200字
畢業專題小札記02：使用三個 AI 工具進行文獻的蒐集、分類與整理
2026-01-10
2026-01-21
畢業專題

這是畢業專題小札記系列的第二篇，還沒看過第一篇或是不知道我的畢業專題主題是什麼，可以先去看看第一篇：https://zhenblog.hazelnut-paradise.com/archives/lineliteshop1.0-01

畢竟畢業專題要寫一篇論文，還是要有文獻支持比較好。但我不太會讀文獻，所以這篇就看我整理文獻吧，不喜歡可以直接跳下一篇 => 畢業專題小札記03：想讓你的 LINE 官方帳號不只能聊天？用 LIFF 為品牌打造專屬互動體驗

蒐集資料

首先我要先蒐集相關的文獻，之後才有辦法做整理。既然現在是 AI 的時代，我當然要善用 AI 來幫忙囉。

使用 ChatGPT 深入研究模式

我之前（滿久之前的，那時候好像還是 GPT-o3）有用 ChatGPT 開啟深入研究模式幫我找一些跟我的畢業專題主題有關的文獻：

RFM 與 CAI 模型在顧客管理與商業決策中的應用

  • 創新顧客價值分析:RFMN模型與 CAI 指標的整合應用——以A保健食品公司為例

    – 曾姳璇(2024,國立中興大學碩士論文)

    https://hdl.handle.net/11296/uy3s2w

    然而它的電子全文要到 2029 才開放，我大概不會延畢那麼久，所以這篇應該沒辦法用。

  • 整合 RFM 和 CAI 工具分析顧客價值──超市大數據資料應用

    – 林郁翔、劉傑滔(2016,《創新研發學刊》12卷2期,頁1–13)

    https://www.airitilibrary.com/Publication/Index/18141927-201612-201701190016-201701190016-1-13

    這是我的指導老師林郁翔老師發表在期刊上的論文，我有從華藝線上圖書館下載到內容。

LINE 官方帳號應用於微型商家之顧客互動/點餐系統研究（台灣情境）

Google 試算表與 Google Apps Script 在商業自動化/行銷流程上的應用

個人化推播技術在行銷與顧客關係管理中的應用

用 Claude in Chrome 自動化搜尋

由於 ChatGPT 查到的很多是碩士論文，參考性可能比較有限，所以我後來又用 Claude in Chrome 找了一次。

Claude in Chrome

Claude in Chrome 是一個由 Anthropic（Claude 的那間公司）推出的 Chrome 瀏覽器外掛，可以讓 Claude 直接操作瀏覽器，自動化完成各種任務。像我這次就是叫他幫我找相關文獻並列在 Google 文件上。

我使用的 prompt 如下：

我的畢業專題題目是 基於RFM與CAI模型，結合LINE官方帳號與Google試算表之微型商家顧客管理與點餐系統
An RFM- and CAI-Based Customer Management and Ordering System for Micro-Merchants via LINE Official Account and Google Sheets
請幫我蒐集相關文獻 越新越好 越權威越好 英文的優先
然後幫我把找到的文獻列在google 文件

Claude 非常認真，它從九個面向下手，每一面向蒐集五篇文獻，總共找到 45 篇。

一、RFM 模型相關文獻

二、LINE 官方帳號商業應用文獻

這篇不提供下載。

三、食品點餐系統相關文獻

四、客戶關係管理（CRM）系統相關文獻

五、中小型企業（SME）相關文獻

六、試算表與資料管理系統相關文獻

這些文獻都太老了（最新的 2017），容我直接跳過😝。

七、客戶分析與區隔技術相關文獻

八、行動商務與電子商務相關文獻

九、資料挖掘與機器學習相關文獻

感覺離題太多，略過。

我無意間找到的

以下這些是我在確認 AI 找的文章時，無意間看到的。

終於把資料確認完了，很多文章不知道在吝嗇什麼，發了又不開放給人家下載。那麼怕人看，要不乾脆不要寫？

不過我還是有滿多資料可以參考，不差那幾篇🤷‍♂️。

將文獻分類並摘要

資料都確認完之後，我要把先把它們分類，然後用 NotebookLM 摘要，才知道要怎麼用在我自己的論文裡。

Prompt：

給我這篇文獻的簡述和摘要 涵蓋所有內容
回答必須高度濃縮 並且包括所有我應該要知道的重點
回答只要一段話

部落格式技術文章 / 非正式技術報導

看看就好。

How marketing teams can use Google Apps Script to automate tasks and expand their JavaScript skills(2020)

