隨網際網路應用技術發展越趨成熟，「網上社群群聚」已經不是單一現象，網路社會是一個新的、更具（更容易找到）共同性與關聯性的社群社會，據此，業界從事行銷推廣的管道終將伸往這些網路族群。
國內研究討論利用網路工具或網上社群運作的行銷議題時，多討論單一工具的價值，而針對整體網上社群行為的討論與探索則寥若晨星，故本研究欲以「可形成網上社群的工具」為研究根本，討論使用者網上社群行為及購物的資訊參考行為，以替網上社群行銷增加可考慮的議題與構面。
本研究利用SPSS Clementine軟體，以「資訊互動的積極程度」與「社群互動的積極程度」為構面，以二階法將網上社群使用者分為「交誼型」、「資訊型」、「工具型」與「八卦型」四種，以資料採礦（Data Mining）技術討論四群使用者對網上社群工具的使用價值、社群感與資訊影響力的關聯知識，並據此對廠商加入網上社群行銷的操作手法進行提案。

Since the development of internet applications matured, social network is a new social mode that is easier for searching the cyber community, and it is forward to create an innovative source for advertising and marketing to the business.
Mostly, researches in Taiwan in relation to the behavior or marketing on online community tools are focus on either advertising or marketing, without a whole picture. Thus, this study investigates the on-line community tools as a research subject, and explores the users’ online and purchase behavior in the cyber community.
In addition, this study implements the SPSS Clementine as a data mining approach, to categorize four kinds of online users’ behavior by using a two-step method. Finally, this article suggests that online users those who join communities of commerce and their purchase behavior are critical knowledge for considering possible business models and proposals. By doing so, in terms of profit model, knowledge extraction from subjects of four clusters might be a contribution to this research issue.

目錄
目錄	I
表目錄	III
圖目錄	V
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	7
1.3	研究方法與流程	7
第二章	文獻探討	9
2.1	網上社群	9
2.1.1	網上社群之定義說明	9
1.	社群（Community）	9
2.	網上社群（On-line Communitiy）	11
3.	虛擬社群意識（Sense of Virtual Community）	14
2.1.2	網上社群之分類法則	15
1.	網上社群參與者類型	15
2.	網上社群類型	16
3.	網上社群工具	19
2.2	社群行銷（Social Media Marketing）	22
2.2.1	網路行銷與新媒體	22
2.2.2	社群媒體	22
2.2.3	社群行銷	23
2.3	資料採礦（Data Mining）	24
2.3.1	資料採礦之定義	24
2.3.2	資料採礦之功能	25
2.3.3	資料採礦之流程	27
2.4	小結	28
第三章	研究方法	29
3.1	研究設計	29
