第四章 社交網絡服務使用者行為實證分析
4.2 方案評選
以主成分分析建構動機群組，並利用層級網絡模式(Analytic Network Process, ANP)來找出準則之間的權重關係(Huang et al., 2005)，再以方案偏好選擇分 析—VIKOR 模式找出目前各種不同社交網絡服務網站距離使用者(正負)理想解 的差距，之後再依據不同的客戶屬性來分析各種社交網絡服務使用者最滿意點與 最不滿意點的落差，進一步找出使用者對社交網絡服務的偏好行為，並以此來提 供社交網絡服務業者服務提供規劃之參考。
4.2.1 主成分分析
主成分個數決定方式係採用主成分分析法，假如特徵值大於(1)則保留該潛 伏因素，反之則刪除該潛伏因素，由表 4-4 可知，服務功能構面(Service Function, SF)可以拆出兩個主成分，第一主成分之特徵值為 2.455，解釋變異數為 40.915%，
說明第一主成分可以解釋 40.915%的構面意涵，而第二主成分之特徵值為 1.470，
解釋變異數為 24.497%，累積變異數為 65.412%，因此可以解釋 65.412%的變數 意涵，不過若要解釋更多的準則意涵則需選擇運用累積因素負荷量門檻值的方式，
如限定 75%~85%的累積因素負荷量，再由因素負荷量來決定主成分個數，之後 將 萃 取 出 的 兩 個 主 成 分 重 新 命 名 為 瀏 覽 與 溝 通 功 能 (Information &
Communication, IC)及佈告與遊戲功能(Posting & Playfulness, PP)。系統效能構面 (System Efficiency, SE)可以萃取出兩個主成分，經重新命名為系統效能與更新 (Efficiency & Up-to-date, EU)及系統安全與易用性(Security & Usability, SU)。顧客 溝通構面(Customer Relationship, CR)僅能萃取出一個主成分，經重新命名為服務 品質與客戶關係(Quality & Relationship,QR)。社會影響構面(Social influence, SI)
41
僅能萃取出一個主成分，經重新命名為外在影響與自我形象(Environment &
Self-image, ES)。心流體驗構面(Flow Experience, FE)可以萃取出兩個主成分，經 重新命名為意識專注(Focused attention, FA)及心智融入(Totally absorbed, TA)。
表 4-4 主成分分析（價值維度驅動）
42
4.2.2 網路層級分析(ANP)
Saaty 為了改善層級分析法過於理想的缺點，於 1996 年提出網路層級分析法 的觀念。網路層級分析法可以處理準則的相依性及回饋關係，使得此評估方法更 能符合實際問題的應用。利用層級網路分析法進行決策問題的評估，主要包括以 下三個階段的工作(Saaty, 2006; Shyur, 2006 ; Shyur and Shin, 2006)：階段一：建 立評估的網路層級結構；階段二：計算各層級要素的權重； 階段三：計算整體 層級的權重。本研究將層級網路分析法分成以下步驟來介紹，分別為：(1)決策 問題界定及準則結構建立、(2)問卷設計與調查、(3)建立成對比較權重，計算要 素權重及一致性檢定、(4)超矩陣的計算與(5)最適權重決定。
(1)決策問題界定及準則結構建立
根據決策問題的本質，將可能影響決策問題的要素納入。由規劃小組整理與 歸納決策問題的相關資訊，提供決策專家參考，利用腦力激盪的方式，找出影響 決策問題的要素，包括目標、層面、準則與可行方案等。在建立結構時，層級間 自我回饋關係利用迴圈弧形表示、單向及雙向箭頭線連結，以表示其為從屬關係，
與本身的雙向回饋關係。
(2)問卷設計與調查
根據評估的層級結構，在每一上位要素影響的狀況下，由專家對於準則之間 的相對重要性作程度判斷。一般可藉由設計問卷的方式進行調查，問卷也必須清 楚地敘述每一成對比較問題，協助專家判斷。
(3)建立成對比較權重，計算要素權重及一致性檢定
根據使用者的偏好判斷，即可得到成對比較矩陣。在計算出各比較矩陣之特 徵值及特徵向量後，進行一致性檢定，使得消費者的判斷達到理論上的一致應符 合，最後計算出要素相關權重(表 4-6)。
43
表 4-5 要素成對比較表
要素 EU SU
系統效能與更新(EU) 1.000 0.909 系統安全與易用性(SU) 1.100 1.000
表 4-6 一致性檢定表(C.I.及 C.R.檢定表)
( ) ( )
. . / 1 ; 2
C I =
λ
−n n− n= 0.0001門檻值 0.1
註:Saaty建議C.I.值在0.1以下為合理偏差。
表 4-7 要素權重表(正規化前後)
要素 EU SU
系統效能與更新(EU) 1.000 0.476 系統安全與易用性(SU) 1.100 0.524
合計 2.100 1.000
註:正規化前為最大特徵值；正規化後為要素權重，總和為 1。
(4)超矩陣的計算
