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 U0002-0606200715380800
中文論文名稱 應用資料探勘技術於人身保險新商品開發之研究
英文論文名稱 The Research of Data Mining Techniques Applied to New Product Development of Personal Insurance
校院名稱 淡江大學
系所名稱(中) 保險學系保險經營碩士班
系所名稱(英) Department of Insurance
學年度 95
學期 2
出版年 96
研究生中文姓名 許嘉需
研究生英文姓名 Chia-Hsu Hsu
學號 694500017
學位類別 碩士
語文別 中文
口試日期 2007-06-01
論文頁數 123頁
口試委員 指導教授-高棟梁
指導教授-廖述賢
委員-翁振益
委員-鄭鎮樑
中文關鍵字 資料探勘  市場區隔  新產品開發  集群分析  關聯法則  人身保險商品 
英文關鍵字 data mining  market segmentation  new product development  cluster analysis  association rule  personal insurance product 
學科別分類 學科別社會科學商學
中文摘要 壽險產業係一擁有完善客戶資料之行業,在目前競爭激烈的金融環境中,業者如何妥善利用其資料庫挖掘出關於客戶需求及消費行為之訊息,進而將此豐富訊息導入於新產品開發之過程中,以差異化保險商品,作為行銷決策之依據,以提高顧客之滿意度及提升公司之市占率與獲利率,實是行銷上的重要競爭策略。
因此,利用資料探勘技術來探討人身保險商品之開發,採用問卷調查方式針對二十歲以上之消費大眾獲取其資料及對於保險之看法與購買保險之經驗與知識,透過資料探勘法之集群分析將市場上之顧客加以分群進行市場區隔,再針對不同集群之特性利用關聯法則,從商品組合、商品與附加服務組合、合作對象與新產線延伸等方面著手,找出符合消費者之人身保險商品組合、產壽險搭配銷售之商品設計,及不同族群所希望之壽險業者合作對象與其他新業務,以達到差異化行銷。
根據研究結果顯示,不同集群間皆會投保基本保障之商品,其他的商品則隨其購買保險目的、理財方式及其所擁有之財產不同而投保,而其所想要之附加服務、合作對象及新產品線則隨著人身階段及旅遊安排有所差異。
英文摘要 The life insurance industry has complete customer data. It’s an important competitive tatic on marketing for the enterprise to use the database properly to excavate the information of customers’ need and consumption behavior from it and then introduce the information to new product development process to get the differentiated marketing. Based on the marking decision, it could raise customers’ satisfaction, the market share of company and the rate of return.
Therefore the study use the data mining technique to develop the personal insurance product and the research selects the questionnaire survey method to get consumers’ data, their opinions about insurance, and experiences and knowledge gained from customers’ purchase. The research focuses on market segmentation through the cluster analysis of data mining and is aimed at different cluster by association rule to begin with analysis of the product mixture, the mixture of product and additional service, the mixture of non-life and life insurance product, new product line extension, cooperation objects and other new businesses.
By this research, the different clusters may purchase the products that provide fundamental protection. Besides, they will take out different products up to their purposes, chrematistic ways and their properties. And the need of additional services, cross-industry cooperation and new product lines varied with their life circle and the arrangements of traveling.
