2025年10月14日 星期二

 《 AI是否科技泡沫化?——從歷史科技泡沫化案例與市場指標分析 》


引言

人工智慧(AI)近年來成為全球熱議的科技焦點,驅動了巨額投資與市場估值飆升。然而,隨著資本市場熱度高漲,「AI是否處於科技泡沫化階段?」成為產業界與投資界普遍關注的問題。

結合過去歷史上科技泡沫化的關鍵警訊與AI當前的市場指標,探討AI產業是否存在泡沫化風險及其影響範圍。

 
一、歷史科技泡沫的典型警訊

科技泡沫的典型案例,包括:
 
1.網路泡沫(Dot-com Bubble1995
-2001
90年代末美國網路相關企業股價暴漲,估值過高但缺乏盈利實績。
代表公司大量倒閉,基礎設施如光纖鋪設過度導致大面積閒置。
泡沫破裂引發科技股大幅崩盤與產業重組。
 
2.電信泡沫(2000年左右)
大量投資於固網、手機及光纖基礎設施,但需求未達預期,資產重估導致重挫並引發產業整合。
 
3.比特幣及加密貨幣泡沫(2017
-2018
加密貨幣價格暴漲及ICO熱潮,估值脫離基本面,多數幣種價格破裂大跌。
 
4.近期人工智慧泡沫(2023
-2025,可能形成中)
 AI領域投資與估值急速增長,部分新創尚無穩定盈利,投資行為帶有過度樂觀與系統性風險。

過去知名的科技泡沫案例,均展現出明顯的共通警訊:
     大規模基礎設施過度投資,產能遠超出實際市場需求
例如:網路泡沫期間美國光纖基礎設施鋪設超出實際使用85%之多,形成所謂「dark fiber」現象。
     大量無盈利或盈利模式不明的新創企業高估值上市
短時間內吸引大量資金注入。
     投資者忽略傳統財務指標(如收入、現金流)
改以未經驗證的未來技術前景和話題熱度作為估值依據。
     企業之間出現交互投資和超前併購:
帶來複雜的金融結構及系統性風險。
     媒體與社群話題熱烈,散戶及非理性投資行為盛行
 高層管理者大量套現離場,引發市場恐慌與信心崩潰。

這些因素綜合作用,最終導致資本市場的大幅震盪與產業重組。

泡沫警訊

典型舉例

概述

基礎設施過度投資

光纖鋪設過剩

產能遠大於市場需求

盲目IPO與高估值

網路公司上市

盈利模式未驗證

融資氾濫忽略財報

.com泡沫

現金流、盈利被忽視

併購狂潮

電信業整併

收購成損失來源

媒體散戶蜂擁

公眾情緒高漲

投資非理性化

高層大宗拋售

CiscoDell

高層信心動搖



二、AI市場的現狀與泡沫指標


經典泡沫指標,包括:

  1. 估值超越基本面、
  2. 傳統財務指標失效、
  3. 資本快速湧入與非理性行為、
  4. 交互投資與金融工程、
  5. 單一領域帶動股市大幅成長、
  6. 盈利模式不明/燒錢結構及
  7. 話題熱度與媒體狂潮。


這些指標與歷史泡沫的警訊高度吻合,但也需注意AI技術本身持續帶來顯著改變,為長期發展提供有力基礎。


指標

泡沫跡象

公司估值/實質收入比

高於歷史常態

投資者構成

大量新手或非理性資金

傳統財務指標採用度

明顯下降

產業交互投資與金融創新

明顯成長

媒體及社交熱度

高漲



、產業結構與滲透情形


目前,AI市場出現以下特徵:


1.近期AI市場呈現極為火熱的投資態勢,眾多企業估值已遠遠超過其現階段的收入與盈利能力。

以OpenAI為代表,其2025年估值已飆升至5000億美元,但同期間公司現金燒耗卻高達數十億甚至百億美元,單上半年就消耗近25億美元,而全年虧損預計超過85億美元;這意味著營收雖增速驚人,但尚未脫離高額虧損狀態。


