近幾年因網路社群的興起，業者與消費者所接觸到的管道，已不單單侷限在實體商店、電視媒體、雜誌報紙，社群網站已逐漸成為廣告投放的新媒體平台。許多企業品牌也開始將網路社群當作接觸消費者的第一管道，因此不論是品牌管理、粉絲經營，甚至到商品行銷與增加曝光率，都將以網路社群作為主要窗口。

    本研究採用問卷調查的方式，透過資料探勘的集群分析與關聯法則之方法，歸納出使用者的輪廓，並探討不同族群的使用者行為與社群經營、網路購物行為與服務推薦之關聯，從中挖掘使用者的潛在需求，提供粉絲專頁經營業者與社群平台業者參考。

In recent years, the emergence of social community has led to multiple community channels for businesses and consumers, which are different from traditional channels such as physical stores, TV commercials, magazines and newspapers, etc. Social community has gradually become a new media platform for advertisers. Now social community is the first option for businesses and brands to reach customers. Brand management, relationships with fans, even brand marketing and to increase exposure are all going to be mainly managed by social communities.
    This study retrieves data by using survey. Clustering and association analysis of data mining are applied to outline users, and multiple dimensional relationships are discussed, including the relationship of user behaviors and social community management, and online shopping behavior and recommendation system. From the results, this study uncovers potential needs of users as informative tips and tricks to run social media fan page and also gives social platform owners directions to fulfill demand from users.

目錄
謝辭I
中文摘要II
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 研究目的4
1.3 研究方法與流程5
第二章 文獻探討6
2.1網路社群6
2.1.1網路社群之定義6
2.2社群行銷與媒體7
2.2.1社群行銷之定義7
2.2.2社群媒體之定義7
2.3粉絲專頁8
2.3.1粉絲專頁之定義8
2.3.2粉絲專頁之功能9
2.4推薦機制10
2.4.1推薦機制之定義10
2.4.2推薦機制之分類11
2.5資料探勘12
2.5.1資料探勘之定義12
2.5.2資料探勘的功能13
2.5.3資料探勘的流程15
第三章 研究方法17
3.1研究設計與架構17
3.2資料庫的設計與建立18
3.3問卷設計24
3.4問卷發放25
3.5關聯法則與集群分析26
3.5.1關聯法則26
3.5 .2Apriori演算法28
3.5.3集群分析30
3.6資料分析軟體 SPSS Modeler32
第四章  資料探勘與實證分析33
4.1 回收樣本結構描述33
4.2 SPSS Modeler資料探勘35
4.2.1分群結果之使用者輪廓37
4.3使用者輪廓與粉絲專頁類型之關聯分析41
4.3.1集群一(熱於學習學生族)使用者輪廓與粉絲專頁之關聯41
4.3.2集群二(中高收入品味生活族)使用者輪廓與粉絲專頁之關聯43
4.3.3集群三(中收入知識青年族)使用者輪廓與粉絲專頁之關聯45
4.3.4小結47
4.4網路社群經營與互動行銷之關聯分析49
4.4.1集群一(熱於學習學生族)社群經營與互動行銷之關聯49
4.4.2集群二(中高收入品味生活族)社群經營與互動行銷之關聯51
4.4.3集群三(中收入知識青年族)社群經營與互動行銷之關聯53
4.4.4小結55
4.5使用者消費傾向與服務推薦之關聯分析57
4.5.1集群一(熱於學習學生族)消費傾向與服務推薦之關聯57
4.5.2集群二(中高收入品味生活族)消費傾向與服務推薦之關聯59
4.5.3集群三(中收入知識青年族) 消費傾向與服務推薦之關聯61
4.5.4小結63
第五章 結論與後續研究建議65
5.1 研究結論65
5.1.1使用者行為與粉絲專頁經營結論與管理意涵65
5.1.2網路購物行為與服務推薦之結論與管理意涵76
5.2研究限制82
5.3後續研究建議83
參考文獻84
附錄一91

