行動排隊服務對消費者排隊心理影響之研究jeb.cerps.org.tw/files/jeb2017-008.pdf ·...

205December 2017

第十九卷　第二期　2017 年 12 月（pp.205～238）

行動排隊服務對消費者排隊心理影響之研究周至宏 a,* 韓揚銘 b 邱建達 c 范錚強 a

a國立中央大學資訊管理學系b資訊工業策進會產業情報研究所

c華碩電腦公司軟體研發部

摘要

過去排隊被消費者視為負面體驗，而現在需要排隊的店家反而被認為是受歡迎

的象徵而讓消費者願意排隊。行動排隊服務 App在目前已成為消費者排隊消費的選項，本研究欲探討虛擬排隊如何影響消費者的排隊意願。本研究以時間知覺、從眾心

理以及社會比較心理為理論基礎，以實驗研究法探討行動排隊服務如何能降低排隊的

負面影響，並相對提供正向的影響。研究結果發現，「排隊方式」則會影響消費者的

「時間知覺」進而影響「排隊意願」；「網路口碑」會影響消費者的「排隊意願」，

而「排隊資訊」會調節「網路口碑」和「排隊意願」之間的關係；「從眾心理」與

「社會比較心理」會影響消費者的「排隊意願」。最後，本研究提供學術上的意涵及

實務上的建議。

關鍵詞：時間知覺、網路口碑、從眾行為、社會比較心理、行動排隊服務 App

The Influences of Mobile Queuing Service on Consumers’ Queuing Psychology

Chih-Hung Chou a Yang-Ming Hanb Jian-Ta Chiouc C. K. Farna

a Department of Information Management, National Central University b Market Intelligence & Consulting Institute, Institute for Information Industry

c Software R&D, ASUSTeK Computer Inc.

AbstractQueuing is a negative experience for most consumers and reduce their intention

to consume. In real-life, a long waiting line outside a store may also affect consumers’ perception, that is a popular one, and increase their consumed intention. As mobile

* 通訊作者　電子郵件：[email protected] DOI: 10.6188/JEB.2017.19(2).04

行動排隊服務對消費者排隊心理影響之研究

206 December 2017

technology mature, mobile queuing services App may be a good alternative to physical waiting lines. How does this virtual queuing influence queuing intentions? In addition, how do the influences of the e word-of-mouth and queuing information provided by the mobile queuing service App affect on consumers’ conformity (or herding behavior) and queuing intention? This study attempts to look into the effects of consumers’ conformity and social comparison in waiting lines, and also the consumers’ waiting time perception. Through this laboratory experiment, we hope to find out ways to reduce consumers’ negative experiences from waiting, and also provide positive influences. Results reveal that “queuing method” can affect consumers’ “time perception”; and then influence their “queuing intention”. “e word-of-mouth” can also affect consumers’ “queuing intention”; and “queuing information” moderate this relationship; Consumers’ “conformity” and “social comparison” can affect their “queuing intention”. Finally, this study offers implications and suggestions.

Keywords: Time perception, e word-of-mouth, conformity, social comparison, mobile queuing services app

1. 緒論

排隊行為（Queuing）普遍存在於人們日常生活中，不論是開車上班或是在超市結帳，是種在當前之服務經濟體系中的消費者共同經驗。而消費者在服務過程中對

排隊行為所產生的反應，悠關消費者對整體服務品質的評價（Carmonet et al., 1995; Hockenhull, 2000），因此，等待時間對於消費者而言，已經成為用來衡量整體服務品質和消費者滿意度的重要因素（Bielen and Demoulin, 2007）。在商業活動競爭激烈的環境下，消費者對於整個服務過程，不光只是在意服務流程與品質的優劣，也同

時重視接受服務前所需等待時間。消費者通常無法忍受過久的排隊等待時間（Katz et al., 1991; Lu et al., 2013）；等待甚至容易引發消費者產生負面情緒，影響該次消費的滿意度，進而影響下次再來消費的意願（van Riel et al., 2012）；消費者也會因為等待的時間過久而不耐煩而最後放棄消費（Janakiraman et al., 2011）。更甚者，會有消費者想要快速獲得服務而插隊，因而引發糾紛（Allon and Hanany, 2012），對服務提供者而言，改善等待問題的優先方案是使實際等待時間最小化，直到所花費的改善成

本大於所增加價值為止（Jones and Dent, 1994）。因此多數企業無不致力聚焦於縮短顧客在服務流程中的等待時間，優化整個服務流程。

電子商務學報　第十九卷　第二期

207December 2017

相較於早期排隊行為讓消費者產生負面情緒，並使消費者滿意度下降而不願排隊

的情形（Hornik, 1992; Kellaris and Kent, 1992），在近幾年卻出現排隊現象反而成為消費產品受歡迎的象徵的改變（Koo and Fishbach, 2010）。目前有許多消費者願意為了新科技產品（如：iPhone系列）、運動鞋（如：Air Jordan系列）或美食小吃而排隊。這種情形在餐飲業中尤其並普遍，在許多國家（如：日本、台灣等）甚至有些店

家產生所謂排隊風潮，也就是排隊人數愈多的店家愈受到歡迎，消費者愈願意排隊的

現象。Raz and Ert（2008）的研究發現排隊人數的長短將會影響消費者的選擇，當一家店的排隊人潮越多，消費者將越有可能光顧這家店。這顯示排隊現象對於消費者具

有正面的影響，會讓消費者認為該店家一定有讓消費者願意等待的價值，才會導致排

隊狀況的出現。

行動裝置使用已成為個人必要配件（Dai and Palvia, 2009），而行動裝置上所發展各式行動應用程式（Mobile Application, App）提供多樣化的服務，更成人類日常生活中的小幫手（Bellman et al., 2011）。根據資策會產業情報研究所 2015年的調查顯示，有 67%的消費者會主動下載 App獲取商家資訊，該調查進一步分析消費者主動下載 App的因素，其中有 41.7%的消費者下載 App，是為了讓智慧型手機能主動顯示附近店家優惠資訊或推薦商店，做為消費依據（資策會產業情報研究所，

2015）。SoLoMo的概念是近年電子商務發展的重心，分別代表了社群（Social）、位置（Local）與行動（Mobile）。社群說明連結與使用者之間的力量；位置強調使用者能依所在地進行商務活動，行動裝置則提供使用者的位置資訊，使得適地性服務

變得可行（Doerr, 2011）。近年來也出現行動排隊服務 App提供消費者做為排隊方式的選擇，行動排隊服務 App除了可讓消費者不用在原地等待消費，同時可以結合適地性服務（Location Based Service, LBS）與網路社群（Virtual Community），行動排隊傳送店家資訊給消費者，讓消費者能依據地域性得知商家資訊及網路評價（例如：

網路口碑、排隊資訊⋯⋯等），提供消費者所需消費訊息以做選擇，因此，網路排隊

議題值得進一步探討。

綜觀近年來的相關研究，在行動商務部分，有著重在消費者行動市場的接

受度（Bauer et al., 2005），有針對消費者對行動裝置的採用因素（Shankar and Balasubramanian, 2009），或行動商務上購買的影響因素（Shankar et al., 2010）；或探討 App的應用與設計對消費者購買意願的影響（Bellman et al., 2011）;在網路社群口碑部分，研究大多著重於如何透過社群有效地進行口碑擴散影響購買意願（Martin and Leug, 2013; Yadav et al., 2013）；在適地性服務部分，有為適地性服務對於消費者的購買情緒的影響及 LBS的持續使用意願的研究（Lehrer et al., 2011）。也有結合行動裝置與 LBS在觀光產業之應用研究（Husain and Dih, 2012; Noguera et al., 2012）。然而，在現有的研究中同時結合適地性、網路口碑與排隊的議題的研究相對


208 December 2017

較為缺乏。

本研究認為在目前行動商務運用普及的環境裡，利用智慧型手機的 App來進行虛擬排隊成為當前排隊方式的選項。本研究目的在探討行動排隊如何能有效的降低排

隊所帶來的負面情緒的影響，同時增強排隊為商家所帶來的正面評價的效應。所以，

本研究之研究問題為，透過行動排隊服務 App來排隊，是否能有效降低排隊所帶來負面情緒？並探討從眾行為發生的情境，App上的網路口碑及排隊資訊，是否有利於消費者選擇？據此，本研究首先進行消費者的排隊心理的相關文獻探討，並根據現今

電子商務的特性和服務設計行動排隊系統，接著進行實驗室研究，讓受測者使用行動

排隊服務的功能，之後檢測行動排隊系統對排隊心理及行為之影響，希望透過本研究

成果提供學術及實務上的建議。

2. 文獻探討

文獻探討部分將針對與本研究相關重要理論進行回顧，並進一步探討這些文獻與

本研究行動排隊服務使用實務之間的關係。

2.1　排隊意願

Ajzen and Fishbein（1977）認為行為意願是「個人欲從事某特定行為的主觀機率」。在排隊行為上，排隊意願則代表消費者願意去排隊的主觀機率。排隊又稱之

為等候線，是服務與作業管理最重要的課題之一，也是建立排程、工作設計、與

服務流程等作業的基礎（Jacobs and Chase, 2014）。排隊為服務等待（Waiting for Service）的一種方式，Taylor（1994）定義服務等待為「消費者準備接受服務到服務真正開始，所歷經的時間」。服務等待通常提供先到先服務（First-come, first-served; FCFS）的服務原則，消費者必須排隊來接受預期的服務。Dube-Rioux et al.（1989）的研究指出消費前的等待較消費中的等待最令人感到不悅，也是研究所關心的焦點。

