第三章 、 研究方法
第三節 研究工具與研究分析方法
回應
22.APP 有提供與該單位聯絡的相關資訊
web-based service quality &
E-S-QUAL & eTailQ 23.APP 設有 FAQ(常見問題)或線上指引等
來協助我解決問題
24.我認為 APP 處理問題十分快速
25.我認為 APP 會重視使用者的意見及需 求
二、第二階段問卷：KANO 二維品質要素及重要度調查
此階段之問卷包含三大部分，第一部分：個人基本資料，包含有無使用過旅 遊與地方資訊類行動應用程式之經驗、性別、年齡、教育程度及職業。第二部 分：KANO 二維品質要素調查，根據 Matzler & Hinterhuber（1998）所引用的二 維品質要素歸類方法，每一問項皆以正反面之問項所組成，並以「喜歡」、「理所 當然」、「毫無感覺」、「能忍受」、「不喜歡」，共五種等級來評估受測者的期望，
以作為二維品質要素分類之依據。第三部分：重要度，為使用者對各項旅遊與 地方資訊類行動應用程式之服務的重視程度，測量方式採用李克特五點量表，
分別為「非常重要」、「重要」、「普通」、「不重要」、「非常不重要」，並在計算上 分別給予 5、4、3、2、1 之評分，得分越高，表示使用者對其服務要素所期望之 重要度越高；若得分越低，表示使用者對其服務要素所期望之重要度越低。
第三節 研究工具與研究分析方法
一、 問卷抽樣方法
（一）第一階段之問卷抽樣方法
此問卷採取隨機抽樣法，樣本蒐集來源為臺中市及臺東縣之民眾及觀光客，
時間從民國 104 年 2 月 26 日至 104 年 3 月 3 日，實際收回有效問卷共 50 份。
34
（二）第二階段之問卷抽樣方法
此問卷採取隨機抽樣法，樣本蒐集來源為全國之民眾及觀光客，時間從民 國 104 年 3 月 10 日至 104 年 5 月 20 日，實際回收有效問卷共 329 份。
二、分析方法
（一）一致性衡量
一致性衡量主要目的為分析衡量題項之間的一致程度，是一種試估計信度 的方法，可以瞭解重複施測是否會產生類似的結果。大部分態度調查的問卷，
多以 L.J. Cronbatch 所創的 α 係數（Cronbatch’s α）測試，以瞭解問卷的信度並 做適當的調整。
（二）敘述性統計
第二階段問卷回收後，進行資料的整理及分析，以敘述性統計方法瞭解研 究樣本的基本特性，包含性別、年齡、教育程度及職業的各項變數次數分配與 百分比。
（三）KANO 二維品質要素分類方法
本研究以 Matzler & Hinterhuber（1998）所引用的二維品質要素歸類方法為 依據，如表 2-11。KANO 二維品質要素的每一題項包含正、反兩面，各包含「喜 歡」、「理所當然」、「毫無感覺」、「能忍受」、「不喜歡」等共五種等級，其各等級 之定義為：
․喜歡：當具備此服務要素，會使您感到喜歡。
․理所當然：您覺得此服務要素是必備的、必須的。
․毫無感覺：此服務要素有或沒有，都沒有差別。
․能忍受：雖然還沒到不喜歡的程度，但還可以忍受。
․不喜歡：當具備此服務要素，會讓你感到不喜歡。
35
由於在 KANO 二維品質要素分類時，不同受訪者對同一項品質要素的評定 並不一定相同，故過去學者在處理品質要素分類時，是以「多數相對」來做歸 類，即以最多人選擇之類別來做該要素。
（四）重要度
本研究調查使用者及應用程式開發專家對旅遊與地方資訊類的行動應用程 式之各項服務的重要度，選項分別為「非常重要」、「重要」、「普通」「不重要」、
「非常不重要」，並給予 5、4、3、2、1 分以來計算。
（五）品質屋之建置
本研究之品質屋架構如圖 3-2 所示，其相關建置步驟如以下說明：
圖 3-2 本研究之品質屋架構
1. 使用者服務需求項目
進行品質屋建置時，最重要的就是要瞭解使用者對產品或服務的服務需求 為何。本研究依據 Dai et al.（2005）對過往衡量網站服務品質的研究所整理出的 構面共通性表格為參考依據，發展出衡量旅遊與地方資訊類行動應用程式（APP）
的服務需求項目，如表 3-1。
36
2. 服務技術
產品或服務的使用者需求能夠實現，需仰賴服務技術工程的支援，故此階 段是將使用者的需求轉化為相對應的服務技術需求品質特性。此步驟透過訪談 法，與五位應用程式開發專家討論，針對旅遊與地方資訊類行動應用程式各服 務品質的服務技術進行建置。
3. 使用者服務需求項目與服務技術之關係矩陣
此步驟透過訪談法，與兩位應用程式開發專家討論旅遊與地方資訊類行動 應用程式各服務需求項目與服務技術之間的相關程度。關係程度包含◎表示高 度相關、○表示中度相關、△表示低度相關，在權重計算上分別給予 5 分、3 分、
1 分。
4. KANO 品質要素分類
本研究引用 Matzler & Hinterhuber（1998）所使用的二維品質要素歸類方法 為依據，其方法介紹見第三章之第三節。
5. k 值（k）
本研究引用 Tan & Shen（2000）及 Chaudha et al.（2011）的方法，將魅力 品質要素、一維品質要素、必須品質要素及無差異品質要素，分別給予 k 值 2、
1、0.5、0。
6. 使用者重要度（ui）
將問卷中各服務構面之重要度部分計算總平均次數。
7. 專家重要度（ei）
本研究透過 5 位行動應用程式開發專家的受訪，計算專家重要度。
8. 改進比值（IR0）
本研究引用 Hashim & Dawal（2012）所提出之計算方法，即專家重要度除 以使用者重要度。
IR0 = 𝑒𝑖 𝑢𝑖
37
9. 調整因子（m）
本研究引用 Tontini（2007）所提出的調整因子之計算方法。
m = Max（|CS|, |CD|）
10. 調整後改進比值（IRadj）
本研究引用 Chaudha et al.（2011）所提出調整後改進比值之計算方法。
IRadj = (1 + m)k × IR0 11. 調整後重要度（j）
本研究引用 Chaudha et al.（2011）所提出調整後重要度之計算方法，為調 整後改進比值乘使用者重要度所得之。
12. 服務技術重要度（AI）
本研究引用 Hashim & Dawal（2012）所提出之計算方法，將調整後重要度 與服務需求項目及服務技術間關係矩陣相乘後加總得之。
AI = ∑（j × r）
38