基於適地性服務之地點與行動分析方法研究：以零售點推薦為例

Abstract

近年來，適地性服務(Location-based Service)搭上行動網路普及的風潮，於企業而言已成為一行銷的重要利器。於零售業者，零售店面位置之選擇與適當的行銷手法，能大幅度的增加產品曝光度及獲利。但零售店面位置選擇之議題，在分析資料之蒐集上著實困難，故本研究利用適地性社群網路資料，透過分析使用者足跡與興趣點之關聯性，發展一個零售點推薦之方法。 透過目標區域關聯性分析與人群移動模式萃取，本研究建立零售點推薦之特徵值(Features)。本研究設計興趣點間之產業密度(Density)、區域類別(Category)與區域/產業分群(Clustering)，以及區域飽和度的計算，以核密度估計(Kernel Density Estimation KDE)、k-平均演算法(k-Means)等方法，計算區域關聯性對零售點選擇之影響。另外，本研究建立人群移動模式擷取方法，以循序模式探勘(Sequential Pattern Mining)方法選取最常行動之路徑，以量化人群行動對候選零售點之影響力。本研究分別對興趣點分析與行動路徑產生多個特徵值，並採以排名品質指標(Nomalized Discounted Cumulative Gain NDCG)衡量多個特徵值之有效性。最後，本研究使用Foursquare與Facebook的資料集進行零售點推薦之實驗，以CART決策樹(Classification and Regression Tree)演算法進行零售點推薦。在本研究所萃取的特徵值中部分表現相當優異，且建立了以適地性服務進行零售點推薦的方法，並實際以台南地區的店面進行推薦。

Date of Award	2017 Sept 12
Original language	Chinese
Supervisor	Yuh-Min Chen (Supervisor)