身處在資訊爆炸的時代，每個人的生活週遭都存在著各式各樣的訊息，大至大樓上的大型看版、電視牆，小至路邊的傳單、廣告文宣，在在都揭露著一些要透露給廣大消費者的訊息。對消費者而言，這些各式各樣的廣告媒體，是否有吸引其注意力，讓其進而從事消費活動？對廣告公司而言，要選擇何種廣告媒體，才可以發揮其廣告效果？對廠商而言，要使用什麼樣的代言人，方可吸引消費者的注意力？
    本研究透過關聯式資料庫的建立，在資料探勘技術運用下，建立知識庫，用以協助廠商及廣告公司，找到最適合之產品與代言人的組合及代言人與廣告媒體之組合，使其可以針對其所欲行銷之標的，發揮最大的產品及廣告代言人之效力。
    在本研究中，使用了兩種資料探勘的技術，分別是：關聯法則與集群分析。利用這兩種資料探勘技術，來輔助產品廠商及廣告廠商在代言人的選擇。每一種資料探勘技術都有其特別之功能，企業主可以根據其需求，選擇適合本身目標之工具來輔助；亦可以使用兩種以上的工具來補足各個方法之不足處。惟其必須考量清楚其目的為何。

In 21st centry, people live around information. All of these advertisement reveal much information to consumer. For consumer, can these advertisement media attract them? For advertisement firms, what kind of media can achieve advertisement effect? For product firms, what kind of endorser can attract consumer’s attention?

    In the study, we set a database and use technique of data mining to build a knowledge database. By the way, to help product firms and advertisement firms find suitable endorsers. Marketing department can use these outcome to make a marketing project and achieve goal. In this study, we use two kinds of data mining’s technique: association rule and cluster analysis.

目錄	I
表目錄	III
圖目錄	IV
第一章	緒論	1
1.1  研究背景與動機	1
1.2  研究目的	2
1.3  研究流程	3
第二章	文獻探討	5
2.1  涉入程度	5
2.2  迷	9
2.3  消費行為	13
2.4  產品與廣告代言人	19
2.5  資料探勘	26
2.6  本章小結	30
第三章	研究方法	31
3.1  問卷設計與發放	31
3.2  資料來源與抽樣方法	32
3.3  回收樣本結構描述	33
3.4  系統架構圖	34
3.5  關聯式資料庫	35
3.6  資料分析使用軟體－SPSS CLEMENTINE	40
3.7  關聯法則	42
3.8  APRIORI演算法	44
3.9  集群分析	45
第四章	資料分析	48
4.1  消費行為探勘	48
4.2  媒體使用探勘	55
4.3  代言人探勘	61
4.4  關聯法則小結	67
4.5  集群分析	69
第五章	結論與建議	74
5.1  管理意涵	74
5.2  結論	76
5.3  研究限制	77
5.4  後續研究及建議	77
參考文獻	78
中文文獻	78
英文文獻	81
附錄一  前測問卷	89
附錄二  正式問卷	96
附錄三  資料庫設置流程	103

表目錄
表2-1  各學者對涉入之定義	6
表2-2  各學者對迷之定義	11
表2-3  各學者對消費行為之定義	14
表2-4  涉入、品牌差異與產品採用模式	18
