本研究旨在探討消費者對於產品類別涉入、網際網路和行動電話的使用狀況，以及線上促銷行為間的關聯。希望了解消費者的涉入程度是否因不同的產品類別而有所差異，而網際網路和行動電話的使用情況，是否會影響消費者對網路和簡訊行銷的態度。進而推論，此種利用網際網路和行動電子產品，作為行銷的方法是否可行。本研究以台北縣淡江大學，日間部一～四年級的大學生作為抽樣母體，採分層抽樣的方式發放問卷。涉入的產品類別，是將日常生活用品，依食、衣、住、行、育、樂作分類。研究結果發現：
（1）產品類別與產品涉入程度：以產品類別為「樂」者，大學生的高涉入傾向較為明顯。高涉入者，在「重要的」題項上，其成本效果非常顯著。
（2）高產品涉入者與手機使用情形：對「飲食」具高涉入的大學生，通常使用手機來撥接電話、使用的目的為方便聯絡。
（3）使用手機消費者對線上促銷行為之態度：在網路促銷和簡訊促銷兩方面，只需20％～35％的關聯規則，就可以獲得90％的解釋力，故建議業者可以做更好的資源配置。

This research is for the purpose of discussing the consumer to ford into, the internet and the mobile phone behavior in service regarding the product category, as well as on-line promotes sales the behavior connection. The hope understood the consumer fords into the degree whether has a difference because of the different product category, but internet and mobile phone service condition, whether can affect the consumer to the network and the news brief marketing manner. Then the deduction, this kind of use internet and the motion electronic products, took marketing method is whether feasible. This research by the Taibei county Danjiang University, during the day a four grades university student took the sampling parent substance, picks the stratified sampling the way to provide asks the volume. Fords into the product category, is the daily life thing, according to the food, the clothes, lives, the line, nurtures, happy makes the classification.

謝辭	i
中文摘要	i
Abstract	i
目錄	i
表目錄	vi
圖目錄	viii
第一章  緒論	1
1.1  研究動機	1
1.2  研究目的	2
1.3  研究流程	2
1.4  研究限制	4
第二章  文獻探討	5
2.1  涉入	5
2.1.1  涉入的定義	5
2.1.2  涉入的分類	7
2.1.3  影響涉入的因素	7
2.2  行動商務	8
2.2.1  行動商務的定義	8
2.2.2  行動商務的應用	9
2.3  行動行銷	10
2.3.1  行動行銷的定義	10
2.3.2  行動行銷的應用	11
2.4  直效行銷	12
2.4.1  直效行銷的定義	12
2.4.2  直效行銷的類型	14
2.5  資料採礦	16
2.5.1  資料採礦的定義	16
2.5.2  資料採礦的功能	20
2.5.3  資料採礦的程序	20
第三章  研究方法	22
3.1  研究設計	22
3.1.1  樣本抽樣設計	22
3.1.2  問卷設計	23
3.1.3  回收問卷基本分析	25
3.2  資料採礦分析工具	27
3.2.1  關聯性法則	27
3.2.2  Apriori演算法	30