論文目次 目錄
致謝 I
中文摘要 II
英文摘要 III
目錄 V
表目錄 VIII
圖目錄 XI
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 研究流程 2
1.4 研究限制 3
第二章 文獻探討 5
2.1 市場區隔 5
2.1.1 市場區隔之定義 5
2.1.2 市場區隔之變數 7
2.1.3 市場區隔之模式 10
2.1.4 市場區隔之功能 11
2.2 新產品開發 13
2.2.1 新產品之定義 14
2.2.2 新產品之分類 16
2.2.3 新產品開發之程序 18
2.2.4 新產品之關鍵成功因素 20
2.3 資料探勘 22
2.3.1 資料探勘之定義 22
2.3.2 資料探勘之功能 24
2.3.3 資料探勘之流程 25
2.3.4 資料探勘應用於壽險之相關研究 27
2.4 文獻探討小結 29
第三章 本國壽險產業之探討 31
3.1 壽險產業之發展 31
3.2 壽險產業之經營現況 33
3.3 壽險公司之商品介紹 38
3.4 壽險公司之商品開發設計概況 45
第四章 研究方法 49
4.1 研究設計 49
4.1.1 問卷設計 50
4.1.2 問卷發放及抽樣方法 51
4.1.3 信度與效度 51
4.2 系統架構及關聯性資料庫建立 53
4.2.1 系統架構圖 53
4.2.2 資料庫建立 54
4.3 關聯法則與集群分析 58
4.3.1 關聯法則 58
4.3.2 Apriori演算法 60
4.3.3 集群分析 62
4.4 資料分析使用軟體-SPSS CLEMENTINE 63
第五章 資料分析 67
5.1 回收樣本結構描述 67
5.2 市場區隔分析 71
5.2.1 資料串流及分析方法 71
5.2.2 市場區隔 72
5.3 新產品開發之分析 74
5.3.1 K1集群之關聯規則 74
5.3.2 K2集群之關聯規則 79
5.3.3 K3集群之關聯規則 84
5.3.4 K4集群之關聯規則 88
5.3.5 K5集群之關聯規則 92
5.4 小結 97
第六章 結論與建議 100
6.1 結論 100
6.2 管理意涵與後續研究建議 101
6.2.1 管理意涵 101
6.2.2 後續研究建議 104
參考文獻 105
英文資料 105
中文資料 108
網路資料 111
附錄一 前測問卷 112
附錄二 正式發放問卷 118

表目錄
表2- 1 市場區隔之定義 6
表2- 2 行銷決策與適用之區隔變數 8
表2- 3 市場區隔變數之類型 10
表2- 4 新產品之定義表 15
表2- 5 新產品分類-以產品目標為基礎 17
表2- 6 新產品之分類 18
表2- 7 新產品開發程序 19
表2- 8 資料探勘之定義 23
表2-9 資料探勘之流程 27
表2-10 資料探勘應用於壽險之相關文獻 27
表3- 1 臺灣截至95年底之壽險公司 32
表3- 2 台灣歷年保險四大指標值 34
表3-3 人身保險歷年保費收入 35
表3-4 人身保險歷年保險給付 36
表3-5 歷年人身保險之給付概況 36
表3-6 九十五年壽險業之新契約及總保費收入 37
表3-7 保險商品所提供之附加服務 44
表4-1 實體、屬性及關聯符號 54
表4-2 資料庫D之交易紀錄 61
表4-3 候選項目集合及高頻項目集合產生方式(假設最小支持度為2) 62
表4-4 資料探勘工具使用頻率 64
表5-1 問卷樣本統計表 67
表5-2 性別分佈 67
表5-3 年齡分佈 67
表5-4 教育程度分佈 68
表5-5 職業分佈 69
表5-6 居住地區分佈 70
表5-7 婚姻狀況分佈 70
表5-8 年收入狀況分佈 70
表5-9 K-MEANS演算法分群結果 72
表5-10 K1集群-人身保險商品之關聯法則 76
表5-11 K1集群-人身保險商品及附加服務之關聯法則 77
表5-12 K1集群-產壽險商品之關聯法則 78
表5-13 K1集群-合作對象及其他服務之關聯法則 79
表5-14 K2集群-人身保險商品之關聯法則 80
表5-15 K2集群-人身保險商品及附加服務之關聯法則 81
表5-16 K2集群-產壽險商品之關聯法則 82
表5-17 K2集群-合作對象及其他服務之關聯法則 83
表5-18 K3集群-人身保險商品之關聯法則 84
表5-19 K3集群-人身保險商品及附加服務之關聯法則 85
表5-20 K3集群-產壽險商品之關聯法則 86
表5-21 K3集群-合作對象及其他服務之關聯法則 88
表5-22 K4集群-人身保險商品之關聯法則 89
表5-23 K4集群-人身保險商品及附加服務之關聯法則 90
表5-24 K4集群-產壽險商品之關聯法則 91
表5-25 K4集群-合作對象及其他服務之關聯法則 92
表5-26 K5集群-人身保險商品之關聯法則 93
表5-27 K5集群-人身保險商品及附加服務之關聯法則 94
表5-28 K5集群-產壽險商品之關聯法則 95
表5-29 K5集群-合作對象及其他服務之關聯法則 96
表5-30 集群、商品及服務整合表 98

圖目錄
圖1- 1 研究流程圖 3
圖2- 1 市場區隔、選擇目標市場及市場定位之步驟圖 12
圖2- 2 影響新產品績效之三大基石 20
圖2-3 資料探勘步驟 26
圖3-1 壽險商品的三個層次 39
圖3-2 保險商品銷售前程序 45
圖3-3 人身保險商品開發流程 46
圖4-1 研究設計圖 49
圖4-2 系統架構圖 53
圖4-3 實體關聯圖 55
圖4-4 邏輯關聯表 56
圖4-5 資料庫關聯圖 58
圖4-6 SPSS CLEMENTINE 8.1使用者面 65
