臺灣博碩士論文加值系統

近來因電子商務蓬勃發展，網路廣告需求亦快速增長。然自2008年起，針對不同社群投遞的社群廣告也應運而生。回顧近年相關文獻中均指出，社群廣告量皆呈現持續且穩定的成長，故如何改善廣告投放效果將為未來市場一重要的議題。目前透過網路投放社群廣告之廠商，大多無法有效辨識顧客輪廓，導致網路廣告投放效果轉換成實際消費購買行動的轉換率過低。因此，若能鎖定明確對象進行廣告投放，將可大幅降低企業主在廣告預算之花費，並帶給業主應有的實質商業利潤。
基於網路廣告投放實務中所遭遇的困境，本研究應用群集分析及關聯規則分析於個案公司。藉由顧客資料之分析，本研究描繪出不同群集之顧客輪廓，並探尋出各群體之偏好規則。最後，以不同廣告組合執行實際投放且輔以問卷驗證。研究結果顯示，本研究之廣告投放轉換率皆優於現階段市場之廣告轉換率。因此，本研究針對廣告投放提出的數據分析改善程序可以提高廣告商社區廣告效果，為企業主帶來實際經濟效益。

In recent years, E-commerce market is vigorously evolved, which increases the demand of online advertisement. Since 2008, various social media oriented advertisements have appeared. Relevant literature in recent years has pointed out that community advertising has a sustained and stable growth. Therefore, how to optimize the effect of advertising will be an important issue for the future market. Nowadays, most of the companies cannot clearly identify the customer profile when they advertise, so the ratio of the conversion from online advertising into the actual consumer purchase action is too low. Therefore, if the company can aim to optimization of advertising, this will be able to significantly reduce the cost of advertising and bring substantial profits to the company.
Based on the difficulty of the social network advertising campaign which encounters in reality, this study uses cluster analysis and association rules to analyze the customer information in case company. This study applies the data mining methodology to analyze the conversion rate of social network advertisement by the following three major steps: First, depicting the customer profiles of each group; Second, figuring out the preferences of each group, and performs the actual delivery with different advertising combinations; Third, verifying conversion rate of advertising delivery is better than the conversion rate of current market advertisements by combining of data mining and questionnaire. In research, the grouping results and the actual click advertising behavior are a significant correlation in chi-square test. Also, this study is supplemented by a questionnaire survey of consumer behavior in order to access to customer perception preferences to understand the gap between the actual behavior and perceived behavior in specific social media. Therefore, this study concludes that the optimized procedure of the proposed data analysis to the advertising delivery can enhance the effectiveness of community advertising for advertisers and bring the practical economic benefits to the advertising industry.

摘要 i
Abstract iv
目錄 vi
圖目錄 viii
表目錄 ix
第一章 緒論 1
1.1研究背景 1
1.2研究動機 3
1.3研究目的 3
1.4研究範圍 4
1.5研究流程 4
第二章 文獻回顧 6
2.1社群廣告 6
2.1.1定義 6
2.1.2投放流程與架構 7
2.2廣告受眾 9
2.2.1 定義 9
2.2.2 相關研究於受眾分析 9
2.3 網路廣告效果 10
2.3.1 定義與模型 10
2.3.2 網路廣告評估常用指標 11
2.4綜整小節 13
第三章 研究方法 14
3.1研究架構 14
3.2研究對象 15
3.3研究方法 17
3.3.1兩階段演算法 19
3.3.2關聯規則-Apriori演算法 20
3.4評估指標 22
3.5問卷調查顧客感知偏好 22
第四章 資料分析結果 23
4.1資料分析結果 23
4.1.1群集分析結果 23
4.1.2關聯規則分析結果 25
4.2實證投放結果 27
4.2.1廣告投放結果 27
4.2.2問卷調查結果 30
4.3綜整小節 31
第五章 結論與建議 33
5.1研究結論 33
5.2研究貢獻 34
5.2.1學術貢獻 34
5.2.2實務貢獻 34
5.3研究限制 35
5.4未來展望 36
參考文獻 37
附錄A-個案公司分析資料檔 41
附錄B-顧客感知偏好問卷 43