3.2.3  資料分析軟體－SPSS Clementine	33
3.3  系統架構和功能	36
3.3.1  系統架構圖	36
3.3.2  系統流程圖	38
3.4  關聯式資料庫建置	40
3.4.1  概念性資料庫設計	40
3.4.2  邏輯性資料庫設計	42
3.4.3  建立實體資料庫	43
第四章  資料分析與採礦	45
4.1  產品類別與產品涉入程度之分析	45
4.1.1  產品類別差異分析	45
4.1.2  產品涉入程度分析	49
4.2  高產品涉入消費者之手機使用情形分析	52
4.3  使用手機消費者的線上促銷行為分析	54
4.3.1  網路促銷行為	54
4.3.2  簡訊促銷行為	57
4.4  折扣簡訊之設計	60
4.4.1  手機外觀與內建簡訊資訊	60
4.4.2  實際發展折扣簡訊	62
第五章  結論	64
5.1  管理意涵	64
5.2  後續研究	64
5.3  結論	65
參考文獻	66
中文部份	66
英文部份	67
網路部份	72
附錄一：研究問卷	73
附錄二：資料分析圖形及關聯規則表	79

 
表目錄
表2-1  各學者對於涉入的定義	6
表2-2  行動商務的定義	9
表2-3  直效行銷的定義	13
表2-4  直效行銷的類型	14
表2-5  各學者對於資料採礦的定義	18
表3-1  淡江大學大學日間部一～四年級學生人數統計	22
表3-2  立意抽樣計算之所需樣本數目	22
表3-3  預試發放問卷回收情形	23
表3-4  產品類別一覽表	24
表3-5  正式發放量表回收情形	25
表3-6  性別分佈	26
表3-7  年齡分佈	26
表3-8  就讀學院分佈	26
表3-9  住宿狀況分佈	26
表3-10  教育程度（年級）分佈	26
表3-11  原始資料表	28
表3-12  關聯法則關係表	28
表3-13  資料庫中關聯路徑	31
表3-14  Apriori演算法產生的候選項目集合和高頻項目集合	32
表3-15  各種資料採礦軟體使用頻率	34
表4-1  各種產品之消費者涉入比例分佈	45
表4-2  各產品類別之消費者涉入比例分佈	47
表4-3  各產品類別於個人涉入量表各選項之平均數	48
表4-4  消費者認知重要的產品關聯	50
表4-5  產品重要度涉入程度高的關聯規則	51
表4-6  食涉入和手機使用情形的關聯規則	53
表4-7  網路促銷行為之關聯規則	56
表4-8  簡訊促銷行為之關聯規則	59
表4-9  OKWAP 163手機內建簡訊容量資訊	61
表4-10  簡訊折扣內容	62
附錄表1  產品吸引度涉入程度高的關聯規則	79
附錄表2  消費者認知吸引人的產品關聯	80
附錄表3  產品需要度涉入程度高的關聯規則	80
附錄表4  消費者認知需要的產品關聯	81
附錄表5  衣涉入和手機使用情形的關聯規則	82
附錄表6  住涉入和手機使用情形的關聯規則	83
附錄表7  行涉入和手機使用情形的關聯規則	84
附錄表8  育涉入和手機使用情形的關聯規則	85
附錄表9  樂涉入和手機使用情形的關聯規則	86

 
圖目錄
圖1-1  研究流程圖	3
圖2-1  直效行銷的分類	15
圖3-1  五維度的子集合示意圖	33
圖3-2  系統架構圖	37
圖3-3  系統流程圖	39
圖3-4  概念性資料庫圖	41
圖3-5  邏輯性資料庫圖	42
圖3-6  轉換資料表格式的操作方式	44
圖3-7  系統資料表的關聯圖	44
圖4-1  各種產品之消費者涉入比例分佈	46
圖4-2  各產品類別之消費者涉入比例分佈	47
圖4-3  各產品類別之語意差異圖	48
圖4-4  重要度蛛網分析圖（修正前）	49
圖4-5  重要度蛛網分析圖（修正後）	50
圖4-6  產品重要度之效益評估圖	51
圖4-7  涉入（食）和手機使用情形蛛網分析圖（修正前）	52
圖4-8  涉入（食）和手機使用情形蛛網分析圖（修正後）	52
圖4-9  涉入（食）與手機使用情形之效益評估圖	54
圖4-10  使用手機消費者的網路促銷行為蛛網圖（修正前）	55
圖4-11  使用手機消費者的網路促銷行為蛛網圖（修正後）	55
圖4-12  線上促銷行為之效益評估圖	57
圖4-13  使用手機消費者的簡訊促銷行為蛛網圖（修正前）	58
圖4-14  使用手機消費者的簡訊促銷行為蛛網圖（修正後）	58