圖5-1 性別比例分佈 67
圖5-2 年齡比例分佈 68
圖5-3 教育程度比例分佈 68
圖5-4 職業程度比例分佈 69
圖5-5 節點串流圖 72
圖5-6 K1集群-人身保險商品蛛網關聯圖(調整後) 75
圖5-7 K1集群-人身保險商品及附加服務蛛網關聯圖(調整後) 76
圖5-8 K1集群-產壽險商品蛛網關聯圖(調整後) 77
圖5-9 K1集群-合作對象及其他服務蛛網關聯圖(調整後) 79
圖5-10 K2集群-人身保險商品蛛網關聯圖(調整後) 80
圖5-11 K2集群-人身保險商品及附加服務蛛網關聯圖(調整後) 81
圖5-12 K2集群-產壽險商品蛛網關聯圖(調整後) 82
圖5-13 K2集群-合作對象及其他服務蛛網關聯圖(調整後) 83
圖5-14 K3集群-人身保險商品蛛網關聯圖(調整後) 84
圖5-15 K3集群-人身保險商品及附加服務蛛網關聯圖(調整後) 85
圖5-16 K3集群-產壽險商品蛛網關聯圖(調整後) 86
圖5-17 K3集群-合作對象及其他服務蛛網關聯圖(調整後) 87
圖5-18 K4集群-人身保險商品蛛網關聯圖(調整後) 88
圖5-19 K4集群-人身保險商品及附加服務蛛網關聯圖(調整後) 89
圖5-20 K4集群-產壽險商品蛛網關聯圖(調整後) 90
圖5-21 K4集群-合作對象及其他服務蛛網關聯圖(調整後) 92
圖5-22 K5集群-人身保險商品蛛網關聯圖(調整後) 93
圖5-23 K5集群-人身保險商品及附加服務蛛網關聯圖(調整後) 94
圖5-24 K5集群-產壽險商品蛛網關聯圖(調整後) 95
圖5-25 K5集群-合作對象及其他服務蛛網關聯圖(調整後) 96
圖6-1 保險商品及新產品線行銷地圖 102
圖6-2 附加服務及合作對象行銷地圖 103




參考文獻 參考文獻
一、英文資料
1. Agrawal, R., Imilienski, T. & Swami, A. (1993). Mining Association Rules between Sets of Items in Large Databases. PROC. 1993 ACM SIGMOD Conf., 207-216.
2. Agrawal, R. & Srikant, R. (1994). Fast Algorithms for Mining Association Rules. Proceedings of the 1994 VLDB Conference, 487-499.
3. Blattberg, R. C. & Sen, S. K. (1974). Market segmentation using modelsof multidimensional purchasing behavior. Journal of Marketing, 38(4), 17-28.
4. Boote, A.S. (1981), Market segmentation by personal values and salient product attribute. Journal of Advertising Research, 21(1), 29-35.
5. Booz, Allen, & Hamilton. (1982).New products management for the 1980s, New York: CRC Press.
6. Brown, R. (1992).Management the “s” curves of innovation. Journal of Consumer Marketing, 9(1), 61-72.
7. Calantone, R. J., Schmidt, J. B. & Benedetto, C. A. (1997). New productactivities and performance: the moderating role of environmental hostility. Journal of Product Innovation Management, 14(3), 179-189.
8. Chung, H. M. & Gray, P. (1999).Special section: data mining. Journal of Management Information System, 16(1), 11-16.
9. Comery, A. L. (1973). A First Course in Factor Analysis. NY: Academic Press.
10. Cooper, L.P. (2003).A research agenda to reduce risk in new development through knowledge management: a practitioner perspective. Journal of Engineering and technology management, 20(1-2), 117-140.
11. Cooper, R.G. (1996).Overhauling the new product process. Industrual Marking Management, 25(6), 465-482..
12. Cooper, R.G.. & Kleinschmidt, E.J. (1995).Benchmarking firms’ new product performance and practices. Engineering Management Review, 23(3), 112-120.
