台灣大學開設的研究所課程，劉亮以師大流行音樂產學應用碩士在職專班學生身份跨校選修（見 學術研究、事業轉型弧線）。課程研究內容產業的市場結構與平台經濟。課程以理論框架搭配產業案例，涵蓋出版、漫畫、串流、網路平台；作業包含資料集建立與數據分析。兩條貫穿全學期的問題：結構改變了，然後呢？它真的能為所有參與者創造更多價值嗎？ 以及：數據不會自動說話，洞見需要主動挖掘。
理論框架
Richard Caves 在《Creative Industries》總結創意產業與一般製造業經濟邏輯不同的七個特性：
| 特性 | 說明 |
|---|---|
| Nobody Knows | 需求高度不確定，市場難以預測 |
| Art for Art’s Sake | 創作者在意作品本身，不只在意報酬 |
| Motley Crew | 需要異質人才協作，彼此無法替代 |
| Shared Experience | 消費有社群性，口碑與社交影響力強 |
| Ars Longa | 優質作品有長尾壽命 |
| Network Effect | 平台效應，使用者越多價值越大 |
| 媒合配對 | 市場設計是關鍵，連結誰與誰影響整個生態 |
平台分為兩類：創新平台提供技術積木讓生態夥伴共建互補產品（App Store）；交易型平台促成買賣或資訊交換（Airbnb、Amazon Marketplace）。講義參考書目為 Shapiro & Varian、Evans、Cusumano、Knee 四本，並以 Walmart 收購 Vizio 為 CTV（聯網電視）廣告貨幣化的案例。平台理論的完整整理見 平台經濟學。
案例研究
Simon & Schuster（1924）：出版史上第一個「市場創造」案例。印刷成本下降，一本填字遊戲合集以 $1.35 定價、附贈鉛筆，首刷 3,600 冊，一年後達 10 萬本。技術革新 → 生產成本下降 → 新通路發展 → 市場擴大，是內容產業結構變化的反覆規律。
Angry Birds / Rovio：賣公司（快速擴張）與永續經營（打磨作品）兩種策略的取捨。Rovio 的成功背後是趨勢配合——2007 年 iPhone 問世、App Store 開放——爆款除了作品本身，時機本身就是條件。
WEBTOON（Week 3–4）：從傳統漫畫 pipeline 轉型為平台。垂直捲動佈局、數位零食文化、Canvas 開放投稿構成創作者孵化金字塔，Fast Pass 與 PPS 提供收入，OSMU 把漫畫 IP 轉為影視改編原型（Netflix《殭屍校園》）。
Bookshop.org（Week 5）：把資訊流（2,000+ 家獨立書店分散式策展）與物流（Ingram 直接出貨）分開處理，三層分潤加共享池對抗亞馬遜，公司章程明文禁止出售給亞馬遜或美國大型零售商。
網路書店的數位轉型（Week 2）：長尾研究（Brynjolfsson et al., 2003）顯示冷門書創造的消費者價值（7–10 億美元）遠高於熱門書低價（不到 1 億美元）。台灣網路書店沿用實體策展模式、定價倒置，錯失長尾價值。策展與媒合兩種模式、台灣困境與「數位轉型」定義的完整分析見 平台經濟學。
Netflix 推薦系統（Week 5–6）：個人化推薦讓有效片單規模放大四倍，2015 年估計創造超過 10 億美元商業價值。詳見 平台經濟學。
TikTok（Week 7）：以哈佛個案搭配內部洩漏文件，分析 Social Graph 轉向 Interest Graph、演算法友好型設計、多邊市場架構。課程論點在此得到強化：平台競爭的本質，從「誰壟斷傳輸管道」轉變為「誰壟斷技術」。
商業模式 × 內容雙向塑形（Week 9）：Instagram vs. Retro、SVOD → AVOD 轉型五個效果，見 平台經濟學；X／馬斯克的 AI 資料戰略與 Community Notes 機制，見 X（前Twitter）；LLM 作為人類反應模擬器的市調方法，見 AI工具。
Stripe（Week 10）：Stripe 處理約全球 GDP 2% 的交易量，其年度數據報告帶出課程核心問題的 AI 版本——與其問「AI 取代了什麼」，更該問「AI 讓什麼變得更有價值」。寇斯定理解釋無雇主企業（Solopreneurs）崛起；AI 的互補品（獨家資料、能源、感測設備、網路效應平台、監管技術）才是商機，Stripe 以 10 億美元收購 Bridge 即為佈局。同週並談 X 作為原始資訊管道，見 X（前Twitter）。