為了處理問題結構中準則與準則間之相依關係及本身的回饋關係，層級網路 分析法利用超矩陣計算要素的權重。超矩陣為許多子矩陣所組成，子矩陣即為步 驟(3)所得到的成對比較矩陣，若要素間無相聯，則子矩陣的成對比較值為零。
由要素成對比較比較表（表 4-5）計算可以得到要素權重表（表 4-7），再將此所 有成對比較要素權重彙整即為主成分成對比較權重矩陣（表 4-9）。例如，在服務 功能(SF)構面對系統效能(SE)構面的影響之下，主成分系統效能與更新(EU)與系 統安全與易用性(SU)對於主成份瀏覽與溝通(IC)所佔的權重關聯為分別為 0.476 與 0.524。研究進一步透過總影響矩陣（表 3-7）來找出構面關聯度，並以此構面 關聯權重（表 4-8）作為各構面下主成分的關聯權重，如此一來可以改善 ANP 方法中關於各構面權重相等的假設(Saaty, 2006)。首先將總影響矩陣轉置並加以 正規化之後作為各構面成分的權重值，並以此加權主成分成對比較權重矩陣（表 4-9），即可得到加權超矩陣（表 4-10），最後，藉由將加權超矩陣自乘2k+1次方 (k為主觀決定的值)的極限化過程，主成分之間的相依關係將逐漸收斂，即得極 限化超矩陣（表 4-11），並得到成分權重關係表(表 4-12)，其中權重最高的主成 分的是服務品質與客戶關係(QR)，其值為 0.201。
44
表 4-8 構面關聯權重表（總影響矩陣）
構面 SF SE CR SI FE
服務功能(SF) 0.802 0.792 0.963 0.903 1.075 系統效能(SE) 0.990 0.587 0.911 0.816 1.006 顧客溝通(CR) 0.795 0.604 0.583 0.720 0.791 社會影響(SI) 0.744 0.563 0.695 0.531 0.788 心流體驗(FE) 0.714 0.548 0.653 0.671 0.593
表 4-9 主成分成對比較權重矩陣
構面 主成分 IC PP EU SU QR ES FA TA
服務功能 瀏覽與溝通(IC) 1.000 0.000 0.558 0.553 0.556 0.573 0.479 0.408 佈告與遊戲(PP) 0.000 1.000 0.442 0.447 0.444 0.427 0.521 0.592 系統效能 系統效能與更新(EU) 0.476 0.595 1.000 0.000 0.438 0.483 0.513 0.440 系統安全與易用性(SU) 0.524 0.405 0.000 1.000 0.562 0.517 0.487 0.560 顧客溝通 服務品質與客戶關係(QR) 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 社會影響 外在影響與自我形象(ES) 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 心流體驗 意識專注(FA) 0.444 0.447 0.563 0.523 0.412 0.492 1.000 0.000 心智融入(TA) 0.556 0.553 0.438 0.477 0.588 0.508 0.000 1.000 合計 5.000 5.000 5.000 5.000 5.000 5.000 5.000 5.000
表 4-10 加權超矩陣
構面 主成分 IC PP EU SU QR ES FA TA
服務功能 瀏覽與溝通(IC) 0.177 0.000 0.130 0.131 0.135 0.135 0.106 0.098 佈告與遊戲(PP) 0.000 0.177 0.100 0.099 0.092 0.089 0.118 0.127 系統效能 系統效能與更新(EU) 0.084 0.100 0.136 0.000 0.076 0.085 0.084 0.075 系統安全與易用性(SU) 0.090 0.074 0.000 0.136 0.097 0.085 0.088 0.097 顧客溝通 服務品質與客戶關係(QR) 0.212 0.212 0.211 0.211 0.167 0.209 0.206 0.206 社會影響 外在影響與自我形象(ES) 0.199 0.199 0.189 0.189 0.206 0.160 0.211 0.211 心流體驗 意識專注(FA) 0.112 0.110 0.117 0.113 0.100 0.106 0.186 0.000 心智融入(TA) 0.125 0.127 0.117 0.121 0.127 0.132 0.000 0.186 合計 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
45
表 4-11 極限化超矩陣
構面 主成分 IC PP EU SU QR ES FA TA
