台灣網路遊戲產業成長與競爭動態之研究
汪維揚 高雄應用科技大學資訊管理學系 林家瑋 高雄應用科技大學資訊管理學系摘要
本研究的目的在探討促成台灣網路遊戲產業成長與競爭動態的關鍵驅力與相互作用 過程，並藉此擴展對網際網路相關產業特性的了解。研究以系統觀點將影響台灣網路遊 戲產業成長與競爭的互動關係視為一個系統，並以系統動力學(System Dynamics)建立一 個包含研發、代理、遊戲、市場、資金等活動要素及互動關係的電腦模型。研究發現影 響台灣網路遊戲產業成長與競爭動態的主導性結構，包含了市場的多重成長回饋循環、 具時間滯延的研發產能成長回饋循環、國內外網路遊戲產業的競爭關係，以及市場的成 長上限。市場的多重成長回饋環循環與市場的成長上限，造就了網路遊戲產業快速而短 暫的成長型態；研發產能成長與遊戲產出的時間滯延，以及國內外網路遊戲產業的競爭 關係決定了國內外網路遊戲產業競爭的形勢與結果。在市場成長快速的情形下，研發產 能成長與遊戲產出的時間滯延，形成了落後產業難以超越的競爭屏障，不但限制落後者 的成長機 會，也使產業輔助政策的影響侷限在很短的期間內。本研究對台灣遊戲產業先 代理後研發的產業發展模式，以及政府政策對網際網路相關產業發展的討論，除可作為 產業中不同角色及政府相關政策設計的參考外，對於網路遊戲產業成長的主導性結構的 了解，也可以做為一種啟發而有助於對相關產業動態的觀察與理解。 關 鍵字 ： 網路遊戲、產業、成長、系統動力學Growth Dynamics of Taiwan Online Game Industry
Wei-Yang Wang
Department of Information Management, National Kaohsiung University of Applied Sciences
Jia-Wei Lin
Department of Information Management, National Kaohsiung University of Applied Sciences
Abstract
This paper adopts a systemic perspective to explore how interlocked decisions and actions by different industrial sectors contribute to the growth dynamics of online game Industry in Taiwan. A system dynamics model, comprising of R&D activities, game agency, game players, and a variety of games in the markets, etc., is built to illuminate essential mechanisms underlying the industrial growth dynamics. With a series of simulation experiments, it is found that multiple positive feedbacks loops, delayed capacity expansion of R&D activities, competitions of Taiwan domestic games and games from abroad, and a limited online game market together lead to a rapid but stagnated growth of Taiwan online game industry. The online game market, driven by several positive feedback loops, i.e. network effects in game player networks, grew so rapidly that it reached its limited size in 5 years. Domestic online game industry with necessary lead times and delays in R&D activities and capacity expansion process was failed to earn the market before the market reached its limit. From a feedback perspective, the stagnated growth of domestic online game industry is found to be resulted from the complex and dynamic interactions between the rapid growth of online game market and the delayed capacity expansion of online game industry as a whole.
壹、緒論
自網際網路發展以來，各種新興產業以極快的速度席捲了社會每個角落，影響與日 俱增。網際網路相關產業的發展也格外受到各國政府重視，成為新經濟型態的一個重要 競技場。從產業發展的角度而言，這場競賽的焦點在於國家或區域之間的產業競爭。因 此，瞭解一個網際網路產業的成長動態，例如產業如何成長？成長的特性為何？競爭態 勢的消長如何變化？等問題，對於產業發展與相關政策的制定十分重要。然而，與這些 議題的相關研究並不多見。 理解產業的成長動態，意即將關注焦點置於產業內各成員的決策、行動以及互動關 係而產生的各種重要運作力量。其中，有些力量相互構成了產業的成長循環，推動產業 成長，有些力量則形成抑制成長的循環。這些成長與抑制成長的循環在時間推移下，共 同塑造出產業的成長動態。探討這些力量的運作方式，以及解釋此一運作結構與成長動 態之間的因果關係，有助於我們深入理解網際網路產業的成長與發展，並豐富網際網路 產業的相關知識。 網路遊 戲(online game)是典型的網際網路相關產業，其創造的產值顯示了它的重要 性，自然也成為一場重要的產業競賽（Meagher and Teo 2005; Lee, et al. 2004; Zhu and Wang 2005; Cheng, Kao, and Lin 2004; 李麒麟 2006; 陳意文與陳宗文 2003）。所謂網路遊 戲是指遊戲玩家透過網際網路連線至遊戲伺服器，在遊戲所建立的主題虛擬環境裡扮演 某個角色。角色在虛擬環境中與不同的人、事、物進行各種互動，並藉以提升角色功能 與地位的等級。網路遊戲吸引人之處除了遊戲與環境的設計之外，玩家還可以透過角色 扮演進行人與人的互動，宛若一個線上版的社會與世界。目前此類遊戲又因為伺服器可 容納數千至數萬人互動，故又稱之為MMORPG(Massive Multi-player Online Role Playing Game)或MMOG(Massive Multi-player Online Game)。台灣網路遊戲(MMORPG)的發展起自1999年，在2000年即創造了新台幣4.8億元的 產值，也帶動網咖與相關網路服務產業的蓬勃發展。網路遊戲在3-4年間成為台灣數位 遊戲市場主要產值來源，圖1-1～1-5說明了台灣網路遊戲在年產值、遊戲代理商、遊戲 數、研發商以及自製遊戲比例的成長歷程。這當中有幾個現象值得關注，一是如圖1-1、 1-2和1-3所顯示的市場成長速度很快但很短暫。2001-2003年間成長最為迅速，2003年以 後似乎突然減緩甚至接近成長停滯的狀況。二是區域或國家之間產業的競爭形勢非常明 顯；圖1-5指出在台灣網路遊戲市場中，國外遊戲總數約佔70%，其中又以韓國遊戲最 多，是台灣自製遊戲產業的主要競爭對手。台灣自製遊戲在遊戲數量與產值上約僅佔總 體的30%，而且呈現成長停滯的狀態。此外，政府政策積極介入網路遊戲產業的發展， 對於台灣與其他國家在線上遊戲產業上的競爭有十分重要的影響。本研究的目的即在探 討為何台灣網路遊戲產業會有如此的成長與競爭動態？而由於產業的成長與競爭動態 涉及許多因素與互動關係，本研究採用系統觀點(Maruyama 1963; Masuch 1985; Forrester 1994a; Senge 1990; Weick 1979)將產業成長歷程中所涉及的相互影響視為一個系統，並
