全球化競爭開放的環境下，顧客關係管理是企業關心的重點，對企業生存與競爭力扮演著重要角色，尤其在服務導向的商業行為更顯重要。企業可從龐大的顧客交易資料中，利用資料探勘技術挖掘出潛藏有用的資訊與規則，可用來幫助企業分析顧客的忠誠度或是否為流失客戶以及分析顧客購買特性，可運用於建立顧客關係，兼具人性化及便利性的行銷活動與服務品質，協助企業營運，提供企業有用的策略。

本研究從個案公司角度探討顧客貢獻價值，含括理論方法與實務應用性，首先利用RFM模型，產生R(最近一次消費)、F(消費頻率)、M(消費金額)三項衡量指標，作為分群的輸入選項，採用K-means分群法則進行顧客分群，成功地將顧客分為最佳型顧客、流失型顧客、頻率型顧客及潛力型顧客。將各集群顧客進行消費特徵及消費行為分析，以瞭解各集群的差異及輪廓，經研究分析各集群呈現明顯差異，接著進行Apriori關聯法則，分析不同集群的購買規則，挖掘出目標顧客群偏愛的商品與組合。最後針對不同集群實施差異化顧客關係管理之行銷策略，企業可提供更多元的產品及服務，提昇顧客滿意度，以增進企業獲利能力及提高競爭力。

Customer relationship management, the important role for a company’s survival and competitiveness, is the main concerned strategy by a corporation, especially in service oriented business behavior among the global competition and open market. In order to have the customer royalty survey for purchasing behavior analysis and to build the customers’ relationship in effective marketing activities and solid service quality, a corporation could observe the necessary information and rule among the huge database. We process the customers’ transactions by using data mining method which could assist us to make the strategy for a corporate and stables the operation.

The study focuses on the customer contribution value, including theory method and practical applications, in case company by using RFM model which generated 3 measured indicators including R ( Recency ), F ( Frequency ) and M ( Monetary ) as input items of grouping and separated the customers with optimized, outflowing, frequent and potential customers by K-means. We analyze the purchasing features and behavior of each group to understand the difference characteristic and profile. We also use Apriori principles to perceive the purchasing rules and dig out the preferable products and its combinations for the target customers by data mining approach. Eventually, a valuable market strategy is obtained for executing customer relationship management with different customer group. Thus, the case company will provide the comprehensive products and services to improve customers’ satisfaction and reach the final target of raising the revenue and competitive advantages.

中文部分：

1.尹相志（2009），SQL Sever 2008 Data Mining資料採礦，悅知文化出版，台北，台灣。
2.李紹綸（2003），「分群演算法運用在零售業商品銷售之研究」，亞東學報，第23期，頁1-6，新北，台灣。
3.李明蒓（2011），「應用資料探勘技術於顧客關係管理之個案研究」，國立彰化師範大學行銷與流通管理研究所碩士論文，彰化，台灣。
4.李振昌譯（2003），客戶關係管理，天下文化出版，台北，台灣（英文原著：Prahalad, C. K.（2002）, Harvard Business Review on Customer Relationship Management, Harvard Business Review, Watertown, USA.）。
5.林柏甫（2003），「客戶關係管理應用於顧客保留及顧客成長以電子業為例」，國立成功大學高階管理碩士在職專班碩士論文，台南，台灣。
6.林佩蓉（2008），「利用資料採礦技術找出不同價值客戶最佳銷售組合-以某量販店為例」，國立中正大學企業管理所碩士論文，嘉義，台灣。
7.林孟潔（2009），「應用RFM模型於定期航運之顧客價值分析」，大同大學資訊經營研究所碩士論文，台北，台灣。
8.陳順宇（2005），多變量分析 第四版，華泰文化，台北，台灣。
9.陳景祥（2014），R軟體統計方法 修訂版，東華書局，台北，台灣。
10.陳曉開譯（2003），客戶關係管理手冊，台灣培生教育出版，台北，台灣 （英文原著：Dyche, J.（2002）, The CRM Handbook：A Business Guide to Customer Relationship Management, Addison-Wesley, Boston, USA.）。
11.陳德富（2013），顧客關係管理：整合觀點與創新思維 第二版，滄海書局，台中，台灣。
12.徐茂練（2014），顧客關係管理 第五版，全華圖書出版，台北，台灣。
13.許雅涵、徐武永與李世能（2011），「運用 RFM 模型分析顧客消費行為與貢獻度之研究及應用實務-以中油會員卡顧客為例」，石油季刊，第 47 卷，第 1 期，頁 83-100，台北，台灣。
14.黃宇彤與陳罡熙（2009），「利用RFM模型於顧客價值分析之個案研究」，建國科大學報，第28卷，第2期，頁19-32，彰化，台灣。
15.黃心心（2012），「應用資料探勘技術於食品業之顧客價值分析」，南台科技大學企業管理所碩士論文，台南，台灣。
16.黃子恩（2009），「顧客價值分析與顧客關係管理之研究－以A鋼鐵公司個案為例」，高雄應用科技大學工業工程管理碩士論文，高雄，台灣。
17.張俊榮（2001），「顧客關係管理參考模式之研究」，國立臺北科技大學商業自動化與管理研究所碩士論文，台北，台灣。
18.楊清潭（2003），「應用資料探勘技術於顧客價值分析之研究」，東吳大學資訊科學所碩士論文，台北，台灣。
19.經濟部商業司（2000）， 「1999年度台灣顧客關係管理運用現狀調查報告」，電子商務導航，第2卷，第13期，頁38-47，台北，台灣。
20.齊若蘭譯（2004），彼得杜拉克的管理聖經，遠流出版社，台北，台灣（英文原著：Drucker, P. F.（2003）, The Practice of Management, Harper Business, New York, USA.）。
21.劉文良（2013），顧客關係管理：新時代的決勝關鍵 第三版，碁峯資訊出版，台北，台灣。
22.劉世琪（2003），「應用資料挖掘探討顧客價值-以汽車維修業為例」，朝陽科技大學工業工程與管理所碩士論文，台中，台灣。
23.廖述賢與溫志皓（2011），資料探勘理論應用，博碩文化，台北，台灣。
24.廖一帆（2012），「低溫物流載具改裝與維修業之顧客關係管理系統設計應用」，國立高雄應用科技大學資訊管理所碩士論文，高雄，台灣。
25.蘇中信、劉俞志與劉蕙（2013），「以顧客價值為基礎之資料庫行銷架構」，資訊管理學報，第20卷，第3期，頁 341-366，台北，台灣。

