當科技愈來愈進步，許多的事物都慢慢邁向數位化。其中行動支付就是一個例子，它的出現讓我們在付款的過程中從傳統的實體貨幣付款逐步轉變為數位化的掃瞄，這樣的改變使購物變得越來越快速、簡單與方便。當行動支付的使用率愈來愈普及後，背後所帶來的商機是非常巨大的，因此要如開發出客戶滿意的行動支付模式，並可利用社群媒體行銷去傳送有價值的資訊來吸引住新客戶或拉近舊有客戶之間的距離，這將是業者所需要掌握住的關鍵點。
    本研究採問卷調查法，探討不同使用者之使用行動支付行為偏好、網路社群行為偏好及網購行為偏好。並經分析整理後透過集群分析與關聯法則挖掘出有用的資訊，以供公司、企業或行動支付業者作為商業模式開發上的參考。

With the advancement of technology, many things are gradually developing into digital.Action mobile payment is an example, this allows us to gradually shift from traditional physical currency payments to digital scanning during the payment process. These changes make shopping faster, easier, and more convenient. When the use of mobile payments becomes more and more popular, the business opportunities behind them are enormous. Therefore, it is necessary to develop a customer-satisfied mobile payment model and use social media marketing to deliver valuable information to attract new customers or old customers will be the key points that the industry needs to master. 
    This study adopts the questionnaire survey method to explore the behavioral mobile payment preference of different users, the behavior preference of online community and the preference of online shopping behavior. After analysis and collation, the cluster analysis and association rules are used to mine useful information to provide companies, companies or mobile payment providers as a reference for business model development.

目錄
謝辭	I
英文摘要	III
目錄	IV
表目錄	VIII
圖目錄	X
第一章 緒論	1
1.1 研究背景與動機	1
1.2 研究問題與目的	4
1.3 研究方法與流程	5
第二章 文獻探討	7
2.1.1行動支付之定義	7
2.1.2行動支付支技術分類	8
2.2社群媒體行銷	13
2.2.1社群媒體定義	13
2.2.2社群媒體行銷定義	13
2.3資料探勘	14
2.3.1資料探勘之定義	14
2.3.2資料庫知識發現之流程	16
2.3.3資料探勘的功能	17
2.4推薦機制	18
2.4.1推薦系統之定義	18
2.4.2推薦系統之應用	20
2.4.3推薦系統之機制	21
第三章 研究方法	24
3.1研究設計與架構	24
3.2資料庫的設計與建立	26
3.3問卷設計與發放	33
3.3.1問卷設計	33
3.3.2抽樣調查法	34
3.3.3問卷發放	35
3.4關聯法則與集群分析	36
3.4.1關聯法則	36
3.4.2Apriori演算法	38
3.4.3集群分析	40
3.5資料分析軟體 SPSS Modeler	42
第四章  資料探勘與實證分析	43
4.1回收樣本結構描述	43
4.2 K-means集群分析之探勘	45
4.2.1分群結果之買家輪廓	46
4.3 Apriori關聯性資料探勘	51
4.4買家與行動支付使用行為之關聯分析	52
4.4.1集群一(品味生活型買家)買家與行動支付使用行為之關聯	52
4.4.2集群二(小資理財型買家)買家與行動支付使用行為之關聯	54
4.4.3集群三(科技達人型買家)買家與行動支付使用行為之關聯	56
4.4.4小結	58
4.5買家與網路社群媒體使用行為之關聯分析	60
4.5.1集群一(品味生活型買家)買家與網路社群媒體使用行為之關聯	60
