隨著時代的演進與科技日新月異進步，在觀看電視劇的方式從傳統的螢幕裝置如電視進而到電腦，後來科技產品發明出行動手機與行動平板等螢幕裝置，皆是觀看電視劇的裝置之一，因網際網路與科技進步造就閱聽人在接收各類資訊的速度與內容比以前更具時效性與方便性，現今閱聽人的生活、網路、科技產品幾乎不可分離。
　　網路與科技讓如今有網路影音平台、電子商務、網路社群等相關產業出現，網路有可能是未來各產業的無限潛力的武器，因此電視劇製作人要如何在精準地在合適的螢幕裝置推廣電視劇給目標族群、如何地有效利用網路社群的優勢來提升知名度、或是如何在觀看電視劇，利用互動技術來結合隨看隨買的方式來進行虛擬購物，便是本研究的最重要目的。
　　本研究以問卷調查法的方式，透過資料探勘的集群分析(Cluster Analysis)與關聯法則(Association rule)，歸納出閱聽人的輪廓，並探討閱聽人輪廓與偏好、劇情內容偏好與網路社群行為的關聯性、螢幕裝置與跨螢消費行為的關聯性，從閱聽人、電視劇製作人和品牌產品商三方面的交互關係，瞭解現今至螢幕閱聽人是否有特定的偏好或者潛在的需求，並從中找出是否有可行的跨螢服務與數位行銷模式，以提供電視劇製作公司及品牌產品商作行銷策略上之參考。

With time changing and technology evolution going on, people no longer watched shows/dramas through traditional-screen televisions because computers came out to be another option; mobile phones and tablets installed with improved screens were invented afterwards. The Internet delivers various kinds of information to audiences more efficiently that we can barely imagine dissociation with the Internet or technological products in the modern society of today.
Online video platform, e-commerce, social networking and relevant industries are generated. Given that unlimited potential of the Internet is in all probability used to develop future business, the main purpose behind the whole research process is to guide producers：to target audience with television shows/dramas in right devices, to take advantage of social networking and raise popularity, to bring in interactive technology for audience simultaneous purchase.
Questionnaire survey included, we outline audience background, make discussion on different categories, on the relationship between plot preferences and social networking behaviors, also the relationship between devices and cross-screen consuming behaviors based on Cluster Analysis and Association rule from Data mining, and finally generate cross-screen service and digital marketing campaign by perceiving audience’s current partiality or latent demand via the interaction of audience, producer, and brand company.

謝辭	I
中文摘要	II
英文摘要	III
目錄	IV
表目錄	VIII
圖目錄	IX
第一章 緒論	1
1.1 研究背景與動機	1
1.2 研究問題與目的	7
1.3 研究方法與流程	8
第二章 文獻探討	10
2.1 電視劇內容與收視發展	10
