網頁遊戲推薦2022的問題,透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學

網頁遊戲推薦2022的問題,我們搜遍了碩博士論文和台灣出版的書籍,推薦김성한寫的 產品負責人實戰守則:從洞悉顧客需求,到引領敏捷開發,韓國電商龍頭頂尖PO教你打造好產品的決勝關鍵 和松尾豐的 了解人工智慧的第一本書:機器人和人工智慧能否取代人類?都 可以從中找到所需的評價。

這兩本書分別來自三民 和經濟新潮社所出版 。

國立臺北教育大學 數位科技設計學系(含玩具與遊戲設計碩士班) 許一珍、陳友倫所指導 蔣欣君的 探討購物網站大數據資訊介面設計對使用者經驗的影響 (2021),提出網頁遊戲推薦2022關鍵因素是什麼,來自於大數據、購物網站、廣告效果、使用者經驗。

而第二篇論文國立清華大學 高階經營管理碩士在職專班 洪世章所指導 楊雅婷的 第三方資料日落後的企業數位轉型挑戰 (2021),提出因為有 Cookieless、第三方Cookie、大數據分析、精準行銷、數據行銷的重點而找出了 網頁遊戲推薦2022的解答。

接下來讓我們看這些論文和書籍都說些什麼吧:

除了網頁遊戲推薦2022,大家也想知道這些:

產品負責人實戰守則:從洞悉顧客需求,到引領敏捷開發,韓國電商龍頭頂尖PO教你打造好產品的決勝關鍵

為了解決網頁遊戲推薦2022的問題,作者김성한 這樣論述:

  ★長踞韓國書店管理類暢銷榜70週   ★矽谷最熱門職缺、哈佛MBA畢業生夢寐以求的新職業   ★從暸解顧客、決定目標到實際執行,涵蓋整個產品開發週期的最完整指南   ★判讀數據、精準決策、凝聚團隊,都是為了給顧客最好的使用體驗!       當你點開Uber,發現畫面上的車子顏色與實際顏色一模一樣,   當你打開家門,看到幾個小時前在購物網站上訂的物品已送達,   當你在Netflix選擇影片時,發現首頁推薦片單正符合你的喜好,   讓你感到方便舒適的使用體驗,背後的決策者就是產品負責人!     全球IT企業紛紛招聘被稱為「迷你CEO」的產品負責人

(Product Owner, PO),為什麼?     執著於顧客,是製作產品的首要原則,而執行這個原則的人,就是產品負責人。產品負責人需要洞悉顧客需求,精準制定決策,與團隊攜手打造最有價值的產品。     本書由韓國電商平臺龍頭頂尖PO撰寫,告訴你成為團隊核心的必備技能與實戰經驗,從OKR、六頁式報告、敏捷開發到衝刺計畫,讓你一次瞭解國際頂尖企業都在用的成功管理法。     ▎矽谷最熱門職缺、MBA畢業生夢寐以求的新職業   在購物、飲食、社交、娛樂都仰賴科技產品的現在,科技人才需求高漲。其中,需要具備全方位能力的產品負責人(PO)、產品經理(PM)已成為全球科技

產業中最熱門的新職業。     調查顯示,2022年美國產品經理基本年薪約12萬美元,升遷後更能達到20萬美元以上。2017年,哈佛商學院MBA畢業生有8%成為產品經理,隔年更有高達兩倍的人選擇這一行。      ▎想成為PO、PM,要具備怎樣的能力?   被譽為「迷你CEO」的PO、PM看似掌握大權,卻必須承擔相應的責任,其決策、管理、分析能力決定著產品的成敗、影響著每位顧客的使用體驗,甚至攸關公司的未來發展。想成為PO、PM,你必須理性、有效率,能說服團隊,深入探討,最重要的是能站在顧客的立場思考。     ▎Netflix推播給每個用戶的封面照片為何不同?  

