本研究之問卷發放分為 FIND 實體店面發放與網路問卷同時進行。網路問卷 使用 my3Q (http://www.my3q.com)所提供的網路問卷服務，並將連結公告於 FIND 官方網站的討論區，以及台大交大清大等 BBS 論壇上，擷取日期取自 2007 年 3 月 18 日至 2007 年 4 月 10 日，為期 24 日，取得網路問卷樣本 94 份，全為有效 問卷(有避免漏答檢查之機制)。而紙本問卷發放日期為 2007 年 3 月 20 日至 2007 年 4 月 9 日，為期 21 日，由 FIND 店員協助發給來店光臨且願意填答的顧客，取 得紙本問卷樣本 123 份，有效問卷 108 份。兩邊問卷加總共得有效問卷 202 份，
有效樣本回收率約 93%。而有效問卷的認定標準為:答題必需正確完整，且填答 者基本資料需符合受測資格。
研究中，有效樣本 202 人的性別全為男性，以符合研究目的。年齡分佈情形 (如圖 4-1):未滿 20 歲有 41 人，占 20.3% ;20 歲~25 歲之間有 128 人，占 63.4% ;26~30 歲之間有 32 人，占 15.8% ;30~35 歲間有 1 人，僅占 0.5%，由此 可知樣本年齡相當年輕，可說明 FIND 的顧客群主要以青少年及社會新鮮人為 主。在職業方面(如圖 4-2):學生共計 158 人，占 78.2% ;上班族共計 44 人，占 21.8%。 教育程度方面(如圖 4-3):最高學歷為高中職者 39 人，占 19.3 ; 最高 學歷為專科或大學者 116 人，占 57.4% ;最高學歷為碩博士者 47 人，占 23.3%。
居住地區方面(如圖 4-4):居住於新竹地區者有 133 人，占 65.8% ;居住於新竹以 外的北部地區(台北、桃園、苗栗)者有 52 人，占 25.7% ;居住於中部地區者有 13 人，占 6.4% ;居住於南部地區者有 4 人，占 2%。在月收入方面(如圖 4-5):
月入一萬元以下者有 104 人，占 51.5 ;月入一萬元至二萬間者有 53 人，占 26.2% ; 月入二萬元至三萬元間者有 16 人，占 7.9% ; 月入三萬元至四萬元間者有 10 人，
占 5.0% ;月入四萬元至五萬元間者有 14 人，占 6.9% ; 月入五萬元以上者有 5 人，占 2.5%。
圖 4-1: 樣本年齡長條圖
圖 4-2: 樣本職業長條圖
圖 4-3: 樣本教育程度長條圖
圖 4-4: 樣本居住地區長條圖
圖 4-5: 樣本月收入長條圖
表 4-1: 研究樣本特性分析 10001 元~20000 元 20001 元~30000 元 30001 元~40000 元 40001 元~50000 元 50000 元以上
4.2 信度分析
(一)分析準則
「信度」即測量的一致性（Consistency），亦即一群受試者在同樣測驗卷上，
測量多次的結果是否都具有一致性的結果。而在態度量表法常用考驗信度的方法 為L.J. Cronbach所創的α值係數，經由此法可進一步檢定篩選題目之適合度，
其標準有二：一是將修正後之題項總相關小於0.3 的題項考慮刪除；二是檢視刪 除該題後，對整體信度Alpha 值的提昇有幫助者，則為篩除的對象。α值係數界 於0至1之間，α出現0或1兩個極端值的機率甚低，但究竟α係數要多大，才算有 高的信度，不同的方法論學者對此看法，也未盡相同。學者Nunnally(1978)認為 α系數值等於0.70是一個較低，但可以接受的量表邊界值，學者DeVellis(1991) 也提出以下觀點，α係數值如果在0.60至0.65之間最好不要；α係數值界於0.65 至0.70間是最小可接受值；α係數值界於0.70至0.80之間相當好；α係數值界於 0.80至0.90之間非常好，綜合上述各學者的觀點，如只是一般的態度或心理知覺 量表，一份信度係數佳的量表或問卷，其總量表的信度係數最好在0.80以上，如 果是分量表，其信度係數最好在0.70以上(吳明隆，2003)。
(二)信度分析過程
本研究分別對策略體驗模組中的五大構面及態度中的三大構面進行信度分 析，其檢定結果如表4-2及表4-3所示。體驗行銷與態度各個構面之α係數均大於 0.7，故符合問卷內部一致性的基本要求。根據吳明隆（2003）與周文賢（2002），
α係數大於0.7 表示信度相當高，問卷設計良好，大於0.6表示尚可接受。惟題 項B1(FIND讓我有「在此消費高人一等」的感覺)、D5(接觸FIND後，我購買衣服 的眼光和穿著風格與以往不同)、G4(想逛街或購買服飾時，我會先考慮FIND的服 飾)等三題，在刪除後會對該構面之α係數有所提升，故列為待刪除題項。但為 求謹慎，本研究將綜合效度分析的結果，再進行刪除的決策。
表 4-2: 「策略體驗模組」信度分析
題
號 題 項
Corrected Item- Total Correlation
