國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
台區蒐集的旅遊碎片資訊，並且加以分類，不但可以幫忙旅客用短短5 分鐘的 時間做一個小測驗就可以獲得一個他自己本身可能需要花費1 小時篩選 10 篇部 落格文才能查詢到符合自己需求的台北景點之外，還增加了不少未知的樂趣，
就像是做心理測驗一般，即使知道結果大概的形狀，還是期待著結果的出現。
第二節 未來規劃
透過上述分析，大致可以知道這六種旅行方式分別適合的族群，而問卷的回 饋意見雖沒有放入推薦模型的考量，但也提供了關於景點的寶貴意見，如不希望 人擠人需要排隊的景點、旅伴的個性契合度不建議過低而造成旅行的不愉快、對 於旅行交通方式的好奇，要是自行駕駛也希望以不塞車為前提的路線等等。因此 未來瞎晃 APP 的後續流程延伸設計如下，第一步的設計將會先行將景點選擇問 項的複選題設定最多選擇三項來解決高估預測率的問題；下一步則是開啟路線規 劃，分為短中長三期開發階段，短期先行為每條旅行方式訂一個可以搭乘大眾運 輸工具到達的集合地點，而規劃集合地點到達目的地中間的最適路徑，並權衡時 間與金錢所需，將整趟旅程的時間、費用與旅行指南皆提供給旅客們，暫以年輕 族群（18 歲~26 歲）作為報名系統的資格，並依據推薦模型將旅客分為六大類進 行輕旅行體驗，並展開一段時間（約三個月內）的試營運期，並請旅客提供意見 回饋跟遊記分享在瞎晃APP 上，讓系統進行調整，行銷方式是開 Facebook 粉絲 專業，學習KKDAY 部份的行銷方式，透過徵求各大專院校的學生前來體驗旅行 搭配給予基本時薪，並且要求他們拍攝出高畫質且頗具美感的照片放在粉專吸引 更多相仿客群；中期階段希望開發到人流更細的分群，希望將六大類內有特殊需 求的人群區隔開來（如預算需求等），更貼近人們的需求與提高旅伴的個性契合 度，並且開始思考異業合作的商業模式與更多的行銷方式；長期規劃是當有一定 的用戶人數後，模型推薦的穩固程度也有一定的基礎之後，可以拓展更多人與人 互動的功能，例如在進行一日遊體驗前先行在不同地點集合，解開任務卡才能找 到今日旅伴也才能知道今日旅行地點，諸如此類的任務開發。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
參考文獻
一、 中文文獻
1. Ethel Lee，2018，個人化（Personalization）行銷怎麼做？掌握這 9 個電商技 巧！TransBiz 跨境電子商務智庫，
https://transbiz.com.tw/ecommerce_personalization/。
2. Kevin Tsai ， 2016 ， 五 張 圖 表 看 懂 台 灣 旅 遊 產 業 ， 旅 遊 研 究 所 ，
https://travel20.blogspot.tw/2016/05/blog-post_27.html。
3. Kevin Tsai，2017，台灣的旅行社如何啟動第二次轉型，旅遊研究所，
https://travel20.blogspot.tw/2017/01/blog-post_15.html。
4. Vpriss，含有定性信息的多元迴歸模型—虛擬變量，MBA 智庫文檔，
http://doc.mbalib.com/view/ffaaa75496a5117c21aaa99893b38bcd.html。
5. 中華民國交通部觀光局，2018，中華民國近十年觀光統計圖表，中華民國交 通部觀光局行政資訊系統。
6. 充電線，2016，騰訊 Q2 掙了快 400 億，但微信還要在社交 1.0 時代停多久？，
鈦媒體，http://www.tmtpost.com/2442223.html。
7. 吳元熙，2017，新的時代台灣旅遊新創抓對了這些趨勢，數位時代雜誌，
https://www.bnext.com.tw/article/43472/what-did-taiwanese-travel-startups-do-that-they-can-raise-lots-of-funds。
8. 李哲，2016，關於年輕人現如今的旅遊方式，我們有 56 個發現，比如“被動 旅遊”，好奇心日報，https://www.douban.com/note/583228516/。
9. 肖政，2016，基於空間數據挖掘的個性化旅遊景點推薦系統研究，華中師範 大學計算機應用技術專業碩士論文。
10. 胡喬楠，2015，基於旅遊文記的旅遊景點推薦及行程路線規劃系統，浙江大 學計算機應用技術專業碩士論文。
11. 國立政治大學男女比 106 學年統計，University TW，
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
https://university-tw.ldkrsi.men/FemaleRatio/0001#gsc.tab=0。
12. 悠識數位，2013，讓你免費聽音樂，如何佔據消費者的心？淘寶用戶體驗專 家分享經營秘訣，數位時代雜誌，
https://www.bnext.com.tw/article/30120/BN-ARTICLE-30120。
13. 淵浩，2016，讓你免費聽音樂，Spotify 打敗 Apple Music 的 4 大秘訣！，
創新拿鐵，
http://news.startuplatte.com/2016/11/15/4_secret_why_spotify_beat_apple_musi c/。
14. 許峰、李帥帥、齊雪芹，2016，大數據背景下旅遊系統模型的重構，旅遊科 學，第30 卷，第 1 期。
15. 陳君毅，2017，五張圖表看懂台灣旅遊產業：旅遊網站發展、消費者需求、
如何創新一次搞懂，科技報橘，
https://buzzorange.com/techorange/2017/08/22/about-taiwan-travel/。