英文部分：

1.Agrawal, R. and Srikant, R.（1994）, Fast Algorithms for Mining Association Rule, Proceedings of the 20th International Conference on Very Large Database, pp.487-499.

2.Babak, S. and Amir, K.（2007） , Customer Lifetime Value（CLV）Measurement Based on RFM Model, Iranian Accounting and Auditing Review, 14(47), pp.7- 20.

3.Breuer, G. and Peyerl, H.（2006）, Shareholder Value as a Basis for Strategic Business Decision Marking in Family Farms, Die Bodenkulter, 57(4), pp.185-196.

4.Fayyad, U. (1996) , Data Mining and Knowledge Discovery：Making Sense out of Data, IEEE Expert, 11(5), pp.20-25.

5.Han, J. and Kamber, M.（2000）, Data Mining: Concepts and Techniques,Morgan Kaufmann Publisher, San Francisco, USA.

6.Hughes, A. M.（1994）, Boosting response with RFM, Marketing Tools, 5, pp. 4-10.

7.Hughes, A. M.（2000）, Strategic Database Marketing：The Master plan for Starting and Marketing A Profitable, Customer-Based Marketing Program, 2nd ed, McGraw-Hill, New York, USA.

8.Miglautsch, J. R.（2002）, Appliction of RFM principles: What to do with 1-1-1 customers, Journal of Database Marketing, 9, (4), pp.319-324.

9.Kalakota, R. and Robinson, M.（2001）, E-Business: Roadmap for Success, 2nd ed, Addison Wesley, Boston, USA.

10.Kotler, P. and Armstrong, G.（2000）, Principles of Marketing, 7th ed Prentice Hall, New Jersey, USA.

11.McCorkell, G.（2000）, Direct and Database Marketing, McGraw-Hill, New York, USA.

12.Payne, A. and Frow, P.（2004）, The Role of Multichannel Integration in Customer Relationship Management. Industrial Marketing Management, 33(6), pp.527-538.

13.Renart, L. G. and Cabre, C.（2008）, Paths to Continuous improvement of a CRM strategy, UDK Pregledni rad Review, 66(1), pp.61-77.

14.Shaw, M. J., Subramaniam, C., Tan, G. W. and Welge, M. E. (2001), Knowledge management and data mining for marketing, Decision Support Systems, 31(1), pp.127-137.

15.Swift, R.（2001）, Accelerating Customer Relationships, Upper Saddle River: Prentice Hall, New Jersey, USA.

16.Tiwana, A.（2001）, The Essential Guide to Knowledge Management: E-business and CRM, Prentice Hall, New Jersey, USA.

17.Wang, Y. F., Chuang, Y. L., Hsu, M. H. and Keh, H. C. (2004) ,A personalized
recommender system for the cosmetic business. Expert Systems with Applications, 26, pp.427-434.

網頁部分：

1.國立臺灣大學計算機及資訊網路中心網站/資料探勘在著手探勘之前
http://www.cc.ntu.edu.tw/chinese/epaper/0030/20140920_3004.html
最後瀏覽日：2016 年04 月17 日。

2.MBA智庫百科網站/ RFM模型 http://wiki.mbalib.com/zh-tw/RFM%E6%A8%A1%E5%9E%8B
最後瀏覽日：2016 年04 月17日。

3.陳鍾誠網站/ K-means分群演算法
http://ccckmit.wikidot.com/ai:kmeans
最後瀏覽日：2016 年04月17日。