運用資料採礦於手機品牌力對台灣消費者購買意願之研究 - 政大學術集成

全文

(1)國立政治大學商學院企業管理學系碩士班碩士論文. ‧. ‧ 國. 學. 政治大立運用資料採礦於手機品牌力對台灣消費者購買意願之研究. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 指導教授：洪叔民教授鄭宇庭教授研究生：魯美均撰中華民國一百零三年五月.

(2) 誌謝研究所這兩年乘載太多的回憶，說起來似乎漫長，但其實感覺也是彈指之間。在這即將畫下完美句點的時刻，回顧這兩年，我想起曾經塞滿報告、考試與競賽的碩一熬夜生活；想起在德州儀器實習的充實生活，以及學得很多、玩得很多也見識到很多人事物的交換學生生活，也想起與教授討論論文，不斷翻資料複習所學並運用在研究主題的充實生活，這些過往的點點滴滴中酸甜苦辣皆有，而現在則都化為一抹微笑，滿足、不捨、感謝在心中交織，滿足，是因為這兩年我得到的寶貴知識與經驗實在太多；不捨，是在這段期間對許多人、事、物培養了深厚. 政治大達我最深的謝意，並分享我的喜悅。立. 的感情；感謝，則是這之中得到許多人的大力幫助、鼓勵與支持，因此在這裡表. ‧ 國. 學. 首先要感謝的是鄭宇庭老師以及師母，鄭老師不僅在論文和學業上給予我許多指導，更與師母在我大學時期鼓勵我至研究所精進學業，因為老師當時的鼓勵. ‧. 讓我的專業知識和能力得以有更顯著的進步及發揮。也感謝我系上的指導教授－. sit. y. Nat. 洪叔民老師，給予我研究上許多指導及改進的寶貴建議，讓我在後續對於自己的. al. er. io. 研究能有不同的省思，增加論文的完整度。也感謝另外兩位口試委員－謝邦昌教. v. n. 授、鄧家駒教授，在論文口試上給予支持及研究改善的建議。. Ch. engchi. i n U. 再來要感謝企研所的同學，共同奮鬥的兩年中無論是生活上、學業上都給予我許多支持，很珍惜與大家一同學習、奮鬥和成長的時光。也特別感謝幾位外校的朋友欣益、宜穎、映慈、玄淏、心祺，總是無時無刻地給予我最大的支持與協助，謝謝你們的傾聽與幫助。最後，非常感謝我的父母、妹妹和弟弟，有家人最大的關懷、包容和鼓勵，我能適時地發現自己不足之處，精益又精，也才能盡情地追求理想，實現自我的價值。在此由衷地表達我滿心的感恩。. 魯美均謹致民國一○三年五月.

(3) 摘要從古至今，為了資訊的傳遞與溝通，通訊設備一直在人類文明發展中扮演極為重要之角色。從驛站、家書至電報機、電話，發展到現今普遍使用的手機，隨著科技的快速發展與生活品質的提升，人類對於通訊設備的使用功能與品質也越來越苛求，現今手機品牌商如何在這複雜的市場環境、激烈的競爭業態中維持成長與獲利，品牌力扮演一至關重要的角色，辨識品牌所擁有的品牌力優勢，如品牌知名度、品牌偏好、品牌信賴、品牌經驗，並善用對應策略，將能為品牌奠定良好之未來發展優勢。. 立. 政治大. 本研究採用資料採礦技術(Data mining)，分析現今 Nokia、Samsung、Apple、. ‧ 國. 學. HTC、Sony 等五大手機品牌之品牌力對消費者購買意願之影響。透過決策樹、類神經網路、邏輯斯迴歸等演算法建立品牌力對消費者購買意願之最適模型，以. ‧. 找出決定購買行為的關鍵，並依據分析結果提出各品牌鞏固市場或穩定獲利的未. sit. y. Nat. 來策略參考。. n. al. er. io. 而根據分析結果發現，品牌力對於本研究所探討的五大手機品牌 Nokia、. i n U. v. Samsung、Apple、HTC、Sony 來說，皆是影響消費者欲購買與否的關鍵。研究. Ch. engchi. 後特別建議 Nokia、Samsung、Apple、HTC 的策略訂定應以品牌信任與品牌經驗為出發，而 Sony 則可以提升品牌偏好和品牌經驗為切入點。同時也發現品牌信任和品牌經驗中「最近一次購買該品牌手機」對消費者購買意願影響最明顯，其次則為品牌經驗中的「覺得該品牌特別有特色」。. 【關鍵字】品牌力、品牌知名度、品牌偏好、品牌信任、品牌經驗、資料採礦、手機品牌、決策樹、類神經網路、邏輯斯迴歸。. I.

(4) 目錄摘要 ............................................................................................................................ I 目錄 ........................................................................................................................... II 表目錄 .................................................................................................................... III 圖目錄 ....................................................................................................................IV 第壹章緒論........................................................................................................ 1 第一節研究背景與動機............................................................................ 1 第二節研究目的........................................................................................ 3 研究架構........................................................................................ 3 第三節第貳章文獻探討................................................................................................ 5 第一節資料採礦概述................................................................................ 5 第二節品牌力概述.................................................................................... 8 第三節相關文獻探討.............................................................................. 11 第參章研究方法.............................................................................................. 16 第一節分析資料說明.............................................................................. 16 第二節分析工具介紹.............................................................................. 20 第三節分析方法...................................................................................... 25. 立. 政治大. ‧ 國. 學. ‧. 第肆章實證分析.............................................................................................. 28 第一節敘述性統計分析.......................................................................... 28 第二節各品牌之最適購買意願模型...................................................... 31 第伍章結論與建議.......................................................................................... 74 第一節結論.............................................................................................. 74 第二節建議與未來研究方向.................................................................. 77 參考文獻...................................................................................................................... 79. n. er. io. sit. y. Nat. al. Ch. engchi. II. i n U. v.

(5) 表目錄表 2-1 資料採礦模式分類 .......................................................................................... 7 表 2-2 資料採礦在各領域之應用 .............................................................................. 8 表 3-1 原始資料說明 ................................................................................................ 16 表 3-2 資料轉換後變數說明一 ................................................................................ 18 表 3-3 資料轉換後變數說明二 ................................................................................ 19 表 4-1 人口統計變數分配表 .................................................................................... 28 表 5-1 五大品牌之模型顯著變數總表 .................................................................... 75. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. III. i n U. v.

(6) 圖目錄圖 1-1 研究架構與流程圖 ........................................................................................... 4 圖 2-1 CRISP-DM 模型架構流程圖 ............................................................................ 7 圖 3-1 決策樹分析圖 ................................................................................................. 21 圖 3-2 類神經傳遞網路圖 ......................................................................................... 23 圖 3-3 類神經元運算模型圖 ..................................................................................... 24 圖 3-4 資料採礦建模流程圖 SEMMA...................................................................... 25 圖 3-5 資料轉換流程圖 ............................................................................................. 26 圖 3-6 圖 3-7 圖 3-8 圖 4-1 圖 4-2 圖 4-3. 資料準備流程圖 ............................................................................................. 26 資料採礦模型建立 ......................................................................................... 27 最適模型篩選與評估 ..................................................................................... 27 手機品牌 Nokia CHAID 決策樹模型變數重要性圖 .................................... 32 手機品牌 Nokia CHAID 決策樹模型判別矩陣圖 ........................................ 33. 政治大手機品牌 Nokia C&RT 決策樹模型變數重要性圖 ...................................... 33 立圖 4-4 手機品牌 Nokia C&RT 決策樹模型判別矩陣圖 .......................................... 34. ‧ 國. 學. 圖 4-5 手機品牌 Nokia C5.0 決策樹模型變數重要性圖 ......................................... 35 圖 4-6 手機品牌 Nokia C5.0 決策樹模型判別矩陣圖 ............................................. 35. ‧. 圖 4-7 手機品牌 Nokia QUEST 決策樹模型變數重要性圖.................................... 36 圖 4-8 手機品牌 Nokia QUEST 決策樹模型判別矩陣圖........................................ 36 圖 4-9 手機品牌 Nokia 類神經網路模型變數重要性圖 ........................................ 37 圖 4-10 手機品牌 Nokia 類神經網路模型判別矩陣圖 .......................................... 37 圖 4-11 手機品牌 Nokia 邏輯斯迴歸模型變數重要性圖....................................... 38 圖 4-12 手機品牌 Nokia 邏輯斯迴歸模型判別矩陣圖 .......................................... 39 圖 4-13 手機品牌 Nokia 購買意願模型增益曲線圖 .............................................. 39 圖 4-14 手機品牌 Samsung CHAID 決策樹模型變數重要性圖 ............................. 41. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 4-15 手機品牌 Samsung CHAID 決策樹模型判別矩陣圖 ................................. 41 圖 4-16 手機品牌 Samsung C&RT 決策樹模型變數重要性圖 ............................... 42 圖 4-17 手機品牌 Samsung C&RT 決策樹模型判別矩陣圖 ................................... 42 圖 4-18 手機品牌 Samsung C5.0 決策樹模型變數重要性圖 .................................. 43 圖 4-19 手機品牌 Samsung C5.0 決策樹模型判別矩陣圖 ...................................... 43 圖 4-20 手機品牌 Samsung QUEST 決策樹模型變數重要性圖 ............................. 44 圖 4-21 手機品牌 Samsung QUEST 決策樹模型判別矩陣圖 ................................. 44 圖 4-22 手機品牌 Samsung 類神經網路模型變數重要性圖.................................. 45 圖 4-23 手機品牌 Samsung 類神經網路模型判別矩陣圖...................................... 46 圖 4-24 手機品牌 Samsung 邏輯斯迴歸模型變數重要性圖.................................. 46 圖 4-25 手機品牌 Samsung 邏輯斯迴歸模型判別矩陣圖...................................... 47 圖 4-26 手機品牌 Samsung 購買意願模型增益曲線圖.......................................... 48 IV.

