(2007) ─ 14(3) pp. 125-153.
─
(ARPU, average revenue per user) ARPU
ARPU
(1)
(2)
(3) (4)
A Study of Consumers’ Behavioral Intention on Mobile Value-Added Services Adoption: A Case of Young Adults
Abstract
With the telecommunication technology progress rapidly and the mobile phone become more and more popularity, mobile commerce is now the hottest topic that be discussed anywhere. The mobile value-added service is the way that mobile network operators can do to stop average revenue per user (ARPU) dropping day by day. The key to efficiently raise the ARPU is the consumers' behavioral intention. Only the consumers have positive intention with the value-added services and further to adopt it, that the mobile network operators can improve the ARPU essentially. This study takes the technology acceptance model (TAM) as basis and combines the characteristics of mobile commerce and compatibility of innovation to construct an extended TAM to understand the consumers' behavioral intention about adopting the value-added services. After survey by questionnaire and analyze the data by structural equation modeling, we get such points: (1) Ubiquity, personalization and perceived ease of use of mobile value-added services can efficiently enhance the consumers' perceived usefulness. (2) Attitude is positively associated with behavioral intention. If the mobile network operators try to make
consumers have positive attitude with value-added services, they should emphasize on perceived ease of use primly, and also compatibility and perceived usefulness in turn. (3) The present perceived usefulness of value-added services is urging to be strengthened. (4) The proposed model has confidant explanation to the consumers' behavioral intention about adopt the value-added services.
Keywords: mobile commerce, value-added services, technology acceptance model, behavioral intention
(mobile commerce)
(Davison et al., 2000; Olla & Patel, 2002; Giusto, 2003) ，
(ARPU, average revenue per user) (Müller-Veerse, 1999; MacKenzie & O’Loughlin, 2000)
(mobile value-added services)
ARPU
ARPU
(Green et al., 2001; Matskin & Tveit, 2001; Nohria & Leestma, 2001; Vrechopoulos et al., 2003)
(Davis, 1989; Davis et al., 1989; Mathieson, 1991; Mykytyn & Harrison, 1993; Igbaria et al., 1997; Jackson et al., 1997; Liao et al., 1999)，
(TAM, technology acceptance model)
(1) (2)
( )
(Müller-Veerse, 1999; Kannan et al., 2001; Siau et al., 2001; Varshney & Vetter, 2002)
1
1
Müller-Veerse (1999); Clarke (2001); Tsalgatidou & Pitoura (2001); Barnes (2002); Gunasekaran & Ngai (2002); Tarasewich et al. (2002)
Siau et al. (2001)
Mylonopoulos & Doukidis (2003)
Vaidyanathan (2002); Raisinghani (2002)
PDA Kalakota & Robinson (2001); Kannan et al. (2001); Keen & Mackintosh (2001); Leung & Antypas (2001); Sadeh (2002)
/ (Müller-Veerse, 1999; Clarke, 2001; Keen & Mackintosh, 2001; Siau et al., 2001; Tsalgatidou & Pitoura, 2001)
2. (personalization)
(data mining)
(Müller-Veerse, 1999; Clarke, 2001; Siau et al., 2001; Tsalgatidou & Pitoura, 2001)
3. / (track/location) (GPS, global positioning system)
(Müller-Veerse, 1999; Clarke, 2001; Tsalgatidou & Pitoura, 2001)
4. / (convenience/flexibility)
