關於(About)
參考資料:
關於 cognitive and conative customer loyalty,是指顧客對於一個品牌或企業的忠誠度的兩個層面,分別涉及到理性和行為的方面。
cognitive customer loyalty 是指顧客對於一個品牌或企業的認知或信念,例如他們認為該品牌或企業提供了高品質的產品或服務,或者比其他競爭者更有優勢。cognitive customer loyalty是忠誠度的基礎,但不一定會轉化為實際的購買行為。
舉例來說,一個顧客可能認為蘋果(Apple)是一個創新和領先的品牌,提供了優質和先進的產品,這就是他對蘋果的cognitive customer loyalty。但是,這並不意味著他一定會買蘋果的產品,因為他可能受到其他因素的影響,例如價格、可用性或個人喜好等。
conative customer loyalty 是指顧客對於一個品牌或企業的意圖或承諾,例如他們打算在未來再次購買該品牌或企業的產品或服務,或者推薦給其他人。conative customer loyalty是忠誠度的高階層面,但也不一定會完全符合實際的購買行為。
舉例來說,一個顧客可能打算在下次換手機時買蘋果(Apple)的手機,或者向他的朋友推薦蘋果(Apple)的手機,這就是他對蘋果(Apple)的conative customer loyalty。但是,這也不意味著他一定會執行他的意圖或承諾,因為他可能受到其他因素的影響,例如突發事件、促銷活動或社會壓力等。
出版商: 擁有很多期刊的出版商中,最大的五家是
- Elsevier,它在2023年的收入超過了33.5億美元,它出版了超過2500種期刊,包括《柳葉刀》(The Lancet)和《細胞》(Cell)等知名刊物1]。它的。
- Springer Nature,它在2023年的收入約為22億美元,它出版了超過3000種期刊,包括《自然》(Nature)和《科學美國人》(Scientific American)等知名刊物2]。
- John Wiley & Sons,它在2023年的收入約為18億美元,它出版了超過1600種期刊,包括《科學進展》(Science Advances)和《生物化學與分子生物學評論》(Biochemistry and Molecular Biology Reviews)等知名刊物3]。
- Taylor & Francis,它在2023年的收入約為14億美元,它出版了超過2400種期刊,包括《國際關係》(International Affairs)和《社會科學方法論》(Social Science Methodology)等知名刊物4]。
- SAGE Publications,它在2023年的收入約為10億美元,它出版了超過1000種期刊,包括《社會學評論》(Sociological Review)和《教育研究評論》(Educational Research Review)等知名刊物5]。
- Academic Publishers Statistics – WordsRated
Rankings of academic publishers - Wikipedia
引文統計: 有一些公司或機構,定期發佈了關於期刊的引文統計數據:
- Clarivate公司是一家提供信息、分析和工作流解決方案的公司,它在學術和政府、生命科學和醫療以及知識產權等領域提供訂閱式服務。它的前身是湯森路透的知識產權和科學部門,於2016年被私募股權公司收購並獨立運營。
該公司在學術界和科學界最為人所知的是,它通過其Web of Science產品家族,計算了期刊的影響因子(impact factor),這是一個[衡量期刊影響力的指標](https://en.wikipedia.org/wiki/Clarivate Web of Science)。產品家族還包括了一些其他的服務或應用,如Publons、EndNote、EndNote Click和ScholarOne等。
Clarivate公司還擁有其他的產品家族,如Cortellis、DRG、CPA Global、Derwent、MarkMonitor、CompuMark和Darts-ip等,以及各種ProQuest產品和服務。 Clarivate公司還通過收購了一些其他的信息服務公司來實現快速增長,例如在2021年以53億美元的價格收購了ProQuest公司。 - Elsevier,它是一家出版商,也提供了一個名為Scopus的引文數據庫,其中包含了一些期刊的評價指標,如CiteScore、SJR和SNIP。
- Scimago Lab,它是一家研究機構,也開發了一個名為Scimago Journal & Country Rank的平台,其中基於Scopus數據計算了期刊的SJR和H指數。
- CWTS Leiden University,它是一所荷蘭的大學,也發佈了一個名為CWTS Journal Indicators的網站,其中基於Web of Science數據計算了期刊的SNIP和IPP。
- Google Scholar,它是一個廣泛使用的學術搜索引擎,也提供了一個名為Google Scholar Metrics的功能,其中基於Google Scholar數據計算了期刊的h5-index和h5-median。
1.緒論(Introduction)
原來的 Normative 方式是這樣:Challenge of Liquid Logistics, how to solve the problem by the help of information technology.