(7) 圖 4-27 手機品牌 Samsung 購買意願最適模型圖.................................................. 49 圖 4-28 手機品牌 Apple CHAID 決策樹模型變數重要性圖 .................................. 50 圖 4-29 手機品牌 Apple CHAID 決策樹模型判別矩陣圖 ...................................... 51 圖 4-30 手機品牌 Apple C&RT 決策樹模型變數重要性圖 .................................... 51 圖 4-31 手機品牌 Apple C&RT 決策樹模型判別矩陣圖 ........................................ 52 圖 4-32 手機品牌 Apple C5.0 決策樹模型變數重要性圖 ....................................... 52 圖 4-33 手機品牌 Apple C5.0 決策樹模型判別矩陣圖 ........................................... 53 圖 4-34 手機品牌 Apple QUEST 決策樹模型變數重要性圖.................................. 53 圖 4-35 手機品牌 Apple QUEST 決策樹模型判別矩陣圖...................................... 54 圖 4-36 圖 4-37 圖 4-38 圖 4-39 圖 4-40 圖 4-41. 手機品牌 Apple 手機品牌 Apple 手機品牌 Apple 手機品牌 Apple 手機品牌 Apple. 類神經網路模型變數重要性圖 ...................................... 54 類神經網路模型判別矩陣圖 .......................................... 55 邏輯斯迴歸模型變數重要性圖 ...................................... 55 邏輯斯迴歸模型判別矩陣圖 .......................................... 56 購買意願模型增益曲線圖 .............................................. 56. 政治大手機品牌 Apple 購買意願最適模型圖 ...................................................... 58 立圖 4-42 手機品牌 HTC CHAID 決策樹模型變數重要性圖.................................... 59. ‧ 國. ‧. 手機品牌 HTC C&RT 決策樹模型判別矩陣圖.......................................... 61 手機品牌 HTC C5.0 決策樹模型變數重要性圖......................................... 62 手機品牌 HTC C5.0 決策樹模型判別矩陣圖............................................. 62 手機品牌 HTC QUEST 決策樹模型變數重要性圖 ................................... 63 手機品牌 HTC QUEST 決策樹模型判別矩陣圖 ....................................... 63 手機品牌 HTC 類神經網路模型變數重要性圖 ........................................ 64 手機品牌 HTC 類神經網路模型判別矩陣圖 ............................................ 65 手機品牌 HTC 邏輯斯迴歸模型變數重要性圖 ........................................ 65. n. al. er. io. sit. y. Nat. 圖 4-45 圖 4-46 圖 4-47 圖 4-48 圖 4-49 圖 4-50 圖 4-51 圖 4-52. 學. 圖 4-43 手機品牌 HTC CHAID 決策樹模型判別矩陣圖........................................ 60 圖 4-44 手機品牌 HTC C&RT 決策樹模型變數重要性圖...................................... 60. Ch. engchi. i n U. v. 圖 4-53 手機品牌 HTC 邏輯斯迴歸模型判別矩陣圖 ............................................ 66 圖 4-54 手機品牌 HTC 購買意願模型增益曲線圖 ................................................ 66 圖 4-55 手機品牌 HTC 購買意願最適模型圖 ........................................................ 67 圖 4-56 手機品牌 Sony CHAID 決策樹模型變數重要性圖 ................................... 68 圖 4-57 手機品牌 Sony CHAID 決策樹模型判別矩陣圖 ....................................... 69 圖 4-58 手機品牌 Sony C&RT 決策樹模型變數重要性圖 ..................................... 69 圖 4-59 手機品牌 Sony C&RT 決策樹模型判別矩陣圖 ......................................... 70 圖 4-60 手機品牌 Sony 類神經網路模型變數重要性圖 ........................................ 71 圖 4-61 手機品牌 Sony 類神經網路模型判別矩陣圖 ............................................ 71 圖 4-62 手機品牌 Sony 邏輯斯迴歸模型變數重要性圖 ........................................ 72 圖 4-63 手機品牌 Sony 邏輯斯迴歸模型判別矩陣圖 ............................................ 73 圖 4-64 手機品牌 Sony 購買意願模型增益曲線圖 ................................................ 73 V.

(8) 第壹章緒論首先於第一節說明本研究的研究背景，闡述通訊電子產品對人類社會的發展與影響、其演變歷史，接著描述在現今 21 世紀，通訊設備-手機與人們生活的關係，最後提出基於上述研究背景所引發的研究動機。而第二節將會說明本研究之主要研究目的以及所欲探討的問題。最終，根據研究內容及目的說明研究方法並規劃出整體研究的流程架構。. 第一節研究背景與動機. 政治大. 自古以來，人類的社會需要各種訊息的傳遞與流通，訊息發送者透過各種媒. 立. 介將所欲傳遞的訊息傳達給接收者以達成某個目的即是所謂的「通訊」。由古至. ‧ 國. 學. 今，人類的通訊大致歷經了幾個階段，從單純口語表達的時期，到文字、符號出現的時期，再到較近代可用工具代替人力的印刷時期，以至現今網路傳播、雲端. ‧. 計算的數位化時期。在古時候，訊息的傳遞往往仰賴人力，例如透過烽火、驛站、. y. Nat. sit. 家書、符號等等，隨後科技越來越發達，美國人摩斯發明了電報機、貝爾發明了. n. al. er. io. 電話，人類對於傳遞資訊和便利性的渴求不斷增加，演進至近幾十年所出現的手機更是人類最普遍、最不可或缺的通訊設備。. Ch. engchi. i n U. v. 歷史上最早的手機為類比訊號的行動電話，第一代行動電話網路(1G)，是由美國摩托羅拉公司的工程師馬丁‧庫柏(Martin Cooper)於 1973 年發明，當時摩托羅拉的黑金剛手機是大家耳熟能詳的，然而由於當時技術的限制，積體電路體積技術仍不夠成熟，因此手機機體相當大，再加上手機價格昂貴、手機通話費也貴，當時的手機並不是那麼普及。到了 1991 年，另一位手機巨人崛起，芬蘭的諾基亞提出了 2G 的手機標準，此時期手機的機體電路體積已有技術能製造人們普遍能接受的大小，手機本身以及通話費價格也開始是世界大多數的人所能負擔的，另外手機電池能被縮小到合理範圍、使用時具合理的待機時間以及具備穩定的通 1.

(9) 話品質，都是 2G 手機能被廣為使用的原因。再加上使用數位技術，第二代的手機開始有了資料通訊的應用功能。而現今台灣則是邁入了第三代行動通訊系統 (3G)的時期，目前當紅的智慧型手機即是依此標準開發。智慧型手機(Smart Phone) 是指一種可以隨意在手機內安裝應用軟體功能的手機，也具備觸控螢幕，不同於過去的手機，運算能力和功能更加強大。早期開發的智慧型手機大多鎖定商務人士為目標客群，價格昂貴、操作也複雜，而近幾年隨著蘋果 iPhone 大舉進入市場，HTC 和韓國三星等多家手機大廠也緊緊跟著，使用者年齡有年輕化的趨勢，智慧型手機挾其特殊的外型、操作方式以及強大的功能，成為現今市場中廣受消. 政治大根據市場研究機構賈特納資訊公司(Gartner)統計，2005 年手機各大品牌，包立. 費者喜愛的產品。. 括諾基亞(Nokia)、摩托羅拉(Motorola)、樂金(LG)、三星(Samsung)、索尼愛立信. ‧ 國. 學. (Sony Ericsson)和西門子(Siemens)六家業者之銷量，全球總市佔率高達 79.4%，. ‧. 而其中諾基亞與摩托羅拉就分別佔了 32.5%、17.7%，而當時的三星手機全球市. y. Nat. 佔率為 17.7%。然而接下來幾年，全球手機品牌大洗牌，2012 年第三季全球智慧. er. io. sit. 型手機市占率：三星為 32%，蘋果為 15.5%，Sony Ericsson 為 5.1%，HTC 為 4.8%，接著是黑莓機為 4.2%，過去幾個榜上有名的大品牌被新品牌擠下排行榜。短短. al. n. v i n 幾年間，手機市場有了巨幅的變動，手機的應用層面和範圍也越來越廣，消費者 Ch engchi U. 對於手機的要求已不僅止於單純的資訊傳遞功能，所持有的手機甚至可以為一身分地位的代表，或是流行時尚的象徵，而品牌在這其中扮演極具影響力的角色，因此現今消費者的手機購買行為除了受本身條件因素的影響，尚會受品牌所影響。本研究欲透過資料採礦模型的建立，了解近年(2013 年)國內手機品牌的品牌力 (包括品牌知名度、品牌偏好、品牌信賴度、品牌經驗)以及人口統計變項對消費者的手機購買行為的關係，了解手機各大品牌在市場中的定位，並進一步探討目前各大品牌的客群特徵及分布，以提供手機品牌之消費者購買意願模型以及後續研究參考。 2.

