人壽保險為一種社會性的事業，兼具「保障」與「儲蓄」的雙重功能，也是一種分散風險、消化損失之經濟制度，對個人、家庭、企業與國家社會而言，是不可或缺的商品與產業。但隨著全球化的來臨與時代之潮流的演進，保險市場在業務多元化、金融法令的開放、金融控股公司成立、金融商品的多樣化、多重通路的擠壓與保險大眾對保險的需要深入與多樣化，保險公司如何因應這股競爭且具挑戰性的社會環境，脫離不斷的在以價格、產品差異、產品通路與仿冒等方法廝殺競爭對手的紅海，追求還沒有被開發的市場，以及尚未被創造的需求，開創屬於保險公司的一片藍海契機。
    為了創造出尚未發展之市場空間，形成無人競爭之藍海，壽險業應創造產品之附加價值，提升企業競爭優勢，而途徑就是把握市場需求的趨勢，重視顧客的需求以及未被滿足的需求，改善原有商品組合，提供更高價值的新產品組合，並於原商品附增其他服務，結合服務方面的需求滿足，便能避開或減弱市場競爭並進入藍海。由於壽險業者皆具有龐大的消費者資料庫，可針對資料庫進行探勘工作，挖掘出不同市場區隔之未滿足之需求、特質與趨向，將有助於行銷策略之規劃與執行。因此，本研究以市場區隔與需求鏈的概念，針對一般消費大眾進行集群分析以做市場區隔，挖掘不同市場區隔之消費者之需要與慾望之差異，並配合關聯法則技術做分析，了解顧客未被滿足之需求為何，針對其需求設計新產品組合與附加服務的提供。

Human Insurance, indispensable product and industry to individual、family、interprise and country, is a kind of social business, including both function, “Insurance” and “Deposite.” However, following the trend of globalization, the market has faced strong competition, including multi-business, openness of finance laws, various insurance products, multi-channel to products and customers’ changing and diversed needs to the product. To get away from the competitive and blooded red sea,  the enterprise should stop use the strategy of adjusting price, differentiation of products, imitation of other company, but try to build an undeveloped, potential and profitable blue sea market
      In order to create undeveloped blue sea market, human insurance enterprise should create product’s additional value to promote enterprise competitive advantage by focusing on customer’s needs and unsatisfied needs to improve original products design and provide more highly valued new product mix design.  Besides, combining additional insurance service can also be a strategy to avoid market competition.  Owing to the reason that human insurance has enormous customer database which can be used for data mining to discover useful marketing information. Therefore, the research takes the concept of market segmentation and demand chain, used the method of Cluster Analysis to divide into five groups, Association Rules to discover each group’s customer’s needs and unsatisfied needs to design new product mix and provide additional service.

頁次
致謝辭…………………………………………………………………… Ⅰ
中文摘要………………………………………………………………… Ⅱ
英文摘要………………………………………………………………… Ⅲ
目錄……………………………………………………………………… Ⅴ
表目錄…………………………………………………………………… Ⅷ
圖目錄 …………………………………………………………………… Ⅹ
第一章   緒論…………………………………………………………… 1
1.1 研究背景………………………………………………………… 1
1.2 研究動機………………………………………………………… 2
1.3 研究目的………………………………………………………… 4
1.4 研究流程………………………………………………………… 5
第二章   文獻探討……………………………………………………… 7
2.1 市場區隔………………………………………………………… 7
2.1.1 市場區隔之定義…………………………………………… 7
 2.1.2 有效市場區隔之條件……………………………………… 9
2.1.3 市場區隔之基礎…………………………………………… 10
