跳到主要內容

臺灣博碩士論文加值系統

(18.97.14.80) 您好!臺灣時間:2024/12/08 01:33
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:吳盈杰
研究生(外文):Ying-Chieh Wu
論文名稱:基於馬可夫鏈模式與關聯法則探索線上遊戲使用者行為和價值
論文名稱(外文):Discovering the Online Game Customer Behavior and Customer Values Using Markov Chain Modeling and Association Rules
指導教授:陳俊德陳俊德引用關係
指導教授(外文):Chun-Te Chen
學位類別:碩士
校院名稱:華梵大學
系所名稱:資訊管理學系碩士班
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2006
畢業學年度:94
語文別:中文
論文頁數:79
中文關鍵詞:線上遊戲玩家型態RFM Model馬可夫鏈關聯式法則
外文關鍵詞:Online-game、RFM Model、Markov Chain、Association Rules
相關次數:
  • 被引用被引用:1
  • 點閱點閱:411
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:3
網際網路產業市場多變,為增加對顧客的喜好瞭解並與顧客建立良好關係,以提高顧客滿意度及顧客忠誠度,企業須投入大量資源與有效的運用顧客關係管理,去找出並維持住對企業最有價值的顧客。對線上遊戲廠商,最重要的是透過顧客(玩家)價值分析,找出如何使玩家對所提供的遊戲內容持續消費,並針對其消費行為改變,做出即時且適當的回應,以滿足線上遊戲玩家的需求。為立即反應玩家行為的變化,本研究透過資料探勘中之關連法則 (Association Rule),建立以關卡難度為主的分群法則。將線上遊戲玩家依玩家在每一特徵集合,分為生手、半熟手和熟手等八個玩家操作行為的反應階段分群法;對這些玩家操作行為階段轉變,表示成馬可夫鏈模式,當玩家在進入到遊戲世界中,系統便快速判斷玩家應屬類型。透過玩家使用行為分群,結合過去玩家購買狀態記錄,完成每個玩家RFM模型定義與玩家行為移轉價值模型。經由本研究提出的方法,遊戲業者能更快速更掌握玩家動態、可能購買潛力與喜好,調整經營策略;或以線上遊戲玩家價值高低區隔顧客,將大部分資源放在照顧高價值的顧客上,有助於吸引更多高價值的客戶成為忠實顧客,增加顧客忠誠度以獲取更大利益;玩家也可利用本研究結果,獲得更適切遊戲內容推薦服務。
The internet business is changed too fast to understand the interesting change of the customer. The customer relationship management is adopted in the enterprise to provide not only the intimate service to seize the hearts of customers, but also the core competition to satisfy customers’ needs. To raise customer satisfaction and customer royalty, many enterprises are investing many resources to increase in understanding the interesting change of customers and to establish a good relationship with customers. They also attempt to find the higher value customers by the Customer Value Analysis. The player of the on-line game industry is concerning or addressing on the continuous consuming of the user to determine the value of online game firms. Therefore, it must be to understand the consumer behavior. That is the fundamental of issue for finding the value of the game and the value of the customer, making a proper response in time, or satisfying the customer demand. Hence, this paper is proposed to discovery the customer behavior and the customer value from the online game’s log file. It is constructed based on the Markov chain modeling and the association rule mining by using the survival duration time of the customer, the execution time in each game level and the number of login times. The effectiveness of customer segmentation depends on the behavior and the execute time when he/she pass through the some outpost inside the game, such as the major outpost, the minor outpost, or the normal outpost. With these association rules, it can divide the customer behavior into the eight behavior segments. In each segment, the customer is partition into three actors, such as tyro, senior and master dependent on the number of the login times and the execution time. With the operation record of the customer, the behavior transition model is generated by utilizing the Markov chain model. Combined with the RFM model of the customer purchasing history data, the customer value of the customer transition probability matrix is obtained. With these transition matrixes, the probability of behavior changed in each segment and customer migration pathways can be used to estimate the customer value. With the proposed customer behavior model and the customer value, the enterprise of the on-line game industries can monitor the customer state change clearly to gain more benefit and to enhance the customer loyalty for continuous consuming.