2.1.1電視劇內容	10
2.1.2電視劇收視與發展	11
2.2 跨螢行為	14
2.2.1多螢現象與趨勢	15
2.2.2多螢模式	17
2.2.3小結	18
2.3 網路社群	18
2.3.1社群定義	19
2.3.2網路社群定義	21
2.4 推薦機制	24
2.4.1推薦機制之定義	24
2.4.2推薦機制之技術	25
2.5 資料探勘	28
2.5.1資料探勘的定義	28
2.5.2資料探勘的功能	31
2.5.3資料探勘的流程	33
第三章 研究方法	34
3.1 研究設計與架構	34
3.2 系統架構圖與資料庫設計	35
3.2.1系統架構與流程	35
3.3 資料庫的設計與建立	37
3.4 問卷設計與發放	44
3.4.1問卷設計	44
3.4.2抽樣方法	47
3.4.3問卷發放	48
3.5 關聯法則與集群分析	49
3.5.1關聯法則	49
3.5.2 Apriori演算法	52
3.5.3集群分析	54
3.6 資料庫分析軟體 SPSS Modeler	57
第四章 資料探勘與實證分析	58
4.1 回收樣本結構描述	58
4.2 K-means集群分析之探勘	61
4.2.1分群後之閱聽人輪廓	63
4.3 Apriori關聯性資料探勘	67
4.4 閱聽人輪廓與電視劇內容之電視劇開發分析	68
4.4.1集群一（行動小資族）閱聽人輪廓與電視劇內容之關聯	68
4.4.2集群二（居家男女族）閱聽人輪廓與電視劇內容之關聯	70
4.4.3集群三（潮宅學生族）閱聽人輪廓與電視劇內容之關聯	72
4.4.4小結	73
4.5 閱聽人劇情內容偏好與網路社群行為之探勘分析	74
4.5.1集群一（行動小資族）劇情內容偏好與網路社群行為之關聯	74
4.5.2集群二（居家男女族）劇情內容偏好與網路社群行為之關聯	77
4.5.3集群三（潮宅學生族）劇情內容偏好與網路社群行為之關聯	79
4.5.4小結	81
4.6 螢幕裝置整合與跨螢消費之推薦機制分析	81
4.6.1集群一（行動小資族）螢幕裝置整合與跨螢消費之關聯	81
4.6.2集群二（居家男女族）螢幕裝置整合與跨螢消費之關聯	83
4.6.3集群三（潮宅學生族）螢幕裝置整合與跨螢消費之關聯	85
4.6.4小結	88
第五章 結論與後續研究建議	89
5.1 研究結論	89
5.1.1閱聽人輪廓與電視劇開發之結論	90
5.1.2電視劇網路社群行為之結論	91
5.1.3跨螢行為與數位行銷之結論	93
5.2 管理意涵	95
5.2.1閱聽人輪廓與電視劇開發之管理意涵	95
5.2.2電視劇網路社群行為之管理意涵	102
5.2.3跨螢行為與數位行銷之管理意涵	109
5.3 研究限制	116
5.4 後續研究建議	117
參考文獻	118
附錄一	134

表2-1各學者對社群之定義	19
表2-2各學者對網路社群之定義	21
表2-3各學者對推薦機制之定義	24
表2-4各學者對資料探勘之定義	30
表2-5資料探勘流程	33
表3-1實體、關聯與屬性的概述	39
表3-2問卷發放回收情形	49
表4-1問卷回收統計表	58
表4-2基本資料統計表	59
表4-3 K-means分群結果	66
表4-4集群一閱聽偏好習慣與電視劇類型之關聯法則	69
表4-5集群二閱聽偏好習慣與電視劇類型之關聯法則	71
表4-6集群三閱聽偏好習慣與電視劇類型之關聯法則	73
表4-7集群一劇情內容偏好與網路社群行為之關聯法則	76
表4-8集群二劇情內容偏好與網路社群行為之關聯法則	78
表4-9集群三劇情內容偏好與網路社群行為之關聯法則	80
表4-10集群一螢幕裝置整合與跨螢消費之關聯法則	83
表4-11集群二螢幕裝置整合與跨螢消費之關聯法則	85
表4-12集群三螢幕裝置整合與跨螢消費之關聯法則	87
表5-1各集群之電視劇開發建議	98
表5-2各集群之社群平台行為建議	105
表5-3跨螢消費與數位行銷之建議	111
表5-4跨螢行為與數位行銷經營模式之建議	114

圖1-1亞洲與台灣擁有不同裝置數量的多螢使用者比例	1
圖1-2行動裝置使用者使用活動前三名比例	3
圖1-3行動手機使用者在不同時段之偏好觀看內容	4
圖1-4螢幕使用者在不同時段之觀影率	5
圖1-5研究流程圖	9
圖3-1研究架構圖	35
圖3-2系統架構圖	36
圖3-3概念性資料庫：E-R圖	40
圖3-4邏輯性資料庫設計圖	42
圖3-5實體資料庫關聯圖	43
圖3-6問卷架構圖	46
圖3-7 Apriori演算法產生之後選項目集合與高頻項目集合	54
圖3-8資料探勘工具滿意度（2013）	57
圖4-1集群大小分配圖	61
圖4-2集群分布圖	62
圖4-3資料探勘模型路徑圖	67
圖4-4集群一電視劇習慣偏好之蛛網圖	68
圖4-5集群二電視劇習慣偏好之蛛網圖	70
圖4-6集群三電視劇習慣偏好之蛛網圖	72
圖4-7集群一劇情內容與資訊整合之蛛網圖	74
