臺灣博碩士論文加值系統

本研究旨在探討消費者於社群平台上與官方品牌之互動行為和消費者購買金額之間關聯性，並利用消費者網路瀏覽足跡(digital footprint)試圖將消費者做區隔(segmentation)以利企業做更精準的行銷策略，更適度與消費者互動。
本研究結合三部分資料:電子商務交易資料、M公司官方臉書專頁資料、M公司消費者網路瀏覽資料；在消費者分群方面，本研究以M公司消費者網路瀏覽資料進行整理，遂得以因素分析後，進而進行集群分析，並將消費者分為三種群別，分別為「動漫喜好群」、「宅宅男裝群」、「省錢團購群」。而為量化消費者於社群平台與官方品牌之互動行為，本研究設計了五項自變數，分別是:消費者於官方臉書專頁對Marketing類Po文按讚次數、消費者於官方臉書專頁對Communication類Po文按讚次數、消費者於官方臉書專頁發表中性評論次數、消費者於官方臉書專頁發表負面評論與消費者於官方臉書專頁發表正面評論次數，而依變數為消費者購買金額，本研究使用迴歸分析方法與層級貝氏統計方法探究自變數與依變數之關係。本研究在探究的主要兩大問題是: （1）消費者的購買金額會受到哪些消費者於社群平台上的行為影響？以及（2）消費者在購買金額與各個自變數之行為模式是否在不同的上網時間的分群變數上有顯著差異？
本研究期望能提供企業經營與行銷人員除了資料庫行銷外的思維，因此其可透過本研究架構，更了解消費者的行為，並善用社群平台與企業資源，更適度與消費者互動。

This study aims to figure out the relationship between customer’s interactive behavior with brand official page on social platform and customer’s purchase amount. Also, this study uses customer’s digital footprint to conduct customer segmentation to assist the enterprise to more precise marketing strategies and interact with customers.
This study combines three part of dataset: e-retailer transaction data of Company M, official fan page of Company M on Facebook, and customer digital footprint of Company M. This study sorts the data of customer digital footprint of Company M to implement factor analysis and cluster analysis. Thus, its customers into three different groups : “Comic favor”, “Nerd and menswear” , and “Group buying”. To measure the interaction between customer and brand on social platform, this study design five independent variables: Number of likes on Marketing post on Facebook, Number of likes on Communication post on Facebook, Number of neutral comment, Number of negative comment, Number of positive comment, and the independent variable is purchase amount, this study uses regression and Hierarchical Bayes models to understand the relationship between them. So as to answer (1) Purchase amount would be affect by which behaviors on social platform? (2)Would purchase amount and the behaviors of each dependent variables be significantly different between the three clusters?
This study wished to provide enterprise and marketing staffs the notion other than database marketing and get more understanding of customer behaviors, as well as interact with customer more appropriately using social platform.

口試委員會審定書 #
誌謝 i
中文摘要 ii
ABSTRACT iii
目錄 iv
圖目錄 viii
表目錄 ix
Chapter 1 緒論 1
1.1 研究背景與動機 1
1.2 研究問題 2
1.3 研究目的 2
1.4 研究流程 3
Chapter 2 文獻探討 4
2.1 購買金額預測 4
2.2 消費者社群媒體之互動程度 5
2.2.1 社群媒體…………………………………………………………..5
2.2.2 社群媒體行銷……………………………………………………..6
2.2.3 社群媒體之互動性………………………………………………..6
2.3 消費者口碑之文本探勘 8
2.3.1 資訊抽取 8
2.3.2 文章分類 9
2.4 消費者網路瀏覽足跡下之消費者行為與消費者特質...........................10
Chapter 3 研究方法 13
3.1 研究架構 13
3.2 資料來源 14
3.2.1 電子商務購買紀錄 14
3.2.2 官方臉書專頁之社群行為資料 14
3.2.3 消費者於網路上對於其他網站的瀏覽行為 15
3.3 資料分析方法 15
3.3.1 文章分類 16
3.3.2 迴歸分析 17
3.3.3 因素分析 18
3.3.4 集群分析 19
3.3.5 層級貝氏統計 19
3.3.5 均方根誤差……………………………………………………….20
3.4 變數定義與設計 21
3.4.1 購買金額 21
3.4.2 消費者對於官方Po文按讚次數 21
3.4.3 消費者情緒評論次數 22
Chapter 4 實證分析 24
4.1 樣本描述 24
4.2 變數描述 26
4.2.1 迴歸分析方法 26
4.2.1.1 迴歸分析方法下之依變數-Y…………………................26
4.2.1.2 迴歸分析方法下之自變數-X……………………………27
4.2.2 層級貝氏統計方法……………………………………………….29
4.2.2.1 層級貝氏統計方法下之依變數-Y……………………....30
4.2.2.2 層級貝氏統計方法下之自變數-X………………………31
4.2.3 第二層自變數-Z 33
4.3 實證分析-迴歸分析結果 36
4.4 實證分析-依上網行為做顧客區隔以利顧客分群……………………..38
4.4.1 因素分析…………………………………………………………..38
4.4.2 集群分析…………………………………………………………..43
4.5 實證分析-層級貝氏統計分析結果……………………………………..46
4.5.1 均方根誤差(RMSE)衡量模型預測效果 46
4.5.2 遞延一期效果的層級貝式統計分析之結果 47
Chapter 5 結論與建議 60
5.1 研究結果 60
5.2 行銷管理意涵 64
5.3 研究限制與後續研究建議 67
參考文獻 69

