นวัตกรรมการวิเคราะห์ข้อความในโพสต์บนเฟซบุ๊กเพจด้วยการทำเหมืองข้อความ

พรพิมล กะชามาศ

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/76495

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	สุกรี สินธุภิญโญ	-
dc.contributor.advisor	อัจฉรา จันทร์ฉาย	-
dc.contributor.author	พรพิมล กะชามาศ	-
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. บัณฑิตวิทยาลัย	-
dc.date.accessioned	2021-09-21T06:45:25Z	-
dc.date.available	2021-09-21T06:45:25Z	-
dc.date.issued	2560	-
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/76495	-
dc.description	วิทยานิพนธ์ (วท.ด.)--จุฬาลงกรณ์มหาวิทยาลัย, 2560	-
dc.description.abstract	เฟซบุ๊ค (Facebook) เป็นสื่อสังคมออนไลน์อันดับหนึ่งของโลกและประเทศไทย ในทุกๆวันจะมี “ข้อความในโพสต์บนเฟซบุ๊กเพจ” ใหม่ๆจากหลากหลายตราสินค้า ผู้ผลิต ผู้ขาย ขึ้นใหม่ตลอดเวลา เพื่อโฆษณาสินค้าและบริการ โดยในแต่ละข้อความล้วนมีวัตถุประสงค์มุ่งหวังจากผู้อ่านต่างกันไป แต่ผลที่เกิดขึ้นจริงมีทั้งสมหวังหรือกลายเป็นตรงกันข้ามก็พบได้เช่นกัน จะดีเพียงใดหากนักการตลาดออนไลน์มีเครื่องมือที่สามารถคาดเดาโอกาสของพฤติกรรมที่จะเกิดขึ้นได้เมื่อผู้อ่านได้อ่านข้อความนั้นๆ งานวิจัยนี้มีวัตถุประสงค์คือ 1) เพื่อศึกษาข้อความในโพสต์บนเฟซบุ๊กที่ส่งผลต่อพฤติกรรมผู้บริโภค ตามทฤษฎีของเดนท์สุ AISAS โมเดล 2) เพื่อพัฒนาต้นแบบนวัตกรรมการวิเคราะห์ข้อความในโพสต์บนเฟซบุ๊กที่ส่งผลต่อพฤติกรรมผู้บริโภค ตามทฤษฎีของเดนท์สุ AISAS โมเดล โดยใช้วิธีการของการเรียนรู้ของเครื่อง (Machine Learning) 3) เพื่อทดสอบการใช้งานและการยอมรับต้นแบบนวัตกรรม และ 4) เพื่อศึกษาแนวทางในเชิงพาณิชย์ของการวิเคราะห์ข้อความในโพสต์บนเฟซบุ๊กที่ส่งผลต่อพฤติกรรมผู้บริโภค ตามทฤษฎีของเดนท์สุ AISAS โมเดล ในการศึกษานี้จะใช้ข้อความจากเพจที่มีผู้ติดตามสูงและมีจุดมุ่งหมายและการใช้ข้อความในการโพสต์แตกต่างกันมาทำการวิเคราะห์ โดยผู้เชี่ยวชาญด้านภาษาไทยจำนวน 75 คนเพื่อประเมินโอกาสของ พฤติกรรมที่ผู้อ่านน่าจะกระทำหลังจากการอ่านแต่ละข้อความว่ามีแนวโน้มเป็นไปในทางใดของ AISAS โมเดล ผลที่รวบรวมมาได้จะถูกใช้เป็นข้อมูลให้เครื่องจักรได้เรียนรู้ และวิเคราะห์หาค่าความน่าจะเป็นของแต่ละคำด้วยตามหลักทฤษฏีนาอีฟเบย์ (Naïve Bayes) ซึ่งเป็นวิธีที่ดีที่สุดสำหรับการศึกษาด้านพฤติกรรม จากผลการศึกษาข้อความในโพสต์บนเฟซบุ๊กเพจพบว่าค่าความถูกต้องของการแยกเพจวิเคราะห์ตามกลุ่มอุตสาหกรรมจะให้ผลที่ดีกว่าการนำผลการวิเคราะห์มาประมวลผลรวมกัน และเมื่อทดลองนำโมเดลที่ได้มาพัฒนาระบบทำนายพฤติกรรมจากการโพสต์ข้อความเพื่อตรวจสอบการยอมรับนวัตกรรมโดยผู้ใช้จำนวน 30 คนซึ่งเป็นเจ้าของเพจและทำธุรกิจออนไลน์พบว่าการประเมินนวัตกรรมด้าน ประสิทธิภาพ และความพึงพอใจโดยรวมของระบบอยู่ในเกณฑ์ดีมาก ส่วนความง่ายในการใช้งานและโอกาสในเชิงธุรกิจของนวัตกรรมดังกล่าวอยู่ในเกณฑ์ดี	-
dc.description.abstractalternative	The undeniable fact is that online business today has increased at a very fast pace everywhere around the globe. This happens through the widely used of Social Media, especially Facebook which is the most popular platform in the world. It would be really useful for the digital marketers, if there is a certain tool that can predict the intentions of the web patrons when the brand is posting the message to communicate with their fans or followers. The aim of this research is to develop an analytic tool which can support online vendors to predict behaviors of the patrons according to Dentsu’s AISAS perspective. The Artificial intelligent model is developed with the result from 75 specialists who evaluated the behavior that will likely occur after the comments have been posted. The results, hence, were collected and prepared for the data modelling process using the Naïve Bayes probability concept, afterwards, testing for the model’s accuracy with 10-fold cross validation technique. As the previous study indicated, Naïve Bayes technique gives the best result for the behavior, which is also true with this study. The predictive model for AISAS behavior from this study can give average accuracy higher than 86 percent. When bringing the AISAS Model to test with 30 live users who are online vendors, we can conclude that the overall results of model have been greatly appreciated and effectively satisfied. Most vendors also agreed on the ease of use, which creates high chances of business opportunities.	-
dc.language.iso	th	-
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.relation.uri	http://doi.org/10.58837/CHULA.THE.2017.881	-
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.subject	Online social networks in business	-
dc.subject	Computer and business	-
dc.subject	เครือข่ายสังคมออนไลน์ในธุรกิจ	-
dc.subject	คอมพิวเตอร์กับธุรกิจ	-
dc.subject.classification	Business	-
dc.title	นวัตกรรมการวิเคราะห์ข้อความในโพสต์บนเฟซบุ๊กเพจด้วยการทำเหมืองข้อความ	-
dc.title.alternative	Innovation of text analysis of posts on Facebook page by text mining	-
dc.type	Thesis	-
dc.degree.name	วิทยาศาสตรดุษฎีบัณฑิต	-
dc.degree.level	ปริญญาเอก	-
dc.degree.discipline	ธุรกิจเทคโนโลยีและการจัดการนวัตกรรม	-
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.identifier.DOI	10.58837/CHULA.THE.2017.881	-
Appears in Collections:	Grad - Theses

Files in This Item:

File	Description	Size	Format
5587788120.pdf		13.76 MB	Adobe PDF	View/Open

Show simple item record