(Müller-Veerse, 1999; Clarke, 2001; Keen & Mackintosh, 2001)
5. (dissemination)
(Siau et al., 2001; Tsalgatidou & Pitoura, 2001)
(Müller-Veerse, 1999; Clarke, 2001; Tsalgatidou & Pitoura, 2001)
( ) ( 2001) (2003) (Müller-Veerse, 1999) ARPU (Coursaris et al., 2003) 2
2 √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ / √ √ √ √ √ √ √ √ √ √ √ √ √ √ IVR √ √ √ √ √ √ √ √ √ √ √
Davis(1989) (Fishbein & Ajzen, 1975; Ajzen & Fishbein, 1980)
(Taylor & Todd, 1995a)
(parsimony) (Davis, 1989; Davis et al., 1989) Davis(1989) Davis (1989)
(PU, perceived usefulness) (PEOU, perceived ease of use)
(Davis, 1989; Davis et al., 1989; Mathieson, 1991; Adams et al., 1992; Taylor & Todd, 1995a; Igbaria et al., 1997; Karahanna & Straub, 1999; Lederer et al., 2000; Lin & Lu, 2000; Moon & Kim, 2001; Chau & Hu, 2002; Gentry & Calantone, 2002; Heijden et al., 2003; Shih, 2004a; Shih, 2004b)
(Dishaw & Strong, 1999; Mathieson et al., 2001; Gentry & Calantone,
2002) Davis
(1989) Mathieson (1991) Hartwick Barki (1994) Taylor Todd (1955a)
(Igbaria et al., 1995) Venkatesh Davis (1996) Lin Lu (2000) Mathieson (2001)
(Müller-Veerse, 1999; Clarke, 2001; Tsalgatidou & Pitoura, 2001) 1 H1 H1a H1b (Davis, 1989; Davis et al., 1989; Taylor & Todd, 1995a; Igbaria et al., 1997; Karahanna & Straub, 1999; Lin & Lu, 2000; Moon & Kim, 2001; Chen et al,. 2002; Heijden et al., 2003; Shih, 2004a; Shih, 2004b)
(Daviset al., 1989; Taylor & Todd, 1995a; Lin & Lu, 2000; Moon & Kim, 2001; Chen et al., 2002; Shih, 2004a; Shih, 2004b; Vijayasarathy, 2004) (Davis et al., 1989; Taylor & Todd, 1995a; Lin & Lu, 2000; Moon & Kim, 2001; Chau & Hu, 2002)
(Davis et al., 1989; Lin & Lu, 2000; Moon & Kim, 2001; Chau & Hu, 2002; Chen et al., 2002; Heijden et al., 2003; Teo & Pok, 2003; Shih, 2004a; Vijayasarathy,
2004) ( )
(Bruner & Kumar, 2005; Luarn & Lin, 2005; Wu & Wang, 2005) (Bruner & Kumar, 2005; Yang, 2005) (Luarn & Lin, 2005; Wu & Wang, 2005)
(Bruner & Kumar, 2005) 2 3 4 6 7 H2 H3 H4 H6 H7 (Adams et al., 1992; Taylor & Todd, 1995a; Agarwal & Prasad, 1997; Liao et al., 1999; Lin & Lu, 2000)
(innovation)
(Rogers, 1983)
( )
)
Rogers (1983) (IDT, innovation diffusion theory)
Rogers (1983)
(Guagnano et al., 1986; Hoffer & Alexander, 1992; Taylor & Todd, 1995b; Agarwal & Prasad, 1997; Busselle et al., 1999; Liao et al., 1999; Chen et al., 2002; Teo & Pok, 2003; Vijayasarathy, 2004; Wu & Wang, 2005)
(Taylor & Todd,
1995a) 5 H5 ( 1) 1 ( ) Fishbein Ajzen (1975) Taylor Todd (1995a) Likert ( ) Fishbein Ajzen (1975)
Taylor Todd (1995a) Teo Pok (2003) Likert ( ) Davis (1989) Davis (1989) Likert ( ) Davis (1989) Davis (1989) Likert ( ) Rogers (1983)
Moore Benbasat (1991) Teo Pok (2003)
Likert
( )
(Müller-Veerse, 1999; Clarke,2001; Siau et al., 2001; Tsalgatidou & Pitoura, 2001)
Likert ( )
(Müller-Veerse, 1999; Clarke, 2001; Siau et al., 2001; Tsalgatidou & Pitoura, 2001)
(back translation)
(pre-test)
(pilot test) (item analysis)
120 82 (corrected item-total correlation)
<0.4 Cronbach’s α Cronbach’s α 0.733 0.885 (Nunnally, 1978) 3 ( ) ( ) D1-D3 ( ) MP1-MP4 VAS1-VAS7 ( ) (Müller-Veerse, 1999; Clarke, 2001; Siau et al., 2001; Tsalgatidou & Pitoura, 2001)
U1-U3
P1-P5 Davis (1989)
PU1-PU6 PEOU1-PEOU4 Moore Benbasat (1991) Teo Pok (2003)