服務功能 瀏覽與溝通(IC) 0.119 0.119 0.119 0.119 0.119 0.119 0.119 0.119 佈告與遊戲(PP) 0.097 0.097 0.097 0.097 0.097 0.097 0.097 0.097 系統效能 系統效能與更新(EU) 0.080 0.080 0.080 0.080 0.080 0.080 0.080 0.080 系統安全與易用性(SU) 0.087 0.087 0.087 0.087 0.087 0.087 0.087 0.087 顧客溝通 服務品質與客戶關係(QR) 0.201 0.201 0.201 0.201 0.201 0.201 0.201 0.201 社會影響 外在影響與自我形象(ES) 0.194 0.194 0.194 0.194 0.194 0.194 0.194 0.194 心流體驗 意識專注(FA) 0.103 0.103 0.103 0.103 0.103 0.103 0.103 0.103 心智融入(TA) 0.120 0.120 0.120 0.120 0.120 0.120 0.120 0.120 合計 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
表 4-12 成分權重關係表
構面 主成分 權重
服務功能(SF) 瀏覽與溝通(IC) 0.119
佈告與遊戲(PP) 0.097
系統效能(SE) 系統效能與更新(EU) 0.080 系統安全與易用性(SU) 0.087 顧客溝通(CR) 服務品質與客戶關係(QR) 0.201 社會影響(SI) 外在影響與自我形象(ES) 0.194
心流體驗(FE) 意識專注(FA) 0.103
心智融入(TA) 0.120
合計 1.000
4.2.3 方案偏好選擇分析—VIKOR 模式 (1) 找出正理想解和負理想解
方案準則得分範圍在 0~10 之間，取較多使用者曾經使用而參與評分的方案 進行分析，共選擇無名小站、PIXNET 、Windows Live Spaces、Facebook、Plurk、
土豆網、I’m Vlog、天空部落影音、Youtube 九個方案，先對此九個社交網絡服 務方案進行評比，再將方案依社交網絡服務之下的部落格、微網誌、影音網站三 個類別歸類後進行比較。準則平均得分狀況如表 4-13 所示。參考方程式(12)與方 程式(13)，k 為各備選方案，i 為各評估準則； fik為備選方案之 i 評估準則的績 效評估值，由透過問卷的方式取得；I1為價值滿意度評估準則集合，I2為價格滿 意度評估準則集合；f 即為正理想解，i* fi−即為負理想解，本研究將正理想解( f )i*
46
設定為 10，而負理想解( f )設定為 0，以求取方案之滿意度落差。 i -表 4-13 方案準則得分-表
無名小站 PIXNET Windows Live Spaces Facebook Plurk 土豆網 I'm Vlog 天空部落影音 Youtube *
fi fi−
服務功能 瀏覽與溝通 6.074 5.515 5.136 7.552 6.950 3.821 4.850 4.893 5.778 10 0 佈告與遊戲 4.330 4.529 5.045 8.052 5.100 3.714 3.650 3.643 4.533 10 0 系統效能 系統效能與更新 6.106 6.529 5.606 6.951 7.167 4.333 6.367 5.524 7.289 10 0 系統安全與易用性 5.926 6.353 5.500 6.469 6.850 3.929 5.950 5.929 7.144 10 0 顧客溝通 服務品質與客戶關係 4.601 5.221 4.864 5.078 5.950 3.250 4.900 5.000 5.667 10 0 社會影響 外在影響與自我形象 6.027 5.941 4.727 6.932 7.200 3.643 4.875 5.214 6.056 10 0 心流體驗 意識專注 5.433 4.902 4.515 6.278 4.833 5.143 5.267 4.714 6.652 10 0 心智融入 5.113 4.961 4.182 5.965 4.967 4.333 4.433 4.238 5.844 10 0
(2) 計算Sk和Rk
方程式(12)與方程式(13)中，w 為各評估準則的相對權重，而本研究藉用i ANP 推導得到成分權重值（表 4-12）。各方案的得分經過加權計算後結果如表 4-14 所示：價值滿意度Sk最低為 Facebook (0.348)，而Sk最高為土豆網 (0.609)；
Rk最低為 Facebook (0.492)，而Rk最高為土豆網(0.675)。
表 4-14 方案準則加權得分表（價值滿意度）
權重 無名小站 PIXNET Windows Live Spaces Facebook Plurk 土豆網 I'm Vlog 天空部落影音 Youtube