(10) 第二節研究目的本研究以國內 5 大手機品牌(諾基亞、蘋果、三星、宏達電和索尼愛立信)為研究對象，向台灣北、中、南地區的消費者進行問卷調查，基於第一節所述之研究動機：欲了解國內 5 大手機品牌最近一年的品牌力(包括品牌知名度、品牌偏好、品牌信賴度、品牌經驗)以及人口統計變項對消費者的手機購買行為的影響，了解各大品牌在市場中的定位、掌握市場的關鍵，並進一步探討目前各大品牌的客群特徵及分布，最終目的是期能從數據分析中提出各品牌策略發展之參考。而為完成上述研究目的，首先將利用探索性分析了解各操作型變數之內容與. 政治大透過資料採礦軟體-Clementine 立 12.0 的決策樹、類神經網路、邏輯斯迴歸等建模. 其分布情況，另外以敘述性統計分析探討本研究之 2013 年人口統計變數。接著. ‧ 國. 學. 工具，建立出該年度消費者手機購買意願之模型，以欲了解品牌力(品牌知名度、品牌偏好、品牌信賴度、品牌經驗)以及人口統計變數中各變項之於消費者之關. ‧. 聯性，以及重要性排列。以錯誤判斷率(Misclassification Rate)以及增益曲線(Gain. sit. y. Nat. Curve)進行購買意願模型的選取標準，確立出國內 5 大手機品牌的最適購買意願. al. er. io. 模型，進而能推斷在現今市場中消費者對各大品牌的可能選擇依據。最後，本研. v. n. 究也將透過購買意願模型之建置結果，了解各手機品牌的主要客群特徵及分布，. Ch. engchi. 進而提出未來品牌發展之策略性建議。. i n U. 第三節研究架構本研究的研究架構可分為以下五個章節，其個別研究流程簡述如下:第一章為緒論，描述本研究的背景及研究動機，基於此研究動機所引發之研究目的；第二章為文獻探討，對資料採礦及品牌力進行概述探討，並對與本研究主題相關之文獻進行回顧；第三章為研究方法，首先說明本研究所使用之資料來源並定義各個操作型變數，接著介紹本研究之研究方法，與所使用的分析工具及模型預測方 3.

(11) 法；第四章為實證分析，以資料進行建模示範，並呈現各手機品牌之最適模型建立結果；第五章為結論與建議，基於第四章之實證分析結果提出本研究之結論與建議。整體研究架構與流程如圖 1-1 所示:. 第壹章．研究背景與動機．研究目的. 第貳章. 立. 治政．資料採礦．品牌力四大構面大．相關文獻探討. ‧ 國. 學 ‧. 第參章．分析資料說明. Nat. ．分析方法. n. al. er. io. sit. y. ．分析工具介紹. Ch. e 第肆章 ngchi. i n U. ．實證分析. 第伍章．結論．建議. 圖 1-1 研究架構與流程圖. 4. v.

(12) 第貳章文獻探討本章共分為三節，分別針對與本研究相關之領域進行文獻探討與回顧。第一節為「資料採礦概述」，將說明資料採礦的定義、模型建構之流程、功能及其應用；第二節為「品牌力概述」，探討過去品牌力之相關研究與應用；第三節為「相關文獻探討」，將整理過去與本研究主題相關之文獻，作為本研究準備階段之參考。. 第一節資料採礦概述. 政治大. 在過去，科技的蓬勃發展滿足人們對於大量資訊的需求，許多的資訊透過網. 立. 際網路被提供，大量分享或轉載，資料的取得越來越容易。而長時間下來，越來. ‧ 國. 學. 越龐大的資訊量使得資訊的篩選、簡化，以及從大量資料中挖掘出隱藏知識越來越被人所重視。現今，由於關聯式資料庫以及資料整合技術的廣泛應用，再加上. ‧. 統計學、人工智慧、商業智慧等專業領域的發展，資料採礦技術的使用層面越來. y. Nat. sit. 越廣，資料篩選、分析資料、預測未來，資料採礦技術扮演的不只是單純的分析. n. al. er. io. 工具，更是幫助組織或個人制定、執行重大決策之得力助手。. Ch. engchi. i n U. v. 一、資料採礦的定義根據 Frawley, Piatesky-Shapiro & Matheus(1991)，資料採礦的定義是從資料庫中挖掘出不明確、前所未知以及存在有用的資訊過程。Grupe & Owrang(1995) 認為資料採礦是指由已存在的資料中去萃取出新的事實，並發現專家尚且不知道的新關係。而 Fayyad(1996)等人則認為資料採礦是將資料中有效的、以前從未見過的、可能有用的以及易於理解的模式，萃取出來的過程。儘管資料採礦之定義眾多，但其大致目的即是從資料中找出隱藏的資訊，例如特徵(Pattern)、關聯 5.

(13) (Relationship)和趨勢(Trend)，以作為後續的應用。資料採礦可視為資料庫知識探索(Knowledge Discovery in Database process: KDD process)的其中一部份，而根據 Fayyad 的定義，KDD 則是指一個試著從資料庫中去挖掘出內含事先不知道，而存在有用的知識之反覆交互運作的程序。而現今由於龐大資料庫需要快速的分析，以取得即時有效的資訊，因此能夠儲存、處理龐大數據的資料採礦技術日顯重要，應用的層面和範圍也越來越廣。. 二、資料採礦流程與模式. 政治大資料採礦的流程架構會因不同領域和不同研究訴求而有所不同，另外資料特立. 性也會影響資料採礦技術的選擇。大致資料採礦的流程可列為以下步驟:. ‧ 國. 學. 1. 決定探勘資料的目的：釐清目標、理解資料與進行的工作. ‧. 2. 獲取相關知識與技術(Acquisition). y. Nat. 3. 整合(Integration)與查核原始資料(Checking). er. io. 5. 由資料選取樣本先行試驗. al. n. 6.. sit. 4. 去除錯誤或不一致資料(Data Cleaning). i n 發展模式(Model)與假設(Hypothesis C h Development) engchi U. v. 7. 使用適當的資料採礦技術進行資料採礦工作 8. 測試(Testing)與檢核(Verification)資料 9. 結果解釋(Interpretation)與使用(Use)資料. 資料採礦流程有許多種，然而使用者最常使用的是 SPSS 和 NCR 在 1996 年時所訂的 CRISP-DM(Cross-Industry Standard Process for Data Mining)，其模型架構流程圖如圖 2-1 所示:. 6.

(14) 政治大圖 2-1 CRISP-DM 模型架構流程圖立. ‧ 國. 學. (資料來源: www.crisp-dm.org). 資料採礦的模式種類一般可分為監督模式(Supervised Model)與非監督模式. ‧. (Unsupervised Model)，前者是由已知結果建立，用以分析資料以便建構一個或一. sit. y. Nat. 組模式，並預測新資料的行為模式；後者是分析現有資料，描述資料中的配對關. er. io. 係。個別模式詳述如表 2-1:. n. a l表 2-1 資料採礦模式分類 i v n 摘要 Ch U 類別 engchi. 模式. 分類. (Classification) 監督模式. 迴歸 (Regression) 分群 (Clustering). 非監督模式. 將大量數據依分析對象之屬性分類至現有類別之演算法，例如決策樹、貝氏規則。建立數學模型以將特定變數用以預測研究者感興趣之變數，了解變數間的相關性(方向、強度)。將分析母體依變數屬性區分為不同群組，群內差異小，群間差異大的演算法，如 K-means。. 關聯規則. 從大量數據中挖掘出具有規則之變項組合關 (Association Rule) 係的演算法。序列相關 (Sequential Affinity). 在關聯規則中將時間放入考量中。 7.

(15) 三、資料採礦應用現今由於龐大資料庫需要快速的分析，以取得即時有效的資訊，因此能夠儲存、處理龐大數據的資料採礦技術日顯重要，應用的層面和範圍也越來越廣，資料採礦能幫助企業預測市場、進行金融市場分析，也能讓研究學者觀察出人類行為表現。表 2-2 為資料採礦在各領域之應用。表 2-2 資料採礦在各領域之應用領域. 應用. 政府機關. 立. 學. 疾病學分析、臨床病徵分析、基因定序。. y. Nat. io. sit. 消費者行為分析及預測、產品銷售策略預測、品牌策略分析。. n. al. er. 零售業. 保險詐欺偵測、匯率市場及股票市場行情預測。. ‧. 醫療與生技. 信用卡違約行為偵測、持卡人消費分析及未來行銷策略分析。. ‧ 國. 信用卡公司金融保險業. 政治大. 逃漏稅行為偵測。. 第二節品牌力概述. Ch. engchi. i n U. v. 本研究將所欲探討影響顧客購買意願的「品牌力」內容依過去相關研究分為四大構面：品牌知名度、品牌偏好、品牌信賴度、品牌經驗。而本節將分別說明品牌力中四大構面的定義及內涵。. 一、品牌知名度根據美國行銷協會(American Marketing Association；AMA)定義品牌是指一個名稱、術語、標誌、符號或設計，目的是為了確保消費者的產品或服務能與競爭者的產品或服務有所區別。Aaker(1991)定義品牌知名度(Brand Awareness)為消 8.

(16) 費者在特定產品的類別中，能夠確認及記憶其品牌的能力。品牌知名度的重要性在於消費者會將其列入購買決策中並加以評估，因此一個不甚知名的品牌相對消費者的消費考慮項目中即居於弱勢，而具有高知名度及良好形象的品牌，不但能提高消費者對該品牌的忠誠度，也能提升其良好的品牌形象，所以正向的品牌知名度可以增加消費者對品牌的信賴感，並增強其購買意願。 Keller(1993)提出了品牌知識，其中包含品牌知名度及品牌形象，而品牌知名度是由品牌回想(Brand Recall)和品牌認知(Brand Recognition)所構成，而其中品牌認知是當有品牌線索時，消費者是否能夠確認此品牌曾經有看過或聽聞過的. 政治大相關記憶。Berry(2000)則認為產品之品牌名稱能有效協助消費者辨識品牌，且對立能力，品牌回想則是當消費者看到特定產品時，是否能正確連結該產品品牌以及. 於產品有價值背書的功能。一般消費者對於高知名度產品就會馬上聯想到品牌名. ‧ 國. 學. 稱，而如想起品牌的程度越大則代表該品牌之知名度越高。而 Aaker(1996)則將. ‧. 品牌知名度分為六種層次：品牌認知、品牌回想、首要意念知名度、品牌優勢、. sit er. io. 二、品牌偏好. y. Nat. 品牌知識以及品牌主見。. al. n. v i n 品牌偏好是指消費者將同種類之某特定產品相比較後的態度。Oliver(1999) Ch engchi U. 認為偏好亦可代表品牌忠誠的行為要素，品牌偏好能幫助區別顧客是對該品牌持習慣性的重複購買行為或是品牌權益驅使的購買行為。Hillyer(2004)認為品牌偏好之形成和加強不一定經由實際購買和使用行為，若品牌持續曝光於行銷活動中，或經由顧客的口耳相傳品牌偏好也會在非主要客群的顧客心中和市場當中產生。. 三、品牌信賴度品牌信賴度即是一般所謂的品牌信任，指的是消費者相信該產品品質、服務、 9.