( )
Taylor Todd (1995a) Teo Pok (2003)
A1-A3 ( ) Taylor Todd (1995a) BI1-BI3 3 無 所 不 在 U1 U2 U3 為行動加值服務 的 作 。 為行動加值服務 的 作 。 對 而 ， 行動加值服務 的。 Müller-Veerse (1999) Clarke (2001) Siau et al. (2001) Tsalgatidou & Pitoura (2001) Likert 五 尺度 個 人 化 P1 P2 P3 P4 P5 為行動加值服務 的 之服務。 為行動加值服務 的 之服務。 行動加值服務 與 與 之 。 行動加值服務 個 。 為行動加值服務 於 之服務。 Müller-Veerse (1999) Clarke (2001) Siau et al. (2001) Tsalgatidou & Pitoura (2001) Likert 五 尺度 知 覺 有 用 性 PU1 PU2 PU3 PU4 PU5 PU6 行動加值服務 成 作 的 項。 行動加值服務 進 作 的 。 行動加值服務 作 的 。 行動加值服務 加 作 的 。 行動加值服務 成 作 的 項。 整 而 ， 為行動加值服務 的。 Davis (1989) Likert 五 尺度 知 覺 易 用 性 PEOU1 PEOU2 PEOU3 PEOU4 為 行動加值服務 的。 為自 的 行動加值服務進行 的 。 對 ， 的 行動加值服務 的。 整 而 ， 為行動加值服務 的。 Davis (1989) Likert 五 尺度 相 容 性 C1 C2 C3 C4 行動加值服務 的 作 態。 為行動加值服務的 與 的 作 。 行動加值服務 行之 。 行動加值服務 與 作 的 值 。
Moore & Benbasat (1991)
Teo & Pok (2003)
Likert 五 尺度 態 度 A1 A2 A3 為 行動加值服務 的 。 為 行動加值服務 的 。 整 而 ， 行動加值服務 個構 。
Taylor & Todd (1995a)
Teo & Pok (2003)
Likert
五 尺度
行 為 意 向 BI1 BI2 BI3 在未 我打算使用行動加值服務。 如有相關需要時，我會嘗試使用行動加值服務。 在未來，我認為我會很頻繁地使用行動加值服務。
Taylor & Todd (1995a) Likert 五點 尺度 三、研究對象與抽樣設計 根據 E-ICP (http://www.isurvey.com.tw, 2004)之調查指出，目前台灣使用行動商務服務 的人口中，以 20-29 歲者居多，約佔 45%；國內業者現階段所提供之行動加值服務，亦大 多以年輕族群為訴求對象。此外，行動加值服務係隸屬於行動商務服務之一環，故在行動 加值服務的使用上，上述 20-29 歲之族群極可能為潛在使用者，故以上述年齡區間做為抽 樣依據，應仍具有相當程度之代表性。而上述年齡區間之年輕族群大多正值我國大學與研 究所教育階段，且學生來源具有跨地理區域之特性。因此，在研究資源有限之情況下，本 研究自台灣南部地區挑選五所大學，以前述之對象為研究樣本。而在樣本數大小上，則考 慮進行結構方程模式之樣本數要求。Anderson 與 Gerbing (1988)指出，100 至 150 個樣本 為可接受之最低底線；Marsh 與 Hau (1999)則指出，當觀察變項為潛在變項之 3 或 4 倍時， 樣本數至少需在 100 左右。因此，當樣本數大於 200 以上時，才可稱得上是一個中型的樣 本(邱皓政，2003)。故本研究之有效樣本數以 200 人為追求目標，且在考慮拒答率及廢卷 率下，乃斟酌增加問卷之發放數，以達預期之有效樣本數。在正式問卷施測上，乃商請願 意協助之教師准許於課堂上發放問卷，集體作答後再統一收回。此外，於施測前先行說明 本研究之目的與相關注意事項，且於一旁協助受測者，以降低無效問卷之產生，並於施測 後發放精美小禮物以表謝意。共發放 500 份問卷，回收率 100%，經剔除廢卷、非本研究 設定之樣本後，有效問卷計有 236 份，滿足本研究預計之有效樣本數。 伍、分析結果與討論 一、樣本結構 本研究之回收樣本中，女性樣本居多(54.7%)；教育程度則大多為大學程度(80.9%)； 所使用之門號供應商則是以中華電信最多(45.8%)，台灣大哥大次之(20.3%)，遠傳電信居 三(13.6%)，此分佈頗符合現今行動電信市場用戶之分佈比例；行動電話之使用經驗多為 4 年以上(67.8%)；行動電話帳單金額則以每月 401 至 800 元為大宗(43.2%)；在行動電話使 用頻率上，約有七成之樣本為經常使用(72.0%)；在加值服務使用經驗上，約半數的樣本 使用加值服務已達二年以上(49.2%)；在加值服務使用時間上，約有八成的樣本使用時間 每月不到 30 分鐘(83.8%)，其中四成甚至低於 10 分鐘(41.9%)；而在加值服務之每月總支 出上，則多為 100 元以下(62.3%)。由此可知，多數樣本在行動電話與行動加值服務之使 用時間及支出比例上，相差頗為懸殊。此現象隱含著電信業者所推出之加值服務對消費者 而言，並未產生所謂之黏性(stickness)，以致消費者仍不願在加值服務上花費太多時間， 而無法帶動訊務流量換取營收，便產生在加值服務總支出上大多為 100 元以下之結果。此 結果對於將年輕族群視為加值服務目標市場之電信業者而言，或許是頗值得反思之警訊。 在行動加值服務之使用概況上，曾使用過的服務前五項依次為簡訊服務(90.3%)、圖 鈴服務 (67.4%)、行動字典(29.7%)、行動電玩(17.8%)、與小額付款(12.7%)。在使用頻率 方面，前三名依次為簡訊服務(79.1%)、圖鈴服務(51.7%)、與行動字典(18.1%)。而在消費 者不使用行動加值服務之影響因素中，以相關費用昂貴居冠(70.6%)，行動電話不支援
(46.4%)與現有加值服務不符合需求(46%)分居第二、第三位。由上述結果可知，前三大項 曾使用過之服務，亦為使用頻率前三高之服務。這意謂著，消費者對這三大服務接受度頗 高，且持續使用之比例亦不低。前二項服務之順位與現今之市場現況頗為一致；而行動字 典之順位則可能與本研究之對象為學生有關。而將近七成的樣本其不使用加值服務之影響 因素為相關費用昂貴，這點似乎可呼應為何多數樣本之加值服務總支出僅為 100 元以下。 當加值服務具有強烈吸引消費者之特色時，雖相關費用較為昂貴，消費者亦可能在兩者取 捨之間仍然選擇使用加值服務；反之，若加值服務本身未具足夠吸引消費者之特色，加諸 昂貴的相關費用時，則消費者勢必不願於加值服務上花費太多金錢。因此，在客觀條件上， 若欲提高行動加值服務之使用率，則可調降費用以提高消費者之使用意願；若無法調降費 用，亦需開發出更具價值與特色之服務，使消費者所付出之成本相較於使用該加值服務所 獲得之利益更加物超所值，則費用之阻礙效果將會減少許多。 二、模型與假說驗證 本研究之研究模型與假說，則以SEM進行驗證，並以LISREL 8.5為分析工具，參數估 計方法採最大概似法(maximum likelihood)。在模型配適度檢定上，則包括測量模型 (measurement model) 檢定與結構模型(structural model)檢定，茲說明如下：
(一)測量模型
