Please use this identifier to cite or link to this item:
https://ah.lib.nccu.edu.tw/handle/140.119/137652| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | 陳百齡 | zh_TW |
| dc.contributor.advisor | Chen, Pai-Lin | en_US |
| dc.contributor.author | 陳順吉 | zh_TW |
| dc.contributor.author | Chen, Shun-Chi | en_US |
| dc.creator | 陳順吉 | zh_TW |
| dc.creator | Chen, Shun-Chi | en_US |
| dc.date | 2021 | en_US |
| dc.date.accessioned | 2021-11-01T03:51:46Z | - |
| dc.date.available | 2021-11-01T03:51:46Z | - |
| dc.date.issued | 2021-11-01T03:51:46Z | - |
| dc.identifier | G0104941002 | en_US |
| dc.identifier.uri | http://nccur.lib.nccu.edu.tw/handle/140.119/137652 | - |
| dc.description | 碩士 | zh_TW |
| dc.description | 國立政治大學 | zh_TW |
| dc.description | 傳播學院碩士在職專班 | zh_TW |
| dc.description | 104941002 | zh_TW |
| dc.description.abstract | 媒體執行往往是行銷策略的核心，費用占比高，被企業端高度重視。媒體代理商的媒體企劃人員，依賴數據進行分析、企劃與效益評估，以持續優化媒體投放效益，藉此與客戶溝通、並贏得信賴。大數據時代來臨，雖可得到更多數據，但媒體環境的改變與消費者媒體接觸模式的改變，導致對數據需求更多，數據不足的情況更明顯，也提高數據取得與整合的難度，讓媒體企劃面臨更大的挑戰。\n\n本研究透過半結構性的質化訪談，與五位在知名媒體代理商企劃總監級以上的資深媒體企劃人員進行深度訪談，並以圖表動態互動的數據融合平台提供受訪者體驗，發現數據生態系、數據斷鏈、私域流量等因素讓媒體企劃人員在數據取得與數據整合都面臨挑戰。媒體代理商在因應方式上，除既有的調研資料庫外，加入網路社群資料庫也成趨勢，部分媒體代理商也提供「自動化報表」等方式以對應新時代下的媒體數據應用，提升與客戶溝通的效率，並自我期許能逐步轉型為客戶的行銷顧問，角色從「數據蒐集者」到「意義生成者」，讓數據發揮更大效益，提升知識價值，以持續深化媒體代理商對客戶的價值。\n\n雖然數據融合模式是媒體企劃在數據應用的理想模式，但現實仍離目標很遠。本研究發現，除數據與技術的阻礙外，人的因素更是一大挑戰，這包含信賴議題，以及對數據融合是否有共同務實的認知。就實踐意涵上，媒體企劃數據融合是「ㄧ個不斷努力對應挑戰、以逐步優化客戶服務的可實踐的動態平衡過程」，並可望因應不同數據應用需求，有限度發展適合自己的媒體企劃數據融合平台。\n\n在落實內容上，可發展結合抽樣數據與大數據的「三層次媒體企劃數據融合架構」，極大化以大數據為基礎、以抽樣調查數據補齊不足的數據來源策略，逐步建構由易到難、由局部到完整的數據融合模式。在此數據融合架構下，可依據使用者需求建構不同的分析模型，並可依據不同帳號設定不同的登入內容與權限，以提升數據分析應用的速度與品質，與強化資安以減少機敏數據外流，增加客戶願意參與的信賴感。值得注意的是，這種建構於數據融合平台的服務需求，可望成為新市場商業模式，背後代表的龐大商機，值得行銷研究領域的重要相關行為者努力。 | zh_TW |
| dc.description.abstract | Media plan with huge budget is often the core of marketing execution and highly valued by the enterprise. Media planners of media agencies rely on data for analysis, planning, and effect evaluation to continuously optimize the effectiveness of media delivery, thereby gaining trust from clients. The era of big data is coming. Although more data can be obtained, changes in the media environment and consumer media contact patterns have led to more data needs and insufficient data, which has also increased the difficulty of data acquisition and integration. Media planners faces greater challenges.\n\nThrough semi-structured qualitative interviews, this paper conducted in-depth interviews with five senior media planners who was above the position of media planning director level of well-known media agencies, it also provided interviewees with a interactive data fusion platform of dynamic charts. The study discovers media planners now face challenges in data acquisition and data integration due to the factors such as data ecology, data disconnection, and private traffic. In terms of response the challenges, media agencies