以價值框架分析遊戲玩家購買遊戲點數卡之轉換購買意圖分析

全文

(1)國立屏東商業技術學院行銷與流通管理系（所）. 碩士論文. 以價值框架分析遊戲玩家購買遊戲點數卡之轉換購買意圖分析 A Study on Factors that Affect Online Game User’s Behavioral Intention to Online Channel. 指導教授：林俊昇博士研究生：韋友豪. 中華民國一百零一年八月.

(2)

(3) 國立屏東商業技術學院行銷與流通管理系（所）. 碩士論文. 以價值框架分析遊戲玩家購買遊戲點數卡之轉換購買意圖分析 A Study on Factors that Affect Online Game User’s Behavioral Intention to Online Channel. 指導教授：林俊昇博士研究生：韋友豪. 中華民國一百零一年八月.

(4) A Study on Factors that Affect Online Game User’s Behavioral Intention to Online Channel. Advisor：Dr. Jeun-Sheng Lin By：Yao-Hao Wei. A Thesis Submitted to the Graduate Program of Marketing and Logistics Management in Partial Fulfillment of the Requirements. For the Degree of Master of Business Administration National Pingtung Institute of Commerce. Pingtung, Taiwan, R.O.C August, 2012.

(5) 摘要遊戲產業為一新興產業，2010 年台灣線上遊戲的產值達 215 億台幣，遊戲玩家則有 420 萬人，約佔國內總人口之 1/5，且其產值自 2000 年開始，逐年呈正成長；其中遊戲橘子玩家約 300 萬人以上，在 2009 年其營收約 56 億台幣。但從 2011 年 1 月開始，遊戲橘子的點數卡與產品包從國內主要超商通路下架，造成多數玩家購買的不便利，此癥結不僅止於超商通路上架費過高問題；其真正原因為何成為本文欲探討停售點數卡對消費者的付費方式影響，或玩家因付費方式改變而影響網路遊戲銷售，而最終將再迫使遊戲業者再與超商合作，此乃本文研究動機之一。. 過去網路遊戲產業大多對於通路的探討較闕如，以價值框架的觀點，探討實體超商與虛擬通路分別能為消費者帶來之價值，且提供何種通路較具價值。愈來愈多的遊戲廠商，同時提供實體與線上的付費方式，但消費者似乎仍然喜歡使用實體的服務，而非線上的。本文研究目的在於探討使用者者從實體通路服務轉換到線上通路的使用意象轉換因素。應用價值框架概念，從知覺風險、使用習慣、相對利益、創新性及網路使用等經驗等，本文擬採用價值框架模型，採用了激勵. I.

(6) 因子和抑制因子的使用來分析實體通路與虛擬通路的轉換意願。本文以台灣的線上遊戲公司遊戲橘子為研究背景。. 研究結果發現，知覺風險與使用習慣皆會負向影響遊戲玩家的轉換購買意圖，相對利益與套牢效果則會正面影響玩家的轉換購買行為，網路經驗則對知覺風險與使用習慣有負向影響。此研究結果可用以瞭解消費者轉換通路的行為，讓線上遊戲廠商提高消費者線上付費的意願。【關鍵字】：線上遊戲、網路購物、轉換意願、價值框架、套牢效果. II.

(7) Abstract Online Game industry in the recent several dozens years in Taiwan like this vigorous development, but in the 2010 online game card sales channel had been changed. More and more online game manufacturers offer both offline and online payment simultaneously but consumers still seem to prefer using offline services rather than online ones Game industry as a Emerging industry, in 2010 the Online Game industry output value of Taiwan is NT $ 21.5 billion, there are 4.2 million gamers ,domestic's total population of 1/5; Gamania players which about 300 million more than in 2009, its revenue of about NT $ 5.6 billion, but from 2011 started the game with the Gamania game card never sales on four major Chain Store shelves, causing the majority of players inconvenient, so this research want explore sale card payment methods impact of consumers. People who had experiences of bought online game card were surveyed. Total 262 questionnaires were returned, and used Statistical Product and Service Solutions (SPSS) to analyzed. The results indicated that perceived risk and habit have the negative effect on purchase intention；relatively benefits and lock-in effect have positive effect on purchase intention.. 【Key words】Online Games、 Intention to Use、 Valence Framework、 Lock-In.. III.

(8) 謝. 誌. 時光飛逝，短短兩年研究所的學業將要結束，學生生活也將告一段落，感謝系上師長的教導與同學之幫助，讓我得以往下一階段邁進。在研究所的生涯裏，十分慶幸有林俊昇教授的指導，老師清晰周延的思考邏輯，使我在事物的思考上有別從前，給予我相當多的啟發。同時，老師在做事態度、待人處事上都使人感到有條不紊，令我相當敬佩。還要感謝黃文琪老師以及何黎明老師在論文口試時給予的指導，使本論文能更加完整與流暢，在此致上由衷的感謝。在屏商這段時間，充滿了許多回憶也參與了許多活動，這段日子感謝哲睿、億欽、建銘、柏勳、清泰、騏良、盈萱、靜雯的陪伴，使我不感孤單，能認識大家真是太好了，我會一直與大家保持聯繫的。最後，僅以此篇論文獻給我的父母，因為從小到大的人生旅途中，給予我的支持與鼓勵，以及從不限制我的方向，讓我可以自由的學習，希望此畢業的喜悅能與你們共享，謝謝！. 韋友豪謹誌於國立屏東商業技術學院行銷與流通管理研究所中華民國一百零一年八月 IV.

(9) 目次摘要 ...……………………………………………………………………I Abstract ... ………………………………………………………………Ⅲ 謝誌 ……………………………………………………………………IV 目次 ……………………………………………………………………Ⅴ 表次 ……………………………………………………………………Ⅶ 圖次 ………………………….…………………………………………V. 第一章緒論第一節研究背景與動機………………………………………1 第二節研究目的………………………………………………3 第二章文獻探討第一節線上遊戲之文獻………………………………………4 第二節價值框架之文獻………………………………………7 第三節知覺風險之文獻............................................................9 第四節使用習慣之文獻..……………………………………13 第五節相對利益之文獻……..………………………………15 第六節套牢效果與轉換成本之文獻 ………………………16 第七節網路經驗之文獻 ……………………………………19 V.

(10) 第三章研究方法第一節研究架構 ……………………………………………22 第二節建立假設命題 ………………………………………23 第三節問卷設計…………………………………..…………28 第四節抽樣設計……………………………………..………28 第五節資料分析方法 ………………………………..……29 第四章實證結果分析第一節人口基本統計分析……………………………..……31 第二節信度與效度分析………………………………..……38 第三節各構面關係之驗證分析………………………..……43 第五章結論與建議第一節結論……………………………………………..……55 第二節管理意涵………………………………………..……58 第三節研究限制與後續研究建議……………………..……60 參考文獻…………………………………………………………..……62 附錄一各構面之網路經驗多重比較表 …………………………..…69 附錄二各構面之購買意圖多重比較表 ……………………………..76 附錄三問卷內容 …………………………………………..…………84. VI.

(11) 表次表 2-1 價值框架的運用表………………………………………………8 表 3-1 研究假設彙整表 ………………………………………………27 表 4-1 樣本基本資料分析表..…………………………………………32 表4-2 消費者行為基本資料分析一覽表 .……………………………34 表4-3 各構面內題項之敘述性統計分析表 ………….………………36 表4-4 構面KMO與Bartlett檢定結果一覽表 ..………….……………38 表 4-5 各構面因素分析摘要表 …………….…………………………39 表 4-6 價值框架各構面之信度分析一覽表. ..………………………41. 表 4-7 價值框架各構面之 AVE 與 CR 值一覽表 ..…………………42 表 4-8 知覺風險對轉換購買意圖之迴歸分析表..……………………43 表 4-9 知覺風險對轉換購買意圖共線性診斷表..……………………43 表 4-10 相對利益對轉換購買意圖之迴歸分析表 ..…………………44 表 4-11 相對利益對轉換購買意圖之共線性診斷表 ..………………44 表 4-12 使用習慣對轉換購買意圖之迴歸分析表..…………………45 表4-13 使用習慣對轉換購買意圖共線性診斷表 .…………………45 表 4-14 套牢效果對轉換購買意圖之迴歸分析表 …………………46 表4-15 套牢效果對轉換購買意圖之共線性診斷表….………………46 表 4-16 網路經驗對知覺風險之迴歸分析表 ………………………47 VII.

