信息化 - BI - 客户关系管理和获利绩效评估课件

以兩階段資料採礦分群方法應用於顧客關係管理和獲利績效評估之實證研究ApplicationofTwoStagesDataMiningClusteringtoCustomerRelationshipManagementandPerformanceEvaluationofProfitability:AnEmpiricalStudy以兩階段資料採礦分群方法應用於顧客關係管理和獲利績效評估之實1摘 要從1980年代的資料庫行銷到1990年代關係行銷，不斷受到企業重視，企業評估績效的指標從原本的市場佔有率變成以顧客佔有率為中心，強調企業與顧客所建立的長久信賴關係，隨著資料庫科技與網路科技加速顧客關係管理及資料採礦技術的興起，CRM透過資訊技術的運用，找出對企業利潤最有貢獻的顧客群，並把交易導向轉換成關係導向

摘 要從1980年代的資料庫行銷到1990年代關係行銷，不斷2(一)、諸論及研究動機①

大型量販店市場快速興起，並累積大量顧客資料與歷史交易資料②企業必須辨識出高價值的顧客，並強化與企業間的關係，以保留住高價值的顧客③

隨著資料庫科技與網路科技加速顧客關係管理及資料採礦技術的興起，但目前仍未被廣泛應用在大型量販市場中。如何找出企業的忠誠顧客即是CRM中相當重要的課題，基於大型量販店市場快速興起，並累積大量顧客資料與歷史交易資料，探討運用資料採礦技術在CRM活動以分析顧客行為的主要動機：(一)、諸論及研究動機①

大型量販店市場快速興起，並累積大量3兩階段DM分群方法①

探討並修正傳統RFM曲隔方式，以有效萃取不同顧客群體的樣式②剖析「顧客獲利性」影響因子，深入不同影響因子與顧客獲利性的相關性③以大型量販店為研究對象，了解不同顧客群體的回應率、ROI，以制定有效的行銷資源配置策略企業必須根據顧客需求與價值進行顧客區隔，本次研究報告結合DM技術，並修正傳統顧客分群的方式，使CRM運作在獲取、增強、維持三個面向能夠順利進行兩階段DM分群方法①

探討並修正傳統RFM曲隔方式，以有效萃4

CRM①CRM導入前應先建立顧客策略②CRM實際運作前應先重新改變以顧客為中心的關鍵企業程序③愈佳CRM科技不一定會達到CRM目標，因此需建立採用CRM科技的混合策略④需要的是顧客接觸策略而非CRM計劃。1990年代科技產業蓬勃發展，目前CRM已延伸到eCRM，因此Peppard提出eCRM◎電子商業活動◎通路管理◎關係管理◎管理整個企業CRM①CRM導入前應先建立顧客策略1990年代科技5

CRM的導入過程

CRM的導入可視為一連串過程，包括：顧客識別、區隔、互動、客製化四個步驟，主要以「學習關係」為核心的循環過程，建立企業與顧客互動顧客的生命週期「顧客吸引、交易、訂單履行、服務組合而成的循環」CRM的導入過程CRM的導入可視為一連串過程，包括：顧客6

CRM的應用範圍

類型目的方法工具合作型CRM在於改善直接互動的流程透過滿意度調查、線上訂單追蹤…等電子訊息交換作業型CRM

在於改善企業與顧客目互動效率

透過資訊系統追蹤管理與顧客間的互動

分析型CRM

主要分析顧客行為、喜好、生活型態、交易…等

透過分析工具尋找大量資料庫中找出顧客的忠誠度

CRM主要元件是由行銷與銷售動力自動化、客戶接觸中心科技、客戶服務

CRM的應用範圍類型目7(二)、顧客價值分析1.顧客分類和區隔方式2.顧客忠誠度3.RFM模型4.顧客價值矩陣(二)、顧客價值分析1.顧客分類和區隔方式81.顧客分類和區隔方式：顧客金字塔:

顧客績效購面顧客焦點構面1.顧客分類和區隔方式：顧客金字塔:顧客績效購面顧客焦點構92.顧客忠誠度

顧克忠誠度乃顧客與企業間形成強力的關係。RFM模型可以從龐大的顧客名單中找出行銷活動所需的顧客名單。R是沉寂長度F是購買頻率M是購買金額2.顧客忠誠度顧克忠誠度乃顧客與企業間形成強力的關係。RF103.顧客價值矩陣是從RFM所發展出來較適合小型企業的顧客價值分析的方法來解決RFM的缺點。

3.顧客價值矩陣是從RFM所發展出來較適合小型企業的顧客價值11(三)、資料採礦⊙何謂資料採礦⊙資料採礦的特性:可處理、萃取、可行動、隱含、新奇、資訊化

⊙資料採礦的三個分群方式

˙運作流程

˙功能種類

˙傳統統計分析與類神經網路之分群方式(三)、資料採礦⊙何謂資料採礦⊙資料採礦的三個分群方式12傳統統計分析與類神經網路之分群方式傳統統計分析與類神經網路之分群方式13(三)、研究架構與方法

一.整合資料採礦(DataMining)技術之顧客關係管理運作架構

1.本章提出整合資料採礦技術(DataMining)的CRM

流程架構，整個架構分兩部分：前端作業系統、後端分析系統⊙LRFM資料模型

⊙資料採礦前置處理流程

⊙兩階段分群過程

(三)、研究架構與方法一.整合資料採礦(DataMini141.LRFM資料模型-L顧客關係長度：指顧客第一次發生交易日到最後一日交易日的長度-R顧客沉寂長度：用來衡量顧客的流失情形-F顧客購買頻率：顧客在特定的天數購買的天數、一天購買的次數-M顧客獲利性：指顧客購買金額扣除各種成本後得淨利總合LRFM資料模型關係長度L沉寂長度R購買頻率F第一次購買日最後一次購買日分析日最後一次購買日特定時間內購買天數顧客獲利性M售價產品成本行銷成本1.LRFM資料模型-L顧客關係長度：指顧客第一次發生交易日15資料採礦前置處理流程

1.因本章是用標準差來進行離群分析，所以先將活躍型顧客的LRFM資料先匯入採礦資料庫中，以避免在分群演算過程中受到離群值的影響。

2.為了使兩階段的分群作業(SOM+K-mean)中不因單位不同而無法比較的影響必須將LRFM的資料進行標準化

標準化資料

=(原始資料-範圍最小值)/(範圍最大值-範圍最小值)資料採礦前置處理流程1.因本章是用標準差來進行離群分析16資料採礦兩階段分群過程

由自我組織圖SOM和叢集分析K-mean這兩階段將顧客分群分析

SOM：目的瞭解顧客應該分幾群。SOM中所需設的參數有輸出層的維度(所有聚類的數量)和處理階段數(學習的次數)K-mean：可以自動接收SOM所產生的群數和群體重心資料採礦兩階段分群過程由自我組織圖SOM和叢集分析K-m17(二)、群體樣式分析1.顧客關係類型舉證長

關係長度短短沉寂長度長

L↑R↓

緊密

L↑R↑

潛在

L↓R↓

獲取

L↓R↑

流失(二)、群體樣式分析1.顧客關係類型舉證L↑R↓18最佳顧客：高價值忠誠、高價值新顧客、潛在忠誠、高價值流失顧客頻率型顧客：高購買頻率、頻率型促銷、潛在頻率型、頻率型流失顧客消費型顧客：白金型顧客、消費型促銷、潛在消費型、消費型流失顧客不確定顧客：低消耗成本、不確定新顧客、高消耗成本、不確定流失顧客