此部份以驗證性因素分析(CFA, confirmatory factor analysis)來以檢驗測量變項與潛在 變項之假設關係，其不但是結構方程模型中其它後續高等統計檢驗之基礎，更可獨立應用 在信度、效度之考驗與理論有效性之確認(Bentler, 1989)。在測量模型之整體適配度方面，
最初是以 χ2值為依據，當 χ2值未達顯著水準且數值越小時，表示整體模型適配度良好。
但由於 χ2值對樣本大小相當敏感，即當樣本越大時，χ2值越易達至顯著水準，導致模型失
效之結果(Bentler & Bonnett, 1980)。因此，後續學者不斷提出各種適配指標，以改善 χ2值
易受樣本大小而波動之缺點，並建議應綜合考慮各種指標後，再進行適配度之判斷(Hair et al., 1998)。根據 Hair 等人(1998)之分類，整體模型適配指標約可分為絕對適配量測、增量 適配量測、與精簡適配量測等三類。以下茲將常用之指標、評估準則及本研究分析之結果 彙整如表 4。由表 4 可知，除了 χ2 (329)=719，p<0.01 不符合評估準則；GFI=0.821 略小於評 估準則外，其餘指標皆達評估準則之上，顯示本研究測量模型之整體模型適配度可被接受。
表4 測量模型之整體模型適配指標與分析結果 適配指標 評估準則 分析結果 絕 對 適 配 量 測 χ2 p>0.05 p<0.01 χ2/df <3 2.187
GFI(goodness of fit index) >0.9 0.821 RMSEA(root mean square error of approximation) <0.08 0.071 RMR(root mean square residual) <0.08 0.030
增 量 適 配 量 測
NFI(normed fit index) >0.9 0.926 NNFI(non-normed fit index) >0.9 0.953 CFI(comparative fit index) >0.9 0.959 IFI(incremental fit index) >0.9 0.959 RFI(relative fit index) >0.9 0.915
精 簡 適 配 量 測
PNFI(parsimonious normed fit index) >0.5 0.806
PGFI(parsimonious goodness of fit index) >0.5 0.665
測量模型之 測量 之 評估
測量模型之 與 評估指標
1.測量 標準
標準 測量 之 量(factor
loading) 之 之 t 1.96(α=0.05) 2.58(α=0.01) 表 (Anderson & Gerbing, 1988; Bollen, 1989)
標準 (SMC, squared multiple correlation) 測量 之 0.50(Bagozzi & Yi, 1988)
2. (CR, composite reliability)
Cronbach’s α SEM 之
之測量 之
表 測量 測 Hair (1998) 0.70 適 Bagozzi
與Yi(1988)則 0.60 表
3. 量(AVE, average variance extracted)
量 指 之 測量 之
標準 0.50(Fornell & Larcker, 1981; Bagozzi & Yi, 1988) 表 與
之 量 之
則 (Fornell & Larcker, 1981)
分析 指標評估 整 表5與表6 表5 之測量模型
量 t 評估標準
測量 0.50 指標 表 評估標準
U3(SMC=0.450) PEOU2(SMC=0.432) PU1(SMC=0.487) BI3(SMC=0.439)之
「行為意向」之相關係數較大，以致部份平均變異萃取量未大於其相關係數平方值外，其 餘結果皆滿足評估標準。因此，就整體而言，本研究之測量模型尚具有不錯之信度與效度。 表5 測量模型檢定結果摘要表 構念/題項 因素負荷量 t值 多元相關平方 組成信度 無所不在 U1 0.811 NA 0.657 0.823 U2 0.850 12.481** 0.722 U3 0.671 10.210** 0.450 個人化 P1 0.755 NA 0.570 0.792 P2 0.788 10.833** 0.621 P3 0.589 8.308** 0.347 P4 0.605 8.530** 0.366 P5 0.535 7.552** 0.287 知覺易用性 PEOU1 0.748 NA 0.560 0.876 PEOU2 0.658 10.019** 0.432 PEOU3 0.913 14.071** 0.834 PEOU4 0.863 13.451** 0.744 相容性 C1 0.785 NA 0.615 0.865 C2 0.851 13.396** 0.724 C3 0.736 11.479** 0.541 C4 0.766 12.014** 0.586 知覺有用性 PU1 0.698 NA 0.487 0.878 PU2 0.777 10.852** 0.604 PU3 0.815 11.319** 0.664 PU4 0.794 11.062** 0.630 PU5 0.711 9.999** 0.505 PU6 0.628 8.895** 0.394 態度 A1 0.813 NA 0.661 0.813 A2 0.732 11.289** 0.636 A3 0.761 11.759** 0.579 行為意向 BI1 0.884 NA 0.781 0.771 BI2 0.619 9.406** 0.384 BI3 0.663 10.118** 0.439 NA表設定為參照變項，參數固定為1，故無t值 組成信度= 2 2 (Σλ) [(Σλ) +Σ(θ)]；λ=因素負荷量；θ=測量誤差 * p<0.05; ** p<0.01
表6 潛在變項之平均數、標準差及相關係數摘要表 平均數 標準差 U P PEOU C PU A BI U 3.606 0.588 0.610a P 3.374 0.537 0.499 0.438 PEOU 3.539 0.619 0.470 0.257 0.643 C 3.047 0.520 0.413 0.515 0.507 0.617 PU 3.194 0.489 0.543 0.489 0.387 0.363 0.547 A 3.641 0.534 0.325 0.275 0.466 0.426 0.378 0.592 BI 3.640 0.529 0.285 0.243 0.387 0.354 0.352 0.806 0.535 a.相關係數矩陣中對角線數值為平均變異萃取量 平均變異萃取量= 2 2 (Σλ ) [(Σλ )+Σ(θ)]；λ=因素負荷量；θ=測量誤差 U=無所不在；P=個人化；PEOU=知覺易用性；C=相容性；PU=知覺有用性 A=態度；BI=行為意向 (二)結構模型檢定 結構模型適配度指標之分析結果如表7所示。由表7可知，除了χ2 (336)=770，p<0.01不符 合評估準則；GFI=0.810略小於評估準則外，其餘指標皆達評估準則之上，顯示本研究所 提出之假設模型是可接受的，亦即本研究之假設模型可獲得實際資料之支持。 表7 結構模型之整體適配指標與分析結果彙整表 適配指標 評估準則 分析結果 絕 對 適 配 量 測 χ2 p>0.05 p<0.01 χ2/df <3 2.292
