淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


下載電子全文限經由淡江IP使用) 
系統識別號 U0002-1907202019120500
中文論文名稱 資料探勘於網路直播平台行為與推薦機制之研究
英文論文名稱 The Study of Data Mining Approach Implements on Webcast Online Live Stream Behaviors and Recommendation System
校院名稱 淡江大學
系所名稱(中) 管理科學學系企業經營碩士班
系所名稱(英) Master's Program In Business And Management, Department Of Management Sciences
學年度 108
學期 2
出版年 109
研究生中文姓名 張鎬宇
研究生英文姓名 Hao-Yu Chang
學號 607620258
學位類別 碩士
語文別 中文
口試日期 2020-06-20
論文頁數 134頁
口試委員 指導教授-廖述賢
委員-吳家齊
委員-王維康
中文關鍵字 網路直播  直播電商  置入性行銷  資料探勘  推薦機制 
英文關鍵字 Webcast  Live e-commerce  Placement Marketing  Data Mining  Recommendation 
學科別分類
中文摘要 網路基礎建設的提升,行動裝置已經和現代人形成密不可分的關係,讓直播平台快速的拓展打造出平台的豐富度及新鮮感,才能滿足觀眾需求。直播所帶給觀眾即時性及互動性讓直播的過程中創造話題,而各個族群觀看的直播動機也有所不同,從傳統直播擴展到零售電子商務上,營造新型態的觀看方式,使得網路直播平台業者不得不提升自家的服務及品質,才能增加自身在市場的競爭性。
本研究採用問卷調查的方式,整理分類建立出資料庫進行資料的探勘。研究中以集群分析與關聯法則之方法,歸納出使用者的輪廓,進而探討不同族群使用者的行為、網路直播消費行為偏好與服務推薦之關聯,歸納出尚未被發現的潛在需求,給予觀看者有一個好的觀看品質及體驗,將不同族群的管理意涵及知識行銷地圖進行統整,提供給網路直播平台、電子商務平台業者與平台直播主加強行銷方式,來調整營運方向及行銷策略能作為參考。
英文摘要 With the improvement of network infrastructure, mobile devices have formed an inseparable relationship with today's people, allowing the live broadcast platform to expand rapidly, creating the richness and freshness of the platform to meet the needs of the audience. The live broadcast brings the audience's immediacy and interactivity, creating a topic in the live broadcast process, and the live broadcast motives of each group are also different, extending to create a new viewing mode in retail e-commerce, online Live broadcast platform operators must upgrade the service and quality of the platform to enhance their competitiveness in the market.
This study, a questionnaire survey was used to sort out and establish a database for data exploration. In the study, cluster analysis and association rules were used to summarize the user's profile, and then to explore the relationship between the behaviors of different ethnic groups, online live broadcast consumer behavior preferences and service recommendations, and to summarize potential needs that have not been discovered and give them to watch. The viewer has a good viewing quality and experience, integrates the management meaning and knowledge marketing map of different ethnic groups, and provides it to online live broadcast platforms, e-commerce platform operators and live broadcasters to strengthen the marketing method to adjust the operation direction and marketing Strategy can be used as a reference.
論文目次 目錄
謝辭 I
中文摘要 II
英文摘要 III
目錄 IV
表目錄 VIII
圖目錄 X
第一章 緒論 1
1.1研究背景與動機 1
1.2研究目的 6
1.3研究方法與流程 7
第二章 文獻探討 9
2.1 網路直播 9
2.1.1網路直播之定義 9
2.1.2網路直播主的商業模式 12
2.2. 直播電商 13
2.2.1直播電商之背景與定義 13
2.2.2直播電商之商業模式 14
2.2.3直播電商之挑戰及風險 16
2.3置入性行銷 17
2.3.1置入性行銷之定義 17
2.4資料探勘 19
2.4.1資料探勘之定義 19
2.4.2資料探勘的功能 21
2.4.3資料探勘的流程 22
2.5推薦機制 25
2.5.1推薦機制之定義 25
2.5.2推薦機制之方式 26
2.5.3推薦機制小結 27
第三章 研究方法 28
3.1研究設計與架構 28
3.2資料庫的設計與建立 29
3.3問卷設計 38
3.5關聯法則與集群分析 39
3.5.1關聯法則 39
3.5.2 APRIORI演算法 42
3.5.3集群分析 44
3.6資料分析軟體 SPSS MODELER 46
第四章 資料探勘與實證分析 47
4.1 回收樣本結構描述 47
4.2.K-MEANS集群分析之探勘 49
4.2.1分群結果之使用者輪廓 52
4.3 APRIORI關聯性資料探勘 57
4.4 使用者行為與直播平台種類及內容之關聯分析 58
4.4.1集群一(潮流趨勢上班族) 使用者行為與直播平台種類及內容之關聯 58
4.4.2集群二(社交生活熟男族) 使用者行為與直播平台種類及內容之關聯 60
4.4.3集群三(無印風格小資族) 使用者行為與直播平台種類及內容之關聯 62
4.4.4小結 64
4.5直播平台使用者行為與消費行為之關聯分析 66
4.5.1集群一(潮流趨勢上班族) 直播平台使用者行為與消費行為之關聯 66
4.5.2集群二(社交生活熟男族) 直播平台使用者行為與消費行為之關聯 68
4.5.3集群三(無印風格小資族) 直播平台使用者行為與消費行為之關聯 70
4.5.4小結 72
4.6直播平台推薦機制與服務建議之關聯分析 73
4.6.1集群一(潮流趨勢上班族) 直播平台推薦機制與服務建議之關聯 73
4.6.2集群二(社交生活熟男族) 直播平台推薦機制與服務建議之關聯 75
4.6.3集群三(無印風格小資族) 直播平台推薦機制與服務建議之關聯 77
4.6.4小結 79
第五章 結論與後續研究建議 83
5.1 研究結論 83
5.1.1使用者行為與直播平台種類及內容之結論 83
5.1.2直播平台使用者行為與消費行為之結論 84
5.1.3直播平台各集群推薦機制與服務建議之結論 85
5.2管理意涵 86
5.2.1使用者行為與直播平台種類及內容之管理意涵 86
5.2.2直播平台使用者行為與消費行為之管理意涵 94
5.2.3 直播平台各集群推薦機制與服務建議之管理意涵 102
5.3研究限制 108
5.4後續研究建議 109
參考文獻 110
附錄一 126

