跳到主要內容

臺灣博碩士論文加值系統

(44.213.60.33) 您好!臺灣時間:2024/07/20 05:38
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

我願授權國圖
: 
twitterline
研究生:紀又甄
研究生(外文):JIH YOW JEN
論文名稱:商圈顧客基本資料與消費行為之關聯分析:Apriori之應用
論文名稱(外文):Using the Apriori algorithm to analyze the association between customer basic information and consumption type in shopping area.
指導教授:傅新彬傅新彬引用關係
指導教授(外文):FU, HSIN-PIN
口試委員:黃旭男林建煌傅新彬葉曉萍
口試委員(外文):HWANG, SHIUH-NANLIN,CHIEN-HUANGFU, HSIN-PINYEH, HSIAO-PING
口試日期:2023-06-01
學位類別:碩士
校院名稱:國立高雄科技大學
系所名稱:行銷與流通管理系
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:55
中文關鍵詞:關聯法則Apriori演算法商圈研究
外文關鍵詞:Association rulesApriori algorithmShopping areas studies
相關次數:
  • 被引用被引用:0
  • 點閱點閱:70
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
透過關聯法則,我們可以深入了解顧客在商圈內的行為模式,進而提出有針對性的行銷策略,而能提升顧客的滿意度。本研究以鹽埕區、鼓山區內商圈之營業中商店為例,透過顧客資料分析,包括顧客消費時段、價格區間、顧客性別、顧客年齡、共遊類型、顧客服裝等,分析不同屬性商家的客群分布,歸納顧客於研究區域內商圈的消費行為以及店家屬性之關聯規則,並以Apriori演算法分析結果,挖掘顧客的消費者偏好,從而進行個性化推薦,也能挖掘商圈內店家之間的關聯性,以提高商圈內店家的合作,利用商圈聚落及地理優勢,提出聯合行銷策略,共同創造商圈的活絡經濟循環。
Through association rules, we can gain a deeper understanding of customer behavior patterns within commercial areas, thereby developing targeted marketing strategies to enhance customer satisfaction. This study takes businesses operating in the Yancheng and Gushan districts as examples. By analyzing customer data, including shopping time slot, price ranges, gender, age, co-shopping types, and customer clothing, we can examine the distribution of customer groups across different attribute businesses. We can also identify the association rules between customer behavior in the research area's commercial districts and store attributes. By employing the Apriori algorithm to analyze the results, we can uncover customer preferences and provide personalized recommendations. Furthermore, we can explore the relationships among businesses within the commercial area to enhance cooperation and propose joint marketing strategies, utilizing the advantages of commercial clusters and geographic location to stimulate economic circulation within the commercial district.
中文摘要 i
Abstract ii
誌 謝 iii
目 錄 iv
圖 目 錄 vi
表 目 錄 vii
第一章 緒論 1
第一節 研究背景與研究動機 1
第二節 研究目的 3
第三節 論文架構 5
第二章 文獻探討 6
第一節 商圈 6
一、 商圈的定義 6
二、 商圈的類型 7
三、 商圈分析的目的 8
四、 商圈分析的相關理論 8
第二節 資料探勘與關聯法則 9
一、 資料探勘 9
二、 關聯分析 10
三、 Apriori演算法 11
第三節 透過資料探勘與關聯分析進行的應用研究 13
第三章 研究方法 14
第一節 資料來源簡述及研究步驟 14
一、 資料來源 14
二、 研究步驟 17
第二節 資料前處理與資料採礦 18
一、 基本資料及消費行為的關聯規則 20
二、 消費時段與共遊類型的關聯規則 24
三、 消費時段與常客性別的關聯規則 25
四、 消費時段與常客年齡的關聯規則 26
五、 消費時段與常客服裝的關聯規則 27
六、 價格區間與共遊類型的關聯規則 28
七、 價格區間與常客性別的關聯規則 29
八、 價格區間與常客年齡的關聯規則 30
九、 價格區間與常客服裝的關聯規則 31
十、 消費時段與店家屬性的關聯分析 32
第四章 資料分析 34
第一節 基本資料與消費行為的相互關聯分析 34
第二節 消費時段與基本資料的相互關聯分析 35
一、 消費時段共遊類型 36
二、 消費時段常客性別 37
三、 消費時段常客年齡 38
四、 消費時段常客服裝 39
第三節 價格區間與基本資料的相互關聯分析 40
第四節 消費時段與店家屬性的關聯分析 43
第五章 結論與建議 44
第一節 研究結論 44
第二節 研究建議 46
一、 透過商圈協會辦理活動吸引遊客並增加停留時間 46
二、 針對不同特定時段的行銷方案 46
三、 透過不同屬性店家合作推出組合方案 47
四、 針對消費者年齡或特定價格商品的行銷方案 48
第三節 研究限制 49
參考文獻 50
一、 網路資料 50
二、 中文文獻 50
三、 英文文獻 50
附錄一、研究問卷 54


