应用资料探勘技术推荐消费者最适性之旅游景点.pptVIP

2003/06/19 應用資料探勘技術推薦消費者最適性之旅遊景點 曾勇森、陳垂呈，第二屆觀光休閒暨餐旅產業永續經營學術研討會論文集 電子商務與網路行銷報告 指導老師：黃正聰 博士 研究生：莊右孟 應用資料探勘技術推薦消費者最適性之旅遊景點 摘要 簡介 相關研究 分群分析法 次序相關分析法 結論 摘要 本篇論文所探討的重點，是從所有消費者最常去的旅遊景點中，找出適合個別消費者的地點並推薦之。 使用資料探勘(Data Mining)的方式，將這些景點從消費者的旅遊相關資料中挖掘出來，提供消費者快速尋找相關資訊的一條管道，期望能滿足消費者對休閒活動的需求，並提昇旅遊業者的競爭優勢。 簡介 本篇論文分別使用資料探勘中的分群分析法(Clustering Analysis)與次序相關分析法(Sequential Pattern Analysis)，來替個別消費者尋找最適合推薦的旅遊景點。 兩者之不同點在於前者是以具有相同背景的消費者為群組，藉由群組中最常去的相關旅遊景點，推薦給群組中的個別消費者，這是根據消費者所考量的旅遊要素，來為消費者找出最適合的旅遊景點。後者是以所有消費者最常去的旅遊景點，依照旅遊時間先後，找出所有旅遊景點間的順序關係，再依照消費者的旅遊資料，來決定下一個旅遊景點為何，故次序相關分析法不受限於消費者所考量的旅遊要素，而純粹以所有消費者的旅遊順序為推薦的基礎。 相關研究 陳肇男(1999)，論文中以ECT(Efficient City Tour)、EST(Efficient Spot Tour)和ELM(Efficient Leading Meal)的方式，依序為消費者選擇最短路徑城市、最短路徑景點及最合適的食宿地點，利用Apriori演算法探勘，找出滿足最小支持度的項目集合，根據這些項目集合為消費者排定最有效率的旅遊行程。 相關研究〈續〉 賴麗美等(2001)，論文探討的是建構旅行休閒的資料庫，並對資料庫內的資料，以量化型態來表達資料間關連的顯著性，依顯著水準的高低來瞭解消費者的消費行為，進而對消費者進行相關性行銷，增加競爭優勢。 分群分析法 分群分析法是以物件中的屬性為分群的基準，本篇論文中消費者即為物件，而消費者的旅遊預算、旅遊天數及地理位置等相關資料即為屬性。以這些屬性來將消費者分成數個群組，則個別群組內的消費者會具有很相似的屬性值，利用個別群組內的成員旅遊地點資料，找出該群組適合的旅遊地點，並對群組內的成員推薦之。 分群分析法〈續1〉 分群分析法技術有K-means與PAM等，本篇論文是使用PAM演算法來做分群動作，PAM演算法是由Kaufman與Rousseeuw(Kaufman et. al., 1990; Ng et. al., 1994)所提出來的，在將全部物件n分成k個群組的原則之下，首先必須對這k群組各自選擇一個代表物件(representative objects)，此代表物件稱之為medoid，決定完各群體的medoid後，就依據相似度來估決定剩下的n-k物件屬於那一群體，其決定的法則是以物件和物件之間的距離(Euclidean distance)來表示，假若d(Oj,Oi)=min{d(Oj,Oe)}，其中 d(Oj,Oi)表示物件Oj與Oi之間的距離，Oe表示所有的代表物件，則得知Oj屬於Oi群組。 分群分析法〈續2〉 使用加權的觀念，依照消費者過去的旅遊地點、旅遊天數及金額來判別消費者彼此間的相似度，而權重的加權基準是不同的旅遊地點加權數為100，而不同的旅遊天數和不同旅遊金額的加權亦依其重要性訂定加權數，本論文將旅遊地點視重要的指標，所以把旅遊地點的加權數訂得最高，以強調地點的不同對分群動作的影響。 次序相關分析法 次序相關分析是以消費者旅遊資料中的旅遊日期為排列基準，藉由旅遊時間的先後，找出消費者對旅遊景點的先後順序，例如：假設大部份的消費者出國旅行會先去東南亞，後來才會去歐美等國。由此我們可對第一次出國的消費者推薦東南亞的行程，對於已去過東南亞的消費者，則推薦歐美等國的行程。 結論 社會富裕和人們對休閒的觀念的快速改變下，人們能選擇的旅選景點也愈來愈多，利用資料探勘方式為消費者推薦最適合的旅遊景點，能替消費者減少許多不必要的資訊及時間成本。 結論〈續1〉 對旅遊業者而言，除了能達成客製化的目標，更能進一步地針對消費者未來的需求，進而提早規劃和準備，以提昇旅遊業的競爭優勢，創造消費者和旅遊業者雙贏的局面。 報告完畢 敬請指教! * *