服務功能 瀏覽與溝通 0.119 0.047 0.053 0.058 0.029 0.036 0.073 0.061 0.061 0.050 佈告與遊戲 0.097 0.055 0.053 0.048 0.019 0.047 0.061 0.062 0.062 0.053 系統效能 系統效能與更新 0.080 0.031 0.028 0.035 0.024 0.023 0.045 0.029 0.036 0.022 系統安全與易用性 0.087 0.035 0.032 0.039 0.031 0.027 0.053 0.035 0.035 0.025 顧客溝通 服務品質與客戶關係 0.201 0.109 0.096 0.103 0.099 0.081 0.136 0.103 0.101 0.087 社會影響 外在影響與自我形象 0.194 0.077 0.079 0.102 0.060 0.054 0.123 0.099 0.093 0.077 心流體驗 意識專注 0.103 0.047 0.052 0.056 0.038 0.053 0.050 0.049 0.054 0.034 心智融入 0.120 0.059 0.061 0.070 0.049 0.061 0.068 0.067 0.069 0.050 Sk 0.459 0.453 0.512 0.348 0.383 0.609 0.504 0.510 0.398 Rk 0.567 0.547 0.582 0.492 0.517 0.675 0.635 0.636 0.547
47
(3) 計算Qvk與Qpk值
方程式(14)中Qvk與Qpk值計算，ν為決策機制係數，ν大於 0.5 時表示根據 大多數決議的方式制訂決策，ν近似 0.5 表示根據贊同情況制訂決策，ν小於 0.5 時表示根據拒絕的情況制訂決策。在 VIKOR 中將ν設定為 0.5，以同時追求群 體效用最大化和個別遺憾最小化。而方程式(15)與方程式(16)所示，min k
k S 所得
之值即是群體最大效用(majority rule)，而min k
k R 所得之值即是最小個別遺憾。Qvk 與Qpk的意義為 k 方案能產生的利益比率。不同ν值的情況下各方案的價值滿意 度Qvk值如表 4-15 所示，圖 4-2 顯示各方案的Qk值均隨著ν值的增加而遞減。圖 中右方圖例各方案由上到下的排列順序即為ν值等於 0.5 的情況下，各方案所得 Qk值的相對大小排序。將不同ν值下的Qk值依社交網絡服務的子分類作圖，可 以分別得到部落格（圖 4-3）、微網誌（圖 4-4）、影音網站（圖 4-5）分類中各方 案的排序狀況。
表 4-15 不同ν情況下Qk值表(價值滿意度)
ν
無名小站 PIXNET Windows
Live Spaces Facebook Plurk 土豆網 I'm Vlog 天空部落影音 Youtube
0 0.567 0.547 0.582 0.492 0.517 0.675 0.635 0.636 0.547 0.1 0.556 0.538 0.575 0.478 0.503 0.668 0.622 0.623 0.532 0.2 0.545 0.528 0.568 0.463 0.490 0.662 0.609 0.611 0.517 0.3 0.535 0.519 0.561 0.449 0.477 0.655 0.596 0.598 0.502 0.4 0.524 0.510 0.554 0.435 0.463 0.649 0.583 0.586 0.487 0.5 0.513 0.500 0.547 0.420 0.450 0.642 0.570 0.573 0.472 0.6 0.502 0.491 0.540 0.406 0.436 0.636 0.557 0.560 0.457 0.7 0.492 0.482 0.533 0.391 0.423 0.629 0.544 0.548 0.442 0.8 0.481 0.472 0.526 0.377 0.410 0.622 0.530 0.535 0.427 0.9 0.470 0.463 0.519 0.363 0.396 0.616 0.517 0.523 0.412 1 0.459 0.453 0.512 0.348 0.383 0.609 0.504 0.510 0.398
48
49
50
無名小站、Windows Live Spaces、I’m Vlog、天空部落影音，而土豆網為價值滿 意度最低的方案，USI 值為 0.358。可以看出除了方案 Youtube 是排序僅次於微 網誌的影音網站之外，其他方案的排序大致呈現出三個子分類的排序差異，由高 至低依序為：微網誌、部落格、影音網站，也就是說，整體而言，使用者價值滿 意度較高的是微網誌，其次是部落格，價值度較低的則是除了 Youtube 之外的其 他影音網站。在部落格方案中，滿意度最高的是 PIXNET，其次為無名小站，較 低的是 Windows Live Spaces。Plurk 雖然滿意度略低於同屬微網誌的 Facebook，
但滿意度高於部落格或影音網站的所有方案。Youtube 是滿意度最高的影音網站，
其次是 I’m Vlog 與天空部落影音，而土豆網是滿意度最低的影音網站，也是滿
其次是 I’m Vlog 與天空部落影音，而土豆網是滿意度最低的影音網站，也是滿