圖4-8集群二劇情內容與資訊整合之蛛網圖	77
圖4-9集群三劇情內容與資訊整合之蛛網圖	79
圖4-10集群一螢幕裝置整合之蛛網圖	82
圖4-11集群二螢幕裝置整合之蛛網圖	84
圖4-12集群三螢幕裝置整合之蛛網圖	86
圖5-1電視劇開發於電視劇內容之知識地圖	101
圖5-2電視劇網路社群行為之知識地圖	106
圖5-3跨螢消費之知識地圖	112

尹相志（2004）。資料採礦－網際網路應用與顧客價值管理。台北，維科出版社。
王小涵（1967）。漫談電視劇──兼及台視電視戲劇的演播，《廣播與電視》，4：85-104。台北：中華民國廣播事業協會。
何宜霖（2014）日本、韓國及台灣偶像劇市場之競爭區位分析—閱聽人資源角度之探討。國立中正大學電訊傳播研究所碩士班學位論文。
吳東權(1986)。螢光幕後。台北：行政院文化建設委員會。
吳書緯（2015）。資料探勘於網路互動式科技整合性行銷之研究。淡江大學管理科學學系碩士班學位論文。
李天鐸（主編）（2002）。日本流行文化在台灣與亞洲I。台北：遠流。
周婉菱（2011）。鄉土劇不鄉土？－《天下父母心》邊拍邊播的產製策略和網路迷群文化。國立臺灣師範大學大眾傳播研究所碩士論文。
周雅涵（2011）。虛擬社群知識分享能力影響因素之研究探討─以PTT、FACEBOOK為例。未出版碩士論文，國立虎尾科技大學經營管理研究所。
林怡辰（2015），多螢幕時代來臨，電子商務經營策略探討－以ＭＯＭＯ購物網為例。國立台北大學企業管理學系碩士論文，台北市。
林芸妃（2011）。資料採礦應用於網上社群使用行為與購物行為探勘之研究。淡江大學管理科學學系碩士班學位論文。
林韋葳（2014）。全球電視、科技與觀眾接收：年輕世代的多國電視劇收視初探。國立政治大學廣播電視學碩士班學位論文。
林雅婷(2012)。無線電視時代美國影集在台灣的播映脈絡研究。《文化研究月報》，127；1-26。
林慶德（2003）。資料庫管理與應用。台北，培生。
金尚屏（2008）。高雄市高中職校教師專業社群互動、教學輔導創新與教學效能關係之研究（未出版碩士論文）。國立高雄師範大學，高雄市。
徐敏雄（2008），臺灣基督長老教會社會服務事工的發展，第六章，第一節，註釋，國立中正大學社會福利學系碩士論文。
徐鉅昌（1967）。美國電視劇的分析與批評，《廣播與電視》，5：53-61。台北：中華民國廣播事業協會。
徐鉅昌(2001)。電視理論與實務。台北：亞太圖書。
高世威(2000)。電視戲劇節目製播流程之品質管制探討。國立政治大學廣播電視研究所碩士論文。
張芸韶（2008）。同時性媒體使用之初探性研究。國立交通大學傳播研究所碩士論文。
張美玲（2003），網路虛擬社群類型之比較研究。國立台北大學企業管理學系碩士論文，台北市。
陳冠勳（2015）。多螢幕的閱聽行為與愉悅經驗：以運動賽事為例。國立中正大學電訊傳播研究所碩士班學位論文。
程紹淳（2010）。瓊瑤電視戲劇風格的蛻變：《還珠格格》－一個類型（genre）的分析，《傳播與管理研究》，9（2）：107-148。
黃暖雲(2005)。從台灣本土偶像劇分析其發行窗口模式，「數位多媒體產業的製播與行銷學術研討會」論文。台北。
萬榮水、梁瑞文（2007）。虛擬社群形成之意義及衡量指標之探討：以網路書店為例。資訊社會研究，13，295-317。
廖述賢（2007）。資訊管理。台北，雙葉書廊。
廖述賢和溫志皓（2012）。資料探勘理論與應用： 以 IBM SPSS modeler為範例。台北，博碩文化股份有限公司。
趙庭輝（2005）。電視偶像劇【薰衣草】：愛情神話的建構與再現，《朝陽人文社會學刊》，3(2)：131-171。
劉菁菁(1987)。電視戲劇節目描述的人際衝突及其疏解之研究。國立政治大學新聞研究所碩士論文。
蔡秉宏（2012）。一心多用？網路使用者在上網同時使用其他媒體的動機與行為。國立臺灣大學新聞研究所碩士論文。
蔡琰（2002）。裸根百合？台灣電視劇風雲追憶，「台灣電視四十年回顧與前瞻研討會」論文。台北。
蔡碧鳳（2003）。策略創業軌迹之探討。國立清華大學科技管理研究所碩士學位論文。
謝邦昌（2014）。SQL Server資料採礦與商業智慧-適用SQL Server。台北，出版社：碁峰。
簡俊成、方婷婷（2005）。虛擬社群商業化之紮根理論研究。管理評論，24(3)，43-67。
 
二、	英文部分
Adomavicius, G., & Tuzhilin, A. (2005). Toward the next generation of recommender systems： A survey of the state-of-the-art and possible extensions. Knowledge and Data Engineering, IEEE Transactions on, 17(6), 734-749.
