結合產品交易數量與RFM模型發展行銷策略

Abstract

隨著零售業快速成長，全台灣零售業營業額光是去年11月已達3,698億元台幣，但現今顧客的喜好越來越多元，企業不可能完全滿足每一個顧客，而這種挑戰在零售業中卻是非常常見的。但隨著資料庫的建立以及演算法的進展，對顧客進行區隔以及分類，能使企業盡力達到滿足每位顧客的目標。顧客區隔可以讓企業了解不同顧客群的行為和喜好，根據顧客的偏好制定行銷策略，更能有效的識別最能帶來收益的關鍵顧客群。 進行顧客區隔時，顧客交易資料是預測未來顧客購買行為的最有力和最可靠的資料，但目前雖然有大量運用顧客交易資料來區隔顧客的研究，卻很少有研究將產品交易數量，也就是產品的銷量考慮在內。因此本研究在進行顧客區隔時，把產品交易數量的概念加進分析，並同時比較無產品交易數量的結果，藉此證明產品交易數量確實能使顧客區隔更加準確、有效率。最後結合加入產品交易數量的分析方式與傳統RFM模型將顧客分群，找出真正具有價值的顧客，作為企業在推行促銷組合的參考依據。