跳到主要內容

臺灣博碩士論文加值系統

(44.200.194.255) 您好!臺灣時間:2024/07/15 01:32
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:張鈞茹
研究生(外文):CHANG,CHUN-JU
論文名稱:利用分群技術分析顧客購物習慣-以台灣楓康超市為例
論文名稱(外文):Using Cluster Analysis to Analyze Customers' Shopping Habits – A Case of Taiwan Fresh Supermarket
指導教授:吳信宏吳信宏引用關係
指導教授(外文):WU, HSIN-HUNG
口試委員:羅明敏唐永泰吳信宏
口試委員(外文):LO,MING-MINTANG, YUNG-TAIWU, HSIN-HUNG
口試日期:2023-06-20
學位類別:碩士
校院名稱:國立彰化師範大學
系所名稱:企業管理學系行銷與流通管理碩士班
學門:商業及管理學門
學類:行銷與流通學類
論文種類:學術論文
論文出版年:2023
畢業學年度:111
語文別:中文
論文頁數:51
中文關鍵詞:K-Means 分群方法自組織映射圖分群顧客關係管理超市資料庫分析
外文關鍵詞:K-Means MethodSelf-Organizing MapsCluster AnalysisCustomer Relationship ManagementSupermarketDatabase Analytics
相關次數:
  • 被引用被引用:0
  • 點閱點閱:193
  • 評分評分:
  • 下載下載:53
  • 收藏至我的研究室書目清單書目收藏:0
近年來大數據的議題被越來越多人所探討,同時大數據的技術也被使用在各行各業中。在零售業中,大數據的技術,例如:分群、關聯規則等,常被使用在顧客關係管理,其目的是為了瞭解企業現有的顧客或是潛在的顧客,使潛在的顧客願意來消費,而現有的顧客願意和企業保持長久的關係。
本研究使用楓康超市大埔店 2021 年半年會員購買的資料庫資料,對資料做整理後以會員最常購買的 22 項產品各項的購買數量與性別、年齡和來訪次數、消費總額還有購買總量做為分群依據,利用 IBM SPSS Modeler 14.1 軟體,使用自組織映射圖分群方法結合 K-Means 分群方法進行群。分群結果為 10 個集群,其中集群-3、集群-7 與集群-9 為男性,其他為女性。透過 ANOVA 分析集群-3、集群-7與集群-9 發現:集群-3 在 22 項產品的購買次數皆最高。透過 ANOVA 分析集群-1、集群-6 與集群-10 發現:集群-10 在 22 項產品的購買次數皆最高。本研究讓超市管理者可以透過性別與年齡對會員做初步分類,並能做為推薦產品給會員的依據。
關鍵字:K-Means 分群方法、自組織映射圖、分群、顧客關係管理、超市、資料庫分析



In recent years, the issue of big data has been increasingly discussed, and the big data analytics has been used in various industries. In the retail industry, big data analytics such as clustering analysis and association rules are commonly used in customer relationship management. The goal is to understand existing and potential customers, make potential customers willing to make purchases, and maintain long-term relationships with existing customers.
This study utilizes the database of customer purchases at the Taiwan Fresh Supermarket in the first half of 2021. After organizing the data, the study uses the quantities of the 22 most frequently purchased products by members, along with variables such as gender, age, visit frequency, total expenditure, and total purchase quantity, as the basis for clustering. IBM SPSS Modeler 14.1 is employed, combining the self-organizing maps clustering method with the K-means clustering method. The clustering results are 10, with Clusters 3, 7, and 9 representing male customers, while the rest are female customers. Through ANOVA analysis of Clusters 3, 7, and 9, it was found that Cluster 3 had the highest purchase frequencies across all 22 products. The ANOVA results of Clusters 1, 6, and 10 revealed that Cluster 10 had the highest purchase frequencies across all 22 products. This study enables supermarket managers to perform preliminary classification of members based on gender and age and serves as a basis for recommending products to members.
Keywords: K-Means Method, Self-Organizing Maps, Cluster Analysis,Customer Relationship Management, Supermarket, Database Analytics

摘要 ................................................................................................................ I
Abstract ........................................................................................................ II
誌謝 ............................................................................................................. III
目錄 ............................................................................................................. IV
表目錄 ......................................................................................................... VI
圖目錄 ...................................................................................................... VIII
第一章 緒論 .............................................................................................. 1
第一節 研究背景與動機.......................................................................... 1
第二節 研究目的 ...................................................................................... 4
第三節 研究流程 ...................................................................................... 5
第二章 文獻回顧 ...................................................................................... 7
第一節 台灣超級市場現況...................................................................... 7
第二節 大數據 .......................................................................................... 9
第三節 分群 ............................................................................................ 12
第三章 研究方法 .................................................................................... 15
第一節 資料來源 .................................................................................... 15
第二節 數據整理 .................................................................................... 18
第三節 資料分析方法 ............................................................................ 18
第四節 研究架構 .................................................................................... 19
第四章 結果與討論 ................................................................................ 21
第一節 分群結果 .................................................................................... 21
第二節 討論 ............................................................................................ 35
第五章 結論與建議 ................................................................................ 42
第一節 結論 ............................................................................................ 42
第二節 研究限制與建議........................................................................ 44
參考文獻 ..................................................................................................... 46
中文文獻 .................................................................................................. 46
英文文獻 .................................................................................................. 47
網路文獻 .................................................................................................. 49