Google Apps Script (GAS) 是一款基於 JavaScript 且無需下載軟體的免費雲端工具，能協助行銷團隊自動化處理報表生成、預算控管及客戶溝通等繁瑣任務，並無縫整合 Google 各項服務與第三方平台（如 Twilio）。即使是程式初學者，也能透過錄製巨集、參考 G Suite 解決方案中心模板或建立小型 HTML Web App 介面來快速上手並提升技術技能；文獻中具體分享了四個實作專案，包含自動化 Google Analytics 數據儀表板、開發活動房型自動計算函式、串接簡訊發送系統以及建構數據收集介面，充分展現了 GAS 在優化工作流程與跨平台協作上的強大潛力。

系統性回顧與綜述（Review / Systematic Review）

Customer relationship management (CRM) systems and their impact on SMEs performance: A systematic review (Preprint)(2024)

這篇 2024 年發表的系統性文獻回顧分析了 2014 至 2024 年間的 46 項研究，深入探討客戶關係管理 (CRM) 系統對中小企業 (SMEs) 績效的顯著影響，指出成功導入 CRM 能使客戶保留率提升 25-40%、銷售增加 15-30% 以及營運效率提高 20-35%。研究界定出管理層支持、系統定制化與使用者培訓為成功的核心關鍵，同時揭示了資金限制、技術專業缺乏及組織變革抗拒是主要的採用障礙。該文獻不僅評估了作業型、分析型與協作型 CRM 的功效，還針對製造、零售、醫療與科技等產業提出了從需求分析到持續優化的五階段決策框架與關鍵績效指標 (KPI)，強調中小企業應透過數據驅動決策與流程自動化來強化客戶互動，從而建立長期的市場競爭優勢與永續成長。

學位論文（Thesis / Dissertation）

這些我應該不會使用，純粹當擺飾，可惜不能喝。

台灣中小型食品零售業電商LINE官方帳號行銷策略之研究 ╴以起士公爵為例 – 李函餘(2022,政治大學碩士論文)

這篇文獻以起士公爵為個案，深入探討台灣中小型食品零售業電商如何運用 LINE 官方帳號 執行行銷策略，透過質性訪談結合 STP 理論（市場區隔、目標市場、市場定位）與 ROPE 模型（研究、目標、策畫、評估）作為核心架構，分析商家與消費者端的互動實務,,。研究指出，成功的核心在於善用分眾標籤功能以節省行銷預算，針對 30 至 46 歲注重健康的女性目標客群提供客製化且具備利誘性與資訊性的圖文訊息，並藉由優化圖文選單與一致的品牌語調來強化「健康且美味」的市場定位。最終歸納發現，中小型電商若能維持介面簡潔、提升訊息精準度並深耕會員關係，將能有效提高購買意願與黏著度，為行動商務時代下的精準行銷提供了具體的實踐路徑與優化建議。

企業導入 LINE 官方帳號行銷之關鍵成功因素研究 – 李旻燦(2022,台北海洋科技大學碩士論文)

這篇 2022 年的碩士論文旨在探討企業透過系統整合商導入 LINE 官方帳號行銷的關鍵成功因素，研究指出在 LINE 於台灣市場高度普及（使用率達 95.70%）的背景下，企業面臨將其與現有 ERP、CRM 等系統整合的複雜挑戰。研究透過專家訪談與 DEMATEL 決策實驗室分析法，歸納出上手便利、即時對話、客服平台、交叉銷售、會員信任、會員識別、系統串連、訓練成本及行銷整合等九項關鍵成功因素，並具體發現「系統串連 (D1)」與「上手便利 (A1)」是具備最強影響力的核心因素（因），能直接或間接影響其他指標。結論建議系統整合商與企業應優先著力於提升系統的融合性與操作便利性，以此強化會員識別與客服功能，進而達成優化顧客關係與促進交叉銷售的終極目標。

研討會論文（Conference Paper）

A review of data mining methods in RFM-based customer segmentation(2021)