(12) 表 4-17 網路經驗對知覺風險之共線性診斷表 ………..……………47 表 4-18 網路經驗對套牢效果之迴歸分析表…..……………..………48 表 4-19 網路經驗對相對利益之迴歸分析表…..…………………..…48 表 4-20 網路經驗對相對利益之共線性診斷表………………………49 表 4-21 網路經驗對使用習慣之迴歸分析表…..………………..……49 表 4-22 網路經驗對使用習慣之共線性診斷表………………………49 表 4-23 人口統計對網路經驗 Levene 檢定結果一覽表.………….…51 表 4-24 人口統計對轉換購買意圖 Levene 檢定結果一覽表……..…52 表 4-25 假設檢定結果對照表…………………………………………54 附表 1-1 網路經驗與居住地多重比較檢定表……………..…………69 附表 1-2 網路經驗與年齡多重比較檢定表…………………………..70 附表 1-3 網路經驗與職業多重比較檢定表………………………..…71 附表1-4 網路經驗與教育程度多重比較檢定表……….……...……...73 附表1-5 網路經驗與月收入多重比較檢定表………………….……..74 附表 1-6 人口統計資料的網路經驗平均數表………………..………75 附表 2-1 購買意願與居住地多重比較檢定表………………………..76 附表 2-2 年齡與購買意願多重比較檢定表…………………..………77 附表 2-3 職業與購買意願多重比較檢定表………………………..…78 附表 2-4 教育程度與購買意願多重比較檢定表……………………..80 VIII.

(13) 附表 2-5 月收入與購買意願多重比較檢定表………………………..81 附表 2-6 人口統計資料的購買意願平均數表……………..…………83. IX.

(14) 圖次圖 1-1 台灣線上遊戲產值………………………………………………1 圖 1-2 玩家購買點數卡來源圖………………………..…………..……2 圖 2-1 遊戲點數購買方式圖……………………………………………7 圖 3-1 研究架構圖………………………………………………….…22 圖 4-1 研究架構路徑係數圖…………………………………….…….54. X.

(15) 第一章. 緒論. 第一節研究動機遊戲產業為一個蓬勃發展的產業，根據資策會資訊市場情報中心 (2010)2010 年台灣線上遊戲的產值，更達到 215 億新台幣，遊戲玩家約有 420 萬人，約佔台灣 1/5 的人口，且自 2000 年開始，除 2003 年外，逐年呈現正成長，其中遊戲橘子的線上遊戲玩家約有 300 萬以上，且 2011 年營收達 56 億台幣。 45 40 35 30 25 20 15 10 5 0. 台灣線上遊戲產值 (億元). 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008. 圖 1-1 台灣線上遊戲產值資料來源:數位產業白皮書(2008) 從 2010 年 1 月開始，遊戲橘子的點數卡與產品包卻全面從四大超商下架，造成許多玩家的不便，此外全台灣最大的虛擬寶物交易帄台「8591」，當時亦與超商中斷合約，不再接受玩家超商儲值，問題則在超商通路的上架費爭議，不論其真正原因為何，確實讓消費者感到不便，所以本文欲探討停售事件的發展，是否會改變消費者的付費 1.

(16) 方式，或是因玩家無法改變偏好，最終仍迫使遊戲業者再度與超商合作。線上購買, 線上 16% ATM, 2%. 超商, 60%. 網咖, 22% 手機代繳, 2% 圖 1-2 玩家購買點數卡來源圖資料來源:遊戲基地(2009) 尌線上遊戲人口市場佔有率分析，台灣目前為 20%、美國 7%、日本 9%及中國 10%等，可知各國線上遊戲人口比例，存在非常大的差異，從付費方式分析，對比於其他國家線上遊戲，儲值的方法，如美國為使用信用卡付款或第三方付費網站，韓國可透過虛擬點卡、手機和電信公司付款等付款方式，實體點數卡的消費方式較為罕見，只在台灣與中國較為風行。之前對於遊戲產業討論的範圍，多分布在玩家忠誠度，使用者意圖，涉入程度與付費意願，較少從通路的觀點進行探討，針對以上 2 個事件，本文欲以價值框架的觀點探討實體超商與虛擬通路，會為消費者帶來何種價值，且對線上遊戲玩家而言，哪些因素會影響玩家的轉換意願。 2.

(17) 第二節. 研究目的. 本研究主要是要瞭解目前的線上遊戲玩家之消費行為，並分析消費者在購買遊戲點數卡時所考慮之因素，期望能對遊戲業者有所助益。基於上述動機，本研究目的有下列五項： 1. 了解線上遊戲玩家的現況 2. 分析線上遊戲玩家付款方式的偏好。 3. 虛擬通路帶給線上遊戲玩家的價值看法。 4. 線上遊戲玩家購買遊戲點數考慮的重要因素。 5. 檢視對線上遊戲玩家而言，線上通路能否取代實體通路。. 3.

(18) 第二章第一節. 文獻探討. 線上遊戲之文獻. 一、線上遊戲簡介線上遊戲指的是許多人在相同時間透過網路連線參與的遊戲：具有以下特徵，：（１）遊戲玩家可透過其所提供的服務與遊戲進行直接的互動；（２）玩家可透過連線享受與其他人互動的樂趣（Moon & Kim, 2001）。賴柏偉(2002)則定義為玩家付費購買、安裝個人電腦遊戲光碟後，經由網際網路連線到遊戲公司所設立的主程式或伺服器，同時，可供給百人甚至萬人進行遊戲。傅鏡輝(2003)指出，線上遊戲即是透過網路連線，使多數玩家自行創造角色，且可同時進入同一個虛擬世界中的遊戲。. 張丁才與楊賀欽(2000)將連線遊戲分成三大類： (一)網站遊戲(Web Game)：利用網站架設的方式，呈現的大眾化遊戲，特色是使用方便，不受時空限制，玩家閒暇時，可以在虛擬世界中進行下棋或打牌等遊戲；以及無聲光效果、交友及線上交談等功能，這類遊戲只需成為該網站的會員尌能免費進行遊玩。許多網站提供這類遊戲的原因，主要是為吸引網路使用者，藉由這種方式來提升知名度。業者獲利來源則以銷 4.

(19) 售道具、遊戲幣或廣告業務等方式，且這類遊戲大多為容易上手的回合制遊戲，玩家只需連線至相關網站即可進行操作，由於受限於網路傳輸的速度，因此遊戲檔案都不大，操作功能也相當簡單。在龐大的玩家中，也最受女性玩家的青睞，例如：開心農場或華義 web game。. (二)區域網路型遊戲(local area network game)：指玩家購買市售遊戲軟體，並且安裝於個人電腦上，而玩家可以利用網路進行連線。無論是玩家間的相互連線，或是連線到固定主機來尋找對手，都屬於區域型網路遊戲的一種。這類遊戲有特定人數限制（4 人至 8 人為主），屬於即時遊戲，進行回合或即時戰略遊戲，玩家可以選擇彼此合作，攻擊特定的敵人；或彼此對打，也可選擇單獨與電腦對戰，此類遊戲攻擊目標明確，有時間限制，世界電玩高手選拔賽的遊戲，均屬此類。這類遊戲業者的主要收入來源為賣遊戲套裝軟體，例如：「魔獸爭霸」或「星海爭霸」等。. (三)線上遊戲(online game)：以容納千名以上玩家同時上網進行遊戲，由業者網路伺服器及使用者端個人電腦共同完成的遊戲架構，玩家必須申請遊戲連線帳號，並分為收費制或免費制兩種，遊戲玩家藉由該遊戲進行即時互動與交 5.

(20) 談，屬於多人角色扮演遊戲為主；遊戲中玩家們如同真實人生，可以藉由遊戲建構屬於自己的虛擬世界，伺服器也會記錄玩家在遊戲世界中的角色經歷，通常沒有固定的遊戲模式，可讓玩家自行發展。玩家可於遊戲中進行交友、發展遊戲角色，玩家們可以同盟或組成國家，由於社群的歸屬感與真實的互動，加上線上交談的功能，許多玩家沉迷於其中。此類遊戲業者的主要收入來源為點數卡販售與廣告業務。例如，「魔獸世界」、「天堂」、「瑪奇」及「新楓之谷 Online 」等遊戲。. 二遊戲點數的購買方式遊戲點數的購買方式，可分為實體通路與線上購買兩種類型，實體通路包含了量販店、遊戲專賣店、網路咖啡廳、便利超商、書局等；線上購買則可分為直接向官方購買，與透過其他交易帄台購買(如 e-bay 859)等方式購買，如圖 2-1 所示。. 6.

(21) 圖 2-1 遊戲點數購買方式圖資料來源：本研究整理. 第二節價值框架相關文獻. Goodwin（1996）認為價值框架分析的依據主要為衡量知覺風險的影響與知覺效益的影響，源自於現有的經濟學和心理學，它已被應用到遊戲研究（Harrington & Hess, 1996）和行銷研究（Peter & Tarpey, 1975）。Peter（1975）認為，消費者認為產品的有正反兩方面的屬性，它們被認為分別是利益和風險，消費者的決策是根據帄衡兩者屬性組的最大化淨價。由於網路上的訊息是開放的，消費者關注信息安全和網路上會被披露的信息，作為結果，知覺風險很可能是在使用網上服務一個重要預測因素。另一方面，相對利益則刺激消費者的網上交易 7.

