114 年 國立中正大學資訊管理學系碩士班甲組《管理資訊系統》

這題考的是資訊系統開發生命週期（SDLC）中的需求分析階段。

資訊系統開發是一個循序漸進的過程，每個階段都有其特定的目標和產出。當一個新資訊系統要被開發時，首先需要釐清這個系統「應該要做什麼」。這個階段的目標是理解使用者和組織的需求，並將這些需求轉化為系統功能規格。

選項分析：
A) Feasibility study（可行性研究）：主要評估專案在技術、經濟、營運上的可行性，通常在專案初期進行，決定是否要進行專案。

這題考的是大數據分析在電子商務中的應用，特別是推薦系統的建置。

推薦系統的目標是根據使用者的行為、偏好或與其他使用者的相似性，為其推薦感興趣的商品或內容。對於一個每月有超過百萬訪客的網站，需要處理大量的用戶數據，包括瀏覽歷史、購買記錄、點擊行為等。

選項分析：
A) Big Data analytics（大數據分析）：這是處理和分析海量、多樣化、高速增長數據的技術，非常適合用於挖掘使用者行為模式，進而建立精準的推薦引擎。

這題考的是地理資訊系統（GIS）在商業決策中的應用，特別是如何選擇新據點。

一個全國性的服飾零售連鎖店，在考慮開設新店面時，需要評估不同地點的潛在獲利能力。這涉及到分析地理位置、人口統計數據、競爭者分佈、交通流量、消費者行為模式等多種空間相關的資訊。

選項分析：
A) Pivot tables（樞紐分析表）：用於彙總、分析和呈現數據，雖然可以分析銷售數據，但無法直接進行地理空間分析。
B) Sensitivity analysis（敏感度分析）：用於評估模型參數變動對結果的影響，可輔助決策，但不是找出地點本身的主要工具。

這題考的是機器學習的基本概念及其應用，需要辨識其中不正確的敘述。

機器學習（Machine Learning, ML）是人工智慧的一個分支，旨在讓電腦系統能夠從數據中學習，而無需明確編程。

選項分析：
A) Spotify utilizes machine learning to tailor playlists for its users.（Spotify 使用機器學習為用戶量身訂製播放清單。）
這是正確的。Spotify 的推薦系統廣泛使用機器學習演算法，分析用戶的聽歌習慣、喜好，來生成個人化的播放清單。

B) Expert systems are a type of machine learning.（專家系統是一種機器學習。）
這是錯誤的。專家系統（Expert Systems）是一種較早的人工智慧技術，它基於預先定義的規則和知識庫來模擬人類專家的決策過程。雖然專家系統可以從知識庫中推理，但它與機器學習的核心機制不同，機器學習是從數據中「學習」模式，而不是依賴硬編碼的規則。

核心觀念
本題在測試「資料探勘」或「機器學習」中的 無監督學習 (unsupervised learning) 概念。

• 無監督學習的目標是從無任何標籤 (label) 或先驗指示的資料中自動找出 隱含的結構、關聯或模式。
• 常見方法包括 聚類 (clustering)、關聯規則 (association rule)、降維 (dimensionality reduction) 等。
• 需要「自行發掘」特徵的技術往往依賴 深度神經網路 (deep learning neural network) 的自動特徵學習能力，能在大量原始資料中抽取層次化的特徵表示，屬於典型的無監督模式發掘手段。

解題方法

1. 判斷題幹：「no specific instructions are provided about what to look for」＝沒有事先定義的目標變數，屬於 無監督 情境。
2. 逐一檢視選項的屬性：
   • 是否需要標籤或事先指示？
   • 是否屬於搜尋/最佳化或感知系統等其他領域？
3. 只剩下能在 無標籤 資料上自行學習特徵與模式的技術，即 深度學習神經網路（可透過自編碼器、生成對抗網路等無監督方式）符合題意。

選項分析

這題考的是數位市場（digital marketplaces）的特性，以及它們與傳統市場的差異。

數位市場，例如電子商務平台，具有一些獨特的經濟學和市場結構特徵。

選項分析：
A) Search costs tend to be higher.（搜尋成本傾向於更高。）
這是錯誤的。數位市場的最大優勢之一就是降低搜尋成本。消費者可以輕鬆地在網上比較不同賣家、產品和價格，找到所需資訊的速度和便利性遠高於傳統市場。