2.多維度顧客分群規則:2.多維度顧客分群規則:19三.初步命題假設⊙非契約式的環境中，顧客與企業間的交易關係長度，與顧客獲利性間並非完全正向關係⊙企業主要利潤貢獻來自少部分高價值的顧客群⊙忠誠顧客對企業的利潤貢獻較高⊙流失顧客對企業的利潤貢獻交低⊙顧客佔有率越高對企業獲利性越高三.初步命題假設⊙非契約式的環境中，顧客與企業間的交易關係長20四.觀念性研究模型之雛型本研究由RFM模型外加L變數(顧客關係長度)，並以顧客獲利性(M)取代顧客購買金額而來，簡稱為LRFM資料模型。

由接觸時間和顧客行為因子兩種構面組成。顧客購買產品種類顧客沉寂長度顧客關係長度顧客人數比率顧客購買頻率顧客獲利性接觸時間構面交易行為構面四.觀念性研究模型之雛型本研究由RFM模型外加21四、個案研究(一)、個案背景、動機

行政院主計處９０年９月國情統計報告，「零售業中的綜合商品業因連鎖式便利商店及量販店受消費者青睞，營業家數持續增加，近五年營業額平均年增１０．７％故研究個案對象為「大型量販店」四、個案研究(一)、個案背景、動機行政院主計處９０年９22(二)、個案研究的目的與顧客分類方式研究的主要目的為（1）了解ＣＲＭ運作流程的模式以及顧客區隔的方式。（2）探討ＣＲＭ活動績效評估方式。（3）比較本研究所採用的Ｌ、Ｒ、Ｆ、Ｍ的顧客區隔方式與Ａ公司所用的顧客區隔方式。（4）針對個案公司的實際案例以修正本研究之假設命題與研究模型。（5）探討ＤＭ分群技術於ＣＲＭ活動之直接郵件的顧客名單篩選，以比較本研究所產生的顧客區隔與個案公司郵件活動的績效表現。(二)、個案研究的目的與顧客研究的主要目的為23(二)、個案研究的目的與顧客分類方式⊙顧客分類方式：目前Ａ公司的顧客分類大致有兩類：依顧客的「消費金額」區分和「造訪次數」區分。以最近是否有交易的會員顧客來區分為「活躍型」與「靜態型」。(二)、個案研究的目的與顧客⊙顧客分類方式：24(三)、個案公司之ＣＲＭ的定義與運作流程所運作的ＣＲＭ運作的流程為（1）確定行銷活動主題（2）針對主題找出主題活動（3）在主題活動下，找出目標顧客群（4）行銷活動執行（5）紀錄活動結果與評估績效（6）學習過去的活動結果Ａ公司ＣＲＭ最主要目的乃從活躍顧客中找出忠誠顧客，對忠誠顧客的定義為「購買頻率較高的顧客群與購買金額較高的顧客群中相互重疊的顧客群」。目前ＣＲＭ的運作流程並未採用資料倉儲、資料採礦、ＣＲＭ的套裝軟體或開發支援ＣＲＭ運作系統。(三)、個案公司之ＣＲＭ的定義與所運作的ＣＲＭ運作的流程為25(四)、整合資料採礦之ＣＲＭ流程的預期成效⊙本研究預期個案公司在採用本研究所提出之顧客區隔方式後所產生之預期成效如下：（1）結合資料採礦技術來進行郵件活動中的活躍顧客的分群作業，以有效區隔個案公司活躍顧客群中不同價值的顧客群。（2）探討個案公司活躍顧客群之顧客獲利性與人數比例，進一步瞭解的不同顧客區隔利潤貢獻情形。（3）將本研究所產生之顧客區隔結合個案公司的郵件活動回應資訊，進一步探討本研究所產生的顧客區隔的回應率。透過郵件活動績效衡量方式，以區隔出不同價值的顧客在活動中的績效表現。

