| |
|
| 分群分析 |
依據資料的集中程度由系統進行自動分群分群後的每一組客戶均具備某些共同特徵可以據此擬定差異化行銷策略。
|
| 行為分析 |
採用資料探勘方法的決策樹(Decision Tree) 建立一個區隔模型(Segmentation
Model)找出特定客戶的共同屬性特徵。行銷人員可定義想要分析的題目，由系統找出預測規則例如:
客戶信用風險分析、客戶刷卡消費分析等。
|
| 貢獻度分析 |
依照客戶消費多寡，區隔出不同族群分析客戶貢獻的實際價值與規則。利用產生的預測規則針對，VIP客戶、負利潤客戶等擬出不同之宣傳與折扣策略，讓精準的行銷減低對客戶的干擾並進一步提升客戶貢獻度。
。
|
| 忠誠度分析 |
透過前次消費時間(Recency) 、消費次數(Frequency)與消費金額(Monetary)等行銷實務上常用的RFM變數進行系統運算可分析出顧客的忠誠度價值。透過資料探勘的忠誠度分析，可以找出即將流失的客戶，設計挽救的行銷活動，或者找出VIP客戶，提昇其忠誠度。
|
| 價值追蹤分析 |
將每一位客戶的消費紀錄依RFM進行評分區隔，並將每個區間區隔作為分析目標，找出在什麼時間對什麼樣的會員顧客進行有效的促銷活動的最佳時機。善用RFM簡單、容易執行及低成本的特性，能改變客戶的回應率並且增進創造經營利潤。
|
| 預測分析 |
本系統採用 多模型預測分析 的預測機制，用於客戶分群、客戶行為、貢獻度、客戶忠誠度及價值追蹤等分析，可從多個相關已建好的預測模型當中同時呈現各模型的預測分析指標，藉以選出最佳化的預測模型，讓行銷計畫尚未付諸執行前，即由系統先行預測可能發生的成效，以提昇銷售活動的成效。
|
| |
|
| 購物行為分析 |
購物習性分析，其目的是為了讓企業對其所有顧客之消費明細紀錄能進一步的利用，讓行銷人員或公司之決策者可依據這些規則制定出公司的行銷企畫或企業規則，以降低行銷成本，增加營業利潤。
|
| 協銷規則分析
(Cross Sell) |
藉由資料探勘技術中之關聯法則分析(association rules
discovery)來分析顧客的購物明細資料庫，可得知顧客會有同時購買的商品組合以及該群商品組合中個別被購買的數量。
|
序銷規則分析
(Up Sell)
|
藉由資料探勘技術中之循序模式分析(sequential patterns
discovery)來分析顧客的購物明細資料庫，可得知顧客購買商品的先後組合關係、該群商品組合中個別被購買的數量及購買時間間隔。 |
公
司 沿 革
探宇科技股份有限公司