GFI(goodness of fit index) >0.9 0.810 RMSEA(root mean square error of approximation) <0.08 0.074 RMR(root mean square residual) <0.08 0.036
增 量 適 配 量 測
NFI(normed fit index) >0.9 0.920 NNFI(non-normed fit index) >0.9 0.949 CFI(comparative fit index) >0.9 0.955 IFI(incremental fit index) >0.9 0.955 RFI(relative fit index) >0.9 0.911
精 簡 適 配 量 測
PNFI(parsimonious normed fit index) >0.5 0.818
PGFI(parsimonious goodness of fit index) >0.5 0.671
接 則 對結構 模型 行因 分析， 評估本研究所 之因果關係 是
。評估指標 (1)潛在變項因果 之 向性與顯 性 在 向性上，即是檢
值必然為正；在顯著性上，則以 t 之絕對值大於 1.96(α=0.05)或 2.58(α=0.01)為判斷準則。 (2)決定係數(R2)：此係數代表每一個內生潛在變項之變異，可被具因果關係之潛在變項解 釋之比例。決定係數越高，表示結構模式越理想。本研究潛在變項間之因果路徑係數與決 定係數如圖 2 所示。 圖 2 結構模式路徑圖 由圖 2 可得知，各結構路徑之方向皆符合本研究之研究假說，且除「知覺有用性」與 「行為意向」間的路徑係數(β=0.055, t=0.86)未達顯著水準外，其餘之路徑係數皆達顯著水 準。因此，本研究多數之研究假說皆可獲得支持，亦即「無所不在」(γ=0.325, t=3.60)、「個 人化」(γ=0.285, t=3.48)皆會顯著正向影響「知覺有用性」；「知覺易用性」(γ=0.161, t=2.22) 對「知覺有用性」亦呈顯著正向影響；「知覺有用性」(β=0.191, t=2.46)、「知覺易用性」(γ=0.284, t=3.40)、「相容性」(γ=0.212, t=2.56)皆會顯著正向影響「態度」；「態度」(β=0.786, t=9.98) 亦會顯著正向影響「行為意向」。此外，由決定係數(R2 )可進一步得知，「知覺有用性」可 被「無所不在」、「個人化」及「知覺易用性」共同解釋 37.9%之變異比例；「態度」則可 被「知覺有用性」、「知覺易用性」及「相容性」共同解釋 29.5%之變異比例；「態度」則 可解釋「行為意向」65.3%之變異比例。綜合上述結果可知，本研究以科技接受模型為基 礎所建構之擴充模型，對於瞭解消費者採用行動加值服務之行為意向上，應是一個可接受 之意向模式。茲將本研究之假說與檢定結果彙整如表 8 所示。
表 8 研究假說與檢定結果摘要表 研究假說 變項關係 係數值 檢定結果 H1a 無所不在知覺有用性(+) γ=0.325** 支持 H1b 個人化知覺有用性(+) γ=0.285** 支持 H2 知覺易用性知覺有用性(+) γ=0.161* 支持 H3 知覺有用性態度(+) β=0.191* 支持 H4 知覺易用性態度(+) γ=0.284** 支持 H5 相容性態度(+) γ=0.212* 支持 H6 知覺有用性行為意向(+) β=0.055 未獲支持 H7 態度行為意向(+) β=0.786** 支持 * p<0.05; ** p<0.01 經由上述結果可知，本研究根據文獻所加入之外部變數-「無所不在」與「個人化」， 對於知覺有用性確實有顯著正向影響，且無所不在之影響力稍大於個人化。亦即當消費者 感受到加值服務的無所不在與個人化效用越大時，對於加值服務之有用程度感受亦越大。 此一結果，或許提供電信業者往後在發展加值服務時，可加以思索之方向。易言之，電信 業者在設計加值服務之際，應思考該服務是否能真正提供無所不在與個人化之利益，若能 確實提供以上價值，即可直接加強消費者對於加值服務之知覺有用性，間接提升對加值服 務之正面態度，進而形成正面之行為意向。此外，在提供具無所不在與個人化利益之加值 服務時，尚一併考量加值服務之易用性，若加值服務具有無所不在與個人化利益，但卻無 法提供一個簡便、容易上手之操作方式，將造成消費者對於加值服務之知覺有用性有所削 減，進而影響消費者之態度與行為意向，但就路徑係數而言，其影響效果並不若無所不在 與個人化強烈。 而在對態度之影響因素上，結果指出知覺有用性、知覺易用性及相容性對於消費者所 秉持之態度皆具顯著正向影響效果，且屬知覺易用性之影響效果最大，相容性次之，最後 為知覺有用性。易言之，當消費者對於加值服務之知覺有用性、知覺易用性及相容性感受 愈正面時，則其態度亦愈正面，此結果亦與以往之研究結果(Davis et al., 1989; Taylor & Todd, 1995a; Moon & Kim, 2001; Teo & Pok, 2003)一致。這寓意著電信業者若欲使消費者對 加值服務產生正面之態度，必須首重加值服務之知覺易用性，其次為相容性與知覺有用 性。如在知覺易用性方面，可藉由類似一次購足(one-stop shoping)之概念提供單一且親和 力十足之介面，消費者只需以最簡便之體驗便可取得所需之服務內容，例如運用搜尋引擎 的概念，使用戶一登入行動入口站後，輸入關鍵字即可取得相關之數位內容，免除用戶搜 尋相關內容之時間；甚至有訂製之行動電話，經由預設之快捷鍵即可迅速取得加值服務。 在相容性方面，則有賴深入瞭解消費者之生活與消費型態，提供更符合其生活方式、現有 需求及價值觀之服務，如現今工商社會繁忙，時間對於多數消費者而言甚為珍貴，若可整 合其零碎時間(如等待、搭乘大眾運輸工具之時間或塞車之時間等)，發展適切之加值服務，使 加值服務具備足夠之吸引力，則消費者對加值服務之使用態度應會有所提升。而在知覺有 用性方面，理所當然的必須持續提供對消費者而言具實用性之服務，如此一來，消費者對 加值服務才會產生正面之態度。有趣的是，知覺易用性對於態度之影響力較知覺有用性來 得大，此一結果與科技接受模型假設知覺有用性乃是決定使用態度之主要因素並不一致，
此結果可能之解釋係由於現今電信業者提供之加值服務對消費者而言，雖具有用性，但有 用程度尚未大至足夠對其態度產生強烈之實際影響效果。另一原因，則可能是本研究之對 象為年輕學子，多數使用之加值服務為簡訊服務、圖鈴服務等，這些服務對其生活或工作 並無非常強烈之有用性，故其有用程度亦未大至足以對其使用態度產生巨幅影響效果。 在行為意向之影響上，態度乃是直接決定行為意向之重要變數，此結果與科技接受模 型之假設一致，亦即消費者對於加值服務之態度若越正向，則可大膽預測其採用意向亦越 正向。由此可知，若欲提升消費者採用加值服務之行為意向，態度乃是關鍵。這隱喻著電 信業者在推動加值服務之時，不需傳遞太多技術面之訊息予消費者，因技術終究會成熟， 加值服務背後隱含之技術消費者亦不感興趣，而是要著重於消費者內心態度之提升。而「知 覺易用性」、「相容性」、「知覺有用性」皆透過「態度」對「行為意向」具有間接之影響， 此一結論在 3G 電信業者即將全面開台經營的此時更顯重要。就現今國內已開台經營之 3G 電信業者而言，其推廣焦點即置於高速之傳輸速率上，並未對消費者之態度及其它相關因 素進行反思，以致於營業至今仍尚未獲得廣大消費者之迴響。 本研究尚發現知覺有用性對行為意向未具顯著正向影響效果，此結果與科技接受模型 之假設並不一致。