(四)、整合資料採礦之ＣＲＭ⊙本研究預期個案公司在採用本研26(五)、個案結和研究假設的修正Ｈ１：活躍顧客與企業間的交易關係長度維持越長久則顧客獲利性不一定會提昇。Ｈ２：活躍顧客群中少數顧客可以創造較高的利潤貢獻。Ｈ３：活躍顧客中的忠誠顧客對企業的利潤貢獻較高。Ｈ４：活躍顧客中的流失顧客對企業的利澗貢獻較低。Ｈ５：活躍顧客的顧客佔有率越高則顧客對企業的利潤貢獻越高。Ｈ６：活躍顧客之顧客獲利性越高則活動績效表現越佳。

(五)、個案結和研究假設Ｈ１：活躍顧客與企業間的交易關係長度27伍、資料分析(一)、資料採礦分析1.第一階段分群處理(SOM):輸出維度49，階段數:100

2.第二階段分群作業(K-Mean):學習次數:30

完成兩階段分群分析後，本研究發現:(1)兩階段分群改善SOM分群結果:重心距離總和45401縮減為44494。(2)兩階段分群明顯改善群體間模糊現象:使原本集中在FM附近的群體，能夠區隔較明確。(3)發現LR變數對於顧客區隔的能力較強，而FM對於顧客區隔的能力則較弱。伍、資料分析(一)、資料採礦分析28表5.1顧客區隔人數(%)顧客區隔獲利性(%)LRFM採樣群體數消費型促銷顧客0.70高價值忠誠顧客32.68665629310839高價值新顧客1.10潛在忠誠顧客16.776515214235496潛在忠誠顧客7.70高消耗成本顧客11.7592166548796高購買頻率顧客8低消耗成本顧客9.361363545566高價值忠誠顧客9.30不確定新顧客9.2143672271610低消耗成本顧客12.60不確定流失顧客7.691167225256高消耗成本顧客14.80高購買頻率顧客7.594276757663不確定流失顧客21.20高價值新顧客3.82916512247992不確定新顧客24.50消費型促銷顧客1.696486144251表5.1顧客區隔人數(%)顧客區隔獲利性(%)LRFM採樣29(二)、不同顧客區隔之較分析

活躍顧客：最佳型(18.1%)與不確定型(72.5%)最多獲利性：最佳型(53.1%)、不確定型(37.8%)研究發現：◎個案公司之群體樣式只有符合九種多維度顧客區隔樣式，其中以高價值忠誠顧客的利潤貢獻度最高，不定新顧客的人數比例佔24.5%最多。◎個案公司之獲利性分佈並沒有非常集中在少數顧客群身上，但是少數顧客群卻能夠為企業帶來較高的獲利性。◎活躍顧客群之群體分佈則主要在顧客價值矩陣中的最佳、不確定象限上。(二)、不同顧客區隔之較分析30(三)假設驗證

本研究將兩階段資料採礦分群分析產生結果，利用SPSS10進行相關分析。而結果發現在模型中的接觸時間構面與顧客行為構面中，不同影響因子與顧客獲利性間的相關。(三)假設驗證31(六)、結論與建議⊙研究模型驗證：高價值忠誠顧客乃企業最具價值的顧客。

→高價值忠誠顧客、消費型促銷顧客、高價值新顧客的績效表現最佳。⊙研究貢獻：a.提出LRFM資料模型

b.提出顧客關係類型矩陣

c.多維度分群規則→整合Marcus(1999)的顧客價值矩陣與顧客關係類型矩陣(六)、結論與建議⊙研究模型驗證：高價值忠誠顧客乃企業最具32以兩階段資料採礦分群方法應用於顧客關係管理和獲利績效評估之實證研究ApplicationofTwoStagesDataMiningClusteringtoCustomerRelationshipManagementandPerformanceEvaluationofProfitability:AnEmpiricalStudy以兩階段資料採礦分群方法應用於顧客關係管理和獲利績效評估之實33摘 要從1980年代的資料庫行銷到1990年代關係行銷，不斷受到企業重視，企業評估績效的指標從原本的市場佔有率變成以顧客佔有率為中心，強調企業與顧客所建立的長久信賴關係，隨著資料庫科技與網路科技加速顧客關係管理及資料採礦技術的興起，CRM透過資訊技術的運用，找出對企業利潤最有貢獻的顧客群，並把交易導向轉換成關係導向