這篇文獻針對 2015 至 2020 年間 44 篇結合 RFM 模型（近度、頻度、金額）與資料探勘（DM）分群（Clustering）（特別是 K-means 演算法）與視覺化（Visualization）是目前最主流的應用方法，並在分析了關聯規則、分類、預測、回歸及序列發現等探勘技術後，提出了一個整合地理資訊系統（GIS）與人口統計數據的新型分群框架，旨在協助企業透過更深層的客戶行為模式與空間特徵分析，精準制定行銷策略以強化競爭優勢。

Fast RFM model for customer segmentation(2022)

本研究針對電子商務環境下傳統 RFM 模型效率不足及過度依賴客戶識別資訊的挑戰，提出了一種名為 RFMUL 的快速挖掘演算法，透過創新的 RFM-List 緊湊資料結構與多種基於向下閉包特性的修剪策略，實現了僅需掃描一次資料庫的「單階段」挖掘流程。該演算法能有效在不涉及隱私資訊的情況下，從大型交易數據中精確識別出滿足特定近況（Recency）、頻率（Frequency）與貨幣價值（Monetary）閾值的 RFM 模式，且經多項基準數據集實驗證實，其執行速度與記憶體利用率均顯著優於目前最先進的 RFMP-Growth 演算法。

Platform strategies perspective on the OTT messaging services: A case study of WeChat and Line(2016)

這篇研究採用平台策略框架（點火、發展、更新三階段），深入分析亞洲代表性 OTT 通訊服務 WeChat 與 LINE 的平台化演進過程，指出 WeChat 採「App 中的 App」模式建構開放的 O2O 生態系，而 LINE 則以核心貼圖文化為基礎，透過發展多樣化的獨立關聯應用程式打造行動生活門戶。儘管兩者在開放程度與產品策略上有所差異，但皆成功運用同側與跨側網絡效應，透過開放 API 吸引第三方合作夥伴並結合行動支付與差異化定價進行變現，最終藉由全球化與在地化策略轉型為行動生活網關，展現了成功建立平台領導地位的五大關鍵要素：價值創造、網絡效應、催化反應、獲利模式及競爭成長策略。

Designing web-based food ordering information system in restaurant(2018)

這篇文獻旨在設計一套網頁版餐廳點餐資訊系統，透過實地觀察、訪談與資料收集等研究方法，目標是優化服務品質、減少顧客排隊時間並提升餐廳經營效率。該系統設計涵蓋了使用者登入、菜單瀏覽及訂單填寫等核心功能介面，以因應現代科技服務趨勢；根據對百名訪客與員工的調查結果顯示，雖然 40% 的受訪者對於系統解決排隊問題的有效性仍持懷疑態度，但整體支持與期待的熱度高達 80%，顯示該系統在協助顧客點餐與員工管理訂單方面具有極大的發展潛力與需求。

Applications of deep learning in marketing analytics: predictive modeling and segmenting customers(2024)

這篇研究探討在競爭激烈的電子商務環境中，如何利用機器學習與深度學習技術（如 LSTM）結合 RFM 模型（近度、頻率、金額）與顧客終身價值（CLV）顧客細分與廣告策略；研究透過數據預處理、聚類分析與多種模型比較，證實了深度學習在預測顧客細分變化上的優勢，其中 LSTM 模型因能有效處理複雜數據集並在測試中達到 89% 的準確率而表現最佳，使企業能針對不同價值的客群實施精準的個性化行銷，進而顯著提升顧客留存率、優化資源配置並強化市場競爭力。

學術期刊論文（Journal Article）

整合 RFM 和 CAI 工具分析顧客價值──超市大數據資料應用(2016)

本研究針對國內某連鎖超市4,377位會員之大數據資料，探討RFM（最近購買日、購買頻率、購買金額）、CAI（顧客活躍性指標）、FCAI指標。研究結果證實，RFM與CAI皆具備有效的行為預測能力，而整合後的FCAI指標能將顧客精準區分為「忠誠－活躍」、「忠誠－不活躍」、「不忠誠－活躍」及「不忠誠－不活躍」四種價值集群，其解釋能力優於單一分析工具。透過此模型，企業能更清晰地識別高價值「金牛型」顧客，並針對不同族群制定一對一行銷或補償措施等差異化策略，落實80/20法則以優化行銷資源分配。

