. (1990). Basic Marketing:A Managerial Approach. Homewood, IL:Irwin.
37.Murphy, P.E. & Enis, B.M. (1986). Classifying Products Strategically. Journal of Marketing, 30-36.
38.Nicholson, S. (2006). The basis for bibliomining: Frameworks for bringing together usage-based data mining and bibliometrics through data warehousing in digital library services. Information Processing and Management, 42(3), 785-804.
39.Peter R. Dickson, and James L. Ginter（1987）, “Market Segmentation, Product Differentiation, and Marketing Strategies,” Journal of  Marketing, Vol.51, April, pp.1-10.
40.Peppers, D. & Rogers, M., The One to One Future : Building elationships One Customer at a Time, New York : Doubleday, 1993
41.Peppard, J. (2000). Customer relationship management in financial service. European Management Journal, 3, 312-327.
42.Peacock, P.R.(1998).Data mining in marketing: part 1.Matketing Management, 6(4),8-18.
43.Pride, W.M. and Ferrell, O.C.( 1997). Marketing: Concepts and Strategies. Boston: Houghton Mifflin.
44.Raphel N. & M. Raphel, 1995, Loyalty Ladder,Harper Collins Publisher, Lnc.
45.Ratcliff, P. (2000). Managing Deeper Relationship. Mortgage Banking, 94-100.
46.Reynolds, F.D. & Darden. W.R., “Constructing Life Style and Psychographics”, Life Style and Psychographics, Chicago:AMA, 1974.
47.Roha, T. H., Ahn, C. K. & Han, I. (2005). The priority factor model for customer relationship management system success. Expert Systems with Applications, 28, 641-654.
48.Santos, M. Y. & Amaral, Luis A. (2004). Mining geo-referenced data with qualitative spatial reasoning strategies. Computers and Graphics, 28(3), 371-379.
49.Shaw, R. (1999). Measuring and Valuing Customer Relationships: How to Develop the Measures That Drive Profitable Crm Strategies. NY: Business Intelligence.
50.Shaw, M.J., C. Subramaniam, G.K Tan, M.E. Welge （2001）,”Knowledge Management and Data Mining for Marketing”, Decision Support Systems,  Vol31,P127-137
51.Smith, Wendell R. (1956). Product differentiation and market segmentation as alternative marketing strategies. Journal of Marketing, 21(1), 3-8.
52.Swift, R. (2001). Accelerating Customer Relationship. NJ: Prentice-Hall Press.
53.Seifert, J. W. (2004). Data mining and the search for security: Challenges for connecting the dots and databases. Government Information Quarterly, 21, 461-480.
54.Wayland, Robert E., Paul M. Cole (1997), Customer Connections: New Strategies forGrowth, Harvard Business School Press.
55.Weinstein, A. (1987). Market Segmentation: Using Niche Marketing to Exploit New Markets. Chicago, IL：Probus Pub. Co.
56.Wind, Y. (1978). Issues and Advances in Segmentation Research. Journal of Marketing Research, 15, 317-337.
57.Yankelouich, D. (1964). New Criteria for Market Segmentation. Harvard Business Review, 42(2), 83-90.
58.Zeithaml, Valarie A. and Mary Jo Bitner (1996), “Service Marketing,” Mcgraw-Hill.

