探索感官資料：深入市場資料科學
活動訊息
內容簡介
針對商品感官屬性的評分資料，介紹分析方法與視覺化討論的技巧。
感官資料有各式各樣的形態，除了量化數字，還有質性文字，本書將以量化數字為主軸，透過多變量方法的應用與視覺化技術，來回答：最受消費者喜歡的是哪些特性？現行商品符合市場需求嗎？
本書寫作為完整的資料導向，涵蓋推薦系統和消費者與專家品鑑兩類資料的形狀與特性，實做上則以R 套件SensoMineR 完成分析為重點。每章開場皆以詳述特定的資料結構為鋪陳，希望透過認識資料（know your data）深入感官資料分析的方法。
第一章是基於消費的採購行為所做的關聯推論，也是第二章品鑑資料的基礎。第三章則是稍微特殊一點的感官資料，也就是對商品屬性的專業品鑑，分別針對專業品鑑者（panelists）和商品的多種屬性作系統性分析。第四、五章為「商品角度的感官評分：單維度以及多重的屬性清單」。最後一章則是分析現今最流行的「按讚」行為，從中分析出消費者的偏好。
感官資料有各式各樣的形態，除了量化數字，還有質性文字，本書將以量化數字為主軸，透過多變量方法的應用與視覺化技術，來回答：最受消費者喜歡的是哪些特性？現行商品符合市場需求嗎？
本書寫作為完整的資料導向，涵蓋推薦系統和消費者與專家品鑑兩類資料的形狀與特性，實做上則以R 套件SensoMineR 完成分析為重點。每章開場皆以詳述特定的資料結構為鋪陳，希望透過認識資料（know your data）深入感官資料分析的方法。
第一章是基於消費的採購行為所做的關聯推論，也是第二章品鑑資料的基礎。第三章則是稍微特殊一點的感官資料，也就是對商品屬性的專業品鑑，分別針對專業品鑑者（panelists）和商品的多種屬性作系統性分析。第四、五章為「商品角度的感官評分：單維度以及多重的屬性清單」。最後一章則是分析現今最流行的「按讚」行為，從中分析出消費者的偏好。
目錄
序
第一章 推薦演算之一：關聯規則與購物籃分析
第一節 交易記錄資料與基礎測量
第二節 關聯規則演算法之一：Apriori
第三節 其他方法
第二章 推薦演算之二：評分資料分析Real Rating
第一節 Real Rating 資料處理
第二節 協同演算法Collaborative Filtering
第三章 感官資料量化分析：ANOVA 方法
第一節 品鑑者角度的感官品鑑：單維度屬性清單
第二節 ANOVA 之一：使用panelperf()
第三節 ANOVA 之二：使用paneliperf()
第四章 商品角度的感官評分之一：單維度屬性清單
第一節 資料
第二節 主成分方法簡介
第三節 adjmean 的主成分分析
第四節 集群分析方法
第五節 adjmean 的集群分析之一：階層式集群樹狀圖
第六節 adjmean 的集群分析之二：K-means 方法
第五章 商品角度的感官評分之二：屬性的多重清單
第一節 利用MFA 建構商品空間
第二節 從Group 角度的整合與詮釋
第三節 資料練習—酒的感官饗宴
第六章 大家一起來按讚：消費者品鑑
第一節 享樂分數資料分析
第二節 當消費者喜好Liking 遇到專家評分Rating
第三節 消費者接受性分析之一：JAR 資料
第四節 消費者接受性分析之二：IPM 資料
第一章 推薦演算之一：關聯規則與購物籃分析
第一節 交易記錄資料與基礎測量
第二節 關聯規則演算法之一：Apriori
第三節 其他方法
第二章 推薦演算之二：評分資料分析Real Rating
第一節 Real Rating 資料處理
第二節 協同演算法Collaborative Filtering
第三章 感官資料量化分析：ANOVA 方法
第一節 品鑑者角度的感官品鑑：單維度屬性清單
第二節 ANOVA 之一：使用panelperf()
第三節 ANOVA 之二：使用paneliperf()
第四章 商品角度的感官評分之一：單維度屬性清單
第一節 資料
第二節 主成分方法簡介
