公設這項標配一直都是影響集合住宅銷售率之重點因子，建商在進行建物產品定位前，會先找代銷業者分析一般大眾市場需求，了解購屋者需求偏好，進行產品規劃以提升精緻度及多元性，來增加購屋者購買意願。然而，因為住宅市場資訊不流通，購屋者缺乏足夠知識來判斷這些建商所提供之公共設施是否合乎自己的真實需求，代銷業者也無法充分掌握購屋者對公共設施的確實需要，也因此，代銷業者會在長期大眾市場供需變化之影響下，提供建商在假想之產品上不確實之市場定位，導致後續公共設施營運管理維護之問題接踵而來，或者因為維護不易而棄置做二次變更，而多出不必要之成本支出，付出巨大的代價。
本研究透過內政部實價登入部動產交易網站中，針對台北市核心行政區域信義區和大安區之實際建案，分析建案之詳細資訊及銷售率，再經由公共設施相關之文獻回顧，歸納整理出影響銷售率之關鍵因子，以進行資料探勘 (Data Mining，DM)之關聯規則(Association Analysis)統計分析，探討銷售率高其淺在之關鍵成功因素是戶數規模數量少，建築基地面積小，並且搭配一至兩項公設；再應用倒傳遞類神經網路(Back Propagation Neural Network，BPN）建立預測模型，驗證後測試準確率也有高達95%。本研究之成果，可望作為後續建築相關業者進行產品規劃之參考。

Public facilities has always been an important factor when it comes to the sales of apartment complexes. Before most architecture firms position themselves on the market, they conduct a market research to better understand the customers’demand and plan out the project plan, hence allowing them to deliver with higher quality and increase the customers’willingness to buy. However, as the real estate market functions rather inefficiently, buyers often lack the knowledge to identify the correct product that matches their needs well; agencies, under long term supply and demand changes, would also end up incorrectly positioning the product. This would further result in great losses and various problems in maintenance and management.
This report first analyzed the details and sales performance of properties in Taipei City’s Xinyi and Daan district that are listed on the government’s real estate trading website. Then, by conducting Data Mining and Association Analysis on public-facilities-related research, this report concludes that there are several key factors to a high-selling apartment complex: low number of residences, small area of land, and one to two public facilities. Lastly, by using Back Propagation Neutral Network, this report also constructed a prediction model with a 95% above accuracy. This report could serve as a guide for future architecture-related product planning.

1. 李佑麟(2013)，「集合住宅共用休閒設施使用現況及滿意度調查」，國立雲林科技大學，營建工程系所碩士論文。
2. 楊玉娟(2010)，「集合住宅公共設施使用與管理調查研究-已板橋市新板特定區史丹佛社區為例」，中國文化大學，環境設計學院及都市計劃研究所系所碩士論文。
3.沈錦吉(2003) ，「中高級集合住宅「共用空間」休閒設施使用與管理之研究---以台中市為例」，逢甲大學，建築與都市計畫所碩士論文。
4. 賴榮俊(1993)，「公寓大廈住宅共用設施之研究─以生活及休閒設施為限」，國立台灣大學，建築與城鄉所碩士論文。
5. 程清學(2009)，「社區公共空間適宜性之研究－探討對住戶管理費之影響」，國立雲林科技大學，營建工程系所碩士論文。
6. 陳覺惠(1999)，「公寓大廈共用部份適宜性與使用管理之調查研究：以臺中市為例」，內政部建築研究所偕同研究報告。
7. 章錦釗(2008)，「影響預售住宅銷售率之因素分析」，國立中央大學，土木工程學系碩士論文。
8. 張嘉哲(2005)，「都市新興公寓式集合住宅公共休閒空間規劃趨勢之研究─以台中市第五期、第七期重劃區為例」，中華大學，建築及都市規劃所碩士論文。
9. 黃元瑋(2006)，「住宅公寓大廈共用部營運成本之模型建構：於規劃設計階段預測使用階段之營運成本」，國立台灣科技大學，建築所碩士論文。
10. 储國輝(2003)，「公寓大廈公共設施之規劃特性、管理模式與使用行為」，國立台灣科技大學，建築所碩士論文。
11. 翁國超(1993)，「中庭式集合住宅「共用空間」使用與管理問題之研究------以台中市第四、五期重劃區為例」，東海大學，建築及都市規劃所碩士論文。
12. 許育彰(2003)，「模擬飽和砂土抗剪行為之倒傳遞網路特性及其於有限元素法之應用」，中華大學，土木工程所碩士論文。
13. 洪子茵(2001)，「台北市集合住宅管理維護模式之研究」，政治大學，地政所碩士論文。
14. 花敬群、張金鶚(1999)，「住宅空間次市場價格比例與市場規模之關係」，《都市與計劃》，第 26期，pp79-94。
15.林宛宣(2019)，「應用資料探勘於台北市住宅竊盜環境特性之關聯研究」，國立台灣科技大學，建築學系碩士論文。
16.林學儒(2019)，「高層集合住宅立面設計之成功關鍵因子」，國立台灣科技大學，建築學系碩士論文。
17.李珮瑄(2020)，「以資料探勘技術探討綠建築等級、技術及成本關聯性」，國立台灣科技大學，建築學系碩士論文。
18.林展平(2004)，「資料探勘分類技術於游泳會員流失區別模型之研究」，國立台灣師範大學，運動休閒與餐旅管理研究所碩士論文。
19.葉怡成(2003)，「類神經網路模式應用與實作」，儒林圖書。
20.陳聰亨(2006)，「好宅-集合住宅設計與品質」，詹式書局。
21. Han,J.& Kamber,M & Pei,J.(2005). Data Mining:Concepts and Techniques,Second Edition MA:Morgan Kaufmann
22. Witten,I.H,Frank,E.and Hall,M.A.(2011). Data Mining:Practical Machine Learning Tools and Techniques(Third Edition).Annals of Physics.
23. Berry,M.J.A,& Linoff,G.S.(1997). Data mining techniques:For marketing,sales, & customer support New York: Wiley Computer
24. Fayyad,U.,Piatetsky-Shapiro,G., & Smyth P,(1996). From Data Mining to Knowledge Discovery in Databases.AI Magazine,37-54.
25. Murray,S.(1993). Neural Networks for Statistical Modeling. NY: Van Nostrand Reinhold.
26. Han,J.& Kamber,M(2010). Data Mining:Concepts and Techniques, Morgan Kaufmann publishers,