4.4.4. Customer value modelingBased

4.4.4. Customer value modeling
Based on the customer usage groupings found in the last
part, we applied RFM to evaluate customers’ potential
monetary contribution. The concept of purchasing behavior
from the original RFM is somewhat different from that of
network usage behavior, because the former represents
transaction of actual purchasing and payments, and the latter
may not be regarded as transaction of network service
until certain traffic threshold is reached. Thus, we refer to
the survey conducted by TWNIC (2004) to define this
threshold. The survey indicates that, on an average, the longest
continuous network usage interval in Taiwan is between
2 and 3 h. The company’s experienced ISP personnel suggest
that this network flow threshold be defined as 1% of stipulated
bandwidth over three continuous hours. As a result,
we modified the original definition of three factors R, F,
and M of the RFM model in the following to suit the
ISP environment; while the division of 5 intervals and
the weight assignments of RFM implementation remain
the same.
R: time of most recent traffic that lasts for 3 h and its
network flow exceeds the threshold.
F: usage counts over 7 weeks; with each usage lasting for
3 h and its network flow exceeding the threshold.
M: cost per network traffic unit, which is calculated as
network-monthly-rental/monthly-network-traffic.
For this study, our analysts had decided that R will not
be taken into consideration, because our purpose is to
study customers’ behaviors that should last over a longer
period and has little to do with the most recent usage.
With the definition of F and M, one can see that a
higher F means a higher demand on the network usage,
and a higher M means a higher usage cost per traffic unit.
Thus different combinations of F and M value would imply
different business intelligence. For example, customers with
high F and low M value tend to be frequent users with low value schemes, and those with low F and high M value are infrequent users with high value schemes. The worst case
is customers with low F and low M; it means they subscribed
to low value schemes and also rarely use network
facilities.
4.4.5. Facility utilization modeling
In developing the facility utilization model, we first
examine locations of districts and routers to define network
flow and utility rate for comparison. However, different
router or district may serve different number of customers;
hence we develop formulas (6) and (7) as the basis for
proper comparison. Formula (6) measures average network
flow per unit time of a router or a district, while (7)routers serve both Kaoshiung City, consisting of nine districts,
and Kaoshiung County, consisting of fifteen districts,
as shown in Table 6.
4.5. Analysis and evaluation
With the results of the modeling phase known, this
phase proceeds to analyze the imbedded business knowledge,
which could facilitate the development of relevant
service strategies. One can examine the patterns and brightness
of Fig. 4 to determine the VIP status of a customer.
The cross examination of usage behaviors of groups in
Table 4 could lead to the discovery of where the issues of
personalized services lie and how to approach these issues.
For example, the Overall Heavy Usage group is a group of
great immediate value to management. This group provides
management a much focused target with heavy usage
for nearly all time, and management could develop and
market high value-added products that fit their needs. Similarly,
for the three office hour groups with light, medium,
and heavy usage, they present management very focused
business targets with different applications needs. On the
other hand, the Overall Light Usage group happens to be
the largest grouping with 47.01% of users, most of them
are probably individual users, and it would certainly presents
the challenge to management to conduct further analysis,
so that some of them may be converted to more
regular users. For resource utilization, Fig. 5 displays the
utilizations of various routers and districts in colors, which
allows one to quickly realize that the router #20 has the
highest utilization, #12 comes in second, and is followed
by #13 & #18 and the rest. In terms of districts, Daliao
Township has the highest network usage in Kaohsiung
county and is followed by Fongshan city, Ciaotou,
Gangshan, Hunei, and Dashu townships. These high usage
districts present management targets for understanding their social-demographics factors that underlie the needs of
network services, and project the future needs of capital
investments.
The results of application of the modified RFM are giving
in Table 7. This table presents the cross analysis
between customers’ network usage patterns and customers’
potential contribution. The five intervals of F (frequency)
and M (monetary) are given in the second column; with
F5 being the frequency percentage of weight 5 (first
20%), M1 being the monetary percentage of weight 1 (last 20%). . ., etc. The R factor was not shown in the table,
because ISP specialists considered it irrelevant in this particular
case. The third column of the table presents suggested
marketing strategies for each group by marketing
personnel, who has examined both F and M values. For
each of the nine groups, their advices of strategy consist
of ‘‘Active marketing’’, ‘‘Customer care’’, or ‘‘Other’’.
‘‘Active marketing’’ means the development of value-added
products and aggressive promotions, ‘‘Customer care’’
means providing appropriate schemes to match customers’
needs, and ‘‘Other’’ literally indicates to management that
relevant strategies remain to be discovered. The percentage
attaching to each strategy represents the emphasis for that
particular group. Some examples of important findings are
presented here. The third group, the overall heavy usage
group, is characterized by 100% F5 and 100% M1, and it
signifies that customers in this group are heavy users;
however their monetary contributions are relatively low.
This is a big surprise for the management. Hence, 100%
‘‘Active marketing’’ is suggested to market to them higher
value services. On the contrary, customers in the overall
light usage group, Group 7, is characterized by values of less frequent categories F1, F2, F3, and high M categories
F5 and F4, which indicates that, although, they are good
monetary contributors, they are nonetheless very infrequent
users. For customers of this group, ‘‘active marketing’’
is not an issue, instead, a small portion of them
requires ‘‘customer care’’, and the remaining 90% is in
‘‘Other’’ category, which indicates that further investigation
is needed to find new strategy that can convert them
to frequent users. Another example that is different from
the two is the midnight medium usage group, Group 1,
which is characterized by high F categories 12.5% F5,
87.5% F4 and low M categories 50% M1, 25% M2 and
25% M3, thus, the suggestions are 75% active marketing
and 25% taking care of customers’ needs.

