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 U0002-1307201221304800
中文論文名稱 會員回購行為之分析
英文論文名稱 Analysis of the Member's Repurchase Behavior
校院名稱 淡江大學
系所名稱(中) 資訊工程學系碩士班
系所名稱(英) Department of Computer Science and Information Engineering
學年度 100
學期 2
出版年 101
研究生中文姓名 周振宇
研究生英文姓名 Cheng-Yu Chou
學號 699410428
學位類別 碩士
語文別 中文
第二語文別 英文
口試日期 2012-07-05
論文頁數 103頁
口試委員 指導教授-蔣璿東
委員-蔣璿東
委員-葛煥昭
委員-王鄭慈
中文關鍵字 顧客輪廓  概念漂移  時間函數  顧客關係管理 
英文關鍵字 Customer Profile  Concept Drift  Time Function  Customer Relationship Management 
學科別分類 學科別應用科學資訊工程
中文摘要 企業所面臨的競爭與日俱增,為了在同業中保持競爭優勢,需以顧客服務導向為主要考量,故許多企業仰賴顧客關係管理之應用。因此如何分析會員的交易紀錄以及購買行為,藉此來增加企業的收益,就成為各企業亟欲發展的領域。本篇論文在探討顧客行為與其回購機率之關係,利用會員購買紀錄與其購買金額來建立顧客輪廓,套用在兩種分析會員回訪率之模型上,藉此來預測會員之回購率。
我們使用某知名企業所提供之資料作為實驗資料集,由實驗證明透過兩種模型能有效鑑別不同回購潛力之會員,進而尋找出有高回購潛力之會員,並且比較兩模型之間的優劣,提供企業的行銷人員能針對不同的需求,使用不同的模型來預測會員之回購率,擬定適當的行銷策略,增加會員回購的機率以及節省不必要的行銷成本,以達到增加企業收益之目標。
英文摘要 Enterprises are facing increasing competition, to meet various needs, companies tending to adopt differentiated and customer-oriented marketing strategies to gain competitive advantage. Customer Relationship Management (CRM) is one of the fastest growing business technology initiatives since the web. CRM leverages historical users’ behavior in order to dawn effort of enhancing customer satisfaction and loyalty. Thus, constructing a successful customer profile plays a critical role in CRM. In this study, we expect to predict the repurchase rates for the registered members at the specific category of a e-shop. However, customers’ preferences change over time. In order to capture the preference drifts of the members, In this paper, we use the members’ transactions data and monetary to construct the repurchase index (RI). However, we still could not accurately predict members’ repurchase rate by RI. Then, we use Behavioral Repurchase model (BRM) and Repurchase Index with Time Factor (RIT) model to effectively predict repurchase rates. We will test and verify the accuracy of two models. In the end, we compare the accuracy of two models. The marketers of the e-shop can target the registered members with high repurchase rates and design corresponding marketing strategies.
