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

部落格式技術文章 / 非正式技術報導

Sustainability and Tech (@open_eco_source Twitter) / 2020年。

探討行銷團隊如何利用 Google Apps Script (GAS) 自動化任務，並同時提升 JavaScript 程式技能。

適用於需要進行活動企劃、研究數據整合、預算編列、報告產出及客戶活動聯繫（reaching out to customers for campaigns）的行銷情境。

來源中未直接提及 RFM 或 CAI 模型，但強調了使用 JavaScript 邏輯（如 IF 陳述式）用戶情緒分析（analyzing user sentiment）。

技術原型開發與實作教學。透過 GAS 編寫 JavaScript 代碼，串接 Google 各項產品（Sheets, Gmail, Analytics 等）與外部 API（如 Twilio 簡訊服務）。

Google Sheets 試算表資料、Google Analytics 網站分析數據、Twilio 通訊平台資料，以及透過 HTML 介面收集的用戶資訊。

1. GAS 是一個免下載軟體、免費的腳本編輯器，能有效串接 Google 與非 Google 產品。

2. 對於小規模應用（小於 30 人同時在線），可透過 HTML 建立自定義界面，將試算表轉化為 Web App。

3. 即使程式經驗有限，也能透過「錄製總體（Macro）」將操作轉為代碼，達成報表自動化。

1. "Apps Script can help interconnect Google products... and non-Google products together and even schedule activities independently."

2. "Optionally for small apps (that have less than 30 users accessing the app all at once), you can use HTML to create a custom interface if desired."

1. 併發使用者限制：明確指出若同時超過 30 人存取，系統穩定性或效能可能受限。

2. 技術門檻：雖然有低代碼工具，但要實現複雜功能（如 Web App 介面）仍需基礎 JavaScript 與 HTML 知識。

1. 技術可行性驗證：該研究證實以 Google Sheets 作為後端資料庫並開發 Web App 之技術可行性，為本研究所提出之「低成本 CRM」系統架構提供實證基礎與技術支撐。

2. 通訊功能參考：文中所述透過 Twilio 發送簡訊與折扣碼之設計邏輯，可作為本研究以 LINE 推播行銷訊息功能之實務對照，顯示通訊整合機制於顧客關係管理情境中的應用潛力與可行性。

1. 商業邏輯深度：該研究內容僅著重於自動化工具之應用層面，尚未延伸至 RFM 或 CAI 等專業數據分析模型於試算表環境中的具體演算法設計與實作，理論與技術整合程度相對有限。

2. 特定產業應用：研究對象主要聚焦於一般行銷團隊之實務應用，未進一步探討夜市或微型餐飲業等高頻率、低單價且營運環境具特殊性的產業情境，其產業適用性仍有待補充與深化。

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

系統性回顧與綜述（Review / Systematic Review）

Ronewa Nethanani, Luzuko Matlombe, Siphethuxolo Vuko, Bonginkosi Thango (2024)。

客戶關係管理（CRM）系統及其對中小企業（SMEs）績效的影響：系統性回顧。

涵蓋全球不同產業的中小企業，包括服務業（44%）、技術與創新（45%）、製造與零售（11%）。研究背景特別強調資源受限的中小企業在數位轉型中的挑戰。

此文獻本身為系統性回顧（SLR），但其回顧的文獻中包含了 RFM 模型（用於確定客戶終身價值，見文獻第 51 號來源）、資源優勢理論（Resource-Advantage theory）、以及評估研究品質的 Cochrane 風險偏誤工具。

採用混合方法（Mixed-methods），結合了對中小企業主與經理人之調查數據的定量分析，以及案例研究的定性綜合分析。

檢索自三大主流學術資料庫：Google Scholar (18,100 筆)、Web of Science (91 筆) 與 SCOPUS (115 筆)，最終篩選出 46 篇核心研究進行深入分析。

1. 績效提升：CRM 的採用使中小企業的客戶留存率提高 25-40%，銷售額增加 15-30%，營運效率提升 20-35%。

2. 成功關鍵：實施成功與管理層支持、系統定制化（Customization）以及用戶培訓密切相關。

3. CRM 透過優化客戶互動與實現數據驅動的決策（Data-driven decision-making）來推動增長。

1. 「CRM 的採用使中小企業的客戶留存率提高了 25-40%，銷售額增加了 15-30%。」 (原文："CRM adoption leads to a 25-40% improvement in customer retention and a 15-30% increase in sales across SMEs.") —— 第 1 頁 / 摘要。

2. 「然而，財務資源有限和缺乏技術專長等障礙阻礙了 CRM 效益的全面實現。」 (原文："However, barriers such as limited financial resources and technical expertise hinder the full realization of CRM benefits.") —— 第 1 頁 / 摘要。

1. 地理與產業限制：現有研究多集中於特定區域（如亞洲佔 39.1%）或特定產業，難以全面推廣至所有微型企業。

2. 數據偏誤：許多研究依賴橫斷面數據（Cross-sectional data），缺乏長期追蹤 CRM 效益的縱向分析。

3. 缺乏解決策略：雖然承認成本是障礙，但現有文獻較少提供針對極低預算企業的具體實施策略。

1. 驗證必要性：該文獻指出中小企業因財務與技術資源受限，導致 CRM 系統導入困難，此論述為本研究提出之「低成本、以 Google Sheets 為基礎」之解決方案提供明確之問題基礎與實務需求依據。

2. 數據分群價值：文獻強調數據驅動決策有助於顯著提升營運效率與決策品質，此觀點支持本研究運用 RFM 與 CAI 模型進行顧客分群，以強化行銷策略制定之理論與實務意義。

3. 客製化趨勢：文獻指出系統高度定制化為提升導入成效之關鍵因素。本研究結合 LINE 官方帳號機制所建構之解決方案，屬於針對台灣微型商家情境所設計之客製化 CRM 工具，具備情境適配性與在地化特徵。

1. 對象極端化：現有多數研究聚焦於具一定營運規模之中小企業（SMEs），對於規模更小、資源高度受限之微型商家（Micro-businesses），例如台灣夜市攤販等經營型態之實證探討相對不足，研究對象存在結構性偏重現象。

2. 工具整合缺口：既有研究多以現成 CRM 軟體為分析與評估核心，較少探討結合大眾化數位工具（如 LINE 與 Google Sheets）所建構之微型商家專屬 CRM 架構，亦缺乏其整體效能與實務成效之系統性評估。

3. 特定模型應用：雖部分文獻涉及 RFM 模型之應用，但將其與 CAI（顧客活躍度指標）結合，並應用於微型餐飲業分群行銷之研究，在目前系統性回顧脈絡中尚未成為主流議題，顯示本研究具備一定之創新性與研究發展潛力。

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

學位論文（Thesis / Dissertation）

李函餘（2022）。

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。

以台灣中小型食品零售業為背景，針對具代表性的個案商家「起士公爵」進行研究。該商家擁有超過 24 萬 LINE 好友，且在行銷資源相對有限下，積極利用數位工具經營顧客關係。

1. STP 理論（市場區隔、目標市場、市場定位）：用以對應 LINE 官方帳號的分眾與定位功能。

2. ROPE 模型（研究、目標、策畫、評估）：用以審視行銷活動從企劃到執行的細部流程。

採用質性研究中的個案研究法與深度訪談法（半結構式訪談）。

1. 商家端：訪談個案管理者與行銷團隊（A 組共 3 名），了解經營理念與操作實務。

2. 消費者端：訪談 10 名 30-46 歲之女性消費者好友（B 組），探討其觀點與反饋。

3. 次級資料：包含商家官網、LINE 後台數據觀察及相關文獻。

1. 精準行銷效益：善用 LINE 分眾標籤能有效區隔市場，將訊息投遞給高興趣受眾，進而節省行銷預算並提升 ROI。

2. 消費者偏好：受訪者最想接收「促銷優惠」與「產品資訊」，且偏好圖文形式，過於繁冗的文字文案會降低點閱意願。

3. 介面體驗關鍵：選單設計應直覺簡潔，若功能過於複雜（如分多層頁面）或強制授權個資，會增加消費者的操作阻力。

1. 「在行銷預算有限的情況下，經營 LINE 官方帳號遂成為小而美又精省的行銷管道。」（第 2 頁）。

2. 「善用分眾功能區隔市場，節省行銷預算；鎖定目標客群投其所好，精準推播訊息。」（摘要，第 ii 頁）。

3. 「行動行銷最具吸引力之處在於能精確鎖定特定消費者……提供特定目標受眾個性化與適地性之訊息。」（第 7 頁）。

1. 資料揭露限制：受限於商業機密，無法公開完整的銷售額、轉單率等確切圖表數據。

2. 樣本侷限性：訪談對象集中於單一性別與年齡層（30-46 歲女性），無法完全代表所有類型的消費者行為。

3. 產業範圍：僅針對單一食品零售品牌，其結果未必能全然外推至其他微型攤販產業。

1. 目標對象一致性：相關研究皆聚焦於資源受限之中小型或微型商家，論證數位工具在低成本條件下導入顧客關係管理之可行性，並間接支持 LINE 官方帳號作為 CRM 工具之實務適用性。

2. 分眾邏輯參考：文獻所提出之「行為區隔」概念，例如依購買通路與互動頻率進行分類，可作為本研究建構 RFM 標籤化機制之理論與實務依據。

3. 點餐介面設計指導：研究指出選單設計過於複雜將降低使用意願，此發現可作為本研究開發點餐系統時之設計原則依據，強調介面應具備極簡性與操作直覺性，以提升使用體驗與完成率。

1. 數據模型之精確化：該文獻主要採用手動標籤或基於單一屬性的簡易分眾方式。本研究進一步導入 RFM 與 CAI 模型，建立較具科學性與動態性的量化分群基準，以提升顧客分類之精確度，並補強既有研究在數據層面較為粗略之不足。

2. 自動化流程整合：文獻重點多集中於行銷策略層面之討論。本研究則結合 Google Sheets 作為後端資料庫，並整合點餐功能與資料流動機制，回應微型商家在「資料自動化儲存」與「營運流程自動化」方面之技術需求與實務缺口。

3. 更極端之微型情境：既有研究多以具一定營運規模之中小企業為對象，例如品牌型商家。本研究則進一步聚焦於夜市攤販等更為草根、數位資源極為有限之經營型態，探討在極低數位門檻條件下導入 CRM 系統之可行性與實際成效。

企業導入 LINE 官方帳號行銷之關鍵成功因素研究

學位論文（Thesis / Dissertation）

李旻燦 (Lee, Min Tsan) / 2022年

企業導入 LINE 官方帳號行銷關鍵成功因素之研究

以台灣各類企業（如實業公司、農會、民宿、旅遊業、餐飲業等）為對象，從系統整合商 (System Integrator, SI) 的視角出發，探討協助企業導入 LINE 官方帳號會員系統時的關鍵成功因素。

