本篇研究目的是在探討那些因素可以影響信用卡持卡人向發卡銀行申辦帳單分期的意願？利用資料採礦的方法，以羅吉斯迴歸來建立預測模型，辨識可能申辦信用卡帳單分期的目標客戶。當客戶來電客服中心時，客服人員即能及時針對有可能申辦的客戶進行主動推廣，而對不可能申辦的客戶予以略過，以節省與客戶的通話秒數；除提高該產品行銷時的成交率，又可節省人員推廣成本，並避免不恰當打擾客戶的多重好處。
另因羅吉斯迴歸分析所得的預測值是機率值，管理者可以依據其線上人力資源與服務能量狀況，隨時機動調整推廣目標客戶名單數，對同一母體的客戶，當選取的名單數愈少時，成交機率就愈高。本研究的預測模型，經過實證研究發現，當採用0.5的機率做為分割點時(即預測申辦機率<0.5，非目標客戶；預測申辦機率≧0.5，目標客戶)，則只需向30%的客戶推廣，即可以接觸到75.8%潛在有可能會申辦的客戶。若採用0.3的機率做為分割點時，則只向50%的客戶推廣，則可以接觸到93.18%潛在有可能會申辦的客戶，銀行將只會損失不到7%潛在有可能申辦的客戶。
利用此預測模型，管理者將可視自身可用資源、產品的行銷成本與預期收益，隨時彈性調整欲納入行銷的目標客戶名單數，據以創造最大的收益。

Purpose of this study was to examine the factors that can affect the credit cardholder’s willingness of using installment. By using Logistic Regression to establish the prediction model, we can identify the possible target credit card cardholders who may apply installment. When cardholders call customer service center (CSC), customer service representatives (CSRs) can promote actively to potential clients but skip non-potential cardholders to save talking time. It will increase the possibility of successful marketing to right cardholders without increasing the cost and avoiding inappropriate disturbing to non-target cardholders.
We also can get the predicting possibility from logistic regression analysis. It will help managers to adjust promote customer lists according to its online CSRs and its service level. Under the same population, the less of the promote customer lists they use, the higher of the probability of success they will get. In this empirical study, the prediction model, the study found that when used as a split point of 0.5 probability (ie the predicted probability of bid <0.5, non-target cardholders; prediction bid probability ≧ 0.5, target cardholders), then only 30% to customer promotion, which can reach 75.8% of potential cardholders may bid. The use of a probability of 0.3 as a separate point, only 50% of the clients to promote, you can reach 93.18% likely to bid for potential cardholders, banks will only be less than 7% loss of potential cardholders may bid.

參考文獻
中文文獻：
1. 尹相志，「SQL Server 2008 Data Mining 資料採礦」，精誠資訊，民九十八年三月，頁1-76。
2. 王濟川、郭志剛，「Logistic迴歸模型─方法及應用」，五南出版社，民九十七年八月。
3. 江麗華，「信用卡違約風險評估模型之實證研究」，輔仁大學資訊管理學系碩士論文，民九十七年。
4. 邱吉爾，「顧客屬性對信用卡促銷之活化效果實證研究」，國立東華大學國際企業學系碩士論文，民九十七年。
5. 林吟倫，「跨國銀行與本國銀行信用卡分期付款業務服務品質與顧客知覺價值對顧客滿意度影響之研究」，大葉大學國際企業管理學系碩士在職專班碩士論文，民九十七年。
6. 邱芸書，「分期付款買賣對不同世代消費者知覺價值影響之研究」，中國文化大學國際企業管理研究所碩士論文，民九十四年。
7. 林惠玲、陳正倉，「應用統計學」三版，雙葉書廊，民九十五年七月。
8. 周琦森，「影響信用卡持卡人刷卡金額因素之研究：以臺北市某銀行為例」，銘傳大學管理研究所碩士在職專班，民九十八年。
9. 陳正昌、陳新豐、程炳林、劉子鍵，「多變量分析方法─統計軟體應用」四版，五南，民九十四年十二月。
10. 陳明倫，「運用資料採礦於消費信用貸款授信決策模式之實證研究」，國立中正大學會計與資訊科技所碩士論文，民九十七年。
11. 陳凌瑤，「個人消費金融信用風險之評估-以某銀行信用卡為例」，中國文化大學會計研究所碩士論文，民九十四年。
12. 曹容緒，「運用資料探勘技術建構顧客流失行為預測模型：以國內某銀行信用卡顧客為例」，國立東華大學高階經營管理碩士在職專班碩士論文，民九十七年。
13. 彭再添，「顧客關係管理(CRM)運用在信用卡客戶區隔—以T銀行為例」，元智大學管理研究所碩士論文，民九十七年。
14. 黃禹欣，「應用「資料探勘」於預借現金行為之初探性研究」，國立中正大學行銷管理研究所碩士論文，民九十四年。
15. 劉玲華，「信用卡預警模式建立之研究」，輔仁大學應用統計學研究所碩士論文，民九十八年。
16. 魏瑞慧，「層級貝氏模型應用於信用卡顧客消費行為分析之研究」，國立台北大學統計學系碩士論文，民九十七年。

英文文獻：
1. Agresti, Alan (2007), An Introduction to Categorical Data Analysis, 2nd ed. John Wiley & Sons, Inc..
2. Berry, Michael J. A. and Linoff, Gordon S. (2004), Data Mining Techniques: For Marketing, Sales and Customer Relationship Management, 2nd ed. Wiley Publishing, Inc..
3. Fayyad, Usama M., Shapiro, Gregory P., Smyth, Padhraic and Uthurusamy, Ramasamy (1996), Advances in Knowledge Discovery and Data Mining, The MIT Press.