本研究旨在探討使用者如何使用音樂串流平台尋找音樂，包含使用者使用的關鍵字類型、檢索的方式、使用的音樂串流平台、遭遇的困難為何，以及若使用者在音樂串流平台上找不到所要的音樂時，使用者後續的搜尋行為。
本研究結合日誌法及訪談法作為資料搜集方式，透過 Line群組、Facebook Messenger論文問卷互助社及研究生互助社團、Instagram限時動態等管道張貼研究邀請以及Google表單連結，並且藉由研究參與者所留下之Email作為主要聯繫管道，本研究共徵得9位日誌參與者、12位訪談者，研究過程中先請參與者紀錄為期2週的日誌，再進行訪談。
研究結果顯示，聆聽音樂對於本研究參與者而言，是日常的行為，不一定是為了特定的目的而聆聽音樂，是生活中的一部分，而對音樂需求程度的不同，會隨著聆聽音樂的頻率與聆聽音樂的場所、音樂來源產生差異，參與者使用的音樂平台為YouTube、Spotify、KKBOX、YouTube Music、Apple Music、與Bilibili。
搜尋音樂的策略為先以關鍵字在音樂串流平台上作搜尋，若搜尋結果不符預期，則再以關鍵字在搜尋引擎上搜尋，待找尋到所要的音樂後，再回到音樂串流平台找尋該首歌曲或音樂；若以關鍵字檢索無法找尋到所要的音樂資訊，改用瀏覽的方式查找。並且使用的關鍵字類型會因已知或是未知而有所差異。若是已知的音樂，會直接以該首歌的歌名查找；若是未知的音樂，改以歌詞作為檢索的詞彙。如果音樂平台之檢索結果無法滿足參與者時，會改以搜尋引擎作為檢索工具，若依舊不滿意搜尋結果，則會使用進階檢索、哼唱檢索、瀏覽，以及詢問親朋好友等方式找尋所需要的音樂相關資訊。
本研究根據上述發現對音樂平台及音樂平台使用者提出下列建議：
一、在原歌曲的後設資料中加入音樂描述資訊，如專輯封面、音樂情緒等；
二、建議音樂串流平台的檢索系統增加音樂相關資訊的檢索分類，如歌手的背景資訊；
三、建議音樂平台需多次進行使用者測試，或是提供「意見回報區」或是「評論區」，讓使用者能夠提供相關意見。

This study investigates how users use music streaming platforms to find music, including the types of keywords users use, how they search, the music streaming platforms they use, the difficulties they encounter, and the subsequent search behaviors of users if they cannot find the music they are looking for on music streaming platforms.
This study combined journaling and interview as the data collection methods by posting invitations and links of Google forms on Line groups, thesis support groups and graduate student support groups on Facebook Messenger and Instagram. The researcher also recruited participants by sending emails provided by research participants. Participants were asked to record the music searching diaries for 2 weeks before being interviewed. A total of 9 diary participants and 12 interviewees were recruited for the study. 
The results of the study showed that listening to music is an everyday behavior for the participants in this study; in other words, participants not necessarily listened to music for specific reasons, but as a part of their daily lives. The degree of music needs varies more or less with the frequency of music listening habits, the place where they listen to music, and the sources of music. The most frequently used music streaming platforms are YouTube Music, Apple Music, and Bilibili.
The study revealed that the strategy of music searching was to search on the music streaming platform with keywords first, and if the search results did not meet the expectation, participants would search on the search engine with keywords again; after finding the desired music, they would return to the music streaming platform to find the song or music. If the search with keywords failed to fulfill their information needs, , participants would browse the music streaming platform. The type of keywords used vary depending on whether the music in need is known or unknown. For known music, song title would be used in searching;; however, if the music is unknown, the lyrics of the song would be used in searching. If the search results of the music platform did not satisfy the participants, the search engine was used as the search tool; if participants were still not satisfied with the search results, they used advanced search, humming search, browsing, and asking friends and relatives to find the music-related information they needed
Based on the above findings, this study suggests the following recommendations for music platforms 1) Music streaming platforms and services are advised to add more description related information to each piece of music included, such as album cover, music mood, etc., to the metadata of the original songs; 2) The search system of music streaming platforms should add and modify search fields of music-related information, such as background information of artists; 3) Music streaming platforms should conduct user tests regularly, and provide "feedback area" or "comment area" for users to leave feedback and comments in improve platforms’ search efficacy.

