大數據行銷期末報告 信用卡資料庫分析與未來行銷策略 制定之建議 商研所 R09741XXX 江 XX 目錄 壹、前言 -------------------------------------------------------------------------------------------1 貳、資料庫 況描述 ---------------------------------------------------------------------------1 一、行銷資料庫設計 ---------------------------------------------------------------------1 二、抽樣資料 況統計 ------------------------------------------------------------------3 參、資料分析與過程 ---------------------------------------------------------------------------4 一、顧客靜態價 分析 ------------------------------------------------------------------4 （一）原始 RFM—五等分均分法 ------------------------------------------------4 （二）調整 RFM—自訂 Bob Stone ----------------------------------------------6 （三）五等分均分法與自訂 Bob Stone 前 20%顧客排名比較 ----------7 二、顧客動態價 分析 ------------------------------------------------------------------8 （一）CAI 指標 ----------------------------------------------------------------------8 （二）CRI 指標 --------------------------------------------------------------------10 三、購物籃分析 --------------------------------------------------------------------------12 （一）同時購物之購物籃分析 -------------------------------------------------12 （二）分次購物之購物籃分析 -------------------------------------------------14 （三）因素分析 --------------------------------------------------------------------16 四、集群分析 -----------------------------------------------------------------------------18 （一）K-means 分群法 ----------------------------------------------------------18 （二）F 檢定 -----------------------------------------------------------------------19 （三）ANOVA 事後檢定 ---------------------------------------------------------23 肆、結論與行銷策略之建議 -----------------------------------------------------------------28 摘要 本報告透過五種指標與分析，對 100 位信用卡客戶進行消費者行 分析。各指 標對行銷策略的含意不同，也有相對應之行銷策略制定。以下針對報告中提及 的各指標，簡述其意涵與對行銷策略制定之重要性。 一、RFM 指標：分析顧客靜態價 的重要指標，可了解消費者 R（最近購買 日）、F（消費頻率）、M（每筆消費金額）的綜合指標。本報告採用 Bob Stone 法，並依據產業特性、公司注重的指標調整 RFM 權重，以分析顧客價 。本報告內文最終將調整 RFM 前 20%客戶名單列出，詳見表六。 二、CAI 指標：指標基礎建立於 RFM 模型上，加入計算平均刷卡間隔時間 （Average interpurchase time）進行分析， 分析顧客動態價 的重要指標之 一。透過 CAI 可了解顧客消費活躍程度，並依據消費活躍程度將顧客分 漸趨 活躍群、穩定刷卡群以及漸趨靜止群，制定不同行銷策略。本報告結果漸趨活 躍群平均刷卡天數 44.29 天，穩定刷卡群 25.49 天，漸趨靜止群 46.17 天。得出的詳細結果與行銷建議將於本報告中提及。 三、CRI 指標：指標 RFM 與 CAI 指標之延伸， 分析顧客動態價 的重要指 標之一。透過 CRI 可了解顧客消費頻率穩定度，並探究造成消費頻率差異之原 因，並依據 CRI 分群制定不同行銷策略。整體分析結果而言，已婚女性客群的 CRI 最低，消費頻率最穩定。個體分析結果而言，較多單身男性 CRI 低，消 費頻率較穩定，但群體間 CRI 差異大，需透過質化研究探討原因。 四、購物籃分析：分析產品組合的重要指標，又可分 同時購物與分次購物之 購物籃分析與因素分析。透過資料庫客戶的歷史交易紀錄，分析最適的商品推 薦組合與消費者刷卡用途，以減少在制定行銷策略時的商品數目分類，也可防 止傳統行銷選品上產品組合不當的風險，更能 楚消費者刷卡動機。分析結果 針對同時購物、分次購物之購物籃選出 top 20 之商品組合，消費者刷卡用途最 終分析結果 八類。 五、集群分析：將消費行 相似的顧客集結成群的重要方法。集群分析可達到 群內差異小，群間差異大的目的，以描繪出客戶更具體的消費行 輪廓，有助 於做精準行銷。本報告分析結果最終將 100 位客戶分 四群，並依照群體特徵 命名 金雞母群、 群。結果認 未定居的金雞母群、逐漸離去群、以及忠誠&低消費族 行銷主力之一應鎖定金雞母群，以提高刷卡頻率穩定性（CRI） 目標，另一主力應鎖定忠誠&低消費群，以提高刷卡總金額 目標。 報告最後針對金雞母群與忠誠&低消費群提出行銷策略之建議，並建議行銷人 員妥善利用本份報告之分析結果，以利公司信用卡業務之推廣與營收增加。 壹、前言 信用卡公司時常透過不同的行銷策略，吸引更多新客戶申辦本公司信用卡，以 協助公司獲得更高利潤。然而，開發新客戶的時間成本極高，潛在目標客群也 不容易找尋，而公司現有的信用卡客戶基數已極 供現有客戶更高的顧客價 龐大，若將行銷目標放在提 ，並針對不同客戶提出不同行銷策略，將有助於降 低開發新客戶之時間成本，達有效之精準行銷。 “此份報告之目的，在於透過不同的分析方法，對本公司客戶之過往歷史交易資 料與客戶背景進行消費者分群與產品組合分析，以利行銷人員推出不同的行銷 策略，創造更高顧客價 。” 本報告之分析方法分 五種，各分析方法旨在判斷出最具顧客價 的客群，方 法包含：RFM、CAI、CRI、購物籃分析、以及集群分析。透過 RFM 進行消費者 靜態價 分析，以分析最具顧客價 的前 20%客群；透過 CAI、CRI 進行消費者 動態價 分析，以分析消費者的活躍程度與消費頻率穩定性；透過購物籃分 析，了解最適合推薦客戶的產品組合與購物籃；透過集群分析，了解客群在不 同的人口統計變量下之差異，並 楚了解行銷主力應鎖定哪一群體。最後，針 對以上五種分析方法，本報告將提出最終行銷策略之建議方案，以提供公司之 行銷人員制定行銷活動。 貳、資料庫 況描述 一、行銷資料庫設計 在進行顧客分析前，需建立完整數據資料庫。而數據資料庫的建立可依靠會員 申辦信用卡時的問卷，以及公司的後台會員資料以及交易紀錄資料來蒐集。本 次分析採用的信用卡資料庫檔案分 客戶資料檔、信用卡資料檔、以及信用卡 交易紀錄檔。客戶交易檔可記載客戶基本資料，如生日、性別、居住地址等， 可於會員加入時或更新會員資料時紀錄；信用卡資料檔可記載信用卡開卡日、 信用卡到期日、額度、以及卡等，資料可由公司會員資料庫中調 ；信用卡交 易紀錄檔內紀錄刷卡日期、刷卡產品產業類別、與刷卡類型等資料，公司可先 將產品產業類別編碼，以利系統於客戶消費時即時紀錄。