Development of an Order Processing System using Google Sheets and AppSheet for a Malaysian Automotive SME Factory Warehouse(2023)

這篇文獻探討了馬來西亞汽車零件中小型企業（PSB Sdn Bhd）如何透過 Google Sheets 與 Google AppSheet 開發一套低成本且高效的數位化訂單處理系統，旨在解決傳統人工紀錄（如日誌簿）造成的效率低下、重複作業與高錯誤率風險。研究透過三個階段——數據準備、行動應用程式開發及報告客製化——成功將訂單處理流程數位化，實現了即時數據同步、條碼掃描與自動生成交貨清單等功能，不僅完全取代了紙本紀錄，更將訂單處理總時間從 66 分鐘縮短至 36 分鐘，效率顯著提升達 45%。該系統證明了中小型工廠無需高階編程背景，即可利用雲端免代碼工具改善供應鏈管理，並作為接軌工業 4.0（4IR）與物聯網（IoT）應用的有效轉型方案。

Consumer Perception and App Loyalty through Personalized Push Notifications(2025)

這項針對18至25歲消費者的研究探討了個人化推播通知在線上購物中對用戶感知與App忠誠度的影響，結果顯示高達96%的受訪者會收到此類通知（以Amazon最受歡迎），且多數認為其內容具備高度相關性並能提升購物體驗；統計分析證實個人化推播與App忠誠度之間呈中度正相關，且此類感知在性別與職業上並無顯著差異。然而，企業仍須克服隱私疑慮、內容誤導及發送頻率不當等負面挑戰，藉由在增強用戶參與度與維護消費者信任之間取得平衡，方能透過精準的客製化策略建立長期的品牌忠誠度。

Data mining for the online retail industry: A case study of RFM model-based customer segmentation using data mining(2012)

這篇文獻以一家英國小型線上禮品零售商為案例，旨在展示如何運用數據挖掘技術建立以客戶為中心的商業智慧，並提升行銷效率。研究者利用 SAS Enterprise 軟體對 2011 年的交易數據進行預處理，並根據 RFM 模型（近因、頻率、金額）透過 k-means 分群演算法將客戶劃分為五個具代表性的特徵群體，同時結合決策樹感應進一步細化複雜客群。分析結果揭示了客戶價值的極大差異：僅佔總數 5.05% 的最高價值客群貢獻了 25.5% 的年營收，而約 22% 的關鍵客戶則創造了近 60% 的總銷售額。文獻最後總結指出，資料準備與模型解釋是數據挖掘中最關鍵且耗時的步驟，並建議企業應透過關聯規則分析與客戶生命價值預測，針對不同特徵的客群制定差異化行銷策略以極大化利潤。

Effective Use of Mobile Instant Messaging App business tool LINE@ Empirical Evidence from SMEs in Thailand(2017)

這篇研究探討泰國中小企業（SMEs）利用 LINE@ 行動即時通訊工具進行社群商務與數位行銷的成效，透過對電信服務、主題樂園及五星級飯店等企業的多案例分析，實證結果顯示定期且持續地使用 LINE@ 能顯著增加直接銷售額、擴大客戶群（好友數），並在客戶溝通、市場細分及客戶關係管理（CRM）方面取得明顯進步。研究強調，在 LINE 滲透率極高的泰國市場中，企業利用該平台提供的 1:1 聊天、群發促銷訊息及統計分析等功能，能與消費者建立更直接且具個人魅力的連結，進而優化整合行銷策略並提升競爭力，這驗證了在主導性通訊平台建立業務生態系統對企業數位轉型的重要性。

LINE Messenger as a Transport Layer to Distribute Messages to Partner Instant Messaging(2019)

針對現代使用者因擁有多個即時通訊軟體而必須頻繁切換、導致處理訊息效率低下的問題,，本研究提出利用 應用程式介面 (API) 將 LINE Messenger 構建為一個傳輸層(Transport Layer)，藉此統一分發訊息至 Telegram 和 XMPP 等夥伴軟體。該系統核心由 映射系統 (Mapping System)、訊息資料庫以及各平台的 通訊機器人 (Bot) 組成，透過特定的映射引擎（如 L/TX、T/L、X/L）自動處理跨平台的訊息導向，讓使用者能單純透過 LINE 的特定格式完成跨平台的訊息收發。雖然測試證明該架構具備可行性，但作者也指出系統在處理海量訊息時可能出現失效風險，且 資料庫存儲空間 的快速成長亦是運作上的挑戰,。為了優化效能，未來研究重點將聚焦於開發 負載平衡 (Load Balancing) 系統以分散工作量，並建立定期清理資料庫的機制以確保系統的穩定性。