(17) 形象或其他無形的屬性，如品牌所宣揚的價值觀、地位象徵等，品牌信任也能增加消費者的信心，讓消費者認為購買的決策是對的(曾義明等，2004)。根據 Chaudhuri & Holbrook(2001)，品牌信任是指消費者相信品牌能夠提供所需之價值的程度，並且當消費者對產品產生疑惑或不知如何選擇之際，能帶給消費者安全感。品牌信任能增加消費者對品牌的安全感以及滿足消費期望，進而提高消費者的購買意願。Doney & Cannon(1997)則表示品牌信任是消費者願意相信品牌所宣稱的功能、品質、可靠度等，品牌信任能夠在消費者對產品不了解時幫助消費者降低交易的不確定性。另外，根據 Morgan & Hunt(1994)，品牌信任會影響消費. 政治大確定性，並進而提高其主動購買的意願。立. 者的品牌忠誠度，由於消費者知道某品牌是值得信任的，因而可以降低交易的不. ‧ 國. 學. 四、品牌經驗. ‧. Schmitt(2004)將品牌經驗定義為消費者藉由觀感呈現品牌的特殊意涵，藉由. y. Nat. 品牌的經驗特色、感受、傳播媒介等，使消費者消費的同時，品牌能提供深刻且. 體的個人接觸之觀感及態度(吳美貞，2003)。. al. er. io. sit. 富有意義的經驗。品牌經驗是起始於消費者與品牌間真實地接觸，期間所形成整. n. v i n 根據 Pine & Gilmore(1998)，以消費者的觀點來說，企業產品及品牌的經濟 Ch engchi U. 價值可以由經驗來創造。相關研究指出，品牌經驗比產品本身所提供的利益在品牌評估上有更深的影響，因為品牌經驗能在消費者心中創造更深刻的記憶和意義，而品牌經驗讓消費者使得有效運用記憶來評估該品牌的價值，並提高消費者對該品牌的信賴。品牌經驗也有助於消費者取得外部線索以衡量心中對品牌價值的高低。因此當企業能夠在消費者心中創造出成功的品牌經驗時，消費者心中的品牌價值就會提高，因而能強化企業和其他競爭者的差異化，並提高其競爭優勢與獲利能力。. 10.

(18) 第三節相關文獻探討本節針對與本研究所探討之手機品牌價值、消費者購買意願行為模式做相關之文獻探討，並簡述如下: 何立邦(2010)探討消費者所知覺產品的創新程度對購買意願的影響外，主要進行品牌知名度對購買意願的影響。以全台灣曾使用過手機的消費者為主要調查對象，iPhone 為研究標的進行實證分析，探討消費者的品牌知名度、知覺創新對知覺品質、知覺價格及購買意願等是否有影響，另外設消費者對產品的涉入程度及對創新產品的採用為干擾變數，探討是否存在干擾。其中研究發現：如將消費. 政治大費者，在品牌知名度對其購買意願的影響上有明顯的差異，其中低涉入程度的消立. 者的涉入程度分為低、中、高三群來看，處於低涉入的消費者與中涉入程度的消. ‧ 國. 學. 費者更反映出品牌知名度對購買意願的高度影響關係；處於低涉入的消費者與高涉入程度的消費者，在品牌知名度對其購買意願的影響上有明顯的差異，其中低. ‧. 涉入程度的消費者更反映出品牌知名度對購買意願的高度影響關係。研究結果也. sit. y. Nat. 得到品牌知名度對消費者的知覺品質有正向影響，即當品牌知名度越高，消費者. al. er. io. 對於其產品品質的優劣評價越會給予正面的評價。然而研究發現品牌知名度對消. v. n. 費者的購買意願並不必然存在正面的影響，此與過往的研究相異，推測原因可能. Ch. engchi. i n U. 為消費者在產生購買行為時往往有多於兩個以上的選擇，而必須在同一基準點下 (例如價格相同)，品牌知名度的高低才有可能影響購買意願。張琍雯(2006)進行對於產品有不同涉入程度的消費者過時動機對於消費決策之關係，並以手機為研究的標的，除了價格因素、手機外型、周邊配件齊全性、手機通話品質，以及售後服務外，主要探討消費者對品牌形象之廣告、行銷，以及手機產品品質的選擇。而發現，除了透過產品過時動機去影響消費者的購買決策外，消費者本身的涉入程度與產品知識對手機品質與行銷活動的選擇會有所不同，進而會影響消費行為，強化消費者的涉入程度與對產品的知識可以提高其換購新機的可能性，進而手機各大廠能再針對不同需求及換購動機的消費者進行差 11.

(19) 異化的產品定位，以及個別設計的行銷活動。例如針對年輕人，若廠商的產品定位是講究手機功能的多樣化及高科技，則可以對消費者強化「技術過時」與「心理過時」兩個層面，也就是第一強調新手機多功能所能帶來的客觀產品效用，再者強調擁有該科技產品所能帶來的心理上之滿足。而如果是強調手機通訊品質與高耐用度，則應強調「經濟過時」層面，也就是因經濟因素原舊有產品已不敷使用。綜合研究者所述，其建議手機各大品牌應先思考顧客換購新機的過時原因，進行明確的區隔，再者思考本身產品定位並設計出差異化的行銷活動以有效吸引消費者，提高其購買意願。. 政治大縮短以及市場飽和，消費者購買手機的目的已不僅是為一般通話及資訊傳輸等功立. 陳品岑(2006)進行手機品牌對手機消費購買決策的影響。隨著產品生命週期. 能面的滿足，心理的充實、愉悅以及自我實現也成為購買時的重要的決策考量因. ‧ 國. 學. 素。而品牌，由於代表了一個產品的品質以及企業的形象，能帶給消費者產品品. ‧. 質承諾與長期良好關係之建立的價值，因而也成為購買考量點之一，因此如何藉. y. Nat. 由品牌的力量，以及產品本身所能帶給消費者各層面的滿足與愉悅，即是目前手. er. io. sit. 機品牌能在產品創新難突破及消費者選擇多元的環境中脫穎而出的關鍵。以 20-29 歲的年輕網路族群為研究對象，探討手機使用者在心裡、生理、社會及觀. al. n. v i n 念的愉悅性知覺，並分析人口統計變項在以上四個層面的差異。研究結果顯示： Ch engchi U. Nokia 手機產品讓人感受到的是實用、簡單、人性化、便利和品質穩定，和其品牌所想傳達之科技、簡便易用、安全可靠等概念想符合，表達了手機產品的心理愉悅。而 Motorola 的手機產品則在生理和心理方面的愉悅性較佳，消費者對其感受為簡便、品質穩定，而其過去則傳達了時尚年輕的形象，這代表 Motorola 似乎未能在消費者心中留下正確的記憶。Sony Ericsson 品牌產品則是在四項愉悅面都有不錯的使用反應，品牌力求產品外觀的設計、使用性、方便性和感官情感面的訴求，而一般消費者上能感受到其專業、品質、良好設計等形象，表示 Sony Ericsson 藉由手機產品讓使用者清楚感受到其品牌定位。 12.

(20) 張國玲(2012)進行智慧型手機的產品屬性對消費者購買意願及品牌忠誠度之關係研究。近幾年智慧型手機的成長趨勢突飛猛進，根據調查 2011 年台灣區使用智慧型手機的人口約有 290 萬人，比 2010 年成長了 12%，且智慧型手機的擁有與使用量遠超過傳統功能型的手機，從此可看出智慧型手機市場的成長爆發力。然而由於技術的進步讓產品不斷推陳出新，消費者的選擇越來越多元，口味及習性也轉變得越來越快而難以掌握，再加上媒體廣告及網際網路的快速發展，消費者的資訊越來越充分，高度競爭的手機市場現今已越趨於飽和的狀態，原以賣方市場為主導權已逐漸轉移到以顧客為主。而面對這樣的市場趨勢，手機大廠. 政治大值將是關鍵。研究內容即是找出智慧型手機中能提升顧客知覺價值的產品屬性，立要在市場中勝出，找出產品中所隱含消費者偏好的重要屬性，並依此創造顧客價. 進而找出能正向提升顧客購買意願及品牌忠誠度關鍵因子。研究發現：智慧型手. ‧ 國. 學. 機的產品屬性的確會對顧客的知覺價值有明顯的正向影響，但卻不必然對顧客的. ‧. 品牌忠誠度和購買意願有明顯正向影響，但顧客如對手機有較高的知覺價值，確. y. Nat. 實會對其購買意願及品牌忠誠度有明顯的正向影響。智慧型手機的款式、造型以. er. io. sit. 及輕薄等等，以及品味、品牌知名度和身分地位彰顯會對顧客的知覺價值有明顯的正向影響。知覺價值當中以能獲得他人及社會認可、讚美的「社會價值」，和. al. n. v i n 手機本身能讓消費者感到心情愉悅、喜歡使用的「情緒價值」兩項，對品牌忠誠 Ch engchi U 度、購買意願具有明顯的正向相關。由研究可知，要提升顧客的購買意願及忠誠. 度可經由「知覺價值」、「品牌價值」的創造，而智慧型手機的產品屬性往高附加價值的目標邁進，如強調設計、創新等便是創造「知覺價值」的良方，同時也須回歸行銷的本質，透過行銷創造並深化消費者心中的「品牌價值」，進而長期維持與顧客的良好關係。楊緒永(2009)欲探討消費者在購買手機時的影響因子。探討產品知識與品牌形象是否會透過口碑及知覺價值的中介效果，對消費者購買意願產生影響，另外也探討知覺價值與口碑是否會帶給品牌形象加分的效果。手機產品在今日扮演不 13.

