網路媒體由於先天條件之利，以往大眾傳播媒體無法獲得的資訊，現在則可利用電腦資料庫技術，依據閱聽人的習慣與需求來制定關係行銷的各種做法，以達成所追求的一對一行銷服務。本研究觀察網路娛樂媒體經營者對關係行銷的認知、經營者對運用關係行銷作為長久經營的承諾、經營者在不同關係行銷層次中所處的位置、關係行銷如何在網路媒體經營中呈現，繼而分析哪些類型的關係行銷模式實際操作及運用效果最佳、以及是否有可提供其他經營者參考的成功關係行銷運用模式。 　　研究歸納出網路娛樂媒體採取關係行銷策略時之思考步驟： 　　一、了解自己： 　　對於網站經營者來說，如果希望利用網友的資料供電子商務之用，則在獲得網友資料之前，應該先釐清網站本身的定位，了解網站所提供的服務到底是希望什麼樣的網友來使用，而這些網友是如何被其網站所滿足。 　　二、持續與網友的互動： 　　業者建立資料庫，而這些資料庫也確定是有用的。資料庫必須能了解網友需求的資訊與服務，同時也可以提供這些資訊與服務給其鎖定的消費群。應該開始主動的將提供對網友有用的資訊與服務，以互動的方式爭取網友的信任與接受。 　　三、讓價值與價格相符： 　　網路媒體經營者除了新聞內容外，還必須在附加價值上面加強，使得價值等於、甚至超過價格。藉由關係行銷建立客戶忠誠度，就是使價值提昇的重要工具。

摘要 本研究是利用某保險公司在大台北地區的壽險保單資料，進行知識發現過程。常見的資料採礦技術為類神經網路模型、CART及C4.5，利用這三種模型，來探討保單貸款行為模式。在抽樣過程中，藉由改變抽樣方法、樣本數大小及樣本中有貸款保單的比例，來選擇樣本的結構，並討論不同的樣本結構對模型的影響。研究過程中，也討論了連續變數轉換與否對各個模型的影響。 結果發現樣本中有貸款保單的比例對於模型的影響較大，而樣本數及抽樣方法對模型的影響都會隨著有貸款保單的比例不同而不同，每種模型適用的樣本結構並不一致。 連續變數的影響中，類神經網路受到連續變數轉換的影響較大，研究結果發現轉換連續變數可以使得類神經網路模型結果較好；對於CART或C4.5模型，受到連續變數轉換的影響小，CART模型連續變數轉換前後結果不變，而C4.5受連續變數影響在不同樣本結構並不一致，但改變量都很小。 從模型結果來看影響保單是否有貸款的變數，在類神經網路模型的靈敏度分析結果中，對模型影響較大的變數為體位別、被保人職業別級數、保險型態及地區；在CART模型結果中，影響較大的變數為繳別、保單年度、保單價值金、繳費方式及投保面額；在C4.5模型結果中，影響較大的變數為主約保單預定利率、年繳化保費、保單年度及繳別。對於CART、C4.5模型，選擇有較高正確率的規則，以提供保險公司決策方針。 / In this study, data mining is being applied on data taken from one of the life insurance company in Taipei. The techniques used are neural network, CART and C4.5 which are widely used models in data mining. In the process of acquiring samples, we comprised groups of samples by using different kind of sampling methods, different sample sizes, different ratios of loaned to un-loaned policies. In addition another groups of samples are created based on whether the continuous variables have been transformed. We then applied the three models into each of our various samples combinations to see which samples combination best described consumer behaviors with respect to their borrowing attitudes against their policies and its effects on different data mining models. The results we found based on our study are summarized as following: 1. The assigned ratios have great influences on the model. However the magnitude of influences of sampling method and sample size on the model depends largely on the sample combination. 2. The sample combinations having transformed continuous variables affect and improve the results of neural network model significantly. However for CART model, the affects are insignificant whether the continuous variables having been transformed or not. The effect of transformed continuous variables on C4.5 is of limited. 3. The variables used to describe the behavior of the consumers as to taking the loan against the insurance policy vary for the three models.

摘 要 過去對於保險資料的研究多採用傳統統計方法，然而保險公司龐大資料庫中蘊含的寶貴資訊可能因此被遺漏。 本研究目的是將資料採礦的技術應用到保險公司資料庫中的高雄縣市保戶保單貸款資料上，研究保戶利用保單貸款的行為，做為保險公司日後推行保單貸款的參考。 從整理過後的資料中，用不同抽樣方法抽出不同樣本大小以及不同是否貸款比例的樣本，將連續變數做轉換後，建立決策樹和類神經模型，透過統計上的變異數分析，討論四個因子對預測結果好壞的影響。選出最好組合的樣本大小、是否貸款比例（已貸款：尚未貸款）、抽樣方法、以及建立的模型。 最後將此最佳組合建立的C4.5決策樹轉換成規則，並探討其中正確率較高的幾項，作為給保險公司的參考。 / Abstract In the past, the analysis of insurance data is usually conducted with traditional statistical methods, however a large amount of valuable information hidden might be left undiscovered. The purpose of this research is to apply data mining techniques to customer policy data taken from one of insurance company’s database in Kaoshuing city and county to study the behavior of customers taking loans against their policies as a reference for insurance company in promoting policy in the future. From the cleansed data, we sample policies of different sizes and percentage of policies with loans by different sampling methods, decision trees and neural network models, then through the significant interactions of ANOVA, discuss how the results being influenced by the four factors. We then choose the best model that manifests factors affecting customer’s behavior in taking out the loan thus providing insurance company a vital information in targeting its customers group.