著重系統中因果回饋的互動關係。藉由系統觀點與方法來探索各角色之間彼此形成了那 些成長與抑制成長的循環？這些運作力量又如何塑造台灣網路遊戲產業的成長與競爭型 態？以及政府相關政策在產業發展過程中所發揮的影響。藉此深入了解台灣網路遊戲產 業發展的模式與特性，並增進對網際網路相關產業成長與競爭的認識。 本文結構安排如下：第貳節簡要說明網路遊戲相關的文獻，包括網路外部性理論對 網路產業成長動態的解釋。第參節說明研究方法與步驟。第肆節簡述台灣網路遊戲產業 的發展概況、產業成長動態模型、模型有效性檢驗與實際行為的比較。第伍節討論影響 產業成長與競爭的主要因果回饋結構，及其所蘊含的動態特性。第陸節對產業主要動態 行為做整體與延伸性的討論，並且討論相關政策在遊戲產業發展過程中的影響；最後是 結論。 圖1-1：台灣網路遊戲年度產值規模 圖1-2：台灣網路遊戲代理商數目消長圖 圖1-3：台灣網路遊戲數目消長 圖1-4：台灣網路遊戲研發商數目消長 圖1-5：自製遊戲佔市場比例
（資料來源：經濟部 2003a; 2003b; 2004a; 2004b; 2005；許瓊予 2001a; 2001b; 2001c; 2001d；
貳、文獻探討
回顧網路遊戲相關的研究，討論主題大都在於(1)玩家行為的探討，例如Charlton and Danforth(2007)、Choi and Kim(2004)、Hsu and Lu(2004)、Lee, et al.(2004)、吳聲毅與林鳳 釵(2004)、Whang(2003)、Kim, et al.(2002)、陳怡安(2002)等；(2)遊戲經營者的定價與市 場發展決策，例如MacInnes and Hu(2007)、Meagher and Teo(2005)、陳立漢（民95）、徐 孟達（民93）、闕克儒（民92）、黃齡嬌（民91）等；(3)市場擴散模型(diffusion model) 的研究，例如Zhu and Wang(2005)、Cheng, Kao, and Lin(2004)等；(4)供應鏈及合作關係， 例如吳俊（民92）、陳禹辰與胡惠萍(2005)、侯旭倉（民92）、蔡慶同（民94）、李麒 麟(2006)、陳意文與陳宗文(2003)等；(5)遊戲軟體設計，例如黃國洲（民91）、徐勝凌 （民93）、朱家宜與陳文山(2005)等。這些文獻及提供的相關資料有助於我們了解網路 遊戲產業的結構（本文於第肆節詳細說明），然而對於整體產業成長動態與內在互動機 制之間因果關係的探討仍然很少。
此外，網路遊戲玩家之間的關係可視為一個虛擬網路(Shapiro and Varian 1999)，因 此網路經濟學相關研究對於網路效應(network effects)或外部性(externalities)的討論有助 我們對網路遊戲產業發展動態的了解。依據Katz and Shapiro(1985)對網路外部性的定義 為「使用者的偏好及效用，會隨其他消費者購買相容產品數目的增加而增加」。這個 行為解釋了許多網路外部性產品的競爭與成長現象，例如我們所使用的QWERTY式鍵 盤、傳真機、VHS錄放影機(Arthur 1994)、微軟視窗作業系統、office軟體、網際網路瀏 覽器、入口網站，甚至網路通訊協定等。Arthur(1989, 1994)、Katz and Shapiro(1994)、 Sterman(2000)、Sterman, et al.(2007)等指出因為網路外部性的正向回饋(positive feedbacks) 作用，會導致市場鎖定(lock-in)與路徑相依(path dependence)的發展，而形成主導或是壓 倒性的競爭結果。相關研究並依此進一步建議公司可利用低價格、快速擴充產能、大量 廣告與建立聯盟等方式，儘早創造網路外部性的條件以取得競爭優勢，或者經由建立互 補性產品的網路外部性來獲得競爭優勢(Spence 1981; Shapiro and Varian 1999; Fudenberg and Tirole 1983; 2000; Park and Van Alstyne 2005)。
網路遊戲的網路外部性現象，表現在市場的快速成長以及遊戲之間的競爭關係上。 就市場而言，網路遊戲會因為其他玩家的加入而吸引更多的玩家加入，而成為某一年齡 層的人的一種日常生活事物、話題甚至是一種次文化，而造成短期間玩家迅速成長的現 象。就遊戲競爭而言，遊戲之間玩家規模的極大差距，也是因為某一款遊戲吸引較多的 玩家時，該遊戲創造了較大的虛擬社會，遊戲就對玩家就會產生更高的吸引力，吸引更 多玩家加入，加上在一段時間內造成類似鎖定的效果（個人在遊戲中所建立的等級或人 際關係等），而排擠加入其他遊戲的機會。 然而，除了外部性之外，網路遊戲產業也有其它的特性，在產業的成長與競爭過程 中扮演重要的角色。例如，(1)對玩家或代理商而言網路遊戲並不存在產品相容或標準 (Katz and Shapiro 1985; Farrell and Saloner 1986; Economides 1996; Shapiro and Varian 1999) 的問題；(2)遊戲本身雖然具有強烈的外部性，能創造很高的玩家數量與收益；但對玩家
的鎖定(lock-in)效果卻是暫時性的，當玩膩了或者有新遊戲出現時玩家可能就此轉移目 標，遊戲生命週期很短；(3)玩家們的喜好難以預測，遊戲是否能獲利具有很高的不確定 性；(4)市場上可明顯區分出玩家高度集中的遊戲群與低度集中的遊戲群，而兩者在遊戲 數量與遊戲營收上差距十分巨大；(5)由於玩家主觀感受與偏好上的差異，造成遊戲的多 樣性，市場中會同時存在許多產品，因此競爭十分激烈，產品經常有各種形式的創新； (6)網路遊戲市場規模（玩家）因各種條件區隔而受限（例如台灣市場）並不是一個「平 坦」的全球市場，但相對的競爭者卻來自全球（例如來自歐美、韓國、中國大陸等）。 這些特性指出產業整體的成長動態與國內外網路遊戲產業之間的競爭，並非全然建 立在網路外部性的特性上。例如一般具網路外部性的產業因為鎖定效果，競爭者或產品 （或標準）種類與使用者數量的變動呈相反的趨勢，而且失利的一方幾乎消失殆盡，如 上所述的一些例子； 但遊戲產業中的競爭者（代理商或研發者）、遊戲的類型、數量與 玩家卻呈現接近的成長趨勢（如圖1-2、1-4）。即使是國內外產業之間的競爭，雖有大 小形勢之分，也沒有發生一方消失殆盡的情形（如圖1-5）。因此，站在網路遊戲產業本 身的獨特性以及討論產業整體成長與競爭的目的而言，我們需要更廣泛而整體性地探討 台灣網路遊戲產業的系統性互動關係(systemic interactions)、各種循環力量、以及這些循 環力量對產業成長與競爭的影響。
參、研究方法
為建立網路遊戲產業成長與競爭的動態性解釋，需要深入產品以及產業中主要參與 者的決策與其間所構成的互動關係，諸如遊戲代理商、研發商、通路商、遊戲玩家、競 爭者以及政府政策等，從中探討塑造產業成長動態的重要驅力及其相互耦合而構成的各 種回饋循環。針對這個目標，本研究使用系統動力學(System Dynamics)(Forrester 1994a) 來建構理論。本研究透過個案的研究對理論做分析性的推論，而非抽樣的統計性推論； 這一分析性的過程，是不斷藉由資料與理論之間的來回驗證，直至理論的結構發展完成 為止(Yin 1994; Glaser and Strauss 1967; Lincoln and Guba 1985)。系統動力學提供了一個系 統性的方法，特別是著重於系統的動態行為與其內在的因果回饋關係，可以協助我們進 行此一理論結構的發展。 研究主要分四個階段進行。首先，透過各種資料與文獻的蒐集，回顧台灣網路遊戲 產業的成長歷史。其次，基於產業成長的歷史與決策者的訪談，建立相關的決策及回饋 結構的假設。接下來，建立數量化模型及檢驗假設，並且探討回饋結構與動態行為之間 的因果關係。最後，以因果回饋圖說明網路遊戲產業成長與競爭的關鍵回饋結構，以及 相關政策的影響與意涵。一、資料蒐集
為了瞭解並描述台灣網路遊戲產業的成長動態行為，需進行廣泛的資料蒐集。包括書面次級資料，例如台灣網路遊戲產業相關專書、各上櫃遊戲公司年度報表、遊戲網站 新聞資料、各單位相關產業研究報告（例如經濟部技術處研究報告、資策會產業研究報 告等）及國內相關研究等。此外，為確切符合實際產業行為，亦需對相關的業者進行深 入的訪談，本研究透過對四家國內具代表性的廠商進行訪談，蒐集決策與行動等相關的 資料。訪談對象包括行銷、研發、通路及整合性質的主管和成員，訪談皆在公司進行， 平均單次訪談時間為0.5～1小時，訪談次數約為19次。其次，針對上述人員及遊戲玩家 尚有電話及通訊軟體、網路問卷等訪談方式，總計歷時約9個月。訪談內容主要是以現有 產業共通營運現象為主，故部分資料亦利用了三角資料檢驗方式對資料內容加以區別確 認(Yin 1994)，資料蒐集方式主要是以半結構化及非結構化方式進行。
二、系統動力學模型的建立