誌謝 I
摘要 II
ABSTRACT III
目錄 IV
圖錄 VII
表錄 IX
ㄧ、序論 - 1 -
1.1 研究背景 - 1 -
1.2 研究目的 - 5 -
1.3 研究架構 - 5 -
二、文獻探討 - 8 -
2.1 線上遊戲的定義 - 8 -
2.1.1 發展現況 - 12 -
2.1.2 經營模式 - 15 -
2.1.3 線上行銷的需求 - 16 -
2.2 顧客關係管理的行銷 - 18 -
2.2.1 市場區隔 - 18 -
2.2.2 玩家生命週期區隔 - 20 -
2.2.3 玩家類型區隔 - 20 -
2.2.4 玩家滿意度 - 21 -
2.3 線上資料探勘的技術 - 26 -
2.3.1 馬可夫鏈時間序列分析 - 26 -
2.4 顧客價值RFM分析模式 - 36 -
三、研究方法 - 39 -
3.1前置資料處理 - 40 -
3.2 行為的分析 - 41 -
3.3 建立玩家分群模式 - 43 -
3.4 動態調整玩家類型 - 45 -
3.4.1 HMM訓練模式 - 45 -
3.4.2 隱藏層下玩家行為的探勘 - 47 -
3.4.3 分辨玩家類型 - 48 -
3.4.4 推測玩家未來類型 - 49 -
3.4.5 玩家價值 - 50 -
四、實驗與分析 - 51 -
4.1 資料來源 - 51 -
4.2關聯法則探勘 - 54 -
4.3隱藏馬可夫訓練 - 61 -
4.4 價值分析 - 65 -
五、 結論 - 68 -
5.1 結論 - 68 -
5.2 未來研究方向 - 69 -
六、參考文獻 - 71 -
作者簡介 - 79 -
[1]林子凱,2002,線上遊戲『天堂』之使用者參與動機與滿意度研究,國立成功大學企業管理學系碩士論文。
[2]張武成,2002,線上遊戲軟體設計因素與使用者滿意度關聯之研究,淡江大學資訊管理學系碩士論文。
[3]陳俊良,2002,線上遊戲顧客忠誠度之研究,國立台灣科技大學企業管理系碩士論文。
[4]陳冠中,2003,「天堂」遊戲參與者之動機、沉迷與交易行為關係之研究,國立中正大學企業管理研究所碩士論文。
[5]盧貞吟,2003,強化線上遊戲吸引力之策略研究-以線上遊戲《天堂》為例,國立成功大學工業設計學系碩士論文。
[6]孫恬琳(2004),應用資料探勘技術於汽車保險購買行為之研究,中正大學企業管理研究所碩士論文。
[7]史萊姆工作室(2003),大師談Online Game:線上遊戲企劃、製作、經營聖經,上奇科技股份有限公司,原著:Bridgette Patrovsky, Jessica Mulligan 著。
[8]黃韻竹(2004),利用線上遊戲歷程紀錄探討影響玩家成癮程度之因素,中央大學企業管理研究所碩士論文。
[9]陳宏毅(2003),顧客價值分析之隨機模型建立及實證,台灣大學商學研究所碩士論文。
[10]黃美甄(2003),資料庫行銷之顧客價值遷移路徑分析,台灣大學國際企業研究所碩士論文。
[11]Berry, M. J. A. and Linoff, G.(1997), “Data Mining Techniques: For Marketing Sale and Customer Support, ” John Wiley & Sons, Inc.
[12]Ha, S. H., Bae, S. M., and Park, S. C. (2002), “Customer’s Time-Variant Purchase Behavior and Corresponding Marketing Strategies: An Online Retailer’s Case,” Computers & Industrial Engineering, Vol. 43, No. 4, pp.801-820.
[13]Bartle, R.(1996), "Hearts, Clubs, Diamonds, Spades: Players Who Suit MUDs", The Journal of Virtual Environments, 1(1),May.
[14]Ho, J.Y., and Thawonmas, R., "Episode Detection with Vector Space model in Agent Behavior Sequences of MMOGs", Proc. Future Business Technology Conference 2004 (FUBUTEC'2004), Fontainebleau, France, pp. 47-54, Mar. 2004.
[15]Yoshitaka Matsumoto & Ruck Thawonmas(2004): MMOG Player Classification Using Hidden Markov Models. ICEC : pp.429-434
[16]Agrawal, R. and Srikant, R. “Mining Quantitative Association Rules in Large Relational Tables”, Proc. of the ACM SIGMOD Int'l Conf. on Management of Data, pp. 1-12, Montreal, Canada, June 1996.
[17]Friedberg, S.H.,Insel, A.J & Spence, L.E.(1992), Linear Algebra. Prentice-Hall International.
[18]Rabiner, L. R., “A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition”, Proceedings of the IEEE, Vol.77, No.22, pp.257-286, 1989.
[19]Hughes, A. M. (1996), Boosting response with RFM, Market Tools, Vol. 5,pp. 4-10.
[20]Hughes, Arthur M.(1994),Strategic Database Marketing, Chicago, Probus Publishing.
[21]Yoshitaka Matsumoto & Ruck Thawonmas(2004): MMOG Player Classification Using Hidden Markov Models. ICEC : pp.429-434
[22]徐志明(2004),經濟部工業局寬頻暨無線通訊產業發展推動計畫/資策會ACI-FIND,12 月6 日,http://www.find.org.tw/0105/howmany/howmany_disp.asp?id=91&SearchString=&title=&article=網路使用.