表目錄
表1-1台灣觀眾主要收看的節目平台上直播的內容類型 4
表2-1網路直播直播之定義 10
表2-2網路直播興起之原因 11
表2-3資料探勘之定義 20
表2-4資料探勘流程 24
表2-5推薦機制之方式 26
表3-1 實體、關聯與屬性的概述 31
表3-2 問卷發放回收情形 39
表4-1問卷回收統計表 47
表4-2基本資料統計表 48
表4-3 K-MEANS分群結果 55
表4-4集群一使用者行為與直播平台種類及內容之關聯法則 59
表4-5集群二使用者行為與直播平台種類及內容之關聯法則 61
表4-6集群三使用者行為與直播平台種類及內容之關聯法則 63
表4-7使用者行為與直播平台種類及內容之三群異同處 65
表4-8集群一直播平台使用者行為與消費行為之關聯法則 67
表4-9集群二直播平台使用者行為與消費行為之關聯法則 69
表4-10集群三直播平台使用者行為與消費行為之關聯法則 71
表4-11直播平台使用者行為與消費行為之整合建議三群異同處 72
表4-12集群一直播平台推薦機制與服務建議之關聯法則 75
表4-13集群二直播平台推薦機制與服務建議之關聯法則 77
表4-14直播平台推薦機制與服務建議之關聯法則 79
表4-15直播平台推薦機制與服務建議之三群異同處 81
表5-1使用者行為與直播平台種類及內容之整合建議 90
表5-2直播平台使用者行為與消費行為之整合建議 98
表5-3直播平台各集群推薦機制與服務建議之整合建議 104