行動排隊服務 App提供不同於傳統實體排隊的方式，除了可讓消費者不用在商家原地等待消費，並讓消費者彈性運用時間，同時可以結合適地性服務與網路社群，提供

資訊讓消費者進行選擇，影響消費者的排隊意願。

2.1.1 排隊方式Lovelock and Wirtz（2010）認為排隊的方式和結構是能夠控制或影響消費者等待

時間知覺的方法。Larson（1987）發現單一線連續步驟的溫蒂漢堡與多線平行進行服務的麥當勞比較起來，溫蒂漢堡的顧客滿意度是比較高的。Rafaeli et al.（2002）的


209December 2017

研究發現，即使等待時間相同、涉入過程是公平的，不同的排隊方式仍然會讓顧客產

生不公平的感覺，當顧客在多線平行並進行等待時，會比蛇線或是單一線連續步驟等

待的人更容易感到不安，時間知覺也相對較長。Lu et al.（2013）的研究認為排隊方式對消費者服務等待的決策有絕對的重要性。

SoLoMo行銷能有效結合社群、在地性與行動性，將使得行銷更具有移動化、即時化、在地化、及社群互動性。LBS技術可提高行動裝置在商務上的應用（Husain and Dih, 2012; Noguera et al., 2012）。而行動裝置 App能透過適地性服務達成客製化與在地化的服務。藉此消費者也可以主動搜尋所在位置的附近商家，得知商家的相關

資訊息，相對的，商家可以得知消費者所在位置，進而傳送行銷訊息給這些消費者；

達成雙向溝通（張阜民等人，2013）。研究發現將適地性概念導入社群口碑所產生的推薦利潤模式較傳統的利潤模式為高（Sarwat et al., 2013）。本研究認為使用行動排隊 App的排隊方式和其所能傳遞的相關訊息對消費者的影響值得進一步探討。因此，本研究擬依據實務，設計一套虛擬行動排隊服務 App，其功能除了能線上排隊，更能顯示相關網路口碑、排隊資訊，提供消費者參考，並以之為依據進行實驗室研

究。

2.1.2 時間知覺當消費者在評估產品或服務品質的時候，「時間」的考量成為一項重要因素

（Borges et al., 2015; Zhou and Soman, 2008）。消費者的知覺等待時間是由接受服務的時間所驅動的（Anić et al., 2011）。Hornik（1992）歸納出消費者時間的層面共有三個：時間分配／行為（Time Allocation/Behavior）層面、時間知覺（Time Perception）層面與時間定位（Time-budget Approach）層面。在排隊行為的研究中，主要以時間知覺來分析消費者的排隊心理（Pruyn and Smidts, 1998）。Hornik et al.（1994）以資源分配模型（Resource-allocation Model）的觀點來解釋時間知覺，他認為受測者對時間知覺的長短是取決於認知計時器（Cognitive Timer），當受測者開始感覺到時間的流逝時，認知計時器就開始啟動。每當受測者將注意力放在時間

上，「感覺上」時間就會開始流逝，並意識到自己「正在等待」。Baker and Cameron（1996）在研究中指出，消費者主觀知覺等待時間長短，與客觀時間流逝（時鐘時間）是相對立的；消費者重視的是主觀知覺的等待時間，並不在乎實際時間流逝。

過去有研究針對消費者的時間價值觀進行探討，認為「知覺等待時間」（Perceived Waiting Time）才是解釋消費者等待反應的關鍵指標（Dube-Rioux et al., 1989; Hui and Tse, 1996; Taylor, 1994），Lin et al.（2015）認為服務等待時間影響消費者的知覺價值。本研究聚焦於行動排隊服務比起傳統排隊方式對消費者之等待時間知覺是否有所

不同。


210 December 2017

2.2 排隊心理

Maister（1984）提出排隊心理學（The Psychology of Waiting Lines），說明消費者接受排隊後的各種情緒。後續的研究者使用從眾心理以及社會比較心理來探討排隊

心理，本研究接著探討現今存在網路上的資訊對於消費者的從眾心理以及社會比較心

理之影響。

2.2.1 網路口碑網路口碑的訊息可以有效的降低消費者在購買產品或服務時所感受到的風險與

不確定性，進而影響其購買決策（陳美如等人，2012；King et al., 2014; Yadav et al., 2013; Hanson and Kalyanam, 2007）認為網際網路上的口碑傳播，能透過各式各樣的形式進行散佈。Hennig-Thurau et al.（2004）指出網際網路的出現，使消費者可以透過網頁的瀏覽動作，來收集其他消費者所提供的產品資訊與使用經驗，並賦予消費者

能力來針對特定主題進行自身經驗、意見與相關知識的分享，形成所謂的電子口碑

（Electronic Word-of-mouth, eWOM），又稱為線上口碑（Online Word-of-mouth），一般稱之為網路口碑。由於網路平台設計愈來愈趨向使用者的觀點，消費者可以直接

在網路上對產品或服務進行評等（Ratings）或星等（Stars）的評分方式。口碑評等（WOM Ratings）被認為是重要的網路口碑，近年來許多研究也將網站上的評分視同為口碑正負面特性的表現，其中以較高分數視為正面口碑，較低分數視為負面口碑

（Davis and Khazanchi, 2008），Huang and Chen（2006）在網路產品選擇的研究中提到，多數的消費者在選擇產品時與顧客評論的評等有明顯關聯，較高的評等會正面的

影響消費者在網路上選擇產品，顯示消費者會使用產品的網路評等來做為判斷產品品

質的依據。

2.2.2 排隊資訊Hui and Tse（1996）將排隊資訊（Queuing Information）定義為不斷更新消費者

在隊伍中的位置之資訊。以消費者立場為觀點，服務等待的就是時間損失。等待所引

發的經濟與心理成本，使消費者不只感受到時間流逝、同時會產生壓力。另一個使消

費者感受到壓力的重要原因是，消費者無法預測實際等待時間，會對情緒有重大影

響，而排隊資訊正可疏緩此一現象。Zhou and Soman（2003）的研究具體描述排隊資訊的內容，指出排隊資訊不僅包含消費者所在位置前的人數，也涵蓋消費者所在位置

後的人數。透過不斷更新的排隊資訊，讓消費者清楚知道自己在隊伍中的位置。這比

告知等待時間更有助於正面情緒的產生。Weiss（2013）研究指出的年輕族群偏好使用行動裝置上具 LBS功能的 App閱讀當地訊息及資訊，做為消費之參考。因此，在本研究認為當消費者使用行動排隊服務 App，排隊資訊裡的目前排隊人數的多寡，能


211December 2017

幫助消費者能夠掌握目前整個排隊的狀況，以釐清排隊所帶來的不確定性，同時將會

影響到消費者的從眾心理，進而影響到消費者的選擇。

2.2.3 從眾心理當消費者做消費選擇時，消費者會藉由他人的意見來確認。Asch（1955）認為

從眾心理代表個人在團體中不管是自願或是非自願的服從多數人的意見，接受團體的

影響而改變自己的行為或想法。Deutsch and Gerard（1955）認為從眾心理是由社會影響（Social Influence）當中之資訊性影響（Informational Influence）和規範性影響（Normative Influence）所造成的。資訊性影響代表當個人態度或想法改變的動機，是為了正確的資訊。規範性影響代表當個人渴望被別人喜歡、接納，並想要從團體

中得到獎勵或避免處罰，而改變自己的行為或態度（Ross et al., 1976）。Lascu and Zinkhan（1999）認為規範性影響和資訊性影響是由順從、認同以及內化所構成的。所以當消費者做消費決策時，會藉由他人的意見來確認。從資訊性影響的觀點來說，

當網路社群中的其他成員具備較高程度的專業知識時，便會容易產生資訊性從眾行為

（Lee and Park, 2008）。若消費者認為所面臨的情境充滿不確定性，無法對於想購買的商品或服務進行評估時，會驅使消費者跟隨意見領袖或採納參考群體所給予的資訊

或意見進行決策，以降低購物過程中可能產生的風險（Hornsey et al., 2003）。本研究認為對於從眾傾向比較高的消費者，受到資訊性規範的影響也比較大，所以當一個

產品或是服務需要排隊時，比起從眾傾向低的消費者，較易受到排隊資訊的影響，若

排隊人數多，排隊意願相較下也可能比較高。

2.2.4 社會比較理論Festinger（1954）提出社會比較理論（A Theory of Social Comparison

Processes），Festinger認為個人具有評估自己能力與意見的本能，因此，當人們對本身的能力與意見產生不確定感，且在自己目前所處情境中沒有客觀的評量標準時，人

們便會藉由與相似他人進行比較，以釐清自己的不確定感。Kruglanski and Mayseless（1990）對社會比較理論提出更為廣泛的界定，認為即使在具備客觀標準的情境下，個人仍會進行社會比較，做進一步的自我評價。社會比較心理同時被用來研究排隊行

為，在排隊的情境中，等待服務是一種負面的消費者經驗，會讓消費者產生「不確定

感」（Maister, 1984; Taylor, 1994），消費者不確定自己會等多久。為了消除這種不確定感，消費者將會進行潛在的「向上比較」（Upward Comparison），意思是與排在自己前面的人比較，以及「向下比較」（Downward Comparison），即與排在自己後面的人比較（Zhou and Soman, 2003），透過這些比較來衡量自己需要等多久的時間。


