1

案例四: 汽車維修業客服中心 成員: 江梓安、郭晉源、林彥伯、蔡名峰

指導教授: 張瑞芬老師 1緒論 1.1 研究動機 台灣汽車維修保養的市場規模逐年提高，且其經營模式從過去的個人經營轉變為聯

盟式經營的型態，在加入世界貿易組織後，國內汽車維修市場將帶來巨大的重擊。雖然

台灣汽車製造商開始進行轉型，朝向整合與跨企業合作的方向努力，但汽車維修業經營

方面普遍不受重視。從汽車業利潤來看，汽車銷售只佔汽車業利潤的 20%，但維修、保養、汽車道路救援等售後服務的利潤所佔的比例高達 60%。現今國內汽車維修業與國際汽車維修大廠相比，仍有相當大的發展與進步空間。若國內汽車維修業想要與外來國際

化維修大廠競爭，就必須提昇本身的經營效率與建立以顧客為中心的維修體系，在此前

提之下，發展創新的服務內容，以提供顧客人性化與全方位的維修服務。因此台灣汽車

維修業正面臨企業經營改造的轉折點上，若能透過深入的研究，發覺真正的顧客需求，

建立創新的企業行銷與經營模式，以加速汽車維修業經營模式的轉型，使其在未來國際

化競爭的壓力下才能出奇制勝。 1.2 研究目的 基於上述研究之動機，本研究之目的有下列幾點： 運用 AvecCRM系統功能來建構汽車維修業客服管理中心之系統規劃與建構，整合

多項客戶聯繫管道，改善汽車維修業與顧客之關係，提昇作業人員之效率。 經由客戶關係管理系統資料庫中所建立的顧客相關資料與歷史維修保養紀錄進行 RFM (Recently, Frequency, Monetary)分析，並利用資料挖掘技術將顧客資料分群，找出在不同顧客群集中之特性。

利用分群結果，協助企業擬定滿足顧客的行銷策略與創新的客製化服務，提供管理

者經營顧客管係管理之決策分析的參考依據。 1.3 研究步驟 本研究之步驟，如圖 1-1所示：

2

圖 1 研究步驟

2相關文獻探討 2.1 顧客關係管理 2.1.1 顧客關係管理之定義

Gartner Group認為顧客關係管理主要涵蓋三方面：(1)客戶服務：主要以保留舊有顧客、提高客戶滿意度為主;(2)客戶開發：著重在開發客戶所需的產品，並分析客戶需要的時點；(3)客戶取得：主要協助企業尋求及發掘新客戶。Meza (1998)定義顧客關係管理為結合銷售、行銷與顧客服務等範疇，並使顧客關係和顧客經驗最佳化。羅珮玟(2000)認為顧客關係管理的終極展現為一對一行銷，也就是為顧客量身訂做的服務，是企業建

立顧客忠誠度最複雜的過程。陳錫楨(2000)提出顧客關係管理是以漸進式的方法去收集客戶資料，並利用先進的資料庫與決策支援技術，將這些資訊轉換成企業的知識。企業

如果能將這些客戶資訊作最佳化運用，便能有效地了解客戶的行為模式，並且從客戶所

獲得的相關知識，促使企業支援客戶前端與後端作業，進行重新組織整合，以有效提供

客戶真正之所需。

3

2.1.2 顧客價值 顧客價值可從三個構面來檢視 0，分別為消費者期望的產品品質、顧客所感受的服

務品質、以價值為基礎之價格訂定。若能在這三個構面滿足消費者需求，則產生良好的

顧客價值，若其中一項構面若不能滿足，則使顧客價值降低。Hughes (1994) 0認為顧客的終身價值(Customer Lifetime Vaule)是指未來一段時間之內，企業可以從個別顧客獲得之利潤的淨現值。李章偉(2001)0依據資料庫中的顧客購買紀錄，算出每位顧客可能貢獻於企業的終身價值，透過顧客終身價值的計算，企業除了可以預測未來的營收情況

外，還可以確認出顧客價值的高低，以分配不同的企業資源於不同價值的顧客身上。 2.2 資料挖礦

Michael定義資料挖礦為：「為了發現有意義的模式或規則，以自動或半自動的方式，來探查、分析大量資料所進行的流程」。Frawley (1991)認為資料挖掘是從資料庫中發掘未知、潛在有用且最中可理解的資料模式。Michael (2001)0將資料挖礦分為六類，如下所述： 分類：分類是屬於監督式學習的一種方法，透過訓練資料中的各種屬性與特徵值，尋找

及建立分類法則。 推估：是根據既有的連續性數值之相關屬性資料，以獲得另一屬性中未知之值。 預測：預測是去推估未來的數值與趨勢。也就是以歷史的數值資料建立模型，預測未來

的狀態。 關聯分組：找出有哪些事物總是同時發生，最典型的例子就是分析在超級市場購物的購

物籃，找出可以一起販售的商品組合。 群集化：將許多不同的群組，分成一些更相似的子群組或群集。群集化與分類的差異在

於群集化並未預先定義好類別。 描述及視覺化：是一種強而有力的描述式資料挖掘，能容易的從一個複雜的資料庫中解

釋出一些狀態。 群集分析法是一種多變量統計分類方法，其主要探討如何將資料加以分群，其主要

目的在於使群體內個體間高度同質性，不同群體間高度差異性。分群的方法則包括遺傳

演算法、多變量分析與類神經網路。 然而多變量分析可分為分層式與非分層式兩大類 0： 分層式分群法：分層是主要是將樣本個體是為一群，然後將相近的個體合成同一

群。依次的結合使得群組越來越少，最後所有個體結成一群，或是經由相反程序，將所

有個體從同一群，分離為個別群數，此種方法得為大優點為可依決策者實際需要，選擇

最適當的群數，作為區隔市場的依據。 非分層式分群法：首先決定 K個分群中心，用來當作起始的分群中心，一各個體到各中心點距離遠近，重新移動個體到最近的群體，並計算出各群體的中心點，然後繼續再移