(21) 可或缺的通訊產品之角色，他帶來的以不僅止於功能上的使用價值，也有心理層面的價值創造，因而消費者在選購手機產品之前，通常會依據本身的經驗，以及外在的環境搜尋相關資訊，同時已預先設定一心中所偏好的理想選擇。而當資訊累積至一程度後，消費者便會作一系列的評估及考量，最後才產生購買行為。此一購買決策過程中，消費者歷經了需求確認、資訊搜尋、評估產品等階段，而其中評估產品階段是決定消費者購買與否的關鍵，而提供評估的訊息則包含內部訊息(產品設計、性能等)，以及產品外部訊息(價格、品牌)。研究結果得到：品牌形象對知覺價值亦有明顯影響。另外，當消費者對於品牌形象較優且為熟悉之廠. 政治大會為好品牌帶來再加分的效果。立. 商，如再加上他人給予面之評價，會提高其擁有的品牌態度及信心，也就是口碑. 黃逸文(2013)以智慧型手機為例，進行消費者感官，包含視覺、聽覺、觸覺，. ‧ 國. 學. 與產品品牌識別之間的關係。過去已有許多學者提出品牌識別的重要性已不僅止. ‧. 於在視覺上(如：商標設計)，而在品牌進入相似性行銷(similarity marketing)，及. y. Nat. 市場上充斥著類似的產品及以類似的模式作推廣行銷時，各品牌的產品如何被消. er. io. sit. 費者快速的識別將是各企業品牌以差異化作出市場區隔的關鍵。而研究透過智慧型手機品牌用戶訪談、消費者感官實驗，分別探討目前消費者對於產品品牌的識. al. n. v i n 別程度、各感官對品牌識別的依據，以及各感官對品牌識別的單一與交叉關係。 Ch engchi U. 研究結果發現，消費者感官對於品牌識別的程度依序為視覺、聽覺、觸覺，目前產品品牌辨識仍以視覺最為容易。以聽覺作品牌識別則是唯一不受品牌市占率影響的感官，聽覺對品牌的識別不僅不會因品牌市占率降低而降低，反而會因時間拉長而更容易被記憶。而視覺、聽覺、觸覺三種感官的兩兩交互組合並不會讓品牌的辨識度產生相乘的效果，甚至會因多重的感官資訊交互作用，因複雜而使消費者的品牌辨識產生混淆。研究結果也顯示：男性除了視覺對品牌的辨識度上優於女性外，女性在整體感官識別程度上遠高於男性，其中又以聽覺最為突出，對於未來品牌在女性市場的拓展策略上有所助益。另外，外觀造型的一致性或主要 14.

(22) 按鍵及附屬功能(如：喇叭、相機鏡頭、側邊按鍵等)的擺放位置一致及規格統一，都能大幅提升消費者對產品品牌的辨識程度。而目前 Apple 為智慧型手機市場中辨識程度最高的品牌，原因主要是其一致的設計風格及統一的產品規格，帶給消費者視覺及觸覺上的高辨識度。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 15. i n U. v.

(23) 第參章研究方法本章節包含分析資料說明、分析工具介紹、分析方法共三節，其中分析資料說明分為資料來源說明與變數定義。第一節將針對本研究所取得之資料來源以及研究對象進行說明，接著概述資料中各變數並解釋其定義。第二節將介紹在研究過程中所使用的分析工具，藉以從各統計方法的理論邏輯了解本研究的結果。而第三節則進一步說明本研究的分析架構與流程，探討為了解本研究問題以達到研究目的的方法。. 第一節分析資料說明一、資料來源說明. 立. 政治大. 本研究之資料為 2013 年所進行的一項「消費者對商品品牌態度」問卷調查，. ‧ 國. 學. 問卷調查是採街頭式一對一方式進行，訪員於台北、台中、高雄的各大手機販售通路進行面訪，而有使用手機習慣的消費者皆為合適的研究對象。該問卷調查總. ‧. 共回收 1,002 份有效問卷。. n. al. er. io. sit. y. Nat 二、變數定義. i n U. 本小節將先說明資料的原始型態如下表 3-1。. Ch. engchi. v. 表 3-1 原始資料說明變數名稱. 欄位說明. 欄位內容. Know. 請問您知道哪些手機品牌？. 1.Nokia 、 2.Samsung 、 3.Apple 、 4.HTC 、 5.Sony…至25分別代表不同品牌 98.其它、99.不知道. Recognition. 請問您聽過這張板上的哪些手機品牌？(展示品牌板). 1.Nokia 、 2.Samsung 、 3.Apple 、 4.HTC 、 5.Sony…至25分別代表不同品牌 98.其它、99.不知道. Prefer. 請選出三個您覺得. 1.Nokia 、 2.Samsung 、 3.Apple 、 4.HTC 、. 印象比較好的品牌。 5.Sony…至25分別代表不同品牌 98.其它、99.不知道 Trust. 請選出三個您覺得. 1.Nokia 、 2.Samsung 、 3.Apple 、 4.HTC 、 16.

(24) Specialty. 您覺得最有特色的是哪一個品牌？. 1.Nokia 、 2.Samsung 、 3.Apple 、 4.HTC 、 5.Sony…至25分別代表不同品牌 98.其它、99.不知道. Used. 請問您用過哪幾個品牌的手機？. 1.Nokia 、 2.Samsung 、 3.Apple 、 4.HTC 、 5.Sony…至25分別代表不同品牌 98.其它、99.不知道. Own. 您目前擁有哪幾個. 1.Nokia 、 2.Samsung 、 3.Apple 、 4.HTC 、. 品牌的手機？. 5.Sony…至25分別代表不同品牌 98.其它、99.不知道. 您最常使用的手機是哪一個牌子？. 1.Nokia 、 2.Samsung 、 3.Apple 、 4.HTC 、 5.Sony…至25分別代表不同品牌 98.其它、99.不知道. ‧ 國. 比較可靠，比較值得 5.Sony…至25分別代表不同品牌信任的品牌。 98.其它、99.不知道. 牌？. 98.其它、99.不知道. 您下次想換哪一個牌子的手機？. 1.Nokia 、 2.Samsung 、 3.Apple 、 4.HTC 、 5.Sony…至25分別代表不同品牌 98.其它、99.不知道. 性別. 性別. 1.男性、2.女性. 年齡. 年齡. 1.16~19 歲、2.20~24 歲、3.25~29 歲、4.30~34 歲、5.35~39 歲、6.40~44 歲 7.45~49 歲、8.50~54 歲、9.55~59 歲、10.60~64 歲、11.65 歲以上. 學. ‧. Nat. y. Next purchase. io. sit. Recent purchase. 政治大最新(或最後買)的一 1.Nokia 、 2.Samsung 、 3.Apple 、 4.HTC 、立隻手機是哪一個品 5.Sony…至25分別代表不同品牌. n. al. er. Most used. Ch. i n U. v. e n1.未婚、2.已婚、3.其他 gchi. 婚姻. 婚姻. 教育程度. 教育程度. 1.國中或以下、2.高中職、 3.專科大學、4.研究所及以上. 居住地點. 居住地點. 1.台本市、2.新北市、3.台中市 4.高雄市、5.其他___縣/市. 個人每月平均收入. 個人每月平均收入. 1.未滿 2 萬、2. 2 萬以上，未滿 4 萬、3.4 萬以上，未滿 6 萬、4.6 萬以上，未滿 8 萬、 5.8 萬以上，未滿 10 萬、6. 10 萬以上，未滿 12 萬、7.12 萬以上，未滿 14 萬、8.14 萬以上，未滿 16 萬、9.16 萬以上，未滿 18 萬、 10.18 萬以上，未滿 20 萬、11.20 萬以上，未滿 30 萬、12.30 萬以上，未滿 40 萬、13.40 17.

(25) 萬以上，未滿 50 萬、14.50 萬及以上家庭每月平均收入. 家庭每月平均收入. 1.未滿 2 萬、2.2 萬以上，未滿 4 萬、3.4 萬以上，未滿 6 萬、4.6 萬以上，未滿 8 萬、 5.8 萬以上，未滿 10 萬、6. 10 萬以上，未滿 12 萬、7.12 萬以上，未滿 14 萬、8.14 萬以上，未滿 16 萬、9.16 萬以上，未滿 18 萬、 10.18 萬以上，未滿 20 萬、11.20 萬以上，未滿 30 萬、12.30 萬以上，未滿 40 萬、13.40 萬以上，未滿 50 萬、14.50 萬及以上. 工作狀況. 工作狀況. 1.一般白領、2.一般藍領、3.主管階級、4. 專業人士(如律師、會計師、建築師等)、5. 自營業者(自己開業)、6.軍公教、7.學生、8. 待業中、9.退休、10.家庭主婦、11.其它. 政治大. 立. 而為因應研究方向，須將資料進行轉換。轉換邏輯為針對各問題，消費者如. ‧ 國. 學. 提及該反應變數所指之品牌，則以虛擬變數(Dummy variable)中的 1 表示為「是」，. ‧. 如無提及該品牌則為 0，表示為「否」。轉換後本研究針對品牌力將各操作型變數以不同屬性劃分，因而除了人口統計變項外，操作型變數尚有品牌知名度、品. y. Nat. io. sit. 牌偏好、品牌信賴、品牌經驗共五大構面。以「是否欲購買該品牌手機」為應變. n. al. er. 數，將操作型變數進行統計分析及建立資料採礦模型。表 3-2、表 3-3 為對照表. Ch. 3-1 原始資料轉換後各變數之描述與定義：. engchi. i n U. v. 表 3-2 資料轉換後變數說明一變數名稱. 欄位說明. 欄位內容. Know. 未提示而知道該品牌. 1.是、2.否. Recognition. 提示而知道該品牌. 1.是、2.否. Prefer. 對該品牌印象較佳. 1.是、2.否. 品牌偏好. Trust. 覺得該品牌比較值得信賴. 1.是、2.否. 品牌信賴. Specialty. 覺得該品牌特別有特色. 1.是、2.否. 品牌經驗. Used. 是否使用過該品牌的手機？. 1.是、2.否. 18. 變數屬性變變數性質品牌知名度. 自變數.

