影音串流平台之創新擴散模型研究－以Netflix和Spotify為例 - 政大學術集成

全文

(1)國立政治大學科技管理與智慧財產研究所碩士學位論文. 影音串流平台之創新擴散模型研究－以 Netflix 和治 Spotify 為例. 政. 大. Innovation Diffusion 立 Models of Streaming Media :. ‧. ‧ 國. 學. A Case Study of Netflix and Spotify. er. io. sit. y. Nat. n. al 指導教授：吳豐祥博士 iv Ch. n U engchi. 研究生：劉湝沂撰. 中華民國一零八年七月. DOI:10.6814/NCCU202000347.

(2) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. DOI:10.6814/NCCU202000347.

(3) 摘要影音串流平台為近五年開始蓬勃發展的服務類型，在網際網路的技術穩定和智慧型行動裝置的普及化下，影音串流服務之接收品質有效提升，且串流平台本身具有高度的跨國性及流通性，使得全球之影音串流訂閱戶在 2018 年正式超越了有線電視的訂閱戶，電視媒體衰弱而串流服務崛起，影音串流平台逐漸走向媒體服務的主流市場，因此串流平台的用戶擴散及其創新擴散模式已成為現今之重要研究議題。本研究透過文獻探討選取了 Gompertz Model、Bass Model 及將網路使用人數作為基礎擴散的 Contingent Diffusion Model 作為研究模型，欲探討影音串流平. 政治大為快速，也累積最多用戶數的兩影音串流平台—Netlfix 和 Spotify，了解影視串立流和音樂串流服務是否有不同的創新擴散模式，以及延伸過去學者對於最適解釋台之用戶擴散是否適用創新擴散模型來探討其成長趨勢，並透過觀察目前發展最. ‧ 國. 學. 模型和最佳預測模型之質疑，探討影音串流平台所適用之解釋模型和預測模型是否如先前學者之結論確實有差異。本研究透過判定係數和修訂 Theil 不等係數來. ‧. 檢測模型之解釋能力，而模型預測能力則使用 MAPE 值衡量。. Nat. sit. y. 經實證研究後發現，影音串流平台確實可以透過創新擴散模型觀察其成長趨. er. io. 勢，且如同過去學者針對耐久財之結論，影音串流平台的最適解釋模型和最佳預. al. 測模型確實不同，顯示模型的解釋能力和預測能力並不具有絕對的關係；最後，. n. v i n Ch 本研究亦發現串流平台中的不同的服務類型差異並不會影響模型的解釋和預測 engchi U 結果，且付費用戶和免費用戶適用於不同的創新擴散模型，付費用戶容易受到口. 碑效應影響，而廣告用戶成長速度較快，會隨著網路使用人數增加而大幅度成長，因此企業在進行用戶分群時可以針對不同訴求而採取不一樣之行銷行為。. 關鍵字：影音串流、串流平台、創新擴散模型、成長曲線. i. DOI:10.6814/NCCU202000347.

(4) Abstract The video streaming platform is a type of service that has been booming in the past five years. With the stability of internet and popularization of smart mobile devices, the quality of video streaming services has been effectively improved, leading to the global video streaming subscribers officially surpassed the users of cable TV in 2018. The video streaming platforms are gradually moving towards to mainstream market of media services so users’ growth of streaming platforms and its diffusion trend have become important topics nowadays. This study explored the Gompertz Model, Bass Model, and Contingent Diffusion Model which uses the number of users on the Internet as a basis for research, to explore whether the user growth of the video streaming platform is applicable to the innovation. 政治大. diffusion model. Through observing number of subscribers of Netflix and Spotify, the. 立. two fast-growing video streaming platforms, the study discussed whether video. ‧ 國. 學. streaming and music streaming services has different results on the innovation diffusion models. Besides, according to the query of scholars, the research also discussed whether explanatory and forecast model is the same model. It took the coefficient of. ‧. determination and the Theil inequality coefficient to determine the goodness-of-fit and. y. sit. models.. Nat. used the Mean Absolute Percentage Error to measure forecasting performance of these. er. io. In the light of the empirical research, the study considered that video streaming. al. n. v i n C h best forecast model the fittest explanatory model and the e n g c h i U of video streaming platforms. platforms can be observed through the innovation diffusion model, moreover, it found. are different, no matter the result is from Netflix or Spotify. It indicated that the goodness-of-fit and forecasting ability of models is not absolutely relevant. Last but not least, this study also found that different service types in the streaming platform will not affect the interpretation and prediction results of the model, and paying users and free users are applicable to different innovation diffusion models. To be precise, paying. users are susceptible to word-of-mouth effects, and free users grow significantly with the increase in the number of internet users. Therefore, companies can adopt different marketing strategies for different target audiences. Keywords: video streaming, streaming platform, innovation diffusion model, growth curves ii. DOI:10.6814/NCCU202000347.

(5) 目錄第一章緒論 .............................................................................................................................. 1. 第一節研究背景 ................................................................................................................................ 1 第二節研究動機與目的 ................................................................................................................. 2 第三節研究問題 ................................................................................................................................ 3 第二章文獻回顧 ..................................................................................................................... 4. 第一節影音串流平台 ...................................................................................................................... 4. 政治大模型之修訂與擴充.............................................................................................. 32 立. 第二節創新擴散理論 ................................................................................................................... 24 第三節 BASS. ‧ 國. 學. 第四節新經濟之創新擴散相關實證研究 ........................................................................... 44 第五節文獻小結與研究缺口 .................................................................................................... 50. ‧. 第三章研究方法 ................................................................................................................... 56. y. Nat. io. sit. 第一節參數估計方法 ................................................................................................................... 57. er. 第二節參數與模型評估準則 .................................................................................................... 61. al. n. v i n 第三節研究對象選擇 ................................................................................................................... 64 Ch engchi U 第四節研究數據來源 ................................................................................................................... 65 第五節研究限制 ............................................................................................................................. 66 第四章研究結果與分析 ..................................................................................................... 67. 第一節 NETFLIX 創新擴散模型分析 ....................................................................................... 67 第二節 SPOTIFY 創新擴散模型分析 ....................................................................................... 75 第三節發現與討論 ........................................................................................................................ 87 第五章結論與建議............................................................................................................... 94. 第一節研究結論 ............................................................................................................................. 94 iii. DOI:10.6814/NCCU202000347.

(6) 第二節學術貢獻 ............................................................................................................................. 96 第三節管理實務意涵 ................................................................................................................... 97 第四節未來研究建議 ................................................................................................................... 98 參考文獻 ..................................................................................................................................... 99. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. iv. DOI:10.6814/NCCU202000347.

(7) 表目錄表二-1 網路外部性的類別 ................................................................................................................ 6 表二-2 廣義 OTT 服務類型 .......................................................................................................... 13 表二-3 全球知名 OTT 版權影音平台 ...................................................................................... 17 表二-4 我國 OTT 影音串流業者 ................................................................................................ 20 表二-5 動態擴散模型相關研究 ................................................................................................... 35 表二-6 附隨擴散模型相關研究 ................................................................................................... 36 表二-7 多代擴散模型相關研究 ................................................................................................... 37 表二-8 多重階段擴散模型相關研究 ......................................................................................... 38. 政治大產品或市場基礎的擴散模型相關研究 ................................................................... 41 立. 表二-9 行銷組合擴散模型相關研究 ......................................................................................... 39 表二-10 . ‧ 國. 學. 表二-11 多重採用擴散模型相關研究 ....................................................................................... 43 表二-12 新經濟之創新擴散模型研究整理 ............................................................................. 47. ‧. 表三-1 三種參數估計方法優缺點比較表 ............................................................................... 60 表三-2 BASS 模型之合理參數值 .................................................................................................. 62. y. Nat. sit. 表三-3 評估 MAPE 預測能力表 .................................................................................................. 64. n. al. er. io. 表四-1 BASS MODEL 應用於 NETFLIX 之三種參數估計方法結果 ................................. 67. i n U. v. 表四-2 GOMPERTZ MODEL 參數估計結果 ................................................................................. 69. Ch. engchi. 表四-3 NETFLIX 用戶之 CONTINGENT DIFFUSION MODEL 參數估計結果 ..................... 70 表四-4 NETFLIX 用戶數之三模型解釋力指標 ....................................................................... 72 表四-5 NETFLIX 三模型預測參數及指標 ................................................................................. 73 表四-6 BASS MODEL 應用於 SPOTIFY 之三種參數估計方法結果 .................................. 75 表四-7 最大概似估計法與非線性最小平方法績效比較 ................................................. 76 表四-8 GOMPERTZ 模型參數估計結果....................................................................................... 77 表四-9 SPOTIFY 用戶之 CONTINGENT DIFFUSION MODEL 參數估計結果 ...................... 79 表四-10 SPOTIFY 用戶數之三模型解釋力指標 ..................................................................... 80 表四-11 SPOTIFY 訂閱用戶三模型參數及績效比較 ........................................................... 82 表四-12 SPOTIFY 廣告用戶三模型參數及績效比較 ........................................................... 83 v. DOI:10.6814/NCCU202000347.

(8) 表四-13 SPOTIFY 整體用戶三模型參數及績效比較 ........................................................... 84 表四-14 SPOTIFY 三模型預測參數及指標 ............................................................................... 86 表五-1 SPOTIFY 及 NETFLIX 之最適解釋及預測模型整理 ............................................... 95. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. vi. DOI:10.6814/NCCU202000347.

