臺灣博碩士論文加值系統

現今影音租售業市場因盜版與數位電視加入，造成影音租售之競爭激烈。目前研究大都以影音租售業之商店印象及顧客滿意度做為研究主題，少有針對消費者偏好與消費行為來做探討。故本研究希望了解消費者偏好與租片行為之間關聯性，藉以提供業者增加營運績效。
首先，利用問卷調查方法，以影音租售業之消費者為研究對象，收集顧客之基本與消費資料，再應用資料探勘技術之關聯規則與CHAID決策樹，找出顧客之個人喜好與消費影片類別間之關聯性，並應用內容導向式推薦方法，來發現個人之喜好搭配影片作為最佳化之銷售推薦。
本研究結果共挖掘出十一項規則，例如：喜好旅遊之消費者，會選擇喜劇片，同時也選擇科幻片；喜好運動之消費者，會選擇警匪戰爭片，同時也會選擇喜劇片與動作片。所得之結果可提供業者，作為影片組合之銷售參考，以擴大銷售商機。因此如何擬定良好之行銷策略，使顧客能租借到符合個人喜好之影片，是業者必需努力之營業目標。

Due to film piracy and digital television, the visual-audio rental industrial are in keen competitions. Nowadays, most of studies focus on images and customer satisfaction of visual-audio rental store, and only a few studies discuss customer preferences and consumer behavior. The purpose of this study is to realize the association between the customer preferences and the consumer rental behavior, by means of improving profits of visual-audio rental industrial.
In this study, we collect data (customers’ personal informations and their consuming records) by using questionnaires and continue to analyze the primary data in terms of data mining algorithm from association rule and the CHAID Decision Tree. This study discovers a correlation between individualized interests and the categories of rented videos, and applies recommender of content-base in the process of seeking the best matches between individualized interests and videos.
This result of study has found eleven rules. For example, the consumers of loving travel will choose the comedy film and the science fiction film at the same time; the consumers being fond of sports will choose the crime, comedy and action films at the same time. So the result can be offered to the industries, the business strategy in terms of the film combination to expand the business opportunity. Consequently, how to make a good marketing strategy that let consumers rent their favorite films is the direction that the visual-audio sales have to try hard.

目錄
授權書 iii
中文摘要 iv
ABSTRACT v
誌謝 v
目錄 vii
圖目錄 ix
表目錄 x

第一章 緒論 1
1.1 研究背景 1
1.2 研究動機 2
1.3 研究目的 3
1.4 研究架構與流程 4
1.5 研究範圍與限制 6
1.6 論文架構 7
第二章 文獻探討 8
2.1 影音租售業現況 8
2.2 消費行為探討 9
2.3 資料探勘介紹 11
2.4 個人化推薦 18
第三章 研究方法 22
3.1 問卷調查 22
3.2 探勘流程與模式 25
3.3 Apriori演算法 28
3.4 關聯規則 31
3.5 CHAID決策樹 32
3.6 內容導向式推薦 34
第四章 研究結果分析 36
4.1 問卷資料統計分析 36
4.2 探勘結果分析 38
4.3 推薦與關聯規則結合應用 42
第五章 結論與建議 44
5.1 結論 44
5.2 後續研究建議 45
參考文獻 47
附錄一影音租售業概況 50
附錄二休閒娛樂生活調查資料 51
附錄三問卷調查 52
附錄四消費行為調查統計 54
附錄五消費行為之關聯性統計 55

圖目錄
圖1.1 研究架構與流程 5
圖3.1 問卷資料處理流程 24
圖3.2 探勘流程 26
圖3.3 關聯規則之演算法產生最常出現項目集合 30
圖3.4 探勘之決策樹狀圖 33
圖3.5 影片分類決策樹 34
圖4.1 應用決策樹產生之規則 42

表目錄
表2.1 資料探勘與統計方法之比較表 16
表2.2 各方法適用於探勘功能 17
表3.1 問卷資料欄 23
表3.2 關聯規則表 32
表4.1 受訪者樣本統計 36
表4.2 受訪者基本資料分析 37
表4.3 前項以喜好為主之關聯規則 39
表4.4 前項以影片為主之關聯規則 39