摘 要從1980年代的資料庫行銷到1990年代關係行銷，不斷34(一)、諸論及研究動機①

大型量販店市場快速興起，並累積大量顧客資料與歷史交易資料②企業必須辨識出高價值的顧客，並強化與企業間的關係，以保留住高價值的顧客③

隨著資料庫科技與網路科技加速顧客關係管理及資料採礦技術的興起，但目前仍未被廣泛應用在大型量販市場中。如何找出企業的忠誠顧客即是CRM中相當重要的課題，基於大型量販店市場快速興起，並累積大量顧客資料與歷史交易資料，探討運用資料採礦技術在CRM活動以分析顧客行為的主要動機：(一)、諸論及研究動機①

大型量販店市場快速興起，並累積大量35兩階段DM分群方法①

探討並修正傳統RFM曲隔方式，以有效萃取不同顧客群體的樣式②剖析「顧客獲利性」影響因子，深入不同影響因子與顧客獲利性的相關性③以大型量販店為研究對象，了解不同顧客群體的回應率、ROI，以制定有效的行銷資源配置策略企業必須根據顧客需求與價值進行顧客區隔，本次研究報告結合DM技術，並修正傳統顧客分群的方式，使CRM運作在獲取、增強、維持三個面向能夠順利進行兩階段DM分群方法①

探討並修正傳統RFM曲隔方式，以有效萃36

CRM①CRM導入前應先建立顧客策略②CRM實際運作前應先重新改變以顧客為中心的關鍵企業程序③愈佳CRM科技不一定會達到CRM目標，因此需建立採用CRM科技的混合策略④需要的是顧客接觸策略而非CRM計劃。1990年代科技產業蓬勃發展，目前CRM已延伸到eCRM，因此Peppard提出eCRM◎電子商業活動◎通路管理◎關係管理◎管理整個企業CRM①CRM導入前應先建立顧客策略1990年代科技37

CRM的導入過程

CRM的導入可視為一連串過程，包括：顧客識別、區隔、互動、客製化四個步驟，主要以「學習關係」為核心的循環過程，建立企業與顧客互動顧客的生命週期「顧客吸引、交易、訂單履行、服務組合而成的循環」CRM的導入過程CRM的導入可視為一連串過程，包括：顧客38

CRM的應用範圍

類型目的方法工具合作型CRM在於改善直接互動的流程透過滿意度調查、線上訂單追蹤…等電子訊息交換作業型CRM

在於改善企業與顧客目互動效率

透過資訊系統追蹤管理與顧客間的互動

分析型CRM

主要分析顧客行為、喜好、生活型態、交易…等

透過分析工具尋找大量資料庫中找出顧客的忠誠度

CRM主要元件是由行銷與銷售動力自動化、客戶接觸中心科技、客戶服務

CRM的應用範圍類型目39(二)、顧客價值分析1.顧客分類和區隔方式2.顧客忠誠度3.RFM模型4.顧客價值矩陣(二)、顧客價值分析1.顧客分類和區隔方式401.顧客分類和區隔方式：顧客金字塔:

顧客績效購面顧客焦點構面1.顧客分類和區隔方式：顧客金字塔:顧客績效購面顧客焦點構412.顧客忠誠度

顧克忠誠度乃顧客與企業間形成強力的關係。RFM模型可以從龐大的顧客名單中找出行銷活動所需的顧客名單。R是沉寂長度F是購買頻率M是購買金額2.顧客忠誠度顧克忠誠度乃顧客與企業間形成強力的關係。RF423.顧客價值矩陣是從RFM所發展出來較適合小型企業的顧客價值分析的方法來解決RFM的缺點。