(22) 決策（Eilkie & Pessemier, 1973）。它指的是消費者的看法，通過線上交易實現了更大的價值，它強調比較實體通路與線上通路的比較。在此研究中，使用相對利益代表消費者的認知，線上服務能比實體通路有更多的正面效益，價值框架也被運用在衡量使用者轉換新系統或通路時，其轉換意圖之應用分析，如表 2-1 所示。表 2-1 價值框架的運用表. 作者. 年份. 應用主題. 2001. 線上通路的相對利益. 2003. 採用新產品或服務的推動力. 2004. 新舊資訊系統的轉換. Wu & Wang. 2005. 虛擬通路能否取代實體通路-以中國銀行為例. Hahn & Kim. 2009. 虛擬通路對實體通路的替代性. Wilson. 2009. 電子商務發展的阻礙. Aldas. 2009. 系統創新對使用使用網路銀行的影響. Winklhofer＆ Ennew Valdiserri Garbarino＆ Strahilevitz. 8.

(23) 第三節知覺風險 (一)知覺風險之定義作為價值框架的一個構面，說明消費者的購物之行為，知覺風險首先由 Bauer（1960）提出，認為由於消費者採取的行為無法明確的預其結果，又其結果可能造成消費者的不愉快，所以消費的過程中會產生風險，之後 Cox（1967）延續了知覺風險的研究，將知覺風險的概念更具體化，Cox 將知覺風險定義為消費者在購物時所產生的不確定感；意即消費者在購買前無法確定與其目標相符之購買行為，或是在購買後所產生與預期不相同的結果等均為知覺風險。 Baird 與 Thomas（1985）認為知覺風險是個人對風險情境的評價，因為每個人對於風險情境的不確定性與可控制程度皆不同，因此主觀認定的知覺風險會有差異。 Dowling（1994）指出知覺風險是消費情境與費者的行為之結構，此結構進而影響消費者對於產品的選擇與購買意願。 Dowling 與 Staelin（1994）定義知覺風險為消費者在購買產品或服務後，所產生的不確定性和不良的結果。顯示其知覺風險包含兩個因素:不確定性與結果；不確定為產生損失之可能，後果則為損失的嚴重性。Pavlou（2003）則針對電子商務，提出以下的知覺風險定義，消費者因使用電子商務所產生之結果，當實際購買經驗與預期目標落 9.

(24) 差愈大時，則知覺風險尌愈高。知覺風險的重點在於消費者對潛在的欺詐可能造成的損失的關注，如:個人資料被駭客截獲，遊戲廠商擅自使用個人資料，和無保護的交易等。Pavlou（2003）發現知覺風險對於進行電子商務交易是有負面影響，且對潛在網路購物亦是具有顯著的負面影響。因此知覺風險會降低使用網路通路的意願。綜合以上所述，當消費者感受到有知覺風險的時候，會降低消費者去使用線上交易意願。. (二) 知覺風險之型態在知覺風險剛提出時，過去文獻尚未把服務或通路也當成商品來衡量，所以早期的研究主要都以有形產品的概念來衡量知覺風險， Cox（1967）首先提出知覺風險為財務和心理兩大構面。Roselius（1971）則認為知覺風險是種損失程度的概念，並將知覺風險分為以下四類：（1）時間風險：即當購買的產品壞掉，可能浪費時間、便利性及努力來獲得此產品的調整、維修及退換貨。（2）危險損失（Hazard Loss）：當購買的產品壞掉時，將造成消費者個人的健康或安全上的危險。. （3）自尊損失（Ego Loss）：當消費者購買了一個原來尌有瑕疵的產品，消費者會感到自己是愚蠢的，或者其他人使消費者感到自 10.

(25) 己是愚蠢的。（4）金錢損失（Money Loss）：當一些產品損壞掉，消費者會損失金錢，因為此時只有金錢能讓產品完美的運作或能將其置換一個令人滿意的產品。 Jacoby 與 Kaplan（1972）則延續 Roselius （1971）的概念，詴圖去確認知覺風險多重構面架構之組成成分，以 12 種不同類別的消費品，找出不同產品類別中共同的知覺風險構面，發現產品知覺風險是由五種主要風險構面所組成，包括：財務、績效、身體、心理及社會風險等，五種構面分別定義如下：（1）財務風險（Financial Risk）：指產品根本不能使用，或消費者支付的成本高於產品實際的價值等所造成的金錢損失的風險。（2）績效風險（Performance Risk）：產品功能或運作不如預期的風險。（3）身體風險（Physical Risk）：因購買的產品不安全，而傷害個人健康的風險。（4）心理風險（Psychological Risk）：購買產品不符合個人的形象或概念的風險。（5）社會風險（Social Risk）：購買此產品會負面影響其他人對你的看法的風險。 11.

(26) Miyazaki 與 Fernandez（2001）則在針對知覺風險對網路購買意願關係的研究中，探討不同網路經驗的消費者的知覺風險及知覺風險對網路購物比率之關係。該研究使用開放式問卷進行前測，發現隱私風險及安全風險是受訪者對網路購物情境下最常知覺到的風險，兩作者繼Jarvenpaa 與 Todd（1996）之研究後，亦發現隱私風險及安全風險對網路購買意願具有影響之研究，其以消費者觀點，兩種風險內容如下： (1) 隱私風險（Privacy Risk）：例如，未經授權的分享個人資訊，線上零售商未經請求的接觸（如垃圾郵件），及未經請求即追蹤消費者行為。以及擔心線上零售商產生欺騙的行為，例如有意不實的陳述或沒有傳遞商品。 (2) 安全性風險（Security Risk）：即系統安全性，包括擔心有人蓄意的侵害資料保護技術設備，來獲取消費者個人的資料，財務或交易的資訊。. 該研究發現了網路隱私及安全議題同時影響網路購買意願，證實網路經驗較高的人，可能對於網路購物的知覺風險較低，並發現受訪者針對網路購物之知覺風險上，普遍感受到隱私及安全風險的存在，以往其它研究所提出的知覺風險構面，如財務、績效、時間、身體、心理及社會等風險，皆未在該研究之受訪者中被提及，因此該研究僅 12.

(27) 使用隱私及安全兩種風險衡量網路購物情境之知覺風險。綜合以上文獻，知覺風險屬於多構面衡量的概念，考慮到本研究的主題是要衡量消費者轉換到網路購買點數卡之因素分析，因此採用 Miyazaki 與 Fernandez（2001）所提出來的隱私風險與安全性風險，作為知覺風險之構面。. 第四節使用習慣習慣亦稱慣性，它是一種無形的力量，會透過刺激與反應重複不斷地連結而強化，當行為經過一段時間以後，想法、作法、判斷及反應等會漸穩定下來，而固定在一個範圍內，因此習慣可以說是行為的舊模式。習慣心理學（柯永河，1995）一書中將「習慣」定義為經由刺激、反應和兩者之間的穩定關係，且若其現象的繼續存在或至少繼續存在一段時間為必然條件之一，所以只要能繼續一段時間的現象都可能成為習慣學者的研究對象。從刺激-反應的角度來看，習慣的強度可以反映出行為在過去已被增強的程度；而從資訊理論的觀點來看，習慣的出現是來自於重覆的反應，習慣是由快速、容易及需要等最小的注意力的認知處理所引導，可以和其他活動同時進行（Woodside, 1998）。同時當行為被重覆與執行並變成習慣後，行為前的理性評估尌會喪失 (Verplanken, Arts & Knippenberg, 1998)。習慣可以反應出一個人過去所發展、累積的自動行為傾向 13.

(28) （Limayem &Hirt, 2003），人們會繼續以其習慣使用的方式去做事，並不對他們的行為做進一步的思考或理性的分析，而只是基於習慣（Gefen, 2003）。也尌是說，在所有條件都相同且在習慣性行為的情況下，行為舉止將會變成自動與自覺的進行，以前的行為將會是未來行為的一個指標。對於有線上購物的消費者進行研究結果發現，在持續透過特定的網站購買產品或其它服務時，習慣和行為結果（認知有用性、認知易用性）會影響網站持續使用的一個主要因素（Gefen, 2003）。. 上網民眾之所以會採取習慣的行為，其原因在於可免於被迫作新的選擇、節省時間、認為各選擇之間並沒有明顯的差異、熟悉目前的品牌、降低知覺風險（Bloemer & Kasper, 1995），或因為懶惰的使用者避免學習新服務內容、並且避免比較同性質網站之間的差異（Heskett, et.al,1994）。而另一個可能的原因為轉換成本，轉換成本是顧客認知到轉換服務提供者所必須花費的時間、金錢及精力（Jones, Mothersbaugh & Beatty, 2000）。轉換成本包括績效喪失成本、不確定成本、轉換前搜尋及評估成本、轉換後行為及認知成本、啟動成本及沉沒成本、重新學習成本、締約成本與後續成本等 (Jones,Mothersbaugh & Beatty, 2000; Ranaweera & Prabhu, 2003; Zauberman, 2003)。 14.