212 December 2017

「向上比較」與「向下比較」會產生所謂的「前待效果」與「後待效果」。排

在消費者前面的人數愈多，消費者等待的時間也愈長，則消費者負面情緒也會愈強，

服務評價自然就降低，這種現象就稱作是排隊心理的「前待效果」（Hui and Tse, 1996）。「後待效果」則是在排隊的過程中，排在消費者後面的人數愈多，則消費者的正面情緒愈強，負面情緒愈弱，而離隊的機率則會大幅降低（Zhou and Soman, 2003）。在「後待效果」的研究中發現，排在消費者後面的人數愈多，則消費者的正面情緒愈強，而且產品或服務帶給消費者的價值愈提高。Lu et al.（2013）的研究發現排隊的位置會決定消費者是否願意繼續排隊，Zhou and Soman（2003）認為排隊相對位置的顯著性會影響排隊心理，而且高社會比較傾向者會比低社會比較傾向者容

易有比較心理。因此，本研究進一步探討行動排隊的另一個消費者行為的情境，即在

已經知道自己現在進入排隊隊伍後，將會有多少人排在他前面，而且可能將會有多少

其他的顧客會排在他的後面，在這種情境下，不同從眾行為的消費者是否會因為這種

「社會比較心理」而產生不同的排隊意願，換言之，本研究欲瞭解在行動排隊的服務

下，「社會比較心理」與「從眾心理」之間是否會有交互作用的影響。

3. 研究方法與研究假說

3.1 研究架構

根據以上文獻，本研究推導出研究架構與研究假設，研究架構主要分成三部分，

並以三組實驗加以實證，本研究之研究架構如圖 1所示。第一部分以實驗一來探討排隊方式、時間知覺與排隊意願之間的關係，將排隊方式設計為實體排隊與行動排隊。

H1排隊方式時間知覺排隊意願

網路口碑排隊意願

社會比較心理

排隊資訊

實驗一

實驗三

實驗二

H5

H3

H4

H6

H2

從眾心理排隊意願20152015

圖 1　研究架構圖


213December 2017

目的在於探討排隊方式對時間知覺是否具有顯著影響？以及時間知覺對於消費者排隊

意願具有顯著影響是否成立。第二部分實驗二主要探討費者網路口碑的相關影響因

素，這部分是由網路口碑、排隊資訊及排隊意願所構成，在網路口碑對於排隊意願是

否具有顯著影響的關係中加入了調節變數排隊資訊來做為操作方式。第三部分實驗三

探討不同的從眾心理傾向與排隊意願之間的相關因素，由從眾傾向、社會比較心理以

及排隊意願所組成，以社會比較心理做為調節變數，檢測從眾心理高低對於排隊意願

的關係之間是否有調節影響。

3.2　研究假說

本研究依據先前從文獻探討的結果，結合本研究架構與目的，提出以下六個研究

假說。

Lovelock and Wirtz（2010）認為排隊方式是企業影響或控制消費者等待時間知覺的一種方法，Zhou and Soman（2008）的研究發現排隊方式影響消費者的時間知覺，不同的排隊方式會讓消費者有不同的時間知覺。本研究認為使用行動排隊服務 App排隊比起以往的實體排隊，能有效減少消費者的時間知覺，因此本研究提出以下假

說：

H1：比起實體排隊，消費者對於行動排隊有較短的時間知覺。

時間知覺是個人對於時間長短的主觀感受。消費者的時間知覺越短，對於所接受

的服務會越滿意（Bielen and Demoulin, 2007）。Borges et al.（2015）的研究指出降低消費者的知覺等待時間可提升消費者的滿意度。本研究認為在排隊後，如果消費者

主觀時間知覺的排隊時間比較短，則消費者的排隊意願可能會提高。因此，本研究提

出以下假說：

H2：時間知覺對於排隊意願有負向影響。

Bristor（1990）認為口碑在消費者對於產品的態度轉變上有相當大的說服力及影響力。過去研究證實 eWOM 會影響費者的購買決策（Chatterjee, 2001; King et al., 2014）。當現在的消費者不確定哪一種產品比較好的時候，網路口碑就可能影響其決策。因此，本研究提出以下假說：

H3：比起沒有網路口碑資訊，正面的網路口碑對於排隊意願有正向影響。

在排隊的情境下，排隊人數則代表提供消費者足夠且真實的排隊資訊，幫助消

費者釐清排隊所帶來得不確定感。邱于平與楊美雪（2011）認為消費者在面臨美食類購買決策時，更易受資訊的影響，而這些資訊會影響購買前的評估階段。Lu et


214 December 2017

al.（2013）認為排隊的位置資訊，會影響消費者持續排隊的意願。本研究推論排隊資訊會調節網路口碑和排隊之間的關係。而本研究透過正面的網路口碑與無網路口碑，

搭配不同的排隊資訊來探討它們之間的調節效果。因此，本研究提出以下假說：

H4：排隊資訊對於網路口碑與排隊意願之間的關係，具有調節效果。

店家提供的服務愈有價值，人們愈願意等待（Maister, 1984）。Banerjee（1992）認為消費者存在資訊性影響的從眾心理，當消費者想要得知一件事情得正確性，就容易忽略自己擁有的資訊並順從於他人的意見。對於從眾傾向比較高的消費

者，他受到資訊性的影響也比較大。若消費者的從眾程度較高，則有傾向採納其他社

群成員的意見（李家瑩等人，2013）。所以當一個產品或是服務需要排隊時，從眾傾向高的消費者會認為排隊人潮所附加的顧客價值比較高，排隊意願相較之下也比較

高。因此，本研究提出以下假說：

H5：從眾心理對於排隊意願有正向影響。

Zhou and Soman（2003）認為排隊受到個體差異因素（Individual Factor）的調節影響，高社會比較傾向者會比低社會比較傾向者容易有比較心理。Debo and Veeraraghavan（2009）認為排隊的相對位置將會影響到消費者的排隊意願。本研究認為社會比較心理是從眾心理影響排隊意願的調節變數。換言之，排隊隊伍的前後顧客

人數將影響不同從眾傾向消費者的排隊意願。因此，本研究提出以下假說：

H6：社會比較心理對於從眾心理與排隊意願之間的關係，具有調節效果。

3.3　研究系統設計

因為本研究所要探討的時間知覺、從眾心理與社會比較心理必須透過情境的模

擬，所以本研究採用實驗室研究法，透過情境的模擬，並對排隊方式、網路口碑、排

隊資訊⋯⋯等參數的操弄，來探討本研究的架構與假說是否能獲得支持。而且採用實

驗室研究法能夠將控制其他外在因素，能達到變數間因果關係的釐清，可以確保研究

結果能不受這些因素影響而造成徧誤。本研究的虛擬排隊系統由研究者以 ASP.NET 進行開發設計，設計網路口碑及排隊資訊，並且使用 Google Maps JavaScript API來達到地圖以及定位的功能，整個實驗過程，透過模擬排隊程序的網站來進行。

3.4 構念之定義與操作化方式

本研究之研究架構中的排隊方式、網路口碑、排隊資訊、社會比較心理與為本實

驗之操控變數。排隊方式設定為以下兩組：(1)行動排隊、(2)實體排隊，傳統排隊方


215December 2017

式是教室內實體排隊模擬餐廳實境排隊，行動排隊則 App 進行虛擬排隊。在網路，本研究參照相關研究（陳美如等人，2012；Davis and Khazanchi, 2008），考慮到網路口碑的數量特性，將使用評分人數、星等、以及消費者評論來控制正面的網路口

碑，並透過實驗前測來訂定人數與星等標示數據，而在消費者的評論上，考慮到手機

螢幕顯示，則一篇正面的評價做為代表，相對於正向口碑，本研究以無評分人數、星

等、以及消費者評論做為網路口碑呈現。排隊資訊、社會比較心理的人數透過實驗前

測來進行訂定實驗標示數據。從眾傾向的分組透過實驗測試的結果加以歸納。時間知

覺為了避免「典型的回答偏誤」（Seawright and Sampson, 2007），不以受測者直接填寫時間的方式，採用了讓受測者點選時間數字來認定。例如，消費者知覺等待時間

為 23分 23 秒，則在分鐘處點選 23，在秒鐘處點選 23秒。在排隊意願的量表部分，本研究由一位資管教授、三位資管博士生、二位產業界的人士以及三位資管研究生共

同討論，參考過去相關文獻修改語意以符合排隊情境的需求，採用七點尺度以語意差

別量表（Semantic Differential Scale）加以衡量。研究中所採用各變項之定義與操作化方式如表 1所示。

3.5　實驗流程

本研究分成三組實驗。本實驗的研究對象以台灣的大學學生為主。本研究的前

測樣本則透過網路以病毒式傳播的方式填答前測問卷，受測人數共 31人；實驗預試的實驗對象則以北部某私立大學的資管系學生為主，受測人數共 40人，進行三項實驗；正式實驗的實驗對象以北部某國立大學的資管系大學部的學生為施測對象，共分

三組實驗，每組 80人，受測人數共 240人。

3.5.1　實驗前測本研究進行前測目的是為了在實驗情境的控制上，需要確定產品種類、模擬排隊

的時段；在實驗一時間知覺等待實驗中，需要設計等待的時間長度；在實驗二網路口

碑的操作中，需要星等與評分人數。在實驗三社會比較心理的實驗操作中排隊人數多

與少的人數設定，這些參數的設計將依據此前測結果來決定。

排隊方式為排隊行為研究的重要因素之一，目前有許多排隊店家，顧客等待的模

式仍為最基本的單一通道實體排隊，尤其是一些傳統的美食餐飲名店，大部分還是保

持此一形式的排隊方式，因此，本研究以 App虛擬排隊的方式和傳統的排隊方式做比較，來檢測排隊者的時間知覺。產品種類對於排隊行為也是個重點，因為產品對於

顧客的價值是顧客決定是否要排隊的重要條件。本研究將控制產品的顧客價值，選擇

出最有顧客價值的產品來進行實驗。排隊行為最常發生在「餐飲業」，因此本研究將

主題定位在「餐飲業」，並且調查哪一種料理對於消費者的排隊意願最高。前測結果


216 December 2017

決定產品種類為餐飲業的日本料理；為了排除掉時間壓力對排隊意願的干擾，在情境

模擬中的排隊時段上也很重要，透過前測擬定排隊的時段為星期六的晚餐。

時間知覺等待實驗中，要衡量受測者的時間知覺需要一定的時間長度，前測結果

表 1　研究構念之定義與操作化方式

變項操作型定義操作化方式參考文獻

排隊

方式

消費者等待

服務的方法

將排隊方式分為以下兩組：(1)行動排隊：透過虛擬行動 App的方式進行等待實驗。(2)實體排隊：在教室裡模擬餐廳單一通道排隊情境進行等待實驗。（變項尺度：名目尺度）