3.2	系統架構與資料庫設計	30
3.2.1	系統架構與流程	30
3.2.2	資料庫的建立與設計	32
1.	概念性資料庫設計	32
2.	邏輯性資料庫設計	34
3.	實體資料庫設計	35
3.3	問卷設計與發放	36
3.3.1	問卷設計	36
3.3.2	抽樣方法	37
3.3.3	問卷發放	38
3.3.4	信度與效度分析	38
3.4	關聯法則與集群分析	39
3.4.1	關聯法則	39
3.4.2	Apriori演算法	41
3.4.3	集群分析	43
3.5	資料分析軟體SPSS Clementine	43
第四章	資料分析	47
4.1	樣本結構描述	47
4.2	集群分析資料	50
4.3	網上社群工具使用態度探勘	53
4.3.1	上網目的與最常使用之工具	53
4.3.2	最常使用之網路工具與停留動機	60
4.3.3	停留動機與虛擬社群意識	69
4.3.4	最常使用之網路工具與虛擬社群意識	78
4.3.5	購買與資訊參考行為	93
第五章	結論	120
5.1	管理意涵	120
5.1.1	各族群成員的資訊角色	121
5.1.2	各族群成員對各工具的社群認同	122
5.1.3	各族群成員對各工具的使用價值	129
1.	各工具的核心價值	129
2.	跨工具操作	133
5.1.4	網上社群的建置	139
5.2	結論	149
5.3	研究限制	152
5.4	後續研究建議	153
參考文獻	155
附錄	162
一、	正式問卷	162
二、	附表：資料庫整理	168

 
表目錄
表 2-1 社群（Community）之定義整理	9
表 2-2網上社群（Virtual / On-line Community）定義整理	11
表 2-3社群意識構面與虛擬社群意識構面之比較	14
表 2-4網上社群之分類整理	16
表 2-5依成員發表權限為構面的社群分類項目	18
表 2-6資料採礦（Data Mining）之定義	24
表 2-7資料採礦之功能	25
表 2-8資料採礦的流程	27
表 3-1實體、關聯與屬性的概述	32
表 3-2資料探勘軟體使用頻率調查	44
表 3-3資料探勘之節點六大分類	45
表 4-1 基本資料統計表：一般基本資料	47
表 4-2基本資料統計表：上網行為基本資料	49
表 4-3分群構面定義及操作性定義	50
表 4-4 Two-Step集群分析資料表	51
表 4-5上網目的與工具使用之關聯規則（集群一）	54
表 4-6上網目的與工具使用之關聯規則（集群二）	55
表 4-7上網目的與工具使用之關聯規則（集群三）	56
表 4-8上網目的與工具使用之關聯規則（集群四）	58
表 4-9工具使用與動機之關聯規則（集群一）	61
表 4-10工具使用與動機之關聯規則（集群二）	63
表 4-11工具使用與動機之關聯規則（集群三）	65
表 4-12工具使用與動機之關聯規則（集群四）	67
表 4-13停留動機與虛擬社群意識之關聯規則（集群一）	71
表 4-14停留動機與虛擬社群意識之關聯規則（集群二）	72
表 4-15停留動機與虛擬社群意識之關聯規則（集群三）	74
表 4-16停留動機與虛擬社群意識之關聯規則（集群四）	76
表 4-17最常使用工具與虛擬社群意識之關聯規則（集群一）	80
表 4-18虛擬社群意識與最常使用工具之關聯規則（集群一）	80
表 4-19最常使用工具與虛擬社群意識之關聯規則（集群二）	83
表 4-20虛擬社群意識與最常使用工具之關聯規則（集群二）	83
表 4-21最常使用工具與虛擬社群意識之關聯規則（集群三）	86
表 4-22虛擬社群意識與最常使用工具之關聯規則（集群三）	86
表 4-23最常使用工具與虛擬社群意識之關聯規則（集群四）	89
表 4-24虛擬社群意識與最常使用工具之關聯規則（集群四）	89
表 4-25集群與關連之整合分析表：工具停留與社群認同	92
表 4-26資料來源與實體環境購買品項之關聯規則：排除「食品／飲料」項目（集群一）	95
表 4-27實體環境購買品項與資料來源之關聯規則（集群一）	96
表 4-28資料來源與實體環境購買品項之關聯規則：排除「食品／飲料」項目（集群二）	98
表 4-29實體環境購買品項與資料來源之關聯規則（集群二）	98
表 4-30資料來源與實體環境購買品項之關聯規則：排除「食品／飲料」項目（集群三）	101
表 4-31實體環境購買品項與資料來源之關聯規則（集群三）	101
表 4-32資料來源與實體環境購買品項之關聯規則：排除「食品／飲料」項目（集群四）	103