而客戶資料檔資料蒐 集時採用的問卷與本次分析所使用的信用卡資料庫檔案與內容如表一、表二。 1 表一 客戶資料檔問卷設計示例—會員資料卡 第一部分：基本資料 申請日 _____年____月____日 會員姓名 出生年月日 _____年____月____日 性別 □男 □女 居住地址 ___市/縣____區____里____路____巷____弄_____號 _____樓 辦第一張信用 _____年____月____日 卡的時間 電話 E-mail 教育程度 □初中及初中以下 □高中 □專科 □大學 □研究所 （含）以上 婚姻狀況 □單身 □已婚 職業 □一般服務從業人員 □公務員 □白領一般職員 □白領主 管□自由業 □自營事業老闆 □自由業 □軍警 □退休或 無業 □專業(技術)人員 □農漁民 □藍領(勞動工作或作業 員)一般職員 □藍領(工廠及製造業)主管 □其他 _________ 月收入 □25,000 元以下 □25,001~40,000 元 □40,001~60,000 元 □60,001~80,000 元 □80,001~100,000 元□100,001 元以上 生活型態 □公車族 □機車族 □開車族 □單車族 □捷運族 □夜貓 子 □運動族 □愛吃族 □小鳥胃 □胃口大 □外食族 □ 在家煮 □輕食族 □重口味 最常使用的交 □公車 □機車 □汽車 □捷運 □火車 □腳踏車 □步行 通工具 最常從事的休 □吃美食 □旅遊 □運動 □散步 □看電影 □打電動 □ 閒活動 看展 □聽音樂會 □ 讀 □上網 □看電視 □郊遊 □野 餐 □露營 □逛街 □聽音樂 □其他________ 表二 信用卡資料庫檔案與內容 客戶資料檔 信用卡資料檔 信用卡交易紀錄檔 客戶 ID 信用卡 ID 交易序號 年齡 客戶 ID 信用卡 ID 生日 信用卡開卡日 客戶 ID 居住地 信用卡到期日 刷卡日期 2 表二 信用卡資料庫檔案與內容（續） 客戶資料檔 信用卡資料檔 教育程度 性別 信用額度 卡等 信用卡交易紀錄檔 刷卡產品產業分類 刷卡類型 婚姻狀況 職業 辦第一張信用卡的時間 刷卡金額 刷卡地點 二、抽樣資料 況統計 建立好數據資料庫後，由於對資料庫中所有會員進行分析時資料量過於龐大且 耗時，故從中隨機抽樣 100 位客戶進行分析。初步分析先以客戶年齡、性別、 居住地與婚姻狀況進行分析。 ≧61 16% ≦30 12% 31-40 18% 49% 51-60 29% 51% 41-50 25% ≦30 31-40 41-50 51-60 ≧61 圖二 抽樣樣本性別百分比 圖一 抽樣樣本年齡百分比 52% 37% 17% 63% 9% 圖三 婚姻狀況百分比 22% 圖四 居住地百分比 3 由圖一可知，此份樣本客戶以 51-60 歲 大宗，占整體 29%，其次 41-50 歲，占整體 25%；由圖二可知，男、女性別比差異不大；由圖三可知，已婚客 群居多，占整體 63%；由圖四可知，客戶大多居住在大台北地區，占整體 52%。其次則 高屏地區(22%)與台中地區 (17%)。 從業人數 39 6 9 3 6 9 1000 1 500 3017928 0 1608 1275 674 582 205347302 233297183 63 學費/教育 保險 捐贈 公用事業 百貨 精品 餐 藥妝 3C居家電信 量販超市 交通(含加 ) 旅遊 休閒文化 無店舖 中信錢加 18 1 5 1758 2000 1500 一般服務… 公務員 白領一般… 白領主管 自由業 自營事業… 軍警 退休或無業 專業(技… 農漁民 藍領(工… 藍領(勞… 其他 50 40 30 20 10 0 刷卡產品產業分類 從業人數 刷卡次數 圖五 從業人數 圖六 刷卡產品產業分類 此外，由圖五可知，此份樣本客戶職業多元，以白領一般職員 主，約 40 人； 由圖六可知，客戶使用信用卡消費的產品產業則以公用事業、交通（含加 ）、以及量販超市 主，刷卡次數依序約 1750 次、1600 次、1250 次。 參、資料分析與過程 一、顧客靜態價 分析 正的市場區隔，不應只依賴人口統計變數進行區隔，年齡、性別等人口變數 只能協助行銷人員界定範圍，但唯有針對消費者行 繪出消費者輪廓， 變數進行區隔才能 最符合市場區隔之方法。而 RFM 法 正描 其中一種方法，依據 分析 R（Recency：最近購買日）、F（Frequency：消費頻率）、M（Monetary value：每筆消費金額）三者的加權總分，來分析顧客價 ，並將顧客分群。 （一） 原始 RFM—五等分均分法 依據各客戶 R、F、M 分數求出各自佔比 R(%)、F(%)、M(%)，並依照 RFM 各指 標各自的五區間給分標準給分，最後計算 RFM 總分並排名，並依 80/20 法則求 4 出資料檔中客戶前 20%排名，選 最具客戶價 者。各指標五區間的給分標準 如表三，資料檔中客戶前 20%排名如表四： 表三 五等分均分法給分標準 RFM 分類 R(%) F(%) M(%) 給 R(%) <= 0.2：5 分 F(%) >=0.8：5 分 M(%) >= 0.8：5 分 分 0.2 < R(%) <= 0.4：4 分 0.8 > F(%) >= 0.6：4 分 0.8 > M(%) >= 0.6：4 分 標 0.4 < R(%) <= 0.6：3 分 0.6 > F(%) >= 0.4：3 分 0.6 > M(%) >= 0.4：3 分 準 0.6 < R(%) <= 0.8：2 分 0.4 > F(%) >= 0.2：2 分 0.4 > M(%) >= 0.2：2 分 0.8 < R(%) <= 1：1 分 0.2 > F(%) >= 0：1 分 0.2 > M(%) >= 0：1 分 表四 原始 RFM—五等分均分法排名前 20%客戶 客戶 ID R F M R (%) F (%) M (%) 調整 調整 調整 RFM R score F score M score score RANK 6118 1 250 968004 0.000 0.959 0.979 5 5 5 15 1 9051 1 205 265085 0.000 0.929 0.848 5 5 5 15 1 13687 3 399 1153973 0.121 0.979 1.000 5 5 5 15 1 15195 3 209 711772 0.121 0.939 0.959 5 5 5 15 1 17586 1 237 226459 0.000 0.949 0.818 5 5 5 15 1 4210 4 196 337601 0.232 0.909 0.898 4 5 5 14 6 5287 4 264 914311 0.232 0.969 0.969 4 5 5 14 6 6143 1 300735 0.000 0.606 0.858 5 4 5 14 6 6256 4 139 243291 0.232 0.878 0.828 4 5 5 14 6 15353 1 115 154864 0.000 0.848 0.717 5 5 4 14 6 17190 5 192 397379 0.303 0.898 0.929 4 5 5 14 6 19483 1 107 185669 0.000 0.818 0.767 5 5 4 14 6 19639 5 201 326970 0.303 0.919 0.888 4 5 5 14 6 64 605 3 955 0.121 1.000 0.565 5 5 3 13 14 920 18 119 347246 0.545 0.868 0.919 3 5 5 13 14 3044 5 661 218935 0.303 0.989 0.787 4 5 4 13 14 4874 3 139146 0.121 0.767 0.686 5 4 4 13 14 10195 4 109 113041 0.232 0.838 0.646 4 5 4 13 14 11368 3 107016 0.121 0.626 0.626 5 4 4 13 14 16697 15 100 422040 0.515 0.808 0.939 3 5 5 13 14 96 70 92259 5 五等分均分法 將客戶分群最簡單的方法。然而，原始 RFM 並未有權重高低的 劃分，故此分析方法較不周全，而調整 RFM 法可解決此問題。 （二）調整 RFM—自訂 Bob Stone 在 Bob Stone 法中，會依據不同資料庫重視的屬性變數進行調整，但原始的 Bob Stone 法所設定的權重較適用於直銷產業，最重視消費者購買次數(F)，其 次 最近一次購買日(R)，來評估客戶忠誠度，因此較不重視平均購買金額(M)。 然而對信用卡公司來 ，評量客戶忠誠度時除了會以消費者購買次數（F）來衡 量消費者對信用卡的依賴程度高低外，平均購買金額(M)也極 買金額(M) 重要，故平均購 次要指標，最低指標才是最近一次購買日(R)。其調整過後的 Bob Stone 法衡量標準如表五所示，而依照表五所求出的前 20%客戶如表六所示： 表五 調整過後的 Bob Stone 法衡量標準 Bob stone 區隔法 構面 給分機制 權重 最近 30 日內：5 分 最近 31 ~ 60 日內：4 分 最近一次購買日 最近 61 ~ 90 日內：3 分 Recency (R) 最近 91 ~ 120 日內：2 分 低 最近 121 ~ 150 日內：1 分 最近 151 以上：0 分 過去兩年購買次數 購買次數*4 高 平均購買金額*0.25%（四捨五入取整數），最高 10 分 中 Frequency (F) 平均購買金額 Monetary value (M) 表六 調整 RFM—自訂 Bob Stone 法排名前 20%客戶 客戶 調整 調整 調整 RFM R F M 605 3 955 92259 5 3820 10 3835 1 3044 5 661 218935 5 2644 10 2659 2 13687 3 399 1153973 5 1596 10 1611 3 5287 4 264 914311 5 1056 10 1071 4 6118 1 250 968004 5 1000 10 1015 5 17586 1 237 226459 5 948 10 963 6 15195 3 209 711772 5 836 10 851 7 9051 1 205 265085 5 820 10 835 8 ID R score F score M score 6 score Rank 表六 調整 RFM—自訂 Bob Stone 法排名前 20%客戶（續） 客戶 調整 調整 調整 RFM R F M 19639 5 201 326970 5 804 10 819 9 4210 4 196 337601 5 784 10 799 10 17190 5 192 397379 5 768 10 783 11 10121 9 171 160845 5 684 10 699 12 6256 4 139 243291 5 556 10 571 13 920 18 119 347246 5 476 10 491 14 15353 1 115 154864 5 460 10 475 15 16756 8 115 219911 5 460 10 475 15 10195 4 109 113041 5 436 10 451 17 8032 26 107 73082 5 428 10 443 18 19483 1 107 185669 5 428 10 443 18 16697 15 100 422040 5 400 10 415 20 ID R score F score M score Rank score （三）五等分均分法與自訂 Bob Stone 前 20%顧客排名比較 由表七可觀察到，上述兩方法求出的前 20%客戶排名差異極大，依據自訂的 Bob Stone 法求出的排名並無重複 。原因在於調整後的分析方法有依據產業 特性做微調，能更精準找出忠誠度最高的客群，有利於分析顧客價 。 表七 五等分均分法與自訂 Bob Stone 法前 20%顧客排名比較 原始資料 五等均分法 客戶 ID R F M R F M 106 8 75 90192 5 5 5 10699 37 32 82924 5 5 6402 85 12 22720 5 8831 19 3 16716 179 290 4 8927 15 6527 RFM 自訂 Bob Stone 法 RFM RANK R F M 15 1 24 1000 9 1033 5 5 15 1 24 820 9 853 8 5 5 15 1 24 1596 9 1629 3 5 5 5 15 1 24 836 9 869 7 9182 5 5 5 15 1 24 948 9 981 6 74 220434 4 5 5 14 6 24 784 9 817 10 4 91 97078 4 5 5 14 6 24 1056 9 1089 4 1896 47 86 117882 5 4 5 14 6 24 256 9 289 40 5969 8 48 111774 4 5 5 14 6 24 556 9 589 13 12964 26 10 18029 5 5 4 14 6 24 460 9 493 15 score 7 score RANK 表七 五等分均分法與自訂 Bob Stone 法前 20%顧客排名比較（續） 原始資料 客戶 五等均分法 R F M R F M 15649 198 12 14260 4 5 5 6161 319 7 1816 5 5 8454 516 5 9467 4 4210 4 196 337601 15353 1 115 1314 5 89 自訂 Bob Stone 法 RFM RFM RANK R F M 14 6 24 768 9 801 11 4 14 6 24 428 9 461 18 5 5 14 6 24 804 9 837 9 5 5 3 13 14 24 3820 9 3853 1 154864 3 5 5 13 14 24 476 9 509 14 39 302515 4 5 4 13 14 24 2644 9 2677 2 19 85 150681 5 4 4 13 14 24 384 9 417 23 1809 75 26 39239 4 5 4 13 14 24 436 9 469 17 5196 22 20 23877 5 4 4 13 14 24 280 9 313 37 3368 26 8 8657 3 5 5 13 14 24 400 9 433 20 18841 453 2 1450 5 4 4 13 14 24 336 9 369 30 ID 小結：未來在進行顧客靜態價 score score RANK 分析時，應採用 Bob Stone 法，並依據產業特性 與公司性質調整 RFM 權重，以精準分群。 二、 顧客動態價 分析 顧客靜態價 分析可了解顧客之間的 RFM 異質性，但卻無法了解顧客的動態 性。顧客價 會隨時間變化，並非一成不變，故需要針對顧客的活躍程度與消 費頻率穩定性進行分析。CAI 指標可看出消費者的消費行 活躍度趨勢，CRI 指 標則可看出消費者消費頻率穩定性。 （一）CAI 指標 顧客活躍度指標 CAI（Customer Activity Index）是基於 RFM 的基礎上，再計算 平均刷卡間隔時間（Average interpurchase time），成 改良後的 ARFM 模 型。計算 CAI 之步驟如下： 1. 先將同一客戶同一天之多筆資料彙整 一筆，並將只消費一次的顧客資料刪 除（僅一筆資料無法了解刷卡間隔時間） 2. 計算同一客戶每次刷卡之刷卡間隔時間（Interpurchase time） 3. 計算各筆權重與各筆交易刷卡間隔時間的加權 4. 求出刷卡間隔時間平均 總、加權 (MLE: Maximum Likelihood Estimate)、加權加 加總 5. 求出加權刷卡間隔時間平均 (WMLE)與 CAI 8 公式：CAI = [(MLE – WMLE) / MLE] x 100% 得出 CAI 後，CAI > 0 表示客戶漸趨活躍，CAI 接近 0 表示客戶漸趨穩定，CAI < 0 表示客戶漸趨靜止。依據 CAI 排名以及結合 80/20 法則，將資料篩選後所剩 的 99 位顧客排名。CAI 排名前 20%客群 定群，後 20%者 漸趨活躍群，中間 60%客群 漸趨穩 漸趨靜止群。