簡易檢索 / 詳目顯示

研究生: 李 惠滿
Lee, Hui-man
論文名稱: 應用Google Analytics 於顧客趨勢之大數據分析-以百貨公司為例
Utilizing Big Data of Google Analytics to Analyzing the Customer Trends - In Department Stores Case
指導教授: 張佳榮
Chang, Chia-Jung
學位類別: 碩士
Master
系所名稱: 高階經理人企業管理碩士在職專班(EMBA)
Executive Master of Business Administration
論文出版年: 2016
畢業學年度: 104
語文別: 中文
論文頁數: 77
中文關鍵詞: Google Analytics網路流量消費者行為電子商務
英文關鍵詞: Google Analytics, Network Traffic, Comsummer Behavior, E-commerce
DOI URL: https://doi.org/10.6345/NTNU202204963
論文種類: 學術論文
相關次數: 點閱:374下載:0
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報

企業若想要永續經營就必須不斷保持一定的競爭力,尤其是零售百貨業,在數位媒體夾帶高科技的時代,尤其是近幾年突飛猛進的網路科技產業,從最近網路消費行為觀察到,網路購物頻率越來越多,尤其以使用手機作為網路購物的工具比例也逐漸增加,現在的顧客消費行為已經不分實體店鋪或虛擬網購,只要能方便購物快速取得商品就可能讓顧客獲得滿足,因此,如果企業無法因應消費者快速轉變的需求,將可能遭到現實營收不佳而被淘汰的命運。

有鑑於個案公司為區域型百貨,正面臨來自於同區域其他競爭對手的猛烈攻勢外,更有來自於無國界的網路電子商務搶走只為尋求方便、迅速取貨的顧客,為了開發新客源與尋求對症下藥的行銷活動與商品企劃,本研究利用Google Analytics大數據的網路流量分析工具,進行與個案公司所發行之會員集點卡做人口統計變數中性別,年齡比對,確認Google Analytics所蒐集的資訊為一般實體店鋪無法獲得的極重要情報,因而再進一步分析探討其他可使用之功能。

期望本研究最後章節所提出之建議內容,能夠讓個案公司在今後的行銷活動上有所受益或於未來的新市場開發上有所幫助。

If enterprises desire sustainable development, we must continue to maintain a competitive edge, especially the department store industry.

Because this case is a regional-based department store, it is facing fierce attacks from other competitors in the same area. In addition, e-commerce take away the customers who seek easy and quickly pick-up survice. In order to develop new customers and find the appropriate marketing activities and product planning, this study use Google Analytics to compare the population structure of membership card and the data seize from Google Analytics. Therefore, this study futher utilize the result to discuss other available orientation.

Expected that the recommendation this study presented will benefit the marketing activities of the department stores case, and help the business develop new markets in the future.

