1. NCCU Academic Hub
  2. 學術產出
  3. 商學院
  4. 學位論文
  5. Item

學術產出-學位論文

文章檢視/開啟

書目匯出

Google ScholarTM

政大圖書館

引文資訊

TAIR相關學術產出

題名 資料採礦在餐飲業顧客承諾預測模型上之應用
The Application of Data Mining on Customer Royalty Model in Restaurant Business
作者 林怡安
貢獻者 鄭宇庭<br>蔡紋琦
林怡安
關鍵詞 資料採礦
餐飲業
顧客承諾
日期 2012
上傳時間 1-七月-2013 17:01:07 (UTC+8)
摘要 俗話說：「王者以民為天，而民以食為天。」，故由此可知「食」自古以來即佔中華民族生活中相當重要一環，而小吃、夜市與餐廳琳瑯滿目的台灣，更是應證了先人的話。近年來外食人口增加，使餐飲業市場逐年擴大，根據財政部統計處之資料，全台灣餐廳家數逐步攀升，更於2012年達109,816家之多，在此競爭激烈的環境中，如何佔有一席之地、取得顧客之青睞，則成為自眾多對手中脫穎而出的重要關鍵。
      本研究即以此為動機，藉由某餐飲公司之顧客意見卡為研究資料，運用資料採礦分析方法分別對顧客性質、用餐次數以及推薦意願建構五種預測模型(羅吉斯迴歸、C&R Tree、Quest、C5.0以及CHAID)並加以評估與比較，最後根據最適模型進行分析，以期找出影響餐飲業顧客承諾之重要因素，並依研究結果供餐飲業者做決策之參考依據。
參考文獻 一、 中文文獻
     1. 尹相志(2006)，SQL Server 2005資料採礦聖經，學貫行銷股份有限公司。
     2. 吳柏林、謝名娟(2012)，市場調查實務，台北：新陸。
     3. 吳瑤玲(2012)，服務品質、顧客滿意度與顧客承諾關係之研究--以台電服務中心為例，國立臺北商業技術學院商研所碩士論文。
     4. 宋龍華(2009)，應用資料採礦於智慧型統計資料庫系統，輔仁大學應用統計學研究所碩士論文。
     5. 林盈方(2010)，導入雲端運算概念於資料採礦之分類系統，國立政治大學統計研究所碩士論文。
     6. 陳鈞銘(2007)，資料採礦在保險電話行銷上之運用實證研究-以某銀行意外險電話行銷專案為例，樹德科技大學金融與風險管理系碩士班碩士論文。
     7. 曾淑峰、林志弘、翁玉麟(2012)，資料採礦應用。梅霖文化事業有限公司。
     8. 黃立維(2008)，結合資料採礦技術於建構建築業財務危機預警與關鍵因素分析模型之研究，雲林科技大學營建工程系碩士班碩士論文。
     9. 鄭宇庭(2009)，應用資料採礦技術建置符合新巴賽爾協定之企業信用風險模型，管理科學與統計決策，第6卷第2期。
     10. 謝邦昌、鄭宇庭、蘇志雄(2009)，Data Mining概述－以Clementine12.0為例，新北市：中華資料採礦協會。
     
     二、 英文文獻
     1. Agresti, A. (2002), “An Introduction To Categorical Data Analysis”, ed. New York：Wiley.
     2. Agresti, A. (2002), “Categorical Data Analysis”, . New York：Wiley.
     3. Breiman, L. (1984), “Classification and Regression Trees”, Wadsworth International Group.
     4. Davis, Duane L., Guiltinan, Joseph P. and Jones, Wesley, H. (1979), “Service Characteristics, Consumer Search, and the Classification of Retail Services”, Journal of Retailing, 55, 3.
     5. Dick, A. S. and Basu, K. (1994), “Customer Loyalty: Toward an Integrated Conceptual Framework”, Journal of the Academy of Marketing Science, Vol. 22, No. 2, pp.99-113.
     6. Dwyer, F. R., Schurr, P. H. and Oh, S. (1987), “Developing buyer-seller relationships”, Journal of Marketing, Vol. 51, No. 2, pp. 11-27.
     7. Fayyad, U., Piatetsky-Shapiro, G. and Smyth P. (1996), “From Data Mining to Knowledge Discovery in Databases”, American Association for Artificial Intelligence, Vol. 17, No. 3.
     8. Fullerton, G. (2003), “When Does Commitment Lead to Loyalty?”, Journal of Service Research, Vol. 5, No. 4, pp.333-344.
     9. Harrison-Walker, L. J. (2001), “The Measurement of Word-of-Mouth Communication and an Investigation of Service Quality and Customer Commitment as Potential Antecedents”, Journal of Service Research, Vol. 4, No. 1, pp.60-75.
     10. Hsieh,Y. C., Chiu, H. C. and Chiang, M. Y. (2005), “Maintaining a committed online customer: A study across search-experience-credence products”, Journal of Retailing, Volume 81, Issue 1, pp.75–82.
     11. Kleissner, C. (1998), “Data Mining for the Enterprise”, Proceedings of the Hawaii International Conference on System Sciences, 7, 295-304.
     12. Loh, W. Y. and Shih, Y. S. (1997), “Split Selection Methods for Classification Trees”, Statistica Sinica 7, pp.815-840.
     13. Lohr, S. (2012), “The Age of Big Data”, New York Times, February 11, 2012.
     14. Morgan, R. M. and Hunt, S. D.,1994, “The Commitment–Trust Theory of Relationship Marketing”, Journal of Marketing, Vol. 58, pp.20-38.
     15. Ripley, B. D. (1996), “Pattern recognition and neural networks”, Cambridge University Press.
     
