資料採礦於乘用汽車產業之顧客關係管理研究 - 政大學術集成

全文

(1)國立政治大學商學院統計學系碩士班碩士論文. 資料採礦於乘用汽車產業之顧客關係管理研究 A Study of Data 治 on Automobile 政 Mining. 大. 立 Industry’s Customer Relationship Management ‧. ‧ 國. 學. n. al. er. io. sit. y. Nat. 指導教授：鄭宇庭博士. v i n Ch e n g c鄭宗記 h i U 博士研究生：陳竑廷撰. 民國一百零二年四月.

(2) 謝誌. 回顧這兩年的研究生生涯，看似短暫卻又充滿著許多的挑戰與困難。能夠順利完成本論文，首先要感謝指導教授鄭宇庭教授，很高興能夠加入老師的研究團隊，在老師的指導下，不論是民調、分析專案及資料採礦領域上都獲益良多，藉著這些機會也不斷鍛鍊自己的理論知識與應用能力，讓統計不僅僅是課本上的公式推導也更進一步地將理論與實務結合。研究過程中不免遇到挫折與困難，老師也總是設身處地為我們著想，盡力幫助我們解決問題。. 立. 政治大. 另外，要感謝一路上一起努力一起合作的夥伴：志清學長、邦瑜、怡安、書. ‧ 國. 學. 瑜、敬堯。謝謝你們這些日子以來的幫助，在大家都蠟燭多頭燒的情況下有這麼棒的團隊能互相幫忙、互相協助真的是很溫暖的一件事。最後，謝謝輔仁大學謝. ‧. 邦昌教授的啟蒙，帶領我進入資料採礦這個領域，謝謝鄧家駒教授，教導我們實. y. Nat. n. al. Ch. engchi. er. io. 在我不停忙碌時仍然細心陪伴與鼓勵。謝謝您們！. sit. 務上資料採礦的操作流程與架構。謝謝我的父母，對我的支持與信心，謝謝羚雅，. i n U. v. 陳竑廷. 謹於. 政治大學統計學研究所民國一百零二年四月.

(3) 摘要. 國父孫中山先生曾說：『民生的需要，從前經濟學家都說是衣、食、住三種。照我的研究，應該有四種：於衣、食、住之外，還有一種就是行。』，在各種交通工具中，最普及的就是汽車。汽車由貴族地位的象徵，發展至福特汽車公司一家獨大，最後演變為各大汽車品牌的競爭。更因消費者意識的改變，購買汽車時考慮的不再僅是量產速度、購買價格。在現今生產技術成熟，沒有一家汽車公司具壓倒性優勢的情況下，品牌的因素將會是消費者進行購買決策時一個重要. 政治大本研究欲透過國內六大汽車品牌之顧客關係資料，利用資料採礦模型，瞭解立. 的指標。. ‧ 國. 學. 品牌形象、廣告印象及人口統計變數與購買意願之關係，進一步探討各汽車品牌之消費者忠誠度、客群分布與品牌差異，期能在汽車品牌公司百家爭鳴情況下，. ‧. 分析出消費者於不同汽車品牌之品牌知覺，提供汽車品牌之購買意願模型與後續. n. al. er. io. sit. y. Nat. 研究參考。. Ch. engchi. i n U. v. 【關鍵字】資料採礦、乘用汽車產業、顧客關係管理、決策樹、邏輯斯迴歸、類神經網路。.

(4) 目. 錄. 目錄............................................................................................................................ I 表目錄........................................................................................................................... II 圖目錄.......................................................................................................................... III 第壹章緒論............................................................................................................ 1 第一節研究背景與動機.................................................................................... 1 第二節第三節. 研究目的與問題.................................................................................... 2 研究流程................................................................................................ 3. 第貳章文獻探討.................................................................................................... 5 第一節資料採礦概述........................................................................................ 5 第二節顧客關係管理概述................................................................................ 6 第三節乘用汽車產業現況概述........................................................................ 7 第四節文獻回顧.............................................................................................. 10. 立. 政治大. ‧ 國. 操作性變數定義.................................................................................. 14 研究架構.............................................................................................. 17 分析方法.............................................................................................. 18. ‧. 第二節第三節第四節. 學. 第參章研究方法.................................................................................................. 13 第一節資料來源.............................................................................................. 13. y. sit. al. er. 各品牌購買意願模型.......................................................................... 28. io. 第二節. Nat. 第肆章實證分析.................................................................................................. 25 第一節探索性分析.......................................................................................... 25. n. 第伍章結論與建議 ............................................................................................. 95 第一節結論...................................................................................................... 95 第二節建議...................................................................................................... 96. Ch. engchi. i n U. v. 參考文獻...................................................................................................................... 98. I.

(5) 表目錄表 3- 1 各地區樣本分配表 ........................................................................................ 13 表 3- 2 品牌形象題項 ................................................................................................ 14 表 3- 3 廣告印象題項 ................................................................................................ 15 表 3- 4 人口統計變數題項 ........................................................................................ 15 表 3- 5 汽車擁有情形題項 ........................................................................................ 16 表 3- 6 品牌購買情況題項 ........................................................................................ 16 表 4- 1 各品牌購買狀況統計表 ................................................................................ 25. 政治大. 表 4- 2 人口統計變數分配表（一） ........................................................................ 26. 立. 表 4- 3 人口統計變數分配表（二） ........................................................................ 27. ‧ 國. 學. 表 4- 4 品牌忠誠度矩陣 ............................................................................................ 27 表 4- 5 首購族品牌購買狀況統計表 ........................................................................ 28. ‧. 表 4- 6 Model Fitting Information .............................................................................. 93. y. Nat. sit. 表 4- 7 Pseudo R-Square............................................................................................. 94. n. al. er. io. 表 4- 8 Parameter Estimates ....................................................................................... 94. i n U. v. 表 5- 1 各汽車品牌顯著變數表 ................................................................................ 96. Ch. engchi. II.

(6) 圖目錄圖 1- 1 研究流程圖 ....................................................................................................... 4 圖 2- 1 資料採礦示意圖 ............................................................................................... 5 圖 2- 2 顧客關係管理架構圖 ....................................................................................... 7 圖 2- 3 我國近年汽車市場銷量圖 ............................................................................... 8 圖 2- 4 2011 及 2012 年我國汽車市場各月銷量圖 .................................................... 9 圖 2- 5 2012 年我國主要汽車品牌銷量概況圖 .......................................................... 9 圖 3- 1 研究架構圖 ..................................................................................................... 17. 政治大. 圖 3- 2 類神經元模型圖 ............................................................................................. 18. 立. 圖 3- 3 類神經傳遞網路圖 ......................................................................................... 19. ‧ 國. 學. 圖 3- 4 決策樹示意圖 ................................................................................................. 20 圖 4- 1 Toyota 品牌 oversampling 圖 ......................................................................... 29. ‧. 圖 4- 2 Toyota 品牌類神經網路模型變數重要性圖 ................................................. 30. y. Nat. sit. 圖 4- 3 Toyota 品牌類神經網路模型判別矩陣圖 ..................................................... 30. n. al. er. io. 圖 4- 4 Toyota 品牌 C5.0 決策樹模型變數重要性圖 ............................................... 31. i n U. v. 圖 4- 5 Toyota 品牌 C5.0 決策樹模型判別矩陣圖 ................................................... 31. Ch. engchi. 圖 4- 6 Toyota 品牌 QUEST 決策樹模型變數重要性圖 .......................................... 32 圖 4- 7 Toyota 品牌 QUEST 決策樹模型判別矩陣圖 .............................................. 32 圖 4- 8 Toyota 品牌 CHAID 決策樹模型變數重要性圖 .......................................... 33 圖 4- 9 Toyota 品牌 CHAID 決策樹模型判別矩陣圖 .............................................. 33 圖 4- 10 Toyota 品牌 C&RT 決策樹模型變數重要性圖 .......................................... 34 圖 4- 11 Toyota 品牌 C&RT 決策樹模型判別矩陣圖 .............................................. 34 圖 4- 12 Toyota 品牌 Stepwise 邏輯斯迴歸模型變數重要性圖 .............................. 35 圖 4- 13 Toyota 品牌 Stepwise 邏輯斯迴歸模型判別矩陣圖 .................................. 35 III.

(7) 圖 4- 14 Toyota 品牌 Forward 邏輯斯迴歸模型變數重要性圖 ............................... 36 圖 4- 15 Toyota 品牌 Forward 邏輯斯迴歸模型判別矩陣圖 ................................... 36 圖 4- 16 Toyota 品牌 Backward 邏輯斯迴歸模型變數重要性圖 ............................. 37 圖 4- 17 Toyota 品牌 Backward 邏輯斯迴歸模型判別矩陣圖 ................................. 37 圖 4- 18 Toyota 品牌模型增益曲線圖 ....................................................................... 38 圖 4- 19 Toyota 品牌購買意願最適模型 ................................................................... 39 圖 4- 20 Nissan 品牌 oversampling 圖........................................................................ 40 圖 4- 21 Nissan 品牌類神經網路模型變數重要性圖 ............................................... 41. 政治大圖 4- 23 Nissan 品牌 C5.0 決策樹模型變數重要性圖 .............................................. 42 立圖 4- 22 Nissan 品牌類神經網路模型判別矩陣圖 ................................................... 41. 圖 4- 24 Nissan 品牌 C5.0 決策樹模型判別矩陣圖 .................................................. 42. ‧ 國. 學. 圖 4- 25 Nissan 品牌 QUEST 決策樹模型變數重要性圖 ........................................ 43. ‧. 圖 4- 26 Nissan 品牌 QUEST 決策樹模型判別矩陣圖 ............................................ 43. y. Nat. 圖 4- 27 Nissan 品牌 CHAID 決策樹模型變數重要性圖......................................... 44. er. io. sit. 圖 4- 28 Nissan 品牌 CHAID 決策樹模型判別矩陣圖............................................. 44 圖 4- 29 Nissan 品牌 C&RT 決策樹模型變數重要性圖 .......................................... 45. al. n. v i n 圖 4- 30 Nissan 品牌 C&RT 決策樹模型判別矩陣圖 .............................................. 45 Ch engchi U 圖 4- 31 Nissan 品牌 Stepwise 邏輯斯迴歸模型變數重要性圖 ............................... 46 圖 4- 32 Nissan 品牌 Stepwise 邏輯斯迴歸模型判別矩陣圖 ................................... 46 圖 4- 33 Nissan 品牌 Forward 邏輯斯迴歸模型變數重要性圖 ................................ 47 圖 4- 34 Nissan 品牌 Forward 邏輯斯迴歸模型判別矩陣圖 .................................... 47 圖 4- 35 Nissan 品牌 Backward 邏輯斯迴歸模型變數重要性圖 ............................. 48 圖 4- 36 Nissan 品牌 Backward 邏輯斯迴歸模型判別矩陣圖 ................................. 48 圖 4- 37 Nissan 品牌模型增益曲線圖 ....................................................................... 49 圖 4- 38 Nissan 品牌購買意願最適模型 ................................................................... 50 IV.