ผลลัพธ์ (ไทย) 1:

4.4.4 การลูกค้าสร้างโมเดลค่าตามกลุ่มการใช้งานลูกค้าที่พบในช่วงส่วน เราใช้ RFM เพื่อประเมินศักยภาพของลูกค้าส่วนทางการเงิน แนวคิดของพฤติกรรมการซื้อจาก RFM เดิมจะค่อนข้างแตกต่างจากที่ลักษณะการใช้งาน เครือข่ายเนื่องจากแสดงถึงอดีตธุรกรรมการซื้อจริง และชำระเงิน และหลังอาจไม่เกี่ยวข้องกับธุรกรรมบริการเครือข่ายจนถึงขีดจำกัดการรับส่งข้อมูลบางอย่าง ดังนั้น เราอ้างอิงถึงการสำรวจ โดย TWNIC (2004) คำขีดจำกัดการ การสำรวจหมายถึง โดยเฉลี่ย ยาวที่สุดช่วงการใช้งานเครือข่ายอย่างต่อเนื่องในไต้หวันอยู่ระหว่าง2 และ 3 h แนะนำบุคลากร ISP มีประสบการณ์ของบริษัทกำหนดว่า ขีดจำกัดกระแสเครือข่ายนี้จะเป็น 1% ของแบนด์วิธที่มากกว่า 3 ชั่วโมงต่อเนื่อง เป็นผลเราปรับเดิมกำหนดปัจจัย 3 R, Fและ M รุ่น RFM ในต่อไปนี้ให้เหมาะสมกับการสภาพแวดล้อมของ ISP ขณะที่ส่วนของช่วง 5 และการกำหนดน้ำหนักของ RFM ดำเนินอยู่เหมือนเดิมR: เวลาจราจรล่าสุดที่ยากลืมสำหรับ 3 h และกระแสเครือข่ายเกินขีดจำกัดF: การใช้นับกว่า 7 สัปดาห์ กับแต่ละการใช้งานที่ยาวนานสำหรับ3 h และกระแสของเครือข่ายที่เกินขีดจำกัดM:ต้นทุนต่อเครือข่ายจราจรหน่วย ซึ่งจะคำนวณเป็นเครือข่ายรายเดือนเช่า/รายเดือนเครือข่ายการจราจรการศึกษา นักวิเคราะห์ของเราได้ตัดสินใจว่า R จะไม่นำมาพิจารณา เนื่องจากวัตถุประสงค์ของเราคือศึกษาพฤติกรรมของลูกค้าที่ควรสุดท้ายเหนือความยาวรอบระยะเวลา และมีเพียงเล็กน้อยกับการใช้งานล่าสุดกับคำนิยามของ F และ M หนึ่งสามารถมองเห็นที่เป็นF สูงหมายถึง ความต้องการสูงในการใช้งานเครือข่ายและสูงกว่า M วิธีการใช้งานสูงที่มีต้นทุนต่อหน่วยจราจรดังนั้น ชุดของค่า F และ M จะเป็นสิทธิ์แบบระบบสารสนเทศธุรกิจที่แตกต่างกัน ตัวอย่าง ลูกค้าที่มีF สูงและค่า M ต่ำมักจะ เป็นแผนงานมูลค่าต่ำใช้บ่อย และมี F ต่ำสุดและค่าสูง M ผู้ใช้ที่ไม่ มีแผนงานมูลค่าสูง กรณีเลวร้ายที่สุดเป็นลูกค้ากับ F ต่ำสุดและต่ำสุด M หมายความว่า พวกเขาเป็นสมาชิกแผนงานมูลค่าต่ำ และยังไม่ค่อยใช้เครือข่ายสิ่งอำนวยความสะดวก4.4.5 การสิ่งอำนวยความสะดวกใช้โมเดลในการพัฒนารูปแบบการใช้ประโยชน์สิ่งอำนวยความสะดวก เราครั้งแรกตรวจสอบตำแหน่งที่ตั้งของเขตและเราเตอร์เพื่อกำหนดเครือข่ายขั้นตอนและโปรแกรมอรรถประโยชน์อัตราสำหรับการเปรียบเทียบ อย่างไรก็ตาม แตกต่างกันเราเตอร์หรือเขตอาจให้บริการจำนวนลูกค้าดังนั้น การที่เราพัฒนาสูตร (6) และ (7) เป็นพื้นฐานสำหรับการการเปรียบเทียบที่เหมาะสม สูตร (6) มาตรการเครือข่ายเฉลี่ยไหลต่อหน่วยเวลาของเราเตอร์หรืออำเภอ ในขณะที่เราเตอร์ (7) ให้บริการทั้งสองเมืองเที่ยว ประกอบด้วย 9 อำเภอและเที่ยว เขต ประกอบด้วยเขต 15ดังแสดงในตาราง 64.5 การวิเคราะห์และประเมินผลมีผลของระยะสร้างโมเดลที่เรียกว่า นี้ขั้นตอนดำเนินการเพื่อวิเคราะห์ความรู้ธุรกิจฝังตัวซึ่งสามารถช่วยในการพัฒนาที่เกี่ยวข้องกลยุทธ์การบริการ หนึ่งสามารถตรวจสอบรูปแบบและความสว่าง4 Fig. การกำหนดสถานะของลูกค้าวีไอพีการตรวจสอบพฤติกรรมการใช้งานของกลุ่มในระหว่าง4 ตารางอาจนำไปสู่การค้นพบว่าปัญหาของบริการนอนและวิธีการพบปัญหาเหล่านี้ตัวอย่าง การใช้งานหนักโดยรวมเป็นกลุ่มของดีทันทีเพื่อการบริหารจัดการ กลุ่มนี้ให้จัดการเป้าหมายเน้นมากกับการใช้งานหนักสำหรับเกือบทุกเวลา และการจัดการสามารถพัฒนา และตลาดผลิตภัณฑ์มูลค่าเพิ่มสูงซึ่งเหมาะกับความต้องการ ในทำนองเดียวกันสำหรับสำนักงาน 3 ชั่วโมงกลุ่มแสง สื่อและการใช้งานหนัก พวกเขามีการจัดการเน้นมากเป้าหมายธุรกิจที่ มีความต้องการใช้งานที่แตกต่างกัน ในการอีก ใช้แสงโดยรวมกลุ่มเกิดขึ้น เป็นการจัดกลุ่มที่ใหญ่ที่สุด 47.01% ของผู้ใช้ ส่วนใหญ่ของพวกเขาผู้ใช้แต่ละคง และจะแสดงอย่างแน่นอนความท้าทายในการจัดการเพื่อวิเคราะห์เพิ่มเติมเพื่อให้บางส่วนของพวกเขาอาจถูกแปลงเป็นข้อมูลเพิ่มเติมผู้ใช้ทั่วไป การใช้ประโยชน์ทรัพยากร Fig. 5 แสดงการutilizations ของเราเตอร์และสี ย่านต่าง ๆ ซึ่งให้หนึ่งอย่างรวดเร็วตระหนักว่า เราเตอร์ #20 ได้ใช้ประโยชน์สูงสุด #12 มาในวินาที และตามตาม #13 และ #18 และส่วนเหลือ ในเขต Daliaoพมีการใช้งานเครือข่ายที่สูงสุดในเกาสงเขต และตาม ด้วยฟงฉานซิตี้ CiaotouTownships กังชาน ฮูเนทาวน์ชิ และ Dashu การใช้งานเหล่านี้สูงเขตนำเสนอเป้าหมายการจัดการศึกษาปัจจัยลักษณะประชากรสังคมของพวกเขาที่อยู่ภายใต้ความต้องการของเครือข่ายบริการ และโครงการความต้องการในอนาคตของเงินทุนลงทุนจะให้ผลลัพธ์ของโปรแกรม RFM แก้ไขในตาราง 7 ตารางนี้แสดงการวิเคราะห์ไขว้ระหว่างรูปแบบการใช้งานเครือข่ายและลูกค้าของลูกค้าสัดส่วนอาจเกิดขึ้น ช่วงห้าของ F (ความถี่)และแสดงไว้ในคอลัมน์สอง M (เงิน) มีF5 เป็นเปอร์เซ็นต์ความถี่ของน้ำหนัก 5 (แรก20%), M1 เป็นเปอร์เซ็นต์เงินน้ำหนัก 1 (ล่าสุด 20%) แตะ ฯลฯ ตัว R ไม่แสดงในตารางเนื่องจาก ISP ผู้เชี่ยวชาญพิจารณาความเกี่ยวข้องนี้โดยเฉพาะกรณี คอลัมน์สามของตารางนำเสนอแนะนำกลยุทธ์การตลาดสำหรับแต่ละกลุ่มโดยการตลาดบุคลากร ที่มีการตรวจสอบค่า F และ M สำหรับเก้าแต่ละกลุ่ม ใบที่แจ้งของกลยุทธ์ประกอบด้วยของ ''งานการตลาด '', ''ลูกค้าดูแล '', ''กัน ''''งานการตลาด"หมายถึง การพัฒนามูลค่าเพิ่มผลิตภัณฑ์และโปรโมชั่นก้าวร้าว, ''ลูกค้าดูแล ''หมายถึงให้แผนงานที่เหมาะสมให้ตรงกับลูกค้าความต้องการ และ ''กัน '' อย่างแท้จริงว่า การจัดการที่กลยุทธ์ที่เกี่ยวข้องการค้นพบครั้ง เปอร์เซ็นต์แนบกับกลยุทธ์แต่ละแสดงถึงความสำคัญที่เฉพาะกลุ่ม ตัวอย่างเช่นการค้นพบที่สำคัญนำเสนอการ กลุ่มที่สาม การใช้งานหนักโดยรวมกลุ่ม โดย 100% F5 และ 100% M1 และคำว่า ลูกค้าในกลุ่มนี้มีผู้ใช้หนักอย่างไรก็ตาม การจัดสรรเงินได้ค่อนข้างต่ำนี่คือความประหลาดใจใหญ่สำหรับการจัดการ ดังนั้น 100%''งานการตลาด '' แนะนำตลาดให้สูงขึ้นค่าบริการ ในลูกค้าตรงกันข้าม ในการใช้สีกลุ่ม กลุ่ม 7 เป็นลักษณะค่าประเภทประเภท F1, F2, F3 และ M สูงพบได้น้อยF5 และ F4 ซึ่งบ่งชี้ที่ แม้ว่า พวกเขาจะดีร่วมสมทบเงิน จะกระนั้นไม่มากผู้ใช้ สำหรับลูกค้ากลุ่มนี้, ''งานการตลาด"ไม่มีปัญหา แต่ ส่วนเล็ก ๆ ของพวกเขาต้องการนิ้วลูกค้าดูแล '', และ 90% ที่เหลือประเภท "อื่นๆ" ซึ่งบ่งชี้ถึงการสืบสวนเพิ่มเติมจำเป็นต้องหากลยุทธ์ใหม่ที่สามารถแปลงผู้ใช้บ่อยครั้ง อีกตัวอย่างหนึ่งที่แตกต่างจากทั้งสองเป็นเที่ยงคืนใช้ปานกลาง กลุ่ม 1ซึ่งเป็นลักษณะ โดย F สูงประเภท 12.5% F587.5% F4 และประเภท M ต่ำ 50% M1, 25% M2 และ25% M3 คำแนะนำตลาดใช้งาน 75%และ 25% ของความต้องการของลูกค้า