動各個群體到最接近的群體，直到群聚結果不再改變或滿足某種限制為止。 2.3 汽車維修產業經營模式 汽車產業包括了新車買賣與維修、中古車買賣與維修、汽車零配件、及其他相關的

4

周邊市場，且各市場間具有相當之關連性。我國汽車產業的發展，從試產期、裝配技術

導入期、生產技術導入期、生產技術吸收期、至積極發展期，已有四十餘年。期間歷經

「發展國產汽車工業辦法」、「國內汽車工業保護及進口汽車辦法」、「促進汽車工業經營

方案」、及「汽車工業發展方案」等措施的保護，使得汽車產業得以穩定發展 0。 台灣汽車維修產業發展歷程 0，從過去個人經營模式發展至集團經營，在 70~80 年

代維修技術的來源大部分都靠維修技師經驗的累積，到現今原廠技術手冊與專家開班授

課。顧客維修的想法，從過去只找熟悉的維修廠商進行維修，轉變成現今要求快速維修、

價格合理與提供滿意的品質，由此可知顧客對服務的要求日益提高，同時汽車維修產業

在整個汽車業價值鏈中，相較之下有較高的附加價值，如圖 2-1所示，但未受應有之重視。

表 1、汽車維修產業發展歷程 階段 屬性

1970-1979 (個人經營)

1980-1989 (公司經營)

1990-1995 (聯盟經營)

1995-至今 (集團經營)

投資人 (汽車修護廠經營者)

技術與經驗 （自行開設）

依附原廠，取

得技術與人才

培育(加盟＆簽約)

策略聯盟並提

供加值服務(提供拖吊、免費

冷氣檢驗⋯）

連鎖經營且與異業合

作(信用卡客戶免費道路救援)

顧客對汽車的需

求 身份、地位的

彰顯 逐漸變成基本

需求

代步工具且開

始注重品質與

性能

注重品質與性能的提

昇及售後服務，並考

慮休閒需求 顧客對汽車修護

的心態 只找熟悉的廠

商 原廠維修較有

制度化 快速維修、 服務價錢公道

快速維修、價格合

理、提供滿意的服務

修護技術 來源

修護技師經驗

的累積

技術手冊(中文)、 原廠修護技術

引進 (新車維修講習)

原廠技術手冊

(外文) 同業經驗交流

原廠技術手冊(外文)、 專家開班授課進修

資訊技術 支援維修

經驗的累積與

傳承

書面資料、運

用電子儀器(類比式居多)

視聽教學、單

一車種之電腦

診斷儀器 、數位儀器

多功能多車種之電腦

診斷儀器、IT的引進

汽車科技 基本需求、省油

性能提昇、電

子化控制

重視舒適、 安全與環保、

並開始利用電

腦來控制

人性化的操控、享受

駕駛的樂趣、通訊科

技的引進(GPS、行動通訊)

引擎

底盤

車身

維 修

零件通路 中古車保險融資

附 加 價 值

5

圖 1、台灣汽車產業價值鏈 0 台灣汽車維修產業經營環境已產生大幅變化， 然而業者大多數還是以傳統模式經

營，為突破現有瓶頸，已有學者與研究單位提出運用資訊科技 000建立企業電子商務。張光旭與李平凡(2000)提出汽車維修經營模式未來發展趨勢與具體做法，如下所示。

表 2、汽車維修經營模式未來發展之演進 演進階段

維修服務未來發展的趨勢 建議具體作法

提供及時與完整的汽車資訊，並

隨時更新 網站建立、內容時時更新與充實

線上診斷車輛問題 FAQ、簡易維修教學 (一)提供維修資訊

維修人員的資料 強化維修人員的素質與專業訓練

完善且簡便的線上預約維修服

務 加強網站功能，增加服務項目

創造顧客與企業緊密結合的環

境 提昇網站服務品質，引導消費者

與車廠實際的接觸 (二)互動

建立汽車維修服務的電子社群整合消費者、網站、維修廠三方

面 線上的維修交易處理 異業合作（銀行、信用卡公司…）顧客查詢維修進度 網路即時監控維修現況 維修零件電子交易市集 同業結盟，集體採購 維修零件來源與價格的公開 維修零件供應商之整合 建立妥善的顧客抱怨處理模式 即時回饋及抱怨處理系統

(三)維修交易作業

開發加值服務項目 檢視核心流程，發展延伸性服務

一對一專屬個人服務 顧客組合管理（市場、團體、個別）

建立完整的售後服務體系 e-Business經營模式 新維修服務的產生

(四)利用經驗發揮知識槓桿

發展新的經營模式 企業價值、策略的重新檢視與創

新

6

3研究方法 3.1 IVR系統分析 由於台灣汽車維修產業競爭白熱化，為增強競爭力，業者如火如荼朝向提供完善貼

心的服務為目標。因此本組在建構互動式語音流程時，為提供顧客 24小時的客服服務，因此在語音作業流程可分為白天與晚上，讓顧客可隨時獲得所需之完善服務，其互動式

語音流程，如圖 3-1所示。 在本節中將藉由 step by step的方式詳細說明本組所建構互動式語音作業流程。其主要有以下流程： 依照群組尋找客服分機：當顧客來電時，首先會聽到一段語音播放，顧客可選擇直

