第二章 文獻回顧
第四節 新經濟之創新擴散相關實證研究
新經濟(New Economy)是指相對於傳統製造工業的舊經濟型態，以資訊通訊 技術技術為主的「新科技經濟型態」，一般而言，新經濟型態包含「分享經濟」、
張彬等人（2002）以 Logistic 模型、Bass 模型和根據 Bass, Krishnan, and Jain (1994)所改良的 Bass 模型作為分析工具，探討網路採用者的創新擴散過程，發
楊敬輝與武春友（2006）也在 2006 年以 Bass 模型、Logistic 模型和改良的 Bass 模型－附隨擴散模型(Bayus, 1987; Mahajan & Peterson, 1978)進行台灣移動 上網用戶擴散之研究，在附隨擴散模型中，將移動上網業務的擴散作為移動上 擴散模型，且借鑑Mahajan and Peterson (1978)和 Bayus (1987)的思想，附隨產品 的最大市場潛量(𝑚M)即為基礎產品的累積採用總數(𝑁0(𝑡))。
‧
(Dynamic Diffusion Model) (Sharif & Ramanathan, 1981)對網際網路創新之擴散做 配適性研究，並且將網際網路創新分類為非網站型（如Internet、ADSL、Skype）、 入口網站型（如PChome、Yahoo、AOL）和利基型網站型（如 Amazon、eBay、Paypal），此研究認為網際網路的潛在使用者應為變量，且相較於非網路產品，
網際網路的創新採納受到口碑效應的影響會比外部效應強。此研究發現動態擴 散模型在比一般擴散模型能更準確的去描繪網際網路採用者的生長模式，且網 路服務中，除了關注市場潛量的變化外，也要關注網路市場的其他產品或服務，
對於研究標的用戶的成長皆有一定的影響力。
劉輝輝、柴躍廷與劉義（2010）建構 Logistic、Bass 和附隨擴散模型(Mahajan
& Peterson, 1978)對淘寶平台之註冊用戶做創新擴散模型比較，發現附隨擴散模 型所預測的曲線，相較於原始Bass 和 Logistic 模型更接近淘寶平台註冊用戶的
徐賢浩、劉田與艾陽（2013）參考(Gatignon et al., 1989; Kurawarwala & Matsuo, 1998)等人之研究建立動態擴散模型，比較原始 Bass 模型和將市場潛量設為變量
‧
Mäkinen, Kanniainen, and Peltola (2014)以 Bass 和 Gompertz 模型作為研究模 型，探討軟體平台所提供的Beta 版手機測試應用程式的採用過程，發現 Gompertz 模型在產品成長的長、短期預測表現上皆比Bass 模型優良，進而推敲出 Gompertz 模型較能追蹤新產品推出的擴散過程，有助於往後企業做新產品規劃時的決策。
隨著流媒體服務的興起，Idland, Øverby, and Audestad (2015)以 Bass 模型為 基礎延伸發展一串流影音競爭模型(Competitive Video Streaming Model, CVSM) 來探討提供非法服務的Popcorn Time 和合法之 Netflix 是否有替代競爭之關係，
主要研究結果發現串流影音服務的競爭力取決於服務提供商如何分發視頻內容，
且發現網路效應可以增強非合法串流影音的競爭力。
楊超與危懷安（2016）也觀察 2013 至 2015 年之微信活躍用戶數，並以三種 擴散模型—Logistic、Weibull (Weibull, 1951)和 Gompertz 模型擬和用戶數增長的 軌跡，研究發現擴散模型在不同時間有不一樣的誤差情況，Logistic 模型在產品 擴散前期較有解釋力，但後期的預測較為保守造成誤差；Weibull 模型則是與 Logistic 模型相反，前期較為保守，接近產品成長和衰退期時比較配適；至於 Gompertz 模型是整體而言誤差情況最小的模型，也是預測最為穩健的，因此本 研究建議使用多模型做實證分析時可以將產品生命週期拆分進行分析，有助於突 破單一預測模型的框架，也能從多模型中比較產品成長的曲線狀況。
微信是網際網路普及化後，大量在中國市場使用的通訊軟體，因應這樣的產 業趨勢，曹碩（2017）也針對此服務建立擴散模型，以經典的 Bass 模型、附隨 擴散模型(Mahajan & Peterson, 1978)和此研究作者建立的因素時變模型探討其成 長模式，其中在附隨擴散模型，作者將網路用戶數作為基礎擴散模型，而微信用 戶數作為附隨擴散模型之標的。研究發現微信產品的創新擴散現象主要是內部因
‧
(Mahajan & Peterson, 1978)，其中發現網購用戶的擴散過程並非獨立的，會受到 網路用戶數量的影響，因此改進的附隨擴散模型有較好的解釋力；另外，網購用以Logistic、Bass 和行銷組合擴散模型(Bass et al., 1994)探討網路採用者的創新擴散過程，
Peterson, 1978)探討移動上網用戶的成長，並與
‧
Ramanathan, 1981)探討網際網路的創新擴散 現象，研究發現動態擴散模型較能描繪網路採
以Logistic 模型、Bass 模型和附隨擴散模型研 究淘寶之註冊用戶數，發現附隨擴散模型有較 Gompertz 模型在產品成長的長、短期預測表現 上皆比Bass 模型優良。 模型(CVSM)來探討提供非法服務的 Popcorn Time 和合法之 Netflix 是否有替代競爭之關係，
研究發現網路效應可以增強非合法串流影音的 表二-12 新經濟之創新擴散模型研究整理（續）
（續）
‧
Gompertz 模型觀察微信的活躍用戶數，發現 Logistic 模型在產品擴散前期較有解釋力，Weibull 前期較為保守，接近產品成長和衰退期 時比較配適，Gompertz 為整體預測最穩健的模