ผลลัพธ์ (ไทย) 2:

4.4.4 การสร้างแบบจำลองมูลค่าของลูกค้าขึ้นอยู่กับการใช้งานของลูกค้ากลุ่มที่พบในที่ผ่านมาส่วนหนึ่งที่เรานำมาใช้ในการประเมินRFM ของลูกค้าที่มีศักยภาพบริจาคเงินสมทบ แนวคิดของพฤติกรรมการซื้อจาก RFM เดิมจะค่อนข้างแตกต่างจากพฤติกรรมการใช้เครือข่ายเพราะในอดีตแสดงให้เห็นถึงการทำธุรกรรมการซื้อและการชำระเงินที่เกิดขึ้นจริงและหลังอาจไม่ได้รับการยกย่องว่าเป็นการทำธุรกรรมของบริการเครือข่ายจนเกณฑ์การจราจรบางอย่างจะมาถึง ดังนั้นเราจึงหมายถึงการสำรวจที่จัดทำโดย TWNIC (2004) นี้เพื่อกำหนดเกณฑ์ ผลการสำรวจแสดงให้เห็นว่าโดยเฉลี่ยที่ยาวที่สุดช่วงเวลาการใช้งานเครือข่ายอย่างต่อเนื่องในไต้หวันอยู่ระหว่าง2 และ 3 ชั่วโมง บุคลากรของ บริษัท ผู้ให้บริการอินเทอร์เน็ตที่มีประสบการณ์แนะนำว่าเกณฑ์การไหลของเครือข่ายนี้ถูกกำหนดเป็น1% ของกําหนดแบนด์วิดธ์กว่าสามชั่วโมงอย่างต่อเนื่อง เป็นผลให้เราปรับเปลี่ยนคำนิยามเดิมของสามปัจจัย R, F, และ M ของรูปแบบ RFM ในต่อไปนี้เพื่อให้เหมาะกับสภาพแวดล้อมISP; ในขณะที่ส่วนที่ 5 ช่วงเวลาและการกำหนดน้ำหนักของการดำเนินงานRFM ยังคงอยู่เหมือนกัน. R: เวลาของการจราจรล่าสุดที่กินเวลานาน 3 ชั่วโมงและมันไหลเครือข่ายเกินเกณฑ์. F: นับการใช้งานมากกว่า 7 สัปดาห์ กับการใช้งานที่ยาวนานสำหรับแต่ละ3 ชั่วโมงและการไหลของเครือข่ายเกินเกณฑ์. M: ค่าใช้จ่ายต่อเครือข่ายหน่วยการจราจรซึ่งคำนวณเป็น. เครือข่ายรายเดือนให้เช่า / รายเดือนเครือข่ายการจราจรสำหรับการศึกษานี้นักวิเคราะห์ของเราได้ตัดสินใจว่าอาจะไม่ได้ถูกนำมาพิจารณาเพราะจุดประสงค์ของเราคือการศึกษาพฤติกรรมของลูกค้าที่ควรมีอายุมากกว่าอีกต่อไประยะเวลาและมีน้อยจะทำอย่างไรกับการใช้งานล่าสุด. ด้วยความหมายของ F และ M หนึ่งจะเห็นว่าF ที่สูงขึ้นหมายถึง ต้องการที่สูงขึ้นในการใช้งานเครือข่ายและM สูงกว่าหมายถึงการใช้งานค่าใช้จ่ายที่สูงขึ้นต่อหน่วยอัตราการเข้าชม. ดังนั้นชุดที่แตกต่างกันของ F และความคุ้มค่า M จะบ่งบอกทางธุรกิจที่แตกต่างกัน ตัวอย่างเช่นลูกค้าที่มีมูลค่าสูงเอ็มเอฟและต่ำมีแนวโน้มที่จะผู้ใช้บ่อยกับแผนการมูลค่าต่ำและผู้ที่มี F ต่ำและค่า M สูงเป็นผู้ใช้ไม่บ่อยนักกับแผนการที่มีมูลค่าสูง กรณีที่เลวร้ายที่สุดคือลูกค้าที่มี F ต่ำและต่ำ M; มันหมายความว่าพวกเขาสมัครแผนการมูลค่าต่ำและยังไม่ค่อยใช้เครือข่ายสิ่งอำนวยความสะดวก. 4.4.5 สิ่งอำนวยความสะดวกการสร้างแบบจำลองการใช้ประโยชน์ในการพัฒนารูปแบบการใช้สถานที่แรกที่เราตรวจสอบสถานที่ของอำเภอและเราเตอร์เพื่อกำหนดเครือข่ายการไหลและอัตรายูทิลิตี้สำหรับการเปรียบเทียบ แต่ที่แตกต่างกันเราเตอร์หรืออำเภออาจใช้จำนวนแตกต่างกันของลูกค้าด้วยเหตุนี้เราพัฒนาสูตร(6) และ (7) เป็นพื้นฐานสำหรับการเปรียบเทียบที่เหมาะสม สูตร (6) มาตรการเครือข่ายเฉลี่ยไหลต่อหน่วยเวลาของเราเตอร์หรืออำเภอในขณะที่(7) เราเตอร์ให้บริการทั้งเมือง Kaoshiung ประกอบด้วยเก้าหัวเมืองและKaoshiung เคาน์ตี้ซึ่งประกอบด้วยสิบห้าอำเภอดังแสดงในตารางที่6 4.5 การวิเคราะห์และการประเมินผลที่มีผลการขั้นตอนการสร้างแบบจำลองที่รู้จักกันนี้ขั้นตอนการดำเนินการวิเคราะห์ความรู้ที่ฝังธุรกิจ, ที่สามารถอำนวยความสะดวกในการพัฒนาที่เกี่ยวข้องกลยุทธ์การบริการ หนึ่งสามารถตรวจสอบรูปแบบและความสว่างของภาพ 4 เพื่อตรวจสอบสถานะวีไอพีของลูกค้า. การตรวจสอบข้ามพฤติกรรมการใช้งานของกลุ่มต่าง ๆ ในตารางที่4 จะนำไปสู่การค้นพบที่มีปัญหาของบริการส่วนบุคคลอยู่และวิธีการวิธีการปัญหาเหล่านี้. ยกตัวอย่างเช่นกลุ่มการใช้งานหนักโดยรวมคือ กลุ่มของค่าทันทีที่ดีในการจัดการ กลุ่มนี้มีการจัดการที่มุ่งเน้นเป้าหมายมากกับการใช้งานหนักเกือบตลอดเวลาและการจัดการสามารถพัฒนาและทำการตลาดผลิตภัณฑ์ที่มีมูลค่าเพิ่มสูงที่เหมาะสมกับความต้องการของพวกเขา ในทำนองเดียวกันสำหรับสามกลุ่มสำนักงานชั่วโมงด้วยแสง, กลาง, และการใช้งานหนักที่พวกเขานำเสนอการจัดการที่มุ่งเน้นมากเป้าหมายทางธุรกิจกับการใช้งานที่แตกต่างกันความต้องการ บนมืออื่น ๆ ในกลุ่มการใช้งานแสงโดยรวมเกิดขึ้นเป็นกลุ่มที่ใหญ่ที่สุดกับ47.01% ของผู้ใช้ส่วนใหญ่ของพวกเขาเป็นผู้ใช้แต่ละคนอาจและมันจะแน่นอนนำเสนอความท้าทายในการบริหารจัดการในการดำเนินการวิเคราะห์ต่อไปเพื่อให้บางส่วนของพวกเขาอาจจะถูกแปลงให้มากขึ้นผู้ใช้ปกติ สำหรับการใช้ทรัพยากรรูป 5 แสดงปริมาณการใช้งานของเราเตอร์และอำเภอต่างๆในสีที่ช่วยให้หนึ่งได้อย่างรวดเร็วตระหนักดีว่าเราเตอร์# 20 มีการใช้ประโยชน์สูงสุด# 12 มาในครั้งที่สองและตามด้วยเครื่องหมาย# 13 & # 18 และส่วนที่เหลือ ในแง่ของอำเภอ Daliao เมืองมีการใช้เครือข่ายที่สูงที่สุดในเกาสงเขตและตามด้วยเมืองฟงชาน, Ciaotou, Gangshan, Hunei และเมืองต้าซู เหล่านี้ใช้งานสูงเขตเป้าหมายการจัดการในปัจจุบันสำหรับการทำความเข้าใจปัจจัยประชากรสังคมของพวกเขาที่รองรับความต้องการของผู้ให้บริการเครือข่ายและโครงการความต้องการในอนาคตของเงินทุนลงทุน. ผลของการประยุกต์ใช้ RFM แก้ไขให้ในตารางที่7 ตารางนี้นำเสนอข้าม การวิเคราะห์ระหว่างลูกค้า'รูปแบบการใช้งานเครือข่ายและลูกค้า' ผลงานที่มีศักยภาพ ห้าช่วงเวลาของ F (ความถี่) และ M (การเงิน) จะได้รับในคอลัมน์ที่สอง; กับF5 เป็นร้อยละความถี่ของน้ำหนัก 5 (ตอนแรก20%), M1 เป็นร้อยละของน้ำหนักตัวเงิน 1 (20%) . . เป็นต้นปัจจัย R ไม่ได้แสดงให้เห็นในตารางเพราะผู้เชี่ยวชาญISP คิดว่ามันไม่เกี่ยวข้องในการนี้โดยเฉพาะกรณีที่ คอลัมน์ที่สามของตารางนำเสนอข้อเสนอแนะกลยุทธ์การตลาดสำหรับแต่ละกลุ่มการตลาดโดยบุคลากรที่ได้รับการตรวจสอบทั้งF และ M ค่า สำหรับแต่ละเก้ากลุ่มคำแนะนำของพวกเขากลยุทธ์ประกอบด้วยของ'' การตลาดที่ใช้งาน '', '' ดูแลลูกค้า '' หรือ '' อื่น ๆ ''. '' การตลาดใช้งาน '' หมายถึงการพัฒนามูลค่าเพิ่มผลิตภัณฑ์และก้าวร้าวโปรโมชั่น '' ดูแลลูกค้า '' หมายถึงรูปแบบการให้บริการที่เหมาะสมเพื่อให้ตรงกับลูกค้า 'ความต้องการและ' 'อื่น ๆ ' 'อย่างแท้จริงบ่งชี้ในการบริหารจัดการที่กลยุทธ์ที่เกี่ยวข้องยังคงที่จะค้นพบ ร้อยละแนบกับแต่ละกลยุทธ์แสดงให้เห็นถึงความสำคัญในการที่กลุ่มโดยเฉพาะอย่างยิ่ง ตัวอย่างบางส่วนของการค้นพบที่สำคัญจะนำเสนอที่นี่ กลุ่มที่สามที่ใช้งานหนักโดยรวมกลุ่มเป็นลักษณะ F5 100% และ 100% M1 และมันหมายความว่าลูกค้าในกลุ่มนี้เป็นผู้ใช้หนัก. แต่ผลงานของพวกเขาทางการเงินที่ค่อนข้างต่ำนี้เป็นความประหลาดใจใหญ่สำหรับการจัดการ ดังนั้น 100% '' การตลาดที่ใช้งาน '' เป็นข้อเสนอแนะในการทำตลาดให้กับพวกเขาที่สูงกว่าค่าบริการ ในทางตรงกันข้ามกับลูกค้าในภาพรวมกลุ่มการใช้งานแสงกลุ่ม 7 โดดเด่นด้วยคุณค่าของประเภทบ่อยน้อย F1, F2, F3 และประเภท M สูง F5 และ F4 ซึ่งบ่งชี้ว่าแม้ว่าพวกเขาจะดีร่วมสมทบเงินที่พวกเขากระนั้นไม่บ่อยมากผู้ใช้ สำหรับลูกค้ากลุ่มนี้ '' การตลาดที่ใช้งาน '' ไม่เป็นปัญหาแทนส่วนเล็ก ๆ ของพวกเขาต้อง'' ดูแลลูกค้า '' และที่เหลืออีก 90% อยู่ในหมวดหมู่'' อื่น ๆ '' ซึ่งบ่งชี้ว่าต่อไป การตรวจสอบเป็นสิ่งจำเป็นที่จะหากลยุทธ์ใหม่ที่สามารถแปลงให้กับผู้ใช้งานบ่อย ตัวอย่างที่แตกต่างจากอีกสองกลุ่มการใช้งานขนาดกลางเที่ยงคืนกลุ่มที่ 1 ซึ่งเป็นลักษณะตามประเภท F สูง F5 12.5%, 87.5% F4 และประเภท M ต่ำ 50% M1 25% M2 และ25% M3 จึง ข้อเสนอแนะที่มี 75% การตลาดที่ใช้งานและการดูแล25% ของความต้องการของลูกค้า

