本節分為網站日誌資料處理方法、統計分析方法共兩部分進行討論，以下依序說 明：
一、網頁內容分析資料處理方法
在著陸頁面內容共利用了四個輔助方法進行評估，其一為利用自動分詞系統，檢視 著陸頁面文本中，重複 2 次以上的關鍵詞，以及關鍵詞之間的互相關聯性，以得知著陸 頁面文本之重要資訊；其二為利用一款 Google Chrome 免費擴充功能 Site Palette，可快 速地獲取網頁配色，以此輔助評估著陸頁面顏色的資訊；其三為利用另一款 Google Chrome 與 Safari 兩大瀏覽器均能使用的擴充功能 Fontface Ninja，即可以清楚地知道網 頁使用之字型名稱、大小、行高；其四由研究者與另兩位研究同儕以專家判讀的方式判 斷其餘項目是否具備，包含判讀著陸頁面的種類、設計構面的網站服務等相關項目、資 訊構面以及互動構面的全部項目。著陸頁面內容分析詳細項目請參照附錄一。以下將利 用 2018 臺灣燈會官方網站中文首頁，以上述四項方法進行網頁內容的分析：
(一) 自動分詞系統
使用自動分詞系統之目的在於讓讀者可以更加清楚知道網頁文本所傳遞之重要內 容為何，因其萃取之關鍵詞均重複 2 次以上，且若關鍵詞之間一同出現的頻率達到系統 所設定之門檻，系懂將會用圖像化的方式，在兩關鍵詞拉出一條線來，然此線並無粗細
40
之分，兩關鍵詞之間有線條連在一起，僅代表此兩關鍵詞一同出現的頻率達到系統設定 之門檻。
自動分詞系統的原理主要來自於兩大部分，第一是關鍵詞的提取，然僅限於中文、
英文，第二是詞對關連分析。其理論來自 Tseng, Chang, S. N. C. Rundgren 與 C. J.
Rundgren (2010)。
操作而言，從 http://rsp.itc.ntnu.edu.tw/SAMtool/SegWord_CGI.html 進入該系統後，
首先將中文首頁的文本 (去除主要導覽列與頁尾，因為每個頁面都有，無法看出差異) 複 製在中間的表格，接著在表格下的詞庫選項選擇：Yes/12 萬詞，其用意在於藉由辭庫中 的字彙，讓文本斷句可以做的更完善，並在其後的 Show all relations，點選 Yes；最後按 下送出即可 (自動分詞系統操作流程如下圖 3-5-1)。
圖 3-5-1.自動分詞系統操作流程圖。資料來源：http://rsp.itc.ntnu.edu.tw/SAMtool/
SegWord_CGI.html
41
利用自動分詞系統所產生中文首頁文本分析之結果，本研究著眼於文本出現之關鍵 詞與關聯詞隊的關聯圖，以中文首頁為例，出現之關鍵詞有燈會、臺灣燈會、嘉義、臺 灣燈會在嘉義、交通、燈區、影音、節目、資訊、最新消息、相片、專區，嘉義一詞與 臺灣燈會一詞常一同出現，燈區、資訊二詞常一同出現，最新消息、節目、影音、相片 四個詞常一同出現 (自動分詞分析中文首頁文本結果下圖 3-5-2)。
圖 3-5-2.中文首頁自動分詞結果。
42
2018 熱門與冷門著陸頁面自動分詞系統分析結果，請詳見附錄二。
(二) Site Palette
本研究利用免費 Google Chrome 的擴充功能 Site Palette，如下圖 3-5-3，以 Site Palette 擷取中文首頁為範例。
圖 3-5-3. Site Palette 分析 2018 臺灣燈會官方網站中文首頁。
此擴充功能會顯示欲分析網頁所使用的前 10 個顏色，然本研究僅擷取該網頁前三 個主要顏色，以中文首頁此頁面為例，前三個主要顏色為黑色、柑橘色、亮灰色。
(三) Fontface Ninja
Google Chrome 與 Safari 兩大瀏覽器均能使用的擴充功能 Fontface Ninja，分析各字 型選擇、字型大小、字型上下間距以及左右間距 (如下圖 3-5-4)。
43
圖 3-5-4. Fontface Ninja 分析各燈區介紹頁面之字型圖。
(四) 專家判讀