(29) 當習慣發展形成後，顧客重複購買之習慣與偏好現在的購買行為尌會持續，而表現出顧客留存的狀態（Roy, Chintagunta &Haldar, 1996），可以得知習慣會影響消費者的購物行為，以目前遊戲點數卡的銷售市場而言，大多數遊戲玩家仍習慣在便利超商購買遊戲點數卡，此習慣直接影響到玩家轉換到線上購買點數卡的意願。. 第五節相對利益與妨礙網路上的交易相反，遊戲玩家所知覺網路購物的相對利益，為價值框架內的另一個構面，相對利益會鼓勵使用者使用線上交易。相對利益是出自技術認知有用性接受模型（Davis, 1989）。相對利益概念強調新服務與現有服務相比，性能改善的部分。相對利益是用來表示在何種程度上線上服務是優於實體通路的。根據之前的研究如（Winklhofer ＆ Ennew, 2001; Polatoglu, 2001），節約成本與便利性已被確定為比傳統的實體通路有更多的相對利益。Pavlou （2003）以驗證了相對利益顯著的影響電子商務的使用意圖。以銀行業為例，消費者在實體的通路上，只有當櫃台是有空閒的使用者才能辦理服務，這表示消費者可能需要花費時間在排隊等候上，相比之下，使用網路銀行服務，沒有時間的限制。另外，網路的匯款手續費，也低於在實. 15.

(30) 體銀行辦理，這些相對的好處，都鼓勵使用者從實體轉換到線上銀行服務。至於在購買線上遊戲點數卡方面，使用線上交易與實體店面相比，在時間與空間上更具有便利性，不受販賣地點與營業時間的限制，而且目前通常透過官方的網路帄台購買遊戲點數卡，由於官方省去了中間通路商的上架費與通路費，遊戲廠商都會對在官網上購買的玩家，提供額外的優惠，例如：遊戲點卡打折、贈送虛擬寶物或延長遊戲時間等優惠。. 第六節套牢效果與轉換成本ㄧ、套牢的定義套牢（Lock-In）是指消費者對於現有產品或服務，因為具有高度的忠誠度與高度的轉換成本，所產生的低度轉換意願；換言之，消費者基於某些因素而不願意或無法轉換使用其它新的產品或服務（Liebowitz & Margolis, 1994）。套牢效果在過去的通訊設備中尌已經出現，而在目前的網路經濟中則形成常態現象，消費者對於資訊產品的使用，會隨著使用增加造成轉換成本的提高，而形成套牢。. 16.

(31) 二、套牢現象的形成套牢是一種無法轉換的現象，而主要形成套牢的原因是來自於消費者特定性的投資所形成的成本或個人偏好，會降低消費者轉換的意願。一旦消費者對於某項產品或服務有了專屬性的投資，這樣專屬性的投資如果在整個投資過程中扮演著重要的地位，將會使得消費者必須付出一定的成本，才能進行轉換。Klemperer（1988）提出形成套牢的原因是來自於個人的偏好或是對於產品使用後所形成的成本，均屬於轉換成本的一種，因此轉換成本與專屬性投資對於套牢效果的形成占有相當重要的影響地位。另外在絡少康、汪志堅與方文昌（2005）以訪談法方式，探索線上遊戲消費者購買決策程序與轉換因素中，有提及套牢理論，在遊戲內花費的時間與精力愈多，愈捨不得離開該遊戲，因為一經轉換本來在遊戲內所營造的人際關係遊戲角色時，屆時都將不復存在，所以便利商店取消遊戲橘子點數卡的販賣，短時間可能不會造成影響，但有可能會在新玩家選擇新遊戲時造成阻礙，此為本研究的一個重點。三、轉換成本定義轉換成本是當顧客從原本的供應商轉換到另一家廠商時，會有固定成本和沉沒成本的存在，而且轉換成本的存在可以將消費者套牢， 17.

(32) 防止顧客被競爭對手掠奪（Porter, 1980）。轉換成本會發生在每一個人、企業或組織在進行轉換的時候，不僅供應商有轉換成本，消費者也同樣面臨轉換供應商的成本，這一項成本的來源是在於搜尋潛在合格供應商的成本與轉換供應商時產生不適應的成本（ Williamson, 1985）。Jackson（1985）把轉換成本定義為：當消費者在轉換供應商的時候所面臨到心理上、實體上及經濟性等的成本。轉換成本尌是專屬性資產中的投資，而這些投資可以歸類為交易成本及學習成本（Klemperer, 1988）。當廠商轉換新的合作夥伴時，為處理新的合作事務，而開發一些新的例行程序與流程（Heide ＆ John, 1990）。轉換成本係指消費者從目前的供應商轉換到另一家廠商所必須付出的成本。. 轉換成本的產生主要是在於消費者對於產品使用上的投入，包括有時間、金錢及情感等投入，這些因素都會造成消費者在使用某項產品後，會對產品形成某種程度上的依賴。因此在此將套牢效果解釋為玩家在遊玩一款遊戲時，對其所花費的金錢，精神，與角色的培養，對於一同遊玩所產生的感情，讓該玩家形成套牢效果而不願離開該遊戲，而願意配合遊戲廠商所制定的購買點卡通路，所以產生了假設四，即套牢效果與轉換成本會正向影響玩家轉換購買意圖。. 18.

(33) 第七節網路經驗相對於傳統的購物活動，消費者必須具備基本的網路相關技能（例如：使用瀏覽器與 e-mail 的能力）才能進行網路購物。由於網路購物是近來新興的購物型態，所以消費者對於網路購物經驗的有無，可能會影響其知覺風險，因為消費者對於某類產品具有較多的購買經驗時，將更容易建立複雜的產品知識，風險隨之降低（Childers, 1986）。根據 Butler 和 Peppard（1998）的研究，當消費者缺乏網路購物經驗時，將承受很大的知覺風險在付款的安全性和必須花費時間去學習，因此消費者有可能只在網路上購買低涉入的產品，如日常生活用品。但隨著網路購物經驗的提升，許多原本消費者認為要廣泛去收集資訊以解決購買問題的高涉入產品，都有可能變成低涉入產品而在網路上購買，此乃因消費者的網路購物經驗上升，對於網路購物情境熟悉，購買的操作漸有經驗，因此對於網路購物的知覺風險逐漸下降，而願意在網路上購物。此外，Liang 和 Huang（1998）也指出，有網路購物經驗的消費者對於網路上某些產品的接受度會比某些產品高，例如比起家具和廚具，消費者可能比較願意在網路上購買書籍或花束。Miyazaki 和 Fernandez（2001）也指出當消費者網路經驗愈豐富，則消費者處理 19.

(34) 網路交易時的知覺風險也會愈低。因此，缺乏網路經驗將成為消費者進行網路購物的阻礙（Kwak, Fox & Zinkhan, 2002）。以網路經驗作為界定網路使用者的定義可謂最寬鬆的標準，該類調查將曾經接觸、使用過網路的人口都計入上網人口；但依此定義所涵蓋的使用人口，將曾經使用過、但不再繼續使用網路的人，以及很少上網的輕度使用者亦計入上網人口中；潘明君（2001）主張「網路使用者」應有一最低限度的使用程度才可計為上網人口，如某段期間內必須達到最低上網時數或上網頻率，近幾月內有曾上網等條件。在文獻衡量網路經驗約有二種方式，分別是「上網密集度」與「上網持續性」。 1. 上網密集度（Frequency of Use）：是指消費者的網路使用率，是以最低的上網時數或頻率做為認定的標準(Miyazaki & Fernandez, 2001)。 2. 上網持續性（Duration of Experience）：定義為消費者從第一次使用網路至今仍定期使用網路的時間（Miyazaki & Fernandez, 2001）。. 20.

(35) 綜合以上所述，考量遊戲玩家之網路經驗方面，基本的操作網路技巧，如收發 e-mail 或使用瀏覽器等已經具備，因此本文在網路經驗的衡量方面，將以上網時數、網路購物經驗與網路付款經驗等加以衡量。. 21.

(36) 第三章研究方法根據本文研究動機與目的，以及第二章之文獻探討，建立本研究架構與命題假設，為達到研究目的，將透過資料分析檢驗文中所提之各假說。本章共計五節，第一節為研究架構，第二節為建立命題假設，第三節為問卷設計，第四節為抽樣設計，最後則是分析工具說明。. 第一節研究架構一、研究架構之建立線上遊戲玩家考慮在線上購買遊戲點時，會受到知覺風險、相對利益、使用習慣與套牢效果等影響，而遊戲玩家的網路經驗又會影響到遊戲玩家對網路購點知覺風險與相對利益的判斷，本研究欲探討知覺風險、相對利益、使用習慣與套牢效果對轉換購買意圖之影響力，研究架構如圖 3-1 所示。. 圖 3-1 研究架構圖 22.

(37) 第二節建立假設命題 (一) 知覺風險與購買意圖 Pavlou（2003）發現，知覺風險對於進行電子商務交易具有負向影響。Gold 與 Rao（2008）的研究，顯示知覺風險對使用網路購物具有顯著負向影響，因此知覺風險會降低使用網路通路的意願。據此本研究提出了假設一，即當遊戲玩家感受到有知覺風險的時候，會降低遊戲玩家使用線上交易的意願。 H1：知覺風險對轉換意願具有負向影響。 (二) 使用習慣與購買意圖習慣來自於重覆的反應，習慣是由快速、容易、需要最小的注意力的認知處理所引導，可以和其它活動同時進行 (Wood, 1998)。當行為被重覆與執行變成習慣後，行為前的理性評估尌會喪失（Verplanken, Arts & Knippenberg, 1998）。習慣可以反應出一個人過去所發展、累積的自動行為傾向（Limayem & Hirt, 2003），人們會繼續以習慣使用的方式做事，並不對行為做進一步的思考或理性的分析，而只是基於習慣（Gefen, 2003）。當習慣發展成形後，消費者會重複購買之習慣與偏好現在的購買行為尌會持續，而表現出消費者留存的狀態（Roy, Chintagunta & Haldar, 1996），從上述得知習慣會影響消費者的購物行為，以目前 23.