系統動力學對模型（理論）的建構與發展主要經由以下幾個步驟反覆進行：(1)釐清 模式的目的；(2)發展概念性的模型；(3)建立數量化模型；(4)政策設計與實驗(Forrester 1961; 1994b; Sterman 2000)。依循此一模式建構過程，必須先釐清模式的目的，亦即確 認研究所關注的動態行為。本研究以台灣網路遊戲產業成長與競爭動態為模式的核心目 的，我們蒐集相關資料確認其成長的歷程，其中包括成長的動態行為與時間幅長的決 定。 概念模型的發展，主要是對於我們關注的產業成長歷程所涉及的因果互動範圍進 行廣泛的了解，描述產業實際的運作機制，用以初步框定模式所涵蓋的範圍，使所描 述的因果關係能夠完整解釋所關注的動態行為(endogenous)，而非由系統的外生變數 所決定(exogenous)。此步驟的主要目的在確認系統的邊界，其中包括適當的系統層次 (aggregation level)與因果互動的變數。此一階段的資料蒐集方式，包括半結構、非結構的 訪談及書面資料的蒐集。訪談的主題涵蓋產業一般性資料以及依公司在產業中角色相關 的決策，例如遊戲的營運、行銷、競爭、人力資源、收入及財務、新遊戲研發、成長政 策與市場等。由於是半結構及非結構的方式進行，因此在訪談的過程中可以深入觀察不 同角色的基本假設、隱藏性目標以及決策。 數量化模型的建立，將產業成長的實際運作過程以數學方程式加以表示，並使用模 擬軟體工具Vensim(2003)建立成為可進行電腦模擬的模型。建立數量化模型的主要工作 包括，以數學的方程式描述各個運作過程與互動關係，並且估計必要的初始值與參數 值，以便進行電腦模擬。數學模型中的方程式須明確反映實際的決策行為，變數與關係 必須是現實世界中可觀察與衡量的。此一階段的資料蒐集方式，以各種產業研究及統計 報告為主，輔以半結構化及非結構化的訪談方式進行，除了解各個角色實際的運作過程 與相關的決策外，與訪談人員共同蒐集及估計所需的數量資料。關於參數數值的估計， 本研究依據Graham(1980)與Hamilton(1980)的方法與原則，參數估計來源有以下數種：一 是有直接的數據資料者，例如遊戲數、代理單位數與研發單位數等；二是由直接數據估 計而得者，例如玩家平均消費金額、遊戲玩家數（藉由相關調查資料）等；三由間接資 料與訪問估計而得，例如遊戲平均代理金額、遊戲開發專案的平均時程、專案成本、遊參考文獻
1. 巴哈姆特電玩資訊網站，G料庫 (http://newodin.gamer.com.tw/AB1.php?m=ALL&s=sell)。 2. 朱家宜、陳文山，2005，『線上遊戲產品開發流程之研究』，中華民國九十四年全 國計算機會議論文集，1～8頁。 3. 吳俊，民92，台灣線上遊戲公司經營模式之研究，雲林科技大學企業管理系碩士論 文。 4. 吳婉汝，民91，臺灣遊戲軟體產業的分析，國立台北大學經濟學系研究所碩士論 文。 5. 吳聲毅、林鳳釵，2004，『Yes or No?線上遊戲經驗之相關議題研究』，資訊社會研 究，第7期：235～253頁。 6. 李麒麟，2006，『台韓線上遊戲產業國際競爭力之實證比較研究』，北商學報，第7 期：35～50頁。 7. 林于勝，2003a，我國遊戲軟體之發展流程分析，資策會MIC產業研究報告，AISP情 報服務顧問網站 (http://mic.iii.org.tw/intelligence/)。 8. 林于勝，2003b，我國線上遊戲產業的瓶頸，資策會MIC產業研究報告，AISP情報服 務顧問網站 (http://mic.iii.org.tw/intelligence/)。 9. 林于勝，2005，2005-2006台灣遊戲市場前瞻，資策會MIC產業研究報告，AISP情報 服務顧問網站 (http://mic.iii.org.tw/intelligence)。 10. 林于勝，2006a，台灣網路娛樂行為分析，資策會MIC產業研究報告，AISP情報服務 顧問網站 (http://mic.iii.org.tw/intelligence/)。 11. 林于勝，2006b，美麗新視界 探索網路娛樂內容商業模式，資策會MIC產業研究報 告，AISP情報服務顧問網站 (http://mic.iii.org.tw/intelligence/)。 12. 林于勝，2006c，從玩家行為探索線上娛樂商機，資策會MIC產業研究報告，AISP情 報服務顧問網站 (http://mic.iii.org.tw/intelligence/)。 13. 侯旭倉，民92，台灣遊戲產業的發展與創業團隊特性關係之研究，政治大學科技管 理研究所碩士論文。 14. 徐孟達，民93，線上遊戲的整合行銷傳播效果研究：以「仙境傳說Online」為例， 世新大學傳播研究所碩士論文。 15. 徐勝凌，民93，線上遊戲設計吸引力對顧客滿意度影響之研究，東華大學企業管理 研究所碩士論文。 16. 許瓊予，2001a，『2000-2003年我國PC遊戲市場規模分析』，資策會MIC產業研究 報告，AISP情報服務顧問網站 (http://mic.iii.org.tw/intelligence/)。 17. 許瓊予，2001b，『我國PC遊戲軟體產業發展現況與展望』，資策會MIC產業研究 報告，AISP情報服務顧問網站 (http://mic.iii.org.tw/intelligence/)。 18. 許瓊予，2001c，『透視網路咖啡之經營策略』，資策會MIC產業研究報告，AISP情報服務顧問網站 (http://mic.iii.org.tw/intelligence/)。 19. 許瓊予，2001d，線上遊戲旋風之剖析與展望，資策會MIC產業研究報告，AISP情報 服務顧問網站 (http://mic.iii.org.tw/intelligence/)。 20. 陳立漢，民95，線上遊戲的價格策略，臺灣大學國際企業學研究所碩士論文。 21. 陳怡安，2002，『線上遊戲的魅力』，資訊社會研究，第三期：183～214頁。 22. 陳姿月，民93，南韓創意產業文化創意產業政策分析，台灣大學商學研究所碩士論 文。 23. 陳禹辰、胡惠萍，2005，『快速變遷環境下核心資源之累積：遊戲產業之多個案研 究』，電子商務學報，第七卷．第一期：15～34頁。 24. 陳意文、陳宗文，2003，『韓國線上遊戲產業的形成：政策創造市場or市場帶動政 策』， 2003年數位內容創意加值研討會論文集，217～229頁。 25. 傅鏡暉，2003，線上遊戲產業Happy書：帶領你深入瞭解On-Line Game產業，台 北：遠流出版事業股份有限公司。 26. 傅鏡暉，2004，線上遊戲產業之道：數位內容、營運經驗，台北：上奇科技股份有 限公司。 27. 黃國洲，民91，我國電腦遊戲產業之新產品開發策略考量，元智大學資訊傳播學研 究所碩士論文。 28. 黃齡嬌，民91，整合行銷傳播工具之應用與效果評估研究——以線上遊戲為例，臺 灣師範大學大眾傳播研究所碩士。 29. 楊仁壽，1998，『動態決策環境中時間滯延的效果』，管理評論，第十七卷．第一 期：83～106頁。 30. 楊仁壽，2003，『動態系統知識的學習—團隊學習與個人學習之比較實驗』，管理 學報，第二十卷．第三期：429～456頁。 31. 楊仁壽、張耀宗、陳沁怡、陳墀元，2006，『動態複雜任務中團隊與個人的績效差 異：任務熟悉度與目標多寡的影響』，管理學報，第二十三卷．第三期：307～322頁。 32. 經濟部，2003a，2003數位內容白皮書，數位內容產業推動服務網 (http://www. digitalcontent.org.tw/dc_p5_2003.php)。 33. 經濟部，2003b，遊戲產業白皮書，數位內容產業推動服務網 (http://www. digitalcontent.org.tw/top_3.php#Scene_1)。 34. 經濟部，2004a，2004數位內容白皮書，數位內容產業推動服務網 (http://www. digitalcontent.org.tw/dc_p5_2004.php)。 35. 經濟部，2004b，93年度數位內容研究計畫，數位內容產業推動服務網 (http://www. digitalcontent.org.tw/top_3.php#Scene_1)。 36. 經濟部，2005，2005數位內容白皮書，數位內容產業推動服務網 (http://www. digitalcontent.org.tw/dc_p5_2005.php)。 37. 經濟部技術處資策會，2006，創新資訊應用研究計畫。 38. 遊戲基地電玩資訊網站 (http://www.gamebase.com.tw/index.html)。 39. 蔡慶同，民94，「創意」如何成為「商品」：論台灣動畫及遊戲產業的文化、工業
與創新， 臺灣大學社會學研究所博士論文。
40. 蕭文河，民93，網路效應對廠商競爭地位影響之研究—以台灣線上遊戲為例，朝陽 科技大學企業管理碩士論文。
41. 闕克儒，民92，網路匿名性、企業形象與關係品質對網路口碑影響之研究—以線上 遊戲為例，中興大學企業管理學系研究所碩士。
42. Arthur, W. B.“Competing Technologies, Increasing Returns, and Lock-In by Historical Events, Economic Journal,＂(99) 1989, pp. 116-131.
