臺灣博碩士論文加值系統

論文摘要
資訊科技與生產技術的進步，使得以顧客為導向的商品製造與行銷方式成為主要的趨勢，因此了解顧客的商品偏好，便成為商品製造與行銷前的重要考驗參考依據。在軌跡法一文（韓懷恩，1997）中，作者利用WWW伺服器所記錄的瀏覽者閱讀資訊之記錄檔，分析並粹取出有用的參數指標，而藉由這些指標推論出瀏覽者對於商品屬性的偏好。本研究主要目的在於改善韓懷恩在軌跡法之實證研究中所不足之缺失。共分以下三部分：系統部分、受試者分類部分以及資料分析部分。
本研究經實驗證明以下結果：一、軌跡法應用至網際網路上時，仍能有效推估偏好順序。二、在預測高偏好屬性上，MNL分析方法優於迴歸分析法。三、在預測最重要屬性之準確度上，MNL分析法優於軌跡法。四、若軌跡法改用MNL分析法，則可大幅降低實驗之困難度。

Abstract
The rapid growth of World Wide Web and Internet has brightened the prospective of Internet commerce. Many companies have devoted considerable resources to their own homepages to promote products and services. Since the visitors of a web site are also potential customers of the products and services provided by the company, understanding the preference of web surfers will provide useful inference to the propensity of potential customers. In “ Track Analysis Method ” (Hwai-En Han, 1997), the author utilized the log files of a web server and analyzed the “traces” left behind by a web surfer. By analyzing the “traces”, the preference of the web surfer can be elicited. The preference elicitation framework was validated in a laboratory experiment setting where the subjects’ stated preferences were derived from questionnaire and the Analytical Hierarchy Process (AHP).
This research re-validated the “Track Analysis Method” on the Internet and used Multinomial Logit Model (MNL) to analyze browsing data. By using MNL, the subjects’ preferences can be revealed by using a simple question instead of a complicated AHP table.

目錄
目錄 I
圖目錄 IV
表目錄 V
第一章、緒論 1
第一節、研究背景與動機 1
第二節、研究目的 2
第三節、預期成果 3
第四節、研究貢獻 3
第五節、研究程序 4
第二章、文獻探討 7
第一節、軌跡法 7
一、簡介 7
二、軌跡法之受試者分類部分 8
三、軌跡法之資料分析部分 9
第二節、受試者分類的方法 10
一、簡介 10
二、以GOMS 模式來闡述瀏覽過程（Process of Browsing） 10
三、瀏覽策略 14
四、受試者分類 15
第三節、資料分析的方法 16
一、Discrete Choice Analysis 16
二、機率性選擇理論 （Probabilistic Choice Theory） 20
三、Multinomial Logit Model (MNL) 20
第三章、研究方法 24
第一節、研究架構 24
第二節、研究變數之定義與衡量 32
一、自變數（Independent variables） 32
二、因變數（Dependent variables） 33
三、環境變數（Environmental variables） 33
第三節、研究假說 33
一、第一階段全部屬性之相關性檢定假說設定 33
二、第二階段高偏好屬性之相關性檢定假說設定 34
第四節、實驗任務、實驗誘因、實驗對象與環境及實驗系統 34
一、實驗任務 34
二、實驗誘因 34
三、實驗對象與環境 34
四、實驗系統 35
第四章、資料分析與假說驗證 36
第一節、基本資料 36
一、受試者基本資料統計 36
二、受試者分屬類型檢定 37
第二節、MNL分析 37
一、回顧瀏覽類 38
二、掃瞄瀏覽類型 40
第三節、相關性檢定 42
第一階段、全部屬性之相關性檢定 42
第二階段、高偏好屬性之相關性檢定 43
第四節、迴歸分析結果 44
第五節、假說驗證 47
第一階段全部屬性之相關性檢定假說驗證 49
第二階段高偏好屬性之相關性檢定假說設定 49
第五節、分析結果討論與比較 50
一、第一階段全部屬性之相關性檢定分析結果討論 50
二、第二階段高偏好屬性之相關性檢定分析結果討論 51
三、最重要屬性準確度 52
第五章、結論 53
第一節、研究結果 53
一、軌跡法應用至網際網路上時，仍能有效推估偏好順序 53
二、在預測高偏好屬性上，若軌跡法改用MNL分析方法效果優於使用迴歸分析法 53
三、在預測最重要屬性之準確度上，若軌跡法改用MNL分析法效果優於迴歸分析法 54
四、若軌跡法改用MNL分析法，則可大幅降低實驗之困難度 54
第二節、研究限制 54
一、環境的干擾 54
二、資料在網路中的傳送時間(propagation delay) 55
第三節、研究未來展望與建議 55
未來可利用改善後軌跡法所預測之結果，進行後續應用之研究 55
參考文獻 56
附錄一、WWW問卷內容 58
附錄二、原軌跡法之超媒體文件內容（文字部分） 61
附錄三、原軌跡法之超媒體文件內容（網頁部分） 85
圖目錄
圖3-1 研究架構圖 24
表目錄
表2－1 定性選擇模型之分類簡表 21
表3－1a軌跡法L形態 29
表3－1B排序S形態 30
表3－3 軌跡L中，各個屬性之分配值 32
表4－1 受試者瀏覽類型分佈情形 37
表4－2 受試者MNL分析與驗證分配人數 37
表4－3A回顧瀏覽類型受試者MNL分析常數與錨值係數 38
表4－3B回顧瀏覽類型受試者MNL分析序值係數 39
表4－3C回顧瀏覽類型受試者MNL分析時值係數 39
表4－4A掃瞄瀏覽類型受試者MNL分析常數與錨點值係數 41
表4－4B掃瞄瀏覽類型受試者MNL分析時值係數 41
表4－5 原軌跡法之分析結果 44
表4－6 本研究分析結果 44

