網際網路服務業客戶流失預測模式之研究

論文名稱(外文):, The Research of ISP Customer Churn Prediction Model. 指導教授: 李永山. 指導教授(外文):, 作者未提供 ... 語文別: 中文. 論文頁數: 119. 資料載入處理中... 跳到主要內容 臺灣博碩士論文加值系統 ::: 網站導覽| 首頁| 關於本站| 聯絡我們| 國圖首頁| 常見問題| 操作說明 English |FB專頁 |Mobile 免費會員 登入| 註冊 功能切換導覽列 (159.65.11.210)您好！臺灣時間：2022/10/2004:26 字體大小：       ::: 詳目顯示 recordfocus 第1筆/ 共1筆  /1頁 論文基本資料 摘要 外文摘要 目次 參考文獻 電子全文 紙本論文 QRCode 本論文永久網址: 複製永久網址Twitter研究生:謝逸凡研究生(外文):Yi-FanHsieh論文名稱:網際網路服務業客戶流失預測模式之研究論文名稱(外文):TheResearchofISPCustomerChurnPredictionModel指導教授:李永山指導教授(外文):作者未提供學位類別:碩士校院名稱:銘傳大學系所名稱:資訊管理學系碩士在職專班學門:電算機學門學類:電算機一般學類論文種類:學術論文論文出版年:2004畢業學年度:92語文別:中文論文頁數:119中文關鍵詞:客戶流失預測模式、資料探勘、決策樹、類神經網路外文關鍵詞:CustomerChurnPredictionModel、DataMining、neuralnetwork、andDecisionTree相關次數: 被引用:21點閱:466評分:下載:105書目收藏:6 本研究運用顧客類別、顧客滿意度、顧客忠誠度、服務品質等4個構面，包含14個變數，建立客戶流失預測雛型模式。

首先，進行探勘資料之蒐集，先剔除不完整之資料、對資料進行適當的編碼、接著運用統計分析，以了解各變數資料之分佈、再運用預測力檢定，找出該產品的重要預測變數、最後運用這些重要的預測變數，搭配資料探勘的技術，建立顧客流失預測模式，以提供企業修正顧客保留策略，降低顧客流失率，進而幫助公司獲利。

本研究是以某ISP電信公司的ADSL企業用戶作為樣本，有效資料有12177筆資料，分成87.5%為訓練組，共10655筆，用來訓練模型，測試組有1522筆，佔全部資料的12.5%。

運用資料探勘之決策樹分類技術，對顧客資料進行分析，以建立顧客流失預測模式。

研究結果發現，本研究利用顧客類別、顧客滿意度、顧客忠誠度、服務品質等4個構面建立的預測雛型模式，進行資料實測後對於預測客戶是否流失有相當顯著的效果，其中有九個主要變數預測力較高，分別為已租用時間、客服服務紀錄、折扣、申請時間、購買金額、斷線次數、最近購買日、使用費率、用戶類別。

重要的預測變數中，有二個類別變數，七個數值變數，整體而言連續型的數值變數，擁有預測能力較佳，原因為ISP業者和一般水利公司，電力公司一樣，是屬於連續提供服務的產業，顧客的行為會依據時間而不同，展現在他使用服務的行為及購買的行為上，因此在ISP客戶流失預測的架構中，連續型的資料會隨客戶成為客戶後，隨時間而變化，因此比較能夠反應出，客戶的行為變化。

本研究所作實證之結果，變數是根據ADSL的企業用戶的特性整理出來，當模型運用不同的產品或產業時，需依據其特性進行微調進行資料的收集。

收集後的資料經過預測力檢驗後，對變數一一進行驗證，找出重要的變數，有些變數不能很準確的檢驗出預測力，需要搭配變數資料分佈狀況，來研判這個變數是否重要，將資料依據要預測的結果做分群，在每一群的中，資料以同一組距來進行劃分，不同群組間，資料分佈狀況差異越大，預測效果越佳。

Thisresearchusesfourconstructswith14variablestobuildacustomerchurnpredictionmodel.Theconstructsarecustomerclassification,customersatisfaction,customerloyalty,andservicequality.Atfirst,samplesarecollectedthrougheliminatingincompletedatabyusingthedataminingtechnique.Then,thedataissequencedandstatisticallyanalyzedforitsdistribution.Furthermore,apredictionisgivenbasedontheresultingdeterminingfactor.Finally,thecustomerchurnpredictionmodelisbuiltbasedontheabovedeterminingfactorassociatedwithdataminingtechniques.Thepredictionprovidesagoal,whichhelpsthecompanytoadjusttheircustomerkeepingpolicy,whichwilldecreasecustomerchurnratethereforebenefitthecompany.Thisresearchisbasedonthecustomerdataofaninternetserviceprovider(ISP)ofTaiwan.Thetotaleffectivedataare12177records.Atotalof10655records,or87.5%effectivedata,areassignedastrainingdata.Finally,thedecisiontreeclassificationtechniquewasappliedontothecustomerchurnpredictionmodel.Theresultshowsthatcustomerloyaltyisthedeterminingconstructofpredictioncustomerchurnrate.Inaddition,thereare9majorfactors,whichyieldgoodprediction.Themajorfactorsaretotalusedtime,customerservicerecord,discounts,applicationtime,purchaseamount,disconnectionrate,dateofmostrecentpurchase,chargerate,andcustomerclassification.Oftheninemajorfactors,twoofthemareCategoricalvariables,andtheremainingsevenarenumericalvariables.Ingeneral,continuousnumericalvariablesyieldsbetterprediction,becausethatISP,likewatersupplycompanyandelectriccompany,providesservicescontinuously.Customersbehavedifferentlyastimechanges.Thereforeinordertopredictabettercustomerchurnrate,continuousnumericaldatashouldweighmoreinthepredictionmodelonceapotentialcustomerturnedcustomer.ThisresearchmodelisbasedontheanalysisoftraitsofcorporateADSLsubscribers.Whenthemodelappliesondifferentproductsorindustries,severaltypesofdataneedtobefinetunedbeforetheyarecollected,basedoncharacteristicsoftheproductorindustry.Afterthedataiscollected,itwillbefilteredbasedonitspredictability.Somevariablesdoesnotyieldprecisepredictionbythemselves.Inordertodecidewhetherthesevariablesaredecidingfactors,theyhavetobeconsideredcollateratelywiththeirdistributions.Thedata,groupedbypredictionthatitisgoingtoyield,isdividedevenlyamongeachgroup.Themorediversethedatalies,thebetterpredictionityields. 中文摘要i英文摘要iii誌謝v目錄vi表目錄viii圖目錄x第一章緒論1第一節研究背景與動機1第二節研究目的2第三節研究對象3第四節研究流程4第二章文獻探討5第一節客戶流失的定義5第二節客戶流失的因素6第三節資料採礦22一.資料採礦方法論22二.資料採礦的技術探討26(一)類神經網路26(二)決策樹32第三章研究方法37第一節研究架構37第二節個案介紹42第四章資料採礦43第一節資料選擇與處理44第二節資料分析63第三節建立模式66第五章結論與建議80參考文獻84表目錄表2-1瑞典模式7表2-2服務品質、顧客滿意度對顧客忠誠度相關研究8表2-3各學者對服務品質的定義9表2-4Parasuraman影響服務品質的十個因素10表2-5Parasuraman服務品質的5構面12表2-6各學者對服務品質的衡量13表2-7各學者對顧客滿意度的定義15表2-8各學者對顧客滿意度的衡量16表2-9各學者對忠誠度的定義16表2-10衡量顧客忠誠度相關研究18表2-11顧客特徵、客戶行為與客戶流失相關研究19表2-12顧客特徵、客戶行為結合資料探勘進行客戶流失相關研究21表2-13RFM顧客購買行為預測相關研究21表4-1資料欄位原始值45表4-2公司人數，年度營業額資料欄位原始值分析表46表4-3顧客狀態分布表47表4-4訓練組、測試組資料分佈表47表4-6租用合約資料分佈48表4-7使用費率資料分佈49表4-8用戶類別資料分佈50表4-9機房地區資料分佈52表4-10是否暫斷資料分佈58表4-11數值變數預測性評估表63表4-12類別變數預