Alpha if Item Deleted
Cronbach＇s α
(信度分析)
感官體驗
A1 我覺得 FIND 的裝潢佈置時尚又優雅 0.8112 0.8673
A2 我覺得 FIND 的服裝看起來很高級、又很時尚 0.8269 0.8522
A3 我覺得 FIND 店員的穿著打扮，看起來很專業 0.8010 0.8747
0.9057
情感體驗
B1 FIND 讓我有「在此消費高人一等」的感覺 0.5394 0.9399
B2 FIND 的服務恰到好處，讓我感到倍受尊重且無壓力 0.7836 0.8801
B3 進入 FIND 店裡和購買服裝，會讓我覺得自己很有品味 0.8859 0.8598
B4 穿上 FIND 的服飾能讓我變得有自信 0.8606 0.8641
B5 FIND 的店面和產品讓我感到很特別，留下難忘的經驗 0.8107 0.8756
0.9055
思考體驗
C3 FIND 的服飾設計，讓我對時尚界產生好奇心 0.8399 0.8887
C6 FIND 店員的解說讓我思考合身剪裁對我的重要性 0.8340 0.8946
C7 FIND 店員的解說內容常讓我獲得資訊上的驚喜 0.8525 0.8795
0.9221
(續)
題
號 題 項
Corrected Item- Total Correlation
Alpha if Item Deleted
Cronbach＇s α
(信度分析)
行動體驗
D1 我會不定期去 FIND 店面或網站來尋找適合的新服裝 0.8095 0.9161
D2 接觸 FIND 後，我購買他牌衣服也會選擇與 FIND 類似的
合身風格 0.8121 0.9158
D3 接觸 FIND 以後，我購買服飾的某些準則改變了 0.8205 0.9150
D4 有重要場合時，我會很習慣地選擇 FIND 服裝來著用 0.8636 0.9104
D5 接觸 FIND 後，我購買衣服的眼光和穿著風格與以往不同 0.4945 0.9468
D6 有穿著上的疑問，我會想去 FIND 尋求建議與專業知識 0.8370 0.9131
D7 我很樂意分享 FIND 的資訊給別人 0.8321 0.9144
0.9300
關聯體驗
E1 我認同 FIND 對穿著或服裝設計的理念 0.8663 0.9285
E2 我認為「FIND」這個品牌能夠代表「高品質」 0.8996 0.9223
E3 我願意透過網路或在店裡和其他 FIND 愛好者討論交流 0.8701 0.9278
E4 我不排斥註冊成為 FIND 網路討論社群的一員 0.8054 0.9392
E5 我會與親友討論逛 FIND 或穿著 FIND 服飾的經驗 0.8041 0.9396
0.9445
表 4-3: 「態度」信度分析
題
號
題 項
Corrected Item- Total Correlation
Alpha if Item Deleted
Cronbach＇s α
(信度分析)
認知態度
F1 我認為 FIND 的服飾質料很高級 0.8300 0.9182
F2 我認為 FIND 的車縫及做工很實在 0.8023 0.9234
F3 我認為 FIND 服飾的設計感很時尚 0.8217 0.9195
F4 我認為 FIND 出品就是「品質保證」 0.8529 0.9136
F5 我認為 FIND 是個優良的品牌 0.8178 0.9203
0.9342
情感態度
G1 我會對 FIND 推出的服飾款式感到驚喜 0.7840 0.7724
G2 我覺得 FIND 是台灣品牌的驕傲 0.7711 0.7726
G3 我覺得 FIND 提供的服務(解說、維修換新等)很難得可貴 0.7394 0.7874
G4 想逛街或購買服飾時，我會先考慮 FIND 的服飾 0.5052 0.8969
0.8491
行為意向
H1 我很願意購買 FIND 未來所出的產品 0.8495 0.8998
H2 購買高等級、合身風格的服飾時，FIND 是我的第一選擇 0.8786 0.8758
H3 我會向親朋好友推薦 FIND 的服飾 0.8332 0.9125
0.9284
4.3 探索性因素分析
(一)分析準則
在分析前, 必須進行因素分析適合性評估,以評量所獲得的資料是否適合進 行因素分析。其中，以KMO與Bartleet＇s球體檢定兩方法最為常用，說明如下:
1. KMO 值：KMO 是Kaiser-Meyer-Olkin 的抽樣適當性量數，當KMO 值愈大時，
表示變數間的共同因素愈多，愈適合進行因素分析。根據Kaiser(1974)的 觀點，如果KMO 值小於0.5 時，較不宜進行因素分析。
2. Bartleet＇s球體檢定：此檢定為 M.Bartlett在1950年所發展的方法，以樣 本資料計算而得的χ2值與表列的χ2值相比較，如計算的χ2值小於表列的χ2 值，則該群資料為不相關的元素，無進行因素分析之必要；反之，則可進行因素 分析(P Value<0.001)。