 2.1.4 市場區隔之設計…………………………………………… 12
2.1.5 市場區隔之程序…………………………………………… 13
2.2 需求鏈管理……………………………………………………… 14
2.2.1 何謂需要、慾望與需求…………………………………… 14
 2.2.2 需求鏈管理之定義………………………………………… 15
2.2.3 需求鏈管理之應用與發展………………………………… 19
2.3 藍海策略………………………………………………………… 20
2.3.1 藍海策略的概念…………………………………………… 20
 2.3.2 藍海策略四大行動架構…………………………………… 21
2.3.3 藍海策略之應用…………………………………………… 23
2.4 資料探勘………………………………………………………… 30
2.4.1 資料探勘之定義…………………………………………… 30
 2.4.2 資料探勘之功能…………………………………………… 33
2.4.3 資料探勘之流程…………………………………………… 34
 2.4.4 資料探勘之應用領域……………………………………… 35
2.5小結 ……………………………………………………………… 37
第三章   壽險市場經營現況分析……………………………………… 38
3.1 壽險商品內容與特性…………………………………………… 38
 3.2 壽險之發展趨勢………………………………………………… 40
3.3 壽險業目前所面臨之困境……………………………………… 42
 3.4 壽險業之需求鏈………………………………………………… 43
第四章   研究方法……………………………………………………… 47
4.1  研究設計……………………………………………………… 47
4.1.1 研究樣本…………………………………………………… 47
 4.1.2 問卷設計…………………………………………………… 47
4.1.3 問卷信效度………………………………………………… 48
 4.1.4 問卷發放…………………………………………………… 49
4.2 系統架構圖與資料庫設計 …………………………………… 50
4.2.1 系統架構圖………………………………………………… 50
 4.2.2 本體論架構圖……………………………………………… 51
4.2.3 關聯性資料庫……………………………………………… 58
4.3 關聯法則 ……………………………………………………… 69 
4.3.1 關聯法則…………………………………………………… 69
 4.3.2  Apriori演算法…………………………………………… 72
4.4  集群分析……………………………………………………… 75
4.5  資料分析軟體………………………………………………… 77
第五章 資料分析…………………………………………………………81
5.1 回收樣本結構描述…………………………………………… 81
5.2 壽險市場區隔之分析………………………………………… 83
5.3 需求鏈之分析………………………………………………… 88
   5.3.1 購買需求導致購買行為之探勘……………………………89
5.3.2尚未滿足之需求與欲購壽險商品之探勘…………………97
5.3.3 新產品組合之探勘 ……………………………………… 106
5.3.4欲合作之對象與保單附加服務之探勘……………………114
5.4 小結…………………………………………………………… 120
第六章  結論與管理意涵……………………………………………… 121
6.1 結論…………………………………………………………… 121
  6.2 管理意涵……………………………………………………… 121
6.2.1 壽險業之藍海市場…………………………………………121
6.2.2 需求鏈分析 ……………………………………………… 129
6.2.3 新產品組合…………………………………………………131
6.2.4 壽險業之異業聯盟 ……………………………………… 133
6.3 研究限制……………………………………………………… 134
參考文獻……………………………………………………………… 135
中文資料…………………………………………………………… 135
英文資料…………………………………………………………… 136
網路資料…………………………………………………………… 142
附錄一  第一階段問卷………………………………………………… 143
附錄二  第二階段問卷………………………………………………… 148


表目錄
頁次
表1-1  保險業家數及其分支機構統計表	.......................2
表1-2  保險業從業人員統計表………………………………………… 3
表1-3  人身保險業保費收入統計表…………………………………… 4
表2-1  市場區隔之相關定義…………………………………………… 8
表2-2  市場區隔變數與區隔內容.............................11
表2-3  區隔變數的分類.....................................11
表2-4  行銷目的與適用之區隔基礎...........................12
表2-5  需求鏈管理相關內容.................................18
表2-6  紅海與藍海策略的對比...............................20
表2-7  台灣應用藍海策略的產業.............................23
表2-8  資料探勘相關定義...................................32
表2-9   資料探勘之流程....................................34
表2-10  資料探勘應用領域百分比............................36