(26) Own. 現在有使用該品牌手機. 1.是、2.否. Most used. 最常使用該品牌手機. 1.是、2.否. Last purchase. 最近一次購買該品牌手機. 1.是、2.否. Purchase [Brand name]. 欲購買該品牌手機. 1.是、2.否. 應變數. 表 3-3 資料轉換後變數說明二變數名稱. 欄位說明. 欄位內容. 性別. 性別. 1.男性、2.女性. 年齡. 年齡. 1.16~19 歲、2.20~24 歲、3.25~29 歲、4.30~34 歲、5.35~39 歲、6.40~44 變項歲、7.45~49 歲、8.50~54 歲、9.55~59 歲、10.60~64 歲、11.65 歲以上. 人口統計. 政治大. 學. 1.未婚、2.已婚、3.其他. 教育程度. 教育程度. 1.國中或以下、2.高中職、 3.專科大學、4.研究所及以上. 居住地點. 居住地點. 1.台本市、2.新北市、3.台中市 4.高雄市、5.其他___縣/市. io. 1.未滿 2 萬、2. 2 萬以上，未滿 4 萬、 3.4 萬以上，未滿 6 萬、4.6 萬以上，未滿 8 萬、5.8 萬以上，未滿 10 萬、 6. 10 萬以上，未滿 12 萬、7.12 萬以上，未滿 14 萬、8.14 萬以上，未. sit. Nat. 個人每月平均個人每月收入平均收入. n. al. er. ‧ 國. 婚姻. ‧. 婚姻. y. 立. 變數屬性. Ch. engchi. i n U. v. 滿 16 萬、9.16 萬以上，未滿 18 萬、 10.18 萬以上，未滿 20 萬、11.20 萬以上，未滿 30 萬、12.30 萬以上，未滿 40 萬、13.40 萬以上，未滿 50 萬、14.50 萬及以上家庭每月平均家庭每月收入平均收入. 1.未滿 2 萬、2.2 萬以上，未滿 4 萬、 3.4 萬以上，未滿 6 萬、4.6 萬以上，未滿 8 萬、5.8 萬以上，未滿 10 萬、 6. 10 萬以上，未滿 12 萬、7.12 萬以上，未滿 14 萬、8.14 萬以上，未滿 16 萬、9.16 萬以上，未滿 18 萬、 19. 變數性質自變數.

(27) 10.18 萬以上，未滿 20 萬、11.20 萬以上，未滿 30 萬、12.30 萬以上，未滿 40 萬、13.40 萬以上，未滿 50 萬、14.50 萬及以上工作狀況. 工作狀況. 1.一般白領、2.一般藍領、3.主管階級、4.專業人士(如律師、會計師、建築師等)、5.自營業者(自己開業)、6.軍公教、7.學生、8.待業中、 9.退休、10.家庭主婦、11.其它. 第二節分析工具介紹. 政治大. 本節將依序介紹本研究所使用的建模工具：決策樹、類神經網路、邏輯斯迴歸。. 立. 一、決策樹. ‧ 國. 學. 決策樹(Decision tree)在資料採礦的領域內，被認為是一藉由已知資料建立的樹狀結構。與其他資料採礦工具不同之處在於演算的基礎，決策樹以嫡啓發式方. ‧. 法(Entropy heuristic)作為歸納方法，依此規則對新進資料進行分類，而架構出具. Nat. sit. y. 先後順序之樹狀流程圖。. n. al. er. io. 決策樹具有容易理解、計算效率高等優點，另外不須事先對資料進行遺漏值. i n U. v. 處理或一般化，可以同時處理連續型與非連續型的變數，可說是最為廣泛使用的. Ch. engchi. 分類工具之一。然而使用決策樹的缺點是對連續型的變數預測力較低，如資料具有時間順序特性則須先進行資料處理，另外決策樹也較容易對資料過度配適，因而須透過決策樹的修枝動作(Pruning)來修正，而當變數過多時模型誤差也偏大。傳統決策樹相關的應用大都為模型顯著變數之選擇、觀察值分類預測等。下圖3-1 為決策樹分析圖，共由根部節點(Root node)、中間節點(Non-leaf node)、分支 (Branches)以及葉節點(Leaf node)四大部分所組成。. 20.

(28) 圖 3-1 決策樹分析圖. 政治大決策樹包含四大演算法：CHAID、C&RT Tree、C5.0與QUEST。以下為個立 ‧. ‧ 國. 學. 別演算法的介紹。. (一) CHAID (Chi-square Automatic Interaction Detection). sit. y. Nat. CHAID 是哈根(Hartigan)在 1975 年率先提出，稱為卡方自動互動偵測法。. al. er. io. CHAID 演算利用卡方檢定來篩選具有統計顯著性的輸入變數，將其作為分割的. v. n. 變數。作法是將訓練組資料分隔成兩個或兩個以上子節點，這些子節點被選擇的. Ch. engchi. i n U. 規則是輸出變數遇上某個特定數值的機率，因應個別節點而有所不同。第一步在輸出數上無顯著統計差異的所有預測變數都將被合併。第二步，三個或三個以上預測變數群組以二分法被重新分隔。這些分隔之中如有任何一個產生了統計上顯著差異的結果，即會被保留，而若保留的輸出變數上存在最大的類別差異，就對這項結果使用卡方分析，分析中顯示能夠產生最大差異分類的預測變數，即為被選擇的當前節點之分隔變數。在 CHAID 演算法中，決策樹會持續分支至再也沒有任何區隔能在分類上達到統計顯著性差異為止，這也是 CHAID 演算法和 C&RT 和 C5.0 最大的差異處，後兩者是先透過過度配適，再以修枝來完成決策樹。 21.

(29) (二) C&RT Tree (Classification and Regression Tree) C&RT Tree 最早是由 Breiman 於 1984 年提出，曾在 1996 年由 Ripley 做過修改。被名為分類迴歸樹，CART 演算法，原因是所採用的決策樹類型需視變數性質而定，若反應變數為類別型，採用分類樹。若反應變數為連續型，則採迴歸樹。C&RT 演算法是以遞迴模式在每個節點建立二位元分之決策樹，採用吉尼系數(Gini Index)來進行評判，從根部節點至葉節點，重複檢驗同一屬性直到結點達到極度純性或結點內僅剩一值，此時決策樹即停止成長，而判斷純度的準則為吉尼系數越小，表明該節點越纯，則該預測變量就是當前屬性的最優分割點。然而. 政治大無法對新資料做最佳的分類預測，在此 C&RT Tree 採取後剪枝(Postpruning)方法，立由於數據中易有雜訊干擾，許多分枝反映的是訓練數據中的異常，缺乏一般性而. 以 CART 系統的成本-復雜度最小(Minimal cost-complexity pruning)原則進行，剪. ‧ 國. 學. 去不可靠的分枝，以提高決策樹的分類預測能力。. ‧ sit. y. Nat. (三) C5.0. n. al. er. io. C5.0 是 1979 年由 Quinlan 以基於改進 ID3 和 C4.5 演算法所提出。C5.0 利用. i n U. v. Boosting 方法，可說是 C4.5 應用於巨大數據集上的分類演算法。C5.0 依序建立. Ch. engchi. 多重模型，採用 Boosting 方式提高模型準確率，以找出能帶來最大信息增益 (Information gain)的輸入變數為第一個模型建立，再接著利用此變數將資料進行最佳分割，產生第二個模型，不斷重複此分割準則直到無法再找出分割點為止，決策樹即停止成長。最後再針對無顯著貢獻的資料所形成的子樹加以剪枝。. (四) QUEST (Quick Unbiased Efficient Statistic Tree) QUEST 由 Loh 與 Shih 於 1997 年提出，為以二元分類法建立決策樹。將分支變數選擇和分割點選擇以不同的策略進行處理，選擇 p-value 最小且小於顯著 22.