決策實驗室分析法 (DEMATEL, Decision Making and Trial Evaluation Laboratory)。

1. 文獻回顧法：建立初步研究架構。

2. 專家訪談法：邀請3位資訊、管理與行銷專家修正評估構面與準則。

3. 深度訪談與問卷調查：針對9位已導入或正導入 LINE 官方帳號的企業負責人進行調查，並以 DEMATEL 分析因果關係。

蒐集 2022 年前相關社群行銷與系統整合文獻，並對 9 位具實務經驗的企業經理人/負責人進行深度訪談與數據蒐集。

1. 確定 9 項成功關鍵因素：上手便利 (A1)、即時對話 (A2)、客服平台 (B1)、交叉銷售 (B2)、會員信任 (C1)、會員識別 (C2)、系統串連 (D1)、訓練成本 (D2)、行銷整合 (D3)。

2. 「系統串連 (D1)」與「上手便利 (A1)」是影響力最強的「因」，會直接或間接影響其他因素。

3. 優先加強系統串連可有效提升「會員識別」與「客服平台」效能，進而驅動「交叉銷售」。

1. 「系統整合商若要在整合前與企業成功溝通導入，須先掌握最重要且直接與間接影響其他因素最多的二個因素：上手便利(A1)與系統串連(D1)。」 (第 ii 頁)。

2. 「加強D1系統串聯將會影響到C2會員識別、B1客服平台，會影響到B2交叉銷售、A2即時對話。」 (第 25 頁)。

3. 「LINE官方帳號是能協助企業/商家與客戶建立深度關係的行銷工具...發送成本遠比發送手機簡訊、郵寄型錄、email 電子報系統...的成本還低。」 (第 6 頁)。

1. 主要探討的是企業主（B端）與系統整合商的觀點，較少觸及末端消費者（C端）的實際使用感受。

2. 樣本數為 9 份深度訪談，雖然具代表性但研究範圍偏重於系統導入的架構性因素。

1. 平台驗證：該文獻指出 LINE 在台灣之使用普及率高達 95.7%，顯示其在日常溝通場景中的高度滲透性，並具備作為微型商家與顧客互動媒介之實務優勢與市場基礎。

2. 技術路徑：文獻詳細說明 LINE 官方帳號透過 API 串接 CRM 系統之作業流程與架構設計，為本研究結合 Google Sheets 建構低成本 CRM 系統之技術路徑提供理論與實務依據。

3. 核心價值：研究強調系統間之整合與資料串連為提升管理效能之關鍵因素，此觀點與本研究強調「LINE + Google Sheets」之數據自動化串接目標相互呼應，強化整體架構之合理性與一致性。

1. 微型商家自主性：該文獻主要探討透過專業系統整合商導入相關系統，並指出整合成本通常偏高。本研究則進一步回應微型商家在資源受限情境下之實務需求，探討其如何以極低成本（例如運用 Google Sheets）自行完成系統整合，補足既有研究對於自主導入模式之不足。

2. 特定模型應用：文獻多著重於整體會員識別與管理機制之建構，對於 RFM 與 CAI 模型在精準分群與行銷決策中的具體運用著墨有限。本研究透過模型整合與實作驗證，深化其在微型商家情境下之實證應用價值。

3. 具體場景實測：既有研究對象涵蓋範圍較廣，未聚焦於特定產業場景。本研究鎖定台灣夜市與小型餐飲攤販，提供更具情境貼近性之低成本解決方案驗證，強化實務可行性與在地適用性。

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

研討會論文（Conference Paper）

E Ernawati, S S K Baharin, and F Kasmin (2021)

基於 RFM 模型之顧客分群資料探勘方法綜述（A review of data mining methods in RFM-based customer segmentation）。

本研究對 2015-2020 年間發表的 44 篇文獻進行系統性回顧，涵蓋領域包括零售、電子商務、批發、中小企業 (SMEs)、金融服務、醫療保健及 IT 產業。

1. 核心模型：原始 RFM 模型（Recency, Frequency, Monetary）。

2. 延伸模型：包括 LRFMP、RFC、eRFM 等修改型 RFM。

3. 分析模型：結合資料探勘 (DM) 七大技術（分群、關聯、序列發現、分類、預測、迴歸、視覺化）。

1. 文獻檢索：從 Scopus、Web of Science (WoS) 與 Emerald 資料庫篩選 297 篇文章，最後精選 44 篇實證研究。

2. 分類分析：將現有研究依據應用的資料探勘方法進行歸類。

3. 框架構建：提出一個結合 GIS（地理資訊系統）與人口統計資料的新型 RFM 分群框架。

來自 44 篇學術期刊與會議論文，這些文章均基於實際的實證數據 (Actual empirical data) 或特定應用領域的真實案例研究。

1. 方法普及性：分群 (Clustering) 是最常用的方法（佔 88%），其中 K-means 因其簡單易懂而最受歡迎。

2. RFM 優勢：RFM 模型因變數少、結構簡單、易於被管理決策者理解而廣泛應用。

3. 分群規模：大多數研究選擇將顧客分為 4-5 個群體，這最有利於行銷人員解釋並制定策略。

4. 視覺化需求：視覺化（如熱點圖、散佈圖）在理解顧客特徵方面的重要性日益增加。

1. 「RFM 模型被廣泛使用，因為它使用的分群變數較少，使其簡單、易於實施，且易於被管理者和決策者理解。」(p. 2)。

2. 「顧客分群可將顧客分為較小的同質組別，使行銷策略能針對每個群體單獨進行。」(p. 1)。

3. 「基於資料探勘的顧客分群在準確性上優於傳統分類。」(p. 1)。

1. 維度限制：原始 RFM 模型不關注顧客的個人及人口統計資訊（如年齡、性別、地理位置）。

2. 時間限制：文獻回顧僅限於 2015-2020 年間的英語文章。

3. 地理資訊缺席：現有研究較少將分群結果與地理位置（如 GIS）結合以優化物流或實體店面策略。

1. 目標對象一致性：文中所討論之 SMEs（中小企業）應用情境，與本研究聚焦之微型商家在資源限制與管理需求上具有高度相似性，顯示研究對象之情境脈絡具備可比性。

2. 模型基礎：研究確認 RFM 作為行為分群工具之理論基礎與實務價值，強化本研究以 RFM 作為核心分析模型之合理性與學術依據。

3. 落地性驗證：文獻指出 RFM 具備操作簡便且易於導入之特性，為本研究所強調之「低成本、可實際落地」之系統設計理念提供理論支持。

4. 視覺化支持：研究強調視覺化分析對管理決策之重要性，為本研究透過 Google Sheets 產生圖表或地圖等視覺化工具，以輔助行銷判斷之設計方向提供依據。

1. 低成本工具鏈開發：相關研究多聚焦於較為複雜之資料探勘演算法（如 K-means、SOM 等），對於如何運用低成本且普及之數位工具（例如 LINE 與 Google Sheets）建構自動化資料處理與分群流程之探討相對有限。本研究著重於在資源受限情境下之實務可行性，補充工具層面與流程整合之應用缺口。

2. 微型商家即時回饋機制：既有文獻多以大型零售或電子商務平台為研究場域，對於夜市攤販等高流動性、單筆金額較低且需即時推播行銷之微型業態，缺乏具體之 CRM 實證分析。本研究針對此類經營型態進行驗證，提升研究情境之在地化與即時性特徵。

3. CAI 模型整合：雖部分研究提及 RFM 模型之延伸變體，然將 CAI（顧客活躍度指標）與 RFM 結合，並應用於微型餐飲場域進行分群與行銷決策成效評估之研究仍相對稀少。本研究透過模型整合與實作分析，補足此一應用層面之實證不足。

Fast RFM model for customer segmentation

研討會論文（Conference Paper）

Shicheng Wan, Jiahui Chen, Zhenlian Qi, Wensheng Gan, Lilin Tang / 2022年

提出一種用於顧客分群（Customer Segmentation）的高速 RFM 模型演算法（名為 RFMUL），旨在解決現有模型在處理大數據時效率不足的問題。

電子商務與萬維網（WWW）環境下的數據化行銷。特別強調在缺乏顧客身份識別資訊（如 IP 地址或個人 ID）的交易數據庫中，如何識別出具價值的顧客模式。

RFM 分析模型（Recency 近期性、Frequency 頻率、Monetary 貨幣價值/效用）與 RFM-pattern 挖掘模型。

1. 提出 RFMUL 演算法：基於「單階段（One-phase）」的挖掘框架。

2. RFM-List 結構：使用緊湊的列表結構壓縮交易資訊，避免多次掃描數據庫。

3. 修剪策略（Pruning Strategies）：利用下限關閉特性（Downward-closure property）來減少搜尋空間，提升執行速度

使用 SPMF 網站的三個基準數據集：

1. BMSPOS：稀疏型大數據集（515,366 筆交易）。

2. Foodmart：小型稀疏數據集（4,141 筆交易）。

3. T40110D100K：稠密型合成數據集（100,000 筆交易）

1. 提出的 RFMUL 演算法在運行時間與記憶體消耗上均優於當時最先進的 RFMP-Growth 演算法。

2. 該模型能有效在不洩露個人隱私的前提下，從交易紀錄中找出高價值顧客。

3. 在稠密數據集（Dense dataset）中，RFMUL 的效能優勢尤為明顯

1. 「Behavioral segmentation offers more accurate behavior prediction than other methods because it provides sufficient information on customer shopping preferences.」（p. 965）。

2. 「RFM customers have a strong willingness to interact with a company (high loyalty) and bring more profit to the company over a long period of time.」（p. 966）。

1. 在稀疏數據集（如 BMSPOS）中，由於需要維護大量無用的 RFM-Lists 在記憶體中，其記憶體優化效果較不明顯。

2. 研究重點在於演算法效能的提升，而非後續行銷策略的具體落地效果。

1. 核心技術支撐：該文獻指出，在缺乏完整會員背景資料之情況下，僅依賴交易數據（如交易編號、時間與金額）即可進行有效之顧客價值分群分析。此觀點與本研究所處之夜市或小型商家情境相符，該類業態通常難以蒐集顧客完整問卷或個人資料，因而更仰賴交易紀錄進行分析與決策。

2. 行銷決策邏輯：文獻提出之行銷建議，例如針對低頻次顧客發送折扣資訊、對高頻次顧客推薦新產品等策略，具體呈現分群後之行動方案設計邏輯。此一思維可轉化為本研究透過 LINE 官方帳號進行分眾推播之策略基礎，強化模型分析與實務行銷執行之連結。

1. 模型複雜度與落地性：該文獻著重於高運算效能之高速演算法設計，然此類方法對於資源受限之台灣微型商家而言，在 Google Sheets 環境中實作具有一定困難。本研究則探討如何將 RFM 分析邏輯簡化並轉化為可於試算表中執行之運算流程，以提升模型之實務可行性與落地性。

2. 指標擴充性：文獻主要採用 RFM 作為顧客分群依據，未納入 CAI（顧客活躍度指標）之分析維度。本研究進一步結合 RFM 與 CAI，檢驗其在餐飲業情境中對顧客流失風險判斷之解釋力與預測效果，拓展既有模型之應用深度。

