雲端 crm 系統持續使用意圖之實證研究：整合任...

103June 2016

第十八卷　第一期　2016 年 6 月（pp.103～140）

雲端 CRM系統持續使用意圖之實證研究：整合任務—科技適配模式與體制理論

陳至柔 a　吳如娟 b,*　林松江 c

a國立澎湖科技大學行銷與物流管理系 b逢甲大學企業管理學系

c國立台北教育大學數學暨資訊教育學系

摘要

顧客關係管理（CRM）已成為企業重視的經營議題，根據 Gartner公司的研究報告預測，軟體即服務（SaaS）在大多數企業應用軟體市場中將變得越來越重要。過去以 CRM系統為主的相關研究大多著重在系統服務品質上的研究，少有對於 SaaS之任務—科技適配度及企業所面對的體制壓力與雲端 CRM系統使用意圖間之關係進行深入探討，因此本研究結合此兩理論，探討雲端 CRM系統之任務—科技適配度及企業客戶所面臨的體制壓力，對知覺有用性、使用滿意度與持續使用意圖的影響。本

研究以使用雲端 CRM系統超過三個月之企業客戶為研究對象，共回收 185 份有效問卷，並使用 SmartPLS 2.0軟體進行模式驗證與假說檢定，實證結果顯示多數假說均受到支持。根據研究結果，提出管理意涵及實務建議供相關業者參考。

關鍵詞：軟體即服務、雲端 CRM系統、任務—科技適配模式、體制理論、體制壓力

* 通訊作者　電子郵件：[email protected] 本論文為中華民國行政院科技部補助之研究計畫 NSC-102-2410-H-346-003- 的部分研究成果，並感謝兩位匿名審

稿人所提供之寶貴意見。 DOI: 10.6188/JEB.2016.18(1).04


104 June 2016

An Empirical Study of Continuous Usage Intention of Cloud CRM System: Integrating the Task-Technology Fit

Model and Institutional TheoryChih-Jou Chena 　Ju-Chuan Wub　Sung-Chiang Linc

a Department of Marketing and Logistics Management, National Penghu University of Science and Technologyb Department of Business Administration, Feng Chia University

c Department of Mathematics and Information Education, National Taipei University of Education

AbstractCustomer Relationship Management (CRM) has been an issue of primary concern in

business management. According to a study by Gartner, SaaS (Software as a Service, SaaS) is predicted to become increasingly important in most enterprise application software (EAS) markets. Prior studies of CRM system were mostly focused on the service quality. In the extant literature, only a few studies investigate the effects of task-technology fit and institutional pressures on firms’ SaaS adoption. Therefore, this study integrates the Task-Technology Fit Model (TTF) and Institutional Theory to develop a research model that examines important factors affecting continuous usage of cloud CRM system. We extend the variables of TTF and Institutional Theory to better explain the perceived usefulness, satisfaction and continuous usage of cloud CRM system under cloud computing context. With corporate users continuing use of cloud CRM system for more than 3 months in Taiwan as research subjects, the model and hypothesized relationship are empirically tested using the structural equation modeling (SEM) approach supported by SmartPLS 2.0, with 185 valid questionnaires returned. On the whole, most of hypotheses are supported. Implications and practical suggests are also provided.

Keywords: Software as a service, cloud CRM system, task-technology fit model, institutional theory, institutional pressures

1. 緒論

資訊科技的有效使用，能促進組織競爭力持續發展，而雲端運算（Cloud Computing）是一種改善組織運用資訊科技效能的解決方案，許多企業逐漸把雲端運

電子商務學報　第十八卷　第一期

105June 2016

算視為企業發展策略中重要的一步。Cisco（2009）強調雲端運算，能以較低的成本及複雜性、更高擴展性及使用範圍，並隨時按需求來提供及使用服務。雲端運算是

一種革新的 IT運用模式，雲端服務即是以雲端運算為基礎，提供服務解決方案。軟體即服務（Software as a Service, SaaS）是雲端運算服務中運用最廣泛且最先進的方式，已成為全球資訊軟體與服務廠商共同致力推動的軟體服務供應模式，再加上一

般使用者及企業客戶紛紛透過 Google、Yahoo!、Microsoft、IBM、Amazon、eBay及Salesforce.com等雲端服務供應商，大量的使用 SaaS軟體服務型態，充分的顯示運用網路技術與資源共享的服務模式已經成為資訊服務產業的主流。Aalto University 於 2010年 11月的軟體產業調查顯示，提供 SaaS的業者會是軟體產業中成長最快速的廠商。而根據 Gartner公司 2014年第二季的研究報告也預測，SaaS在大多數企業應用軟體（EAS）市場中將變得越來越重要；Gartner（2014）預估，全球公有雲雲端服務市場將從 2014年的 1,530億美金規模成長至 2018年的 2,860億美金規模，2013~2018年間複合成長率為 17.1%，其中 SaaS服務市場規模在 2014年約為 266.3億美金，而 CRM 雲端服務就高達 101.6億美元，佔整體 SaaS市場規模約 38%。此外，歐洲網路和資訊安全機構（The European Network and Information Security Agency, ENISA）（2009）調查研究報告亦指出，在支援商業經營的雲端服務上，最多中小企業使用的服務為顧客關係與銷售管理（52.8%）、雲端應用開發（44.4%）與專案管理（41.7%）。且因 SaaS的提供與使用，使得全球軟體總營收，預計從2008年至 2013年，成長 19.4%左右（Mertz et al., 2009），這顯示 SaaS 模式將會是為未來企業應用軟體產業的趨勢。

雲端服務供應商透過 SaaS 的租賃及「即用即付費」的模式來提供服務，高科技企業、傳統產業，甚至網路公司的 IT部門，均能根據實際使用需求來使用軟體。對小企業而言，機房、硬體、軟體、電腦維護人員等等，都不用再花錢去建構，除了降

低 IT的使用門檻，更能透過自動化管理，增進管理的靈活度與營運的自動化；對大公司而言，雖然無法釋放核心技術，但在不涉及公司機密的部分，若能開放整合，節

省的成本依然十分可觀。Armbrust et al.（2010）就指出，SaaS對企業來說不僅可降低軟體建置的成本、增加公司營運的彈性、更快速提昇作業循環，以及更便利的操

作使用軟體；企業內部的資訊部門可從應用程式開發者的角色轉換成應用程式的使用

者，能讓廠商資訊部門之成本降低，業務流程也可大幅縮短（Kern et al., 2002; Walsh, 2003）。如此，企業便可將資源投注在與核心競爭力有關的重要工作上。只要有網路，隨時隨地使用雲端服務來使用服務或存取資料，掌握工作進度或客戶問題反應，

能夠大幅度的提升工作便利性、增進顧客關係與客戶滿意度，有效提升企業競爭力

（Kamal et al., 2011; Neves et al., 2011）。然而，雲端運算服務也有其需面對的挑戰。例如共用一套程式，無法符合客戶各


106 June 2016

自的管理創意與商業模式；企業將資料建置到雲端裡，資料的歸屬、安全及責任等問

題；遇到突發狀況，導致雲端運算無法提供服務，企業承受中斷服務後所帶來的衝擊

與風險，這種種問題，都是在使用雲端服務時，許多企業仍在猶豫的地方。Benlian et al.（2009）的研究就指出，一些企業和市場研究人員懷疑 SaaS的可行性及適用性，尤其在強大的企業應用軟體市場，如 ERP、CRM及 SCM等市場；此外，採用SaaS的主要障礙包括可靠性問題（如服務的穩定性、可及性），資訊安全和隱私問題（如安全漏洞、對公司資料不當的保護），以及使用過程的依賴問題（如績效衡量

和服務品質）。Gartner（2009）研究調查美國和英國共 333個企業中，統計前三項企業終止 SaaS的原因，分別為未能實現的技術要求、資訊安全性的問題、及低品質的客戶服務與支援，皆是未能滿足客戶對於服務品質的要求有關，不僅無法讓客戶滿

意，也為廠商的業績與商譽帶來嚴重的後果。

對於提供資訊服務的廠商而言，資訊服務的品質自然備受關注，與資訊服務有關

的服務品質也在許多研究中被廣泛的討論（Parasuraman et al., 2005; Webb and Webb, 2004; Wolfinbarger and Gilly, 2003）。對企業而言，資訊系統的採用，除了考慮資訊系統的品質之外，資訊系統與企業任務的適配程度、企業夥伴間的社會關係與體制因

素在跨組織的資訊系統（Inter-Organizational Systems, IOS）採用上，扮演舉足輕重的地位（Bensaou, 1997; Hart and Saunders, 1998; Teo et al., 2003）。

回顧全球雲端服務市場發展歷程，從 2009年企業開始關注雲端服務的創新商業模式可能對 IT產業帶來的衝擊，以及對於導入雲端服務可能有的安全疑慮，顧客關係管理服務在帶動整體雲端服務市場規模的成長而言，一直佔有重要的指標地位。

然而，過去以 SaaS的相關研究大多著重在幾個方向，包括系統服務品質（許麗玲等人，2013；Alexander et al., 2012; Goode et al., 2015）、利益與風險（Benlian and Hess, 2011; Clark, 2009; Gupta et al., 2013; Janssen and Anton, 2011; Lee et al., 2013; Wu et al., 2011），科技接受模式（Wu, 2011）與計畫行為理論（Hsieh, 2015）等，少有對於雲端資訊系統與任務的適配程度及企業所面對的體制壓力與雲端 CRM系統使用意圖間之關係進行深入探討，因此本研究結合「任務—科技適配模式」（Task-Technology Fit Model, TTF）及「體制理論」（Institutional Theory），來探討雲端CRM系統與任務的適配度及企業客戶所面臨的體制壓力，對使用者滿意度與持續使用意圖的影響，以讓理論應用在雲端運算的情境上更臻完整。