(30) 水準的輸入變數為該節點最佳分支變數，如目標變數為連續型變數，則使用 ANOVA-F 作檢定，而如目標變數為類別型變數，則改以卡方檢定作檢定，此方法降低了大型 C&RT 分析所需的處理時間，因此普遍認為 QUEST 為一快速、有效且不偏的統計決策樹。. 二、類神經網路類神經網路(Neural network)為一平行計算系統，以大量且相連的人工神經元來模仿生物的學習及計算能力。人腦的神經系統由神經網路所構成，各神經元. 政治大也能夠具備類似於人類大腦的智慧，應用於辨識、決策、控制、預測。而人類往立. 彼此連結、互相傳遞電荷，以達到溝通、學習及記憶的功能，類神經即為使電腦. 往由接收外界刺激時，神經細胞將刺激傳送至大腦，大腦接著辨識後對身體下達. ‧ 國. 學. 反應指令，經過多次或重複的類似運作，人類便能正確判斷與記憶相關事務，類. ‧. 神經網路的演算法基於相同的概念，包含學習(Learning)與回想(Recalling)，在學. y. Nat. 習過程中透過學習演算法，從輸入變數中反覆計算學習，以調整網路連結的加權. er. io. sit. 值，而在回想過程中則接受外來輸入數值，依回想演算法，同樣做反覆運算的動作後，經由輸出級神經元輸出結果，類神經網路會重複以上過程直到取得最佳結. al. n. v i n 果。類神經傳遞網路含輸入層、隱藏層與輸出層，如下圖 3-2 所示，圖 3-3 則為 Ch engchi U. 類神經元的運算模型:. 圖 3-2 類神經傳遞網路圖 23.

(31) 圖 3-3 類神經元運算模型圖 X：神經元的輸入(Input)。 W：神經節加權值(Weights)。 S：加法單元(Summation)，為每一神經元的輸入乘上神經節加權值再做加總。.  x   政治大 N. net：神經元的網路輸出，可表示為 net =. 立. i 1. i i. F(‧)：活化函數(Activation Function)，通常為一非線性函數。代表神經元在某特. ‧ 國. 學. 定輸入情況下才觸發動作。. er. io. sit. y. Nat. 三、邏輯斯迴歸. ‧. Y：輸出結果(Output)。. 邏輯斯迴歸(Logistic regression)與一般線性迴歸雷同，不同點是後者為依變數. al. n. v i n Ch 與自變數皆為連續型變數，而邏輯斯迴歸則是探討二元反應變數與解釋變數間關 engchi U 係的統計方法，即依變數為”是與否”、”會與不會”、”同意與不同意”等等的離散型變數，此能處理依變數有兩個類別的名目變項，用以預測事件發生的勝算比 (Odds Ratio)，解決了一般線性迴歸模式所不能處理依變項是兩個類別的名目變項之缺點。邏輯斯迴歸的優點是易於建立一精簡、配適良好的分析結果，且其不需要假設分配類型，邏輯斯迴歸並不需要具符合常態分配的假設，解釋變數是以指數的變動方式來影響反應變數。以下即為邏輯斯迴歸定義與演算：令反應變數為，服從伯努力分配的隨機變數，i = 1, ...,n 並 =1：是； = 0：否，同時設. ， 24. 為一組解釋.

(32) 變數所組成的向量，令. 即代表第 p 個解釋變數的第 i 個觀測值。. 表示當結果為”是”( =1)時的機率，則描述此機率的運算式稱之為邏輯斯. 迴歸模型，其定義如下，運算後可得到. 結果如下，. 第三節分析方法. 政治大本研究使用資料採礦軟體-Clementine 12.0 為研究工具，研究流程則採以 SAS 立. 電腦軟體股份有限公司的資料採礦建模流程－SEMMA 進行模型建立，SEMMA. ‧ 國. 學. 流程圖如下圖 3-4：. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 3-4 資料採礦建模流程圖 SEMMA 資料來源：http://timkienthuc.blogspot.tw 研究初期將先針對資料作敘述型統計，藉以了解資料的結構，各品牌之變數分布情況。接著藉由個工具節點，如 Derive、Filter、Field reorder 等，將原始資 25.

(33) 料依已設定之變數定義作轉換或衍生，以利後續研究之進行，本研究變數轉換之過程如下圖 3-5 所示：. 立. 政治大. 圖 3-5 資料轉換流程圖. 建立模型前，為求分析的準確性，利用平衡節點(Balance node)針對反應變數. ‧ 國. 學. 「欲購買該品牌手機」進行過取樣(Oversampling)，調整樣本數中是與否的比例為一比一，以提高模型之精準度。並以分割區節點(Partition node)將資料以 70:30. ‧. 的比例區隔為「訓練分割區」與「測試分割區」，將訓練分割區中的資料用以作. y. Nat. sit. 模型之建立，再以測試分割區的資料驗證該模型的有效性。上述研究過程以. n. al. er. io. Clementine 執行如下圖 3-6：. Ch. engchi. i n U. v. 圖 3-6 資料準備流程圖資料準備完成後進行資料採礦模型建立，依序以決策樹、類神經網路、邏輯斯迴歸等演算法為各品牌建立最適購買意願模型，其中決策樹又包含 CHAID 決 26.

(34) 策樹、C&RT 決策樹、C5.0 決策樹，以及 QUEST 決策樹共四種，各模型建立完成後，即可檢視不同模型所辨識出的變數重要性優先順序。最後，以錯誤判斷率及增益曲線為評估依據，篩選出各品牌品牌力之最適購買意願模型，上述分析過程可分別由圖 3-7 與圖 3-8 表示。而為達研究目的，依建模結果將於結論提出有力且具體的參考決策。. 立. 政治大. ‧. ‧ 國. 學圖 3-7 資料採礦模型建立. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 3-8 最適模型篩選與評估. 27.

(35) 第肆章實證分析第一節敘述性統計分析一、. 人口統計變數分析. 本研究回收有效問卷數為 1,002 份，而從下表 4-1 人口統計變數分配表可看出：本研究對象之性別約為男與女 1：1 的比例，女性略占多數。年齡層比例也大致均勻，以 30~34 歲者為最多，佔 12.3%；以 60~64 歲者為最少，佔 7.4%。婚姻狀況以已婚者居多，佔 54.1%，但與未婚者比例相去不遠。教育程度則以大專大學為最多，佔 46.9%，高中職為次之，佔 30.3%，國中或以下者則為最少，. 政治大. 僅佔 9.1%。居住地點以大台北地區(包含台北市、新北市)為最多，佔約 47.8%，. 立. 而台中市與高雄市則皆約佔 26%。個人每月平均收入以未滿 2 萬到 6 萬以下居多，. ‧ 國. 學. 其中以 2 萬以上，未滿 4 萬最多，佔 31.9%。家庭每月平均收入以 2 萬以上到 12 萬以下這個區間居多，其中以 4 萬以上未滿六萬 6 最高，佔 19.1%。工作狀況以. ‧. 一般白領為最多，佔 23.5%，其次則為學生，佔 14.4%，而以退休人員和待業中. n. al. er. io. 表 4-1 人口統計變數分配表. 人口統計變項性別. 年齡. sit. y. Nat. 者為最少，分別為 4.5%與 2.3%。. Ch. 變數類別. e n g c女h i. i n U. v. 百分比 51.7. 男. 48.3. 16~19 歲. 8.2. 20~24 歲. 10.1. 25~29 歲. 10.6. 30~34 歲. 12.3. 35~39 歲. 11.1. 40~44 歲. 10.5. 45~49 歲. 10.3. 50~54 歲. 10.1. 55~59 歲. 9.6. 60~64 歲. 7.4. 28.

(36) 已婚. 54.1. 未婚. 42.7. 其他. 3.2. 大專大學. 46.9. 研究所及以上. 13.7. 高中職. 30.3. 國中或以下. 9.1. 台北市. 34.2. 新北市. 13.6. 台中市. 26.2. 高雄市. 25.9. 治政50 萬及以上大. 0.5. 婚姻. 教育程度. 居住地點. 立. 30 萬以上，未滿 40 萬. ‧ 國. 學. 20 萬以上，未滿 30 萬. 0.3. 16 萬以上，未滿 18 萬. 0.4. 12 萬以上，未滿 14 萬. y. 1.0. n. er. io. 家庭每月平均收入. sit. 14 萬以上，未滿 16 萬. 10 萬以上，未滿 12 萬. al. 0.2. ‧. Nat. 個人每月平均收入. 0.5. i n U. 8 萬以上，未滿 10 萬. Ch. engchi. v. 2.3 4.3. 6 萬以上，未滿 8 萬. 6.2. 4 萬以上，未滿 6 萬. 23.7. 2 萬以上，未滿 4 萬. 31.9. 未滿 2 萬. 28.7. 50 萬及以上. 2.5. 40 萬以上，未滿 50 萬. 0.3. 30 萬以上，未滿 40 萬. 1.2. 20 萬以上，未滿 30 萬. 3.0. 29.

(37) 1.6. 16 萬以上，未滿 18 萬. 0.7. 14 萬以上，未滿 16 萬. 4.2. 12 萬以上，未滿 14 萬. 3.9. 10 萬以上，未滿 12 萬. 13.3. 8 萬以上，未滿 10 萬. 16.3. 6 萬以上，未滿 8 萬. 17.6. 4 萬以上，未滿 6 萬. 19.1. 2 萬以上，未滿治 4萬政大. 12.9. 未滿 2 萬. 3.6. 一般白領. 23.5. 軍公教. io. 家庭主婦. al. y. Nat. 待業中. 工作狀況. sit. 自營業者(自己開店). ‧. 主管階級. er. 一般藍領. 學. ‧ 國. 立. 18 萬以上，未滿 20 萬. v i n Ch 專業人士(如律師、會計師、建築師等) e n g學生 chi U. n. 退休. 二、. 12.6 8.4 11.7 2.3 6.1 7.8 4.5 8.9 14.4. 未來品牌購買意願由下表 4-2 可看出本研究對象未來所欲購買的手機品牌分布，其中最多人欲. 購買的品牌包含 Apple、HTC、Samsung，佔比依序為 29.3%、28.6%和 20.2%。而在顧客忠誠度方面的表現，Apple 的顧客忠誠度最高，為 73.7%，HTC 次之，為 51.4%，忠誠度最低的則為 Sony，為 29.5%。可看出五大品牌的顧客忠誠度比例排名與消費者未來品牌購買意願排名相同。. 30.