分群結果如表八所示： 表八 CAI 分群結果 客戶 人數 人數 比例 漸趨活躍群 20 前 20% 穩定刷卡群 59 漸趨靜止群 總計 群別 消費日平均 平均刷卡 刷卡金額 間隔天數 2422.29 44.29 約 60% 12.56% <CAI <12.72% 2282.71 25.49 20 後 20% 2543.90 46.17 99 100% CAI 11.81% < CAI CAI < -12.13% 由表八可知，就消費日平均刷卡金額而言，三群人並無明顯差異，大約 元左右，其中，漸趨靜止群之消費日平均刷卡金額 元），接續 兩千 最高金額（2543.90 漸趨活躍群（2422.29 元）與穩定刷卡群（2282.71 元）。而就平 均刷卡間隔天數而言，較具有明顯差異。穩定刷卡群天數最少（25.49 天），漸 趨活躍群次之（44.29 天），漸趨靜止群 九 最多（46.17 天）。圖七、圖八、圖 三群體中各擇一客戶之平均刷卡間隔天數變化之範例，X 軸表示刷卡日期 編碼，Y 軸表示刷卡間隔天數： 客戶ID：10195 CAI：32.35 40 20 0 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 82 85 88 圖七 漸趨活躍群平均刷卡間隔天數折線圖 客戶ID：17157 CAI：8.31 50 0 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 圖八 漸趨穩定群平均刷卡間隔天數折線圖 9 客戶ID：5963 CAI：-43.67 400 200 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 圖九 漸趨靜止群平均刷卡間隔天數折線圖 由圖七、圖八、圖九可看出三者有明顯差異。漸趨活躍群的天數逐漸降低，折 線逐漸趨緩，CAI 正；漸趨穩定群的天數逐漸趨同，折線趨向規律變化，CAI 大於 0，但不高；漸趨靜止群的天數逐漸增加，折線逐漸上升，CAI 負。 因此，結合 RFM 指標以及 CAI 指標，可看出 RFM 模型下屬於同一分群的客 戶，消費頻率可能大相逕庭，因此 CAI 有助於更進一步分群。在設計行銷活動 上，對於漸趨活躍群客戶需思考如何維持其活躍程度，例如增加尊榮感的會員 等級升級機制；對於漸趨穩定群則主攻如何提高消費頻率，使其變成活躍群客 戶，可提供獎勵機制，如滿額送好禮、滿額抽獎的活動，也可針對特定商品促 銷促使其購買，其促銷商品選擇在後續購物籃分析會進行討論；對於漸趨靜止 群則需探究其靜止原因，除了利用上述方法增加刷卡誘因，還可利用會員電子 報、DM 寄送等方式增加顧客對信用卡的品牌知覺，增加顧客刷卡活躍度。 小結：RFM 需搭配 CAI 才更具精準度。其中，漸趨活躍群最具顧客價 ，可透 過給予會員等級機制增加尊榮感，維持消費活躍度；漸趨穩定群可提供獎勵機 制或精準選品做促銷，以刺激其刷卡金額；漸趨靜止群須探索靜止原因，並可 透過電子報等方式增加顧客的品牌知覺。 （二）CRI 指標 CRI(Customer Reliability Index)指標可衡量消費者消費頻率的穩定度。此方法之 原理是建立在貝式統計方法之基礎上。假設每一分群成常態分布，針對資料庫 求出個體的平均消費金額與各群的平均消費金額，得出如圖十的群體估計與個 體估計(IE)。由圖十可知， GE 標準差較小，穩定性較高， IE 標準差較大，穩 定性較低。因此求兩者加權平均，得貝式估計分布(BE)，可有效量測消費者整 體的穩定性。CRI 越高，表示 BE 越靠近 IE，表個人交易資料穩定性越高；CRI 越低，表示 BE 越靠近 GE，表群體交易資料穩定性越高。其公式如下： BE = W1*IE + W2*GE CRI = [(IE – BE) / (IE – GE)] x 100 註：IE：個體估計平均數；BE：貝式估計平均數；GE：群體估計平均數 10 圖十 貝式統計方法原理示意圖 本次分析分群依照性別（男、女）、婚姻狀況（單身、已婚）分成四群進行 CRI 計算。分群結果如表九。CRI 越小，顧客刷卡頻率越穩定，反之亦然。表十 將 CRI 排名前 20%客戶詳列。 表九 分群結果 分群 人數 平均刷卡金額 (GE) CRI 平均 1 =（男，單身） 18 2076.71 374.82% 2 =（男，已婚） 33 1656.06 434.18% 3 =（女，單身） 19 1426.74 469.21% 4 =（女，已婚） 30 2688.46 137.50% 總計 100 1909.73 1415.72% 小結：由表九分群結果顯示各分群的平均刷卡金額差異界於 100~500 之間，以 刷卡金額來 差異不大。但由 CRI 平均 率最穩定的分群 4， 已婚女性客群。 可明顯看出，整體平均而言，刷卡頻 表十 CRI 排名前 20%客戶 分群 客戶 ID 刷卡次數 個人估計 5963 40 393.85 2076.71 393.88 0.19% 4493 88 1289.94 2076.71 1289.96 0.22% 1 8032 107 683.01 2076.71 683.05 0.30% （6 位） 17586 237 955.52 2076.71 955.61 0.73% 5978 97 488.79 2076.71 488.98 1.18% 10195 109 1037.07 2076.71 1037.29 2.13% 11 群體估計 貝式估計 CRI 表十 CRI 排名前 20%客戶（續） 分群 客戶 ID 刷卡次數 605 955 96.61 1656.06 96.62 0.08% 15580 24 666.13 1656.06 666.20 0.72% 2 2955 54 1455.74 1656.06 1455.76 1.04% （6 位） 4263 3 194.33 1656.06 194.50 1.13% 5286 23 1314.65 1656.06 1314.71 1.55% 17157 96 821.28 1656.06 821.50 2.64% 9209 24 399.38 1426.74 399.38 0.07% 3 9125 80 527.78 1426.74 527.88 1.17% （4 位） 1958 77 598.78 1426.74 598.89 1.30% 2762 83 894.64 1426.74 894.72 1.56% 4028 27 221.48 2688.46 221.54 0.25% 6161 7 259.43 2688.46 259.78 1.46% 6527 91 1066.79 2688.46 1067.13 2.06% 4 （3 位） 個人估計 群體估計 貝式估計 CRI 小結：表九整體平均 CRI 最低的 分群 4，但細看表十 CRI 前 20%低的人多位 在分群 1，兩結果不同，可能原因 分群 1 具有較多消費頻率穩定的客群，但 因 這群消費者 CRI 差異極大，所以需要再進行質化研究探討造成消費頻率差 異極大的原因。但由表十可由刷卡次數初步判斷刷卡次數較高的客戶越趨穩 定，故「提高客戶刷卡次數」可做 三、 提高消費者消費頻率穩定性的其一因素。 購物籃分析 透過 RFM、CAI、CRI 分析後，我們大抵了解消費者的行 致分群。除了消費者的消費行 特性，並將消費者大 異質性分析之外，我們也可透過分析資料庫中 消費者的消費品項紀錄，來觀察不同產品類別間是否具有購買上的關聯性。本 節將透過同時購物之購物籃分析求出最適合同時推薦給消費者的產品類別；透 過分次購物之購物籃分析，預測消費者在消費過後，下一次購買機率最大的產 品類別 何，以利行銷人員做精準行銷；最後透過因素分析，將產品類別歸納 成群，以了解消費者使用信用卡的消費用途。 （一） 同時購物之購物籃分析 將 100 位客戶過往消費紀錄依照 15 項商品類別，將客戶購買過的類別標記 1，未購買過標記 0，以建立產品購買相關係數矩陣，觀察兩兩商品類別間的 相關性。分析結果如表十一。 