ไลน์แชทบอทให้ข้อมูลโฆษณาเครื่องสำอาง ด้วย Dialogflow และ Google sheets
DOI:
https://doi.org/10.69598/tbps.20.2.145-159คำสำคัญ:
ไลน์แชทบอท, โฆษณาเครื่องสำอาง, ไดอะล็อกโฟลว์บทคัดย่อ
การเติบโตทางเศรษฐกิจโดยเฉพาะตลาดเครื่องสำอางและความงามในประเทศไทยหลังการระบาดของ
โรคโควิด-19 ทำให้เกิดการขยายตลาดและมีการจดแจ้งเครื่องสำอางและขอปรึกษาโฆษณาสินค้าเครื่องสำอางอย่างก้าวกระโดด การให้บริการของกลุ่มงานโฆษณาเครื่องสำอางและวัตถุอันตราย สำนักงานอาหารและยา พบว่ามีเจ้าหน้าที่ให้ข้อมูลไม่เพียงพอ มีการสอบถามซ้ำด้วยคำถามเดิม งานวิจัยนี้มีวัตถุประสงค์ คือ 1) พัฒนาไลน์แชทบอทให้ข้อมูลการโฆษณาเครื่องสำอางกับผู้ประกอบการ 2) ประเมินความถูกต้อง 3) ประเมินความพึงพอใจของผู้ใช้งานไลน์แชทบอท การวิจัยเป็นรูปแบบการวิจัยและพัฒนา ประกอบด้วย กระบวนการออกแบบและพัฒนาไลน์แชทบอทโดยใช้ Dialogflow ที่ทํางานร่วมกับ Line Messaging API และ Google sheets ผลการวิจัย พบว่าไลน์แชทบอทที่พัฒนามีประสิทธิภาพโดยประเมินจาก Confusion Matrix มีค่าความถูกต้อง (Accuracy) = 0.820 (ร้อยละ 82.0) ค่าความแม่นยำ (Precision) = 0.8193 (ร้อยละ 81.93) ค่าความระลึก (Recall) = 0.820 (ร้อยละ 82.0) และค่าความถ่วงดุล (F-Measure) = 0.8155 (ร้อยละ 81.55) และผลลัพธ์ของการประเมินความพึงพอใจของผู้ใช้ รวม 30 คน มีคะแนนเฉลี่ยรวมอยู่ในระดับมาก (4.20 ± 0.83 คะแนน) การพัฒนาไลน์แชทบอทในงานวิจัยนี้สามารถให้ข้อมูลโฆษณาเครื่องสำอางได้ดี มีความถูกต้องและสร้างความพึงพอใจต่อผู้ใช้งาน สามารถปรับปรุงให้มีความถูกต้องที่เพิ่มขึ้นได้และนำไปใช้เพื่อให้ข้อมูลที่ถูกต้องกับผู้ประกอบการที่ต้องการติดต่อสอบถามเรื่องโฆษณาเครื่องสำอางได้ต่อไป
เอกสารอ้างอิง
Thai Cosmetic Manufacturers Association. Megatrends transforming the cosmetics market: Creating opportunities for Thai players to capture a share of the 300 billion market [Internet]. 2023 [cited 2025 Mar 1]. Available from: https://www.thaicosmetic.org/index.php/tcmanews/news-from-media/89-3-32 (in Thai)
Trade Policy and Strategy Office, Ministry of Commerce. Thailand economic figures January 2024 [Internet]. 2024 [cited 2025 Mar 1]. Available from: https://cdn.me-qr.com/pdf/5d2d7ded-a6f1-48ab-af65-9d5059cdd89d.pdf (in Thai)
Food and Drug Administration, Thailand. Roles and responsibilities [internet]. 2020 [cited 2025 Mar 10]. Available from: https://www.fda.moph.go.th/organization/category/mission-and-responsibilities (in Thai)
Suriyaamporn P, Sila-on W, Kansom T, Opanasopit P. The application of artificial intelligence in pharmaceutical technology and advancements in the pharmaceutical industry 4.0. Thai Bull Pharm Sci. 2025;20(1):17-36. (in Thai)
Google Company. Dialogflow ES basics [Internet]. 2018 [cited 2025 March 10]. Available from: https://cloud.google.com/dialogflow/es/docs/basics
LY Corporation. Messaging API reference [Internet]. 2024 [cited 2025 Mar 10]. Available from: https://developers.line.biz/en/docs/messaging-api/overview
Digital Marketing for Asia. LINE in Thailand: A marketer’s paradise [Internet]. 2024 [cited 2025 Mar 10]. Available from: https://www.digitalmarketingforasia.com/line-in-thailand/
Adamopoulou E, Moussiades L. An overview of chatbot technology. In: Maglogiannis I, Iliadis L, Pimenidis E, editors. Artificial intelligence applications and innovations. AIAI 2020; 2020 Jun 5–7; Neos Marmaras, Greece. Cham: Springer; 2020. p. 373–83.