(38) 表 4-2 未來手機品牌購買意願與忠誠度表品牌. 次數. 百分比. 忠誠客戶數. 忠誠度百分比. Nokia Samsung Apple HTC Sony 其他. 68 202 294 287 63 88. 6.8 20.2 29.3 28.6 6.3 8.8. 43 108 137 110 28. 35.2 49.8 73.7 51.4 29.5. 第二節各品牌之最適購買意願模型本節將利用資料採礦中的模型建置各品牌品牌力對於消費者購買意願的影. 政治大經驗(specialty、used、own、most used、last purchase)，並將加入人口統計變項以立. 響，除了品牌知名度(know、recog)、品牌偏好(prefer)、品牌信賴度(trust)、品牌. ‧ 國. 學. 提高模型的精準度。而模型之演算法將會採用決策樹、類神經網路、邏輯斯迴歸，最後再以增益曲線或錯誤判斷率為比較基準，挑選出各品牌之最適購買意願模. ‧. 型。. y. sit. io. er. (一) 資料轉換. Nat. 一、 Nokia 品牌力之購買意願模型. al. 為求分析的準確性，建立模型前的資料轉換將反應變數「欲購買 Nokia 手. n. v i n Ch 機」進行過取樣(oversampling)，調整樣本數中是與否的比例為一比一。 engchi U (二) 模型建立. 以「欲購買 Nokia 手機」為反應變數，透過決策樹(其中決策樹有 CHAID 決策樹、C&RT 決策樹、C5.0 決策樹，以及 QUEST 決策樹共四種)、類神經網路、邏輯斯迴歸建立 Nokia 品牌力之購買意願模型，將分述如下：. 1. CHAID 決策樹. 31.

(39) 下圖 4-1 為 CHAID 決策樹為 Nokia 所分析的出的模型變數重要性圖。各變數的重要性由高至低排列，依序為現在所使用(own)、覺得比較值得信賴(trust)、家庭每月平均收入(income_household)、印象較佳(prefer)。對於是否欲購買 Nokia 手機的消費者來說，品牌力成為主要決定關鍵。雖然仍會將家庭每月平均收入納入考量，但品牌經驗(own)、品牌信賴(trust)是首要的決定因子，並在考量家庭每月平均收入後，消費者也會以對 Nokia 的品牌偏好(prefer)來決定購買與否。. 立. 政治大. ‧. ‧ 國. 學 er. io. sit. y. Nat. al. n. v i n 圖 4-1 手機品牌決策樹模型變數重要性圖 CNokia h e nCHAID h gc i U 為求模型的最低誤判率，以下圖 4-2 為 Nokia 的 CHAID 決策樹模型判斷矩陣作為判別的指標。在 CHAID 決策樹模型中，Testing data 301 筆資料中正確判斷是否將購買 Nokia 手機有 161 筆，錯誤判斷的筆數則為 140 筆，錯誤判斷率高達 46.51%。. 32.

(40) 圖 4-2 手機品牌 Nokia CHAID 決策樹模型判別矩陣圖. 2. C&RT 決策樹. 政治大的重要性由高至低排列，依序為工作狀況(job)、年齡(age)、曾經使用過(used)、立. 下圖 4-3 為 C&RT 決策樹為 Nokia 所分析的出的模型變數重要性圖。各變數. ‧ 國. 學. 家庭每月平均收入(income_household)、覺得比較值得信賴(trust)等等。以 C&RT 決策樹為模型，對於是否欲購買 Nokia 手機，主要端視消費者的工作狀況與年紀，. ‧. 再者，品牌經驗(used)、家庭每月平均收入(income_household)以及品牌信賴(trust). n. al. er. io. sit. y. Nat. 為次級重要的變數。. Ch. engchi. i n U. v. 圖 4-3 手機品牌 Nokia C&RT 決策樹模型變數重要性圖. 33.

(41) 為求模型的最低誤判率，以下圖 4-4 為 Nokia 的 C&RT 決策樹模型判斷矩陣作為判別的指標。在 C&RT 決策樹模型中，Testing data 301 筆資料中正確判斷是否將購買 Nokia 手機有 207 筆，錯誤判斷的筆數則為 94 筆，錯誤判斷率為 31.23%。. 立. 政治大. 圖 4-4 手機品牌 Nokia C&RT 決策樹模型判別矩陣圖. ‧ 國. 學 ‧. 3. C5.0 決策樹. y. Nat. 下圖 4-5 為 C5.0 決策樹為 Nokia 所分析的出的模型變數重要性圖。各變數的. er. io. sit. 重要性由高至低排列，依序為最常使用(most used)、覺得比較值得信賴(trust)、最近一次購買(last purchase)、印象較佳(prefer)等等。以 C5.0 決策樹為模型，對. al. n. v i n 於是否欲購買 Nokia 手機，主要重要的決定關鍵皆為品牌力中的品牌經驗(most Ch engchi U. used、last purchase)、品牌信賴(trust)、品牌偏好(prefer)。. 34.

(42) 政治大. 圖 4-5 手機品牌 Nokia C5.0 決策樹模型變數重要性圖. 立. ‧ 國. 學. 為求模型的最低誤判率，以下圖 4-6 為 Nokia 的 C5.0 決策樹模型判斷矩陣作為判別的指標。在 C5.0 決策樹模型中，Testing data 301 筆資料中正確判斷是否. ‧. 將購買 Nokia 手機有 252 筆，錯誤判斷的筆數則為 49 筆，錯誤判斷率為 16.28%。. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 4-6 手機品牌 Nokia C5.0 決策樹模型判別矩陣圖. 4. QUEST 決策樹下圖 4-7 為 QUEST 決策樹為 Nokia 所分析的出的模型變數重要性圖。各變數的重要性由高至低排列，依序為覺得比較值得信賴(trust)、工作(job)、教育程 35.

(43) 度(education)等等。以 QUEST 決策樹為模型，對於是否欲購買 Nokia 手機，主要重要的決定關鍵皆為品牌力中的品牌信賴(trust)，其次為消費者個人的工作狀況及教育程度。. 立. 政治大. ‧ 國. 學. 圖 4-7 手機品牌 Nokia QUEST 決策樹模型變數重要性圖. ‧ y. Nat. sit. 為求模型的最低誤判率，以下圖 4-8 為 Nokia 的 QUEST 決策樹模型判斷矩. n. al. er. io. 陣作為判別的指標。在 QUEST 決策樹模型中，Testing data 301 筆資料中正確判. i n U. v. 斷是否將購買 Nokia 手機有 171 筆，錯誤判斷的筆數則 130 筆，錯誤判斷率高達 43.19%。. Ch. engchi. 圖 4-8 手機品牌 Nokia QUEST 決策樹模型判別矩陣圖. 36.

(44) 5. 類神經網路下圖 4-9 為類神經網路為 Nokia 所分析的出的模型變數重要性圖。各變數的重要性由高至低排列，依序為教育程度(education)、年齡(age)、地區(location)、最近一次購買(last purchase)、工作(job)等等。以類神經網路為模型，對於是否欲購買 Nokia 手機，主要的決定關鍵多為消費者自身條件，如教育程度、年齡、所在地、工作狀況，而品牌力中的品牌經驗(last purchase)則為較次要的決定條件。. 立. 政治大. ‧. ‧ 國. 學 y. Nat. er. io. sit. 圖 4-9 手機品牌 Nokia 類神經網路模型變數重要性圖. al. n. v i n 為求模型的最低誤判率，以下圖的類神經網路模型判斷矩陣作 C h 4-10 為 Nokia U engchi. 為判別的指標。在類神經網路模型中，Testing data 301 筆資料中正確判斷是否將購買 Nokia 手機有 283 筆，錯誤判斷的筆數則 18 筆，錯誤判斷率為 5.98%。. 圖 4-10 手機品牌 Nokia 類神經網路模型判別矩陣圖 37.

(45) 6. 邏輯斯迴歸下圖 4-11 為邏輯斯迴歸為 Nokia 所分析的出的模型變數重要性圖。各變數的重要性由高至低排列，依序為最近一次購買(last purchase)、最常使用(most used)、年齡(age)、覺得比較值得信賴(trust)、印象較佳(prefer)、家庭每月平均收入 (income_household)、教育程度(education)等等。以邏輯斯迴歸為模型，對於是否欲購買 Nokia 手機，主要的決定關鍵為品牌經驗(last purchase、most used)、年齡高低、品牌信賴(trust)、品牌偏好(prefer)，消費者的家庭平均月收入也會有所影響。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 4-11 手機品牌 Nokia 邏輯斯迴歸模型變數重要性圖. 為求模型的最低誤判率，以下圖 4-12 為 Nokia 的邏輯斯迴歸模型判斷矩陣作為判別的指標。在邏輯斯迴歸模型中，Testing data 301 筆資料中正確判斷是否將購. 38.

(46) 買 Nokia 手機有 291 筆，錯誤判斷的筆數則 10 筆，錯誤判斷率為 3.32%。. 圖 4-12 手機品牌 Nokia 邏輯斯迴歸模型判別矩陣圖. (三) 模型評估與篩選. 立. 政治大. 以增益曲線(Gain curve)圖綜合比較以上六大模型，越靠近 Best line 的曲線. ‧ 國. 學. 代表該模型配適越佳。由下圖 4-13 中顯示邏輯斯迴歸模型(藍色線)在 testing data. ‧. 不到 20%之處已可正確判斷 100%的結果，相較其他模型準確度高相當多，同時. y. Nat. 錯誤判斷率也為所有模型中最低的，因此邏輯斯迴歸模型可視為手機品牌 Nokia. n. al. er. io. sit. 購買意願的最適模型。. Ch. engchi. i n U. v. 圖 4-13 手機品牌 Nokia 購買意願模型增益曲線圖. 39.