表目錄
表1-1 2017年台灣寬頻受訪者使用網路社群的情1
表1-2 2017年台灣寬頻受訪者使用的網路社群平台2
表2-1粉絲專頁之角色功能9
表2-2推薦機制定義10
表2-3推薦機制之分類11
表2-4資料探勘之定義12
表2-5資料探勘流程15
表3-1 實體、關聯與屬性的概述18
表3-2 問卷發放回收情形25
表4-1問卷回收統計表33
表4-2基本資料統計表34
表4-3 K-MEANS分群結果39
表4-4集群一使用者輪廓與粉絲專頁之關聯法則42
表4-5集群二使用者輪廓與粉絲專頁之關聯法則44
表4-6集群三使用者輪廓與粉絲專頁之關聯法則46
表4-7使用者輪廓與粉絲專頁類型之三群異同處48
表4-8集群一社群經營與互動行銷之關聯法則50
表4-9集群二網路社群經營與互動行銷之關聯法則52
表4-10集群三網路社群經營與互動行銷之關聯法則54
表4-11網路社群經營與互動行銷之三群異同處56
表4-12集群一消費傾向與服務推薦之關聯法則58
表4-13集群二消費傾向與服務推薦之關聯法則60
表4-14集群三消費傾向與服務推薦之關聯法則62
表4-15消費傾向與服務推薦之三群異同處64
表5-1使用者輪廓與粉絲專頁經營之建議66
表5-2網路社群經營內容之涵意74
表5-3網路購物行為與服務推薦之建議77
表5-4網路購物行為內容之涵意81

圖目錄
圖1-1使用者在網路社群中分享購物的感受3
圖1-2研究流程圖5
圖3-1研究架構圖17
圖3-2 概念性資料庫：E-R圖20
圖3-3邏輯性資料庫設計圖22
圖3-4實體資料庫關聯圖23
圖3-5問卷架構圖24
圖3-6 資料探勘工具滿意度（2013）32
圖4-1資料節點串流圖(集群一)35
圖4-2集群大小分配圖35
圖4-3集群分布圖36
圖4-4集群一使用者輪廓與粉絲專頁類型之關聯圖41
圖4-5集群二使用者輪廓與粉絲專頁類型之關聯圖43
圖4-6集群三使用者輪廓與粉絲專頁類型之關聯圖45
圖4-7集群一社群經營與互動行銷之關聯圖49
圖4-8集群二社群經營與互動行銷之關聯圖51
圖4-9集群三社群經營與互動行銷之關聯圖53
圖4-10集群一消費傾向與服務推薦之關聯圖57
圖4-11集群二消費傾向與服務推薦之關聯圖59
圖4-12集群三消費傾向與服務推薦之關聯圖61
圖5-1網路社群經營之開發知識地圖73
圖5-2網路購物傾向與服務推薦之開發知識地圖80