圖目錄
圖1-1觀看直播平台偏好調查 2
圖1-2 直播結合電子商務商業模式 3
圖1-4研究流程圖 8
圖2-1購物模式 15
圖2-2直播電商商業模式 15
圖2-3置入性行銷表現 19
圖3-1研究架構圖 29
圖3-2 概念性資料庫:E-R圖 32
圖3-3邏輯性資料庫設計圖 35
圖3-4雪花綱要設計圖 37
圖3-5實體資料庫關聯圖 37
圖3-6問卷架構圖 38
圖3-7 APRIORI演算法產生之後選項目集合與高頻項目集合推導過程 43
圖3-8資料探勘工具滿意度(2018) 46
圖4-1 SPSS MODELER資料節點串流圖-資料探勘 50
圖4-2集群大小分配圖 51
圖4-3集群分佈圖 51
圖4-4資料探勘模型路徑圖 57
圖4-5集群一使用者行為與直播平台種類及內容之關聯圖 58
圖4-6集群二使用者行為與直播平台種類及內容之關聯圖 60
圖4-7集群三使用者行為與直播平台種類及內容之關聯圖 62
圖4-8集群一直播平台使用者行為與消費行為之關聯圖 66
圖4-9集群二直播平台使用者行為與消費行為之關聯圖 68
圖4-10集群三直播平台使用者行為與消費行為之關聯圖 70
圖4-11集群一直播平台推薦機制與服務建議之關聯圖 74
圖4-12集群二直播平台推薦機制與服務建議之關聯圖 76
圖4-13集群三直播平台推薦機制與服務建議之關聯圖 78
圖5-1使用者行為與直播平台種類及內容之知識地圖 92
圖5-2直播平台使用者行為與消費行為之知識地圖 100
圖5-3直播平台各集群推薦機制與服務建議之知識地圖 106

參考文獻 一. 中文資料
尹相志(2007)。SQL Server 2005 Data Mining資料採礦與Office 2007資料探礦增益集。台北市:悅知文化,176-183。

史亞娟(2016)。〈電商+直播,「網紅經濟」玩出新花樣〉,中外管理,09,37-39。

朱楚文(2010)。部落客不能說的秘密-揭開置入性行銷的神秘面紗(未出版之碩士論文)。國立臺灣大學,台北市。

呂柯瑭 (2018)。影響女性消費者購買口紅之關鍵因素 —使用AHP方法(未出版碩士論文)。私立東吳大學,台北市。

李文立 (2016)。網路直播的特點及發展。數字傳媒研究,33(8),74-76。

李妍慧 (2018)。YouTuber 可信度對消費者購買意願的影響:置入性行銷的角色(未出版碩士論文)。私立嶺東科技大學,台中市。

李佳儒 (2016)。置入性行銷、品牌知名度與代言人吸引力對購買意願影響之研究-以鮮一杯咖啡為例(未出版碩士論文)。私立實踐大學,台北市。

林文燦、柯美珠、王文杉 (2007)。以資料探勘技術應用於教育訓練課程之規劃 ─以某 A 汽車公司為例(摘要)。中華民國品質學會第四十三屆年會第十三屆全國品質管理研討會論文集,新竹市。

林展平、施致平 (2005)。資料探勘分類技術於游泳會員流失區別模型之研究。 師大學報:人文與社會類,50(2),89-106。

林慶德(譯) (2003)。 資料庫管理與應用(原作者:Jeffrey, A. H., Marry, B.P., & Fred, R. M.)。台北市:台灣培生教育出版股份有限公司。

