6-4-1 點餐後結帳方式
如（圖 33），本專題設計的叫號系統對行動支付較有利，因此希望未來系 統的成熟，可以帶動行動支付的使用率，並針對推動線上支付的瓶頸點做出改 善，使願意使用行動支付的比例變高，在商業行為方面可以給折扣等等優惠來 吸引消費者。
圖33: 點餐後結帳方式比例圖
圖31: 專題內容敘述之延伸問卷第 2-4 頁 圖32: 專題內容敘述之延伸問卷第 3 頁
23
6-4-2 進入餐廳後，大概花多少分鐘來決定吃什麼
如（圖34），5 分鐘人的比例最多，因此使用本專題的程式後，因為程式會 即時回饋各店家等候狀況，所以除了有效縮短候餐狀況，預期可以讓現場的人 更快決定要吃什麼餐點，加快整個點餐的流程。
6-4-3 決定好吃甚麼後，從開始排隊到結帳結束，您認為花了幾分鐘
如（圖 35），這是顧客現實的心理因素時間，與本專題在現場測量所得知 數據不符，現場觀測的數據為：一分鐘以內和1～3 分鐘約在 50%左右，但調查 結果只有24%； 7～10 分鐘和 10 分鐘以上為 10～20%，但調查結果總和來到 30%。所以可以預期有了程式之後的，顧客心理時間可大幅縮短的。
圖34: 消費者選擇店家的時間分佈圖
圖35: 消費者選擇店家的時間分佈圖
24
6-4-4 影響您決定餐點的因素
如（圖 36），若可以做到對顧客的 ID 追蹤，則可幫助店家做出預估與排 程，或做針對特定餐點的做即時銷售量預估，例如在寒冷天氣推出有熱湯的特 餐或套餐組合。亦可做類似 Google 評論功能同時更兼具即時性的店家回饋系 統。
6-4-5 候餐狀況百分比
如（圖37），此表顯示離開現場與現場候餐的比例，此比例也應用在 Flexism 的模擬。數據中 50%和 16%的加總是現場候餐的人數比例，25%和 9%的加總 則是離開現場的人數比例。此比例與我們現場觀察的情況相符。
圖36: 決定消費者決定餐點因素分佈圖
圖37: 候餐狀況比例分佈圖
25
6-4-6 若您暫時離開會到哪裡呢（96 筆資料）
如（圖 38），大部分會去買飲料或上廁所，本專題設計程式上有時間提醒 的功能，能提醒消費者還剩多少時間，讓消費者評估候餐時間應該如何運用。
6-4-7 在臺科第一餐廳的用餐方式
如（圖39），外帶的顧客通常會現場候餐，內用的顧客則不一定，且容易逾 時取餐。調查結果顯示在臺科大第一學生餐廳內用與外帶比例相當接近（約為 4：5）。
圖38: 消費者暫時現場後的行為分佈圖
圖39: 消費者用餐方式分佈圖
26
6-4-8 每週 7 天之中，您去臺科第一餐廳是為了吃「早餐」的頻率 如（圖 40），少部分消費者到第一學生餐廳是為了吃早餐。
1 代表 0～20%，2 代表 21～40%，3 代表 41～60%，4 代表 61～80%，5 代表 81～100%
6-4-9 每週 7 天之中，您去臺科第一餐廳是為了吃「中餐」的頻率 如（圖41），大部分消費者到第一學生餐廳是為了吃中餐。
1 代表 0～20%，2 代表 21～40%，3 代表 41～60%，4 代表 61～80%，5 代表 81～100%
圖40: 消費者到餐廳吃早餐比例圖
圖41: 消費者到餐廳吃中餐比例圖
27
6-4-10 每週 7 天之中，您去臺科第一餐廳是為了吃「晚餐」的頻率
如（圖 42），不少消費者到第一學生餐廳是為了吃晚餐，但會少於解決中 餐的頻率。
1 代表 0～20%，2 代表 21～40%，3 代表 41～60%，4 代表 61～80%，5 代表 81～100%
6-4-11 餐點完成（叫號後），隔多久您會取到餐？
如（圖 43），估計是設計問題上的瑕疵，真實數據上，1 分鐘以上應該在 20%以內，否則 37.2%的逾時取餐狀況將成為店家嚴重的候餐區問題。
圖42: 消費者到餐廳吃晚餐比例圖
圖43: 消費者認為店家叫號後取到餐的時間分佈圖
28
6-4-12 造成您逾時取餐最常的原因
如（圖44），數據顯示本專題主要解決方向，等候人潮眾多是最大的原因，
達到了 62.8%。本專題除瞭解決人潮眾多的困境，連帶解決前兩點的問題。雖 然可能會使不在餐廳附近的比例增加，但是會提高消費者體驗和解決其他的問 題。
6-4-13 您最常在臺科第一餐廳消費的店家
如（圖 45），此調查證明瞭我們選擇巖茶和丼太郎的合理性，除去不需要 在現場等候餐點的自助餐與資料收集困難的早餐店，這兩間店家是第一學生餐 廳最受歡迎、專題呈現上最具代表性的餐廳。
圖44: 造成逾時取餐的原因比例圖
圖45: 消費者店家喜好調查圖
29