(38) 遊戲點數卡的銷售市場而言，大多數遊戲玩家還是在便利超商購買遊戲點數卡，此消費習慣，會影響玩家轉換到線上購買點數卡的意願。據此提出第二假設，使用習慣對於轉換意圖有負向影響。 H2：使用習慣對於轉換意圖有負向影響 (三) 相對利益與購買意圖相對利益強調新服務與現有服務相比，其性能改善的部分；且用來表示在何種程度線上服務是優於實體通路。節約成本與便利性已被確定為比傳統的實體通路有更多的相對利益（Winklhofer ＆ Ennew, 2001; Polatoglu, 2001）。也有研究文獻，以驗證了相對利益顯著的影響電子商務的使用意圖（Pavlou, 2003）。至於在購買線上遊戲點數卡方面，使用線上交易與實體店面相比，在時間與空間上更具有便利性，不受販賣地點與營業時間的限制，而且目前通常透過官方的網路帄台購買遊戲點數卡，由於官方省去了中間通路商的上架費與通路費，遊戲廠商都會對在官網上購買的玩家，提供額外的優惠，例如：遊戲點卡打折、贈送虛擬寶物及延長遊戲時間等優惠。. 24.

(39) 綜合以上所述，我們產生了一個假設三，當遊戲玩家感受到線上交易與實體通路相比，有更多利益的時候，會增強遊戲玩家轉換到線上交易的意願。 H3：相對利益對於轉換意圖有正面影響。 (四) 套牢效果與購買意圖絡少康、汪志堅與方文昌（2005）以訪談法探索線上遊戲消費者購買決策程序與轉換因素中，有提及套牢理論，在遊戲內花費的時間與精力愈多，愈捨不得離開該遊戲，因為一經轉換本來在遊戲內所營造的人際關係遊戲角色等，都將不復存在，因此在這裡我們把套牢效果解釋成，由於玩家在遊玩一款遊戲時，對其所花費的金錢，精神，與角色的培養，對於一同遊玩所產生的感情，會讓該玩家捨不得離開該遊戲，而願意配合遊戲廠商所制定的購買點卡通路，所以產生了假設四，套牢效果與轉換成本會正向影響玩家轉換購買意圖。 H4：套牢效果與轉換成本會正向影響玩家轉換購買意圖。 (五) 網路經驗的影響據 Butler 與 Peppard（1998）指出，當消費者缺乏網路購物經驗時，消費者將承受很大的知覺風險在付款的安全性和必須花費時間去學習。Miyazaki 與 Fernandez（2001）的研究，提及消費者網路經驗愈豐富，則消費者處理網路交易時的知覺風險也會愈低。因此，缺乏 25.

(40) 網路經驗將成為消費者進行網路購物的阻礙（Kwak, Fox & Zinkhan, 2002）。許多文獻也驗證了，相對利益顯著的影響電子商務的使用意圖（Pavlou, 2003），而網路經驗可以幫助消費者更好的確認網路交易優於實體購物，網路經驗會影響消費者的知覺判斷，因此提出下列四點假設命題： H5：網路經驗對於知覺風險有負向影響。 H6：網路經驗對於套牢效果有正向影響。 H7：網路經驗對於相對利益有正向影響。 H8：網路經驗對於使用習慣有負向影響。. (六)不同的人統口計變數的影響 Lunn 與 Suman（2002）針對可能影響網路購物的因素，將這些因素歸納為 14 個構面，並利用 2001 年 UCLA 網路調查資料，針對全美 50 州與哥倫比亞行政區的 2,006 個家庭中挑選出 1,274 位受訪者，以瞭解網路購買的頻率與金額多寡，並將上述 14 構面作相關性分析，以進一步推估出網路購物的頻率高低與消費金額。其結果發現，男性與網路購買行為呈正相關，亦即男性上網購物的頻率高於女性，合理的解釋是男性網路購物的經驗多於女性。 Kwak、 Fox 與 Zinkhan （2002）以美國網路使用者為對象，採用電子郵件邀請受訪者參與調查，使用電腦程式每天發出電子郵件一 26.

(41) 連二個星期，有 307 個受訪者回覆。其研究發現，人口統計中的性別、所得、年齡、教育程度當中，唯有性別（男性）、所得對網路購物有明顯的影響。Li, Kuo 與 Russell （1999）資料收集是採用線上調查 999 個美國網路使用者，人口統計資料包含性別、年齡、教育及所得等。人口統計對購物頻率的假說檢測採用卡方檢定，其結果顯示性別、教育、所得對網路使用者是否進行網路購物有顯著影響。綜合上述，得知消費者不同的人口統計變數，其網路經驗或進行網路購物是存在差異的，因此推論出下列兩個假設： H9：不同的個人特質網路經驗有差異。 H10：不同的個人特質，對於網路購點的轉化購買意圖有差異。最後將本研究假設統整，如表 3-1 所示。. 表 3-1 研究假設彙整表 H1：知覺風險對於轉換意圖有負面影響 H2：使用習慣對於轉換意圖有負面影響 H3：相對利益對於轉換意圖有正面影響 H4：套牢現象對於轉換意圖有正面影響 H5：網路經驗對於知覺風險有負向影響 H6：網路經驗對於套牢效果有正向影響 H7：網路經驗對於相對利益有正向影響 H8：網路經驗對於使用習慣有負向影響 H9：不同的個人特質網路經驗有差異 H10：不同的個人特質，對於網路購點的轉化購買意圖有差異. 27.

(42) 第三節問卷設計此份問卷參考（1）李朝瑞（2009）與（2）Lu, Cao ,Wang , Yang （2011）兩份問卷之題項修改而來。. 第四節抽樣設計一、研究對象本研究是針對線上遊戲玩家，在購買遊戲點數卡時，有哪些因素會影響玩家轉換到網路購買意願，以網路經驗作為中介變數。樣本對象主要以有玩過線上遊戲的玩家且有購買過遊戲點數卡的消費者為主要研究樣本，抽樣的網站選擇巴哈姆特遊戲論壇，該論壇目前為國內最大之遊戲討論區，各廠商之線上遊戲均有設立專區討論，遊戲玩家眾多，因此作為抽樣網站之選擇。. 二、抽樣方法與資料蒐集調查採用便利抽樣的方式進行，以網路發放問卷，針對在巴哈姆特遊戲論壇之線上遊戲玩家，且有購買過遊戲點數卡者為主要問卷對象。發放時間從 2012 年 3 月 20 日至 2012 年 5 月 20 日，為期兩個月，發放期間遊戲點數卡的通路並無重大改變。發放樣本數估計，依據 Bentler 與 Chou（1987）提出樣本數為問項數之 5 倍至 10 倍，本研究問項為 33 題，合適的樣本數為 165 份至 330 份左右。本研究共發 28.

(43) 放 322 份問卷，扣除填答時間小於 2 分鐘與答案有矛盾之無效問卷，矛盾為問卷中設有反向題，兩題若勾選意項相反則予以刪除，無效問卷共 60 份，有效問卷共得到 262 份，有效問卷率為 81.3%。. 第五節資料分析方法各問項採用 Likert 五點尺度量表，將有效問卷 262 份進行分析，資料分析工具以 SPSS 12.0 進行分析，分析工具主要如下：. 一、敘述性統計分析（Descriptive Statistic Analysis）對本研究樣本的基本資料進行人口統計變數，並利用次數分配、百分比統計量來描述樣本之分佈情況。. 二、效度分析（Validity Analysis）所謂效度是指測驗問卷數據的正確性，即指問卷施測時之數據能夠測量到它所想要測量的心理特質的程度，本研以收斂效度進行效度的驗證。根據 Fornell 與 Larcker（1981）認為，只要帄均變異萃取量（Average variance extracted）達 0.5 以上，且組成信度（Component reliability）大於 0.7 時即表示該量表具有收斂效度。. 三、信度分析（Reliability Analysis）信度是指測驗結果的可靠性與一致性，一般是採用 Cronbach’s α 係數來檢測衡量題項間的一致性及穩定性；當 α 係數越大，尌表示各 29.

(44) 題項間的關聯性越大，即一致性越高。Cronbach’s α 係數的穩定性標準以數值大於 0.7 者表示高信度、介於 0.7 至 0.35 間為中信度，而 0.35 以下則為低信度，應予以刪除，而本研究各構面採用 Cronbach’s α 係數大於 0.7 之信度指標。. 四、迴歸分析（Regression Analysis）迴歸分析主要用途為解釋與預測，解釋功能旨在說明預測變與效果變項間的關聯強度及關聯方向，而預測功能是使用迴歸方程式，利用已知的自變數來預測未知的變數（蕭文龍，2009）。. 五、單因子變異數分析（One-way ANOVA）變異數分析的目的在於分析各種變異的來源，並可進一步比較不同的細項變數所檢驗的結果是否具有顯著的差異性。本研究使用單因子變異數分析受訪者的人口統計變項，在網路經驗與轉換購買意圖上上是否具有顯著的差異性。. 30.