43. Arthur, W. B. Increasing Returns and Path Dependence in the Economy, Ann Arbor, MI: University of Michigan Press, 1994.
44. Augusto A. Legasto, Jr. and Maciariello J.“System Dynamics: A Critical Review,＂in
System Dynamics, ed. by Augusto A. Legasto, Jr., Forrester, J. W., and Lyneis J. M., New
York: North-Holland Publishing Company, 1980.
45. Barlas, Y.“Formal Aspects of Model Validity and Validation in System Dynamics,＂System Dynamics Review, (12:3) 1996, pp. 183-210.
46. Bass, F. M.“A New Production Growth Model for Consumer Durables,＂Management
Sciences, (15:5) 1969, pp. 215-241.
47. Bell, J. A. and Senge, P. M.“Methods for Enhancing Refutability in System Dynamics Modeling,＂System Dynamics, ed. by Augusto A. Legastor Jr., et al., New York: North-Holland Publishing, 1980.
48. Charlton, J. P. and Danforth, Ian D. W.“Distinguishing addiction and High Engagement in The Context of Online Game Playing,＂Computers in Human Behavior, (23) 2007, pp. 1531-1548.
49. Cheng, Julian M. S., Kao, Leticia L. Y. and Lin, Julia Y. C.“An Investigation of The Diffusion of Online Games in Taiwan: An application of Roger´s Diffusion of Innovation Theory,＂Journal of American Academy of Business, (5) 2004, pp. 439-445.
50. Choi, D. and Kim, J.“Why People Continue to Play Online Games: In Search of Critical Design Factors to Increase Customer Loyalty to Online Contents,＂CybrePsychology &
Behavior, (7:1) 2004, pp. 11-24.
51. Collopy, F. and Armstrong, J. S.“Expert Opinions about Extrapolation and the Mystery of the Overlooked Discontinuous,＂International Journal of Forecasting, (8) 1992, pp. 575-582.
52. Diehl, E. and Sterman, J. D.“Effects of feedback complexity on dynamic decision making,＂Organizational Behavior and Human Performance, (62:2) 1995, pp. 198-215. 53. Diehl, E. Effects of Feedbacks Structure on Dynamic Decision Game, Ph.D. Dissertation,
Sloan School of Management, MIT, Cambridge, MA, USA, 1992.
54. Dörner, D.“On the Difficulties People Have in Dealing with Complexity,＂Simulation
and Games, (11), 1980, pp. 76-106.
Organization, (14:6) 1996, pp. 673-699.
56. Farrel, J. and Saloner, G.“Installed Base and Compatibility: Predation, Product Preannouncements and Innovation,＂American Economic Review, (76:5) 1986, pp. 940-955.
57. Forrester, J. W. Principles of Systems, Productivity Press, Cambridge, 1968.
58. Forrester, J. W. and Senge, P. M.“Test for Building Confidence in system Dynamics Models＂in System Dynamics, ed. by Augusto A. Legastor Jr., et al.,New York: North-Holland Publishing, 1980.
59. Forrester, J. W.“The Model Versus A Modeling Process,＂System Dynamics Review, (1:1) 1971/1985, pp. 133-134.
60. Forrester, J. W. Industrial Dynamics, Productivity Press, Portland, 1994a. Originally published by MIT Press, Cambridge, 1961.
61. Forrester, J. W.“System Dynamics, Systems Thinking, and Soft OR,＂System Dynamics
Review, (10:2-3) 1994b, pp. 245-256.
62. Fudenberg, D. and Tirole, J.“Learning by Doing and Market Performance,＂Bell Journal
of Economics, (14) 1983, pp. 522-530.
63. Fudenberg, D. and Tirole, J.“Pricing a Network Good to Deter Entry,＂Journal of
Industrial Economics, (48:4) 2000, pp. 373-390.
64. Glaser, B. and Strauss, A. The Discovery of Grounded Theory: Strategies of Qualitative
Research, Wiedenfeld and Nicholson, London, UK. 1967.
65. Graham, A. K.“Parameter Estimation in System Dynamics Modeling＂in System
Dynamics, ed. by Augusto A. Legastor Jr., et al., New York: North-Holland Publishing,
1980.
66. Hamilton, M. S.“Estimation Lengths and Orders of Delays in System Dynamics Models,＂in Elements of System Dynamics Method, ed. by Randers, J., MIT Press, 1980. 67. Homer, J.“Partial-model Testing as a Validation Tool for System Dynamics, Proceedings
of the 1983 intl. System Dynamics Conference, Chestnut Hill, MA: Systems Dynamics
Society, 1983.
68. Hsu, C. L. and Lu, H. P.“Why Do People Play Online Games? An Extended TAM with Social Influences and Flow Experience,＂Information & Management, (41:7) 2004, pp. 853-868.
69. Katz, M. and Shapiro, C.“Network Externalities, Competition, and Compatibility,＂American Economic Review, (75) 1985, pp. 424-440.
70. Katz, M. and Shapiro, C.“Systems Competition and Network Effects,＂The Journal of
Economic Perspectives, (8:2) 1994, pp. 93-115.
71. KGDI White Paper, 2004. Korea Game Development & Promotion Institute (available online at http://www.kgdi.org.kr/)
to use online games,＂Irish Marketing Review, (15:2) 2002, pp. 71-77.
73. Lee ,S. C., Suh, Y. H. Kim, J. K. and Lee, K. J.“A Cross-national Market Segmentation of Online Game Industry using SOM,＂Expert Systems with Applications, (27) 2004, pp. 559-570.
74. Lincoln, Y. S. and Guba, E.G. Naturalistic Inquiry, New York: Sage Publications, 1985. 75. MacInnes, I. and Hu, L.“Business Models and Operational Issues in the Chinese Online
Gmae Industry,＂Telematics and Informatics, (24:2) 2007, pp. 130-144.
76. Mahajan, V., Muller, E. and Srivastava, R. K.“Determination of Adopter Categories of Using Innovation Diffusion Models,＂Journal of Marketing Research, (27:1) 1990, pp. 37-50.
77. Martines, E. and Polo, Y.“Adopter Categories in the Acceptance Process for Consumer Durable,＂Journal of Product & Brand Management, (15:3) 1996, pp. 34-36.
