|
|
|
|
|
資料探勘\資料採礦
(Data Mining)
|
|
從資料庫中發現知識，將隱含的、先前並不知道的、潛在有用的資訊從資料庫中粹取出來的過程。可以在大量資料中，發掘潛藏有用的資訊，以提供決策人員參考。資料探勘的整個過程包括資料選取、前置處理、轉換、資料分析及解釋與評估。 |
|
|
|
|
|
|
客戶分群
(Customer Cluster)
|
|
根據所有客戶的各種屬性(如：性別、職業、收入或教育)等分析後加以分群，分群後的同一群客戶，即代表他們在整體的屬性上是較為類似的，由此可作為區額是行銷之依據，或是施以差異化行銷。
|
|
|
|
|
目標式客戶區隔
(Customer Segementation)
|
|
先將所有客戶的單一消費習性加以紀錄或調查，如資料庫中會員的普卡、銀卡、金卡及白金卡等級作為分析目標，將客戶加以區隔，並以類似決策樹的方式，以客戶的各種屬性建立一個區隔模式。 |
|
|
|
|
協銷規則分析
(Association
Rule)
|
|
藉由協銷規則來分析顧客之購物明細，可得知顧客購物時可能會同時購買哪些商品，並歸納乘數種規則，進而主動推薦符合顧客興趣的商品，如此不會造成傳統行銷中盲目推銷而導致顧客反感的問題。
|
|
|
|
|
序銷規則分析
(Sequential Patterns)
|
|
找出顧客於不同購物經驗中購物的先後關係，如此將可使產品行銷定位更正確，亦可大幅降低行銷分析及廣告的費用。
|
|
|
|
|
貢獻度分析
(Profitability Analysis)
|
|
針對所有客戶的某一種消費習性，如消費金額或利潤率加以紀錄或調查，再以此消費習性結果作為分析目標，將客戶加以區隔分類，依客戶的各種屬性建立一個區隔模式。
|
|
|
預測分析
(Prediction Analysis)
|
|
依照之前所建模式，可依據潛在客戶之各種屬性，透過建立好的客戶區隔模式找出與其特徵相符的客戶類別，即可達成預測未來行銷之顧客其屬於何種客戶類型之目標，達到預測功能。
|
|
|
|
|
|
公
司 沿 革
探宇科技股份有限公司