Keyword: Consumer Behavior, Google Analytics, E-commerce, Network Traffic

中文摘要.............................................Ⅰ Abstract............................................Ⅱ 目錄.................................................Ⅲ 圖目錄...............................................Ⅴ 表目錄...............................................Ⅵ 第一章 緒論...........................................1 第一節 研究背景........................................1 第二節 研究動機........................................4 第三節 研究目的........................................8 第四節 研究流程........................................8 第二章 文獻探討........................................10 第一節 網路流量分析.....................................10 第二節 Google Analytics...............................14 第三節 顧客分析........................................19 第三章 研究方法........................................21 第一節 個案公司簡介.....................................21 第二節 會員卡性質及樣本結構..............................23 第三節 關鍵指標名詞解釋.................................25 第四章 數據分析與結果...................................27 第一節 會員卡人數與GA人數...............................27 第二節 會員卡性別與GA性別對比............................32 第三節 會員卡年齡與GA年齡對比............................39 第四節 Google Analytics其他數據分析.....................44 第五節 分析結果........................................68 第五章 結論與建議......................................69 第一節 研究結論與建議...................................69 第二節 研究限制與未來研究建議............................74 參考文獻..............................................75 中文部分..............................................75 英文部分..............................................77 圖 目 錄 圖1-1 研究流程........................................9 圖4-1-1 2015年7月-2016年4月22日顧客總攬報表.............30 圖4-1-2 2016年3月24日-2016年4月22日顧客總攬報表..........30 圖4-1-3 新舊訪客報表...................................31 圖4-2-1 台灣餐飲產業成長...............................36 圖4-2-2 2016年3月24日-4月22日顧客性別報表...............37 圖4-2-3 2016年3月24日-4月22日以性別為次要維度新舊訪客報表….38 圖4-3-1 2016年3月24日-4月22日顧客年齡報表................41 圖4-3-2 2016年3月24日-4月22日以性別為次要維度顧客年齡報表….42 圖4-4-1 目標對象 行動..................................67 表 目 錄 表1-1 百貨公司TOP 10 排名.............................2 表2-1 GA所提供的三種API功能...........................13 表2-2 cookies 來源..................................16 表2-3 七種GA所使用的cookies......................... 18 表3-1-1 2009年-2015年會員點數集點卡持卡人數..............24 表4-1-1 2009年-2015年聯名卡及會員點數集點卡持卡人數.......28 表4-1-2 2009年-2015年會員點數集點卡消費金額人數...........29 表4-2-1 2009年-2015年會員點數集點卡消費性別人數統計........33 表4-2-2 2009年-2015年會員點數集點卡消費人數-性別(當年度對比.35 表4-3-1 2011年-2015年會員點數集點卡消費人數-年齡別…….......39 表4-3-2 2013年8月個案公司進行919份來店問卷調查結果……………....40 表4-3-3 個案公司集點卡消費年齡與GA年齡分布.................44 表4-4-1 興趣相似類別...................................46 表4-4-2 興趣相似類別【Travel Buffs】....................47 表4-4-3 以性別為次要維度 興趣相似類別【Travel Buffs】..... 48 表4-4-4 興趣相似類別【Movie Lovers】....................49 表4-4-5 以性別為次要維度興趣相似類別【Movie Lovers】.......50 表4-4-6 興趣相似類別【News Junkies & Avid Readers/Entertainment & Celebrity News Junkies】......51 表4-4-7 以性別為次要維度興趣相似類別【News Junkies & Avid Readers/Entertainment & Celebrity NewsJunkies】.........................................52 表4-4-8 興趣相似類別【Foodies】.........................53 表4-4-9 以性別為次要維度興趣相似類別【Foodies】............54 表4-4-10 興趣相似類別【TV Lovers】.......................55 表4-4-11 以性別為次要維度興趣相似類別【TV Lovers】..........56 表4-4-12興趣相似類別【Shoppers/Shopaholics】.............57 表4-4-13以性別為次要維度興趣相似類別【Shoppers/Shopaholics】58 表4-4-14有意消費者區隔前十類..............................59 表4-4-15有意消費者區隔【Travel/Hotels & Accommodations】.60 表4-4-16以性別為次要維度有意消費者區隔【Travel/Hotels & Accommodations】..............................61 表4-4-17有意消費者區隔【Financial Services/Investment Services】....................................62 表4-4-18以性別為次要維度有意消費者區隔【Financial Services/Investment Services】................63 表4-4-19 有意消費者區隔【Beauty Products & Services】....64 表4-4-20以性別為次要維度 有意消費者區隔【Beauty Products & Services】....................................65 表4-4-21 目標對象 行動總覽............................ ..66

