Speaker:劉致中
Date:2018-09-20
view(s): 247
  • 00:27 1.
    Slide 1
  • 00:27 2.
    本章大綱
  • 00:15 3.
    Slide 3
  • 00:31 4.
    本章範圍
  • 00:33 5.
    本章重點
  • 00:13 6.
    章前企業案例
  • 00:05 7.
    本章大綱
  • 01:10 8.
    6-1 顧客資訊系統
  • 00:49 9.
    二、資訊系統
  • 02:08 10.
    三、顧客關係管理資訊系統 CRM系統定義 資訊系統其使用領域為 行銷 銷售 顧客服務 忠誠度方案
  • 04:37 11.
    顧客關係管理資訊系統架構(分析單元要包含三項:分析型、操作型、協同型)
  • 01:36 12.
    分析單元 操作型: 計算 篩選 資料分析 分析型: 多維度分析 資料採礦與巨量資料分析
  • 01:03 13.
    CRM系統分類 操作型系統(operational systems): 負責自動化與支援CRM流程 客服系統(Call center)、 SFA(如POS)、行銷自動化(如email, campaign) 也包含顧客(自助)服務、行動銷售(mobile sales)、現場服務(Field Service)
  • 01:25 14.
    分析型系統(Analytical Systems): 用以分析顧客資料與知識 工具包含Datamining, Webmining, Data warehouse, OLAP等 協同型系統(Collaborative systems): 用以管理及整合溝通管道及顧客互動的接觸點 包含企業網站、e-mail、顧客入口網站、網路會議系統、社交媒體(例如網站、虛擬社群、臉書紛絲專頁)等
  • 00:28 15.
    操作型CRM資訊系統功能 顧客聯繫: 約定拜訪時間、內容 意見反應 交易流程支援: 下單(購物車)、結帳、付款等,如果是數位化商品
  • 00:31 16.
    顧客服務: 查詢產品型錄、查詢業務流程、表單下載、問題解答 機會分析: 發現一些商機 例如了解顧客購買偏好、尋找潛在客戶
  • 00:13 17.
    本章大綱
  • 01:45 18.
    6-2 網際網路技術與應用
  • 01:03 19.
    一、電子交易與服務技術 電子交易網站:操作型 自助服務:操作型 資料蒐集與分析技術 搜尋技術:操作型 瀏覽紀錄與日誌檔案(Log File):操作型 協同過濾軟體(Collaborative Filtering):分析型
  • 00:46 20.
    二、資料蒐集與分析技術 搜尋引擎與代理程式(Agent) 瀏覽紀錄 資料剖析 RFM分析(Recency、Frequency、Monetary) 協同過濾軟體(Collaborative Filtering) 資料倉儲(Data Warehouse) 資料採礦(Data Mining)
  • 00:32 21.
    三、電子郵件或發送技術
  • 00:14 22.
    四、社群媒體應用
  • 00:26 23.
    五、雲端運算服務技術 基礎架構即服務(IaaS) 平台即服務(PaaS) 軟體即服務(SaaS)
  • 00:07 24.
    本章大綱
  • 01:13 25.
    6-3 商業智慧
  • 01:01 26.
    資料倉儲的分類:
  • 00:40 27.
    Slide 27
  • 01:28 28.
    資料倉儲的運作方式 維度模式之建立
  • 01:19 29.
    資料倉儲的分析與運用 用簡單的例子說明資料倉儲的概念,表6-1是簡化交易資料表。資料倉儲將可能分析的構面定義為維度,將可能的分析均計算出來。 例如:中區顧客(顧客維度)交易金額是750+160+240=1,150元,中區顧客的糕餅(產品維度)交易金額是160+240=400元,而中區顧客的糕餅在三月份(時間維度)交易金額是160元。這些可能的結果均儲存於資料倉儲中,透過分析處理工具,可以快速得到所需的結果。
  • 00:13 30.
    Slide 30
  • 00:08 31.
    Slide 31
  • 00:05 32.
    Slide 30
  • 00:11 33.
    Slide 31
  • 00:08 34.
    Slide 30
  • 00:43 35.
    Slide 31
  • 00:42 36.