(9) 圖目錄圖二-1 影音串流平台價值鏈 ........................................................................................................... 7 圖二-2 內容傳輸業者之網路傳輸方式 ....................................................................................... 8 圖二-3 不同種類影音串流平台之商業模式 .......................................................................... 10 圖二-4 全球娛樂暨媒體產業各領域成長 ............................................................................... 15 圖二-5 全球 OTT 產業營收預測 ................................................................................................ 16 圖二-6 2018 年影音串流平台使用之年齡層統計 ............................................................... 20 圖二-7 台灣 OTT 影音產業產值 ................................................................................................ 23 圖二-8 創新擴散累積採用曲線 ................................................................................................... 25. 政治大. 圖二-9 BASS 模型基本概念圖示 .................................................................................................. 29. 立. 圖二-10 創新係數與模仿係數之關係 ....................................................................................... 31. ‧ 國. 學. 圖二-11 JAIN, MAHAJAN, AND MULLER 三階段採用者分類 ............................................... 42 圖四-1 NETFLIX 實際累積用戶數及 BASS MODEL 估計用戶數 ...................................... 68. ‧. 圖四-2 NETFLIX 實際累積用戶數及 GOMPERTZ MODEL 估計用戶數 ........................... 70 圖四-3 NETFLIX 實際累積用戶數及 CONTINGENT MODEL 估計用戶數 ....................... 71. y. Nat. sit. 圖四-4 NETFLIX 實際累積用戶數與三模型比較 .................................................................. 72. n. al. er. io. 圖四-5 NETFLIX 三模型預測表現 ................................................................................................ 74. i n U. v. 圖四-6 SPOTIFY 實際累積用戶數及 BASS MODEL 估計用戶數 ....................................... 77. Ch. engchi. 圖四-7 SPOTIFY 實際累積用戶數及 GOMPERTZ MODEL 估計用戶數 ........................... 78 圖四-8 SPOTIFY 實際累積用戶數及 CONTINGENT MODEL 估計用戶數 ....................... 79 圖四-9 SPOTIFY 實際累積用戶數與三模型比較 ................................................................... 81 圖四-10 SPOTIFY 廣告用戶三模型比較圖 ............................................................................... 83 圖四-11 SPOTIFY 整體用戶三模型比較圖 ............................................................................... 85 圖四-12 SPOTIFY 三模型預測表現 .............................................................................................. 86. vii. DOI:10.6814/NCCU202000347.

(10) 第一章. 緒論. 第一節研究背景 2014 年起，美國付費電視市場開始出現所謂的剪線運動(Cord-cutting)，意味著觀眾減少有線電視和直播衛星的訂閱，逐漸將視線轉往線上影視所提供的串流服務，根據美國電影協會(Motion Picture Association of America, MPAA)的統計，全球串流影音的訂閱戶正式在 2018 年超越了有線電視訂閱戶，電視媒體衰退、串流服務崛起，NCC 也統計台灣 2018 年整年度停掉第四台的家戶數就有 15 萬. 治政大影音串流平台是近五年來才開始快速蓬勃發展的服務類型，隨著網際網路獲立取成本的下降及智慧型行動裝置的普及，使影音串流的接收品質隨著網路的寬頻之多，如同一年就損失了將近 50 萬的電視觀眾。. ‧ 國. 學. 的擴充而有效提升，視聽群眾才得以透過智慧型手機、平板、個人電腦及數位電視等多樣化的終端設備接收影音媒體內容，並將影音串流這種擁有跨國性和高度. ‧. 流通特質的平台推向主流市場。. sit. y. Nat. 根據資誠聯合會計師事務(PwC)於 2018 年發佈的 Perspectives from the Global. io. er. Entertainment & Media Outlook 報告，2018 至 2022 年影音串流產業的年複合成長率高達 14.1%，並且 Digital TV Research1的報告也顯示，全球線上影音產業在. al. n. v i n Ch 2023 年總收入將達到 1290 億美金，由於傳統有線電視之價值鏈逐漸瓦解，許多 engchi U 原產業鏈之廠商也爭相轉型提供串流服務，導致影音串流平台如日中天，種種證據也顯示了影音串流服務在未來確實是相當重要的趨勢。. 1. Digital TV Research (2018), Global OTT revenues to climb to $129 billion, available at. https://www.digitaltvresearch.com/ugc/Global%20OTT%20TV%20and%20Video%20Forecasts%202 018%20TOC_toc_214.pdf 1. DOI:10.6814/NCCU202000347.

(11) 第二節研究動機與目的綜上所述，影音串流平台於現代已無疑成為一個新興崛起的重點產業，而串流平台也如同其他類型平台的商業模式設計，主要是透過平台用戶數的擴大來增加平台之營收及維持產業核心競爭力，部分影音串流平台會以免費提供服務的方式增加消費者採用誘因來擴大用戶群，再以雙邊市場之另一端收取廣告費用得到獲利，亦有部份串流平台以純訂閱付費的方式運營，但不論是哪種類型的串流平台商業模式設計，訂閱戶如何成長以及用戶的擴散趨勢皆對於影音串流平台業者具有舉足輕重的影響，因此本研究希冀透過創新擴散模型來探討影音串流平台之成長趨勢，並觀察全球影音串流服務中提供影視服務和音樂串流服務市佔率最高. 政治大. 的兩間廠商，分別為 Netflix 和 Spotify，分析此兩種類型的影音串流平台創新擴. 立. 散趨勢，以給予台灣相關業者一些建議與方向。. ‧ 國. 學. 另外，就學術領域而言，創新擴散模型最初是以死亡率預測(Gompertz, 1825)、人口成長(Pearl, 1924)模擬而發跡，而後逐漸有學者延伸此理論概念提出新的模. ‧. 型應用至耐久財之新產品擴散(Bass, 1969)，由於模型是基於耐久財的產品特性. y. Nat. 建立，因此目前在此領域的實證研究多以耐久財為主，較少有針對線上服務探討. io. sit. 用戶擴散模式的研究，並且，學者在回顧此領域的研究時發現創新擴散的模型選. n. al. er. 用在實證研究上並無規則可循，Meade and Islam (2001)更指出模型的適用是依附. i n U. v. 個案特性而定的(Case-dependent)。因此，本研究希望透過創新擴散模型觀察影音. Ch. engchi. 串流平台之用戶成長，討論能否將創新擴散之成長曲線應用於平台服務中。. 2. DOI:10.6814/NCCU202000347.

(12) 第三節研究問題如前所述，本研究之研究目的在於探討影音串流平台是否能以創新擴散模型探討其成長模式，此外，過去研究對於最適解釋模型是否為最佳預測模型提出質疑(Martino, 1993; Meade & Islam, 1998)，因此本研究欲透過觀察兩大影音串流平台之成長，得出此類型服務的最適解釋模型和最佳預測模型，並透過觀察 Netflix 和 Spotify 這兩種不同服務型態之影音串流平台模型配適結果，討論不同服務造成之擴散差異，希冀給予往後之學術研究和企業延伸應用。承上，本研究之主要研究問題為以下三點：一、影音串流平台之用戶擴散是否適用創新擴散模型觀察其成長趨勢？. 政治大二、影音串流平台的創新擴散模型之最適解釋模型和最佳預測模型是否相同？立 ‧. ‧ 國. 學. 三、影音串流平台不同之服務類型是否有不同的創新擴散模式？. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 3. DOI:10.6814/NCCU202000347.

(13) 第二章. 文獻回顧. 本章由第一節介紹影音串流平台之技術、種類與獲利模式差異，及目前全球和台灣的產業發展，而第二節回顧創新擴散理論及各數理模型介紹；第三節探討 Bass 模型之限制和其延伸模型，並延伸至第四節探討新經濟下各創新擴散模型之實務應用，最後，總結上述之文獻探討內容並提出文獻缺口及本研究之模型選用結果。. 第一節影音串流平台一、串流平台. 立. （一）串流技術. 政治大. ‧ 國. 學. 早期網路技術的寬頻不足時，網際網路的應用還停留在提供文字或圖像的資訊傳遞，隨著第四代行動通訊技術(4G)的普及，影音多媒體的線上服務蔚為風. ‧. 潮，主要是憑藉者串流(Streaming)技術的應用。所謂串流指的是將影像壓縮後經. y. Nat. 網際網路分段傳送的技術2，不須像傳統影音媒體全部下載至主機或裝置中，而. io. sit. 是利用緩衝記憶體(Buffer)的概念，不實際拷貝儲存影像或音頻資料，而是直接. n. al. er. 由用戶端的緩衝記憶體讀取播放後刪除，使消費者可以一邊下載一邊使用影音. i n U. v. 片段，節省用戶主機或裝置的硬碟儲存空間，也解決用戶因下載所形成延遲娛樂的痛點。. Ch. engchi. 因此，串流媒體(Streaming Media)可以透過即時將影音數據資料壓縮的技術，以穩定且快速的方式傳送到用戶端，並透過應用程式解壓縮後開始播放，有了串流技術的崛起，使得龐大的媒體資料能夠以資料封包的模式進行傳遞，解決的過去必須下載才能夠觀看或收聽的窠臼，因此許多新興的影音串流商業模式也隨著此技術的純熟而因應而生。（二）平台與網路外部性在數位化的浪潮下，許多商業模式也因應網路的移動性做商業模式的創新，. 2. 此段定義來源為國家教育研究院 http://terms.naer.edu.tw/detail/1678807/ 4. DOI:10.6814/NCCU202000347.