 一個按鍵的顏色、搜尋商品後的排序、影片的封面照片,每個小細節都影響著顧客的體驗。正如同Netflix準備了9張封面照片推播給喜好不同類型電影的顧客。為了打造最符合顧客需求的產品,PO要知道誰是自己的顧客,從數據裡探求顧客要什麼、喜歡什麼,據此決定產品的目標、成功指標,才能提出打動顧客的最佳方案。     ▎頂尖PO親自指點開發週期裡會遇到的各種問題   身為韓國電商平臺龍頭Coupang資深PO,作者運用豐富的實際情境案例,分享商品開發週期中的方方面面。   ˙ 滿足顧客需求時,該如何兼顧公司的目標與資源?   ˙有多項開發任務時,PO該怎麼決定優先順序?   ˙如何

從數據中探尋顧客的需求和喜好?   ˙如何管理與查看數據?   ˙如何為產品制定目標與成功指標?   ˙如何透過Ticket記錄和分配開發任務?   ˙各大公司都在採用的敏捷開發框架Scrum該如何運作?   ˙怎樣運用UI/UX設計打造最方便直覺的使用體驗?   ˙如何藉由使用者測試,獲得最有價值的反饋?   ˙產品上線時,該注意哪些問題?   ˙對產品盡心盡力的同時,該怎麼讓團隊成員不討厭自己?   ˙公司要挑選怎樣的人才擔任PO?       ▎豐富的成功案例提供你最好的觀點與視野   作者除了採用自己在Coupang的實戰經驗,也向P&a

mp;G、惠普(HP)、豐田(Toyota)、Netflix、亞馬遜(Amazon)、谷歌(Google)等頂尖企業取經,以講述故事的口吻,分享這些公司的成功法則。   國內專家好評推薦     Audrey 電商人妻   矽谷阿雅 矽谷人工智慧新創Taelor執行長   姚詩豪  大人學共同創辦人   夏松明 「PM Tone 產品通」創辦人、NPDP產品經理國際認證培訓講師   張昀煒 社團法人臺灣敏捷協會(ACT)理事長   陳威帆 《記帳城市》開發公司Fourdesire創辦人兼製作人   張國洋  大人學共同創辦人   程世嘉 iKala 共

同創辦人暨執行長   黃嘉宏 KKBOX 音樂事業群總經理   劉君羿 CakeResume創辦人暨執行長   鄭涵睿 綠藤生機共同創辦人暨執行長   (按姓氏筆畫排序)   國際讚譽       如果你想要快速,並且用可擴充的方式開發出得以為無數人創造價值與帶來意義的產品,這本書會成為十分有用的資料。——森提爾‧蘇庫瑪(Senthil Sukumar),Google商業智慧領導人     如果你是新創公司老闆,或是有一定規模的線上服務經營者,又或者是想成為產品負責人的上班族,推薦各位一定要閱讀本書,這將是一個機會,提升你對產品負責人一職的洞察力,對強調顧

客體驗的產品的理解力,以及引領整個產品組織的領導能力。——姜信奉(강신봉), Delivery Hero Korea(Yogiyo)代表理事     對於所有想瞭解如何打造以人為本的數位創新服務的人而言,我相信本書是一本非讀不可的書籍。——金光遂 (김광수),NH農協金融控股會長     當我看到這本書仔細分類說明了我們該如何瞭解顧客、決定製作什麼產品、實際執行、評估成果,真是一吐為快。不管你是剛要開始製作產品的新手,還是已經從事產品負責人一段時間了,這本書都可以為各位帶來幫助。——Victor Ching,O2O居家服務Miso代表理事

探討購物網站大數據資訊介面設計對使用者經驗的影響

為了解決網頁遊戲推薦2022的問題,作者蔣欣君 這樣論述:

  近年來在企業在電子商務中運用大數據吸引消費者比率提升,但卻少有針對電子商務大數據資訊呈現是否會影響使用者經驗。藉此,本研究整理目前台灣消費者最常使用之購物網站探討購物網站呈現方式,依據文獻整理結果後自行開發購物網站,探討購物網站大數據資訊介面設計是否會影響使用者經驗以及廣告效果。  本研究使用問卷調查法與實驗法,共蒐集148份有效問卷,並且以資訊相同但三種不同大數據呈現方式之購物網站(大區塊群組、輪播圖、左右滑動)來探討是否會影響使用者經驗以及廣告效果。另外,加入Google Analytic分析三種不同大數據呈現方式之使用者點擊購物車次數。  研究結果顯示,三款購物網站大數據資訊介面設

計皆有良好之使用者經驗與廣告效果,輪播圖版本不僅具有動態視覺效果,又可達到產品曝光,使得此種方式購買次數相對於其他兩種顯示方式來得更高,且在使用者經驗中的刺激、效率、可靠性平均數皆高於另外兩個版本,其解釋為使用者認為輪播圖具有快速且高效率、使用者介面看起來井井有條、有趣且令人興奮、有動力進一步使用產品、產品的交互安全且可預測與控制。

了解人工智慧的第一本書:機器人和人工智慧能否取代人類?

為了解決網頁遊戲推薦2022的問題,作者松尾豐 這樣論述:

本書榮獲日本2016年商業書大賞評審團特別獎   知識轉移新浪潮,深度學習大爆發。   一本書,解答你我對於人工智慧的所有疑問。   人工智慧翻轉世界的產業革命,   摩爾定律之後的新聖杯!   2016年3月,Google開發具有深度學習(deep learning)的人工智慧AlphaGo,以四勝一敗擊敗圍棋好手李世石(Lee Sedol)。軟體銀行(SoftBank)機器人Pepper也開始進入人類職場,開始擔任大廳接待工作。   然而,對於一般人來說,無法分辨機器人(robot)和人工智慧(AI,artificial intelligence)究竟有什麼不同。   事實上,人工

智慧是抽象的思考,不需要有形體。機器人則有形體,而他們的「腦」其實就是人工智慧。   機器人與人工智慧一步步入侵你我的生活與工作,讓人感到驚慌失措的是,人工智慧繼續發展下去,到了2045年,人工智慧即將超越人類智慧,這就是Google工程總監雷‧庫茲威爾(Ray Kurzweil)預測的「奇點問題」(singularity problem)。   不過,與其擔心自己的工作是否被機器人與人工智慧取代,不如先深入了解它們,這是本書作者松尾豐(Yutaka MATSUO)撰寫本書的出發點。   松尾任教於東京大學,是日本研究人工智慧的第一把交椅,他也是日本人工智慧學會(JSAI,The Jap

anese Society for Artificial Intelligence)倫理委員會主任。   日本人工智慧學會為什麼要成立倫理委員會?源於2014年1月該學會出版的雜誌,使用一位女性機器人做家事的插圖當成封面,引發「歧視女性」的爭議(把做家事和女性劃上等號)。   因此,倫理委員會一開始討論的議題,是「機器人的外貌該如何設計,才能讓人接受?」。但是,更深刻的議題是,如果機器人和人工智慧取代人類的那一天來臨,你我應該如何是好?   本書中,松尾豐歸納人工智慧的過去、現在與未來,說明「現在的人工智慧,能做什麼又不能做什麼,以及未來能做什麼」。   人工智慧能否取代人們的存在價值

?答案就在本書。   ◎機器人與電腦軟體戰勝人類年表   1997年,IBM電腦軟體深藍戰勝西洋棋世界冠軍蓋瑞・卡斯巴羅夫(Garry Kasparov)。   2012年,IBM超級電腦華生(Watson)在智力問答節目中戰勝歷屆冠軍。   2012年日本第一屆將棋電王戰中,前一年的世界電腦將棋軟體Bonkras,戰勝永世棋聖米長邦雄。   2013年,Amazon自動無人駕駛飛機專案正式啟動。   2014年,第三回將棋電王戰電腦軟體取得四勝一敗,維持電腦戰勝人類的優勢。   2015年,Google自動駕駛技術實地實驗。   2016年,Google深度學習專案電腦圍棋AlphaGo戰