本研究以使用雲端 CRM系統之企業客戶為研究對象，研究中的企業客戶包括製造業及服務業廠商，不需具備有實體產品的製造，所提供的產品亦不需是最終商品，

其客戶可為企業客戶或終端消費者。綜合以上所述，歸納出兩點研究目的：(1)驗證雲端 CRM系統之任務—科技適配度、知覺有用性、使用滿意度及雲端 CRM系統持續使用意圖之因果關係；(2)驗證體制壓力對雲端 CRM系統持續使用意圖之因果關


107June 2016

係。本研究希望能透過實證分析適當表達出台灣雲端 CRM之使用者對於任務—科技適配度的認知及企業客戶所面臨的體制壓力，進而預測使用者的滿意度與持續使用意

向，找出其中的管理意涵、提供 SaaS管理上的新思維並且提供具體的建議，而能對台灣的 SaaS之服務供應廠商、中小企業及使用者有實質上的幫助。

2. 文獻探討與研究假說

2.1　雲端服務與顧客關係管理

雲端運算是一種革新的 IT運用模式，遠端的分散式系統由網路相互連接，透過開放的技術和標準把硬體和軟體抽象成為動態可擴展、可配置的資源，並對外以服務

的形式（As a Service）提供給使用者（Daryl et al., 2009; Frank et al., 2009）。使用者透過瀏覽器直接使用網路服務，不需了解背後資源如何調配、如何整合等實際運作狀

況，用戶只需按資源的使用量或業務規模付費（Marston et al., 2011）。包括 NIST、Gartner、Forrester、MIC等研究機構都認為，雲端運算可協助企業降低投入成本，減少 IT人力投資、加速系統導入與建置等，因為「雲端運算服務」提供隨需應變的應用與需求，可彈性與靈活進行資源配置，只要有網路即可使用，讓客戶或員工不需受

資源位置而有所限制（陳瀅，2010）。雲端運算依其提供服務的模式分類為：軟體即服務（Software as a Service，SaaS）、平台即服務（Platform as a Service，PaaS）、基礎設施即服務（Infrastructure as a Service，IaaS）等 3類。而本研究將雲端運算的運用，限定在 SaaS，主要原因為 SaaS所考量的客戶群為一般企業，並透過 SaaS 提供企業一般商業應用軟體的使用，符合本研究以企業客戶為調查樣本之架構。目前

SaaS服務供應商主要提供的應用軟體包括：顧客關係管理（CRM）、企業資源規劃（ERP）、電子商務（EC）、供應鏈管理（SCM）、商業智慧（BI）及辦公室自動化（OA）等。

顧客關係管理（Customer Relationship Management, CRM），早在 1999年就由Gartner Group公司所提出，強調客戶為供應鏈的一環，透過資訊科技將客戶服務與行銷結合，提供客製化之服務，並針對客戶滿意度來提升服務品質，讓企業達成經

營績效。為了與舊有客戶維繫關係並創造新客戶，需要更完善的系統來補足企業資

源規劃在供應鏈管理上的不足，因此 CRM的概念應運而生。很多學者對 CRM提出不同的看法與定義，Liu and Lai（2004）認為 CRM是一種整合業務流程與技術的管理策略與方法；Amrit（2001）認為顧客關係管理為企業流程（Business Process）與科技（Technology）之結合，從多面向來瞭解顧客，以達到徹底地將公司的產品與服務差異化，以增進市場的競爭力。Schneiderman and Yih（2001）認為 CRM不只是資訊系統，而且有助於公司即時掌握顧客需求變化的一種企業策略。Osterle and Muther


108 June 2016

（1998）認為 CRM能讓企業、企業夥伴、供應商和顧客間進行整合、連繫與溝通，有助於提升企業的營業額與獲利。Dohnal（2002）也認為 CRM融合了員工、企業流程、資訊通訊科技及資訊系統，以達成最大的顧客忠誠度及獲利為目的。綜合上述

之文獻，CRM至目前為止並沒有一致性的定義。本研究認為 CRM不僅只是資訊系統，高品質的資訊系統是 CRM重要的一部份；此外，CRM主要還是公司企業策略與行銷策略的一環，企業透過 CRM致力於目標市場經營、顧客需要的掌握與確認、整合性行銷的推展、提高顧客忠誠度及顧客獲利率，以發展長期穩定的顧客關係。

市場上已有許多 CRM系統提供企業做參考選購；但是一般中小企業在導入CRM系統時最常遇見兩大問題，首要問題為成本昂貴、並非一般中小企業所能負擔；此外，因為缺乏相關 CRM實務經驗，以致不知如何正確使用系統，形成企業資源的浪費。在雲端運算服務中，SaaS是運用最廣泛且最先進的方式，SaaS能夠提供完整多元的功能以符合企業特殊的需要；企業要增進顧客關係管理自動化，就目前而

言，較好的方式就是透過 SaaS模式，導入雲端 CRM系統。雲端顧客關係管理系統之服務供應商，協助企業以租賃方式節省硬體建置成本；並透過 Internet隨時上線使用，使用者可以透過手機、平板電腦或是一般可上網電腦等終端載具隨時隨地透過網

路瀏覽器調閱相關資料與使用各種功能，包括行銷、業務、服務與報表資料，都能夠

即時掌握，提升企業銷售效率。不論在商務旅途中、或在業務執行的關鍵時刻，只要

開啟網頁就可以調閱出重要資料訊息，可立即應付掌握場面，滿足業務行動化與即時

性的需要。此外，硬體、軟體、MIS、電力等開銷都可以透過使用雲端技術服務來節省這些昂貴的開銷費用。雲端運算雖然未必是每家企業的解決方案，但很多公司確實

可以透過使用雲端運算服務而獲益，便利性亦較傳統 CRM高且簡易並可避免與降低購入不適用系統的風險。因此，本研究以 SaaS為企業使用 CRM的平台，來探討雲端 CRM系統持續使用意圖與相關變數間的關係。

2.2　任務—科技適配模式（Task-Technology Fit Model, TTF ）

Goodhue and Thompson（1995）的研究中指出，導入 IT相關的研究主要有兩個觀點：分別為「使用觀點」與「任務—科技適配度觀點」，並認為上述兩類觀點的研

究各有其限制，包括：(1)使用觀點的限制為，使用者使用資訊系統可能並非總是出於自願的，而通常是因為任務需要，所以當使用非出於自願時，績效的提昇就不再只

是與使用的意願有關而已；(2)任務—科技適配度觀點的限制為，資訊系統除了考慮任務與科技之適配度外，信念、態度、社會規範或習慣等因素可能會是導致使用者使

用資訊系統上產生績效好壞的影響因素。因此 Goodhue（1998）結合上述兩種觀點之研究，提出任務—科技適配理論整合模型；此理論主張科技－任務適配與態度行為理

論實際上是互補的，因此合併於同一模型中討論。其理論是認為資訊科技要能對績效


109June 2016

表現有所幫助，其前提是此科技必須被接受而願意使用，而且科技必須與其所支援的

任務要有相當好的配合。

任務—科技適配度在資訊系統 /資訊科技（IS/IT）領域上的使用，扮演著一個相當重要的角色，且已經被廣泛的應用在各方面的研究上。任務－科技配適模式

（Goodhue, 1995; Goodhue and Thompson, 1995; Goodhue, 1998）中主要構面包括任務特性：泛指個人使用資訊科技處理工作由輸入至輸出過程中的一切活動。科技特性：

包含軟體、硬體、資料表徵與支援使用者的服務等。個人特質：個人在執行特殊行為

上的能力與經驗。任務—科技配適度：科技可以協助個人完成特定任務的程度。是一

相互符合的指標，包括了衡量任務需求、個人態度與科技的機制等相關前因，乃至影

響任務—科技配適的程度。使用：認為任務－科技配適度會影響使用程度，而使用程

度會進一步影響工作績效。績效：其意義包括提昇效率、增進效能和工作品質。任

務—科技適配度模型中的任務特性、科技特性和個人特質這三個構面是任務—科技適

配度的前因。再者，任務—科技適配度會直接影響績效，也會經由使用的前因間接影

響績效；知覺有用性也會直接影響績效，任務—科技配適度的提高，會產生較良好的

績效表現。模型的另一部份則是以態度－行為理論為主體，認為任務—科技適配度會

透過信念、社會規範、習慣和態度影響績效表現。

近年來，有很多研究是以任務—科技適配度為基礎，在不同資訊科技環境下，

從事資訊系統持續使用或評估資訊系統的使用績效，其包括 E-learning（Larsen et al., 2009; Lin and Wang, 2012; McGill and Klobas, 2009）、行動銀行服務（Zhou et al., 2010）、線上網站的使用（Aljukhadar et al., 2014）、線上拍賣（Chang, 2010）、知識管理（Kuo and Lee, 2011; Lin and Huang, 2008）、電子採購系統的成功因素（Gebauer and Shaw, 2004）、電子書的採用（D’Ambra et al., 2013）、無線科技的採用（Yen et al., 2010）、社交網站的採用（Lu and Yang, 2014）、行動商務（Junglas et al., 2008）、資料探勘工具的持續使用（Huang et al., 2013）和企業行動應用（Enterprise Mobile Applications）（Chung et al., 2015）等，因此我們將 TTF 放入本研究模型中以瞭解使用雲端 CRM系統的滿意度與持續使用意圖。由於本研究結合任務—科技適配度模式及體制理論，為使研究架構不至於太過複雜及避免觀測變項過