表 4-33實體環境購買品項與資料來源之關聯規則（集群四）	103
表 4-34資料來源與網上通路購買品項之關聯規則（集群一）	107
表 4-35網上通路購買品項與資料來源之關聯規則（集群一）	108
表 4-36資料來源與網上通路購買品項之關聯規則（集群二）	110
表 4-37網上通路購買品項與資料來源之關聯規則（集群二）	110
表 4-38資料來源與網上通路購買品項之關聯規則（集群三）	112
表 4-39網上通路購買品項與資料來源之關聯規則（集群三）	113
表 4-40資料來源與網上通路購買品項之關聯規則（集群四）	115
表 4-41網上通路購買品項與資料來源之關聯規則（集群四）	115
表 4-42集群與關連之整合分析表：資訊來源與購買品項	119
表 5-1 集群分析命名表	122
表 5-2各族群最常使用的網上社群工具與廠商操作提案	129
表 5-3廠商進入社群工具之策略提案整理	139
表 附表-1資料庫1分群資料	168
表 附表-2資料庫2分群資料	169
表 附表-3資料庫4分群資料	171
表 附表-4資料庫5分群資料	172


 
圖目錄
圖 1-1歷年我國經常上網人口成長狀況	2
圖 1-2受訪者對於網路廣告的注意度與點選經驗	3
圖 1-3主動點選網路廣告原因（複選）	3
圖 1-4點選網路廣告後發現非所需資訊之比例（單選）	4
圖 1-5 左：網路使用者上網瀏覽部落格的經驗（單選）
       右：網路使用者使用部落格的方式（%）（複選）	5
圖 1-6受試者參加網上社群的動機（複選）	6
圖 1-7研究流程圖	8
圖 2-1網上社群的成員型態	15
圖 2-2以「我（個人）」為中心的社群脈絡示意	21
圖 2-3社群行銷名詞關係示意圖	23
圖 3-1研究設計圖	29
圖 3-2系統架構圖	31
圖 3-3概念性資料庫設計E-R圖	33
圖 3-4邏輯性資料庫	35
圖 3-5實體資料庫關聯圖	36
圖 3-6問卷架構圖	37
圖 3-7 Apriori演算法之架構圖	41
圖 3-8 Apriori演算法產生之後選項目集合與高頻項目集合	42
圖 3-9資料採礦操作流程：本研究	46
圖 4-1蛛網圖：上網目的與工具使用（集群一）	54
圖 4-2蛛網圖：上網目的與工具使用（集群二）	55
圖 4-3蛛網圖：上網目的與工具使用（集群三）	57
圖 4-4蛛網圖：上網目的與工具使用（集群四）	59
圖 4-5蛛網圖：工具使用與動機（集群一）	61
圖 4-6蛛網圖：工具使用與動機（集群二）	63
圖 4-7蛛網圖：工具使用與動機（集群三）	66
圖 4-8蛛網圖：工具使用與動機（集群四）	68
圖 4-9蛛網圖：停留動機與虛擬社群意識（集群一）	71
圖 4-10蛛網圖：停留動機與虛擬社群意識（集群二）	72
圖 4-11蛛網圖：停留動機與虛擬社群意識（集群三）	74
圖 4-12蛛網圖：停留動機與虛擬社群意識（集群四）	76
圖 4-13蛛網圖：最常使用工具與虛擬社群意識（集群一）	80
圖 4-14蛛網圖：最常使用工具與虛擬社群意識（集群二）	83
圖 4-15蛛網圖：最常使用工具與虛擬社群意識（集群三）	87
圖 4-16蛛網圖：最常使用工具與虛擬社群意識（集群四）	90
圖 4-17蛛網圖：實體環境購買品項與資料來源（集群一）	96
圖 4-18蛛網圖：實體環境購買品項與資料來源（集群二）	99
圖 4-19蛛網圖：實體環境購買品項與資料來源（集群三）	101
圖 4-20蛛網圖：實體環境購買品項與資料來源（集群四）	103
圖 4-21蛛網圖：網上通路購買品項與資料來源（集群一）	108
圖 4-22蛛網圖：網上通路購買品項與資料來源（集群二）	111
圖 4-23蛛網圖：網上通路購買品項與資料來源（集群三）	113
圖 4-24蛛網圖：網上通路購買品項與資料來源（集群四）	116
圖 5-1行銷知識地圖：工具停留與社群認同	120
圖 5-2行銷地圖：資訊來源與購買品項 - 實體通路	140
圖 5-3進入網上社群行銷的商業模式：實體通路	141
圖 5-4行銷地圖：資訊來源與購買品項 - 網上通路	144
圖 5-5進入網上社群行銷的操作模式：網上通路	146

一、	中文部分
尹相志（2004）。資料採礦－網際網路應用與顧客價值管理。台北市：維科。
古玲玲、蘇惠君、陳泊均與黃彥翔（2005）。線上集結、線上社群與線上動員。行政院國家科學委員會委託國立台灣大學新聞研究所執行之計畫報告（計畫編號：NSC92-2412-H-002-018）。台北市：行政院。