徐赫 (2018)。以直播主人格特質和觀眾人格特質探討網路直播知覺場景對觀眾投入之影響(未出版碩士論文)。國立臺北科技大學,台北市。

翁慈宗(2009)。資料探勘的發展與挑戰。科學發展期刊,442 ,34-37。

高可殷 (2010)。個人部落格之置入性行銷對購買意願影響之因素探討-以美妝產品為例(未出版碩士論文)。國立屏東科技大學,屏東縣。

郭岱姿 (2019)。Tik Tok知覺有用性、知覺易用性和置入性行銷對消費者購買意願的影響(未出版碩士論文)。私立嶺東科技大學,台中市。

張勻慈 (2018)。置入性行銷的「糖衣陷阱」— 探討擬社會互動與情節連結如何調節知覺真實性的中介效果(未出版碩士論文)。國立中山大學,高雄市。

陳文華 (2000)。 (「運用資料倉儲技術於顧客關係管理」。 能力雜誌,52(17),132-138。

陳俊成 (2016)。 線上遊戲與遊戲直播消費行為之研究(未出版碩士論文)。私立朝陽科技大學,台中市。

陳威珞 (2012)。Justin TV網路影音直播平台使用行為研究(未出版碩士論文)。國立中正大學,高雄市。

陳桂玲 (2009)。部落格置入性行銷廣告效果研究(未出版碩士論文)。碩士論文。私立銘傳大學,台北市。

陳森諒 (2004)。產品置入對消費者態度與購買意願之影響-以美國影集「慾望城市」為例(未出版碩士論文)。私立銘傳大學,台北市。

陳會安 (2012)。SQL Server 2012資料庫管理實務。台北市;碁峯資訊股份有限公司。

麥家誠 (2018)。應用層級分析法探討網路直播拍賣關鍵成功因素-以臉書為例(未出版碩士論文)。國立高雄科技大學,高雄市。

黃博億、柯婉婷、廖宜珈 (2016)。遠距離的參與-電視直播以及網路直播的使用與滿足研究(摘要),2016年中華傳播學會年會,台北市。

黃筠婷 (2019)。網路直播共創者投入對價值共創影響程度-以直播主的雙面靈巧行為與觀眾的社會比較資訊注意程度為干擾變數(未出版碩士論文)。國立臺北科技大學,台北市。