Agrawal, R., & Srikant, R. (1994). Fast Algorithms for Mining Association Rules.Porceeding of the 20th International Conference on Very Lagrge Database,487-499.
Agrawal, R., Imielinski, T., & Swami, A. (1993). Mining association rules between sets of items in large databases. ACM SIGMOD Conference, Washington DC,USA, 254-259.
Alspector, J., Kolcz, A., & Karunanithi, N. (1998). Comparing feature-based and clique-based user models for movie selection. Paper presented at the Proceedings of the Third ACM Conference on Digital Libraries, 11-18. Applications, 26, 427-434.
Baym, N. K.(1998).The emergence of on-line community. cybersociety, 2(0), 35-68.
Beamish, A. (1995). Communities on-line： community-based computer networks (Doctoral dissertation, Massachusetts Institute of Technology).
Bender, Thomas (1978), Community and Social Change in America, New Brunswick, NJ： Rutgers University Press.
Berry, M. J. A., & Linoff, G. (1997). Data Mining Techniques for marketing, sales, and customer support. NY, John Wiley and Sons Inc.
Bressler, S. E., & Grantham, C, E. (2000) Communities of commerce, New York：McGraw Hill.
Chen, P. S. (1976). The Entity-Relationship Model-Toward a Unified View Of Data. ACM Transactions on Database System. 1(1), 9-36 .
Christian Fuchs(2017). Sustainability and community networks, Telematics and Informatics, Volume 34, Issue 2, May 2017, Pages 628-639. 
Coenen, F., Graham, G. & Leng, P. (2004). Tree structures for mining association rules. Data Mining and Knowledge Discovery, 8(1), 25-51.
Colleen, M. (2015). Data Mining and Predictive Analysis： Intelligence Gathering and Crime Analysis (2th ed.). Butterworth-Heinemann Press. constraints. Paper presented at the KDD, 97, 67-73.discovery in database. AI Magazine, 17(3), 37-54.
Díaz-Chao, Á., Torrent-Sellens, J., Lacasta-Tintorer, D., & Saigí-Rubió, F. (2014). Improving Integrated Care： Modelling the performance of an online community of practice. International journal of integrated care, 14(1).
Etzioni, A. E. O. (1999). Face-to-face and computer-mediated communities, a comparative analysis. The information society, 15(4), 241-248.
Fayyad, U., Gregory, P. S. & Smyth, P. (1996). Form data mining to knowledge
Flamingo & Ipsos OTX. (2013). Cross-screen engagement：multi-screen pathways
Foehr, U. G. (2006). Media multitasking among American youth： prevalence, predictors and pairings. Henry J. Kaiser Family Foundation.
Frawley, W. J., Gregory, P. S. & Matheus, C. J. (1991). Knowledge Discovery in Database：An Overview, Knowledge Discovery in Database. AI Magazine, 13(3),57-70.
Goldberg, D., Nichols, D., Oki, B. M., & Terry, D. (1992). Using collaborative filtering to weave an information tapestry. Communications of the ACM, 35(12), 61-70.
Hagel, J. Armstrong. (1997). AG： net gain. expanding markets through Virtual communities.
Hajli, N., & Sims, J. (2015). Social commerce： The transfer of power from sellers to buyers. Technological Forecasting and Social Change, 94, 350-358.
Haubl, G., & Murray, K. B. (2005). Double agents： assessing the role of electronic product recommendation systems. Sloan Management Review, 47(3), 8-12.