(14) 平台(Platform)即為新經濟下很重要的一種商業模式創新。平台本身不直接從事生產產品的工作，而是給予市場參與者一個場域(Rochet & Tirole, 2004)，並且媒合並促進雙邊或多邊的互動關係，讓市場參與者能夠透過這樣的空間增加彼此的關聯。Eisenmann, Parker, and Van Alstyne (2006)認為平台為能將雙邊網路的使用者連結起來的一種媒介或服務，其建立的基礎設施和制度能夠促進雙邊進行交易或連結，並且雙邊市場擁有自己的成本和收益流，並非單純的線性價值流動關係。由於平台服務通常會是擁有雙邊或是多邊市場的，因此平台本身需要去迎合多群用戶的需求，Evans, Schmalensee, Noel, Chang, and Garcia-Swartz (2011)認為雙邊或多邊市場的聚集，會形成非線性的動態系統，其中一端的用戶變化會間接影響到另一端，而平台就是透過這樣的影響方式和用戶群反應來創造價值。. 立. 政治大. 平台商業模式得以運作，除了平台機制的設計外，最重要的核心概念即為. ‧ 國. 學. 網路效應(Network Effect)，或稱網路外部性(Network Externalities)，此概念最早由 Rohlfs (1974)所提出，該研究者認為一產品的價值會因為用戶數量的增加而. ‧. 提升，Katz and Shapiro (1985)對於正向網路外部性的定義為—消費者會因為其. y. Nat. 他使用者加入使用此產品或服務，而提高對於此產品或服務的效用。Eisenmann. io. sit. et al. (2006)亦在研究中表示網路外部性依影響的對象可以分成跨邊網路外部性. n. al. er. (Cross-side Network Externalities) 和同邊網路外部性 (Same-side Network. Ch. i n U. v. Externalities)；若以使用者意願和人數的變化，則可以分成正向(Positive)網路外. engchi. 部性和負向(Negative)網路外部性，其說明如表二-1：. 5. DOI:10.6814/NCCU202000347.

(15) 表二-1. 網路外部性的類別. 依網路外部性作用的對象區分同邊網路外部性. 跨邊網路外部性. 平台其中一端的使用者人數增加或減少，影響同一端用戶使用平台的意願提高或降低。平台其中一端的使用者人數增加或減少，影響平台另外一端用戶使用平台的意願提高或降低。. 依使用者決策的意願和人數變化區分正向網路外部性. 平台總使用人數的增加，會提高個別用戶對於該平台使用的效用，並增加願付價格。. 治政的效用，並減少願付價格。大立資料來源：(Eisenmann et al., 2006; Parker, Van Alstyne, & Choudary, 2016). 平台總使用人數的增加，會降低個別用戶對於該平台使用. 學. ‧ 國. 負向網路外部性. （三）串流平台價值鏈. ‧. 影音串流平台產業鏈大致可以分為內容供應商(Content Providers)、平台經營. y. Nat. 者(Platform Operators)、內容傳輸業者(Content Delivery Network)和終端設備供應. sit. 商(Devices Providers)，以圖二-1 來說明，內容供應商如製作公司及頻道業者將內. n. al. er. io. 容授權給平台經營者，影音串流平台經營者在支付授權費用後，將版權內容上架. i n U. v. 至自有平台，由於內容版權通常所費不貲，因此亦有部分影音串流平台會自製內. Ch. engchi. 容，減少內容授權之開銷並縮短上架時間，而影音串流平台會透內容傳輸業者將影音內容訊號直接傳遞至終端設備，或者是透過終端設備供應商上架串流平台之軟體3。. 3. NETMANIAS(2013), 2013 Content Network Trend-OTT Global CDN and Operator CDN, available. at http://www.slideshare.net/Netmanias/netmanias20130904content-networking-trends2013 6. DOI:10.6814/NCCU202000347.

(16) 治政大資料來源：本研究改繪自數位時代（2019）立圖二-1 影音串流平台價值鏈. ‧ 國. 學. 1.. 內容供應商(Content Providers). 影音串流平台之服務核心主要在於影音內容本身，平台欲提供多元且豐. ‧. 富之影音內容就必須溯源至上游之製片廠商、廣播電視公司、節目製作公司. sit. y. Nat. 和音樂製作公司等內容業者，經過內容業者同意內容授權後才可以合法在平. io. er. 台提供該項影音服務。過去之影音服務大多之營收來多都掌握在傳統的廣播電視業者手中，但隨著串流技術的發展，許多影音內容在尚未合法曝光前就. n. al. Ch. i n U. v. 會先一步被盜版廠商上架網路，導致內容業者營收受損，因此開始逐漸正視. engchi. 與串流影音平台間的合作關係，知名的內容供應商包含 Sony、Universal Studio、Disney 及 BBC 等。. 2.. 平台經營者(Platform Operators) 平台業者與傳統廣電服務最大的不同在於傳輸網路的開放性，傳統廣電服務如有線電視和衛星電視，主要是透過封閉式的網路架構將影音訊號傳至用戶住家，而現今的串流影音平台是透過開放式網路傳輸，打破空間、時間及單一裝置之限制，使影音串流服務邁向多螢幕觀看的時代(Multi-screen)，而由於過去傳統廣電之價值鏈相當長，在影音服務逐漸轉往網路後，原產業鏈之業者亦爭相轉型為影音串流服務之業者，無論是內容業者、電視業者、 7. DOI:10.6814/NCCU202000347.

(17) 內容整合業者、電信業者及甚至終端設備業者皆可以進入影音串流市場來提供服務，全球知名的影音串流平台經營者包含 Netflix、Spotify、Hulu、HBO 及 Amazon 等等。. 3.. 內容傳輸業者(Content Delivery Network) 不論是內容業者或是平台經營者，皆需要透過內容傳輸業者將影音服務傳送至用戶的終端設備上，要傳輸就必須透過網路才可以達成，目前影音串流平台業者必須透過連接各地區的網際網路服務供應商(Internet Service Provider, ISP)，或是透過連接獨立的內容傳播網路(Content Delivery Network, CDN)來提供服務，網路傳輸之方式如圖二-2，全球著名的內容傳輸業者為. 政治大. AT&T、Comcast、Verizon 及 PCCW 等。. 立. ‧. ‧ 國. 學內容傳輸業者之網路傳輸方式. n. er. io. al. sit. y. Nat. 圖二-2. i n U. v. 資料來源：Little and Global (2014), Figure 24.. 4.. Ch. engchi. 終端設備供應商(Devices Providers). 影音串流平台需透過終端設備完成服務，目前支援影音串流平台的設備包含智慧型手機、電視、機上盒、個人電腦及筆記型電腦等，影音串流平台必須在上述的裝置中上架或內建軟體完善整個基礎建設的建置，用戶才得以透過終端裝置來下載並連結影音串流平台，但部分的設備商僅與特定之串流平台合作，因此用戶在選擇使用串流平台時可能受到限制，目前較知名的終端設備供應商包含 Google、Apple、Sony、Samsung 及 Windows 等。. 8. DOI:10.6814/NCCU202000347.

(18) 二、種類與獲利模式串流影音平台打破以往傳統付費有線電視的線性收看邏輯和被動性，以非線性的隨機視訊(Video On Demand, VOD)服務為大宗，隨機視訊的特色在於可以達到即時播放，不需要將檔案下載至裝置中，並且不會受到播放權限和時間的約束，節目內容(Content)也由單一內容改為用戶自行選擇，不僅改變了用戶的影視習慣，更使得相關業者有更多視頻娛樂組合的發揮空間。串流影音平台根據其服務性質區分，可以分成影音分享平台、版權影音平台和影音直播平台（楊雅婷，2018）。影音分享平台又可稱作社交影音平台，影音分享平台與影音直播平台一樣皆開放用戶自行生產內容並上傳分享，為典型. 政治大收看內容不需要另外付費，平台大多透過廣告收益來獲取收入，若用戶上傳的立. 的用戶輸出內容(User Generated Content, UGC)經營模式，且通常使用者上傳或. 點閱率或觸及率高，UGC 平台也可能透過分潤的方式獎勵影音頻道的經營者；. ‧ 國. 學. 而版權影音平台是以有專業知識和背景的職業團隊生產內容(Occupationally. ‧. Generated Content, OGC)，由於版權的來源必須是合法且正版的，OGC 平台經營者需要以大量的版權費向內容商購買版權，或是自行生產內容，但由於購買版. Nat. sit. y. 權或是自行生產內容皆需要花費較具規模的資源和生產成本，因此版權影音平. n. al. er. io. 台的收入來源通常較為多元。. Ch. engchi. i n U. v. 9. DOI:10.6814/NCCU202000347.