     三、 網站文獻
     1. CRISP-DM，http://www.crisp-dm.org。
     2. 行政院主計總處，http://www.dgbas.gov.tw/mp.asp?mp=1。
     3. 財政部統計處，http://www.mof.gov.tw/lp.asp?CtNode=2799&CtUnit=11&BaseDSD=5&mp=62
描述 碩士
國立政治大學
統計研究所
100354008
101
資料來源 http://thesis.lib.nccu.edu.tw/record/#G0100354008
資料類型 thesis
dc.contributor.advisor 鄭宇庭<br>蔡紋琦zh_TW
dc.contributor.author (作者) 林怡安zh_TW
dc.creator (作者) 林怡安zh_TW
dc.date (日期) 2012en_US
dc.date.accessioned 1-七月-2013 17:01:07 (UTC+8)-
dc.date.available 1-七月-2013 17:01:07 (UTC+8)-
dc.date.issued (上傳時間) 1-七月-2013 17:01:07 (UTC+8)-
dc.identifier (其他 識別碼) G0100354008en_US
dc.identifier.uri (URI) http://nccur.lib.nccu.edu.tw/handle/140.119/58664-
dc.description (描述) 碩士zh_TW
dc.description (描述) 國立政治大學zh_TW
dc.description (描述) 統計研究所zh_TW
dc.description (描述) 100354008zh_TW
dc.description (描述) 101zh_TW
dc.description.abstract (摘要) 俗話說：「王者以民為天，而民以食為天。」，故由此可知「食」自古以來即佔中華民族生活中相當重要一環，而小吃、夜市與餐廳琳瑯滿目的台灣，更是應證了先人的話。近年來外食人口增加，使餐飲業市場逐年擴大，根據財政部統計處之資料，全台灣餐廳家數逐步攀升，更於2012年達109,816家之多，在此競爭激烈的環境中，如何佔有一席之地、取得顧客之青睞，則成為自眾多對手中脫穎而出的重要關鍵。
      本研究即以此為動機，藉由某餐飲公司之顧客意見卡為研究資料，運用資料採礦分析方法分別對顧客性質、用餐次數以及推薦意願建構五種預測模型(羅吉斯迴歸、C&R Tree、Quest、C5.0以及CHAID)並加以評估與比較，最後根據最適模型進行分析，以期找出影響餐飲業顧客承諾之重要因素，並依研究結果供餐飲業者做決策之參考依據。		zh_TW
dc.description.tableofcontents 目 錄 IV
     表目錄 V
     圖目錄 VII
     第壹章 緒論 1
     第一節 研究背景 1
     第二節 研究動機與目的 2
     第三節 研究流程 3
     第貳章 文獻探討 4
     第一節 資料採礦之概述 4
     第二節 餐飲業之概述 8
     第三節 顧客承諾之概述 11
     第參章 研究方法 12
     第一節 研究架構 12
     第二節 資料採礦之技術 12
     第肆章 實證分析 18
     第一節 顧客性質之模型建構 20
     第二節 顧客回客率之模型建構 35
     第三節 顧客推薦意願之模型建構 50
     第四節 最適模型之重要變數 65
     第伍章 結論與建議 67
     第一節 結論 67
     第二節 建議 68
     參考文獻 69		zh_TW
dc.language.iso en_US-
dc.source.uri (資料來源) http://thesis.lib.nccu.edu.tw/record/#G0100354008en_US
dc.subject (關鍵詞) 資料採礦zh_TW
dc.subject (關鍵詞) 餐飲業zh_TW
dc.subject (關鍵詞) 顧客承諾zh_TW
dc.title (題名) 資料採礦在餐飲業顧客承諾預測模型上之應用zh_TW
dc.title (題名) The Application of Data Mining on Customer Royalty Model in Restaurant Businessen_US
dc.type (資料類型) thesisen
dc.relation.reference (參考文獻) 一、 中文文獻
     1. 尹相志(2006)，SQL Server 2005資料採礦聖經，學貫行銷股份有限公司。
     2. 吳柏林、謝名娟(2012)，市場調查實務，台北：新陸。
     3. 吳瑤玲(2012)，服務品質、顧客滿意度與顧客承諾關係之研究--以台電服務中心為例，國立臺北商業技術學院商研所碩士論文。
     4. 宋龍華(2009)，應用資料採礦於智慧型統計資料庫系統，輔仁大學應用統計學研究所碩士論文。
     5. 林盈方(2010)，導入雲端運算概念於資料採礦之分類系統，國立政治大學統計研究所碩士論文。
     6. 陳鈞銘(2007)，資料採礦在保險電話行銷上之運用實證研究-以某銀行意外險電話行銷專案為例，樹德科技大學金融與風險管理系碩士班碩士論文。
     7. 曾淑峰、林志弘、翁玉麟(2012)，資料採礦應用。梅霖文化事業有限公司。
     8. 黃立維(2008)，結合資料採礦技術於建構建築業財務危機預警與關鍵因素分析模型之研究，雲林科技大學營建工程系碩士班碩士論文。
     9. 鄭宇庭(2009)，應用資料採礦技術建置符合新巴賽爾協定之企業信用風險模型，管理科學與統計決策，第6卷第2期。
     10. 謝邦昌、鄭宇庭、蘇志雄(2009)，Data Mining概述－以Clementine12.0為例，新北市：中華資料採礦協會。
     