本研究推判可能之肇因為先前所提及，即現有加值服務有用性利益較 低，且研究對象使用之加值服務多為簡訊服務、圖鈴服務，對現實生活或工作所產生之有 用性效用較低，以致知覺有用性雖對使用態度具顯著正向影響力，但因知覺有用性對其態 度之影響效果已不大，故在對態度之影響力已不大之情況下，對行為意向無法產生顯著影 響亦是可預見的結果。而「無所不在」、「個人化」雖然對於「知覺有用性」有顯著之影響， 但卻無法透過「知覺有用性」對於「態度」或「行為意向」產生顯著之間接正向影響。此 結果再次顯示出現有加值服務之有用性可能是不足的。 最後，在模型解釋能力上，無所不在、個人化與知覺易用性共可解釋知覺有用性將近 40%之變異，這顯示尚有其它可解釋知覺有用性之因素未討論到，如其它的行動商務特 性、任務與科技之適配程度等；知覺有用性、知覺易用性與相容性則可共同解釋態度約 30%之變異，而解釋力僅有 30%之最大肇因應是知覺有用性解釋效果不佳所造成的，若再 將研究對象年齡層擴大，則知覺有用性之解釋力應會有所提升；行為意向則僅受態度之影 響，態度已可解釋行為意向約 65%之變異。綜合上述，本研究之目的乃在於探討消費者之 行為意向，因此本研究之假設模型已具有可接受之解釋力，亦即此擴展模型在實務上應有 相當程度之應用價值。 陸、結論與建議 一、研究結論與貢獻 本研究主要目的乃是探討消費者採用行動加值服務之行為意向，經實證研究後亦產生 某些有趣之結果，茲將本研究重要之結論歸納如下： 1. 現階段之加值服務對消費者而言，並未產生所謂之黏性，以致消費者仍不願在加值服 務上花費太多時間與金錢，而無法帶動訊務流量換取營收。此結果對於將年輕族群視 為加值服務目標市場之電信業者而言，或許是一個頗值得反思之警訊。 2. 行動加值服務之使用率欲普及化，相關費用是一個重要的施力點，如調降費用以提高 消費者之使用意願；若無法調降費用，亦需開發出更具價值、特色之服務，使消費者 所付出之成本相較於使用該加值服務所獲得之利益更加物超所值。
3. 行動商務之「無所不在」與「個人化」特性確實提供了重要之價值，其與「知覺易用 性」可直接加強消費者對於行動加值服務之知覺有用性。 4. 電信業者若欲使消費者對加值服務產生正面之態度，必須首重加值服務之知覺易用 性，其次為相容性與知覺有用性。在知覺易用性方面，可藉由類似一次購足之概念提 供單一且親和力十足之介面，消費者只需以最簡便之體驗便可取得所需之服務內容； 在相容性方面，則可整合消費者之零碎時間，發展適切之加值服務，使加值服務具備 足夠之吸引力，進而提升消費者之使用態度；在知覺有用性方面，理所當然的必須持 續提供對消費者而言具實用性之服務。 5. 在行為意向之影響上，態度乃是直接決定行為意向之重要變數，亦即消費者對於加值 服務之態度若越正向，則可大膽預測其採用意向亦越正向。電信業者在推動加值服務 時，不需傳遞太多技術面之訊息予消費者，而是著力於消費者態度之提升，態度之提 升則有賴先前討論之知覺易用性、相容性與知覺有用性直接強化。 6. 現有加值服務之有用性可能是急需加強的。 7. 整體而言，本研究建構之模型對於行動加值服務之採用意向具有可接受之解釋力。 經由本研究之進行，可對學術界與實務界產生之貢獻分述如下。在學術貢獻上：(1) 結合行動商務無所不在與個人化之特性與創新特質中之相容性建構一擴展式科技接受模 型，以彌補科技接受模型在外部變數探討上之不足。(2)驗證科技接受模型於行動商務上之 適用性。(3)應用科技接受模型於行動加值服務行為意向之探討，使實證研究成果得以累 積。(4)使學術界對於消費者採用行動加值服務之行為意向有一概略之瞭解。在實務貢獻 上：(1)相關業者可藉此瞭解影響消費者採用行動加值服務之因素及整體採用意向，以做為 往後發展加值服務之參考依據。(2)業者可藉此瞭解各影響因素之相對重要性，使其在制定 發展策時得以有效分配資源並確實掌握消費者。 二、研究限制與後續研究建議 本研究雖已力求完善，但礙於客觀因素，仍有以下限制存在：(1)本研究係以台灣南部 地區五所大學之大學生與研究生為研究對象，雖可減少地域差異所造成之影響，但仍無法 涵蓋全部地域，故在結論概化上仍有所侷限。(2)在樣本選取上，僅對行動商務使用人口最 多之族群進行調查，研究結果可能無法全然適用全體使用族群。(3)在行動商務之特性上， 僅就最受肯定之特性進行探討，但其它特性之影響本研究並不予以探討。(4)由於本研究未 針對原始科技接受模型進行探討，因此亦無從比較本研究建構之模型與原始模型兩者解釋 力孰優孰劣。但可確定的是，本研究所建構之模型對於行動加值服務之採用意向仍有可接 受之解釋力，新增之外部因素對於知覺有用性亦具顯著正向影響效果。 而在後續建議方面，未來相關研究人員或許可針對其它行動商務特性再加以擴展科技 接受模型，以對於行動商務特性在行動加值服務採用行為上之影響程度有一廣泛之瞭解。 再者，建議後續之研究在行動加值服務之選擇上，可針對單一類型之服務進行探討，以更 深入瞭解影響採用之因素。在研究對象方面，本研究僅就具學生身份之年輕族群進行探 討，後續研究可擴展至更大範圍之年輕族群，以對本研究之擴展模型再次驗證或比較此擴 展模型在不同研究對象上是否有所差異。此外，由於本研究並未比較原始科技接受模型與 本研究之模型在解釋力上之差異，且尚有其它意向理論存在，故後續研究亦可針對原始科 技接受模型、本研究建構之模型，甚至一併考量其它意向理論，進行各意向理論之比較，
以瞭解不同理論在行動商務環境中之解釋力。最後，進一步探討同屬亞太地區之日本、韓 國等行動商務發展較為成功之國家，其影響消費者採用加值服務之因素與我國消費者考量 之因素是否有差異性，亦是值得進行之研究方向，除對影響上述國家消費者採用加值服務 之因素有一實證結果外，更可藉其成功途徑做為我國發展行動加值服務之借鏡。 致謝 感謝審查委員對於本文所提供之寶貴建議。本研究承蒙國科會專題研究計畫(計畫編 號：NSC94-2416-H-390-005)經費補助，僅此致謝。 參考文獻 1. 李驥，2001，行動通訊加值服務業者進軍大陸市場策略分析-以訊通國際YesMobile發展 策略為例，元智大學資訊傳播學系碩士論文。 2. 邱皓政，2003，結構方程模式：LISREL的理論、技術與應用，台北：雙葉書廊。 3. 施錦雯，2003，消費者使用行動加值服務的影響因素之研究-以中部大學生為例，大葉 大學資訊管理系碩士論文。
4. Adams, D. A., Nelson, R. R. and Todd, P. A., “Perceived Usefulness, Ease of Use, and Usage of Information Technology: A Replication,” MIS Quarterly (16:2) 1992, pp. 227-247. 5. Agarwal, R. and Prasad, J., “The Role of Innovation Characteristics and Perceived
Voluntariness in the Acceptance of Information Technologies,” Decision Sciences (28:3) 1997, pp. 557-582.
6. Ajzen, I. and Fishbein, M., Understanding Attitudes and Predicting Social Behavior, Prentice-Hall, Englewood Cliffs, 1980.