史科博、易瑟瑞（2006）。商業裸體革命 : 部落格改變了做生意的方式, 你怎麼辦？（李苑蓉譯）。台北市：商周文化事業公司。（原著出版年：2006年）
史書華（2010年1月）。行銷人進化2.0：5個新世代行銷關鍵詞。Cheers快樂工作人，112，44-49。
企業研究方法（第九版）（古永嘉推薦，楊雪蘭、宋兆賢譯）（2008）。台北市：華泰文化。（原著出版年：2006年）
吳忠勳（2008年6月）。虛擬社群意識與社群線下互動之關聯性研究。中國文化大學新聞研究所碩士論文。台北縣。
李佩貞（2008）。探討社群意識在虛擬環境下對凝聚力與忠誠度的影響。國立東華大學企業管理學系碩士論文。花蓮縣。
林致立（2001）虛擬社群機制的商業性應用：本質、分類與關鍵議題。東吳大學企業管理學系碩士論文。台北市。
林家蓁（2006）。虛擬社群意識形成因素與影響性之研究。國立台北大學企業管理研究所碩士論文。台北市。
林燕伶（2007）。群體凝聚力對虛擬社群持續使用影響之研究。國立中正大學資訊管理所碩士論文。嘉義縣。
韋端（2003）。Data Mining概述－以Clementine7.0為例。台北縣：中華資料採礦協會。
徐敏雄（1998）。臺灣基督長老教會社會服務事工的發展。國立中正大學社會福利學系碩士論文。嘉義縣。
張美玲（2003），網路虛擬社群類型之比較研究。國立台北大學企業管理學系碩士論文，台北市。
梅田望夫（2007）。網路巨變元年：你必須參與的大未來（蔡昭儀譯）。台北市：先覺出版社。（原著出版年：2006年）
陳仲偉（2005）。重思網路社群：網路主題樂園團體。資訊社會研究，8，271-286。
陳順宇（2005）。多變量分析。台北：華泰文化。
曾憲雄、蔡秀滿、蘇東興、曾秋蓉、王慶堯（2005）。資料探勘Data Mining。台北市：旗標。
華萊士（2001）。網路心理講義（陳美靜譯）。台北市：天下遠見出版公司。（原著出版年：2001）
黃文隆（1999），抽樣方法。台中市：滄海書局。
楊逢杰（2008）。以本體論為基礎的資料採礦方法於飲料產業的產品光譜及品牌光譜之研究。淡江大學管理科學研究所碩士論文。
楊聖慧（2001）。以體驗行銷之觀點探討網站之虛擬社群經營模式。銘傳大學管理科學研究所碩士論文，台北市。
萬榮水、梁瑞文（2007）。虛擬社群形成之意義及衡量指標之探討：以網路書店為例。資訊社會研究，13，295-317。
葉勇助、羅家德（2001）。Are Virtual Social Relationships independent from Reality。資訊社會研究，1，33-55。
網路商機（朱道凱譯）（1998）。台北市：臉譜。（原著出版年：1997）
蔡儀旻（2007）虛擬社群類型、意識與使用者態度、意圖關係之研究—沉浸理論觀點。開南大學企業與創業管理學系碩士論文。桃園縣。
簡文吟、陳玉華、吳淑俊、游其明、吳世昌、溫華添、林綉雯與莊宜貞（2008）。九十七年數位落差調查報告。行政院研究發展考核會委託聯合行銷研究股份有限公司執行之研究成果報告。台北市：行政院。
簡俊成、方婷婷（2005）。虛擬社群商業化之紮根理論研究。管理評論，24(3)，43-67。
羅之盈（2010年3月）。2010台灣網站100強：社群回溫，帶動三個走向、六個趨勢。Business Next數位時代，190，42-45。
 
二、	英文部分
Agrawal, R., Imielinski, T., and Swami, A. (1993). Mining association rules between sets of items in large databases. ACM SIGMOD Conference, Washington DC, USA, 254-259.
Agrawal, R., & Srikant, R. (1994). Fast Algorithms for Mining Association Rules. Porceeding of the 20th International Conference on Very Lagrge Database, 487-499.
Amaratunga, D. & Cabrera, J. (2004). Mining data to find subsets of high activity. Journal of Statistical Planning and Inference, 122(1), 23-41.