多，又能兼顧深入探究影響雲端 CRM系統持續使用意圖等關鍵因素，我們參考相關學者（Larsen et al., 2009; Lin and Wang, 2012; McGill and Klobas, 2009）的實證研究及做法。這些研究在探討相關議題時都簡化了任務—科技適配度模式，僅保留模式中

的「任務—科技適配度」及其他變項，並加上相關欲探討的變項，並將 TTF模式中的「任務特性」、「科技特性」及「個人特質」等三個研究變項加以省略，這些實證

研究也獲得不錯的結果與成效。因此本研究參照這些學者的做法來進行研究模型的建

立。


110 June 2016

2.2.1　任務—科技適配度對知覺有用性及使用滿意度的關係知覺有用性是使用者使用資訊系統來提高其工作績效程度的一種指標。換句話

說，在任務—科技適配理論中的「績效」與資訊系統持續採用模式中的「知覺有用

性」，在概念上，兩者之間並沒有實質上的差異（Larsen et al., 2009）。任務—科技適配度定義為科技可以協助使用者完成任務的程度，是用來解釋工作績效表現的主

要因素（Goodhue and Thompson, 1995）。很多學者研究指出，科技符合特定工作任務特性的程度越高，該科技有助於改進工作績效的程度也越高（Goodhue et al., 2000; Jarvenpaa, 1989; Jarupathirun and Zahedi, 2007; Vessey, 1991）；對於科技之知覺有用性也會有正面的助益（陳禹辰等人，2008；薛義誠、陳志偉，2009；Dishaw and Strong, 1999; Chang, 2010; Klopping and Mckinney, 2004; Larsen et al., 2009; Lin and Wang, 2012）。

以本研究的情境而言，雲端 CRM系統與使用者工作任務適配度，會影響雲端CRM系統之知覺有用性，當雲端 CRM系統之任務—科技適配度越高，知覺有用性也會越高。綜合上述討論，形成本研究假說：

H1：雲端 CRM系統之「任務—科技適配度」對於「知覺有用性」有正向的影響

Goodhue and Thompson（1995）指出，資訊系統對個人工作績效的影響，在於資訊系統與任務者之間是否達到配適程度，並主張使用者使用資訊系統後，會對資訊

系統產生正面或負面的評價，進而對資訊系統所提供的服務感到滿意或不悅，並改

變他們對資訊系統的期望以及未來的使用（Goodhue, 1998）。過去的研究也發現，任務—科技配適度越高不僅有助於協助個人完成任務所需作業，也會正向影響滿意

度（劉籹君等人，2010；Lin, 2012; Suh, 1999）。即當有高的「任務—科技配適度」時，會直接影響「使用滿意度」的增加。綜合上述討論，形成本研究假說：

H2：雲端 CRM系統之「任務—科技適配度」對於「使用滿意度」有正向的影響

2.2.2　知覺有用性、使用滿意度與雲端 CRM系統持續使用意圖的關係知覺有用性與滿意度之間的因果關係，已經獲得一些研究的證實與支持：在資

訊系統成功模式之文獻中，Seddon and Kiew（1996）提出知覺有用性會影響使用者滿意度，且由後續學者再次證實之間具有顯著關係（Rai et al., 2002）；在科技採用的文獻中，Devaraj et al.（2002）則證實顧客對網站的知覺有用性是影響顧客滿意度的重要變數；Bhattacherjee（2001）提出採用後的知覺有用性會影響使用者滿意度；其他學者證實知覺有用性對滿意度有正向的影響（Roca et al., 2006; Thong et al., 2006）。此外，Chiu et al.（2005）的研究證實知覺有用性會影響 e-Learning使用者


111June 2016

的滿意度。綜合上述討論，形成本研究假說：

H3：雲端 CRM系統之「知覺有用性」對於使用者「使用滿意度」有正向的影響

Bhattacherjee（2001）根據 Davis et al.（1989）的定義，將知覺有用性定義為「使用者對系統使用能帶來效益的感覺」，並且提出「知覺有用性－持續使用意圖」

的關聯。Bhattacherjee（2001）指出，當使用者認為能從某種行為得到好處或是有用性的幫助，則會持續該行為且不會受到時間改變的影響，而該研究也證實知覺有用性

對持續使用意圖具有顯著的影響；諸多學者的實證研究（Devaraj et al., 2002; Pavlou, 2003）已經證明此一關聯，並應用於數位學習服務（Lee, 2010; Liao et al., 2007）、入口網站（Lin et al., 2005）、行動網路服務（Hong et al., 2006; Kim, 2010; Thong et al., 2006）、社群網路（Kang et al., 2009; Kim and Han, 2009）。基於上述，相關研究中均證實知覺有用性對於持續使用意圖有其影響，就本研究情境而言，當使用雲端

CRM系統後，為了持續感受雲端 CRM系統有用性，越會傾向持續使用雲端 CRM系統。綜合上述討論，形成本研究假說：

H4：「知覺有用性」對於「雲端 CRM系統持續使用意圖」有正向的影響

根據過去文獻指出，滿意度是影響持續使用意圖的重要因素（Oliver, 1980; Oliver and Bearden, 1985），Bhattacherjee（2001）在資訊系統持續使用意圖的研究中，指出使用者持續使用意圖主要是來自於實際使用後而產生的滿意度所決定。

Anderson and Sullivan（1993）也指出消費者對於先前體驗產品或服務所感受的滿意程度，將會影響下次是否再購買產品或持續使用服務之意圖。而資訊系統持續使用之

相關研究也指出，使用者之持續使用意圖主要是由他們對體驗系統後而感受到的滿意

度所決定（Hsu and Lu, 2004; Lin et al., 2005）。綜合上述討論，形成本研究假說：

H5：「使用滿意度」對於「雲端 CRM系統持續使用意圖」有正向的影響

2.3　體制理論（Institutional Theory）

體制理論的觀點主張，體制環境提供規則相似的社會期望及規範，供企業進

行適宜的組織結構設計、營運措施的安排、行為及經營實務的遵循（DiMaggio and Powell, 1983; Meyer and Rowan, 1977; Zucker, 1987）。順從回應這些社會期望及規範，有助於企業獲得經營上的正當性及合法性，並得以確保所需之稀少且重要資

源的取得（Choi and Eboch, 1998; DiMaggio and Powell, 1983; Heugens and Lander, 2009）。因此，當一個公司決定是否採用某種創新時，它會搜集獲得有關體制期望和規範等資訊，利用這些資訊來評估採用創新可能產生的潛在成本和利益，以利企業


112 June 2016

針對不確定的情境進行避險措施（Choi and Eboch, 1998; DiMaggio and Powell, 1983; Meyer and Rowan, 1977; Zsidisin et al., 2005; Zucker, 1987）。Teo et al.（2003）指出，組織決定採用科技或資訊系統時，主要導因於體制環境和體制壓力的影響，而不

僅只是受到跨部門及技術性準則的推動。

從體制理論觀點看來，組織必定會受到外部壓力影響，組織必須設法應對這些

壓力，否則將會危及到組織的生存（Selznick, 1949）。DiMaggio and Powell（1983）指出，來自於體制環境的體制壓力，會促發企業採取共同的觀念和例程；而遵循相似

的規範，使得組織間在結構、產品與服務、管理活動、創新採用等方面日益趨同，

這就是所謂的同形化（Isomorphism）；DiMaggio and Powell（1983）進一步將體制壓力區分為規範性（Normative）、模仿性（Mimetic）及強制性（Coercive）等三種壓力；不同的體制壓力對組織會有不同的影響，但都將導致組織趨向同形化。Oliver（1997）認為這些壓力大都來自於主要利害關係人，如客戶，供應商和競爭對手。Delmas and Toffel（2004）與 Khanna and Speir（2007）也認為體制壓力來自於利害關係人，包含政府、顧客、競爭者、利害團體與產業協會等，會產生規範性、模仿性與

強制性，對企業施加壓力。

規範性壓力是指壓力來自於在特定組織環境中的集體期望，形成什麼是合適

的、正當的行為期望（DiMaggio and Powell, 1983; Heugens and Lander, 2009; Scott, 1995）。經由組織間的互動管道，這些期望逐漸轉變成組織間共同的規範，這些共享的規範通常是潛在的和非正式的。符合這些共同規範的公司，得以確保公司在該

領域中取得程序合法與正當性（John et al., 2001; Zsidisin et al., 2005）。規範同形主要源自於專業化，強調由教育體系、訓練和專業協會所發展起來的認知基礎（Giblin, 2006）。當專業人士間的互動越頻繁，尤其是組成團體、協會、學會或產業公會，透過經常性交流，極容易形成專業領域內認定的標準、價值及規範，繼而因互動傳播而

促成組織間的同形化。

模仿性壓力主要來自於企業認知到競爭對手行動的成功（DiMaggio and Powell, 1983）。此種壓力反映了企業認知到環境的變化及競爭地位的改變。當面對問題而解決方案不確定時，企業模仿其他成功的競爭對手，透過標竿學習來擴大其產業知識與