3. 低成本工具整合：該文獻未涉及透過社群平台（如 LINE）進行閉環行銷之整合機制。本研究則建構從數據分析、分群判斷至自動化行銷推播之完整流程，補足分析結果與實際行銷執行之系統整合缺口。

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

研討會論文（Conference Paper）

Hung-Hsuan Chen (2016)。

以平台策略視角探討 OTT 通訊服務（Over-the-Top Messaging Services）的發展，並對 WeChat 與 LINE 進行個案研究與比較。

亞洲快速成長的行動通訊平台市場，特別是主導中國市場的 WeChat，以及主導日本、台灣與泰國市場的 LINE。

採用 Isckia 和 Lescop (2015) 的平台生態系統策略框架，將發展分為三階段：點火（Ignition）、發展（Development）與更新（Renewal）。並結合多邊平台（Multi-sided Platform, MSP）網絡效應（Network Effects）。

採用多邊個案研究法（Multi-case study）次級資料分析法（Secondary data analysis）。

包含市場研究報告（如 eMarketer, TNS Global）、官方新聞稿、財報、學術文獻、新聞報導（如 Bloomberg, Tech in Asia）及公司官網資訊。

1. LINE 與 WeChat 已從單純的通訊工具演進為行動生活的「門戶」（Gateways），整合支付、電商與多種服務。

2. LINE 採用多 App 策略（由核心 App 延伸出不同功能的 App 並進行綑綁），而 WeChat 則是「App 內 App」（App-within-an-app）的一站式服務模式。

3. 成功關鍵在於創造價值、建立正向的同側與異側網絡效應、開放 API 以吸引第三方合作夥伴，以及多元的獲利模式（如貼圖、廣告、交易費）。

1. "LINE's official accounts and LINE@ accounts provide a marketing communication channel for business enterprises and small and medium-sized enterprises respectively." (Page 28)。

2. "By opening their platform strategies, WeChat and LINE have developed the platform ecosystem for third parties, ensuring that every party involved could benefit." (Page 29)。

3. "Success requires a focus on sustainable competitive advantage in the dynamic environment at all times, as well as to strategize for the local community by experimenting and evolving constantly." (Page 33)。

本研究主要依賴次級資料與案例對比，缺乏與 LINE 或 WeChat 內部管理階層的深度訪談。

1. 工具適用性：該文獻指出 LINE 透過官方帳號（及當時之 LINE@）機制，為中小企業提供正式且制度化之行銷通訊管道，顯示其作為企業顧客互動工具之制度基礎與正當性，支持本研究選擇 LINE 作為系統核心平台之合理性。

2. B2B 商業模式：文獻提及 LINE 透過 Messaging API 開放商業平台介面，使企業得以建構自動化互動流程並強化顧客關係管理。此機制與本研究所設計之點餐與資料串接系統架構相符，構成本研究技術實作之核心基礎。

3. 低成本門檻：研究指出 LINE 透過策略性降低使用門檻以吸引中小企業加入其平台生態系，顯示其具備普及性與可近性特徵。此觀點與本研究所強調之「低成本、可實際落地」系統設計理念相互呼應。

1. 對微型商家之具體數據應用：該文獻主要聚焦於大型平台業者之策略層面，雖提及 LINE 支援中小企業發展，然未深入探討夜市攤販等微型商家在實務情境中如何操作與運用數據，例如透過 RFM 或 CAI 模型進行分群分析與決策優化。

2. 低成本分析工具之整合：文獻著重於平台與開發者之 API 串接機制，較少討論如何運用 Google Sheets 等普及性工具作為低預算 CRM 系統之後端分析基礎，相關技術整合流程仍有待補充。

3. 分群模型之實證驗證：文獻未提供關於簡易數據分群機制對微型商家行銷績效（如轉換率提升或顧客留存改善）之量化實證分析，因此在成效評估層面尚存在研究空缺。

Designing web-based food ordering information system in restaurant

研討會論文（Conference Paper）

L Warlina and S M Noersidik (2018)

餐廳網頁式點餐資訊系統之設計 (Designing Web-based Food Ordering Information System in Restaurant)

印尼的一家餐廳環境（具體為圖中顯示的 Ayam Kegeprek 餐廳），針對現有點餐程序進行數位化轉型。

1. 網頁式點餐系統架構：包含登入、選單、訂單表單的系統設計。

2. 案例圖 (Use Case Diagram)：用於描述使用者活動與系統權限產生資訊的過程。

1. 直接觀察法：在餐廳現場觀察點餐程序與工作環境。

2. 訪談法：針對現行系統的使用者（顧客）進行訪談。

3. 問卷調查：針對 100 位訪客與 100 位員工進行對系統效果的感知與熱衷度調查。

實地觀察資料、現有文獻回顧（關於點餐與製造資訊系統）以及對 100 名訪客與 100 名員工的調查數據。

1. 提升效率：基於技術的預約系統可克服點餐錯誤，提高服務效率與準確性。

2. 高度熱衷但存在疑慮：80% 的顧客與員工對系統表示熱衷 (Enthusiastic)，但 40% 的受訪者對於系統是否真能有效解決排隊問題仍持懷疑 (Doubt) 態度。

3. 服務的重要性：除了價格與品質，服務系統是決定顧客滿意度與忠誠度的關鍵因素。

1. "Web-based ordering application is handy for customers ordering food without having to queue up." (P. 1)

2. "Technology-based booking system via smartphones and tablets can overcome mistakes in ordering food, and can increase the efficiency and the accuracy of the restaurant in time for the service orders." (P. 1)

3. "Another factor in determining satisfaction and customer loyalty in the food business is a service." (P. 2)

1. 缺乏實質成效驗證：研究雖完成設計，但對於「解決排隊問題」的實際效能，在受訪者中仍有 40% 的不確定感，且缺乏長期的數據追蹤。

2. 技術門檻：該研究開發獨立的 Web 介面，可能涉及較高的維護與開發成本，未提及針對微型商家的成本效益分析。

1. 數位化動機一致性：該文指出服務系統應回應消費者生活型態之變化，並強調數位化有助於降低人為錯誤與提升營運效率。此論述為本研究探討微型商家導入數位點餐系統之必要性提供理論基礎，強化其情境合理性與發展脈絡。

2. 系統核心功能參考：文中所設計之登入機制、功能選單架構與訂單填寫流程，呈現出完整之操作邏輯與流程設計思維，可作為本研究在 LINE 官方帳號介面規劃與功能配置時之設計參考。

1. 缺乏數據驅動決策層面：該文主要聚焦於數位工具之開發與使用者感知評估，未進一步納入顧客數據分析機制，亦未探討如 RFM 或 CAI 等量化分群模型之應用。因此，本研究可在數據驅動決策層面進行延伸，作為理論與實務整合之創新切入點。

2. 成本與落地性考量：該文採取獨立 Web 系統之開發模式，對於台灣夜市等資源受限之微型商家而言，可能在導入成本與維運負擔上較為沉重。本研究透過整合 LINE 與 Google Sheets 建構系統架構，強調低成本與高度可落地性之特質，呈現出具差異化之實務應用價值。

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

研討會論文（Conference Paper）

Bhavana Jamalpur, Davinder Singh, B Santhosh Kumar, Amandeep Nagpal, Shravani Pawar, Dr. Dyuti Banerjee (2024)

深度學習在行銷分析中的應用：預測建模與顧客分群 (Applications of Deep Learning in Marketing Analytics: Predictive Modeling and Segmenting Customers)

競爭激烈的電子商務 (E-commerce) 市場，重點在於如何透過預測顧客終身價值 (CLV) 與分群變動，協助企業在資源有限的情況下進行精準行銷。

RFM 模型 (Recency, Frequency, Monetary)、CLV 模型 (Customer Lifetime Value)；並結合機器學習 (ML) 與深度學習 (DL) 演算法，包括：決策樹 (DT)、邏輯迴歸 (LR)、隨機森林 (RF)、CNN 以及 LSTM (長短期記憶神經網路)。

1. 資料預處理：包含資料清洗、壓縮、縮放與轉換。

2. 聚類分析：利用 RFM 變數與 CLV 預測進行顧客價值分群。

3. 預測建模：比較多種 ML 與 DL 演算法，預測顧客在未來五個月內的分群變化。

4. 效能評估：使用召回率 (Recall)、F1 分數 (F1-score) 與精準度 (Precision) 驗證模型可靠性。

來自電商平台的交易數據，涵蓋 2021 年 10 月至 2023 年底。包含 16,550 張發票、3,563 種產品以及 764 名客戶的資訊。

1. LSTM 表現優異：在預測複雜數據集的顧客分群變動時，LSTM 的精準度與穩定度優於傳統的線性迴歸。

2. 預測導向的決策：透過預測顧客分群的遷移，企業能採取預防性措施（如針對性折扣）來留住高價值客戶並優化資源分配。

3. 分群效能差異：模型對高價值顧客群（Class 0）的預測準確度最高，但對於中低價值群（Class 1 & 2）的捕捉能力仍有提升空間。

1. "RFM is a method for giving each customer a substantial amount of value. It is mostly used in marketing and has caught the interest of the business services and retail sectors." (p. 1474)

2. "This procedure comprises grouping clients according on shared traits, qualities, actions, and preferences. This gives marketers the essential data they need to carry out focused and customised marketing campaigns." (p. 1473)

3. "Businesses can allocate marketing resources more profitably and with greater customer involvement when predictive analytics is strategically applied." (p. 1473)

1. 模型不平衡性：在預測中低價值的顧客類別時，模型的召回率與精準度明顯低於高價值類別。

2. 數據維度限制：目前主要依賴歷史交易數據，研究建議未來需納入「非相關因素 (unrelated factors)」與「即時數據動態分群」以提升準確性。

3. 技術門檻高：所提倡的 DL/ML 模型需要較高的計算資源與技術背景，對一般小型企業而言實施難度較大。

1. 理論核心一致性：該研究驗證 RFM 模型在衡量顧客價值與進行行銷分群方面之有效性與理論基礎，強化本研究選擇 RFM 作為核心分析模型之合理性與學術依據。

2. 研究目標重疊性：文獻強調透過預測分群變動以優化行銷策略，此一研究方向與本研究探討「簡易數據分群是否能提升行銷決策品質」之目的高度一致，顯示兩者在研究關注面向上具備明確連結。

3. 數據結構參考：研究所採用之 UnitPrice、Quantity、InvoiceDate 等變項，屬於交易資料中最基礎且易於取得之欄位類型，亦為微型商家於 Google Sheets 中可實際紀錄之核心資料結構，具有高度可操作性與情境適配性。

1. 技術門檻之降維實踐：既有研究多採用 LSTM、CNN 等高運算需求之模型進行預測分析，對於資源高度受限之台灣夜市攤販等微型商家而言，其導入門檻相對較高。本研究則探討如何運用 LINE 與 Google Sheets 建構輕量化數據分析流程，以降低技術複雜度並提升實務可行性，補充相關文獻在低門檻實踐層面之不足。