78. Maruyama, M.“The Second Cybernetics: Deviation Amplifying Mutual Causal Process,＂
American Scientist, (51:2) 1963, pp. 164-179.
79. Masuch, M.“Vicious Circles In organizations,＂Administrative Science Quarterly, (30:1) 1985, pp. 14-33.
80. Meadows, D. H., and Robinson, J. The Electronic Oracle: Computer Models and Social
Decisions, Wiley: Chichester, 1985.
81. Meadows, D. H. and Robinson, J.“The Electronic Oracle: Computer Models and Social Decisions,＂System Dynamics Review, (18:2) 2002, pp. 271-308.
82. Meagher, K. and Teo, Ernie G. S.“Two-part Tariffs in The Online Gaming Industry: The Role of Creative Destruction and Network Externalities,＂Information Economics And
Policy, (17) 2005, pp. 457-470.
83. Paich, M. and Sterman, J. D.“Boom, Bust, and Failures to Learn in Experimental Market,＂Management Science, (39:12), 1993, pp. 1439-1458.
84. Park, G. G. and Van Alstyne, M. W.“Two-Sided Network Effects: A Theory of Information Product Design,＂Management Science, (51:10) 2005, pp. 1494-1504.
85. Perrow, C., Normal Accidents, Princeton: Princeton University Press, 1984.
86. Richardson, G. P. Feedback Thought in Social Science and Systems Theory, Philadelphia: University of Pennsylvania Press, 1991.
87. Senge, P. M. The Fifth Discipline—The Art and Practice of the Learning Organization, New York: Doubleday, 1990.
88. Shanghai iResearch，2004，第4屆中國網路遊戲市場調查報告，上海艾瑞市場諮詢有 限公司 (http://www.iresearch.com.cn)。
89. Shapiro, C. and Varian, H. Information Rules: A Strategic Guide to the Network Economy, Boston: Harvard Business School Press, 1999.
90. Simon, H. A. The Sciences of the Artificial, Cambridge: MIT Press, 1996.
(12) 1981, pp. 49-70.
92. Sterman, J. D.“Modeling Managerial Behavior: Misperceptions of Feedback in a Dynamic Decision Making Experiment,＂Management Science (35), 1989a, pp. 321-339. 93. Sterman, J. D.“Misperceptions of Feedback in Dynamic Decision Making,＂Organizational
Behavior and Human Decision Process, (43) 1989b, pp. 301-335.
94. Sterman, J. D.“All Models Are Wrong: Reflections on Becoming A Systems Scientist＂,
System Dynamics Review, (18: 4) 2002, pp. 501-531.
95. Sterman, J. D.“Learning in and Complex Systems＂, System Dynamics Review, (10: 2-3) 1994, pp. 291-330.
96. Sterman, J. D. Business Dynamics: Systems Thinking and Modeling for a Complex World, Irwin McGraw- Hill, Boston, 2000.
97. Sterman, J. D., Henderson, R. Beinhocker, E. D. and Newman, L. I.“Getting Big Too Fast: Strategic Dynamics with Increasing Returns and boundary Rationality,＂Management
Science, (53:4) 2007, pp. 683-696.
98. Thompson, J. D. Organizations In Action, New York: McGraw-Hill Publishing, 1967. 99. Vensim, The Ventana Simulation Environment, Vensim DSS32, Version 5.4a, Ventana
Systems, Inc., 2003.
100. Weick, K. E. The Social Psychology of Organizing, New York: Newbery Award Records, 1979.
101. Whang, L. S.“Online Game Dynamics in Korean Society：Experiences and Lifestyles in the Online Game World,＂Korea Journal (43:3) 2003, pp. 7-34.
102. Yin, R. K. Case Study Research: Design and Methods, New York: Sage Publications, 1994. 103. Zhu, Jonathan J. H. and Wang, E.“Diffusion, Use, and Effect of The Internet in
China,＂Communication of The ACM, (48:4) 2005, pp. 49-53.
