HazelnutParadise 榛果繽紛樂
畢業專題小札記15：回歸分析——哪些屬性會影響商品的銷售量
上次專題討論的時候，我使用 Claude for Excel 在範例資料的商品表上加入每個商品的屬性。 這些屬性是從商品敘述（縱使敘述是用 AI 生成的模擬資料）和訂單資料找出來的，包括價格帶高低（高、中、低）、餐點類型（飲品、主食、甜點、輕食）、料理文化（通用、西式、亞洲、日式）、溫度屬性（冷/常
5
|
0
畢業專題小札記14：商家儀表板
為使畢業專題看起來更厲害、好像做了很多事，我為商家端新增了一個 Streamlit 儀表板。程式碼放在同個 repo，在這裡。 這個儀表板共分成四個分頁：總覽、訂單、商品、顧客。以下逐一介紹各分頁的內容。 總覽 總覽分頁是儀表板的首頁，提供整個店家的營運快照。頁面最上方以數字卡片的形式顯示幾個關鍵指
5
|
0
畢業專題小札記13：使用 Takeaway 資料集作為 Demo
開會討論之後，決定使用 Takeaway 這份資料集來建立 CRM 系統的 Demo（把原本的章魚燒改掉），然後我們想要知道： 資料中每個商品通常什麼時候（星期幾、幾點、是否為尖峰時間、是否為假日）被購買、使用什麼支付工具等。 找到可以用來比較各項商品的商品屬性，用這些屬性跑回歸，看會不會影響銷售金
9
|
0
畢業專題小札記12：拯救統計驗證大翻車～換個資料試試
上次我試圖用 Kaggle 上的超市銷售資料來驗證 RFM 和 CAI 模型，結果大翻車。 經過與指導老師討論後，決定找餐飲業的資料來試試，希望這次會得到比較漂亮的結果。 新的範例資料 我找到的幾個範例資料集如下：
10
|
0
【統計走著學】t值、標準誤、t檢定、t分配
2026-04-05
2026-04-05
無標籤
作業明明都是在迴歸，怎麼突然出現一題要檢驗什麼5%、10%的，問 ChatGPT 它又提到 t，t 到底是什麼東西我好矇啊😱😱！ t 值其實只是在回答一個問題： 👉 「這個數字，跟 0 比起來，有沒有大到不能當作誤差？」 一、t 值在幹嘛 你現在有兩個東西： 係數：0.321（你看到的影響）
16
|
0
【統計走著學】Intro
說來慚愧，我自己做了資料分析函式庫 Insyra，卻對統計學如此不熟。 這學期我選修計量經濟課，上課講的那些統計學概念我是一點都摸不著頭緒😖，每次寫作業就是靠 ChatGPT 自立自強補習統計學的過程。 我可能是有數學恐慌症之類的怪病，每次一看到數學公式跟一堆代號就腦袋當機，所以傳統的教材和影片教
18
|
0
畢業專題小札記11：製作文獻矩陣，釐清文獻脈絡並找出研究缺口
我之前已經蒐集了相關文獻，也用 AI 為每篇文獻做了簡述，但是還不知道具體要怎麼用在我自己的專題論文裡。 為了搞清楚每一篇文獻能用在哪裡，我要來製作「文獻矩陣」，也就是一張表格，列出每篇文獻各項資訊以及與本研究的關聯和可形成的研究缺口。 使用 NotebookLM 幫忙 現在 AI 很好用，可以使用
17
|
0
畢業專題小札記10：大翻車！使用 ANOVA 驗證 RFM 與 CAI 會員分群結果遭打臉辛酸畫面流出
小小商家一點靈的核心是利用 RFM 和 CAI 對顧客進行分群，這兩個指標到底是不是真的有效，關乎到這個系統在實務上的可行性。因此，我想使用實際資料來進行驗證。 資料準備 我們可以使用之前在畢業專題小札記04：顧客價值具象化！RFM、CAI 指標與 Insyra 中的實作中用過的資料： 資料集名稱：
19
|
0
畢業專題小札記09：透過 S-O-R 模型和顧客旅程地圖一眼看出數據驅動如何改變微型商家的顧客關係管理
我之前修過一門品牌管理的課，學到 S-O-R 模型與顧客旅程地圖。我覺得可以融入到我的畢業專題中，讓我做的這個微型商家 CRM 系統看起來合理一點，也讓整個故事更完整。 S-O-R 模型：刺激－有機體－反應 S-O-R（Stimulus–Organism–Response）模型源自環境心理學，後來廣
17
|
0
畢業專題小札記08：從區隔洞察到市場定位——微型商家 CRM 系統的 STP 分析
前一篇（畢業專題小札記07：最適合夜市攤商的試算表 CRM 系統成本分析：100-1500 單／天最低竟只要 800 元）已從成本面證明小小商家一點靈在不同營運規模下具備低成本與可行性，本篇將進一步透過 STP（Segmentation、Targeting、Positioning）分析，說明本系統實
15
|
0