Please use this identifier to cite or link to this item:
https://ah.lib.nccu.edu.tw/handle/140.119/119944| 題名: | 大數據分析在社群網站的應用—以影響PS4銷售量因素為例 The Application of Big Data Analytics on Social Networks: A Case Study of PlayStation 4 Sales |
作者: | 蔡仲銘 | 貢獻者: | 王信實 蔡仲銘 |
關鍵詞: | 大數據 社群網站 SVR |
日期: | 2018 | 上傳時間: | 3-Sep-2018 | 摘要: | 隨著網路與行動裝置的蓬勃發展，人們使用社群網站的比例快速增加，廠商也開始重視社群網路裡的廣告活動與粉絲經營。研究指出，消費者在購買商品前後會到社群網站中搜尋相關評價與發表心得的比例也逐漸上升。本研究主要以電玩遊戲主機PlayStation 4(ps4)為例，利用R軟體蒐集推特(Twitter)上的北美地區推文(tweets)大數據資料與Google Trend搜尋熱度資料進行統計分析，建立支援向量迴歸模型(SVR)進行商品銷售量的預測並與其他模型比較。本研究發現，社群網站上的每周推文數、正面情感推文占總推文數的比例以及Google Trend的搜尋熱度指標越高會對商品的銷售量有正面影響，而文章包含影音圖片等外部url連結的廣告效果會比純文字來的更好。此外，當推特上的推文顯示消費者處於愛達(AIDA)模式中表現期的推文比例越高，也與商品的銷售量有正相關。另外，透過字詞分析也發現，遊戲廠商經常會舉辦抽獎活動或促銷活動作為增加官方推特的互動率、培養粉絲以及增加廣告文章的曝光率的手段。遊戲產業在社群網站上的廣告策略應以影音圖片為主、文字為輔，並以擴散情報及玩家間的正面討論為首要目標。 | 參考文獻: | 1.Ayelet, G., Susan, M.Grant-Muller, Tsvi,K., Einat,M.,Silvio, N., Itay, S.. (2014).Thepotential of social media in delivering transport policy goals. Transport Policy 32 (2014),115–123.\n2.Bamman, B., O’Connor, B., & Smith, N. . (2012).Censorship and deletion practices in Chinese social media. First Monday, 17(3).\n3.Belch, G. E., Belch, M. A., Kerr, G. F., & Powell, I. . (2008). Advertising and promotion: An integrated marketing communications perspective. mcgraw-hill.\n4.Bruns, A., & Burgess, J. . (2012). Researching news discussion on Twitter: New methodologies. Journalism Studies. 13 (5), 801- 814.\n5.David, Z., Tianjun, Fu, Xin, Li. (2009). Assessing Public Opinions Through Web 2.0: A Case Study on Wal-Mart. ICIS 2009 Proceedings.\n6.Eszter, H.. (2015).Is Bigger Always Better? Potential Biases of Big Data Derived from Social Network Site.\n7.Gruzd, A., Wellman, B., & Takhteyev Y.. (2011). Imagining Twitter as an imagined community. American Behavioral Scientist, 55 (10), 1294-1318.\n8.Jacob, G. & Ahmed, A.. (2013). Public Sentiment and Critical Framing in Social Media Content During the 2012 U.S. Presidential Campaign.Soical Science Computer Review,31 (5),563-576.\n9.Johannes, H., Andrea, L., Florian, P., Christian, R.. (2011).Stimulating User Activity on Company Fan Pages in Online Social Networks. ECIS 2012 Proceedings. 188.\n10.Kaastra, I. & S. B. Milton. (1995).Forecasting Futures Trading Volume Using Neural Networks.The Journal of Futures Markets. 15(8): 853-970.\n11.Kono, S. . (2009).From the Marketers` Perspective: The Interactive Media Situation in Japan.Television Goes Digital. New York: Springer. P.58.\n12.Kwak, H., Lee, C., Park, H., & Moon, S. , (2010). What is Twitter, a social network or a news media? Paper presented at the 19th international conference on World Wide Web.\n13.Lynn, Wu, Erik, B.. (2015).The Future of Prediction How Google Searches Foreshadow Housing Prices and Sales. University of Chicago Press, p. 89 – 118.