not only maintain the existing research databases but also buy social media databases. Some media agencies also provide services such as "automated chart report" to meet clients’ needs and gradually transform into a marketing consultant for clients. Media planners also play roles ranging from "data collector" to "meaning generator", and allowing data to be more effective, enhancing the value of knowledge from the data, and continuing to deepen media agency’s value to clients.\n\nAlthough data fusion is an ideal model for data applications in media planning, the reality is still far from the goal. This study found that in addition to challenges of data acquisition and technology, the human factors are another major challenges, including the issues of trust and whether there is a common understanding of data fusion between media agencies and clients. In a positive sense, data fusion of media planning is "a practical dynamic balancing process that continuously strives to respond to challenges and gradually optimizes service for clients." It is also possible to develop the suitable data fusion platform for each agency to fit in with different data application needs.\n\nIn terms of practice, a "three-level media planning data fusion structure" that combines survey data and big data can be developed to maximize the data source possibility. And from easy to difficult, from partial to complete, it can gradually construct data fusion model. Under this data fusion structure, different analysis models can be constructed according to user needs; different login content and permissions can be set according to different accounts to improve the speed and quality of data analysis applications. From it, media agencies can strengthen information security to reduce the possibility of confidential data outflow. That can increase the trust and willing of clients to participate the data fusion mechanism. It is worth noting that this kind of service demand built on a data fusion platform is expected to become a new market business model, and the huge business opportunities represented behind it are worthy of the efforts of relevant stakeholders among marketing research field. | en_US |
| dc.description.tableofcontents | 表次 VIII\n圖次 IX\n第一章 緒論 1\n第一節、 問題場域 1\n一、 場景側寫 1\n（一） 場景一：2000年的台北 1\n（二） 場景二：2020年的台北 2\n二、 媒體企劃工作的日常 3\n三、 二十年來的媒體企劃情境的比對 3\n第二節、 媒體企劃人員面臨挑戰 5\n一、 媒介生態的改變 5\n（一） 媒體接觸行為趨向以社群與行動媒體為中心的傳播途徑 6\n（二） 媒體走向數位化導致媒體效益評估趨向大數據 6\n二、 媒體企劃產業競爭越趨激烈 7\n三、 媒體企劃本質再檢視 8\n第三節、 論文研究命題 9\n一、 核心提問 9\n（一） 數據來源：環境變化對數據來源的影響 9\n（二） 數據技術與數據融合：目前技術現狀產生哪些挑戰，理想的工具情境又是什麼？因應數據多元性是否有進一步達到數據融合的可能性？又可如何進行？ 