4.5.2集群二(小資理財型買家)買家與網路社群媒體使用行為之關聯	62
4.5.3集群三(科技達人型買家)買家與網路社群媒體使用行為之關聯	64
4.5.4小結	66
4.6買家與網路購物使用行為之關聯分析	68
4.6.1集群一(品味生活型買家)買家與網路購物使用行為之關聯	68
4.6.2集群二(小資理財型買家)買家與網路購物使用行為之關聯	70
4.6.3集群三(科技達人型買家)買家與網路購物使用行為之關聯	72
4.6.4小結	74
第五章 結論與後續研究建議	76
5.1 研究結論	76
5.1.1買家行動支付商業模式開發之結論	77
5.1.2買家網路社群媒體行銷策略之結論	78
5.1.3買家網路購物商業模式開發之結論	81
5.2推薦機制	82
5.2.1買家與行動支付商業模式開發之推薦機制	82
5.2.2買家與網路社群媒體行銷策略之推薦機制	89
5.2.3買家與網路購物商業模式開發之推薦機制	95
5.3研究限制	100
5.4後續研究建議	101
參考文獻	102
附錄一	114
表目錄
表2-1各學者資料探勘之定義	15
表2-2資料庫知識發現之流程	16
表2-3各學者對推薦機制之定義	19
表2-4混合式推薦方法	22
表3-1實體、屬性與關連概述	28
表3-2問卷發放回收情形	35
表4-1問卷回收統計表	43
表4-2基本資料統計	44
表4-3 K-MEANS分群結果	49
表4-4集群一買家與行動支付使用行為之關聯法則	53
表4-5集群二買家與行動支付使用行為之關聯法則	55
表4-6集群三買家與行動支付使用行為之關聯法則	57
表4-7買家與行動支付使用行為之三群異同表	59
表4-8 集群一買家與網路社群媒體使用行為之關聯法則	61
表4-9 集群二買家與網路社群媒體使用行為之關聯法則	63
表4-10集群三買家與網路社群媒體使用行為之關聯法則	65
表4-11買家與網路社群媒體使用行為之三群異同表	67
表4-12集群一買家與網路購物使用行為之關聯法則	69
表4-13集群二買家與網路購物使用行為之關聯法則	71
表4-14集群三買家與網路購物使用行為之關聯法則	73
表4-15買家與網路購物使用行為之三群異同表	75
表5-1買家與行動支付商業模式開發之推薦建議	84
表5-2買家與網路社群媒體行銷策略之推薦建議	91
表5-3買家與網路購物商業模式開發之推薦建議	97
圖目錄
圖1-1行動支付VENMO金額成長率	1
圖1-2主要國家電子支付普及率	2
圖1-3研究流程圖	6
圖2-1 LINE PAY網購流程圖	8
圖2-2 TSM技術流程圖	11
圖2-3 HCE技術流程圖	12
圖3-1研究架構圖	25
圖3-2三層架構圖	26
圖3-3概念性資料庫：E-R圖	29
圖3-4邏輯性資料庫設計圖	31
圖3-5實體資料庫關聯圖	32
圖3-6問卷架構圖	33
圖3-7 APRIORI演算法過程	40
圖3-8資料探勘工具使用度	42
圖4-1集群大小分配圖	45
圖4-2集群分佈圖	46
圖4-3資料探勘模型路徑圖	51
圖4-4集群一買家與行動支付使用行為之關聯圖	52
圖4-5集群二買家與行動支付使用行為之關聯圖	54
圖4-6集群三買家與行動支付使用行為之關聯圖	56
圖4-7集群一買家與網路社群媒體使用行為之關聯圖	60
圖4-8集群二買家與網路社群媒體使用行為之關聯圖	62
圖4-9集群三買家與網路社群媒體使用行為之關聯圖	64
圖4-10集群一買家與網路購物使用行為之關聯圖	68
圖4-11集群二買家與網路購物使用行為之關聯圖	70
圖4-12集群三買家與網路購物使用行為之關聯圖	72
圖5-1買家與行動支付商業模式開發之知識地圖	85
圖5-2買家與網路社群媒體行銷策略之知識地圖	92
圖5-3買家與網路購物商業模式開發之知識地圖	98

參考文獻
一、	中文部分
王派洲（譯）（2008）。資料探勘概念與方法（原作者：Han, J. & Kamber, M.）。臺中市：滄海。(原著作出版年:2006)。
王怡涵（2017）。行動支付的近期發展與監管議題。中央銀行出國報告，頁1-41。
李春雄 (2014)。資料庫學習實務。新北市:新文京開發。
沈佩誼（譯）（2018）。文科生也懂得資料科學（原作者：Ng, A. & Soo, K.）。臺北市：基峯資訊。
林哲瑋(2015)。以NFC HCE技術為基礎的行動支付之研究。國立暨南國際大學資訊管理學系研究所碩士論文。南投縣。
金管會（2016）。金融科技發展策略白皮書，頁1-136。
余力與劉魯(2004)。電子商務個性化推薦研究。計算機集成製造系統。10卷10期。頁1306 – 1313。

卓瑩鎗（2017）。萬物聯網行動生活－行動支付在台灣的現行發展，新社會政策，54期，頁27-31。
徐瑞珠（譯）（2017）。認識資料科的第一本書（原作者：Maheshwari, A.）。臺北市：基峯資訊。
施伯燁（2014）。社群媒體—使用者研究之概念、方法與方法論初探，傳播研究與實踐，4卷2期，頁207-227。
張云濤與龔玲(2007)。資料探勘原理與技術。臺北市：五南。