表目錄
表 2-1 超級市場業近 12 年之營業額與營業額指數 ................................ 8
表 2-2 各超市品牌店面數與占比 .............................................................. 9
表 3-1 前 30 項產品次數分配 .................................................................. 16
表 4-1 會員人口統計表............................................................................. 21
表 4-2 分群結果......................................................................................... 22
表 4-3 來訪次數、購買總量與消費總額的平均和標準差 .................... 23
表 4-4 集群-1 各品項購買總量總和與平均 ............................................ 24
表 4-5 集群-2 各品項購買總量總和 ........................................................ 25
表 4-6 集群-3 各品項購買總量總和與平均 ............................................ 26
表 4-7 集群-4 各品項購買總量總和 ........................................................ 28
表 4-8 集群-5 各品項購買總量總和與平均 ............................................ 29
表 4-9 集群-6 各品項購買總量總和與平均 ............................................ 30
表 4-10 集群-7 各品項購買總量總和與平均 .......................................... 31
表 4-11 集群-8 各品項購買總量總和與平均 .......................................... 32
表 4-12 集群-9 各品項購買總量總和與平均 .......................................... 33
表 4-13 集群-10 各品項購買總量總和與平均 ........................................ 34
表 4-14 集群-3、集群-7 與集群-9 產品購買平均次數比較 .................. 36
表 4-15 集群-3、集群-7 與集群-9 來訪次數、購買總量和消費總額比
較................................................................................................... 37
表 4-16 集群-1、集群-6 與集群-10 產品購買平均次數比較 ................ 39
表 4-17 集群-1、集群-6 與集群-10 來訪次數、購買總量和消費總額比較................................................................................................... 40

圖目錄
圖 1-1 研究程程............................................................................................ 6
圖 3-1 266 項產品次數統計圖 .................................................................. 17
圖 3-2 研究架構......................................................................................... 20