(8) 圖 4- 39 Mitsubishi 品牌 oversampling 圖 ................................................................. 51 圖 4- 40 Mitsubishi 品牌類神經網路模型變數重要性圖 ......................................... 52 圖 4- 41 Mitsubishi 品牌類神經網路模型判別矩陣圖 ............................................. 52 圖 4- 42 Mitsubishi 品牌 C5.0 決策樹模型變數重要性圖 ....................................... 53 圖 4- 43 Mitsubishi 品牌 C5.0 決策樹模型判別矩陣圖 ........................................... 53 圖 4- 44 Mitsubishi 品牌 QUEST 決策樹模型變數重要性圖 .................................. 54 圖 4- 45 Mitsubishi 品牌 QUEST 決策樹模型判別矩陣圖 ...................................... 54 圖 4- 46 Mitsubishi 品牌 CHAID 決策樹模型變數重要性圖 .................................. 55. 政治大圖 4- 48 Mitsubishi 品牌 C&RT 決策樹模型變數重要性圖 .................................... 56 立圖 4- 47 Mitsubishi 品牌 CHAID 決策樹模型判別矩陣圖 ...................................... 55. 圖 4- 49 Mitsubishi 品牌 C&RT 決策樹模型判別矩陣圖 ........................................ 56. ‧ 國. 學. 圖 4- 50 Mitsubishi 品牌 Stepwise 邏輯斯迴歸模型變數重要性圖 ......................... 57. ‧. 圖 4- 51 Mitsubishi 品牌 Stepwise 邏輯斯迴歸模型判別矩陣圖 ............................. 57. y. Nat. 圖 4- 52 Mitsubishi 品牌 Forward 邏輯斯迴歸模型變數重要性圖.......................... 58. er. io. sit. 圖 4- 53 Mitsubishi 品牌 Forward 邏輯斯迴歸模型判別矩陣圖.............................. 58 圖 4- 54 Mitsubishi 品牌 Backward 邏輯斯迴歸模型變數重要性圖 ....................... 59. al. n. v i n 圖 4- 55 Mitsubishi 品牌 Backward ........................... 59 C h邏輯斯迴歸模型判別矩陣圖 engchi U 圖 4- 56 Mitsubishi 品牌模型增益曲線圖 ................................................................. 60 圖 4- 57 Mitsubishi 品牌購買意願最適模型 ............................................................. 61 圖 4- 58 Mazda 品牌 oversampling 圖........................................................................ 62 圖 4- 59 Mazda 品牌類神經網路模型變數重要性圖 ............................................... 63 圖 4- 60 Mazda 品牌類神經網路模型判別矩陣圖 ................................................... 63 圖 4- 61 Mazda 品牌 C5.0 決策樹模型變數重要性圖 .............................................. 64 圖 4- 62 Mazda 品牌 C5.0 決策樹模型判別矩陣圖 .................................................. 64 圖 4- 63 Mazda 品牌 QUEST 決策樹模型變數重要性圖 ........................................ 65 V.

(9) 圖 4- 64 Mazda 品牌 QUEST 決策樹模型判別矩陣圖 ............................................ 65 圖 4- 65 Mazda 品牌 CHAID 決策樹模型變數重要性圖 ......................................... 66 圖 4- 66 Mazda 品牌 CHAID 決策樹模型判別矩陣圖 ............................................. 66 圖 4- 67 Mazda 品牌 C&RT 決策樹模型變數重要性圖 .......................................... 67 圖 4- 68 Mazda 品牌 C&RT 決策樹模型判別矩陣圖 .............................................. 67 圖 4- 69 Mazda 品牌 Stepwise 邏輯斯迴歸模型變數重要性圖 ............................... 68 圖 4- 70 Mazda 品牌 Stepwise 邏輯斯迴歸模型判別矩陣圖 ................................... 68 圖 4- 71 Mazda 品牌 Forward 邏輯斯迴歸模型變數重要性圖 ................................ 69. 政治大圖 4- 73 Mazda 品牌 Backward 邏輯斯迴歸模型變數重要性圖 ............................. 70 立圖 4- 72 Mazda 品牌 Forward 邏輯斯迴歸模型判別矩陣圖 .................................... 69. 圖 4- 74 Mazda 品牌 Backward 邏輯斯迴歸模型判別矩陣圖 ................................. 70. ‧ 國. 學. 圖 4- 75 Mazda 品牌模型增益曲線圖 ....................................................................... 71. ‧. 圖 4- 76 Mazda 品牌購買意願最適模型 ................................................................... 72. y. Nat. 圖 4- 77 Honda 品牌 oversampling 圖 ........................................................................ 73. er. io. sit. 圖 4- 78 Honda 品牌類神經網路模型變數重要性圖................................................ 74 圖 4- 79 Honda 品牌類神經網路模型判別矩陣圖.................................................... 74. al. n. v i n 圖 4- 80 Honda 品牌 C5.0 決策樹模型變數重要性圖 .............................................. 75 Ch engchi U 圖 4- 81 Honda 品牌 C5.0 決策樹模型判別矩陣圖 .................................................. 75 圖 4- 82 Honda 品牌 QUEST 決策樹模型變數重要性圖 ......................................... 76 圖 4- 83 Honda 品牌 QUEST 決策樹模型判別矩陣圖 ............................................. 76 圖 4- 84 Honda 品牌 CHAID 決策樹模型變數重要性圖 ......................................... 77 圖 4- 85 Honda 品牌 CHAID 決策樹模型判別矩陣圖 ............................................. 77 圖 4- 86 Honda 品牌 C&RT 決策樹模型變數重要性圖 ........................................... 78 圖 4- 87 Honda 品牌 C&RT 決策樹模型判別矩陣圖 ............................................... 78 圖 4- 88 Honda 品牌 Stepwise 邏輯斯迴歸模型變數重要性圖 ............................... 79 VI.

(10) 圖 4- 89 Honda 品牌 Stepwise 邏輯斯迴歸模型判別矩陣圖 ................................... 79 圖 4- 90 Honda 品牌 Forward 邏輯斯迴歸模型變數重要性圖 ................................ 80 圖 4- 91 Honda 品牌 Forward 邏輯斯迴歸模型判別矩陣圖 .................................... 80 圖 4- 92 Honda 品牌 Backward 邏輯斯迴歸模型變數重要性圖 ............................. 81 圖 4- 93 Honda 品牌 Backward 邏輯斯迴歸模型判別矩陣圖 ................................. 81 圖 4- 94 Honda 品牌模型增益曲線圖........................................................................ 82 圖 4- 95 Honda 品牌購買意願最適模型.................................................................... 83 圖 4- 96 Ford 品牌 oversampling 圖 ........................................................................... 84. 政治大圖 4- 98 Ford 品牌類神經網路模型判別矩陣圖 ....................................................... 85 立圖 4- 97 Ford 品牌類神經網路模型變數重要性圖 ................................................... 85. 圖 4- 99 Ford 品牌 C5.0 決策樹模型變數重要性圖 ................................................. 86. ‧ 國. 學. 圖 4- 100 Ford 品牌 C5.0 決策樹模型判別矩陣圖 ................................................... 86. ‧. 圖 4- 101 Ford 品牌 QUEST 決策樹模型變數重要性圖 .......................................... 87. y. Nat. 圖 4- 102 Ford 品牌 QUEST 決策樹模型判別矩陣圖 .............................................. 87. er. io. sit. 圖 4- 103 Ford 品牌 CHAID 決策樹模型變數重要性圖 .......................................... 88 圖 4- 104 Ford 品牌 CHAID 決策樹模型判別矩陣圖 .............................................. 88. al. n. v i n 圖 4- 105 Ford 品牌 C&RT 決策樹模型變數重要性圖 ............................................ 89 Ch engchi U 圖 4- 106 Ford 品牌 C&RT 決策樹模型判別矩陣圖 ................................................ 89 圖 4- 107 Ford 品牌 Stepwise 邏輯斯迴歸模型變數重要性圖 ................................ 90 圖 4- 108 Ford 品牌 Stepwise 邏輯斯迴歸模型判別矩陣圖 .................................... 90 圖 4- 109 Ford 品牌 Forward 邏輯斯迴歸模型變數重要性圖 ................................. 91 圖 4- 110 Ford 品牌 Forward 邏輯斯迴歸模型判別矩陣圖 ..................................... 91 圖 4- 111 Ford 品牌 Backward 邏輯斯迴歸模型變數重要性圖 .............................. 92 圖 4- 112 Ford 品牌 Backward 邏輯斯迴歸模型判別矩陣圖 .................................. 92 圖 4- 113 Ford 品牌模型增益曲線圖 ......................................................................... 93 VII.