Rafaeli et al.（2002）

時間

知覺

消費者經過

外界刺激，

所感受到的

時間長度

消費者點選時間來回答，型式如下。（變項尺度：順序尺度）

分鐘 0 01 02 03 04 05 06 07 08 09 10

（總數 60） 0 11 12 13 14 15 16 17 18 19 20

⋯

秒鐘 0 01 02 03 04 05 06 07 08 09 10

（總數 60） 0 11 12 13 14 15 16 17 18 19 20

⋯

Seawright and Sampson（2007）

網路

口碑

產品在網路

上所出現的

評價

在網路口碑的操作上，將使用評分人數、星等、以及消費者評論

來控制正面的網路口碑與沒有網路口碑這兩種的資訊。(1)正面網路口碑：評分人數多、星等高、消費者評論好。(2)沒有網路口碑：無評分人數、無星等、無消費者評論。（變項尺度：名目

尺度）

Davis and Khazanchi（2008）

排隊

資訊

不斷更新消

費者在隊伍

中的位置之

資訊

在操作上操弄排隊資訊中的「目前排隊人數」，分為以下兩組：

(1)目前排隊人數多，預估等待時間長。(2)無目前排隊人數，無預估等待時間。為控制住消費者對於資訊的信任態度這個干擾變

數，這些資訊必須是由公正的第三方，也就是所謂資訊的提供商

所提供。（變項尺度：名目尺度）

Hui and Tse（1996）

從眾

心理

消費者接受

團體的影響

而改變自己

的行為或想

法

透過「網路口碑與排隊資訊」實驗中的實驗結果，將受測者依據

其從眾傾向分群（高 /中 /低）。(1)從眾傾向高：受到排隊人數的正向影響大。(2)從眾傾向中：沒有受到排隊人數的影響。(3)從眾傾向低：受到排隊人數的負向影響大。（變項尺度：名目尺

度）

Maister（1984）

社會比

較心理

是指消費者

藉由與所在

位置與前後

人數進行比

較，以釐清

自己的不確

定感

本研究欲探討當消費者得知如果現在進入排隊隊伍，有多少人在

他前面，而又有多少其他顧客排在他後面，所造成的「社會比

較心理」所影響。因此在操作上，本實驗將社會比較心理的操

作方式，首先控制住「平均排隊人數」，接著操作「目前排隊

人數」。「平均排隊人數」代表這家店，每天平均在用餐時段有

多少人在排隊。本研究定義 (1)「社會比較心理」高：目前排隊人數少。(2)「社會比較心理」低：目前排隊人數多。（變項尺度：名目尺度）

Zhou and Soman（2003）

排隊

意願

消費者對於

排隊的傾向

即在不考慮價格因素之下，是否有前往此店家排隊意願傾向之衡

量。（變項變項：順序尺度）

Ajzen and Fishbein（1977）


217December 2017

將時間長度設計為 23分鐘，這時間長度是介於達到排隊感覺的時間與能忍受的排隊時間之間。在網路口碑的操作中，本研究參照相關研究（陳美如等人，2012；Davis and Khazanchi, 2008），調查網路口碑中的「星等」與「評分人數」要多高，受測者才會覺得是好的網路口碑。本研究以 Facebook的呈現模式為參考依據，前測結果將好網路口碑，設計為 4星等與 67人評讚，並配合好的口碑的發文為呈現方式。而因為 Facebook並無評價「爛」這個圖示，因此，相對於好的網路口碑，本研究以無星等、無人評價讚及無網路口碑，做為好網路口碑的對照組。在排隊資訊的部分，本研

究參考 Hui and Tse（1996）的研究，前測結果將平均排隊人數多的排隊人數為 21-30人之間，本研究設為 25人。在社會比較心理實驗中，同樣將平均排隊人數多的排隊人數設為 25人，再前測結果的比例原則將目前排隊人數少設為 5人，目前排隊人數多設為 35人。本研究為了避免品牌（店家名稱）在實驗中受到受測者對某些既定的品牌印象等相關因素干擾，所以在本研究控制服務店家名稱，以店家 A、店家 B與店家 C來進行實驗。實驗前測問卷及結果如附錄 1。

3.5.2　實驗預試當實驗系統建置完成後，再以模擬正式實驗流程進行實驗預試。藉由實驗預試

所得到之樣本的分析結果，修正本研究之實驗設計中之缺陷，確保在正式實驗時能順

利進行且正確衡量到本研究中欲探討的問題，降低研究結果的偏誤。同時進行操弄檢

核，確保想像本研究操弄的有效性。實驗預試的樣本數為 40筆，所以先以敘述性統計的方式來分析結果，並針對實驗預試的分析結果與實驗預試過程中受測者所反應之

問題，歸納出以下幾點修改項目：(1)因此將原先題目的「在不考慮排隊人數及價格的情況下」，修改成「在不考慮價格與距離的情況下」。(2)實驗預試的網頁中，問卷部分與行動排隊系統的介面是分開的，有受測者認為將問卷部分與行動排隊系統放

在同一頁比較方便，因此，本研究將系統的操作介面稍做調整。(3)在網路口碑的內容上，將實驗網頁內容中評分人數旁邊加上了 Facebook的「讚」圖示。(4)在分析實驗預試結果，發現從眾心理分為二組（高／低）數據結果不如預期，因此，將其調整

為（高／中／低）三組。

3.5.3　正式實驗本研究在實驗流程的設計，以實驗架構與可行性為基準來安排。在實驗開始前，

先以實驗流程說明之投影片講解整個實驗流程與實驗過程中應注意之事項，同時避免

受測者猜測實驗目的而影響實驗結果。本研究的實驗研究時間特別選於晚餐前，並待

實結束後再發餐點與受測者，同時給予每位參與實驗受測者 50元禮券，使受測者能認真參與本實驗。實驗流程說明完畢後，開始正式實驗。


218 December 2017

(1) 實驗一（Study 1）：排隊方式與時間知覺實驗實驗一的研究情境為檢測受試者對於實體排隊與虛擬排隊之時間知覺與排隊

意願之間的關係，本研究在排隊方式的操作上，將 80個受測者隨機分為兩群（行動排隊／實體排隊）。實驗研究時間選於週六晚餐前，並待實結束後再

發餐點與受測者，以模擬餐廳排隊真實情境。實體排隊組是將受測者集中在

教室裡排隊情境，而行動排隊組透過使用模擬 App的方式進行，如附錄 2：附圖 1。實驗中將模擬排隊的等待時間，讓使用者等待 23分鐘。為了模擬實體排隊的情境，受測者只能夠跟座位附近的其他受測者聊天，但是不能隨意

離開座位。而行動排隊組的則無行動限制，兩組均要求在實驗過程中特別不

要看時間。當 23分鐘過後，會告知受測者等待完畢，並且讓受測者填答問題，點選受測者的時間知覺和排隊意願，填答完畢後實驗結束。

(2) 實驗二（Study 2）：網路口碑與排隊資訊實驗實驗二的研究情境為當受試者進入到某一地點時，透過行動排隊 App之 LBS服務，欲選擇附近日本料理店進行用餐，手機上顯示兩家附近店家的相關資

訊，之後就受試者的排隊意願進行檢測。實驗二將給予第二組實驗每位受測

者一個隨機分組號碼，並且在系統介面給予受測者實驗情境，實驗開始的按

鈕將在 15秒後方可使用，並且要求受測者輸入自己的隨機分組號碼。填答完以後系統將依照各受測者的隨機分組號碼，給予不同的實驗版本。透過設

計和操弄「網路口碑」與「排隊資訊」的不同進行隨機分組，當受測者操作

完每一行動電話介面後，將可以回答問題。本實驗的情境為，當消費者在進

入到某地，實驗二的智慧型行動電話介面內容將有兩家日本料理店，首先將

「網路口碑」的問題中給予受測者（好的網路口碑 vs沒有網路口碑），接著進行排隊資訊操弄，同樣有兩家日本料理店（排隊人數多 vs沒排隊人數），如附錄 2：附圖 2∼附圖 5，最後回答排隊意願之問項。

(3) 實驗三（Study 3）：從眾心理與社會比較心理實驗實驗三的研究情境為檢測 App上目前排隊人數對於不同從眾傾向之受試者的影響，第三組受測者在網路口碑高／低，排隊人數多／寡的情況下，分別填