Heller, K. (1989), The return to community. American Journal of Community Psychology, 17： 1–15. doi：10.1007/BF00931199
Herlocker, J. L., Konstan, J. A., Terveen, L. G., & Riedl, J. T. (2004). Evaluating collaborative filtering recommender systems. ACM Transactions on Information Systems (TOIS), 22(1), 5-53.
Hofacker, C. F., Malthouse, E. C.,& Sultan, F. (2016). Big data and consumer behavior： Imminent opportunities. The Journal of Consumer Marketing, 33(2), 89-97.
Hoffer, J. A., George, J. F. & Valacich, J. S. (2002). Modern System Analysis and Design.(3rd ed.). Upper Saddle River, NJ, Prentice Hall.
Hui, S., & Jha, G. (2000). Data mining for customer service support. Information and Management, 38(1), 1-13.
Ikioda, F., & Kendall, S. (2016). Transformation of health visiting services in England using an Online Community of Practice. Health Policy and Technology, 5(3), 298-306.
James H. McAlexander, John W. Schouten, Harold F. Koenig (2002) Building Brand Community. Journal of Marketing： January 2002, Vol. 66, No. 1, pp. 38-54.
Kantardzic, M. (2011). Data mining： Concepts, models, methods, and Algorithms. Wiley-IEEE Press.
Katarya, R., & Verma, O. P. (2016). A collaborative recommender system enhanced with particle swarm optimization technique. Multimedia Tools and Applications, 75(15), 9225-9239.
Koh, J., & Kim, Y. G. (2004). Knowledge sharing in virtual communities： an e-business perspective. Expert systems with applications, 26(2), 155-166.
Komito, L. (2011). Social media and migration： Virtual community 2.0. Journal of the American Society for Information Science and Technology, 62(6), 1075-1086.
Kouris, I. N., Makris, C. H. & Tsakalidis, A. K. (2005). Using information retrieval techniques for supporting data mining. Data and Knowledge Engineering, 52(3), 353-383.
Kristin, R. N., & Matkovsky, I. P. (1999). Using Data Mining Techniques for Fraud Detection. SAS Institute Inc. and Federal Data Corporation. 
Lee, F. S., Vogel, D., & Limayem, M. (2003). Virtual community informatics： A review and research agenda. JITTA： Journal of Information Technology Theory and Application, 5(1), 47.
Liao, S., & Chou, E. Y. (2012). Intention to adopt knowledge through virtual communities： posters vs lurkers. Online Information Review, 36(3), 442-461.
Linton, F., & Schaefer, H. P. (2000). Recommender systems for learning： building user and expert models through long-term observation of application use. User Modeling and User-Adapted Interaction, 10(2-3), 181-208.
Mansingh, G., Rao, L., Osei-bryson, K. & Mills, A. (2015). Profiling internet banking users： A knowledge discovery in data mining process model based approach. Information Systems Frontiers, 17(1), 193-215.
Markham, S. K., Kowolenko, M. & Michaelis, T. L. (2015). Unstructured text analytics to support new product development decisions. Research Technology Management, 58(2), 30-38. 
Nicholson, S. (2006). The basis for bibliomining： Frameworks for bringing together usage-based data mining and bibliometrics through data warehousing in digital library services. Information Processing and Management, 42(3), 785-804.
Ortega, F., Bobadilla, J., Hernando, A., & GutiéRrez, A. (2013). Incorporating grouprecommendations to recommender systems： Alternatives and performance.Information Processing and Management： An International Journal, 49(4), 895-901.
Padmanabhan, B., & Tuzhilin, A. (2002). Knowledge refinement based on the discovery of unexpected patterns in data mining. Decision Support Systems, 33(3), 309-321.
Plant, R. (2004). Online communities. Technology in society, 26(1), 51-65.
Rashid, A. M., Albert, I., Cosley, D., Lam, S. K., McNee, S. M., Konstan, J. A., & Riedl, J. (2002, January). Getting to know you： learning new user preferences in recommender systems. In Proceedings of the 7th international conference on Intelligent user interfaces (pp. 127-134). ACM.recommender system for the cosmetic business. Expert Systems with
Ray, D., McCray, R., Gullo, D., & Prasad, J. (2016). U.S. Patent Application No. 15/219,268.