表2-5  高涉入消費者與低涉入消費者消費過程之比較	19
表2-6  各學者對代言人之定義	23
表2-7  各學者對代言人之分類	24
表2-8  各學者對資料探勘之定義	27
表2-8  各學者對資料探勘之定義（續）	28
表2-9  各學者對資料探勘程序之分類	29
表3-1  前測問卷發放回收情形	32
表3-2  問卷回收統計表	33
表3-3  基本資料統計表	33
表3-3  基本資料統計表（續）	34
表3-4  實體、關聯、屬性之描述	36
表3-5  實體與屬性一覽表	37
表3-6  原始資料表	43
表4.1  涉入程度與消費行為食之關聯法則	49
表4.2  涉入程度與消費行為衣之關聯法則	51
表4.3  涉入程度與消費行為住行之關聯法則	53
表4.4  涉入程度與消費行為育樂之關聯法則	54
表4.5  消費行為與媒體通路網路之關聯法則	56
表4.6  消費行為與媒體通路報紙之關聯法則	58
表4.7  消費行為與媒體通路廣播電台之關聯法則	59
表4.8  消費行為與媒體通路電視節目之關聯法則	61
表4.9  消費行為（食）代言人之關聯法則	62
表4.9  消費行為（食）代言人之關聯法則（續）	63
表4.10 消費行為（衣）代言人之關聯法則	65
表4.11 消費行為（育樂）代言人之關聯法則	67
表4-12集群分析結果	70
表4-12集群分析結果（續）	71
表4-13集群ㄧ與集群二偏好的主要差異變數：運動	73

 
圖目錄
圖1-1  研究流程圖	3
圖2-1  NICOSIA模式	15
圖2-2  HOWARD消費決策過程	15
圖2-3  EKB消費決策過程	16
圖2-4  相稱理論示意圖	20
圖2-5  平衡理論示意圖	21
圖2-6  平衡與不平衡狀態	21
圖2-7  平衡理論在推薦式廣告之應用	22
圖3-1  系統架構圖	35
圖3-2  概念性資料庫圖	38
圖3-3  邏輯性資料庫圖	39
圖3-4  實體資料庫圖	40
圖3-5  2005年各資料採礦軟體被使用頻率	41
圖4.1  涉入程度與消費行為食之關聯圖（調整前）	48
圖4.2  涉入程度與消費行為食之關聯圖（調整後）	49
圖4.3  涉入程度與消費行為衣之關聯圖（調整前）	50
圖4.4  涉入程度與消費行為衣之關聯圖（調整後）	51
圖4.5  涉入程度與消費行為住行之關聯圖（調整前）	52
圖4.6  涉入程度與消費行為住行之關聯圖（調整後）	52
圖4.7  涉入程度與消費行為育樂之關聯圖（調整前）	53
圖4.8  涉入程度與消費行為育樂之關聯圖（調整後）	54
圖4.9  消費行為與媒體通路網路之關聯圖（調整前）	55
圖4.10消費行為與媒體通路網路之關聯圖（調整後）	56
圖4.11消費行為與媒體通路報紙之關聯圖（調整前）	57
圖4.12消費行為與媒體通路報紙之關聯圖（調整後）	57
圖4.13消費行為與媒體通路廣播電台之關聯圖（調整前）	58
圖4.14消費行為與媒體通路廣播電台之關聯圖（調整後）	59
圖4.15消費行為與媒體通路廣播電視之關聯圖（調整前）	60
圖4.16消費行為與媒體通路廣播電視之關聯圖（調整後）	60
圖4.17消費行為（食）代言人之關聯圖（修正前）	61
圖4.18消費行為（食）代言人之關聯圖（修正後）	62
圖4.19消費行為（衣）代言人之關聯圖（修正前）	64
圖4.20消費行為（衣）代言人之關聯圖（修正後）	64
圖4.21消費行為（育樂）代言人之關聯圖（修正前）	66
圖4.22消費行為（育樂）代言人之關聯圖（修正後）	66
圖4.23媒體行銷地圖	68
圖4.24消費行為行銷地圖	69
圖4-25集群分析結果圖	72

中文文獻
1.	尹相志（民93）。資料採礦－網際網路應用與顧客價值管理。台北市：維科。
2.	王懷明（民93）。名人廣告源可信度因子結構。心理學報，36（3），365-369。
3.	江建良（民85）。消費行為模式之理論探討與實務涵義（上）。 企銀季刊，2（20），117-123。
4.	吳建和，蔡翔斯，林群佑（民93）。音樂商品消費行為特性之調查研究－以大學生族群為例。大業學報，13（2），69-80。