(11) 第壹章. 緒論. 本章將於第一節說明本研究之研究背景，汽車產業之來源歷史與更迭，並闡述根據此研究背景下所產生之研究動機，接著於本章第二節介紹本研究主要之研究目的以及欲透過本研究探討之問題，最後於第三節說明本研究實施之整體研究流程。. 第一節研究背景與動機. 政治大種。照我的研究，應該有四種：於衣、食、住之外，還有一種就是行。』。不論立國父. 孫中山先生曾說：『民生的需要，從前經濟學家都說是衣、食、住三. ‧ 國. 學. 是為了改善生活環境或是滿足日常所需，在人類生活的基本要素當中，『行』扮演相當重要的角色。而以現今的角度回顧過去發展，汽車的發明著實大幅提升人. ‧. 們『行』的便利性，不只降低來往各地的時間，更突破過去交通工具需利用勞力. sit. y. Nat. 驅動的限制，成為今日最普及的陸上交通工具。. al. er. io. 世界上第一部汽車的歷史眾說紛紜，但大部分學者將此功歸於德國工程師卡. v. n. 爾·賓士（Karl Benz）。卡爾·賓士在西元 1885 年製造了一輛裝有 0.85 馬力汽油機. Ch. engchi. i n U. 的三輪車，這輛以汽油為動力源的汽車被認為是世界上真正的第一輛汽車，其並在次年取得世界第一項汽車引擎專利。西元 1886 年 7 月，德國人戴姆勒（Gottlieb Daimler）進一步製成了世界上第一輛四輪汽車。而卡爾·賓士與戴姆勒兩人之後分別成立了各自的汽車公司：賓士（Benz）汽車以及戴姆勒（Daimler）汽車。在此時汽車仍然屬於高貴的奢侈品，僅有少數貴族擁有，直到美國汽車工程師亨利· 福特（Henry Ford）於西元 1903 年成立福特（Ford）汽車公司，發展出一套完整裝配線及大量生產技術降低汽車製造成本並成功量產，進而使得汽車真正成為普及化的交通工具，也打響了福特汽車公司的名號，截至西元 1913 年底，全美國有 50%的汽車都是福特公司所生產的。其後各大汽車公司逐漸發展如通用汽車、 1.

(12) 克萊斯勒等等，福特汽車漸漸失去市場佔有率。另一方面，亞洲工業大國日本於西元 1917 年由三菱（Mitsubishi）汽車公司推出日本首部量產汽車。西元 1926 年，汽車發明之兩大先驅者卡爾·賓士與戴姆勒的汽車公司更進一步合併為戴姆勒賓士（Daimler-Benz）汽車公司，也就是現今的汽車品牌梅賽德斯-賓士（Mercedes-Benz）。汽車由貴族地位的象徵，發展至福特汽車公司一家獨大，最後演變為各大汽車品牌的競爭。更因消費者意識的改變，購買汽車時考慮的不再僅是量產速度、購買價格。在現今生產技術成熟，沒有一家汽車公司具壓倒性優勢的情況下，品. 政治大汽車品牌之顧客關係資料，利用資料採礦模型，瞭解品牌形象、廣告印象及人口立. 牌的因素將會是消費者進行購買決策時一個重要的指標。本研究欲透過國內六大. 統計變數與購買意願之關係，進一步探討各汽車品牌之消費者忠誠度、客群分布. ‧ 國. 學. 與品牌差異，期能在汽車品牌公司百家爭鳴情況下，分析出消費者於不同汽車品. ‧. 牌之品牌知覺，提供汽車品牌之購買意願模型與後續研究參考。. sit. y. Nat. io. al. er. 第二節研究目的與問題. v. n. 本研究以國內汽車品牌之顧客關係問卷資料為對象，探討國內汽車產業的. Ch. engchi. i n U. 現況，並基於第一章所述之研究動機，期能透過國內汽車品牌顧客關係問卷資料之進一步分析，瞭解國內六大品牌汽車之品牌形象、顧客購買意願模型及客群狀況，提供後續策略發展參考。一、利用探索性分析瞭解各操作型變數之內容、分布情況，探討本研究之研究對象的人口統計變數分析，並依該受訪者過去擁有之汽車品牌與現在擁有之汽車品牌做比對，繪製汽車品牌忠誠度矩陣，探討各汽車品牌之忠誠度。. 2.

(13) 二、透過類神經網路、決策樹、邏輯斯迴歸等分析方法，建構各汽車品牌之購買意願模型，主要探討與各個汽車品牌購買意願有關連之品牌形象、廣告印象及人口統計變數，欲了解這些操作性變數對購買意願的重要性為何。三、以錯誤判斷率（Misclassification Rate）及增益曲線（Gain Curve）為標準，進行購買意願模型之模型比較，在每個汽車品牌下之類神經網路、決策樹、邏輯斯迴歸中選出該汽車品牌之購買意願最適模型，欲瞭解各個汽車品牌主要的購買客群以及與購買意願高度相關之變數。. 政治大. 基於上述研究動機與概念，本研究擬從國內各汽車品牌之顧客關係問卷資. 立. 料，透過統計理論與分析瞭解不同變數與購買意願之關係。其主要研究目的概. ‧ 國. 學. 分為以下幾點，茲分述如下： 1. 探討各汽車品牌之忠誠度分析。. ‧. 2. 結合資料採礦與顧客關係管理概念於汽車產業。. Nat. sit. y. 3. 探討人口統計變數、品牌形象、廣告印象等與汽車購買意願之關係。. n. al. er. io. 4. 建立各汽車品牌之購買意願模型。. 第三節研究流程. Ch. engchi. i n U. v. 本研究之研究流程簡述如下:第一章為緒論，包含本研究的背景、動機與本研究欲探討之研究目的與問題。第二章為文獻探討，進行資料採礦與顧客關係管理領域之概述，並說明國內汽車產業之現況趨勢，最後針對過去相關論文、文獻進行回顧。第三章為研究方法，首先說明本研究所使用之資料來源並對各個操作型變數進行定義，其次說明本研究分析之研究架構，最後針對本研究所使用之分析方法作說明；第四章為實證分析，內容為本研究所進行之探索性分析及各汽車品牌之模型建立結果。並以第四章之實證分析結果為基準，於第五 3.

(14) 章提出本研究之結論與建議。整體研究流程如圖 1-1 所示。. 研究背景、動機與目的. 資料採礦及顧客關係管理概念. 汽車產業文獻探討與回顧. 立. 政治大分析資料之收集與整理. ‧. ‧ 國. 學訂定分析方法. n. engchi. er. io. Ch. sit. y. Nat. al. 實證分析. i n U. 結論與建議圖 1-1 研究流程圖. 4. v.

(15) 第貳章. 文獻探討. 本章將進行本研究相關文獻之回顧與探討，並分別闡述。首先於第一節進行資料採礦概述，說明資料採礦之定義、歷史與應用。接著在第二節進行顧客關係管理概述，說明顧客關係管理之定義、歷史與應用，第三節說明國內汽車產業之現況與趨勢，在不同時間不同品牌之銷售情形，於最後的第四節作相關文獻之回顧。. 第一節資料採礦概述. 政治大資料採礦（Data Mining），一門從大量資料或資料庫中獲取有用資訊的科學。立. 在未來改變世界的十大新興科技中，資料採礦即為其中之一。Kleissner（1998）. ‧ 國. 學. 認為資料採礦是一種全新且不斷循環的決策分析過程，資料採礦能夠從組合在一. ‧. 起的資料中，挖掘出隱藏的知識，以提供給各領域專業人員參考，如圖 2-1。. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. 圖 2- 1 資料採礦示意圖資料來源：http://www.uea.ac.uk 5. v.

(16) 資料採礦的技術建立在龐大資料庫的基礎上，隨著科技日新月異，各種格式、各種儲存方式的資料呈倍數成長以及資料儲存設備的發展，使得資料採礦發展如魚得水。為了從龐大資料庫中快速進行分析進而獲得有效資訊，資料採礦的運用變得相當重要。目前資料採礦應用可大致分為下列四種：一、關聯規則（Association Rules），包含購物籃分析等從大量數據中挖掘出具有規則之變項組合關係的演算法。二、分類（Classification），包含決策樹、貝式規則等將大量數據依分析對象之屬性分類至現有類別之演算法。. 政治大未來其未來之值的演算法。立. 三、預測（Prediction），包含邏輯斯迴歸等依分析對象之過去觀察值屬性來預測. 四、分群（Cluster），包含 K-means 分群等將分析母體依變數屬性區分為不同群. ‧ 國. 學. 組，群內差異小、群間差異大之演算法。. ‧ sit. y. Nat. 第二節顧客關係管理概述. al. er. io. 顧客關係管理（Customer Relationship Management）的概念最早發源於美. v. n. 國，在西元 1980 年初期便透過接觸管理收集顧客與公司聯繫的所有資訊。而. Ch. engchi. i n U. Gartner Group 公司在西元 1999 年正式提出顧客關係管理一詞，並認為所謂的顧客關係管理，就是為企業提供全方位的經營管理視野，增加企業與顧客之間的來往交流，達到企業收益極大化。又顧客關係管理之主要目的可由其架構來瞭解如圖 2-2，並細分為下述十項：一、顧客輪廓（Customer Profile）二、顧客知識（Customer Knowledge）三、顧客區隔（Customer Segmentation）四、顧客化/客製化（Customization）五、顧客價值（Customer Value） 6.

(17) 六、顧客滿意度（Customer Satisfaction）七、顧客的發展（Customer Development）八、顧客保留率（Customer Retention）九、顧客贏取率（Customer Acquisition）十、顧客獲利率（Customer Profitability）. 立. 政治大. ‧. ‧ 國. 學 er. io. sit. y. Nat. n. a l 圖 2- 2 顧客關係管理架構圖i v n 資料來源：http://www.mdm.tf.edu.tw Ch U engchi. 第三節乘用汽車產業現況概述本節將針對國內乘用汽車產業之現況與銷售情形進行說明。首先，如圖 2-3，由台灣車輛工會彙整的近年汽車市場銷量圖可知，自 2003 年開始，國內汽車年度銷售量年年增加，直到 2005 年時國內汽車年度銷售量達到近十年最高峰年銷售 51.4 萬輛。但受經濟不景氣及金融風暴影響，隔年年度銷售量驟降至 36.6 萬輛，並連續三年呈現負成長，至 2008 年時國內汽車年度銷售量 22.9 萬輛為近十年最低。而後因景氣反彈、市場回溫，國內汽車年度銷售量逐漸回升，各大品牌 7.