表4-1  前測問卷方法之問卷回收情形.........................50
表4-2  實體、關聯與屬性之描述.............................60
表4-3  實體-屬性一覽表....................................61
表4-4  基本需要對照表.....................................64
表4-5  高層次慾望對照表...................................64
表4-6  不續購保險原因對照表...............................64
表4-7  繼續購買保險原因對照表.............................65
表4-8  未購買過且未來無購買需求原因對照表 ................65
表4-9  未購買過且未來有購買需求原因之對照表...............65
表4-10  打籃球與喝可樂之關係..............................71
表4-11 資料探勘軟體使用頻率...............................78
表5-1  問卷回收統計表.....................................81
表5-2  有效問卷之基本資料統計表...........................81
表5-3  K-means 分群結果………………………………………………86
表5-4  K1集群內未來有購買動機原因……………………………… 90
表5-5  K2集群內未來有購買動機原因……………………………… 92
表5-6  K3集群內未來有購買動機原因……………………………… 93
表5-7  K4集群內未來有購買動機原因……………………………… 95
表5-8  K5集群內未來有購買動機原因……………………………… 96
表5-9  K1未滿足需求與欲購商品關聯規則………………………… 98
表5-10 K2未滿足需求與欲購商品關聯規則………………………… 100
表5-11 K3未滿足需求與欲購商品關聯規則………………………… 101
表5-12 K4未滿足需求與欲購商品關聯規則………………………… 103
表5-13 K5未滿足需求與欲購商品關聯規則………………………… 105
表5-14 K1壽產險產品組合…………………………………………… 107
表5-15 K2壽產險產品組合…………………………………………… 108
表5-16 K3壽產險產品組合…………………………………………… 110
表5-17 K4壽產險產品組合…………………………………………… 111
表5-18 K5壽產險產品組合…………………………………………… 113
表5-19 K1附加服務與欲合作對象之關連規則……………………… 114
表5-20 K2附加服務與欲合作對象之關連規則……………………… 116
表5-21 K3附加服務與欲合作對象之關連規則……………………… 117
表5-22 K4附加服務與欲合作對象之關連規則……………………… 119
表6-1 集群與關聯之整合分析表………………………………………124
表6-2集群顧客之未滿足需求與欲購商品…………………………… 131
表6-3市場區隔新產品組合異同表…………………………………… 132

圖目錄	
頁次
圖1-1  研究流程圖.........................................6
圖2-1  目標行銷的步驟.....................................8
圖2-2  需求鏈概念........................................17
圖2-3  藍海策略四項行動架構..............................22
圖3-1  不同階段的需求與適合保單形式.......................45
圖3-2  本研究需求鏈之流程圖…………………………………………46
圖4-1  系統架構圖.........................................51
圖4-2  概念與子概念.......................................52
圖4-3  消費者基本資料之本體論圖……………………………………53
圖4-4  消費者生活型態之本體論圖……………………………………54
圖4-5  需要與慾望本體論圖……………………………………………54
圖4-6  購買需求之本體論圖……………………………………………55
圖4-7  購買行為本體論圖………………………………………………56
圖4-8  本研究之本體論圖……………………………………………  57
圖4-9   概念模式資料庫設計: E-R圖.........................63
圖4-10  邏輯性資料庫圖....................................67
圖4-11  實體資料庫圖......................................68
圖4-12  APRIORI演算法產生之後選項目集合與高頻項目集合.......74
圖4-13  SPSS CLEMENTINE使用者介面........................79
圖 5-1 資料串流………………………………………………………… 84
圖5-2  K-means 集群分佈圖……………………………………………85
圖5-3  K1蛛網圖調整前……………………………………………… 90
圖5-4  K1蛛網圖調整後……………………………………………… 91
圖5-5 K2蛛網圖調整後…………………………………………………92
圖5-6 K3蛛網圖調整後…………………………………………………94
圖5-7 K4蛛網圖調整後…………………………………………………95
圖5-8 K5蛛網圖調整後…………………………………………………97
圖5-9 K1蛛網圖調整後…………………………………………………99