12 表十一 同時購物之產品購買相關係數矩陣 學費/ 教育 保險 捐贈 公用 事業 百貨 精品 餐 藥妝 3C 居家 量販 電信 超市 交通(含 加 ) 旅遊 休閒 文化 無店舖 學費/教育 1.000 保險 0.292 1.000 捐贈 -0.036 -0.055 1.000 公用事業 0.082 -0.009 0.115 1.000 百貨 -0.059 0.107 0.220 0.083 1.000 精品 -0.009 0.124 0.025 -0.155 0.437 1.000 餐 -0.130 -0.047 0.017 -0.033 0.438 0.455 1.000 藥妝 0.200 0.175 0.141 -0.040 0.461 0.683 0.543 1.000 3C 居家電信 0.188 0.159 0.131 0.011 0.331 0.404 0.317 0.533 1.000 量販超市 0.059 0.108 0.020 0.169 0.177 0.163 0.104 0.076 0.065 1.000 -0.025 0.068 0.156 0.141 0.254 0.267 0.211 0.273 0.047 0.035 1.000 旅遊 0.188 0.234 0.131 0.077 0.374 0.404 0.270 0.487 0.311 0.197 0.133 1.000 休閒文化 -0.026 0.091 0.136 -0.048 0.395 0.323 0.286 0.363 0.375 0.048 0.159 0.282 1.000 無店舖 0.124 0.069 0.313 0.009 0.319 0.397 0.054 0.450 0.317 0.017 0.309 0.167 0.433 1.000 中信錢加 -0.036 -0.055 -0.031 -0.065 0.100 0.025 0.146 0.141 0.131 0.141 0.156 0.005 0.136 0.176 交通(含加 ) 中信錢 加 1.000 相關係數越高代表兩商品類別越有可能在同一時間被同一顧客購買。表十一將相關係數高於 0.2 標註，並列出相關係數前 20 名之購 物籃組合於表十二。 13 表十二 同時購物下購物籃組合 top 20 排名 購物籃組合 相關係數 排名 購物籃組合 相關係數 1 藥妝 精品 0.683 11 旅遊 精品 0.404 2 藥妝 餐 0.543 11 3C 居家電信 精品 0.404 3 3C 居家電信 藥妝 0.533 13 無店舖 精品 0.397 4 旅遊 藥妝 0.487 14 休閒文化 百貨 0.395 5 藥妝 百貨 0.461 15 休閒文化 3C 居家電信 0.375 6 7 餐 無店舖 精品 藥妝 0.455 0.450 16 17 旅遊 休閒文化 百貨 藥妝 0.374 0.363 8 餐 百貨 0.438 18 3C 居家電信 百貨 0.331 9 精品 百貨 0.437 19 休閒文化 精品 0.323 10 無店舖 休閒文化 0.433 20 無店舖 百貨 0.319 （二）分次購物之購物籃分析 透過消費者本次消費的商品類別去推測消費者下次消費的商品類別，有助於行銷人員精準行銷。透過 100 位客戶過往的刷卡紀錄，統 計某一類別下一次消費的商品類別次數，並求出分次購物下之產品購買條件機率，分析如表十三： 14 表十三 分次購物下之產品購買條件機率 下次刷卡產品產業分類 本次刷卡產品 產業分類 學費/教育 保險 捐贈 公用事業 百貨 精品 餐 藥妝 3C 居家電信 量販超市 交通(含加 ) 旅遊 休閒文化 無店舖 中信錢加 學費/教育 0.271% 0.071% 0.014% 0.000% 0.000% 0.000% 0.014% 0.000% 0.000% 0.014% 0.000% 0.000% 0.000% 0.000% 0.000% 保險 0.000% 1.895% 0.014% 0.028% 0.142% 0.000% 0.028% 0.014% 0.000% 0.014% 0.000% 0.000% 0.000% 0.000% 0.000% 捐贈 0.000% 0.000% 0.356% 0.014% 0.028% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 公用事業 0.000% 0.000% 0.000% 23.99% 0.157% 0.014% 0.000% 0.000% 0.014% 0.043% 0.014% 0.000% 0.000% 0.000% 0.000% 百貨 0.000% 0.000% 0.000% 0.000% 6.099% 0.385% 0.171% 0.071% 0.043% 0.057% 0.000% 0.014% 0.014% 0.000% 0.000% 精品 0.000% 0.000% 0.000% 0.000% 0.000% 2.152% 0.356% 0.043% 0.043% 0.043% 0.028% 0.014% 0.000% 0.000% 0.000% 餐 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 3.705% 0.413% 0.142% 0.071% 0.028% 0.000% 0.000% 0.000% 0.000% 藥妝 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 3.420% 0.385% 0.100% 0.057% 0.000% 0.014% 0.014% 0.000% 3C 居家電信 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 6.127% 0.527% 0.085% 0.014% 0.000% 0.000% 0.000% 量販超市 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 15.230% 0.684% 0.085% 0.043% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 20.680% 0.499% 0.171% 0.043% 0.014% 旅遊 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 2.479% 0.456% 0.043% 0.000% 休閒文化 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 3.292% 0.370% 0.000% 無店舖 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 1.810% 0.028% 中信錢加 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.855% 交通(含加 ) 15 購買條件機率指某人在本次已消費某一商品類別的狀況下，下一次購買會是另一商品的機率。購買條件機率越高的產品在下一次消費 者消費時越容易被購買。例如本次使用信用卡消費於公用事業上，下一次刷卡最有可能的產品類別仍 公用事業，因 條件機率 23.995%， 所有商品類別條件機率最高的類別。表十三將條件機率前 20 名之商品組合標註，並整理於表十四。 表十四 分次購物下購物籃組合 top 20 排名 購物籃組合 條件機率 本次刷卡產品類別 下次刷卡產品類別 1 公用事業 公用事業 23.995% 2 交通(含加 ) 交通(含加 ) 3 量販超市 4 排名 購物籃組合 條件機率 本次刷卡產品類別 下次刷卡產品類別 11 保險 保險 1.895% 20.675% 11 無店舖 無店舖 1.810% 量販超市 15.232% 13 中信錢加 中信錢加 0.855% 3C 居家電信 3C 居家電信 6.127% 14 量販超市 交通(含加 ) 0.684% 5 百貨 百貨 6.099% 15 3C 居家電信 量販超市 0.527% 6 餐 餐 3.705% 16 交通(含加 ) 旅遊 0.499% 7 藥妝 藥妝 3.420% 17 旅遊 休閒文化 0.456% 8 休閒文化 休閒文化 3.292% 18 餐 藥妝 0.413% 9 旅遊 旅遊 2.479% 19 百貨 精品 0.385% 10 精品 精品 2.152% 19 藥妝 居家電信 0.385% （三）因素分析 前述的購物籃結果是以各產品之間的相關係數高低與購買條件機率來分析， 產品間一對一的關係，分析結果較詳細，有助於舉辦促 銷活動前的選品決策。但透過因素分析可判斷消費者使用信用卡的消費用途，可減少變數數量。表十五 使用主成分分析法進行探索 性因素分析之結果，每一成分高於 0.5（或接近 0.5）表示商品類別因素具有代表性，可解釋足夠共同的變異量，可將其商品歸類 同 一用途（同一購物籃）。高於 0.5 之數 已標註。 