資料探勘與顧客分析：Modeler 應用
內容描述
所謂「資料探勘」(Data Mining)是利用模型認知技術與統計的手法處理大數據，發現有意義的新模型及傾向的過程。IBM SPSS Modeler 是一款資料探勘與預測分析軟體，可以使用Microsoft 安裝程式(MSI) 在Windows 系統上完成安裝，最近也可以在雲端使用它。它擁有 30 多種基本的機器學習算法和自動建模方法，具有 R 語言可擴展性，可使用 Python 腳本。使用IBM SPSS Modeler軟體可以找出人們最頻繁討論的話題，或是企業可以了解消費者實際關心的問題。
資料探勘因為是透過各種資料分析技術，挖掘出顧客的消費行為模式與各項營運作業之管理決策等，可說是知識管理之一大利器。例如，7-11超商就是充分運用資料探勘技術，不斷推出各種抓住顧客心房的行銷活動，以贏得更多顧客的心，並將店舖之經營作更完善的規劃管理，使其獲利並使績效能夠長期位居國內零售業之領先地位。
根據美國一項調查超過7萬名購物者的行銷研究，發現消費者在他們店中購物的行為有其一定的慣性，如果門市經營者或是行銷人員能夠善用「消費者行為」模式，將可有效改善經營品質。
書中也一併列舉IBM SPSS Modeler常用的分析方法供讀者參考。資料探勘的方法包括監督式學習、非監督式學習等。監督式學習包括：分類、估計、預測等；非監督式學習包括：集群、關聯規則分析等。上述相關的分析方法，在第1篇中均有步驟式的介紹 ; 第2篇中舉出百貨業的資料案例，分析顧客的消費行為，利用IBM SPSS Modeler從RFM的角度探討消費者的特徵，以及如何向未購買者推銷商品，盼能藉由此例題能激起讀者對資料探勘的興趣。
目錄大綱
第1篇 基礎篇
- 何謂資料探勘
1.1 資料探勘的意義與過程
1.2 Modeler的介面
1.3 Modeler的利用例與主要應用領域
1.4 IBM SPSS Modeler試用版的下載
1.5 Modeler的基本操作
1.6 IBM SPSS Modeler的節點形狀與功能 - Modeler範例1─關聯規則、決策樹（C5.0）、主成分分析、集群分析
2.1 問題的發生狀況法則的探索
2.2 有關品質管理諸工具的構成
2.3 關聯規則
2.4 決策樹分析的一種C5.0
2.5 Kohonen網路
2.6 利用主成分分析密集大量的變數 - Modeler範例2─類神經網路、決策樹（CART）
3.1 類神經網路的基礎理論
3.2 類神經網路與Modeler
3.3 利用CART從學習結果抽出規則 - Modeler範例3─判別分析、時間序列、二項羅吉斯迴歸、多項羅吉斯迴歸
4.1 利用判別分析
4.2 時間序列
4.3 二項羅吉斯迴歸
4.4 多項羅吉斯迴歸 - 購物籃分析（關聯歸納／C5.0）、支援向量機器（SVM）、廣義線性模型、Cox迴歸
5.1 購物籃分析
5.2 支援向量機器（SVM）
5.3 廣義線性模型
5.4 Cox迴歸
第2篇 應用篇
- 在開始顧客分析之前
6.1 顧客分析的5個業務課題
6.2 掌握顧客的4個數據
6.3 資料探勘手法是顧客分析的核心
6.4 準備顧客分析工具 - 理解顧客行為將顧客價值定量化
7.1 使用購買明細數據之後的顧客行為紀要
7.2 購買金額等級與優良顧客定義
7.3 利用RFM分數理解顧客
7.4 掌握顧客行為的特徵
7.5 十分位數分析 - 發現顧客的行為模式
8.1 關聯規則
8.2 協同過濾
8.3 時系列關聯
8.4 關聯規則的留意點 - 將顧客的行為分類
9.1 利用集群分析將顧客行為類型化
9.2 理解集群的特徵
9.3 依照集群推薦 - 預測顧客行為
10.1 行銷活動的反應預測
10.2 休眠的判別預測
10.3 顧客與商品的匹配 - 確立顧客分析的基礎
11.1 處理大數據
11.2 將分析流程效率化
作者介紹
陳耀茂
日本（國立）電氣通信大學經營工學博士
東海大學企管系教授
_@9781449372026_https://static.coderbridge.com/images/books/9781449372026.jpg)