答從眾心理傾向的語意差別量表題項（如附錄 2：附圖 6、附圖 7），系統將會依據受測者的回答狀況，將受測者依從眾傾向分為三組（高／中／低），

並繼續下一部分。接著將實驗三的兩個版本（平均排隊人數多／目前在排隊

人數少 vs平均排隊人數多／目前排隊人數多）分配給這三組受測者，實驗畫面首先出現店家的相關資訊，然後出現平均排隊人數和目前在排隊人數資訊

（如附錄 2：附圖 8、附圖 9）。當受測者操作完行動電話介面後，將可以回答排隊意願之問項。


219December 2017

4. 資料分析

本章節將透過使用 SPSS 21行相關驗證分析，本研究以實驗室研究法進行，並依據不同假說之驗證實驗的方式，選擇不同的統計分析方法來進行數據分析以及驗證假

說檢定。

4.1　實驗一

實驗一驗證假說 H1及 H2，表 2為實驗一的分組狀況。排隊構念分析結果如表3所示，分析結果得知排隊意願各個題項之因素負荷量皆大於 0.9。顯示本實驗之排隊意願構念具有足夠的收斂效度（Hair et al., 1998）。問卷信度值 Cronbach’s a大於0.8，顯示顯示本實驗之排隊意願構念具有足夠的信度（Nunnally, 1978）。

表 2　實驗一組別人數表

組別排隊方式人數

1 行動排隊 40

2 實體排隊 40

表 3　實驗一排隊意願量表摘要

構念對應問項平均數標準差因素負荷量 Cronbach’s a

排隊意願（實驗一）

你會去這家店排隊的意願為何？

絕對不會去／絕對會去 2.85 1.415 0.963

0.947一定不會去／一定會去 3.58 1.581 0.986

可能不會去／可能會去 3.43 1.261 0.905

假說 H1使用獨立樣本 t檢定，表 4為分析結果。根據 t檢定分析顯示，「排隊方式」在「時間知覺」上的影響其顯著性 p 0.001；表示在本研究的架構下，排隊方式對於時間知覺具有顯著影響。因此假說 H1「獲得支持」。

表 4　網路口碑之獨立樣本 t檢定表

實體排隊行動排隊 t值 Sig.

時間知覺（秒） 1062.90(81.5240) 1169.68(94.309) 4.855 .000***

n.s. p.05, *p.05, **p.005, ***p.001


220 December 2017

時間知覺屬於連續資料，因此檢定假說 H2使用一般線性迴歸。分析結果如表5。從分析結果來看，「時間知覺」在「排隊意願」上的影響其顯著性 p 0.001；顯示在本研究的架構下，時間知覺對於排隊意願具有顯著影響。因此假說 H2：「獲得支持」。

表 5　時間知覺與排隊意願之迴歸分析表

R2 Adjusted R2 F B Beta t值 Sig.

時間知覺 .296 .287 32.785 -.002 -.544 -5.726 .000***

n.s. p.05, *p.05, **p.005, ***p.001

4.2　實驗二

實驗二驗證假說 H3及 H4，表 6為實驗二的分組狀況。分析結果得知排隊意願各個題項之因素負荷量皆大於 0.9。顯示本實驗之排隊意願構念具有足夠的收斂效度。問卷信度值 Cronbach’s a大於 0.8顯示顯示本實驗之排隊意願構念具有足夠的信度，結果如表 7所示。

表 6　實驗二組別人數表

組別網路口碑排隊資訊人數

1 網路口碑好目前排隊人數多 20

2 網路口碑好沒排隊人數 20

3 沒網路口碑目前排隊人數多 20

4 沒網路口碑沒排隊人數 20

表 7　實驗二排隊意願量表摘要


排隊意願（實驗二）


絕對不會去／絕對會去　 4.11 1.615 0.809

0.817一定不會去／一定會去 4.05 1.377 0.934

可能不會去／可能會去 4.44 1.705 0.842

假說 H3與 H4的檢定方式是將「網路口碑」、「排隊資訊」與排隊意願的關係進行 Two-way ANOVA分析，分析結果如表 8。根據分析結果顯示，「網路口碑」對排隊意願有正向顯著影響，「排隊資訊」對排隊意願有並無顯著影響，而「排隊資


221December 2017

訊」對「網路口碑」與「排隊意願」之間的關係交互作用顯著，因此，假說 H3與假說 H4的獲得支持。二變項之間的交互作用顯著，因此，針對交互作用的狀況進行單純主要效果的檢驗。

表 8　網路口碑與排隊資訊對排隊意願關係之二因子變異數分析摘要表

來源型 III平方和 df Mean Square F Sig. Eta平方

網路口碑 52.812 1 52.812 48.446 .000*** .389

排隊資訊 1.013 1 1.013 .929 .338n.s. .012

網路口碑 *排隊資訊 5.513 1 5.513 5.057 .027*** .062

誤差（組內） 82.850 76 1.090

整體 1545.000 80

n.s. p.05, *p.05, **p.01, ***p.001

由單純主要效果檢驗結果顯示，網路口碑在目前排隊人數多的狀況下，網路口碑

好的在排隊意願的Mean 3.75，SD 1.020，顯著高於無網路口碑的Mean 3.00，SD 1.026，F 5.377，p .026。而網路口碑在目前排隊人數少的狀況下，網路口碑好的Mean 5.15，SD .988，和無網路口碑的Mean 4.85，SD 1.137間比較並無顯著差異 F.794，p .379。而排隊資訊在網路口碑好的狀況下，目前排隊人數多的 Mean 3.75，SD 1.020，顯著低於目前排隊人數少的 Mean 4.85，SD 1.137，F 10.379，p .003。而排隊資訊在無網路口碑上，目前排隊人數多的Mean 5.15，SD 1.026，顯著高於目前排隊人數少的Mean 3.00，SD .988，F 45.565，p .000。網路口碑與排隊資訊兩變項對排隊意願的影響呈現交互作用的關係，即排隊資訊調節網路口碑與排隊意願之間的關係，見表 9。

表 9　網路口碑與排隊資訊對排隊意願關係之單純主要效果變異數分析摘要表

來源型 III平方和 df Mean Square F Sig.

網路口碑

目前排隊人數多 5.625 1 5.625 5.377 .026***

目前排隊人數少 .900 1 .900 .794 .379n.s.

排隊資訊（排隊人數）

網路口碑好 12.100 1 12.100 10.379 .003***

無網路口碑 46.225 1 46.225 45.565 .000***

n.s. p.05, *p.05, **p.01, ***p.001


222 December 2017

為了更進一步瞭解研究模型中各變項之間的調節效果，本研究參考 Park et al.（2007）的分析方式（圖中各座標所構成的直線，僅用來呈現衡量變項之間的調節效果，並非探討統計上的顯著性）。根據目前排隊人數對網路口碑之調節作用圖可以

發現，對高網路口碑而言，目前排隊人數多，高網路口碑受測者的排隊意願比目前排

隊人數少的排隊意願來的低。相對的，對低網路口碑而言，目前排隊人數多，低網路

口碑受測者的排隊意願是比排隊人數少排隊意願來的高，如圖 2所示。

目前排隊人數

多少

網路口碑低高

排隊意願

5.5

5

4.5

4

3.5

3

2.5

圖 2　排隊人數對於網路口碑與排隊意願之關係的調節作用影響

4.3 實驗三

實驗一驗證假說 H5及 H6，表 10為實驗二的分組狀況。分析結果得知排隊意願各個題項之因素負荷量皆大於 0.8。顯示本實驗之排隊意願構念具有足夠的收斂效度。問卷信度值 Cronbach’s a大於 0.8，顯示顯示本實驗之排隊意願構念具有足夠的信度。檢驗結果如表 11所示。

表 10　實驗三組別人數表

組別從眾傾向目前排隊人數人數

1 從眾傾向高排隊人數多 12

2 從眾傾向高排隊人數少 11

3 從眾傾向中排隊人數多 17

4 從眾傾向中排隊人數少 14

5 從眾傾向低排隊人數多 12

6 從眾傾向低排隊人數少 14


223December 2017

表 11　實驗三排隊意願量表摘要


排隊意願（實驗三）


絕對不會去／絕對會去 4.75 1.108 0.931

0.889一定不會去／一定會去 4.96 1.049 0.957

可能會去／可能不會去 5.59 1.319 0.849

假說 H5與 H6的檢定方式是將「從眾心理」、「社會比較心理」與排隊意願進行 Two-way ANOVA分析，分析結果如表 12。根據分析結果來看，從眾心理與社會比較心理分別對於排隊意願具有顯著影響，但「從眾心理」、「社會比較心理」之間

具有不具交互作用。因此假說 H5「獲得支持」，而假說 H6檢定「未獲支持」。由於「從眾心理」、「社會比較心理」之間交互作用未達顯著差異，因此進行排隊意

願和「從眾心理」、「社會比較心理」的主要效果分析。由於從眾傾向心理分為高中

低三組，故需進行事後比較，本研究使用 Scheffe法進行事後比較，結果發現，見表13，從眾傾向高的排隊意願高於從眾傾向中，從眾傾向中的排隊意願高於從眾傾向低。在社會比較心理的主要效果分析方面，目前排隊人數少的排隊意願高於目前排隊