勝棋王李世石。   2021~2022年,機器人東大君有可能考上東京大學,證明人工智慧可以考進日本最高學府。   2045年,奇點(singularity)逼近,人工智慧開始自我進化。 得獎記錄   本書在日本榮獲的獎項包括:   2016年商業書大賞評審團特別獎   2016年日刊工業新聞社獎   2016年IT工程師書籍大獎(商業書類別)   2015年度公益財團法人大川情報通信基金大川出版獎   作者簡介 松尾豐(Yutaka MATSUO)   現任東京大學工學系研究所副教授。1997年畢業於東京大學電子資訊工程系,2002年取得工學博士學位,於同年起擔任產業技術綜合研究所

研究員。2005年擔任史丹福大學客座研究員,2007年起擔任現職。兼任新加坡國立大學客座副教授、經營共創基盤公司(IGPI)顧問、日本人工智慧學會(JSAI,The Japanese Society for Artificial Intelligence)倫理委員會主任。專長領域為人工智慧和大數據分析等,是日本頂尖的人工智慧研究者之一。獲選《日經商業周刊》「創造新時代的100人」(2015年12月28日出刊)。 譯者簡介 江裕真   畢業於輔仁大學管理學研究所、中央大學資訊管理系,現為《今周刊》特約譯者。譯作包括《無印良品培育人才祕笈》《無印良品成功90%靠制度》等。

推薦序 打造有智慧的機器 文/于天立(國立台灣大學電機工程學系副教授) 前言 人工智慧的春天 序章 人工智慧的範疇在擴大:人工智慧會毀滅人類嗎?  人工智慧開始超越人類  汽車會變,機器人也會變  超高速處理的破壞力  人工智慧能否成為科幻小說家?  全球對於人工智慧的研究投資都在加快  面臨失業的人類  人類的危機來臨  如何閱讀本書 第一章 何謂人工智慧:專家與社會大眾的認知落差  人工智慧尚未實現  基本命題:人工智慧「沒理由實現不了」  何謂人工智慧:專家們的定義  人工智慧與機器人的區別  何謂人工智慧:社會的認知  打工族、一般員工、課長、經理  強人工智慧與弱人工智慧

第二章 「推論」與「探索」的時代:第一次人工智慧熱潮  熱潮與寒冬時代  「人工智慧」一詞誕生  利用搜索樹走出迷宮  河內塔(Hanoi Tower)  機器人的行動規畫  對手的存在會讓組合變得龐大  在西洋棋與將棋戰勝人類  祕訣一:找到了更好的特徵量  祕訣二:以蒙地卡羅法改變評鑑機制  窘境在於無法解決現實問題 第三章 只要輸入「知識」就會變聰明:第二次人工智慧熱潮  與電腦交談  以專家系統代替專家  專家系統的課題  何謂表達知識  為求正確記述知識而做本體論研究  重量級本體論與輕量級本體論  華生(Watson,IBM開發的人工智慧系統)  機器翻譯的困難之處  框架問題

 符號接地問題  過於前衛的「第五代電腦」  第二次人工智慧熱潮就這樣結束了 第四章 「機器學習」悄悄地在擴大地盤:第三次人工智慧熱潮(二之一)  資料的增加與機器學習  所謂的「學習」就是「分類」  有老師的學習、沒老師的學習  「分類方式」也分很多種  透過神經網路辨識手寫文字  「學習」固然花時間,但「預測」只要一瞬間  機器學習時的難題  為何至今未能實現人工智慧? 第五章 打破寂靜的「深度學習」:第三次人工智慧熱潮(二之二)  深度學習開啟了新時代  自動編碼器將輸入等同於輸出  根據日本全國的天氣推敲地區天氣  手寫文字中的「資訊量」  往深處多挖掘好幾層  谷歌(Google

