1 / 32

輔仁大學統計資訊系專題發表

輔仁大學統計資訊系專題發表. 資料採礦在行銷策略上之運用 以運動鞋市場為例 團隊成員 ： 吳孟潔 許容溶 張琬婷 李昱慧 陳羽瑩 謝邦昌. 研究背景. 我國製鞋工業發展已久，素來有「運動鞋王國」的美稱，運動鞋市場品牌眾多，促銷活動手法創新，對消費者而言，如何選購一雙適用耐穿的好鞋成為了一門值得細心思考的學問了。因此採用 統計上 Data Mining 的分析方法 ，來完成本項研究。. 研究動機.

aracely-trey
Download Presentation

輔仁大學統計資訊系專題發表

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 輔仁大學統計資訊系專題發表 資料採礦在行銷策略上之運用 以運動鞋市場為例 團隊成員：吳孟潔 許容溶 張琬婷 李昱慧 陳羽瑩 謝邦昌

  2. 研究背景 我國製鞋工業發展已久，素來有「運動鞋王國」的美稱，運動鞋市場品牌眾多，促銷活動手法創新，對消費者而言，如何選購一雙適用耐穿的好鞋成為了一門值得細心思考的學問了。因此採用統計上Data Mining的分析方法，來完成本項研究。

  3. 研究動機 利用統計上問卷調查的分析結果，來瞭解消費者的心態，並以此擬定合適的行銷政策和組合，使各家廠商能夠善加利用這項結果在運動鞋市場上做有效生產以及能符合消費者需求的運動鞋。

  4. 研究目的 本研究既著重在探討運動鞋在市場上的行銷策略，以提供廠商在生產運動鞋時可以加強改進的方向。 主要的有探討方向： 依據不同年齡層、不同地區、教育程度 居住地區、消費的休閒活動 對民眾在選擇運動鞋時的影響。

  5. 受訪者年齡 受訪者包含全台灣北、中、南、東四個地區的消費者；而主要年齡層為12歲到49歲的男女。

  6. 資料採礦是一種資料轉化的過程 將沒有組織的數字與文字集結的資料， 轉換為資訊，再轉為知識，最後才產生決策。 決策 資料庫 資訊 知識

  7. 為何要使用Data Mining﹖ 現今的資料流通筆數已大到令人無法想像 通常會遇到下列問題： 1.巨量的紀錄（cases）（108-1012 bytes） 2.高維的資料（variables）（10-104 attributes） 3.蒐集到的資料只用一小部分來分析（5% to 10%） 4.收集資料的過程中，本身並不具有延伸性的探討 特性，以導致常常忽略其未來潛在的重要性 5.資料的維度增加傳統分析技術的難度

  8. Data Mining與Statistics方式的比較

  9. Data mining的優點 • 可應用在很多的領域，像是：財務、行銷、銀行、通訊、製造業等。 • 可找出的特別資訊，但若對訊息加以瞭解，必定可以增加企業的競爭力。 • 沒有版權問題

  10. 兩個月後 研究結果說明會

  11. 研究流程架構 CRISP-DM 建構市場區隔模型 Data Understanding Data Preparation Modeling 生 活 型 態 穩 定 群 集 群 分 析 市 場 區 隔 描 述 企 業 目 標 資 料 庫 樣 本 變 數 選 擇 判 別 分 析 市 場 區 隔 策 略 生 活 型 態 群 Business Understanding Deployment Evaluation

  12. 資料採礦過程建立運動鞋市場上之區隔模型 研究工具 利用STATISTICA 6.0之DATA MINER

  13. STEP ONE Data Acquisition • 本研究資料檔來自某運動鞋購買行爲的調查所得資料庫，資料庫之原始資料1212457筆 。

  14. STEP TWO Data Preparation,Cleaning,Transformation • Data Cleaning 在原始資料中，有很多資料不完全的記錄，所以採用Data Cleaning來處理，放入欲清理之變數，將受訪者不願回答或未回答造成的“拒答”、訪問員未記錄等原因造成的缺失值等刪除。最後資料庫中僅剩下了334256筆資料，作為本研究對象之母體。