9\n（三） 如何發揮數據融合以提升知識價值：改變後是否能產生與之前不同的新的知識價值 11\n二、 研究價值 11\n三、 研究規劃 13\n（一） 媒體生態改變與媒體企劃數據應用挑戰 13\n（二） 大數據與數據融合 13\n（三） 媒體企劃產業競爭態勢 13\n（四） 透過行銷範例與平台實測檢視媒體數據如何「融合」 14\n（五） 媒體企劃在數據融合的挑戰 14\n（六） 媒體企劃人員因應變遷的策略建議 14\n第二章 文獻探討 15\n第一節、 走向數位化的媒體數據應用趨勢 15\n一、 科技導致溝通碎片化 16\n（一） 網路媒體已躍昇為媒體溝通的核心 16\n（二） 因應不同媒體閱聽眾特性，須提供更精準媒體企劃 19\n（三） 破碎化的媒體接觸情境 20\n二、 科技導致媒體數位化與行動化 21\n（一） 數位媒體：當代興起的新媒體 21\n（二） 傳統媒體的數位化之路 22\n三、 小結：目前的媒體企劃環境-科技導致個性化行銷溝通 25\n第二節、 數位化環境下的媒體企劃與挑戰 26\n一、 媒體企劃工作的內容 26\n（一） 何謂媒體企劃 26\n（二） 媒體企劃工作的內容與價值 26\n二、 媒體企劃理論的再檢視 28\n（一） 媒體企劃理論檢視 28\n（二） 媒體企劃重點再檢視 34\n（三） 媒體企劃人員在檢視廣告效果的機遇與挑戰 36\n三、 數位化環境對媒體企劃工作的影響 37\n（一） 多螢趨勢導致媒體整合企劃更重要 37\n（二） 走向數位化的媒體數據趨勢 37\n（三） 價值典範的移轉：省成本到更精準 37\n（四） 工作重點改變：媒體企劃的再進階 37\n四、 媒體企劃產業的發展現況對媒體企劃的影響 38\n（一） 媒體企劃產業的發展概述 38\n（二） 影響媒體企劃產業變化的環境因素 39\n（三） 媒體企劃產業環境改變對媒體企劃的影響 39\n五、 走向數位化媒體數據趨勢下媒體企劃的挑戰課題 40\n（一） 如何走向個性化溝通需求 40\n（二） 如何統整更多元的數據工具 41\n（三） 作業流程發生改變：以數據驅動媒體企劃 41\n（四） 媒體企劃的挑戰：善用新媒介資源創造整合傳播、精準溝通的媒體 42\n（五） 媒體企劃流程面臨的挑戰與課題 42\n第三節、 大數據與數據融合的行銷意涵 46\n一、 行銷數據的多樣性 46\n（一） 行銷數據與人生活面貌的多樣性 46\n（二） 數據多樣性在分析上的挑戰 46\n二、 大數據趨勢下的行銷意涵 47\n（一） 何謂大數據 48\n（二） 大數據分析的優勢與盲點 48\n（三） 大數據與行銷意涵 50\n三、 數據融合對行銷企劃的意涵 52\n（一） 何謂數據融合 52\n（二） 為何行銷企劃需要數據融合 54\n（三） 誰來進行數據融合 56\n（四） 數據融合的挑戰 57\n第四節、 數據融合應用在媒體企劃的可行性 57\n一、 媒體企劃與數據融合 58\n（一） 媒體數據融合的行銷意涵：探索完整的消費者旅程 58\n（二） 媒體數據融合的內容 58\n（三） 媒體企劃與數據融合 59\n（四） 媒體數據融合的現況 60\n（五） 小結 62\n二、 媒體代理商企劃人員與媒體數據融合的關聯性 63\n（一） 數據融合與媒體企劃的關聯性 63\n（二） 數據融合與媒體代理商的關聯性 64\n（三） 數據融合對媒體企劃人員的意義 64\n第五節、 小結：媒體企劃數據融合的挑戰與研究架構 65\n一、 媒體企劃數據融合的挑戰 65\n（一） 數據來源 65\n（二） 數據工具與平台 66\n（三） 知識價值 66\n二、 研究架構 66\n（一） 分析重點檢視 67\n（二） 媒體數據範圍檢視 68\n（三） 研究脈絡對應圖 69\n第三章 研究方法 71\n第一節、 研究設計 71\n一、 研究方法對焦 71\n二、 調查執行方式：半結構式深入訪談+平台實測法 73\n（一） 半結構式訪談 74\n（二） 平台實測 74\n三、 問卷內容簡要說明（質化訪談+平台實測） 74\n（一） 數據應用與媒體企劃 74\n（二） 案例檢視 75\n（三） 數據融合概念的討論 75\n（四） 數據融合平台測試 76\n（五） 數據融合與媒體企劃的可能未來 79\n第二節、 調查取樣 79\n一、 訪談人員規劃 79\n（一） 訪談對象：媒體代理商企劃人員 79\n（二） 訪談人員條件設定 81\n（三） 訪談人員對象規畫 81\n二、 調查執行 81\n第三節、 資料收集與分析程序 83\n一、 執行方式 83\n二、 研究整理 83\n第四節、 小結：結合雙重方式探索媒體企劃人員內在需求 84\n第四章 資料分析 85\n第一節、 媒體數據取得的現況與挑戰 85\n一、 媒體數據不足 85\n（一） 媒體企劃的三大價值 85\n（二） 三大價值需依賴媒體數據應用 87\n（三） 媒體數據需求日增，媒體數據越來越不足 88\n（四） 媒體企劃在數據不足下使用數據的特性 103\n二、 數據取得不易 105\n（一） 社群媒體/ 網路聯播網/ 程序化購買數據 105\n（二） 資源的困境 106\n（三） 私域流量 106\n（四） 數據生態系 106\n三、 小結：數據不足阻礙了媒體企劃的應用 108\n（一） 更多面向的媒體企劃應用提升了數據重要性，但媒體企劃也因數據應用的多樣性而面臨挑戰 108\n（二） 數據缺乏與數據斷裂化的媒體企劃窘境 110\n第二節、 數據應用與數據融合在工具平台的現況與挑戰 111\n一、 現階段媒體數據工具平台的問題 112\n（一） 媒體企劃數據應用工具平台的現況 112\n（二） 數據難以應用 113\n（三） 信任的挑戰 115\n二、 目前因應方式：建構有限的數據生態模式 117\n（一） 透過API串聯數據庫 118\n（二） 貼標 119\n（三） 盤點目前數據資源優勢與不足之處 119\n（四） 業界訊息或情報交換 119\n（五） 創立各家專屬的資料庫 120\n（六） 嚐試建構跨資料庫的數據整合平台 122\n三、 思考：建構更廣數據生態不易，但數據融合可能是解方 123\n（一） 媒體企劃數據應用的情況比十年前有所進展 123\n（二） 議題思考 123\n（三） 某種形式的數據融合可能是對應之道 127\n四、 數據融合與媒體數據 127\n（一） 如何認知數據融合 127\n（二） 數據融合的定義 128\n（三） 數據融合為媒體數據應用提供明顯的工具價值 128\n（四） 實務上的應用與挑戰 130\n五、 小結：媒體數據融合在現階段相關應用仍是不明顯 131\n第三節、 數據融合與知識價值 131\n一、 媒體企劃與知識價值 131\n二、 媒體企劃三階段與數據融合三價值的對應關係 132\n（一） 市場檢視 132\n（二） 媒體企劃 133\n（三） 執行與效益評估 133\n（四） 綜合比較表 134\n三、 從數據融合到知識融合的過程彰顯出媒體企劃數據融合的價值 134\n（一） 媒體企劃數據融合在數據融合循環框架下的意涵 135\n（二） 媒體企劃在知識融合循環框架下的意涵 135\n（三） 小結：數據融合為媒體企劃數據應用新增了三大價值 136\n第四節、 從案例分析媒體數據融合理想與實務的落差 136\n一、 實測平台下的媒體數據融合檢視 137\n（一） 簡明易懂的操作方式可提升數據應用效率 137\n（二） 涵蓋媒體企劃所需內容 138\n（三） 與目前作業資料庫內容的比較 