人數多。

表 12　從眾心裡與社會比較心理對排隊意願關係之二因子變異數分析摘要表

來源型 III平方和

df Mean Square F Sig.Eta平方

事後比較

從眾傾向 7.202 1 7.202 8.139 .006*** .099高低，中低

社會比較心理 12.782 2 6.391 7.223 .001*** .163

從眾心理 * 社會比較心理

3.680 2 1.840 2.079 .132n.s. .053

誤差（組內） 65.479 74 .885

整體 2168.444 80

n.s. p.05, *p.05, **p.005, ***p.001


224 December 2017

表 13　Scheffe法進行事後比較表

從眾傾向（I）從眾傾向（J）平均差異（I-J）標準誤差顯著性95% 信賴區間

上界下界

高中 .12 .264 .906n.s. -.54 .78

低 .79 .254 .011* .15 1.42

中高 -.12 .264 .906 n.s. -.54 .78

低 .67 .246 .029* .05 1.28

低高 -.79 .254 .011* -1.42 -.15

中 -.67 .246 .029* -1.28 -.15

n.s. p.05, *p.05, **p.005, ***p.001

從眾傾向

高中低

社會比較心理

目前排隊人數少

目前排隊人數多

排隊意願

6

5.5

5

4.5

4

圖 3　從眾傾向對社會比較心理與排隊意願之關係的調節作用影響

本研究認為社會比較心理會調節從眾心理與排隊意願之間的關係，其意涵為當

消費者的從眾傾向高，受到目前排隊人數的可能很強，這時如果前面排隊人數少後面

排隊人數多，從眾傾向高之消費者的排隊意願將會提高；但是如果排隊人數多後面排

隊人數少，從眾傾向高的消費者可能就會受到影響，造成排隊意願降低。但分析結果

（表 12、圖 3）發現不管受測者從眾傾向的高低，都會受到社會比較心理的直接影響，換言之，只要平均排隊人數多，目前排隊人數少，都會提高消費者的排隊意願。

4.4 假說檢定結果

本研究之假說檢定結果彙整如表 14。


225December 2017

表 14　假說檢定結果彙整

假說內容結果

H1：比起實體排隊，消費者對於行動排隊有較短的時間知覺。支持

H2：時間知覺對於排隊意願有負向影響。支持

H3：正面的網路口碑對於從眾心理有正向影響。支持

H4：排隊資訊對於網路口碑與從眾心理之間的關係，具有調節效果。支持

H5：從眾心理對於排隊意願有正向影響。支持

H6：社會比較心理對於從眾心理與排隊意願之間的關係，具有調節效果。不支持

5. 結論與建議

本節以資料分析結果驗證本研究之假說，並據此給予實務上的建議，最後說明研

究限制與提供未來後續研究建議。

5.1　研究發現與討論

過去排隊研究的文獻結果顯示，排隊方式的不同將會影響到消費者的時間知覺

（Rafaeli et al., 2002）。同樣地，由 H1獲得支持得知，在本研究的情境下，排隊方式對時間知覺的影響是顯著的。本研究認為這是由於進行實體排隊時，受測者必須待

在現場，意識到自己正在等待而產生心理壓力所造成的。在實驗過程中，實體排隊

組的受測者多次問到實驗還要做多久這類的問題，這表示受測者將大部分注意力放

在時間上，其認知計時器開始流逝，最後產生了先前研究所提到的高估等待時間的狀

況。反觀行動排隊組受到的限制較少，受測者並沒有意識到自己正在等待，心理壓

力較低。當人們在做有興趣的工作會比做無聊的工作感受到較短的時間（Troutwine and O’Neal, 1981）。因此，高度的主觀和情境因素通常會影響受試者對等待時間的知覺，行動排隊的方式，受測者仍可做手機的使用，相對比較實體排隊主觀上更不容

易感覺到時間的流逝。透過實驗結果的分析，有效驗證行動排隊降低消費者的時間知

覺，真實反應行動排隊組之時間知覺確實比實體排隊組來得低。Schmenner（1995）指出消費者主觀知覺的等待時間往往較實際等待時間來的重要。由 H2獲得支持得知，在本研究的實驗結果下，時間知覺對於排隊意願的影響是顯著的，本研究認為如

果實際的等待時間都是一樣，當受測者對於排隊的時間知覺越短，排隊意願就會越

高。因此，只要能有效的降低消費者的時間知覺，即使實際等待時間並沒有減少，消

費者排隊的意願還是會提高。

由 H3獲得支持得知，本研究的實驗情境下，網路口碑對排隊的排隊意願的影


226 December 2017

響是顯著的。受測者受到了資訊性的影響，選擇了網路口碑較好的店家。Huang and Chen（2006）在網路產品選擇的研究中提到，多數的消費者在選擇產品時，與顧客評論的評等有明顯關聯，研究的實驗結果和其類似。因為網路口碑代表著多數人的認

同，在沒有其他店家資訊的情況下，消費者就會受到網路口碑的影響，接受大眾的意

見。由 H4獲得支持得知，本研究的情境下，排隊資訊對於網路口碑與從眾心理之間的有顯著調節關係。這結果顯示在本研究情境下，網路口碑是影響消費者選擇的主效

果，排隊資訊為調節效果。在選擇消費時，即使有好的網路口碑，排隊人數多仍會略

為降低消費者的排隊意願，排隊仍具負面影響效果，但是在網路口碑不足情形下，排

隊人數多，會讓消費者認為此店家是較具消費價值，可提高消費者的排隊意願。值得

注意是網路口碑的在排隊資訊的調節之下，對排隊意願仍具有顯著的效果，顯示網路

口碑對排隊意願的影響是相當強韌的。並不會因為其它變項的共同影響而改變其對排

隊意願的影響方向，網路口碑好對排隊意願的提高為相當穩定的現象。

消費者如果從眾傾向越高，代表他越容易受到資訊性的影響。當一個產品或是服

務需要排隊時，從眾傾向高的消費者會認為產品或是服務的價值比較高；而當店家提

供的服務愈有價值，消費者也愈願意等待（Maister, 1984）。由 H5獲得支持得知，在本研究的情境下，從眾心理對排隊意願的效果是顯著的，代表消費者的從眾傾向越

高，排隊意願也越高，這與過去的研究結果相似（Hornsey et al., 2003; Lee and Park, 2008）。本研究社會比較心理會影響從眾心理與排隊意願之間的關係，由 H6未獲得支持得知，社會比較心理對於從眾心理與排隊意願之間的關係，並不具有調節效果。

本研究根據先前的研究並且推斷不顯著的原因可能有以下二點：(1)實驗設計問題：以往排隊人數與從眾心理的實驗，是透過田野研究的方式，觀察消費者進入排隊人

數多的店家或是排隊人數少的店家之機率。但是由於本實驗研究情境可能沒辦法完全

模擬現場狀況，導致研究結果不如預期。(2)排隊資訊並不具調節效果：過去的排隊人數影響從眾心理的研究，是將排隊人數做為主效果，並沒有與網路口碑一起討論。

但由於本研究的行動排隊情境，能將排隊資訊以內容豐富度的方式加在網路口碑上，

因此將排隊人數（多／沒有）與網路口碑（好／沒有）一起討論。而統計分析結果發

現不管受測者從眾傾向的高低都會受到社會比較心理的影響，受測者的排隊意願都會

提高，意即社會比較心理對於排隊意願會有直接影響，而不是對從眾心理產生調節效

果，這現象可有個合理的心理層面的解釋，也就是當一個網路口碑好、平時排隊人數

多的店家，當它目前排隊人數少的時候，在社會比較心理的影響下，所有消費者的消

費意願是高的。

5.2　管理意涵

App已成為日常生活中不可或缺的工具，本研究以實驗設計法，分析排隊相關理


227December 2017

論在現今科技下的運用情境與關連，探討行動排隊如何降低消費者的等待時間知覺，

以減少消費者的等待的負面影響，並以 App結合 LBS的設計方式，設計網路口碑，顯示排隊資訊，讓消費者更能清楚瞭解服務的相關資訊，提高正向消費意願，減少

負面影響，本研究希望藉此使得整體服務流程更加完善，對於實務及學術做出具體貢

獻。

消費者早已將排隊時間視為服務滿意度中的重要因素之一（Hirschman, 1987），等待經常被消費者視作是服務中的負面經驗，但實際上，消費者卻是對其主觀知覺到

的等待時間作出反應（周逸衡等人，2006）。因此，瞭解與改善顧客的知覺等待時間相對於服務提供者而言相形重要。讓消費者不會把注意力放在時間上，能有效提高消

費者滿意度以及降低負面情緒，而且隨著主觀的等待時間知覺降低，排隊意願也會隨

之提高。消費者會採用某些策略來節省他們等待消費所花費的時間（Berry, 2004）。而在無法降低消費者實際等待時間的狀況下，降低消費者的等待時間知覺是實際的解

決之道。這研究結果能夠提供給目前的排隊店家一個方向，透過行動排隊服務，讓原

本不想排隊的消費者，也會到店裡消費，擴大顧客來源；原本就願意排隊的消費者，

也會因為這種行動排隊的方式，提高對產品或是服務的滿意度。

Disney樂園透過旅遊資料預測、園區人潮即時偵測及各種科技的應用，搭配適當的措施以紓解熱門遊戲項目的人潮，包括利用電子遊樂器、小遊行及 Disney人物和排隊遊客互動等方式，降低顧客等候時間的知覺，改善實際可搭乘的遊戲項目數及

遊客滿意度。智慧型手機上的 App具備打發時間的功能，使得服務提供者並不需另外提供額外解決方案，便能達到降低時間知覺效果，若遊樂園進一步開發與主題相關

的 App，也就是將 App納入解決排隊負面影響的方案之中，這種方式不僅能降低消費者時間知覺，相對提高知覺價值，更能誘發遊客遊玩的正向情緒及達成更高的滿意

度。

Chuo and Heywood（2014）認為排隊隊伍夠長但是又不會太長，讓消費者能有接受服務正向效應，是排隊管理的重要議題。資訊科技的發展達成許多過去做不到的