2.現今投資者評價AI企業時,逐漸由傳統的財務表現(如盈餘、現金流)轉向更側重於技術的前沿性及模型效能。

公司是否掌握新一代語言模型、深度學習架構及領先算法,成為主要價值判斷依據,而非穩健現金流或長期獲利。


3.AI產業生態中也出現多家大企業間交叉持股、資金互動與綁定合作

如Nvidia、微軟(Microsoft)、AMD、Oracle等同時為投資方與技術支援方,使資本結構日益複雜,潛藏跨產業金融風險,與以往網路設備泡沫時代情形相似


4.約七成AI服務的用戶用途為非商業性質。

如語言學習、內容生產、社群互動等,顯示不少需求來自消費者對新技術的短期追逐與新奇效應,易受市場情緒波動影響。


5.社群及主流媒體連續大幅推動AI話題,延燒對產業與股市的非理性預期,擴大跟風現象與資金蜂擁而入。



四、易受泡沫破裂影響的行業


從歷史經驗與當前結構觀察,AI泡沫若破裂,以下行業將首當其衝:


     半導體AI基礎設施製造業

包括晶片、數據中心與光纖網路等,因過度擴張面臨需求調整。

     高估值但盈利不明的科技新創公司

尤其依賴風險資本和外部融資持續燒錢的企業。

     風險投資融資機構

因為投資組合集中且估值膨脹,將受到資金回撤影響。

     傳統製造與供應鏈企業

間接受金融市場震盪波及。

     消費者相關產業

因市場情緒與資本收縮造成消費需求下降。


五、結論

總體而言,2025年AI領域的投資金額預計達1.5兆美元,推動全球科技股市值快速膨脹,短期內AI板塊股價大幅拉升,S&P 500前十大公司市值也因AI題材而超常增長。
AI基礎設施業者與主要客戶間的互為投資的融資關係,形成了潛在的系統性金融風險
OpenAI公布的大客戶結構顯示,AI已全面滲透至商業軟體生產力基礎設施消費服務內容產業等各種領域,非單一熱點,且部分應用具真實商業模式與穩健收入。
然而,超過七成用量來自非商業用途,揭示部分需求確實是消費者對新奇科技的短期追捧,而非長期剛性需求。
實際落地場景(如企業自動化、法律、醫療、設計、健康、電商、教育)則代表具有可持續收入基礎的AI企業,仍能支撐產業基本面。
這種產業結構說明AI產業既有因創新實用滲透所產生的合理估值,也存在由資金話題新奇驅動泡沫風險,需要持續監測與理性判斷。

典型的泡沫孕育、形成及破滅過程
2.黃于庭(2024) AI概念股恐泡沫化? 外銀:歷史不會重演,工商時報
3.MacroMicro 財經M平方(2025) AI 生產力循環才在半路?
https://www.facebook.com/photo/?fbid=1213499514149113&set=a.626074672891603
4.財經M平方(2025)【行情快報】一文看懂「AI 永動機」!

https://www.macromicro.me/blog/market-news-understand-the-ai-perpetual-motion-machine-in-one-article?fbclid=IwY2xjawNd1ktleHRuA2FlbQIxMQABHjojyl2Hij-58AtyLwZvhjwZz4Fq28DojyOTzWN5GnqmojzzyK0OrJ1wo619_aem_Qe_TKKabUHY1k79yp-u7SA

歸類為三大主要類別:
1.晶片購買協議:
中游 CSP 廠直接向晶片供應商約定,購買特定金額或數量的晶片,以進行算力的佈建。
2.算力購買 / 租賃協議:
中、下游廠商在特定期間內,再向上層廠商購買或租賃算力的合約,其中特別值得留意的是,由於承諾採購金額多在未來發生,因此當下尚未完成的合約義務便會反映在財報中的剩餘履約義務(Remaining performance obligations,RPO),例如 Oralce 拿下 OpenAI 3,000 億採購大單後,2025 Q3 剩餘履約義務 年增率飆高超過 350% 。
3.投資 / 分潤協議:
最後是企業之間的互相投資、分潤,例如 Nvidia 於 9/22 宣佈向 OpenAI 投資 1,000 億美元、 Microsoft 與 OpenAI 達成的分潤計畫、又或是 10/6 OpenAI 向 AMD 部署 GPU 、換取 10% 的股權的戰略協議。
5.陳建鈞(2025)OpenAI前30大客戶名單意外曝光,Duolingo、Salesforce⋯還有誰在「一兆Token俱樂部」?數位時代
如果要將這些公司做分類的話,或許可以簡單分為以下幾類:
  • 商業軟體與生產力工具
Notion:透過 AI 協助使用者進行文件內容生成、摘要與整理。
  • AI 基礎設施與開發工具
  • AI 核心產品
Perplexity:一個以AI為核心的對話式搜尋引擎。