一、 網路資料
1.梁國新(2013)。在地‧文創‧商圈 齊為地方經濟復甦注入活水。取自https://www.gogofinder.com.tw/gogofinderReader/index.php?bid=2788
2.黃智彥(2013)。地方特色加值 商圈行銷更有力。取自https://www.taipeiecon.taipei/article_cont.aspx?MmmID=1201&MSid=654252240417322451
3.經濟部中小企業處(2021)。全國商圈盤點清冊。取自https://data.gov.tw/dataset/103804
4.經濟部統計處(2022)。批發、零售及餐飲業-零售業網路銷售。取自https://dmz26.moea.gov.tw/GA/visualize/VisDashboard.aspx?d=25

二、 中文文獻
1.中國生產力中心(2012)。掌握商店勢力圈:商圈經營step by step。中國生產力中心。
2.周泰華、杜富燕(2014)。零售管理概論(3版)。華泰文化。
3.陸允怡(2006)。從消費文化觀點論休閒商圈發展之研究。景文學報,16:2,177-190。
4.曾光華(2016)。消費者行為:洞察生活、掌握行銷。前程文化。

三、 英文文獻
1.Agrawal, R., Imieliński, T., & Swami, A. (1993). Mining association rules between sets of items in large databases. Proceedings of the 1993 ACM SIGMOD international conference on Management of data, Washington, D.C., USA. https://doi.org/10.1145/170035.170072
2.Agrawal, R., & Srikant, R. (1994). Fast algorithms for mining association rules. Proc. 20th int. conf. very large data bases, VLDB,
3.Applebaum, W. (1966). Methods for determining store trade areas, market penetration, and potential sales. Journal of marketing Research, 3(2), 127-141.
4.Christaller, W. (1933). Central place theory. See also https://planningtank.com/settlement-geography/central-place-theory-walter-christaller.
5.Çiçekli, U. G., & Kabasakal, İ. (2021). Market basket analysis of basket data with demographics: a case study in e-retailing. Alphanumeric Journal, 9(1), 1-12.
6.Cil, I. (2012). Consumption universes based supermarket layout through association rule mining and multidimensional scaling. Expert Systems with Applications, 39(10), 8611-8625. https://doi.org/https://doi.org/10.1016/j.eswa.2012.01.192
7.Edastama, P., Bist, A. S., & Prambudi, A. (2021). Implementation of data mining on glasses sales using the apriori algorithm. International Journal of Cyber and IT Service Management, 1(2), 159-172.
8.Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). From data mining to knowledge discovery in databases. AI magazine, 17(3), 37-37.
9.Han, J., Kamber, M., & Pei, J. (2012). Data mining concepts and techniques third edition. University of Illinois at Urbana-Champaign Micheline Kamber Jian Pei Simon Fraser University.
10.Huff, D. L. (1963). A probabilistic analysis of shopping center trade areas. Land economics, 39(1), 81-90.
11.Huff, D. L. (1964). Defining and estimating a trading area. Journal of marketing, 28(3), 34-38.
12.Iwasaki, S., Hashimoto, K., Otake, K., & Namatame, T. (2017). Analysis of trade area for retail industry store using consumer purchase record. Social Computing and Social Media. Human Behavior: 9th International Conference, SCSM 2017, Held as Part of HCI International 2017, Vancouver, BC, Canada, July 9-14, 2017, Proceedings, Part I 9,
13.Kaur, M., & Kang, S. (2016). Market Basket Analysis: Identify the Changing Trends of Market Data Using Association Rule Mining. Procedia Computer Science, 85, 78-85. https://doi.org/https://doi.org/10.1016/j.procs.2016.05.180
14.Kavitha, M., & Subbaiah, S. (2020). Association rule mining using apriori algorithm for extracting product sales patterns in groceries. Int. J. Eng. Res. Technol, 8(3), 5-8.
15.Kohsaka, H. (1997). Monitoring and analysis of a retail trading area by a card information/GIS approach. Journal of Retailing and Consumer Services, 4(2), 109-115. https://doi.org/https://doi.org/10.1016/S0969-6989(96)00036-7
16.Kotsiantis, S., & Kanellopoulos, D. (2006). Association rules mining: A recent overview. GESTS International Transactions on Computer Science and Engineering, 32(1), 71-82.
17.Kuğu Baş, H., & Zeren Gülersoy, N. (2018). The Evaluation of Trade Area Models and Analysis Methods for Site Selection from International Quick Service Restaurants’ Perspective. ICONARP International Journal of Architecture and Planning.
18.Liao, S.-h., Chen, Y.-J., & Deng, M.-y. (2010). Mining customer knowledge for tourism new product development and customer relationship management. Expert Systems with Applications, 37(6), 4212-4223. https://doi.org/https://doi.org/10.1016/j.eswa.2009.11.081
19.Reilly, W. J. (1929). Methods for the study of retail relationships.
20.Silwattananusarn, T., & Tuamsuk, K. (2012). Data mining and its applications for knowledge management: a literature review from 2007 to 2012. arXiv preprint arXiv:1210.2872.
21.Srikant, R., & Agrawal, R. (1995). Mining generalized association rules. In: IBM Research Division Zurich.
22.Wen, C.-H., Liao, S.-H., Chang, W.-L., & Hsu, P.-Y. (2012). Mining shopping behavior in the Taiwan luxury products market. Expert Systems with Applications, 39(12), 11257-11268. https://doi.org/https://doi.org/10.1016/j.eswa.2012.03.072

電子全文 電子全文(網際網路公開日期:20280729)
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