台灣已進入資訊社會時代，但由於地狹人稠的特性，資訊商品通路也逐漸在改變，以往地區型電腦資訊通路及集中商圈為主的通路型態，近年來已經慢慢被3C連鎖通路所取代，但資訊商品所含概的客戶族群十分廣泛，一般以中型企業及大型集團性的公司所需的產品規格與服務，卻非3C連鎖通路所能提供，因此商用的資訊商品的銷售仍需依賴特定通路來完成，目前此類型通路散佈於全省各都會地區，在同業與相關產業的激烈競爭下，資訊產品品牌商除自身應該發揮強而有力的品牌價值外，通路價值的經營也是企業不能輕忽的課題。本論文的目的有三：（1）整合品牌商旗下之經銷商資料庫，並利用資料庫探勘技術及統計分析工具，將經銷商作分群找出高低價值的經銷商族群；（2）根據市場區隔理論及決策樹分析結果，發掘區域經銷商之採購特性，開發潛力型之經銷商並確認其價值之所在；（3）研究品牌商如何作到資源集中化，效率極大化，根據不同價值之經銷商及區域性特徵，進行差異化行銷策略及強化通路管理競爭力之探討。本研究將運用資料探勘(Data Mining )   技術對個案公司進行實證研究，首先運用RFM（Recency、Frequency、Montary）模型指標的取得，再透過 K-means 集群分析將顧客進行分群，將其分群結果對應其區域特徵及 RFM 等分類變數，再依 CART（Classification and Regression Tree）方法之分類結果，觀察出目標經銷商的屬性及特徵。經由產業及實證資料分析後，本研究將以「顧客價值分析」與「顧客分類特質分析」兩個主題分別說明不同顧客類型之差異，接著針對個案參考不同類型的顧客群特性，分別擬定適當的行銷策略。

As Taiwan enters the era of being an information society, marketing channels for information products on this densely populated island are gradually changing. In recent years, conventional marketing channels for information products — which mainly include localized distribution channels and centralized shopping districts — have been replaced by 3C (computers, communication products and consumer electronics) chain stores. However, customer segments in the market of information products are greatly diversified. Products and services generally required by medium-size businesses and group corporations, for example, are not available in these 3C chain stores. In other words, information products for businesses are sold through particular channels, which in Taiwan are distributed in metropolitan areas. Therefore, brand companies of information products not only have to exercise the power of their brand value, but should also pay attention to the management of channel value to survive heated competition from peers and relevant industries.
This thesis has the following three objectives: (1) to integrate the distributor databases of brand companies and, using the data mining technique and statistical analysis tools, group the distributors according to their values; (2) to mine the procurement characteristics of local distributors, develop potential distributors and confirm their values according to the theory of market segmentation and the results of decision tree analysis; and (3) to study how brand companies can achieve resource centralization, maximization of efficiency, and discuss differentiated marketing strategies and the enhancement of competitiveness in channel management for distributors of different values according to the localized characteristics.
In this study, the data mining technique is applied to case companies for validation. Customers are divided into groups by first determining the RFM (Recency, Frequency, Monetary value) model attributes and then performing a K-means cluster analysis, so that the grouping results match the localized characteristics and the RFM classification variables. The attributes and characteristics of target distributors are then identified according to the classification results obtained by using the CART (Classification and Regression Tree) technique.
After analyzing data obtained from the industry and the validation results, the differences among customer types are analyzed under two themes: “analysis of customer value” and “analysis of customer classification characteristics.” Finally, appropriate marketing strategies are proposed for the respective case companies with reference to the characteristics of different customer types.