5.	李佩真（民87）。偶像文本的消費意義：迷與偶像關係之探討。世新大學傳播研究所碩士論文。
6.	李美枝（民85）。社會心理學（六月增訂版）。台北：大洋出版社， 296-8。
7.	李維平（民92）。 http://www.datamining.org.tw/teach/online.asp。
8.	沈清正、陳仕昇、高鴻斌、張元哲、陳家仁、黃琮盛、陳彥良（民91）。「資料間隱含關係的挖掘與展望」，資訊管理學報，第九卷，專刊期，75-100。
9.	汪志堅，李欣穎（民94）。來源可信度、情感認同與涉入程度對網路謠言闢謠效果之影響。管理學報，22（3），391-413。
10.	林怡璇（民87）。漫畫同人誌成員之特質、自我概念與行為研究。私立文化大學新聞所碩士論文。
11.	林慶德（民92）。資料庫管理與應用。台北市：培生。
12.	林靈宏（民83）。消費者行為。台北：五南出版社。
13.	韋端（主編）（民92）。Data Mining概述，以Clementine7.0為例。台北縣新莊市：中華資料採礦協會。
14.	徐振傑（民93）。女性商品，男性代言電視廣告中的「新」男性形象與再現意涵。傳播與管理研究，3卷（2），133-159。
15.	徐達光（民79）。回顧今年展望明年的廣告界，中華民國廣告年鑑1989-1990。
16.	張淑惠（民82）。S-O-R模型在消費者涉入理論之應用的檢討。德明學報，11，144-177。
17.	張瑋倫（民89）。應用資料挖掘學習方法探討顧客關係管理問題。私立輔仁大學資訊管理學系碩士論文。
18.	湯禎兆（民88）。流行文化裏的日本。台北：商業周刊。
19.	程紹同（民89）。企業最佳代言人。廣告雜誌，105期。台北：滾石文化出版社。
20.	黃俊英（民89）。行銷管理-策略性的觀點。台北：華泰文化事業公司。
21.	黃俊英、賴文彬（民79）。涉入的理論發展與實務應用。管理科學學報，7（1），15-29。
22.	黃秋碧（民87）。漫畫閱讀之遊戲、快感經驗與社會實踐－以政大、世新大學生為例。私立世新大學傳播所碩士論文。
23.	黃香瑜（民87）。基隆市國中學生飲料消費行為研究。國立台灣師範大學家政教育研究所碩士論文。
24.	楊文壽（民90）。行動電話手機消費者之涉入程度及購買決策相關因素之關聯性研究。國立交通大學經營管理研究所碩士論文。
25.	廖志逢（民93）。銀行保險消費者購買動機、認知、涉入與意願之研究。朝陽科技大學企業管理系碩士論文。
26.	劉照金、莊哲仁、沈裕盛（民91）。大學生對全校運動會的目標認同傾向、涉入程度、外在影響程度及參與率之研究。大專體育學刊，4卷（2），31-44。
27.	練乃華（民89）。推薦式廣告之溝通效果研究。國立台灣大學商學研究所碩士論文。
28.	鄭百評（民90）。資料採礦讓企業深耕客戶價值。數位時代雜誌，專刊2 號，48-51。
29.	謝邦昌、易丹輝（民92）：統計資料分析-以 STATISTICA 6.0 為例。台北：中華資料採礦協會。
30.	簡妙如（民85）。過度的閱聽人–「迷」之初探。國立中正大學電訊傳播研究所碩士論文。
31.	鐘寬仁( 民7 8 )。雙面訴求與單面訴求廣告效果比較之研究－在不同產品涉入程度與不同訊息負荷量情況下。國立交通大學管理科學研究所碩士論文。
   
英文文獻
1.	Agrawal, R., & Srikant, R. (1994). Fast Algorithms for Mining Association Rules. Proceeding of the 20th International Conference on Very Large Database, 487-499.
2.	Agrawal, R., Imilienski, T., & Swami, A. (1993). Mining Association Rules between Sets of Items in Large Database. Proceedings of the 1993 ACM SIGMOD International Conference on Management of Data, 207-216.