B) Menu costs are generally lower.（菜單成本通常較低。）
這是正確的。菜單成本（Menu Costs）是指企業為了更改價格而產生的成本。在數位市場中，更改線上價格、產品資訊等比修改實體店面的價標或目錄要容易得多，成本也低得多。這使得企業能夠更靈活地調整定價策略。

這題考的是數位商品（digital goods）與實體商品（physical goods）的成本結構差異。

數位商品是指以數位形式存在的商品，例如軟體、音樂、電子書、電影等，它們可以通過網路進行複製和傳輸。

選項分析：
A) Lower per-unit marginal production costs.（單位邊際生產成本較低。）
這是正確的。數位商品的主要生產成本是初始的開發和製作成本（例如軟體程式設計、音樂錄製、電影製作）。一旦這些初始成本被攤銷，複製和分發額外的數位副本的邊際成本幾乎為零（或非常低）。這與實體商品不同，實體商品每生產一個單位都需要額外的原材料、製造成本等。

這題考的是電子商務中「個人化」（Personalization）與「客製化」（Customization）的區別。這兩個術語經常被混淆，但它們在含義上有所不同。

核心區別在於「誰」是主動方，以及「什麼」被改變。

• 個人化 (Personalization)：通常是指企業（網站、服務提供者）根據對用戶的了解（如過去的行為、偏好、人口統計資料）來主動調整提供給該用戶的產品、服務或資訊。這是一種「由企業端主導」的調整，目的是提升用戶體驗和滿足用戶潛在需求。例如，推薦商品、客製化的網站介面。
• 客製化 (Customization)：通常是指用戶（客戶）主動參與產品或服務的設計、配置或修改過程，以滿足其特定需求。這是一種「由用戶端主導」的調整，用戶有選擇權來改變產品的某些屬性。例如，在線上汽車網站上選擇車型、顏色、配備。

選項分析：
A) Customization occurs when the user adjusts a product, while personalization is when a business
adapts a product or service for the user.（客製化發生在用戶調整產品時，而個人化是企業為用戶調整產品或服務。）
這是正確的定義。用戶調整產品是客製化（由用戶主導），企業調整產品或服務是個人化（由企業主導）。

B) Personalization occurs when the user adjusts a product, while customization is when a business

這題考的是商業模式中的「廣告收入模式」（Advertising Revenue Model）。

廣告收入模式是指企業通過向廣告商出售廣告空間或向用戶展示廣告來獲取收入。通常，這類平台會提供免費的內容或服務來吸引大量用戶，然後將這些用戶的注意力出售給廣告商。

選項分析：
A) eBay earns a fee from a seller only if the item is sold.（eBay 在商品售出後才向賣家收取費用。）
這是「交易費用模式」（Transaction Fee Model）或「佣金模式」（Commission Model）。

B) Yelp receives a payment after directing a customer to a partner website where a purchase is made.（Yelp 在將客戶導向合作網站並完成購買後收到付款。）

這題考的是網路行銷策略中的「長尾理論」（Long-tail Marketing）。

長尾理論是指，當市場需求曲線的尾部（即需求量較小、較分散的產品或服務）的集合體，其總體市場規模可以與主流的、需求量大的「頭部」產品相媲美，甚至更大。網際網路的出現極大地降低了產品的儲存和分發成本，使得企業能夠有利可圖地銷售大量種類的、需求量較小的產品。

選項分析：
A) Clickstream advertising.（點擊流廣告。）
點擊流廣告是基於用戶的點擊行為來投放廣告，與長尾行銷的目標不同。

B) Behavioral targeting.（行為定向。）
行為定向是根據用戶的線上行為（瀏覽、點擊、購買歷史等）來投放個性化廣告，是長尾行銷的一種執行手段，但不是長尾行銷本身。

這題考的是企業與顧客互動以獲取創意和產品開發靈感的策略，特別是「眾包」（Crowdsourcing）。

眾包是一種將傳統上由公司內部員工或特定供應商完成的工作，外包給廣大社會大眾（通常是透過網際網路）來完成的模式。這可以包括創意設計、問題解決、數據標記、內容生成等。

