由於加入WTO與經濟景氣下滑，台灣汽車產業近年來面對產值下滑的問題，造成汽車服務行業利潤結構的變化。車輛維修取代新車銷售成爲原廠汽車經銷商最主要的利潤來源，也使得車輛維修成爲經營管理的重點。但除了國內大量的小型維修廠外，該產業同時面臨國際品牌異常激烈的外在競爭。如何達到規模經濟進而擴大市場佔有率成為當今台灣原廠汽車維修業之重要課題。由調查中發現此一行業存在顧客流失率高的問題，因此如何為該行業擬定適當的行銷策略以提升顧客的忠誠度便成為本研究的主要目的。
	本研究之研究方法為藉由顧客區隔找出不同顧客群的特徵，並針對不同顧客群依其特徵設計行銷策略。在顧客區隔中所考量的因素包括顧客之現有價值與未來價值，以及顧客之RFM評分。其中顧客現有價值為顧客對於公司的歷史累積貢獻，而未來價值則為顧客未來貢獻之預測。本研究考慮未來情境之不確定性，因此以馬可夫鍊來模擬顧客之可能消費行為，並建立在不同行為下的消費金額預測模型，顧客之未來價值則為在各種不同情境發生機率下的期望值。為了建立預測模型，本研究使用決策樹來估計顧客流失率並據以預測顧客之忠誠年數，同時以類神經網路建立顧客特性與其消費金額間的關係以預測顧客未來之貢獻。
本研究以某原廠汽車維修廠為研究對象，應用本研究所提出之方法為該廠之顧客進行集群分析，並提出適合不同顧客群之行銷策略。

After joining WTO and the economic recession in recent years, the sales of Taiwan’s automobile industry has been declining, and hence leads to a change of profit structure in this industry. Automobile maintenance and repair services have replaced car selling and become the major profit source of automobile dealers, and thus shifts management attention in this industry to the operations of automobile maintenance and repair services. However, the original brand maintenance factories not only face the furious competition from numerous small-sized maintenance shops but also from the international brand maintenance factories. Thus, how to expand their market share to reach an economic scale has become a challenge to the original brand maintenance factories in Taiwan. An investigation by the present study found a high customer churn rate is prevailing in this industry. Hence, this study attempts to formulate suitable marketing strategies to promote customer loyalty for the original brand maintenance factories.
The present study identifies customer characteristics by customer segmentation, and then designs various marketing strategies for customers with different characteristics. The factors considered in such segmentation include the current value and the future value of a customer, as well as the customer’s RFM score. In which, customer current value is defined as the cumulated contribution of a customer in the past to the company, while customer future value is a prediction of a customer’s lifetime contribution to the company. Considering the uncertainty of a customer’s future behaviors, the present study uses Markov chain to model customer behaviors in the future, and predicts a customer’s contribution under a certain consumption behavior. As a result, the future value is an expectation of the probabilistic returns of a customer. The prediction of customer behaviors involves a decision tree technique to predict customer churn rate and to estimate the customer’s loyalty years based on the predicted churn rate. Moreover, a neural network model is used to predict the contribution of a customer under a particular consumption behavior.
The proposed approach is demonstrated by a case study, which is an original automobile maintenance factory in Taiwan. Customer segmentation is carried out for this company, and various marketing strategies are proposed accordingly.

目錄
第一章 緒論	1
1.1 研究背景	1
1.2 研究動機	4
1.3 研究目的	7
1.4 研究範圍與限制	7
1.4.1 研究範圍	7
1.4.2 研究限制	8
1.5 論文架構	8
第二章 文獻探討	9
2.1 顧客價值	9
2.1.1 顧客價值的衡量	10
2.1.2 顧客價值矩陣	11
2.2 顧客終身價值	12
2.2.1 潛在價值顧客	14
2.2.2 顧客價值分群	14
2.3 RFM分析模型	15
2.3.1 RFM指標分數建構	16
2.4 顧客流失與忠誠	17
2.5 資料探勘	18
2.5.1 資料探勘流程	19
2.6 資料探勘於汽車維修業的應用	21
第三章 研究方法	24
3.1 研究流程	24
3.2 資料來源	27
3.3 資料前置處理	27
3.3.1 資料整合	28
3.3.2 資料清理	28
3.3.3 資料轉換	29
3.4 顧客終身價值分析	30
3.5 現有價值分析	30
3.6 未來價值預測模式	31
3.6.1 預期忠誠年數 - 決策樹分析模型	32
3.6.2 顧客移轉機率矩陣 - 馬可夫鍊模型	34
3.6.3 變數選擇 - 複迴歸分析	38
3.6.4 顧客收益預測 - 類神經網路模型	40
3.7 RFM價值分析	41
3.8 顧客分群 - 集群分析	42
第四章 實證分析	45
4.1 敘述統計分析	45
4.1.1 顧客基本資料表	45
4.1.2 年度維修交易資料表	46
4.2 軟體分析工具介紹	50
4.2.1 PASW Statistics 18	51
4.2.2 Clementine 11.1	51
4.3 顧客流失分析	52
4.3.1 資料的準備與轉換	53
4.3.2 決策樹分析	53
4.3.3 預期忠誠年數計算	58
4.4 顧客終身價值計算	58
4.4.1 現有價值計算	58
4.4.2 未來價值計算	59
4.5 顧客區隔	62
第五章 結論	67
5.1 研究結論	67
5.2 建議與未來研究方向	69