- 背景介紹
定期更換潤滑油是車輛保養工作重要的一環,傳統上車主或是負責保養的技師,會根據需要取用公升或加侖包裝的潤滑油,由於每個包裝罐上都明確的標明了廠牌、型號、規格、黏度等資料,因此「誤用」的機會非常少,就算有誤用的情況,與物流運送的公司也無關。 - 但現在情況變了,物流服務商要負責不能打錯油的責任。
由於環保考量,使用塑膠罐小包裝容器固然方便,但社會對於空罐造成的環保的後續問題越來越難以容忍,因此須多汽車廠改成購買散裝潤滑油,然後用油槍為車輛添加潤滑油。
問題是:汽車修理場通常設在熱鬧的地方,且沒有足夠的空間可以存放太多的潤滑油,即使有空間存放,因為消防與安全考慮,也不願意儲存太多。因此多數採用2,000~3,000公升的小型油槽儲油,而油公司送來200公升的大桶,打入油槽供車廠持續使用。
近十多年來,台灣的車廠、大型保養廠幾乎都轉換成這樣的模式。然而新的問題也因此而發生。
起初的問題是,原來使用小包裝供油,庫存若有端缺,可以快遞先小量送來暫用。但油槽將盡臨時要運來數大桶就會很困擾。因此怎樣掌握個公司的發油量,準時補充潤滑油就越來越重要。這個問題,靠著電腦連線,總公司掌握各車廠的維修用油量,然後在低於安全存量時對物流公司發出訂單,等方法逐漸得到解決。
但更困擾的問題是,由於送貨頻繁,還有車廠至少使用三種以上的不同潤滑油,因此往往有將潤滑油注入錯誤的油槽的情況。這情形或可比喻為,送血到醫院,把A型血混到了O型的血庫(槽)中一樣糟糕。如果錯誤可以及早發現的話,造成的還侷限現在時間的浪費和費用的增加,但萬一錯誤的油又加到顧客的車子裏,嚴重性雖然不能和輸錯血液相比,但引起的糾紛也是相當嚴重的問題。 - 改善需求
因此,汽車公司對物流服務商的要求越來越嚴格,不過不管是提高罰則,或要求保證「零錯誤」,總還是會發生打錯油的狀況。 - 問題分析
分析錯誤發生的可能性,發現主要有1.送錯油。2.送對油,但加錯槽(接錯加油口)。兩種,其中最需要解決的是2.送對油,但加錯槽(接錯加油口)。的問題。
以前小包裝貨的物流運輸,交到車廠庫房時,交接時核對數量、型號規格後,所有權與責任轉移到車廠,物流商就不在有風險。但是工作改成將油泵送入槽後,責任變成在送到的司機身上,雖說SOP流程規定,打油前和車廠收貨人要一同核對加油口是否正確,但往往車廠人員以忙碌為由,或你已經很熟悉了,核對工作很常不執行,而一旦發生錯誤,總歸要物流服務商負全部責任。
那麼,怎麼確保「一定不會弄錯」加油口呢? - 改進目標
根據TAM原則,我們需要一種同時具備PEOU和PU的系統來幫助。
1.PEOU 感知易用性(Perceived ease-of-use,簡稱PEOU):用戶在使用某一特定系統時,認為能為其省事減少用心費神的程度。
2.PU 感知有用性(Perceived usefulness,簡稱PU):用戶在使用某一特定系統時,主觀上認為其所帶來的工作績效的提升程度。 - 方法考慮
我們了解關鍵的兩個人:司機和驗收人員,都有一樣不想要犯錯的心情。
因此,關鍵就是在核對工作上,讓這兩個人可以有符合TAM精神的系統來作業。 - 流程設計
1.在每個加油口上明顯標示油品名稱與規格,加上一個QRcode。
2.司機要把油管接上加油口之前,要掃QRcode->開啟程式->對準油桶掃描Barcode->按確定送出。
3.此時車廠的兩個人(廠長及負責收貨人)手機會收到要求確認的訊息(有日期時間/油口及油品資訊),請求按下確認鍵。
4.一旦按下確認,司機就可接上油口開始泵送潤滑油入槽。
2.相關工作(Related Work)
當看到:Most business decision related questions are “normative” Translate it into “descriptive” question, Based on real world descriptive.
我嘗試學習改變 Normative 為以下(3) Descriptive 的方式,進行對問題的探索分析。
3.方法(Method)
我理解到,或許該改成,把長期以來(十多年)打油工作單(每年從4000次左右開始,到去年約近萬次),發生異常的次數、比率、頻率、拿出來統計,而且異常的內容加以分類,進行研究,看能不能找出有那些可能影響工作導致異常的關係。於是,我開始嘗試先從資料庫中查詢,找出如下資料:
1.每年這幾筆打油異常的報告,內容為何?
select CATEGORY,ID,DATE,USER,SUBJECT from
BBS
where SUBJECT like '%打油%' and SUBJECT not like 'Re%'order by DATE desc
2.每年打油異常的報告件數-有幾筆?統計:
select substr(DATE,1,4),count(ID) from
BBS
where SUBJECT like '%打油%' and SUBJECT not like 'Re%' group by substr(DATE,1,4) order by substr(DATE,1,4) desc
3.每年打油的DS張(次)數統計:
select substr(DATE,1,4),count(DLINO) from SAL where NPN='13460' group by substr(DATE,1,4) order by substr(DATE,1,4) desc #打油服務
3.每年這幾筆打油異常的報告,內容為何?