服務，行動排隊服務提供給消費者許多附近店家資訊，像是各店家的網路口碑以及目

前的排隊資訊，這些資訊都是能影響消費者做購買決策的重要因素。本研究的結果顯

示，給予消費者店家平均排隊人數的資訊，讓消費者知道，如果現在進入排隊隊伍，

可能會有多少人排在他的前面後面，讓消費者更掌握時間運用，使消費者的排隊意願

提高。因此，對於目前排隊人潮眾多的店家，如果能有效的將這些資訊傳送給消費

者，提供更全面的服務，將會吸引更多的消費者願意上門消費。

目前許多店家知道排隊人數將會影響消費者的從眾心理，因此刻意營造出大排

長龍的情況，使消費者認為自己的產品價值最高。這也讓許多消費者買到產品後才發

現不如預期。行動排隊服務的資訊能夠由公正的第三方提供，資訊的透明提供消費者


228 December 2017

更多消費決策空間，確保資訊的可信度，降低消費風險。在網路口碑不會有店家灌

水的嫌疑，這樣消費者就能放心地參考這些資訊來做出選擇。Wexler（2015）指出行動科技將改變排隊文化，在現今互動連結時代，智慧型手機 App已改變我們的生活方式，同時影響人們的知覺和情緒，使得業者可進行不同的應用，許多管理相關的議

題，都可重新檢視。就以排隊議題而言，現在仍有許多仍停留在傳統的排隊行為的

檢測，相較之下，本研究不但提供一個有效的 App排隊模式，也以一個不同管理思維，面對新科技所帶來的應用提出一個理論上的詮釋。

5.3　研究限制與未來研究建議

本研究在執行過程中力求嚴謹，但仍有以下之研究限制。首先由於成本與人力

上的限制，本研究的實驗受測者選擇大學生。雖然在排隊研究領域中，學生屬於適合

進行研究的樣本，但是為了真實市場所需，在其他年齡層或是其他職業的消費者的排

隊行為值得研究，未來的研究或許可以針對人口統計特性作進一步的分析與討論。其

次，在目前的消費市場上，行動排隊這種服務並不多見，而本研究以實驗室法的方式

來模擬這種情境，與現實的服務情境可能有差異，未來如果能以真實的上線服務來進

行研究，將能夠更準確的模擬行動排隊的情境。

在未來的研究方面，本研究提出數項建議。第一、本研究產品控制為餐飲業的

日本料理，將來也可以用其它產品。第二、本研究為了控制住品牌對消費者的影響，

將店家的名稱設計為 A店、B店與 C店，未來的研究或許能夠加入品牌的效果，研究網路口碑、品牌、排隊人數幾個變項之間是否會產生交互作用。第三、本研究的實

驗只有在網路口碑上的星等、評分人數、評價上及排隊資訊來操作，建議未來的研究

能以更完整的資訊內容豐富度來衡量消費者的從眾心理，使研究更加完善。第四、

在排隊行為與時間知覺上，個人的情緒因素也是個值得探討的議題，個人當下的情緒

將會影響到他的等待時間知覺與排隊意願，研究發現多種會影響時間知覺的不同情緒

反應，後續研究可以透過個人情緒的量表，將不同情緒對於排隊行為的影響做更深入

的研究。最後，領號碼的實體排隊方法是目前常用的傳統排隊方式之一，比較領號碼

牌實體差異以及其它不同排隊方式和行動排隊服務的差異，也是未來可進行探討的研

究。

參考文獻

李家瑩、方郁惠、吳柏勳（2013）。以期望理論及公平理論探討線上服務失誤補救。電子商務學報，15（3），367-388。


229December 2017

邱于平、楊美雪（2011）。部落格口碑訊息訴求對購買決策之影響。電子商務學報，13（4），919-937。

周逸衡、黃毓瑩、陳華寧、楊俊明（2006）。情緒類別及等待發生時點對等待時間知覺的影響。中山管理評論，14（2），487-516。

張阜民、王秀郎、林意凡、高勝助（2013）。建構一個適地性服務兼具行動監控的行動學習系統。科學與工程技術期刊，9（1），67-77。

陳美如、蔡精育、宋鎧、范錚強（2012）。線上口碑對消費者購買意圖之影響－網路論壇的實驗研究。中山管理評論，20（2），441-475。

資策會產業情報研究所（2015）。《行動購物需求調查分析》62.5%台灣網友有行動購物經驗。取自 2015年 2月 23日，https://mic.iii.org.tw/IndustryObservations_PressRelease02.aspx?sqno=382

Ajzen, I., & Fishbein, M. (1977). Attitude-behavior relations: A theoretical analysis and review of empirical research. Psychological Bulletin, 84(5), 888-918.

Allon, G., & Hanany, E. (2012). Cutting in line: Social norms in queues. Management Science, 58(3), 493-506.

Anić, I. D., Radas, S., & Miller, J. C. (2011). Antecedents of consumers’ time perceptions in a hypermarket retailer. The Service Industries Journal, 31(5), 809-828.

Asch, S. E. (1955). Opinions and social pressure. Scientific American, 193(5), 31-35.Baker, J., & Cameron, M. (1996). The effects of the service environment on affect and

consumer perception of waiting time: An integrative review and research propositions. Journal of the Academy of Marketing Science, 24(4), 338-349.

Banerjee, A. V. (1992). A simple model of herd behavior. The Quarterly Journal of Economics, 107(3), 797-817.

Bauer, H. H., Barnes, S. J., Reichardt, T., & Neumann, M. M. (2005). Driving consumer acceptance of mobile marketing: A theoretical framework and empirical study. Journal of Electronic Commerce Research, 6(3), 181-192.

Bellman, S., Potter, R. F., Treleaven-Hassard, S., Robinson, J. A., & Varan, D. (2011). The effectiveness of branded mobile phone apps. Journal of Interactive Marketing, 25(4), 191-200.

Berry, L. L. (2004). Marketing services: Competing through quality. NY: Simon and Schuster.

Bielen, F., & Demoulin, N. (2007). Waiting time influence on the satisfaction-loyalty relationship in services. Managing Service Quality: An International Journal, 17(2), 174-193.


230 December 2017

Borges, A., Herter, M. M., & Chebat, J. C. (2015). “It was not that long!”: The effects of the in-store TV screen content and consumers emotions on consumer waiting percep-tion. Journal of Retailing and Consumer Services, 22, 96-106.

Bristor, J. M. (1990). Enhanced explanations of word of mouth communications: The power of relationships. Research in Consumer Behavior, 4, 51-83.

Carmon, Z., Shanthikumar, J. G., & Carmon, T. F. (1995). A psychological perspective on service segmentation models: The significance of accounting for consumers’ percep-tions of waiting and service. Management Science, 41(11), 1806-1815.

Chatterjee, P. (2001). Online reviews: Do consumers use them? Advances in Consumer Research, 28(1), 129-133.

Chuo, H. Y., & Heywood, J. L. (2014). An optimal queuing wait for visitors’ most favorite ride at theme parks. In Chen, J. S. (Ed.), Advances in Hospitality and Leisure (57-73). UK, Bingley: Emerald.

Dai, H., & Palvi, P. C. (2009). Mobile commerce adoption in China and the United States: A cross-cultural study. ACM SIGMIS Database: the DATABASE for Advances in Information Systems, 40(4), 43-61.

Davis, A., & Khazanchi, D. (2008). An empirical study of online word of mouth as a predictor for multi-product category e-commerce sales. Electronic Markets, 18(2), 130-141.

Debo, L. G., & Veeraraghavan, S. K. (2009). Models of herding behavior in operations management. In Netessine, S., & Tang, C. S. (Eds.), Consumer-Driven Demand and Operations Management Models (81-112). London: Springer US.

Deutsch, M., & Gerard, H. B. (1955). A study of normative and informational social influ-ences upon individual judgment. The Journal of Abnormal and Social Psychology, 51(3), 629-636.

Doerr, J. (2011). Top mobile internet trends. Retrieved May 5, 2014, from http://www.kpcb.com/blog/top-10-mobile-internet-trends

Dube-Rioux, L., Schmitt, B. H., & Leclerc, F. (1989). Consumers’ reactions to waiting: When delays affect the perception of service quality. Advances in Consumer Research, 16, 59-63.

Festinger, L. (1954). A theory of social comparison processes. Human Relations, 7(2), 117-140.

Hair, J. H., Tatham, R. L., Anderson, R. E., & Black, W. (1998). Multivariate data analysis (5th ed.). NJ, Upper Saddle River: Prentice Hall.


231December 2017

Hanson, W. A., & Kalyanam, K. (2007). Internet marketing & e-commerce (2nd ed.). OH: Thomson South-Western.

Hennig-Thurau, T., Gwinner, K. P., Walsh, G., & Gremler, D. D. (2004). Electronic word-of-mouth via consumer-opinion platforms: What motivates consumers to articulate themselves on the internet? Journal of Interactive Marketing, 18(1), 38-52.

Hirschman, E. C. (1987). People as products: Analysis of a complex marketing ex-change. The Journal of Marketing, 51, 98-108.

Hockenhull, T. (2000). Getting the edge in professional selling: Queues, numbers, and time wasting. Business World, 1.

Hornik, J. (1992). Time estimation and orientation mediated by transient mood. The Journal of Socio-Economics, 21(3), 209-227.

Hornik, J., Cherian, J., & Zakay, D. (1994). The influence of prototypic values on the valid-ity of studies using time estimates. Journal of the Market Research Society, 36(2), 145-148.

Hornsey, M. J., Majkut, L., Terry, D. J., & McKimmie, B. M. (2003). On being loud and proud: Non-conformity and counter-conformity to group norms. British Journal of Social Psychology, 42(3), 319-335.

Huang, J. H., & Chen, Y. F. (2006). Herding in online product choice. Psychology & Marketing, 23(5), 413-428.

Hui, M. K., & Tse, D. K. (1996). What to tell consumers in waits of different lengths: An integrative model of service evaluation. Journal of Marketing, 60(2), 81-90.