第三節 adjmean 的主成分分析
第四節 集群分析方法
第五節 adjmean 的集群分析之一：階層式集群樹狀圖
第六節 adjmean 的集群分析之二：K-means 方法
第五章 商品角度的感官評分之二：屬性的多重清單
第一節 利用MFA 建構商品空間
第二節 從Group 角度的整合與詮釋
第三節 資料練習—酒的感官饗宴
第六章 大家一起來按讚：消費者品鑑
第一節 享樂分數資料分析
第二節 當消費者喜好Liking 遇到專家評分Rating
第三節 消費者接受性分析之一：JAR 資料
第四節 消費者接受性分析之二：IPM 資料
序／導讀
感官評分的資料科學
推薦系統與產品分析
這本書針對商品感官屬性的評分資料，介紹分析方法與視覺化討論的技巧。本書涵蓋的第一種評分資料是消費者對電影、音樂或書籍等商品的滿意度評分(Liking)；本書將介紹如何利用相似度矩陣執行協同演算法，來建立推薦系統。第二種則牽涉商品感官屬性的調查資料，例如，雞尾酒成分、口紅色調，和香水香調等商品屬性的評分；本書將透過多變量方法的應用與視覺化技術，來回答：最受消費者喜歡的是哪些特性？現行商品符合市場需求嗎？
在我有限的認知下，台灣相關感官資料分析的書至少有兩本，分別是楊士慶與陳耀茂(2018) 的《感官檢查統計分析》和劉伯康與莊朝琪(2020) 的《食品感官品評》。這兩書內容已涵蓋不少主題，因此，若兩書已有詳盡說明，本書就不列為主題，例如，CATA 分析在楊士慶與陳耀茂(2018) 有專章，我就不選入。劉伯康與莊朝琪(2020)有完整的調查方法與實驗設計解說，若讀者有意於此，應該參考此書。這兩本書對我幫助十分巨大，必須對作者致上敬意。除此，感官資料另一類涉及文字資料的處理與分析，因此涵蓋篇幅過大，暫不列為本書主題。
本書寫作為完整的資料導向，涵蓋推薦系統和消費者與專家品鑑兩類資料的形狀與特性，實做上則以R 套件SensoMineR 完成分析為重點。每章開場皆以詳述特定的資料結構為鋪陳，希望透過認識資料(know your data) 深入感官資料分析的方法。
感官資料的應用不止在於市場調查（商品），在民意調查，將公眾人物的屬性定義好，依然可以回答類似問題：公眾人物的哪些屬性，最受選民歡迎？中間選民的特徵為何？
推薦系統與產品分析
這本書針對商品感官屬性的評分資料，介紹分析方法與視覺化討論的技巧。本書涵蓋的第一種評分資料是消費者對電影、音樂或書籍等商品的滿意度評分(Liking)；本書將介紹如何利用相似度矩陣執行協同演算法，來建立推薦系統。第二種則牽涉商品感官屬性的調查資料，例如，雞尾酒成分、口紅色調，和香水香調等商品屬性的評分；本書將透過多變量方法的應用與視覺化技術，來回答：最受消費者喜歡的是哪些特性？現行商品符合市場需求嗎？
在我有限的認知下，台灣相關感官資料分析的書至少有兩本，分別是楊士慶與陳耀茂(2018) 的《感官檢查統計分析》和劉伯康與莊朝琪(2020) 的《食品感官品評》。這兩書內容已涵蓋不少主題，因此，若兩書已有詳盡說明，本書就不列為主題，例如，CATA 分析在楊士慶與陳耀茂(2018) 有專章，我就不選入。劉伯康與莊朝琪(2020)有完整的調查方法與實驗設計解說，若讀者有意於此，應該參考此書。這兩本書對我幫助十分巨大，必須對作者致上敬意。除此，感官資料另一類涉及文字資料的處理與分析，因此涵蓋篇幅過大，暫不列為本書主題。
本書寫作為完整的資料導向，涵蓋推薦系統和消費者與專家品鑑兩類資料的形狀與特性，實做上則以R 套件SensoMineR 完成分析為重點。每章開場皆以詳述特定的資料結構為鋪陳，希望透過認識資料(know your data) 深入感官資料分析的方法。
感官資料的應用不止在於市場調查（商品），在民意調查，將公眾人物的屬性定義好，依然可以回答類似問題：公眾人物的哪些屬性，最受選民歡迎？中間選民的特徵為何？
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價