能力（John et al., 2001）。特別的是，公司會將其競爭對手的成功歸因於是他們的策略選擇，藉由採用同樣的做法而模仿這些成功的企業（John et al., 2001; Zsidisin et al., 2005）。Haveman（1993）亦認為當制度環境變動過大與資訊不充份的情況下，組織為降低風險，會利用組織間的關係網絡學習其他在同一制度環境下的成功者，以幫助

組織完成預期的目標。因此，公司可能會屈從於模仿的壓力，以減少預期的風險和合

法性地位的取得（Grewal and Dharwadkar, 2002）。強制性壓力是指壓力源自於組織所依賴實力較強大的公司，其所施加的政治影響


113June 2016

力（DiMaggio and Powell, 1983; Teo et al., 2003），包括正式與非正式壓力與合法性問題（Lodge and Wegrich, 2005）。和規範性壓力類似，常見的強制性壓力是經由組織成員間所形成的關係網絡中所傳遞（Teo et al., 2003）。與規範性壓力不同的是，強制性壓力是由供應商或客戶所要求施加的。作為重要的知識來源及其合作夥伴，一

個影響力強大的企業，可以施加壓力要求其合作夥伴配合（John et al., 2001; Zsidisin et al., 2005）。當影響力強大的公司覺察到，其他成員的業務與自己的期望有所衝突時，會施加強制性的策略，要求合作夥伴進行業務結構或做法的調整以因應實力強大

公司的需求（Ang and Cummings, 1997）。由於地位的不對稱，依賴實力強大公司的合作夥伴可能會遵從這樣的要求，以確保自己的市場地位，並繼續取得強大公司所提

供的重要資源（Kim, 2000）。因此，在強制同形的情況下，不同方向的環境壓力可以轉化為說服力或是參與能力，組織為求生存則必須對這些強制性的力量加以回應並

服從。綜合上述的文獻述，本研究將以規範性壓力、模仿性壓力及強制性壓力作為

企業所面臨的體制壓力的衡量構面及實證基礎，探討這些體制壓力是否會影響廠商持

續使用雲端 CRM系統。

2.3.1　體制壓力與雲端 CRM系統持續使用意圖的關係John et al.（2001）指出，當某種管理實務日漸普及並逐漸轉變成組織間共同的

規範時，就會對企業產生壓力，促使他們跟進採用這種管理實務。廠商為了取得正

當性，會順從於規範的壓力，並開始與相關利益團體建立網絡關係（Bansal and Roth, 2000; Gadenne et al., 2009）。在目前的研究中，雲端運算服務的普及，在該領域的廠商彼此之間會分享相關資訊，從而推動、建立和傳遞企業間對雲端 CRM系統使用之共同規範（Walker et al., 1997）。從企業網絡間學習到這些規範會影響公司對雲端CRM系統的認知和態度。為維持企業間的合作關係，並確保對資源的取得，已經採用雲端 CRM系統的公司會選擇持續使用雲端 CRM系統。

Meyer and Rowan（1977）及 Tolbert and Zucker（1996）指出，當一項管理措施變得更普及，組織視它為一項標準的配備時，理論上組織為了獲得合法的地位與關鍵

資源，則必需順從目前的競爭者所造成的體制壓力。相似規模組織有相似的策略及結

構，並依賴相似的環境資源，因此組織會特別注意相似規模組織的行動，並模仿其策

略（Scott, 1992）。Haveman（1993）研究發現，大部份的廠商會順應時代的潮流，以模仿的方式，仿傚那些高獲利之廠商所採行的管理措施。當企業之高階主管難以確

定產品、服務或技術要達成的績效或目標為何時，他們可能就會模仿同行中的佼佼

者，以這些經營成功的企業為榜樣與學習的標竿（Mizruchi and Fein, 1999）。Grewal and Dharwadkar（2002）也指出，企業可能會順從於模仿的壓力，以減少預期的風險和合法性地位的取得。相關研究也證實，採行特定管理創新的組織數目越多，則其他


114 June 2016

組組織模仿並採行此項管理創新活動的機會也越高（羅萱，2007；Guler et al., 2002; Young et al., 2001）。因此，當公司得知其競爭對手如何受益於雲端 CRM系統時，它會知覺到模仿壓力，以模仿這些成功的競爭者（Mitra and Singhal, 2008）。為降低不確定所造成的風險及合法地位的維持，已經採用雲端 CRM系統的公司會選擇順應模仿壓力而持續使用雲端 CRM系統。

強制同形（Coercive Isomorphism）的力量是來自組織所依賴之其他組織所施予的正式或非正式的壓力，因此依賴一方的組織將採取符合控制資源的組織所期望

的行為型態（DiMaggio and Powell, 1983; Palmer et al., 1993）。Ang and Cummings（1997）指出，實力強大的公司會要求其合作夥伴進行組織結構或管理措施的調整以因應該公司的需求。Henriques and Sadorsky（1999）研究指出，顧客的壓力、股東的壓力、政府法規的壓力以及鄰近居民和社群團體的壓力與公司環保規劃的形成呈正相

關。因此，在企業網絡中的領導廠商對雲端 CRM系統強力支持時，會推動並強制其合作夥伴採用。在此過程中，一個依賴領導廠商的企業，知覺到彼此之間地位的不對

稱，若不採用可能會危害到本身的利益。因此，已經採用雲端 CRM系統的公司往往會順應領導廠商的要求，選擇持續使用雲端 CRM系統。綜合上述討論，形成本研究假說：

H6：「規範性壓力」對於「雲端 CRM系統持續使用意圖」有正向的影響H7：「模仿性壓力」對於「雲端 CRM系統持續使用意圖」有正向的影響H8：「強制性壓力」對於「雲端 CRM系統持續使用意圖」有正向的影響

3. 研究方法

3.1　研究架構

過去以 SaaS之 CRM系統為主的相關研究，少有對於任務—科技適配度及企業所面對的體制壓力與雲端 CRM系統使用意圖間之關係進行深入探討，因此本研究結合「任務—科技適配模式」（Task-Technology Fit Model, TTF）及「體制理論」（Institutional Theory），來探討雲端 CRM系統之任務—科技適配度及企業客戶所面臨的體制壓力，對使用者滿意度與持續使用意圖的影響，以讓相關理論應用在雲端運

算的情境上更臻完整。根據上述文獻的探討、整理與假說推論，提出本研究之研究架

構，如圖 1。


115June 2016

H4

H3H2

H8

H7

H6

H1

H5使用滿意度

持續使用意圖

知覺有用性

規範性壓力

模仿性壓力

強制性壓力

（被動採用）體制壓力任務－科技適配模式（主動採用）

任務－科技適配度

圖 1　研究架構及假說

3.2　研究對象與問卷回收

本研究與多位業內專家及學者討論，根據過去雲端服務業者的內部資料顯示，企

業客戶使用雲端服務超過三個月後，其使用狀況有趨於穩定的趨勢，因此建議以使用

雲端 CRM系統超過三個月且目前還在使用之企業客戶為研究對象。透過國內目前較大型之雲端 CRM服務供應商的協助，由中華徵信所企業（股）公司 2012 年所出版《台灣地區五千大公司》企業名錄中篩選出符合資格的廠商做為本研究之樣本；研究

的對象不需具備有實體產品的製造，且樣本公司所提供的產品不需是最終商品，樣本

廠商的客戶可為企業客戶或終端消費者。問卷的填答者最好必須是能夠確實且頻繁使

用雲端 CRM系統之人員，對雲端服務情況能有較深入的了解，所以問卷以企業中的高階主管、業務行銷及資訊部門主管為主要填答對象（Stump and Heide, 1996）。

研究將分為兩階段進行。第一階段採取學者專家及產業高階主管訪談法，期間自

2013年 10月至 2013年 12月，目的是使本研究假設能夠符合理論基礎及產業現況。針對研究主題先行訪談 5位專門研究雲端運算服務及 CRM領域的學者專家及 12位雲端服務供應廠商的高階主管，討論本研究之研究對象條件、確定研究假設以及問卷

發展的內容。於問卷內容確定後，挑選出 66家位於新竹科學園區不同產業的公司的行銷、業務及資訊部門主管進行問卷前測，初步檢定觀測變項順序、內容與語意的

清晰、邏輯的一致性、及衡量尺度的信度與效度之後，第二階段再進行大樣本問卷施

測。前測問卷共回收 51份問卷數，扣除無效問卷數 6份，有效問卷為 45份，故採45份進行前測分析。首先針對前測做項目分析，並對問卷內容相關問題加以修正，以確保測量工具中內容的效度；在接著運用 Lawshe（1975）之內容效度比（Content Validity Ratio, CVR）做為其研究評估各題項的必要性或有用性，之後再計算各變項之 Cronbach’s a值作為信度的檢視標準。在去除三題不佳題項後之所有變數，其


116 June 2016

Cronbach’s a值介於 0.82~0.93，顯示量表具有相當不錯的信度。為了提高有效問卷的回收率，在進行正式問卷發送前，先以電話聯繫樣本公司，說明研究目的與問卷內