16 表十五 主成分分析 旋轉成分矩陣 a 成分 商品類別 1 2 3 4 5 6 7 8 旅遊 0.830 0.014 0.265 0.010 0.057 0.057 -0.061 0.010 精品 0.747 0.257 -0.050 -0.066 0.148 -0.051 0.080 0.164 休閒文化 0.549 0.273 -0.118 0.417 0.249 -0.001 -0.075 -0.055 3C 居家電信 0.034 0.815 0.132 -0.011 0.013 0.020 0.058 0.021 餐 0.212 0.709 0.018 0.004 0.256 -0.031 -0.115 0.153 百貨 0.378 0.501 -0.124 0.356 -0.356 0.063 0.175 0.122 藥妝 0.335 0.464 0.152 0.264 0.111 0.332 -0.004 -0.071 保險 0.311 0.144 0.794 -0.008 -0.169 0.170 -0.036 -0.002 學費/教育 -0.102 0.052 0.783 0.163 0.241 -0.151 0.038 0.085 捐贈 -0.043 -0.034 0.121 0.877 0.023 -0.048 -0.005 0.121 無店舖 0.175 0.344 0.132 0.462 0.337 0.205 0.232 -0.182 交通(含加 ) 中信錢加 0.243 0.167 0.053 0.100 0.807 0.111 0.093 0.078 -0.019 0.026 -0.021 -0.024 0.082 0.948 -0.059 0.088 公用事業 -0.018 -0.003 0.000 0.025 0.071 -0.061 0.964 0.047 量販超市 0.105 0.111 0.070 0.081 0.048 0.083 0.048 0.941 轉軸方法：使用 Kaiser 正規化的最大變異法 a 在 7 反覆運算中收斂旋轉 表十五可看出消費者使用信用卡動機分 八大類用途，整理如表十六。第一類 （成分一，以此類推）可推測此類消費者將信用卡用於休閒娛樂與奢侈品上； 第二類消費者將信用卡用於購買居家產品與日常用品上；第三類消費者將信用 卡用於繳費；第四類消費者將信用卡用於捐款 or 小額花費；第五類消費者用於 搭乘交通工具；第六類消費者用於純加 ；第七類消費者用於公用事業；第八 類消費者僅用於特定量販超市，可能與超市有提供特定信用卡刷卡優惠有關。 表十六 消費者使用信用卡動機之八大類用途與購物籃組合 消費者使用信用卡動機之八大類用途 購物籃組合 1. 休閒娛樂與奢侈品 旅遊、精品、休閒文化 2. 購買居家產品與日常用品 3C 居家電信、餐 3. 繳費 保險、學費/教育 4. 捐款 or 小額花費 捐贈、無店舖 5. 搭乘交通工具 交通(含加 6. 純加 中信錢加 7. 用於公用事業 公用事業 8. 用於特定量販超市 量販超市 17 ) 、百貨、藥妝 小結：相較於產品購買矩陣與條件機率購買矩陣所求出的購物籃，因素分析所 求出的購物籃較 精簡、準確， 因 前二者屬於商品類別一對一的關係，而後 者則是考慮到兩種以上的商品可放入同一購物籃的可能性， 也能透過其分析後 的購物籃內商品判斷信用卡刷卡的大致用途。因此，因素分析較容易落實在 實商業中， 四、 CRM 行銷時建議採用的購物籃分析方法。 集群分析 以上的分析方法，不論是 RFM、CAI 指標或是 CRI 指標，皆是以不同指標來衡 量顧客價 ，並幾乎以 80/20 法則將客戶分群。然而，我們可以將各項指標綜 合分析，以更具系統的統計工具 SPSS 將相似的客戶集群，使得群內差異小， 群間差異大，試圖描繪出客戶更具體的消費行 配行銷資源，此方法稱之 log 輪廓，以利制定行銷策略與分 「集群分析」。以下將採用 CRI 指標、刷卡總金額的 以及平均刷卡金額的 log 作 獲利指標，並依據客戶性別、年齡、婚姻 狀況以及居住地四項變數分析消費者輪廓。分群方法採 K-means，並利用 F 檢 定分析各分群各變數的平均 、標準差與 F （p ），以了解客戶差異。最 後以 ANOVA 事後檢定求出變數區間顯著性，了解各變數的平均數數 否存在顯著差異，以判斷在制定行銷策略上是否須將這些變數做 不同是 區隔考量。 （一）K-means 分群法 以 SPSS 將資料庫內 97 位客戶分 四群，分別 ：金雞母群、 未定居的金雞 母群、逐漸離去群、以及忠誠&低消費族群，分群結果如表十七、表十八。 表十七 K-means 分群法結果 起始集群中心 集群 1 2 3 4 13.89 11.42 12.44 6.37 獲利指標–log（平均刷卡金額） 9.40 8.71 9.61 5.27 CRI 指標 7.52 36.36 50.27 0.01 獲利指標–log（刷卡總金額） 表十八 分群命名與特質 逐漸離去 忠誠&低消費 金雞母群 群 族群 11 3 1 82 獲利指標–log（刷卡總金額） 最高 次低 次高 最低 獲利指標–log（平均刷卡金額） 次高 次低 最高 最低 次穩定 次不穩定 最不穩定 最穩定 分群命名 人數 CRI 指標 金雞母群 18 未定居的 依綜合獲利指標將資料庫客戶分 四群後，各群再依照性別、年齡、婚姻狀況、 以及居住地進行統計，以觀察各群中的人口統計變量百分比，結果如表十九。 表十九 K-means 分群法各變數結果 全體 性別 年齡 婚姻狀況 居住地 組別 金雞母群 未定居的金雞母群 逐漸離去群 忠誠&低消費族群 卡方 —漸近顯 百分比 11.34% 3.09% 1.03% 84.54% 著性（兩端） 男 18.00% 2.00% 2.00% 78.00% 女 4.30% 4.30% 0.00% 91.50% <=30 0.00% 0.00% 0.00% 100.00% 31-40 5.60% 5.60% 0.00% 88.90% 41-50 25.00% 0.00% 0.00% 75.00% 51-60 7.10% 7.10% 0.00% 85.70% >=61 12.50% 0.00% 6.30% 81.30% 單身 5.60% 8.30% 0.00% 86.10% 已婚 14.80% 0.00% 1.60% 83.60% 大台北地區 17.30% 1.90% 0.00% 80.80% 台中地區 0.00% 5.90% 0.00% 94.10% 高屏地區 5.30% 0.00% 5.30% 89.50% 嘉南地區 12.50% 0.00% 6.30% 81.30% （二）F 檢定（*顯著性以 p≦0.4 準，具顯著性之 p 可判斷區隔變數的平均 差異是否具 0.23 0.06 0.23 以紅色標註） 透過 F 檢定，可計算出各個獲利指標下，各分群的平均 ）。p 0.12 、標準差與 F 正顯著差異性。p 示該變數區隔顯著，在進行市場區隔時應將此變數納入考慮；p （p ≦0.4 表 >0.4 表示該 變數區隔不顯著，在進行市場區隔時不需將此變數納入考慮。表二十~二三 針 對四群客戶 F 檢定之結果。 表二十 F 檢定—金雞母群 金雞母群（11 人） 區隔 獲利指標 組別 log（刷卡總金額） log（平均刷卡金額） 平均 男 性別 標準偏差 平均 女 F 獲利指標 標準偏差 （p ） CRI 指標 11.89 8.61 11.52 1.20 0.45 4.13 10.15 8.50 10.97 0.60 0.18 0.25 3.74(0.09) 0.10(0.76) 0.03(0.86) 19 樣本數 9 2 表二十 F 檢定—金雞母群（續） 金雞母群（11 人） 區隔 獲利指標 組別 log（刷卡總金額） log（平均刷卡金額） 平均 <=30 標準偏差 31-40 年齡 41-50 51-60 （p 平均 標準偏差 ） 平均 已婚 標準偏差 （p 台中地區 高屏地區 嘉南地區 F 標準偏差 標準偏差 大台北地區 居住地 平均 平均 婚姻狀 F 標準偏差 標準偏差 單身 況 平均 平均 >=61 F 獲利指標 （p ） 平均 標準偏差 平均 標準偏差 平均 標準偏差 平均 標準偏差 ） 0.00 0.00 0.00 10.57 8.37 10.79 0.00 0.00 0.00 11.86 8.67 11.013 1.43 0.46 3.65 10.94 8.36 13.37 0.29 0.03 5.83 0.00 0.00 0.00 0.67(0.54) 0.56(0.59) 0.29(0.75) 11.81 8.66 14.35 1.75 0.40 5.036 11.52 8.57 10.77 1.31 0.44 3.36 0.07(0.79) 0.06(0.81) 1.63(0.23) 11.52 8.57 10.77 1.31 0.44 3.36 0.00 0.00 0.00 13.05 8.94 17.91 0.00 0.00 0.00 10.57 8.37 10.79 0.00 0.00 0.00 0.93(0.43) 0.44(0.66) 2.05(0.19) 在金雞母群中，log（刷卡總金額）下，性別的 p 況與居住地的 p CRI 指標 顯著，CRI 指標下，婚姻狀 顯著，皆小於 0.4，表示若行銷重點在「提高會員刷卡總金 額」時，性別差異須納入考量；若行銷重點在「提高會員消費頻率穩定性」時，婚 姻狀況與居住地之差異須納入考量。 