廣告底層邏輯翻轉（Week 11）：Aotter（電獺）創辦人謝綸主講，用三條因果鏈解釋「廣告效果愈來愈差、費用愈來愈高」——技術崩解（蘋果 ATT 終結第三方 Cookie，第一方數據即定價權）、注意力分散（媒體坪效取代流量）、AI 重組（One Button, One Mission）。三條鏈收束於同一結論：資訊不對稱的壟斷同時鬆動，機會落在直接掌握第一方關係的人身上。謝綸並預警商業模式 M 型化與超槓桿公司的崛起。完整分析見 數位廣告。
AI 時代的內容媒體策略（Week 12）：核心問題是「AI 讓內容生產趨近零成本，誰還能靠做內容維生？」答案分兩面：不可替代的原創性是唯一護城河，但還需要把它變成錢的商業策略。紐約時報示範商業策略面——paywall 轉型、拆件販售（Cooking、Games、The Athletic、Wirecutter）、Wordle 作為行銷漏斗；Reddit示範護城河面——upvote 是真人集體判斷的信號，是 AI 最難複製也最渴望的資料，2024 年上市後資料授權合約總值達 2.03 億美元。
數據分析方法
Week 8 的核心主張：你用什麼框架去讀數字，決定了你能不能聽懂它在說什麼。 這是貫穿演算法分析、觀看數據、問卷設計、財務評估的底層認識論。
YouTube 數據解讀
老師以臺大演講網 YouTube 後台為教材，拆解三個常被誤讀的指標：
- 流量漏斗：觀看分為「搜尋」與「曝光」兩種來源；曝光由平台推送，創作者能影響的是點閱率（封面圖和標題）。理解曝光 → 點擊 → 觀看的漏斗，才能診斷問題出在哪個環節。
- 平均觀看時長的真實結構：觀眾幾乎永遠分成兩群——一大群人幾十秒就離開，一小群人看完，留存率圖呈 L 型曲線。平均觀看時長高代表「影片更精準找到真正想看的人」，而不只是「影片更好看」。
- 裝置差異：手機、筆電、電視代表不同收看情境，這個維度在多數分析中被低估。
演算法才是真正的守門人：YouTube 降低了上架門檻，但「能不能被看見」才是真正的門檻。驗證方法：若流量來源以「瀏覽功能」和「推薦影片」為主，演算法就是實質守門人；若演算法推薦來的觀眾平均觀看時長高於搜尋直連的觀眾，表示演算法不只擴大曝光，還精準送達。
數據呈現的敘事邏輯
以老師主持的「資深會」媒體消費調查為例：每一張圖背後必須先有一個故事（如「Z 世代高度分散、X 世代高度集中於 LINE/Facebook/YouTube」），故事確定後才決定數據取捨與年齡區間切法——數據選取是敘事選擇，不是客觀呈現。分母的選擇決定結論可信度，詳見 調查設計。
Netflix 排行榜四次演變
| 時期 | 統計標準 | 獎勵的作品類型 |
|---|---|---|
| 早期～2019 | 看超過 70% 算一次觀看 | 品質紮實、讓人看完的作品 |
| 2019～2021 | 點開滿 2 分鐘算一次 | 話題性強但未必留人 |
| 2021～2023 | 總觀看時數 | 長壽劇、劇集長度長者佔優 |
| 2023 至今 | 總觀看時數 ÷ 片長 = 完整觀看次數 | 真正讓觀眾看完的作品 |
跨統計時期比較數據，結論往往有誤。台灣作品的關鍵弱點：話題性帶來點擊，但「完整觀看次數」偏低。
觀看時數與成本
VOD 平台的商業價值和觀看時數成正比，不和點擊次數成正比——點開與切換成本趨近於零，點擊不等於需求被滿足。觀看時數重要的三條因果鏈：留存（訂閱制的獲利核心是讓已付費的人繼續付費）、廣告（看得越久廣告收入越高）、定價空間（Netflix 觀看時數高峰往往先於漲價成功的時期）。
觀看表現的好壞，永遠是相對於成本的。老師舉例：某台劇口碑熱度不如另一部，但單集製作成本是對方三倍，觀看次數未達成本比例，投資報酬率反而更差。
觀眾視角的「成功」與財務視角的「成功」可能截然不同。
Audience Journey 與調查設計
Parrot Analytics 框架分析觀眾看某作品前後在哪個平台，作品分攻擊型（吸引其他平台觀眾）與防守型（留住現有觀眾）。Week 8 並引入 Survey That Works 的調查設計框架（七個環節、四個問前問題、最核心的一題），完整框架見 調查設計。
筆記作為應考工具
這門課的課堂筆記後來有第二種用途。劉亮把逐週的摘要紀錄餵進他的 LLM Wiki，再用考古題反推出題邏輯，據以複習期中考。他在 LLM Wiki 的開課大綱中把這個案例與課廳營運分析、成都作品開發並列，作為系統實際產出的四個例子之一（見 LLM Wiki 開課計劃）。這條用法與其他案例的方向相反——不是把材料寫成文章，而是從既有題目回推出題者的框架。
與劉亮工作的交叉點
- 音樂產業：WEBTOON 的 IP 延伸邏輯、創作者孵化金字塔可對應音樂人培育或演唱會票房分析
- 課廳：平台「把餅做大 vs. 分餅」的框架可直接用於課廳的市場定位
- 學術研究：Caves 的理論框架與符號學研究的創意產業背景相關（見 學術研究）
- 數據敘事：數據呈現方法論直接應用於簡報設計（見 簡報教學）