容，確定可填答問卷的人員姓名與職稱後，再將問卷以電子郵件、郵件方式寄出或是

專人親自送達，並於兩星期後進行跟催動作。正式問卷共寄出 823份，期間自 2014年 3月至 2014年 5月。經過三次的跟催信函及密集的電話聯繫及人員的接觸，總共回收 211份，經過篩選後剔除無效樣本 26份，有效樣本 185份，整體之有效問卷回收率為 22.5%。

為了檢視可能的無回應偏誤（Non-Response Bias）及樣本代表性，我們比較較早回收的樣本（62份）與較晚回收的樣本（59份），進行兩個子樣本在所有潛在變項之平均值差異檢定，結果沒有呈現出統計上的顯著差異（Armstrong and Overton, 1977），代表無反應偏誤在本研究中並沒有造成嚴重的影響。本研究 185份有效問卷中，填答者的職稱方面，以功能部門之基層管理者為最多，佔有效樣本 42.2%。Mitchell（1994）就指出填答者的特徵有助於降低同源偏誤（Single Source Bias）。此外，本研究使用單一問卷收集資料，為了瞭解變異是否來自於該資料收集方法，

而非來自於變數本身，本研究需要了解所收集樣本是否有單一資料來源所引起的共

同方法變異（Common Method Variance, CMV）。本研究進行 Harman’s One-Factor Test 來檢測由於單一資料收集方法來源所引起的共同方法變異（Podsakoff and Organ, 1986）。當問卷中所有題項經由探索性因素分析後均歸屬於同一個因素，或單一個因素可解釋大部份變異時，則表示有嚴重的共同方法變異問題。反之，當探索性因素分

析的結果，萃取出來的單一因素僅能解釋有限的變異時，則判定同一資料來源並未嚴

重扭曲研究的結果。在本研究中因素分析結果顯示，單一因素所能解釋的最大變異為

26.47%，並無超過 50%。若以特徵值大於 1.0 作為評判標準時，可抽離出 7 個因素，而非只有一個因素，這顯示共同方法變異在本研究中的影響並不嚴重。

此外，為了進一步檢測 CMV，本研究參照相關的研究於原來的模式中增加一個名為「Common Method」的構念，而「Common Method」構念之題項為所有構念下的題項。如果「Common Method」構念題項之因素負荷量明顯很低，且絕大多數題項呈現不顯著，則顯示題項與原先構念之收斂關係良好，且該研究之共同方法變異問

題並不嚴重（Liang et al., 2007; Park et al., 2012; Podsakoff et al., 2003; Williams et al., 2003）。利用 SmartPLS2.0進行結構模式分析，並與原先的架構進行比較，其結果如附錄 B所示。由附錄 B可看出，原來架構之平均解釋變異量（R12）為 0.661，而增加一個「Common Method」構念的新架構之平均解釋變異量（R22）為 0.011，其兩者比率為 61:1，且新架構之因素負荷量（R2）均未達顯著水準。由上之分析結果可知，本研究並沒有共同方法變異之問題。本研究之使用者基本資料敘述統計結果整理

如表 1所示。


117June 2016

表 1　本研究樣本基本資料統計（樣本數：185份）

類別項目樣本數百分比

填答者年資

5年以下 34 18.4 %

6~10年 71 38.4 %

11~15年 44 23.8 %

16~20年 28 15.1 %

21~25年 5 2.7 %

26年以上 3 1.6 %

使用雲端 CRM系統之部門員工人數

5人以下 6 3.2 %

6~15人 18 9.8 %

16~30人 45 24.3 %

31~50人 54 29.2%

51~80人 37 20%

81人以上 25 13.5 %

使用雲端 CRM系統之時間長度

三個月 ~ 半年 30 16.2%

半年 ~ 一年 36 19.5%

一年 ~ 二年 51 27.6%

二年 ~ 三年 43 23.2%

三年以上 25 13.5%

填答者職稱

基層使用者 /作業人員 31 16.7 %

功能部門之基層管理者 78 42.2 %

課長 /經理 26 14.1%

資訊部門主管 35 18.9 %

處長 /協理 10 5.4 %

副總經理 /總經理 5 2.7 %

產業別

電子組件製造業 20 10.8 %

電腦、電子產品及光學製品製造業 27 14.6 %

汽及機械設備製造業 24 13 %

零售業 48 25.9 %

交通運輸業 18 9.7%

資訊服務業 22 11.9 %

其他 26 14.1 %


118 June 2016

3.3　變數定義與衡量

本研究所有的觀測變項以相關的文獻為基礎，並參酌多位專家學者與業界先進

的意見，進行局部的內容及用字遣詞的調整與修正，以期符合實際的情境與理論基

礎並確保內容效度。其中問卷包含 8題任務—科技適配度（McGill and Klobas, 2009; Schmitt et al., 2008）、5題知覺有用性（Davis, 1989; Taylor and Todd, 1995）、7題使用滿意度（Bhattacherjee, 2001; Doll and Torkzadeh, 1988; Mckinney et al., 2002）、3題規範性壓力、3題模仿性壓力及 4題強制性壓力（Khalifa and Davison, 2006; Liu et al., 2010; Teo et al., 2003）、5題持續使用意圖（Bhattacherjee, 2001），總共 35題觀測變項。

學者所提出之反應性指標特性（Jarvis et al., 2003; MacKenzie et al., 2005; MacKenzie et al., 2011; Petter et al., 2007），包括：(1)因果關係必需是構面到觀測變數；(2)觀測變數需具有內部一致性；(3)觀測變數間需具有中高度相關；(4)一個構面至少需具有 3個觀測變數；(5)觀測變數具可交換性；(6)移除構面中的某特定觀測變數，不會影響構面的意義；(7)潛在構面要符合單一構面原則，即要有較低的交叉負荷量。本研究每一個潛在變項均是參考相關文獻，而這些文獻對於這些潛在變項的

使用也都是以反映性模式（Reflective Model）來呈現與認定。此外，從研究樣本資料分析中也顯示，潛在變項所對應之觀測變項間呈高度相關，具有內部一致性；不同潛

在變項所對應之觀測變項間呈低度相關，符合單一構面原則；每一個潛在變項也都具

有 3個觀測變數以上。綜合上述，本研究架構中所有潛在變項皆為反映性構念是可以確立的。每一個觀測變項，回答者依據對題項所描述內容的認同程度高低來回答。我

們採用七點的李克特量尺來代表認同的程度。尺度 1表示強烈不同意，尺度 4表示普通，尺度 7表示強烈同意。本研究各變數的操作型定義與量表參考依據如表 2 所示；所使用之研究變數及其觀測變項如附錄 A所示。

4. 實證分析與結果

本研究採用偏最小平方法（Partial Least Squares, PLS），並運用 Ringle et al. （2005）所開發的 SmartPLS2.0 軟體進行 PLS 分析。PLS 是一種結構方程模式（SEM）的分析技術，以迴歸分析為基礎。Fornell and Bookstein（1982）指出 PLS在處理複雜的因果關係上是極具合適的方法。PLS的實用性高且優於一般的線性結構關係模式的分析技術，它可以同時處理反應性（Reflective）和形成性（Formative）的模型結構；對於變數必須符合常態分配、隨機性、樣本數的要求，則是較為寬

鬆；能有效處理干擾資料及遺失值且具良好的預測及解釋能力。此外，PLS在無分配


119June 2016

（Distribution-Free）機率模式下，以迴歸分析技術進行估計求解，在小樣本時也可以獲得不錯的估計求解，且不會受到傳統的多元共線性問題的影響。當資料非常態分

佈時，PLS仍需要一定的樣本數才能獲得理想的估計解；測量變數之間若具有高相關時，形成性模式中，共線性問題威脅仍高（邱皓政，2011；Gefen et al., 2011）。PLS對於樣本數的要求為一定要大於所提出的問項總數，最好達 10倍。本研究樣本數總共 185份，雖未達問項總數的 10倍，但約為問項總數的 5倍。而為求各變數估計之穩定性，檢定程序採 bootstrap resampling，次數為 5,000次（蕭文龍，2014；Hair et al., 2012）。

在 PLS的分析與估計步驟上分為兩階段，第一個階段針對測量模型進行信度分析與效度分析，第二個階段針對結構模型進行路徑係數檢定與模型預測能力估計。這

樣的估計步驟是為了檢驗衡量變項是否具有信度與效度，即先確認各衡量指標對研究

變項解釋的適當性，進而再對各研究變項間的關係進行檢驗，即具體指出各研究變項

的關係，來檢定本研究架構的各項假設（Hulland, 1999）。

4.1　測量模式分析

在信度及收斂效度方面，本研究採取 Hair et al.（2010）所提出的判斷準則，考量個別觀測變項的信度（Individual Item Reliability）、潛在變項組成信度（CR）及Cronbach’s a與平均變異萃取（AVE）等三項指標，依次驗證如下：(1)個別觀測變項的信度：考慮每個觀測變項的信度，亦即每個觀測變項能被潛在變項所解釋的程度，

表 2 　研究變數之操作型定義與衡量

研究變數名稱操作型定義量表參考依據

任務—科技適配

度

指利用雲端 CRM系統的功能來協助使用者完成工作任務之程度

McGill and Klobas (2009); Schmitt et al.