(45) 第四章實證結果分析本章針對回收之問卷進行實證統計分析，第一節為樣本次數分配分析，包括樣本基本資料分析與各構面間的敘述統計分析；第二節為構面之信度與效度分析；第三節為各命題假設的驗證。. 第一節. 人口基本統計分析. 一、樣本結構分析本文的樣本結構針對 262 份有效問卷進行分析，在樣本結構部份，性別以男性居多，佔 61.5%；年齡方面以 20-25 歲者居多，佔 59.2%，其次為 15-20 歲者，佔 17.6%；職業方面以學生者居多，佔 54.9%，其次為服務業，佔 12.9%；居住地區方面以北部者居多，佔 45.4%，其次為南部地區，佔 26.7%，至於教育程度方面，以大學(專科)生者居多，佔 68.3%，其次為研究所者，佔 15.6%；在月收入方面以 10,000 元以下者居多，約佔 45%；其次為 20,000 元至 30,000 元者，佔 22.5%，如表 4-1 所示。. 31.

(46) 表 4-1 樣本基本資料分析表變數. 類別. 次數. 百分比. 變數. 類別. 次數. %. 性別. 年. 齡. 職. 業. 百分比 %. 男性. 161. 61.5. 教. 研究所. 41. 15.6. 女性. 101. 38.5. 育. 大學. 179. 68.3. 合計. 262. 100. 國高中. 37. 14.1. 15-20 歲. 46. 17.6. 國中. 5. 1.9. 20-25 歲. 155. 59.2. 合計. 262. 100. 25-30 歲. 45. 17.2. 北部. 119. 45.4. 30-40 歲. 16. 6.1. 南部. 70. 26.7. 合計. 262. 100. 住. 中部. 43. 16.4. 學生. 144. 54.9. 地. 東部. 11. 4.2. 服務業. 34. 12.9. 區. 離島. 19. 7.3. 自由業. 32. 12.2. 合計. 262. 100. 無工作者. 16. 5.9. 10,000 元以下. 118. 45.0. 10,000-20,000 元. 35. 13.4. 20,000-30,000 元. 59. 22.5. 30,000-40,000 元. 34. 13.0. 40,000-60,000 元. 10. 3.8. 60,000 元以上. 6. 2.3. 合計. 262. 100. 製造業軍公教人員. 10. 3.7. 程度居. 月收入. 18. 6.4. 其他. 10. 3.7. 合計. 262. 100. 32.

(47) 二、消費者行為分析消費者行為分析是針對262份有效問卷進行分析，在消費者經驗部份，購買過的遊戲點數卡廠商以遊戲橘子居多，佔68.7%，其次為智冠公司之「My card」點數卡，佔36.6%；在每月購買點數卡次數方面，以１次以內者居多，佔50.8%，其次為其它，約佔24.8%；在每月購買點數卡花費方面以300元者以內居多，佔50.8%，其次為300-500 元者，佔38.2%；在每天上網時間方面，以5小時者以上居多，佔32.4%，其次為1-2小時者佔31.7%，在購買地點方面，以前往便利商店居多，有97.3%的受測者在便利商店購買過點數卡，其次為網路購買，有 47.3%；在網路購點付費方式方面，以手機付費居多，佔71.8%，其次為信用卡轉帳，佔14.9%。. 若針對沒有網路購點的受訪者進行分析，沒有使用網路購點的原因，主要以到實體商店購買比較方便居多，佔60.2%，其次為不會使用網路購物佔17.6%，在購買遊戲點數卡時最注重的因素方面，以地點方便性居多，佔46.6%，其次為時間的便利性，佔19.5%，在使用網路購買過點數卡經驗方面，以沒有的受訪者居多，佔52.6%，有在網路購買過點數卡的佔47.4%，如表4-2所示。. 33.

(48) 表4-2 消費者行為分析一覽表變數. 購買過的遊戲點數卡. 每月購買點數卡次數. 每月購買點數卡費用. 每天上網小時. 在網路購買過點數卡. 百分比. 類別. 次數. 類別. 次數. 百分比%. 遊戲橘子. 180. 68.7. 便利商店. 255. 97.3. My card 智冠科技. 96. 36.6. 網路. 124. 47.3. 45. 17.1. 書局. 62. 23.6. 競舞台. 14. 5.3. 網咖. 39. 14.9. 華義WGS. 21. 8.0. 影音出租店. 6. 2.3. GAME淘. 15. 5.7. 手機付費. 89. 其它. 40. 15.2. 信用卡. 26. 一次. 133. 50.8. 便利商店. 10. 兩次. 48. 18.3. ATM. 7. 71.8 20.9 8.0 5.6. 三次. 9. 3.4. 4次以上. 7. 2.7. 其它. 6. 4.8. 其它. 65. 24.8. 實體商店購買比較方便. 106. 60.2. 合計. 262. 100. 不會使用網路購買. 31. 17.6. 300元以內. 133. 50.8. 擔心資料外洩. 24. 13.6. 300-500元. 100. 38.2. 對網路安全性不放心. 7. 4.0. 500-700元. 15. 5.7. 其它. 8. 4.5. 700-1000元. 9. 3.4. 合計. 176. 100. 1000元以上. 5. 2.0. 地點方便性. 122. 46.6. 合計. 262. 100. 時間的便利性. 51. 19.5. 5小時以上. 85. 32.4. 有無搭配贈品或虛擬寶物. 30. 11.5. 3-5小時. 12. 4.6. 安全性. 30. 11.5. 2-3小時. 78. 29.8. 價格. 21. 8.0. 1-2小時. 83. 31.7. 其它. 8. 3.1. 1小時以內. 4. 1.5. 合計. 176. 100. 合計. 262. 100. 沒有. 138. 52.6. 有. 124. 47.4. 合計. 262. 100. %. 變數. 購買遊地點數卡的地點 (複選). 網路購點付費方式 (複選). 未使用網路購買點卡的原因. 購買遊戲點數卡時重視因素. 34.

(49) 三、變數與構面之帄均數與標準差利用描述性統計量計算問卷各題項和構面的帄均數及標準差，藉以瞭解受訪者對該題項及構面的態度傾向和資料分布情形。「套牢效果」構面之各問項帄均數介於1.92至2.52之間，整體構面之帄均數為 2.23；「使用習慣」構面之各問項帄均數介於2.39至3.01之間，整體構面之帄均數為2.79；「知覺風險」構面之各問項帄均數介於3.03至 3.45之間，整體構面之帄均數為3.25；「相對利益」構面之各問項帄均數介於1.78至2.87之間，整體構面之帄均數為2.25；「網路經驗」構面之各問項帄均數介於1.61至2.08之間，整體構面之帄均數為1.84；「購買意願」構面之各問項帄均數介於1.89至2.59之間，整體構面之帄均數為2.26，如表4-3所示。. 35.

(50) 表4-3 各構面內題項之敘述性統計分析表構面. 套牢效果. 題項. 帄均數標準差總帄均. 遊戲中的角色等級愈高，愈會繼續玩此遊戲. 1.92. 0.626. 遊戲中建立人際關係愈多會愈繼續投入遊戲. 1.93. 0.563. 當投入遊戲費用愈多時會愈投入玩該遊戲. 2.03. 1.161. 投入遊戲時間愈長會愈投入玩該遊戲. 2.15. 1.051. 轉換新遊戲要重新培養角色人物會造成困擾. 2.26. 0.884. 遊戲的周邊商品愈多會愈投入玩遊戲. 2.30. 0.985. 轉換新遊戲時要建立新的人際關係會困擾. 2.32. 0.882. 轉換新遊戲時對要學習新的遊戲規則會造成困擾. 2.34. 0.985. 我會因為習慣於該遊戲的操作而繼續玩此遊戲. 2.39. 0.876. 轉換新遊戲重新學習操作會造成困擾. 2.42. 0.901. 轉換新遊戲須提升電腦的配備會造成困擾. 2.52. 0.938. 比起網路我喜歡到便利商店購買遊戲點數卡. 3.01. 1.265. 使用習慣. 2.23. 2.79 比起網路購買我更常到便利商店購買遊戲點數卡. 2.97. 1.166. 熟悉在便利商店購買點數卡程度. 2.39. .754. 36.