目 錄
目錄	I
表目錄	.III
圖目錄	.IV
第一章 緒論	1
第一節 研究背景	1
第二節 研究動機	2
第三節 研究目的	3
第四節 研究範圍與對象	3
第五節 研究流程	4
第六節 論文架構	5
第二章 文獻探討	6
第一節 資訊商品產業的發展	6
第二節 資料庫行銷	11
第三節 資料探勘	15
第四節 決策樹	17
第五節 市場區隔	20
第六節 顧客價值管理	25
第三章 研究方法	26
第一節 資料處理及分析流程	26
第二節 RFM 模型	27
第三節 K-means 集群分析法	30
第四節 分類迴歸樹	30
第四章 個案實證分析	33
第一節 資料簡介	33
第二節 RFM 分群模型	33
第三節 分類模式	42
第五章 結論與建議	46
第一節 研究結論與經銷商價值區隔	46
第二節 整體市場區隔策略	52
第三節 研究限制及後續研究建議	55

參考文獻	58
一、中文部分	58
二、英文部分	59
三、網路部份	61

表目錄
表 4-1 RFM 統計資料表	34
表 4-2 最近購買日經銷商家數分配表	35
表 4-3 購買頻率經銷商家數分配表	36
表 4-4 平均購買金額家數分配表	37	
表 4-5 RFM 指標給分標準	38	
表 4-6 RFM 指標換算表	39	
表 4-7 RFM 經銷商績分表	39	
表 4-8 集群分群結果	41	
表 4-9 各群之積分區間及佔比	41	
表 4-10 區域屬性表	41	
表 4-11 經銷商以區域變數之分群結果及其佔比	42	
表 4-12 CART 分類規則	45	
表 4-13 CART 分析判別矩陣	45	
表 5-1 經銷商價值矩陣	46	
表 5-2 價值區隔策略探討及執行規劃	46	
表 5-3 高價值貢獻機種	50	
表 5-4 高價值區域家數分析	50	
表 5-5 經銷商以區域變數之分群結果及其佔比	53	

圖目錄
圖 1-1 研究流程圖.....................................................................................................4
圖 2-1 台灣資訊商品通路層級圖.............................................................................9
圖 2-2 本研究資料探勘之目的...............................................................................17
圖 3-1 本研究架構之資料處理及分析流程圖.......................................................26
圖 4-1 RFM 總積分分佈圖......................................................................................40
圖 4-2 CART 之樹狀結構圖....................................................................................43
圖 4-3 CART 之樹狀實際圖....................................................................................44

參考文獻
一、中文部份
1.	方至民、鐘憲民 (2006)。策略管理，建立企業永續競爭力，台北：前程。
2.	李宗龍(2001)。信用卡使用特性對消費性貸款行為之預測，國立台灣大學國際企業學系研究所碩士論文。
3.	李弘斌、許嘉仁(2002)。以決策樹分析造成民眾對影響營建工程污染因素之認探討，第四屆臺灣環境資源永續發展研討會論文集，光碟編號：4-2
4.	吳振晃(2003)。資料採礦技術於銀行授信之應用，以消費者貸款為例，中國文化大學資訊管理研究所碩士論文。
5. 林慧晶(1997)。資料庫行銷之顧客價值分析與行銷策略應用，國立台灣大學國際企業學系研究所碩士論文。
6. 周庭銳 (2001)。顧客價值管理與顧客忠誠度之建立。電子化企業經理人報告，3月
7.	施正宏(2004)。結合總體經濟指標及個股財報資料以預測個股漲跌-以台灣電子類股為例，中原大學資訊管理學系碩士學位論文。
8.	姚至成(2004)。運用資料探勘技術建構脂肪肝預測模式，中原大學資訊管理學系碩士論文。
9. 張雅幀(2005)。3C零售連鎖通路之資料庫行銷策略探討，國立高雄第一科技大學行銷與流通管理學碩士論文。
10.	游濬遠(2003)。異質性分析在商業智慧之應用-以流通業及製造業為例，臺北科技大學商業自動化與管理研究所碩士學位論文。
11.	惲明珍(2005)。從關係行銷觀點探討 IMC 應用對顧客忠誠度的影響，世新大學公共關係暨廣告學碩士論文。
12.	楊琇媛(2002)。利用資料倉儲與資料探勘技術於招生策略與學生特質分析之研究，中原大學資訊管理學系碩士學位論文。
13.	劉如興(2001)。信用卡資料庫行銷之顧客價值分析與促銷成效之研究，國立台灣大學國際企業學系研究所碩士論文。
14.	蔡智政(2002)。應用CART決策樹與資料視覺技術於低良率晶圓成因探討，元智大學工業工程與管理學系碩士論文。
15.	鐘依芸(2004)。行動電話系統業服務品質滿意度之研究-應用統計分析與決策樹，元智大學工業工程與管理學系碩士論文。 