Husain, W., & Dih, L. Y. (2012). A framework of a personalized location-based traveler recommendation system in mobile application. International Journal of Multimedia and Ubiquitous Engineering, 7(3), 11-18.

Jacobs, F. R., & Chase, R. B. (2014). Operations and supply chain management (14 th ed.). NY: McGraw-Hill Education.

Janakiraman, N., Meyer, R. J., & Hoch, S. J. (2011). The psychology of decisions to abandon waits for service. Journal of Marketing Research, 48(6), 970-984.

Jones, P., & Dent, M. (1994). Improving service: Managing response time in hospitality operations. International Journal of Operations & Production Management, 14(5), 52-58.

Katz, K. L., Larson, B. M., & Larson, R. C. (1991). Prescription for the waiting-in-line blues: Entertain, enlighten, and engage. Sloan Management Review, 32(2), 44-53.

Kellaris, J. J., & Kent, R. J. (1992). The influence of music on consumers’ temporal percep-


232 December 2017

tions: Does time fly when you’re having fun? Journal of Consumer Psychology, 1(4), 365-376.

King, R. A., Racherla, P., & Bush, V. D. (2014). What we know and don’t know about online word-of-mouth: A review and synthesis of the literature. Journal of Interactive Marketing, 28(3), 167-183.

Koo, M., & Fishbach, A. (2010). A silver lining of standing in line: Queuing increases value of products. Journal of Marketing Research, 47(4), 713-724.

Kruglanski, A. W., & Mayseless, O. (1990). Classic and current social comparison research: Expanding the perspective. Psychological Bulletin, 108(2), 195-208.

Larson, R. C. (1987). Or forum-perspectives on queues: Social justice and the psychology of queueing. Operations Research, 35(6), 895-905.

Lascu, D. N., & Zinkhan, G. (1999). Consumer conformity: Review and applications for marketing theory and practice. Journal of Marketing Theory and Practice, 7(3), 1-12.

Lee, Y. J., & Park, J. K. (2008). The mediating role of consumer conformity in e-compulsive buying. Advances in Consumer Research, 35, 387-392.

Lehrer, C., Constantiou, I., & Hess, T. (2011). Examining the determinants of mobile location-based services’ continuance. Proceeding of the Thirty Second International Conference on Information Systems (ICIS 2011), Shanghai, China.

Lin, Y. T., Xia K. N., & Bei, L. T. (2015). Customer's perceived value of waiting time for service events. Journal of Consumer Behaviour, 14(1), 28-40.

Lovelock, C. H., & Wirtz, J. (2010). Services marketing: People, technology, strategy (7th ed.). NJ: Prentice Hall.

Lu, Y., Musalem, A., Olivares, M., & Schilkrut, A. (2013). Measuring the effect of queues on customer purchases. Management Science, 59(8), 1743-1763.

Maister, D. H. (1984). The psychology of waiting lines. Boston, USA: Harvard Business School Publishing.

Martin, W. C., & Leug, J. E. (2013). Modeling word-of-mouth usage. Journal of Business Research, 66 (7), 801-808.

Noguera, J. M., Barranco, M. J., Segura, R. J., & Martínez, L. (2012). A mobile 3D-GIS hybrid recommender system for tourism. Information Sciences, 215, 37-52.

Nunnally, J. C. (1978). Psychometric theory (2nd ed.). New York: McGraw-Hill.Park, D. H., Lee, J., & Han, I. (2007). The effect of on-line consumer reviews on consumer

purchasing intention: The moderating role of involvement. International Journal of Electronic Commerce, 11(4), 125-148.


233December 2017

Pruyn, A., & Smidts, A. (1998). Effects of waiting on the satisfaction with the service: Beyond objective time measures. International Journal of Research in Marketing, 15(4), 321-334.

Rafaeli, A., Barron, G., & Haber, K. (2002). The effects of queue structure on attitudes. Journal of Service Research, 5(2), 125-139.

Raz, O., & Ert, E. (2008). “Size counts”: The effect of queue length on choice between similar restaurants. Advances in Consumer Research, 35, 803-804.

Ross, L., Bierbrauer, G., & Hoffman, S. (1976). The role of attribution processes in conformity and dissent: Revisiting the Asch situation. American Psychologist, 31(2), 148-157.

Sarwat, M., Eldawy, A., Mokbel, M. F., & Riedl, J. (2013). PLUTUS: Leveraging location-based social networks to recommend potential customers to venues. Proceedings of the 14th International Conference on Mobile Data Management (IEEE 2013), Washington, DC, USA.

Schmenner, R. W. (1995). Service operations management. NJ: Prentice Hall. Seawright, K. K., & Sampson, S. E. (2007). A video method for empirically studying wait-

perception bias. Journal of Operations Management, 25(5), 1055-1066.Shankar, V., & Balasubramanian, S. (2009). Mobile marketing: A synthesis and prognosis.

Journal of Interactive Marketing, 23(2), 118-129.Shankar, V., Venkatesh, A., Hofacker, C., & Naik, P. (2010). Mobile marketing in the retail-

ing environment: Current insights and future research avenues. Journal of Interactive Marketing, 24(2), 111-120.

Taylor, S. (1994). Waiting for service: The relationship between delays and evaluations of service. Journal of Marketing, 58(2), 56-69.

Troutwine, R., & O'Neal, E. C. (1981). Volition, performance of a boring task and time estimation. Perceptual and Motor Skills, 52(3), 865-866.

van Riel, A. C. R., Semeijn, J., Ribbink, D., & Bomert-Peters, Y. (2012). Waiting for service at the checkout: Negative emotional responses, store image and overall satisfaction. Journal of Service Management, 23(2), 144-169.

Weiss, A. S. (2013). Exploring news apps and location-based services on the smartphone. Journalism & Mass Communication Quarterly, 90(3), 435-456.

Wexler, M. N. (2015). Re-thinking queue culture: The commodification of thick time. International Journal of Sociology and Social Policy, 35(3/4), 165-181.

Yadav, M. S., de Valck, K., Hennig-Thurau, T., Hoffman, D. L., & Spann, M. (2013). So-


234 December 2017

cial commerce: A contingency framework for assessing marketing potential. Journal of Interactive Marketing, 27(4), 311-323.

Zhou, R., & Soman, D. (2003). Looking back: Exploring the psychology of queuing and the effect of the number of people behind. Journal of Consumer Research, 29(4), 517-530.

Zhou, R., & Soman, D. (2008). Consumers’ waiting in queues: The role of first-order and second-order justice. Psychology & Marketing, 25(3), 262-279.


235December 2017

附錄 1：前測問卷及數據

排隊料理

1.哪些料理會讓你有意願排隊 ? （複選）

(1)甜點、麵包、冰品⋯19票 (2)義大利麵⋯14票 (3)中式菜餚（台式、川味）⋯11票 (4)日本料理 ⋯29票 (5)南洋料理⋯8票 (6)各種小吃⋯16票 (7)健康養生⋯3票。

排隊時段

2.什麼時段會讓你比較有意願排隊 ? （複選）

(1)星期一∼星期四中餐⋯5票 (2)星期一∼星期四晚餐⋯7票 (3)星期五中餐⋯4票 (4)星期五晚餐⋯18票 (5)星期六中餐⋯14票 (6)星期六晚餐⋯20票 (7)星期日中餐⋯10票 (8)星期日晚餐⋯7票

排隊時間

3.多長的時間才會讓你有排隊的感覺 ? （單選）

(1)10分鐘以內⋯4票 (2)11~20分鐘⋯18票 (3)20~30分鐘⋯7票 (4)30分鐘以上⋯2票。

4.你能接受的排隊時間最長為多久 ? 選分鐘

(1)15分鐘以內⋯3票 (2)15~20 分鐘⋯5票 (3)20~30分鐘⋯19票 (4)30-40分鐘⋯2票 (3)40~60分鐘⋯2票。

網路評價

5.網路評價中，你認為多少星等才能比較有說服力 ? （單選）

(1)一星等 ⋯0票 (2)至少兩星等⋯0票 (3)至少三星等⋯7票 (4)至少四星等⋯19票 (5)至少五星等⋯5票。

6.網路評價中，你認為需要有多少人評分，才比較有說服力 ? （單選）

(1)1 ~ 25人⋯0票 (2)26 ~50人⋯1票 (3)51~ 75人⋯20票 (4)76 ~ 100人⋯10票 (5)100人以上⋯0票。

7.你認為平均要多少人排隊，才算排隊人數多？（單選）

(1)5人以下⋯0票 (2)5-10人⋯3票 (3)11-20人以上⋯7票 (4) 21-30人⋯15票 (5)30人以上⋯7票。

社會比較心理

8.你認為平均 10人的排隊人數，目前要多少人排隊，才算排在前面？（單選）

(1)3人下⋯30票 (2) 4-8人⋯7票 (3) 9-12人以上⋯0票

9.你認為平均 10人的排隊人數，目前要多少人排隊，才算排在後面？（單選）

(1)7人下⋯1票 (2)8人⋯12票 (3)13人以上⋯29票


236 December 2017

附錄 2：實驗系統畫面

實驗一

附圖 1　排隊系統 APP


237December 2017

實驗二

附圖 2　網路口碑好、排隊人數多附圖 3　無網路口碑、排隊人數多

附圖 4　網路口碑好、排隊人數少附圖 5　無網路口碑、排隊人數少


238 December 2017

實驗三

附圖 6　從眾行為檢測一附圖 7　從眾行為檢測二

附圖 8　平均排隊人數多、目前排隊人數少附圖 9　平均排隊人數多、目前排隊人數多

行動排隊服務對消費者排隊心理影響之研究jeb.cerps.org.tw/files/jeb2017-008.pdf ·...

Documents