論文目次 第1章 緒論 1
1.1 研究動機與目的 1
1.2 研究架構 5
第2章 文獻探討 6
2.1 顧客關係管理(Customer Relationship Management) 7
2.2 顧客輪廓(Customer profile)與概念飄移(Concept Drift) 11
2.3 結合行為模式預測顧客回訪率 17
2.4 結合時間關係預測會員回訪率 28
第3章 問題定義 33
3.1 訓練資料集 --- 一個月 35
3.2 訓練資料集 --- 三個月 37
第4章 BRM模型預測回購率之驗證 39
4.1 BRM模型之準確性 41
4.2 BRM模型與RI之比較 48
第5章 RIT模型預測回購率之驗證 52
5.1 RIT模型之準確性 55
5.2 RIT模型與RI比較 59
5.3 RIT模型與RI結合時間衰退函數之比較 65
第6章 RIT模型與BRM模型之探討 69
6.1 比較兩種模型下不同資料集之準確度 70
6.2 RIT模型與BRM模型之比較 77
第7章 結論 83
參考文獻 85
附錄 – 英文論文 88

圖目錄
圖 1 行銷策略之演進 8
圖 2 利用不同T0所呈現的時間函數曲線 15
圖 3 觀測各CPI在5、6及7月時的回訪率 18
圖 4 Type1~Type4在五月所對應會員之回訪率 20
圖 5 行為模式Type 1在5、6及7月的回訪率 20
圖 6 行為模式Type 2在5、6及7月的回訪率 21
圖 7 行為模式Type 3在5、6及7月的回訪率 21
圖 8 行為模式Type 4在5、6及7月的回訪率 22
圖 9 行為模式Type 1在5、6及7月份時各個CPI所對應的平均回訪率 23
圖 10 行為模式Type 2在5、6及7月份時各個CPI所對應的平均回訪率 24
圖 11 行為模式Type 3在5、6及7月份時各個CPI所對應的平均回訪率 24
圖 12 行為模式Type 4在5、6及7月份時各個CPI所對應的平均回訪率 25
圖 13 行為模式Type 5在5、6及7月份時各個CPI所對應的平均回訪率 25
圖 14 行為模式Type 6在5、6及7月份時各個CPI所對應的平均回訪率 26
圖 15 行為模式Type 7在5、6及7月份時各個CPI所對應的平均回訪率 26
圖 16 建立行為喜好模型的演算法 27
圖 17 5月份到7月份各月份回訪率對應關係 30
圖 18 當月沒有來會員,5月份到7月份各月份回訪率對應關係 30
圖 19 當月有來會員,5月份到7月份各月份回訪率對應關係 31
圖 20 CPIT模型之演算法 32
圖 21 RI6各群組在七月的回購率 35
圖 22 RI4−6各群組在七月的回購率 37
圖 23 建立行為回購模型的演算法 40
圖 24 行為模式Type 1在測試月份的趨勢 41
圖 25 行為模式Type 2在測試月份的趨勢 42
圖 26 行為模式Type 3在測試月份的趨勢 42
圖 27 行為模式Type 4在測試月份的趨勢 43
圖 28 行為模式Type 5在測試月份的趨勢 43
圖 29 行為模式Type 6在測試月份的趨勢 44
圖 30 行為模式Type 7在測試月份的趨勢 44
圖 31 八月份實際與預測增益曲線的比較 45
圖 32 九月份實際與預測增益曲線的比較 46
圖 33 十月份實際與預測增益曲線的比較 46
圖 34 十一月份實際與預測增益曲線的比較 47
圖 35 八月各種方法增益曲線的比較 49
圖 36 九月各種方法增益曲線的比較 49
圖 37 十月各種方法增益曲線的比較 50
圖 38 十一月各種方法增益曲線的比較 50
圖 39 預測9月回購率下BRM模型與RI之比較 51
圖 40 5月份到7月份各月份回購率對應關係 53
圖 41 RIT模型之演算法 54
圖 42 8月份到11月份各月份回購率對應關係 55
圖 43 8月份到11月份各月份排序後回購率對應關係 56
圖 44 比較各種方法8月回購率之累計獲益圖 57
圖 45 比較各種方法9月回購率之累計獲益圖 57
圖 46 比較各種方法10月回購率之累計獲益圖 58
圖 47 比較各種方法11月回購率之累計獲益圖 58
圖 48 RIT7與RI7比較8月回購率之累計獲益圖 60
圖 49 RIT8與RI8比較9月回購率之累計獲益圖 60
圖 50 RIT9與RI9比較10月回購率之累計獲益圖 61
圖 51 RIT10與RI10比較11月回購率之累計獲益圖 61
圖 52 RIT7與RI7比較 63
圖 53 RIT與RI_Decay比較8月回購率之累計獲益圖 66
圖 54 RIT與RI_Decay比較9月回購率之累計獲益圖 67
圖 55 RIT與RI_Decay比較10月回購率之累計獲益圖 67
圖 56 RIT與RI_Decay比較11月回購率之累計獲益圖 68
圖 57 BRM在命理類別中8月回購率之累計獲益圖 72
圖 58 BRM在命理類別中9月回購率之累計獲益圖 72
圖 59 BRM在命理類別中10月回購率之累計獲益圖 73
圖 60 BRM在命理類別中11月回購率之累計獲益圖 73
圖 61 RIT在命理類別中8月回購率之累計獲益圖 74
圖 62 RIT在命理類別中9月回購率之累計獲益圖 75
圖 63 RIT在命理類別中10月回購率之累計獲益圖 75