[23]NCSoft, 2002 年度報表,http://www.ncsoft.net/ir_down/other/IR_FactSheet_Eng(FY2002).xls ,2002
[24]MIC 觀點,解讀台灣電腦遊戲五大趨勢,http://mic.iii.org.tw/pop/micnews2_op.asp?sno=110&cred=2005/7/8.
[25]薛念祖(1998),「電子娛樂風潮下的線上遊戲市場」,http://mouse.oit.edu.tw/Hope/199803/text4.htm
[26]力世投顧,一同打造你我的虛擬世界- 線上遊戲 參、網路遊戲類型簡介, tw.pwcm.com.tw/reports05_3.htm#01,2001
[27]傅鏡暉,”線上遊戲產業Happy 書”,遠流出版,92/06/25
[28]永昌投顧,新上櫃公司報告-智冠科技(5478) ,http://www.entrust.com.tw/report/quarter/2001/3/report_quarter_3_23.htm , 2001
[29]Michael J.A. berry and Gordon S. Linoff, data mining techniques: for marketing, sales, and customer support. New York: John Wiley and Sons, 1997.
[30]Han, J. and Kamber, M. “Data Mining: Concepts and Techniques”, Academic Press, San Francisco, 2001.
[31]Pieter, A. and Dolf, Z., Data Mining, Addison Wesley, 1996.
[32]Michael J.A. berry and Gordon S. Linoff 著,彭文正譯,資料採礦-顧客關係管理暨電子行銷之應用,數博網資訊股份有限公司,台北,民國九十年。
[33]Michael J.A. berry and Gordon S. Linoff, data mining techniques: for marketing, sales, and customer support. New York: John Wiley and Sons, 1997.
[34]Fu, Y., “Data mining task, technique and applications”, IEEE POTENTIALS, Oct./Nov. 1997.
[35]R. Cooley, B. Mobasher, and J. Srivastava, “Web Mining: Information and Pattern Discovery on the World Wide Web,” Tools with Artificial Intelligence,1997. Proceedings., Ninth IEEE International Conference, 1997, pp.558–567
[36]http://www.find.org.tw/0105/news/0105_news_disp.aspx?news_id=3864&SearchString=
[37]力世投顧, 一同打造你我的虛擬世界-線上遊戲 貳、 我國遊戲產業發展歷程, tw.pwcm.com.tw/reports05_2.htm#01, 2001
[38]遊戲橘子, 2003 年企業年度報表, http://ir.gamania.com/2003_G/GetFile.asp?ID=75
[39]陳冠宇(1997),「線上遊戲服務市場現況與未來」,光碟月刊,頁92-96
[40]林淑禎(2001),「線上遊戲產業探討」,永昌證券投資季刊,頁47-52。
[41]Allen, Kania, “行銷Any Time – 1 對1 網路行銷,” EC Press 翻譯出版
[42]羅家德, “網上一對一客制,” 電子商務資源中心, 1999.
[43]W. Hanson, “Principles of internet marketing,” South-Western College Publishing, 2000.
[44]BroadVision, http://www.broadvision.com/.
[45]M. Balabanovic and Y. Shoham “Content- Based, Collaborative Recommendation,” Communications of the ACM, Vol. 40, no.3, March 1997.
[46]P.S. Yu, “Data mining and personalization technologies,” Database System for Advanced Applications, 1999. Proceedings., 6th International Conference on, 1999, pp. 6-13
[47]F. Tao and F. Muragh, “Towards Knowledge Discovery from WWW Log Data,” Proceedings of International Conference on Information Technology: Coding and Computing, pp. 302-307, 2000.
[48]M. Perkowitz and O. Etzioni, “Adaptive Web Sites,” Communications of the ACM, Vol. 43, no.8, August 2000.
[49]楊昇宏,「資料挖掘應用於找尋瀏覽網頁之型樣」,逢甲大學,碩士論文,2000。
[50]董惟鳳,「應用資料探勘方法建構適性化資訊網站」,私立天主教輔仁大學,碩士論文,2000。
[51]Cooley, R., Mobasher, B. and Srivastava, J. “Web Mining: information and pattern discovery on the World Wide Web”, in ICTAI’97, December, 1997.
[52]張意珮(2002),「線上遊戲使用者轉換因素之研究」,未出版之碩士論文,元智大學資訊管理研究所,頁15-28。
[53]管孟忠、林家卉(2003),「建構線上遊戲服務品質決策模式之研究- 以台灣地區線上遊戲產業為例」,2003 電子商務與數位生活研討會,頁1544-1564。
[54]徐勝凌 <線上遊戲設計吸引力對顧客滿意度影響之研究>,國立東華大學,碩士論文,2000。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top