(18) 汽車廠商皆看好 2012 年車市將延續趨勢繼續成長，甚至預期銷量上看 40 萬輛，但由於 2012 年全球經濟情勢快速變化，國內經濟狀況亦受影響，經濟成長率一路下修，年度結束後總結 2012 年國內汽車年度銷售量為 36.6 萬輛，打斷連續三年的銷售成長，銷量呈現小幅下滑。在國內汽車銷量與經濟情勢息息相關的情況下，要回到 2004 年、2005 年時的高銷售量，在短期內達成有一定的難度。. 立. 政治大. sit. y. ‧. ‧ 國. 學. Nat. 圖 2- 3 我國近年汽車市場銷量圖. n. al. er. io. 資料來源：台灣車輛工會、U-CAR;ARTC 彙整. Ch. engchi. i n U. v. 更詳細地將 2012 年銷售量以月份表示並與 2011 年做比較如圖 2-4，銷售較佳的月份為農曆年前的 1 月以及鬼月前的 7 月，到了 12 月各汽車品牌廠商祭出加碼優惠促銷，配合新車車款上市話題以及台北車展等因素，進而熱絡年底銷售狀況。. 8.

(19) 圖 2- 4 2011 及 2012 年我國汽車市場各月銷量圖. 政治大. 資料來源：台灣車輛工會、U-CAR;ARTC 彙整. 立. ‧ 國. 學. 而各汽車品牌銷售狀況如圖 2-5 所示，相較於 2011 年之年度銷售量，2012 年僅和泰豐田（Toyota）及南陽實業（Hyundai）兩品牌汽車呈現成長趨勢，和. ‧. 泰豐田（Toyota）年銷售 12.37 萬輛佔整體銷售 33.8%，南陽實業（Hyundai）成. sit. y. Nat. 長率 10.7%則為主要汽車品牌中銷售增長幅度最高之品牌。值得觀察的是納智捷. al. er. io. （Luxgen）品牌汽車銷量在 2012 年大幅滑落 32.2%，僅售出 0.88 萬輛，為 2012. n. 年銷售衰退幅度最大的品牌。. Ch. engchi. i n U. v. 圖 2- 5 2012 年我國主要汽車品牌銷量概況圖資料來源：台灣車輛工會、U-CAR;ARTC 彙整 9.

(20) 第四節文獻回顧本小節將針對與本研究探討主題相關之文獻進行回顧，文獻回顧結果分別簡述如下：張正杰（2002）進行汽車消費者購買決策行為之實證研究，其以中國大陸廣州市為例，在中國大陸近年經濟大幅成長之背景下，大陸汽車市場之需求同時不斷成長。其透過在廣州市汽車賣場之抽樣調查，欲瞭解大陸消費者之購買決策行為。結果顯示廣州市汽車消費者對結構安全、售後服務此兩方面較為重視。在購買動機方面，以控制時間及擴展生活領域為主要動機，最不重要的則是追求時髦。. 政治大優先購買之車系部分，不論新車或二手車來看，日系車款皆佔第一位，其次為歐立. 而由於中美簽訂關稅協定之關係，大部分受訪者預期購車時間皆落在三年後。在. ‧ 國. 學. 洲車系。主要汽車資訊來源則為報章雜誌，其次為展示會。. 周家宏（2003）進行汽車業之潛在客戶開發研究，其認為以現今之競爭環境. ‧. 下，企業所擁有之產品或服務創新優勢都只是短暫的，僅有與客戶建立長期友好. sit. y. Nat. 的關係才真正是獲利的關鍵。而欲達成這樣的目標必須透過顧客關係管理來規劃，. al. er. io. 並輔以資訊系統的建置，協助企業更有效率地達到潛在客戶開發之目的。其研究. v. n. 主要運用文獻回顧、專家意見調查與銷售人員訪談之方式，建構一潛在顧客開發. Ch. engchi. i n U. 模型，並整合已發展之顧客開發模式，帶入個案公司之實務運作，驗證其模式之可行性。期望透過此研究，有效提高企業之獲利。研究過程以個案公司匯豐汽車為對象，將本研究之顧客開發模式具體化於個案公司中呈現，經分析後結果顯示，本研究結果可提供個案公司進行決策發展參考，並依此為基底發展更進一步之模式。而個案公司並未利用答詢中心進行電話訪問，未來除本研究提供之策略方針外，尚可於答詢中心訪問狀況與決策系統方面提供不同之策略參考。張源安（2011）進行汽車產業服務品質、企業形象、顧客滿意度與忠誠度間關係之研究，以 Toyota 汽車品牌為例，探討顧客對企業所施行的服務品質、企業形象、顧客滿意度與顧客忠誠度之間的關聯情況。透過文獻探討整理，以李克 10.

(21) 特五點量表設計調查問卷，研究對象為雲嘉南地區 17 個企業營業所之消費者，研究結果為一、不同個人變項對於汽車營業所之服務品質、顧客滿意度、顧客忠誠度有差異，其中以年齡與個人平均月收入兩變數最為顯著。二、消費者感受到的服務品質、企業形象、顧客滿意度、顧客忠誠度等變項之間具有顯著正相關。三、在相關性部分，企業形象此一變數與顧客忠誠度之相關程度較低，可由此處著手加強。余錦芳（2002）進行汽車業顧客滿意與品牌忠誠度之相關研究，其認為服務品質、顧客滿意為企業經營之重要里程碑，但對於服務品質又較難用一統一之標. 政治大必須透過其它方面的競爭優勢來提高自身獲利，前述所提到的服務品質與服務價立. 準來衡量判斷。在台灣加入 WTO 後，汽車產業面臨另一重大挑戰，除了價格外，. 值便是解決之道，汽車廠商應想辦法提高顧客滿意度與顧客忠誠度。此研究以國. ‧ 國. 學. 產汽車五大品牌為例，探討顧客對於汽車品牌之產品滿意度、售後服務滿意度與. ‧. 品牌忠誠度之關係。除了實施問卷調查外，同時進行專家訪談以及汽車業資深主. y. Nat. 管之焦點座談，整合各界專家領域意見。並分別對售後服務滿意度及品牌忠誠度. er. io. sit. 做文獻探討進行定義。其採用統計軟體 SPSS 進行分析，分析結果顯示產品滿意度與售後服務滿意度對於顧客滿意度具有顯著關連，並且顧客滿意度與品牌忠誠. al. n. v i n 度之間亦具有顯著關係，換句話說，產品服務與售後服務做的較好的汽車品牌， Ch engchi U 其消費者之顧客滿意度亦較高，另外顧客滿意度越高的品牌，其消費者品牌忠誠度同樣較高。研究建議為汽車廠商應努力提高服務品質，進而提高顧客之滿意度以及對該品牌之品牌忠誠度。江展魁（2006）進行顧客貢獻度與顧客屬性、業代專業性之關連研究，此研究以顧客屬性及顧客貢獻度為主軸，探討其相關性之研究。在汽車產品同質性較高情況下，透過顧客關係管理，找出對企業最有貢獻的客戶，進而擴大為企業行銷策略的準則。另一方面，業務代表人員之專業性是否對於顧客的交易帶來幫助。根據 RFM 分析，顧客最近購買日期、購買頻率以及購買金額，來衡量顧客貢獻 11.

(22) 度，並加入貸款金額、保險費用、保修費用等變數同時評估，業務人員專業性方面則以年資、教育訓練時數、客戶互動行為等為基準。以 RFM 分析建構顧客貢獻度衡量模式後，接續以主成分分析決定 RFM 三個變數之權重，得出一顧客貢獻度之線性公式。另外分析結果顯示性別、年齡、職業、教育程度、居住地區等變數與顧客貢獻度具有關連關係，最後提出可利用顧客貢獻度之結果進行顧客區隔，針對不同屬性之顧客進行不同行銷與策略，進而提高實質顧客貢獻度。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 12. i n U. v.

(23) 第參章. 研究方法. 本章共有資料來源、操作性變數定義、研究架構與分析方法等四節，首先於第一節中，說明本研究所探討資料之來源及研究對象。於第二節分別針對品牌形象、廣告印象、人口統計變數等操作型變數進行定義與敘述。在第三節中，說明本研究進行之分析流程與架構。最後在第四節依本研究之研究目的與問題所欲瞭解方向，說明類神經網路、決策樹、邏輯斯迴歸等統計方法，並說明其應用原理及理論。. 第一節資料來源. 政治大本研究之資料來源取自於 2011 年實施之國內汽車品牌顧客關係資料，該調立. 查資料採面對面訪問方式，主要調查地區為大台北1、大台中2、大高雄3三大都會. ‧ 國. 學. 區共 864 個樣本，各地區樣本數依實際人口比例分配如表 3-1，研究對象條件如. ‧. 下：. y. Nat. 一、現車是在2006年1月至2010年12月之間購入之新車車主。. er. io. sit. 二、汽車用途不可為營業/商業用途。. 三、為現車的主要購買決策者（或之一）及主要使用者（或之一）。. al. n. v i n 四、非從事汽車及相關零件製造、銷售、維修、計程車、汽車租賃以及市調、公 Ch engchi U 五、關、媒體等相關行業。. 六、6個月內未參加過汽車相關市調訪問。表 3- 1 各地區樣本分配表. 1. 大台北. 大台中. 大高雄. Total. 樣本數. 432. 174. 258. 864. 比例. 50%. 20%. 30%. 100%. 大台北地區，涵蓋台北市、原台北縣及基隆市。大台中地區，涵蓋台中市、原台中縣。 3 大高雄地區，涵蓋高雄市、原高雄縣。 13 2.