  15. 資料庫之原始資料1212457筆 ， 做Data Cleaning，最後資料庫中僅剩下了334256筆筆資料

  16. STEP THREE Systematic Random Sampling 運用統計中抽樣的觀念，對334256筆紀錄進行(Systematic Random Sampling)，給予樣本區間數值 K-value=100 抽出樣本3342筆進行集群分析

  17. 對334256筆紀錄進行 (Systematic Random Sampling) 樣本區間數值， K-value=100 抽出樣本3342筆

  18. STEP THREE Data Analysis, Modeling, Classification, forecasting 基本次數與圓餅圖分析 集群分析k-means與判別分析

  19. 樣本結構(樣本代表性) 母體與樣本之結構 居住地區 樣 本 母 體 樣 本 母體 年齡

  20. 樣本結構(樣本代表性) 母體與樣本之結構 樣 本 母 體 性別 樣 本 教育程度 母 體

  21. 由集群分析將市場區隔分為三群 群一：重視意見群 群二：經濟實用群 群三：流行自我群 市場區隔

  22. 運用判別分析檢驗分群其穩定性，得知在經濟實用群有33個被誤判至流行自我群，重視意見群以及流行自我群誤判率為0%，此分群鑑別力達99%，所以三個族群皆具足夠穩定性 • 判別分析 判別鑑別率

  23. 母體市場區隔 樣本將市場區隔數決定為三群，得知判別正確率 達99%，進一步區隔出母體的市場。

  24. 利用分類方程式來建立線性判別函數 重視意見群 居住縣市 其中： 經濟實用群 購買原因 流行自我群 功能類型 判別分析之 Classification Functions

  25. 由地區別來看母體市場區隔 經濟實用群 台灣中北部 桃竹苗和台中市 流行自我群 北高直轄市 重視意見群 台灣中南部 台中縣台南縣

  26. 由購買因素來看母體市場區隔 流行自我群 重視自我喜好且偏重品牌的選擇 經濟實用群 便宜又大碗是購買原則 重視意見群 以意見群體的建議及經驗為意見

  27. 由購買運動鞋種類來看 • 母體市場區隔 經濟實用群 偏愛慢跑鞋和籃球鞋 流行自我群 慢跑鞋、籃球鞋、韻律鞋、高爾夫球鞋 重視意見群 無特殊嗜好 此塊為其他

  28. 結論與建議 對分群之後各族群消費者行為進行描述並提出行銷策略之建議 流行自我群 廠商可以利用媒體、廣告等等手法，強化品牌在消費者之形象，加強消費者對品牌印象，並深入了解民眾自我喜好程度，推出各樣外型、功能等主打商品

  29. 經濟實用群 廠商可加強品牌在消費者知覺之實用性、功能性及性質，同時著重運動鞋外觀之設計，並搭配價格之促銷手法，帶給消費者一雙擁有流行外表且有特殊功能之運動鞋。 • 重視意見群 廠商可強調促銷手法，如：買一送一、特價等等，且促銷商品亦為民眾主要特定功能及款式；亦此外，可加強商品品質，增加品牌商品在消費者心中之地位。

  30. 研究貢獻 • 本研究根據資料採礦技術配合軟體 1.建構出一市場區隔模型來提供運動鞋廠商快速處理大量的顧客資料 2.軟體的使用加速清理資料遺失、不完整的部份，直接快速的了解資料的基本特性，辨識資料的質量 3.以CRISP-DM之過程建立企業作資料採礦的模型，可以有效的運用在各種企業資料中，加快分析資料的速度，減少成本提高可信度 4.了解目標市場之消費者特性，提供最快最新的服務及產品，以滿足消費者需求，達成企業目標

  31. 研究建議 • 在問卷設計上，增加消費者購買運動鞋特性之喜好程度之問題，並將問題與生活型態做事先分類 • 強調顧客在消費上的特殊行為，以便了解不同族群的消費者在購買行為上之差異 • 增加問卷在通路、產品的問題，提出更完整的行銷策略

  32. THANK YOU

More Related