圖4-15  簡訊促銷行為之效益評估圖	60
圖4-16  手機整隻的外觀	60
圖4-17  手機螢幕的外觀	61
圖4-18  手機簡訊實際在畫面的樣式	62
附錄圖1  吸引度蛛網分析圖（修正前）	79
附錄圖2  吸引度蛛網分析圖（修正後）	79
附錄圖3  需要度蛛網分析圖（修正前）	80
附錄圖4  需要度蛛網分析圖（修正後）	81
附錄圖5  涉入（衣）和手機使用情形蛛網分析圖（修正前）	82
附錄圖6  涉入（衣）和手機使用情形蛛網分析圖（修正後）	82
附錄圖7  涉入（住）和手機使用情形蛛網分析圖（修正前）	83
附錄圖8  涉入（住）和手機使用情形蛛網分析圖（修正後）	83
附錄圖9  涉入（行）和手機使用情形蛛網分析圖（修正前）	84
附錄圖10  涉入（行）和手機使用情形蛛網分析圖（修正後）	84
附錄圖11  涉入（育）和手機使用情形蛛網分析圖（修正前）	85
附錄圖12  涉入（育）和手機使用情形蛛網分析圖（修正後）	85
附錄圖13  涉入（樂）和手機使用情形蛛網分析圖（修正前）	86
附錄圖14  涉入（樂）和手機使用情形蛛網分析圖（修正後）	86

中文部份
CRM Data Mining應用系統建置（葉涼川譯）（民90）。臺北市：麥格羅希爾。（原著出版年：2000年）
尹相志（2004）。資料採礦－網際網路應用與顧客價值管理。台北：維科。
王凱（民90）。超媒體電腦媒介環境中消費者涉入與廣告效果研究－廣告情境與導引策略的調節影響。國立中央大學資訊管理學系博士論文。
行動商業（戴至中譯）（民90）。臺北市：麥格羅希爾。（著出版年：2001年）
吳水丕（民76）。直銷通路革命－多層次傳銷：理論‧觀念‧實務。新店市。
吳水丕（民84）。多層次傳銷的天下。臺北市：漢宇。
李孟娜（民91）。產品涉入與生活型態對多樣化行為之影響。國立台灣大學商學研究所碩士論文。
李靜芳（民90）。行動傳播率先行，企業行銷變新裝。臺北市：遠擎管理顧問公司。
周湘雯（民90）。網路使用者對線上促銷活動態度之研究。國立中山大學傳播管理研究所碩士論文。
林靈宏（民82）。消費品類型、創新類型與新產品行銷策略關係研究。國立政治大學企業管理研究所博士論文。
林靈宏（民83）。消費者行為學。台北市：五南書局。
韋端（主編）（2003）。Data Mining概述，以Clementine 7.0為例。台北：中華資料採礦協會。
康志瑋（民90）。涉入理論於網路商品行銷之應用。長庚大學企業管理研究所博士論文。
陳吉宗（民91）。行動商務市場區隔之研究－以3C市場為例。國立台灣科技大學管理研究所EMBA學程碩士論文。
陳燈能（民90）。挖掘企業資料的寶藏—淺談資料採礦技術。商業現代化，46，42-46。
黃貝玲（民90）。解析B2C、B2B與B2E三種類型之行動商務的應用領域：電子化企業經理人報告。臺北市：ARC遠擎管理顧問公司企業智慧部。
楊舜仁（民90）。行動商務的發展趨勢與個人應用：電子化企業經理人報告。臺北市：ARC遠擎管理顧問公司企業智慧部。
楊源清（民84）。快樂的傳銷人。臺北市：育民出版社。
詹弘志（民86）。你為什麼不做傳銷（初版）。臺北市：傳銷世紀文化。
資料庫管理（黃加佩、盧東華、廖文淵合譯）（民89）。臺北市：儒林。（原著出版年：1998年）
劉吉軒、傅立成、游美姿、張順發、蔡瑞彬（民91）。資料倉儲與資料採礦技術簡介。機械工業，237，139-145。
劉韋緒（民91）。資訊代理人應用於行動化顧客關係管理之研究。中原大學資訊管理學系碩士學位論文。
蔡易霖（民90）。便利、涉入與消費者行為之研究－以行動電子商務為例。私立中國文化大學國際企業管理研究所碩士論文。
蔡明達、耿慶瑞（民89）。服務涉入之衡量。交大商管學報，5（1），19-42。
蔡欣穎（民92）。行動行銷策略及價值網分析。國立台灣大學商學研究所碩士論文。
謝邦昌、易丹輝（民92），統計資料分析－以STATISTICA 6.0版為例，台北，中華資料採礦協會，頁337-358。
鍾大成（民89年9月1日）。行動商務之發展趨勢與展望。網際先鋒雜誌，62-68。
英文部份
Agrawal, R., & Srikant, R. (1994). Ast Algorithms for Mining Association Rules. Proceedings of the 20th International Conference on Very Large Databases, 487-499.