(24) 第二節操作性變數定義本研究所使用資料之變數可依屬性區分品牌形象、廣告印象、人口統計變數、汽車擁有情形、品牌購買情況五個構面。本研究將依此些操作型變數進行統計分析與資料採礦模型建立，其個別定義概述如表 3-2、表 3-3、表 3-4、表 3-5、表 3-6 所示：. 一、品牌形象. 政治大變數名稱立表 3- 2 品牌形象題項. 性質. 1.當您考慮購買一部新車時，請問您有多在意品牌的因素。 1至10分，. ‧ 國. 學. 2.我熟悉並且了解這個品牌。. 分數越高同意程度越高。. ‧. 3.這個品牌具有獨特或與眾不同的特質，或者具有與其他汽. 4.這個品牌符合我的生活方式並滿足我的需要。. io. sit. y. Nat. 車品牌明顯不同的形象。. er. 自變數. 題項內容. al. 5.這是一個普及的品牌。. n. v i n Ch 6.這個汽車品牌的價格，比我預期中的汽車價格還要高。 engchi U 7.這是具有高品質的品牌。. 8.無論您是否開過該品牌汽車，您認為該品牌整體表現如 1至5分，何。. 分數越高滿意程度越高。. 8.請問您認為是否有另一品牌與此品牌之形象是相似的。. 1.有、2.沒有. 9.請問您認為是哪一個品牌與此品牌之形象是相似的。. 1.Toyota、2.Honda 3.Nissan、4.Ford 5.Mitsubishi、6.Mazda 7.其它國產、8.其它進口. 14.

(25) 二、廣告印象表3- 3 廣告印象題項性質. 變數名稱. 題項內容. 自變數. 1.請問您最近一個月是否有看過/聽過此品牌的廣告。. 1.有、2.沒有. 2.請問您對於此品牌廣告的記憶程度為何。. 1至10分，分數越高記憶程度越高。. 三、人口統計變數. 政治大. 表 3- 4 人口統計變數題項. 立. 1.性別 2.年齡. 1.男性、2.女性. ‧. 1.20~29 歲、2.30~39 歲 3.40~49 歲、4.50~55 歲 1.未婚、2.已婚，無小孩 3.已婚，有小孩 1. 1-3 人、2. 4-6 人、3. 7 人以上. 3.婚姻狀態. y. Nat. n. al. 1.國中或以下、2.高中或專科 3.大學以上 1.負責人/主管、2.白領階級 3.藍領階級、4.專門技術人員 5.公務人員/軍警、6.自由業 7.學生、8.其它 1.30,000 元以下 2.30,001 元-60,000 元 3.60,001 元以上. er. io. sit. 4.家中成員人數 5.教育程度. 問項內容. 學. 自變數. 變數名稱. ‧ 國. 性質. 6.職業. Ch. engchi. 7.個人平均月收入. i n U. v. 1.60,000 元以下 2.60,001 元-80,000 元 3.80,001 元-100,000 元 4.100,001 元-120,000 元 5.120,001 元以上. 8.全家平均月收入. 15.

(26) 四、汽車擁有情形表 3- 5 汽車擁有情形題項性質. 變數名稱. 自變數. 問項內容. 1.請問您家中目前所擁有的汽車，排氣量是多少？ 1.個人的第一輛車，家中的第一輛車 2.個人的第一輛車，家中的換購車 3.個人的第一輛車，家中的增購車. 2.您目前主要使用的這輛車，請問是您的？. 4.個人的換購車，家中的換購車政治大 5.個人的增購車，也是家中的增購車. 立. ‧ 國. 學. 1.Toyota、2.Honda 3.Nissan、4.Ford. 3. 您個人或家中的前一部車廠牌是？. ‧. 5.Mitsubishi、6.Mazda. sit. y. Nat. 7.其它國產、8.其它進口. io. n. al. er. 4. 您個人或家中的前一部車引擎排氣量是？. 五、. 品牌購買情況. Ch. engchi. i n U. v. 表 3- 6 品牌購買情況題項性質. 變數名稱. 自變數. 問項內容 1.一定不會買、2.可能不會買. 1.該品牌汽車之購買意願. 3.可能會也可能不會 4.可能會買、5.一定會買. 2. 現車購買車價反應變數. 3.是否購買該品牌汽車. 1.是、0.否. 16.

(27) 第三節研究架構本研究使用 SAS 軟體公司之資料採礦建模流程 SEMMA 來進行模型建立如圖 3-1，首先對反應變數『是否購買該品牌汽車』進行精細抽樣 Oversampling，將是與否之比例調整為 1:1，藉此提高模型之精確度與準確率，並將資料分為 70% 之訓練集與 30%之驗證集，利用訓練集建立模型，驗證集來驗證此模型之有效性。其次透過探索性分析瞭解本研究分析之顧客關係資料的輪廓，各變數之分布情形。並在資料修正與轉換階段針對上一步驟欲調整或衍生之變數進行處理。完成資料. 政治大建立資料採礦模型，最後以錯誤判斷率及增益曲線為基準，挑選出各汽車品牌之立. 準備動作後開始進行模型建立，利用類神經網路、決策樹、邏輯斯迴歸等演算法. 購買意願最適模型。而在此流程中，若出現異常情況時需回溯至前端步驟確認資. ‧ 國. 學. 料無誤，或者依情況做修改，來回循環以建置最佳模型。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 3- 1 研究架構圖資料來源：http://timkienthuc.blogspot.tw 17.

(28) 第四節分析方法一、類神經網路類神經網路（Neural Network）最初的概念來自於人內腦中運作的神經元，這些神經元彼此具有連結，互相傳遞電荷至鄰近的神經元。而人內腦中包含數十億個這樣的連結，每個都對知識的轉換提供幫助，並具備大量的知識儲存能力。當人類受到外在環境刺激時，這些刺激會由神經細胞傳達至大腦，大腦接著便會對相關器官下達反應的指令，這樣的過程往往需要大量的運算與練習，才能做出. 政治大習，不斷計算，並反饋至輸出層。這樣的過程不斷循環，直到類神經網路得到最立. 正確判斷並儲存於記憶之中。類神經網路透過這樣的概念，在輸入變數中反覆學. 佳之學習結果，其模式如圖 3-2 及圖 3-3：. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 3- 2 類神經元模型圖資料來源：類神經網路概述及實例 X：稱為神經元的輸入（Input）。 W：稱為鍵結值（Weights）。 b：稱為閥值（Bias），有偏移的效果。 S：稱為加法單元（Summation），此部分是將每一個輸入與鍵結值相乘後做加總。. 18.

(29) φ( )：稱之為活化函數（Activation Function），通常是非線性函數，有數種不同的型式，其目的是將 S 的值做映射得到所需要的輸出。 Y：稱之為輸出（Output），亦即我們所需要的結果。. 資料來源：類神經網路概述及實例. 學 ‧. ‧ 國. 立. 政治大圖 3- 3 類神經傳遞網路圖. 類神經網路之優點有模型精確度高，對於未知的輸入變項仍能有正確的輸出. sit. y. Nat. 結果、應用範圍十分廣泛，模型建構能力強，能夠建立非線性模型。反之其仍具. io. al. er. 有一些缺點與限制，如為建立最佳模型，計算量大，常耗費大量時間與設備資源、. n. 訓練過程中需通過隱藏層，俗稱黑盒子、得出之結果效果雖好但較難以解釋。. Ch. engchi. i n U. v. 二、決策樹決策樹（Decision Tree）在資料採礦中屬於分類之演算法，又有人稱它為分類樹（Classification Tree），其主要概念為藉由將已知之觀察值變數屬性分類，產生一具先後順序之樹狀流程結構圖，並隱含統計學中貝式機率之概念。其可用於選擇模型顯著變數、觀察值分類預測等。示意圖如圖 3-4：. 19.

(30) 學. ‧ 國. 立. 政治大圖 3- 4 決策樹示意圖. ‧. 資料來源：http://www.time-management-guide.com/decision-tree.html. sit. y. Nat. al. er. io. 決策樹之優點為其可建立簡單易懂之規則，易於解釋其模型結果、相較於其. v. n. 它資料採礦模型，決策樹能在較短時間內得到效果良好的模型結果、決策樹對於. Ch. engchi. i n U. 數據資料之要求較寬鬆，不需事先對資料進行一般化或事先處理遺漏值，且能夠同時處理連續型變數及間斷型變數、決策樹能夠清楚的顯示哪個變數具有顯著的重要性。然而，決策樹的缺點則為容易對資料形成過度配適，需透過決策樹的剪枝來修正、決策樹對連續型的變數預測能力較低、在有時間順序的資料上，需要進行預先資料處理的工作、當變數類別過多時，模型誤差也較大。本研究將使用 C5.0、C&RT、CHAID、QUEST 四種決策樹演算法來進行分析，其中各個演算法的特徵如下： (一) C5.0：在每個決策樹分類節點下可產生不同數量的子節點，採用 Boosting 方式提高模型準確率，且計算時間與資源設備耗用上較少。 20.

(31) (二) C&RT：在每個決策樹分類節點中皆採用二分法，每個分類節點下只會有兩個子節點。若反應變數為類別型，採用分類樹。若反應變數為連續型，則採用迴歸樹。 (三) CHAID：此演算法會自動停止決策樹的分割以避免模型的過度配適，衡量的標準為決策樹節點中類別的 P 值，使用者可設定此門檻值決定決策樹的規模，並不需要進行手動剪枝。 (四) QUEST：反應變數必須為二元類別型變數，若為多元類別型變數需事先進行轉換。自變數則可為類別型變數或連續型變數。. 三、邏輯斯迴歸. 政治大. 立. (一) 邏輯斯迴歸模型定義（Agresti，2002 ; 傅安綺，2009）. ‧ 國. 學. 邏輯斯迴歸是用於探討二元反應變數與解釋變數間關係的統計方法。假設反. ‧. 應變數𝑌𝑖 為服從伯努力分配的隨機變數，i = 1, ...,n，若𝑌𝑖 =1 為成功，𝑌𝑖 = 0 為失 ′. sit. y. Nat. 敗，並設𝐱 𝑖 = (𝑥𝑖1 , 𝑥𝑖2 , … , 𝑥𝑖𝑝 ) 為一組解釋變數所組成的向量，表示第 p 個解釋. al. n. 的邏輯斯迴歸模型定義為. er. io. 變數的第 i 個觀測值，i = 1, ...,n。令𝜋(𝐱 𝑖 )表示當𝑌𝑖 = 1 時的機率，則描述此機率. Ch. i n U. v. 𝜋(𝐱 𝑖 ) logit(𝜋(𝐱 𝑖 )) = log ( ) = α + 𝛽1 𝑥𝑖1 +𝛽2 𝑥𝑖2 + ⋯ +𝛽𝑝 𝑥𝑖𝑝 ，𝑖 = 1, . . . , 𝑛 1 − 𝜋(𝐱 𝑖 ). engchi. 經過運算可得 𝑝. 𝜋(𝐱 𝑖 ) =. exp(α+∑𝑗=1 𝛽𝑗 𝑥𝑖𝑗 ) 𝑝. 1+exp(α+∑𝑗=1 𝛽𝑗 𝑥𝑖𝑗 ). ，0 ≤ 𝜋(𝐱 𝑖 ) ≤ 1. (二) 參數估計最大概似估計法（Maximum Likelihood Estimation，MLE）為統計分析中常用的參數估計方法，因為𝑌𝑖 服從獨立的伯努力分配，i = 1, ...,n，因此聯合機率密度函數為各別的機率分配相乘，可得概似函數（Likelihood Function）為 21.