140\n（四） 實測平台可協助媒體企劃人員快速精準進行數據分析與應用 142\n（五） 小結：從平台實測看媒體數據融合的挑戰 146\n二、 媒體數據融合的理型模式 148\n（一） 實測平台的優化建議 149\n（二） 理型模式的需求內容 150\n（三） 數據與平台的呈現模式 153\n（四） 小結：逐步實踐理想的過程 155\n三、 媒體數據融合在理想與現實之間的差距 155\n（一） 如何建構跨不同數據源的媒體數據融合資料庫 155\n（二） 如何衡量權重 155\n（三） 如何建立模型在多變行銷環境變數下的適用性 156\n（四） 如何確認各行為方的角色、信任度與利益關係 156\n（五） 如何收集有用的數據 157\n（六） 技術的阻礙逐漸不是核心問題 157\n四、 小結：媒體數據融合模式的挑戰與機會並存 157\n（一） 阻礙：短期內無法取得的數據 158\n（二） 挑戰：建構對應行銷需求的模型與指標 159\n（三） 機會：抽樣數據與大數據並用的數據融合模式 159\n第五節、 小結：數據融合對媒體企劃在數據應用的啟示 160\n一、 數據融合是媒體企劃數據應用的理想模式 160\n二、 建構完美媒體企劃數據融合的挑戰 161\n三、 合適的媒體數據融合是一種不完美但持續推進的存在 161\n四、 「人」是影響數據融合走多遠的核心變數 162\n五、 若未能取得關鍵媒體數據，對媒體企劃來說效益不大 162\n六、 數據融合對媒體企劃的真實意義 163\n第五章 結論與建議 165\n第一節、 研究發現與建議 166\n一、 研究發現 166\n（一） 環境變化對數據來源的影響 166\n（二） 數據技術與數據融合 168\n（三） 如何發揮數據融合以提升知識價值 172\n二、 研究命題與研究發現之間的對應關係 173\n三、 如何實踐媒體數據融合平台的相關建議 175\n（一） 以人口變數做為連接其他數據源的主要「連接變量」 176\n（二） 透過商業智慧平台（Business Intellienge）建構媒體企劃數據融合平台，可望節省大量人力物力投入成本 176\n（三） 因應不同媒體代理商的需求，開展小規模的生活型態調查，以補大數據源的不足 176\n（四） 透過權值修正，以找到跨數據源以「連接變量」進行數據融合時的同名稱的數據但權值可能不一致的情況 176\n（五） 建構合適的分析模型 177\n第二節、 研究限制 180\n第三節、 後續研究建議 182\n參考文獻 185\n附件一 訪談問卷(1) 194\n附件二 訪談問卷(2)數據融合平台測試 201 | zh_TW |
| dc.format.extent | 9238472 bytes | - |
| dc.format.mimetype | application/pdf | - |
| dc.source.uri | http://thesis.lib.nccu.edu.tw/record/#G0104941002 | en_US |
| dc.subject | 媒體企劃 | zh_TW |
| dc.subject | 媒體數據 | zh_TW |
| dc.subject | 數據融合 | zh_TW |
| dc.subject | 大數據 | zh_TW |
| dc.subject | 抽樣數據 | zh_TW |
| dc.subject | 資料庫 | zh_TW |
| dc.subject | 媒體代理商 | zh_TW |
| dc.subject | 數據斷鏈 | zh_TW |
| dc.subject | 數據生態系 | zh_TW |
| dc.subject | 私域流量 | zh_TW |
| dc.subject | Media planning | en_US |
| dc.subject | Media buying | en_US |
| dc.subject | Media data | en_US |
| dc.subject | Data Fusion | en_US |
| dc.subject | Big data | en_US |
| dc.subject | Sampled data | en_US |
| dc.subject | Marketing database | en_US |
| dc.subject | Media agency | en_US |
| dc.subject | Data disconnection | en_US |
| dc.subject | Data ecosystem | en_US |
| dc.subject | Private traffic | en_US |
| dc.title | 媒體大數據時代下數據融合對媒體代理商企劃人員的挑戰與因應策略 | zh_TW |
| dc.title | The challenge and strategies of data fusion in the big data era: The cases of media planners in media agency | en_US |
| dc.type | thesis | en_US |
| dc.relation.reference | 中文參考書目\n\nAlexa Taiwan（2018年2月27日）。〈Top Sites in Taiwan〉。《Alexa Taiwan官網》。取自https://www.alexa.com/topsites/countries/TW。\nAlexa Taiwan（2021年6月25日）。〈Top Sites in Taiwan〉。《Alexa Taiwan官網》。取自https://www.alexa.com/topsites/countries/TW。\nBaidu百科（2018年7月9日）。〈關鍵字：數據融合〉。《Baidu百科網站》。取自https://baike.baidu.com/item/%E6%95%B0%E6%8D%AE%E8%9E%8D%E5%90%88。\nDMA台北市數位行銷經營協會（2017年4月28日）。《2016年台灣數位廣告量統計報告》。DMA官網。取自https://www.dma.org.tw/newsPost/150。\nMAA台北市媒體服務代理商協會（2017年7月17日）。《2017年台灣媒體白皮書》。《MAA官網》。取自https://maataipei.org/download/2017媒體白皮書。\nMAA台北市媒體服務代理商協會（2020年7月2日）。《2020年台灣媒體白皮書》。《MAA官網》。取自https://maataipei.org/download/2020媒體白皮書。\nMBA LIB（2018年4月5日）。