一、中文部分：
石代英 (2007)。基於 FCB 模式的網路廣告效果評價研究。哈爾濱：哈爾濱工業大學碩士學位論文。
江義平、許蕙婷 (2014)。網路使用者日常線上資訊行為之探勘研究。電子商務學報，第12卷，第1期，頁5-26。
江義平、莊承展 (2014)。社交廣告效果衡量研究。管理資訊計算，第3卷，第2期，頁222-234。
周硯鋼 (2009)。網路廣告受眾潛意識。新聞愛好者，第5B卷，頁76-77。
紀淑怡、黃炳文、陳韻如 (2016)。消費者對廣告意象偏好之研究－以米食廣告為例。台灣農學會報，第17卷，第1期，頁87-107。
翁政雄 (2011)。從購買意願資料中挖掘高度相關性的關聯規則。資訊管理學報，第18卷，第4期，頁119-138。
唐祖湘 (2016)。當你行銷做到位：顧客知道同一種商品哪裡不一樣。陳怡甄主編，社群X電商賣什麼都狂銷 (頁8-10)。台北市：今周文化。
馬衝 (2005)。網絡廣告三大熱點問題研究綜述。新聞界，第3卷，頁113-114。
徐顥慈、鄧惠文、劉祈宏、鍾學宜 (2015)。探討Facebook圖文作家的廣告效果與網路行銷策略—以馬來貘為例。圖文傳播藝術學報，第2015期，頁353-360。
趙信瑋、江潤華 (2015)。逆向工程客製化設計，以耳道式耳機為例。工業設計，第132卷，頁36-38。
廖述賢、溫志皓 (2012) 。資料探勘理論與應用：以IBM SPSS Modeler為範例。初版，新北市：博碩文化。
崔豔武、蘇秦、李釗 (2007)。基於電子商務環境的顧客消費偏好研究。軟科學，第21卷，第6期，頁19-23。
劉其昌 (2016)。第三方電子支付安全機制與運作之效益。電腦稽核，第33卷，頁144-152。
陳垂呈 (2007)。利用關聯規則發掘書籍最適性借閱之推薦策略。電子商務學報，第9卷，第3期，頁555-576。
陳盈如、羅健銘 (2016)。休閒產業行銷推薦機制探勘。電子商務學報，第14卷，第3期，頁389-407。
陳郁辛 (2016)。社群導購產出3倍營業額的關鍵因素。陳怡甄主編，社群X電商賣什麼都狂銷 (頁40-42)。台北市：今周文化。
盧華安、余坤東、鄭雅琪 (2016)。旅客選擇飛機客艙座位偏好之研究。運輸學刊，第28卷，第1期，頁83-113。
陳鴻基、嚴紀中 (2003)。管理資訊系統：理論，科技，實務，與應用。第二版，台北市：文魁資訊。
謝獻章 (2007)。廣告管理。初版，新北市：新文京開發。
簡禎富、許嘉裕 (2014)。資料挖礦與大數據分析。初版，高雄市：前程。
蘇林森 (2011)。網路廣告效果評估的現狀、問題與修正。西南民族大學學報，第32卷，第10期，頁149-153。