3.顧客價值矩陣是從RFM所發展出來較適合小型企業的顧客價值43(三)、資料採礦⊙何謂資料採礦⊙資料採礦的特性:可處理、萃取、可行動、隱含、新奇、資訊化

⊙資料採礦的三個分群方式

˙運作流程

˙功能種類

˙傳統統計分析與類神經網路之分群方式(三)、資料採礦⊙何謂資料採礦⊙資料採礦的三個分群方式44傳統統計分析與類神經網路之分群方式傳統統計分析與類神經網路之分群方式45(三)、研究架構與方法

一.整合資料採礦(DataMining)技術之顧客關係管理運作架構

1.本章提出整合資料採礦技術(DataMining)的CRM

流程架構，整個架構分兩部分：前端作業系統、後端分析系統⊙LRFM資料模型

⊙資料採礦前置處理流程

⊙兩階段分群過程

(三)、研究架構與方法一.整合資料採礦(DataMini461.LRFM資料模型-L顧客關係長度：指顧客第一次發生交易日到最後一日交易日的長度-R顧客沉寂長度：用來衡量顧客的流失情形-F顧客購買頻率：顧客在特定的天數購買的天數、一天購買的次數-M顧客獲利性：指顧客購買金額扣除各種成本後得淨利總合LRFM資料模型關係長度L沉寂長度R購買頻率F第一次購買日最後一次購買日分析日最後一次購買日特定時間內購買天數顧客獲利性M售價產品成本行銷成本1.LRFM資料模型-L顧客關係長度：指顧客第一次發生交易日47資料採礦前置處理流程

1.因本章是用標準差來進行離群分析，所以先將活躍型顧客的LRFM資料先匯入採礦資料庫中，以避免在分群演算過程中受到離群值的影響。

2.為了使兩階段的分群作業(SOM+K-mean)中不因單位不同而無法比較的影響必須將LRFM的資料進行標準化

標準化資料

=(原始資料-範圍最小值)/(範圍最大值-範圍最小值)資料採礦前置處理流程1.因本章是用標準差來進行離群分析48資料採礦兩階段分群過程

由自我組織圖SOM和叢集分析K-mean這兩階段將顧客分群分析

SOM：目的瞭解顧客應該分幾群。SOM中所需設的參數有輸出層的維度(所有聚類的數量)和處理階段數(學習的次數)K-mean：可以自動接收SOM所產生的群數和群體重心資料採礦兩階段分群過程由自我組織圖SOM和叢集分析K-m49(二)、群體樣式分析1.顧客關係類型舉證長

關係長度短短沉寂長度長

L↑R↓

緊密

L↑R↑

潛在

L↓R↓

獲取

L↓R↑

流失(二)、群體樣式分析1.顧客關係類型舉證L↑R↓50最佳顧客：高價值忠誠、高價值新顧客、潛在忠誠、高價值流失顧客頻率型顧客：高購買頻率、頻率型促銷、潛在頻率型、頻率型流失顧客消費型顧客：白金型顧客、消費型促銷、潛在消費型、消費型流失顧客不確定顧客：低消耗成本、不確定新顧客、高消耗成本、不確定流失顧客

2.多維度顧客分群規則:2.多維度顧客分群規則:51三.初步命題假設⊙非契約式的環境中，顧客與企業間的交易關係長度，與顧客獲利性間並非完全正向關係⊙企業主要利潤貢獻來自少部分高價值的顧客群⊙忠誠顧客對企業的利潤貢獻較高⊙流失顧客對企業的利潤貢獻交低⊙顧客佔有率越高對企業獲利性越高三.初步命題假設⊙非契約式的環境中，顧客與企業間的交易關係長52四.觀念性研究模型之雛型本研究由RFM模型外加L變數(顧客關係長度)，並以顧客獲利性(M)取代顧客購買金額而來，簡稱為LRFM資料模型。

由接觸時間和顧客行為因子兩種構面組成。顧客購買產品種類顧客沉寂長度顧客關係長度顧客人數比率顧客購買頻率顧客獲利性接觸時間構面交易行為構面四.觀念性研究模型之雛型本研究由RFM模型外加53四、個案研究(一)、個案背景、動機

