第6章　顧客資料分析工具

第6章　顧客資料分析工具 6-1　資料處理的概念 6-2　網際網路技術與應用 6-3　資料倉儲 6-4　資料採礦

章 前 企 業 案 例 美商優比速 美商優比速快遞公司如何運用資訊系統或網際網路作為分析工具， 以便支援顧客互動的進行？ 美商優比速快遞公司如何運用資訊系統或網際網路作為分析工具， 以便支援顧客互動的進行？ 導入資訊系統牽涉到那些資源分配、需求分析、系統選擇等議題？ 如何善用資訊系統分析結果的資訊，改善顧客關係？

顧客關係管理架構

6-1 資料處理的概念 資料庫 資料：代表事實的符號 Data=<e,a,v> e：Entity(個體) 6-1　資料處理的概念 資料庫 資料：代表事實的符號 Data=<e,a,v> e：Entity(個體) a：Attribute(屬性) v：Value(值) 資料庫：相關連檔案的集合

資料表的基本格式

資料庫管理系統 網路式資料庫管理系統(Network DBMS) 關聯式資料庫管理系統(Relational DBMS) 階層式資料庫管理系統(Hierarchical DBMS) 用樹狀結構來呈現資料。每筆記錄中資料元件被組織成記錄的一小部分叫做分 節(Segment)。對使用者來說，每一筆記錄看起來就像組織圖，有最高層分節 稱為根(Root)。 網路式資料庫管理系統(Network DBMS) 描述了多對多的關係。換句話說，父分節可以有很多子分節，子分節也可以有 多於一個父分節。典型網路式DBMS中的多對多關係是學生－課程關係。

關聯式資料庫的資料表範例

資訊系統

處理資料的方法 篩選： 計算： 分析： 判斷： 篩選主要的處理方式是從資料庫中，選取合乎某些條件的資料紀錄或資料 紀錄的部分。 計算主要是運用數學公式或統計的計數等方式，計算所欲求得的結果。 分析： 分析乃是透過統計、管理科學或計量經濟等模式進行分析。 判斷： 所謂判斷指的是應用程式仿如人腦一樣具有推論的功能。

資料與資訊 資料 代表適時的符號。 資訊 對使用者有價值的資料，可能會影響使用者的決策或調整其行為。

與CRM較有關係的資訊系統 行銷資訊系統 產品建議系統 銷售支援系統 資料採礦系統

CRM資訊系統功能 顧客聯繫： 交易流程支援： 顧客服務： 機會分析： 與顧客不斷聯繫，可能是約定拜訪時間、內容、意見反應等。 方便可靠的交易流程，例如下單(購物車)、結帳、付款等，如果是數位化商品，還包含傳 送過程。 顧客服務： 透過資訊系統來進行顧客服務，例如查詢產品型錄、查詢業務流程、表單下載、問題解答 等等。 機會分析： 透過對於顧客資料分析的結果，可以發現一些商機，例如了解顧客購買偏好，可以用來規 劃新產品及新服務；了解顧客交易內容，可以用來提出促銷方案等。

6-2　網際網路技術與應用 網際網路技術特性 網際網路具有強大的傳輸能力與運算能力，傳輸能力方面，優越的頻寬可 以快速傳輸多媒體資料，且具有強大連接能力(連接性)及雙向溝通能力(互 動性)；運算能力方面，快速與自動化的運算與資料處理能力，CRM系統 宜善用網際網路強大的技術能力。

網路時代消費者的需求 客製化與個人化： 參與與合作： 整體的解案或一次購足： 互動、快速、方便、親切的逛街購物經驗： 通路的一致性： 產品或服務需要量身定做。 參與與合作： 企業與消費者透過資訊提供、互動、合作、共同創造等方式進行參與與合作。 整體的解案或一次購足： 消費者希望得到整體的解案或一次購足的服務，例如旅行機票加上機場接送、旅館代訂； 汽車加上保險、監理、維修等。 互動、快速、方便、親切的逛街購物經驗： 消費者購物不僅僅是購買商品或接受服務，而且也希望體驗購物的過程，包含經濟上的滿 足與心理上的娛樂、尊重等。 通路的一致性： 櫃檯、電話、傳真、網站、經銷站等作業需要整合，使顧客有一致而不重複的感覺。

網際網路行銷內容 產品或促銷策略： 網路支援新產品開發流程： 以運用網際網路進行產品或服務，或運用網站或E-Mail進行促銷宣傳、銷售等活動。 網路支援新產品開發流程： 包含了解需求、規格定義、研發設計、測試、生產製造等流程支援；可以依據產品之有形 或無形、可否數位化、經驗產品或複雜度、網友之偏好、庫存或保存期限等條件，是當地 在網路上提供數位化產品或服務，降低成本與提升方便性。