陳可杰（譯）（2015）。企業研究方法（原作者：Sekaran, U. & Bougie, R.）。臺中市：滄海。
陳會安(2017)。新觀念資料庫系統理論與設計實務第四版。臺北市：旗標。
陳宗天與王俐涵(2018)。推薦系統之研究內涵與主要研究議題。Electronic Commerce Studies，16卷2期，頁161-188。
莊蕎安(2017)。臺灣行動支付發展之現況。會計研究月刊，381期，頁60-65。
翁慈宗(2009)。資料探勘的發展與挑戰。國科會科學發展，442期，頁32-39。
翁世吉與田育任(2014)，「行動商務」支付應用發展趨勢，財金資訊季刊，78期，頁19-26。
翁政雄(2011)。從購買意願資料中挖掘高度相關性的關聯規則。資訊管理學報，18卷4期，頁119-138。
翁蕊(2014)。探索社群媒體行銷之品牌及社群效益。國立臺北大企業管理學系研究所碩士論文。臺北市。
羅巧娜（2016）。以科技接受模型探討消費者行動支付之使用意圖。私立東吳大學會計研究所未出版碩士論文。臺北市。
曹修源、盧瑞山與王建富(2014)。網路行銷。新北市:普林斯頓。
楊雅雯(2018)。消費者使用行動支付因素之研究。私立淡江大學管理科學學系企業經營碩士在職專班學位論文。新北市。
廖述賢(2007)。資訊管理。臺北市：雙葉書廊。
廖述賢與溫志皓（2012）。資料探勘理論與應用：以 IBM SPSS modeler為範例。臺北市：博碩文化。
謝金育（2013）。結合貝氏網路與激勵理論之推薦機制-電影推薦系統設計。國立交通大學管理研究所碩士論文。新竹市。
繆嘉新、官有富、李健銘、陳建仲、江衍旭與陳俊柏(2012)。NFC服務共享平台，資訊安全通訊，18卷2期，頁114-131。
陳美伶、鄭貞茂、曾旭正與高仙桂(2018)。台灣經濟論衡，國家發展委員會綜合規劃處季刊，16卷2期，頁1-156。
二、	英文部分
Agrawal, R., Imielinski, T., & Swami, A. (1993). Mining association rules between sets of items in large databases. ACM SIGMOD Conference, 22(2), 207-216, Washington DC, USA.
Agrawal, R., & Srikant, R. (1994). Fast algorithms for mining association rules. In: Proceedings of the 20th International Conference on Very Large Data Bases, 487-499, September 12 – 15, Santiago, Chile. 
Balabanovic, M., & Shoham, Y. (1997). Fab: Content-Based, Collaborative Recommendation. Communications of ACM, 40(3), 66-72.
Berry, M., & Linoff, G. (1997). Data mining Techniques for Marketing, Sales and Customer Support. John Wiley & Sons Inc, New York, USA. 
Burke, R. (2002). Hybrid Recommender Systems: Survey and Experiments. User Modeling and User-Adapted Interaction, 12(4), 331-370.
Codd, E. F. (1970). A relational model of data for large shared data banks. Communications of the ACM, 13(6), 377–387.
Chen, P. （1976）. The Entity-Relationship Model - Toward a Unified View of Data. ACM Transactions on Database Systems (TODS), 1(1), 9-36.
Chen, M. S., Han, J., & Yu, P. S. (1996). Data Mining: An overview from a databaseperspective. IEEE Trans Knowledge and Data Engineering, 8(6), 866-883.
Chi, H. H. (2011). Interactive digital advertising vs. virtual brand community: exploratory study of user motivation and social media marketing responses in Taiwan. Journal of Interactive Advertising, 12(1), 44-61.