Read AI:利用AI自動化會議記錄與摘要。

  • 消費者服務與內容創作
Duolingo:在其語言學習應用中,透過 AI 提升教學與互動體驗。
Canva:在其設計平台中整合AI,協助使用者快速生成圖像或設計元素。

 AI不只是生產力工具,滲透至日常生活各方面

OpenAI曾在發布的報告中,聲稱ChatGTP 70%的用量都來自非工作用途,而從這次公布的大客戶清單中,或許也能窺見一二。
儘管許多公司的服務直接聚焦生產力,仍有不少企業是聚焦滿足消費者工作以外的需求
例如,
  • 多鄰國(Duolingo)便是很多工作者在閒暇之間,用於精進自身語言能力的學習平台;
  • Perplexity的用途則非常廣泛,滿足用戶一時興起想要了解新聞、學習新知的需求;
  • Canva同樣可能被大量用於撰寫履歷、社群貼文等工作任務以外的創作需求。
AI或許不僅僅是業界最初期望的強力生產力工具,更是一種滲透到日常生活各個層面,從根本改變生活型態的重要助手。
6.鉅亨網(2025)1兆再加3500-5000億鎂!OpenAI虧百億還不斷下訂單 專家:把供應商綁成「債務共同體」
https://news.cnyes.com/news/id/6190143?fbclid=IwY2xjawNd1o1leHRuA2FlbQIxMABicmlkETE5NGp3dm42TnN6cEtwV0JFAR5AI1WDHocILCX6DWykA0GVvm-phfTpK_cJFRtqG_h365vmoIEi33vR3BQFwg_aem_wba4vi8a9Wdy6xg7Du7UCw執行長奧特曼向員工透露,目標到 2033 年建成 250GW 算力,以現行標準需耗資逾 10 兆美元。

7.科技新報 TechNews (2025)OpenAI 兩難困境:坐擁 8 億用戶卻面臨巨額虧損,付費轉換率成關鍵
8.黃 嬿(2025)AI 贏家已經出線,研究:AI 四分之一收入由 OpenAI 獨攬科技新報 TechNews
https://technews.tw/2025/10/15/openai-win-the-war/

9.(2025)《#川普 2.0時代來臨!全球政經新變局!#謝金河:#AI 下個革命是 #算力!》【2025.10.12『年代向錢看』週末精選】‪@ChenTalkShow‬ #黃仁勳 #晶片

https://www.youtube.com/watch?v=F1hH6kPzQME

10.(2025)EP 258. 史上首次AI打敗人類天才,背後推手如何評價當前泡沫疑慮? ft.深藍電腦之父許峰雄數位時代

https://www.bnext.com.tw/podcast/1060/bn-sound-20251016070854-22xb2hpm

史上首次AI打敗人類天才:
首先,有算力就有棋力,摩爾定律定期讓每一代新晶片算力提升,時間拉長打敗棋王只是早晚的事。圍棋又比西洋棋複雜許多,2016年DeepMind的AlphaGo打敗韓國世界冠軍李世石,在許峰雄看來就是算力提升棋力再提升的邏輯,並不驚訝。
其次也是真正造成不同的,是類神經網路深度學習的研究,是區隔Deep BlueDeepMind技術的重大分水嶺。
Internet的普及和相應而來的海量數據,讓演算法和大語言模型加快發展,這些都是奠基在類神經網路深度學習技術上,讓近三年的生成式AI發展日新月異。
雖然過去六十多年來AI發展歷經多次泡沫,但許峰雄認為最新這一波的方向和技術扎實,不是泡沫。
而談到目前對哪些研究題目感興趣,晶片背景出身的他,關注的重點之一是極紫外光曝光機EUV之後,該用什麼技術處理光的問題,讓電路間隙持續縮下,摩爾定律能繼續下去。
Kafka 總結認為:沒錯,這或許是個泡沫——龐大的支出、誇張的併購、充滿魔幻思維的敘事都符合泡沫特徵。但目前為止,這個泡沫更像發生在董事會裡,而不是一般人家中。下一個問題是:如果這真是泡沫,而它破了,普通人會有感嗎?
8. 楊騰凱(2025)深度》中國經濟巨擘林毅夫預測,美國AI泡沫「此時」破滅,中國市場決定美國科技業生死
https://www.storm.mg/article/11084606#page1