(19) 立. 資料來源：改繪自秦偉翔（2015）. ‧. ‧ 國. 不同種類影音串流平台之商業模式. 學. 圖二-3. 政治大. y. Nat. 本研究主要針對版權影音平台，其服務型態和付費方式大致有以下幾種模. n. al. er. io. 群並維持損益的效益：. sit. 式4，然也有部分影音串流平台混用以下幾種服務付費方式，以求達到擴大消費. 1.. i n U. v. 訂閱制(Subscription)：以每個月固定支付訂閱費的方式享用隨機視訊的. Ch. engchi. 服務，在支付訂閱費後用戶可以不限流量和時間下使用平台提供的娛樂內容，大多數的影音串流平台皆使用訂閱制的方式賺取收益，如 Netflix、Amazon Prime Video 和 KKBOX 等平台，但訂閱制也會產生消費者不願意被單一平台綁定的問題產生，因此許多串流平台也因此開始自製內容和節目，增加消費者願意付費訂閱該平台的誘因。 2.. 回放制(Catch-up)：回放制通常為公共廣播電視的相關業者所提供的服務，以預先設定節目表的方式將首播的節目提供給註冊用戶，此類型. 4. Analysys mason(2014), New Service developments in the broadcast sector and their implications for. network infrastructure, available at https://www.ofcom.org.uk/__data/assets/pdf_file/0016/42046/broadcast-dev.pdf 10. DOI:10.6814/NCCU202000347.

(20) 的服務大多是免費提供，並透過節目的廣告來賺取平台的主要收益，如 BBC iPlayer。 3.. 按次收費制(Pay Per View)：以視頻娛樂來說即是「按片收費」，而對音樂串流而言為「按曲收費」，屬於下載即可永久擁有(Download to own) 的消費方式。與之略有不同為租借下載模式(Download to rent)，差異在於租借方式有時間的限制，用戶必須在單次付費的設定時間內觀看完畢。. 4.. 廣告制(Ad-Supported)：廣告制顧名思義是以免費的方式提供用戶服務，並透過第三方廣告合作，來賺取收益，然廣告制必須建立在平台已有眾多用戶的情形下才能發揮網路外部性的效果，因此許多串流平台會. 政治大. 以訂閱制和廣告制並存的方式維持收益的平衡，如 Spotify。. 立. 三、OTT 影音產業發展現況. ‧ 國. 學. 近年來，OTT 幾乎等於串流影音的代名詞，有諸多媒體、市調和研究報告. ‧. 將串流影音，或稱串流媒體服務劃分為 OTT 產業，因此本段將說明 OTT 的來源和定義，進而分析目前全球和台灣的 OTT 產業趨勢和發展。. er. io. sit. y. Nat. （一）OTT 定義. OTT 的定義來自於籃球運動中的“Over The Top”，表示過頂傳球之意，表示. al. n. v i n 球員繞過防守者將籃球置於頭頂上來回傳遞，應用至網路服務則表示內容商將 Ch engchi U 服務建構在基礎的電信服務上，不需要透過網路運營商提供額外的技術或內容服務，可以直接對網路用戶提供服務並公開使用5。因此，OTT 的普遍定義為「未. 經傳統內容營運商，如有線或衛星電視等多系統營運者，而是透過寬頻連線網路傳送之聲音、影像及其他媒體等內容。」(Kwon & Lee, 2015) OTT 是數位串流技術下的逐漸興起的產業，其平台及內容提供者透過網路技術將影音內容或服務傳遞給終端使用者。歐盟會員國電子通訊監管機關( Body of European Regulators for Electronic Communications, BEREC )認為 OTT 還未有明確的法律定義，而 BEREC 將 OTT 服務定義為「藉由公眾網路將內容或應用. 5. 本段內容參考自維基百科及 MBA 智庫百科之內容。 11. DOI:10.6814/NCCU202000347.

(21) 提供給終端消費者的一種服務」(BEREC, 2016)。而美國聯邦通信委員會(Federal Communications Commission, FCC)將泛指透過網際網路傳輸的內容服務定義為線上影音平台(Online Video Distributors, OVDs)，OVDs 包含無上限的視頻串流及線上頻道的租賃和銷售服務 (FCC, 2017) 。我國的國家通訊傳播委員會 (National Communications Commission, NCC)參考歐盟之定義，將 OTT 服務歸屬於「服務平台層」，指服務商透過網路平台提供語音、視訊、數據或影音等服務。廣義的 OTT 服務根據行動網路可移動的性質，產生許多相對應的服務，包含通訊、即時娛樂、社群網絡、線上商城、傳輸分享、雲端服務等等(Peitz & Valletti, 2015)，整理如表二-2：. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 12. DOI:10.6814/NCCU202000347.

(22) 廣義 OTT 服務類型. 表二-2 類型. 內容 OTT 的通訊服務並非如傳統電子郵件僅提供書信往來的功能，另外也提供了許多差異化的服務，例如視訊通話、貼圖訊息及語. 通訊服務. 音聊天或用戶信息共享等服務（例如檔案、相片和行事曆等等），衍伸出的服務平台如 Skype、Line、WhatsApp，iMessage 和 FaceTime。 OTT 所創造的即時娛樂包含影像觀看或音樂播放的服務，且音. 即時娛樂. 頻和視頻可以透過網路狀態擴展或緩衝，提供流媒體服務的線上平台包含 Netflix、Hulu、YouTube、Spotify 和 KKBOX 等等。. 政治大. 社群網絡建立一個平台給予用戶發布訊息、通訊或狀態更新，另社群網路. 立. 外也提供地點定位服務，提供用戶群打卡、互動且交流的空間，. ‧ 國. 學. 知名的社群網路包含 Facebook，Twitter，LinkedIn 和 Instagram。在網路商城上，用戶可以透過線上付款的方式，購買或下載應用. ‧. 線上商城. 程式、音樂、電影或書籍等媒體，如 Apple iTunes，Google Android. y. sit. er. 傳輸分享提供 P2P 端到端的檔案傳輸共享服務，例如 BitTorrent，. io. 傳輸分享. Nat. Marketplace 和 Amazon。. eDonkey 和 Gnutella。. n. al. Ch. i n U. v. 雲端儲存服務涉及使用文件傳輸協議(FTP)及其衍生產品進行數雲端服務. engchi. 據傳輸。許多公司都已儲存空間作為服務內容，如 Dropbox、 Google Drive、Apple iCloud 等等。遊戲服務可以簡單地來自專用遊戲平台提供商的遊戲下載，或. 遊戲服務. 是用於個人電腦和行動電話的遊戲，OTT 服務使遊戲也具有可移動性。資料來源：本研究整理自 Peitz and Valletti (2015). 迄今 OTT 服務也仍在發展中，學理上對於 OTT 產業沒有精確且統一的定見（葉志良，2015），但一般而言是指透過網際網路提供電視或影音內容至使用者所使用之電子終端設備中的過程(OECD, 2013)。由於廣義的 OTT 定義過於廣 13. DOI:10.6814/NCCU202000347.

(23) 泛，且目前大眾媒體及產業報告討論之 OTT 產業，亦僅針對提供即時娛樂功能的數位匯流領域，故本研究將 OTT 收斂至提供影視串流服務的平台，作為本研究之討論標的，其他 OTT 延伸出的功能和平台類型暫不列為此研究範圍。. （二）全球 OTT 影音市場發展美國電影協會(Motion Picture Association of America, MPAA)統計 2018 年全球 OTT 影視總訂閱戶為 6.13 億戶，相較於 2017 年成長了 27%；而有線電視的總訂閱戶為 5.56 戶，下降了 2%，也就表示，OTT 影視總訂閱戶正式在 2018 年超越有線電視訂閱戶。eMarketer6也估計 2018 年全球約有 7.65 億人每個月至少. 政治大數的 32.1%，且 eMarketer 表示網路使用人數的提升及更快速便利的網速皆為刺立激 OTT 影音市場成長的重要因素。訂閱一次 OTT 視聽娛樂服務，約為全球 10%以上的人口，佔了整體觀看影音人. ‧ 國. 學. 資誠聯合會計師事務所(PwC)於 2018 年發佈的 Perspectives from the Global Entertainment & Media Outlook 2018–20227中表示，全球娛樂暨媒體產業正在進. ‧. 入快速成長的階段，且影響影音串流產業的三大方向為數位匯流、與消費者的. Nat. sit. y. 連結和建立信任機制，此產業競爭的環境被重新定義為結合了娛樂暨媒體、科. er. io. 技和電信業的「匯流 3.0」，PwC 預估全球娛樂暨媒體產業的總營收將從 2017. al. 年的 1.9 兆美元成長至 2022 年的 2.4 兆美元，且自 2018 年至 2022 年的年複合. n. v i n Ch 成長率(CAGR)為 4.4% ，其中年複合成長率成長最快的領域最高的產業為虛擬 engchi U 實境(VR)，成長率約 22.4%；而次高的為 OTT 影音服務，約 14.1%。. 6. 全球知名調查研究機構，位於紐約市。利用客戶端的網路入口取得數據資料並進行分析。. 7. PwC(2018), Global Entertainment & Media Outlook 2018-2022, available at. https://www.pwc.com/gx/en/entertainment-media/outlook/perspectives-from-the-global-entertainmentand-media-outlook-2018-2022.pdf 14. DOI:10.6814/NCCU202000347.

(24) 圖二-4. 全球娛樂暨媒體產業各領域成長. 政治大. 資料來源：PwC Global Entertainment & Media Outlook 2018–2022. 立. 至於 OTT 影音產業，根據 Digital TV Research8的調查報告顯示，2023 年總. ‧ 國. 學. 收入將達到 1290 億美金，其中在 138 個調查國家中，前五名的國家－美國、中國、英國、日本和德國，幾乎佔了全球收入的 69%，相較於 2017 年的 73%下降. ‧. 了許多，顯示其他排名的國家有較高的成長率。. n. er. io. sit. y. Nat. al. 8. Ch. engchi. i n U. v. Digital TV Research (2018), Global OTT revenues to climb to $129 billion, available at. https://www.digitaltvresearch.com/ugc/Global%20OTT%20TV%20and%20Video%20Forecasts%202 018%20TOC_toc_214.pdf 15. DOI:10.6814/NCCU202000347.