圖5-10 K2蛛網圖調整後……………………………………………… 100
圖5-11 K3蛛網圖調整後……………………………………………… 102
圖5-12 K4蛛網圖調整後……………………………………………… 104
圖5-13 K5蛛網圖調整後……………………………………………… 105
圖5-14 K1蛛網圖調整後……………………………………………… 107
圖5-15 K2蛛網圖調整後……………………………………………… 109
圖5-16 K3蛛網圖調整後……………………………………………… 110
圖5-17 K4蛛網圖調整後……………………………………………… 112
圖5-18 K5蛛網圖調整後……………………………………………… 113
圖5-19 K1蛛網圖調整後……………………………………………… 115
圖5-20 K2蛛網圖調整後……………………………………………… 116
圖5-21 K3蛛網圖調整後……………………………………………… 118
圖5-22 K4蛛網圖調整後……………………………………………… 119
圖6-1壽險藍海之四項行動架構……………………………………… 122
圖6-2 知識地圖…………………………………………………………127
圖6-3知識地圖………………………………………………………… 128
圖6-4需求鏈分析之管理意涵圖……………………………………… 130

中文資料
1.	尹相志(民93)。資料採礦－網際網路應用與顧客價值管理。台北:  
維科。
2.	朱博湧、王慧馨、江逸之、黃仁謙、宋健生、黃正凱(民95)。藍海策略台灣版。台北市：天下遠見。
3.	李若華、周慧如、林靜宜、師瑞德、陳碧珠(民95)。發現台灣藍海。  台北市：天下遠見。
4.	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)
5.	林欽榮 (民93)。行銷管理。台北:揚智。
6. 金偉燦、莫伯尼(民95)。藍海策略。(黃秀媛 譯)。台北市:天下遠見。
7.	企業研究方法 (祝道松、林家五 譯) (民92)。台北市：智勝。(原著出版年:2003)
8.	韋端(主編)(民92)。Data Mining概數，以Clementine7.0為例。台北縣新莊市:中華資料採礦協會。
9.	許士軍(民72)。策略性行銷管理。臺北市:淡江大學出版中心。
10.	黃加佩、盧東華、廖文淵譯（民89）。資料庫管理(五版)。台北：儒林。
11.	曹勝雄(民90)。觀光行銷學。台北市:揚智。
12.	陳文華(民88)。應用資料倉儲系統建立CRM。資訊與電腦122-127。
13.	陳雲中(民91)。保險學要義：理論與實務。台北市：三民。
14.	陳順宇(民94)。多變量分析(4版)。台北市:華泰。
15.	陳定國(民94)。現代行銷管理學—行銷理論分析。台北:華泰。
16.	張瑋倫（民89）。應用資料挖掘學習方法探討顧客關係管理問題。輔仁大學資訊管理學系碩士論文，未出版，台北市。
17.	曾新穆、李建興(民90)。文件自動分類技術研究。資策會。
18.	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。世新大學資訊管理研究所碩士論文，未出版，台北市。 
19.	張珀銀(民94)。運用服務導向架構整合需求鏈之研究。國立台北科技大學商業自動化與管理研究所碩士論文，未出版，台北市。
20.	曾獻雄、蔡秀滿、蘇東興、曾秋蓉、王慶堯 (民94)。資料探勘。台北市：旗標。
21.	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。
22.	廖欽佐(民83)。以EKB模式探討台北市個人人身保險市場消費者枝購買決策行為。交通大學管理科學研究所碩士論文，未出版，新竹市。
23.	榮泰生(民88)。企業研究方法。台北:五南。
24.	鄭百評（民90）。資料採礦讓企業深耕客戶價值。數為時代雜誌，專刊2號，48-51。
25.	謝文雀 譯、許士軍 校定(民87)。行銷管理-亞洲實例。台北:華泰。
英文資料
1.  Agrawal, R., Imilienski, T., & Swami, A. (1993). Mining Association Rules between Sets of Items in Large Database. Proceedings of the 1993 ACM SIGMOD International Conference on Management of Data, 207-216. 
2.  Agrawal, R., & Srikant, R. (1994). Fast Algorithms for Mining Association Rules. Proceeding of the 20th International Conference on Very Large Database, 487-499. 
3.  Berry, M. J. A., & Linoff, G . (Eds.). (1997). Data Mining Techniques for Marketing, Sales, and Customer Support. NY: John Wile & Sons Inc.
4. Bradly & Frank (1995). Marketing Management: Providing Communicating and Delivering. NJ: Prentice Hall Press.
5.  Carothers, G.., & Adams, M. (1991). Competitive advantage through customer value: the role of value-based strategies. In Stahl, M.J., & Bounds, G.M. (Eds.), Competing Globally Through Customer Value (pp. 32-66). New York: Quorum Books.