3.	Berry, M., & Linoff, G. (1997). Data Mining Techniques for Marketing, Sales and Customer Suppor. New York: John Wiley and Sons.
4.	Birgit, T. (2006). Conceptualizing Special Interest Tourism- Frameworks for Analysis. Tourism Management, 27, 183-200.
5.	Bloch, P. H., & Richins, M. L. (1983). A Theoretical Model for the Study of Product Importance Perceptions. Journal of Marketing, 47, 69-81.
6.	Cabena, P., Hadjinian, P. O., Stadler, R., Verhees, J., & Zanasi, A. (1997). Discovering Data Mining from Concept to Implementation. New York: Prentice Hall.
7.	Chen, M. S., Han, J., & Yu, P. S. (1996). Data Mining: An Overview from a Database Perspective. IEEE Transactions on Knowledge and Data Engineering, 18(6), 866-883.
8.	Chen, P. (1976). The Entity-Relationship Model: Toward a Unified View of Data. ACM Transactions on Database Systems, 1(1), 9-36.
9.	Chung, H. M., & Gray, P. (1999). Guest Editors Special Section: Data Mining. Journal of Management Information Systems, 16, 11-16.
10.	Comery, A. L. (1973). A first course in factor analysis. New York: Academic Press.
11.	David, H. S., & Benedikte, A. (2004). Factors Predicting the effectiveness of Celebrity endorsement advertisements. European Jouanal of Marketing, 38(11/12), 1509-1526.
12.	Dean, D. H., & Biswas, A. (2001). Third-party Organization Endorsement of Products: an advertising cue affecting consumer prepurchase evaluation of goods and services. Journal of Advertising, 30(4), 41-57.
13.	Engel, J. F., Blackwell, R. D., & Minard, P. W. (1993). Consumer Behavior. (7th ed.). Chicago: The Dryden Press
14.	Fayyad, U. M. (1996). Data Mining and knowledge Discovery : Making Sense Out of data. IEEE Expert, 11(5), 20-25.
15.	Fayyad, U. M., & Stolorz, P. (1996). Data Mining and KDD: Promise and challenges. Further Generation Computer Systems, 13, 99-115.
16.	Feick, L., & Higie, R. A. (1992). The effects of preference heterogeneity and source characteristics on ad processing and judgments about endorsers. Journal of Marketing, 21(2), 9-24.
17.	Fiske, J. (1992). The cultural economy of fandom. New York: Routledge. 30–49.
18.	Frawley, W. J., Shapiro, G. P., & Matheus, C. J. (1991). Knowledge discovery in databases: an overview, Knowledge Discovery in Database. AAAI Press/The MIT Press, Menlo Park, CA, 1~30.
19.	Freiden, J. B. (1984). Advertising Spokesperson Effects: Examination of Endorser Type and Gender on Two Audiences. Journal of Advertising Research, 24(5), 33-41.
20.	Greewald, A. G., & Leavitt C. (1984). Audience Involvement in Advertising: Four Levels. Journal of Consumer Research, 11, 581-592.
21.	Grupe, F. H., & Owrang, M. M. (1995). Database mining discovery new knowledge and cooperative advantage. Information System Management, 12, 26-31.
22.	Hahha, N., & Wozniak, R. (2001). Consumer behavior (1st ed.). New York: Prentice – Hall.
23.	Hall, C. (1995). The devil's in the details: techniques, tools, and application for database mining and knowledge discovery part 1. Intelligent Software Strategies, 6(9), 1-16.
24.	Han, J., & Kamber, M. (2000) Data Mining: Concepts and Techniques (1st ed.). SF: Morgan Kaufmann.
25.	Hansen, R. A., & Scott, C. A. (1967). Comment on Attribution Theory and Advertiser Credibility. Journal of Marketing Research, 13(2), 193-197.
