指導教授：任立中臺灣大學：國際企業學研究所郭書琴Kuo, Shu-ChinShu-ChinKuo2014-11-282018-06-292014-11-282018-06-292013http://ntur.lib.ntu.edu.tw//handle/246246/262670近年來資訊科技的發展，使得顧客收集資訊容易且購物網站的崛起讓消費方式改變，但也同時使得實體通路面對虛擬通路的競爭之下備感壓力。然而，也隨著科技的發展，使得資料庫行銷同時成為企業在作行銷策略時可利用之利器與未來趨勢，讓企業能夠主動地接觸顧客而非被動等待。因此，對於實體通路而言，如何運用最新科技來進行資料庫行銷，便是其未來存活的重要關鍵。 使用資料庫行銷常用到的是運用顧客過去的消費歷史培養與顧客未來的長久關係，而最常見的則是推薦系統的建置。透過推薦系統將新舊產品給新舊顧客，維繫顧客之間關係，甚至強化上下游廠商的聯結性。近年來，層級貝氏統計已被許多學者證實，透過該模型並利用資料庫中的會員個人資料與消費紀錄等，能夠準確地預測消費者的後續購買行為。相較於過去傳統的行銷手法，顧客常被視為是同質的，因此被推薦的產品品項或品牌等每個消費者都相同(傳統總合模式之推薦模型)，但如今行銷策略已盛行為一對一的觀念，將顧客視為異質性(Heterogeneity)並且擁有個人偏好與個人消費模式，因此，根據購買紀錄與會員資料所建置出來的產品推薦系統才能真正反映出顧客的需求。 本研究利用國內知名日系超市之資料庫資料，運用層級貝氏統計的普羅比模式，建立專屬於個人的品牌推薦模式，並將該模式用來預測顧客未來可能購買的品牌品項，最後，利用顧客的最後一筆保留消費資料，衡量此推薦模型的準確性。同時，也比較個人化之下的個人層級推薦模型與傳統總合模式之推薦模型的準確度。With the advent of technology, it is easier for corporations to collect customer data and to develop virtual channel or online stores, which changed tremendously the way people consume today. Therefore, with computing technology, database marketing could help corporations to conduct efficient marketing strategies, to predict future trend and customer behavior, and to actively contact with target customers. However, vigorous virtual channel and online stores tread the neck of physical channel or physical retailers, keeping them barely survive today. Therefore, it is critical for physical channel and retailers to implement database marketing against low cost virtual channel. Database marketing use historical customers’ consuming data to apply one-on-one marketing strategies, attempting to reinforce relationship with customers and customers’ loyalty. The most prevalent execution of database marketing today is the recommendation system. Recommendation system is a platform to suggest customers to buy the products and the products are computed by the system and categorized in highest rating and preference for individual customer. While customers are heterogeneous, via implementing recommendation system, physical retailers could exactly predict the need of customers, control the inventory accurately and gain more bargaining power with branding manufacturers. This thesis used customer data of domestic noted supermarket and applied Hierarchical Bayesian Probit Model to build up recommendation system model. In this system model, each customer has his or her own preference to different brand (in the similar product category). In this way, each customer will receive personal shop suggestion for the next buying. Theoretically, personal suggestions are better than identical ones. The objective of this thesis is try to figure out whether the success hit rate of recommendation system via individual HB Probit model is more higher than the rate of traditional aggregate recommendation model.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 4 第五節 研究流程 5 第六節 研究架構 6 第二章 文獻探討 7 第一節 顧客關係管理 7 2.1.1 顧客關係管理的定義 7 2.1.2 執行顧客關係管理的流程 10 2.1.3 執行顧客關係管理之益處與功能 13 第二節 資料庫行銷 16 2.2.1 資料庫行銷的定義 17 2.2.2 資料庫行銷的內容 17 2.2.3 資料庫行銷的功能與優缺點 19 第三節 其他相關行銷概念 20 2.3.1 關係行銷 20 2.3.2 一對一行銷 21 2.3.3 資料庫與關係行銷之間關係 22 第四節 推薦系統 23 2.4.1 推薦系統之定義 23 2.4.2 推薦系統之分類 25 2.4.3 不同推薦機制系統之優缺點比較 25 第三章 研究方法 27 第一節 馬可夫鏈轉移矩陣 27 第二節 貝氏統計模式 29 第三節 層級貝氏統計模式 30 第四節 層級貝氏統計模式之普羅比模式 31 第四章 實證分析與結果 35 第一節 資料簡介 35 4.1.1 資料概述 35 4.1.2 資料結構 36 4.1.3 資料編碼 39 4.1.4 敘述統計 41 4.1.5 變數編碼 42 4.1.6 最後一筆保留資料之描述 45 第二節 購買轉移矩陣 47 4.2.1 個人購買移轉矩陣 47 4.2.2 總合模式下全體購買移轉矩陣 50 第三節 個人層級之層級貝氏普羅比模式之推薦 51 4.3.1 運算過程 51 4.3.2 建立品牌推薦順序 56 4.3.4推薦成效結果 59 第四節 全體層級之總合模式之推薦 61 4.4.1 運算過程 61 4.4.2 建立品牌推薦順序 62 4.4.3 推薦成效結果 65 第五節 平均機率模式之推薦 67 第六節 個人、總合層級與平均機率模式推薦成效比較 68 4.6.1舊客戶個人、總合層級與平均機率模式推薦成效之結果 68 4.6.2新客戶個人、總合層級與平均機率模式推薦成效之結果 69 第五章 結論與建議 70 第一節 研究結論 70 第三節 策略意涵 71 第四節 研究限制 75 第五節 後續研究建議 77 第六章 參考資料 781077513 bytesapplication/pdf論文使用權限：不同意授權資料庫行銷實體通路一對一行銷層級普羅比模式顧客關係管理thesishttp://ntur.lib.ntu.edu.tw/bitstream/246246/262670/1/ntu-102-R00724080-1.pdf