圖 64 RIT在命理類別中11月回購率之累計獲益圖 76
圖 65 在遊戲類別下,比較兩模型預測8月回購率之累計獲益圖 78
圖 66 在遊戲類別下,比較兩模型預測9月回購率之累計獲益圖 78
圖 67 在遊戲類別下,比較兩模型預測10月回購率之累計獲益圖 79
圖 68 在遊戲類別下,比較兩模型預測11月回購率之累計獲益圖 79
圖 69 在命理類別下,比較兩模型預測8月回購率之累計獲益圖 80
圖 70 在命理類別下,比較兩模型預測9月回購率之累計獲益圖 80
圖 71 在命理類別下,比較兩模型預測10月回購率之累計獲益圖 81
圖 72 在命理類別下,比較兩模型預測11月回購率之累計獲益圖 81

表目錄
表 1 不同行為之顧客在過去三個月的購買狀況觀察其下月份的回購率 3
表 2 參照三個月份的行為模式組合 19
表 3 RI6第8群中,不同類型之會員的回購率 36
表 4 RI6為0不同類型之會員在七月的回購率 36
表 5 RI6在第5群,不同類型的會員其回購狀況 38
表 6 兩種不同行為之範例列表 62
表 7 遊戲類別與命理類別之比較 70
參考文獻 [1] R. S. Duboff, "Marketing to maximize profitability," The Journal of Business Strategy, vol. 13, p. 10, 1992.
[2] B. A. Gloy, J. T. Akridge, and P. V. Preckel, "Customer Lifetime Value: An application in the rural petroleum market," Agribusiness, vol. 13, pp. 335-347, 1997.
[3] Y. H. Cho, J. K. Kim, and S. H. Kim, "A personalized recommender system based on web usage mining and decision tree induction," Expert Systems with Applications: An International Journal, vol. 23, pp. 329-342, 2002.
[4] S. E. Middleton, N. R. Shadbolt, and D. C. D. Roure, "Ontological user profiling in recommender systems," ACM Transactions on Information Systems, vol. 22, p. 88, 2004.
[5] A. Tsymbal, "The Problem of Concept Drift: Definitions and Related Work," 2004.
[6] R. Bell, Y. Koren, and C. Volinsky, "The BellKor 2008 Solution to the Netflix Prize," 2008.
[7] Y. Koren, "Collaborative filtering with temporal dynamics," Communications of the ACM, vol. 53, pp. 89-97, 2010.
[8] L. Xiang and Q. Yang, "Time-Dependent Models in Collaborative Filtering Based Recommender System," presented at the Proceedings of the 2009 IEEE/WIC/ACM International Joint Conference on Web Intelligence and Intelligent Agent Technology - Volume 01, 2009.
[9] Y. Blanco-FernA!ndez, J. J. Pazos-Arias, M. LA3pez-Nores, A. Gil-Solla, M. Ramos-Cabrer, J. GarcAa-Duque, A. FernA!ndez-Vilas, and R. P. DAaz-Redondo, "Incentivized provision of metadata, semantic reasoning and time-driven filtering: Making a puzzle of personalized e-commerce," Expert Systems with Applications: An International Journal, vol. 37, pp. 61-69, 2010.
[10] S. Ma, X. Li, Y. Ding, and M. E. Orlowska, "A recommender system with interest-drifting," in Proceedings of the 8th international conference on Web information systems engineering, Nancy, France, 2007, pp. 633-642.