20世紀電腦、網路產業的快速發展，使得人類能夠藉由更快速的電腦處理更大量的資料，但也因此產生了更多的問題。資料採礦技術發展的目的便在於解決分析大量資料時所遇到的問題。 商業領域的資料採礦發展十分迅速，因為由資料採礦得到的資訊與知識能夠幫助行銷決策者訂定最佳的行銷策略。終極目標是將公司內部、外部的資訊串連起來，經由工作循環以得到商業智慧。 目前台灣許多行銷領域的研究單位都在進行消費者資料的蒐集。本研究以E-ICP資料庫為研究目標，利用資料採礦方法挖掘尚未被研究者發現的知識。由於過去E-ICP資料的運用較少觸及商品消費的整體探討，但商品消費概況卻佔E-ICP資料相當大的比重，因此試以關聯規則分析為工具，進一步瞭解商品間的關係。 藉由本次實證研究的經驗發現關聯規則分析在實務上不適用之處，這樣的回饋對於未來研究關聯規則分析的研究者而言，能夠提供許多值得深究的方向。 / The swift developments of Computer Science and Internet in 20 century enable people handling more and more data, but bring even more problems. Data Mining is then developed to solve them. Data Mining is very popular in business environment, because all the information and knowledge gained can help managers make the best decisions. And in the long run, Data Mining can help the circulation of information inside and outside an organization. In Taiwan, many research centers are collecting consuming data in order to understand more about consumer behaviors. This study is in focus of E-ICP data which has a long history in consumer issues. The commodities data in E-ICP dataset is very abundant, but less emphasis was made upon it. Therefore, using Association Rules to find out the relationship between commodities is a good trial. The process of analyzing E-ICP data with Association Rules let us realize how difficult to take it into practice. And the problems I faced and the solutions I used in this study could feedback to future analyzer for some meaningful research issues.

物件永續化是應用系統設計時經常會面臨的需求，傳統做法是由開發人員自行設法將物件轉為資料庫可接受的格式，再存入後端資料庫。但這往往使得開發人員必須同時處理兩種資料模型，除了應用系統所用的物件模型之外，開發人員還要處理後端資料庫所用的資料模型，譬如表格等，以及兩種模型間的轉換。這不僅增加系統開發的複雜度，維護系統亦不容易。新的資料永續性技術Java資料物件（JDO）提供一個標準的框架，能夠幫助開發人員代為處理物件永續化的問題。因此開發人員能夠以單純的物件模型發展應用系統。另一方面，XML技術的興起帶動XML文件在資料交換與儲存方面的加速發展，其中專門儲存XML文件的資料庫也日益普遍。我們的研究是在瞭解如何使用XML資料庫為後端的資料儲存庫，而對Java物件進行物件永續化。 / Object persistence often comes up at the development of the application systems. Traditionally, the developers should try to transfer the objects to forms that databases can accept, and then store them in databases. But this often makes developers deal with two kinds of data models at the same time: besides object model that the application usually uses, the developers should also deal with the data model used for the backend database, like the relation model, and the conversion between both models. This not only increases the complexity of the system, but also the difficulty to maintain the system. A new technology of object persistence is Java Data Objects (JDO), which offer a standard framework to help developers to deal with object persistence so that the developers can concern themselves with object model only. On the other hand, the rise of XML technologies makes it attractive in data exchange and storage. The use of XML databases as data repositories becomes more and more common. Our research in the thesis is to realize JDO by serializing Java objects as XML documents and use XML databases as persistent repositories to store the resulting documents.

藥品因為事涉公眾健康以及人類生命之延續，因此世界各國衛生主管機關皆以上市審查制度加以嚴格管制。為了通過審查，得到衛生主管機關之上市許可，藥廠必須提供藥品相關之臨床前與臨床試驗等測試資料，讓主管機關相信該藥品確實具有其所宣稱之安全性及有效性。「與貿易有關之智慧財產權協定」第39.3條乃規定會員國政府應對藥品測試資料提供保護，防止其洩漏以及被不公平商業使用。惟各會員國政府依賴第一家專利藥廠所提供之測試資料，以作為核准後續學名藥上市許可之依據，是否構成該條所謂的「不公平商業使用」？本文以為從該條之沿革、立法目的觀之，應擴張解釋第39.3條之適用範圍，使上述情形包括在內。基於此，台灣衛生署在七七公告以及雙十二公告中僅要求後續學名藥廠繳交較小規模之「國內臨床試驗報告」以及「銜接性試驗報告」，而免除其須繳交與專利藥廠相同之大規模測試資料之行為乃構成不公平商業使用，違反第39.3條之規定。