\n14.MIT Technology Review. (2013).Language data reveals Twitter’s global reach\n15.Nann, S., Krauss, J., Schoder, D.. (2014).Predictive analytics on public data-The case of stock markets. Proceedings of the 21st European Conference on Information Systems.\n16.Niels, B. L., Rene, M. ,Ravi,V.. (2014). Predicting iPhone Sales from iPhone Tweets. 2014 IEEE 18th International Enterprise Distributed Object Computing Conference.\n17.Papacharissi, Z., & de Fatima Oliveira, M. . (2012). Affective news and networked publics: The rhythms of news storytelling on #Egypt. Journal of Communication, 62, 266-282.\n18.PewResearchCenter. (2015).Social Media Update 2014.\n19.Sitaram, A., Bernardo, A. Huberman. (2010). Predicting the Future With Social Media.\n20.Techcrunch (2017)。Facebook now has 2 billion monthly users… and responsibility.\n21.Thissen, U., R. Van Brakel, A. P. De Weijer, W. J. Melssen & L. M. C. Buydens. (2003).Using Support Vector Machines for Time Series Prediction.Chemometrics and Intelligent Laboratory Systems. 69 (1-2): 35-49.\n22.Thorburn, E. D. . (2014). Social media, subjectivity, and surveillance: Moving on from occupy, the rise of live streaming video. Communication and Critical/ Cultural Studies, 11, 52-63.\n23.VGChartz. (2015).2015 Year on Year Sales and Market Share Update to March 21.\n24.Vilius, K.&V.Antanas. (2011).The Mass Appraisal of the Real Estate by Computational Intelligence. Applied Soft Computing. 11 (1): 443-448.\n\n25.余峰瑋 (2017)。臺灣數位音樂串流服務Facebook粉絲專頁溝通策略分析:鉅量資料分析取徑。國立臺灣師範大學大眾傳播研究所碩士論文。\n26.吳文貴、林孟陞 (2013)。Facebook粉絲專頁訊息廣告效果之研究：以7-Eleven與麥當勞粉絲專頁為例。行銷評論；10卷1期 (2013 / 03 / 01)，P43 – 60。\n27.吳佩玲 (2014)。2014年台灣民眾之智慧化生活有感調查。資策會 FIND。\n28.林怡靜 (2015)。台灣化妝品廠商社群媒體應用之研究。國立中央大學企業管理學系碩士論文。\n29.林質安、劉蕙苓 (2016)。宣傳為先？互動為主？現代劇團經營Facebook 粉絲專頁之公關溝通策略分析。藝術評論第三十期，頁 103－148(民國一○五年），臺北：國立臺北藝術大學。\n30.財團法人台灣網路資訊中心 (2017)。2017年台灣寬頻網路使用調查報告。\n31.高慎謙 (2017)。網路商店之網路行銷策略研究： 以織襪類產品為例。公共關係暨廣告學系(所)碩士學位論文。\n32.張哲豪 (2014)。企業粉絲專頁之品質要素分析。品質月刊，50 (12):40-42。\n33.陳香伶 (2014)。新聞媒體Facebook粉絲專頁之守門、呈現與使用─以2013年臺灣食用油造假事件新聞為例。國立屏東教育大學文化創意產業學系碩士論文。\n34.董呈煌、李春長、陳俊麟、吳韻玲 (2016)。SVR與OLS在住宅價格預測正確率的比較。住宅學報第二十五卷第二期，民國一○五年十二月，學術論著，第31頁—51頁。\n35.翟本瑞 (2011)。從社區、虛擬社區到社會網絡網站：社會理論的變遷。資訊社會研究，21: 1-31。\n36.鄭宇君、施旭峰 (2016)。探索2012台灣總統大選社交媒體之新聞來源引用。中華傳播學刊第二十九期，2016.06，109-135。\n鄭宇君、陳百齡 (2014)。探索2012 年台灣總統大選之社交媒體 浮現社群：鉅量資料分析取徑。新聞學研究第一二○期2014 年7 月，頁121-165。\n37.鄭宇君、陳百齡 (2016)。探索線上公眾即時參與網絡化社運—以臺灣318 運動為例。傳播研究與實踐第6 卷第1 期，頁117-150，2016 年1 月。\n38.謝元晟、程美華、張光昭 (2016)。運用 R 建立文字探勘平台應用於電視收視率預測。「數據分析」2016 年6 月，11 卷3 期，頁109-136。 | 描述: | 碩士 國立政治大學 經濟學系 105258021 |
資料來源: | http://thesis.lib.nccu.edu.tw/record/#G0105258021 | 資料類型: | thesis |
| Appears in Collections: | 學位論文 |
Files in This Item:
| File | Size | Format | |
|---|---|---|---|
| 802101.pdf | 2.73 MB | Adobe PDF2 | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.