測性評估表65表4-13數值變數預測力順序表66表4-14類別變數預測力順序表66表4-15C5.0分類模型變數表-167表4-16C5.0分類模型預測準確度表-167表4-17C5.0分類模型變數表-267表4-18C5.0分類模型預測準確度表-268表4-19C5.0分類模型變數表-368表4-20C5.0分類模型預測準確度表-368表4-21C5.0分類模型變數表-469表4-22C5.0分類模型預測準確度表-469表4-23C5.0分類模型變數表-569表4-24C5.0分類模型預測準確度表-570表4-25C5.0分類模型變數表70表4-26C5.0分類模型預測準確度表-671表4-27C5.0分類模型預測準確度表-671表4-28C5.0分類模型預測準確度表-771表4-29C5.0分類模型預測準確度表-772表4-30C5.0分類模型預測準確度表-872表4-31C5.0分類模型預測準確度表-873表4-32C5.0分類模型預測準確度表-973表4-33C5.0分類模型預測準確度表-973表4-34C5.0分類模型預測準確度表-1074表4-35C5.0分類模型預測準確度表-1074表4-36C5.0分類模型預測準確度歸納表-174表4-37C5.0分類模型預測準確度歸納表-274表4-38是否暫斷資料分佈表75表4-39最近購買日的資料統計表76表4-40C5.0重要的屬性表77表4-41C5.0分類模型預測準確度表77表4-42類神經網路預測準確度78表5-1建立ADSL模型變數表80圖目錄圖1-1研究流程4圖2-1服務-利潤鏈6圖2-2顧客滿意瑞典模式7圖2-3知識發掘（KnowledgeDiscoveryProcess）23圖2-4生物神經網路27圖2-5類神經網路架構28圖2-6人工神經元29圖2-7決策樹的例子33圖2-8利用事後修剪法修剪決策樹34圖3-1研究架構40圖3-2操作性架構41圖4-1資料採礦流程43圖4-4用戶類別資料分佈51圖4-5機房資料分佈52圖4-6最近購買日資料分佈53圖4-7購買頻率資料分佈54圖4-8購買金額資料分佈55圖4-9折扣資料分佈56圖4-10交叉購買資料分佈57圖4-11是否暫斷資料分佈58圖4-12客服紀錄資料分佈59圖4-13已租用時間資料分佈60圖4-14申請時間時間資料分佈61圖4-15斷線紀錄資料分佈62圖4-16最近購買日的資料分佈圖76圖4-17決策樹的GainChart78圖4-18類神經的GainChart79圖5-1ISP客戶流失預測模式81 中文部分1.林萍，我國網際網路服務業競爭策略之研究，國立台灣大學資訊管理學研究所未出版之碩士論文，民國86年2.吳坤泉，行動電話顧客流失行為探討，成奶j學EMBA碩士論文，民國91年3.吳旭智、賴淑貞譯，MichaelJ.A.BerryandVordonS.Linoff著，資料採礦理論與實務—顧客關係管理的技巧與科學，數博網股份有限公司，民國904.陳育凱，ISP之關鍵成它]素探討－運用AHP法，中國文化大學/國際企業管理研究所，民國89年5.陳文華，利用類神經網路預測債券之殖利率－結合因果關係法選取影響殖利率之指標並進行敏感度分析，國立台灣大學國企所，民國906.彭文正譯，BerryandLinoff著，資料採礦—顧客關係管理暨電子行銷之應用，數博網股份有限公司，民國907.莊澤生，利用資料探勘技術發掘議題網絡，中山大學資訊管理學系碩士論文，民國91年8.張倩茜譯，ArthurM.Hughes著，資料庫行銷實用策略，McGraw-Hill，民國909.蔡永�琚A應用資料挖掘技術研究銀行顧客消費行為，靜宜大學資訊管理學系碩士論文，民國89年10.葉怡成，類神經網路模式應用與實作，儒林出版社，民國82年11.葉涼川，Berson、Smith、Thearling著，CRMDataMining應用系統建置，McGraw-Hill，民國9012.遠擎金融暨服務事業顧問群，顧客關係管理深度解析，ARC遠擎管理顧問公司，民國90年13.盧淵源譯，杉本辰夫著，事務、營業、服務的品質管制，中興管理顧問公司，民國85年。

14.竇立德，完全ISP手冊，網際空間，民國85年英文部分1.Anderson,EugeneW.andMary.W.Sullivan,“TheAntecedentsandConsequencesofCustomerSatisfactionforFirms,”MarketingScience,Vol.12,No.2,pp.125-143,19932.Anderson,E.W.,C.Fornell,andD.R.Lehman."CustomerSatisfaction,MarketShare,andProfitability:FindingsfromSweden,"JournalofMarketing,58,January,178-192.19943.Brozovsky,John(VirginiaTech)andR.DavidMautz,"ExploringtheEffectsofAdvertisingonAuditMarkets:ALaboratoryInvestigation."4.Bowen,JohnT.andStoweShoemaker,”Loyalty:AStrategicCommitment”,CornellHotelandRestaurantAdministrationQuarterly,February,19985.Bolton,RuthN.,“ADynamicModeloftheDurationoftheCustomer’sRelationshipwithAContinuousServiceProvider:TheRoleofSatisfaction,”MarketingScience,Vol.17,No.1,pp.45~65.19986.Bolton,R.N.,“ADynamicModeloftheDurationofCustomer’sRelationshipwithAContinuousServiceProvider:TheRoleofSatisfaction,”MarketingScience,Vol.17,Iss.1,pp.45-65.19987.Bolton,RuthN.andKatherineN.Lemon,“ADynamicModelofCustomers’UsageofServices:UsageasanAntecedentandConsequenceofSatisfaction,”JournalofMarketingResearch.Vol.36,No.2,pp.171~186.19998.Crosse&Hempel,”ManagementPoliciesforCommercialBanks.3rdedition.”,EnglewoodCliffs,NewJersey:Prentice-HallInc.1980.9.Churchill,GilbertA.andCarolSuprenant..“AnInvestigationIntotheDeterminantsofCustomerSatisfaction”.JournalofMarketingResearch.Vol.19,491-504.198210.Cronin,J.JosephandStevenA.Taylor,“MeasuringServiceQuality:AReexaminationandExtension”,JournalofMarketing,Vol.56(July),pp.55-68.199211.Cai,Y.,Deilami,I.,Train,K.“Customerretentioninacompetitivepowermarket:Analysisofa‘double-boundedplusfollow-ups’questionnaire”.EnergyJournal19,191–215.199812.Dick,A.S.,Basu,K.,”Customerloyalty:Towardanintegratedconceptualframework”,JournaloftheAcademyofMarketingScience,22,99-113.199413.Dabholkar,P.A.,“ConsumerEvaluationsofNewTechnology-BasedSelf-ServiceOptions:AnInvestigationofAlternativeModelsofServiceQuality,”InternationalJournalofResearchinMarketing,Vol.13,Iss.1,,pp.29-51.199614.DDrakeC.,GwynneA.,andWaiteN.,“BarclaysLife:CustomerSatisfactionandLoyaltyTrackingSurvey”,InternationalJournalofBankMarketing,pp.287-292.199815.DavidJ.Hand,HeikkiMannilaandPadhraicSmyth,“PrinciplesofDataMining”,MITPress,Fall,2000.16.Drew,JamesH.,D.R.Mani,AndrewL.BetzandPiewDatta,“TargetingCustomerswithStatisticalandData-miningTechniques,”JournalofServiceResearch.Vol.3,No.3,pp.205~219.200117.DavidMitchell;RobertPavur,”Usingmodularneuralnetworksforbusinessdecisions”,ManagementDecision,Vol.40,No.1,pp.58~63.200218.F.S.Wong.“Timeseriesforecastingusingbackpropagationneuralnetworks.”,NU-CCS-90-9,1990.19.Fornell，C.,〝ANationalCustomerSatisfactionBarometer：TheSwedishExperience,〞JournalofMarketing,Vol.55,pp.1-22,1992.20.Frederick,E.,Reichheld,”TheLoyaltyEffect”.HarvardBusinessReview,March/April1996.21.Fayyad,U.M.,Piatetsky-Shapiro,G.,Smyth,P.