นวัตกรรมการวิเคราะห์ข้อความในโพสต์บนเฟซบุ๊กเพจด้วยการทำเหมืองข้อความ

Innovation of text analysis of posts on Facebook page by text mining

Name: พรพิมล กะชามาศ

Abstract: เฟซบุ๊ค (Facebook) เป็นสื่อสังคมออนไลน์อันดับหนึ่งของโลกและประเทศไทย ในทุกๆวันจะมี “ข้อความในโพสต์บนเฟซบุ๊กเพจ” ใหม่ๆจากหลากหลายตราสินค้า ผู้ผลิต ผู้ขาย ขึ้นใหม่ตลอดเวลา เพื่อโฆษณาสินค้าและบริการ โดยในแต่ละข้อความล้วนมีวัตถุประสงค์มุ่งหวังจากผู้อ่านต่างกันไป แต่ผลที่เกิดขึ้นจริงมีทั้งสมหวังหรือกลายเป็นตรงกันข้ามก็พบได้เช่นกัน จะดีเพียงใดหากนักการตลาดออนไลน์มีเครื่องมือที่สามารถคาดเดาโอกาสของพฤติกรรมที่จะเกิดขึ้นได้เมื่อผู้อ่านได้อ่านข้อความนั้นๆ งานวิจัยนี้มีวัตถุประสงค์คือ 1) เพื่อศึกษาข้อความในโพสต์บนเฟซบุ๊กที่ส่งผลต่อพฤติกรรมผู้บริโภค ตามทฤษฎีของเดนท์สุ AISAS โมเดล 2) เพื่อพัฒนาต้นแบบนวัตกรรมการวิเคราะห์ข้อความในโพสต์บนเฟซบุ๊กที่ส่งผลต่อพฤติกรรมผู้บริโภค ตามทฤษฎีของเดนท์สุ AISAS โมเดล โดยใช้วิธีการของการเรียนรู้ของเครื่อง (Machine Learning) 3) เพื่อทดสอบการใช้งานและการยอมรับต้นแบบนวัตกรรม และ 4) เพื่อศึกษาแนวทางในเชิงพาณิชย์ของการวิเคราะห์ข้อความในโพสต์บนเฟซบุ๊กที่ส่งผลต่อพฤติกรรมผู้บริโภค ตามทฤษฎีของเดนท์สุ AISAS โมเดล ในการศึกษานี้จะใช้ข้อความจากเพจที่มีผู้ติดตามสูงและมีจุดมุ่งหมายและการใช้ข้อความในการโพสต์แตกต่างกันมาทำการวิเคราะห์ โดยผู้เชี่ยวชาญด้านภาษาไทยจำนวน 75 คนเพื่อประเมินโอกาสของ พฤติกรรมที่ผู้อ่านน่าจะกระทำหลังจากการอ่านแต่ละข้อความว่ามีแนวโน้มเป็นไปในทางใดของ AISAS โมเดล ผลที่รวบรวมมาได้จะถูกใช้เป็นข้อมูลให้เครื่องจักรได้เรียนรู้ และวิเคราะห์หาค่าความน่าจะเป็นของแต่ละคำด้วยตามหลักทฤษฏีนาอีฟเบย์ (Naïve Bayes) ซึ่งเป็นวิธีที่ดีที่สุดสำหรับการศึกษาด้านพฤติกรรม จากผลการศึกษาข้อความในโพสต์บนเฟซบุ๊กเพจพบว่าค่าความถูกต้องของการแยกเพจวิเคราะห์ตามกลุ่มอุตสาหกรรมจะให้ผลที่ดีกว่าการนำผลการวิเคราะห์มาประมวลผลรวมกัน และเมื่อทดลองนำโมเดลที่ได้มาพัฒนาระบบทำนายพฤติกรรมจากการโพสต์ข้อความเพื่อตรวจสอบการยอมรับนวัตกรรมโดยผู้ใช้จำนวน 30 คนซึ่งเป็นเจ้าของเพจและทำธุรกิจออนไลน์พบว่าการประเมินนวัตกรรมด้าน ประสิทธิภาพ และความพึงพอใจโดยรวมของระบบอยู่ในเกณฑ์ดีมาก ส่วนความง่ายในการใช้งานและโอกาสในเชิงธุรกิจของนวัตกรรมดังกล่าวอยู่ในเกณฑ์ดี

Abstract: The undeniable fact is that online business today has increased at a very fast pace everywhere around the globe. This happens through the widely used of Social Media, especially Facebook which is the most popular platform in the world. It would be really useful for the digital marketers, if there is a certain tool that can predict the intentions of the web patrons when the brand is posting the message to communicate with their fans or followers. The aim of this research is to develop an analytic tool which can support online vendors to predict behaviors of the patrons according to Dentsu’s AISAS perspective. The Artificial intelligent model is developed with the result from 75 specialists who evaluated the behavior that will likely occur after the comments have been posted. The results, hence, were collected and prepared for the data modelling process using the Naïve Bayes probability concept, afterwards, testing for the model’s accuracy with 10-fold cross validation technique. As the previous study indicated, Naïve Bayes technique gives the best result for the behavior, which is also true with this study. The predictive model for AISAS behavior from this study can give average accuracy higher than 86 percent. When bringing the AISAS Model to test with 30 live users who are online vendors, we can conclude that the overall results of model have been greatly appreciated and effectively satisfied. Most vendors also agreed on the ease of use, which creates high chances of business opportunities.

จุฬาลงกรณ์มหาวิทยาลัย. สำนักงานวิทยทรัพยากร

Address: กรุงเทพมหานคร

Email: cuir@car.chula.ac.th

Name: สุกรี สินธุภิญโญ

Role: ที่ปรึกษา

Name: อัจฉรา จันทร์ฉาย

Role: ที่ปรึกษา

Created: 2560

Modified: 2566-02-06

Issued: 2566-02-06

วิทยานิพนธ์/Thesis

application/pdf

URL: http://cuir.car.chula.ac.th/handle/123456789/76495

tha

DegreeName: วิทยาศาสตรดุษฎีบัณฑิต

Level: ปริญญาเอก

Descipline: ธุรกิจเทคโนโลยีและการจัดการนวัตกรรม

Grantor: จุฬาลงกรณ์มหาวิทยาลัย

©copyrights จุฬาลงกรณ์มหาวิทยาลัย

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	5587788120.pdf	13.44 MB	13	2025-06-05 10:30:42

ใช้เวลา

0.021699 วินาที