撥分機號碼或選擇撥到哪一單位，則該單位的閒置分機就會響鈴，也可選擇直撥總機，

其互動式語音作業流程，如圖 3-2所示。

圖 3 尋找客服分機語音作業流程

近期行銷活動語音流程：當顧客想要獲得近期公司所舉辦的活動，可選擇活動說明，其

語音作業流程如 所示。

7

圖 4近期行銷活動語音流程

分機無人回應之處理流程：當顧客所選擇的分機號碼無人應答時，此時會由語音提

示提供其他系統服務，其處理流程如圖 3-3 所示。若顧客選擇等待，則系統會持續出現接通聲且分機持續響鈴。

圖 5分機無人回應之處理流程

夜間互動語音流程：為提供顧客汽車維修保養 24小時之服務，因此本組設計夜間互動語音流程，提供維修預約、維修保養進度查詢與近期活動說明，其處理流程如圖 3-4所示。

8

圖 6夜間互動語音流程

3.2 IVR系統實作 本系統可由二個子系統所組成，如圖 3-5所示，將分述如下：

電腦電訊整合系統：資料來源主要為來電、與其接收紀錄、IVR 流程。 Web-Based操作介面：資料來源主要由使用者自行輸入，以及接收由 CTI系統所儲存至資料庫內的相關資料為主。

圖 7系統架構 本汽車維修業者客服中心系統架構主要核心利用 AvecCRM系統，設計 IVR 流程且

9

配合 EBC實驗室內配備有的語音卡及傳真卡的電腦電訊整合伺服器（CTI Server）、Web伺服器，及 SQL-Server資料庫，利用 CTI Server架設 Call Center，並將所有之資訊透過網路機制存進中心資料庫；而Web Server也是透過網路存取資料庫中的資料，並負責Call Center中各 Agent的線上操作工作，並提供管理者或其他使用者查詢。 3.2.1電腦電訊整合系統 當程式執行時，會出現 CTI的設定畫面，所展現的資訊或是可設定的項目可以分為

五項：系統資訊、部門群組、白天設定、夜間設定、及其他設定，以下將一一說明。 系統資訊：在此頁中，系統會自動偵測機器內安裝之語音卡和傳真卡，並計算可用的外

線單元和內線單元。當此程式執行的時候，會檢查資料庫的連線狀況，若連線正常的話，

便會從資料庫中將資料取出，否則以檔案的方式讀入。從左下角的圖案即可判斷出程式

執行時資料庫的連線狀況。在此需注意的是，CTI程式的執行，會以資料庫中之資料為主，若是連線發生問題時，才會採用檔案之資料，因此若是在資料庫連線不正確情況下

之設定，請在資料庫恢復之後，更新之，以保持資料的一致性。

圖 8系統資訊

部門群組：在部門群組中，會列出白天及夜間的群組，包括了群組的編號和名稱。使用

者可在此頁進行部門群組的新增、刪除、以及修改。

10

圖 9部門群組

白天／夜間設定：由於白天設定與夜間設定的設定方式是一樣的，在此僅說明白天設定

的部份。不管是白天或是夜間設定，都有著四個分頁需要進行設定，也就是「分機設定」、

「功能鍵設定」、「忙碌、無人回應處理」、「語音流程設定」，茲分述如下。 分機設定中可以切割為三個部份，上半部顯示了目前內線分機所有線數的資訊，包括了

分機號碼、Agent ID、Agent姓名，所屬群組編號及所屬群組名稱。左下半部是用來設定各內線的資訊，右下半部則是內線分機所擁有的功能鍵設定。

圖 10白天／夜間設定(1)

11

圖 11白天／夜間設定(2)

白天/晚上內線分機功能鍵設定

表 3

內線分機功能 說明

直撥總機 9 直接與總機線接通

代接 # 當有分機響鈴而無人去回應時，另一分機可以代替該分機，將此分機轉至此線路，接起通話。

撥外線 0 連結外線實體線路，進行撥號動作。

聽留言 5 可利用話筒聽取留言。

三方通話 flash+3

讓外線及兩個內線同時進行通話。

轉接 flash 在與外線來電者通話時，按下話機上的 Flash鍵，再按分機號碼，可將該外線轉至其他分機。

留言聽取設定 此分頁在設定內線分機以話筒聽取留言時，所需輸入之帳號與密碼，以進行權限的控管。

12

圖 12內線分機功能鍵設定(1)

圖 3-11 內線分機功能鍵設定(2) 白天/晚上忙碌、無人回應處理，在此分頁中，包含了左右兩半部的設定，左半部為

分機忙碌處理，右半部為分機無人回應處理。

圖 12

13

圖 13

白天語音流程設定 在此頁面中，可以切割為三個部份，左半部為整個流程的樹狀結構，右上半部為欲

加入流程中之動作選擇，而右下方則是搭配各動作所需輸入之參數。

圖 14

14

圖 15

SMTP設定：在此設定中，是用來設定當來電者有留言時，系統會自動 e-mail寄給該分機之 Agent，因此要設定自己公司的 SMTP資訊。

圖 16

FAX設定：在此設定中，要設定自己公司的 FAX所在縣市的資訊。

15

圖 17

白天夜間切換時間設定 此設定是用來設定白天與夜間流程切換的時間，包括了切換的時與分，或是選擇不切

換，即以單一流程在跑（白天流程），此部份需搭配白天設定與夜間設定的資訊。

圖 18

DAA設定：在此設定中，是用來設定該分機是否能進行外撥功能，或是外撥之權限。

16

圖 19

3.2.2 Web-Based操作介面 本節主要將探討以下功能模組，依序為： 帳號管理：分別有管理者(Admin)與 Agent帳號；首先將預設的管理者帳號設置好，

以及 Agent的個數也可事先預設 4~8人左右；個人可以修改個人資料、管理者可以新增、刪除、修改、查詢、使用者群組指派（指派使用者隸屬於哪些群組，用以分辨使用者的

權限）。 分機狀態流程：紀錄 Agent的資訊，以 8內線分機為範例，分機號碼從 201～208，

當有來電要與分機連結時，會以群組撥號的方式去找尋群組的分機中，是否有空閒的，

然後予以連結，若是皆無回應會忙線時，則會與總機線連結，利用網頁化畫面來瞭解目

前每一分機的服務情形，如圖 20與圖 21所示。

圖 20 分機狀態流程(1)