ผลลัพธ์ (ไทย) 3:

4.4.4 . ค่าของแบบจำลอง
ขึ้นอยู่กับการใช้งานลูกค้ากลุ่มที่พบในส่วนสุดท้ายที่เราใช้ rfm

ลูกค้าที่มีศักยภาพเพื่อประเมินเงินสมทบ แนวคิดของพฤติกรรมการซื้อ rfm
จากเดิมที่ค่อนข้างแตกต่างจากที่ของพฤติกรรมในการใช้เครือข่าย เพราะอดีตเป็นธุรกรรมของเงินจริงซื้อ

และ และ หลังอาจจะถือเป็นธุรกรรมบริการเครือข่าย
จนถึงเกณฑ์การจราจรบาง ถึง ดังนั้น เราอ้างอิงถึงการสำรวจโดย twnic
( 2004 ) เพื่อกำหนดเกณฑ์นี้

ผลการสำรวจพบว่า บนเฉลี่ย ยาวที่สุด
ต่อเนื่องการใช้งานเครือข่ายในไต้หวัน ช่วงระหว่าง
2 และ 3 ชั่วโมง เป็น บริษัท ที่มีประสบการณ์แนะนำ
ISP บุคลากรนี้เครือข่ายการไหล ( ถูกกำหนดเป็น 1 % ของ stipulated
แบนด์วิดธ์กว่าสามชั่วโมงอย่างต่อเนื่อง เป็นผลให้เราปรับเปลี่ยนคำนิยามเดิมของ
3 ปัจจัย R , F ,
M ของ rfm รูปแบบในต่อไปนี้ เพื่อให้เหมาะกับ
ISP สิ่งแวดล้อม ในขณะที่กอง 5 ช่วงเวลาและมอบหมายการดำเนินงาน rfm
น้ำหนักอยู่