(25) 政治大. 圖二-5. 學. ‧ 國. 立. 全球 OTT 產業營收預測. 資料來源：Digital TV Research. ‧ sit. y. Nat. 另外，美國電影協會報告也指出現在 OTT 平台的訂閱戶收入也在急速增加. io. er. 中，自 2014 年全球影音串流平台的訂閱戶收入僅有約 50 億美金，時至今日 2018 年已成長至至少 200 億美金，這四年間的漲幅高達四倍之多，並且，影音串流. n. al. Ch. i n U. v. 平台的收入來源除了訂閱戶之外，還會有其他的廣告收入，可以發現 OTT 影音. engchi. 服務目前是快速成長且諸多企業爭相進入的產業，以表二-3 整理目前國際知名的 OTT 版權影音串流平台。. 16. DOI:10.6814/NCCU202000347.

(26) 全球知名 OTT 版權影音平台. 表二-3 名稱. Netflix. 創立時間. 特色. 1997 年成立. 全球市佔率最高的影視串流業者，全球超過 1 億訂. 2007 年開始提. 閱戶，內容包含電影、影集及卡通等，利用系統大數. 供影音串流服. 據建立推薦系統，2013 年開始自製原創內容，並且. 務. 與當地業者合作，打造本土化的戲劇內容。為全球用戶第二多的影音平台，且 Amazon Prime. Amazon Prime. Video 並非為獨立的串流媒體，而是建立在 Amazon. 2006 年. Prime 內的一項服務，早期收購表現優良的視頻內. Video. 容，後期也開始自製原創內容。主要市場為美國及日本，主要由 NBC 環球(NBC. 整愛奇藝. 者. 音為大宗，投入許多資源在原創內容，付費會員約. 2010 年. io. ｜. 9680 萬人，且提供運動賽事的直播服務，2018 年已在美國上市。. 採取與其他串流商合作並分潤的模式（如 Amazon、. al. Hulu 等平台），讓 HBO 的訂閱用戶能夠在不損害. n. 影視. 為中國百度集團旗下的串流媒體，以華語類型的影. Nat. 業. 球集團和華納兄弟影業等。. ‧. 合. 高梅公司、Sony Pictures Television、FOX、NBC 環. HBO Go. y. 容. 2800 萬人，擁有約 100 家廠商提供影音內容，如米. 學. 內. 立. 2008 年. sit. Hulu. er. 權. 治 Universal)及迪士尼公司共同持有股份，用戶約有政大. ‧ 國. 版. 2010 年. Ch. 串. i n U. v. 與原先付費電視合作企業的前提下，享受線上影音. e播放的服務，HBO n g c h i Go 訂閱戶可以觀看原創影集、節目、電影及 Cinemax 原創節目以及 HBO Asia 等原創. 流. 節目。由韓國 NAVER 旗下子公司 LINE 所推出的串流服 Line TV. 2015 年. 務，主要市場為台灣和泰國，以自製內容打造行動社群影音平台，積極落實在地化內容。有別於其他主打戲劇、影集及電影的 OTT 影音串流. Fox+. 2017 年. 服務，Fox+平台內容種類較廣泛，除了戲劇、電影及綜藝節目外，還包含紀錄片和運動賽事及 Live 直播內容。. Disney+. 2019 年 11 月. 迪士尼原先將版權授權給 Netflix 及 Hulu 等社群平. 即將推出. 台，於 2019 年 4 月宣布將推出自有平台並上架迪士 17. DOI:10.6814/NCCU202000347.

(27) 全球知名 OTT 版權影音平台（續）. 表二-3. 尼頻道內容及其他自製電影，如漫威(Marvel)、星際大戰(Star Wars)、皮克斯(Pixar)、國家地理(National Geographic)等原創作品。由日本 KDDI 公司成立的公司，以會員訂閱的方式 2005 年. KKBOX. 賺取收益，主要市場在亞洲地區，建立多種情境式歌單供訂閱戶搜尋喜愛的音樂類型。瑞典成立的上市公司，目前為全球最大的音樂串流服務商，市佔率約 60%，擁有超過 2 億名用戶。收. 2006 年. Spotify. 入主要來自於廣告收入及訂閱用戶月租費，主打西洋音樂且以演算法建立推薦機制，綁定用戶的偏好。 Deezer 是一家法國在線音樂流媒體服務公司。提供. 2007 年. 立. 版. 整. 慧音箱 Alexa 裝置，推出免費方案來收聽 Amazon 的. Google Play Music 為 Google 建立的音樂串流媒體服務，並且提供用戶雲端免費儲存音樂的服務，並且可. al. n. Play Music. 2011 年. ｜音. i n U. v. 以透過該服務提供的播放器或是應用程式播放音. C h 樂。 engchi. TIDAL 服務由挪威 Aspiro 公司成立，收益採訂閱制，. 樂串. 線上平台音樂。. sit. Google. io. 者. 且不會受到廣告干擾。2019 年起，Amazon 也搭載智. Nat. 合業. 2007 年. y. Music. 元免費服務，不需要額外付費即可享用百萬首樂曲. ‧. 容. Prime. Amazon 音樂串流服務是建立在 Amazon Prime 的會. ‧ 國. 內. Amazon. 180 個國家。. 學. 權. 用戶線上或離線收聽包括 Sony 音樂集團、環球音樂治政和華納音樂等唱片公司的音樂內容，服務遍佈全球大. er. Deezer. TIDAL. 2014 年. 流. 主要市場在歐美地區，2015 年被知名歌手 Jay Z 的 Project Panther Bidco Ltd.收購，TIDAL 聲稱會提供給內容創作者在流媒體中最高比率的版稅。為 Apple 推出的線上音樂串流媒體服務，為全球第. Apple Music. 2015 年. 二大音樂串流服務商，全球支援 113 個國家，Apple Music 服務中也包含網路電台 Beats 1，且整合了 Siri 語音控制服務。騰訊音樂為中國在線娛樂平台，是騰訊持股的子公. Tencent Music. 2016 年. 司，旗下的音樂服務有酷我音樂、QQ 音樂、全民 K 歌及酷狗音樂，其主要收益來自於訂閱音樂服務、直. 18. DOI:10.6814/NCCU202000347.

(28) 全球知名 OTT 版權影音平台（續）. 表二-3. 播服務、企業合作及服務過程中的廣告。 Naver 集團隨著 Line TV 加入影音串流的戰場後，也 Line Music. 推出音樂平台，Line Music 除了提供正版的音樂版權. 2019 年. 內容外，也提供音樂會、藝人專訪和 MV 播放等服務。. 資料來源：本研究整理. （三）台灣 OTT 影音市場發展台灣串流影音市場的開端，許多研究及媒體認為是在 2016 年開始，甚至稱此年為台灣的 OTT 元年（吳家豪、江明晏，2019；賴祥蔚，2016；顏理謙，2017），. 政治大. 隨著許多境外影音串流平台進入亞洲市場，台灣 OTT 影音市場也呈現百家爭鳴. 立. 的戰國時代。根據 NCC 統計，2018 年整年度停掉第四台的家戶數達 15 萬戶9，. ‧ 國. 學. 以平均人口計算等同一年減少了約 50 萬的電視收看觀眾；另外，NCC 於 2019 年 3 月也針對本國通訊傳播市場做了統計報告10（圖二-6），發現 16 至 25 歲使. ‧. 用過影音串流平台的用戶高達 6 成以上，且 26 至 45 歲年齡層的比例也高於. y. Nat. 50%，顯示目前的視頻娛樂已從過往的有線電視轉向網路媒介，且民眾不再被電. n. al. er. io. 的主導權越來越高。. sit. 視和廣播節目綁架，可以自由的選擇想看的視頻內容和音樂，讓觀眾對於娛樂. 9. Ch. engchi. i n U. v. 資料取自於國家通訊傳播委員會(National Communications Commission) 之有線廣播電視訂戶. 數統計。https://www.ncc.gov.tw/chinese/news.aspx?site_content_sn=2989 10. 資料取自於國家通訊傳播委員會《107 通訊傳播市場調查》。. https://www.ncc.gov.tw/chinese/files/19031/5081_41115_190314_1.pdf 19. DOI:10.6814/NCCU202000347.

(29) 2018 年影音串流平台使用之年齡層統計. 圖二-6. 政治大. 資料來源：國家通訊傳播委員會（2018）. 立. ‧ 國. 學. 為因應數位串流的浪潮，我國許多影音媒體場業鏈上的廠商也紛紛加入 OTT 戰局，其中包含了有線電視業者、廣播電視業者、電信業者及內容整合業. io. 名稱. 創立時間. al. n 台灣大哥大 MyVideo MyMusic. 2012 年 2012 年. y. 我國 OTT 影音串流業者. sit. Nat. 類型. 表二-4. 特色. er. 產業業者：. ‧. 者等等（陳莞筑，2017；陳瑋庭，2018），以下表二-4 整理目前我國影音串流. i n U. v. MyVideo 提供電影、戲劇、卡通、直播及 BBC 等片. C h源，且部分內容採免費觀看、部分內容須可透過單次 engchi 付費獲取，也有提供新聞、運動頻道直播服務。. MyMusic 原名為 ezPeer+，為台灣大子公司酷樂時代所開發的線上音樂串流平台，合作的版權音樂商 200 家以上，以訂閱的方式賺取收益。. 電信. friDay 影音以亞洲地區出品的電影、戲劇和動漫為大. 業者遠傳電信 friDay 影音 friDay 音樂. 宗，亦提供綜藝節目和新聞台的直播頻道，採訂閱方 2014 年. 式獲取收益，期望打造在地化的影音平台。. 2011 年. friDay 音樂原名為 Omusic，為全台灣首創整合性音樂平台，提供遠傳電信的用戶線上聽歌、全曲下載和手機原因鈴聲下載的服務。. 中華電信. 2016 年. Hami Video 整合自家推出的 MOD、Hami TV 和 20. DOI:10.6814/NCCU202000347.