附錄1
1. 大宇資訊股份有限公司，90～94年度財務報表，公開資訊觀測站：http://doc.tse.com. tw/server-java/t57sb01?step=1&colorchg=1&co_id=6111&year=&mtype=F& 2. 中華網龍股份有限公司，90～94年度財務報表，公開資訊觀測站：http://doc.tse.com. tw/server-java/t57sb01?step=1&colorchg=1&co_id=3083&year=&mtype=F& 3. 元大京華投資，產業投資報告，http://intra.yuanta.com.tw/PagesA2/hot_issue/9402%E7 %B7%9A%E4%B8%8A%E9%81%8A%E6%88%B2.htm 4. 昱泉國際股份有限公司，89～94年度財務報表，公開資訊觀測站：http://doc.tse.com. tw/server-java/t57sb01?step=1&colorchg=1&co_id=6169&year=&mtype=F& 5. 智冠科技股份有限公司，89～94年度財務報表，公開資訊觀測站：http://doc.tse.com. tw/server-java/t57sb01?step=1&colorchg=1&co_id=5478&year=&mtype=F& 6. 華義國際數位娛樂股份有限公司，90～94年度財務報表，公開資訊觀測站：http://doc.tse.com.tw/server-java/t57sb01?step=1&colorchg=1&co_id=3086&year=&mtype=F& 7. 遊戲橘子數位科技股份有限公司股份有限公司，89～94年度財務報表，公開 資訊觀測站： http://doc.tse.com.tw/server-java/t57sb01?step=1&colorchg=1&co_ id=6180&year=&mtype=F&
附錄2
一、玩家的擴散
玩家的擴散行為本研究參考Bass擴散模型(Bass 1969; Mahajan, Muller, and Srivastava 1990; Martines and Polo 1996; Sterman 2000)加以表示。遊戲的潛在玩家人數(Mg)為上網人
口(Mi)乘上玩家的比例 （根據玩家人口分佈結構）。消費玩家人數(Mp)是指從潛在玩家 轉而成為實際付費的玩家。影響消費玩家成長率(Gp)的主要因素，包括其他玩家的影響 (Wp)以及遊戲的行銷效果f(a,s)。行銷效果主要是受產業的行銷費用(a)以及新增遊戲種類 (s)的影響，整體的行銷費用愈高以及新類型的遊戲愈多影響效果就愈大。另外，由於大 多數的玩家同一時間只會針對一款遊戲進行實際的付費消費，一段時間之後才會轉移至 另一款（新）遊戲，通常是依遊戲的生命週期(GLT)而定，因此消費玩家的變動率(dMp/ dt)以方程式(2)表示之。其他玩家的影響Wp，依擴散模型的形式， 是接觸率，每個消費 玩家在一段時間內所能接觸到的潛在玩家人數， 為潛在玩家加入成為消費玩家的加入 率。 Gp＝(f (a,s)* Mg + Wp) (1) dMp/dt＝Gp - (Mp / GLT) (2) Wp＝ * * Mp * Mg / ( Mg + Mp) (3)
二、代理商的投入與退出
代理商成長率(AI)主要來自市場成長所吸引的代理商加入率R(FVm)、其他代理商獲 利影響P(Ahr/Ahb)以及遊戲供給的限制L(Ns/Nd)。市場產值預測FVm通常以每半年及一年(h) 的方式，由相關機構進行調查以及對未來半年及一年( )產值(V)的外推預測，如方程式 (5)所示(Collopy and Armstrong 1992; Sterman 2000)；產值成長預測愈高愈能吸引業者的投入，即R´>0且R´´>0。其他代理商獲利的影響P(Ahr/Ab)，Ahr/Ab是指代理商的收入與平均 損益平衡點的比值，表示其獲利情形，通常高收入代理商的收入(Ahr)情形會受到特別的 關注，而成為影響的主要來源，同樣地獲利愈高所吸引的投入者愈多，即P´>0且P´´>0； P(max)=2, P(min)=0.05。Ab則是根據一般代理商的營運規模，以及所代理的遊戲數計算 而得的年平均損益平衡點。遊戲供給的限制是表示遊戲的供給，對潛在代理業者投入的 影響；Ns/Nd表示遊戲供給與代理需求的比，L(max=1.2)=1, L(min=0)=0；Ns/Nd <=1時L´>0, L´´>0, L(1)=0.9，當Ns/Nd >1時L´>0, L´´<=0。之所以如此是因為遊戲不足時會造成代理商搶 遊戲的情形，而且其中還包括現行的代理商。
AI＝R(FVm)*P(Ahr/Ab)*L(Ns/Nd) (4) FVm＝exp( *ln(Vt/Vt-h)/h) (5) 代理商退出率(AD)主要受營運損益的影響，通常代理商在忍受一段時間的虧損之後 才會蒙生退意，而且只有屬於低收入代理商(Al)才會面臨退出的抉擇。高低收入代理商 的差別是來自代理遊戲所創造的收入差異，由於玩家消費的高度集中使得其間的差異很 大。Alr/Ab是指低收入代理商的收入與平均損益平衡點的比值；因此，BA´<0 且BA´´>0， ADT表示退出的調整時間。
AD＝Al *BA(Alr/Ab)/ADT (6)
三、遊戲的需求、代理與退出
遊戲數量的成長是來自代理商對遊戲代理的需求，代理商代理的需求主要受其營運 規模影響，因為遊戲獲利的高度不確定，因此代理商通常會以最大的產能利用來考慮所 需代理的遊戲數。因此，代理需求差距(Ng)加上替代遊戲數(Nr)即成為市場的新遊戲需求 (Nd)，替代遊戲是由於代理商為替代虧損遊戲所產生的新遊戲代理需求。 Nd＝Ng + Nr (7) 至於遊戲的供給來源包括自製與外國遊戲，對自製遊戲的代理需求(Npd)，主要受國 內外遊戲相對代理金(RF(FNg/PNg))( PNg自製遊戲代理金；FNg外國遊戲代理金)，以及 遊戲整體品質(RA(QN))的影響（遊戲品質(QN)是由產業平均的技術能力與研發經驗決 定），這兩項因素我們以權重( =0.7)的方式表示其關係；其中RF´>0,0.35<=RF(．)<=1， RF´=1。 Npd＝Nd *(RF(FNg/PNg)* +RA(QN)*(1- )) (8) 對外國遊戲的代理需求(Nfd)為市場遊戲需求減自製遊戲供給不足的差距(GNpd)。 Nfd＝Nd –(Npd - GNpd ) (9) 遊戲退出率以外國遊戲為例(Nfq)，它包括虧損遊戲的退出(Nfq)以及因代理商退出所 導致的遊戲退出(Nfad)，GLT為遊戲退出調整時間。 Nfq＝Nfq /GLT + Nfad (10)四、研發商的投入與退出