)的貓咪辨識  大幅發展的關鍵在於「強固性」  如何提升強固性  回到基本命題 第六章 人工智慧會超越人類嗎:深度學習之後還有什麼  深度學習起的技術進展  人工智慧不具有本能  電腦有創造力嗎?  智慧的社會意義  奇點真的會出現嗎?  假如人工智慧征服人類  人工智慧必須造福大眾 終章 逐漸轉變的世界:對產業與社會的影響以及戰略  逐漸轉變的事物  對於產業造成的漣漪效應  人工智慧的影響慢慢擴增  不久的將來會消失與留存的職業  人工智慧催生的新事業  人工智慧與軍事  「知識轉移」改變了產業結構  人工智慧技術遭獨占的可怕之處  日本人工智慧發展的課題  人才的多寡是逆轉的王牌  

要對偉大的前輩抱持謝意 結語 盡情想像尚未問世的人工智慧 圖表索引 譯名對照   推薦序 打造有智慧的機器   大家可能還記得電影《模仿遊戲》(The Imitation Game)中,電腦科學之父,同時也是人工智慧之父艾倫・圖靈(Alan M.Turing),想要建一個可做任何事的機器。   首先,圖靈機有無窮多個而且可被編號,而所有的圖靈機定義了所有可被計算的函數。你可以想像有個一號圖靈機可以做加法,有個二號圖靈機可以做開平方根等等。圖靈証明了通用圖靈機(universal Turing machine)的存在:只要你輸入某個號碼,它就可以「模仿」其相對應的圖靈機。在上面的

例子中,對通用圖靈機輸入2,它就會做開平方根的工作。   說穿了,圖靈機其實就是可程式化機器,所謂輸入的號碼其實就是程式,而現在的電腦就是通用圖靈機的一種不完美(因為沒有無窮的記憶體)的實作成品。這種想法在現今電腦充斥的年代看來可能稀鬆平常,但當年在許多人看來是件瘋狂不可行的事情。   事實上,從發展圖靈機開始,圖靈就一直在思考「機器的智慧是什麼」。   如果我們再進一步的思考,把人視為一個函數:以環境所有歷史紀錄(從有感知開始一直到現在的時間點)作為輸入,而輸出動作或回應。就這個觀點來看,通用圖靈機應當可以模仿一個人的所有行為,也就是產生出人造的智慧。人工智慧此一學科由此誕生。   

對於機器可以模仿人的想法,許多人抱持著懷疑的態度。本書作者的研究所學生時期是1997~2002年,而我則是2000~2006年,所以對書中作者提到的挫折很有感受。2000年左右,當時電腦中最熱門的領域是網路及多媒體應用。當有人聽到我想投入人工智慧及機器學習領域時,常見的反應是「為什麼不去研究網路多媒體,做點實際的東西出來」,一副好像人工智慧就是在打高空,不切實際的樣子。然而當時誰又能想到才沒十幾年的時間,人工智慧已經發展到了現在的樣貌。   在AlphaGo戰勝李世石(Lee Sedol)之後,有許多人認為AlphaGo靠的是大量的運算,而並非真的瞭解圍棋。這類聲音正如IBM開發的超級電腦「

華生」(Watson)在益智問答競賽中勝過人類後,被認為並非真正瞭解問題本質。這裡我想引用一段電影模仿遊戲中的台詞:   Of course machines can't think as people do. A machine is different from a person. Hence, they think differently. The interesting question is, just because something, uh... thinks differently from you, does that mean it's not thinking?  