R : เดียวกันเวลาของการจราจรล่าสุดเป็นเวลา 3 ชั่วโมงและการไหลของเครือข่าย
เกินเกณฑ์ .
f : การใช้งานนับกว่า 7 สัปดาห์ กับแต่ละการใช้งานนาน
3 H และเครือข่ายการไหลเกินเกณฑ์ .
M : ต้นทุนต่อเครือข่ายหน่วย ซึ่งคิดเป็นค่าเช่ารายเดือน / รายเดือน
เครือข่ายเครือข่าย การจราจร
ครั้งนี้นักวิเคราะห์ของเราได้ตัดสินใจว่า R จะไม่
ถูกพิจารณาเพราะจุดประสงค์ของเราคือ

ลูกค้าศึกษาพฤติกรรมที่ควรล่าสุดในระยะเวลานาน
และมีน้อยจะทำอย่างไรกับการใช้งานล่าสุด
กับคำนิยามของ F และ M , อย่างใดอย่างหนึ่งสามารถดูว่า
สูงกว่า F หมายถึง ความต้องการที่สูงขึ้นในการใช้เครือข่าย
และสูง M หมายถึงการใช้ที่สูงขึ้น ต้นทุนต่อหน่วยจราจร
ดังนั้นชุดที่แตกต่างกันของค่า F และ M จะบ่งบอก
ข่าวกรองธุรกิจที่แตกต่างกันตัวอย่างเช่น ลูกค้าที่มีค่าสูงและต่ำ
F มักจะเป็นผู้ใช้บ่อยกับแผนการมูลค่าต่ำ และผู้ที่มีค่าสูงและต่ำ F M ผู้ใช้ไม่บ่อยนักกับรูปแบบมูลค่าสูง กรณีเลวร้ายที่สุด คือ ลูกค้าน้อย
F ต่ำ M ; มันหมายความว่าพวกเขาสมัครสมาชิก
ต่างๆมูลค่าต่ำ และยังไม่ค่อยได้ใช้เครื่องเครือข่าย
.
4.4.5 . การใช้แบบจำลอง
สิ่งอำนวยความสะดวกการพัฒนารูปแบบการใช้สิ่งอำนวยความสะดวก เราแรก
ตรวจสอบที่ตั้งของเขตและเราเตอร์เพื่อกำหนดเครือข่ายการไหล
และยูทิลิตี้อัตราเปรียบเทียบ อย่างไรก็ตาม เราเตอร์ที่แตกต่างกันหรืออาจใช้ตัวเลขต่าง ๆเขต

ของลูกค้า เราจึงพัฒนาสูตร ( 6 ) และ ( 7 ) เป็นพื้นฐานสำหรับ
เปรียบเทียบที่เหมาะสม สูตร ( 6 ) วัดการไหลต่อหน่วยเวลามีเครือข่าย
ของ router หรือเขตในขณะที่ ( 7 ) เราเตอร์ทั้ง 2 เมือง Kaoshiung จำนวน 9 เขต และเขตเกาซุง
ประกอบด้วย 15 เขต ดังแสดงในตารางที่ 6
.
4.5 . การวิเคราะห์และการประเมินผล
กับผลลัพธ์ของแบบจำลองขั้นตอนที่รู้จักกัน นี้
เฟสเริ่มวิเคราะห์ฝังธุรกิจความรู้
ซึ่งจะอำนวยความสะดวกในการพัฒนากลยุทธ์การบริการที่เกี่ยวข้อง

หนึ่งสามารถตรวจสอบรูปแบบ และความสว่างของภาพ
4 เพื่อตรวจสอบสถานะ VIP ของลูกค้า .
ข้ามการตรวจสอบพฤติกรรมการใช้งานในกลุ่ม
4 ตาราง อาจนำไปสู่การค้นพบที่ประเด็น
บริการส่วนบุคคลโกหกและวิธีการเข้าถึงปัญหาเหล่านี้ .
ตัวอย่างเช่นโดยการใช้หนักคือกลุ่ม กลุ่ม
ดีทันที ค่าการจัดการ กลุ่มนี้มี
การจัดการกับการใช้งานหนักมากเน้นเป้าหมาย
เกือบตลอดเวลา และสามารถพัฒนาตลาดและการจัดการ
มูลค่าเพิ่มสูง ผลิตภัณฑ์ที่เหมาะกับความต้องการของพวกเขา โดย
สำหรับสามชั่วโมงกลุ่มที่ทำงานด้วยแสง , กลาง ,
และการใช้งานหนัก พวกเขานำเสนอการจัดการที่เน้น
เป้าหมายธุรกิจที่มีความต้องการการใช้งานที่แตกต่างกัน บน
มืออื่น ๆ , กลุ่มการใช้แสงโดยรวมที่จะเกิดขึ้น
ที่ใหญ่ที่สุดในกลุ่มด้วย 47.01 % ของผู้ใช้ส่วนใหญ่ของพวกเขา
อาจ ผู้ใช้แต่ละคนและมันแน่นอนจะนำเสนอความท้าทายเพื่อการจัดการ