(32) 1−𝑌𝑖. L(α, 𝜷) = ∏𝑛𝑖=1 𝜋(𝐱 𝑖 )𝑌𝑖 (1 − 𝜋(𝐱 𝑖 )) ′. 其中𝜷 = (𝛽1 , 𝛽2 , … , 𝛽𝑝 ) ，由於ln(L(α, 𝜷))為L(α, 𝜷)之單調函數，所以使得 ln(L(α, 𝜷))為最大的最大概似估計同樣也會使L(α, 𝜷)有最大值。因此對概似函數取對數以方便求得最大概似估計值。其對數概似函數為 1−𝑌𝑖. ln(L(α, 𝜷)) = ln [∏𝑛𝑖=1 𝜋(𝐱 𝑖 )𝑌𝑖 (1 − 𝜋(𝐱 𝑖 )). ]. = ∑𝑛𝑖=1 𝑌𝑖 ln[𝜋(𝐱 𝑖 )] + ∑𝑛𝑖=1(1 − 𝑌𝑖 )ln[1 − 𝜋(𝐱 𝑖 )] = ∑𝑛𝑖=1[𝑌𝑖 (α + ∑𝑝𝑗=1 𝛽𝑗 𝑥𝑖𝑗 )] − ∑𝑛𝑖=1 ln[1 + exp(α + ∑𝑝𝑗=1 𝛽𝑗 𝑥𝑖𝑗 )]. 治政大 ̂ )封閉解（Closed-Form）不存在，因此需利用電腦以數值分函數有最大值的(α ̂, 𝜷 立令ln(L(α, 𝜷))對(α, 𝜷)微分之偏導數為 0 以求最大概似估計值，但使得對數概似. 析的方法求得近似值，常用的方法有牛頓遞迴法（Newton-Raphson Method）。. ‧. ‧ 國. 學. (三) 參數檢定. y. Nat. 假設邏輯斯迴歸係數估計值為β̂𝑗 ，j=1,...,p，檢定H0 ：β𝑗 = 0 一般常使用的. sit. 2. ̂𝑗 β. n. al. ̂ β 𝑗. Ch. er. io. 方法為 Wald 統計檢定，其檢定統計量為W = (SE ) ，其中SEβ̂𝑗 為β̂𝑗 的漸近標準. i n U. v. 誤，當虛無假設成立時，根據 MLE 的大樣本性質，β̂𝑗 會近似服從常態分配，因. engchi. 此 W 具有自由度為 1 的漸近卡方分配，在顯著水準α下，其拒絕域為 2 C={W > 𝜒𝛼,1 }。. (四) 勝算比與迴歸係數當某事件成功機率為𝜋，失敗機率為 1-𝜋，則成功的勝算（Odds）定義為 odds =. 𝜋 1−𝜋. 表示該事件成功的機率除以失敗的機率。勝算比（Odds Ratio）為兩個勝算的比值， 22.

(33) 𝜋1 odds1 1 − 𝜋1 θ= = 𝜋 2 odds2 1 − 𝜋2 其中𝜋1 表示第 1 個事件成功的機率，𝜋2 表示第 2 個事件成功的機率，而odds1 表示第 1 個事件成功的勝算，odds2 表示第 2 個事件成功的勝算。勝算比大於 1 表示事件 1 成功的勝算比事件 2 成功的勝算高，即事件 1 成功的可能性高於事件 2；勝算比小於 1 表示事件 1 成功的勝算比事件 2 成功的勝算低，即事件 1 成功的可能性低於事件 2。 β𝑗 為邏輯斯迴歸模型之參數，表示在控制其他變數之後，𝑋𝑗 對 Y = 1 的對數勝算效應，而其對應之勝算比為𝑒 β𝑗，表示𝑋𝑗 增加一個單位對勝算的相乘效效應。當β𝑗 > 0時，𝑒 β𝑗. 政治大 > 1，表示𝑋 增加一個單位時，反應變數 Y = 1 的勝算相對增加，立 𝑗. ‧ 國. 學. 當β𝑗 = 0時，𝑒 β𝑗 = 1，表示𝑋𝑗 增加或減少一個單位時，反應變數 Y = 1 的勝算都不改變，當β𝑗 < 0時，𝑒 β𝑗 < 1，表示𝑋𝑗 增加一個單位時，反應變數 Y = 1 的勝算. ‧. 相對減少。勝算比的解釋又可分為連續變數與類別變數，以下依解釋變數的型態，. sit er. io. 1. 連續型解釋變數. y. Nat. 解釋其對反應變數的影響。. al. n. v i n 當其它解釋變數固定下，𝑋 Y = 1 的勝算增加 C𝑗 每增加一個單位時，反應變數 hengchi U. 𝑒 β𝑗 倍。. 2. 二類別解釋變數若解釋變數𝑋𝑗 為二類別屬質變數，假設其水準記為（0，1），則𝑒 β𝑗 為描述解釋變數𝑋𝑗 與反應變數 Y 之條件勝算比，表示當其他解釋變數不變的條件下， 𝑋𝑗 = 1時成功的勝算為𝑋𝑗 = 0時的𝑒 β𝑗 倍。當β𝑗 > 0時，𝑒 β𝑗 > 1表示 𝑋𝑗 = 1比 𝑋𝑗 = 0成功的勝算高𝑒 β𝑗 倍；當β𝑗 < 0時，𝑒 βj < 1表示 𝑋𝑗 = 1比𝑋𝑗 = 0成功的勝算低𝑒 β𝑗 倍。. 23.

(34) 3. 多類別變解釋變數當解釋變數水準超過二個類別時，需建立一組虛擬變數（Dummy Variable）代表其分類情形。當一個解釋變數有 I 個水準時則需要 I-1 個虛擬變數，從所有水準中挑選一類別作為參照類別（Reference Category），進而解釋各類別與參照類別的勝算比。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 24. i n U. v.

(35) 第肆章. 實證分析. 本章首先於第一節進行探索性分析，針對研究資料做初步解析。於第二節將六大汽車品牌個別討論，建立各品牌購買與否之資料採礦模型。使用之演算法為類神經網路、決策樹、邏輯斯迴歸，得出與各品牌汽車購買意願相關之品牌形象因子、品牌行銷因子及購買者基本資料變數，並以錯誤判斷率及增益曲線為基準，選出該品牌購買意願之最適模型。最後在本章第三節以集群分析方法，探討各品牌汽車購買者客群之差異。. 第一節探索性分析一、. 政治大. 立. 人口統計變數分析. ‧ 國. 學. 首先對資料進行探索性分析，在共計 864 筆顧客資料中，購買 Toyota 品牌汽車者最高，佔 17.7%。購買 Nissan 及 Mitsubishi 品牌汽車者次之，各佔 17.6%。. ‧. 購買 Mazda 品牌汽車者佔 9.3%，購買 Honda 品牌汽車者佔 8.7%，購買 Ford 品. al. er. io. sit. y. Nat. 牌汽車者較低，佔 7.3%。各品牌之購買狀況統計表如表 4-1。. n. 表 4- 1 各品牌購買狀況統計表. Ch. 品牌. i n U. v. e n次數 g c h i 百分比. Toyota Nissan Mitsubishi Mazda Honda. 153 152 152 80 75. 17.7 17.6 17.6 9.3 8.7. Ford 總和. 63 864. 7.3 100.0. 人口統計變數分配如表 4-2 所示，性別中男性較多，佔 63.1%。年齡以 30~39 歲者較多，佔 45.8%，50~59 歲者較少，佔 6.2%。婚姻狀況以已婚有小孩者較 25.

(36) 多，佔 64.9%，已婚無小孩者較少，僅佔 4.4%。家中成員人數以 4-6 人者較多，佔 64.1%。教育程度以高中或專科者較多，佔 64.3%。而職業中以白領階級者佔較多，佔 34.6%，學生身份者最少，佔 0.9%。. 表 4- 2 人口統計變數分配表（一）人口統計變數. 類別. 次數. 百分比. 性別. 男女. 545 319. 63.1 36.9. 20~29歲 30~39歲 40~49歲. 121 396 294 53. 14.0 45.8 34.0 6.2. 婚姻狀況. 未婚已婚無小孩已婚有小孩. 265 38 561. 30.7 4.4 64.9. 家中成員人數. 1-3 人 4-6人 7人以上. 283 554 28. 國中或以下高中或專科大學以上. 12 556 297. n 職業. C負責人/主管 h白領階級 engchi. y. sit. io. al. i n 243 U. 32.7 64.1 3.2. ‧. Nat. 教育程度. 學. ‧ 國. 立. 政治大 50~55歲. er. 年齡. v. 1.4 64.3 34.3. 藍領階級專門技術人員公務人員/軍警自由業學生. 299 142 26 43 53 8. 28.1 34.6 16.4 3.0 4.9 6.1 0.9. 其它. 52. 6.0. 864. 100.0. 總和. 平均月收入部分如表 4-3 所示，個人平均月收入為 30,001-60,000 元者較多，佔 61%。家庭平均月收入為 60,001-80,000 元者較多，佔 31.8%。 26.

