股票這個價位要不要買論文書籍站
國立彰化師範大學 企業管理學系 吳信宏所指導 謝承宏的 探討台灣外送平台之使用者使用狀況－以Uber Eats與foodpanda為例 （2020），提出物流客服ptt關鍵因素是什麼，來自於外送平台、使用者滿意度、社群論壇、關聯規則。
而第二篇論文東吳大學 巨量資料管理學院碩士學位學程 吳政隆所指導 林怡如的 客戶對商品提問之多重標籤辨識-以網路拍賣網為例 （2019），提出因為有 電子商務、客戶服務、文字探勘、多重標籤辨識、機器學習的重點而找出了 物流客服ptt的解答。
探討台灣外送平台之使用者使用狀況－以Uber Eats與foodpanda為例
為了解決物流客服ptt 的問題，作者謝承宏 這樣論述：
外送平台在台灣發展已逐漸成熟，它提供了想節省時間、不想外出或是天氣因素而無法去購買餐點的人一個很好的解決辦法，因此對於外送平台而言，了解使用者滿意度相當重要。使用者是最能直接接觸外送平台及合作餐廳的人，本研究採用批踢踢實業坊(PTT)取得使用者的線上評論作為樣本資料，蒐集的時間是2019年6月1日至2020年12月31日並蒐集到只使用過foodpanda的使用者為190人；只使用過Uber Eats的使用者為76人；同時使用過兩間外送平台的使用者為123人，利用描述性分析、成對樣本t檢定與Apriori關聯規則分析，對台灣兩大外送平台使用者的使用狀況進行調查。研究結果顯示只使用Uber Ea
ts的使用者認為主要優點在於退款的即時性、售後服務好、外送人員的態度好以及平台的回應速度佳，主要缺點在於外送人員的態度差、售後服務差、客服人員的態度差與優惠活動少。兩者同時使用的使用者給予Uber Eats正面評價在於配送訂單的速度快、客服人員的態度好、外送人員的態度好、售後服務好、平台的回應速度佳與平台的操作流程簡單；負面評價在於優惠活動少、外送人員的態度差以及售後服務差。只使用foodpanda的使用者認為主要優點在於優惠活動多、店家選擇多、售後服務好與退款的即時性，主要缺點是外送人員的態度差、售後服務差、客服人員的態度差、配送訂單的速度慢與平台的穩定性差。兩者同時使用的使用者給予food
panda正面評價在於平台價格與店內價格一樣、運費低、優惠活動多；負面評價在於外送人員態度差、售後服務差、客服人員態度差以及配送訂單的速度慢。Apriori關聯規則分析則發現一條foodpanda的規則，當外送平台使用者對外送人員的態度與售後服務不滿意時，同時會對客服人員的態度不滿意。透過調查台灣兩大外送平台的使用者使用狀況，了解使用者如何去選擇外送平台，以提供外送平台業者在使用者的角度即時做出改善與調整，避免流失既有的使用者族群，也藉此吸引新的使用者。關鍵詞：外送平台、使用者滿意度、社群論壇、關聯規則
客戶對商品提問之多重標籤辨識-以網路拍賣網為例
為了解決物流客服ptt 的問題，作者林怡如 這樣論述：
網路購物（電子商務E-commerce）儼然已成為現今不可或缺的一種消費型態。面對客戶新型態購物行為的轉變，許多傳統線下消費平台（實體門市、電視購物、型錄郵購等）業者，均面臨經營型態轉型的挑戰，紛紛增設線上購物平台搶食網路商機。在網路行銷活動多元化、業績與日俱增的同時，電子商務各後勤單位之服務與系統是否完備、足以因應消化龐大訂單量，正是考驗各大電商的重要課題。 電商後勤中又以客服中心所面對的問題是更多面向、複雜的。這個介於客戶與企業之間的第一線服務單位，如何有效運用大數據技術精進改善作業流程、快速的提供更貼近客戶需求的服務品質與解決方案，是本研究所要探究的核心內容。實驗以露天拍賣網客戶
對商品提問內容，進行十類細分類與五類大分類之多重標籤分類預測模型訓練。本研究分別以TF-IDF與Word Embedding兩種特徵值萃取方法，搭配極限樹（Extra Trees Classifier）、邏輯式迴歸、隨機森林與支持向量機四種分類模型，交叉組合進行實驗。實驗結果整體以測試資料集使用文字探勘技術TF-IDF方法萃取之特徵值，搭配極限樹分類模型的預測效果Micro F1 score 0.82846較為顯著。