ดำเนินการวิเคราะห์ต่อไป ดังนั้นบางส่วนของพวกเขาอาจจะถูกแปลงเป็นผู้ใช้ปกติมากขึ้น

การใช้ประโยชน์ทรัพยากร รูปที่ 5 แสดงการใช้เราเตอร์ และอำเภอต่าง ๆ

สีซึ่งช่วยให้หนึ่งได้อย่างรวดเร็วตระหนักว่า เราเตอร์# 20 มีการใช้สูงสุด
, # 12 มาในที่สอง และตามด้วย#
13 &# 18 และส่วนที่เหลือ ในแง่ของเขต daliao
Township ได้สูงสุดใช้โครงข่ายใน Kaohsiung County และตามด้วยคลิกที่ลิงค์นี้เพื่อดูเพิ่มเติม

gangshan ciaotou , เมือง , hunei และเพื่อเมือง . การใช้
เหล่านี้สูงเขตเป้าหมายของการจัดการในปัจจุบันความเข้าใจถึงปัจจัยทางสังคม ที่รองรับความต้องการของ
บริการเครือข่ายและโครงการความต้องการในอนาคตของการลงทุนทุน
.
ผลลัพธ์ของการแก้ไข rfm ให้
ตารางที่ 7 ตารางนี้แสดงการวิเคราะห์
ข้ามระหว่างลูกค้าและลูกค้าที่มีศักยภาพเครือข่ายการใช้รูปแบบผลงาน '
5 ช่วงเวลาของเอฟ ( ความถี่ )
M ( การเงิน ) จะได้รับในคอลัมน์สอง กับ
F5 เป็นค่าร้อยละของน้ำหนัก 5 ( ก่อน
20% ) M1 เป็นเปอร์เซ็นต์ของน้ำหนักตัว 1 ( 20 % ) . . . . . . . ฯลฯ ปัจจัย R ไม่แสดงในตาราง
เพราะ ISP ผู้เชี่ยวชาญพิจารณาความเกี่ยวข้องในคดีนี้โดยเฉพาะ

แถวที่สามของตารางเสนอแนะ
กลยุทธ์การตลาดสำหรับแต่ละกลุ่ม โดยตลาด
บุคลากร ที่ได้ตรวจสอบทั้ง F และ M ค่า สำหรับ
แต่ละเก้ากลุ่ม ของพวกเขาคำแนะนำกลยุทธ์ประกอบด้วย
' 'active การตลาด ' ' , ' ' 'customer ดูแล ' ' หรือ ' ' ' 'other .
''active การตลาด ' ' หมายถึง การพัฒนาผลิตภัณฑ์มูลค่าเพิ่ม
และก้าวร้าวโปรโมชั่น ' ดูแล ' '
'customerหมายความว่าให้แผนการที่เหมาะสมเพื่อให้ตรงกับความต้องการของลูกค้าและ 'other
' ' ' หมายแสดงว่า การจัดการที่
ที่เกี่ยวข้องกลยุทธ์ยังคงเป็นค้นพบ ร้อยละ
ติดแต่ละกลยุทธ์หมายถึงเน้นสำหรับกลุ่มที่
โดยเฉพาะ ตัวอย่างบางส่วนของผลการวิจัยที่สำคัญมี
นำเสนอที่นี่ กลุ่มที่ 3 กลุ่มโดยรวมการใช้งาน
หนักเป็นลักษณะ 100 % F5 และ 100% M1 และ
ซึ่งลูกค้าในกลุ่มนี้เป็นผู้หนัก ;
แต่พวกเขาเงินสมทบต่ำ .
นี่คือความประหลาดใจใหญ่สำหรับการจัดการ ดังนั้น 100 %
''active การตลาด ' ' พบในตลาดจะสูงกว่า
ค่าบริการ ในทางตรงกันข้าม ลูกค้าในการรวม
แสงการใช้งาน กลุ่ม 7โดดเด่นด้วยคุณค่าของ F1 ประเภทบ่อยน้อยลง F2 , F3 , F4 และ F5 M
สูงประเภท ซึ่งบ่งชี้ว่า แม้พวกเขาเป็นผู้สนับสนุนการเงินดี
, พวกเขาอย่างไรก็ตามผู้ใช้ไม่บ่อยมาก

สำหรับลูกค้ากลุ่มนี้ 'active ' การตลาด ' '
ไม่ใช่ปัญหา แต่ส่วนเล็ก ๆของพวกเขาต้อง 'customer
' ดูแล ' ' , และที่เหลืออีก 90% เป็น
' 'other ' หมวดหมู่ ' ซึ่งแสดงว่า
การสอบสวนเพิ่ม เพื่อหากลยุทธ์ใหม่ที่สามารถแปลง
ผู้ใช้บ่อย อีกตัวอย่างที่แตกต่างจาก
2 เป็นเที่ยงคืน กลาง ใช้ กลุ่ม กลุ่มที่ 1
ซึ่งเป็นลักษณะสูง F ประเภท 12.5% F5
F4 87.5 % และ 50 % M1 M ประเภทต่ำ 25 % M2 และ M3
25 เปอร์เซ็นต์ ดังนั้น ข้อเสนอแนะ 75 %
การตลาดงาน25% และดูแลความต้องการของลูกค้า