    銷售主體的維度 產品維度: 產品編號(連結至銷售主體)、產品描述、產品型態、產品規格指標(如顏色、尺寸、重量等) 顧客維度: 顧客編號(連結至銷售主體)、顧客性別、姓名、年齡、住址、電話、E-mail等
  • 00:22 37.
    地區維度: 地區編號(連結至銷售主體)、地址 日期維度: 日期(連結至銷售主體)
  • 00:20 38.
    維度的顆粒 產品維度: 產品名稱、產品分類(小類、中類、大類)描述、全公司產品等 顧客維度: 顧客、顧客群、所有顧客
  • 00:21 39.
    地區維度: 鄉鎮、縣市、國家、洲別 、全世界 日期維度: 日、週、月、季、年
  • 01:13 40.
    線上分析處理 線上分析處理(Online Analysis Processing, OLAP) 操作: 按下維度與顆粒的按鈕,便迅速得到所需的結果 線上直接進行決策分析
  • 00:48 41.
    線上分析處理應用: 分析某個顧客在某個時段的交易量,支援促銷方案的擬定(運用了顧客、時間兩個維度與顆粒) 分析某個產品在某個地區、某個時段的交易量,支援促銷方案的擬定(運用了產品、時間、地區三個維度與顆粒)
  • 02:31 42.
    範例
  • 00:36 43.
    二、資料採礦 資料採礦定義及原理 資料採礦定義: 發現資料庫中隱藏的模式與關係(例如: 顧客購買模式) 推斷規則預測未來的行為 預測
  • 02:18 44.
    資料採礦定義及原理
  • 00:14 45.
    資料採礦可獲得的資訊類型(隱藏模式):
  • 00:54 46.
    資料採礦應用 分類分析(顧客分類): 依據顧客的紀錄分類成『很好』、『好』、『中等』、『不好』等信用 好的信用的顧客,其負債的比例可能會小於10% 集群分析(顧客分群): 例如進行RFM區隔
  • 00:29 47.
    連結分析(顧客行為分析): 針對顧客購買物品的關聯性進行分析 建立相關的關聯規則 序列相關分析(顧客行為分析): 針對顧客購買物品的時間次序關聯性進行分析
  • 01:45 48.
    三、巨量資料 巨量資料的定義及特性 巨量資料處理半結構或非結構化資料:
  • 02:23 49.
    巨量資料來源: Web 流量、電子郵件資訊和資料爆炸社群媒體內容( 推特、狀態資訊) 從傳感器( 用於智能電錶、製造傳感器、電錶) 或電子交易系統 巨量資料量:PB (petabyte) 級和EB(Exabyte) 級範圍
  • 00:38 50.
    巨量資料在CRM之應用 巨量資料應用之內容: 顧客區隔:精準定義每一個顧客、動態地操作顧客區隔模型 顧客互動方案:及時適切地產品推薦、交叉行銷與向上行銷、個人化促銷方案、動態定價、產品服務組合之規劃(例如長尾模式)
  • 00:53 51.
    巨量資料在CRM之應用步驟 蒐集顧客資料: 顧客資料分類:靜態、動態、商品特性 資料整合:以人為中心,把資料彙整在一起 顧客主檔
  • 00:36 52.
    分群分析: 貼標籤 擬定策略(互動方案) 隨時調整策略
  • 00:59 53.
    巨量資料應用之特色: 主動預測而非被動分析 能夠達到一對一行銷的效果 提供大量方案由顧客選擇,而不是依據顧客需求提供方案 由B2C轉而變成C2B模式
  • 00:28 54.
    巨量資料分析 Hadoop 支持廉價電腦間大量資料的分散式平行處理 Hadoop 分散式檔案系統(HDFS):資料存儲用 MapReduce:拆解龐大資料集並分配工作給群集中各節點 Hbase:NoSQL資料庫 被用於Facebook, Yahoo, NextBio
  • 00:21 55.
    記憶體內運算 利用電腦的主記憶體(RAM) 來存儲資料以避免從磁碟儲存裝置擷取資料的延遲 需要最佳化的硬體 分析平台 使用為巨大資料最佳化關聯式與非關聯式工具的高速平台
  • 00:22 56.
    Slide 52
  • Index
  • Notes
  • Discuss
  • Fullscreen
CH06 顧客資料分析工具 20161102A 42p [48-15]
Duration: 48:15, Browse: 247, Update: 2020-08-26
    • 00:27 1.