2025年10月13日 星期一

《 導入科技化服務消費者知覺價值滿意度之影響:以大稻埕商圈的某亮點店家為例 》


摘要

本研究旨在探討以大稻埕商圈某亮點店家導入新興科技創新服務後,對消費者知覺價值、消費者滿意度之影響。

本研究採用消費者旅程(Customer Journey Map, CJM)及科技接受模式(Technology Acceptance Model, TAM)為理論基礎針對商圈導入之情境數位看板、商圈APP、智慧手環及行動支付等新興科技創新服務進行實證分析。

透過便利抽樣方式,於2018年9月至10月期間完成150份有效問卷。

研究結果顯示:

(1)消費者取得新興科技創新服務成本/利益消費者知覺價值(感知易用性感知有用性使用意願)消費者滿意度皆具顯著影響

(2)不同人口統計變數在新興科技創新服務的消費者滿意度上存在顯著差異其中已婚、30-39歲、職業為服務業及較高所得族群新興科技創新服務的消費者滿意度較高。

(3)建議應針對主要消費族群(20-29歲、學生)深入了解其需求並持續優化新興科技創新服務以提升消費者滿意度

關鍵詞:

新興科技創新服務

消費者旅程(Customer Journey Map, CJM)

科技接受模式(Technology Acceptance Model,TAM)

消費者知覺價值(Consumer perceivedvalue)

消費者滿意度 Consumer Satisfaction


一、緒論


(一)研究背景與動機

隨著資訊科技的快速發展服務業導入科技化服務已成為提升競爭力的重要策略。商圈作為結合傳統文化與現代商業的場域如何運用新興科技改善消費者體驗已成為產業發展的關鍵議題。

大稻埕商圈為台北市重要的歷史文化商圈近年積極導入新興科技創新服務包括:情境數位看板、商圈專屬APP、智慧手環及行動支付等試圖透過數位科技創新提升服務品質與消費者滿意度。

然而,科技服務的導入是否符合消費者需求?不同消費族群對科技服務的滿意度是否存在差異?這些問題需透過實證研究加以檢驗。

因此,本研究以大稻埕商圈為研究場域探討科技化服務導入後對消費者知覺價值消費者滿意度的影響期能為服務業者提供具體改善建議。


(二)研究目的

基於上述研究背景,本研究具體目的如下:

  1. 了解消費者對大稻埕商圈導入之科技化服務,對消費者知覺價值與消費者滿意度之影響。
  2. 探討消費者取得不同科技服務(情境數位看板、商圈APP、智慧手環、行動支付)的成本/利益。
  3. 分析科技化服務影響消費者滿意度之關鍵因素。
  4. 比較不同人口統計特性消費者,在消費者滿意度上的差異
  5. 提出科技化服務改善建議,作為業者未來服務優化之參考




二、文獻探討

(一)消費者旅程(Customer Journey MapCJM)

  • 階段:

消費者從初次接觸品牌到購買後的整個過程,通常包括認知、考慮、購買、使用和售後服務等階段。

  • 接觸點:

消費者與品牌互動的具體點,如廣告、網站、社群媒體或客戶服務。

  • 消費者行為與感受:

每個階段消費者的行為、思考和情感反應,幫助品牌了解顧客的心理過程。

  • 痛點:
顧客可能遇到的問題或困難,品牌可以針對這些問題進行改進。
  • 機會:
通過旅程地圖識別出提升顧客體驗和增強品牌忠誠度的潛在機會

 



(二)
科技接受模式(Technology Acceptance Model, TAM)



(三)消費者知覺價值(Consumer perceivedvalue)



(四)消費者滿意度( Consumer Satisfaction)


1965年,Cardozo 首次探討顧客滿意度,指出提高顧客滿意度能增加顧客對該商品的再次購買意願,進而影響其對其他商品的購買意圖,將顧客滿意(Customer Satisfaction)引入行銷學領域。