選項分析：
A) Prediction markets.（預測市場。）
預測市場是一種市場機制，讓參與者對未來事件的發生機率進行投注，以預測結果。與 BMW 的情況不同。

核心觀念
企業資源規劃系統（Enterprise Resource Planning, ERP）與其他企業系統（如 SCM、CRM）之主要功能是整合企業內部與跨國的資訊流，以支援經營決策。其貢獻可歸納為以下幾項：

1. 即時資訊提供：透過資料庫即時更新，使管理層能即時掌握銷售、庫存與生產狀況。
2. 資訊標準化：統一資料的定義、編碼與格式，避免部門之間的語意差異。
3. 預測與分析：利用歷史資料與統計模型產生需求、銷售、產量等預測。
4. 績效評估：如產品毛利、成本結構等財務指標的計算與比較。

上述功能皆屬於「改善管理決策」的範疇，唯有不屬於此範圍的敘述即為答案。

---

解題方法
本題為單選題，須判斷哪一選項 不是 企業系統提升決策的方式。解題步驟：

1. 先釐清「企業系統」的核心功能（即上列四點）。
2. 逐一比對每個選項的敘述與上述功能是否相符。
3. 找出唯一與企業系統功能不吻合的敘述，即為答案。

此題不需要計算，只需概念辨識與排除法。

---

選項分析

項目	敘述內容	是否屬於企業系統改善決策的功能	理由
A	Offering real‑time data on sales, inventory, and production.（提供銷售、庫存與生產的即時資料）	✅ 屬於	ERP 系統即時更新交易與庫存資料，讓管理者能快速做出調度決策。

核心觀念
供應鏈管理中的 不確定性 (uncertainty) 係指在供應鏈各層面上，因資訊不完整、外部衝擊或需求波動，導致決策者難以預測未來狀況的情形。常見的不確定性來源包括：

• 供應端的交貨延遲或品質問題
• 生產端的製程中斷
• 需求端的波動與變化

不確定性往往會 誘發 庫存上升、交貨期延長、成本波動等後果，但 庫存上升本身不是不確定性的來源，而是對不確定性的回應。

---

解題方法
此為單選題，題目要求找出 「不是」供應鏈不確定性來源的選項。解題步驟：

1. 先把選項逐一與「不確定性來源」的概念對照。
2. 判斷每一項是否屬於 外部衝擊或內部製程/需求變異，若是則為不確定性來源；若屬於 不確定性產生的結果，則不屬於來源。
3. 於所有選項中找出唯一不符合來源定義者，即為正確答案。

---

選項分析

選項	內容	是否屬於不確定性來源	說明
A	Delayed deliveries from suppliers（供應商交貨延遲）	✅	交貨延遲是供應端資訊不完整或產能不足所致，屬於典型的不確定性來源。

這題考的是供應鏈策略的兩種基本模式：「推式」（Push-based）和「拉式」（Pull-based）。

• 推式策略 (Push-based strategy)：這種策略的特點是根據對未來需求的預測來生產和儲存產品。生產和分銷的決策是「推動」到供應鏈中的，即先生產、再銷售。這種策略適用於需求相對穩定、產品標準化程度高的情況。
• 拉式策略 (Pull-based strategy)：這種策略的特點是根據實際的客戶訂單來觸發生產和分銷。生產和供應鏈活動是被「拉動」的，即先銷售、再生產。這種策略適用於需求波動大、產品客製化程度高、或希望降低庫存風險的情況。

題目問的是「基於預測的消費者需求」的供應鏈策略。這意味著企業預測未來會有多少需求，然後據此進行生產和備貨。

這題考的是供應鏈管理中的「牛鞭效應」（Bullwhip Effect）的成因和緩解方法。

牛鞭效應是指，當需求資訊從零售端傳遞到供應鏈上游（批發商、經銷商、製造商、供應商）時，由於訊息延遲、庫存策略、訂單批量、價格波動等因素，需求變異的幅度會逐級放大，越往上游，需求變異越大，如同鞭子揮動時，末端幅度最小，而根部幅度最大。