Automated food ordering system with real-time customer feedback(2013)

這篇文獻介紹了名為 AOS-RTF 的 Android 自動化點餐系統，旨在透過結合 WiFi 無線技術與 Android 行動平台，解決傳統人工點餐效率低下、人為錯誤，以及現有 PDA 系統成本昂貴、衛生風險與缺乏遠端功能等缺陷。該系統採用三層式架構（Java、MySQL 與 Android），讓顧客能透過行動裝置在餐廳內或遠端提前下單，並能即時追蹤訂單狀態與提供回饋，同時協助業者輕鬆管理菜單與顧客紀錄。研究結果證實，AOS-RTF 具備更佳的使用者介面、處理速度與較低的成本效益，是提升餐飲業競爭力與顧客滿意度的優化方案，未來將進一步整合支付功能並支援多餐廳鏈結。

Implementing customizable online food ordering system using web based application(2015)

本研究旨在開發一套基於 Android 系統與無線技術的可自訂線上訂餐系統，以解決傳統紙本、PDA 或觸控系統效率低下、容易出錯且缺乏即時反饋等缺點。該系統整合了客戶端模組（支援預先訂餐、桌邊點餐、多樣化支付與意見回饋）、管理者模組（負責動態菜單更新、價格調整與日報表生成）以及廚房顯示模組（讓廚師即時接收訂單資訊），並透過中央 SQL 資料庫與 Web 應用程式達成資料同步。技術上採用 Visual Studio 2010 與 Android 平台開發，不僅能透過自動化流程減輕餐廳人力負擔、減少等待時間，更能提供靈活的菜單管理與實時的訂單追蹤，顯著提升餐廳的營運效率與顧客滿意度。

The model of creation of customer relationship management (CRM) system(2008)

這篇文獻深入探討了客戶關係管理（CRM）系統的建構模型，強調以關係行銷理論（核心在於信任、合作、承諾與忠誠度發展）作為 CRM 的核心基礎，將其定義為一套旨在最大化個人化需求滿足並優化利潤的商業戰略與技術整合平台。文獻指出，雖然 CRM 能透過自動化與精準服務帶來降低成本與增加收入的效益，但高達 80% 的實施失敗率顯示出缺乏清晰規劃與能力的風險，因此提出一個整合了策略審計、客戶細分、溝通管道、員工組織、業務流程與資訊技術的理論模型。最終結論強調，成功的 CRM 實施必須在明確策略下平衡技術、流程與人員三大支柱，並遵循從現況評估到效益計算的連續性步驟，以實現吸引並留住高獲利客戶的目標，確保企業在競爭中生存。

Factors for success in customer relationship management (CRM) systems(2002)

這篇由 Wilson 等人撰寫的文獻透過對五家企業的歸納分析研究，探討了影響客戶關係管理（CRM）系統成功部署的關鍵因素，並指出行銷應用因具備跨功能性且涉及不可預測的人類行為，與傳統 IT 專案大相徑庭。文獻總結的成功核心在於：必須獲得高階主管的實質支持並確保組織具備市場導向；建立容許不確定性的專案審核機制以應對效益難以精確量化的特性；推動跨部門的互動式（面對面）使用者參與以精確定義需求；利用快速迭代的行動循環（Quick Wins）來建立信譽並應對環境變化；同時原型化新業務流程與 IT 系統以避免技術限制流程；以及最終以「交付預期效益」而非僅是「達成原始規格」作為管理目標，方能確保 CRM 投資轉化為股東價值。

Addressing the challenge of customer management for SMEs(2021)