13. Dao, T.K. (2006). Soaring to new heights with data mining. American Journal of Infection Control, 34(5), E157-E158.
14. Fayyad, U. & Stolorz, P. (1997). Data mining and KDD: promise and challenge.Future Generation Computer Systems, 13(2–3), 99–115.
15. Gobeli, D. H. & Brown, D.J. (1987).Analyzing product innovations. Research Management, 30(4), 25-31.
16. Gruner, K.E. & Homburg, C. (2000). Does customer interaction enhance new product success? Journal of Business Research, 49(1), 1-14.
17. Haley, R.I. (1968). Benefit segmentation: a decision-oriented research tool. Journal of Marketing, 32(3), 30-35.
18. 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.
19. Han, J. & Kamber, M. (2001). Data Mining : Concepts and Techniques. San Francisco: Morgan Kaufman.
20. Hand, D.J. (2001).Principles of data mining. Cambridge, Mass.: MIT Press.
21. Hui, S. C. & Jha, G. (2000). Data mining for customer service support. Information & Management, 38(1), 1-13.
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. 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.
24. Kima, Y.S., & Street, W.N. (2004).An intelligent system for customer targeting: a data mining approach. Decision Support Systems, 37(2), 215-228.
25. Kotler, P.(1998). Marketing management, analysis planning implementation and control. (9th ed). Englewood Cliffs, N.J.:Prentice
-Hall.
26. Kotler, P., & Armstrong, G.(2004). Principles of marketing (10th ed.). NJ: Prentice-Hall.
27. Kouris, I.N., Makris, C.H. & Tsakalidis, A.K. (2005).Using information retrieval techniques for supporting data mining. Data and Knowledge
Engineering, 52(3), 353-383.
28. Kristin, R. N. & Matkovsky, I. P. (1999). Using Data Mining Techniques for Fraud Detection. SAS inc. and Federal Data Corporation.
29. Kuo, R.J., Lin, S.Y. & Shin, C.W. (2007).Mining association rules through integration of clustering analysis and ant colony system for health insurance database in Taiwan. Expert System with Application,33
(3), 794-808.
30. Lehmann, D. R. & Winer, R.S. (2002). Product Management (3rd ed.). Boston: McGraw-Hill Irwin.
31. Marcus, B. (1975).Modern Marketing (1st ed.).New York: Random House.
32. McGrath, M. E. & Romeri, M. N. (1994). From experience-the R&Deffectiveness index: A metric for product development performance.The Journal of Product Innovation Management, 11(3), 213-220.
33. Menon,R., Tong, L.H., & Sathiyakeerthi, S.(2005). Analyzing textual databases using data mining to enable fast product development processes. Reliability Engineering and System Safety, 88(2), 171-180.
34. Prasnikar, J. & Skerlj, T. (2006). New product development process and time-to-market in the generic pharmaceutical industry. Industrial Marketing Management, 35(6), 690-702.
35. Peacock, P.R. (1998).Data mining in marketing: part 1.Matketing Management, 6(4), 8-18.
36. Perreault, W. D. & McCarthy, E.J. (1999). Basic marketing : a global-managerial approach(13rd ed.). Boston: Irwin/McGraw Hill.
37. Sands, S. & Warwick, K. M.(1977). Successful Business Innovation: A Survey of Current Professional Views. California Management Review, 20(2), 5-16.
38. Santos, Y. M. & Amaral, L.Y. (2004).Mining geo-referenced data with qualitative spatial reasoning strategies. Computers and Graphic,28(3),
371-379.
39. Schoell, W.F. & Guiltinan, J.P. (1995). Marketing: Contemporary Concepts and Practices (6th ed.). Englewood Cliffs, NJ: Prentice Hall Press.
40. Smith, W. R. (1956). Product differentiation and market Segmentation as alternative marketing strategies. Journal of Marketing, 21(1), 3-8.
41. Song, X. M. & Montoya-Weiss, M. M. (1998). Critical development activities or really new versus incremental products. Journal of Product Innovation Management, 15(2), 124-135.
42. Song, X. M. & Parry, M. E. (1992). The R&D-marketing interface in Japanese high-technology firms, Journal of Product Innovation Management, 9(2), 91-112.