CTI Server

分機狀態畫面

解析Socket資訊利用socket傳資訊

17

圖 21分機狀態流程(2)

來電顯示(screen pop-up)：當顧客來電時，系統若取得 Caller ID，則系統便會將資

料庫中所記錄的使用者資訊顯示在畫面上，以利客服人員進行服務。以下為來電者的資

料顯示流程，如圖 3-22所示，登入畫面，如圖 23所示：

圖 22 來電顯示流程(1)

CTI Server

分機狀態畫面

解析Socket資訊利用socket傳資訊

18

圖 23 系統登入畫面

系統提供 Screen pop-up：藉由開發專業語音卡 API，達成即時顯示、顯示顧客來電

資訊於客服人員操作畫面並整合於資料庫中，包含顧客來電號碼顯示、來電日期、來電

時間、以及顧客個人資料自動顯示等功能，如圖 24所示。

19

圖 24 Screen pop-up

來電紀錄：客服人員處理來電處理流程如圖 25所示。其必須根據使用者輸入之查

詢條件，列出所有符合條件之新進來電紀錄，Agent對於每筆來電紀錄可以根據其需求，在來電的同時，為此筆紀錄進行處理，輸入有關來電紀錄之各項資料。如：汽車維修狀

況、預約時間…等，詳細的紀錄在該筆來電紀錄之內，操作畫面如圖 3-26、圖 3-27所示。

圖 25客服人員處理來電處理流程

Telephone

Contact Center

顧客基本資料庫

問題處理畫面

問題處理資料庫

20

圖 26新近來電紀錄

圖 27 來電紀錄處理編輯

歷史紀錄：歷史來電紀錄處理流程如圖 28所示。透過 CTI將各類來電紀錄登入至資料庫內後，WEB的使用介面上，可以透過表單的選取來得到所需歷史來電記錄資訊。

21

圖 28 歷史來電紀錄 根據使用者輸入之查詢條件，列出所有符合條件之歷史來電紀錄。並可查閱個別歷史來

電之紀錄資料如圖 29、圖 30所示。

圖 29查閱個別歷史來電之紀錄資料

Telephone

Contact Center

來電資料庫歷史來電記錄畫面

22

圖 30客服詳細紀錄

線上對談功能：Agent可以開啟一 Applet成為線上對談之 Agent，若有 Client端登入，將及時呈現 Client端在資料庫內之紀錄，最後並可將對談記錄及對談原因等相關資料記入資料庫以供後續查詢，另外，在對談的同時也可即時修改 Client端使用者基本資料。一般使用者可以開啟一 Applet成為線上對談之 Client，與 Agent進行線上對談。其操作畫面如圖 31、圖 32、圖 33所示。

23

圖 31 線上對談 Agent端登錄

圖 32線上對談 Agent功能

24

圖 33 線上對談 Client功能

歷史線上對談紀錄：系統 Agent與 Admin可使用歷史線上對談紀錄功能查詢歷史之線上對談紀錄，如圖 3-34所示。

圖 34線上對談紀錄

25

3.3 系統Model 下圖為本專題所建構之汽車保養維修廠 CRM系統 Model分為以下幾大部分，分別是利用多管道通訊的Web系統，Web有權限設定，並且結合 CTI和本身汽車保養維修廠的業務和決策分析，最終目標為提高企業利潤。

EmailFax

FoneWWW

多管道通訊

客戶WEB用戶

系統內部管理者

Agent群組

線上對談

Web服務擴展

客戶資料

客戶分類 客戶分析

服務提醒

客戶管理

維修保養

銷售零件

檢查服務

維修廠業務管理

資料挖掘分析 / 行銷決策

決策分析 核心目標

獲得更高利潤

CTI IVR

電腦電話整合

1.

2.

圖 35 汽車保養維修廠 CRM系統 Model

達到系統核心目標，分為以下幾個步驟： 1. 業務優化，提高銷售工作效率，進而改善客戶體驗。 2. 加強與客戶的互動；提供除了傳統的電話、傳真、紙質文件、面對面方式以外更豐

富的管道，還提供Web 方式服務，使客戶能夠隨時隨地提出客戶請求，得到處理情況提示，從而提高客戶滿意度。

3. 通過成立客戶網際網路用戶社區，能夠提供客戶分享和交流使用經驗的場所，並能夠互相協助解決問題，從而更好的愉悅客戶，提高對維修廠的忠誠度，並建立良好

公司形象。 4. 系統核心目標為改善客戶關係，提高客戶價值，進而提升競爭力，獲得更高利潤。

26

改善客戶體驗

提高客戶滿意度

使客戶更忠誠

獲得更多銷售額和利潤

$Max

圖 36系統核心目標

3.4 資料分析流程 透過客服中心 IVR的建置，我們必須妥善收集客戶的基本資料與來電資料和制定所

需的資料庫欄位，來建構汽車保養場的資料庫，接著進行供資料分析，透過選擇的 RFM三種變數屬性透過 K-mean模式來做顧客分群，之後再和顧客抱怨數 C做相關性分析，分析結果做為未來的銷售策略，與客服中心的服務水準回饋之用，資料分析流程如下：

27

圖 37 資料分析流程圖

RFM (Recently、Frequency、Monetary) 分別代表最近購買時間、購買頻率與購買金額。根據 Arthur Hughes的研究，RFM通常以平均數來表示。利用這三種指標可以用來衡量每位顧客的價值以擬定相關行銷策略。因此企業利用 RFM指標將顧客量化評分，其目的在量化顧客消費行為，使其符合科學行銷公式應用，其為評量顧客忠誠度與顧客貢獻