專家判讀的部分由研究者與另兩位研究同儕，先進行熱門著陸頁面與冷門著陸頁面 的種類分類後，再依照本研究第貳章第二節所歸納之旅遊目的的網站著陸頁面內容項目，
進行專家判定欲分析之著陸頁面是否具備該項目。
以專家判讀方式，以中文首頁設計構面中的視覺設計之網頁內的框線與欄位等項目 為例，中文首頁包含了網站商標、工具性導覽列、全域性導覽列、局部性導覽列、主要 欄位、側欄位、頁尾等所有項目 (判別案例如下圖 3-5-5)。
44
圖 3-5-5. 2018 臺灣燈會官方網站中文首頁網頁內框線與欄位分析範例。
二、網站日誌資料處理方法
網站日誌資料 (Web log data)，是指被記錄在網路伺服器的資料。當使用者進入網 站執行的每一次動作會在網路伺服器留下紀錄，此紀錄即是網站日誌資料 (謝育容，
2012)。在數據庫內被記錄的網站日誌資料會呈現一連串的字元，如：16:27:54210 32 149 8GET/ jsw/ hjswmainlhim200，這條網站日誌資料的意思即為 IP 地址為 210 32 149 8 的用戶於當天 16 點 27 分 54 秒以 GET 的方法，訪問了 jsw/ hjswmainlhim 的檔案，
200 代表正常響應，而每當網站被訪問一次，網站日誌即在數據庫內追加一筆資料 (李歌維，2007)。
45
利用專門軟體或經由程式撰寫，可整理出網頁瀏覽數、訪客數、有效使用者數、
參照頁、搜尋關鍵字、平均停留時間、到達時間、路徑分析、著陸頁面與出口也面、
脫離率、用戶代理 (謝育容，2012)。
本研究利用 Yung, Chen, Yuan 與 Li (2018) 的方法，將網站日誌資料轉化為網站 管理者可讀取的資訊，Hsieh, Li, Yuan, Chung, 與 Huang (2018) 將網站日誌資料所代表 的管理意義整理如下 (圖 3-5-6)。
圖 3-5-6. 從旅遊目的地觀點看網站日誌資料中的使用者資訊搜尋模式。資料來源：引 自“A perspective of destination management on Web log data and the official website”, Hsieh, Li, Yuan, Yung & Huang, 2018,
5th International Conference on Behavioral, Economic, and Socio-Cultural Computing (BESC), 6-9.
本研究擷取研究對象於 2017.11.01 至 2018.03.11 所記錄下來的網站日誌資料，直 接利用其中的網站停留時間、網頁瀏覽數、點擊數，利用網頁瀏覽數僅 1 頁的工作階 段佔全部工作階段的比率，計算出網站跳離率，並利用重複的 IP 地址佔全部工作階段 的比率，計算出網站再訪率。
三、統計分析方法
本研究使用的統計軟體為 SPSS 23.0 進行網站日誌中的瀏覽行為數據之統計分析 處理，使用之方法為獨立樣本 t 檢定。
獨立樣本 t 檢定用於比較兩組樣本的平均值是否有顯著差異。本研究將欲分析之著
46
陸頁面分類為 2018 臺灣燈會官方網站熱門著陸頁以及冷門著陸頁面兩組樣本，並依此 兩組樣本之瀏覽行為數據含：停留時間、網頁瀏覽數、點擊數，進行獨立樣本 t 檢定分 析，以檢視此兩組樣本在瀏覽行為數據上，是否達顯著差異。
47
第肆章 結果與討論
根據本研究之研究目的與問題，本研究首先經由文獻分析後的整理，將 2018 臺灣 燈會網站最的熱門及冷門的著陸頁面進行類型的劃分，隨後探討 2018 臺灣燈會熱門及 冷門著陸頁面其頁面內容差異為何，最後利用網站日誌紀錄不同類型著陸頁面之瀏覽 行為數據，包含網站停留時間、瀏覽網頁數、點擊數、跳離率、再訪率分別為何，並 針對不同類型之著陸頁面，檢測其瀏覽行為數據是否有顯著差異。
本章共分為三節，第一節為 2018 臺灣燈會官方網站熱門及冷門著陸頁面類型；第 二節為 2018 臺灣燈會官方網站熱門及冷門著陸頁面內容差異；第三節為不同著陸頁面 類型瀏覽行為數據及差異情形。