Adamopoulou E, Moussiades L. Chatbots: History, technology, and applications. Mach Learn Appl. 2020; 2:100006.
Jenneboer L, Herrando C, Constantinides E. The impact of chatbots on customer loyalty: A systematic literature review. J Theor Appl Electron Commer Res. 2022;17(1):212-29.
Praracha P, Thavornwattanayong W. New strategy for medication adherence enhancement in tuberculosis patients. Thai Bull Pharm Sci. 2019;14(1):111-25. (in Thai)
Seema S, Kute S, Surabhi D, Thorat A. A review on various software development life cycle (SDLC) models. IJRCCT. 2014;3(7):776–81.
Google Cloud. Testing a Dialogflow agent [Internet]. 2023 [cited 2025 Mar 10]. Available from: https://developers.google.com/assistant/df-asdk/dialogflow/testing-best-practices
Jagadeesan U. Don’t be a confused bot: Understanding the confusion matrix in machine learning [internet]. 2024 [cited 2025 Jan 23]. Available from: https://medium.com/@uva/dont-be-a-confused-bot-understanding-the-confusion-matrix-in-machine-learning-34633cb4e2db
Joshi A, Kale S, Chandel S, Pal DK. Likert scale: Explored and explained. Br J Appl Sci Technol. 2015;7(4):396-403.
Kunlerd A. Developing an innovative health information service system: The potential of chatbot technology. J Suan Sunandha Sci Technol. 2024;11(2):61-9.
Chandel G, Anand K, Goyal K, Choudhary VK, Choudhary M, Saini SK. Healthcare chatbot for personal healthcare assistance. Proceeding of 2024 International Conference on Emerging Innovations and Advanced Computing (INNOCOMP); 2024 May 25–26; Sonipat, India. Institute of Electrical and Electronics Engineers (IEEE); 2024. p.264-69.
Kuljitjuerwong S. LINE - Communicating format on the creativity of smartphone: Benefits and limits of application. J Exec. 2013;33(4):42-54. (in Thai)
Tavichaiyuth N, Rattagan E. Developing chatbots in higher education: A case study of academic program chatbot in Thailand. [Dissertation]. Bangkok: National Institute of Development Administration; 2021. (in Thai)
Singh B, Olds T, Brinsley J, Dumuid D, Virgara R, Matricciani L, et al. Systematic review and meta-analysis of the effectiveness of chatbots on lifestyle behaviours. NPJ Digit. Med. 2023;6(1):118.
Saelim, W. Development of an automated chatbot in LINE application for trouble shooting computer related problems at Faculty of Engineering Prince of Songkla University. J CUAST. 2021;10(2):56–65. (in Thai)
Anantachai J. The development of chatbot “Nong Sabai LINE BOT” for reference service. PULINET J. 2024;11(1):93-108. (in Thai)