〈毛評點〉，《MBA LIB網站》。取自http://wiki.mbalib.com/zh-tw/%E6%AF%9B%E8%AF%84%E7%82%B9\n丁秋君（2017）。〈中國視頻大數據應用-以愛奇藝數據運用為例〉，收錄於《大數據時代下的媒介變身-中國中央電視台、新媒體平台與文創產業考察》（未公開出版），臺北：政治大學傳播學院碩士在職專班，85-96。\n丁穎（2015年）。《CTR媒體融合研究院：破冰媒體融合》。中國北京：聲屏世界-廣告人。\n牛隆光（2010）。《如何從事社會科學研究：新聞傳播面向的探討》。台北：唐山出版社。\n王孜文、伊洪（2016）。〈社交媒體廣告傳播策略研究〉，《出版廣角》，275:76-78。\n王琦；李貞芳（2010年12月）。〈媒介計劃的嶄新理論:頻次價值計劃〉。「2010首屆數字未來與媒介社會國際學術論壇“新媒體時代傳播研究的新議題」，中國浙江杭州：華中科技大學新聞與信息傳播學院。\n王雲松（2009）。《整合營銷傳播範式下的媒體規劃》，中國大陸廈門：廈門大學碩士論文。\n王美娟譯（2018）。《數據分析的力量 : Google、Uber都在用的因果關係思考法》，台北：台灣東販。（原書 伊藤公一朗[2017]．《データ分析の力 因果関係に迫る思考法》。日本東京：光文社）。\n王佳煌、潘中道、郭俊賢、黃瑋瑩、邱怡薇譯（2002）。《當代社會研究法：質化與量化途徑》。台北：學富文化。（原書W. Lawrence Neuman[2002]. Social Research Methods: Qualitative and Quantitative Approaches. London, UK:Allyn & Bacon, a Pearson Education Company. ）\n王俊權（2017年11月）。〈從大數據到AI：金融業的數據經濟時代〉。「2017數位應用再進化高峰會」，台北：數位時代與數位行銷學院。\n王曉楠（2015）。〈媒體融合：走上相向會師之路----專訪CTR媒體融合研究院執行院長、CTR總經理、CSM總經理徐立軍）。廣告人。2015年9月6日，56-57。\n台北市廣告代理商業同業公會（2020年09月14日）。〈DSP大調查！揭密台灣程序化購買五大趨勢〉。《台北市廣告代理商業同業公會官網》。取自http://www.taaa.org.tw/news/article/7483。\n台灣尼爾森新聞中心（2017年11月7日）。〈尼爾森：2017年台灣網購消費者透過行動裝置購物首度超越電腦〉，《台灣尼爾森官網》，取自http://www.nielsen.com/tw/zh/press-room/2017/taiwan-mobile-shopping-overpassed-shopping-via-pc.html。\n台灣尼爾森（2017）。〈網路成「影」新時代-台灣數位影音與直播收看現況〉，《尼爾森媒體研究月刊》，2017年11月，10-16。\n台灣尼爾森（2018年1月21日）。〈尼爾森數位廣告收視率（DAR）〉，《台灣尼爾森官網》，取自http://www.nielsen.com/tw/zh/solutions/capabilities/digital-ad-ratings.html。\n任立中（2016）。〈行銷大數據〉，收錄於任立中編，《大數據戰略4.0》，頁1-24，新北市：前程文化。\n江義平、謝昌明（2013）。〈網路媒體置入性行銷效果研究〉，《電子商務研究》，第11卷第2期，175-194。\n林克威（2019年9月4日），〈電商要開始建立自有與獨特的私域流量〉，《匯流新聞網》。取自https://cnews.com.tw/132190904a01/。\n林俊宏譯（2103）。《大數據：「數位革命」之後,「資料革命」登場：巨量資料掀起生活、工作和思考方式的全面革新》。台北：天下文化。（原書Viktor Mayer-Schonberger & Kenneth Cukier [2012]. Big Data: A Revolution That Will Transform How We Live, Work, and Think. MA: Houghton Mifflin Harcourt Publishing Company.\n林彥君（2017年9月7日）。〈讓數據說故事——電豹產品DMP平台AotterTrek與你共造台灣健康廣告生態〉，《數位時代》，取自\nhttps://www.bnext.com.tw/article/46009/data-can-also-tell-the-story。\n林照真（2009）。〈電視新聞就是收視率商品：對「每分鐘收視率」的批判性解讀〉，《新聞學研究》，99：79-117。\n呂紹玉（2016年09月09日）。〈別守著點擊數字，要知道誰看到！尼爾森數位廣告收視率幫助廣告主精準掌握投放效果〉，《科技新報》，取自\nhttp://technews.tw/2016/09/09/nielsens-dar-tool-for-digital-ad-market/。\n佟延秋（2104）。〈大數據視角下的新媒體解讀〉，《新聞知識（中國）》，2014年10期，63-65。\n李芳齡譯（2015）。《開放資料大商機：當大數據全部免費!創新、創業、投資、行銷關鍵新趨勢》。台北市：時報文化。（原書Joel Gurin [2014], Open data now : The secret to hot startups, smart investing, savvy marketing, and fast innovation. New York: McGraw-Hill Education ）\n李佳蔓（2016）。〈大數據背景下傳統媒體的媒介融合發展之路〉，《新媒體研究（中國）》，2016年第16期，86-87。\n李建軍（2014）。〈大資料對新媒體的影響〉，《西部廣播電視（中國）》，2014年9月25日，10-11。\n別蓮蒂（2017年12月）。〈渴望安定的不滿足，消費者生活型態變遷〉，「2018年度E-ICP年度研討會」，台北市：台灣大學。\n孟小峰、杜治娟（2016）。〈大數據融合研究：問題與挑戰〉，《計算機研究與發展（中國：中國人民大學信息學院）》，2016年02期，23-37。\n邱彥婷（2018年1月9日）。〈虛實並存的媒介，翻轉消費新秩序〉，《東方線上》，取自http://www.isurvey.com.tw/7_eol/2_detail.aspx?id=4173。\n段淳林、李夢（2015）。〈移動互聯網時代的廣告產業鏈角色重構與平台化轉型〉，《華南理工大學社會科學報（中國）》，第17卷第4期，58-64。\n徐立軍（2015）。