請用此 Handle URI 來引用此文件:
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/22810
完整後設資料紀錄
DC 欄位 | 值 | 語言 |
---|---|---|
dc.contributor.advisor | 任立中 | |
dc.contributor.author | Ming-Fang Chuang | en |
dc.contributor.author | 莊明芳 | zh_TW |
dc.date.accessioned | 2021-06-08T04:29:05Z | - |
dc.date.copyright | 2010-02-04 | |
dc.date.issued | 2010 | |
dc.date.submitted | 2010-01-25 | |
dc.identifier.citation | 中文部分
1. 李章偉(2001),「資料庫行銷之顧客價值分析-以3C流通業為例」,國立台灣大學國際企業學研究所碩士論文。 2. 林慧晶(1997),「資料庫行銷之顧客價值分析與行銷策略運用」,國立台灣大學國際企業學研究所碩士論文。 3. 許瑞宏,「台灣貨幣需求實證研究-誤差修正模型之分量迴歸」,國立台灣大學經濟學研究所碩士論文。 4. 彭裕嘉,「分量迴歸在流動性風險上的應用」,國立中正大學企業管理研究所碩士論文。 5. 廖仲仁、張金鶚,「不對稱的仲介服務價格」效果:分量迴歸法之檢驗」,都市與計畫(民國95年) 第三十三卷 第一期 第1~16頁。 6. 劉永郎(2003),「中油加油站顧客服務品質之探討-以新竹地區為例」,國立中華大學科技管理研究所碩士論文。 7. 劉如興(2001),「信用卡資料庫行銷之顧客價值分析與促銷成效之研究」,國立台灣大學國際企業學研究所碩士論文。 8. 蔡智安(2005),「資料庫行銷之顧客價值分析-以加油行為為例」,國立台灣大學國際企業學研究所碩士論文。 英文部分 1. Chung-Ming Kuan (2007), “An Introduction to Quantile Regression,” Institute of Economics Academia Sinica. 2. James W. Taylor and Derek W. Bunn(1999), “A Quantile Regression Approach to Generating Prediction Intervals,” Management Science. 3. Jounghae Bang(2005),”Understanding CRM from Managers’ and Customers’ Perspective: Exploring the Implications of CRM Fit, Market Orientation, and Market Knowledge Competence,” University of Rhode Island. 4. Keming Yu, Zudi Lu and Julian Stander (2003), “Quantile Regression : Applications and Current Research Areas,” The Statistician, 52, Part 3, pp. 331-350. 5. M.L. Agrawal(2003), “Customer Relationship Management & Corporate Renaissance,” Journal of Service Research, Vol.3, N0.2 . 6. Roger Koenker (2004), “Quantile Regression for Longitudinal Data” 7. Timothy Bohling, Douglas Bowman, Steve La Valle, Vikas Mittal, Das Narayandas, Girish Ramani and Rajan Varadarajan(2006), “CRM Implementation: Effectiveness Issues and Insights,” Journal of Service Research. | |
dc.identifier.uri | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/22810 | - |
dc.description.abstract | 本研究以汽、機車顧客之加油消費行為做為資料庫行銷之實證研究資料,針對資料庫內之顧客個人資料以及交易資料,採用分量迴歸之統計方法探討顧客價值分析:針對平均每日交易金額、平均每日交易次數以及活躍性三項顧客價值衡量指標,將市場分為高、中、低顧客價值群三個區隔市場,藉由迴歸模型的估計
結果描繪各別市場內之消費者人口統計以及消費特性。 首先在平均每日交易金額和交易次數價值分析中,本研究分別以分散到各顧客消費期間之平均每日交易金額和次數做為依變數,資料庫內之人口統計變數為自變數,探討各別自變數在平均每日交易金額和次數之條件分配各分量下之邊際估計結果。並依據依變數顧客價值分配之分量,將顧客分為高、中、低三個市場區隔,藉由描述不同市場區隔內之消費者特性以構思可行之行銷策略。 此外,在活躍性價值分析中,以最大概似估計法以及加權最大概似估計法計算出消費者之平均購買期間和加權平均購買期間,並進而將兩項購買期間平均數以比例的方式呈現出活躍性指標。接著以活躍性指標做為顧客價值衡量指標,同前述之分析方式,得出不同市場區隔下之消費者特性分析以及可實行之行銷策略。 最後說明該研究使用之資料庫可能產生之限制,並針對該限制提出未來研究可能進行方向之建議。 | zh_TW |
dc.description.abstract | The main purpose of this research is to help the company establish a better understanding of its customers, figure out the heterogeneity of each one and adopt one-to-one marketing strategy rather than mass marketing strategy. Thus, we use customers’ past transaction data and apply them to Quantile Regression model to identify customers of different segmentations more precisely.