Agrawal, R., Imilienski, T., & Swami, A. (1993). Mining Association Rules between Sets of Items in Large Databases. Proceedings of the ACM SIGMOD Int'l Conf. on Management of Data, 207-216.
Andrews, J. C., Durvasula, S., ＆ Akhter, S. H. (1990). A Framework for Conceptualizing and Measuring the Involvement Construct in Advertising Research. Journal of Advertising, 19(4), 27-40.
Berry, M. J. A., & Linoff, G. (1997). Data Mining Techniques: For Marketing, Sales, and Customer Support. John Wiley & Sons, New York.
Bloch, P. H., & Richins, M. L. (1983). A Theoretical Model for the Study of Product Importance Perceptions. Journal of Marketing, 47(Summer), 69-81.
Bowen, L., & Chaffer, S. H. (1974). Product Involvement and Pertinent Advertising Appeals. Journalism Quarterly, 51, 613-615.
Cabena, P., Hadjinian, P. O., Stadler, Verheesand, R. J., & Zanasi, A. (1997). Discovering Data Mining form Concept to Implementation. Prentice Hall: New York.
Celsi, R. L., & Olson, J. C. (1988). The Role of Involvement in Attention and Comprehension Processes. Journal of Consumer Research, 15(September), 210-224.
Chung, H. M. and Gray, P., (1999). Special Section: Data Mining. Journal of Management In formation System, 16(1), 11-16.
Coenen, F., Goulbourne, G., & Leng, P. (2004). Tree Structures for Mining Association Rules. Data Mining and Knowledge Discovery, 8, 25-51.
Engel, J. F., & Blackwell, R. D. (1982). Consumer Behavior. (4th Ed.). New York: The Dryden Press.
Fayyad, U. M., Piatetsky-Shapiro, G., Smyth, P., & Uthurusamy, R. (2nd Ed.). (1996). Advances in Knowledge Discovery and Data Mining. AAAI/MIT Press.
Frawley, W. J., Paitersky, G. S., & Matheus, C. J. (1999). Knowledge Discovery in Database: An Overview, Knowledge Discovery in Database. Menlo Park, CA: AAAI Press.
Gorupe, F. H., & Owrang, M. M. (1995). Database mining discovery new knowledge and cooperative advantage. Information System Management, 12, 26-31.
Greenwald, A. G., & Leavitt, C. (1984). Audience Involvement in Advertising: Four Levels. Journal of Consumer Research, 11, 581-592.
Hall, C. ed., (1995). The devil’s in the details: techniques, tool, and application for database mining and knowledge discovery partⅡ. Intelligent Software Strategies. XI(9), 1-16.
Han, J., & Kamber, M. (2001). Data Mining: Concepts and Techniques, Morgan Kaufmann. CA, USA.
Hand, D. J., Blunt, G., Kelly, M. G. & Adams, N. M. (2000). Data mining for fun and profit. Statistical Science, 15(2), 111-131.
Houston, M. J., & Rothschild, M. L. (1978). Research Forntiers in Marketing: Dialogues and Directions. S. Jain. Chicago., 184-187.
Hui, S. C., & Jha, G. (2000). Data mining for customer service support. Information & Management, 38(1), 1-13.