度時，最常使用的一個評估法。以下為 RFM之說明： 1. 最近購買時間：即計算由最後一次購買起算至現在之時間。購買某產品之時間距

28

現在愈近，隱含著該顧客再次購買的機率愈高，若最近購買日期離目前時點愈遠，隨著

時間之拉長，該顧客之持續購買之機率則下降。 (單位：天) 2. 購買頻率：衡量一個時段內顧客所購買的總次數或是評估顧客在某一段時間內與

公司之互動程度，購買頻率愈高則表示顧客與公司互動程度愈高。(單位：次數/年) 3. 購買金額：計算在某一時段內購買的總金額，顧客購買某產品之總金額亦代表著

對此產品之興趣指標，亦為對公司之實質金錢貢獻。(單位：元) Kahan (1998)0認為 RFM是應用非常廣泛的行為分析技術，利用 RFM可以更簡單、

更快速地分析公司的顧客，並指出從行為的觀點來看，RFM是最常用來測量與顧客強度的方法之一。在 RFM的使用上，Sung and Sang (1998)0是將 RFM的值在沒有經過轉換的情況下，直接當成建立模式的輸入變數，透過集群的分析方法將顧客分成不同的顧

客群，再針對不同的顧客群採行不同的策略。Bauer (1998)0將 RFM用於郵寄時的目標顧客選擇，認為使用 RFM做為直效行銷工具之優點為：(1)增加回應率(2)降低每份郵寄廣告單之成本(3)有助於顧客個人化。顧客對某產品之忠誠度愈高(RFM值愈高)，亦即薀涵該顧客下次持續購買該商品之機率愈大。 圖 38為我們所制定的資料庫欄位關聯圖，包含：顧客基本資料欄位設計、顧客維修服務、顧客滿意度收集(滿意度、服務項目)、CTI設定…等等，有英文名稱、中文名稱、資料型態、是否 Null，備註：階層範圍)等。

29

圖 38 資料庫欄位關聯圖

30

4研究結果與討論

4.1 K-mean分群方法 集群分析的目的是將相類似的顧客歸為一群，使得同一群的維修顧客內具有

高度之同質性（Homogeneity）， 不同群的消費者間則具有異質性（Heterogeneity）。集群的方法則使用 K-Means 法， 它是屬於非分層法（Non hierarchical methods）的一種。 現金群集分析方法主要分成多變量分析、類神經網路等。而多變量分析已經被許

多學者所應用，目前可區分成分層式、非分層式等方法。 分層群集分析（Hierarchical Cluster Analysis），亦稱作系統群集分析，是群集分析中應用最廣泛的一種方法。 本研究運用資料挖掘統計理論的技術，採用是統計分析軟體 SPSS 8.0中群集分析的 K-mean模式。 K-mean模式可以將顧客群集分為指定的群數，而且比較不容易受到不適當之屬性、異常點與不同的相似度的影響。 K-mean 模式符號如下： c ：顧客分群數目。 n ：顧客的總數目。 Gi：各顧客群集包含的顧客函數。 xj：個別顧客所代表的向量。 uij：在二元歐基里德距離測度矩陣中第 i個群集顧客中的第 j個顧客向量的。 K-mean模式在維修顧客分群之演算步驟如下：

1.照預先設定顧客分群的群數，將顧客分為 c個群集，而且每個群集顧客成員選擇是經過資料庫中隨意選取的。

2.計算所有的顧客向量的歐基里德距離測度矩陣。

其中，xj表示第 j個向 xj 量不屬於群集 i如第 j個顧客向量屬於群集 i。1則是代表在歐基里德距離測度矩陣中。

3.計算各個群集中所有的顧客資料向量之顧客向量的成本函數。

31

其中， 為在群集 i內部的最小成本函數。 並將每個顧客資料分派到與其距離最近的中心顧客資料向量所屬的群集。

4.重複計算每個群集顧客資料向量的中心點。

其中 ，為各個顧客群集所包含的樣本函數的大小。

亦為 。 5.重複 2到 3步驟，群集都沒有顧客資料向量，被重新分派的情形出現為止。

4.2 K-mean模式顧客分群結果 本研究使用群集分析法中最常用的 K-mean模式，若已知顧客的分群數，則

K-mean模式可以將顧客群體分成指定的群數。首先使用 SPSS 8.0統計分析軟體來進行顧客分群，參數設定如下： 1. 輸入變數：交易頻率、最近交易時間、交易金額。 2. 群集個數設定：2個群集或 3個群集。 3. 計算顧客資料向量條件：歐基里德距離測度。 設定出兩群集及三群集的顧客數分別如表 4-1及 4-2所示。

表 4、K-mean模式之兩群集(n=147) 群集 顧客數 1 119 2 28

表 5、K-mean模式之三群集(n=147)

群集 顧客數 1 115 2 2 3 30

32

表 4及 5是 K-mean模式分析出兩群集及三群集顧客統計量資料。 表 6、K-mean模式之兩群集統計量

平均數 95％信賴區間 群 別

群

集

內

顧

客

數

輸 入 變

數

平均數

標準差

標準誤

下界

上界

最大值

最小值

R 92.2689 76.0308 6.9697 78.4669 106.0709 323 2 F 1.8655 1.4896 0.1366 1.5951 2.1360 7 1

第 1 群

119

M 8379.1597 9011.3335 826.0676 6743.3209 10014.9984 42524 485 R 54.1071 30.2953 5.7253 42.3599 65.8544 142 10 F 7.5357 3.1445 0.5942 6.3164 8.7550 15 3

第 2 群

28

M 79460.5357 33530.8804 6336.7408 66458.6176 92462.4538 195888 46332 R 85.0000 71.1891 5.8716 73.3957 96.6043 323 2 F 2.9456 2.9349 0.2421 2.4672 3.4240 15 1