黃熙勛 (2013)。資料倉儲建構訂單分配決策支援系統之研究-以人造皮革產業為例(未出版碩士論文)。 國立中山大學,高雄市。

楊心美 (2019)。直播主印象管理策略與觀眾贊助行為關聯性研究─說服理論觀點(未出版碩士論文)。私立輔仁大學,新北市。

楊昇芳 (2019)。基於超連結圖譜表示法學習之跨領域音樂推薦演算法(未出版碩士論文)。國立政治大學,台北市。

董懿嫺 (2018)。新媒體直播的魅力研究 -以台灣新聞媒體為例(未出版碩士論文)。國立高雄師範大學,高雄市。

廖述賢、溫志皓 (2012)。資料探勘理論與應用:以 IBM SPSS modeler為範例。台北市 : 博碩文化股份有限公司。

廖述賢、溫志皓 (2019)。資料探勘:人工智慧與機器學習發展以IBM SPSS modeler為範例。台北市 : 博碩文化股份有限公司。

鄭百勝 (2016)。應用關聯規則建構具方向性之領域知識結構圖-以資訊管理領域為例(未出版碩士論文)。國立中山大學,高雄市。

鄭自隆 (2008)。電視置入:形式、效果與倫理。台北市:正中書局。

鄭育庭 (2019)。網路直播購物法律管制之研究(未出版碩士論文)。國立中央大學,桃園市。

蕭肇君 (2004)。置入性行銷對新聞專業的影響:市場新聞學下的專業性考察。(未出版碩士論文)。國立政治大學,台北市。

賴明弘、張峻維 (2016)。網路影音直播平台的使用者行為探討:從知曉到持續使用,中科大學報,3(1),31 – 48。

錢亞玲 (2019)。從電視置入性行銷到數位媒體整合式行銷:以H個案公司為例(未出版碩士論文)。國立臺灣師範大學,台北市。

龍裕鴻 (2016)。我撥故我在:網路影音直播主之對話性探討(未出版碩士論文)。國立中山大學,高雄市。

謝得人 (2019)。自編碼器於推薦系統之應用分析(未出版碩士論文)。國立中央大學,桃園市。

二.英文資料
Adomavicius, G., & Tuzhilin, A. (2005). Toward the next generation of recommender systems: A survey of the state-of-the-art and possible extensions. IEEE Transactions on Knowledge & Data Engineering, 17(6), 734-749.
Agrawal, R., & Srikant, R. (1994). Fast algorithms for mining association rules. Paper presented at the Proceedings of the 20th International Conference on very Large Database, Santiago, Chile, 20, 487-499.
Agrawal, R., Imielinski, T., & Swami, A. (1993). Mining association rules between sets of items in large databases. Paper presented at the Acm Sigmod Record, Washington DC, USA, 22(2), 254-259.
Balasubramanian, S. K. (1994). Beyond advertising and publicity: Hybrid Messages and public policy issues. Journal of Advertising, 23(4), 29-46.
Bellazzi, R., & Zupan, B. (2008). Predictive data mining in clinical medicine: Current issues and guidelines. International Journal of Medical Informatics, 77(2), 81-97.
Berry, M. J., & Linoff, G. S. (1997). Data mining techniques: For marketing, sales, and customer relationship management. New York, NY: John Wiley & Sons.
Berson, A., Smith, S., & Thearling, K. (1999). Building Data Mining Application for CRM. New York, NY: McGraw-Hill.
Chen, P. P. (1976). The entity-relationship model—toward a unified view of data. ACM Transactions on Database Systems (TODS), 1(1), 9-36.
Chen, C., & Lin, Y. (2018). What drives live-stream usage intention? The perspectives of flow, entertainment, social interaction, and endorsement. Telematics and Informatics, 35(1), 293-303.
Colleen, M. (2014). Data Mining and Predictive Analysis: Intelligence Gathering and Crime Analysis (2nd ed.). UK: Butterworth-Heinemann.
Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). From data mining to knowledge discovery in databases. AI Magazine, 17(3), 37-37.
Frawley, W. J., Piatetsky-Shapiro, G., & Matheus, C. J. (1992). Knowledge discovery in databases. An overview. AI Magazine, 13(3), 57-57.
Gupta, P. B., & Lord, K. R. (1998). Product Placement in Movies: The Effect of Prominenece and Mode on Audience Recall. Journal of Current Issues and Rese arch in Advertising, 20(1), 47-59.
Ha, L., & James, E. L. (1998). Interactivity reexamined: A baseline analysis of early business web sites. Journal of Broadcasting & Electronic Media, 42(4), 457-474.
Hambaba, M.L. (1996). Intelligent hybrid system for data mining. Paper presented at the IEEE/IAFE 1996 Conference on Computational Intelligence for Financial Engineering, NY, USA, 24-26.
Hofacker, C.F., Malthouse, E.C., & Sultan, F. (2016). Big data and consumer behavior: Imminent opportunities. Journal of Consumer Marketing, 33(2), 89-97.
Hoffer, J. A., George, J. F., & Valacich, J. S. (2002). Modern systems analysis and design (3rd ed.). New Jersey, NJ: Prentice Hall.
Hoffman, D. L., & Novak, T. P. (1996). Marketing in hypermedia computer-mediated environments: Conceptual foundations. Journal of Marketing, 60(3), 50-68.
Hu, M., Zhang, M., & Wang, Y. (2017). Why do audiences choose to keep watching on live video streaming platforms? An explanation of dual identification framework. Computers in Human Behavior, 75, 594-606.
Hui, S. C., & Jha, G. (2000). Data mining for customer service support. Information & Management, 38(1), 1-13.
Katarya, R., & Verma, O. P. (2016). A collaborative recommender system enhanced with particle swarm optimization technique. Multimedia Tools and Applications, 75(15), 9225-9239.
Koren, Y., Bell, R., & Volinsky, C. (2009). Matrix factorization techniques for recommender systems. IEEE Computer, 42(8), 30-37.
Kristin, R. N., & Matkovsky, I. P. (1999). Using data mining techniques for fraud detection. SAS Institute Inc. and Federal Data Corporation, 1-32.
Kwon, E. S. (2012). Exploring consumers' attitudes and behavior toward product placement in television shows (Unpublished master dissertation), B.A. Southern Illinois University, Carbondale.
Levene, M., & Loizou, G. (2003). Why is the snowflake schema a good data warehouse design? Information Systems, 28(3), 225-240.
Li, D., Zhang, G., Xu, Z., Lan, Y., Shi, Y., Liang, Z., & Chen, H. (2018). Modelling the roles of cewebrity trust and platform trust in consumers' propensity of live-streaming: An extended TAM method. Computer-Mediated Communication, 55(1), 137-150.
Liang, T., Lai, H., & Ku, Y. (2006). Personalized content recommendation and user satisfaction: Theoretical synthesis and empirical findings. Journal of Management Information Systems, 23(3), 45-70.
Markham, S. K., Kowolenko, M., & Michaelis, T. L. (2015). Unstructured text analytics to support new product development decisions. Research-Technology Management, 58(2), 30-39.