(30) 表二-4 Hami Video. 2013 年. Hami+ 音樂. 我國 OTT 影音串流業者（續） Hichannel 三大平台，提供電視頻道、影劇及各類型的運動直播服務，可以根據電視、影劇和運動類別購買不同的方案。近期和 FOX+合作，可以透過中華電信網路觀看原創影集及綜藝節目等。 Hami+音樂來源與 KKBOX 合作，以月租費提供免費聽、買全曲、選答鈴、找鈴聲等服務，另外也以單次計價提供演唱會直播和重播的服務。 Gt tv 擁有 150 台直播頻道，為業界最多，並可以透過. 亞太電信. 2016 年. Gt 行動電視. 月租費的方式獲取新聞、財經、運動、影劇及國際頻道等內容。由台達電子轉投資設立的電視台，屬於電視頻道和. 2015 年. 立. 民視. ‧ 國. 節目. 中天電視. 經營. 快點 TV. 三立電視. 公視+. 聞內容，和時下熱門的媒體影音內容。. 藝節目為主，大部分的內容皆為免費，近期開始推出平台的自製內容。. al. n 公共電視. 由中天電視台旗下的影音平台，擁有即時及線上的新. 三立電視旗下的影音平台，內容主要以自家戲劇和綜. 2016 年. io. Vidol. 2015 年. Nat. 業者. 過此平台觀看其他新聞頻道。. y. 視. 節目內容，以該電視頻道播出的節目為主，也可以透. ‧. 電視. 2015 年. 民視電視台旗下的影音平台，大多為戲劇節目和綜藝. 學. 四季線上影. VOD 選隨影音並行，主要內容為運動賽事的直播和獨治政播，採部分免費和付費訂閱的經營方式。大. 2017 年. sit. ELTA TV. er. 愛爾達. v i n C h劇、紀錄片、學生劇展和新創電影等單元，僅需註冊 engchi U 會員即可免費觀看。由公共電視推出的串流服務平台，內容包含旗下的戲. 聯合報旗下的網路電視頻道，擁有該頻道和報導的即. 媒體. 聯合報. 業者. Udn TV. 2013 年. 時影音、熱門視頻和直播等內容，以廣告收益為主，用戶不需額外付費。整合有線電視、寬頻網路及媒體，提供給台灣大哥大和凱擘網路的用戶，特色為平台相當開放，各影視業. 有線電視業者. 凱擘 SuperMOD. 2016 年. 者皆可以申請將內容上架，如 HBO、Catchplay 等都設立了專區，也積極和國內外內容業者合資拍攝戲劇。. 內容. Li TV. 整合. 線上影視. 2007 年. Li TV 為立視科技所成立的線上影音串流平台，是台灣第一個正版授權的 OTT 內容整合業者，也是最早. 21. DOI:10.6814/NCCU202000347.

(31) 表二-4. 我國 OTT 影音串流業者（續）能夠在台灣同時提供電視頻道(Live Channel)和隨選. 業者. 影片 VOD(Video-On-Demand)串流影視內容的服務平台。佳映娛樂公司所開創的線上影音平台，主要特色為國 2015 年. 想映電影院. 內外的優質獨立製片電影，大多屬於藝術類片源，並且結合電影的完整出版資訊，讓用戶可以更深入地細細品嚐和了解電影。曾為巧克科技公司下的原生台灣串流影音平台，和各. CHOCO TV. 2015 年. 追劇瘋. 大海內外電視台合作外，也有生產自製原創內容，巧克科技已納入 Naver 集團旗下，因此 CHOCO TV 也於 2018 年併入 Line TV。. 2016 年. Demand. 威望國際成立的一站式電影/影集平台，主要市場為大 2017 年. ‧. Giloo 的命名是以閩南語中的「紀錄」而來，創立目的. y. 2017 年. io. 音平台. al. n. 自製影音. 酷瞧. 內容. COTURE. 2015 年. 業者. 業者. 11. 在於希望透過此平台讓更多的紀錄片和深度報導被觀眾看見，同時也有專欄的分類，適合關心時事和社. v i n C h酷瞧是台灣最大的原創內容影音串流平台，以大量 engchi U 的自製節目和戲劇為平台特色，強調共同創作且自會議題的族群。. 由開放，主打 18-35 歲的使用者，用戶可以免費收看影音內容，以廣告作為主要收益。來自瑞昱半導體網路電視盒事業部，是台灣用戶最多. 終端設備. 影音內容整合業者，內容為國片和好萊屋院線片為大宗，依觀看者喜好建立推薦系統。. Nat. Giloo 紀實影. 中華區，結合 IMDb11資料庫，目前為台灣最具規模的. sit. CatchPlay On. 前也有自製的原生戲劇和節目。. 學. ‧ 國. 立. er. KKTV. 由 KKBOX 所成立的 OTT 品牌，主要內容為日、韓、治政中國及台灣的影視戲劇和動漫，除了授權內容外，目大. OVO TV 電視盒. 2013 年. 的合法電視盒品牌，創建「網紅頻道」、「頻道自由選」和「個人化 AI 電視系統」等服務，打造數位娛樂家用影音生活。. 網路電影資料庫(Internet Movie Database, IMDb)，為 Amazon 旗下的資訊庫，會提供於電影. 演員、電影、電視節目、電視藝人、電子遊戲和電影製作小組的線上資料庫。 22. DOI:10.6814/NCCU202000347.

(32) 表二-4 我國 OTT 影音串流業者（續）為鴻海集團旗下富連網公司推出的電視盒，提供多. BANDOTT 便當 4K. 款 OTT 平台的優惠方案，如 FOX+、Vidol、KKTV. 2017 年. 等串流服務，消費者透過購買設備和訂閱費享用服. 智慧電視盒. 務。. 資料來源：本研究整理. 根據 PwC 的研究報告12，台灣未來五年的娛樂暨媒體業將以 2.8%的年複合成長，2022 年即將到達 181 億美元的產值，且主要是以 OTT 影音產業以 15.5% 的年複合成長率帶領此市場成長，約佔了 4.41 美元的產值（圖二-7）。. 政治大. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. 圖二-7. i n U. v. 台灣 OTT 影音產業產值. engchi. 資料來源：資誠聯合會計師事務所（2019）. 12. PwC(2018), 全球與臺灣娛樂暨媒體業展望報告, available at https://www.pwc.tw/zh/publications/topic-report/outlook.html 23. DOI:10.6814/NCCU202000347.

(33) 第二節創新擴散理論一、創新擴散定義創新擴散理論之相關研究始於 1960 年代初期，當時係針對新產品進入市場之生命週期研究，希望能夠透過一個理論的產生，來描繪及預測產品從市場導入到退出市場的成長模式。自 1962 年 E.M. Rogers 在“Diffusion of Innovation”中提出創新擴散理論的概念後，創新擴散之相關議題被學界廣泛地討論和延伸，而創新擴散理論發展至此，已被廣泛地應用於諸多不同的領域與學科中，例如傳播學、社會學、心理學及行銷學等等。. 治政大「創新的事物經過一段特定時間，在社會群體中溝通傳遞的過程，而傳遞的過立程中會蘊含新的想法」。由於在訊息擴散的過程中，會涉及訊息內容的新穎性，創新擴散理論為一發展相對成熟的理論，Rogers (1962)最初將擴散定義為：. ‧ 國. 學. 因此在擴散過程中常伴隨著不確定性和感知上的風險。創新擴散包含四個重要的要素(Rogers, 2003)，分別為：. ‧. 創新因素(Innovation)：對於採納的個人或是群體來說，創新是一種新. sit. er. 傳播管道(Communication Channels)：指創新的概念從個人或媒介傳遞. io. 2.. Nat. 的想法、技術或是實踐的解決方案。. y. 1.. al. 至另外一個個體的過程。大眾媒體對創新知識的傳遞最有效率，但個. n. v i n Ch 體間互相傳遞資訊的方式較能形塑創新的觀念和影響主觀評價。 engchi U 時間因素(Time)：時間因素的之要件包含創新擴散過程、創新性及創新. 3.. 採用率，且在創新決策的過程中，每個個體將創新知識轉化為採用態度的時間不同，因此創新無法在同一時間被所有社會群體接受採納。 4.. 社會系統(Social System)：社會系統指一組相互連結的單位，系統成員會共同解決問題及實現共同目標。該系統的社會結構和通信技術會促進或是阻礙系統中創新的傳播效果。. 過去有許多學者針對創新擴散的程序提出不同的假設和情境，進而延伸出創新擴散模型，雖然模型假設不同，但學者們對於創新擴散的本質皆有相同的看法：創新擴散的模式隨著時間推演，其累積採用人數會呈現一 S 型曲線的樣貌，如圖二-8 所示： 24. DOI:10.6814/NCCU202000347.