研發商投入來源包含三個部分，分別是代理商的投資設立(Ma)、單機遊戲研發商的 轉型(Ms)以及新加入者(Mn)。代理商投入遊戲研發主要受兩項因素影響，一是過高的國 外遊戲代理金，另一是對未來市場成長的預期。RC(FNg/PNg)表示在不同的國外遊戲代理 金相對於自製遊戲代理金的情形下投入研發的代理商數，RC´>0且RC´´>0；MKa(FVm)則表 示市場產值成長預測對投入研發的影響，MK´a>0 且MK´´a>0,0<= MKa(．)<=1， 表示代理 商投資的研發單位率（研發單位數/代理單位），MAT表示投入的調整時間。 Ma＝RC(FNg/PNg)*MKa(FVm) * /MAT (11) 單機遊戲研發商的轉型(Ms)，主要是受網路遊戲佔整體遊戲市場產值比例（ =網路 遊戲產值/遊戲總產值）的影響，在市場規模的消長情形下轉型為網路遊戲的研發商。S為單機遊戲研發商數，SR( )表示產值比例對單機研發商轉型數量的影響乘數，當λ愈高 單機廠商轉型就愈多，SR´>0,0<=SR( )<=1，MKs(FVm)為市場產值成長預測的影響，SAT 表示轉型投入的調整時間， 為轉型投入的研發單位率。 Ms＝S*SR( )*MKs(FVm) * /SAT (12) 新加入者(Mn)佔整體研發商而言較少，其投入主要受研發商收入MR(Mr/Mb)以及市場 產值成長預測的影響MKn(FVm)；(Mr/Mb)為研發商收入與損益平衡點的比值，愈高則投入 愈多(MR´>0且MR´´>0)；市場成長的影響則類似前述的關係。 Mn＝MR(Mr/Mb)*MKn(FVm) (13) 擴增現有產能的部分(Me)（此部分亦較少），主要是為彌補自製遊戲供給與需求上 的差距(GNpd)，GPR為研發單位的平均生產力（遊戲數/研發單位），市場成長預測的影 響（MKe(FVm)形式與前述同）外，MET表示擴充產能的調整時間。 Me＝(GNpd/GPR)*MKe(FVm)/MET (14) 研發商的退出(MD)主要也是因為損益所造成的，主要是以舊的研發商為主(MO)，因 為研發一款遊戲至少需1-2年的時間，通常在完成一款以上的遊戲後視收入與資金的情形 才決定退出與否。BM(Mr/Mb)表示研發商平均損益的情形所造成的退出率，Mr/Mb是指研 發商的收入與平均損益平衡點的比值，BM´<0，ADT表示退出的調整時間。 MD＝MO*BM(Mr/Mb)/ADT (15) 研發產能的利用主要有兩個，一是用於遊戲的研發與製作，另一是新技術與工具的 學習；然而通常學習的投入受可用產能比例的影響，在資本有限、研發時間長以及遊戲 獲利不確定的情形下，產能大多用於遊戲的研發與製作，投入技術創新的產能比例很 少。遊戲研發與製作的過程需經歷許多階段，每個階段所需的產能並不相同，方程式 (16)表示了各階段己配置產能(Co)的情形，分別是遊戲製作Sb、 測試S 、 測試S 以及遊 戲改版S ，各階段所需的產能以標準團隊規模的比例表示之。可用產能Ca如方程式(17)所 示，MO+MN表示現有新舊研發單位總合，C´ (MO+MN- Co)為投入新技術學習的產能比 例，C´ >0。方程式(18)為新起始的研發遊戲數Npr，GPR為研發單位的平均生產力（遊戲 數/研發單位）GST為起始遊戲研發案調整時間。 Co＝Sb*0.625+S *0.7+S *0.6+S *0.4 (16) Ca＝(MO+MN- Co)*(1- C (MO+MN- Co)) (17) Npr＝Ca*GPR/GST (18)
附錄3
模式的穩態測試：基本平衡測試主要目的在迫使系統處於初始值的平衡狀態時，系 統應表現出合理預測的行為，透過模式的不合理行為，以檢驗模式潛在的錯誤。換句話 說，當沒有代理商投入時，其他條件不變的情形下，產業應無成長或其他的變動發生， 而維持在原來的狀態，如圖A3-1所示。台灣網路遊戲產業成長與競爭動態之研究 59 圖A3-1：模式穩態測試結果 模式極端值測試：極端值測試是將模型中積量變數(levels)的值，設為極端值（例如負 極端值,0,正極端值）情況，以檢驗相關的率量(rates)方程式的潛在錯誤。本研究以0做為極 端值，經測試及錯誤修正後相關的率量方程式並未有異常行為，模型輸出與圖A3-1同。 參數敏感度測試：參數敏感度測試的目的在檢測模型中參數數值對模式行為的影 響。模型對代理商退出調整時間、研發單位退出調整時間、代理商投入研發的調整時 間、以及自製遊戲 測試平均時間等參數，在合理值範圍內以Random-Uniform進行抽樣測 試模擬，對模式行為的影響如圖A3-2～A3-7所示。另外，模式亦對外生性輸入：網際網 路使用人口、總體遊戲年產值與外國遊戲供給進行測試，在改變輸入型態後並不影響模 式行為的特性。上述測試結果顯示模型的動態行為確為內生性的，非由外生變數產生； 而且，參數數值對動態行為的特性並不敏感。因此，模型參數的合理性是可接受的。 圖A3-2：敏感度測試對年產值的影響 圖A3-3：敏感度測試對代理商數的影響 圖A3-4：敏感度測試對研發單位數的影響 圖A3-5：敏感度測試對遊戲數的影響 ኳԄޑᛙᄊෳ၂Ǻ୷ҁѳᑽෳ၂ЬाҞޑӧॐ٬سೀܭ߃ۈॶޑѳᑽރᄊਔǴ سᔈ߄рӝႣෳޑՉࣁǴၸኳԄޑόӝՉࣁǴаᔠᡍኳԄወӧޑᒱ ᇤǶඤѡ၉ᇥǴؒԖжΕਔǴځдచҹόᡂޑΠǴౢᔈคԋߏ܈ ځдޑᡂวғǴԶᆢӧচٰޑރᄊǴӵკA3-1 ܌ҢǶ ኪྒྷᇢ 0.2 0.2 0.2 0.2 0.2 0 0 0 0 0 123451234512345123451234512345123451234512345 0 24 48 72 96 120 144 168 Time (Month) "ጻሁሏᚭڣขଖ" : base 1 1 1 1 1 1 "ؑሏᚭ᜔ᑇ" : base 2 2 2 2 2 2 2 ඈټሏᚭᑇ : base 3 3 3 3 3 3 3 זᑇ : base 4 4 4 4 4 4 4 4 "ขᄐઔ࿇ۯ" : base 5 5 5 5 5 5 5 კA3-1 ኳԄᛙᄊෳ၂่݀ ኳԄཱུᆄॶෳ၂Ǻཱུᆄॶෳ၂ࢂஒኳࠠύᑈໆᡂኧ(levels)ޑॶǴࣁཱུᆄॶ (ٯӵॄཱུᆄॶ,0,ཱུ҅ᆄॶ)ݩǴаᔠᡍ࣬ᜢޑໆ(rates)БำԄޑወӧᒱᇤǶ ҁࣴزа 0 ࣁཱུᆄॶǴෳ၂Ϸᒱᇤঅ҅ࡕ࣬ᜢޑໆБำԄ٠҂Ԗ౦தՉ ࣁǴኳࠠᒡрᆶკA3-1 ӕǶ ୖኧ௵གࡋෳ၂Ǻୖኧ௵གࡋෳ၂ޑҞޑӧᔠෳኳࠠύୖኧኧॶჹኳԄՉࣁ ޑቹៜǶኳࠠჹжଏрፓਔ໔ǵࣴวൂՏଏрፓਔ໔ǵжΕࣴว ޑፓਔ໔ǵаϷԾᇙၯᔍ ͊ ෳ၂ѳ֡ਔ໔ୖኧǴӧӝॶጄൎϣа Random-Uniform Չܜኬෳ၂ኳᔕǴჹኳԄՉࣁޑቹៜӵკ A3-2~A3-7 ܌ҢǶ ќѦǴኳԄҭჹѦғ܄ᒡΕǺᆛሞᆛၡ٬ҔΓαǵᕴᡏၯᔍԃౢॶᆶѦ୯ၯᔍٮ ๏Չෳ၂ǴӧׯᡂᒡΕࠠᄊࡕ٠όቹៜኳԄՉࣁޑ܄Ƕॊෳ၂่݀ᡉҢኳ ࠠޑᄊՉࣁዴࣁϣғ܄ޑǴߚҗѦғᡂኧౢғǹԶЪǴୖኧኧॶჹᄊՉࣁޑ ܄٠ό௵གǶӢԜǴኳࠠୖኧޑӝ܄ࢂёௗڙޑǶ sensitivity1 50% 75% 95% 100% "ጻሁሏᚭڣขଖ" 1 M 750,000 500,000 250,000 -0.80 42 84 126 168 Time (Month) sensitivity1 50% 75% 95% 100% זᑇ 40 30 20 10 00 42 84 126 168 Time (Month) კ A3-2 ௵གࡋෳ၂ჹԃౢॶޑቹៜ კ A3-3 ௵གࡋෳ၂ჹжኧޑቹៜ 33 sensitivity1 50% 75% 95% 100% "ขᄐઔ࿇ۯ" 40 30 20 10 00 42 84 126 168 Time (Month) sensitivity1 50% 75% 95% 100% "ؑሏᚭ᜔ᑇ" 100 75 50 25 00 42 84 126 168 Time (Month) კA3-4 ௵གࡋෳ၂ჹࣴวൂՏኧޑቹៜ კ A3-5 ௵གࡋෳ၂ჹၯᔍኧޑቹៜ sensitivity1 50% 75% 95% 100% "᜔۞፹ሏᚭᑇ" 40 30 20 10 00 42 84 126 168 Time (Month) sensitivity1 50% 75% 95% 100% ඈټሏᚭᑇ 6 4.5 3 1.5 00 42 84 126 168 Time (Month) კA3-6 ௵གࡋෳ၂ჹԾᇙၯᔍኧޑቹៜ კ A3-7 ௵གࡋෳ၂ჹଯ௨Ӝၯᔍቹៜ 34 ߕᒵ3 ኳԄޑᛙᄊෳ၂Ǻ୷ҁѳᑽෳ၂ЬाҞޑӧॐ٬سೀܭ߃ۈॶޑѳᑽރᄊਔǴ سᔈ߄рӝႣෳޑՉࣁǴၸኳԄޑόӝՉࣁǴаᔠᡍኳԄወӧޑᒱ ᇤǶඤѡ၉ᇥǴؒԖжΕਔǴځдచҹόᡂޑΠǴౢᔈคԋߏ܈ ځдޑᡂวғǴԶᆢӧচٰޑރᄊǴӵკA3-1 ܌ҢǶ ኪྒྷᇢ 0.2 0.2 0.2 0.2 0.2 0 0 0 0 0 123451234512345123451234512345123451234512345 0 24 48 72 96 120 144 168 Time (Month) "ጻሁሏᚭڣขଖ" : base 1 1 1 1 1 1 "ؑሏᚭ᜔ᑇ" : base 2 2 2 2 2 2 2 ඈټሏᚭᑇ : base 3 3 3 3 3 3 3 זᑇ : base 4 4 4 4 4 4 4 4 "ขᄐઔ࿇ۯ" : base 5 5 5 5 5 5 5 კA3-1 ኳԄᛙᄊෳ၂่݀ ኳԄཱུᆄॶෳ၂Ǻཱུᆄॶෳ၂ࢂஒኳࠠύᑈໆᡂኧ(levels)ޑॶǴࣁཱུᆄॶ (ٯӵॄཱུᆄॶ,0,ཱུ҅ᆄॶ)ݩǴаᔠᡍ࣬ᜢޑໆ(rates)БำԄޑወӧᒱᇤǶ ҁࣴزа 0 ࣁཱུᆄॶǴෳ၂Ϸᒱᇤঅ҅ࡕ࣬ᜢޑໆБำԄ٠҂Ԗ౦தՉ ࣁǴኳࠠᒡрᆶკA3-1 ӕǶ ୖኧ௵གࡋෳ၂Ǻୖኧ௵གࡋෳ၂ޑҞޑӧᔠෳኳࠠύୖኧኧॶჹኳԄՉࣁ ޑቹៜǶኳࠠჹжଏрፓਔ໔ǵࣴวൂՏଏрፓਔ໔ǵжΕࣴว ޑፓਔ໔ǵаϷԾᇙၯᔍ ͊ ෳ၂ѳ֡ਔ໔ୖኧǴӧӝॶጄൎϣа Random-Uniform Չܜኬෳ၂ኳᔕǴჹኳԄՉࣁޑቹៜӵკ A3-2~A3-7 ܌ҢǶ ќѦǴኳԄҭჹѦғ܄ᒡΕǺᆛሞᆛၡ٬ҔΓαǵᕴᡏၯᔍԃౢॶᆶѦ୯ၯᔍٮ ๏Չෳ၂ǴӧׯᡂᒡΕࠠᄊࡕ٠όቹៜኳԄՉࣁޑ܄Ƕॊෳ၂่݀ᡉҢኳ ࠠޑᄊՉࣁዴࣁϣғ܄ޑǴߚҗѦғᡂኧౢғǹԶЪǴୖኧኧॶჹᄊՉࣁޑ ܄٠ό௵གǶӢԜǴኳࠠୖኧޑӝ܄ࢂёௗڙޑǶ sensitivity1 50% 75% 95% 100% "ጻሁሏᚭڣขଖ" 1 M 750,000 500,000 250,000 -0.80 42 84 126 168 Time (Month) sensitivity1 50% 75% 95% 100% זᑇ 40 30 20 10 00 42 84 126 168 Time (Month) კ A3-2 ௵གࡋෳ၂ჹԃౢॶޑቹៜ კ A3-3 ௵གࡋෳ၂ჹжኧޑቹៜ 33 ߕᒵ3 ኳԄޑᛙᄊෳ၂Ǻ୷ҁѳᑽෳ၂ЬाҞޑӧॐ٬سೀܭ߃ۈॶޑѳᑽރᄊਔǴ سᔈ߄рӝႣෳޑՉࣁǴၸኳԄޑόӝՉࣁǴаᔠᡍኳԄወӧޑᒱ ᇤǶඤѡ၉ᇥǴؒԖжΕਔǴځдచҹόᡂޑΠǴౢᔈคԋߏ܈ ځдޑᡂวғǴԶᆢӧচٰޑރᄊǴӵკA3-1 ܌ҢǶ ኪྒྷᇢ 0.2 0.2 0.2 0.2 0.2 0 0 0 0 0 123451234512345123451234512345123451234512345 0 24 48 72 96 120 144 168 Time (Month) "ጻሁሏᚭڣขଖ" : base 1 1 1 1 1 1 "ؑሏᚭ᜔ᑇ" : base 2 2 2 2 2 2 2 ඈټሏᚭᑇ : base 3 3 3 3 3 3 3 זᑇ : base 4 4 4 4 4 4 4 4 "ขᄐઔ࿇ۯ" : base 5 5 5 5 5 5 5 კA3-1 ኳԄᛙᄊෳ၂่݀ ኳԄཱུᆄॶෳ၂Ǻཱུᆄॶෳ၂ࢂஒኳࠠύᑈໆᡂኧ(levels)ޑॶǴࣁཱུᆄॶ (ٯӵॄཱུᆄॶ,0,ཱུ҅ᆄॶ)ݩǴаᔠᡍ࣬ᜢޑໆ(rates)БำԄޑወӧᒱᇤǶ ҁࣴزа 0 ࣁཱུᆄॶǴෳ၂Ϸᒱᇤঅ҅ࡕ࣬ᜢޑໆБำԄ٠҂Ԗ౦தՉ ࣁǴኳࠠᒡрᆶკA3-1 ӕǶ ୖኧ௵གࡋෳ၂Ǻୖኧ௵གࡋෳ၂ޑҞޑӧᔠෳኳࠠύୖኧኧॶჹኳԄՉࣁ ޑቹៜǶኳࠠჹжଏрፓਔ໔ǵࣴวൂՏଏрፓਔ໔ǵжΕࣴว ޑፓਔ໔ǵаϷԾᇙၯᔍ ͊ ෳ၂ѳ֡ਔ໔ୖኧǴӧӝॶጄൎϣа Random-Uniform Չܜኬෳ၂ኳᔕǴჹኳԄՉࣁޑቹៜӵკ A3-2~A3-7 ܌ҢǶ ќѦǴኳԄҭჹѦғ܄ᒡΕǺᆛሞᆛၡ٬ҔΓαǵᕴᡏၯᔍԃౢॶᆶѦ୯ၯᔍٮ ๏Չෳ၂ǴӧׯᡂᒡΕࠠᄊࡕ٠όቹៜኳԄՉࣁޑ܄Ƕॊෳ၂่݀ᡉҢኳ ࠠޑᄊՉࣁዴࣁϣғ܄ޑǴߚҗѦғᡂኧౢғǹԶЪǴୖኧኧॶჹᄊՉࣁޑ ܄٠ό௵གǶӢԜǴኳࠠୖኧޑӝ܄ࢂёௗڙޑǶ sensitivity1 50% 75% 95% 100% "ጻሁሏᚭڣขଖ" 1 M 750,000 500,000 250,000 -0.80 42 84 126 168 Time (Month) sensitivity1 50% 75% 95% 100% זᑇ 40 30 20 10 00 42 84 126 168 Time (Month) კ A3-2 ௵གࡋෳ၂ჹԃౢॶޑቹៜ კ A3-3 ௵གࡋෳ၂ჹжኧޑቹៜ 33 sensitivity1 50% 75% 95% 100% "ขᄐઔ࿇ۯ" 40 30 20 10 00 42 84 126 168 Time (Month) sensitivity1 50% 75% 95% 100% "ؑሏᚭ᜔ᑇ" 100 75 50 25 00 42 84 126 168 Time (Month) კA3-4 ௵གࡋෳ၂ჹࣴวൂՏኧޑቹៜ კ A3-5 ௵གࡋෳ၂ჹၯᔍኧޑቹៜ sensitivity1 50% 75% 95% 100% "᜔۞፹ሏᚭᑇ" 40 30 20 10 00 42 84 126 168 Time (Month) sensitivity1 50% 75% 95% 100% ඈټሏᚭᑇ 6 4.5 3 1.5 00 42 84 126 168 Time (Month) კA3-6 ௵གࡋෳ၂ჹԾᇙၯᔍኧޑቹៜ კ A3-7 ௵གࡋෳ၂ჹଯ௨Ӝၯᔍቹៜ 34
資訊管理學報 第十六卷 第二期 60 圖A3-6：敏感度測試對自製遊戲數的影響 圖A3-7：敏感度測試對高排名遊戲影響 30 20 10 00 42 84 126 168 Time (Month) 75 50 25 00 42 84 126 168 Time (Month) კA3-4 ௵གࡋෳ၂ჹࣴวൂՏኧޑቹៜ კ A3-5 ௵གࡋෳ၂ჹၯᔍኧޑቹៜ sensitivity1 50% 75% 95% 100% "᜔۞፹ሏᚭᑇ" 40 30 20 10 00 42 84 126 168 Time (Month) sensitivity1 50% 75% 95% 100% ඈټሏᚭᑇ 6 4.5 3 1.5 00 42 84 126 168 Time (Month) კA3-6 ௵གࡋෳ၂ჹԾᇙၯᔍኧޑቹៜ კ A3-7 ௵གࡋෳ၂ჹଯ௨Ӝၯᔍቹៜ 34 30 20 10 00 42 84 126 168 Time (Month) 75 50 25 00 42 84 126 168 Time (Month) კA3-4 ௵གࡋෳ၂ჹࣴวൂՏኧޑቹៜ კ A3-5 ௵གࡋෳ၂ჹၯᔍኧޑቹៜ sensitivity1 50% 75% 95% 100% "᜔۞፹ሏᚭᑇ" 40 30 20 10 00 42 84 126 168 Time (Month) sensitivity1 50% 75% 95% 100% ඈټሏᚭᑇ 6 4.5 3 1.5 00 42 84 126 168 Time (Month) კA3-6 ௵གࡋෳ၂ჹԾᇙၯᔍኧޑቹៜ კ A3-7 ௵གࡋෳ၂ჹଯ௨Ӝၯᔍቹៜ 34