6.  Chen, F., Drezner, Z., Ryan, J., & Simchi-Levi, D. (1998). The bullwhip effect: managerial insights on the impact of forecasting and information on variability in a supply chain. In Tayur, S., Ganeshan, R., Magazine, M. (Eds.), Quantitative Models for Supply Chain Management (pp.418-437). Kluwer Avademic Publisher, Dordrecht.
7.  Chen, P. P.-S. (1976). The Entity-Relationship Model---Toward a Unified View of Data. ACM Transactions on Database Systems, 1, 9-36. 
8.  Codd, E. F. (1970). A Relational Model of Data for Large Relational Databases. Communications of the ACM, 13, 77-87.
9.  Comery, A. L. (1973). A first course in factor analysis. New York: Academic Press.
10.  Dejonckheere, J., Disney, S. M., Lambrecht, M. R., & Towill, D. R. (2004). The impact of information enrichment on the Bullwhip effect in supply chains: A control engineering perspective. European Journal of  Operational Research, 153(3), 727-750. 
11.  Dickson, P. R., & Ginter, J. L. (1987). Market Segmentation Product Differentiation and Marketing Strategy. Journal of Marketing, 5(2), 1-10. 
12.  Doherty, C. (2001). Closing the loop. Food Logistics, 3 July.
13.  Estivill, C. V., & Murray, A. T. (1997). Spatial Clustering for Data Mining with Generic Algorithms. Technical Report FIT-TR-97-10.
14.  Fayyad, U. M., Piatetsky, S. G.., & Smyth, P. (1996). The KDD Process for Extracting Useful Knowledge from Volumes of Data. Communications of the ACM, 39(11), 27-34.
15.  Fleming, C. C., & B. von Halle. (1989). Handbook of Relational Database Design. Reading, MA: Addison-Wesley. 
16.  Frolich, M., & Westbrook, R. (2001). Arcs of integration : an international study of supply chain strategies. Journal of Operations Management 19, 185-200.  
17.  Group, F. H., & Owrang, M. M. (1995). Database Mining Discovery New Knowledge and Cooperative Advantage. Information System Management, 12(4), 26-31.
18.  Haley, R. I. (1968). Benefit segmentation: A decision-oriented research tool. Journal of Marketing, 32(3), 30-35.
19.  Hoffer, J. A., George, J. F., & Valacich, J. S. (2002). Modern System Analysis and Design (6th ed.). NJ : Prentice Hall.
20.  Hui, S. C., & Jha, G. (2000). Data mining for customer service support. Information and Management, 38(1), 1-13.
21.  Joy, R. (2001). Brand identity becomes brand experience. World Tobacco, 10 September. 
22.  Kantardzic, M. (2003). Data mining: concepts, models, methods and algorithms. NJ: Wiley Press.
23.  Keima, D. A., Pansea, C., Sipsa, M., & Northb, S. C. (2004). Pixel based visual data mining of geo-spatial data. Computers and Graphics, 28, 327-344. 
24.  Kidder, L. H., & Judd, C. H. (1986). Research methods in social relations. NY: Holt, Rinehart and Winston. 
25. Kolter, P. (1994). Marketing Management Analysis, Planing, Implementation, and Control. Englewood Cliffs, NJ: Prentice Hall Press. 
26. Kolter, P. (1997). Marketing Management (9th ed.). New Jersey: Prentice-Hall.
27.  Kotler, P., & Armstrong ,G. (2004). Principles of marketing (10th ed.).        
    NJ : Prentice-Hall.
28. Kolter, P. (2006). Marketing Management: Analysis, Planning, Implementation and Control (12th ed.). Englewood Cliffs, NJ: Prentice Hall Press. 
29.  Kouris, I. N., Makris, C. H., & Tsakalidis, A. K. (2005). Using Information Retrieval techniques for supporting data mining. Data and Knowledge Engineering, 52, 353-383. 
30. Kristin, R. N., & Matkovsky, I. P. (1999). Using Data Mining Techniques for Fraud Detection. SAS Institution Inc. and Federal Data Corporation.