2. 特定場景之適配性：電商資料通常具備高頻率與結構完整之特性，然而微型商家常面臨顧客匿名比例高、資料蒐集不完整等限制。本研究針對非數位原生環境之資料條件，探討低成本工具如何支援有效數據採集與分析，填補此類情境下之應用空缺。

3. 自動化行銷推播之整合：文獻雖強調預測模型之重要性，但對於預測結果如何轉化為具體且自動化之行銷行動著墨有限。本研究結合 LINE 官方帳號機制，建構從數據分析、分群判斷至即時推播之整合流程，補足分析成果與實際顧客觸達之連結。

整合 RFM 和 CAI 工具分析顧客價值──超市大數據資料應用

學術期刊論文（Journal Article）

林郁翔、劉傑滔 (2016)

整合 RFM 和 CAI 工具分析顧客價值：超市大數據資料應用

台灣國內某連鎖超市，針對其 4,377 位會員的交易資料進行分析。

RFM 模型（最近購買日、購買頻率、購買金額）、CAI 模型（顧客活躍性指標），以及兩者整合後的 FCAI 指標。

1. 資料分群：利用 2009 年資料作為樣本內（in-sample）進行 RFM 與 CAI 分群。

2. 指標計算：使用最大概似估計法 (MLE) 與加權最大概似估計法 (WMLE) 計算 CAI 值。

3. 效度驗證：利用 2010 年資料作為樣本外（out-sample），透過 One-Way ANOVA 驗證分群對未來消費行為的預測能力。

台灣行銷科學學會 (TIMS) 提供之超市交易資料庫（2009/1/1 - 2010/12/31），共 105,170 筆交易記錄。

1. RFM 與 CAI 均能顯著預測未來顧客的消費金額與頻率。

2. 整合後的 FCAI 指標 解釋能力強於單一指標，可將顧客精準區分為四類：「忠誠-活躍」、「忠誠-不活躍」、「不忠誠-活躍」、「不忠誠-不活躍」。

3. 證實延伸 RFM 工具能提高預測精準度，協助企業識別真正有價值的顧客。

1. 「整合此二工具建構之FCAI指標，將顧客價值區分為四種集群，其解釋能力較 RFM和CAI 指標更強，能更清楚地協助企業識別顧客價值。」 (p. 1) 

2. 「RFM指標僅能針對個別顧客目前購買行為作現況描述，無法預判個別顧客之活躍程度，使企業無法提早準備。」 (p. 2) 

3. 「CAI>0,代表顧客越來越活躍,反之亦然。」 (p. 7)

1. 研究對象侷限於單一零售品牌（連鎖超市），結果未必能直接推論至其他業種。

2. 僅建立指標與驗證效度，未實際針對分群後的顧客進行後續行銷活動的效益檢驗（如購物籃分析或推薦系統的實作效果）。

1. 模型一致性：本研究採用該文獻所驗證之 RFM 與 CAI 整合邏輯作為分析架構，確保模型設計具備理論依據與實證基礎，並維持方法論上的一致性。

2. 行銷策略基礎：文獻所提出之四象限分類架構，可作為本研究透過 LINE 官方帳號進行分眾推播之策略依據，強化顧客分群與行銷訊息匹配之精準度。

3. 理論支撐：研究指出維繫既有顧客之成本約為開發新客之五分之一，凸顯顧客關係管理在成本效益層面之重要性，為微型商家建構 CRM 系統之必要性提供理論支持。

1. 研究對象差異：該文獻以超市大數據為主要研究場域，本研究則轉向夜市與攤販等微型商家，探討簡易數據模型在極小規模經營環境下之實踐可行性與適用性，拓展模型之應用情境。

2. 系統實作與成本考量：文獻未深入討論數據蒐集與系統建置之硬體與維運成本。本研究透過整合 LINE 與 Google Sheets，提供不依賴大型資料基礎建設之解決方案，補足低成本落地實踐層面之研究缺口。

3. 行動化互動機制：該文獻以離線數據分析為主，未涉及即時互動應用。本研究結合 LINE 平台進行即時點餐與分眾推播，將原本偏靜態之分析結果轉化為動態且可操作之營運工具，強化數據與實務行動之連結。

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

學術期刊論文（Journal Article）

Mohamad Khairi Hassan, Mohd Hazri Mohd Rusli, Noor Azlina Mohd Salleh (2023)。

開發一個使用 Google Sheets 和 Appsheet 的訂單處理系統，旨在為馬來西亞汽車產業的中小企業 (SME) 倉庫提供低成本的數位化解決方案。

馬來西亞一家供應汽車內飾配件的二級供應商 (PSB Sdn Bhd)，其倉庫原本採用手寫日誌 (log book) 的手動管理方式，面臨資料冗餘、手寫錯誤及效率低下的問題。

雖未直接使用 RFM 模型，但研究採用了 IoT（物聯網）架構與 VSM（價值流圖） 分析法來識別手動流程中的浪費，並利用雲端資料庫系統 (Cloud-based database system) 的架構進行數位化轉型。

研究分為三個階段：(1) 資料準備（數位化紙本格式）；(2) 行動 App 開發（使用 Appsheet 建立使用者介面）；(3) 報告格式自訂（自動生成客戶查驗單）。最後透過「導入前後」的時間測試 (Test run) 進行基準對照。

來自該企業倉庫的原始手寫訂單資訊、Kanban（看板）文件、配送清單，以及系統測試期間產生的數位即時資料。

1. 效率提升：訂單處理總 lead time 從 66 分鐘縮短至 36 分鐘，減少了 45% 的處理時間。

2. 消除風險：完全消除了 6 種因手動抄寫導致的錯誤風險（如抄錯品名或數量）。

3. 即時協作：實現了多用戶同步存取與即時更新，消除了部門間傳遞文件的等待時間。

1. "By using Google Sheets, all the information and data involved in order processing activities is imported and digitized." (p. 64)

2. "Appsheet is the best choice for the SME warehouse factory to get into the system and expose itself to the IoT." (p. 77)

1. 單一案例研究：研究結果僅基於一家特定汽車中小企業，可能影響普遍適用性。

2. 環境依賴性：系統運行高度依賴穩定的網路連接。

3. 功能範疇：側重於後端物流與訂單作業，尚未整合前端行銷或進階的顧客數據分析功能。

1. 技術架構一致性：該文獻驗證以 Google Sheets 作為低成本雲端資料庫之可行性，顯示其在資料儲存與管理層面具備實務應用基礎，與本研究所採用之「Google Sheets + LINE」系統架構高度契合。

2. 目標對象相似性：兩者皆聚焦於資源受限且高度依賴手動作業流程之小型企業或商家，研究情境在營運規模與數位能力層面具備明確相似性。

3. 核心價值一致性：相關研究與本研究皆強調低成本、易於操作與回應實際營運痛點之解決方案設計理念，展現出在實務導向與落地可行性方面之共同關注。

1. 數據應用深度：該文獻將數位資料主要用於流程效率提升與報表產出，未延伸至顧客行為層面之分析。本研究則進一步運用交易資料進行 RFM 與 CAI 分群，深化數據於行銷決策與顧客價值評估上的應用層次，補足既有研究在分析深度方面之不足。

2. 前端接觸點設計：文獻採用專屬 App（如 AppSheet）作為操作介面，對於數位能力有限之微型商家而言，導入門檻仍相對較高。本研究以 LINE 官方帳號作為主要接觸點，依循台灣夜市與攤販常用之通訊習慣，提升系統之情境適配性與實務落地可能性。

Consumer Perception and App Loyalty through Personalized Push Notifications

學術期刊論文（Journal Article）

Sruthiya V N & Aswani Sasikumar (2025)

探討在線上購物背景下，個人化推播通知（Personalized Push Notifications）對消費者感知（Perception）與應用程式忠誠度（App Loyalty）的影響。

印度卡利卡特市（Calicut city）的線上購物環境，主要針對如 Amazon 與 Myntra 等大型購物平台的使用者行為進行分析。

1. 描述性統計分析：用於衡量感知維度（相關性、品質提升、隱私憂慮等）。

2. 回歸分析模型 (Y=α+βX+e)：將個人化推播通知設為自變數 (X)，App 忠誠度設為應變數 (Y)。

3. Mann-Whitney U 檢定與 Kruskal-Wallis 檢定：用於分析性別與職業在感知上的差異。

採用分析性研究設計（Analytical Research Design），並使用意向抽樣法（Purposive Sampling）選取特定族群。透過結構化問卷蒐集定量數據，包含封閉式問題與李克特量表（Likert-scale）。

針對 100 名居住於卡利卡特市、年齡介於 18 至 25 歲且積極參與線上購物的消費者（主要是學生）進行原始資料（Primary Data）蒐集。

1. 個人化價值：多數用戶認為個人化通知具備高度相關性（Relevance），能有效提升購物品質並輔助決策。

2. 忠誠度關聯：個人化推播與 App 忠誠度之間存在中度正相關（r2=.303），顯示有效的客製化內容能強化使用者滿意度。

3. 推播誘因：關於折扣、專屬優惠及富有圖像（70% 偏好）的通知最能引起參與。

4. 負面因素：隱私疑慮與誤導性內容是主要挑戰，若頻率不當或內容無效，會導致用戶反感甚至卸載。

1. "Personalized push notifications have emerged as a critical tool for enhancing user engagement and driving purchase decisions." (p. 16)

2. "The analysis shows a moderate positive relationship between personalized push notifications and app loyalty, suggesting that effective customization can enhance user satisfaction." (p. 16)

3. "By delivering relevant information, reminders, and offers straight to the consumers' devices, brands can capture attention and encourage interaction." (p. 17)

1. 樣本侷限性：樣本數僅 100 人，且高度集中於 18-25 歲的學生族群，結果可能無法推廣至其他年齡層。

2. 地理限制：研究範圍僅限於單一城市（卡利卡特）。

3. 平台類型：主要針對大型購物 App，未涵蓋微型商家或通訊軟體（如 LINE）的應用場景。

1. 行銷策略驗證：該文獻指出個人化行銷為提升顧客忠誠度之關鍵因素。本研究透過 RFM 與 CAI 模型進行顧客分群，旨在實現精準且差異化之推播策略，以避免無差別群發所可能造成之資源浪費與顧客反感，呼應文獻所強調之個人化原則。

2. 工具效果預期：研究提及具吸引力之通知訊息有助於促發即興購買行為，顯示即時通訊工具在行銷觸達上的潛力。此觀點支持本研究選擇 LINE 官方帳號作為行銷推播媒介之合理性與實務價值。

3. 數據驅動決策：文獻建議企業應透過消費者態度與行為分析優化行銷策略，此一數據導向思維與本研究驗證簡易數據分群是否能提升決策品質之研究目的高度一致。

1. 技術門檻與成本考量：該文獻以 Amazon 等大型平台之 App 開發為研究背景，未探討在預算與技術資源有限之情境下，微型商家如何實現相近之個人化行銷效果。本研究透過整合 Google Sheets 與既有通訊平台，建構低成本之資料分析與推播機制，回應此一實務缺口。