Moser, C., Ganley, D., & Groenewegen, P. (2013). Communicative genres as organizing structures in online communities–of team players and storytellers. Information Systems Journal, 23(6), 551-567.
Peacock, P. R. (1998). Data mining in marketing: Part1. Marketing Management, 6(4), 8-18
Schafer, J. B., Konstan, J. A., & Riedl, J. (2001). E-commerce recommendation applications. Data Mining and Knowledge Discovery, 5(1-2), 115-153.
Sharma, S. (1996). Applied Multivariate Techniques. New York, NY: John Wiley & Sons, 212-216.
Tsur, D., Ullman, J. D., Abiteboul, S., Clifton, C., Motwani, R., Nestorov, S., & Rosenthal, A. (1998). Query flocks: A generalization of association-rule mining. Paper presented at the1998 ACM Sigmod Record, New York, USA, 27(2), 1-12.
Verhellen, Y., Dens, N., & De Pelsmacker, P. (2016). Do I know you? How brand familiarity and perceived fit affect consumers’ attitudes towards brands placed in movies. Marketing Letters: A Journal of Research in Marketing, 27(3), 461-471.
Wang, Y., Chuang, Y., Hsu, M., & Keh, H. (2004). A personalized recommender system for the cosmetic business. Expert Systems with Applications, 26(3), 427-434.
Yang, H., & Lin, C. (2014). Why do people stick to facebook web site? A value theory-based view. Information Technology & People, 27(1), 21-37.
Zhang, Y., Ai, Q., Chen, X., & Croft, W. B. (2017). Joint representation learning for top-n recommendation with heterogeneous information sources. Paper presented at the In Proceedings of the 2017 ACM on Conference on Information and Knowledge Management, New York, USA, 17, 1449-1458.
三.網路資料(英文)
Muenchen, B. (2015). Rexer Analytics Survey Results. Retreived from http://r4stats.com/2015/10/13/rexer-analytics-survey-results/
四. 網路資料(中文)
今日新聞 (2018年7月)。夯直播╱全世界都在瘋開直播台灣的10大直播平台。今日新聞。2019年7月24日 取自:
https://play.nownews.com/archives/252484

田智弘 (2017年6月)。T2O、直播電商新模式興起。工商時報。2018年3月08日, 取自:https://www.chinatimes.com/newspapers/20170618000134-260204?chdtvF

宏將傳媒 (2018年9月)。直播3.0產業現況與未來趨勢。宏將觀點。2019年9月12日,取自: http://www.mediadrive.com.tw/manage/files/14120181001093320.pdf

李覺白(2018年10月)。簡介資料探勘。有勁生物科技。2019年2月17日取自:
https://yourgene.pixnet.net/blog/post/118993558%E7%B0%A1%E4%BB%8B%E8%B3%87%E6%96%99%E6%8E%A2%E5%8B%98

吳柏羲 (2017年7月)。【直播大調查系列一】網友最愛Facebook、Youtube、17直播。產業資料情報所MIC。2019 年5月28日, 取自:
https://mic.iii.org.tw/news.aspx?id=475
邱泯樺、洪楷恩(2016年12月)。時代新旋風─網路實況盛行原因及其商業用途之探討。取自臺北市立松山高級商業家事職業學校。 2019年11月21日,取自:https://www.shs.edu.tw/works/essay/2016/03/2016031619194060.pdf

吳元熙 (2017年12月)。用區塊鏈讓社群網站也能打賞?看直播平台的機會與挑戰。數位時代。2019年12月21日,取自:
https://www.bnext.com.tw/article/47515/why-uplive-streaming-platform-want-to-build-tipping-platform

周頌宜 (2019年08月)。PChome 辦 「演唱會」,帶動業績衝破 10 億!除了雙 11,電商促銷還能這樣做。經理人。2020年01月26日,取自:
https://www.managertoday.com.tw/articles/view/58072

胡自立(2017年09月)。網紅經濟下國際直播平台營運模式分析。資策會產業情報研究所。2017年11月03日 。取自:
https://mic.iii.org.tw/Industryobservation_MIC02views.aspx?sqno=260

許淑玉(2018年7月)。趨勢觀察/直播平台夯,做大網紅經濟。經濟日報。2019年7月11日取自:https://money.udn.com/money/story/8944/3245895



陳君毅(2019a)。17直播四周年註冊創新高,台灣用戶上半年送出2150萬個禮物。數位時代。2020 年01 月17 日,取自:
https://www.bnext.com.tw/article/54038/17-media-4-anniversary

