การวิเคราะห์ปัจจัยที่มีอิทธิพลต่อการซื้อสินค้าเครื่องประดับอัญมณีในตลาดออนไลน์โดยใช้การประมวลผลภาษาธรรมชาติ

Analyzing influence factors of jewelry products purchasing in online marketplaces using natural language processing

Name: กัญญารัตน์ ศรีสุทธะ

ThaSH: พฤติกรรมผู้บริโภค

ThaSH: การพาณิชย์อิเล็กทรอนิกส์

ThaSH: การประมวลผลภาษาธรรมชาติ (คอมพิวเตอร์)

Abstract: การค้นคว้าอิสระนี้มีวัตถุประสงค์เพื่อวิเคราะห์ปัจจัยที่มีอิทธิพลต่อการตัดสินใจซื้อเครื่องประดับอัญมณีออนไลน์ตามกรอบแนวคิด 7P’s โดยใช้เทคนิคการประมวลผลภาษาธรรมชาติ (NLP) และการเรียนรู้ของเครื่อง (Machine Learning) ข้อมูลที่ใช้เป็นรีวิวจากผู้ใช้งานบน Shopee และ Lazada จำนวน 5,766 ข้อความ ดำเนินการตามมาตรฐาน CRISP-DM ด้วยวิธี TF-IDF และการปรับสมดุลข้อมูลแบบ Proportional SMOTE เพื่อรักษาลำดับความสำคัญของปัจจัยเดิม ผลการเปรียบเทียบประสิทธิภาพพบว่า อัลกอริทึม XGBoost ให้ความแม่นยำสูงสุดที่ร้อยละ 75.39 และค่า F1-score ร้อยละ 75.30 ขณะที่โมเดล WangchanBERTa ที่ผ่านการ Fine-tuning 20 Epoch ให้ความแม่นยำร้อยละ 74.09 เนื่องจากข้อจำกัดด้านปริมาณข้อมูลและปัญหาคำศัพท์เฉพาะทาง (Out-of-Vocabulary) อย่างไรก็ตาม เมื่อพิจารณาค่า ROC AUC พบว่า Random Forest Classifier ให้ค่าสูงสุดที่ร้อยละ 93.73 แสดงถึงความสามารถในการแยกแยะหมวดหมู่ที่ชัดเจน ผลการศึกษาพบว่าปัจจัยที่ถูกกล่าวถึงมากที่สุดคือ ด้านผลิตภัณฑ์ ร้อยละ 33.37 และด้านกระบวนการ ร้อยละ 24.19 โดยมี “ดีไซน์ที่สวยงาม” และ “ความรวดเร็วในการจัดส่ง” เป็นปัจจัยวิกฤตที่ส่งผลต่อความพึงพอใจสูงสุด ข้อมูลเชิงลึกนี้ช่วยให้ผู้ประกอบการวางแผนกลยุทธ์การตลาด การบริหารสต็อก และพัฒนาบรรจุภัณฑ์เพื่อเพิ่มขีดความสามารถทางการแข่งขันในตลาดออนไลน์ได้อย่างยั่งยืน

Abstract: This independent study aims to analyze the factors influencing online jewelry purchasing decisions based on the 7Ps marketing mix framework, utilizing Natural Language Processing (NLP) and Machine Learning techniques. The dataset comprises 5,766 user reviews scraped from Shopee and Lazada. The research followed the CRISP-DM standard, employing TF-IDF for vectorization and Proportional SMOTE for data balancing to preserve the original significance of the factors. Comparative performance results revealed that the XGBoost algorithm achieved the highest accuracy at 75.39% and an F1-score of 75.30%. Meanwhile, the WangchanBERTa model, fine-tuned for 20 epochs, reached an accuracy of 74.09%, hindered by data volume constraints and Out-of-Vocabulary (OOV) issues. However, the Random Forest Classifier yielded the highest ROC AUC at 93.73%, demonstrating superior class differentiation capabilities. The findings indicate that the most discussed factors are Product (33.37%) and Process (24.19%), with "aesthetic design" and "shipping speed" identified as critical drivers of maximum customer satisfaction. These insights assist entrepreneurs in strategic marketing planning, inventory management, and packaging development to sustainably enhance competitiveness in the online marketplace.

มหาวิทยาลัยเชียงใหม่. สำนักหอสมุด

Address: เชียงใหม่

Email: cmulibref@cmu.ac.th

Name: อฬิญญา พงษ์วาท

Role: อาจารย์ที่ปรึกษา

Created: 2569

Modified: 2569-05-19

Issued: 2569-05-19

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: วิทยาศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิทยาการข้อมูล

Grantor: มหาวิทยาลัยเชียงใหม่

©copyrights มหาวิทยาลัยเชียงใหม่

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	640632017.pdf	1.31 MB

ใช้เวลา

0.031732 วินาที