物流股票ptt的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

社群媒體大數據分析應用於臺鐵安全績效與網路輿情對照之研究

為了解決物流股票ptt的問題，作者邱柏元 這樣論述：

近年來隨著社群媒的蓬勃發展，民眾經常使用社群媒體網路來表達自己的觀點，社群媒體儼然成為民眾發表意見、抒發情緒、彰顯自身觀點與立場的重要平臺。再加上大數據分析的流行，衍生出社群媒體挖掘技術，藉由大數據挖掘，分析民眾觀點與情感傾向，可更快速理解民眾需求。本研究欲建立一網路輿情情感分析模式，透過蒐集社群媒體言論，運用文本分類與資料探勘技術，並將評論主題分為「車站設施」、「員工權益」、「餐飲服務」、「票證系統」、「列車運轉」五大類相關文本，分析民眾關注之臺鐵服務相關議題與輿情情感趨勢，再經由情感分析結果計算社群媒體留言之情感值，最後與臺鐵提供的安全績效(亦即事件發生資料)進行對照，以驗證本研究結果之

正確性。經由實證分析結果得知，五類評論中僅有列車運轉類別在關聯模型中最具有顯著性。平均情感分數最低的評論類別為票證系統，餐飲服務雖表現最好，但平均情感分數仍為負數，顯示臺鐵的服務仍有改善空間。本研究借助視覺化技術，將安全績效與網路輿情兩者合併成對照圖，以時間軸檢視安全績效與網路輿情資料，探討相同時間點兩者資料的相關聯，亦即當事件或事故發生時，是否會對網路輿情的情感趨勢產生變化，以供相關單位參考之用。

探討台灣外送平台之使用者使用狀況－以Uber Eats與foodpanda為例

為了解決物流股票ptt的問題，作者謝承宏 這樣論述：

外送平台在台灣發展已逐漸成熟，它提供了想節省時間、不想外出或是天氣因素而無法去購買餐點的人一個很好的解決辦法，因此對於外送平台而言，了解使用者滿意度相當重要。使用者是最能直接接觸外送平台及合作餐廳的人，本研究採用批踢踢實業坊(PTT)取得使用者的線上評論作為樣本資料，蒐集的時間是2019年6月1日至2020年12月31日並蒐集到只使用過foodpanda的使用者為190人；只使用過Uber Eats的使用者為76人；同時使用過兩間外送平台的使用者為123人，利用描述性分析、成對樣本t檢定與Apriori關聯規則分析，對台灣兩大外送平台使用者的使用狀況進行調查。研究結果顯示只使用Uber Ea

ts的使用者認為主要優點在於退款的即時性、售後服務好、外送人員的態度好以及平台的回應速度佳，主要缺點在於外送人員的態度差、售後服務差、客服人員的態度差與優惠活動少。兩者同時使用的使用者給予Uber Eats正面評價在於配送訂單的速度快、客服人員的態度好、外送人員的態度好、售後服務好、平台的回應速度佳與平台的操作流程簡單；負面評價在於優惠活動少、外送人員的態度差以及售後服務差。只使用foodpanda的使用者認為主要優點在於優惠活動多、店家選擇多、售後服務好與退款的即時性，主要缺點是外送人員的態度差、售後服務差、客服人員的態度差、配送訂單的速度慢與平台的穩定性差。兩者同時使用的使用者給予food

panda正面評價在於平台價格與店內價格一樣、運費低、優惠活動多；負面評價在於外送人員態度差、售後服務差、客服人員態度差以及配送訂單的速度慢。Apriori關聯規則分析則發現一條foodpanda的規則，當外送平台使用者對外送人員的態度與售後服務不滿意時，同時會對客服人員的態度不滿意。透過調查台灣兩大外送平台的使用者使用狀況，了解使用者如何去選擇外送平台，以提供外送平台業者在使用者的角度即時做出改善與調整，避免流失既有的使用者族群，也藉此吸引新的使用者。關鍵詞：外送平台、使用者滿意度、社群論壇、關聯規則