中文資料
1.丁一賢、陳牧言(民94)。資料探勘。臺中市:滄海。
2.人身&財產保險經營（民91）。台北市：平安。
3.王秀瑩(民88)。咖啡連鎖店市場區隔及其消費行為之研究。國立東華大學企業管理學系碩士論文，未出版，花蓮縣。
4.王薏閔(民92)。資料採礦應用於顧客關係管理之研究。台北大學企業管理學系碩士論文，未出版，台北市。
5.江朝峰（民90）。財產保險實務。台北市：平安。
6.安迅資訊系統企業（1999）,「整合企業經營策略與顧客關係管理」,電子化企業：經理人報告。
7.杉本辰夫（1986）原編著，盧淵源編譯。《事務 營業 服務的品質管制》。中興經營管理叢書。
8.吳宗信(民95)。零售業品牌延伸與產品線延伸之探勘─以家樂福為研究對象。淡江大學管理科學研究所碩士論文，未出版，台北縣。
9.李珮榕(民92）。以資料採礦技術分析大台北地區保單貸款。國立政治大學統計研究所碩士論文，未出版，台北市。
10.林慶德譯（民92）。資料庫管理與應用。台北市：培生。
11.林麗銖（民88）。人身保險實務。台北市：平安。
12.洪建志(民89)。金融業顧客關係管理系統建置之研究。義守大學管理科學研究所碩士論文，未出版，彰化縣。
13.徐茂練 (民93)。顧客關係管理。台北市﹕全華。
14.高清祥(民90)。壽險產業導入顧客關係管理之實證研究。國立台灣大學商學研究所碩士論文，未出版，台北市。
15.涂靜儀(民91)。結合自組織映射圖類神經網路與基因演算法建構壽險業顧客關係管理之知識採擷模式。國立高雄第一科技大學風險管理與保險所碩士論文，未出版，高雄市。
16.張力元等 (民92)。顧客服務管理 : CRM實戰理論與實務。台北市﹕華泰。
17.張雅清(民88)。無線網際網路市場區隔之研究。國立政治大學資訊管理學系碩士論文，未出版，台北市。
18.張瑋倫 (民94)。顧客關係管理 : 理論與實務。台北市﹕學貫。
19.盛秋月(民88)。人壽保險行銷途徑之研究。逢甲大學統計與精算研究所碩士論文，未出版，台中縣。
20.陳巧佩(民89)。企業導入顧客關係管理決策之研究。國立政治大學企業管理學系碩士論文，未出版，台北市。
21.陳佳鈴(民93)。應用資料探勘於客戶關係管理之分群研究─以壽險業為例。中華大學科技管理研究所碩士論文，未出版，新竹市。
22.陳佳麟(民91)。資料探勘於顧客關係管理應用之研究。台北大學企業管理學系碩士論文，未出版，台北市。
23.陳建興(民94)。台灣地區保險行銷通路之研究─以電視行銷保險為例。淡江大學保險學系保險經營碩士班碩士論文，未出版，台北縣。
24.曾獻雄、蔡秀滿、蘇東興、曾秋蓉、王慶堯 (民94)。資料探勘。台北：旗標。
25.萬以寧（1999）,掌握PEPSI執行顧客關係管理,電子化企業經理人報告,P17-19
26.榮泰生（1999）。企業研究方法。台北：五南。
27.湯宗泰,劉文良 (民93)。顧客關係管理 : 導論與應用。台北市﹕全華。
28.黃奕瑛(民89)。金融業導入顧客關係管理之關鍵成功因素探討。國立台北大學企業管理學系碩士論文，未出版，台北市。
29.溫志皓(民94)。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。
30.鄧敏怡(民95)。資料採礦於旅行業新產品開發與顧客關係管理之研究。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。
31.盧坤利(民89)。台灣地區企業採用顧客關係管理系統之影響因素研究。國立臺灣大學商學研究所碩士論文，未出版，台北市。
32.蕭乃綺(民95）。應用資料採礦技術於我國壽險業顧客價值分析之研究。東海大學工業工程與經營資訊研究所碩士論文，未出版，台中縣。
33.謝邦昌 (民94)。資料採礦與商業智慧 : SQL Server 2005。台北市﹕鼎茂。
34.魏錫鈴(民88)。行動電話消費者購買行為及其市場區隔之研究--以北部地區居民為例。國立交通大學經營管理研究所碩士論文，未出版，新竹市。

網路資料：
1.保險事業發展中心：http://www.iiroc.org.tw/index.asp
2.人壽保險同業公會：http://www.lia-roc.org.tw/
3.台灣經濟研究院：http://www.tier.org.tw/
4.中華經濟研究院：http://www.cier.edu.tw/kmportal-deluxe/index.html
5.中央研究院經濟研究所：http://www.sinica.edu.tw/econ/
6.行政院主計處：http://www.dgbas.gov.tw/mp.asp?mp=1