Kalakota, R., & Robinson, M. (2001). M-Business: The Race to Mobilibty. New York: McGraw-Hill.
Kann, W. (2000). Comment on: Data mining for fun and profit. Statistical Science, 15(2), 127-130.
Kawano, S., Huynh, V.N., Ryoke, M., & Nakamori, Y. (2005). A context-dependent knowledge model for evaluation of regional environment. Environmental Modelling and Software, 20(3), 343-352.
Kima, Y. S., & Street, W. N. (2004). An intelligent system for customer targeting: a data mining approach. Decision Support Systems, 37, 215-228.
Kotler, P., Hoon, A. S., Meng, L. S., & Tiong, T. C. (1999). Marketing Management: An Asian Perspective. (2nd Ed.). Prentice Hall.
Kouris, I. N., Makris, C. H., & Tsakalidis, A. K. (2005). Using Information Retrieval techniques for supporting data mining. Data & Knowledge Engineering, 52, 353-383.
Krugman, H. E. (1965). The Impact of Television Advertising: Learning Without Involvement. Public Opinion Quarterly, 29, 349-356.
Liao, S. H., & Chen, Y. J. (2004). Mining customer knowledge for electronic catalog marketing. Expert System with Applications, 27(4), 521-532.
Mitchell, A. A. (1981). The Dimensions of Advertising Involvement. Advances in Consumer Research, 8, 25-30.
Mittal, B., & Lee, M. (1989). A Causal Model of Consumer Involvement. Journal of Economic Psychology, 10, 363-389.
Mittal, M. (1989). Measuring Purchase-Decision Involvement. Psychology & Marketing, 6(2)(Summer), 147-162.
Nardine, C., Francis, F. & Steven, W. F. (2004). Managerial Involvement and Perceptions of Strategy Process. Long Range Planning, 37, 67-83.
Padmanabhan, B., & Tuzhilin, A. (2002). Knowledge refinement based on the discovery of unexpected patterns in data mining. Decision Support Systems, 33, 309-321.
Peacock, P. R. (1998). Data Mining in Marketing: Part1. Marketing Management, 6(4), 8-18.
Petty, R. E., & Caioppo, T. J. (1981). Issue involvement as a moderator of the effects on attitude of advertising content and context. Advances in Consumer Research, 4(8), 20-24.
Pieter, A. and Dolf, Z. (1996), Data Mining, Addison Wesley Longman.
Quester, P. & Lim, A. L. (2003). Product involvement/brandloyalty: is there a link?. Jouurnal of product & Brand management, 12(1), 22-38.
Rick, B. & David, W. M. (2003). The construct of food involvement in behavioral research: scale development and validation. Review Paper U.S. Army Research, 40, 235-244.
Rothschild, M. L. (1979). Advertising Strategies for High and Low Involvement Situations. In Attitude Research Plays for High Stakes, J. C. Maloney & B. Silverman eds. Chicago: American Marketing Association, 74-93.
Rothschild, M. L. (1984). Perspectives in Involvement: Current Problem and Future Directions. Advances in Consumer Research, 11, 216-217.
Shaw, M. J. Subramaniam, C., Tan, G. W., & Welge, M. E. (2001). Knowledge management and data mining for marketing. Decision Support System, 31(1), 127-137.
Sherif, M., & Cantril, H. (1947). The Psychology of Ego-involvement. New York: John Wilet & Sons, Inc.
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.
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.
Zaichkowsky, J. L. (1985). Measuring the Involvement Construct. Journal of Consumer Research, 12(December), 341-352.
Zaichkowsky, J. L. (1986). Conceptualizing Involvement. Journal of Advertising, 15(2), 4-14.
Zaichkowsky, J. L. (1994). Research Notes: The Personal Involvement Inventory: Reduction, Revision, and Application to Advertising. Journal of Advertising, 23(December), 59-70.
網路部份
Kdnuggets, (2004, May). Data mining tools you regularly use. Retrieved April 02, 2005, from the World Wide Web: http://www.kdnuggets.com/polls/2004/data_mining_software.htm