總 和

147

M 21918.4694 32526.4345 2682.7351 16616.4575 27220.4812 195888 485

33

表 7、K-mean模式之三群集統計量

本研究採用變異數分析來對 K-mean模式分群結果做檢定，針對驗證群集顧客的劃分界線是否合適。其變異數分析結果如表 6及 7。

平均數 95％信賴區間 群 別

群

集

內

顧

客

數

輸 入 變

數

平均數

標準差

標準誤

下界

上界

最大值

最小值

R 93.6174 76.7195 7.1541 79.4451 107.7897 323 2 F 1.7217 1.2811 0.1195 1.4851 1.9584 7 1

第 1 群

115

M 7260.9217 6816.2008 635.6140 6001.7753 8520.0682 31106 485 R 60 39.598 28 -295.7737 415.7737 88 32 F 14.5 0.7071 0.5 8.1469 20.8531 15 14

第 2 群

2

M 179390 23331.6954 16498 -30236.966 389016.97 195888 162892R 53.6333 31.0988 5.6778 42.0208 65.2458 142 10 F 6.8667 2.4174 0.4413 5.964 7.7693 13 3

第 3 群

30

M 67607.6333 20082.5938 3666.5632 60108.6696 75106.5971 105686 38681 R 85.0000 71.1891 5.8716 73.3957 96.6043 323 2 F 2.9456 2.9349 0.2421 2.4672 3.4240 15 1

總 和

147

M 21918.4694 32526.4345 2682.7351 16616.4575 27220.4812 195888 485

34

表 8、K-mean模式之兩群集變異數分析

平方和

自由

度 平均平方和 F值 P-Value

α=5%下具有顯著差異

群集間 1.144E+11 1 1.144E+11 415.422 0.000 0 群集內 3.994E+10 145 275430921 總和 1.544E+11 146

表 9、K-mean模式之三群集變異數分析

平方和 自由

度 平均平方和 F值 P-Value

α=5%下具有顯著差異

群集間 1.368E+11 2 6.841E+10 561.638 0.000 0 群集內 1.754E+10 144 121802552 總和 1.544E+11 146 由表 8及表 9的變異數分析表中，兩群集及三群集的Ｆ值檢定分別為

415.422，561.638，P值小於 0.05，皆已達顯著水準，而三群集的 F值較兩集群大，因此可證明在 K-mean模式分群結果中取三群集為劃分界線最為合適。 由表 4-7之 K-mean模式顧客分群中，從輸入變數中的三項變數之平均值，在平均最近交易時間的分群結果為群集一＞群集二＞群集三，代表群集三之顧客平均

最近交易時間較為短暫；而三群集在平均交易次數分群結果皆為群集二＞群集三

＞群集一及平均交易金額的分群結果皆為群集二＞群集三＞群集一，代表群集二

顧客的平均交易次數及平均交易金額較高。 表 10、K-mean模式之群集平均值

資料筆數 147筆 分群數 3群

群集 顧客數 平均最近交

易時間 平均交易次

數 平均交易金

額

1 115 93.614 1.7217 7260.9217

2 2 60 14.5 179390

3 30 53.6333 6.8667 67607.6333

35

圖 39、各集群在 RFM三個維度資料散佈圖

由圖 39所示，將可了解各群集在 RFM三個維度中之表現。 4.3 相關性分析基本概念 關聯規則探勘(Association rule mining)是從大量資料項目集合之間發現有趣

的關聯或相關。隨著大量資料不停地被收集和儲存，對於資料庫中探勘關聯規則

越來越感興趣，並且從大量商業交易紀錄、顧客關係管理或產品事故原因中，探

勘發現有趣的關聯規則，可以幫助管理者快速、正確的制定決策，如產品型錄設

計、交叉行銷、賠本銷售分析等。關聯分組的功能是去發掘哪些事物總是同時發

生。舉例來說，買 A商品的通常同時購買 C商品。美國一個應用 Data Mining做購物籃分析的有名實例是零售連鎖商Walmart發現的「星期四、尿布和啤酒」。也就是由購物籃分析發現在禮拜四晚上，消費者通常會同時購買尿布和啤酒。這

樣的發現提供了 Walmart 更多可與此結合的行銷點子。事實上，購物籃分析就是達成交叉銷售的方法。 規則的支持度(Support)與可信度(Confidence)是兩個有趣衡量值，他們可以反映出所發現之規則的有用性和確定性。因此，規則的支持度和可信度是衡量規則

是否具效率性，如果規則滿足最小之支持度與最小可信度，則此規則是被認為具

有效率性，也就是強規則(Strong)。關聯規則的探勘是一個兩步驟過程： 找出所有頻繁項目集合：項目集合出現的頻繁性至少和預先定義的最小支持

度計數一樣。

36

由頻繁項目集合產生強關聯規則：須同時滿足最小之支持度與最小可信度。 關聯規則之使用與其重要性，尤其是在大量資料間之關聯規則分析，對於選

擇性行銷、決策分析和商業管理等方面是非常有用的。當我們找出同時滿足最小

支持度與最小可信度之頻繁項目後，決策時就可依據所得頻繁項目來決定分析之

優先順序。所以資料探勘正是目前從資料庫中探索知識的重要技術，其中關聯式

法則的探勘又是資料探勘中重要的技術之一，主要用來發掘各個物件項目之間的

關係，以便找出具有價值的規則。 4.4 相關性分析結果 在本組的研究報告中，將維修保養場給我們的顧客資料加以分析，使用方法

是 Excel中的樞紐分析方法，利用計數方法將不同顧客群集所購買的抱怨項目、保養項目、車輛改裝、車輛健檢等，依據顧客在不同時間下的購買情形加以分析，

研究目的在於希望找出不同顧客群集之資料的相關性與顧客所重視的項目，以便

利汽車維修保養場改進客服人員的績效、產品的交叉行銷等，並且降低顧客抱

怨、增進服務品質。因此先定義各數字所代表的意義： 表 11、顧客與抱怨項目代碼

顧客代碼

1 短期流動顧客

2 長期忠誠顧客

3 潛力顧客

抱怨項目

1 維修保養價格

2 維修保養品質

3 維修保養人員態度 首先，本組針對不同顧客群集與抱怨項目進行分析，分別記錄各個顧客代碼與抱

37

怨項目間累積的次數，其結果如下表、圖所示：

表 12、顧客代碼與抱怨項目間累積次數表 集群別 1 2 3 總計抱怨項目 1 2 3 1 3 1 2 3 合計 273 78 42 6 1 67 23 9 499Confidence 0.69 0.20 0.11 0.86 0.14 0.68 0.23 0.09