     二、 英文文獻
     1. Agresti, A. (2002), “An Introduction To Categorical Data Analysis”, ed. New York：Wiley.
     2. Agresti, A. (2002), “Categorical Data Analysis”, . New York：Wiley.
     3. Breiman, L. (1984), “Classification and Regression Trees”, Wadsworth International Group.
     4. Davis, Duane L., Guiltinan, Joseph P. and Jones, Wesley, H. (1979), “Service Characteristics, Consumer Search, and the Classification of Retail Services”, Journal of Retailing, 55, 3.
     5. Dick, A. S. and Basu, K. (1994), “Customer Loyalty: Toward an Integrated Conceptual Framework”, Journal of the Academy of Marketing Science, Vol. 22, No. 2, pp.99-113.
     6. Dwyer, F. R., Schurr, P. H. and Oh, S. (1987), “Developing buyer-seller relationships”, Journal of Marketing, Vol. 51, No. 2, pp. 11-27.
     7. Fayyad, U., Piatetsky-Shapiro, G. and Smyth P. (1996), “From Data Mining to Knowledge Discovery in Databases”, American Association for Artificial Intelligence, Vol. 17, No. 3.
     8. Fullerton, G. (2003), “When Does Commitment Lead to Loyalty?”, Journal of Service Research, Vol. 5, No. 4, pp.333-344.
     9. Harrison-Walker, L. J. (2001), “The Measurement of Word-of-Mouth Communication and an Investigation of Service Quality and Customer Commitment as Potential Antecedents”, Journal of Service Research, Vol. 4, No. 1, pp.60-75.
     10. Hsieh,Y. C., Chiu, H. C. and Chiang, M. Y. (2005), “Maintaining a committed online customer: A study across search-experience-credence products”, Journal of Retailing, Volume 81, Issue 1, pp.75–82.
     11. Kleissner, C. (1998), “Data Mining for the Enterprise”, Proceedings of the Hawaii International Conference on System Sciences, 7, 295-304.
     12. Loh, W. Y. and Shih, Y. S. (1997), “Split Selection Methods for Classification Trees”, Statistica Sinica 7, pp.815-840.
     13. Lohr, S. (2012), “The Age of Big Data”, New York Times, February 11, 2012.
     14. Morgan, R. M. and Hunt, S. D.,1994, “The Commitment–Trust Theory of Relationship Marketing”, Journal of Marketing, Vol. 58, pp.20-38.
     15. Ripley, B. D. (1996), “Pattern recognition and neural networks”, Cambridge University Press.
     
     三、 網站文獻
     1. CRISP-DM，http://www.crisp-dm.org。
     2. 行政院主計總處，http://www.dgbas.gov.tw/mp.asp?mp=1。
     3. 財政部統計處，http://www.mof.gov.tw/lp.asp?CtNode=2799&CtUnit=11&BaseDSD=5&mp=62		zh_TW