7. Anderson, J. C. and Gerbing, D. W., “Structural Equation Modeling in Practice: A Review and Recommended Two-Step Approach,” Psychological Bulletin (103:3) 1988, pp. 411-423 8. Bagozzi, R.P. and Y. Yi. “On the Evaluation of Structural Equation Models,” Journal of the
Academy of Marketing Science (16:3) 1988, pp. 74-94
9. Barnes, S. J., “The Mobile Commerce Value Chain: Analysis and Future Development,” International Journal of Information Management (22:2) 2002, pp. 91-108.
10. Bentler, P. M., EQS Structural Equations Program Manual, BMDP, Los Angeles, 1989. 11. Bentler, P. M. and Bonntt, D. G., “Significance Tests and Goodness of Fit in the Analysis of
Covariance Structures,” Psychological Bulletin (88) 1980, pp. 588-606.
12. Bollen, K. A., Structural Equations with Latent Variables, John Wiley & Sons, New York, 1989.
13. Bruner, G. C. and Kumar, A., “Explaining Consumer Acceptance of Handheld Internet Devices,” Journal of Business Research (58:5) 2005, pp. 553-558.
14. Busselle, R., Reagan, J., Pinkleton, B. and Jackson, K., “Factors Affecting Internet Use in a Saturated-Access Population,” Telematics and Informatics (16:1-2) 1999, pp. 45-58.
15. Chau, P. Y. K. and Hu, P. J. H., “Investigating Healthcare Professionals’ Decisions to Accept Telemedicine Technology: An Empirical Test of Competing Theories,” Information & Management (39:4) 2002, pp. 297-311.
16. Chen, L., Gillenson, M. L. and Sherrell, D. L., “Enticing Online Consumers: An Extended Technology Acceptance Perspective,” Information & Management (39:8) 2002, pp. 705-719. 17. Clarke, I., “Emerging Value Propositions for M-Commerce,” Journal of Business Strategies
(18:2) 2001, pp. 133-148.
18. Coursaris, C., Hassanein, K., and Head, M., “M-commerce in Canada: An Interaction Framework for Wireless Privacy,” Canadian Journal of Administrative Sciences (20:1) 2003, pp. 54-73.
19. Davis, F. D., “Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology,” MIS Quarterly (13:3) 1989, pp. 319-340.
20. Davis, F. D., Bagozzi, R. P. and Warshaw, P. R., “User Acceptance of Computer Technology: A Comparison of Two Theoretical Models,” Management Science (35:8) 1989, pp. 982-1003.
21. Davison, J., Walsh, A. and Brown, D., “As Good As Gold,” Mobile Asia Pacific (8:3) 2000, pp. 11-14.
22. Dishaw, M. T. and Strong, D. M., “Extending the Technology Acceptance Model with Task-Technology Fit Constructs,” Information & Management (36:1) 1999, pp. 9-21.
23. Fishbein, M. and Ajzen, I., Belief, Attitude, Intention and Behavior: An Introduction to Theory and Research, Addison-Wesley, Reading, 1975.
24. Fornell, C. R. and Larcker, D. F., “Evaluating Structural Equation Models with Unobservable Variables and Measurement Error,” Journal of Marketing Research (18:1) 1981, pp. 39-50.
25. Gentry, L. and Calantone, R., “A Comparison of Three Models to Explain Shop-Bot Use on the Web,” Psychology & Marketing (19:11) 2002, pp. 945-956.
26. Giusto, R., Mobilizing the Consumer: 2003 Survey Results, IDC, http://www.idc.com, 2003. 27. Green, N., Harper, R. H. R., Murtagh, G. and Cooper, G.., “Configuring the Mobile User:
Sociological and Industry Views,” Personal and Ubiquitous Computing (5) 2001, pp. 146-156.
28. Guagnano, G., Hawkes, G. R., Acredolo, C. and White, N., “Innovation Perception and Adoption of Solar Heating Technology,” The Journal of Consumer Affairs (20:1) 1986, pp. 48-64.
29. Gunasekaran, A. and Ngai, E., “Special Issue on Mobile Commerce: Strategies, Technologies and Applications,” Decision Support Systems (35:1) 2002, pp. 187-188.
30. Hair, J. F. Jr., Anderson, R. E., Tatham, R. L., and Black, W. C., Multivariate Data Analysis (5th ed.), Prentice-Hall, Englewood Cliffs, 1998.
31. Hartwick, J. and Barki, H., “Explaining the Role of User Participation in Information System Use,” Management Science (40:4) 1994, pp. 440-465.
32. Heijden, Hans van der, Verhagen, T. and Creemers, M., “Understanding Online Purchase Intentions: Contributions from Technology and Trust Perspectives,” European Journal of Information Systems (12:1) 2003, pp. 41-48.
Database (23:2) 1992, pp. 13-19.
34. Igbaria, M., Guimaraes, T. and Davis, G. B., “Testing the Determinants of Microcomputer Usage via a Structural Equation Model,” Journal of Management Information Systems (11:4) 1995, pp. 87-114.
35. Igbaria, M., Zinatelli, N., Cragg, P. and Cavaye, A. L. M., “Personal Computing Acceptance Factors in Small Firms: A Structural Equation Model,” MIS Quarterly (21:3) 1997, pp. 279-302.
36. Jackson, C. M., Chow, S. and Leitch, R. A., “Toward and Understanding of the Behavioral Intention to Use an Information System,” Decision Sciences (28:2) 1997, pp. 357-389. 37. Kalakota, R. and Robinson, M., M-Business: The Race to Mobility, McGraw-Hill, New
York, 2001.
38. Kannan, P. K., Chang, A. M. and Whinston, A. B., “Wireless Commerce: Marketing Issues and Possibilities,” Proceeding of the 34th Annual Hawaii International Conference on System Sciences, Maui, Hawaii, 2001.
39. Karahanna, E. and Straub, D. W., “The Psychological Origins of Perceived Usefulness and Ease-of-Use,” Information & Management (35:4) 1999, pp. 237-250.
40. Keen, P. and Mackintosh, R., The Freedom Economy: Gaining the M-Commerce Edge in the Era of the Wireless Internet, Osborne/McGraw-Hill Publication, Berkeley, 2001.