16. 馮國雙、陳景武、周春蓮，2004，logistic 迴歸應用中容易忽視的幾個問題，
中華流行病學雜誌，第25 卷，第 6 期。
17. 詹勳全、張嘉琪、洪雨柔，2012，利用羅吉斯迴歸建立阿里山森林鐵路山崩 潛感預測模式，中國農學通報，第30 卷，第 34 期，p.294-302。
18. 廖 麗 娜 ， 2010 ， 第 七 章 羅 吉 斯 迴 歸 ， 中 國 醫 藥 大 學 生 物 統 計 中 心 ，
http://biostatdept.cmu.edu.tw/doc/epaper_a/paper/teaching_corner_050-1.pdf。
19. 謝邦昌、鄭宇庭、蘇志雄，2017，Data Mining 概述:以 Clementine 12.0 為例，
p.393-396。
20. 羅紅、陳曉、何忠偉，2014，低碳視角下鄉村旅遊決策行為實證研究—基於 北京市300 位遊客的調查資料，中國農學通報，第 30 卷，第 34 期，p.294-302。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
二、 英文文獻
1. Ahn, J. H., S. P. Han & Y. S. Lee, 2006, “Customer churn analysis: Churn determinants and mediation effects of partial defection in the Korean mobile telecommunications service industry”, Telecommunications Policy, Volume 30, Issues 10–11, pp552-568.
2. Boakye, K., A. Khattak, J. Liu & S. Nambisan, 2017, “How Do Smartphone and Non-Smartphone Users Access and Use Travel Information? Evidence from the 2014 Puget Sound Regional Household Travel Survey”, Transportation Research
Board 96th Annual Meeting.
3. Chandrashekar, A., F. Amat, J. Basilico & T. Jebara, 2017, “Artwork Personalization at Netflix”, Netflix Technology Blog.
4. Circella, G., R. Berliner, Y. Lee, F. Alemi, K. Tiedeman, L. Fulton & P. L.
Mokhtarian, 2017, “The Multimodal Behavior of Millennials: Exploring Differences in Travel Choices between Young Adults and Gen Xers in California”,
Transportation Research Board 96th Annual Meeting.
5. Crompton, J. L., 1979, “Motivations for pleasure vacation”, Annals of Tourism
Research, Volume ,6, Issue 4, pp 408-24.
https://medium.com/netflix-techblog/artwork-personalization-c589f074ad76.
6. Kitasako, Y., Y. Sasaki, T. Takagaki, A. Sadr & J. Tagami, 2017, “Multifactorial logistic regression analysis of factors associated with the incidence of erosive tooth wear among adults at different ages in Tokyo”, Clinical Oral Investigations, Volume 21, Issue 8, pp 2637–2644.
7. Memon, I., L. Chen, A. Majid, M. Q. Lv, I. Hussain & G. Chen, 2015, “Travel Recommendation Using Geo-tagged Photos in Social Media for Tourist”, Wireless
Personal Communications, Volume 80, Issue 4, pp 1347–1362.
8. Ranteallo, I. C. , 2016, “Food Representation and Media: Experiencing Culinary
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
Tourism Through Foodgasm and Foodporn”, Balancing Development and
Sustainability in Tourism Destinations, pp 117-127.
9. Wen,Y. T., J. Y. Yeo, W. C. Peng & S. W. Hwang, 2017, “Efficient Keyword-Aware Representative Travel Route Recommendation”, IEEE Transactions on