中文文獻
Sherpa、酒井光雄(2018)。一看就懂!從圖解、事例學行銷:從基本理論→實戰應用(簡琪婷譯)。商周出版。
林呈昱(2019)。行銷研究 大數據與傳統行銷工具的結合。華泰文化出版。
唐國維(2019)。大數據行銷時代下顧客關係管理-以國內超市為例。中國文化大學商學院國際企業管理學系碩士論文。
張嘉鑠(2013)。運用資料探勘技術探討顧客價值與消費行為之研究—以零售業連鎖專賣店為例。國立臺北大學企業管理學系碩士論文。
張曉楨、楊馥如、顏禎妤(2017)。大數據應用對顧客關係管理與整合行銷之影響。績效與策略研究,14(1),69-93。
許育維(2012)。運用 K-means 分群與相似對在彩色調色盤指標分群的資訊隱藏。玄奘大學資訊管理研究所碩士班論文。
許英傑、黃淑姿(2021)。零售管理:行銷觀點(第三版)。前程文化出版。
許偉信、蔡檜興(2001)。電子商務顧客關係管理在醫療行銷的運用。醫務管理期刊,2(4),18-25。
陳博志(2015)。大數據的秋毫之末和輿薪。臺灣經濟研究月刊,38(9),16-18。
鄭建忠(2016)。應用批次訓練演算法於固定大小之混合型自我組織映射圖。國立雲林科技大學資訊管理系碩士論文。
英文文獻
Behe, B. K., Prince, T. A., & Tayama, H. K. (1992). Market Segmentation of Supermarket Floral Customers. HortScience, 27(5), 459-462.
Cappa, F., Oriani, R., Peruffo, E., & McCarthy, I. (2021). Big Data for Creating
and Capturing Value in the Digitalized Environment: Unpacking the Effects of Volume, Variety, and Veracity on Firm Performance. Journal of Product Innovation Management, 38(1), 49-67.
Chen, X., & Zhang, Z. (2022, June). Customer Relationship Management for Supermarkets Using K-Means and RFM. CAIBDA 2022; 2nd International Conference on Artificial Intelligence, Big Data and Algorithms, 1-7.
Erevelles, S., Fukawa, N., & Swayne, L. (2016). Big Data Consumer Analytics and the Transformation of Marketing. Journal of Business Research, 69(2),897-904.
Huang, C., Yang, Y., Wang, H., Zhang, X., Zhao, J., & Wan, J. (2021). Research
and Application of Data Mining Algorithm. Journal of Physics: Conference Series, 1748, 032043.
Huang, S. C., Chang, E. C., & Wu, H. H. (2009). A Case Study of Applying Data Mining Techniques in an Outfitter’s Customer Value Analysis. Expert Systems with Applications, 36(3), 5909-5915.
Jiang, N., & Liu, T. (2020). An Improved Speech Segmentation and Clustering Algorithm Based on SOM and K-means. Mathematical Problems in Engineering, 2020, 1-19.
Kushwaha, A. K., Kar, A. K., & Dwivedi, Y. K. (2021). Applications of Big Data in Emerging Management Disciplines: A Literature Review Using Text Mining. International Journal of Information Management DataInsights, 1(2), 100017.
Liu, W., Liang, Y., Tang, O., Shi, V., & Liu, X. (2021). Cooperate or Not? Strategic Analysis of Platform Interactions Considering Market Power and Precision Marketing. Transportation Research Part E: Logistics and Transportation Review, 154, 102479.
Liu, X., & Ichise, R. (2017). Food Sales Prediction with Meteorological Data — A Case Study of a Japanese Chain Supermarket. In Y. Tan, H. Takagi, & Y. Shi (Eds.), Data Mining and Big Data. DMBD 2017. Lecture Notes in Computer Science, 10387, 93-104.
Luma-Osmani, S., Ismaili, F., Zenuni, X., & Raufi, B. (2020, November). A Systematic Literature Review in Causal Association Rules Mining. 2020 11th IEEE Annual Information Technology, Electronics and Mobile Communication Conference (IEMCON), 48-54.
Meng, F. (2022, June). Analysis of Supermarket Member Classification Based on K-means Algorithm. CAIBDA 2022; 2nd International Conference on Artificial Intelligence, Big Data and Algorithms, 1-4.
Satheesan, P., Haddela, P. S., & Alosius, J. (2020, December). Product Recommendation System for Supermarkets. 2020 19th IEEE International Conference on Machine Learning and Applications (ICMLA), 930-935.
Wei, J. T., Lee, M. C., Chen, H. K., & Wu, H. H. (2013). Customer Relationship Management in the Hairdressing Industry: An Application of Data Mining
Techniques. Expert Systems with Applications, 40(18), 7513-7518.
Yang, M. S., & Sinaga, K. P. (2019). A Feature-reduction Multi-view K-means Clustering Algorithm. IEEE Access, 7, 114472-114486.
Yenerall, J., You, W., & Hill, J. (2020). Beyond the Supermarket: Analyzing Household Shopping Trip Patterns that Include Food at Home and Away from Home Retailers. BMC Public Health, 20, 1747.
Yu, C., Zhang, Z., Lin, C., & Wu, Y. J. (2020). Can Data-driven Precision Marketing Promote User AD Clicks? Evidence from Advertising in
WeChat Moments. Industrial Marketing Management, 90, 481-492.
Yu, S., Yang, M., Wei, L., Hu, J. S., Tseng, H. W., & Meen, T. H. (2020). Combination of Self-Organizing Map and K-means Methods of Clustering for Online Games Marketing. Sensors and Materials, 32(8), 2697-2707.
Zhang, S., Zhang, C., & Yang, Q. (2003). Data Preparation for Data Mining. Applied Artificial Intelligence, 17(5-6), 375-381.
Zhao, S., Xiao, Y., Ning, Y., Zhou, Y., & Zhang, D. (2021). An Optimized K-means Clustering for Improving Accuracy in Traffic Classification. Wireless Personal Communications, 120, 81-93.
網路文獻
Kusnetzky, D. (2010). What Is “Big Data?”, Retrieved November 15, 2022, from https://www.zdnet.com/article/what-is-big-data/
Sheikh, S. (2018). The Future of Big Data and Analytics in Business, Retrieved
November 19, 2022, from https://medium.com/@SefSquared/the-future-of-
big-data-and-analytics-in-business-e2610a7f421
全聯福利中心官網,線上檢閱日期2023年5月25日,網址:
https://www.pxpay.com.tw/px/map.px
周學政(2009),台灣大百科全書:超級市場,線上檢閱日期2023年4月30日,網址:https://nrch.culture.tw/twpedia.aspx?id=4133
美聯社超市官網,線上檢閱日期2023年5月25日,網址:
https://www.simplemart.com.tw/ec99/ushop20097/map.asp
家樂福官網,線上檢閱日期2023年5月30日,網址:
https://www.carrefour.com.tw/stores/
財政部財政統計資料庫:營利事業家數及銷售額-第9次修訂,線上檢閱日期2023年5月27日,網址:
https://web02.mof.gov.tw/njswww/webMain.aspxsys=220&ym=11201&ymt=11203&kind=21&type=1&funid=i0515&cycle=1&outmode=0&compmode=00&outkind=3&fld0=1&cod0964=1&rdm=R157485
陳涵茵(2020),獨/1987 年老照片!全台第一間頂好在東區老台北人憶:裡面還有保齡球館,線上 檢閱日期2023年4月30日,網址:
https://travel.ettoday.net/article/1728544.htm%23ixzz80NRo2K18
楓康超市官網,線上檢閱日期2023年5月25日,網址:
https://www.supermarket.com.tw/News4_List.html
經濟部統計處:批發、零售及餐飲業統計調查,線上檢閱日期2023年5月25日,網址:
https://dmz26.moea.gov.tw/GMWeb/investigate/InvestigateEA.aspx
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