 人類常常習慣性的本位主義思考,認為電腦就算能得到答案,但它並不瞭解問題的本質,也沒有所謂的思考。其實反過來想想,其實可能只是人類並不瞭解電腦「思考」的方式(現今機器學習中許多的演算法,就算是開發者自己也無法完全預測電腦最後的行為)。若以圖靈測試這種操作型的方向來思考,當電腦可以在某些問題上表現的比我們還好,我們卻說電腦並未真正瞭解問題本質是否過於武斷了呢?   本書很完整地回顧了人工智慧的興衰史,作者認為,目前人工智慧的第三次熱潮源自大數據上的機器學習及深度學習。我也非常同意,其實這兩者的時機真的是結合的很好。深度學習由於使用了非常多層的神經網路架構,再加上大量採用修正線性單元(recti

fied linear unit),使得整個學習概念變成簡單到像是用多個線段來逼近一個函數而已。不過這件事配合上大量的學習資料卻是恰到好處。舉例而言,若我們要學的概念是一個圓,早期的做法可能是給圓周上的十幾個點,然後靠著複雜的演算法理解這可能是一個圓。現在的做法則是給圓周上十萬個點,則基本上只要把這十萬個點用線段連起來就夠像個圓形了。近年來這樣的趨勢越來越明顯,研究的重心已經漸漸從原先的演算法轉移到資料本身,而形成了資料科學(data science)。雖然要解決的問題本質還是一樣,但看事情的出發點已經不同了。   關於目前人工智慧的現狀,我很喜歡本書作者利用彩券為比喻。目前人工智慧就像是大

樂透上看十億。要中十億的路途艱難,但許多人願意一試。當然最後仍然可能沒有任何人中大獎,但硬要說人工智慧根本不可能實現似乎也過度悲觀。相對的來說,我們似乎也不用過度擔心人工智慧取代人類。拜AlphaGo所賜,最近我常受邀演講,最常被問到的就是「人類會被AlphaGo取代嗎?」即使我以為不該武斷地認為AlphaGo不會思考,但目前我們的確還沒發展出有”自我意識”的機器(即使我們也搞不懂自我意識是什麼)。也就是說,我們叫AlphaGo下一千盤棋,它就會照下,不會說「我累了,想吃冰淇淋」。所以,等到AlphaGo不想下圍棋時再說吧!   人工智慧到底會發展到哪裡呢?本書對於常見的奇點問題(singu

larity problem)也有論述。姑且撇開智慧能否無限增長不談,人類可能造出比本身更有智慧的機器嗎?看法相當分歧。像雷・庫茲威爾(Ray Kurzweil)就是極端的樂觀派,而我則更傾向本書作者的看法:不是不可能,但應該還有好長一段路要走。而且與其擔心人工智慧本身,可能更需要擔心的是人工智慧技術與資訊的獨占,及其對產業的衝擊。   本書對於上述所提到的技術都有深入淺出的介紹,作者能把許多艱深的技術用生動的例子說明,實在令人佩服。對於人工智慧的歷史、目前發展,作者參考了許多看法,提供完整的資訊。在我看來,本書算是市面上關於人工智慧科普書籍中意見較為中肯不偏頗的。透過閱讀本書,讀者應能夠更

全面地理解人工智慧給人類帶來的便利以及潛在的危險。而且本書所呈現的,不僅僅是歷史、技術,還包含了對人類社會的影響、價值衝擊。就讓本書作者帶領著我們一起對人工智慧做個較為理性、全方面的探索吧! 文/于天立(國立台灣大學電機工程學系副教授) 前言|  人工智慧的春天  「人工智慧」(AI,Artificial Intelligence)這個詞,在很多地方都看得到,與短短十年之前有很大的不同。 一九九七年到二○○二年,我還是研究所學生時,每當我提及我在研究人工智慧,很多人都會露出訝異的表情。就算去問周遭的研究者:「為何人工智慧尚無法實現?」得到的也只是苦笑。因為,在那個時候,「人工智慧」這個詞,