      Slide 1
    • 00:27 2.
      本章大綱
    • 00:15 3.
      Slide 3
    • 00:31 4.
      本章範圍
    • 00:33 5.
      本章重點
    • 00:13 6.
      章前企業案例
    • 00:05 7.
      本章大綱
    • 01:10 8.
      6-1 顧客資訊系統
    • 00:49 9.
      二、資訊系統
    • 02:08 10.
      三、顧客關係管理資訊系統 CRM系統定義 資訊系統其使用領域為 行銷 銷售 顧客服務 忠誠度方案
    • 04:37 11.
      顧客關係管理資訊系統架構(分析單元要包含三項:分析型、操作型、協同型)
    • 01:36 12.
      分析單元 操作型: 計算 篩選 資料分析 分析型: 多維度分析 資料採礦與巨量資料分析
    • 01:03 13.
      CRM系統分類 操作型系統(operational systems): 負責自動化與支援CRM流程 客服系統(Call center)、 SFA(如POS)、行銷自動化(如email, campaign) 也包含顧客(自助)服務、行動銷售(mobile sales)、現場服務(Field Service)
    • 01:25 14.
      分析型系統(Analytical Systems): 用以分析顧客資料與知識 工具包含Datamining, Webmining, Data warehouse, OLAP等 協同型系統(Collaborative systems): 用以管理及整合溝通管道及顧客互動的接觸點 包含企業網站、e-mail、顧客入口網站、網路會議系統、社交媒體(例如網站、虛擬社群、臉書紛絲專頁)等
    • 00:28 15.
      操作型CRM資訊系統功能 顧客聯繫: 約定拜訪時間、內容 意見反應 交易流程支援: 下單(購物車)、結帳、付款等,如果是數位化商品
    • 00:31 16.
      顧客服務: 查詢產品型錄、查詢業務流程、表單下載、問題解答 機會分析: 發現一些商機 例如了解顧客購買偏好、尋找潛在客戶
    • 00:13 17.
      本章大綱
    • 01:45 18.
      6-2 網際網路技術與應用
    • 01:03 19.
      一、電子交易與服務技術 電子交易網站:操作型 自助服務:操作型 資料蒐集與分析技術 搜尋技術:操作型 瀏覽紀錄與日誌檔案(Log File):操作型 協同過濾軟體(Collaborative Filtering):分析型
    • 00:46 20.
      二、資料蒐集與分析技術 搜尋引擎與代理程式(Agent) 瀏覽紀錄 資料剖析 RFM分析(Recency、Frequency、Monetary) 協同過濾軟體(Collaborative Filtering) 資料倉儲(Data Warehouse) 資料採礦(Data Mining)
    • 00:32 21.
      三、電子郵件或發送技術
    • 00:14 22.
      四、社群媒體應用
    • 00:26 23.
      五、雲端運算服務技術 基礎架構即服務(IaaS) 平台即服務(PaaS) 軟體即服務(SaaS)
    • 00:07 24.
      本章大綱
    • 01:13 25.
      6-3 商業智慧
    • 01:01 26.
      資料倉儲的分類:
    • 00:40 27.
      Slide 27
    • 01:28 28.
      資料倉儲的運作方式 維度模式之建立
    • 01:19 29.
      資料倉儲的分析與運用 用簡單的例子說明資料倉儲的概念,表6-1是簡化交易資料表。資料倉儲將可能分析的構面定義為維度,將可能的分析均計算出來。 例如:中區顧客(顧客維度)交易金額是750+160+240=1,150元,中區顧客的糕餅(產品維度)交易金額是160+240=400元,而中區顧客的糕餅在三月份(時間維度)交易金額是160元。這些可能的結果均儲存於資料倉儲中,透過分析處理工具,可以快速得到所需的結果。
    • 00:13 30.
      Slide 30
    • 00:08 31.
      Slide 31
    • 00:05 32.
      Slide 30
    • 00:11 33.
      Slide 31
    • 00:08 34.
      Slide 30
    • 00:43 35.
      Slide 31
    • 00:42 36.
      銷售主體的維度 產品維度: 產品編號(連結至銷售主體)、產品描述、產品型態、產品規格指標(如顏色、尺寸、重量等) 顧客維度: 顧客編號(連結至銷售主體)、顧客性別、姓名、年齡、住址、電話、E-mail等
    • 00:22 37.