與CRM相關之網際網路技術 電子交易與服務技術 資料蒐集與分析技術 電子郵件或發送技術

電子交易與服務技術 運用超文字標記語言(Hyper Text Markup Language, HTML) 、延伸 標記語言(Extented Markup Language, XML)來製作網站，運用安全 訂貨/付款系統(SSL/SET)來保證交易之安全性等方式製作電子交易網站。 電子交易網站的主要功能包含購物車、拍賣軟體、訂單追蹤系統、資料 隱私、顧客服務、國際送貨、產品搜尋、電子支付、交易安全等。 自助服務技術 顧客自行操作 自我掌控

資料蒐集與分析技術 搜尋引擎與代理程式(Agent)： 瀏覽紀錄： 搜尋引擎運用自動化程式，稱為蜘蛛程式(Spider)，鏈結到每個網站，逐頁逐字搜尋 使用者相尋找之網頁資料。代理程式(Agent)乃是代表使用者執行功能的程式，配合 顧客輸入之資料，再把客製化訊息回傳，透過雙方互動，縮小問題範圍。例如，購 物代理人程式，便是以互動方式，處理購物者的多重採購條件，尋找較精準的採購 商品選項。 瀏覽紀錄： 網站軟體會自動紀錄消費者瀏覽的過程，加以紀錄，諸如日誌檔案(Log File)與 Cookie檔。日誌檔案乃是網站伺服器的登入檔案記錄每一次使用者所造訪的網站， 而這檔案會持續追蹤使用者到過的每一個網頁、停留時間、是否購買等；Cookie為 一特別的文字檔案，記錄有關網友個人偏好等資料，當網友上網瀏覽時，使用 cookie之網站可將此檔案寫入網友個人電腦硬碟中，惟此必須經網友之同意，此後 網站伺服器可根據其cookie來傳送客製化之網頁給網友。

資料蒐集與分析技術 協同過濾軟體(Collaborative Filtering)： 資料剖析： 依據顧客資料加以整合，以便較為整體地了解消費者，包含及時側寫與顧客剖析。即時側 寫(Real-time Profiling)是使用特別軟體透過網站來追蹤使用者的活動，然後立刻進行資 料彙整及報告，以分析消費者行為；顧客剖析(Customer Profiling)則使用資料倉儲來協 助行銷人員了解特別目標群組的特徵及行為。 RFM分析(Recency、Frequency、Monetary)： 由資料庫中檢視最後一次購買時間、購買頻率、購買金額，用以評判與消費者的關係程度、 觀察是否有異常購買行為，進而採取一些促銷或補救(挽留)措施。 協同過濾軟體(Collaborative Filtering)： 透過觀察及詢問使用者的行為，自動提出建議及忠告之軟體。以透過協同過濾之推 薦為例，其步驟是使用每位顧客歷史行為紀錄，建構每位顧客的個人輪廓資料，按 顧客輪廓，計算顧客間相似度，再依相似度分群，最後從與受推薦目標顧客的相似 分群中，尋找潛在偏好，推薦給目標顧客。

資料蒐集與分析技術 資料倉儲(Data Warehouse)： 資料採礦(Data Mining)： 從多方面的資料庫當中，透過摘取、轉換及彙整等整理的過程，所建立的 資料集合，該資料集合能夠有效而簡便地為使用者（如行銷或CRM決策者） 來使用。 資料採礦(Data Mining)： 由資料庫或資料倉儲中，尋找未知的規則或趨勢，做為決策及規劃CRM方 案之用，稱為資料採礦。

電子郵件或發送技術 電子郵件或發送技術協助企業以電子化的方式與顧客進行溝通， 包含郵件、傳真與電話。 電子郵件技術是以自動方式收進電子郵件與外發電子郵件；傳真 回傳系統可以讓消費者打電話至公司，聽取自動語音系統，然後 透過選項，要求傳真消費者所需之資料；電話溝通方面，可以運 用網路電話或電腦電話整合系統進行星銷貨顧客服務。

6-3 資料倉儲 傳統資料庫功能上的缺點 技術方面： 介面方面： 資料方面： 6-3　資料倉儲 傳統資料庫功能上的缺點 技術方面： 格式及查詢方式較為固定，額外的查詢則無法進行，或是需要相當高的技術 專業方能達成。 介面方面： 傳統資訊系統的介面設計較不友善，使用者需具備較高的技術專業方能使用。 資料方面： 無法查詢歷史資料，或是要耗費相當大的技術努力方能達成。

資料倉儲的定義 從多方面的資料庫當中，透過摘取、轉換及彙整等整理的過程， 所建立的資料集合，該資料集合能夠有效而簡便地為使用者（如 行銷或CRM決策者）來使用。

資料倉儲模式

資料倉儲整理資料的方式 擷取：擷取的過程便是將資料全部轉為資料倉儲軟體可讀的格式。 轉換：轉換指的是確保資料格式的相容性。 彙整：資料庫中的資料也進行某種程度的彙整。