43. Urban, G.L. (1993). Design and marketing of new products (2nd ed.). Englewood Cliffs, N.J.: Prentice Hall.
44. Urban, G.L. & Hauser, J.R. (1980).Design and marketing of new products. N.J.: Prentice-Hall.
45. Rubinov, A.M., Soukhorokova, N.V., & Ugon, J. (2006).Classes and clusters in data analysis. European Journal of Operational Research,173
(3), 849-865.
46. Veryzer, R.W. Jr.(1998).Key factors affecting customer evaluation of
discontinuous new products. Journal of Product Innovation
Management, 15(2), 136-150.
47. Wind, Y. (1978). Issues and Advances in Segmentation Research. Journal of Marketing Research, 15(3), 317-337.
48. Wu, C.H., Kao, S.C., Su, Y.Y. & Wu, C.C. (2005).Targeting customer via discovery knowledge for the insurance industry. Expert System with
Application, 29(2), 291-299.
49. Yankelovich, D. (1964).New criteria for market segmentation. Harvard Business review, 42(2), 83-90.
二、中文資料
50. 丁一賢、陳牧言(民94)。資料探勘。臺中市:滄海。
51. 卡瓦那、戴拉赫、塞克萊恩(民93)。企業研究方法:質化與量化方法
之應用。(莊立民、王鼎銘譯)。臺北市:雙葉書廊。(原著出版年:2001年)。
52. 中華民國人壽保險商業同業公會(民95)。人身保險業務員資格測驗
統一教材(初版)。臺北市:中華民國人壽保險商業同業公會。
53. 牛田一雄、高井勉、木暮大輔(民95)。資料採礦利用Clementine使
用手冊(初版)。(陳耀茂譯)。臺北市:鼎茂圖書。
54. 史丘偉、希安(民88)。行銷學(初版)(杜默譯)。臺北市:商業周刊出版
公司。(原著出版年:1998)。
55. 江茂榮(民92)。自組織映射圖類神經網路建構壽險業客戶投保關係
管理模式。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。
56. 貝爾登、埃格蘭、拉佛基(民91)。行銷學:原理與觀點(王居卿、張威
龍、陳明杰譯)。臺北縣三重市:前程企管。(原著出版年:2001)。
57. 李昭河(民92)。應用類神經網路探討人壽保險短期死亡風險之研究
─以C人壽保險公司為例。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。
58. 李正文(民94)。行銷管理(初版)。臺北市:三民書局。
59. 林麗銖(民89)。人身保險實務(三版)。臺北市:平安出版公司。
60. 林益充(民91)。郵政簡易人壽保險理賠地理性分析。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。
61. 吳瑞川(民93)。資料探勘技術應用於保險業-以壽險保障為例。東吳
大學商用數學系碩士論文,未出版,台北市。
62. 吳萬益(民94)。企業研究方法(二版)。臺南市:吳萬益。
63. 吳易書(民95年2月),還有1,019萬個保戶想要再買壽險,現代保險
金融理財雜誌,206,78-83。
64. 吳淑雯(民96年2月),史上頭一遭壽險市場出現負成長,現代保險
金融理財雜誌,218,94-98。
65. 契里克、彼德斯(民77)。新產品行銷策略(林隆義、羅文坤、鄭英傑
譯)。臺北市:清華管理科學圖書中心。(原著出版年:1978)
66. 韋端(民92)。Data Mining概述:以Clementine 7.0為例(初版)。臺北縣
新莊市:中華資料採礦協會。
67. 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。
68. 財團法人保險事業發展中心(民90),保險商品銷售前程序作業準則及
資料庫之建立,臺北市:林建智。
69. 財團法人保險事業發展中心(民94)。人壽保險業務統計年報。臺北市:
財團法人保險事業發展中心。
70. 財團法人保險事業發展中心(民94)。保險年鑑。臺北市:保險業務發
展基金管理委員會。
71. 高淑珍(民93)。應用資料探勘於顧客回應模式之研究 ─以國內A壽