Ray, D., McCray, R., Gullo, D., & Prasad, J. (2017). U.S. Patent Application No. 15/421,243.
Resnick, P., & Varian, H. R. (1997). Recommender systems. Communications of the ACM, 40(3), 56-58.
Rheingold,H.(1993). The virtual community：Finding commection in a computerized world. Addison-Wesley Longman Publishing Co., Inc..
Ricci, F. (2002). Travel recommender systems. IEEE Intelligent Systems, 17(6), 55-57.
Rothaermel, F. T., & Sugiyama, S. (2001). Virtual internet communities and commercial success： individual and community-level theory grounded in the atypical case of TimeZone. com. Journal of management, 27(3), 297-312.
Salvucci, D. D. (2005). A multitasking general executive for compound Continuous tasks. Cognitive Science, 29, 457-492.
Shaw, M. J., Subramaniam, C., Tan, G. W., & Welge, M. E. (2001). Knowledge management and data mining for marketing. Decision Support Systems, 31(1), 127-137.
Smith, M. A., & Kollock, P. (1999). Communities in cyberspace. Psychology Press.
Sridhar Balasubramanian, V. M. (2001). The economic leverage of the virtual community. International Journal of Electronic Commerce, 5(3), 103-138.
Srikant, R. & Agrawal, R. (1997). Mining association rules with item constraints. Paper presented at the KDD, 97, 67-73.
Tönnies, F. (1887). Community and society. The urban sociology reader, 13.
Ujjin, S., & Bentley, P.J. (2003). Particle Swarm Optimization Recommender System Swarm Intelligence Symposium. Proceedings of the 2003 IEEE.
Wang Y. F., Chuang Y. L., Hsu, M. H., and Keh H. C.（2004）. A personalized
Wang, W., & Benbasat, I. (2008). Attributions of trust in decision support technologies： A study of recommendation agents for e-commerce. Journal of Management Information Systems, 24(4), 249-273.
Wen-Jun Li, Qiang Dong, Yang-Bo Shi, Yan Fu, & Jia-Lin He. (2017). Effect of recent popularity on heat-conduction based recommendation models. Physica A： Statistical Mechanics and its Applications, Volume 474, 15 May 2017, 334-343.
Xiao, B., & Benbasat, I. (2007). E-commerce product recommendation agents： Use, characteristics, and impact. Mis Quarterly, 31(1), 137-20.
Zhang, Z., Lin, H., Liu, K., Wu, D., Zhang, G., & Lu, J. (2013). A hybrid fuzzy-basedpersonalized recommender system for telecom products/services. Information Sciences： An International Journal, 235(20), 117-129.
三、	網路部分
沛星互動科技（2016）。「2016上半年台灣跨螢使用者行為報告調查」。2017年1月10日，取自：https：//www.appier.com/zh/reports.html。
財團法人資訊工業策進會（2016）。「2016年7月資策會FIND大型電訪調查」。
財團法人資訊工業策進會（2016）。「行動購物消費者調查-跨螢購物行為占整體網購近50%」。2017年1月18日，取自：http：//mic.iii.org.tw/IndustryObservations_PressRelease02.aspx?sqno=430&cred=2016/03/28&type1=2
財團法人資訊工業策進會（2016）。「跨境網購動機 朝價格低、品質佳兩極發展」。2016年12月18日，取自：http：//mic.iii.org.tw/IndustryObservations_PressRelease02.aspx?sqno=448&cred=2016/12/01&type1=2 
凱絡媒體（2012）。「Social TV：打造全新電視體驗」。2017年3月10日，取自凱絡媒體週報http：//twncarat.wordpress.com/2012/11/08/。
維基百科（2014a）。「八點檔」。2017年3月10日，取自http：//zh.wikipedia.org/wiki/八點檔。
維基百科（2014b）。「臺灣電視劇」。2017年4月10日，取自http：//zh.wikipedia.org/wiki/臺灣電視劇。
維基百科（2014c）。「香港電視劇」。2017年3月16日，取自http：//zh.wikipedia.org/wiki/香港電視劇。
數位時代（2016）。「台灣新創創意點子攜手三立推電視影音導購，要讓你邊看邊買」。2017年2月10日，取自https//www.bnext.com.tw/article/38590/BN-2016-01-27-174018-143。