這篇研究針對希臘中小企業（SMEs）因資源與專業知識匱乏而難以實施客戶關係管理（CRM）與數據分析的競爭劣勢，透過對 30 位經理人的定性訪談與 600 位消費者的定量調查，開發出整合數據採集、分析與個人化行銷三大支柱的「Amplify™ 客戶管理平台」。該平台專為 SMEs 設計，具備易操作、低成本門檻、多通路整合及自動化獎勵機制等特性，能協助企業建立 360 度客戶畫像並進行精準決策，解決經理人對技術專業的疑慮。實際應用於保險業的案例顯示，該方案成功使客戶流失率降低 10%、整體淨利提升 1.5%，證明即便在市場成熟度較低的環境下也能達成顯著的商業成果。未來計畫進一步導入人工智慧（AI）以偵測深層消費模式，並針對微型企業開發簡化版本，以持續強化中小企業的競爭優勢。

A review of customer relationship management system benefits and implementation in small and medium enterprises(2011)

這篇文獻探討了客戶關係管理（CRM）系統在中小企業（SME）的實施現況、挑戰與效益，指出儘管 CRM 能透過系統化分析客戶資訊來提升滿意度、忠誠度及企業競爭力，但許多中小企業常因高昂成本、缺乏 IT 專業知識與資源，以及高層支持不足等因素而對此技術望而卻步。為了提高實施成功率，企業必須明確定義系統目標、爭取高層參與並進行周詳的專案規劃，同時根據自身預算與需求在開源系統、供應商方案或自行研發等多元途徑中做出最適選擇。總體而言，隨著市場競爭加劇與資訊人才普及，CRM 將成為中小企業優化經營流程、精準服務高價值客戶並實現長期利潤增長的關鍵工具。

Customer segmentation in the online retail industry using big data analytics(2024)

這篇文獻探討線上零售業如何利用大數據分析與 K-Means 聚類等機器學習演算法，將傳統靜態的客戶分群轉向以行為、交易與人口統計數據為核心的動態數據驅動模式，旨在優化個性化行銷、銷售策略與客戶體驗。研究透過五步法流程（包含數據預處理、探索性數據分析與變數定義）分析英國電商數據，識別出高價值客戶群、銷售尖峰時段（10:00-15:00）與季節性趨勢（9月及12月），並證實了精確分群在優化庫存管理與資源配置方面的顯著成效。雖然該架構具備跨行業的擴展性與提升競爭力的潛力，但企業仍需應對基礎設施成本、技術複雜性及數據隱私規範（如 GDPR）等實務挑戰，最終結論指出大數據驅動的分群是數位零售轉型與長期業務增長的關鍵支柱。

Customer Segmentation by Using RFM Model and Clustering Methods: A Case Study in Retail Industry(2018)

本研究分析土耳其體育零售業 700,032 名客戶數據，指出傳統僅依據消費金額的分類法在識別高價值客戶上精確度不足，進而提出結合 RFM 模型（近因、頻率、金額）兩階段分群 (Two-step clustering) 及 K-means 分群演算法的優化模型。實驗結果顯示，新模型與現有分類系統存在高達 60% 的差異，其中兩階段分群將客戶重塑為三個等級，而 K-means 則細分為「常客」、「忠實」、「明星」與「進階」四類，能更精準地識別出被現行制度低估的高潛力客戶。文獻最終強調，透過 RFM 多維度行為數據的分群法，企業能制定更具效率的個人化促銷策略、優化資源配置並顯著提升客戶忠誠度與留存率。

Online food ordering system(2025)

這篇文獻介紹了一個基於 Java 與 Spring Boot 框架開發的線上訂餐系統，旨在透過數位化平台連結顧客、餐廳經理、外送員與管理員四種角色，以解決傳統人工訂餐效率低下且易出錯的問題。該系統整合了 HTML/CSS/JavaScript 前端、MySQL 資料庫及 RESTful API 等現代 Web 技術，具備菜單管理、安全支付處理、利用 WebSockets 與 Google Maps API 實現的即時訂單追蹤，以及自動化通知功能。其採用可擴展的模組化架構，不僅能優化餐廳營運流程並提升顧客滿意度，未來還計畫導入 AI 個性化推薦、聊天機器人及行動 App 開發，以打造更智能且全面的餐飲管理生態系統。

花了幾天的時間，總算稍微搞清楚每一篇文章大概在講什麼。至於下一步要怎麼做，我目前也不知道，所以先這樣。

畢業專題小札記01：利用 LINE...
畢業專題小札記03：想讓你的 LI...

評論

© ZhenBlog. All Rights Reserved. / RSS / Sitemap
Powered by Halo & Theme-Fuwari