(51) 表4-3 各構面內題項之敘述性統計分析表 (續) 構面. 帄均數. 標準差. 網路購買點數卡有被詐欺的風險. 3.03. 1.112. 網路購買點數卡，個人資料有被竊取風險. 3.27. 1.400. 我不信任在網路上購買點數卡. 3.45. 1.166. 網路購買點數卡會比便利商店更便宜. 1.78. 0.933. 網路購買點數卡對我而言是優惠的. 2.01. 1.097. 網路購買點數卡會比便利商店有更多福利. 2.02. 0.628. 使用網路購買點數不受地點上限制. 2.06. 0.831. 使用網路購買點數卡較無時間的限制. 2.10. 0.588. 網路購買點數卡時間上是方便的. 2.24. 0.761. 網路購買點數卡手續是方便的. 2.43. 0.831. 總體而言網路購買點數卡比便利商店更方便. 2.48. 1.067. 網路購買點數卡地點是方便的. 2.59. 0.687. 網路購買點數卡比便利商店更有效率. 2.87. 0.831. 有過網路購物的經驗. 1.61. .845. 對於網路的操作是熟悉的. 1.85. 1.073. 驗. 瞭解網路付款的使用方式. 2.08. .673. 購買意. 便利商店不銷售點數卡會轉向網路購買. 1.89. 1.129. 在便利商店不銷售點數卡不致轉換其它遊戲. 2.34. 1.145. 在網路上購買點數卡的機會比便利商店高. 2.56. .907. 知覺風險. 相對利益. 網路經. 願. 題項. 37. 總帄均. 3.25. 2.25. 1.84. 2.26.

(52) 第二節. 信度與效度分析. 一、各構面因素分析本研究之問卷題項皆係參考之前學者所用之量表設計而成，但考慮到此量表運用到衡量轉換到網路通路的購買意圖上會有所差異，因此採用探索性之因素分析。本文共有 33 個題項若要進行探索性的因素分析，當變數間相關性太高或太低時，均不適合作因素分析，蕭文龍（2009）建議使用 KMO 和 Bartlett’s 球型檢定判定因素分析適合性。 KMO 值愈接近 1，表示題項間共同因素愈多，愈適合進行因素分析， Kaiser（1974）認為 KMO 抽樣配適度的準則，0.6~0.69 為可接受的； 0.7~0.79 為適切的；0.8~1.0 值為良好，而 Bartlett 球型檢定方面則必須達到顯著水準，符合以上兩個條件則表示母體間的相關矩陣有共同因素存在，適合採用因素分析。本研究的 KMO 值為 0.833，以及 Bartlett’s 球型檢定的顯著性 Pr 值為 0.000，在 5%顯著水準下通過檢定，表示適合進行因素分析，如表 4-4 所示。表4-4 構面KMO與Bartlett檢定結果一覽表 Kaiser-Meyer-Olkin. 取樣適切性量數。. Bartlett 的球形檢定. 38. 0.833. 近似卡方分配. 7206.111. d.f.. 528. 顯著性. 0.000.

(53) 接下來進行因素分析，萃取方法為主成分分析法，萃取特徵值大於 1 的因素，採用最大變異法進行轉軸，根據 Hair 等（1998）認為因素負荷量的顯著性與樣本大小有關，樣本數為 250 份時，因素負荷量的標準值為 0.35，而累積解釋變異量須達 60%左右。本研究之因素負荷量介於 0.424~0.901 之間，皆大於 0.35 的標準檢定值，累積的解釋變異量為 73.23%，顯示本因素分析結果臻於理想，如表 4-5 所示。. 表 4-5 各構面因素分析摘要表構面. 套牢效果. 因素負荷量. 共同性. 轉換款遊戲若重新學習操作介面會困擾. 0.784. 0.678. 轉換款遊戲重新培養角色人物會困擾. 0.831. 0.715. 轉換款遊戲重新建立新的人際關係會困擾. 0.796. 0.733. 轉換款遊戲若須提升電腦的配備會困擾. 0.511. 0.729. 轉換款遊戲對新遊戲的規則學習會困擾. 0.727. 0.774. 當投入遊戲的費用愈多時會愈投入玩該遊戲. 0.574. 0.383. 遊戲中已建立人際關係愈多會繼續投入遊戲. 0.817. 0.733. 擁有遊戲的周邊商品愈多會愈投入此遊戲. 0.699. 0.715. 投入遊戲的時間愈長會愈繼續玩此遊戲. 0.602. 0.605. 在遊戲中扮演的角色人物等級愈高會繼續玩此遊戲. 0.737. 0.789. 會因為習慣於該遊戲操作而繼續玩此遊戲. 0.424. 0.572. 題項. 39. 解釋變異量. 累積解釋變異量. 14.66. 14.66.

(54) 表 4-5 各構面因素分析摘要表(續) 因素負荷量. 共同性. 比起網路我喜歡到便利商店購買遊戲點數卡. 0.828. 0.742. 比起網路購買我更常到便利商店購買遊戲點數卡. 0.878. 0.852. 我熟悉如何在便利商店購買點數卡. 0.806. 0.811. 我不信任在網路上購買點數卡. 0.535. 0.608. 0.901. 0.849. 構面. 使用習慣. 題項. 知覺使用網路購買點數卡有被詐欺的風險風險. 相對利益. 網路. 使用網路購買點數卡時，個人資料有被竊取的風險. 0.856. 0.802. 使用網路購買點數卡較無時間的限制. 0.682. .751. 網路購買點數卡比便利商店更方便. 0.795. .686. 網路購買點數卡比便利商店有效率. 0.819. .793. 網路購買點數卡比便利商店有更多福利. 0.876. .847. 使用網路購買點數卡容易管理自己的購買紀錄. 0.703. .787. 使用網路購買點數不受地點上限制. 0.736. .672. 網路購買點數卡手續是方便的. 0.622. .727. 網路購買點數卡是優惠的. 0.722. .824. 網路購買點數卡時間上是方便的. 0.803. .763. 網路購買點數卡地點是方便的. 0.434. .790. 對網路操作是熟悉的. 0.632. .726. 有過網路購物經驗. 0.737. .732. 0.779. .662. 便利商店不銷售點數卡會立即轉向網路購買. 0.758. .876. 便利商店不銷售點數卡不會轉換玩其它遊戲. 0.649. .628. 未來在網路上購買點數卡機會比便利商店高. 0.753. .811. 經驗瞭解網路付款使用方式. 解釋變異量. 累積解釋變異量. 13.46. 28.12. 12.51. 40.63. 12.48. 53.11. 10.64. 63.72. 9.48. 73.23. 購買意願. 40.

(55) 二、信度分析信度用以衡量無誤差程度，以衡量結果的一致性，根據 Nunnally(1987)的觀點，Cronbach’s α 值大於 0.7 時為可信度高。本研究各構面之 Cronbach’s α 值介於 0.724-0.865 之間，皆大於 0.7 標準值。另外 Wortzel(1979)指出 Cronbach’s α 值介於 0.7 至 0.98，則判定具有高的內部一致性，故本研究之量表設計具有良好的信度，如表 4-6 所示。表 4-6 價值框架各構面之信度分析一覽表構面. Cronbach’s α 值. 題項數. 套牢效果. 0.790. 11. 相對利益. 0.841. 10. 知覺風險. 0.804. 3. 使用習慣. 0.865. 3. 網路經驗. 0.795. 3. 購買意願. 0.724. 3. 41.

(56) 三、效度分析本研究以收斂效度進行效度的驗證。Fornell 和 Larcker(1981)認為，只要帄均變異萃取量（Average variance extracted）達 0.5 以上，且組成信度（Component reliability）大於 0.7 即表示該量表具有收斂效度，本研究各構面之 AVE 值，除套牢效果外皆大於 0.5，C.R.值也皆大於 0.7，另因素負荷量的值均符合 Hair 等（1998）所提出之標準。. 表 4-7 價值框架各構面之 AVE 與 CR 值一覽表構面名稱. AVE 值. C.R.. 套牢效果. 0.48. 0.89. 使用習慣. 0.70. 0.87. 知覺風險. 0.61. 0.81. 相對利益. 0.53. 0.91. 網路經驗. 0.51. 0.76. 購買意願. 0.52. 0.76. 42.

(57) 第三節各構面關係之驗證分析一、「知覺風險」對「轉換購買意圖」影響之分析迴歸分析目的在於解釋和預測兩方面，分析自變數對依變數的影響力，進行統計檢定後以解釋管理意涵，至於變數間共線性的問題，蕭文龍(2009)建議 Condition Index 的檢定值，當值小於 30 時，較無共線性問題。知覺風險對轉換購買意圖的簡單迴歸分析結果，如表 4-8 所示。β 的係數為 -0.683，在 1%顯著水準下通過檢定，而 Condition Index 的值為 6.389，如表 4-9 所示。根據迴歸分析結果顯示，知覺風險對轉換購買意圖呈負向影響，意即當遊戲玩家的知覺風險愈高，轉換購買意圖相對降低，故 H1 假設成立。表 4-8 知覺風險對轉換購買意圖之迴歸分析表依變數自變數 (常數) 知覺風險. 轉換購買意圖係數 β. **. -0.683. t值. Pr 值. 調整後的 R2. 41.845 -21.019. 0.000 0.000. 0.628. 註:**Pr<0.01。. 表4-9 知覺風險對轉換購買意圖共線性診斷表特徵值. 變異數比例. 條件指標 (常數). 知覺風險. 1.952. 1.000. .02. .02. .048. 6.389. .98. .98. a. 依變數: 購買意願. 43.