Das, A., Datar, M., Garg, A., & Rajaram, S. (2007). Google news personalization: scalable online collaborative filtering. Proceedings of the Sixteenth international conference on World Wide Web (WWW2007), 271-280, May 8-12, Banff, Alberta, Canada.
D’Oca, S., & Hong, T. (2015). Occupancy schedules learning process through a data mining framework. Energy and Building, 8(8), 395-408.
Frawley, W. J., Gregory, P. S., & Matheus, C. J. (1991). Knowledge Discovery in Database： An Overview, Knowledge Discovery in Database. AI Magazine, 13(3), 57-70.
Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). From Data Mining to Knowledge Discovery in Databases. AI Magazine, 17(3), 37-54.
Francis, L., Hancke, G., Mayes, K., & Markantonakis, K. (2010). Practical NFC Peer-to-Peer Relay Attack using Mobile Phones. In Proceedings of the 6th international conference on Radio Frequency Identification: Security and Privacy Issues, 35-49, June 8–9, Istanbul, Turkey.
Goldberg, D., Nichols, D., M.Oki, B., & Terry, D. (1992). Using collaborative filtering to weave an information tapestry. Communications of the ACM, 35(12), 61-70.
Grupe, G. H., & Owranng, M. M. (1995). Database Mining discovering new knowledge and cooperative advantage. Information Systems Management, 12(4), 26-31.
Gunelius, S. (2011). 30-Minute Social Media Marketing: Step-by-step Techniques to Spread the Word About Your Business. McGraw-Hill, New York, USA.
Hagel, J., & Armstrong, A. (1997). Net gain: Expanding Markets through Virtual Communities. Harvard Business School Press, Boston, USA.
Hui, S. C., & Jha, G. (2000). Data Mining for Customer Service Support. Information and Management, 38(1), 1-13.
Hand, D., Mannila, H., & Smyth, P. (2001). Principles of Data Mining. MIT Press, Cambridge, USA. 
Han, J., & Kamber, M. (2006). Data mining: Concepts and techniques (2nd Ed.). Morgan Kaufmann, San Fransisco, USA. 
Kaplan, A. M., & Haenlein, M. (2010). Users of the world, unite! The challenges and opportunities of social media. Business Horizons, 53(1), 59-68.
Lekakos, G., & Caravelas, P. (2008). A hybrid approach for movie recommendation. Multimedia tools and applications, 36(1-2), 55-70.
McDonald, D. W. (2003). Ubiquitous Recommendation Systems. Computer, 36(10), 111-112.
Mohammadian, M., & Mohammadreza, M. (2012). Identify the success factors of social media (Marketing Perspective). International Business and Management, 4(2), 58-66.
Melville, P., & Sindhwani, V. (2017). Recommender Systems. Encyclopedia of Machine Learning and Data Mining, 1056-1066, Springer, Boston, USA.
Pennock, D. M., Horvitz, E., Lawrence, S., & Giles, C. L. (2000). Collaborative Filtering by Personality Diagnosis: A Hybrid Memory- and Model-Based Approach. In Proceedings of the 16th Conference on Uncertainty in Artificial Intelligence, 473-480, June 30- July 3, Stanford, USA.
Perugini, S., Gonçalves, M. A., & Fox, E. A. (2004). Recommender systems research. A connection-centric survey Journal of Intelligent Information Systems, 23(2), 107-143.
Pannifer, S., Clark, D., & Birch, D. (2014). HCE and SIM Secure Element: It’s not black and white. Retrieved April 5, 2019, from: http://www.chyp.com/wp-content/uploads/2015/01/HCE-and-SIM-Secure-Element.pdf.
Resnick, P., & Varian, H. R. (1997). Recommender systems. Communications of the ACM, 40(3), 56-58.
Ricci, F. (2002). Travel Recommender Systems. IEEE Intelligent Systems 17(6), 55-57.
Rashid, A. M., Albert, I., Cosley, D., Lam, S. K., McNee, S. M., Konstan, J. A., & Riedl, J. (2002). Getting to know you: learning new user preferences in recommender systems. In Proceedings of the 7th international conference on Intelligent user interfaces. 127-134, January 13 – 16, San Francisco, USA.
Sarwar, B., Karypis, G., Konstan, J., & Riedl, J. (2000). Analysis of recommendation algorithms for e-commerce. In Proceedings of the Second ACM Conference on Electronic Commerce, 158-167, October 17–20, Minneapolis, USA.