-select CATEGORY,ID,DATE,USER,SUBJECT from
BBS
where SUBJECT like '%打油%' and SUBJECT not like 'Re%'order by DATE desc
-select CATEGORY,ID,DATE,USER,SUBJECT,MESSAGE fromBBS
where DATE like '2021%' and SUBJECT like '%打油%' and SUBJECT not like 'Re%'order by DATE desc
-select DATE,SUBJECT,MESSAGE fromBBS
where DATE like '201%' and SUBJECT like '%打油%' and SUBJECT not like 'Re%'order by DATE desc
- 光是這樣幾個工作,我很驚訝的發現:
年 | 異常次數 | 總次數 | 狀況包括 |
---|---|---|---|
2023utd | 3 | 7783 | 溢出,未抽乾,爆管 |
2022 | 1 | 10104 | 打錯油 |
2021 | 5 | 9492 | 異常-打錯油,溢出,脫管,假日單獨換油,安排有誤, |
2020 | 1 | 8502 | 借打油機去抽廢油, |
2019 | 3 | 7860 | 客訴司機,打錯油,殘油噴出 |
2018 | 1 | 6535 | 油管快速接頭綁繩斷裂, |
2017 | 5 | 6616 | 溢出,上次溢出沒報告,溢出,高壓管破,業務到打油機未到 |
2016 | 5 | 6619 | 跑錯地方,油管鬆脫,溢出,半桶剩油載回,打油機掉下車, |
2015 | 3 | 6674 | (還沒做好) |
2014 | 5 | 5552 | (還沒做好) |
2013 | 2 | 5150 | (還沒做好) |
2012 | 0 | 5022 | (還沒做好) |
- 光是這樣幾個工作,我很驚訝的發現:
我發現:有「溢油」、「管路鬆脫」等發生頻率不亞於「打錯油」的情況。
而當時記錄錯誤時,並沒想到要統計這些「錯誤分類」。因此,接下來要先把:有多少種類別定義清楚,還有發生這個錯誤的人、地點、客戶..等資料明確。
- 當這些查列打油異常都確定後,再來研究,這些變數之間,是否存在什麼關係。有那些因素和「打錯油」完全無關,又有那些可能有關系。
-如果可以歸納出影響「發生打油異常」最的因素後,(1)能測試嗎? (2)能試驗嗎?
4.實驗(Experiment)
Lorem ipsum, dolor sit amet consectetur adipisicing elit. Distinctio, totam!
5.結論(Conclusion)
Lorem ipsum, dolor sit amet consectetur adipisicing elit. Distinctio, totam!
參考文獻(References)
[1] --
[2]
[3]
附錄(Appendix)
- .
aaa
▼1 Bing: 比較Web1.0和Web2.0和Web3.0的差別
比較Web1.0和Web2.0和Web3.0的差別
特徵 | Web1.0 | Web2.0 | Web3.0 |
---|---|---|---|
時間點 | 1980年代~2003年 | 2003年至今 | 2009年至今 |
互動性 | 只能閱讀資訊,是一個單向接收的關係 | 除了閱讀資訊以外,還可以發表自己的內容,是一個雙向互動的關係 | 除了閱讀資訊、發表內容之外,使用者還多了擁有權,可以真正的擁有網路上的資產,這些資產的擁有權還可以透過網路直接進行買賣、交換、贈與或其他安排 |
中心化 | 所有資訊都是由人或第三方機構所提供,是封閉且中心化的 | 資訊可以在網路上自由流通,但仍然由人或第三方機構進行管理,是中心化的 | 所有資訊不是由中心化的伺服器來儲存,而是散佈在整個區塊鏈中,數據本身透過智能合約、協議及數學算法來進行,無需透過人或第三方機構來執行中間的交互行為,是去中心化的 |
目的 | 用於幫助人們更好地找到資訊,是一個以搜索為主的平台 | 用於讓人們更方便地分享資訊,是一個以社交為主的平台 | 用於讓人們更自由地掌控資訊,是一個以數據為主的平台 |
裝置 | 主要是使用桌上型裝置來瀏覽網頁 | 主要是使用桌上型和移動型裝置來瀏覽網頁 | 主要是使用桌上型、移動型裝置以及未來的元宇宙 (無所不在) 來瀏覽網頁 |
▼2 aaaa
aaa
- Lorem ipsum dolor sit amet.
- Lorem ipsum dolor sit amet.
▼3 aaa
aaa
- Lorem ipsum dolor sit amet.
- Lorem ipsum dolor sit amet.
▼4 aaa
aaa
- Lorem ipsum dolor sit amet.
- Lorem ipsum dolor sit amet.