早期研究多聚焦於實體商品,且大多以顧客的實際消費結果(Outcome Type)來定義顧客滿意度(Bloemer & Odekerken-Schröder, 2002)。部分學者如 Westbrook 和 Reilly (1983) 則從情緒角度探討,認為顧客滿意是消費過程中產生的主觀消費體驗評估。



研究方法


(一)研究架構

本研究以消費者旅程(CJM)及科技接受模式(TAM)為理論基礎,建構包含:消費者取得新興科技創新服務的成本/利益、消費者知覺價值(感知易用性、感知有用性、使用意願)與消費者滿意度等構面的研究架構。

研究假設,消費者取得新興科技創新服務的成本/利益、消費者知覺價值(感知易用性、感知有用性、使用意願),對消費者滿意度具有正向影響。



(二)研究對象與抽樣方法

本研究以大稻埕商圈的某亮點店家為研究場域。
研究對象為曾使用科技服務之消費者,需符合以下條件:
(1)對商圈科技化服務具使用經驗;
(2)願意配合調查。

採用便利抽樣方式,於2018年9月18日至10月31日期間,透過線上網路問卷及現場紙本問卷兩種方式進行調查,共回收157份問卷,經嚴格資料檢核後,刪除漏題及無效問卷,最終獲得150份有效問卷。


(三)問卷設計與測量

問卷內容包含三部分:

1.人口統計變數:
包括性別、年齡、地區、婚姻狀況、職業、每月可支配所得、手機作業系統等基本資料。

2.消費行為變數:
包括顧客類型、消費頻率、消費時段、消費金額、消費目的、休閒活動偏好,及希望從科技服務獲得的資訊等。

3.科技化服務量表:採用Likert五點量表(1=非常不同意,5=非常同意)測量以下構面:
  • 取得新興科技創新服務的成本(6題)
  • 取得新興科技創新服務的利益-情境數位看板(3題)
  • 取得新興科技創新服務的利益-商圈APP(4題)
  • 取得新興科技創新服務的利益-智慧手環(4題)
  • 取得新興科技創新服務的利益-行動支付(2題)
  • 消費者知覺價值-感知易用性(1題)
  • 消費者知覺價值-感知有用性(3題)
  • 消費者知覺價值-使用意願(2題)
  • 消費者滿意度(1題)

(四)資料分析方法

本研究使用SPSS 22.0統計軟體進行資料分析,主要分析方法包括:

1.描述性統計分析:
計算次數分配、百分比、平均數及標準差,了解樣本特性與各變數分布情況。

2.變異數分析(ANOVA):
比較不同人口統計特性消費者在各構面上的差異,並進行事後比較檢定。

3.相關分析(Pearson correlation):
檢驗各構面間的相關程度,了解變數間的關聯性。



4.路徑分析:
驗證消費者取得新興科技創新服務的成本/利益、消費者知覺價值(感知易用性、感知有用性、使用意願),對消費者滿意度的影響效果。




四、研究結果


(一)樣本特性分析

本研究有效樣本150份樣本特性如下:

1.性別分布:

男性48.67%(73人)女性51.33%(77人)分布均衡。

2.地區分布:

北部地區佔比最高達91.33%(137人)顯示商圈主要為北部消費者;

中部4.00%(6人)南部2.67%(4人)東部含外島地區2.00%(3人)。

3.年齡分布:

以20-29歲最多佔34.67%(52人);

其次為30-39歲29.33%(44人);

40-49歲20.67%(31人);

19歲含以下9.33%(14人);

50-59歲6.00%(9人)。

4.婚姻狀況:

未婚佔70.67%(106人),已婚佔29.33%(44人)。

5.職業分布:

服務業最多佔29.33%(44人);

其次為學生28.67%(43人);

製造業17.33%(26人);

資訊電子業及一般軍公教各佔9.33%(14人);

金融業4.67%(7人)。

6.可支配所得:

以5,001-15,000元最多,佔21.33%(32人);

其次為15,001-30,000元20.67%(31人);

5,000元或以下20.00%(30人)。

7.消費者類型:

觀光客/外來客最多佔37.33%(56人);

在地客32.67%(49人);

過路客15.33%(23人);

老顧客14.67%(22人)。

8.消費頻率:

一年含以上一次最多,佔50.67%(76人);

半年一次22.00%(33人);

三個月一次14.67%(22人)。


(二)科技化服務分析

消費者對各構面的整體如下(滿分5分):