接著，本研究針對體驗行銷、體驗價值等兩個構面進行探索性因素分析。針 對有效樣本，採取主軸因子分析法以萃取主要因素，再以最大變異法進行轉軸，
以使每一因素所能解釋變異量最大（因素間的重要性有高低之區別）。至於因素 萃取的準則乃參照Hair,Anderson, Tatham & Black(1995)的建議，以特徵值大 於1 為選取因素個數的標準，旋轉後因素負荷量(factor loading)絕對值須大於 0.5，而該因素負荷量與其他因素負荷量之差須大於0.25，以避免包含與其他成 分有所重疊而導致累積解釋變異量減少的題項。同時符合上述條件者才能夠組成 該因素之變項，最後在依照各因素組成變項的內涵與結構，分別加以命名。
(二)因素萃取過程
「體驗行銷」部分:
首先，針對「體驗行銷」的問卷資料進行適合性評估。KMO值為0.859(>0.5)且 Bartlett球形檢定也達顯著水準(0.000)，兩者皆通過因素分析適合性評估的考 驗。
KMO 值 0.929 Bartlett 球形檢定
近似卡方分配 自由度
4556.577 253 顯著性 0.000
接著，對體驗行銷相關的2 3個題項進行因素分析。經因素分析轉軸法旋轉 之後，萃取出5個因素，如表4-4所示。其中問題D5 (接觸FIND後，我購買衣服的 眼光和穿著風格與以往不同)與B1 (FIND讓我有「在此消費高人一等」的感覺) 等兩題，其因素負荷量不足0.5，且信度分析也顯視此兩題項會降低該構面信度，
故將之刪除。
表 4-4: 體驗題項之轉軸後因子矩陣
D5
..447766 .476
4.119E-03 .9.963E-02 .222 .103E3 .189 .814 .262 .170 .172
「態度」部分:
同樣，我們也針對「態度」的問卷資料進行適合性評估。KMO值為0.906(>0.5) 且Bartlett球形檢定也達顯著水準(0.000)，兩者皆通過因素分析適合性評估的 考驗。
KMO 值 0.906 Bartlett 球形檢定
近似卡方分配 自由度
1975.525 66 顯著性 0.000
接著，對態度相關的12個題項進行因素分析。經因素分析轉軸法旋轉之後，
萃取出三個成分，如表4-5所示。其中問題G4 (想逛街或購買服飾時，我會先考 慮FIND的服飾)，其因素負荷量不足0.5，且信度分析也顯視此題項會降低該構面 信度，故將之刪除。
表 4-5: 態度題項之轉軸後因子矩陣 因素
題項
1 2 3
F1 .828 .204 .196 F2 .805 .169 .192 F4 .784 .269 .334 F3 .778 .262 .238 F5 .744 .214 .377 G2 .151 .845 .206 G1 .224 .800 .260 G3 .270 .780 .183 G4 .153
..448844 .484
.173 H2 .323 .261 .844 H1 .333 .342 .761 H3 .343 .311 .742 轉軸特徵值
6.815 1.634 1.032
轉軸解釋
變異量(%) 56.790 13.619 8.597 累積轉軸
解釋變異 量(%)
56.790 70.409 79.007
(三)新萃取因素構面
「體驗行銷」部分:
第一因素在刪除題項D5後，此因素僅包含了題項D1、D2、D3、D4、D6、D7 等共6題「行動」體驗的原始題項。故將第二因素命名為「行動體驗」。其解釋 變異量為52.979％。
第二因素包含了題項E1、E2、E3、E4、E5等共5題「關聯」體驗的原始題項。
故將第一因素命名為「關聯體驗」。其解釋變異量為10.291％。
第三因素在刪除題項B1後，此因素僅包含了題項B2、B3、B4、B5等共4題「情 感」體驗的原始題項。故將第三因素命名為「情感體驗」。其解釋變異量為5.868
％。
第四因素包含了題項A1、A2、A3等共3題「感官」體驗的原始題項。故將第 四因素命名為「感官體驗」。其解釋變異量為5.276％。
第五因素僅包含了題項C3、C6、C7等共3題「思考」體驗的原始題項。故將 第五因素命名為「思考體驗」。其解釋變異量為4.984％。此時，累積解釋變異 量已達75.396％。此部分所萃取出的五項因素構面及問項如表4-6所示：
表 4-6: 體驗構面之命名與因素分析
題
號 題項(依因素負荷量大小排序) Mean
Standard
Deviation
因素
命名
Cronbach＇s α
D4 有重要場合時，我會很習慣地選擇 FIND 服裝來著用 5.09 1.57
「態度」部分: 量已達79.007％。此部分，新萃取出的三項因素構面及問項如表4-7所示：
表 4-7: 態度構面之命名與因素分析
表 4-7: 態度構面之命名與因素分析