第一章 緒論	1
第一節 研究背景與動機	1
第二節 研究目的與問題	4
第三節 研究範圍與限制	5
第四節 名詞解釋	6
第二章 文獻探討	7
第一節 聆聽音樂因素	7
第二節 音樂來源	10
第三節 音樂探索行為	14
第四節 音樂描述	17
第五節 音樂串流服務	27
第三章 研究方法	37
第一節 研究設計	37
第二節 研究對象	39
第三節 資料蒐集	45
第四節 資料分析	48
第五節 研究流程	49
第四章 研究資料分析	51
第一節	音樂需求	51
第二節	音樂串流平台使用情況	56
第三節	搜尋音樂的方式	59
第四節 搜尋音樂的困難	68
第五章 結論與建議	73
第一節	結論	73
第二節	建議	76
參考資料	81
附錄一：使用者使用特定音樂串流平台之資訊需求	89
附錄二：音樂日誌紀錄	101

表 1 聆聽音樂的原因	7
表 2 音樂資訊來源	10
表 3 音樂資訊來源的滿意度	11
表 4 使用者偶遇音樂地點	15
表 5 音樂需求描述類別	18
表 6 書目類別細分項	19
表 7 檢索任務及描述任務類別差異	22
表 8 音樂資訊需求描述類別	24
表 9 描述資訊特徵	25
表 10 資訊需求的目的	26
表 11 音樂串流平台功能比較	36
表 12 日誌研究參與者資料表	41
表 13 訪談研究參與者資料表	43
表 14 研究問題與訪談問題對照表	47
表 15 參與者每日平均聆聽音樂時間	52
表 16 參與者每週平均聽音樂時間	52
表 17 參與者聆聽音樂場域及時段比較	53
 
圖 1音樂串流平台使用人數	56
圖 2 Wilson(1999)資訊尋求模式模型	66
圖 3音樂資訊尋求行為模式	67

Apple Music（2022年12月21日）。Apple Music簡介。ttps://www.apple.com/tw/apple-music/h
LINA莉娜(2022)。【串流音樂推薦】Spotify、Apple Music怎麼選？訂閱方案和
優缺點比較。瓦特兄弟3C宅宅與機器人日常。https://wattbrother.com/66566#4
LiSWEi璃思維(2018)。想自己發行音樂嗎？ SoundCloud 讓全世界都能聽到你的創作。https://liswei.com/tw/what-is-soundcloud/
Microsoft (2014)。「KKBOX」 改版新上架，讓你享受音樂無極限。https://blogs.windows.com/taiwan/2014/12/16/KKBOX_windows_app/
MUSCIO音樂圈(2022)。音樂未來式—發燒樂迷最想入手的高音質無損音質串流服務Tidal、Qobuz。https://www.musico.com.tw/portfolio-item/音樂未來式發燒樂迷最想入手的高音質無損音質/
Pseric（2014年5月25日）。13 個 Spotify 實用技巧大公開（顯示歌詞、
依照心情挑選音樂等…）。免費資源網路社群。https://free.com.tw/13-spotify-tips-and-tricks/
王凱、黃詩婷、戴基峯（2020）。影響線上音樂串流服務持續使用意願之因素-
服務體驗與價值共創觀點之探討。資訊管理學報，27(4)，415-464。
太郎（2021）。串流音樂平台推薦10選，KKBOX、Spotify、YouTube 任你挑。
aifian。https://blog.aifian.com/2021/11/28/top-10-music-streaming-services
文化內容策進院（2022年5月23日）。2021年台灣文化內容消費趨勢調查計畫。https://taicca.cloudeep.net/tc
公司介紹（2022年12月21日）。https://www.KKBOX.com/about/zh-tw/about/intro
台北市廣告代理商業同業公會（2022年3月9日）2022 台灣最新網路使用報
出爐！8 大數據亮點一次看。http://www.taaa.org.tw/news/article/8139
周遵儒（2012）。串流媒體。圖書館學與資訊科學大辭典。https://terms.naer.edu.t
w/detail/1678807/
林志翰（2012）。基於音樂風格及情緒之內容式音樂資訊檢索系統 [未出版之碩士論文]。國立交通大學聲音與音樂創意科技學系。
林書宇（2017）。線上音樂之探索式尋求行為研究 [未出版之碩士論文]。國立臺灣師範大學圖書資訊學研究所。
洪元元（2009）。從使用者音樂聆賞歷程探討線上音樂分類架構 [未出版之碩士論文]。國立臺灣大學圖書資訊學研究所。
香港財經時報（2022年10月17日）。消委會報告｜音樂App：KKBOX、
MOOV等7大音樂串流平台比較。https://www.businesstimes.com.hk/articles/141824/
財團法人台灣唱片出版事業基金會（2022年12月22日）。台灣唱片市場之國際
排名及營收。http://www.rit.org.tw/index.php/our-business/2-5sales-statistics/2-
5-4historical-record-labels-market-information
財團法人台灣網路資訊中心（2022年12月22日）。台灣網路報告。https://report.twnic.tw/2022/index.html
張己任（1988）。音樂是什麼。師友月刊，(250)，39-40。http://doi.org/10.6437/EM.198804.0021
陳文銅（2016）。串流音樂平台之經營模式分析之研究以Spotify為例  [未出版之碩士論文]。東吳大學商學院EMBA 高階經營碩士在職專班。
陳向明（2009）。社會科學質的研究。五南出版社。