表目錄
表1：台灣汽車總市場	1
表2：汽車業總產值與成長率	2
表3：台灣前五大品牌維修廠數量	3
表4：台灣地區汽車維修廠數目估算統計表	4
表5：歷年流失表	5
表6：Arthur Hughes指標給分方式	17
表7：資料探勘應用於汽車維修業之文獻整理	21
表8：原始資料表欄位	27
表9：88年進廠一次的期望值	36
表10：各次數λ平均值	37
表11：馬可夫矩陣機率	38
表12：變異數分析摘要表	39
表13：R Square	40
表14：欄位屬性、編號表	46
表15：擁有新車台數統計	47
表16：車齡分佈	48
表17：平均每次維修金額分佈	48
表18：一年平均回廠次數分佈	49
表19：未流失分類規則	56
表20：流失分類規則	56
表21：台灣銀行年利率表	59
表22：現有價值計算過程	59
表23：兩群集變異數分析	63
表24：三群集變異數分析	63
表25：四群集變異數分析	63
表26：四群集顧客數	64
表27：各個變數變異數分析	64
表28：最後集群中心點	64
表29：顧客特性結果	67

圖目錄
圖1：忠誠度增加5%對利潤的影響	5
圖2：顧客關係價值分佈曲線	9
圖3：創造和獲取價值流程圖	11
圖4：顧客價值矩陣	12
圖5：CLV架構	13
圖6：CLV的顧客區隔架構	15
圖7：汽車維修廠獲利圖	18
圖8：CRISP-DM 流程	20
圖9：研究流程	26
圖10：資料前置處理的主要工作	28
圖11：流失管理步驟	33
圖12：Poisson分配機率值	37
圖13：Rj預測流程	41
圖14：每個顧客RFM價值	42
圖15：K-means集群過程	44
圖16：顧客基本資料性別比例圖	45
圖17：資料庫關聯圖	46
圖18：各年度的交易數量	47
圖19：各據點流失情況	50
圖20：C5.0決策樹分析結果	55
圖21：預測與實際結果	56
圖22：C5.0決策樹預測與實際結果	57

中文部分
1.	中華民國經濟部工業局，汽車產業現況，http://cdnet.stpi.org.tw/techroom/market/mechmet/mechmet021.htm，2007
2.	台北市汽車保養商業同業公會，台灣地區汽車修理保養廠數目估算統計表，http://www.twchain.com/car/DownloadShow.asp?id=69，2008
3.	台灣區車輛工業同業公會，台灣車輛工業產值統計表，http://www.ttvma.org.tw/cht/industrial-survey.php#3，2010
4.	江盈泰，利用顧客區隔以制定個人化促銷計畫來創造顧客價值-以汽車代理商為例，朝陽科技大學工業工程與管理系碩士論文，2005
5.	行政院經濟建設委員會，ECFA對台灣汽車產業的影響與商機分析http://www.cepd.gov.tw/m1.aspx?sNo=0013351&ex= &ic=，2009
6.	余建誠，應用線性迴歸與類神經技術預測未來顧客價值-以汽車經銷商為例，朝陽科技大學工業工程與管理系碩士論文，2007
7.	宋隆基，所託非人？謹防愛車送修入錯門，消費者報導，第173期，頁20-22，1995
8.	李蔚局，台灣原廠汽車維修產業研究與事業經營策略分析，國立中央大學管理學院高階主管企管碩士班碩士論文，2007
9.	周庭銳，顧客價值管理與顧客忠誠度的建立，電子化企業經理人報告，第7期，頁21-29，2000
10.	韋端，Data Mining概述：以Clementine7.0為例，台北：中華資料採礦協會，2003
11.	許懷仁，應用資料探勘技術於顧客關係管理之顧客分群研究-以某汽車經銷商為例，國立中正大學會計與資訊科技研究所碩士論文，2007
12.	曾憲雄、蔡秀滿、蘇東興、曾秋蓉、王慶堯，資料探勘，台北旗標出版，2005
13.	黃郁蓉，應用粒子群最佳化演算法於顧客分群-以汽車經銷商為例，朝陽科技大學工業工程與管理系碩士論文，2007
14.	廖述賢，溫志皓，資料採礦與商業智慧，台北雙葉書廊出版，2009
15.	劉文良，數位世紀顧客關係管理，台北藍海文化出版，2009
16.	劉世琪，應用資料挖掘探討顧客價值-以汽車維修業為例，朝陽科技大學工業工程與管理系碩士論文，2002
17.	廣永強，整合基因演算法與分群技術訂定最適化促銷策略-以汽車經銷商為例，朝陽科技大學工業工程與管理系碩士論文，2006
18.	謝邦昌，資料採礦與商業智慧，台北鼎茂圖書出版，2005

