netflix網頁版畫質的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列訂位、菜單、價格優惠和問答集

最佳化使用者經驗指標之DASH 排程演算法

為了解決netflix網頁版畫質的問題，作者蔡旻倫 這樣論述：

DASH 技術是目前影音串流最主要的技術之一，許多網路服務商，例如:YouTube 與Netflix，為了提供使用者更好的使用者體驗而使用DASH 技術來提供視訊串流服務。QoE (Quality of Experience) 使用者經驗指標是一種衡量使用者滿意度的方法，其中影響因素包含使用者主觀的感受程度與環境對於使用者的感受程度。在本研究中，我們企圖掌握視訊的內容，在不同解析度對於使用者觀感的影響，來進行最佳使用者經驗的視訊串流排程，此外，這樣的排程還必需在有限頻寬的前提之下。由於在相同內容的視訊串流下，不同解析度對於使用者對應著不同的Q score，使用者對於高解析度的畫質呈現相對高的

Q score，而使用者對於低解析度畫質則呈現相對低的Q score，然而，在不同視訊內容中，例如: 動作變化緩滿的場景與動作變化快速的場景，不同解析度對於Q score 在動作變化緩滿的場景中，顯然比動作變化快速的場景中來得高，換句話說，使用者在動作變化緩滿的場景比動作變化快速的場景來得相對滿意。藉由使用者Q score 的分佈情形，我們可以得知在不同解析度下，使用者的Q score 在動作變化緩滿的場景中，分數差距較小，相反地，使用者的Q score 在動作變化快速的場景中，分數差距較大。因此，我們將提出一套Optimal Segment Assignment(OSA) 演算法，針對影片播

放排程中，使用者Q score 差距大的部分配給高解析度的畫質，反之，使用者Q score 差距小的部分給予較低解析度的畫質。我們的OSA 演算法研究分為以下兩個部份，透過收集使用者不滿意點擊次數與Q score 做對應，並以Integer Programming 方法，規劃出使用者最佳QoE 體驗的視訊串流排程，此方法稱為OSAC 演算法，另一部分，以動作變化量自動產生使用者主觀滿意程度的Q score 對應，且依照Integer Programming 方法，規劃使用者最佳QoE 體驗的視訊串流排程，此方法為OSAM 演算法。最後，我們把OSAC 演算法和OSAM 演算法與傳統DASH 演

算法進行使用者滿意度的實驗，實驗顯示，不管是OSA 演算法中的OSAC 演算法或OSAM 演算法對於使用者滿意度確實有大幅提升。

跨國OTT TV業者在台灣市場進入模式與在地化策略

為了解決netflix網頁版畫質的問題，作者陳韻年 這樣論述：

本研究之目的在於瞭解跨國OTT TV業者進入台灣市場之動機、進入市場模式與考量因素，以及跨國OTT TV業者是否針對台灣市場發展在地化策略進行探討，以作為後續相關研究驗證及台灣本地OTT TV業者之國際化參考。本研究採用質化研究法的資料分析及深度訪談法，首先以資料分析法，瞭解台灣OTT TV市場產業現況、跨國OTT TV業者之發展及其對台灣OTT TV產業的影響，間接針對以進入台灣OTT TV市場之跨國OTT TV業者進行深度訪談，以獲得跨國OTT TV業者進入台灣市場模式及在地化策略之資料。本研究之研究問題有三點，包括一、跨國OTT TV業者進入台灣OTT TV市場經營動機；二、跨國OTT

TV業者在台灣OTT TV市場的進入模式及考量因素；三、跨國OTT TV業者在台灣OTT TV市場採取之在地化策略。研究結果發現，跨國OTT TV在台灣市場的進入模式，可以歸納為以下三種類型：第一類為獨資在台設立分公司，第二類為與台灣當地公司策略聯盟，第三類為委託台灣經銷商在台經營兼授權製作內容。而在台發展的跨國OTT TV業者的在地化策略：一、「產品在地化」是各業者最重視的策略之一；二、跨國OTT TV業者採取之「在地化策略」沒有固定優先順序；三、「生產在地化」可分成「在地內容製作」與「購入影片轉檔生產」；四、跨國OTT TV業者之「企業管理在地化」讓業者間變成競合關係；五、「大量聘用台灣

人」是跨國OTT TV業者在台成功經營關鍵之一。