26.	Harris, C., & Alexander, A. (1998). Theorizing Fandom. New Jersey: Hampton Press.
27.	Heider, F. (1958), The Psychology of Interpersonal Relations. New York : Wiley.
28.	Houston, M. J., & Rothschild, M. L. (1978). Conceptual and Methodological Perspectives on Involvement. Enducators’Proceedings, American Marketing Association, Chicago, 184-187.
29.	Hui, S. C., & Jha, G. (2000). Data mining for customer service support. Information & Management, 38(1), 1-13.
30.	Janet, C., Geoffrey, W., & Chen, T. T. (2005). Endorsement Advertisement in Aboriginal Tourism: an Experiment in Taiwan. International Journal of Tourism Research, 7, 347-356. 
31.	Jenson, J. (1992). Fandom as Pathology: the consequence of characterization. New York: Routledge, 9-29.
32.	Kagami, N., Iwamoto, R., & Tani, T. (2005). Application of datamining method(ID3) to data analysis for ultra deep hydrodesulfurization of straight-run light gas oil – determination of effective factor of the feed properties to reaction rate of HDS. Fuel, 84(2-3), 279-285.
33.	KDnuggets.(May 2005). Data Mining Tool You Used in 2005. Retrieved October 21, 2005, from http://www.kdnuggets.com/polls/2005/data_mining_tools.htm
34.	Keima, D. A., Pansea, C., Sipsa, M., & Northb, S. C. (2004). Pixel based visual data mining of geo-spatial data. Computers & Graphics, 28, 327-344.
35.	Kerr, J. H., Wilson, G. V., Nakamura, Isamu., & Yoshiko, Sudo. (2005). Emotional Dynamics of Soccer Fans at Winning and Losing Games. Personality and Individual Differences, 38, 1855-1866.
36.	Kima, Y. S., & Street, W. N. (2004). An intelligent system for customer targering: a data mining approach. Decision Support Systems, 37, 215-228.
37.	Kleissner, C. (1998). Data mining for the enterprise. Proc. of the Thirty-First Hawaii International Conference, 7, 295-304.
38.	Kolter, P. (1997). Marketing Management: Analysis, Planning and Control (9th ed.). New Jersey: Prentice-Hall Inc.
39.	Kouris, I. N., Makris, C. H., & Tsakalidis, A. K. (2005). Using Information Retrieval techniques for supporting data mining. Data & Knowledge Engineering, 52, 353-383.
40.	Kristin, R. N., & Matkovsky, I. P. (1999). Using Data Mining Techniques for Fraud Detection. SAS Institute Inc. and Federal Data Corporation.
41.	Krugman, H. E. (1965). Impact of Television Advertising Learning without Involvement. Public Opinion Quarterly, 29, 349-356.
42.	Lastovicka, J. L., & Gardner, D. M. (1979). Comsumer Involvement Profiles: A Newpractical Approach to Consumer Involvement. Journal of Advertising Research, 25, 48-56.
43.	Lewis, L. (1992). The Adoring Audience. New York : Routedge.
44.	Liao, S. H., & Chen, Y. J. (2004). Mining customer knowledge for electronic catalog marketing. Expert Systems with Applications, 27, 521-532.
45.	McCracken, G. (1989). Who Is The Celebrity Endorser? Cultural Foundations Of The Endorsement Process. Journal of Consumer Research, 16(3), 310-321.
46.	McQuail, D. (1994). Mass Communication Theory：An Introduction. London : Sage.
47.	Mitchell, A. A. (1981). Dimension of Advertising Involvement, In: K. B. Monroe(ed.), Advances in Consumer Research, 8, Ann Arbor, MI:University Microfilms International.
48.	Mittal, B., & Lee, M. S. (1989). A Casual Model of Consumer Involvement. Journal of Economice Psychology, 10, 363-89.
49.	Mowen, J. C., Brown, S. W. (1980). On explaining and predicting the effectiveness of celebrity. Endorser Advance in Consumer Research, Association for Consumer Research, 8.