Schafer, J. B., Konstan, J., & Riedl, J. (2001). E-commerce recommendation applications. Data Mining and Knowledge Discovery, 5(1-2), 115-153.
Stelzner, M. A. (2012). Social media marketing industry report. Retrieved April 5, 2019, from: https://www.slideshare.net/retelur/2012-social-media-marketing-industry-report-social-media-examiner-ab12. 
Tsichritizis, D. C., & Klug, A. (1978). The ANSI/X3/SPARC DBMS Framework: Report of the Study Group on Database Management System. Information Systems, 3(3), 173-191.
Toroslua, I. H., & Yetisgen-Yildiz, M. (2005). Data mining in deductive databases using query flocks. Expert Systems with Applications, 28(3), 395–407.
Tan, P. N., Steinbach, M., Kumar, V., & Karpatne, A. (2018). Introduction to Data Mining (2nd edition). Pearson, New Jersey, USA.
Wang, G., & Liu, H. (2012). Survey of personalized recommendation system. Computer Engineering and Applications, 48(7), 66-76.
三、	網路部分
Laird, S(2012年4月)。「How social media is taking over the news industry」。2019年4月1日，取自: https://mashable.com/2012/04/18/social-media-and-the-news/#G_CaBJGO1Eq1
Line Pay使用教學(2017年9月)。「網購流程」。2019年2月10日，取自: https:// event-web.line.me/ectw/article/✔LINE+Pay綁定流程大補帖-50x59y
LimitlessIQ新聞(2018年8月)。「藥妝通路搶攻數位布局　社群、APP、行動支付三大突破衝營運」。2019年2月26日，取自: https://www.limitlessiq.com/news/post/view/id/6362/
Muenchen, B (2015年10月)。「Rexer Analytics Survey Results」，2019年2月26日。取自: https://r4stats.com/2015/10/13/rexer-analytics-survey-results/
T客幫(2017年4月)。「一次看懂行動支付」。2019年1月14日，取自: https://www.techbang.com/posts/23218-a-read-operation-pay-basic-concepts-solutions-graphic-all-set-pchome231-touch-the-future-author-zhang-yajun
王孟倫(2016年5月)。「自由時報財經新聞:主要國家、地區電子支付普及率」。2019年2月16日，取自: https://ec.ltn.com.tw/article/paper/990056
中天快點科技新知報導(2017年4月)。「問問FinTech搞懂電子支付、第三方支付、行動支付」。2019年4月1日，取自: http://gotv.ctitv.com.tw/2017/04/446386.htm
科技產業資訊室(2017年7月)。「2017年美國行動點對點支付金額達1203.8億美元」。2019年1月24日，取自: http://iknow.stpi.narl.org.tw/Post/Read.aspx?PostID=13601
經濟日報新聞(2018年8月)。「行動支付百家爭鳴，大數據說Apple Pay最強」。2019年3月2日，取自: https://money.udn.com/money/story/5641/3286005 
鉅亨網新聞(2018年12月)。「日本全家便利商店 將推自家電子貨幣FamiPay」。2019年1月20日，取自: https://news.cnyes.com/news/id/4260847 
資策會新聞(2017年5月)。「八成以上台灣人愛用Facebook、Line坐穩社群網站龍頭 1人平均擁4個社群帳號　年輕人更愛YouTube和IG」。2019年1月12日，取自: https://www.iii.org.tw/Press/NewsDtl.aspx?nsp_sqno=1934&fm_sqno=14 
資策會產業情報研究所a(2018年1月) 。「行動支付大調查二」。             2019年2月26日，取自: https://mic.iii.org.tw/IndustryObservations_PressRelease02.aspx?sqno=487
資策會產業情報研究所b(2018年3月)。「網購大調查系列一」。            2019年2月26日，取自: https://mic.iii.org.tw/IndustryObservations_PressRelease02.aspx?sqno=488
資策會產業情報研究所(2019年1月)。「行動支付大調查」。             2019年2月26日，取自: https://mic.iii.org.tw/IndustryObservations_PressRelease02.aspx?sqno=504
數位時代新聞(2016年10月)。「雅虎奇摩不怕行動支付起步晚，就靠這三點」。2018年12月4日，取自: https://www.bnext.com.tw/article/41221/yahoo-ec-mobile-payThink