First of all, we use three customer value criteria: daily transaction money, daily transaction frequency and the ration evaluating customers’ consumption variation of time. And we apply both OLS and Quantile Regression Model to the customer data to compare the outcomes between two statistics techniques. Besides, we use Quantile Regression Model to segment customers to three groups: (1) quantile0.1~0.3: low-value customers (2) quantile0.4~0.6: middle-value customers (3) quantile0.7~0.9: high-value customers And than we use the estimating outcomes from Quantile Regression Model to describe customer characteristics of three groups. In the end, we point out the possible restrictions from the database and make some suggestions for future research. | en |
dc.description.provenance | Made available in DSpace on 2021-06-08T04:29:05Z (GMT). No. of bitstreams: 1 ntu-99-R96724050-1.pdf: 1115554 bytes, checksum: 5f2fe6a5ec3afd83191eccb0d2b462a6 (MD5) Previous issue date: 2010 | en |
dc.description.tableofcontents | 謝辭
中文摘要 一 Abstract 二 目錄 三 表次 五 圖次 六 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 研究問題與範圍 3 第四節 研究目的 3 第五節 章節架構 4 第二章 文獻探討 6 第一節 顧客關係管理 6 第二節 資料庫行銷 13 第三節 顧客價值 17 第四節 加油站市場研究 21 第三章 研究方法 22 第一節 普通最小平方迴歸模型 22 第二節 分量迴歸模型 23 第三節 最大概似估計法與加權最大概似估計法 29 第四章 實證分析 32 第一節 資料描述與處理 32 第二節 平均每日交易金額價值分析 37 第三節 平均每日交易次數價值分析 58 第四節 消費者活躍性之價值分析 77 第五章 結論與建議 94 第一節 研究結論與管理意涵 94 第二節 研究限制 98 第三節 未來研究方向 99 參考文獻 100 | |
dc.language.iso | zh-TW | |
dc.title | 分量迴歸模型之顧客價值分析-以油品消費為例 | zh_TW |
dc.title | Applying Quantile Regression Model to Analyze Customer Value: A Case Study of Gasoline Consumption | en |
dc.type | Thesis | |
dc.date.schoolyear | 98-1 | |
dc.description.degree | 碩士 | |
dc.contributor.oralexamcommittee | 周建亨,陳厚銘 | |
dc.subject.keyword | 分量迴歸模型,顧客價值分析, | zh_TW |
dc.subject.keyword | Quantile Regression Model,Customer Value Analysis, | en |
dc.relation.page | 101 | |
dc.rights.note | 未授權 | |
dc.date.accepted | 2010-01-25 | |
dc.contributor.author-college | 管理學院 | zh_TW |
dc.contributor.author-dept | 國際企業學研究所 | zh_TW |
顯示於系所單位: | 國際企業學系 |
文件中的檔案:
檔案 | 大小 | 格式 | |
---|---|---|---|
ntu-99-1.pdf 目前未授權公開取用 | 1.09 MB | Adobe PDF |
系統中的文件,除了特別指名其著作權條款之外,均受到著作權保護,並且保留所有的權利。