陳君毅(2019b)。地表最強直播主上線!川普開設Twitch頻道,首次開播狂吸7.2萬粉絲。數位時代。2019年10月31日,取自: https://www.bnext.com.tw/article/55076/donald-trump-at-twitch

陳清河(2019年07月)。互利共生的直播產業。立報傳媒。2019年09月05日取自:
https://www.limedia.tw/comm/1773/

陳泰元(2018年09月)。台灣電商直播賣東西。fb直播銷售商品賺錢該怎麼做?。電商Tony陳。2019年09月08日取自:
https://atm70000.com/

財團法人台灣網路資訊中心 (2019年1月)。2018年台灣網路報告公布。財團法人台灣網路資訊中心。2020年1月10日,取自: https://blog.twnic.net.tw/2019/01/10/1902/

凱絡媒體(2019年08月)。週報社群電商化:不只導購更要吸金!。凱絡媒體。2019年 11 月 19日,取自:
https://twncarat.wordpress.com/2019/08/29/社群電商化:不只導購更要吸金/


富聯網(2018年09月)。網紅經濟紅什麼? (二)。富聯網。2018年12月10日, 取自:
https://ww2.moneylink.com.tw/RealtimeNews/NewsContent.aspx?sn=11754&pu=News_0003

創世際市場研究顧問(2018 年 03月)。創市際「2018台灣微智慧生活專題」調查(創市際雙週刊第106期)。創市際市場研究顧問。2018 年 6月 28 日,取自: https://www.ixresearch.com/reports/%E5%89%B5%E5%B8%82%E9%9A%9B%E9%9B%99%E9%80%B1%E5%88%8A%E7%AC%AC%E3%84%A7%EF%BC%AF%E5%85%AD%E6%9C%9F-20180330#more-14 066

程倚華(2019年04 月)。從電視購物轉戰直播電商!momo購物要把兩塊餅都做大。數位時代。2020年02月20日, 取自:
https://www.bnext.com.tw/article/53227/momoshop-t-shopping-live-ecommerce

資策會FIND (2015年10月)。臺灣網友收看網路直播行為調查分析。資策會FIND。2018年10月21日取自:
http://www.find.org.tw/market_info.aspx?n_ID=8558

維基百科 (2010年11月)。置入性行銷。 維基百科。2019年10月7日,取自:
https://zh.wikipedia.org/wiki/置入性行銷


網路口碑研究中心 (2018年06月)。日本當紅直播電商案例教你活用平台特性,創造營收。網路口碑研究中心。2019年06月21日,取自:
https://www.i-buzz.com.tw/research/article_page/?id=MjA3&n=256fa5e7f23cb4037e0c66e0724ae497

蔡尚勳 (2019 年10 月)。Up直播宣佈擴大徵才點出直播產業獲利關鍵。經濟日報。2019年12月29日,取自:
https://money.udn.com/money/story/10860/4133277

蕭文康 (2019年09月)。全台直播市場規模上看250億網紅經濟持續看俏。蘋果新聞網。2019年11月10日,取自:
https://tw.news.appledaily.com/local/20190919/PUPWBIQOKG7IG74HPNCI4BPIE4/

蕭佑和 (2018年 01月)。怎麼看台灣直播產業?|大和有話說。Meethub。2019年01月04日,取自:
https://meethub.bnext.com.tw/vc

謝承甫、紀閔耀、許紀威、陳永彬 (2018年05月)。網路直播市場調查研究,取自私立嶺東科技大學,資訊管理系網址。2019年06月04日,取自:
http://www.admin.ltu.edu.tw:8000/Public/Upload/files/%E8%B3%87%E7%AE%A1%E7%B3%BB/106%E5%AD%B8%E5%B9%B4%E5%BA%A6%E5%9B%9B%E6%8A%80%E7%95%A2%E6%A5%AD%E5%B0%88%E9%A1%8C/A308020.pdf

羅琪 (2015年12月)。Cluster analysis集群分析。統計學習網站。2019年12月14日,取自:
https://lochichilo.weebly.com/38598326762099826512.html
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2020-07-21公開。
  • 同意授權瀏覽/列印電子全文服務,於2020-07-21起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2486 或 來信