(37) 表 4- 3 人口統計變數分配表（二）人口統計變數. 類別. 次數. 百分比. 個人平均月收入. 30,000元以下 30,001元-60,000元 60,001元以上. 84 527 253. 9.7 61.0 29.3. 家庭平均月收入. 60,000元以下 60,001元-80,000元 80,001元-100,000元 100,001元-120,000元 120,001元以上. 118 274 242 128 102. 13.6 31.8 28.0 14.8 11.8. 864. 100.0. 總和. 二、. 忠誠度分析. 立. 政治大. ‧ 國. 學. 接著探討各汽車品牌購買者之忠誠度分析，以前一擁有品牌與現在擁有品牌設立品牌忠誠度矩陣如表 4-4。. io. y. Mitsubishi. Mazda. Honda. Ford. 其它. 總和. 28. 9. i v-. 6. 54. 191. -. -. 7. 5. 20. 28. sit. Nissan. er. Toyota 前一品牌. ‧. Nat. 現在品牌. 表 4- 4 品牌忠誠度矩陣. Toyota. 53. 忠誠度. 27.7%. -. Nissan. 16. 44. 忠誠度. -. 37.3%. -. -. -. -. -. Mitsubishi. 6. 7. 26. 4. 2. 4. 14. 忠誠度. -. -. 41.3%. -. -. -. -. Mazda. 3. 2. 1. 1. 0. 2. 2. 忠誠度. -. -. -. 9.1%. -. -. -. Honda. 13. 10. 13. 5. 9. 5. 18. 忠誠度. -. -. -. -. 12.3%. -. -. Ford. 9. 10. 15. 8. 8. 18. 8. 忠誠度. -. -. -. -. -. 23.7%. -. n. al. Ch. 13. n U e15n g c h11i -. -. 27. 118. 63. 11. 73. 76.

(38) 可知品牌忠誠度最高者為 Mitsubishi，前一部汽車為 Mitsubishi 品牌汽車者有 41.3%繼續購買 Mitsubishi 之品牌汽車。前一部汽車為 Nissan 品牌汽車者有 37.3%繼續購買 Nissan 之品牌汽車。前一部汽車為 Toyota 品牌汽車者有 27.7%繼續購買 Toyota 之品牌汽車。前一部汽車為 Ford 品牌汽車者有 23.7% 繼續購買 Ford 之品牌汽車。前一部汽車為 Honda 品牌汽車者有 12.3%繼續購買 Honda 之品牌汽車。而品牌忠誠度最低者為 Mazda，前一部汽車為 Mazda 品牌者僅有 9.1%繼續購買該品牌汽車。另外對於乘用汽車首購族而言，如表 4-5 所示，首購為 Nissan 品牌汽車者較高，佔 17.3%。首購為 Toyota 品牌汽車. 政治大. 者次之，佔 16.5%。較不受首購族青睞者為 Ford，僅佔 7.3%。. 立. 百分比. Toyota Nissan Mitsubishi. 43 45 40. 16.5 17.3 15.4. Mazda Honda Ford 總和. 34 34 19 260. 13.1 13.1 7.3 100.0. n. Ch. engchi. y. sit. er. io. al. ‧. 次數. Nat. 品牌. 學. ‧ 國. 表 4- 5 首購族品牌購買狀況統計表. i n U. v. 第二節各品牌購買意願模型本節將針對六大汽車品牌個別討論，建立各品牌購買與否之資料採礦模型。使用之演算法為類神經網路、決策樹、邏輯斯迴歸，得出與各品牌汽車購買意願相關之品牌形象因子、品牌行銷因子及購買者基本資料變數，並以錯誤判斷率及增益曲線為基準，選出該品牌購買意願之最適模型。. 28.

(39) 一、. Toyota 品牌購買意願模型. (一) 資料轉換在進行模型建立前，首先先對反應變數『是否購買 Toyota 品牌汽車』進行精細抽樣 oversampling，將是與否之比例調整為 1:1，以利後續資料採礦模型建置，提高模型準確性，如圖 4-1 所示。. 立. 政治大. ‧ 國. 學 ‧. 圖 4- 1 Toyota 品牌 oversampling 圖. y. Nat. er. io. sit. 並將『Toyota 我熟悉並且了解這個品牌』、『Toyota 這個品牌具有獨特或與眾不同的特質』、『Toyota 這個品牌符合我的生活方式並滿足我的需要』、『Toyota. al. n. v i n 這是一個普及的品牌』、『Toyota C 這是具有高品質的品牌』此五項品牌形象取平均 hengchi U 後，新增一衍生變數『Toyota 品牌形象知覺平均數』，以此代表顧客對 Toyota 品牌形象之評價。最後對『Toyota 廣告印象記憶程度』、『Toyota 品牌形象知覺平均數』及『Toyota 品牌購買意願』取對數。. (二) 建立模型以是否購買 Toyota 品牌汽車為反應變數，建構 Toyota 品牌汽車購買意願模型，使用方法為類神經網路、決策樹、邏輯斯迴歸，其中決策樹共有 C5.0 決策樹、QUEST 決策樹、CHAID 決策樹、C&RT 決策樹四種。邏輯斯迴歸共有 Stepwise 29.

(40) 邏輯斯迴歸、Forward 邏輯斯迴歸、Backward 邏輯斯迴歸三種，各模型分述如下：. 1.. 類神經網路圖 4-2 為 Toyota 品牌類神經網路模型變數重要性圖，由上至下順序顯示. 各解釋變數之重要性，變數重要性依序為 Toyota 我熟悉並且瞭解這個品牌、 Toyota 這個品牌具有獨特或與眾不同的特質、Toyota 這是一個普及的品牌、職業等等。. 立. 政治大. ‧. ‧ 國. 學 sit. y. Nat. al. er. io. 圖 4- 2 Toyota 品牌類神經網路模型變數重要性圖. v. n. 圖 4-3 為 Toyota 品牌類神經網路模型判別矩陣，由圖可見在此模型 Testing. Ch. engchi. i n U. Data 之 92 筆資料中，Toyota 品牌汽車購買與否共正確判定 72 筆，錯誤判斷 20 筆，錯誤判斷率為 21.74%。. 圖 4- 3 Toyota 品牌類神經網路模型判別矩陣圖 30.

(41) 2.. C5.0 決策樹圖 4-4 為 Toyota 品牌 C5.0 決策樹模型變數重要性圖，由上至下順序顯示. 各解釋變數之重要性，變數重要性依序為 Toyota 品牌形象知覺平均數、家中目前所擁有汽車之排氣量是多少、您認為 Toyota 品牌表現如何、婚姻狀況。. 立. 政治大. ‧ 國. 學 ‧. 圖 4- 4 Toyota 品牌 C5.0 決策樹模型變數重要性圖. y. Nat. er. io. sit. 圖 4-5 為 Toyota 品牌 C5.0 決策樹模型判別矩陣，由圖可見在此模型 Testing Data 之 106 筆資料中，Toyota 品牌汽車購買與否共正確判定 85 筆，錯誤判斷 21. n. al. 筆，錯誤判斷率為 19.81%。. Ch. engchi. i n U. v. 圖 4- 5 Toyota 品牌 C5.0 決策樹模型判別矩陣圖. 31.

(42) 3.. QUEST 決策樹圖 4-6 為 Toyota 品牌 QUEST 決策樹模型變數重要性圖，由上至下順序顯示. 各解釋變數之重要性，變數重要性依序為您認為 Toyota 品牌表現如何、Toyota 品牌形象知覺平均數、家中目前所擁有汽車之排氣量是多少等等。. 立. 政治大. ‧. ‧ 國. 學. 圖 4- 6 Toyota 品牌 QUEST 決策樹模型變數重要性圖. sit. y. Nat. n. al. er. io. 圖 4-7 為 Toyota 品牌 QUEST 決策樹模型判別矩陣，由圖可見在此模型. i n U. v. Testing Data 之 93 筆資料中，Toyota 品牌汽車購買與否共正確判定 73 筆，錯誤. Ch. engchi. 判斷 20 筆，錯誤判斷率為 21.51%。. 圖 4- 7 Toyota 品牌 QUEST 決策樹模型判別矩陣圖 32.

(43) 4.. CHAID 決策樹圖 4-8 為 Toyota 品牌 CHAID 決策樹模型變數重要性圖，由上至下順序顯示. 各解釋變數之重要性，變數重要性依序為 Toyota 品牌形象知覺平均數、Toyota 品牌購買意願取 LOG、性別、您認為 Toyota 品牌表現如何等等。. 立. 政治大. ‧. ‧ 國. 學 y. Nat. er. io. sit. 圖 4- 8 Toyota 品牌 CHAID 決策樹模型變數重要性圖. al. n. v i n 圖 4-9 為 Toyota 品牌 CHAID ，由圖可見在此模型 Testing C h決策樹模型判別矩陣 engchi U. Data 之 89 筆資料中，Toyota 品牌汽車購買與否共正確判定 68 筆，錯誤判斷 21 筆，錯誤判斷率為 23.6%。. 圖 4- 9 Toyota 品牌 CHAID 決策樹模型判別矩陣圖 33.

(44) 5.. C&RT 決策樹圖 4-10 為 Toyota 品牌 C&RT 決策樹模型變數重要性圖，由上至下順序顯示. 各解釋變數之重要性，變數重要性依序為前一部汽車引擎排氣量為何、目前擁有的汽車引擎排氣量為何、Toyota 這個品牌符合我的生活方式並滿足我的需要、 Toyota 我熟悉並且瞭解這個品牌等等。. 立. 政治大. ‧. ‧ 國. 學 y. Nat. 圖 4- 10 Toyota 品牌 C&RT 決策樹模型變數重要性圖. er. io. sit. 圖 4-11 為 Toyota 品牌 C&RT 決策樹模型判別矩陣，由圖可見在此模型 Testing Data 之 92 筆資料中，Toyota 品牌汽車購買與否共正確判定 72 筆，錯誤判斷 20. n. al. 筆，錯誤判斷率為 21.74%。. Ch. engchi. i n U. v. 圖 4- 11 Toyota 品牌 C&RT 決策樹模型判別矩陣圖 6.. Stepwise 邏輯斯迴歸 34.