〈數據時代的未來 大數據與小數據融合的價值與路徑〉，《新聞與寫作》，2015年第11期，11-15。\n徐蘇杭（2016）。〈新媒體大數據背景下整合營銷傳播的新形態〉，《新媒體研究（中國）》，2016年第12期，20-22。\n鉅亨網（2018年1月10日）。〈2017年台灣數位廣告可望突破310億元〉，《鉅亨網》，取自https://news.cnyes.com/news/id/4012578。\n高立學、賴麗卿、陳定國（2011）。〈從產業和人力資源觀點探討媒體代理商企劃人員工作內容擴大化之原因及影響〉。《管理實務與理論研究》，第5卷3期，19-33。\n郭全中、胡潔（2017）。〈大數據時代背景下的傳統媒體出路〉，《融合研究（中國）》，2017年第3期，10-13。\n陳俊豪（2016）。〈行銷大數據〉，任立中編，《大數據戰略4.0》，頁24-29。新北市：前程文化。\n陳冠州（2016）。〈雲端大數據〉，任立中編，《大數據戰略4.0》，頁63-90。新北市：前程文化。\n陳彬芸、許瑞芬譯（2017）。《解構大數據：如何運用大數據,打造人性化行銷模式》。臺北市：台灣金融研訓院。（原書Colin Strong [2015]. Humanizing big data : marketing at the meeting of data, social science and consumer insight. London, UK: Philadelphia : Kogan Page.\n陳志萍（2012）。〈社交網絡臉書之電子口碑行銷傳播效果研究〉。《廣告學研究》，第38期，23-49。\n陳亭羽、田季芳（2008）。〈網路廣告效果衡量指標之探討〉。《管理與系統》，第15卷第2期，177-208。\n陳順吉（2017）。〈中國大陸視頻網站愛奇藝會員策略演變之探討〉，王亞維編《大數據時代下的媒介變身-中國中央電視台、新媒體平台與文創產業考察》（未公開出版），頁97-108。臺北市：政治大學傳播學院碩士在職專班。\n陳萬達（2012）。《媒體企劃：跨媒體行銷趨勢與傳播策略》。新北市：威仕曼文化事業。\n陳冠榮（2017年12月19日）。〈Facebook 再調演算法，鼓勵粉絲按讚加分享、留言並標記朋友將遭調降貼文觸及率〉，《科技新報網站》，取自http://technews.tw/2017/12/19/facebook-will-soon-demote-posts-that-beg-for-likes-comments-and-shares/。\n商業週刊（2018年03月28日）。〈Line Pay 街口支付 鹿死誰手？〉。《商業週刊網站》，取自https://magazine.businessweekly.com.tw/Article_page.aspx?id=34896。\n梁旭艷（2016）。〈移動互聯時代的場景廣告解析〉，《四川大學文學與新聞學院：青年記者（中國）》，2016年5月，101-102。\n張丹（2015）。〈大資料時代下新媒體資訊傳播〉。《創新科技（中國）》，10:89-91。\n張坤陽、徐鐵英（2014）。〈大數據時代：媒體新任務和媒體人的新角色〉，《中國記者（中國）》，2014年8月，118。\n張崇仁（2015）。〈大數據、新媒體、使用者〉研討會，桃園：元智大學，2015年6月12日。收錄於〈六月論壇：大數據、新媒體、使用者〉，《匯流政策研究室電子報》，2015年7月。\n張郁敏（2008）。〈單一與多重媒體重複策略之傳播效果比較〉。《中華傳播學刊》，14:231-265。\n張約翰（2015）。〈智慧型行動載具、社群媒體興起後的另類媒體生存—「台灣立報」個案分析〉。《傳播研究與實踐》．第5卷第1期，129-155。\n張翔、熊濤（2017）。大數據在媒體行業的應用，《運營管理（中國）》，302:48-49。\n莊克仁（2016）。《新媒體理論與實證研究-科技與藝術的對話》，台北：五南圖書。\n陶振超（2017）。〈社交媒體的動員力量：網絡機會模式之觀點〉，《新聞學研究》，131:49-86。\n湯曉芳（2012）。《融合背景下媒體廣告代理經營模式嬗變》。中國：華中科技大學博士論文。\n壹讀（2017年5月28日）。〈多元數據融合：大數據分析的瓶頸〉。《壹讀官網》，取自https://read01.com/zh-tw/n24gzm.html#.W0QqO9UzaUk。\n彭子亮（2017年11月）。〈數據共享新趨勢，玩轉數位廣告大商機〉。「2017數位應用再進化高峰會」，台北：數位時代與數位行銷學院。\n彭藍（2017）。〈未來傳媒生態：消失的邊界與重構的版圖〉。《現在傳播（中國）》，2017年第1期，8-14、29。\n凱絡媒體（2011年5月）。〈台灣媒體趨勢報告〉，《社團法人台灣商務策進協會》，取自http://www.tbsa.tw/ezfiles/tbsa/download/attach/5/%A4_%AAv%A4%A4_%A5x%C6W%B4C%C5%E9%C1%CD%B6%D5%B3%F8%A7i.pdf。\n凱絡媒體（2018）。〈凱絡媒體周報〉，第936期。\n賀亞玲（2015）。〈美國社交電視的發展現況與啟示〉。《海外傳媒（中國）》，2015年12月，50-51。\n熊凌、張凱（2005）。〈數據融合及其應用〉。《湖北工業大學學報（中國）》，第20卷第3期，145-147。\n楊子毅（2017）。〈雲端新磁力：AI、AR、LIVE，飛航指南針，數位代理向何轉〉，《動腦雜誌》，494:88。\n蔡勇（2002）。〈現代國際廣告媒體企劃與消費者季節感整合〉，《雲南財貿學院學報（中國）》，第18卷第2期，70-74。\n趙泰霖（2017）。〈大數據背景下傳統媒體與新媒體的融合發展〉，《科技經濟導刊（中國）》，2017年07期，30。\n蘇軒（2017）。〈數位浪潮襲來 媒體代理商如何找出新航向〉。《動腦雜誌》，493:80-86。\n動腦雜誌（2016年11月15日）。〈PHD奇宏策略媒體大數據應用 奪美ABBI AWARD金獎〉。《動腦雜誌網站》，取自http://www.brain.com.tw/news/articlecontent?ID=44017#gN9gTpM3〉。\n動腦編輯部（2017）。〈2017台灣數據公司大調查〉。《動腦雜誌》，498:96-97。\n動腦雜誌（2017a）。〈林鼎峰：數位延伸了創意舞台〉。《動腦雜誌》，494:112-115。\n動腦雜誌（2017b）。〈2016台灣媒體代理商排行榜〉。《動腦雜誌》，493:88-89。\n動腦雜誌（2021）。〈2021年台灣行銷傳播集團大地圖〉。《動腦雜誌》，540:86。\n鄭宇君（2014）。〈向運算轉：新媒體研究與資訊技術結合的契機與挑戰〉。《傳播研究與實踐》，第4卷第1期， 67-83。