或者說主張「人工智慧能夠實現」這件事,依然算是某種禁忌。 有一段往事,到現在我都還印象深刻。那是我完成研究所課程,以新手研究者之姿申請研究費、接受審查時發生的事情。對新手研究者來說,是不是能獲得每年幾百萬日圓的研究費,可以說事關自己的研究者生涯能否繼續下去,也決定了研究者的人生是黑白還是彩色的。那時我絞盡腦汁,擬出了申請研究費的提案書。 在二○○二年那時,我最早著手研究網路上既有的資訊。我能夠透過分析大量的網頁,大量找出足以表達字詞(關鍵字)相關的網路(network)。只要利用這樣的網路, 就算是乍看之下並無相關的字詞,應該還是可以在找出其相關性後,推出切中需求的廣告。由於在那時尚無任何人

研究網際網路上的廣告技術,我對於自己的提案相當有信心。 我順利通過了書面審查,意氣風發地進入面試階段。在面試的會場裡,坐了好幾位其他領域的泰斗級老師,我就在他們面前一個人做簡報。在針對研究內容接受他們鉅細靡遺的提問後,老師們講出來的話,對我造成很大的衝擊。 「不要搞什麼廣告這種無聊的玩意。」 「不要輕易說出你可以輕鬆建立字詞網路這種話。」 最後,他們丟給我的話最為不客氣: 「你們這些研究人工智慧的人,總是愛這樣撒謊。」 想當然爾,那次的提案沒有通過。雖然如今靠搜尋引擎或廣告賺錢已經司空見慣,但是現在想起來,在那時,我的研究還是領先時代,應該是個還不壞的提案才對,卻遭受到那樣的對待。對於學生時代

以來就研究人工智慧的我來說,那一刻,我才真正嘗到了這個社會瞧不起人工智慧研究的冷漠。 「不可以使用人工智慧這個字眼。」 「很多人光是聽到人工智慧這個字,就會產生敵意。」 那時受到的衝擊,到現在都還深深地銘刻我心。那是我第一次為了爭取研究費而接受面試的不堪回憶。  然而,時代改變了。

第三方資料日落後的企業數位轉型挑戰

為了解決網頁遊戲推薦2022的問題,作者楊雅婷 這樣論述:

在網路的世界中凡走過必留下痕跡,每個人在網路上面的行為都可能會被記載,所以在網路的軌道上用戶的個人訊息、瀏覽習慣、停留的時間,以及每一個網頁的瀏覽慣性都會被記錄下來,記錄的資料包含了個人的行為、軌跡以及位置訊息,甚至是瀏覽網頁的習慣以及數據的偏好等等敏感的資訊。到現在為止,這些明確擁有個人資訊的數據,並非僅屬於消費者自己,也並非僅屬於自己去利用,這些相關的數據大多會與知名的大公司共同分享。相信大家都有類似的經驗,在網路上會有內容與廣告的個性化推薦,或是符合自己偏好的影片與其他網路服務等等。而這些所謂的大公司利用消費者在網路上行為留下的個人數據去做更多人性化,並且符合個人特色的廣告推薦從中獲利

。在這些媒體的大公司眼裡,所有使用者的用戶其實就是提供數據資料的勞動者,每天在網路上面的行為所累積的數據,被媒體集團所利用藉此賺取利益,但作為行動者供應相對資訊的消費者們,卻沒有獲得應有的報酬,實際上大公司早就注意到了這些數據的價值,所以才會催生出數位化廣告的相關業務。因應整個網路時代的來臨,智慧型手機成為個人資訊中心,讓收集的過程以及累積資訊的來源更加的容易,也讓數據能更多元並且擁有個人化屬性,越來越完整。更精準的演算法與廣告投放就此誕生,讓廣告用戶都深陷其中本篇論文採用個案分析法作為主要研究方法,探討網路世界的遊戲規則若進行全面性與翻轉性的改變與調整,整體追蹤軌跡未來將完全消失,現代企業與

消費者所有網路上相關的行為該如何分析與掌握,進而提供企業在在未來數位轉型以及精準行銷的參考方針,協助企業持續維持競爭優勢