| 論文摘要 |
在整個台北捷運場站環境中，廣告數量不斷持續增加的情形下，恐會對行經於場站中的旅客產生所謂的廣告干擾(Advertising Clutter)影響。然而目前台北捷運公司在廣告的規範上，並沒有對於廣告數量的限制設定。基於期望能在未來提供管理單位，對於交通環境中的廣告數量設定建議，本研究將初步探討個別單幅廣告對於旅客的影響。
本研究工作內容包含三部分：(1)本研究將運用資訊理論(Information Theory)將廣告量化，將廣告的資訊量以(Shannon Entropy)作為控制量。(2)透過控制實驗的方式，控制單一幅廣告的資訊量層級大小，觀測受測者對於廣告的反應。(3) 建立支援向量迴歸(Support Vector Regression, SVR)模式，探討個別單幅廣告對旅客之影響。本研究建立模式分為兩個部分，核心模式為僅考慮廣告「資訊量」與「廣告干擾」的關係，另一模式為基於核心模式上加入個人對於廣告的「偏好」。另外，亦使用順序羅吉斯迴歸(Ordered Logistic Regression Model)，分別建立「偏好-主觀情緒」與「偏好-客觀情緒」模式；前者探討廣告偏好與Russell環境體驗情緒之間的關係，後者為探討廣告偏好與表情分析情緒之間的關係。
歸納本研究的重要發現：(1)本研究運用支援向量迴歸建立廣告「資訊量」與「廣告干擾」的關係以及加入「偏好」變數的兩種SVR模式，雖然兩種模式預測效能與我們的預期有些許落差，但已達到可接受之預測能力(MAPE<50%)。(2)運用情感運算(Affective Computing)的表情分析，所建立的「客觀情緒」與「偏好」順序羅吉斯迴歸模式，可用於預測人對於廣告的偏好感受；並且納入偏好感受可提升支援向量迴歸對於廣告干擾值的預測能力。而在構建「主觀情緒」與「偏好」的部分，則其結果不符合等成比例發生比假設條件(proportional odds assumption)。(3)本研究將SVR預測結果進行落點分佈檢視，並依循落點分佈層級進行分群結果能有效提升SVR之預測能力。惟本研究嘗試以現有的「性別」與「捷運搭乘頻率(每週搭乘天數)」兩種外顯變數，分別以「決策樹」與「潛在類別」兩種分群法的方式進行落點集群之分群效果不佳，且依據此分群結果所建立的SVR模式之預測能力亦無顯著的提升。
”無電子檔，歡迎至本所查閱紙本”
|