(34) 累積採用人數. 時間圖二-8. 創新擴散累積採用曲線. 資料來源：Mahajan and Peterson (1979). 二、創新採用者分類. 政治大. 立. ‧ 國. 學. Rogers (1962)認為消費者在決策是否採用一創新概念或產品的過程中，會經過五個決策流程，分別為察覺(Awareness)、興趣(Interest)、評估(Evaluation)、試. ‧. 用(Trial)與採納(Adoption)，且根據個體差異，每個消費者歷經此五階段的進度. y. Nat. 也有所不同，因此 Rogers (2003)依採用者的心智差異及採用時點落差，定義了. io. sit. 不同的族群類型。假設採用者的分佈會遵行 S 曲線成長且趨近於常態分配，創. n. al. er. 新採納會依據常態分配的兩個特徵—平均值和標準差，將這些族群類型區分為. i n U. v. 五個採納類型，分別為創新使用者、早期使用者、早期大眾、晚期大眾及落後使用者。以下詳述之： 1.. Ch. engchi. 創新使用者(Innovators)：創新產品且能夠接納新的觀念和，願意在產品尚未穩定時先行採用。. 2.. 早期採用者(Early Adopters)：早期採用者在創新使用者後的 13.5%，普遍在創新產品之生命週期起始就決定採用，此類型的採用者相較於創新使用者較關心社會的規範和價值觀，多屬於意見領袖，其採用決定對於其他社會成員有重大的影響力，會促進創新產品的擴散狀況。. 3.. 早期大眾(Early Majority)：早期大眾佔總採用者之 34%，此類型的採用者屬於理性決策者，在比較市場上的資訊和評價後，跟隨早期使用者購買，社會體系中這類型的採用者眾多，約佔了三分之一的比例。 25. DOI:10.6814/NCCU202000347.

(35) 4.. 晚期大眾(Late Majority)：晚期大眾在早期大眾後的 34%，此類型群體的採用行為較早期大眾保守，通常會等到社會大眾對於創新產品或概念有較強烈的認同感時，才會逐漸被群體壓力鼓勵而採用，這部分的採用者在一社會系統中也屬多數，亦佔了約三分之一的比例。. 5.. 落後使用者(Laggards)：落後使用者為最後的 16％，他們對於創新產品的接受程度非常保守，不容易受到社會壓力及媒體傳播影響採用決策，且通常要等到該創新產品已在產品生命週期的衰退期時才會採用，是在社會體系中最難被改變的一群人。. 三、創新擴散基本模型. 政治大積過程為遵循 S 曲線成長，但創新的類型和其他變因，會對擴散之速率有很大立. 創新事物的擴散方式有其規律性，其中 Mansfield (1961)認為創新擴散的累. ‧ 國. 學. 的影響。過去關於創新擴散的研究相當豐富，諸多先驅學者以不同切入點來研究，以不同的語彙(Terminology)及判定模型(Deterministic Model)闡釋創新擴散. ‧. 之現象，以下介紹於各領域廣為使用的三種經典模型：（一）Gompertz 模型 Benjamin Gompertz 為猶太裔之數學家，於 1825 年時改進 Malthus (1798)之. y. Nat. sit. 人口成長模型，將成長曲線應用於預測英國人的死亡率而聲名大噪，後人將其. n. al. er. io. 發展出的模型命名為 Gompertz Curve。Gompertz 模型認為擴散之用戶分佈情形. i n U. v. 會對該產品之擴散速率有所影響，並且假設在產品擴散的社會系統中，最大成. Ch. engchi. 長極限為一固定值，不會隨時間變化(Gompertz, 1825)。其數學表示式如下： 𝑁(𝑡) = L𝑒 ()*. +,-. (2.2.1). 𝑁(𝑡)：𝑡時之採用人數或人口數 𝐿：成長極限 e：自然對數 a、b：模型係數. 目前研究除了將 Gompertz 模型應用於預測死亡率外，也將其延伸應用至其他領域的預測上，例如新車銷售(Franses, 1994)、網路擴散(Kiiski & Pohjola, 2002) 及產品生命週期預測(Trappey & Wu, 2008)等等，近期國內也將 Gompertz 模型 26. DOI:10.6814/NCCU202000347.

(36) 應用於討論行動電話擴散（朱文伶，2010）、國家寬頻擴散（林茂雄，2015）及微信活躍用戶預測（楊超、危懷安，2016），並且進行多模型的比較和配適分析。. （二）Logistic 模型 Logistic 擴散模型最早是在 1838 年時，由比利時之數學家 Pierre Francois Verhulst 所提出，但當時並不多學者針對此模型做延伸和討論。直到 1920 年 Pearl 和 Reed 在研究生物繁殖時偶然發現 Logistic 模型(Pearl & Reed, 1920)，並將其延伸應用至人口成長的預測上(Pearl, 1924)而成名，因此 Logistic 模型又可稱為. 政治大. Pearl 模型。式(2.2.2)為 Logistic 模型之數學表示式： /. 𝑁(𝑡) = 01)* +,-. 𝑁(𝑡)：𝑡時之採用人數或人口數. io. sit. y. Nat. a、b：模型係數. ‧. e：自然對數. er. 𝐿：成長極限. (2.2.2). 學. ‧ 國. 立. Logistic 模型假設決定採用人數與已採用人數成正比，也就是網路外部性的. al. n. v i n 含義，因此此擴散模型往後被諸多學者肯定並加以應用，尤其是生物學、經濟 Ch engchi U 學等領域，例如玉米栽種技術之擴散(Griliches, 1957)及行動通信擴散研究. (Farrell & Saloner, 1985)。並且，近幾年關於創新產品的擴散預測，也經常使用 Logistic 模型，例如全球電動車市場預測（杜偉娟，2011）、晶圓需求量預測（黃惠綺，2011）及網路採用者的擴散（張彬、楊國英與榮國輝，2002）。. （三）Bass 模型 Fourt and Woodlock (1960)研究食品雜貨並發表「首購擴散模型」，其模型主張在創新產品的擴散中，採用者的決策僅會受到大眾媒體的傳播影響，表示式如式(2.2.3)： 27. DOI:10.6814/NCCU202000347.

(37) 𝑛 (𝑡 ) =. 34(5) 35. = 𝑝[𝑚 − 𝑁(𝑡)]. (2.2.3). 𝑁(𝑡)：第𝑡期之累積採用人數 𝑛(𝑡)：第 t 期之採用人數 𝑝：大眾媒體影響係數（創新係數） 𝑚：市場潛量. Mansfield (1961)針對產業中的科技替代創新，發表式(2.2.4)之模型，他認為潛在消費者的採用決策，僅受到採用者之間的口碑行銷所影響，進而促進創新產品之擴散，其數學式為： 𝑛 (𝑡 ) =. 立. 治 ] 政 = 𝑞𝑁(𝑡)[𝑚 − 𝑁(𝑡) 大. 34(5) 35. (2.2.4). 𝑁(𝑡)：第𝑡期之累積採用人數. ‧ 國. 學. 𝑛(𝑡)：第 t 期之採用人數. 𝑚：市場潛量. ‧. 𝑞：口碑行銷影響係數（模仿係數）. sit. y. Nat. er. io. Bass (1969)針對 1920 年至 1961 年 11 項家電類產品進行擴散研究，整合了. al. v i n Ch 採用者改分成創新者(Innovator)和模仿者(Imitator)。創新者之定義建立在 Fourt engchi U n. 上述兩篇研究之理論差異，以及參考 Rogers (1962)針對採用者的五種分類，將. and Woodlock (1960)的理論基礎下，在創新擴散的過程中受到大眾媒體影響，也就是 Bass 模型中的外部影響(External Influence)；而模仿者遵循 Mansfield (1961) 的假設，對於新產品的採用與否受到人與人間的口碑傳遞影響，為模型中的內部影響(Internal Influence)，圖二-9 為 Bass 模型的概念圖示。. 28. DOI:10.6814/NCCU202000347.

(38) 圖二-9. Bass 模型基本概念圖示. 資料來源：Mahajan, Muller, and Bass (1990). 立. 政治大. 從圖二-9 可以得知 Bass 擴散模型蘊含了內、外部兩種訊息傳播的途徑，創. ‧ 國. 學. 新者會持續存在於整個擴散過程中，且對於初期的產品擴散有很大的影響力，隨著時間推移創新者人數會漸漸下降。以量化模型角度來說，Bass 模型之發展. ‧. 來自於傳染病學中的「危險函數」(Hazard Function)，危險函數旨在探討特定時點前，未遭病毒感染者在當下時點會遭受感染之機率，而 Bass (1969)將此模型. y. Nat. sit. 應用於產品生命週期及銷售量之預測，主張「在尚未採用創新產品者中，決定. n. al. er. io. 採用之機率是已採用者之線型函數」，故其數學式可表示如下：. i n C 𝑃(𝑡) = 0(>(5) h e n=g𝑝 +c 𝑞𝐹(𝑡) hi U =(5). v. (2.2.5). 𝑃(𝑡)：在第𝑡期新加入採用者的機率 𝐹(𝑡)：在第𝑡期採用的累積機率 𝑓 (𝑡)：在第𝑡期採用的機率 𝑝：創新係數（外部影響） 𝑞：模仿係數（內部影響）. 從式(2.2.5)可以看出，第 t 期之採用創新產品的條件機率，隨著累積採用者增加而提高機率，且創新係數在模型中代表創新者不會受到已採用者的增加而影響決策；反之模仿係數代表模仿者會有學習行為，會隨著累積採用人數的增 29. DOI:10.6814/NCCU202000347.