險公司為例。國立成功大學企業管理學系博士班博士論文,未出版,台南市。
72. 許士軍(民74)。策略性行銷管理。臺北市:淡江大學出版中心。
73. 梁百霖(民74)。壽險加入者之購後行為與壽險有效經營策略之研
究。國立臺灣大學商學研究所碩士論文,未出版,台北市。
74. 寇勒(民87)。行銷管理學:分析、計畫、執行與控制(三版)。(方世榮
譯)。臺北市:臺灣東華。(原著出版年:1998年)。
75. 寇勒、阿姆斯壯(民86)。行銷學原理。(方世榮譯)。臺北市:臺灣東
華。(原著出版年:1996年)。
76. 黃繼德(民86)。智慧型行銷資訊輔助系統─以人壽保險為例。元智
大學電資與資訊工程研究所碩士論文,未出版,桃園縣。
77. 曹勝雄(民90)。觀光行銷學(初版)。臺北市:揚智文化。
78. 黃品豪(民91年7月1日)。因為「附加」更要把握!。現代保險金融
理財雜誌,163,18-28。
79. 黃俊英(民95)。企業研究方法(三版)。臺北市:臺灣東華。
80. 理查.柯克(民93)。80/20法則:迎接新世紀,最省力的企業成功與
個人幸福法則:商場獲利與生活如意的槓桿原理(初版)。(謝綺蓉譯
)。臺北市:大塊文化出版。(原著出版年:1998)
81. 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。
82. 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。
83. 張家鳳(民93)。利用資料挖掘技術建構保險業之差異化行銷模型。世
新大學資訊管理學系碩士論文,未出版,台北市。
84. 張丁才(民94)。資料庫系統應用與設計(初版)。臺中市:滄海。
85. 凱琳、哈特利&魯德柳斯(民94)。行銷管理:觀念與實務。(石晉方譯)。
臺北市:麥格羅希爾。(原著出版年:2003年)。
86. 曾憲雄、蔡秀滿、蘇東興、曾秋蓉、王慶堯等人(民94)。資料探勘。
臺北市:旗標。
87. 楊必立等人(主編)(1988)。行銷管理辭典。台北市:華泰書局。
88. 資料庫管理與應用(林慶德譯) (民92)。臺北市:臺灣培生教育。(原註
出年:2002年)。
89. 資料庫系統原理(藍中賢、吳郁瑩譯)(民94)。臺北市:臺灣培生教育。
(原著出版年:2004年)。
90. 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,桃園縣。
91. 裴瑞、林諾夫(民90)。資料採礦:顧客關係管理曁電子行銷之應用。
(彭文正譯)。臺北市:維科。(原著出版年:1997年)。
92. 裴瑞、林諾夫 (民93)。資料採礦:網際網路應用與顧客價值管理(初
版)。(尹相志譯)。臺北縣:維科圖書。(原著出版年:2002年)。
93. 劉美玉(民93)。消費者之風險知覺、商品認知,與消費行為之關聯
性-以某大型壽險企業為個案研究。逢甲大學經營管理碩士在職專班碩士論文,未出版,台中市。
94. 賴士葆(民78)。研究發展/行銷互動與新產品發展績效相關之研究。
因應自由化國際化之競爭策略學術論文討論會論集(13-1-13-42)臺北
市:中華民國管理科學學會。
95. 賴曜賢(民92)。保險商品設計指引。臺北市:宏典文化出版公司。
96. 謝邦昌(民94)。資料採礦與商業智慧:SQL Server 2005(初版)。臺北市:
鼎茂圖書出版。
97. 蕭乃綺(民94)。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學系碩士論文,未出版,台中市。 
98. 鍾碧玉(民95)。投資型保險商品購買預測之研究。國立台北大學企
業管理學系碩士論文,未出版,台北市。 
99. 瀨川正明(民78)。新產品開發入門(陳耀茂譯)。臺中市:國彰出版。(原
著出版年:1973)。

三、網路資料
100. 邱美惠(民94年11月30日)。台灣保險業佈局大陸之契機。民95年11月28日,取自:
http://www.iiroc.org.tw/scarticles/coworkers/coworkers20051205.htm
101. 保險局: http://www.ib.gov.tw/mp.asp?mp=1
102. 保險商品銷售前程序作業準則(民95年修正):
http://law.moj.gov.tw/Scripts/Query4A.asp?FullDoc=all&Fcode=G0390044
103. 財團法人保險事業發展中心: http://www.tii.org.tw/index.asp
104. 行政院主計處: http://www.dgbas.gov.tw/mp.asp?mp=1
105. 行政院金融監督管理委員會: http://www.fscey.gov.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2008-06-13公開。
  • 同意授權瀏覽/列印電子全文服務,於2008-06-13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