Berry, M. J. A., and Linoff, G. (1997). Data Mining Techniques for marketing, sales, and customer support. NY: John Wiley and Sons Inc.
Blanchard & Markus (2004). The experienced “sense” of a virtual community: Characteristics and processes. ACM SOGMOS Dataase, 35(1), 64-75.
Cabena, P., Hadjinian, P., Stadler, R., Verhees, J. and Zanasi, A. (1998). Discovering data mining from concept to implementation. NJ: Prentice Hall Press.
Chen, Y. L. & Shen, C. C. (2005). Mining generalized knowledge from ordered data through attribute-oriented induction techniques. European Journal of Operational Research, 166(1), 221-245.
Coenen, F., Goulbourne, G., & Leng, P. (2004). Tree Strucctures for Mining Association Rules. Data Mining and Knowledge Discovery, 8(1), 25-51.
Comery, A. L. (1973). A First Course in Factor Analysis. NY: Academic Press. Cooper.
Fayyad, U., Gregory, P. S. & Smyth, P. (1996). Form data mining to knowledge discovery in database. AI Magazine, 17(3), 37-54.
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.
Han, J. Kamber, M. (2000). Data Mining：Concepts and Techniques. Morgan Kaufmann.
Hutchison, T. W., Macy, A. Allen, P. (2009). Record label marketing. Elsevier, Inc, Burlington, USA.
Kaplan, A. M. & Haenlein, M. (2010). User of the world, unite! The challenges and opportunities of Social Media. Business Horizons, 53, 59-68.
Klang, M. & Olsson, S. (1999). Virtual Communities. University of Göteborg, Göteborg, Sweden.
Kouris, I. N., Makris, C. H., & Tsakalidis, A. K. (2005). Using Information Retrieval techniques for supporting data mining. Data and Knowledge Engineering, 52(3), 353-383.
Kozinets, R. V. (1999). E-Tribalized Marketing?: The Strategic Implications of Virtual Communities of Consumption. European Management Journal, 17(3), 252-264.
Lee, T. S., Chiu, C. C., Chou, Y. C., & Lu, C. J. (2006). Mining the customer credit using classification and regression tree and multivariate adaptive regression splines. Computational Statistics and Data Analysis, 50(4), 1113-1130.
Nicholson, S. (2006). The basis for bibliomining: Frameworks for bringing together usage-based data mining and bibliometrics through data warehousing in digital library services. Information Processing and Management, 42(3), 785-804.
Peterson, R. A. & Bronnenberg, B. J. (1997). Exploring the implications of the internet for consumer marketing. Journal of the Academy of Marketing Science, 25(4), 324-329.
Plant, R. (2004). Online communities. Techonology In Society, 26(4), 51-65.
Thelen, S., Mottner, S. & Berman, B. (2004). Data mining：On the trail to marketing gold. Business Horizons, 47(6), 25-32.
Toroslua, I. H. & Yetisgen-Yildiz, M. (2005). Data mining in deductive databases using query flocks, Expert Systems with Applications. 28(3), 395-407.
Wang Y. F., Chuang Y. L., Hsu, M. H., and Keh H. C.（2004）. A personalized recommender system for the cosmetic business. Expert Systems with Applications, 26, 427-434.
 
三、	網路資料
KDnuggets. (May 2009). Data Mining Tools Used Poll. Retrieved Novenber, 29, 2009, from http://www.kdnuggets.com/polls/2009/data-mining-tools-used.htm
創市際市場研究顧問（2009年7月）。2009年7月創市際網路意向調查。2010年5月25日，取自：http://www.insightxplorer.com/specialtopic/2009_7_intention.htm
世新大學教學卓越中心（無日期）。網路社群使用篇。數位媒體行銷資源庫電子報，4。2010年11月12日，取自：http://distance.shu.edu.tw/98dmcix/d04.htm
資策會FIND（2010年2月10日）。2009年我國家庭寬頻現況與需求調查--家戶與個人連網指標。2010年5月25日，取自：http://www.find.org.tw/find/home.aspx?page=many&id=249
資策會FIND（2010年8月18日）。2010年6月底止台灣上網人口。2010年11月12日，取自：http://www.find.org.tw/find/home.aspx?page=many&id=263