50.	Mowen, J. C., Brown, S. W., & Schulman, M. (1979). Theoretical and Empirical Extensions of Endorser Effectiveness, in AMA Educators’ ConferenceProceedings, Beckwith, N. et al., eds. Chicago: American Marketing Association, 58-262.
51.	Newcomb, T. M. (1953). 	An Approach to the Study of Communication Arts. Psychology Review, 60, 393-404.
52.	Ohanian R. (1991), The Impact of Celebrity Spokespersons Perceived Image on Consumers’ Intention to. Journal of Advertising Research, 46-54.
53.	Olaru, C., & Wehenkel, L. (1999). Data Mining. CAP TUTORIAL, 19-25.
54.	Punj, G., & Stewart, D. W. (1983). Cluster Analysis in Marketing Research: Review and Suggestions for Application. Journal of Marketing Research, 20(2). 134-148.
55.	Robert T., & Daniel B. (1970). Cluster Analysis. New York: McGraw Hill.
56.	Robert, A. P. (2005). Response Construction in Consumer Behavior Research. Journal of Business Research, 58, 348-353. 
57.	Rothschild, M. L. (1979). Advertising Strategies for High and Low Involvement Situations. Attitude Research Plays for High Stakes, J. c Malongey ed. 74-93.
58.	Santos, M. Y., & Amaral, L. A. (2004). Mining geo-referenced data with qualitative apatial reasoning strategies. Computers and Graphics, 28(3), 371-379.
59.	Schiffman, L. G., & Kanuk, L. L (1991). Consumer Behavior (2nd ed.). New Jersey: Prentice - Hall, 4.
60.	Shaw M. J., Subramaniam, C., & Tan G. W. (2001). Knowledge management and data mining for marketing. Decision Support Systems, 31, 127-137.
61.	Sherif, M., & Cantril, H. (1947). The Psychology of Ego-involvement. New York: John Wiley & Sons.
62.	Stafford, M. R. (1998). Advertising sex-typed services: The effects of sex, service type, and employee type on consumer attitudes. Journal of Advertising, 27(2), 65-82.
63.	Stephens, N., & Faranda, W. T. (1993). Using employees as advertising spokespersons. Journal of Services Marketing, 7(2), 36-46.
64.	Stout, P. A., & Moon, Y. S. (1990). Use of Endorsers in Magazine Advertisements. Journalism Quarterly, 67(3), 536-46.
65.	Swinyard, & William, R. (1993). The Effects of Mood, Involvement, and Quality of Store Experience on Shopping Intentions. Journal of Consumer Research, 20, 271-280.
66.	Walter, G. G., & Paul G. W. (1970). Consumer Behavior: An intergrated framework. New York: Richard D. Irwin. Inc.
67.	Wang Y. F., Chuang Y. L., Hsu M. H., & Keh H. C.(2004). A personalized recommender system for the cosmetic business. Expert Systems with Applications, 26, 427-434.
68.	Wang, K., Hsieh, A., & Chen, W. (2002). Is the tour leader an effective endorser for group package tour brochures? Tourism Management, 23(5), 489-498.
69.	Warrington, P., & Shim, S . (2000). An Empirical Investigation of the Relationship Between Product Involvement and Brand Commitment. Psychology & Marketing, 17, 761-782.
70.	Williams, R. G.(1982). Consumer Behavior Fundamental and Strategies. St. Paul Minn: West Publishing Co., 5-6
71.	Woodside, A. G., Sullivan, D. P., & Trappey, R. J. (1999). Assessing relationships among strategic types, distinctive marketing competencies, and organizational performance. Jouanal of Business Research, 45 (2), 135-146.
72.	Yano, C. (2000). Charisma’s  Realm: Fandom in Japan. Eghnology, 36(4) , 335-350.
73.	Zaichkowsky, J. L. (1985). Measuring the Involvement Construct. Jouanal of Consumer Research, 12, 341-352.
74.	Zaichkowsky, J. L. (1986). Conceptualizing Involvement. Journal of Advertising, 15(2), 4-14.