資料採礦（Data Mining）以及客戶關係管理系統（CRM, Customer Relationship Management）是近年來資料庫應用領域中相當熱門，且引起熱烈討論與高度關切的議題，尤其在直效行銷的崛起與網路的快速發展帶動下，跟不上CRM的腳步如同跟不上時代。目前已被許多研究人員視為結合資料庫系統與機器學習技術的重要領域，許多產業界人士也認為此領域是一項增加各企業潛能的重要指標。 本論文運用資料採礦建立信用卡脫離預測模型，同時將模型自動化後結合CRM之運用，期達到有效保育客戶 (Retention Gap) 之功能，可以由既有原客戶後來卻轉成競爭對手的客戶群中，分析其特徵，再根據分析結果到現有客戶資料中找出可能剪卡轉向的客戶，然後設計一些行銷方案預防客戶流失；更有系統的做法是藉由決策樹Decision Tree演算法建立之模型，再根據客戶的消費行為與交易紀錄對客戶忠誠度進行評分Scoring的排序，如此則可區隔出剪卡流失分數高低的等級，進而配合不同的策略進行挽留與保育。 近年來，台灣的信用卡市場在歷經十幾年的發展與競爭後，市場已漸邁入飽和期，然而在發卡成本與剪卡率卻不斷攀升下，卻也不見發卡機構積極的試圖提升持卡人品牌忠誠度，因此，本論文擬透過資料採礦技術結合客戶關係管理系統的應用，以有效降低剪卡率、提升客戶保留率，藉以強化發卡機構的競爭優勢(Competitive edge)，免於被市場淘汰。 另外，本論文之特色在於分析之目的資料倉儲為一企業級資料倉儲 (Enterprise Data Warehouse, EDA)，它不單具有持卡人使用信用卡之刷卡行為、持卡狀況、繳款狀況…等信用卡往來資訊可供分析探索，同時，亦包括持卡人在發卡機構所屬之企業級團之往來資訊，緣此，在此基礎上建立之採礦模型將更準確且更具有參考價值。

分類問題是資料採礦作業中最普遍的一種，其目的在於事先預測「尚未發生」的分類事實，信用卡違約風險預測模型正是分類問題的一項應用。本研究將以商業智慧的觀點，配合Microsoft SQL Sever 2005軟體所提供的資料採礦工具，利用發卡銀行龐大的客戶歷史資料，透過先進的資料採礦技術(決策樹、類神經網路、貝氏機率分類)和統計方法(羅吉斯迴歸)，建構出一套完全符合自身銀行客戶特性的信用卡評分模型之流程。 以本研究的結果所示，在模型的預測能力上，羅吉斯迴歸優於類神經網路，類神經網路又優於貝氏機率分類及決策樹，且根據BASELⅡ對信用評分卡的規定，羅吉斯迴歸為其標準的演算法，因此最終模型即選擇以羅吉斯迴歸所建立的模型。

近年來，由於雙卡風暴的襲捲，卡奴的問題愈趨嚴重，又適逢新巴塞爾資本協定於民國95年底正式實施，為因應此趨勢，本研究將以國內某銀行為研究對象，透過資料採礦流程，針對該銀行之進件徵審資料建構一套符合自身銀行客戶特性的信用卡評分模型。 本研究分別利用羅吉斯迴歸、類神經網路、決策樹三種方法建立模型，並比較三種方法的預測能力及有效性，結果發現羅吉斯迴歸模型預測能力及有效性皆較其他兩者為佳，因此以羅吉斯迴歸方法所建立的模型為本研究最終模型。接下來便針對該模型，利用K-S 檢定、吉尼係數和ROC曲線進行模型評估，以評估模型的有效性，最後，更進一步依照該模型所預測之違約機率，建立信用評分等級，同時檢視各等級內客戶之特性。

近年來隨著資訊科技的快速成長，資訊系統在處理大量資料和高速運算等功能上，有非常顯著的突破與進步。本研究利用資料採礦技術，應用在物業管理尋找潛在客戶領域，透過實證結果分析發現，決策樹分析在尋找潛在客戶之影響因子及以預測可能之潛在客戶有很好的成效；群集分析對於找出潛在客戶同質性的特性，提供業者作為市場區隔客戶，有很大的幫助。此外，本研究利用傳統之因素分析法找出客戶價值，對於業者在進行客製化服務時，更能有效地將資源投入在最有價值的客戶身上。 本研究利用地政資料作為客戶資料之基礎，不足之屬性以問卷調查方式補足，透過資料採礦技術使用決策樹分析，找出潛在客戶之重要影響因子，得到管理維護方式，家庭所得、屋齡、建物類型等因子。其次將決策樹分析出來的重要影響因子，進行群集分析找出同質性相近的客戶族群予以歸納分類，找出最佳型客戶、開發型客戶、忠實型客戶、流失型客戶等四種類型。最後依據問卷調查資料，針對客戶對物業管理的重視程度與滿意程度進行因素分析，找出20%最有價值的客戶。