一、中文部分
【1】吳晨帆，推薦策略與推薦資訊對線上推薦績效影響之研究，中原大學資訊管理學系碩士論文，2005年。
【2】林盈源，決策樹在資料庫行銷決策之應用，成功大學工業管理科學系碩士論文，2003年。
【3】許欽嘉等，數位相機之消費動機與消費行為關係之研究-以大台北地區為例，遠東學報第二十二卷,第二期，頁292，2005年。
【4】陳美樺等，個人化產品資訊推薦系統，第十三屆國際資訊管理學術研討會，2002年。
【5】謝安晉，決策樹技術應用於美髮業直效行銷之研究，大葉大學工業工程與科技管理系碩士論文，2005年。
【6】楊永芳，語意擴充式文件推薦方法之研究，中山大學資訊管理研究所碩士論文，2001年。
【7】鄭致韶，服務品質與顧客滿意之實證研究-以影音租售業為例，國立台北大學企業管理學系碩士論文，2002年。
【8】劉品岑，影響商店形象與購買行為之因素-以百視達影音租售連鎖店為例，南華大學出版事業管理研究所碩士論文，2005年。
【9】薛新光，運用資料探勘於資訊產品變裝較佳化組合設計之研究,大葉大學設計研究所碩士論文，2006年。

二、外文部份
【10】Agrawal , R. and Srikant , R., “Fast Algorithm for Mining Association Rules ,”In Proceedings of the 20th International Conference on Very Large Databases, pp.487-499, 1994.
【11】Berry, M.J.A., and Linoff G.. “Data Mining Technique For Marketing, Sale ,and Customer Support”,Wiley Computer and Sons, Inc., p.49-53,1997.
【12】Curt,H. “The Devile’s in The Detail: Techniques ,Tool,and Applications for Data Mining and Knowlegde Discovery-Part 1”,Intelligent Software Strategies,Vol.6, no.9, pp.3, 1995.
【13】Demy, E., Psychographics and from Whence it Come , Life Style and Psychographics, in Wells, W. D. (Eds.), Chicago: America Marking Association, pp.190, 1974.
【14】Dean. R. “personalizing your web site”, available at
http://www.builder.com/business/personal., 1998.
【15】Dutta , S. and Shekhar , S. “Bond Rating: A Non-Conservation Applicatio of Neural Networks,” IEEE International Conference on Neural Nettwork , San Diego, California, Vol. 2, pp.443-450, 1998.
【16】Engel, James F., Roger D. Blackwell and David T. Kollat , Consumer Behavior, 4th ed., Taipei: Hwa-Tai Co, 1982.
【17】Fayyad, U.M., “Data Mining :Conceots and Techniques, MakingSense Out of Data,”IEEE Expert, Vol.11, Issue 5, pp.20-25, 1996.
【18】J. B. Schafer, J. Konstan, J. Riedl, ”Electronic Commerce Recommender Applications,” Journal of Data Mining and Knowledge Discovery, Vol. 5, pp. 115-152, 2000.
【19】Jiawei Han ,MichelineKamber,DataMining-Concepts and Techniques,Morban Kaufmann Publish, 2001, 1rd
【20】Kleissner, C., “Data mining for the enterprise,”In Proceedings of the Thirty-First Hawaii International Conference on, Vol.7, pp. 295-304, 1998.
【21】Konstan , J. A., Miller, B. N., and Maltz , D., “GroupLens : Applying collaborative filtering to Usenet news ,”Communications of the ACM, Vol.1.40, no.3, pp.77-87,1997.
【22】Nicosia, F. M. Consumer decision processes: Marketing and advertising implication. N. J: Prentice-Hall., 1996.
【23】P. Resnick, ”Recommender systems,” Association for Computing Machinery”, Communications of the ACM, New York, Vol.40, pp. 56-58, 1997.
【24】Peacock, P.R., “Data Mining in Marketing:Part1,” Marketing Management, Vol. 6, No. 4, pp. 8-18, 1998.
【25】Quinlan, J.R. Induction of Decision Trees. Machine Learning, 1（1）, pp. 81-106, 1986.
【26】Schiffman, Leon G. and Kanuk, Leslie Lazar,Consumer Behavior, 2nd ed., Englewood Cliffs, New Jersey, Prentice-Hall Inc., 1991.
【27】Vandermerwe, Sandra , “How Increasing Value to Customers Improves Business Results”, Sloan Management Review, Vol 42, Number 1, pp. 27-37, 2000.