二、外文部分：
小林憲生 (2006)。AISAS (アイサス) のススメ--ブロードバンド時代のクロスメディア・キャンペーン・プランニング。アドバタイジング，第14卷，頁24-26。
Agrawal, R., Imieliński, T., & Swami, A. (1993). Mining association rules between sets of items in large databases. Paper presented at the Acm sigmod record.
Agrawal, R., & Srikant, R. (1994). Fast algorithms for mining association rules. Paper presented at the Proc. 20th int. conf. very large data bases, VLDB.
Berry, M. J., & Linoff, G. (1997). Data mining techniques: for marketing, sales, and customer support: John Wiley & Sons, Inc.
Furlow, N. E. (2011). Find us on Facebook: How Cause Marketing has Embraced Social Media. Journal of Marketing Development and Competitiveness, 5(6), 61-64.
Goyal, S. (2013). Advertising on social media. Scientific Journal of Pure and Applied Sciences, 2(5), 220-223.
Hoffman, D. L., & Novak, T. P. (1996). Marketing in Hypermedia Computer-Mediated Environments: Conceptual Foundations. Journal of Marketing, 60(3), 50-68. doi: 10.2307/1251841
Kimble, C., & Milolidakis, G. (2015). Big data and business intelligence: debunking the myths. Global Business and Organizational Excellence, 35(1), 23-34.
Kouris, I. N., Makris, C. H., & Tsakalidis, A. K. (2005). Using information retrieval techniques for supporting data mining. Data & Knowledge Engineering, 52(3), 353-383.
Kowalczyk, D.W.I. M., & Buxmann, P. (2014). Big Data and information processing in organizational decision processes. Business & Information Systems Engineering, 6(5), 267-278.
Liao, S.h., & Chang, H.k. (2016). A rough set-based association rule approach for a recommendation system for online consumers. Information Processing & Management, 52(6), 1142-1160. doi: http://dx.doi.org/10.1016/j.ipm.2016.05.003
Nelson-Field, K., Riebe, E., & Sharp, B. (2013). More Mutter About Clutter. Journal of Advertising Research, 53(2), 186-191.
Nguyen, D., Nguyen, L. T. T., Vo, B., & Pedrycz, W. (2016). Efficient mining of class association rules with the itemset constraint. Knowledge-Based Systems, 103, 73-88. doi: http://dx.doi.org/10.1016/j.knosys.2016.03.025
Ortigosa, A., Carro, R. M., & Quiroga, J. I. (2014). Predicting user personality by mining social interactions in Facebook. Journal of Computer and System Sciences, 80(1), 57-71. doi: http://dx.doi.org/10.1016/j.jcss.2013.03.008
Ram, J., Zhang, C., & Koronios, A. (2016). The Implications of Big Data Analytics on Business Intelligence: A Qualitative Study in China. Procedia Computer Science, 87, 221-226. doi: http://dx.doi.org/10.1016/j.procs.2016.05.152
Ruiz, M. D., Gómez-Romero, J., Molina-Solana, M., Ros, M., & Martin-Bautista, M. J. (2017). Information fusion from multiple databases using meta-association rules. International Journal of Approximate Reasoning, 80, 185-198. doi: http://dx.doi.org/10.1016/j.ijar.2016.09.006
Selene Xia, B., & Gong, P. (2014). Review of business intelligence through data analysis. Benchmarking: An International Journal, 21(2), 300-311.
Strong Jr., E. K. (1925). Theories of selling. Journal of Applied Psychology, 9(1), 75-86. doi: http://dx.doi.org/10.1037/h0070123
Vakratsas, D., & Ambler, T. (1999). How advertising works: what do we really know? The Journal of Marketing, 26-43.
Wang, Y.F., Chuang, Y.L., Hsu, M.H., & Keh, H.C. (2004). A personalized recommender system for the cosmetic business. Expert Systems with Applications, 26(3), 427-434.
Wright, E., Khanfar, N. M., Harrington, C., & Kizer, L. E. (2010). The Lasting Effects Of Social Media Trends On Advertising. Journal of Business & Economics Research, 8(11), 73-80.
Yang, Y. (2010). Web user behavioral profiling for user identification. Decision Support Systems, 49(3), 261-271. doi: http://dx.doi.org/10.1016/j.dss.2010.03.001

三、網路文獻：
DMA臺北市數位行銷經營協會 (2017年4月28日)。DMA發布2016全年數位廣告量。取自動腦新聞 ：http://www.brain.com.tw/news/articlecontent?ID=44757&sort=#wOkLyWGZ
Goris (2014年1月14日)。「廣告效果之可衡量性」最終目的「廣告效果之購買轉換率」。取自電子商務時報：http://www.ectimes.org.tw/Shownews.aspx?id=140113232820
Margot da Cunha (2016年3月2日) 。2016年需關注的10大數位行銷趨勢。取自dcplus 數位行銷實戰家：https：//www.dcplus.com.tw/marketing-knowledge/growther/78320
TechNews (2016年9月27日)。2016年上半年數位媒體廣告量已超越電視廣告量。取自科技新報：http://technews.tw/2016/09/27/digital-media-ad/
王柔雅 (2016年10月19日)。數據分析、組織改造，都是搞錯重點-破壞式創新大師：別再問客戶要什麼。商業週刊，1510期。取自：http://www.businessweekly.com.tw/KWebArticle.aspx?ID=62906&path=e
台北市網際網路廣告暨媒體經營協會 (2012年3月20日)。台灣網路廣告市場破百億，再登五大媒體成長之冠。取自數位時代：http://www.bnext.com.tw/article/view/id/22511
洛杉磯台灣貿易中心 (2015年7月8日) 。手機產品與市場。取自經濟部國際貿易局經貿資訊網：http://www.trade.gov.tw/Pages/Detail.aspx?nodeID=1002&pid=531470
陳宏欣 (2016年7月13日)。跨境電商全球概況(上)。取自台灣經貿網：http://info.taiwantrade.com/CH/bizsearchdetail/373046/I
邁阿密台貿中心 (2014年10月1日)。智慧手機夯周邊配件熱銷強強滾。取自台灣經貿網：http://info.taiwantrade.com/CH/bizsearchdetail/7623370/unisvr/products-detail/en_US/791457/eLook%20Mobile%20Cam%20-%20APP%20for%20Real-Time%20Videos