行政院主計處９０年９月國情統計報告，「零售業中的綜合商品業因連鎖式便利商店及量販店受消費者青睞，營業家數持續增加，近五年營業額平均年增１０．７％故研究個案對象為「大型量販店」四、個案研究(一)、個案背景、動機行政院主計處９０年９54(二)、個案研究的目的與顧客分類方式研究的主要目的為（1）了解ＣＲＭ運作流程的模式以及顧客區隔的方式。（2）探討ＣＲＭ活動績效評估方式。（3）比較本研究所採用的Ｌ、Ｒ、Ｆ、Ｍ的顧客區隔方式與Ａ公司所用的顧客區隔方式。（4）針對個案公司的實際案例以修正本研究之假設命題與研究模型。（5）探討ＤＭ分群技術於ＣＲＭ活動之直接郵件的顧客名單篩選，以比較本研究所產生的顧客區隔與個案公司郵件活動的績效表現。(二)、個案研究的目的與顧客研究的主要目的為55(二)、個案研究的目的與顧客分類方式⊙顧客分類方式：目前Ａ公司的顧客分類大致有兩類：依顧客的「消費金額」區分和「造訪次數」區分。以最近是否有交易的會員顧客來區分為「活躍型」與「靜態型」。(二)、個案研究的目的與顧客⊙顧客分類方式：56(三)、個案公司之ＣＲＭ的定義與運作流程所運作的ＣＲＭ運作的流程為（1）確定行銷活動主題（2）針對主題找出主題活動（3）在主題活動下，找出目標顧客群（4）行銷活動執行（5）紀錄活動結果與評估績效（6）學習過去的活動結果Ａ公司ＣＲＭ最主要目的乃從活躍顧客中找出忠誠顧客，對忠誠顧客的定義為「購買頻率較高的顧客群與購買金額較高的顧客群中相互重疊的顧客群」。目前ＣＲＭ的運作流程並未採用資料倉儲、資料採礦、ＣＲＭ的套裝軟體或開發支援ＣＲＭ運作系統。(三)、個案公司之ＣＲＭ的定義與所運作的ＣＲＭ運作的流程為57(四)、整合資料採礦之ＣＲＭ流程的預期成效⊙本研究預期個案公司在採用本研究所提出之顧客區隔方式後所產生之預期成效如下：（1）結合資料採礦技術來進行郵件活動中的活躍顧客的分群作業，以有效區隔個案公司活躍顧客群中不同價值的顧客群。（2）探討個案公司活躍顧客群之顧客獲利性與人數比例，進一步瞭解的不同顧客區隔利潤貢獻情形。（3）將本研究所產生之顧客區隔結合個案公司的郵件活動回應資訊，進一步探討本研究所產生的顧客區隔的回應率。透過郵件活動績效衡量方式，以區隔出不同價值的顧客在活動中的績效表現。

(四)、整合資料採礦之ＣＲＭ⊙本研究預期個案公司在採用本研58(五)、個案結和研究假設的修正Ｈ１：活躍顧客與企業間的交易關係長度維持越長久則顧客獲利性不一定會提昇。Ｈ２：活躍顧客群中少數顧客可以創造較高的利潤貢獻。Ｈ３：活躍顧客中的忠誠顧客對企業的利潤貢獻較高。Ｈ４：活躍顧客中的流失顧客對企業的利澗貢獻較低。Ｈ５：活躍顧客的顧客佔有率越高則顧客對企業的利潤貢獻越高。Ｈ６：活躍顧客之顧客獲利性越高則活動績效表現越佳。

(五)、個案結和研究假設Ｈ１：活躍顧客與企業間的交易關係長度59伍、資料分析(一)、資料採礦分析1.第一階段分群處理(SOM):輸出維度49，階段數:100

2.第二階段分群作業(K-M