(2008)

知覺有用性使用者主觀地認為使用雲端 CRM系統將有助於使用者對於工作表現及未來的助益

Davis (1989); Taylor and Todd (1995)

使用滿意度使用者在使用雲端 CRM系統後，所感受到的心理正面或負面的狀況

Bhattacherjee (2001); Doll and Torkzadeh (1988); Mckinney et al. (2002)

規範性壓力來自於在特定組織環境中，形成什麼是合適的、正當的行

為之集體期望的程度 Khalifa and Davison (2006) ; Liu et al. (2010);

Teo et al. (2003) 模仿性壓力來自於企業認知到競爭對手行動成功的程度

強制性壓力源自於組織所依賴實力較強大的公司，其所施加的政治影

響力的程度

持續使用意圖使用者在未來想要持續使用該雲端 CRM系統之意圖 Bhattacherjee (2001)


120 June 2016

Hair et al.（2010）建議因素負荷應該都在 0.5以上，本研究所有觀測變項之因素負荷都大於 0.5，表示本研究的觀測變項具有良好的信度。(2)潛在變項組成信度（CR）及 Cronbach’s a：指構面內部變數的一致性，若潛在變項的 CR值及 Cronbach’s a越高，其觀測變項是高度相關的，表示他們都在衡量相同的潛在變項，愈能測出該潛

在變項。Hair et al.（2010）建議 CR值及 Cronbach’s a須大於 0.7，本研究潛在變項之 CR值及 Cronbach’s a介於 0.790到 0.933，皆大於 0.7，表示本研究的潛在變項具有良好的內部一致性。(3)平均變異萃取（AVE）：代表觀測變項能測得多少百分比潛在變項之值，不僅可用以判斷信度，同時亦代表區辨效度，Fornell and Larcker（1981）建議，AVE值大於 0.5，表示具有收斂效度，本研究潛在變項之 AVE值介於 0.578到 0.743，皆大於 0.5，表示本研究的潛在變項具有良好的收斂效度（見表3）。此外，本研究為達內容效度，參考過去相關理論為基礎，並對於過去的實證問卷與結果進行修訂。在問卷初稿完成後，本研究請相關專家學者進行評估與修正，綜

合以上，故因此本研究的問卷具有相當程度的內容效度。

表 3　測量模式整體結果

研究變數名稱題項因素負荷量 Cronbach’s a 組合信度 AVE

任務—科技適配度（TTF） 8（TTF1~TTF8） 0.717∼ 0.874 0.875 0.892 0.665

知覺有用性（PU） 5（PU1~PU5） 0.724∼ 0.906 0.902 0.929 0.706

使用滿意度（Sat） 7（Sat1~Sat7） 0.766∼ 0.888 0.839 0.891 0.677

規範性壓力（NP） 3（NP1~NP3） 0.711∼ 0.869 0.790 0.834 0.578

模仿性壓力（MP） 3（MP1~MP3） 0.814∼ 0.867 0.889 0.932 0.622

強制性壓力（CP） 4（CP1~CP4） 0.757∼ 0.855 0.848 0.885 0.679

持續使用意圖（CUI） 5（CUI1~CUI5） 0.822∼ 0.891 0.917 0.933 0.743

在區別效度方面，若一個測量模型具有區別效度，其潛在變項間的關係程度

必需小於潛在變項內的關係程度，因此利用變項間的相關矩陣來加以檢定，Hair et al.（2010）之建議準則為潛在變項的平均變異萃取量（AVE）之開根號值需大其他不同變項間的相關係數。本研究各變項 AVE之開根號值，從 0.760到 0.862，其值皆大於潛在變項間之相關係數值，顯示本研究各潛在變項應為明顯不同，具有良好的區別

效度（見表 4）。


121June 2016

表 4 潛在變項的相關係數矩陣

研究變數名稱 (1) (2) (3) (4) (5) (6) (7)

任務—科技適配度 (1) 0.815

知覺有用性 (2) 0.517 0.840

使用滿意度 (3) 0.347 0.584 0.823

規範性壓力 (4) 0.131 0.219 0.243 0.760

模仿性壓力 (5) 0.140 0.223 0.237 0.452 0.789

強制性壓力 (6) 0.134 0.235 0.261 0.413 0.407 0.824

持續使用意圖 (7) 0.328 0.181 0.534 0.222 0.489 0.341 0.862

說明：對角線是 AVE的開根號值，非對角線為各變項間的相關係數。此開根號值若大於水平或垂直欄的相關係數值，則代表具備區辨效度。

4.2 結構模式分析與檢定

接下來進行結構模式的分析，利用 SmartPLS2.0軟體進行結構模式潛在變數間的因果關係分析與檢定，並且以 R2判斷研究模型的解釋能力（Pavlou and Fygenson, 2006）。根據研究架構所提出的 8個假說及其圖 2（統計上顯著以實線表示）所呈現的整體模式關係路徑檢定的結果顯示，除了 H6的影響未達 0.05的顯著水準外，其餘7條路徑關係均呈現顯著。假說之檢定結果整理如表 5所示。

0.226*

0.465***

0.1270.472***

0.484***

0.535***

0.289**

0.345***

使用滿意度(R2=0.370)

知覺有用性(R2=0.223)

持續使用意圖

(R2=0.621)任務－科技

適配度

規範性壓力

模仿性壓力

強制性壓力

顯著水準：* P 0.05；** P 0.01；*** P 0.001

圖 2　假說驗證之結果


122 June 2016

表 5　結構模式之研究假說檢定結果

假說敘述標準化路徑係數

(t-value)檢定

結果

H1：雲端 CRM系統之任務—科技適配度對於知覺有用性有正向的影響 0.472***（t 11.44）支持

H2：雲端 CRM系統之任務—科技適配度對於使用滿意度有正向的影響 0.289**（t 3.12）支持

H3：雲端 CRM系統之知覺有用性對於使用者滿意度有正向的影響 0.535***（t 15.79）支持

H4：知覺有用性對於雲端 CRM系統持續使用意圖有正向的影響 0.345***（t 6.88）支持

H5：使用滿意度對於雲端 CRM系統持續使用意圖有正向的影響 0.484***（t 12.71）支持

H6：規範性壓力對於雲端 CRM系統持續使用意圖有正向的影響 0.127（t 1.65）不支持

H7：模仿性壓力對於雲端 CRM系統持續使用意圖有正向的影響 0.465***（t 10.18）支持

H8：強制性壓力對於雲端 CRM系統持續使用意圖有正向的影響 0.226*（t 2.46）支持

顯著水準：* P 0.05；** P 0.01；*** P 0.001

R2值指的是外生變數對內生變數所能解釋變異量的百分比，代表研究模型的預

測力，其值介於 0至 1之間，當值愈大時，表示此模型的解釋能力愈佳。本研究之結果發現，知覺有用性受到任務—科技適配度的正向顯著影響，知覺有用性的變異解釋

力為 22.3%；使用滿意度受到任務—科技適配度及知覺有用性的正向顯著影響，使用滿意度的變異解釋力為 37.0%；持續使用意圖受到知覺有用性、使用滿意度、模仿性壓力及強制性壓力的正向顯著影響，持續使用意圖的變異解釋力為 62.1%。顯示本研究模型的解釋力是相當不錯，符合學者 Cohen（1988）的建議準則。

由於本研究整合任務—科技適配模式與體制理論來探討企業使用者對於雲端

CRM持續採用意圖的影響，為比較整合模式與各別理論模式解釋能力的差異，本研究利用 SmartPLS2.0軟體再進一步分析各別理論對雲端 CRM持續採用意圖的影響。分析後的資料顯示，任務—科技適配模式對於雲端 CRM使用者持續採用意圖之解釋力為 47.5%、體制理論對於雲端 CRM使用者持續採用意圖之解釋力為 32.4%，均比整合模式的解釋力（62.1%）低。由此可見，在雲端 CRM使用之情境下，本研究所提出之整合模式比各別單獨理論模式，更能夠有效的預測與解釋使用者持續採用之行

為。

5. 討論與意涵

5.1　研究結果討論

經由上述分析所獲得的結果顯示，本研究假說多數成立；根據分析之結果，分述

如下：


123June 2016

使用者採用雲端 CRM後所感受之任務—科技適配度，會顯著影響雲端 CRM的知覺有用性（b0.472***）及使用滿意度（b0.289**）。此研究結果與先前的研究

一致（Chang, 2010; Lin, 2012）；也就是說，使用者會衡量、比較雲端 CRM系統能否協助使用者完成其工作任務，若任務—科技適配的程度越高，使用者會覺得雲

端 CRM系統確實有助於其工作表現及未來的助益，心理上也會感受到較高的愉悅與滿意。另外，本研究雲端 CRM系統之知覺有用性對使用滿意度（b0.535***）之

影響達到非常顯著水準，此結果也與先前的研究一致（Roca et al., 2006; Thong et al., 2006）；當使用者主觀知覺到雲端 CRM確實是有助於其任務的執行與工作上的表現時，則會帶給使用者相當正面的心理感受。

知覺有用性與使用滿意度對於雲端 CRM 持續使用意圖（b0.345*** 及

b0.484***）有正向顯著的影響，在行銷領域之研究也指出，若顧客對購買產品之體

驗是滿意的，將會影響日後的再購意願（Anderson and Sullivan, 1993; Oliver, 1980; Olsen, 2002）。科技日新月異，各項資訊系統及服務推陳出新，往往讓業者對於該投入多少資源在何種資訊系統上，在決策上產生極高的不確定性，且這些科技或資訊系