一、中文部分
林慶德（2003）。資料庫管理與應用。台北，培生。
張瀚仁(2000)。個人化技術對虛擬社群發展之影響。國立政治大學資訊管理學系碩士論文。民, 89。
菲力普.科特勒 (2003)。市場行銷原理。清華大學出版社有限公司。
廖述賢與溫志皓（2012）。資料探勘理論與應用： 以 IBM SPSS modeler為範例。台北，博碩文化股份有限公司。
謝邦昌（2014）。SQL Server資料採礦與商業智慧-適用SQL Server。台北。出版社：碁峰。
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, 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.
Berry & Linoff (1997). Data mining techniques: for marketing, sales, and customer support. John Wiley & Sons, Inc
Chen, P. S. (1976). The Entity-Relationship Model-Toward a Unified View Of Data. ACM Transactions on Database System. 1(1), 9-36 .
Coenen, F., Graham, G. & Leng, P. (2004). Tree structures for mining association rules. Data Mining and Knowledge Discovery, 8(1), 25-51.
Colleen, M. (2015). Data Mining and Predictive Analysis： Intelligence Gathering and Crime Analysis (2th ed.). Butterworth-Heinemann Press. constraints. Paper presented at the KDD, 97, 67-73.discovery in database. AI Magazine, 17(3), 37-54.
Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). From data mining to knowledge discovery in databases. AI magazine, 17(3), 37.
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.
Hofacker, C. F., Malthouse, E. C., & Sultan, F. (2016). Big data and consumer behavior: Imminent opportunities. Journal of Consumer Marketing, 33(2), 89-97.
Hoffer, J. A., George, J. F. & Valacich, J. S. (2002). Modern System Analysis and Design.(3rd ed.). Upper Saddle River, NJ, Prentice Hall.
Hui, S. C., & Jha, G. (2000). Data mining for customer service support. Information & Management, 38(1), 1-13.
Kantardzic, M. (2011). Data‐Mining Concepts. Data Mining: Concepts, Models, Methods, and Algorithms, Second Edition, 1-25.
Katarya, R., & Verma, O. P. (2016). A collaborative recommender system enhanced with particle swarm optimization technique. Multimedia Tools and Applications, 75(15), 9225-9239.
Kleissner, C. (1998, January). Data mining for the enterprise. In System Sciences, 1998., Proceedings of the Thirty-First Hawaii International Conference on (Vol. 7, pp. 295-304). IEEE.
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.
Kristin, R. N., & Matkovsky, I. P. (1999). Using data mining techniques for fraud detection. SAS Institute Inc. and Federal Data Corporation, 1-32.
Markham, S. K., Kowolenko, M. & Michaelis, T. L. (2015). Unstructured text analytics to support new product development decisions. Research Technology Management, 58(2), 30-38.
Marsden, P. V., & Campbell, K. E. (1984). Measuring tie strength. Social forces, 63(2), 482-501.
Ortega, F., Bobadilla, J., Hernando, A., & GutiéRrez, A. (2013). Incorporating grouprecommendations to recommender systems： Alternatives and performance.Information Processing and Management： An International Journal, 49(4), 895-901.
Padmanabhan, B., & Tuzhilin, A. (2002). Knowledge refinement based on the discovery of unexpected patterns in data mining. Decision Support Systems, 33(3), 309-321.
Ricci, F., Rokach, L., & Shapira, B. (2011). Introduction to recommender systems handbook. In Recommender systems handbook (pp. 1-35). springer US.
Schafer, J. B., Konstan, J. A., & Riedl, J. (2001). E-commerce recommendation applications. Data mining and knowledge discovery, 5(1-2), 115-153.
Wang, W., & Benbasat, I. (2008). Attributions of trust in decision support technologies： A study of recommendation agents for e-commerce. Journal of Management Information Systems, 24(4), 249-273.
Wang Y. F., Chuang Y. L., Hsu, M. H., and Keh H. C.（2004）. A personalized
Xiao, B., & Benbasat, I. (2007). E-commerce product recommendation agents: use, characteristics, and impact. MIS quarterly, 31(1), 137-209
Zhang, Z., Lin, H., Liu, K., Wu, D., Zhang, G., & Lu, J. (2013). A hybrid fuzzy-basedpersonalized recommender system for telecom products/services. Information Sciences： An International Journal, 235(20), 117-129.
三、網路部分
財團法人台灣網路資訊中心（2017）。「2017年台灣寬頻網路使用調查報告」。 2017年9月18日，取自:
https://www.twnic.net.tw/download/200307/20170721e.pdf。
東方線上（2016）。「消費與社群緊密結合，台灣2017年6大消費趨勢觀察」。2017年9月20日，取自：http://www.isurvey.com.tw/2_event/detail.aspx?id=216&utm_source=weekly&utm_medium=more&utm_campaign=word。
My MKC管理知識中心 (2012)。「如何善用社群行銷(Social Media Marketing)與目標族群對話」 。 2017年9月22日，取自:
https://mymkc.com/article/content/21288。

中華創業網(2011)。「社交網路（Social Network）的定義與發展」。2017年9月25日，取自: https://baodao.weebly.com/37325352013569638988/-social-network
My MKC管理知識中心 (2011)。「中小企業掌握行銷力，網路社群媒體行銷就是王道」。2017年9月28日，取自:
https://mymkc.com/article/content/21210。
維基百科（2015）。「社群媒體定義」。2017年9月30日，取自: https://zh.wikipedia.org/wiki/%E7%A4%BE%E4%BC%9A%E5%8C%96%E5%AA%92%E4%BD%93。
維基百科（2017）。「粉絲專頁定義」。2017年9月30日，取自: https://zh.wikipedia.org/wiki/%E7%B2%89%E7%B5%B2%E5%B0%88%E9%A0%81。
FaceBook（2017）。 「FaceBook粉絲專頁角色說明」。2017年10月1日，取自:
https://www.facebook.com/help/www/323502271070625?helpref=faq_content。