(39) 加而加強其擴散效果。若將 m 表示為一社會體系中的最大市場潛量，則在 t 期的採用人數及累積採用人數分別可表示為： 𝑚𝑓 (𝑡) = 𝑛(𝑡). (2.2.6). 𝑚𝐹(𝑡) = 𝑁(𝑡). (2.2.7). 因此，式(2.2.5)可以根據式(2.2.6)及(2.2.7)改寫成： B. 𝑛(𝑡) = 𝑝[𝑚 − 𝑁(𝑡)] + C 𝑁(𝑡)[𝑚 − 𝑁(𝑡)]. (2.2.8). 政治大用者。另外 Rogers (1962)認為創新產品在一社會體系中擴散的主要因素在於大立. 當𝑡 = 0時，𝑛(𝑡)為𝑝𝑚，表示為創新產品一開始之採用人數，也就是創新採. 眾媒體傳播及人與人之間之模仿行為所形成的口碑效應，Bass (1969)亦承襲其. ‧ 國. 學. 看法，將模型中的大眾媒體傳播效果設為創新係數𝑝，口碑效應設為模仿係數𝑞，以上述兩個參數描繪創新產品在社會體系的擴散因子；故若創新係數和模仿係. ‧. 數值有所不同時，代表該創新產品在社會系統中的擴散模式也有所差異。因此，. Nat. sit. y. 觀察產品之創新擴散過程可以透過其模型參數值大小關係來判斷，如圖二-10 即. al. er. io. 為因創新係數和模仿係數相對大小比較所造成的擴散模式差異，表示當𝑝、𝑞之. v i n C h > 𝑝)，初期採用人數會隨著時間增加，到達當內部影響大於外部影響時(𝑞 engchi U n. 大小有所不同時，對擴散模式會有不同的影響。. 高峰後再慢慢衰退，如同一般理想的產品生命週期曲線；但若當外部影響大於. 內部影響時(𝑝 > 𝑞)，產品推出初期就以達到採用人數的最高點，因此採用人數會隨著時間推移漸漸下滑，此類型之產品僅能在推出初期創造爆炸性之採用量，但長期而言較不具產品的競爭力，難以在市場上存活。也就表示，創新係數的變化會顯著影響創新產品初期的擴散速度，當𝑝值越大時，新產品在產品推出初期的擴散速度越快；反之，當𝑞值越大，新產品在產品推出的一段時間後擴散的速度才會增快，故模仿係數會顯著影響產品中後期的擴散速度，表示創新產品在推出的中後期較容易受到口碑效果影響其擴散速率。. 30. DOI:10.6814/NCCU202000347.

(40) 圖二-10. 創新係數與模仿係數之關係. 資料來源：本研究繪製. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 31. DOI:10.6814/NCCU202000347.

(41) 第三節 Bass 模型之修訂與擴充 Bass (1969)最初是以 11 種耐久財簡化發展出的擴散模型，因此模型本身會具備耐久財之產品性質，且存在當初使用之研究標的所造成的假設和限制。 Mahajan et al. (1990)在回顧新產品擴散模型的方法和研究時，提出了過去 Bass 在建模時的不合理假設： 1.. 市場潛量不會隨著時間變化. Bass 模型假設新產品的市場潛量(m)並不會隨著產品的引入、成長及退出而有所變化，也就是說，市場潛量在整個擴散過程會是固定不變的，但在理論上，潛在採用者理應是動態且隨時間變化的。Kalish (1985)對耐久財進行相關研究，認為. 政治大. 市場潛量應為動態的，並作為市場價格的函數，透過產品採用率的增加能降低. 立. 市場潛量的不確定性。Sharif and Ramanathan (1981)考量了人口成長率對於市場. ‧ 國. 創新產品的擴散獨立於其他創新產品或技術. ‧. 2.. 學. 潛量的影響。. Bass 最初假設創新產品的擴散不會受到其他創新產品的替代或互補效果影響，. y. Nat. sit. 但實際上仍有許多創新產品或技術存在於市場中，且或多或少會對該創新產品. n. al. er. io. 有正向或負向的影響力，像是電腦與作業軟體具有附屬性，其擴散程度會交互. i n U. v. 影響，學者認為可依據產品彼此間的關係分為獨立品、替代品、附屬品及互補. Ch. engchi. 品(Mahajan & Peterson, 1978)。Bayus (1987)曾針對硬碟之軟硬體進行實證相依性研究，發現創新產品的擴散速率除了受到該產品的既有使用者影響外，也會因該創新產品的互補品銷售增加，而增加產品的擴散速率。. 3.. 創新本質不會隨時間而改變. 原始 Bass 模型認為創新的本質並不會隨著時間推移而改變，然而實際上企業在推出創新產品時，經常是針對先前產品之樣態做功能上或製程上的改進，進而推出下一代的新產品。就產品屬性而言，新一代產品的功能和定位通常都優於前代產品，因此新一代產品之擴散效率理當會受到前代產品之市佔率影響，這樣的情形在高科技產品的更迭中屢見不鮮。Norton and Bass (1987)證明了科技間 32. DOI:10.6814/NCCU202000347.

(42) 的替換過程確實存在，且創新本質的改變會造成原始 Bass 模型的偏誤。. 4.. 社會系統的地理邊界不會隨擴散過程發生變化. Bass 假設產品的擴散過程不會有時間和空間的變化，但實際上一創新產品的擴散，隨著每個地理區位耗費不對等的資源和推出不相同的策略，在地理區位中亦會產生不同的擴散起始時點和擴散效率。Mahajan and Peterson (1979)發展了一種聯合時間和空間的擴散模型，發現當創新產品離推出地點越遠時，其市場潛量越小。. 5.. 創新過程的決策是二元的. 政治大到 Rogers (1962)所提出的五個決策流程：察覺(Awareness)、興趣(Interest)、評估立. 原始 Bass 模型認為潛在採用者僅有「採用」及「不採用」兩種決策，沒有考量. ‧ 國. 學. (Evaluation)、試用(Trial)與採納(Adoption)。有諸多學者延伸 Bass 既有的兩階段模型，以積極、消極及中立的三個面向來探討產品的擴散(Kalish, 1985; Mahajan,. y. Nat. 創新擴散過程不會受到行銷策略影響. sit. 6.. ‧. Muller, & Kerin, 1984)。. n. al. er. io. Bass 最初發展之模型僅設有創新係數、模仿係數及市場潛量三個參數，表示其. i n U. v. 他相關市場變化都視為外生變數，並未考慮到不同行銷變數對產品擴散的影響. Ch. engchi. 力。Robinson and Lakhani (1975)首先將價格變數加入 Bass 模型，隨後許多研究也將模型延伸，考量其他行銷因素，例如：廣告、通路及消費者認知等等變數 (Jones & Ritz, 1991; Kalish & Sen, 1986)。. 7.. 擴散過程不會受到產品和市場特性影響. 原始 Bass 模型並未考慮到產品和市場特徵對擴散程度之影響，但在實證研究中確實發現產品和市場的本質差異，會對於擴散過程有有連續性的影響力 (Tornatzky & Klein, 1982)。Gatignon, Eliashberg, and Robertson (1989)於研究中發現當產品擴散橫跨國家的地理疆域時，市場的不同特性會影響相同產品的擴散模式，並且該研究試圖將此差異加入 Bass 模型中。. 33. DOI:10.6814/NCCU202000347.

(43) 8.. 創新產品沒有供給限制. 由於 Bass 本質上是一個需求模型，但有大量的需求不代表有相對應的供給量，實務上可能會因產能限制及貨運系統超載等因素，導致產品的不可得，造成過剩的需求未被滿足，或是等待採用的情形(Simon & Sebastian, 1987) 。Jain, Mahajan, and Muller (1991)針對新款手提電話之擴散研究，考慮創新擴散的供給限制，提出三階段的過程，分別為：潛在採用、等待採用及採用。. 9.. 採用者僅購買一單位，且不會重複購買. 多數的創新產品採納過程會包含第一次購買者及重複購買者，因此 Bass 最初僅計算初次購買者確實有不合理之處，Lilien, Rao, and Kalish (1981); (Mahajan,. 政治大. Wind, & Sharma, 1983)透過藥物的擴散將重複購買的行為放進 Bass 模型中，. 立. Norton and Bass (1987)假設採用者會持續的重複購買，且總人口之平均重購率是. ‧ 國. 學. 固定不變的。. 根據上述九項最初 Bass (1969)所做的模型假設，1970 年代開始即有諸多學. 一、動態擴散模型(Dynamic Diffusion Models). al. er. io. sit. y. Nat. 貌，主要能將修正及擴充之模型分為九大類：. ‧. 者根據這些假設限制改進模型，並試圖將 Bass 模型修正成更符合實際應用的樣. n. v i n Ch 原始 Bass 模型認為市場潛量不會隨時間推移而改變，Mahajan and Peterson engchi U. (1978)最先提出修補此缺陷之模型，將一社會系統中的戶口數成長作為市場潛量的函數，而後有許多學者市場根據動態市場潛量的概念提出不同的變化模型，主要的相關研究有：. 34. DOI:10.6814/NCCU202000347.