統是否真的能帶來效益，能否確實提升企業競爭力，短期而言尚未能確知，更何況長

期；因此若能透過任務—科技配適程度高低的衡量、評估與確認，將能有效幫助並提

高使用者知覺此科技或資訊系統的有用性、使用滿意度及持續使用意圖。

最後，本研究引用體制理論來論述並驗證外部壓力如何影響企業採用雲端 CRM系統的動機。在體制理論，有三種形式的同化機制：「規範」（Normative）、「模仿」（Mimetic）及「強制」（Coercive）（DiMaggio and Powell, 1983）。研究實證結果顯示使用者所感受到的模仿性壓力及強制性壓力對雲端 CRM的持續使用意圖均有顯著的正向影響；其中模仿性壓力對雲端 CRM的持續使用意圖的影響程度最大（b0.465***）；強制性壓力的影響程度次之（b0.226*）；而規範性壓力則沒有

顯著的影響（b0.127）。深究其原因可能為較早採用雲端 CRM的業者主要是為了成本、效率或競爭等動機而採用，而較晚採用者除這些動機外，規範性壓力才逐漸

增加影響其是否採用。為驗證此可能因採用時間先後差異而造成規範性壓力對於雲

端 CRM的持續使用意圖影響不顯著的結果，本研究將樣本資料分成較早採用者與較晚採用者兩群，透過後續的分析結果發現，較晚採用者，其規範性壓力對於雲端

CRM的持續使用意圖（b0.278**）的影響為正向顯著，而較早採用者則呈現不顯著

（b0.089）。由此可知，體制壓力對於雲端 CRM採用的早期階段與後期階段會有不同程度的影響效果。

5.2　研究貢獻

之前雖有學者曾採用任務—科技適配模式（TTF）來解釋各種資訊系統情境下


124 June 2016

績效表現及使用者的持續使用行為，然而，在雲端 CRM系統使用之情境下，尚未有學者以 TTF及「體制理論」（Institutional Theory）來探討使用者行為面之研究；鑑此，本研究旨在探討雲端 CRM使用者持續採用行為之意圖，以任務—科技適配模式及體制理論為基礎，以提出一套能夠預測雲端 CRM使用者持續採用意圖之模式；由SmartPLS2.0軟體分析後的資料顯示，本研究結合任務—科技適配模式與體制理論對於的雲端 CRM使用者持續採用意圖之解釋力為 62.1%。比單獨任務—科技適配模式的解釋力（47.5%）或體制理論的解釋力（32.4%）還高。由此可見，本研究所提出之整合模式能夠有效的預測與解釋企業使用者持續採用雲端 CRM系統之行為。

另外，很多的實證研究已經證實了單一的理論或模式無法周全且有效解釋資訊

系統的採用與後續的使用行為，因此隨著科技日益進步，原有的理論模式應該做適當

的補充與整合，所以我們提出一個結合任務－科技適配與體制理論以解釋或預測雲端

CRM系統的使用行為。本研究指出任務－科技適配度及體制壓力是解釋雲端 CRM系統持續使用意圖的重要構面，尤其是對於雲端相關的資訊系統，科技能否適配任務

的需求及體制壓力的影響是很重要的。

5.3　管理意涵

本研究以 TTF及體制理論來做為本研究之理論基礎，主要是在探究雲端 CRM持續採用之行為意圖，以下將陳述本研究對實務上之建議：

若是雲端 CRM業者訴求服務的收費低、可降低建置、維護及營運成本等方式來留住使用者，雖然可讓使用者繼續停留，但對使用者來說，並非是因為對該雲端

CRM感到較高的任務—科技適配度而繼續採用。因此，當適配度降低時，可能促使大部份的使用者選擇離開；因此，真正持續採用的先決條件是來自於雲端 CRM之任務—科技適配度的高低。雲端服務業者應該站在客戶的角度，思考客戶所要執行與完

成的任務，雲端資訊系統能否能快速且順利的協助其客戶完成任務。

資訊科技的進步，顧客需求呈現多樣化，雲端 CRM服務業者應該與客戶保持密切接觸，設計出追蹤其需求的方法與步驟，針對顧客的問題，快速且正確的回覆顧

客，關注顧客使用產品的狀況及對公司服務的感受，定期徵詢顧客的需求是否已獲得

滿足，並針對不滿意之處立即尋求改善與提出解決方案。此外，服務供應業者需要注

重客服人員的專業與技術能力，定期給予員工教育訓練，讓使用者因對雲端 CRM服務供應商所具備的高服務品質而提高任務—科技適配度，進而提高顧客的知覺有用性

與滿意度，讓使用者願意持續採用該雲端 CRM系統。雲端 CRM服務供應商若能持續提供更多創新的企業解決方案或是有特色的軟體

服務內容來吸引客戶，提高客戶對雲端 CRM好處的認知（知覺有用性），增加使用者的利益與價值，客戶將願意繼續使用雲端 CRM服務供應業所提供的各項服務。因


125June 2016

此，服務供應商需針對續約的舊客戶給予超值的服務方案，鼓勵原先的客戶繼續使

用，因為累積的利益越多，所感受的價值越高，滿意度也會越高，這些顧客就越不容

易轉換至其他的服務業者。提供短期的免費試用，讓潛在客戶透過使用的體驗過程，

真實感受服務供應商的產品、服務能力與品質是否確實；潛在客戶也能同時提供意見

的回饋，寶貴意見的回饋有助於服務供應商做為新產品與服務的規劃及經營上的重要

參考。

雲端服務業者可為使用者企業定期舉辦座談會或研討會進行交流，並邀集潛在客

戶及新客戶參與，提高使用者間的模仿性壓力。例如中華電信與台灣微軟共同舉辦的

雲端運用 CRM解決方案日，便吸引超過 250位中小企業主、資訊或業務主管，與創業家，透過現場研討與體驗，深入瞭解雲端 CRM服務，增進使用廠商與尚未使用的廠商間進行互動交流與觀摩學習；此外，並可進而尋求產業內重要廠商的推薦與推廣

或透過政府相關單位計畫的推動，形成產業內的規範性壓力，以提高企業客戶對雲端

CRM系統及相關服務的採用。經濟部於 2010年已通過執行「雲端運算產業發展方案」，中小企業處亦配合執行「雲端運算推廣服務計畫」，此將會帶動國內資訊創新

服務，並增進對國內中小企業雲端服務應用的推廣。

6. 研究限制與未來研究建議

本研究在各方面竭盡所能、力求嚴謹與周延，期望提供給讀者最可參酌與信賴的

研究結果，但限於時間、人力上的不足及財務與資源的限制，研究過程中仍有不盡完

善之處。PLS對於樣本數的要求為一定要大於所提出的問項總數，最好達 10倍。但本研究樣本數總共只有 185份，尚未達問項總數的 10倍，因此對研究的結果可能有所影響。本研究主要以國內企業使用雲端 CRM系統為研究主體，研究結果與理論模型之概化與外推效度仍有所限制，建議後續研究者可延伸至其他國家及其他類別之雲

端系統服務，進行跨國及跨各類雲端系統採用行為之比較研究，以增進理論模型的周

延性。

本研究是與業內的專家及學者討論，其建議選擇使用雲端 CRM系統超過三個月且還在使用之企業為研究樣本，由於目前使用雲端 CRM的客戶以中小企業為主，使用超過三個月的中小企業做為挑選的條件，較不會受到公司規模、系統功能複雜度等

因素對使用期間造成影響且使用狀況趨於穩定；但對於大企業而言，三個月的使用時

間在效度上是否足以用來進行研究，還需要更多的證據資料來支持。

本研究以量化研究方式進行分析與探討，後續研究可以針對相關議題進行質性研

究，並發展嶄新的研究架構，以輔佐本研究的量化研究。另外，本研究以問卷調查的

方式蒐集資料，後續研究可以增加研究樣本數量並蒐集次級資料進行量化研究，以驗


126 June 2016

證本研究的理論架構與假設是否正確。此外，本研究採用主要受訪者的研究方法，因

而無法同時衡量填答公司與提供雲端服務之供應商的觀點，所以無法得知雙方是否存

在認知差異。建議未來可採多元受訪者方法，利用雙方的觀點進行驗證，以彌補本研

究之不足。

參考文獻

邱皓政（2011）。當 PLS遇上 SEM：議題與對話。abg量化研究學刊，3（1），20-53。

許麗玲、陳至柔、陳澔輝（2013）。雲端 ERP系統服務品質與持續使用意圖之研究。電子商務學報，15（2），195-234。

陳禹辰、尚榮安、何照義、謝素娟（2008）。公用服務事業員工的 e化科技接受意圖：以 TAM與 TTF探討。電子商務學報，10（1），305-327。

陳瀅（2010)。雲端策略：雲端運算與虛擬化技巧。台北市：天下雜誌。劉籹君、黃興進、廖則竣（2010）。決策支援系統使用績效之實證研究：結合任務－

科技適配與資訊系統成功模式。電子商務學報，12（3），407-430。蕭文龍（2014）。統計分析入門與應用：SPSS中文版＋ PLS-SEM（SmartPLS）。台

北市：碁峰資訊。

薛義誠、陳志偉（2009）。以軟體即服務（SaaS）探討企業創新資訊服務之採用。中華管理學報，10（4），1-16。

羅萱（2007）。追求卓越－體制力量與管理創新：臺灣醫療產業之實證研究。管理學報，24（5），515-529。

Alexander, B., Koufaris, M., & Hess, T. (2012). Service quality in software-as-a-service: Developing the SaaS-Qual measure and examining its role in usage continuance. Journal of Management Information Systems, 28(3), 85-126.