1.消費者取得新興科技創新服務的成本(平均數3.87,標準差0.86):

   消費者認為使用科技服務的轉換成本適中,不需花費太多時間適應。

2.消費者取得新興科技創新服務的利益-商圈APP(平均數3.80,標準差0.84):

    消費者認為APP方便實用且能愉快逛街。

3.消費者取得新興科技創新服務的利益-情境數位看板(平均數3.66,標準差0.94):

    消費者認為數位看板方便查詢且新奇有趣。

4.消費者取得新興科技創新服務的利益-智慧手環(平均數3.64,標準差0.94):

    消費者認為手環經濟實惠且豐富有趣。

5.消費者取得新興科技創新服務的利益-行動支付(平均數3.62,標準差1.03):

    消費者認為行動支付能增加付款便捷性。

6.消費者知覺價值-感知易用性(平均數3.50,標準差1.08):

    消費者認為科技化服務可以更簡單、順暢

7.消費者知覺價值-感知有用性(平均數3.82,標準差0.86):

    消費者認為科技化服務有助於快速選擇服務及搜尋資訊。

8.消費者知覺價值-使用意願(平均數3.84,標準差0.87):

    消費者願意經常使用並樂於使用科技服務。

9.消費者滿意度最高(平均數4.15,標準差0.92):

   顯示消費者對科技化服務滿意。


(三)不同人口統計變數之差異分析

1. 性別差異

性別僅在消費者取得新興科技創新服務的利益-行動支付構面呈現顯著差異(F=5.66, p<0.05),男性(平均數3.82)認為行動支付帶來的利益顯著高於女性(平均數3.43)。

2. 地區別差異

地區別在消費者

  • 取得新興科技創新服務的利益-情境數位看板(F=5.98, p<0.01)
  • 消費者知覺價值-使用意願(F=3.70, p<0.01)
  • 消費者滿意度(F=7.41, p<0.001)構面呈現顯著差異。
  • 北部及中部消費者在消費者知覺價值-使用意願費者取得新興科技創新服務的利益-情境數位看板也顯著較高。
  • 北部、中部及南部消費者的滿意度顯著高於東部含外島地區消費者;

3. 年齡別差異

年齡別在多數構面呈現顯著差異:

消費者取得新興科技創新服務的成本(F=8.70, p<0.001):30-39歲消費者(平均數4.35)顯著高於19歲含以下、20-29歲及50-59歲消費者。

消費者知覺價值-感知有用性(F=11.08, p<0.001):30-39歲消費者(平均數4.27)顯著高於19歲含以下及20-29歲消費者。

消費者知覺價值-使用意願(F=7.92, p<0.001):30-39歲、40-49歲及50-59歲消費者皆顯著高於20-29歲消費者。

消費者滿意度(F=4.21, p<0.01):19歲含以下、30-39歲、40-49歲及50-59歲消費者皆顯著高於20-29歲消費者(平均數3.75)。

4. 婚姻狀況差異

婚姻狀況在所有構面皆呈現顯著差異已婚消費者在各構面皆顯著高於未婚消費者包括:

  • 消費者取得新興科技創新服務的成本(F=4.68, p<0.05)、
  • 消費者取得新興科技創新服務的利益
  • 消費者知覺價值-感知用性(F=4.06, p<0.05)、
  • 消費者知覺價值-感知有用性(F=5.77, p<0.05)、
  • 消費者知覺價值-使用意願(F=4.07, p<0.05)
  • 消費者滿意度(F=1.48, p<0.1)

5. 職業別差異

職業別在多數構面呈現顯著差異:

消費者取得新興科技創新服務的成本(F=3.22, p<0.05):製造業、服務業、資訊電子業及金融業消費者皆顯著高於學生族群。

消費者知覺價值-感知有用性(F=2.64, p<0.05)、消費者知覺價值-使用意願(F=4.11, p<0.05)及消費者取得新興科技創新服務的利益-商圈APP(F=2.10, p<0.05):服務業、資訊電子業及金融業消費者皆顯著高於學生族群。

消費者滿意度(F=1.80, p<0.1):服務業及資訊電子業消費者顯著高於學生族群。

6. 可支配所得差異

可支配所得在多數構面呈現顯著差異:

消費者取得新興科技創新服務的消費者知覺價值-感知有用性消費者知覺價值-使用意願:45,001-60,000元及60,001元以上消費者顯著高於5,000元或以下及5,001-15,000元消費者。