[11] Y. Ding and X. Li, "Time weight collaborative filtering," in In Proceedings of the 14th ACM international conference on Information and knowledge management, 2005, p. 485.
[12] 黃立忠, "結合顧客輪廓預測會員回訪率," 淡江大學資訊工程學系研究所碩士論文, 2011.
[13] 楊晴涵, "運用時間關係預測會員回訪率," 淡江大學資訊工程學系資訊網路與通訊研究所碩士論文, 2011.
[14] R. S. Swift, Accelerating customer relationships: Using CRM and relationship technologies: Prentice Hall, 2001.
[15] J. W. Kincaid, Customer relationship management: getting it right!: Prentice Hall, 2003.
[16] C. O'Leary, S. Rao, and C. Perry, "Improving customer relationship management through database/Internet marketing: A theory-building action research project," European Journal of Marketing, vol. 38, pp. 338-354, 2004.
[17] E. Aspinall, C. Nancarrow, and M. Stone, "The meaning and measurement of customer retention," Journal of Targeting, Measurement and Analysis for Marketing, vol. 10, pp. 79-87, 2001.
[18] S. P. Chattopadhyay, "Relationship marketing in an enterprise resource planning environment," Marketing Intelligence & Planning, vol. 19, pp. 136-139, 2001.
[19] A. Corner and M. Gungor, "Factors affecting customer loyalty in the competitive Turkish metropolitan retail markets," Journal of American Academy of Business, vol. 2, pp. 189-200, 2002.
[20] K. N. Lemon, T. B. White, and R. S. Winer, "Dynamic customer relationship management: Incorporating future considerations into the service retention decision," The Journal of Marketing, pp. 1-14, 2002.
[21] W. Reinartz and V. Kumar, "The mismanagement of customer loyalty," Harvard business review, vol. 80, pp. 86-95, 2002.
[22] A. Ultsch, "Emergent self-organising feature maps used for prediction and prevention of churn in mobile phone markets," Journal of Targeting, Measurement and Analysis for Marketing, vol. 10, pp. 314-324, 2002.
[23] M. Balabanovic and Y. Shoham, "Fab: content-based, collaborative recommendation," Communications of the ACM, vol. 40, p. 72, 1997.
[24] S. Gauch, M. Speretta, A. Chandramouli, and A. Micarelli, "User profiles for personalized information access," in The Adaptive Web, P. Brusilovsky, A. Kobsa, and W. Nejdl, Eds., ed Berlin, Heidelberg: Springer-Verlag, 2007, pp. 54-89.
[25] J. Lee, M. Podlaseck, E. Schonberg, and R. Hoch, "Visualization and analysis of clickstream data of online stores for understanding web merchandising," Data Mining and Knowledge Discovery, vol. 5, pp. 59-84, 2001.
[26] Y. H. Cho and J. K. Kim, "Application of Web usage mining and product taxonomy to collaborative recommendations in e-commerce," Expert Systems with Applications: An International Journal, vol. 26, pp. 233-246, 2004.
[27] Y. J. Park and K. N. Chang, "Individual and group behavior-based customer profile model for personalized product recommendation," Expert Systems with Applications: An International Journal, vol. 36, pp. 1932-1939, 2009.
[28] A. Albadvi and M. Shahbazi, "A hybrid recommendation technique based on product category attributes," Expert Systems with Applications: An International Journal, vol. 36, pp. 11480-11488, 2009.
[29] P. a. Cunningham, N. Nowlan, S. J. Delany, and M. Haahr, "A Case-Based Approach to Spam Filtering that Can Track Concept Drift," presented at the In The ICCBR'03 Workshop on Long-Lived CBR Systems, 2003.
[30] M. Salganicoff, "Tolerating Concept and Sampling Shift in Lazy Learning UsingPrediction Error Context Switching," Artificial Intelligence Review - Special issue on lazy learning, vol. 11, pp. 133-155, 1997.
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2017-07-17公開。
  • 同意授權瀏覽/列印電子全文服務,於2017-07-17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