12

3

1

2

3

0

50

100

150

200

250

300

1

2

3

將分頁欄位拖曳到這裏

計數 的抱怨項目

抱怨項目

集群別

圖 40、顧客代碼與抱怨項目間累積次數圖

由表、圖中可以發現，各顧客群集對於價格上的抱怨電話都是排行第一，由

此可知顧客不分群集都會針對價格與線上客服加以詢問與議價，尤其是第一群顧

客(短期流動顧客)對於價格項目上十分注重，次數上比起其他兩項目都多出許多；而第三群顧客與第一群差不多也是將注意力放在價格上，最後我們觀察長期

忠誠顧客，可以發現抱怨電話相當的少，並且也無品質上的抱怨，由此可知長期

顧客對於維修保養廠建立起信心，但在少數抱怨電話中，也是以價格方面的詢問

居多，由此我們可以知道所有顧客最重視的是價格問題，其次是維修保養品質，

最後才考量員工態度。 再來我們針對保養、改裝、健檢項目代碼加以定義其意義，如下：

38

表 13、保養、改裝、健檢項目代碼

車輛保養

1 小保養

2 大保養

3 定期保養

車輛改裝

1 座椅改裝

3 烤漆改裝

4 車殼改裝

5 車燈改裝

7 音響改裝

9 輪胎改裝

車輛健檢

3 操控設備檢查

4 動力設備檢查

9 全檢 接著我們探討有關兩項目的關連性法則，也就是希望能找出如Walmart發現的

39

「星期四、尿布和啤酒」的規則，以下我們以顧客集群別、車輛保養與車輛健檢

為例，來探討其中隱含的相關性行銷關係。 而本組依照汽車維修廠的資料，加以累計各集群、保養項目與車輛健檢項目間的

計數，其結果如下表圖所示： 表 14、各集群、保養項目與車輛健檢項目間的計數累計表

集群別 1 保養項目 1 2 3 車輛健檢 3 4 9 3 4 9 3 4 9 合計 41 76 14 12 18 2 57 94 79 Confidence 0.31 0.58 0.11 0.38 0.56 0.06 0.25 0.41 0.34

集群別 2 2 保養項目 1 3 1 車輛健檢 3 4 4 9 3 4 合計 1 1 4 1 1 1 Confidence 0.5 0.5 0.8 0.2 0.5 0.5

集群別 3 保養項目 1 2 3 車輛健檢 3 4 9 4 9 3 4 9 合計 13 17 3 3 1 12 26 24 Confidence 0.40 0.52 0.09 0.75 0.25 0.1935 0.42 0.3871

40

34

9

1 - 1

1 - 2

1 - 3

2 - 1

2 - 3

3 - 1

3 - 2

3 - 3

0

20

40

60

80

100

1 - 1

1 - 2

1 - 3

2 - 1

2 - 3

3 - 1

3 - 2

3 - 3

將分頁欄位拖曳到這裏

計數 的車輛健檢

車輛健檢

集群別

保養項目

圖 41、各集群、保養項目與車輛健檢項目間的計數累計圖

由表、圖中我們可以發現集群一的顧客在做保養項目時，有蠻高機率會接著

繼續做車輛健檢項目 4，接著是集群二的顧客在做保養項目時，對於車輛健檢項目 9比較少一起進行，另外是集群三的顧客的保養習慣與集群一的顧客類似，都對於車輛健檢項目 4比較感興趣。 因此我們可以在行銷策略中，針對集群一和三推出保養與車輛健檢項目 4

的相關優惠折扣，而群集二的顧客則是可以利用優惠折扣、保養健檢組合等方式

來刺激集群二的顧客可以在此健檢項目多消費。 4.5 行銷策略 從群集二所表現出的特性得知，對全體樣本顧客而言，此群集具有次短的平均最

近交易時間、平均交易次數頻繁最多、平均交易金額高，因此本研究將群集二顧

客定義為「S-VIP型」(Super Very Important Person) 顧客。從群集三所表現出的特性得知，對全體樣本顧客而言為「VIP型」，此群集具有最短的平均最近交易時間、平均交易次數頻繁次多、交易總金額非常高，是本公司很有價值之顧客群。 以目前汽車維修業在顧客管理及行銷法的方式來看，雖然不斷地在廣告行銷手法

的創新以及花費大量的行銷成本，但是這種一視同仁的方式，不但沒有針對不同

顧客提出不同的需求模式，反而造成大量行銷成本的浪費。在此依據統計分析結

果及顧客特性，採取不同的行銷策略，本研究進行差異性策略分析如下：

41

(1)「S-VIP型」及「VIP型」顧客 ： a. 給予 VIP卡：此群集的顧客其交易金額為維修廠之最高者，因此給予 VIP卡目的在於往後維修時給於一定的折扣，一來能長期保留此群集之顧客，避免流向