一.中文部分
1. 董彥欣(2010)，探討facebook粉絲專頁使用意圖及其對品牌形象、購買意
願之影響：以KKBOX為例，國立中正大學電訊傳播研究所碩士論文。
2. 柳慧琴(1997)，資料庫行銷之顧客價值分析模式，國立台灣大學國際企業
學研究所碩士論文。
3. 黃心惟(2011)，以數位口碑為基礎之流行性商品銷售預測，台灣大學資訊
管理學系碩士論文。
4. 黃柏文(2007)，漸進式網路交易型樣探勘技術之研究，銘傳大學資訊工程學
系碩士論文。
5. 黃彥超(2013)，社群媒體行銷與消費者信任關係之研究－以 FACEBOOK
為例，中國文化大學商學院國際企業管理學系碩士論文。
6. 洪士耕(2011)，社群媒體之關係行銷研究－以7-Eleven之Facebook粉絲專
頁使用者為例，中國文化大學新聞學系碩士論文。
7. 古倫維，陳信希(2010)，中文意見分析之概況、技術與應用，中華民國計算
語言學學會期刊，2010年，第二十卷第五期。
8. 宋明潔(2001)，上網人口特質、上網行為、網站內容篇好以及影響每日網站
瀏覽之研究-以台灣入口網站為例，國立中山大學企管學系碩士論文。
9. 陳靜怡(2003)，購買量與購買時程雙變量之預測－層級貝氏潛藏行為模型之
建構,國立台灣大學國際企業學研究所博士論文。
10. 曾建豪(2010)，網路消費者行為之網站造訪期間對購買期間之影響性，國立
台灣大學國際企業學研究所碩士論文。
11. 楊聖慧(2001)，以體驗行銷之觀點探討網站之虛擬社群經營模式，銘傳大學
管理科學研究所碩士論文。
12. 謝鎮宇(2010)，意見探勘在中文評鑑語料之應用，國立交通大學資訊學程碩
士論文

二.英文部分
1.Australian Communications and Media Authority (2013) “Digital footprints and identities Community attitudinal research”, Australian Communications and Media Authority.
2.Alan Wexelblat, Pattie Maes(1999), “Footprints: History-Rich Web Browsing,
MIT Media Lab”, Software Agents Group, pp.1-8.
3.Akash Shrivatava &; Bhasker Pant (2012), “Opinion extraction and classification of real time Facebook Status”, Global Journal of Computer Science and Technology, Vol 12, No 8 .
4.Bei Yu &; Linchi Kwok (2011), “Classifying Business Marketing Messages on
Facebook”, The Internet Advertising (IA 2011) Workshop at the 34th Annual
International ACM SIGIR Conference.
5.Babur De los Santos, Ali Hortac_su, and Matthijs R. Wildenbeest (2009),
“Testing Models of Consumer Search Using Data on Web Browsing and
Purchasing Behavior”, pp.1-32.
6.Chang, C.-C., &; Lin, C.-J.(2003), “LIBSVM: a library for support vector
machines”, Department of Computer Science, National Taiwan University.
7.Comm, J. (2009). Twitter power: How to dominate your market one tweet at a
time.Hoboken, NJ: John Wiley &; Sons.
8.De Vries, Lisette; Gensler, Sonja; Leeflang, Peter S.H.(2012),“Popularity of
Brand Posts on Brand Fan Pages: An Investigation of the Effects of Social Media
Marketing”, Journal of Interactive Marketing, Vol.26(2), pp.83-91.
9.Dave Evans(2012), “Social Media Marketing: An Hour a Day”, John Wiley&;
Sons, Inc.
10.Lo, S. (2008), “Web service quality control based on text mining using support
vector machine”, Expert Systems with Applications, Vol. 34, No. 1, pp. 603-610.
11.Lun-Wei Ku, Yong-Sheng Lo ,and Hsin-Hsi Chen (2007), “Using Polarity
Scores of Words for Sentence-level Opinion Extraction”, Proceedings of
NTCIR-6 Workshop Meeting.
12.Mindi McDowell and Damon Morda (2011), “Social Networking Site Project Report”, United States Computer Emergency Readiness team.
13.Peter H. Bloch and Marsha L. Richins(1983),“Shopping without purchase: an investigation of consumer browsing behavior”, Association of Consumer Research.
14.Pletikosa Cvijikj, I., Michahelles, F. (2013),“Online Engagement Factors on Facebook Brand Pages, Social Network Analysis and Mining”, Vol.3, Issue 4, pp. 843-861.
15.Robertson, Thomas S.(1971),“Innovative Behavior and Communication. New York: Holt, Rinehart and Winston.
16.Safko, L., &; Brake, D. K. (2009),“The social media bible: Tactics, tools &; strategies for business success. Hoboken, NJ: John Wiley &; Sons.
17.Sitaram Asur and Bernardo A. Huberman (2010), IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology, Vol.01 pp. 492-499.
18.Sohn(2009), Disentangling the Effects of Social Network Density on Electronic Word-of-Mouth (eWOM) Intention, Journal of Computer-Mediated Communication,Vol.14, Issue2, pp.352-367.
19.Sitaram Asur, Bernardo A. Huberman(2010),“Predicting the Future with Social Media, Predicting the Future With Social Media”, pp.1-8.
20.Jeff Huang and Ryen W. White (2010),“Parallel browsing behavior on the web”, Proceedings of the 21st ACM conference on Hypertext and hypermedia , pp.13-18.
21.Weinberg, T. (2009),“The new community rules: Marketing on the social web”, Sebastopol, CA: O’Reilly Media, Inc.
22.Wenjing Duan, Bin Gu, Andrew B. Whinston(2005),“Do Online Reviews Matter? – An Empirical Investigation of Panel Data”, Center for Research in Electronic Commerce Department of Management Science and Information Systems McCombs School of Business The University of Texas at Austin, TX 78712, U.S.A., pp.1-33.