41. Lederer, A. L., Maupin, D. J., Sena, M. P. and Zhuang, Y., “The Technology Acceptance Model and the World Wide Web,” Decision Support Systems (29:3) 2000, pp. 269-282. 42. Leung, K. and Antypas, J., “Improving Returns on M-Commerce Investments,” Journal of
Business Strategy (22:5) 2001, pp. 12-13.
43. Liao, S., Shao, Y. P., Wang, H. and Chen, A., “The Adoption of Virtual Banking: An Empirical Study,” International Journal of Information Management (19:1) 1999, pp. 63-74. 44. Lin, C. C. J. and Lu, H., “Towards an Understanding of the Behavioural Intention to Use a
Web Site,” International Journal of Information Management (20:3) 2000, pp. 197-208. 45. Luarn, P. and Lin, H. H., “Toward an Understanding of the Behavioral Intention to Use
Mobile Banking,” Computers in Human Behavior (21:6) 2005, pp. 873-891.
46. MacKenzie, M. and O’Loughlin, M. A., WAP Market Strategies, Ovum, http://www.ovum.com, 2000.
47. Marsh, H. W. and Hau, K. T., “Confirmatory factor analysis: Strategies for small sample size,” In R. H. Hoyle (Eds.), Statistical Strategies for Small Sample Size (pp. 251-306), Sage, Thousand Oaks, 1999.
48. Mathieson, K., “Predicting User Intentions: Comparing the Technology Acceptance Model with the Theory of Planned Behavior,” Information Systems Research (2:3) 1991, pp. 173-191.
49. Mathieson, K., Peacock, E. and Chin, W. W., “Extending the Technology Acceptance Model: The Influence of Perceived User Resources,” Database for Advances in Information Systems (32:3) 2001, pp. 86-112.
Database Management (12:3) 2001, pp. 26-35.
51. Moon, J. W. and Kim, Y. G., “Extending the TAM for a World-Wide-Web Context,” Information & Management (38:4) 2001, pp. 217-230.
52. Moore, G. C. and Benbasat, I., “Development of an Instrument to Measure the Perceptions of Adopting an Information Technology Innovation,” Information Systems Research (2:3) 1991, pp. 192-222.
53. Müller-Veerse, F., Mobile Commerce Report, Durlacher Research Ltd., http://www.durlacher.com/downloads/mcomreport.pdf, 1999.
54. Mykytyn, P. P. and Harrison, D. A., “The Application of the Theory of Reasoned Action to Senior Management and Strategic Information Systems,” Information Resources Management Journal (6:2) 1993, pp. 15-26.
55. Mylonopoulos, N. A. and Doukidis, G. I., “Introduction to the Special Issue: Mobile Business: Technological Pluralism, Social Assimilation, and Growth,” International Journal of Electronic Commerce, 8(1) 2003, pp. 5-22.
56. Nohria, N. and Leestma, M., “A Moving Target: The Mobile-Commerce Customer,” MIT Sloan Management Review (42:3) 2001, p. 104.
57. Nunnally, J. C., Psychometric Theory, McGraw-Hill, New York, 1978.
58. Olla, P. and Patel, N. V., “A Value Chain Model for Mobile Data Service Providers,” Telecommunications Policy (26:9-10) 2002, pp. 551-571.
59. Raisinghani, M. S., “Mobile Commerce: Transforming the Vision into Reality,” Information Resources Management Journal (15:2) 2002, pp. 3-4.
60. Rogers, E. M., Diffusion of Innovations, 3rd Edition, Free Press, New York, 1983.
61. Sadeh, N., M-Commerce: Technologies, Services, and Business Models, Wiley, New York, 2002.
62. Shih, H. P., “An Empirical Study on Predicting User Acceptance of E-Shopping on the Web,” Information & Management (41:3) 2004a, pp. 351-368.
63. Shih, H. P., “Extended Technology Acceptance Model of Internet Utilization Behavior,” Information & Management (41:6) 2004b, pp. 719-729.
64. Siau, K., Lim, E. P. and Shen, Z., “Mobile Commerce: Promises, Challenges, and Research Agenda,” Journal of Database Management (12:3) 2001, pp. 4-13.
65. Tarasewich, P., Nickerson, R. C. and Warkentin, M., “Issues in Mobile E-Commerce,” Communications of the Association for Information Systems (8) 2002, pp. 41-64.
66. Taylor, S. and Todd, P. A., “Understanding Information Technology Usage: A Test of Competing Models,” Information Systems Research (6:2) 1995a, pp. 144-176.
67. Taylor, S. and Todd, P. A., “Decomposition and Cross Effects in the Theory of Planned Behavior: A Study of Consumer Adoption Intentions,” International Journal of Research in Marketing (12:2) 1995b, pp. 137-155.
68. Teo, T. S. H. and Pok, S. H., “Adoption of WAP-Enabled Mobile Phones among Internet User,” Omega (31:6) 2003, pp. 483-498.
Commerce: Requirements and Properties,” Computer Networks (37:2) 2001, pp. 221-236. 70. Vaidyanathan, R., “Wireless and Mobility Enterprise Application Deployments,” eAI
Journal (Sep.) 2002, pp. 26-28.
71. Varshney, U. and Vetter, R., “Mobile Commerce: Framework, Applications and Networking Support,” Mobile Networks and Applications (7:3) 2002, pp. 185-198.
72. Venkatesh, V. and Davis, F. D., “A Model of the Antecedents of Perceived Ease of Use: Development and Test,” Decision Sciences (27:3) 1996, pp. 451-481.
73. Vijayasarathy, L. R., “Predicting Consumer Intentions to Use On-Line Shopping: The Case for an Augmented Technology Acceptance Model,” Information & Management (41:6) 2004, pp. 747-762.
74. Vrechopoulos, A. P., Constantiou, I. D., Sideris, I., Doukidis, G. I. and Mylonopoulos, N., “The Critical Role of Consumer Behavior Research in Mobile Commerce,” International Journal of Mobile Communications (1:3) 2003, pp. 239-340.
75. Wu, J. H. and Wang, S. C., “What Drives Mobile Commerce? An Empirical Evaluation of Revised Technology Acceptance Model,” Information & Management (42:5) 2005, pp. 719-729.
76. Yang, K. C. C., “Exploring Factors Affecting the Adoption of Mobile Commerce in Singapore,” Telematics and Informatics (22:3) 2005, pp. 257-277.