31.  Kuglin, F. A. (1998). Customer-Centered Supply Chain Management, AMACOM. American Management Association, New York. 
32.  Langabeer, J., & Rose, J. (2001). Why the supply chain is past its sell-by date. Financial Times, 5 December.
33.  Lee, H.L., Padmanabhan, V., & Whang, S. (1997). The Bullwhip effect in supply chains. Sloan Management Review Spring, 38 (3), 93-102.
34.  Maedche, A. M., Boris, S., Ljiljana, S., Rudi, & Raphael. (2003). Ontology for Enterprise Knowledge Management. IEEE Intelligent Systems, 18, 26-33. 
35.  McCarthy, F. T. (2001). Long words explained. The Engineer, 29 June. 
36.  New, S. J. (1996). A framework for analysing supply chain improvement. International Journal of Operations and Production management, 16(4), 19-36. 
37.  Peacock, P. R. (1998). Data Mining in Marketing: Part 1. Marketing Management, 6(4), 8-18.
38.  Rollett, M. (2003). Knowledge Management Processes and Technologies. Kluwer Academic Publishers, Boston/Dordrecht/London.
39.   Santos, M. Y., & Amaral, Luis. A. (2004). Mining geo-referenced data with qualitative spatial reasoning strategies. Computers and Graphics, 28(3), 371-379. 
40.   Schiffman, L. G., & Kanuk, L. L. (1991). Consumer Behavior (2nd ed.). New Jersey: Prentice-Haw.
41.   Schoell, W.F., & Guiltinan, J.P. (1995). Marketing: Contemporary Concepts and Practices (6th ed.). Englewood Cliffs, NJ: Prentice Hall Press. 
42.   Shaw, M. J., Subramaniam, C., & Tan, G. W. (2001). Knowledge management and data mining for marketing. Decision Support Systems, 31, 127-137. 
43.   Smith, W. R. (1956). Product differentiation and market segmentation as alternative marketing strategies. Journal of Marketing, 21(3), 3-8. 
44.   Toroslua, I. H., & Yetisgen-Yildiz, M. (2005). Data mining in deductive databases using query flocks. Expert Systems with Applications, 28(3), 395-407. 
45.  Vollmann, T. E., & Cordon, C. (1998). Building Successful Customer-Supplier Alliances. Long Range Planning, 31(5), 684-694. 
46.   Vollmann, T. E., Cordon, C., & Heikkila, J. (2000). Teaching supply chain management to business executives. Production and Operations Management Journal, 9(1), 81-90.
47.  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.  
48.  Wei, C. P., Hu, P. H., & Kung, L. M. (1999). Multiple-Level Clustering Analysis for Data Mining Applications. Proceedings of 4th Informs Joint Conference on Information Systems and Technology. 
49.  Williams, T., Maull, R., & Ellis, B. (2002). Demand chain management theory: constrains and development from global aerospace supply webs. Journal of Operation Management, 20, 691-706. 
50.  Wind, Y. (1978). Issue and Advances in Segmentation Research. Journal of Marketing Research, 15(3), 317-337.

網路資源
1.財團法人保險事業發展中心: http://www.tii.org.tw/index.asp
2.行政院金融監督管理委員會: http://www.fscey.gov.tw/
3.KDnuggets. (June 2006). Data Mining Applications-- Industries. Retrieved October 10, 2006, from the World Wide Web:
http://www.kdnuggets.com/polls/2006/data_mining_applications_industries.htm
4.Langabeer, J. (2001). Automating the Demanding Chain, eBiz.
Retreived February 15, 2007, from: 
http://b2b.ebizq.net/scm/langabeer_l.html
5.Roger, D.B., & Kristina, B. (1999). The Century of the Consumer: Converting Supply Chains into Demand Chains. Supply Chain Management Review, Retreived September 9, 2006, from:
http://www.manufacturing.net/scl/scmr/archives/1999/scl11.99/11chains.htm
6.Zellen, B. (2001). Helping supply chains meet demand chains: applix 
reinvents itself with global strategy and new partners. Retreived August 15, 2006, from: http://www.interes.org/hpworldnews/hpw101/03erp.html