陳映竹（2011）。大學生網路影音檢索之相關判斷研究  [未出版之碩士論文]。國立臺灣師範大學圖書資訊學研究所。
葉乃靜（2015）。大學生觀看線上影音節目之隨興休閒資訊行為研究。
圖書館與資訊科學，41(2)，106。https://doi.org/10.6245/JLIS.2015.412/659
資策會產業情報研究所（2021）。【Z世代調查二】最關注前三大議題：公共衛生、環保、5G。https://mic.iii.org.tw/news.aspx?id=603
廖家慧（2012）。使用者音樂描述及音樂資訊需求描述之分析研究 [未出版之碩士論文]。國立臺灣師範大學圖書資訊學研究所。
廖家誼、林亞宣、林冠成、張家瑋（2021)。以遷移學習改善深度神經網路模型於中文歌詞情緒辨識。中文計算語言學期刊，26(2)，1-16。
劉貴雄（2021年11月16日）。盤點10大串流音樂APP特別功能。Sound of life。https://zh.soundoflife.com/blogs/experiences/top-music-apps-rec
ommended
騰訊音樂娛樂集團（2022）。關於TME。https://www.tencentmusic.com/zh-cn/about-us.html
Bainbridge, D., Cunningham, S. J., & Downie, J. S. (2003). Analysis of queries to a Wizard-of-Oz MIR system: Challenging assumptions about what people really want. The 4th International Conference on Music Information Retrieval. ISMIR. https://doi.org/10.5281/zenodo.1416850
Barrington, L., Oda, R., & Lanckriet, G. R. (2009). Smarter than Genius: Human evaluation of music recommender systems. The 10th International Society for Music Information Retrieval Conference (pp. 357–362). ISMIR https://doi.org/10.5281/zenodo.1417803
Cunningham, S. J., Reeves, N., & Britland, M. (2003, May 27-31). An ethnographic study of music information seeking: Implications for the design of a music digital library. 2003 Joint Conference on Digital Libraries. IEEE. https://doi.org/10.1109/JCDL.2003.1204839
Cunningham, S, J., Bainbridge, D., & McKay, D. (2007). Finding new music:A diary study of everyday encounters with novel songs. The 8th International Conference on Music Information Retrieval (pp. 83–88).ISMIR. https://doi.org/10.5281/zenodo.1417083
Casey, M.A., Veltkamp, R., Goto, M., Leman, M., Rhodes, C., & Slaney, M.(2008). Content-Based Music Information Retrieval: Current Directions an Future Challenges. Proceeding of the IEEE, 96(4), 668-696. https://doi.org/10.1109/JPROC.2008.916370
Downie, J. S., & Cunningham, S. J. (2002). Toward a theory of music information retrieval queries: System design implications. The 3rdInternational Conference on Music Information Retrieval. ISMIR. https://doi.org/10.5281/zenodo.141756
Greasley, A. E., & Lamont, A. (2011). Exploring engagement with music in everyday life using experience sampling methodology. Musicae Scientiae, 15(1), 45-71. https://doi.org/10.1177/102986491039341
Hu, X., Chen, J. & Wang, Y. University students’ use of music for learning and well-being: A qualitative study and design implications. Information Processing and Management, 58(1), 1–14. https://doi.org/10.1016/j.ipm.2020.102409.
