結合文字探勘與感性工學系統於社群粉絲需求分析之研究

摘要

隨著社群網路的興起與發展,人們花費越來越多的時間在社群媒體上,例如Facebook, Twitter, Tumblr等等,各種資訊大量而快速的衝擊著網路使用者,在如此資訊過載且令人分心的年代,傳統的大眾媒體的宣傳效果已經被嚴重的削減,因此,如何快速且有效地吸引到消費者的目光,是市場行銷的一個非常重要的議題。所以企業必須要回歸到充分了解消費者與其需求,知道如何利用新興的社群媒體與其接觸,才能達到行銷的目的。過去對於消費者的需求分析,主要著重於進行市場調查:包括發放問卷、焦點團體訪談等。然而,這些作業需要非常高的時間與人力成本,由於行動科技與社群網路技術的進步,消費者隨時隨地都可在網路上發表他們對任何事物的意見,藉由此類資料的分析,萃取出有利於行銷決策的知識,已日益受到重視。

本專題的目的是發展一個以文字探勘為基礎的感性工學系統,用以分析消費者的需求。此系統主要目的是分析出消費者對於產品或服務的需求與觀感,以協助未來產品或服務的發展。利用Latent Dirichlet allocation的方法萃取出感性詞彙,接著藉由專家給予感性主題的名字,最後執行語義分析量表(semantic differentila)來評估該感性主題對消費者而言是否重要。本專題初步將運用於知名網路作家臉書的粉絲專頁資料分析,再擴展至其他相關領域的應用。

 

關鍵字:感性工學、主題模型、文字探勘、需求分析