其他之競爭者，二來享有維修優惠，可刺激顧客維修之慾望，同時針對「S-VIP型」提供上牌、免費洗車、繳稅、換駕照行照及代繳罰單等優惠來刺激「VIP型」客戶維修及晉升「S-VIP型」之慾望。 b. 回饋活動：此群集的顧客其交易次數與金額均可達維修廠所設定的年終回饋標準，藉由年終回饋活動可以維繫與「S-VIP型」及「VIP型」顧客的互動關係。 (2) 「潛在型」顧客 ： a. 設計鼓勵消費專案：此群集如本研究之顧客群一，其交易金額較低，交易次數較少，顧客會有游離性特質，該店老闆指出會，其所在意的是維修時間、維修

人員態度及產品的價格，所以可推出特價產品組合活動，使其導向對維修廠的向

心力及維修時間快速能力及維修人員態度。 b. 累積點數：此群集的顧客有較低的顧客忠誠度；男性比女性顧客在距離上次的交易日較近及次數較多，且其居住地區以烏日為主，所以可對此型態顧客利用

點數累積，提升顧客忠誠度。集點活動的目的，在於避免進行價格上的折扣戰。

42

圖 42、行銷與顧客互動關聯圖

圖 43、行銷策略對顧客的影響性

43

5結論

本研究經由理論之推導與實證結果產生研究之結論將分成兩部分說明： 在第一個部份是針對汽車維修產業客服中心所推導之結論有下列幾點說明： 1.維修保養廠客服中心可改善之方向必須加強服務人員之態度及顧客抱怨的部份。 2.改善之主題及進行方式應注重客服人員服務工作之教導及案例說明討論。 3.在目標效益方面必須提昇溝通力及協銷能力來提升客服中心之整體績效。整體分析結果之結論如圖 44所示。

結論(客服中心)

Speech

Case Study

Work Shop

Game

服務工作教導持續改善例行工作

處理一般性顧客抱怨

塑造消費意願締造販促雙贏

Speech

Case Study

Role PlayAction Plan

締造雙贏的服務應對

顧客VS技術利益協調者

來客數顧客抱怨電話數

顧客抱怨件數

維修回覆率

維修時間

業務量

提昇顧客溝通力

提昇異議處理能力

培養販促敏感度

提昇顧客經營力

強化工作改善力

SpeechCase Study

Discussion

正向積極的服務心態建立

積極樂觀的顧客對應人員與最佳顧問

改善主題 進行方式 目標效益 評估指標改善方向

圖 44、客服中心整體分析結果之結論

在第二個部份是針對汽車維修產業顧客滿意度提升所推導之結論有下列幾點說

明： 1.維修保養廠客服中心可改善之方向必須掌握顧客之需求，強化改善顧客抱怨及處理能力的部份。 2.改善之主題及進行方式應建立高績效之服務團隊及時時檢討顧客滿意缺失。 3.在目標效益方面必須提昇行銷利及銷售力來提升公司整體經營績效。 整體分析結果之結論如圖 45所示。

44

結論(顧客滿意提升)

SpeechCase Study

Role Play

Discussion

Action Plan

Game

建立高績效的服務團隊服務管理部屬培育

服務經營績效創造者

顧客關係深耕與避免抱怨

持續激勵掌握顧客需求

Speech

Case Study

Role Play

Work Shop

DiscussionAction Plan

顧客關係管理與顧客滿意行銷實務

化危機為轉機的顧客抱怨處理

服務方針具體實踐者

業務量

服務方針落實度

員工滿意度人員流程率

績效改善提案件數

提昇服務目標

達成力增強大型客戶

忠誠度強化顧客滿意

行銷力促進服務團隊

凝聚力協助服務領導

創造力

Speech

Case Study

Discussion

如何成為顧客服務的最佳舵手

高績效團隊的舵手

改善主題 進行方式 目標效益改善方向 評估指標

圖 45、汽車維修廠顧客滿意提升整體分析結果之結論

45

六、參考資料 Bauer, C.L., 1998, "A Direct Mail Customer Purchase Model", Journal of Direct Marketing, 2, pp.16-24. Hughes, 1994, “Strategic database marketing,” Chicago: Probus Publishing. Kahan, R., 1998, "Using Database Marketing Techniques to Enhance Your One-to-One Marketing Initiatives," Journal of Consumer Marketing, Vol 15(5), pp.491-493. Meza, J., 1998, “Customer information management: The critical foundation to a CRM strategy,” DM Review, September.。 Michael, J.A., Gorden, S.L. (彭文正 譯) Sung, H.H, and Sang, C.P., "Application of data mining tools to hotel data mart on the Inteanet for database markrting," Expert Systems With Applications, Vol. 15, pp. 1-31, 1998. 工研院機械所，1998，「我國近 20 年汽車產業發展歷程」，http://itisdom.itri.org.tw/_c2avfe4lhu4_/mirrshar.nsf/CarIndFigTab。 江丙坤，1998，「台灣汽車業如何因應WTO衝擊」，http://cepd.spring.org.tw/Speak/870529.html。 李章偉，2001，「資料庫行銷之顧客價值分析-以 3C 流通業為例」，國立台灣大學國際企業學系，碩士論文。 張光旭與李平凡，2000，"探討台灣汽車維修經營模式之轉變"，技術與教學研討會，明志技術學院.。 Michael, J.A(原著)，彭文正(譯)，2001，「資料採礦 顧客關係管理暨電子行銷之應用」，數博網資訊股份有限公司。 陳錫楨，2000，”客戶關係管理”，產業經濟，第 232期，95-98頁。 詹麗弘，2000，「汽車業發展 e - Supply Chain 成功新契機」，裕隆汽車。 劉世琪，2003，「應用資料挖礦探討顧客價值-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。 劉典嚴，2001，”仰賴 TQM解開顧客價值的三角習題”，品質管制月刊，第 37期，57-60頁。 蕭志同，「加入世界貿易組織對台灣汽車產業之影響」，http://www.moea.gov.tw/ ~ecobook/season/sp101.htm。

46