2. 平台載體差異：既有研究多聚焦於獨立購物 App 之設計與應用，較少探討第三方通訊軟體（如 LINE）作為 CRM 載體之可行性，尤其在微型餐飲業（如夜市攤販）情境下之應用實證仍相對不足。本研究補充此一場域與平台面向之研究空白。

3. 模型應用深度：文獻主要從概念層面討論推播之個人化原則，未進一步結合 RFM（顧客價值）與 CAI（顧客活躍度）等雙維度量化模型進行實證分析。本研究透過模型整合與分群實驗設計，深化個人化推播策略之數據基礎與操作精準度。

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

學術期刊論文（Journal Article）

Daqing Chen, Sai Laing Sain, Kun Guo / 2012 年。

針對線上零售業進行資料探勘，利用 RFM 模型進行顧客分群，以建立以顧客為核心的商業智慧。

一家位於英國、員工人數約 80 人的小型線上禮品零售商。該公司原以郵購與電話訂購為主，轉型為純電商僅兩年，面臨缺乏技術資源與數據分析知識的挑戰。

RFM 模型（Recency, Frequency, Monetary），並結合 k-means 分群演算法與決策樹歸納法（Decision Tree Induction）。

1. 資料預處理：包含變數選擇、建立「總額」欄位、日期與時間拆分、過濾缺失值及清理離群值。

2. 標準化：由於 RFM 三個維度的數值尺度差異巨大（如金額與月份），在分群前進行了標準化處理。

3. 分群分析：使用 SAS 工具進行 k-means 演算法，將顧客分為 5 個群體，並透過 Segment Profile 節點解讀群體特徵。

4. 精煉分群：針對特徵最複雜的群體（Cluster 3），進一步使用決策樹進行子分群分析。

該零售商 2011 全年度的交易數據，共計 22,190 筆有效交易記錄，涉及 4,381 個不重複的郵遞區號（顧客識別碼）。

1. 成功將顧客辨識為 5 類，包括最獲利的群體（僅占 5.05% 人口卻貢獻 25.5% 營收）與獲利最低的群體。

2. 研究證實約 22% 的顧客貢獻了總銷售額的 60%，展現了數據分群對行銷資源分配的重要性。

3. 資料準備（Data Preparation）與模型解讀是整個資料探勘過程中最耗時且關鍵的步驟。

1. "The main purpose of this analysis is to help the business better understand its customers and therefore conduct customer-centric marketing more effectively." (p. 197)。

2. "Although many famous online retail brands are embracing data mining techniques... there are still many smaller ones and new entrants are keen to practise consumer-centric marketing yet technically lack the necessary knowledge and expertise to do so." (p. 198)。

1. 1. 數據維度單一：主要依賴歷史交易紀錄，尚未能即時追蹤顧客在網頁上的瀏覽行為或路徑。

2. 分析工具成本：研究採用 SAS Enterprise Miner 等專業商業軟體，對於極小型商家而言可能存在技術與資金門檻。

3. 預測能力有限：研究側重於現狀分群，尚未能有效預測顧客的終身價值（Lifecycle Value）變動趨勢。

1. 對象契合性：該文獻聚焦於協助缺乏技術資源之小型業者進行數據分析，其研究情境與本研究所關注之夜市與小型攤販在資源條件與數位能力層面具高度相似性，顯示研究對象具備明確對應關係。

2. 模型應用基礎：文獻詳述 RFM 模型自原始交易資料轉換、指標標準化至顧客分群之完整流程，提供具體之方法論框架，可作為本研究於 Google Sheets 環境中設計與實作運算邏輯之理論依據。

3. 研究動機驗證：研究指出分群分析有助於辨識約 20% 之高價值關鍵顧客，凸顯顧客價值集中現象之重要性。此結果支持本研究透過數據分群以提升行銷決策品質之研究目的與實務意義。

1. 工具低成本化：該文獻採用高價之 SAS 軟體作為分析工具，對於資源受限之微型商家而言導入門檻較高。本研究改以 Google Sheets 與 LINE 建構分析與互動架構，補足極低成本 CRM 工具鏈在實務應用層面之空白。

2. 模型整合深化：文獻僅採用 RFM 作為分群依據，本研究進一步納入 CAI（顧客活躍度指標），形成雙維度分析架構，以更細緻地辨識微型商家顧客之活躍程度與流失風險，提升模型解釋力。

3. 即時互動機制：該文獻屬於事後之靜態分析設計，未涉及即時顧客互動。本研究結合 LINE 平台進行即時點餐與分眾推播，建立從數據分析到行動回應之動態流程，回應文獻中關於即時追蹤與互動不足之限制。

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

學術期刊論文（Journal Article）

Mark Rendon & Rojanon Krajangwong (2017)

探討行動即時通訊（MIM）工具 LINE@ 對泰國中小企業（SMEs）在提升銷售、客戶區隔知識、溝通成效及客戶關係管理（CRM）上的有效性。

泰國市場的中小企業（SMEs），包含電信漫遊服務、主題樂園以及五星級飯店的餐飲部門（F&B）。這些企業均面向消費者（B2C），且將 LINE@ 作為主要或輔助的行銷與溝通平台。

多重個案研究設計（Multi-case study design）複製邏輯（Replication Logic）。研究雖未直接採用數學模型（如 RFM），但運用了社群 CRM（Social CRM）的概念與平台商業模式（Platform Business Model）理論來解釋 LINE 作為生態系如何為中小企業創造價值。

採用質性研究方法。研究者在九個月內（2016年中至2017年中）與個案公司的管理層進行了多輪的開放式、半結構化及深度訪談，以追蹤企業使用 LINE@ 前後的變化。

• 初級資料：對三家泰國企業（電信、遊樂園、飯店餐飲）的深度訪談紀錄。

• 次級資料：LINE 公司的財務報告、eMarketer、HubSpot 的市場調查數據以及相關學術文獻。

1. 提升銷售與顧客增長：所有個案企業的「好友」數量均顯著增加，且能將銷售增長直接歸功於 LINE@ 的推播功能。

2. 精準行銷：LINE@ 的研究功能（如投票、屬性統計）使企業能掌握顧客的年齡與性別，進而設計更具針對性的銷售活動。

3. 低成本與高黏著度：LINE 在泰國（及台灣）具有極高的滲透率與忠誠度，其簡單操作與低成本特點使其成為中小企業理想的平台。

4. 互動成效：雙向溝通、即時回應與圖文選單能增強顧客參與感，減少顧客流失。

1. "LINE's success in the Thai market has been attributed to its simplicity and cost savings." (p. 193)

2. "All of the case study firms experienced increased sales from their use of LINE@ which they were able to directly attribute to the use of LINE@ through the measuring tools provided..." (p. 198)

3. "LINE@ allows us to discover the age and sex of our customers so that we can custom design targeted sales programs for these groups." (p. 198)

1. 樣本量較小：僅深入分析三個個案，雖然符合多重個案研究的最低要求，但難以完全代表所有產業。

2. 質性侷限：數據高度依賴企業端提供的訪談資訊，可能存在主觀偏誤。

3. 市場特定性：研究高度聚焦於 LINE 滲透率極高的市場（泰國），其結果在其他非 LINE 主導的國家可能不適用。

1. 平台選擇一致性：該文獻指出 LINE 在「LINE 四大市場」（包含台灣）對中小企業具備高度普及性與相對低成本優勢，顯示其在 SME 情境下之實務落地能力，支持本研究選擇 LINE 作為核心工具之合理性。

2. 行銷決策價值驗證：研究發現中小企業可透過 LINE 所提供之好友統計與互動數據進行精準行銷操作，顯示數據分析對行銷成效之提升具有實質價值。此一發現與本研究驗證「數據分群是否能提升決策品質」之目標高度一致。

3. 目標對象互補性：該研究涵蓋飯店與餐飲業之應用場景，本研究則聚焦於更微型之夜市與攤販經營型態。兩者皆以 B2C 互動為核心，形成不同規模餐飲業態之對照與互補關係。

1. 缺乏系統化分群邏輯：該文獻雖提及顧客分群概念，但主要停留於年齡、性別等基礎人口統計變項之分類，未延伸至行為層面之量化分析。本研究導入 RFM 與 CAI 模型，建立以交易與活躍度為核心之分群架構，強化分群之科學性與分析深度，補足既有研究在行為數據運用上的不足。

2. 後端自動化整合不足：文獻所述企業多仰賴 LINE@ 原生後台進行管理，未進一步建構獨立資料庫與分析流程。本研究整合 Google Sheets 作為低成本資料儲存與運算平台，形成資料蒐集、計算與分群之自動化機制，回應微型商家在技術與預算受限下之實務需求。

3. 研究對象之微型化延伸：既有研究多聚焦於具固定營業據點之中小企業。本研究則鎖定夜市與小型攤販等更具流動性與預算限制之經營型態，探討 CRM 系統在高度不穩定與低成本環境下之存續能力與實際效益，拓展研究情境之邊界。

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

學術期刊論文（Journal Article）

Kadek Darmaastawan, I Made Sukarsa, Putu Wira Buana (2019)。

LINE Messenger 作為傳輸層將訊息分配至合作夥伴即時通訊軟體 (LINE Messenger as a Transport Layer to Distribute Messages to Partner Instant Messaging)。

針對現代人擁有多個即時通訊軟體（如 LINE、Telegram、WhatsApp 等）導致訊息處理效率低下的問題，建立一個集中的訊息轉發系統。

採用 OSI 七層模型中的「傳輸層 (Transport Layer)」概念作為核心邏輯；並建立對應系統 (Mapping System) 模型，包含 L/TX、T/L 與 X/L 三種對應引擎來處理跨平台訊息路由。

1. 利用各通訊軟體的 API（如 LINE Messaging API、Telegram Bot API）進行開發。

2. 建立 Webhook 腳本 儲存於雲端以接收與轉發訊息。

3. 設計資料庫 Inbox（收件匣）與 Outbox（發件匣） 結構來存儲交易資料。

4. 進行系統測試（System Testing）驗證跨平台發送與回覆訊息的成功率。

引用 2017 年印尼即時通訊軟體使用狀況調查（1,022 名受訪者）作為背景數據；研究結果則基於系統實作後的測試數據與資料庫增長模擬分析。

1. 證實 API 技術能成功構建跨平台的傳輸層系統，讓使用者僅透過單一 App (LINE) 即可管理不同平台的訊息。

2. 透過唯一識別碼 (Unique Identifier) 可精確將訊息轉發給特定目標。

3. 交易資料（訊息內容）的增長速度遠高於主表（用戶資料），需考量儲存空間。

1. "Application Programming Interface technology of instant messaging can be used to build a transport layer system that allows message exchange with several instant messaging applications using only one instant messaging application." (P. 1)

2. "The main goal of API is to give access in using a certain function that available in the existing system without writing the code from zero." (P. 3)