參考文獻
1. Ben-Akiva, M. and Lerman, S.R. Discrete Choice Analysis:Theory and Application to Travel Demand, MIT Press, London, 1987, p.32.
2. Boyd, H., Westfall, R. and Stasch, S. Marketing Research: Text and Cases, Richard Irwin, Homewood, ill., 1991,p.212
3. Card, S. K., Moran, T. K., and Newell, A. The Psychology of Human-Computer Interaction, Lawrence Erlbaum, Hillsdate, NJ, 1983.
4. Carmel, E., Crawford, S. and Chen, H., ”Browsing in Hypertext: A Cognitive Study,” IEEE Transactions on Systems, Man, and Cybernetics (22:5), 1992.
5. Gensch, D. H. and Recker, W. W. “The multinomial, multiattribute logit choice model,” Journal of Marketing Research (16), 1979, pp. 124-132.
6. Guadagni, P. M. and Little, J. D. “A logit model of brand choice calibrated on scanner data,” Marketing Science (2), 1983, pp. 203-238.
7. Hardie, B. G. S., Johnson, E.J. and Fader, P. S. “Modelling loss aversion and reference dependent effects on brand choice,” Marketing Science (12), 1993, pp. 378-394.
8. Louviere, J. and Woodworth, G. “Design and analysis of simulated consumer choice or allocation experiments: an approach based on aggregate data,” Journal of Marketing Research (20), 1983, pp. 350-367.
9. Luce, R. and Suppes, P., “Preference , Utility and Subjective Probability,” in Handbook of Mathematical Psychology (3), R. Luce, R. Bush and E. Galanter (eds.) , Wiley, New York, 1965.
10. Manski, C. F. “The structure of random utility models,” Theory and Decision (8), 1977, pp. 229-354.
11. Marchionini, G., ”Information-seeking strategies of novices using a full-text electronic encyclopedia,” Journal Amerrican Society Information Science (40:1), 1989, pp. 54-66.
12. McFadden, D. “Conditional logit analysis of qualitative choice behavior,” In Frontiers in econometrics, P. Zaremka (eds.), Acdemic Press, New York, 1974, pp. 105-142.
13. Punj, G. N. and Staelin, R. “The choice process for graduate business schools,” Journal of Marketing Research (15), 1978, pp. 588-598.
14. Slovic, P., Fischoff, B. and Lichtenstein, L. “Behavioral Decision Theory,” Ann. Rev. Psychology (1), 1977.
15. Svenson, O., ”Process Descriptions of Decision-Making,” Org. Behavior Human Performance (23), pp.86-112.
16. 韓懷恩(1997)，”以全球資訊網(WWW)為研究調查工具之實驗探討：就調查國際旅遊市場為例”，國立中正大學資訊管理研究所碩士論文.
17. 楊峻程(1998)，”偏好誘尋法效用之比較研究：以個人化廣告為工具”，國立中正大學資訊管理研究所碩士論文