一、中文

1. 中華徵信所(2008)。網路:中華徵信所「台灣地區大型企業排名TOP5000」,取自http://www.credit.com.tw/creditonline/Epaper/IndustrialSubjectContent.aspx?sn=105&unit=309
2. 域動行銷 (2015)。網路:域動行銷2015年第一季台灣網路、行動調查數據報告。2015年4月28日,取自http://www.clickforce.com.tw/news/view?id=287
Internet Live Stats(2016)。上網人數調查。取自:http://www.internetlivestats.com/
3. 王世賢(2012)。2012 年版 TOP 5000 企業產業觀察與前瞻-百貨公司業百貨業者橫跨兩岸競爭風潮中引領進步。台北市。
4. 吳俊彥 (2001)。消費者行為。出版:新頁圖書股份有限公司。
5. 林建煌(2015)。消費者行為。台北:華泰文化。
6. 個案公司 (2013)。營業本部問卷調查小組彙整。
7. 財政部資料中心 (2015)。TTR 台灣趨勢研究彙整產業趨勢的餐飲業產業分析。取自 http://www.twtrend.com/share_cont.php?id=40
8. 財團法人台灣網路資訊中心 (2014)。台灣寬頻網路使用調查。取自http://www.twnic.net.tw/download/200307/200307index.shtml
9. 梁瑞玞 (2013)。運用資料探勘技術於零售業之研究─以零售連鎖專賣店為例。未出版之碩士論文,臺北大學企業管理學系學位論文,臺北市。
10. 許景泰 (2015)。你,就是媒體:打造個人自媒體與企業社群經營成功術!。臺北市:三采文化。
11. 黃明達、陳正宏(2005)。以網路流量分析網路使用者之行為-以淡江大學為例。資訊管理學報,第12卷,第2期,163-181。
12. 黃振樑(2008)。應用Google Analytics輔助部落格行銷-以電腦圖書為例。未出版之碩士論文,實踐大學企業創新發展研究所,臺北市。
13. 鉅亨網 (2016)。2015年零售業營業額百貨公司年增率。取自http://m.cnyes.com/news/id/204769
14. MIC產業情報研究所(2015)。網路商店獲利趨勢:同步經營虛實通路。取自https://mic.iii.org.tw/micnew/IndustryObservations_PressRelease02.aspx?sqno=312
15. 廖尚文 (2015) 。網路:電子商務發展暢旺:未來的市場是全世界
取自:http://www.ettoday.net/news/20140114/316081.htm
16. 蔡武林、于國瑞 (民105年 3月)。企業管理 “她時代”的購物網站行銷策略—以樂蜂網為例的分析。中央日報。取自http://www.cdnews.com.tw/cdnews_site/docDetail.jsp?coluid=141&docid=103615459
17. 鄭江宇、張佳榮,(2014)。掌握行銷新趨勢:你不可不知的網站流量分析 Google nalytics。初版,400。台北:新頁圖書股份有限公司。

二、 英文

1. Bharadwaj, A., El Sawy, O. A., Pavlou, P. A., & Venkatraman, N. (2013). Digital business strategy: toward a next generation of insights. Mis Quarterly, 37(2), 471-482.
2. Chen, H., Chiang, R. H., & Storey, V. C. (2012). Business Intelligence and Analytics: From Big Data to Big Impact. MIS quarterly, 36(4), 1165-1188.
3. Fang, W. (2007). Using Google Analytics for improving library website content and design: A case study. Library Philosophy & Practice, 9(3), 1-17.
4. Webber, H. (1998). Divide and conquer: target your customers through market segmentation. John Wiley & Sons.
5. Hasan, L., Morris, A., & Probets, S. (2009). Using Google Analytics to evaluate the usability of e-commerce sites. In M. Kurosu (Ed.), Proceedings of the 1st International Conference on Human Centered Design (pp. 697-706). New York: ACM.
6. Walker, O. C., Boyd, H. W., & Larreche, J. C. (1996). Marketing strategy: Planning and implementation (pp. 174-95). Chicago, IL: Irwin.
7. Pakkala, H., Presser,K., & Christensen, T.(2012).Using Google Analytics to measure visitor statistics: The case of food composition websites. International Journal of Information Management, 32(6),504-512
8. Plaza, B. (2011). Google Analytics for measuring website performance. Tourism Management, 32(3), 477-481.
9. Mayer-Schönberger, V., & Cukier, K. (2013). Big data: A revolution that will transform how we live, work, and think. Houghton Mifflin Harcourt.
10. Pakkala H. and Presser K. and Christensen T. (2012). Using Google Analytics to measure visitor statistics: The case of food composition websites. International Journal of Information Management, 32(6), 504-512

無法下載圖示 本全文未授權公開
QR CODE