二、英文部份
1.	Anderson, J. C. and Narus, J. A. (1998). Business Marketing: Understanding What Customer Value, Harvard Business Review. Nov-Dec ,53-65.
2.	Bob, Stone. (1995). Successful Direct Marketing Methods. Lincolnwood, IL:NTC Business Books.
3.	Breiman, L., Friedman, J. H., Olshen, R. A. and Stone, C.J.  (1984). Classification and Regression Trees. Belmont, Calif : Wadsworth.
4.	Bugel, M. and Bus, B. A. H. (1998). The Strategic Utilization of Data Base 	Marketing. The Journal of Database Marketing, 6(2), 156-163.
5.	Churchill, G. A. and Peter, J. P. (1998) Marketing:Creating Value For Customers ,2nd Ed, Mcgrawhill. 
6.	Cespedes, Frank V. and Smith, H Jeff. (1993). Database Marketing: New Rule for 	Policy and Practice. Sloan Management Review, Cambridge.
7.	Fayyad, U. M. (1996). Data Mining Knowledge Discovery: Marking Sense Out of Data. IEEE Expert, 11(5),20-25.
8.	Frederick, Newell (1997). The New Rule of Marketing: How to Use one-on-one Relationship Marketing to be the Leader in Your Industry. McGraw-Hill Publishing Company Inc .
9.	Gale, B. T. (1994). Managing Customer Value, New York. Free Press.
10.	 Holtz, Herman (1992). Database Marketing, John Wiley &Sons Inc .
11.	 Hughes, A. M. (1994). Strategic Database Marketing. Chicago: Probus Publishing.
12.	 Hughes, A. M. (1996). The Complete Database Marketer Second Generation Strategies and Techniques for Tapping the Power of your Customer Databased, McGraw-Hill Publishing Company Inc.
13.	 Joseph, A. P., Lackman, A., Peace, G. and Tatar, G. (1999). Leveraging Customer Database for Strategic Marketing Advantage in the Retail Industry. Journal of Database Marketing. 7(1), 53-59.
14.	 Kotler, P. (2000). Marketing Management, 10th ed, Englewood Cliffs, NJL:	Prentice-Hall.
15.	 Kahan,H. (1998). Using Database Marketing Techniques To Enhance One-to-One Marketing Initiatives, Journal of Consumer Marketing, 15(5),491-493.
16.	 Little, John D. C. (1979). Decision Support System for Marketing Managers.Direct Marketing, 157, 36-37.
17.	 Lynd D, Bacon (2002). Marketing, Handbook of Data Mining and Knowledge Discovery. Edited by Willi Klosgen & Jan M. Zytkow, OXFORD University Press. 715-725.
18.	 McCorkell,Graeme.(1997). Direct and Database Marketing, Kogan Page Limited, 219-220.
19.	 Philip Kotler, Swee Hoon Ang, Siew Meng Ceong, and Chin Tiong Tan (1999). Marketing Management: An Asian Perspective.2nd Edition Pretice Hill.
20.	 Shani, David and Sujana Chalasani (1992). Exploiting Niches Using Relationship Marketing. The Journal of Consumer Marketing, 9(3), 43-52.
21.	 Shaw, R. and Stone, M. (1990). Database Marketing. Gower Publishing.

三、網路部份
1.  興德資訊。SPSS。線上檢索日期：2007年5月29日。
網址：http://www.sinter.com.tw/spss/dep/spss_answertree31.htm。
2.  TechNet 網路廣播點播列表。決策樹。線上檢索日期：2006 年3 月15 日。
網址: http://thesource.ofallevil.com/taiwan/technet/abouttn/rss/webcasts.xml。