“TheKDDprocessforextractingusefulknowledgefromvolumesofdata”.CommunicationsoftheACM39(11).199622.Freeman,J.A.andSkapura,D.M.,”NeuralNetworksAlgorithms,Applications,andProgrammingTechniques”,Addison-WesleyPublishingCompany:NewYork,1992.23.Gronroos,C.,“AServiceQualityModelandItsMarketingImplications,”EuropeanJournalofMarketing,Vol.18,Iss.4,pp.37-45.198424.G.Piatetsky-ShapiroandW.J.”Frawley,KnowledgeDiscoveryinDatabases“,AAAI/MITPress,Cambridge,MA,199125.Gruber,Harald,“AnInvestmentViewofMobileTelecommunicationsintheEuropeanUnion,”TelecommunicationsPolicy,Vol.23,pp.521-538.199826.Gronholdt,Lars,AnneMartensen,andKaiKristensen,"TheRelationshipBetweenCustomerSatisfactionandLoyalty:Cross-IndustryDifferences,"TotalQualityManagement,11(4),S509-S14.200027.Haywood,F.J.,“AConceptualModelofServiceQuality,”InternationalJournalofOperationsandProductionManagement,Vol.8,Iss.6,pp.19-29.198828.Mitra,A.,Fundamentalsofqualitycontrolandimprovement,NewYork:Macmillan.199329.Heskett,JamesL.ThomasO.Jones,GaryW.Lovemen,W.EarlSasser&LeonardA.ASchlesinger“PuttingtheService-ProfitChaintoWork”.HarvardBussinessReviewMar./Apr.,pp.164-174.199430.Han,J.andM.Kamber,DataMining：ConceptsandTechniques,SanFrancisco,CA,USA：MorganKaufmann,200031.J.HpwardandJ.N.Shtth,TheTheoryofBuyerBehavior,Wiley,1969.32.Jones,ThomasO.andSasser,EarlW.Jr,:"WhySatisfiedCustomersDefect".HarvardBusinessReview,November-December(pp.88-99).199533.JohnMigkautsch,”ApplicationofRFMprinciples:whattodowith1-1-1customers”,JournalofDatabaseMarketing,Vol09,4.319-324.200334.Kotler,Philip,MarketingManagement:Analysis,Planning,Implementation,andControl,8thed.,NewJersey:PrenticeHall,Inc.199435.Keaveney,SusanM.,“CustomerSwitchingBehaviourinServiceIndustries:AnExploratoryStudy,”JournalofMarketing,59(April),71-82.(1995)36.Jones,T.O.andW.EarlSasser,“WhySatisfiedCustomerDefect”,HarvardBusinessReview,pp.88-99.199537.Levitt,T.,“Production-LineApproachtoService,”HarvardBusinessReview,Vol.50,Iss.4,pp.41-52.197238.Lethinen,U.,andJ.R.Lethinen,“TwoApproachestoServiceQualityDimensions,”ServiceIndustriesJournal,Vol.11,Iss.3,pp.287-303.199139.Li,Shaomin,“SurvivalAnalysis.,”MarketingResearch.Vol.7,No.4,pp.17~23.199540.Lee,Jonathan,JanghyukLee,andLawrenceFeick,“TheImpactofSwitchingCostsontheCustomerSatisfaction-loyaltyLink:MobilePhoneServiceinFrance,”JournalofServicesMarketing,Vol.15,No.1,pp.35~48.200141.LMoutinho;P.A.Phillips,”Theimpactofstrategicplanningonthecompetitiveness,performanceandeffectivenessofbankbranches:aneuralnetworkanalysis”,TheInternationalJournalofBankMarketing,Vol20,No3,pp102-110,200242.Martin,W.B.,“DefiningWhatQualityServiceIsForYou,”CornellHotelAndAdministrationQuarterly,Vol.26,Iss.4,pp.32-38.198643.Mehrotra,Kishan,ChilukuriK.Mohan,SanjayRanka,“ElementsofArtificialNeuralNetworks”,London:ABradfordBookTheMITPress,P8199744.Madden,Gary,ScottJ.SavageandGrantCoble-Neal,“SubscriberChurnintheAustralianISPMarket”,InformationEconomicsandPolicy,Vol.11,pp.195~207.199945.MacKenzie,ScottB.andRichardA.Spreng,"HowDoesMotivationModeratetheImpactofCentralandPeripheralProcessingonBrandAttitudesandIntentions?,"JournalofConsumerResearch,18(March),519-529.199246.N.Greenfeld,“DataMining”,UnixReview,May1996,pp.9-14.47.Ostrom,AmyandDawnIacobucci,"ConsumerTrade-OffsandtheEvaluationofServices,"JournalofMarketing,59,(Jan)17-28.199548.Parasuraman,A.,V.A.Zeithaml,andL.L.Berry,“AConceptualModelofServiceQualityandItsImplicationforFutureResearch,”JournalofMarketing,Vol.49,Iss.4,pp.41-50.198549.PieterAdriaans,andDolfZantinge.DataMining,Addison-Wesley,Harlow,1996.50.Peacock,P.R.,“Datamininginmarketing:Part2”,MarketingManagement7(1),15–25.199851.Reynolds,LeightonD&NigelG.Wilson.,”ScribesandScholars:AGuidetotheTransmissionofGreekandLatinLiterature”.Oxford:Clarendon,1968;2nded.,1974.52.Rumelhart,E.,Hinton,G.E.andWilliams,R.J.,”Learninginternalrepresentationsbyerrorpropagationinparalleldistributedprocessing”,MITPress:Cambridge,pp.318-362.198553.Reichheld，FrederickF.，EarlW.Sasser，“ZeroDefections：QualityComestoServices,”HarvardBusinessReview，(September-October)，105-111.199054.RogerD.Blackwell,PaulW.Miniard,andJamesF.Engel,ConsumerBehavior,TheDrydenPress,DivisionofHarcourtBraceJovanovich,9thEdition,2000.55.R.P.Lippmann.”AnintroductiontocomputingwithNeuralnetwork”,IEEEASSPMagazine,198756.FrederickF.Reichheld,“Loyalty-BasedManagement,”HarvardBusinessReview,Vol.71(March-April),pp.64-73.1993.57.StuartRussell,PeterNorving.“InteligenciaArtificial.Unenfoquemoderno".PrenticeHall.1995.58.Simoudis,E.