美髮沙龍顧客消費行為分析-以某家髮廊為例

The Analysis of Customer Consuming Behavior in Hair Salon-A Case Study of a Hair Salon

姚汝臻

顧客關係 ； 美髮沙龍店 ； 支撐向量機 ； customer relations ； beauty salon ； Support Vector Machine

臺中科技大學資訊工程系碩士班學位論文

2017年

碩士

陳世穎

繁體中文

此研究利用支撐向量機（SVM）來進行美髮沙龍店內顧客來店消費資料之預測分析。透過已知的顧客以往消費紀錄等相關資料，包括來店時間、消費項目：洗髮、剪髮、燙髮、染髮、護髮等項目進行預測分析。此研究收集台中某家髮廊的某位設計的顧客資料為實驗數據，將利用支撐向量機（SVM）發展預測模型。研究結果顯示支撐向量機（SVM）可以準確地預測髮廊在顧客來店消費時間上預測分析，分析結果具高度的準確性。實驗結果能幫助設計師對於顧客的回流率有準確的預測分析，且能提供設計師對每位顧客來店之頻率進行統計分析，讓設計師能做有效的應對方案，提高業績的成長。

This research uses the Support Vector Machine (SVM) to predict and analyses beauty salon customer visits and expenses. Prediction and analysis are made from the known customer’s former record and correlation data, including time of visit, purchased services: hair wash, cuts, perms, dye, care and so on. This research collects data from one design customer in a beauty salon located in Taichung, and uses the Support Vector Machine (SVM) to develop a prediction model. The findings showed that the Support Vector Machine (SVM) may forecast accurately the beauty salon customer’s time of visit, the analyzed result had a high accuracy. The experimental result can help the designer to have an accurate forecast analysis regarding customer's reflux ratio, and also can provide analysis for the designer’s frequency of customer’s visit, and carry on the statistical analysis, enabling the designer to make and execute a plan effectively, and improve performance.

1. （七） 莊玉玲（2005）。顧客關係管理對顧客滿意度與忠誠度影響之研究－以台灣砷化鎵半導體磊晶廠為例。未出版碩士論文，中原大學企業管理學系，桃園市。
   連結：
2. （十二） Cherkassky, V. & Ma, Y. (2003). Practical selection of SVM parameters and noise estimation for SVM regression. Neural Networks, 17(1), 113-126.
   連結：
3. （十四） Kalakota, R. & Robinson, M. (1999). e-Business: Roadmap for success (1st ed.). Reading, MA: Addison-Wesley.
   連結：
4. （十五） Law, K. H. & Kwok, L. F. (2005). IDS false alarm filtering using KNN classifier. Lecture Notes in Computer Science, 3325, 114-121.
   連結：
5. （十六） Matsumoto, R., Zhang, D., and Lu, M. (2004). Some empirical results on two spam detection methods. Proceedings of the 2004 IEEE International Conference, 198-203.
   連結：
6. （十九） Xu, L., Krzyzak, A., & Suen, C. Y. (1992). Methods of combining multiple classifiers and their applications to handwriting recognition. IEEE Transaction on Systems, Man and Cybernetics, 22(3), 418-435.
   連結：
7. （一） 李國銑（1996）。影響台灣連鎖體系經營型態之選擇因素。未出版碩士論文，國立東華大學企業管理研究所，花蓮縣。
8. （二） 呂奎亨（2015）。結合機器學習與雲端運算的高效能巨量垃圾郵件過濾系統之研究。未出版碩士論文，康寧大學數位應用學系，臺南市。
9. （三） 呂振宗（2014）。物流業的顧客關係管理對供應鏈管理績效影響之研究。未出版碩士論文，國立臺灣海洋大學航運管理系，基隆市。
10. （四） 林隆儀、羅文坤、鄭英傑（1981）。新產品行銷策略（第五版）。南投縣：超越企業顧問股份有限公司。
11. （五） 陳文華（2000）。顧客關係成功關鍵：高品質的顧客資料。能力雜誌，542，132-137。
12. （六） 陳秀足（2008）。技職院校美髮類課程與職場需求能力之研究。未出版碩士論文，樹德科技大學應用設計研究所，高雄市。
13. （八） 張丞婕（2012）。兩岸連鎖美容美髮沙龍業顧客知覺價值、滿意度與顧客抱怨處理對顧客忠誠度影響之研究。未出版碩士論文，大葉大學國際企業管理學系，彰化縣。
14. （九） 許瑞林（2011）。美髮沙龍創業一本通。臺北市：金塊文化。
15. （十） 劉岳璋（2010）。定期海運業導入顧客關係管理之關鍵成功因素及其績效評估之研究。未出版碩士論文，國立臺灣海洋大學航運管理學系，基隆市。
16. （十一） Brown, M., Grundy, W., Lin, D., Cristianini, N., Sugnet, C., Furey, T., Ares, M., & Haussler, D. (1999). Knowledge-base analysis of microarray gene expression data using support vector machines. Technical Report, University of California in Santa Cruz.
17. （十三） Feng, T. X. & Tian, J. X., (2005). Customer knowledge management and condition analysis of successful CKM implementation. Proceedings of the 4th Guangzhou International Conference on Machine Learning and Cybernetics, 18-21.
18. （十七） Schőlkopf, B. & Smola, A. J. (2000). Statistical learning and kernel methods. Cambridge, MA: MIT Press.
19. （十八） Swift, R. (2001). Accelerating customer relationships. Upper Saddle River, NJ: Prentice Hall.