20 樣本數 0 1 8 2 0 2 9 9 0 1 1 表二十一 F 檢定– 未定居的金雞母群 未定居的金雞母群（3 人） 區 隔 組別 （p 齡 51-60 F 況 住 地 11.73 8.54 35.91 0.44 0.23 0.65 0.02(0.91) 5.93(0.25) 11.53(0.18) 0.00 0.00 0.00 11.42 8.71 36.36 0.00 0.00 0.00 11.92 8.81 34.33 0.16 0.61 1.58 0.00 0.00 0.00 0 0.00 0.00 0.00 0 6.38(0.24) 0.01(0.92) 1.10(0.48) 11.76 8.78 35.01 0.32 0.44 1.62 0.00 0.00 0.00 ） 0.00 0.00 0.00 0.00 平均 11.81 9.24 33.21 0.00 0.00 0.00 11.42 8.71 36.36 0.00 0.00 0.00 0.00 0.00 0.00 12.04 8.38 35.45 0.00 0.00 0.00 0.00 0.00 0.00 ） 平均 標準偏差 平均 標準偏差 標準偏差 （p ） 平均 標準偏差 平均 已婚 標準偏差 （p 台中地區 高屏地區 嘉南地區 F 0.00 標準偏差 大台北地區 居 0.00 平均 單身 F 0.00 平均 >=61 狀 33.21 標準偏差 41-50 （p 在 樣本數 9.24 平均 31-40 CRI 指標 11.81 標準偏差 <=30 姻 log（平均刷卡金額） 平均 女 F 婚 log（刷卡總金額） 標準偏差 性 年 獲利指標 平均 男 別 獲利指標 標準偏差 平均 標準偏差 平均 標準偏差 平均 標準偏差 ） 未定居的金雞母群中，在獲利指標 log（刷卡總金額）下，年齡的 p 著，在獲利指標 log（平均刷卡金額）與 CRI 指標下，性別的 p 於 0.4，表示年齡與性別 制定行銷策略時須考量的區隔變數。 21 顯 顯著，皆小 1 2 0 1 2 3 0 1 1 0 1 0 表二十二 F 檢定—逐漸離去群 逐漸離去群（1 人） 區 隔 性 別 年 齡 組別 狀 獲利指標 log（刷卡總金額） log（平均刷卡金額） 平均 男 51-60 平均 9.61 50.27 0.00 0.00 0.00 12.44 9.61 50.27 0.00 0.00 0.00 12.44 9.61 50.27 標準偏差 平均 CRI 指標 12.44 標準偏差 婚 姻 獲利指標 已婚 樣本數 1 1 1 標準偏差 況 居 平均 0.00 0.00 0.00 12.44 9.61 50.27 住 高屏地區 1 標準偏差 地 0.00 0.00 0.00 在逐漸離去群中，由於只有 1 位客戶，因此無法進行 F 檢定區隔變數。 表二十三 F 檢定—忠誠&低消費族群 忠誠&低消費族群（82 人） 區 隔 組別 平均 男 標準偏差 性 別 平均 女 F 標準偏差 （p 平均 <=30 標準偏差 31-40 年 41-50 齡 51-60 平均 標準偏差 平均 標準偏差 平均 標準偏差 平均 >=61 F ） 標準偏差 （p ） 獲利指標 獲利指標 log（刷卡總金額） log（平均刷卡金額） CRI 指標 11.03 7.11 0.51 1.47 0.79 1.10 10.91 7.29 0.79 1.58 0.75 1.17 0.12(0.73) 1.19(0.28) 1.24(0.27) 10.99 6.89 0.80 0.82 0.67 1.69 11.33 7.13 0.47 1.39 0.85 0.95 10.93 7.23 0.52 1.64 0.80 0.82 10.62 7.48 1.18 1.75 0.60 1.60 0.00 0.00 0.00 0.53(0.66) 1.22(0.31) 1.31(0.28) 22 樣本數 39 43 11 16 42 13 0 表二十三 F 檢定—忠誠&低消費族群 忠誠&低消費族群（82 人） 區 隔 婚 組別 況 住 地 （p ） 7.15 0.62 1.16 0.64 1.22 10.92 7.24 0.68 1.71 0.85 1.10 0.13(0.72) 0.3(0.59) 0.05(0.82) 11.01 7.20 0.56 1.62 0.85 0.95 10.88 7.43 1.23 1.26 0.66 1.55 10.99 7.10 0.58 1.71 0.79 1.23 10.85 6.99 0.09 1.20 0.45 0.08 0.04(0.99) 0.72(0.54) 2.12(0.11) 平均 標準偏差 平均 標準偏差 平均 高屏地區 標準偏差 平均 嘉南地區 標準偏差 （p ） CRI 指標 11.05 標準偏差 台中地區 F log（平均刷卡金額） 平均 大台北地區 居 log（刷卡總金額） 標準偏差 已婚 F 獲利指標 平均 單身 姻 狀 獲利指標 樣本數 在忠誠&低消費族群中，在 log（平均刷卡金額）與 CRI 指標下，性別與年齡的 p 顯著，在 CRI 指標下，居住地的 p 顯著，表示性別、年齡與居住地 制 定行銷策略時須考量的區隔變數。 （三）ANOVA 事後檢定（*顯著性以 p≦0.4 以上分析的區隔變數中，性別分 準，具顯著性之 p 男、女兩區隔，故 p 以紅色標註） 只要顯著，即可了解 策略在男、女客群上須不同，婚姻狀況也亦然；但年齡有 5 區隔，居住地有 4 區隔，指標的 p 顯著只代表此區隔中有至少兩個區隔有顯著差異，但無法判 斷哪一區隔，故需進行 ANOVA 事後檢定。ANOVA 事後檢定可分析超過三組以 上的區間。需進行事後檢定的組別與變數列於表二十四中，各組年齡的 ANOVA 事後檢定結果如表二十五，各組居住地的 ANOVA 事後檢定結果如表二十六。 表二十四 需要進行 ANOVA 事後檢定組別與區隔變數指標 分組 區隔變數—年齡 區隔變數—居住地 金雞母群 X CRI 未定居的 金雞母群 X 註：log（刷卡總金額）在年齡變數中有顯著性，本應進行 ANOVA 事後 檢定，但目前只有 31-40 與 41-50 歲兩群客戶，故不需檢定即可判斷。 X 逐漸離去群 X X 忠誠&低消費 族群 log（刷卡總金額） X log（平均刷卡金額） X X CRI 23 31 51 42 16 17 7 表二十五 ANOVA 事後檢定—年齡 集群觀 察 數 應變數 (I) 年齡 (J) 年齡 <=30 31-40 31-40 CRI 指標 41-50 51-60 <=30 31-40 忠誠&低消 log（刷卡總金額） 費族群 41-50 51-60 <=30 31-40 log（平均刷卡金額） 41-50 51-60 24 平均 差異 標準誤 顯著性 (I-J) 0.33 0.44 0.46 41-50 0.28 0.38 0.47 51-60 -0.37 0.46 0.42 <=30 -0.33 0.44 0.46 41-50 -0.05 0.33 0.88 51-60 -0.70 0.42 0.10 <=30 -0.28 0.38 0.47 31-40 0.05 0.33 0.88 51-60 -0.65 0.36 0.07 <=30 0.37 0.46 0.42 31-40 0.70 0.42 0.10 41-50 0.65 0.36 0.07 31-40 -0.35 0.60 0.57 41-50 0.06 0.52 0.92 51-60 0.37 0.63 