“RealityCheckforDataMining”,IEEEEXPER,Vol.11.No.5,OCTOBER,pp26-33.199659.SPSSwhitepaper,Workingwithtelecommunications,“ChurningintheTelecommunication,”SPSSWhitePaper,1999.60.S.Daskalaki,I.Kopanas,M.Goudara,N.Avouris,“Dataminingfordecisionsupportoncustomerinsolvencyintelecommunicationbussiness”,EuropeanJournalofOperationalResearch145,p239-255.200361.Taylor,StevenA.andThomasL.Baker(1994),“AnAssessmentofRelationshipBetweenServiceQualityandCustomerSatisfactionintheFormationofConsumer’sPurchaseIntention”,JournalofRetailBanking,Vol.70,pp.163-178.62.TSE,G.K.,WILTON,P.C.Modelsofconsumersatisfactionformation:anextention.JournalofMarketingResearch.p.204-212,maio,1988.63.Oliver,RichardL.,R.T.RustandS.Varki,“CoustomerDelight:Foundations,FindingsandManagerialInsight”,JournalofRetailing,Vol.73,pp.311-336.199764.Walczak,Steven,”AnEmpiricalAnalysisofDataRequirementsforFinancialForecastingwithNeural”,JournalofManagementInformationSystems,Vol.17No.4,Spring2001,pp.203–222,200165.Venugopal,V.andBaets,W.(1994)"NeuralNetworksandStatisticalTechniquesinMarketingResearch",MarketingIntelligence&Planning,vol.12,no.7,pp.30-3866.Vellido,A.,Lisboa,P.J.G.andVaughan,J.,“Neuralnetworksinbusiness:asurveyofapplications(1992-1998),”ExpertSystemsWithApplications,Vol.17.pp.51-70.1999  電子全文  國圖紙本論文 推文 網路書籤 推薦 評分 引用網址 轉寄                                                                                                                                                                                                                    top 相關論文 相關期刊 熱門點閱論文 1. ISP之關鍵成功因素探討－運用AHP法 2. 我國網際網路服務業競爭策略之研究 3. 行動電話顧客流失行為探討 4. 3C零售連鎖通路之資料庫行銷策略探討 5. 利用資料探勘技術發掘議題網絡 6. 資料探勘於外籍勞工逃逸管理之研究 7. 資料探勘於隨選視訊(MOD)客戶流失預測之研究 8. 應用資料探勘技術分析無線網路消費者的行為-以台北市A公司為例 9. 行動電話服務品質之研究—以台灣大哥大公司為例 10. 應用資料探勘技術於固網電信業顧客關係管理之消費者行為研究 11. 運用基因演算法從使用者瀏覽行為預測顧客流失 12. 以資料探勘技術降低學生流失之研究-以某技術學院附設進修院校為例 13. 理財商品流失顧客之研究 14. 應用資料探勘技術於心理評量工具對篩選軍中自我傷害傾向人員之研究 15. 以非結構性資料進行資料探勘來制定客戶關係管理策略   無相關期刊   1. 客戶流失預測模式之研究—以使用信用卡循環利息為例 2. 行動電話顧客流失行為探討 3. 史記女性形象考述 4. 網路電話客戶流失預測之研究 5. 《人民日報》台灣新聞報導內容研究－民進黨執政前後之比較分析 6. 運用資料採礦技術建立客戶流失預測模型以聯成電腦為研究對象 7. 臺灣高屏六堆客家傳統婚禮之研究 8. 金門蔡獻臣研究 9. 溝通過程、溝通品質與技術移轉績效因果關係之探討－以電子資訊產業為例 10. 品牌形象、品牌個性對品牌忠誠度之探討-少女流行服飾業之實證 11. 通信資料庫之資料探勘：客戶流失預測之研究 12. 以客服中心通話行為預測分析顧客流失率-以A公司為例 13. 應用資料探勘於客戶流失預測模式之研究-以某證券公司為例 14. 應用資料探勘於期刊論文與專利檢索建構具時序概念知識地圖之研究 15. 最大懲罰概似原則之模糊集群演算法運用於探勘紅斑性狼瘡患者之中醫潛在證型類別     簡易查詢 | 進階查詢 | 熱門排行 | 我的研究室