自加入WTO後國內進口車、國產車的銷售佔比產上結構性的變化。以國產車為主的銷售公司在新車銷售量能縮減及削價競爭的情況下，車輛保修取代新車銷售成為了國產車經銷商的主要獲利來源。近年來國內大量的小型維修廠興起，原廠在車輛保修上面臨著異常的外在競爭。原廠保養廠主要的客源來自營業所的新車銷售，然而在新車銷售成長緩滯的情況下，保養廠既有的保有顧客流失控制就成了最重要的課題。
為了提升保養廠之競爭力，資料庫行銷的導入就變得很重要，如此方能從快速變動的環境中，即時掌握顧客資訊。本研究之研究方法有二。1).採羅吉斯迴歸，針對過去有反饋健診活動之顧客進行了解，並建立健診響應預測模型2).採顧客RFM和NES方法對顧客分群。透過本研究的研究成果，保養廠可以找到主要會響應健診活動的客群，在適切的時間點上投入相關人力。並透過顧客分群結果擬定相關聯繫話術，以此達到進廠台數提升，顧客流失率降低等目的。

關鍵字：羅吉斯迴歸、RFM模型、NES模型

The sale of imported cars and domestic cars has structurally changed after accessing WTO. For enterprises mainly selling domestic cars, car maintenance has become the main profit-making source instead of selling new cars when faced with the decline of sale of new cars and the price competition. Recently, there are more and more third-party vehicle maintenance plants, which causes more competition for the original ones. The customers of original vehicle maintenance plants are from selling new cars in every branch, while under the situation of the decline of selling new cars so customer retention has become an important issue for the original vehicle maintenance plants.
To keep the competitiveness, it’s important to use database marketing so that the original vehicle maintenance plants can catch the information of customers in the rapidly-changing market. There are two methods in this study— 1). The researcher used Logistic regression to understand the background of customers who have responded to the activities of car examination, and set up a model to analyze the customers who will be active to the activities of car examination. 2). using the methods, RFM and NES, to divide the customers into groups. The maintenance plants can easily find the customers who are active to the activities of car examination and distribute the resources at the right moment through this study. The plants are able to convince the customers to increase the customer flow by using the outcome of customer groups.

Keywords: Logistic regression, RFM model, NES model

第一章 緒論 1
第一節 研究背景 1
第二節 研究動機 3
第三節 研究目的 4
第四節 研究對象 5
第五節 研究內容及架構 5
第二章 文獻探討 7
第一節 資料庫行銷與資料探勘 7
壹、 資料庫行銷與資料探勘定義 7
貳、 資料分類方法 8
參、 汽車業資料庫行銷相關文獻 9
第二節 顧客價值理論相關研究 12
壹、 顧客價值意涵 12
貳、 顧客價值衡量方式 13
第三節 文獻小結 16
第三章 研究方法 17
第一節 資料庫行銷之架構 17
第二節 模型應用方式 18
壹、 羅吉斯迴歸方法應用 18
貳、 RFM模型與應用 20
參、 NES模型與應用 20
第四章 實證結果與分析 23
第一節 健診響應預測模型 23
壹、 變數初選 23
貳、 變數訊息價值 25
參、 導入羅吉斯迴歸 35
肆、 模型預測能力驗證 37
伍、 健診響應模型應用 39
第二節 保養廠顧客分群分析 40
第五章 結論與建議 43
壹、 研究貢獻 43
貳、 研究限制 44
參、 未來研究建議 44
參考文獻 47

中文部分
[1].廖述賢，溫志皓(2012)。資料探勘理論與應用：以IBM SPSS Modeler為範例，初版，博碩文化股份有限公司
[2].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系碩士論文。
[3].許懷仁(2007)。應用資料探勘技術於顧客關係管理之顧客分群研究-以某汽車經銷商為例。國立中正大學會計與資訊科技研究所碩士論文。
[4].黃郁蓉(2007)。應用粒子群最佳化演算法於顧客分群-以汽車經銷商為例。朝陽科技大學工業工程與管理系碩士論文。
[5].周庭銳(2000)。顧客價值管理與顧客忠誠度的建立。電子化企業經理人報告，7，21-29。
[6].陳傑豪(2016)。大數據玩行銷。初版，30雜誌。
[7].陳冠吟(2017)。決策樹、羅吉斯迴歸與類神經網路預測員工績效之比較研究。國立中央大學人力資源管理研究所碩士論文。
[8].張麗卿(2004)。應用資料庫行銷經營顧客關係管理之個案研究－以日產汽車中部經銷商為個案。私立大葉大學資訊管理學系碩士班碩士論文
[9].孫恬琳（2004）。應用資料探勘技術於汽車保險購買行為之研究。中正大學企業管理研究所碩士論文。
[10].張伊如（2006）。資料庫行銷之顧客價值分析—以汽車公司之顧客為例。國立中正大學行銷管理研究所碩士論文。
[11].黃芳蕊（2009）。應用資料探勘技術於顧客貢獻價值分析之研究–以某汽車零配件業為例。國立中正大學會計與資訊科技研究所碩士論文。

英文部分
[1]. Berry, M. J. A.,Linoff, G. S.(1997).Data mining techniques: For marketing, sales, and customer support.NY:John Wiley & Sons, Inc..
[2]. Etzion, O., Fisher, A., and Wasserkrug, S.,“e-CLV: A Modeling Approach for Customer Lifetime Evaluation in e-Commerce Domains, with an Application and Case Study for Online Auction,＂Information Systems Frontiers (7:4), 2005, pp.421-434.
[3]. Fayyad, U. (1996), ‘The KDD process for extracting useful knowledge from volumes of data’, Communications of the ACM, Vol. 39, No. 11, pp. 27-34.
[4]. Hsieh, N.,“An Integrated Data Mining and Behavioral Scoring Model for Analyzing Bank Customers,＂Expert Systems with Applications (27:4), 2004, pp.623-633.
[5]. Hughes, A.M. (2006), Strategic Database Marketing (3rd Ed.). McGraw-Hill Enterprises Inc, New York, NY.
[6]. Kleissner, C. (1998), ‘Data mining for the enterprise’, Proceedings of the 31st Annual Hawaii International Conference On System Sciences, Kohala, Hawaii, January 6-9, Vol. 7, pp. 295-304.
[7]. Koch, R.(1997). The 80/20 principle, Nicholas Brealey Publishing.
[8]. Kotler, P. and Keller, K.L. (2008), Marketing Management (13th Ed.). Prentice Hall Inc., NJ.
[9]. Malthouse, E.C. and Blattberg, R.C. (2004), ‘Can we predict customer lifetime value?’, Journal of Interactive Marketing, Vol. 19, No. 1, pp. 2-16.
[10]. Marcus, C.A.(1998). A practical yet meaningful approach to customer segmentation, Journal of consumer marketing, vol.15 no.5, pp.494-504.
[11]. Miglautsch, R.J.,“Thoughts on RFM Scoring,＂Journal of Database Marketing (8:1), 2000, pp.67-72.
[12]. Pinto, F.M., Marques, A. and Santos, M.F. (2009), ‘Ontology-supported database marketing’, Journal of Database Marketing & Customer Strategy Management, Vol. 16, No. 2, pp. 76-91
[13]. Peppers, D., & Rogers, M(1995). 1:1行銷(謝晶瑩譯)。台北：時報文化。(原著出本於1993年)
[14]. Verhoef, P.C. & Donkers, B.(2001). Predicting customer potential value an application in the insurance industry, Decision Support Systems, 32, pp.189–199.