1. 效能瓶頸：當系統同時處理大量訊息映射時，存在訊息發送失敗的可能性。

2. 儲存限制：隨著交易量增加，資料庫存儲空間可能耗盡，導致系統失效。

3. 負載平衡：目前缺乏負荷分配機制，高流量下系統穩定性受限。

1. 技術工具驗證：該文獻指出 LINE Messaging API 具備低成本導入與高度擴展性之特性，可作為企業與顧客之間之通訊與資料交換媒介，顯示其在系統整合層面之技術可行性。

2. 系統架構參考：文獻所描述之 Inbox/Outbox 邏輯與 API 串接流程，呈現出清晰之資料流與訊息處理架構，可作為本研究建構點餐系統與訊息推播模組時之設計依據。

3. 低成本解決方案基礎：研究指出 API 已提供既有功能與標準化介面，企業無須自零開發完整通訊系統，降低建置與維運成本。此觀點呼應本研究所強調之低成本與高可落地性之系統設計理念。

1. 數據分析層面不足：該文獻主要聚焦於訊息傳遞機制之建構，未進一步對所蒐集之資料進行顧客價值分析，亦未導入如 RFM 或 CAI 等量化分群模型。因此，在數據深化應用與行銷決策支持方面仍有發展空間。

2. 資料儲存介面差異：研究採用傳統 SQL 資料庫作為後端儲存架構，對於技術能力與維運資源有限之微型商家而言，導入門檻相對較高。本研究改以 Google Sheets 作為替代性資料平台，強調其操作友善性與低技術負擔之特性。

3. 商業決策成效驗證不足：該文獻主要驗證技術架構之可行性，未進一步評估系統導入後對微型商家行銷決策品質之實際影響。本研究則以此為核心目標，探討簡易數據分群機制是否能提升決策精準度與營運效益。

Automated food ordering system with real-time customer feedback

學術期刊論文（Journal Article）

Shweta Shashikant Tanpure, Priyanka R. Shidankar, Madhura M. Joshi / 2013年。

具備即時顧客回饋功能之自動化點餐系統（AOS-RTF）的設計與實現。

應用於餐飲業（Restaurant Sector），涵蓋餐廳服務區、廚房及櫃檯（收銀處）三大場域。

1. 三層式架構（3-tier Architecture）：包含表現層（Presentation）、業務層（Business）與資料存取層（Data access）。

2. 實體關係圖（ERD）：定義顧客、訂單、菜單及類別間的關聯。

3. 系統背景圖（Context Diagram）：定義商家、顧客與系統間的資訊流。

1. 系統開發：使用 JAVA 語言、Android 平行平台（2.2.3 Gingerbread）開發使用者介面，並以 MySQL 建立資料庫。

2. 無線通訊：結合 WiFi 技術實現餐廳內的資料傳輸，並提供遠端存取架構。

3. 對比分析：與當時既有的 PDA 點餐系統及多點觸控餐飲管理系統進行功能與成本的圖表比較。

1. 相關自動化技術的文獻評論（如 PDA-based WOS, i-menu 等）。

2. AOS-RTF 系統運行後的實驗數據與特性分析（如處理速度、吸引力評分）。

1. 成本優勢：Android 系統是餐飲業者最便宜的自動化解決方案。

2. 效率提升：能減少人為錯誤（如記錄錯誤）、節省等待時間，並提供即時回饋機制。

3. 功能超越：相較於 PDA，Android 系統具備更美觀的介面且能支援遠端訂餐（Remote Access）。

1. "Android based system is the cheapest automation solution for the restaurant owners." (p. 224)。

2. "The wireless application on mobile devices provide a means of convenience, improving efficiency and accuracy for restaurants by saving time, reducing human errors and real-time customer feedback." (p. 220)。

1. 功能局限：尚未支援多樣化支付方式（如信用卡、支票、小費處理等）。

2. 擴展性限制：研究階段僅限於單一餐廳，未連結多店系統。

3. 硬體依賴：需依賴無線路由器與特定的 Android 裝置（當時仍需下載 App）。

1. 核心理念一致性：兩者皆以低成本與適用於小型商家之數位轉型方案為發展目標，強調在資源受限情境下之可行性與實務導向，展現研究取向與價值定位上的一致性。

2. 技術架構互補性：該研究提供點餐系統之基本邏輯架構與實體關係圖（ERD），呈現資料結構與模組關聯設計思維，可作為本研究規劃 Google Sheets 資料表結構與欄位關聯時之參考依據。

3. 流程設計參考：文中所呈現之「顧客下單—商家更新狀態—顧客回饋」流程，構成完整之交易與互動循環架構，可直接轉化為本研究以 LINE 官方帳號建構之點餐與回饋邏輯設計基礎。

1. 從「點餐」延伸至「管理」：該文獻主要聚焦於點餐流程之自動化設計，未進一步運用所蒐集之顧客資料進行價值分析或分群判斷。本研究則導入 RFM 與 CAI 模型，將交易資料轉化為顧客價值與活躍度指標，實現由操作層面延伸至管理決策層面之應用深化。

2. 平台便利性之提升：相關研究仍需安裝 Android App，且使用 PDA 等設備，可能涉及衛生與設備成本問題。本研究改以免安裝且在台灣具高度普及率之 LINE 作為前端接觸平台，有助於降低使用門檻並提升實際留存與使用意願。

3. 數據分析成本之再降低：該文獻架構仍需維護 MySQL 資料庫與 Java Server，對於夜市等微型商家而言導入與維運負擔較高。本研究採用 Google Sheets 作為後端資料平台，進一步簡化系統建置流程，降低資訊維護成本與技術門檻，強化低成本落地之可行性。

Implementing customizable online food ordering system using web based application

學術期刊論文（Journal Article）

Varsha Chavan, Priya Jadhav, Snehal Korade, and Priyanka Teli (2015)

實作基於網頁應用的可客製化線上點餐系統 (Implementing Customizable Online Food Ordering System Using Web Based Application)

傳統餐廳的自動化轉型。研究指出傳統紙本點餐流程繁瑣、易出錯且耗時，故提出以行動裝置取代 PDA 或紙本菜單的情境。

系統架構模型 (System Architecture)：包含伺服器端、廚房端與收銀端的三方協作模型；以及資料流程模型 (Data Flow Diagram)，用於處理訂單與庫存更新。

系統開發實作法。使用 Visual Studio 2010 開發網頁應用，並以 Android 4.2 作為平板與手機端的操作平台，搭配 SQL 2008 資料庫進行資料存取。

客戶註冊資訊（姓名、聯絡電話、PIN 碼）、即時訂單數據、菜單內容、以及客戶在系統內輸入的反饋評論。

1. 自動化點餐能極大化簡化流程，減輕餐廳負擔。

2. Android 設備的普及使其成為自動化例行任務的理想工具。

3. 系統能提供即時反饋並根據訂單產生每日、每週、每月的管理報告。

1. "The main advantage of this system is that it greatly simplifies the ordering process for both the customer and the restaurant." (p. 722)

2. "Android devices have gained massive popularity and have innovated use of mobile technology in the automation of routine task in wireless environment." (p. 723)

1. 硬體依賴性：需依賴特定的 Android 平板或智慧型手機及 Wi-Fi 環境。

2. 維護成本：提及觸控螢幕設備（電容/電阻式）可能因環境灰塵或損耗導致維護成本高或壽命短。

1. 目標一致性：兩者皆以優化小型餐飲業之點餐流程與推動數位化轉型為核心目標，強調在既有營運模式下提升效率與服務品質之實務應用價值。

2. 行銷功能對應：該文獻透過儲存顧客電話號碼以發送 SMS 優惠訊息，建立基礎之顧客溝通機制。本研究則以 LINE 官方帳號進行分眾推播，兩者在行銷觸達邏輯與顧客關係維繫目的上具高度相似性。

1. 數據分析深度不足：該文獻之應用主要停留於報表產出與資料彙整層面，未進一步進行顧客價值分群或行為層面之量化分析，亦未導入如 RFM 或 CAI 等模型以深化決策支持功能。

2. 開發與儲存成本考量：研究需建置 SQL 資料庫與專屬 App 系統，對於台灣夜市等資源受限之微型商家而言，導入門檻與維運成本相對較高。本研究透過 LINE（免開發獨立 App）與 Google Sheets（低成本資料平台）建構系統架構，回應極低成本與高度可落地之實務需求。

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

學術期刊論文（Journal Article）

Rūta Urbanskienė, Daiva Žostautienė, Virginija Chreptavičienė (2008)。

探討顧客關係管理（CRM）系統的理論基礎，並建立一個整合關係行銷理論的 CRM 實施理論模型。

全球商業環境轉向以顧客為導向，企業決策不再僅憑「感覺」或「經驗」，而是基於對顧客數據的分析與知識獲取。研究涵蓋多種產業，並強調 CRM 適用於任何規模的企業（包括小型與大型企業）。

1. 關係行銷理論（Relationship Marketing Theory）：作為 CRM 的理論基礎。

2. Sin, Tse, Yim 的四元素模型：包括核心顧客焦點、CRM 組織、知識管理、基於技術的 CRM。

3. 作者自建的 CRM 實施模型：包含策略、顧客分群、溝通渠道、員工、流程、IT 技術與投資利潤。

採用文獻分析法（Scientific literature analysis）、比較分析法（Comparative analysis）歸納法（Inductive method），對現有 13 個主要的 CRM 模型進行結構化評選與整合。

廣泛回顧 1990 年代至 2000 年代初期關於 CRM 與關係行銷的學術論文、著作及商業諮詢報告（如 Wilson, Reichheld, Winer, Lindgreen 等人的研究）。

1. 核心本質：CRM 是一項旨在優化獲利與滿意度的業務策略，而不僅僅是技術工具。

2. 三大支柱：成功實施 CRM 必須平衡且整合技術（Technologies）、流程（Processes）與人（People）。

3. 經濟效益：獲取新客戶的成本遠高於維持舊客戶，CRM 能協助識別最有利可圖的客戶分群。

4. 數據驅動：收集到的數據轉化為知識後，能支持企業做出吸引或留住顧客的動機決策。

1. "CRM - is everything what it is related to satisfaction of customer's needs." (p. 51)

2. "To successfully implement CRM, it is necessary to balance and integrate technologies, processes and people." (p. 55)

3. "CRM can be implemented within enterprises independent of enterprise's size... both within small, and big enterprises..." (p. 52)

4. "The application of relationship marketing theory (model) in the narrower CRM conception is simply inevitable..." (p. 51)

1. 缺乏實證測試：該研究提出的模型主要基於理論歸納，需要在實際商業活動中進一步測試與驗證（Approbatied in practical activity）。

2. 定量分析困難：難以精確衡量 CRM 的投資報酬率，因為其獲利往往是定性（Qualitative）而非定量的（如提升顧客忠誠度、改善服務品質）。

1. 支持小型商家實施：該文獻指出 CRM 不僅適用於大型企業，亦可導入於小型企業之營運情境，為本研究聚焦夜市與微型商家之研究對象提供理論基礎與正當性。

2. 技術作為中介機制：文獻強調技術在自動化銷售與服務流程中扮演關鍵工具角色，顯示數位工具可作為連結顧客與企業之中介。本研究採用 LINE 與 Google Sheets 等輕量化技術，以低成本方式實現 CRM 目標，與該理論觀點相互呼應。

