資料分析

壹、 第一階段分析採用模糊德菲爾法

傳統德菲爾法的主要目的在於「透過一連串密集式的問卷以及專家們的回饋，來獲 得一群專家之間最可信的共識」。德菲爾法優點為：

一、有效且快速的萃取專家的回應。

二、提供對於複雜問題廣泛且相關的變數以及多面向的特徵。

三、可同時作為研究及學習的工具。

四、能促進組織進行團體工作及群體決策。

五、透過控制下的回饋及匿名的進行方式，有助於專家在無壓力的情形下修正他們 的意見，鼓勵他們提出自己真正的看法而不受任何限制。

六、德菲爾法特別適用於所預測的事物其歷史資料很少，以及面臨技術或經濟上主 導的「道德兩難」(Gupta & Clarke, 1996)。

但傳統德菲爾法存在專家意見收斂效果不大、執行成本高與意見歸納人員過濾掉真 正專家意見等問題 (Hwang & Lin, 1987)，因此，本研究參考李孟訓 (2007) 文章中使用 之模糊德菲爾法，進行專家問卷之分析。

模糊德菲爾法 (Fuzzy Delphi Method, FDM) 是 1985 年由 Murray, Pipino, and Gigch (1985) 將模糊理論及德菲爾法做為結合後所提出的 (Chang, Huang & Lin, 2000)，並結 合Hwang and Lin (1987)、徐村和 (1998) 與陳昭宏 (2001) 等多位學者的觀點，將模糊 理論的概念導入德菲爾法當中，利用「雙三角模糊數法」來整合專學者之意見，藉由「灰 色地帶檢定法」檢驗專家意見是否達到收斂，意見收斂後方能求專家共識程度值，方法 嚴謹合理。其具備之優點為能夠減少問卷來往的次數，同時也降低了時間與資源的成 本，並能夠提升問卷的回收率，完整地保留個別專家之意見，且將所有意見加以整合進 而達成群體決策之目的，更能夠處理在受訪過程中受訪者的預測及模糊性，並完整地將 受訪內容納入考量 (Chang, Tsujimura, Gen & Tozawa, 1995; Chang et al., 2000; Kuo &

Chen, 2008)，其步驟簡述如下（Cheng, Chen, Chiou & Yu, 2004；李孟訓，2007）。

步驟1：

28

29 入考量當中，而多準則決策分析法 (Multiple Criterion Decision Making, MCDM)，適用 於管理科學以及作業研究方面，以及較為複雜的資源分配等問題 (Chang & Wang,

30

Bellman and Zadeh (1970) 將模糊理論引入多準則分析法，以便解決實際決策中的不 確定性問題，因為在大部份的決策環境中，決策者所得到的相關資訊大部分都是具有模 下的評比，來求取各方案的模糊偏好值，透過模糊評判 (Fuzzy synthetic decision) 與模 糊排序 (Ranking the strategies)，找出最適合的解決方案給決策者參考。

本研究應用模糊理論結合多準則決策而為模糊多準則決策，由行動廣告產業鏈上的 專家進行評選行動廣告個人化要素之問卷，來決定個人化設計準則之權重值，然後由評 選專家就準則對產品選擇方案之評比給予模糊評分，之後再將各準則的模糊權重和選擇 方案的模糊分數相乘得到各調度方案先後考慮的順序，其步驟簡述如下 (Cheng et al., 2003; Yu et al., 2005; Chou, 2007; 鄭永祥，2008; Chang & Wang, 2009)：

步驟1：

31

32

步驟7：

經由上述模糊綜合評判可得到各方案的三角模糊數，然因模糊數並非是明確的數 值，無法直接用於方案的比較，因此必須將模糊數解模糊化 (Defuzzification) 以利排 序。亦即，解模糊化的步驟就是找出最佳解模糊化之績效值 (Best Nonfuzzy Performance value, BNP)。本研究採取重心法 (Center of area, COA) 以排序產品評選方案，找出最佳 解模糊化之績效值，重心法不須要考量到評估者的偏好，且簡單與實用 (Chang & Wang, 2009) ，因此本研究採取重心法來求取BNPi值，以獲最適之方案，經由以下等式來求算：

Lw Lw Mw Mw

BNP_i = Uw− + − + 3

)]

( )

[( (9)

33