英文部分
1.	Berry, M. J. A., & Linoff, G. S. Data mining techniques: for marketing, sales, and customer support. New York: Wiley Computer. 1997.
2.	Blattberg, R. C., Malthouse E. C. & Neslin S. A. Customer Lifetime Value: Empirical Generalizations and Some Conceptual Questions, Journal of Interactive Marketing, 23(2), pp.157-168, 2009.
3.	Curt, H. The Deville's in The Detail: Techniques, Tool, and Applications for Data mining and Knowledge Discovery-Part1. Intelligent Software Strategies, 6(9), 3. 1995.
4.	Don Peppers & Martha Rogers, Return On Customer: Creating Maximum Value From Your Scarcest Resource, America Bantam Dell Pub Group Publishing, 2005. 
5.	Dwyer, F. R. Customer lifetime valuation to support marketing decision making. Journal of Interactive Marketing, 11(4), pp. 6–13, 1997.
6.	Dwyer, F. R. Customer lifetime profitability to support marketing decision making, Journal of Direct Marketing, 3, pp.8-15, 1989.
7.	Hadden, J., Tiwari, A., Roy, R. & Ruta D. Computer assisted customer churn management: State-of-the-art and future trends, Computers & Operations Research, 34(10), pp. 2902-2917, 2007.
8.	Hoekstra, J. C., & Huizingh, E. K. R. E. The lifetime value concept in customer-based marketing. Journal of Market Focused Management, 3(3–4), pp.257–274, 1999.
9.	Hughes, A.M, Strategic Database Marketing, Chicago, IL: Probus Publishing Company, 1994
10.	Hwang, H., Jung, T. & Suh, E. An LTV model and customer segmentation based on customer value: a case study on the wireless telecommunication industry, Expert Systems with Applications, 26, pp.181–188, 2004.
11.	Jain, D., & Singh, S. S. Customer lifetime value research in marketing: A review and future directions. Journal of Interactive Marketing, 16(2), pp.34–45, 2002.
12.	Kahan,H. Using Database Marketing Techniques To Enhance One-to-One Marketing Initiatives, Journal of Consumer Marketing, 15(5),pp.491-493, 1998.
13.	Keaveney, Susan M., Customer Switching Behavior in Service Industries: An Exploratory Study, Journal of Marketing, 59 (April), pp. 71-82, 1995.
14.	Knie-Andersen, M. The Relationship between Customer Satisfaction, Customer Loyalty and Customer Profitability, Denmark: University of Aarhus, 2001.
15.	Mac Queen, J. B., Some Methods for Classification and Analysis of Multivariate Observation, Proc. 5th Berkeley Symposium on Mathematical Statistics and Probability, UC Berkeley, pp. 281-297, 1967.
16.	Marcus, Claudio. A practical yet meaningful approach to customer segmentation, Journal of consumer marketing, vol.15 no.5, pp.494-504, 1998.
17.	Oliver, R. L., Rust, R. T. and Varki, S., Customer Delight: Foundations, Findings and Managerial Insight, Journal of Retailing, 73, pp.311-336, 1997.
18.	Reichheld, F. F. & Sasser Jr, W. E. Zero Defections: Quality Comes to Services, Harvard Business Review, Vol.68, No.5, pp.105-111. 1990.
19.	Reprinted with permission of the American Marketing Association. From F.F.Reichheld, Loyalty and the Renaissance of Marketing, Marketing Management, Vol. 2, no. 4, p. 15, 1994.
20.	Ryals, L. Are your customers worth more than money?, Journal of Retailing and Customer Services, 9, pp.241–251, 2002.
21.	S.L. Chan, W.H. Ip, V. Cho, A model for predicting customer value from perspectives of product attractiveness and marketing strategy, Expert Systems with Applications,  26(2), pp.181-188, 2004.
22.	Singh, J. and Sirdeshmukh, D., Agency and trust mechanisms in consumer satisfaction and loyalty judgments, Journal of the Academy of Marketing Science, 28, pp. 150–167, 2000.
23.	Sirdeshmukh, D., J. Singh, and B. Sabol, Consumer Trust, Value, and Loyalty in Relational Exchanges, Journal of Marketing, 66(1), pp. 15-37, 2002.
24.	Spring, P.N., Verhoef, P.C., Hoekstra, J.C. & Leeflang, P.S.H. The Commercial Use of Segmentation and Predictive Modeling Techniques for Database Marketing, Working Paper, University of Groningen, 2000.
25.	Sung, Ho Ha and Chan Park, Sang, Application of data mining tools to hotel data mart on the Internet for database marketing, Expert Systems with Application, 15th ed., pp.1-pp.31, 1998.
26.	Verhoef, P. C., & Donkers, B. Predicting customer potential value an application in the insurance industry, Decision Support Systems, 32, pp.189–199, 2001.
27.	Waggoner, R., Have You Made A Wrong Turn in Your Approach to Marker?, The Journal of Business Strategy, Vol.20, No.6, pp.16-21, 1999.
28.	Wayland, R. E. and Cole P. M. Customer Connections: New Strategies for Growth, Harvard Business School Press, 1997.