      地區維度: 地區編號(連結至銷售主體)、地址 日期維度: 日期(連結至銷售主體)
    • 00:20 38.
      維度的顆粒 產品維度: 產品名稱、產品分類(小類、中類、大類)描述、全公司產品等 顧客維度: 顧客、顧客群、所有顧客
    • 00:21 39.
      地區維度: 鄉鎮、縣市、國家、洲別 、全世界 日期維度: 日、週、月、季、年
    • 01:13 40.
      線上分析處理 線上分析處理(Online Analysis Processing, OLAP) 操作: 按下維度與顆粒的按鈕,便迅速得到所需的結果 線上直接進行決策分析
    • 00:48 41.
      線上分析處理應用: 分析某個顧客在某個時段的交易量,支援促銷方案的擬定(運用了顧客、時間兩個維度與顆粒) 分析某個產品在某個地區、某個時段的交易量,支援促銷方案的擬定(運用了產品、時間、地區三個維度與顆粒)
    • 02:31 42.
      範例
    • 00:36 43.
      二、資料採礦 資料採礦定義及原理 資料採礦定義: 發現資料庫中隱藏的模式與關係(例如: 顧客購買模式) 推斷規則預測未來的行為 預測
    • 02:18 44.
      資料採礦定義及原理
    • 00:14 45.
      資料採礦可獲得的資訊類型(隱藏模式):
    • 00:54 46.
      資料採礦應用 分類分析(顧客分類): 依據顧客的紀錄分類成『很好』、『好』、『中等』、『不好』等信用 好的信用的顧客,其負債的比例可能會小於10% 集群分析(顧客分群): 例如進行RFM區隔
    • 00:29 47.
      連結分析(顧客行為分析): 針對顧客購買物品的關聯性進行分析 建立相關的關聯規則 序列相關分析(顧客行為分析): 針對顧客購買物品的時間次序關聯性進行分析
    • 01:45 48.
      三、巨量資料 巨量資料的定義及特性 巨量資料處理半結構或非結構化資料:
    • 02:23 49.
      巨量資料來源: Web 流量、電子郵件資訊和資料爆炸社群媒體內容( 推特、狀態資訊) 從傳感器( 用於智能電錶、製造傳感器、電錶) 或電子交易系統 巨量資料量:PB (petabyte) 級和EB(Exabyte) 級範圍
    • 00:38 50.
      巨量資料在CRM之應用 巨量資料應用之內容: 顧客區隔:精準定義每一個顧客、動態地操作顧客區隔模型 顧客互動方案:及時適切地產品推薦、交叉行銷與向上行銷、個人化促銷方案、動態定價、產品服務組合之規劃(例如長尾模式)
    • 00:53 51.
      巨量資料在CRM之應用步驟 蒐集顧客資料: 顧客資料分類:靜態、動態、商品特性 資料整合:以人為中心,把資料彙整在一起 顧客主檔
    • 00:36 52.
      分群分析: 貼標籤 擬定策略(互動方案) 隨時調整策略
    • 00:59 53.
      巨量資料應用之特色: 主動預測而非被動分析 能夠達到一對一行銷的效果 提供大量方案由顧客選擇,而不是依據顧客需求提供方案 由B2C轉而變成C2B模式
    • 00:28 54.
      巨量資料分析 Hadoop 支持廉價電腦間大量資料的分散式平行處理 Hadoop 分散式檔案系統(HDFS):資料存儲用 MapReduce:拆解龐大資料集並分配工作給群集中各節點 Hbase:NoSQL資料庫 被用於Facebook, Yahoo, NextBio
    • 00:21 55.
      記憶體內運算 利用電腦的主記憶體(RAM) 來存儲資料以避免從磁碟儲存裝置擷取資料的延遲 需要最佳化的硬體 分析平台 使用為巨大資料最佳化關聯式與非關聯式工具的高速平台
    • 00:22 56.
      Slide 52
    Location
    Folder name
    顧客關係管理
    Uploaded by
    劉致中
    Division
    資管系
    Create
    2018-09-20 00:00:00
    Update
    2020-08-26 11:49:33
    Browse
    247
    Duration
    48:15