牛鞭效應會導致庫存過多或過少、生產效率下降、交貨時間延長等問題。

緩解牛鞭效應的關鍵在於減少供應鏈中的變異性，尤其是需求資訊的變異性。

選項分析：
A) Embracing globalization.（擁抱全球化。）
全球化可能帶來更長的供應鏈、更多的延遲和複雜性，可能加劇牛鞭效應，而非最小化。

B) Eliminating intermediaries.（消除中間商。）
消除中間商（Disintermediation）可以縮短供應鏈，減少資訊傳遞的層級，有助於降低牛鞭效應。

這題考的是客戶管理中的關鍵指標，特別是衡量客戶流失率。

題目描述的是「停止使用或購買公司產品或服務的客戶百分比」。

選項分析：
A) Switching costs.（轉換成本。）
轉換成本是指客戶為了從一個供應商轉向另一個供應商而必須付出的成本（金錢、時間、精力等）。這是一個影響客戶流失的因素，但不是衡量客戶流失率的指標本身。

B) Churn rate.（客戶流失率。）
客戶流失率（Churn Rate），又稱解約率或流失率，是指在特定時期內，停止成為客戶的客戶數量佔期初客戶總數的百分比。這完全符合題目的定義。

C) CLTV.（客戶終身價值。）
CLTV（Customer Lifetime Value）是指一個客戶在與公司保持關係的整個過程中，預計能為公司帶來的總利潤。這是衡量客戶價值的指標，與客戶流失率是兩個不同的概念。

這題考的是大數據（Big Data）的定義、特性和應用，需要找出不正確的敘述。

大數據通常被定義為那些傳統數據處理應用程式難以捕捉、管理和處理的數據集。其核心特徵常以 3Vs（Volume, Variety, Velocity）來概括，後來也加入了 Veracity（真實性）、Value（價值）等。

選項分析：
A) Big Data exclusively refers to datasets in the petabyte range.（大數據僅指 PB 級別的數據集。）
這是錯誤的。雖然大數據通常意味著巨大的數據量，但「大數據」的定義並非嚴格限定在 PB（Petabyte）級別。GB（Gigabyte）、TB（Terabyte）級別的數據，如果其「多樣性」或「處理速度」達到了傳統工具無法處理的程度，也可能被視為大數據。更重要的是，大數據的定義不僅僅是數據量，還包括數據的種類和產生速度。

B) Big Data enables the discovery of more patterns and relationships compared to smaller datasets.（與較小的數據集相比，大數據能夠發現更多的模式和關係。）
這是正確的。

這題考的是數據挖掘（Data Mining）中的不同過程。題目描述的是「通過分析現有項目來識別決定項目組別的模式並推導規則」。

數據挖掘的目標是從大量數據中發現有價值的、先前未知的模式、關係或知識。

選項分析：
A) Associations（關聯性分析）：尋找數據項之間的有趣關聯規則，例如「購買麵包的顧客也經常購買牛奶」。這關注的是項目之間的共現性，而不是將項目分組。

B) Sequences（序列分析）：識別數據中的時間序列模式，例如用戶在網站上的瀏覽順序，或購買歷史的順序。這關注的是事件發生的順序，而不是將項目分組。

C) Classifications（分類）。
分類（Classification）是一種監督式學習任務，其目標是根據已知的類別標籤，將新的數據點分配到一個預定義的類別中。這與「通過分析現有項目來識別決定項目組別的模式並推導規則」非常吻合。例如，根據客戶的特徵（現有項目），預測他們屬於「高價值客戶」還是「低價值客戶」（決定項目組別）。

D) Clustering（聚類）。
聚類（Clustering）是一種無監督學習任務，其目標是將數據點分組（聚類）到不同的簇（cluster）中，使得同一簇內的數據點相似度高，而不同簇之間的數據點相似度低。這也是將項目分組，但與分類不同的是，聚類是在沒有預定義類別的情況下，讓算法自己發現數據的自然分組。