International Federation of the Phonographic Industry (2021, March 22). IFPI Global Music Report. https://cms.globalmusicreport.ifpi.org/uploads/Global_Music_Report_State_of_The_Industry_5650fff4fa.pdf 
Kim, J., & Belkin, N. (2002). Categories of music description and search term and phrases used by non-music experts. The 3rd International Conference on Music Information Retrieval. ISMIR. https://doi.org/10.5281/zenodo.1417763
Laplante, A., & Downie, J. S. (2006). Everyday life music information-seeking behavior of young adults. The 7th International Conference on Music Information Retrieval (pp. 381–382). ISMIR. https://doi.org/10.5281/zenodo.1417957
Lee, J. H., & Downie, J. S. (2004). Survey of music information needs, uses,and seeking behaviours: Preliminary findings. The 5th International Conference on Music Information Retrieval. ISMIR. https://doi.org/10.5281/zenodo.1417637
Lee, J. H., Downie, J. S., & Cunningham, S. J. (2005). Challenges in cross-cultural/multilingual music information seeking. The 6th International Conference on Music Information Retrieval (pp. 1–7). ISMIR.https://doi.org/10.5281/zenodo.1416706
Lee, J. H., Cho, H., & Kim, Y. S. (2015). Users' music information need and behaviors: Design implications for music information retrieval systems. Journal of the Association for Information Science and Technology, 67(6), 1301-1330. https://doi.org/10.1002/asi.23471
Leong, T. W., Vetere, F., & Howard, S. (2005, November). The serendipity shuffle. In Ash Donaldson (Eds.), 2005 Australasian Computer-Human Interaction. ACM. http://dx.doi.org/10.1145/1108368.1108428
Lischetzke, T. (2014). Daily diary methodology: Encyclopedia of quality of life and well-being research. Encyclopedia of Quality of Life and Well-Being Rsearch, 1-8. https://doi.org/10.1007/978-3-319-69909-7_657-2
Lonsdale, A. J., & North, A. C. (2011). Why do we listen to music: A uses and gratifications analysis. British Journal of Psychology, 102(1), 108-134. 
https://doi.org/10.1348/000712610X506831
Marshall, L. (2015). ‘Let's keep music special. F—Spotify’: On-demand streaming and the controversy over artist royalties. Creative Industries Journal, 8(2), 177-189. https://doi.org/10.1080/17510694.2015.1096618
North, Adrian C., Hargreaves, David J., & Hargreaves, Jon J. (2004). Uses of music in everyday life. Music Perception, 22(1), 41-77. https://doi.org/10.1525/mp.2004.22.1.41
Panda, R., Malheiro, R., & Paiva, R. P. (2018). Musical texture and expressivity features for music emotion recognition. The 19th International Society for Music Information Retrieval Conference (pp. 383–391). ISMIR. https://doi.org/10.5281/zenodo.1492431
Passino, F. S., Maystre, L., Moor, D., Anderson, A., & Lalmas, M. (2021). Where to next?: A dynamic model of user preferences. In J., Leskovec (Eds.), 2021 the Web Conference, Ljubljana Slovenia (pp. 3210-3220).Association for Computing Machinery. https://doi.org/10.1145/3442381.3450028
Wadley, G., Krause, A., Liang, J., Wang, Z., & Leong, T. W. (2019). Use of music streaming platforms for emotion regulation by international students.
Australian Conference on Human-Computer Interaction Conference 2019 (pp. 337-341). Association for Computing Machinery.
https://doi.org/10.1145/3369457.3369490
We Are Social & KEPIOS (2022, February 15). Digital 2022: Taiwan. https://datareportal.com/reports/digital-2022-taiwan
Webster, J. (2021). The promise of personalisation: Exploring how music streaming platforms are shaping the performance of class identities and distinction. New Media & Society, 1-23. https://doi.org/10.1177/14614448211027863
Wilson, T. D. (1999). Models in information behaviour research. Journal of Documentation, 55(3), 249-270. http://dx.doi.org/10.1108/EUM0000000007145
Yang, Y. H., & Liu, J. Y. (2013). Quantitative study of music listening behavior in a social and affective context. IEEE Transactions on Multimedia, 15(6), 1304-1315. https://doi.org/10.1109/TMM.2013.2265078