3. 顧客分群之價值：研究指出 CRM 效能提升須建立於有效之顧客分群機制之上，此一主張與本研究以 RFM 與 CAI 模型進行精準分群之核心設計高度一致，強化其理論支撐與方法合理性。

1. 極低成本情境之具體化不足：該文獻對 CRM 之實施仍多以傳統 IT 軟體採購與系統建置為主要思維框架，較少探討微型商家如何透過既有且低成本之社交通訊工具與雲端協作平台，建構具備專業功能之 CRM 架構。本研究則聚焦於在極低預算條件下之實務操作路徑，補充相關研究在工具選擇與落地策略層面之不足。

2. 特定模型應用成效未明：文獻雖提及顧客分群之重要性，但未進一步探討 RFM 與 CAI 等具體數學模型於高流動性、小額交易情境（如台灣夜市）下之應用成效，亦未評估其對行銷決策品質之改善程度。本研究透過模型整合與實證分析，檢驗分群機制在微型餐飲場域中的實際決策效益。

Factors for success in customer relationship management (CRM) systems

學術期刊論文（Journal Article）

Wilson, Hugh; Daniel, Elizabeth and McDonald, Malcolm (2002)。

探討影響 CRM 應用程序成功部署的因素，特別強調那些與一般 IT 應用領域不同的獨特性因素。

涵蓋五個深入個案研究，產業包含：公用事業（Utility）、電力發電商、造紙製造商、商學院、以及企業對企業（B-to-B）分銷商。

1. 分析歸納法（Analytic Induction）：用於開發與測試多個命題的邏輯。

2. Ward and Elvin (1999) 的 IT 啟動變革模型：將成功因素分為確定意圖、評估情境、描述內容、構建干預過程及管理干預過程等階段。

採用質性研究的分析歸納法，透過不斷比較假設與個案數據，對成功因素進行修正、調整與精煉。

針對 5 個個案進行了 15 次訪談，共訪問 23 位經理人（包含 IT 經理、行銷/銷售人員及總經理），訪談時長 1 至 3 小時，並進行錄音與逐字轉錄。

1. 高層支持與願景：董事會級別的倡導者對於整合跨部門資源至關重要。

2. 互動式使用者參與：行銷人員通常不擅長條列式規格說明，因此面對面的需求溝通與研討會比單純的文件往來更有效。

3. 快速策略/行動循環：提倡「小步快跑」，透過早期成果（quick wins）建立公信力，避免長期專案因管理層異動或失去耐心而失敗。

4. 原型製作：不僅是 IT 系統，業務流程也需要原型測試。

5. 彈性核准程序：CRM 的效益難以精確量化，應允許不確定性，或使用如「種子基金」等靈活預算。

1. 「IT 為行銷人員提供了機會，將他們基於客戶資訊的銷售、物流和客戶服務最佳實踐嵌入到組織中。」("IT offers marketing staff the opportunity to embed their customer-informed notions of best practice in sales, logistics and customer service into the organisation", p. 196)。

2. 「透過定義能為長期願景做出貢獻的『快速獲勝』，可以化解難題... 就像『一次咬一口地吃掉 CRM 這頭大象』。」("The circle can be squared by defining 'quick wins' that collectively contribute to a long-term vision... 'eating the elephant of CRM one bite at a time'", p. 214)。

1. 因果孤立困難：難以將特定成功因素的影響與其他可能導致系統成功的因素完全隔離。

2. 未深入探討評估指標：本研究排除開發適當成功衡量標準（success measures）的討論。

3. 樣本偏向中大型組織：個案多為具備董事會與 IT 部門的成熟企業。

1. 低成本解決方案之合理性：該文獻提出 CRM 系統應具備彈性設計（Design for flexibility）之原則，以因應不同組織規模與需求變化。本研究採用 Google Sheets 作為後端資料平台，具備高度可調整性與彈性配置特性，回應此一設計理念，並在低成本條件下實現系統適應性。

2. 後端分析功能之必要性：文獻將 CRM 定義為涵蓋後端資料倉儲與分析應用之整合架構，包括顧客分群與終身價值（LTV）計算等功能。此觀點支持本研究導入 RFM 與 CAI 模型進行顧客價值評估之必要性，強化其理論基礎。

3. 落地性與操作性：研究強調互動式參與與原型製作對系統導入成效之重要性。本研究透過 LINE 平台提供直覺化操作介面，使微型商家得以直接應用分析結果，將複雜數據轉化為具體行動指引，提升系統之可理解性與實務可行性。

1. 微型商家研究不足：既有文獻多聚焦於具備一定 IT 資源與組織規模之企業，對於夜市或攤販等極小規模經營型態之 CRM 導入與成功路徑探討相對有限。本研究以此類微型商家為核心對象，補充相關研究在規模極小與資源高度受限情境下之實證不足。

2. 輕量化工具之驗證：現有研究多以高價 CRM 套裝軟體或客製化系統為分析基礎，較少檢驗免費或低成本工具之實務效果。本研究整合 LINE 與 Google Sheets，探討在極低預算條件下是否仍能提升 CRM 決策品質，回應工具選擇與成本效益層面之研究空白。

3. RFM/CAI 於微型商圈之實踐：既有文獻較少分析數據分群模型在高度流動且交易金額較低之夜市環境中的應用成效。本研究透過 RFM 與 CAI 模型之實作與觀察，評估其對經營者行銷行為與決策模式之具體影響，拓展模型於非正式經濟場域之應用範圍。

Addressing the challenge of customer management for SMEs

學術期刊論文（Journal Article）

Alexandra Christopoulou, Panos Gialelis (2021)

解決中小企業（SMEs）在客戶管理上面臨的挑戰：開發專為其需求設計的平台

希臘的中小企業市場。研究特別指出，希臘中小企業在 CRM 軟體的吸收率僅 20%，其中**「住宿與餐飲服務業」的吸收率最低，僅 11%**

Amplify™ 客戶管理平台（基於技術、數據分析與商業化三大支柱）；並引用了多通路行銷（Omni-channel）與客戶輪廓分析（Customer Profiling）理論。

混合研究法：(1) 定性研究：對 10 個行業的 30 名經理進行深度訪談；(2) 定量研究：對 600 名消費者進行電腦輔助 Web 訪談（CAWI）；(3) 案例研究：將開發的系統實用於一家中型保險公司進行驗證

經理人訪談逐字稿、消費者問卷調查數據、OECD 統計數據（關於企業 ICT 使用情況）、McKinsey 研究報告、系統實作一年後的營運數據

1. 中小企業缺乏資源與技術專長，導致在客戶管理上處於競爭劣勢。

2. 經理人普遍存在「已經夠了解客戶」的誤解（40%），且缺乏技術專長（40%）是實施障礙。

3. 消費者對個人化服務有高度期待（97% 參與忠誠計畫），且 55% 會因獎勵增加支出。

4. 實證顯示即使僅 20% 客戶參與 CRM 系統，也能提升 1.5% 的整體淨利並降低客戶流失。

1. "The ideal software would be an application easy to use, providing basic data collection, communication and rewarding capabilities. The entire set of services would need to be provided with low entrance fees..." (p. 75)

1. 研究範圍侷限於希臘市場的地理與文化背景。

2. 案例實作對象為「中型」保險公司，其資源仍高於夜市攤販等微型商家。

3. 未深入探討極低成本工具（如 Google Sheets）在技術層面的長期維護限制。

1. 目標對象重疊：文獻指出餐飲業 CRM 使用率最低，支持了您研究夜市小吃的必要性。

2. 痛點一致：文獻提到的「缺乏技術專長」與「資源限制」，正是您選擇 Google Sheets 與 LINE 作為工具的動機。

3. 功能模組參考：Amplify™ 平台的數據收集、自動化行銷與報表功能，與您的系統核心架構高度相似。

微型商家之極簡化方案實踐：該文獻於未來研究建議中指出，有必要開發更為簡化且適用於微型商家之 CRM 架構。本研究透過整合 LINE 作為前端入口與 Google Sheets 作為後端資料平台，建構低進入門檻與低成本之系統方案，回應文獻所揭示之研究方向。此設計將 CRM 應用層級由傳統中小企業情境進一步延伸至夜市攤販等極小規模經營者，補足相關研究在微型化實踐層面之不足。

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

學術期刊論文（Journal Article）

Boon Kiat Loh, Khai Lun Koo, Kee Fai Ho, Rosnah Idrus (2011)

中小企業（SMEs）導入客戶關係管理（CRM）系統的效益與實施方式之文獻綜述

以馬來西亞的中小企業定義為基礎，探討在具有資源限制（預算、技術、人力）的企業環境下，CRM 的普及率與障礙

本身為綜述型研究，但探討了多個實施模型：關係發展程序模型（Relationship Development Process Model）、資訊系統開發程序模型 以及 e-CRM 實作路徑。

質性研究法：透過審閱與分析現有的學術文獻、個案研究及報告，彙整 SMEs 導入 CRM 的動機、阻礙與成功因素。

二手資料分析，包含 IEEE 論文、管理決策期刊、行銷學期刊以及 Gartner 等專業機構的調查報告。

1. 導入障礙：成本高昂（硬體與軟體）、缺乏 IT 知識與專業人才、高層支持不足是 SMEs 遠離 CRM 的主因。

2. CRM 價值：能優化獲利、提升顧客生命價值（CLV）、實現資訊共享，並將顧客分群以提供差異化服務。

3. 實施選項：SMEs 可選擇開發成本較低的「開源系統（Open Source）」、購買套裝軟體或自行開發（In-house），成功關鍵在於是否符合預算與目標。

1. "CRM is believed to have the potential to improve the performance and value of SMEs, but not many SMEs adopt CRM system due to various reasons such as lack of knowledge about CRM, lack of resources to acquire the CRM system, lack of skills and expertise to implement it..." (p. 247)

2. "CRM implementation allows customers’ information sharing throughout the organization. It provides the ability for the organization to define different customer groups that will be served in different ways." (p. 249)

1. 缺乏細節：現有的實施框架過於通用，缺乏針對極小型企業（Micro-SMEs）在資源極度匱乏下的具體技術操作指引。

2. 整合難度：自行開發或使用開源系統雖成本低，但在維護、修改與系統整合上仍有其局限與挑戰。

1. 驗證動機：該文獻指出「低成本」為微型商家導入數位系統時之核心考量因素，顯示成本敏感性對技術採用決策之重要性。此觀點支持本研究選用 LINE 與 Google Sheets 作為系統架構之合理性。

2. 理論支撐：文獻強調 CRM 之核心功能在於顧客分群與個人化服務之提供，凸顯精準識別顧客差異之必要性。本研究透過 RFM 與 CAI 模型進行量化分群，與該理論主張高度一致。