這題考的是網頁瀏覽器 Cookie 的工作原理。

Cookie 是一種小型數據文件，由網站服務器發送給用戶的瀏覽器，並由瀏覽器存儲在用戶的設備上。當用戶再次訪問同一個網站時，瀏覽器會將之前存儲的 Cookie 發送回服務器。這樣，網站就可以識別用戶，記住用戶的偏好、登錄狀態、購物車內容等。

選項分析：
A) Saving the cookie on the website's server.（將 Cookie 保存在網站服務器上。）
Cookie 的主要目的是讓服務器能夠識別用戶，但 Cookie 本身是存儲在用戶端，然後由瀏覽器在每次請求時發送給服務器。服務器端也會有相應的數據庫來存儲與 Cookie ID 相關的用戶信息，但 Cookie 文件本身是存儲在用戶設備上的。

B) Storing the cookie on the user's device.（將 Cookie 存儲在用戶的設備上。）
這是 Cookie 的標準工作方式。當網站服務器通過 HTTP 響應頭（Set-Cookie）發送 Cookie 時，瀏覽器會將其保存在用戶的計算機、手機等設備上。

這題考的是供應鏈和通路管理中的一個現象。

當製造商繞過中間商（如零售商、批發商），直接向終端消費者銷售產品時，這種情況稱為「中間商的消失」（Disintermediation）。然而，這裡的問題描述更進一步：製造商不僅直接銷售，還與原有的零售商在價格和庫存上展開直接競爭。

選項分析：
A) Disintermediation（中間商的消失）：這是指製造商直接銷售，繞過中間商。雖然製造商直接銷售是這個情境的一部分，但題目強調的是「競爭」，這意味著製造商和零售商之間存在摩擦和衝突。

B) Localization（在地化）：指適應當地市場的產品、服務或營銷策略。與題目描述的製造商與零售商的競爭無關。

這題要求解釋企業如何整合數據分析技術（如機器學習、深度學習）和 AI 系統，以提升客戶關係管理（CRM）和供應鏈管理（SCM）的決策品質與營運效率。

核心觀念：
數據分析技術（機器學習、深度學習）和 AI 系統能夠從海量數據中提取洞察，預測趨勢，自動化決策，從而優化業務流程。

(a) 客戶關係管理 (CRM)

提升決策品質：

1. 客戶細分與洞察： 利用機器學習算法（如聚類）分析客戶的購買歷史、瀏覽行為、互動記錄、人口統計學信息等，將客戶細分為不同的群體（例如，高價值客戶、潛在流失客戶、新客戶）。這有助於管理者更精準地理解不同客戶群的需求和偏好，制定個性化的行銷和服務策略。
   • 範例： 電商平台利用客戶購買數據和網站互動數據，將客戶分為「頻繁購買者」、「價格敏感型」、「對特定品類感興趣」等群體，並為每個群體推送差異化的商品推薦和促銷訊息。
2. 預測客戶流失（Churn Prediction）： 訓練機器學習模型（如決策樹、邏輯迴歸、神經網路）預測哪些客戶有較高的流失風險。這使得企業能夠及時採取挽留措施，如提供特別優惠、加強客戶服務等，從而降低客戶流失率。
   • 範例： 電信公司監測用戶的通話量、流量使用、投訴記錄等，預測可能流失的客戶，並主動聯繫提供續約優惠或更換更適合的方案。
3. 個性化推薦與客戶體驗： 深度學習模型（如協同過濾、深度神經網路）能夠分析用戶的歷史偏好和行為，為其提供高度個性化的產品、服務或內容推薦，顯著提升用戶體驗和購買轉化率。
   • 範例： 串流媒體平台（如 Netflix）利用用戶觀看歷史和評價，推薦用戶可能感興趣的電影和劇集。
4. 客戶服務自動化與優化： AI 驅動的聊天機器人（Chatbots）和虛擬助理可以處理大量的常見客戶諮詢，提供 24/7 的即時服務，並將複雜問題轉交給人工客服。這提高了服務效率，降低了成本，同時也能分析對話數據以改進服務流程。
   • 範例： 銀行使用聊天機器人解答常見的帳戶查詢、交易問題，並引導用戶完成簡單操作。