資料庫與資料倉儲之比較

維度模式之建立

銷售主體的維度 產品維度： 顧客維度： 地區維度： 日期維度： 產品維度的資料欄位包含產品編號（連結至銷售主體）、產品描述、產品型態、 產品規格指標（如顏色、尺寸、重量等）。 顧客維度： 顧客維度的資料欄位包含顧客編號（連結至銷售主體）、顧客性別、姓名、年 齡、住址、電話、E-mail等。 地區維度： 地區維度的資料欄位包含地區編號（連結至銷售主體）、地址、鄉鎮、縣市、 國家等。 日期維度： 日期維度的資料欄位包含日期（連結至銷售主體）、日、週、月、季、年等等。

維度的顆粒 產品維度： 顧客維度： 地區維度： 日期維度： 產品名稱、產品分類(小類、中類、大類)描述、全公司產品等。 顧客、顧客群、所有顧客等。 地區維度： 包含鄉鎮、縣市、國家、洲別 、全世界等。 日期維度： 包含日、週、月、季、年等。

資料倉儲種類 資料倉儲： 全公司整體的模式稱為資料倉儲。 資料超市： 為某個部門特定業務所建立的資料倉儲模式稱為資料超市。

資料倉儲的分析應用 透過資料倉儲，使用者很容易依據本身的業務需求進行分析，只 要按下維度與顆粒的按鈕，便迅速得到所需的結果。 線上分析處理(Online Analysis Processing, OLAP) ：亦即使用 者透過資訊系統軟體，可以在線上直接進行決策分析。

資料倉儲的分析 分析某個顧客在某個時段的交易量，支援促銷方案的擬定。運用 了顧客、時間兩個維度與顆粒。 分析某個產品在某個地區、某個時段的交易量，支援促銷方案的 擬定。運用了產品、時間、地區三個維度與顆粒。

資料倉儲的分析之例 表6.2是一個簡化之交易資料表，該資料表理論上應該已經整合公司所有內外部資 料。資料倉儲將可能分析的構面定義為維度，包含顧客、產品、時間等，將可能 的分析均計算出來，例如中區顧客(顧客維度)交易金額是750+160+240=1150 元，中區顧客的糕餅(產品維度)交易金額是160+240=400元，而中區顧客的糕 餅在三月份(時間維度)交易金額是160元。這些可能的結果均儲存於資料倉儲中， 透過分析處理工具，可以快速得到所需的結果。

資料倉儲的分析邏輯

6-4　資料採礦 資料採礦軟體工具 智慧代理人 線上分析軟體 查詢工具 統計工具 資料視覺化 桌面顯示 報表產生

資料採礦軟體及技術之例

採礦技術原理說明 描述性：包含群集分析、序列分析、彙總等技術。 預測性：以統計迴歸、時間數列為主要技術。 分類性：包含決策樹、神經網路、基因演算法、鑑別分析等技術。

資料採礦技術分析方法 分類分析(Classification)： 群集分析(Clustering Analysis)： 分類分析乃是將物件資料中對分析者有意義的某一項屬性作為類別的對象。 群集分析(Clustering Analysis)： 群集分析乃是將物件分成數個群體的過程。 聯結分析(Association Rule Analysis)： 聯結分析乃是找出資料之間的聯結狀況。 次序相關分析(Sequential Pattern Analysis)： 次序相關分析也是找出資料之間的聯結狀況，只是其關聯狀況在於有時間 先後次序的考量。

資料採礦應用 顧客分類 顧客的分群 顧客行為分析 將顧客依照我們設定的目標，進行自動分類。 比如在信用的分析上，發卡公司會依據顧客的紀錄來加以分類成『很好』、『好』、『中等』、『不好』等信用， 舉例來說,假如顧客有一個好的信用的話，他的負債的比例會小於百分之十。 顧客的分群 對公司現存的顧客進行一動態的區隔，在獲得詳細的顧客分群後，進一步針對個別的顧客層級進行『量身訂製』的 服務策略，希望藉此獲取其忠誠度。 顧客行為分析 針對顧客購買物品的行為進行關聯分析，建立相關的關聯規則，以瞭解顧客的消費行為。 例如我們可以試圖探索在購買A產品時，是否會連帶購買B產品的關聯性？只要找出這樣的關係，將有助於我們實 行交叉銷售(Cross Selling) 。 針對零售賣場的顧客資料，進行採礦所得的規則可能為「購買奶粉的顧客，有70%的機率同時購買尿布。」利用 此結果，賣場可以改善這些商品的擺設位置、動線，並主動對該顧客進行個人化促銷。 針對區療院所的慢性病人資料，進行採礦所得的規則可能為「患有糖尿病的病，有80%的機率也患有心臟病與腎 臟病。」利用此種結果，可以對患有糖尿病的病患進行額外的心臟病與腎臟之檢查，並提供跨科醫療與整合的治療 方案。

導入資料採礦的流程 界定問題領域 選擇資料來源 過濾資料 決定採礦任務 選擇及執行演算 解釋及評估結果 結果的導入