3. 痛點回應：研究指出技術門檻過高為微型商家導入 CRM 之主要障礙之一。本研究透過採用操作簡易且成本低廉之工具（LINE 與 Google Sheets），降低系統建置與使用門檻，回應此一實務困境。

1. 工具具體化不足：該文獻僅以「自行開發」或「開源系統」作為工具類型之概括分類，未進一步分析如 LINE 官方帳號等具高度滲透率與輕量化特性的實務工具，在微型商家情境下之具體應用成效與操作流程。本研究則以此類工具為核心，補充相關實證分析。

2. 數據分析模型應用層面：文獻對於 RFM 或 CAI 等量化模型之探討相對有限，亦未說明其在中小企業環境中如何透過自動化流程加以實作與運用。本研究透過模型整合與系統設計，深化其於低成本工具環境下之自動化應用，作為研究創新之切入點。

3. 研究對象之特殊性：該文獻主要以一般中小企業為研究對象，對於夜市或流動攤販等極端微型經營型態之 CRM 實踐缺乏具體探討。本研究則聚焦於此類高度流動且資源有限之場域，拓展 CRM 理論於非典型經營情境下之適用性。

Customer segmentation in the online retail industry using big data analytics

學術期刊論文（Journal Article）

Ronald S. Cordova (2024)

線上零售業中使用大數據分析進行顧客分群 (Customer segmentation in the online retail industry using big data analytics)

數位化電子商務環境。研究背景在於電子商務的指數級增長產生了海量的消費者互動數據，企業需要透過大數據分析（BDA）與機器學習（ML）來優化行銷決策。

主要使用 K-Means 分群演算法 (K-Means Clustering),。文獻綜述中亦提及了 RFM 模型 作為分類線上購物者的有效手段。

採用 五步驟顧客分群流程：

1. 資料收集與準備；

2. 定義變數；

3. 探索性資料分析（EDA）與敘述統計；

4. K-Means 分群；

5. 顧客分群結果產出與詮釋。

使用 Kaggle 的線上零售電子商務資料集 (Online Retail Ecommerce Dataset)，包含一家總部位於英國、在 2009 年 12 月至 2011 年 12 月期間的非店面網路零售商交易紀錄。

1. 大數據分析能將傳統靜態、一體適用的分群轉向動態、數據驅動的方法。

2. 透過 K-Means 將顧客分為 5 個集群，發現不同集群在購買頻率與金額上有顯著差異。

3. 精準分群有助於個人化推薦、庫存優化及提升顧客忠誠度。

1. "This research shows that big data analytics can transform online retail by allowing businesses to switch from static, one-size-fits-all segmentation models to dynamic, data-driven approaches..." (p. 8312)

2. "Traditional methods using demographic or transactional data are often too rigid to capture complex patterns in real time." (p. 8313)

1. 技術與成本門檻高：需要大量基礎設施投資及數據科學專業人才，這對預算有限的小型零售商構成障礙。

2. 處理複雜性：實時處理海量數據在技術上具有挑戰性。

3. 隱私疑慮：涉及大數據抓取時需考量數據隱私與合規性（如 GDPR）。

1. 核心目標一致性：兩者皆以透過數據分群提升行銷精準度為主要研究目標，並以 RFM 作為顧客價值分析之核心基礎，展現研究方向與方法論之高度一致性。

2. 技術路徑之理論支撐：該文獻肯定 RFM 模型於電商情境下之分群價值與實務成效，可作為本研究結合 RFM 與 CAI 模型之理論基礎，強化其分析架構之合理性與延伸性。

「高成本與低成本」之技術落差：該文獻指出，大數據分析對小型商家而言往往涉及高昂成本與較高技術門檻，導致實際導入困難。此一論述突顯本研究之價值所在，即探討如何運用 Google Sheets 與 LINE 等低成本工具，為夜市與攤販等微型商家建構具可落地性與經濟效益之 CRM 替代方案，縮減技術能力與資源條件之差距。

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

學術期刊論文（Journal Article）

Onur DOĞAN, Ejder AYÇIN, Zeki Atıl BULUT (2018)

結合 RFM 模型與分群方法（Clustering Methods）進行顧客分群：以零售產業為例

土耳其大型體育用品零售連鎖店，該產業具備高成長性與頻繁使用忠誠卡的特性。

RFM 模型 (Recency 近次消費, Frequency 消費頻率, Monetary 消費金額)。

1. 資料預處理：清理缺失值與錯誤紀錄、進行數據標準化。

2. 兩階段分群 (Two-step Cluster)：自動決定最優群數。

3. K-平均值分群 (K-means Clustering)：測試不同 K 值以獲取最佳分群結果（本研究最終定為 K=4）。

4. 結果對比：將模型產出的分群結果與公司現有的「僅依據消費額」的卡等制度進行比較。

來自土耳其體育用品零售商資料庫的次級資料（Secondary data），包含 2016 年全年度實體店與線上店共 700,032 筆忠誠卡客戶消費紀錄。

1. 單一指標不足：僅依據「消費金額（M）」的分群策略（如原公司的金卡/普卡制）無法全面理解顧客價值，導致行銷資源浪費。

2. 分群效能顯著：透過 RFM 結合分群演算法，可識別出「定期購買者（Regular）」、「忠誠者（Loyal）」、「明星客戶（Star）」及「進階客戶（Advanced）」等不同特性的群體。

3. 決策重塑：研究顯示有 60% 的客戶應重新調整其忠誠等級，這證明了多維度數據分析能提供更精確的行銷決策支持。

1. "RFM values have been used for many years to identify which customers valuable for the company, which customers need promotional activities, etc." (p. 1)

2. "Many marketers have difficulty in identifying the right customer segments to organize marketing campaigns. This causes unsuccessful loyalty programs and promotions conjunction with waste of marketing resources." (p. 1)

3. "RFM... is simple-in-use and powerful for producing knowledge from customer data." (p. 7)

4. "Proposed model 1 suggests that 42936 customers should have premium card... This may provide companies to better focus on strategies." (p. 14)

1. 資料侷限性：僅限於單一體育零售產業，且為次級資料，缺乏質性的顧客心理描述。

2. 技術門檻：使用複雜的分群演算法（如 K-means），對於技術資源匱乏的小型商家來說，直接導入具有挑戰性。

3. 動態更新缺口：研究侧重於年度靜態數據分析，未探討如何即時更新顧客分群結果。

1. 核心模型一致性：兩者皆以 RFM 模型作為顧客價值評估之核心架構，顯示在方法論選擇與分析邏輯上具有高度一致性。

2. 決策目標重合性：該研究驗證數據分群有助於提升行銷策略品質，與本研究探討小型商家是否能透過簡易分群機制改善決策品質之研究目的相互呼應。

3. 行為維度之分析基礎：文獻強調行為忠誠度（Behavioral loyalty）涵蓋回購行為與消費頻率等指標，此類變項亦為本研究點餐系統所蒐集之關鍵交易資料，構成顧客價值評估之重要依據。

1. 規模化與民主化之落差：該文獻以具備完整大數據基礎之大型零售商為研究對象，分析條件與資源配置與微型商家存在明顯差異。本研究則探討夜市攤販等微型經營者如何透過 Google Sheets 等低成本工具實現數據應用能力，回應數據賦能在規模層面之落差問題。

2. 動態指標之補充：文獻僅採用 RFM 作為分群基礎，對於長期未消費顧客之活躍狀態判斷可能存在侷限。本研究加入 CAI（顧客活躍度指標），強化對顧客動態行為之辨識能力，提升分群結果之穩定性與解釋力。

3. 落地性工具之整合：文獻未進一步說明分析結果如何轉化為顧客互動與行銷行動。本研究透過 LINE 官方帳號建構即時推播與回饋機制，將數據分析結果直接應用於實務操作，形成從分析到執行之閉環架構。

Online food ordering system

學術期刊論文（Journal Article）

Dr. P. U. Anitha, M. Swathi, Md. Asaduddin, B. Nagaraju, K. Vikranth (2025)。

線上點餐系統（Online Food Ordering System） 的設計與開發，旨在透過數位平台連結顧客與餐廳，提升餐飲服務管理的效率。

數位轉型時代下的餐飲市場。研究指出傳統點餐方式（如電話或現場）效率低且易出錯，因此需要一個能優化工作流程並提供即時更新的平台。

系統架構模型（Architectural Model），涵蓋顧客互動、訂單處理、支付管理與配送服務的整合。此外，文獻回顧中提及 數據分析模型 可用於預測顧客偏好。

系統開發與模組化設計。使用 Java、Spring Boot 和 MySQL 等技術開發出包含四個主要模組的系統：顧客模組、餐廳經理模組、外送員模組與管理員模組。

1. 文獻綜述：分析了 8 篇關於顧客偏好、行動應用、支付安全、使用者體驗、即時追蹤及數據分析的相關研究。

2. 系統實作結果：展示了實際運行的系統畫面與功能測試。

1. 線上系統能顯著減少人為錯誤、縮短等待時間並提供個人化體驗。

2. 即時追蹤功能 能增加透明度並降低顧客焦慮。

3. 透過數據分析瞭解顧客行為，可優化菜單推薦，進而提升忠誠度與營收。

1. "The goal of the project is to provide a convenient and reliable platform that simplifies food ordering and delivery through streamlined processes and real-time updates." (p. 350)

2. "Data analytics can be leveraged to understand customer behavior and optimize menu recommendations... which can boost customer loyalty and increase revenue." (p. 351)

1. 該系統仰賴較為複雜的開發環境（如 Java/Spring Boot/MySQL），對於完全缺乏技術基礎的微型商家而言，維護成本與門檻較高。

2. 研究重點在於系統「功能的實現」，較少探討特定行銷模型（如 RFM）在小型商家端的實際決策影響力。

1. 點餐流程數位化共識：本研究與該文獻皆指出，數位化有助於改善傳統點餐流程之低效率與人為錯誤問題，顯示在營運優化方向上具有一致性。

2. 數據驅動決策基礎：文獻強調數據分析對營收提升與策略優化之重要性，為本研究導入 RFM 與 CAI 模型進行顧客分群與決策支持提供理論動機。

3. 功能模組設計參考：文中所提出之顧客管理與餐廳管理模組架構，呈現系統化功能分工與資料流設計思維，可作為本研究在 LINE 官方帳號功能規劃與模組配置時之參考依據。

1. 成本與進入門檻差異：該文獻採用專業化之系統開發架構，對資源受限之微型商家而言可能存在較高導入與維運門檻。本研究以「低成本、Google Sheets 為基礎」之架構作為核心，回應微型商家難以負擔大型系統之限制，補足其在可近性與落地性層面之實務缺口。

2. 精準分群模型之具體化：該文獻多以概括方式討論數據分析之重要性，未明確呈現分群模型之操作流程與量化指標設計。本研究則具體導入 RFM 與 CAI 模型進行顧客價值與活躍度之雙維度分群，並以此檢驗微型商家行銷決策品質是否獲得提升，深化分析之科學性與可驗證性。