內容簡介
針對商品感官屬性的評分資料，介紹分析方法與視覺化討論的技巧。
感官資料有各式各樣的形態，除了量化數字，還有質性文字，本書將以量化數字為主軸，透過多變量方法的應用與視覺化技術，來回答：最受消費者喜歡的是哪些特性？現行商品符合市場需求嗎？
本書寫作為完整的資料導向，涵蓋推薦系統和消費者與專家品鑑兩類資料的形狀與特性，實做上則以R 套件SensoMineR 完成分析為重點。每章開場皆以詳述特定的資料結構為鋪陳，希望透過認識資料（know your data）深入感官資料分析的方法。
第一章是基於消費的採購行為所做的關聯推論，也是第二章品鑑資料的基礎。第三章則是稍微特殊一點的感官資料，也就是對商品屬性的專業品鑑，分別針對專業品鑑者（panelists）和商品的多種屬性作系統性分析。第四、五章為「商品角度的感官評分：單維度以及多重的屬性清單」。最後一章則是分析現今最流行的「按讚」行為，從中分析出消費者的偏好。
作者介紹
何宗武
美國Univ. of Utah經濟學博士，現為國立臺灣師範大學全球經營與策略研究所教授，教學資歷豐富，曾任世新大學經濟學系及財務金融學系教授。
專長
計量建模，財務經濟學，商業資料科學
著作
多本相關書籍如：《大數據決策分析盲點大突破10講：我分類故我在》、《資料分析輕鬆學：R Commander高手捷徑》、《大數據時代的決策思維：資料敘事的起承轉合》、《數位創新：商業模式經濟學》、《管理數學、Python與R：邊玩程式邊學數學，不小心變成數據分析高手》、《財經時間序列預測─使用R的計量與機器學習方法》、《文圖互織的資料寫作學：使用 R Markdown》。
目次
序
第一章 推薦演算之一：關聯規則與購物籃分析
第一節 交易記錄資料與基礎測量
第二節 關聯規則演算法之一：Apriori
第三節 其他方法
第二章 推薦演算之二：評分資料分析Real Rating
第一節 Real Rating 資料處理
第二節 協同演算法Collaborative Filtering
第三章 感官資料量化分析：ANOVA 方法
第一節 品鑑者角度的感官品鑑：單維度屬性清單
第二節 ANOVA 之一：使用panelperf()
第三節 ANOVA 之二：使用paneliperf()
第四章 商品角度的感官評分之一：單維度屬性清單
第一節 資料
第二節 主成分方法簡介
第三節 adjmean 的主成分分析
第四節 集群分析方法
第五節 adjmean 的集群分析之一：階層式集群樹狀圖
第六節 adjmean 的集群分析之二：K-means 方法
第五章 商品角度的感官評分之二：屬性的多重清單
第一節 利用MFA 建構商品空間
第二節 從Group 角度的整合與詮釋
第三節 資料練習—酒的感官饗宴
第六章 大家一起來按讚：消費者品鑑
第一節 享樂分數資料分析
第二節 當消費者喜好Liking 遇到專家評分Rating
第三節 消費者接受性分析之一：JAR 資料
第四節 消費者接受性分析之二：IPM 資料
