การพยากรณ์และความสัมพันธ์ของการยอมรับการใช้เทคโนโลยีที่มีผลต่อพฤติกรรมการใช้แอปพลิเคชัน LAZADA ช้อปปิ้งบนสมาร์ทโฟนของประชากรในเขตกรุงเทพมหานครและปริมณฑล โดยใช้เทคนิคการทำเหมืองข้อมูล

Prediction and Association Rule of Technology Adoption Affecting LAZADA Shopping App Usage Behavior on Smartphones among People in Bangkok and its Vicinities by Using Data Mining Techniques

บทคัดย่อ

        งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบแบบจำลองการพยากรณ์ระหว่างต้นไม้การตัดสินใจ (Decision Tree) โครงข่ายประสาทเทียม (Neural Network) และไนอีฟเบย์ (Naïve Bayes)  และเพื่อหาความสัมพันธ์ของข้อคำถามการยอมรับการใช้เทคโนโลยีที่มีผลต่อพฤติกรรมการใช้แอปพลิชั่น LAZADA ช้อปปิ้งบนสมาร์ทโฟนของประชากรในเขตกรุงเทพมหานครและปริมณฑล โดยใช้เทคนิคการทำเหมืองข้อมูล และข้อมูลที่ใช้ในการวิจัยครั้งนี้ได้จากผู้ตอบแบบสอบถามจำนวนทั้งสิ้น 386 คน ได้มาโดยการสุ่มตัวอย่างแบบง่าย (Simple Random Sampling) จากผู้ที่มีประสบการณ์การใช้แอปพลิเคชัน LAZADA ช้อปปิ้งบนสมาร์ทโฟน  การวิจัยครั้งนี้ใช้โปรแกรม  Rapid Miner Studio เป็นเครื่องมือช่วย สำหรับการพยากรณ์และการหาความสัมพันธ์ของการยอมรับการใช้เทคโนโลยีที่มีผลต่อพฤติกรรมการใช้แอปพลิเคชัน LAZADA ช้อปปิ้งบนสมาร์ทโฟนของประชากรในเขตกรุงเทพมหานครและปริมณฑลและ  มีการเปรียบเทียบแบบจำลองการพยากรณ์ โดยใช้สถิติ ONE-WAY ANOVA การวิจัยครั้งนี้พบว่าแบบจำลองทั้ง 3 วิธี มีค่าสถิติไม่แตกต่างกันอย่างมีนัยสำคัญที่ระดับ 0.05 ดังนั้นผู้วิจัยจึงเลือกใช้ เทคนิคการจำแนกข้อมูลด้วยวิธีต้นไม้การตัดสินใจ เป็นแบบจำลองการพยากรณ์ เพื่อสร้างโมเดลการจำแนกข้อมูล นอกจากนี้ได้นำข้อมูลดังกล่าวไปวิเคราะห์เพื่อหาความสัมพันธ์ของชุดข้อมูลมาประกอบการตัดสินใจแนวทางการพัฒนาแอปพลิเคชันช้อปปิ้งบนสมาร์ทโฟนเพื่อตอบสนองความต้องการของผู้บริโภคให้เกิดประสิทธิภาพมากที่สุด

Abstract

        The purposes of this research were to compare predicting models among decision tree, neural network, and Naïve Bayes, and to determine the relationship between technology adoption and behavior of using the LAZADA shopping application on smartphones. We included subjects in Bangkok and its vicinities who had experience using the LAZADA application. By simple random sampling method, 386 respondents were recruited and analyzed by RapidMiner Studio as a research predictive tool. By using One-Way analysis of variance (ANOVA), we found that all three models had no significant statistical difference (P value > 0.05). Thus, the decision tree method was adopted as a predicting model. The data set was also analyzed how to develop a shopping application on a smartphone to meet the needs of consumers more effectively.

ดาวน์โหลด Full Paper