\n鄭國威（2015年8月5日）。「媒體改革之路：社群網路與垂直媒體」，《跨越誌》。取自https://shs.ntu.edu.tw/shsblog/?p=30926\n數位時代（2014年04月15日）。〈電通安吉斯成立自動化交易行銷平台，提供即時競價廣告服務〉。《數位時代官網》，取自https://www.bnext.com.tw/article/31811/BN-ARTICLE-31811。\n數位時代（2016年8月10日）。〈全球最大廣告主P&G：Facebook精準投放廣告不夠有效，將減少投放〉，《數位時代官網》，取自https://www.bnext.com.tw/article/40559/BN-2016-08-10-125817-218。\n數位時代（2017年4月26日）。〈想要抓住眼球？需要的不只是內容，更要懂得創造共感〉，《數位時代官網》，取自https://www.bnext.com.tw/article/44171/want-to-catch-eyes-need-not-only-content-but-create-empathy。\n數位時代（2017年２月22日）。〈拯救傳媒帝國：「紐約時報」的數位化革命之路〉。《數位時代官網》，取自https://www.bnext.com.tw/article/43256/the-new-york-times。\n數位時代（2018）。〈布局行動廣告市場，台灣大哥大TA Media打造大數據生態圈〉。《數位時代》，284:22-23。\n劉秀雯、林育理、吳芳軒（2017）。〈社群媒體分析：代言人類型與廣告訴求對顧客參與成效之影響〉。《管理評論》；36卷3期，69-84。\n戴軒廷、馬恆、張紹勳（2004）。〈衡量網路廣告態度之指標建構〉。《台灣管理學刊》，第4卷第1期，59-84。\n謝易修、謝寶泰（2008）。〈從廣告行銷角度探討部落格之口碑傳播策略〉。《商業設計學報》，12:53-62。\n謝元晟、程美華、張光紹（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》，第11卷第3期，109-136。\n職茵（2017）。〈立足大數據-傳統媒體攜手新媒體共生策略〉。《新聞研究導刊（中國）》，2017年07期，296。\n羅佳（2016）。〈美国＂跨屏收视率调查＂实践〉。《中國傳媒大學（中國）》，15。\n蘋果日報編譯（2019年03月27日）。〈紐約時報築收費牆 成功轉型〉。《蘋果日報》，取自https://tw.appledaily.com/headline/daily/20190327/38292301/。\n\n\n\n西文參考書目\n\nboyd, d., & Crawford, K. (2012). Critical questions for Big Data: Provocations for a cultural, technological, and scholarly phenomenon. Information, Communication, & Society, 15, 662-679.\nCannon, Hugh M. and Edward A. Riordan (1994), Effective Reach and Frequency: Does It Really Make Sense?, Journal of Advertising Research, 34(2), 19-28.\nCacioppo, J. T., & Petty, R. E. (1979). Effects of message repetition and position on cognitive response, recall, and persuasion. Journal of Personality and Social Psychology, 37(1), 97-109.\nStrong Colin (2013, Oct 4). The big data arms race part one: marketers` perceptions., The Guandian Website, Retrieved from https://www.theguardian.com/media-network/media-network-blog/2013/oct/04/big-data-arms-race-part-one-marketers.\nCouldry, Nick & Turow Joseph (2014). Advertising, Big Data, and the Clearance of the Public Realm: Marketers’ New Approaches to the Content Subsidy., International Journal of Communication. 2014, Vol. 8, 1710-1726.\nEphron, Erwin (1995). More Weeks, Less Weight: The Shelf-Space Model of Advertising. ", Journal of Advertising, 35 (3), 18-23.\nFeit, Eleanor Mcdonnell; Wang, Pengyuan; Bradlow, Eric T & Fader, Peter S. (2013). Fusing Aggregate and Disaggregate Data with an Application to Multiplatform Media Consumption. Journal of Marketing Research (JMR). Jun2013, Vol. 50 Issue 3, p348-364.\nGilula, Zvi, McCulloch, Robert E. & Rossi, Peter E.(2006) . A Direct Approach to Data Fusion, Journal of Marketing Research (JMR). Feb2006, Vol. 43 Issue 1, pp73-83.\nHilde A. M Voorveld, Fred E. Bronner, Peter C. Neijens, & Edith G. Smit (2013), Developing an Instrument to Measure Consumers` Multimedia Usage in the Purchase Process. The International Journal on Media Management, 15(1), 43-65.