提升營運效率：

1. 自動化客戶互動： 如上所述，聊天機器人自動化了部分客戶溝通，釋放了人工客服的精力，用於處理更重要的任務。
2. 優化行銷活動： AI 可以幫助自動優化廣告投放、郵件行銷的目標受眾選擇和內容，提高行銷活動的 ROI（投資回報率）。
   • 範例： 廣告平台利用 AI 根據用戶畫像和行為，將廣告精準投放給最有可能產生購買的潛在客戶。

這題要求解釋生成式 AI（Generative AI）在商業行銷中的應用，以及它可能帶來的挑戰與應對策略。

核心觀念：
生成式 AI 能夠創建新的、原創的內容（文本、圖像、音頻、視頻等），這為商業行銷帶來了前所未有的機遇。

(a) 生成式 AI 在商業行銷中的應用範例

生成式 AI 在行銷領域的應用主要集中在內容創作、個性化互動和效率提升。

1. 內容創作（Content Creation）：

   • 文案撰寫：
     • 廣告文案： 生成式 AI 可以根據產品特點、目標受眾和行銷目標，快速生成多種版本的廣告標語、產品描述、社交媒體貼文、電子郵件行銷內容。
       • 範例： 使用 ChatGPT 或 Bard 為一款新推出的環保運動鞋生成 10 個不同的廣告標語，並為其撰寫一篇 300 字的產品介紹。
     • 部落格文章與新聞稿： AI 可以基於關鍵詞或主題，生成初步的部落格文章草稿、新聞稿，簡化內容生產流程。
       • 範例： 為公司網站生成一篇關於「數位轉型對中小企業的影響」的部落格文章初稿。
     • SEO 優化內容： AI 可以幫助生成符合 SEO 要求的標題、元描述和文章內容，提高網站在搜尋引擎中的排名。
   • 圖像與視覺內容生成：
     • 廣告素材： AI 圖像生成工具（如 Midjourney, DALL-E, Stable Diffusion）可以根據文字描述，快速創建獨特的、符合品牌風格的廣告圖像、插圖、社交媒體配圖。
       • 範例： 為一家咖啡品牌生成一張強調「早晨活力」主題的廣告圖片，包含咖啡杯、陽光和微笑的人物。
     • 產品模擬圖： 在產品設計階段，AI 可以快速生成不同顏色、材質或設計變體的產品視覺圖，用於內部評估或市場調研。
       • 範例： 為一款新設計的家具生成不同顏色的渲染圖，以供消費者線上選擇。
     • 影片與動畫： AI 也能生成短影片、動畫腳本或視覺元素，用於製作行銷影片或社交媒體內容。
       • 範例： 為一款 App 生成一個簡短的動畫介紹影片，展示其核心功能。

2. 個性化行銷（Personalized Marketing）：

   • 動態內容生成： AI 可以根據個別用戶的偏好、歷史行為和即時上下文，動態生成個性化的網頁內容、電子郵件或產品推薦。
     • 範例： 一個旅遊網站可以根據用戶過去搜索的國家和預算，動態調整首頁展示的旅遊目的地和優惠信息。
   • 個性化客戶互動： AI 聊天機器人可以提供更具個性化和同理心的客戶服務，記住用戶的偏好，並提供定制化的建議。
     • 範例： 虛擬時尚顧問可以根據用戶的身材、膚色和場合需求，推薦搭配的服飾。

3. 效率提升與成本降低：

   • 快速迭代與 A/B 測試： AI 可以快速生成大量不同的行銷內容變體，便於進行 A/B 測試，找出效果最佳的內容，從而優化廣告投放和用戶體驗。
   • 降低創意製作成本： 相較於傳統的設計師或文案撰稿人，AI 工具在生成初步內容方面，成本更低、速度更快。

(b) 生成式 AI 帶來的挑戰及應對策略

生成式 AI 雖然帶來了巨大機遇，但也伴隨著一系列挑戰。

挑戰：

1. 內容的準確性與真實性問題（Hallucinations）： 生成式 AI 有時會產生不準確、虛假或「幻覺」的內容，這可能導致誤導消費者、損害品牌聲譽。
   • 例如： AI 生成的產品描述中包含錯誤的規格，或在新聞稿中編造不實信息。