0.56 <=30 0.35 0.60 0.57 41-50 0.40 0.45 0.38 51-60 0.71 0.57 0.22 <=30 -0.06 0.52 0.92 31-40 -0.40 0.45 0.38 51-60 0.31 0.49 0.52 <=30 -0.37 0.63 0.56 31-40 -0.71 0.57 0.22 41-50 -0.31 0.49 0.52 31-40 -0.24 0.30 0.47 41-50 -0.34 0.26 0.20 51-60 -0.59 0.32 0.07 <=30 0.24 0.30 0.44 41-50 -0.10 0.23 0.66 51-60 -0.35 0.29 0.22 <=30 0.34 0.26 0.20 31-40 0.10 0.23 0.66 51-60 -0.25 0.24 0.31 <=30 0.59 0.32 0.07 31-40 0.35 0.29 0.23 41-50 0.25 0.24 0.31 由表二十五可看出，在 p 顯著性標準設定 0.4 下，忠誠&低消費族群 51-60 歲的客群在 log（平均刷卡金額）與 CRI 標具顯著性， 31-40 歲、41-50 歲之間 則無，31-40 歲在 log（刷卡總金額）指標下則較具有顯著性，表示對此年齡層 的客群可有不同的行銷策略。 表二十六 ANOVA 事後檢定—居住地 集群觀 察 數 應變數 (J) 居住地 大台北地區 台中地區 -0.66 0.33 0.05 高屏地區 -0.01 0.32 0.97 嘉南地區 大台北地區 0.47 0.66 0.46 0.33 0.30 0.05 高屏地區 0.65 0.39 0.10 嘉南地區 1.14 0.51 0.03 大台北地區 台中地區 0.01 -0.65 0.32 0.39 0.97 0.10 嘉南地區 0.49 0.50 0.34 大台北地區 -0.47 0.46 0.30 台中地區 -1.14 0.51 0.03 高屏地區 台中地區 -0.49 0.13 0.50 0.45 0.34 0.77 高屏地區 0.02 0.44 0.97 嘉南地區 0.16 0.63 0.81 大台北地區 高屏地區 -0.13 -0.12 0.45 0.54 0.77 0.83 嘉南地區 0.02 0.70 0.97 大台北地區 -0.02 0.44 0.97 台中地區 嘉南地區 0.12 0.14 0.54 0.69 0.83 0.84 大台北地區 -0.16 0.63 0.81 台中地區 -0.02 0.70 0.97 高屏地區 -0.14 0.69 0.84 台中地區 CRI 指 標 高屏地區 嘉南地區 忠誠&低 消費族群 大台北地區 台中地區 log （刷卡 金額） 平均 差異 (I-J) (I) 居住地 高屏地區 嘉南地區 25 標準誤 顯著性 表二十六 ANOVA 事後檢定—居住地（續） 集群觀 察 數 應變數 (J) 居住地 大台北地區 台中地區 -0.22 0.23 0.33 高屏地區 0.10 0.22 0.65 嘉南地區 大台北地區 0.21 0.22 0.32 0.23 0.50 0.33 高屏地區 0.33 0.27 0.23 嘉南地區 0.44 0.35 0.22 大台北地區 台中地區 -0.10 -0.33 0.22 0.27 0.65 0.23 嘉南地區 0.11 0.35 0.75 大台北地區 -0.21 0.32 0.50 台中地區 -0.44 0.35 0.22 高屏地區 -0.11 0.35 0.75 台中地區 忠誠&低 消費族 log（平均 刷卡金額） 群 平均 差異 (I-J) (I) 居住地 高屏地區 嘉南地區 標準誤 顯著性 由表二十六可看出，在 p 顯著性標準設定 0.4 下，忠誠&低消費族群的 CRI 指標與獲利指標—log（平均刷卡金額）中，台中地區與其他三地區的獲利平均 皆有顯著性，而嘉南地區則在 CRI 指標中與其他地區有顯著性，表示台中地區 群體的平均數最有意義，嘉南地區 次之，表示兩地區與其他地區的行銷策略 可有所不同。97 位客戶分群特徵整理如表二十七。 26 表二十七 97 位客戶分群特徵整理 分群 金雞母群 未定居的 金雞母群 逐漸離去群 忠誠&低消費族群 人數 11 3 1 82 刷卡總金額排名 1 3 2 4 平均刷卡金額排名 2 3 1 4 CRI 指標排名 2 3 4 1 log（刷卡總金額）具顯著 性變數 性別：男性 年齡：41-50 歲 X 年齡：31-40 歲 log（平均刷卡金額）具顯 著性變數 CRI 指標具顯著 性變數 X 集群 分析 行銷目標 男 婚姻狀況：已婚 居住地：高屏地 區 人數第二多 刷卡總金額最高 消費頻率穩定 性、平均刷卡金 額次高 單身族群消費穩 定性較低 小結：集群分析後可將客戶分 性別：男性 年齡：51-60 歲 性別：女性 年齡：51-60 居住地：台中地 區最顯著，嘉南 地區次之 X 男 X 僅三人，2 女 1 男 刷卡總金額、消 費頻率穩定性、 平均刷卡金額皆 居三 鎖定消費穩定性較低 之客群，提高刷卡頻 人數太少不需考慮 率穩定性（CRI） 目標客群 單身客群 X 僅一人，已婚男 人數最多 性、51-60 歲、 刷 卡 總 金 額 、 平 高屏地區 均刷卡金額最低 刷卡總金額次高 消費頻率最穩定 平均刷卡金額最 高 消費頻率最不穩 定 鎖定消費穩定性高之客 人數太少不需考慮 群，提高刷卡總金額 X 主 要 鎖 定 51-60 歲 女 性，次要鎖定居住在台 中、嘉南地區客群 四群。行銷主力應放在人數第二多、刷卡總金額最高的金雞母群以及人數 最多、消費頻率最穩定的忠誠&低消費群。金雞母群之行銷目標應以提高刷卡頻率穩定性（CRI） 忠誠&低消費群之行銷目標應以提高刷卡總金額 主。 27 主， 肆、結論與行銷策略之建議 本報告分析方法由簡入深，以多種分析方法探討如何衡量顧客價 客靜態與動態價 。在顧 分析部分，可了解消費者的消費型態並非固定不變，透過指 標將客戶評分、排名、並分類 漸趨活躍群、穩定刷卡群與漸趨靜止群，可了 解顧客的消費活躍度以及消費頻率穩定度。並發現整體客戶而言，已婚女性客 群 CRI 平均 最低， 消費頻率最穩定之客群，而就個體客戶而言，單身男性 CRI 低的人數較多，但彼此間 CRI 數 差異極大，故需以質化研究探究原因。 此外，在購物籃分析以及集群分析中，透過購物籃分析求出商品最適的 top 20 組合、透過集群分析將顧客分 客戶 = 1500 組行銷組合，減少 四群，可將原本 15 項商品類別 x100 位 20 組購物籃組合 x 4 群客戶 = 80 組行銷組 合，如此有效減少商品數量與客戶分類，不僅大幅降低行銷人員制定行銷決策 的時間成本，也提高了行銷人員鎖定客群的精準度。此外，針對同次購物與分 次購物的不同消費行 ，信用卡公司也可將分析好的購物籃資料存放在商品推 薦系統中，一旦蒐集到消費者的背景資料或是消費紀錄後，系統即可自動建立 商品推薦 單並發送電子報、簡訊或相關行銷資訊給客戶，而行銷人員只需定 期更新資料庫即可，大幅提升行銷活動執行的效率。 針對集群分析的四群客群，在表二十七已提及行銷主力應放在金雞母群與 忠誠&低消費族群的原因。而針對這兩客群，表二十八 行銷策略上的建議。 表二十八 金雞母群與忠誠&低消費族群之行銷策略建議 分群 行銷目標 目標客群 行銷策略建議 提高刷卡頻 金雞母群 率穩定性 單身客群 忠誠&低消費 提高刷卡總 51-60 歲 族群 金額 女性 增加休閒娛樂與奢品類別產品的定期優惠 單身者較無照顧家庭之經濟負擔，因此，在產品推薦上參 考購物籃分析之結果，可增加休閒娛樂與奢品類別產品的 定期優惠，例如：藥妝、精品、3C 產品等，以增加顧客刷 卡頻率。 爭取與影音娛樂平台綁定信用卡定期付費合作 與 Netflix、Spotify、KKBOX 等影音娛樂 app 合作，提供消 費者綁定信用卡直接扣款選項，並提供繳費優惠，以綁卡 提高消費者依賴性，以達提高刷卡頻率穩定性之目的。 與電商平台合作，搶佔高年級客群商機 疫情下，50 歲~64 歲的女性網購日用品的成長率大幅攀 升，2019 年成長率更高達 60%，因此公司可考慮與電商 平台合作，推出信用卡網購點數回饋優惠 ，以提高消費者 刷卡金額。 整份報告中還有針對許多不同指標進行客群分析。善用此份報告之分析結 果，將有助於公司在 CRM 行銷策略制定上，更精準、更有效率的使顧客價 升至最高， 公司創造最大效益！ 28 提