\nHarkins, S. G., & Petty, R. E. (1987). Information utility and the multiple source effect. Journal of Personality and Social Psychology, 52(2), 260-268.\nJapec, Lilli, Kreuter, Frauke, Berg, Marcus (2015), ‘Big Data in Survey Research a Aport Ask Force Report, Public Opinion Quarterly. 79(4), 839-880.\nJohn r. Rossiter & Larry Percy (2013), How the roles of advertising merely appear to have changed., International Journal of Advertising. 32(3), 391-398.\nJon Lafayette (2013). Media Business Planners Ride Waves of Change. Digital and data create new media options for advertisers, presenting opportunities and pitfalls for planning execs. Broadcasting & Cable, (2013. July 29). 30-36.\nKrugman, Herbert E. (1972), Why Three Exposures May be enough. Journal of Advertising Research, 12(6), 11-14.\nLiyakasa, Kelly (2013), Big Data and Customer Experience Begin to Converge: But 54 Percent of Companies View Big Data Analysis as One of Their Challenges, CRM Magazine. 17(7), 20\nNelson, Jacob L.&Webster, James G., 2016. Audience Currencies in the Age of Big Data, JMM: The International Journal on Media Management, 18(1), 9-24.\nMurray, George B. & Jenkins, John R(1992). The concept of “effective reach” in advertising. In Journal of Advertising Research. 32(3), 34-42.\nMoore, D. J., Mowen, J. C., & Reardon, R. (1994). Multiple sources in advertising appeals: When product endorsers are padi by the advertising sponsor. Journal of Academy of Marketing Science, 22(3), 234 -243.\nNielsen. (2009). Introduction to Nielsen Data Fusion, Retrieved from https://www.nielsen.com/content/dam/corporate/us/en/docs/solutions/Nielsen-Introduction-to-Data-Fusion.pdf\nSmarter with Garnter (2017), Gartner Top 10 Strategic Technology Trends for 2018, Garnter Officer Website. Retrieved Octber 3, 2017, from https://www.gartner.com/smarterwithgartner/gartner-top-10-strategic-technology-trends-for-2018/\nTom Breur. (2011), Data analysis across various media: Data fusion, direct marketing, clickstream data and social media, Journal of Direct, Data and Digital Marketing Practice.13, 95–105.\nWe Are Social & Hootsuite(2017, AUG). Global Digital Statshot Q3 2017. Retrieved February 28, 2018 from https://www.slideshare.net/wearesocialsg/global-digital-statshot-q3-2017?from_action=save\nWikipedia(2017). Key Word: Data Fusion, Wikipedia Website. Retrieved July 09, 2017 from https://en.wikipedia.org/wiki/Data_fusion. | zh_TW |
| dc.identifier.doi | 10.6814/NCCU202101668 | en_US |
| item.fulltext | With Fulltext | - |
| item.grantfulltext | open | - |
| item.cerifentitytype | Publications | - |
| item.openairetype | thesis | - |
| item.openairecristype | http://purl.org/coar/resource_type/c_46ec | - |
| Appears in Collections: | 學位論文 | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 100201.pdf | 9.02 MB | Adobe PDF2 | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.