Page 64 - 36-1

Integrating Artificial Intelligence into Product Life Cycle Value and Activity Value Management: A Case Study
of P Channel Agent

止代理期間」，而非傳統定義中從產品上市至退市的全生命周期。這種定義更符
間」，而非傳統定義中從產品上市至退市的全生命週期。這種定義更符合通路代理
合通路代理商的業務模式和決策過程。
商的業務模式和決策過程。
此外，目前所建構之模型本體尚未區分產品所處之生命週期階段，而是採取
此外，目前所建構之模型本體尚未區分產品所處之生命週期階段，而是採取單
單一期間之估算方式。本研究將「CLV－PLCV－階段配適」視為未來研究的發展
一期間之估算方式。本研究將「CLV － PLCV －階段配適」視為未來研究的發展方
方向，建議後續可考慮引入生命周期標記變數，或導入時間序列方法，以提升模
向，建議後續可考慮引入生命週期標記變數，或導入時間序列方法，以提升模型對
型對產品不同階段之敏感性與策略應用之精準度。
產品不同階段之敏感性與策略應用之精準度。
（二）模型定義與假設
（二）模型定義與假設
本研究提出的 PLCV 定義為通路代理商在代理該產品的整個期間內，該產品
本研究提出的 PLCV 定義為通路代理商在代理該產品的整個期間內，該產品為
為企業創造的淨利潤現值。主要假設包括：1. 產品的生命週期等同於代理商代理
企業創造的淨利潤現值。主要假設包括：1. 產品的生命週期等同於代理商代理該產
該產品的時間；2. 產品在其生命週期内的淨利潤可以用歷史數據進行預測；3. 未
品的時間；2. 產品在其生命週期內的淨利潤可以用歷史數據進行預測；3. 未來的淨
來的淨利潤可以用適當的折現率折現至現值。在建立 PLCV 模型時，本研究參考
利潤可以用適當的折現率折現至現值。在建立 PLCV 模型時，本研究參考 Rosset et
Rosset et al. (2003) 的方法，將模型拆分為三大要素：1. 產品存活機率：透過存活
al. (2003) 的方法，將模型拆分為三大要素： 1. 產品存活機率：透過存活分析模型計算；
分析模型計算；2. 產品某一時點之價值：考慮顧客取得成本，並使用 AVM 產生
2. 產品某一時點之價值：考慮顧客取得成本，並使用 AVM 產生之產品別利潤資訊；
之產品別利潤資訊；3. 折現率：考量貨幣的時間價值。本研究依據淨現值概念建
3. 折現率：考量貨幣的時間價值。本研究依據淨現值概念建立之模型如下：
立之模型如下：
�

�� �� ����� � ����������� � � ，
1 + �
���
其中，P(t)為產品於 t 期產生之淨利；n 為產品之預期存活期間（月）；d 為折現率；
其中，P(t) 為產品於 t 期產生之淨利；n 為產品之預期存活期間（月）；d 為折現率；
t 為產品產生現金流之期間數。
t 為產品產生現金流之期間數。
在眾多顧客終身價值模型中，本研究選擇 Berger and Nasr (1998) 的模型作為
在眾多顧客終身價值模型中，本研究選擇 Berger and Nasr (1998) 的模型作為基
基礎，主要基於以下考慮：1. 簡潔性：該模型結構清晰，易於理解和應用。2. 適
礎，主要基於以下考慮：1. 簡潔性：該模型結構清晰，易於理解和應用。2. 適用性：
用性：該模型可以較容易地適應到 PLCV 的估算。3. 靈活性：本研究可以在此基
該模型可以較容易地適應到 PLCV 的估算。3. 靈活性：本研究可以在此基礎上進行
礎上進行必要的調整，以適應通路代理商的特殊情況。然而，本研究也考慮到其
必要的調整，以適應通路代理商的特殊情況。然而，本研究也考慮到其他模型的優
他模型的優點。例如，本研究參考 Gupta et al. (2006) 考慮顧客取得成本的做法，
點。例如，本研究參考 Gupta et al. (2006) 考慮顧客取得成本的做法，將其應用到產
將其應用到產品代理成本的衡量中。本研究未採用更複雜的模型（如 Rosset et al.
品代理成本的衡量中。本研究未採用更複雜的模型（如 Rosset et al. (2003) 的模型），
(2003) 的模型），主要是考慮數據可獲得性和模型複雜度之間的平衡。
主要是考慮數據可獲得性和模型複雜度之間的平衡。
（三）存活分析方法
（三）存活分析方法
存活分析評估初始事件至終止事件所需經歷之時間，意指研究者從某一特定
存活分析評估初始事件至終止事件所需經歷之時間，意指研究者從某一特定時
時間點開始進行觀察，直到「特定事件」之發生，主要目的為對「事件發生所需
間點開始進行觀察，直到「特定事件」之發生，主要目的為對「事件發生所需之時
之時間」進行數據建模與分析。存活分析經常被用於生醫領域，尤其主要用於分
間」進行數據建模與分析。存活分析經常被用於生醫領域，尤其主要用於分析疾病
析疾病之死亡率及生存率，以病發時間為起始點，持續追蹤各樣本後，若疾病復
之死亡率及生存率，以病發時間為起始點，持續追蹤各樣本後，若疾病復發或死亡
發或死亡則代表「特定事件」之發生，而此段時間長短可用於分析生存期間。
則代表「特定事件」之發生，而此段時間長短可用於分析生存期間。
存活分析亦可被用於社會科學領域，作為研究存活變數之統計方法，本研究
存活分析亦可被用於社會科學領域，作為研究存活變數之統計方法，本研究
即採用 Kaplan-Meier 存活分析 (Kaplan-Meier Survival Analysis) 對分群產品進行
即採用 Kaplan-Meier 存活分析 (Kaplan-Meier Survival Analysis) 對分群產品進行生
生存期間估計。Kaplan-Meier 模型廣泛用於估計無法明確定義退場時間的「存續資
料 (Survival Data)」，特別適用於觀測期內尚未退場之產品個體，屬右側刪截資料
56
16