消費者滿意度:15,001元以上各所得級距消費者滿意度皆顯著高於5,001-15,000元消費者。

消費者取得新興科技創新服務的利益-智慧手環:30,001元以上各所得級距消費者認同度顯著高於5,000元或以下及5,001-15,000元消費者。

7. 消費者類型差異

  • 消費者類型在消費者取得新興科技創新服務的(F=2.58, p<0.1)、
  • 消費者知覺價值-感知易用性(F=6.58, p<0.001)、
  • 消費者知覺價值-感知有用性(F=3.68, p<0.05)及
  • 消費者知覺價值-使用意願(F=4.54, p<0.01)構面呈現顯著差異。
  • 過路客在各構面皆顯著高於老顧客、在地客及觀光客/外來客。

8. 消費頻率差異

消費頻率在多數構面呈現顯著差異:

消費者取得新興科技創新服務的成本(F=7.06, p<0.001):三個月及半年一次消費者顯著高於一週含以下、兩週及一個月一次消費者。

消費者知覺價值-感知易用性(F=6.77, p<0.001):半年一次消費者顯著高於一週含以下、一個月及三個月一次消費者。

消費者知覺價值-感知有用性(F=8.20, p<0.001):半年一次消費者顯著高於其他所有頻率消費者。

消費者取得新興科技創新服務的利益-情境數位看板消費者取得新興科技創新服務的利益-商圈APP消費者知覺價值-使用意願:半年一次消費者認同度顯著較高。

消費者取得新興科技創新服務的利益-智慧手環:三個月及半年一次消費者顯著高於一週含以下及一年含以上一次消費者。

9. 消費時段差異

消費時段在消費者取得新興科技創新服務的成本(F=3.16, p<0.05)、
消費者知覺價值-感知有用性(F=2.85, p<0.05)、
消費者知覺價值-使用意願(F=3.24, p<0.05)及
消費者取得新興科技創新服務的利益--智慧手環(F=2.71, p<0.05)構面呈現顯著差異。

10. 消費金額差異

消費金額在多數構面呈現顯著差異較高消費金額(501元以上)消費者在各構面認同度皆顯著高於300元含以下消費者。

11. 消費目的與手機系統

消費目的及手機作業系統在各構面皆未呈現顯著差異顯示這兩個變數並非影響消費者科技服務的主要因素。



(四)相關分析與路徑分析

相關分析結果顯示所有構面之間皆呈現顯著正相關(p<0.001)其中

  • 消費者知覺價值-感知有用性消費者知覺價值-使用意願(r=0.83)、
  • 消費者知覺價值-感知有用性與消費者滿意度(r=0.83)、
  • 消費者知覺價值-使用意願消費者滿意度(r=0.83)之間具有高度相關

路徑分析結果驗證了研究假設消費者取得新興科技創新服務的成本/利益、消費者知覺價值(感知易用性、感知有用性、使用意願),對消費者滿意度皆具有顯著的正向影響效果。

此外透過消費者知覺價值的中介作用能夠提升對消費者滿意度的解釋力。




五、研究結論與理論/實務貢獻


(一)研究結論

本研究針對大稻埕商圈導入科技化服務後,消費者取得新興科技創新服務成本/利益消費者知覺價值(感知易用性感知有用性使用意願)消費者滿意度的影響進行實證分析,主要研究發現如下:


1.整體滿意度高但仍有改善空間:

消費者對商圈科技化服務的整體滿意度達4.15分(滿分5分)顯示科技服務導入獲得正面評價。
然而,消費者知覺價值-感知易用性構面得分最低(3.50分)顯示消費者認為科技化服務可以更簡單、順暢

2.消費者知覺價值為關鍵中介變數:

研究驗證了消費者知覺價值在商圈情境的適用性,消費者知覺價值-感知有用性對消費者滿意度具有顯著影響,且扮演重要中介角色。
消費者取得新興科技創新服務成本/利益透過消費者知覺價值(感知易用性感知有用性使用意願)的中介能提升對消費者滿意度的解釋力。

3.不同科技服務類型消費者取得新興科技創新服務的利益有別:

商圈APP獲得最高的消費者取得新興科技創新服務的利益(3.80分),其次為情境數位看板(3.66分)、智慧手環(3.64分)及行動支付(3.62分)。
此結果顯示消費者較重視能提供資訊整合與便利性的服務。

4.人口統計變數影響科技化服務:
  1. 年齡方面,30-39歲消費者對科技化服務認同度最高,而主要客群之一的20-29歲消費者認同度較低,值得關注。
  2. 已婚消費者在各構面認同度皆顯著,高於未婚消費者。
  3. 職業方面,學生族群對科技化服務的使用較低,建議針對此族群深入了解需求。
  4. 較高所得消費者對科技化服務的使用較高。
5.消費
行為(消費者類頻率、時段、金額)影響科技化服務:
  1. 過路客對科技化服務認同度最高,可能因獲得超出預期的服務體驗。
  2. 定期但是非高頻率(三個月至半年一次)消費者,對科技化服務的使用最高。
  3. 消費金額較高者,對科技化服務認同度較高。
  4. 下午至晚間時段(14:01-20:00)消費者認同度較高,早上時段較低。


(二)理論貢獻


本研究具有以下理論貢獻:

1.擴展消費者旅程(Customer Journey Map, CJM)及
科技接受模式(Technology Acceptance Model, TAM)的應用情境:

本研究結合消費者旅程科技接受模式驗證應用於商圈情境的適用性豐富了理論的應用範疇。


2.整合多元構面
建構較完整的理論模型:

本研究建構較完整的消費者旅程科技接受模式理論模型,整合消費者取得新興科技創新服務的成本/利益、消費者知覺價值(感知易用性、感知有用性、使用意願)等多元構面對消費者滿意度的影響進行實證分析,彌補過去研究多聚焦於單一或少數構面的不足。

3.多類型科技化服務比較:

本研究同時探討四種不同類型科技服務(資訊類、支付類、穿戴裝置類)的消費者取得新興科技創新服務的成本/利益考量,提供科技服務類型比較的實證基礎。

4.人口統計與消費行為變數的分析:

本研究詳細分析多個人口統計(性別、地區、年齡、婚姻狀況、職業)變數與消費行為(消費者類型、頻率、時段、金額)變數對科技服務認同度的影響,提供豐富的實證發現有助於更精準地理解不同消費族群的需求差異。


(三)實務貢獻管理意涵


本研究具有以下實務貢獻與管理意涵:


1.提供導入科技化服務成效評估:


透過實證調查,提供商圈科技服務導入後的成效評估可作為評估新興科技創新服務投資效益與後續改善的重要參考。


2.辨識導入科技化服務關鍵影響因素:


研究發現消費者知覺價值感知-易用性為認同度最低的構面消費者知覺價值感知-為重要中介變數這些發現可協助聚焦改善重點提升消費者滿意度


3.提供差異化行銷策略基礎:


研究詳細分析不同消費族群科技化服務的認同度差異可協助業者發展更精準的分眾行銷策略針對不同族群設計差異化的服務內容,以及持續優化科技服務功能






六、研究限制與未來研究建議


本研究存在以下限制,可作為未來研究改進方向:

1.抽樣限制:

本研究採用便利抽樣,樣本主要集中在北部地區(91.33%)的消費者。
未來研究可採用更嚴謹的抽樣方法,並擴大樣本涵蓋範圍。

2.研究設計:


本研究為單一時點的橫斷面調查,無法觀察消費者對科技服務認知的動態變化。
未來研究可採用縱貫性研究設計,追蹤消費者使用行為與滿意度的變化趨勢。

3.研究深化:

本研究雖發現某些消費族群(如20-29歲、學生)對科技服務的使用較低但未能深入探討其背後原因。
未來研究可結合質性研究方法如深度訪談或焦點團體訪談,深入了解不同族群對科技服務的改善建議。

4.實際使用行為測量:

本研究主要採用自陳式問卷測量消費者的態度與意願未能掌握實際使用行為資料。未來研究可結合APP使用紀錄、數位看板互動次數等客觀數據,更準確評估科技化服務的實際使用情形。



精選文章

服務業數位轉型,需可實戰的創新方法論

專家傳真 - 服務業數位轉型 需可實戰的創新方法論, 2018 年 05 月 18 日,工商時報 https://www.chinatimes.com/newspapers/20180518000297-260202 服務業如何結合 ICT 科技,進行數位化轉型...