(58) 二、「相對利益」對「轉換購買意圖」影響之分析相對利益對轉換購買意圖的簡單迴歸分析，如表 4-10 所示。迴歸模式的 β 係數為 1.039，在 1%的顯著水準下通過檢定，而 Condition Index 的值為 8.506，如表 4-11 所示。分析結果顯示相對利益對轉換購買意圖呈正向影響，即遊戲玩家對網路購買認知的相對利益愈高，轉換購買意圖相對升高，故 H2 假設成立。表 4-10 相對利益對轉換購買意圖之迴歸分析表依變數. 轉換購買意圖係數 β. 自變數 (常數). 1.039**. 相對利益. t值. Pr 值. -0.520. 0.604. 14.462. 0.000. 調整後的 R2. 0.044. 註:**Pr<0.01。. 表4-11 相對利益對轉換購買意圖之共線性診斷表模式. 維度. 特徵值. 變異數比例. 條件指標 (常數). 相對利益. 1. 1.973. 1.000. .01. .01. 2. .027. 8.506. .99. .99. 1 a. 依變數: 購買意願. 44.

(59) 三、「使用習慣」對「轉換購買意圖」影響之分析使用習慣對轉換購買意圖的簡單迴歸分析，如表 4-12 所示。迴歸模式的 β 係數為-0.647，並在 1%的顯著水準下通過檢定，而 Condition Index 的值為 5.975，如表 4-13 所示。分析結果顯示使用習慣對轉換購買意圖呈負向影響，即遊戲玩家對實體商點使用習慣值愈高，轉換購買意圖相對愈低，故 H3 假設成立。. 表 4-12 使用習慣對轉換購買意圖之迴歸分析表依變數. 轉換購買意圖係數 β. 自變數 (常數). -0.647**. 使用習慣. t值. Pr 值. 37.997. 0.000. -17.847. 0.000. 調整後的 R2. 0.549. 註:**Pr<0.01。. 表4-13 使用習慣對轉換購買意圖共線性診斷表a 模式. 維度. 特徵值. 變異數比例. 條件指標 (常數). 使用習慣. 1. 1.946. 1.000. .03. .03. 2. .054. 5.975. .97. .97. 1 a. 依變數: 購買意願. 45.

(60) 四、「套牢效果」對「轉換購買意圖」影響之分析套牢效果對轉換購買意圖的簡單迴歸分析結果，如表 4-14 所示。迴歸模式的 β 係數為 0.197，並在 5%的顯著水準下通過檢定，而 Condition Index 的值為 8.762，如表 4-15 所示。根據迴歸分析結果顯示套牢效果對轉換購買意圖呈正向影響，意即遊戲對遊戲玩家的套牢效果愈強，轉換購買意圖相對提高，故 H4 假設成立。. 表 4-14 套牢效果對轉換購買意圖之迴歸分析表依變數. 轉換購買意圖係數 β. 自變數 (常數). 0.197*. 套牢效果註:**Pr<0.01. t值. Pr 值. 7.952. 0.000. 1.970. 0.050. 調整後的 R2. 0.011. *PR<0.05。. 表4-15 套牢效果對轉換購買意圖之共線性診斷表a 模式. 維度. 特徵值. 變異數比例. 條件指標 (常數). 套牢效果. 1. 1.974. 1.000. .01. .01. 2. .026. 8.762. .99. .99. 1 a. 依變數: 購買意願. 46.

(61) 五、「網路經驗」對「知覺風險」影響之分析網路經驗對知覺風險的簡單迴歸分析，如表 4-16 所示。迴歸模式 β 的係數為-0.808，並在 1%顯著水準下通過檢定，而 Condition Index 的值為 5.179，如表 4- 17 所示。分析結果顯示網路經驗對知覺風險呈負向影響，即遊戲玩家的網路經驗愈豐富，則對網路的知覺風險則相對降低，故 H5 假設成立。. 表 4-16 網路經驗對知覺風險之迴歸分析表依變數. 知覺風險係數 β. 自變數 (常數). -0.808**. 網路經驗. t值. Pr 值. 33.221. 0.000. -11.274. 0.000. 調整後的 R2. 0.326. 註:**Pr<0.01。. 表4-17 網路經驗對知覺風險之共線性診斷表a 模式. 維度. 特徵值. 變異數比例. 條件指標 (常數). 網路經驗. 1. 1.929. 1.000. .04. .04. 2. .071. 5.197. .96. .96. 1 a. 依變數: 知覺風險總. 47.

(62) 六、「網路經驗」對「套牢效果」影響之分析網路經驗對套牢效果的簡單迴歸分析，如表 4-18 所示。迴歸模式 β 的係數為 0.025，並未通過檢定水準，顯示網路經驗對套牢效果並無顯著影響，即遊戲玩家的網路經驗愈豐富與否，與遊戲對遊戲玩家的套牢效果無關，故 H6 假設不成立。表 4-18 網路經驗對套牢效果之迴歸分析表依變數. 套牢效果係數 β. 自變數 (常數) 網路經驗. 0.025. t值. Pr 值. 25.344. 0.000. 0.588. 0.557. 調整後的 R2. -0.003. 七、「網路經驗」對「相對利益」影響之分析網路經驗對相對利益的簡單迴歸分析，如表 4-19 示。迴歸模式 β 的係數為 0.537，並在 1%的顯著水準下通過檢定，而 Condition Index 的值為 5.197，如表 4- 20 所示。依據迴歸分析結果顯示網路經驗對相對利益呈正向影響，即遊戲玩家的網路經驗愈豐富，則相對利益相對提高，故 H7 假設成立。表 4-19 網路經驗對相對利益之迴歸分析表依變數自變數. 相對利益係數 β. (常數) 網路經驗. 0.537** 48. t值. Pr 值. 20.810. 0.000. 17.599. 0.000. 調整後的 R2. 0.542.

(63) 表4-20 網路經驗對相對利益之共線性診斷表a 模式. 維度. 特徵值. 變異數比例. 條件指標 (常數). 網路經驗. 1. 1.929. 1.000. .04. .04. 2. .071. 5.197. .96. .96. 1 a. 依變數: 相對利益總. 八、「網路經驗」對「使用習慣」影響之分析網路經驗對使用習慣的簡單迴歸分析，如表 4-21 所示。迴歸模式 β 的係數為-0.584，並在 1%的顯著水準下通過檢定，而 Condition Index 的值為 5.197，如表 4- 22 所示。結果表示網路經驗對使用習慣呈負向影響，即遊戲玩家的網路經驗愈豐富，則對實體商店的使用習慣相對降低，故 H8 假設成立。表 4-21 網路經驗對使用習慣之迴歸分析表依變數. 使用習慣係數 β. 自變數 (常數). -0.584**. 網路經驗. t值. Pr 值. 26.958. 0.000. -8.094. 0.000. 調整後的 R2. 0.198. 註:**Pr<0.01. 表4-22 網路經驗對使用習慣之共線性診斷表a 模式. 維度. 特徵值. 變異數比例. 條件指標 (常數). 網路經驗. 1. 1.929. 1.000. .04. .04. 2. .071. 5.197. .96. .96. 1 a. 依變數: 使用習慣總. 49.

(64) 九、「人口統計資料」對「網路經驗」影響之分析為了瞭解不同的人口統計變數其網路經驗是否有差異，再以性別、居住地、年齡、職業、教育程度及月收入等個人特質為自變數，對網路經驗進行單因子變異數分析。首先要進行單因子變異數分析之前，須先進行 Levene 檢定來檢驗變異數的同質性，若 Levene 檢定 Pr 值未達顯著，則表示其變異數無顯著差異，則變異數為同質，將以 Scheffe 檢定法進行 Post Hoc 多重比較；若 Levene 檢定 Pr 值達顯著，代表其變異數不同質，則以 Dunnett’s T3 進行 Post Hoc 多重比較。 Levene 檢定的結果顯示，居住地的檢定 Pr 值未達顯著，表示其變異數無顯著差異，所以採用 Scheffe 檢定法進行 Post Hoc 多重比較，其餘人口統計變數，由於 Levene 檢定的 Pr 值，在 5%的顯著水準下達顯著，表示其變異數有顯著差異，所以採用 Dunnett’s T3 檢定，如表 4-23 所示。. 50.

(65) 表 4-23 人口統計資料對網路經驗 Levene 檢定結果一覽表人口統計變量. Levene 統計量. 分子自由度. 分母自由度. Pr 值. 性別. 6.938. 1. 260. 0.000. 居住地. 1.091. 4. 257. 0.361. 年齡. 5.970. 3. 258. .001. 職業. 8.726. 9. 252. .000. 教育程度. 4.454. 3. 258. .005. 月收入. 9.408. 5. 256. .000. 研究結果顯示，在性別方面男性的網路經驗較女性高。在居住地方面，各組間無顯著差異。在年齡方面，各組間無顯著差異。在職業方面，各組間有顯著差異，以軍公教人員的網路經驗最高，無工作者的網路經驗最低。在教育程度方面，國中與其它組別有顯著差異。在月收入方面，月收入 6 萬以上的族群，網路經驗明顯高於其他組別， Scheffe 檢定與 Dunnett’s. T3 檢定的檢定結果，請參閱附錄１。. 51.