(45) 圖 4-12 為 Toyota 品牌 Stepwise 邏輯斯迴歸模型變數重要性圖，由上至下順序顯示各解釋變數之重要性，變數重要性依序為 Toyota 這個品牌符合我的生活方式並滿足我的需要、您認為 Toyota 品牌表現如何、Toyota 我熟悉並且瞭解這個品牌、現車購買車價等等。. 立. 政治大. ‧ 國. 學 ‧. 圖 4- 12 Toyota 品牌 Stepwise 邏輯斯迴歸模型變數重要性圖. y. Nat. er. io. sit. 圖 4-13 為 Toyota 品牌 Stepwise 邏輯斯迴歸模型判別矩陣，由圖可見在此模型 Testing Data 之 91 筆資料中，Toyota 品牌汽車購買與否共正確判定 71 筆，錯. n. al. Ch. 誤判斷 20 筆，錯誤判斷率為 21.98%。. engchi. i n U. v. 圖 4- 13 Toyota 品牌 Stepwise 邏輯斯迴歸模型判別矩陣圖 7.. Forward 邏輯斯迴歸 35.

(46) 圖 4-14 為 Toyota 品牌 Forward 邏輯斯迴歸模型變數重要性圖，由上至下順序顯示各解釋變數之重要性，變數重要性依序為您認為 Toyota 品牌表現如何、 Toyota 品牌形象知覺平均數、最近一個月是否有看/聽過 Toyota 的廣告、您認為有沒有另一個品牌與 Toyota 是相似的等等。. 立. 政治大. ‧ 國. 學 ‧. 圖 4- 14 Toyota 品牌 Forward 邏輯斯迴歸模型變數重要性圖. y. Nat. er. io. sit. 圖 4-15 為 Toyota 品牌 Forward 邏輯斯迴歸模型判別矩陣，由圖可見在此模型 Testing Data 之 97 筆資料中，Toyota 品牌汽車購買與否共正確判定 77 筆，錯. n. al. Ch. 誤判斷 20 筆，錯誤判斷率為 20.62%。. engchi. i n U. v. 圖 4- 15 Toyota 品牌 Forward 邏輯斯迴歸模型判別矩陣圖 8.. Backward 邏輯斯迴歸 36.

(47) 圖 4-16 為 Toyota 品牌 Backward 邏輯斯迴歸模型變數重要性圖，由上至下順序顯示各解釋變數之重要性，變數重要性依序為您認為 Toyota 品牌表現如何、 Toyota 我熟悉且瞭解這個品牌、Toyota 這個品牌符合我的生活方式並滿足我的需要、年齡等等。. 立. 政治大. ‧ 國. 學 ‧. 圖 4- 16 Toyota 品牌 Backward 邏輯斯迴歸模型變數重要性圖. y. Nat. er. io. sit. 圖 4-17 為 Toyota 品牌 Backward 邏輯斯迴歸模型判別矩陣，由圖可見在此模型 Testing Data 之 97 筆資料中，Toyota 品牌汽車購買與否共正確判定 77 筆，. n. al. Ch. 錯誤判斷 20 筆，錯誤判斷率為 20.62%。. engchi. i n U. v. 圖 4- 17 Toyota 品牌 Backward 邏輯斯迴歸模型判別矩陣圖 (三) 模型評估 37.

(48) 總結上述 8 個模型，並繪製增益曲線 Gain Curve 如圖 4-18。圖中顯示 C&RT 決策樹模型表現較好，在 Testing Data 40%處已可正確判斷 74.7%之結果。因此在錯誤判斷率相差無幾情況下，選擇 C&RT 決策樹模型為 Toyota 品牌購買意願之最適模型。. 學. 圖 4- 18 Toyota 品牌模型增益曲線圖. ‧. ‧ 國. 立. 政治大. 此最適模型之分支規則如圖 4-19 所示，主要規則為『Toyota 這個品牌符合. y. Nat. sit. 我的生活方式並滿足我的需要』此變項之值小於等於 7.0 時，有 90.1%的顧客不. n. al. er. io. 會購買 Toyota 品牌汽車。而『Toyota 這個品牌符合我的生活方式並滿足我的需. i n U. v. 要』此變項之值大於等於 8.0 且目前擁有汽車排氣量非 1500cc、1800cc、2000cc、. Ch. engchi. 2400cc 時，有 100%的顧客會購買 Toyota 品牌汽車。. 38.

(49) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 4- 19 Toyota 品牌購買意願最適模型. 39.

(50) 二、. Nissan 品牌購買意願模型. (一) 資料轉換在進行模型建立前，首先先對反應變數『是否購買 Nissan 品牌汽車』進行精細抽樣 oversampling，將是與否之比例調整為 1:1，以利後續資料採礦模型建置，提高模型準確性，如圖 4-20 所示。. 立. 政治大. ‧ 國. 學 ‧. 圖 4- 20 Nissan 品牌 oversampling 圖. y. Nat. er. io. sit. 並將『Nissan 我熟悉並且了解這個品牌』、『Nissan 這個品牌具有獨特或與眾不同的特質』、『Nissan 這個品牌符合我的生活方式並滿足我的需要』、『Nissan 這. al. n. v i n 是一個普及的品牌』、『Nissan 這是具有高品質的品牌』此五項品牌形象取平均後， Ch engchi U 新增一衍生變數『Nissan 品牌形象知覺平均數』，以此代表顧客對 Nissan 品牌形. 象之評價。最後對『Nissan 廣告印象記憶程度』、『Nissan 品牌形象知覺平均數』及『Nissan 品牌購買意願』取對數。. (二) 建立模型以是否購買 Nissan 品牌汽車為反應變數，建構 Nissan 品牌汽車購買意願模型，使用方法為類神經網路、決策樹、邏輯斯迴歸，其中決策樹共有 C5.0 決策樹、QUEST 決策樹、CHAID 決策樹、C&RT 決策樹四種。邏輯斯迴歸共有 Stepwise 40.

(51) 邏輯斯迴歸、Forward 邏輯斯迴歸、Backward 邏輯斯迴歸三種，各模型分述如下：. 1.. 類神經網路圖 4-21 為 Nissan 品牌類神經網路模型變數重要性圖，由上至下順序顯示. 各解釋變數之重要性，變數重要性依序為 Nissan 這個品牌符合我的生活方式並滿足我的需要、您認為 Nissan 品牌表現如何、Nissan 這個品牌具有獨特或與眾不同的特質等等。. 立. 政治大. ‧. ‧ 國. 學 y. Nat. sit. 圖 4- 21 Nissan 品牌類神經網路模型變數重要性圖. n. al. er. io. 圖 4-22 為 Nissan 品牌類神經網路模型判別矩陣，由圖可見在此模型 Testing. i n U. v. Data 之 92 筆資料中，Nissan 品牌汽車購買與否共正確判定 69 筆，錯誤判斷 23 筆，錯誤判斷率為 25%。. Ch. engchi. 圖 4- 22 Nissan 品牌類神經網路模型判別矩陣圖 41.

(52) 2.. C5.0 決策樹圖 4-23 為 Nissan 品牌 C5.0 決策樹模型變數重要性圖，由上至下順序顯示. 各解釋變數之重要性，變數重要性依序為 Nissan 品牌形象知覺平均數、家中目前所擁有汽車之排氣量是多少、您目前使用的這輛車是您的？。. 立. 政治大. ‧ 國. 學 ‧. 圖 4- 23 Nissan 品牌 C5.0 決策樹模型變數重要性圖. y. Nat. er. io. sit. 圖 4-24 為 Nissan 品牌 C5.0 決策樹模型判別矩陣，由圖可見在此模型 Testing Data 之 97 筆資料中，Nissan 品牌汽車購買與否共正確判定 73 筆，錯誤判斷 24. n. al. 筆，錯誤判斷率為 24.74%。. Ch. engchi. i n U. v. 圖 4- 24 Nissan 品牌 C5.0 決策樹模型判別矩陣圖. 42.

(53) 3.. QUEST 決策樹圖 4-25 為 Nissan 品牌 QUEST 決策樹模型變數重要性圖，由上至下順序顯. 示各解釋變數之重要性，變數重要性依序為您認為 Nissan 品牌表現如何、Nissan 品牌形象知覺平均數取 LOG、家中目前所擁有汽車之排氣量是多少等等。. 立. 政治大. ‧ 國. 學 ‧. 圖 4- 25 Nissan 品牌 QUEST 決策樹模型變數重要性圖. y. Nat. er. io. sit. 圖 4-26 為 Nissan 品牌 QUEST 決策樹模型判別矩陣，由圖可見在此模型 Testing Data 之 91 筆資料中，Nissan 品牌汽車購買與否共正確判定 70 筆，錯誤. n. al. Ch. 判斷 21 筆，錯誤判斷率為 23.08%。. engchi. i n U. v. 圖 4- 26 Nissan 品牌 QUEST 決策樹模型判別矩陣圖. 43.

(54) 4.. CHAID 決策樹圖 4-27 為 Nissan 品牌 CHAID 決策樹模型變數重要性圖，由上至下順序顯. 示各解釋變數之重要性，變數重要性依序為 Nissan 品牌形象知覺平均數、家中目前所擁有汽車之排氣量是多少、Nissan 這個品牌符合我的生活方式並滿足我的需要等等。. 立. 政治大. ‧. ‧ 國. 學 er. io. sit. y. Nat. 圖 4- 27 Nissan 品牌 CHAID 決策樹模型變數重要性圖. 圖 4-28 為 Nissan 品牌 CHAID 決策樹模型判別矩陣，由圖可見在此模型. al. n. v i n Testing Data 之 97 筆資料中，Nissan 75 筆，錯誤 C h 品牌汽車購買與否共正確判定 engchi U 判斷 22 筆，錯誤判斷率為 22.68%。. 圖 4- 28 Nissan 品牌 CHAID 決策樹模型判別矩陣圖 44.