Aljukhadar, M., Senecal, S., & Nantel, J. (2014). Is more always better? Investigating the task technology fit theory in an online user context. Information & Management, 51(4), 391-397.

Amrit, T. (2001). The essential guide to knowledge management: E-business and CRM application. Upper Saddle River, NJ: Prentice Hall.

Anderson, E. W., & Sullivan, M. W. (1993). The antecedents and consequences of customer satisfaction for firms. Marketing Science, 12(2), 125-143.

Ang, S., & Cummings, L. L. (1997). Strategic response to institutional influences on information systems outsourcing. Organization Science, 8(3), 235-256.


127June 2016

Armbrust, M., Fox, A., Griffith, R., Joseph, A., Katz, R., & Konwinski, A. (2010). A view of cloud computing. Communications of the ACM, 53(4), 50-58.

Armstrong, J. S., & Overton, T. S. (1977). Estimating nonresponse bias in mail surveys. Journal of Marketing Research, 14(3), 396-402.

Bansal, P., & Roth, K. (2000). Why companies go green: A model of ecological responsive-ness. Academy of Management Journal, 43(4), 717-736.

Benlian, A., & Hess, T. (2011). Opportunities and risks of software-as-a-service: Findings from a survey of IT executives. Decision Support Systems, 52(1), 232-246

Benlian, A., Hess, T., & Buxmann, P. (2009). Drivers of SaaS-adoption: An empirical study of different application types. Business & Information Systems Engineering, 1(5), 357-369.

Bensaou, M. (1997). Interorganizational cooperation: The role of information technology an empirical comparison of US and Japanese supplier relations. Information Systems Research, 8(2), 107-127.

Bhattacherjee, A. (2001). Understanding information systems continuance: An expectation-confirmation model. MIS Quarterly, 2(3), 351-370.

Chang, H. H. (2010). Task-technology fit and user acceptance of online auction. Interna-tional Journal of Human-Computer Studies, 68(1/2), 69-89.

Chiu, C. M., Hsu, M. H., Sun, S., Lin, T. C., & Sun, P. C. (2005). Usability, quality, value and e-learning continuance decisions. Computers & Education, 45(4), 399-416.

Choi, T. Y., & Eboch, K. (1998). The TQM paradox: Relations among TQM practices, plant performance, and customer satisfaction. Journal of Operations Management, 17(1), 59-75.

Chung, S., Lee, K. Y., & Choi, J. (2015). Exploring digital creativity in the workspace: The role of enterprise mobile applications on perceived job performance and creativity. Computers in Human Behavior, 42, 93-109.

Cisco (2009). The Cisco powered network cloud: An exciting managed services opportunity (White Paper). San Jose, CA: Cisco Systems.

Clark, L. (2009). SMEs can benefit most from the cloud. Computer Weekly, 19.Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Hills-

dale, NJ: Erlbaum.D’Ambra, J., Wilson, C. S., & Akter, S. (2013). Application of the task-technology fit

model to structure and evaluate the adoption of e-books by academics. Journal of the American Society for Information Science and Technology, 64(1), 48-64.


128 June 2016

Daryl, C. P., David, M. S., Thomas, J. B., David, W. C., David, J. C., Donna, S., Rakesh, K., & Bruce, R. (2009). Five refining attributes of public and private cloud comput-ing. Stamford, CT: Gartner.

Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340.

Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). User acceptance of computer technology: A comparison of two theoretical models. Management Science, 35(8), 982-1003.

Delmas, M., & Toffel, M. W. (2004). Stakeholders & environmental management practices: An institutional framework. Business Strategy & the Environment, 13(4), 209-222.

Devaraj, S., Fan, M., & Kohli, R. (2002). Antecedents of B2C channel satisfaction and preference: Validation e-commerce metrics. Information Systems Research, 13(3), 316-333.

DiMaggio, P., & Powell, W. W. (1983). The iron cage revisited: Institutional isomorphism and collective rationality in organizational fields. American Sociological Review, 48(2), 147-160.

Dishaw, M. T., & Strong, D. M. (1999). Extending the technology acceptance model with task-technology fit constructs. Information & Management, 36(1), 9-21.

Dohnal, J. (2002). Customer relationship management (in Czech). Praha: Grada Publishing.Doll, W. J., & Torkzadeh, G. (1988). The measurement of end-user computing satisfaction.

MIS Quarterly, 12(2), 259-274.ENISA (2009). An SME perspective on cloud computing. Greece: ENISA.Fornell, C. R. & Larcker, F. F. (1981). Structural equation models with unobservable

variables and measurement error. Journal of Marketing Research, 18(3), 39-51.Fornell, C., & Bookstein, F. (1982). Two structural equation models: LISREL and PLS

applied to consumer exit-voice theory. Journal of Marketing Research, 19(4), 440-452.

Frank, E. G., Christopher, M., Ellen, D., & Christina, L. (2009). How to “message” cloud offerings and not get lost in the fog. Cambridge, MA: Forrester.

Gadenne, D. L., Kennedy, J., & McKeiver, C. (2009). An empirical study of environmental awareness and practices in SMEs. Journal of Business Ethics, 84(1), 45-63.

Gartner (2009). Gartner: SaaS is only so so. Retrieved November 18, 2014, from http://www.itbusinessedge.com/cm/community/news/inf/blog/gartner-saas-is-only-so-so/?cs33981


129June 2016

Gartner (2014). Forecast analysis: Public cloud services, worldwide, 2Q14 update. Retrieved December 12, 2014, from https://www.gartner.com/doc/2820918/forecast-analysis-public-cloud-services

Gebauer, J., & Shaw, M. J. (2004). Success factors and impacts of mobile business applica-tions: Results from a mobile e-procurement study. International Journal of Electronic Commerce, 8(3), 19-41.

Gefen, D., Rigdon, E. E., & Straub, D. W. (2011). Editor’ s comment: An update and exten-sion to SEM guidelines for administrative and social science research. MIS Quarterly, 35(2), iii-xiv.

Giblin, M. J. (2006). Structural elaboration and institutional isomorphism: The case of crime analysis units. An International Journal of Police Strategies and Management, 29(4), 643-664.

Goode, S., Lin, C., Tsai, J. C., & Jiang, J. J. (2015). Rethinking the role of security in client satisfaction with software-as-a-service (SaaS) providers. Decision Support Systems, 70, 73-85.

Goodhue, D. L. (1995). Understanding user evaluations of information systems. Manage-ment Science, 41(12), 1827-1844.

Goodhue, D. L. (1998). Development and measurement validity of a task-technology fit instrument for user evaluations of information systems. Decision Sciences, 29(1), 105-139.

Goodhue, D. L., & Thompson, R. L. (1995). Task-technology fit and individual perfor-mance. MIS Quarterly, 19(2), 213-236.

Goodhue, D. L., Klein, B. D., & March, S. T. (2000). User evaluations of IS as surrogates for objective performance. Information & Management, 38(2), 87-101.

Grewal, R., & Dharwadkar, R. (2002). The role of the institutional environment in market-ing channels. Journal of Marketing, 66(3), 82-97.

Guler, I., Guillen, M. F., & Macpherson, J. M. (2002). Global competition, institutions, and the diffusion of organizational practices: The international spread of ISO 9000 quality certificates. Administrative Science Quarterly, 47(2), 207-232.

Gupta, P., Seetharamana, A., & Raj, J. R. (2013).The usage and adoption of cloud computing by small and medium businesses. International Journal of Information Management, 33(5), 861-874.

Hair, J. F., Jr., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis: A global perspective (7th ed.). Upper Saddle River, NJ: Prentice Hall.


130 June 2016

Hair, J. F., Sarstedt, M., Ringle, C. M., & Mena, J. A. (2012). An assessment of the use of partial least squares structural equation modeling in marketing research. Journal of the Academy of Marketing Science, 40(3), 414-433.

Hart, P. J., & Saunders, C. S. (1998). Emerging electronic partnerships: Antecedents and dimensions of EDI use from the supplier’s perspective. Journal of Management Information Systems, 14(4), 87-111.

Haveman, H. A. (1993). Follow the leader: Mimetic isomorphism and entry into new markets. Administrative Science Quarterly, 38(4), 593-627.

Henriques, I., & Sadorsky, P. (1999). The determinants of an environmentally responsive firm: An empirical approach. Journal of Environmental Economics and Management, 30(3), 381-395.

Heugens, P. P. M. A. R., & Lander, M. W. (2009). Structure! agency! (and other quarrels): A meta-analysis of institutional theories of organization. Academy of Management Journal, 52(1), 61-85.

Hong, S., Thong, J. Y. L., & Tam, K. Y. (2006). Understanding continued information technology usage behavior: A comparison of three models in the context of mobile internet. Decision Support Systems, 42(3), 1819-1834.

Hsieh, P. J. (2015). Healthcare professionals’ use of health clouds: Integrating technology acceptance and status quo bias perspectives. International Journal of Medical Informatics, 84(7), 512-523.

Hsu, C. L., & Lu, H. P. (2004). Why do people play on-line games? An extended TAM with social influences and flow experience. Information & Management, 41(7), 853-868.

Huang, T. C. K., Wu, I. L., & Chou, C. C. (2013). Investigating use continuance of data mining tools. International Journal of Information Management, 33(5), 791-801.

Hulland, J. S. (1999). Use of partial least squares (PLS) in strategic management research: A review of four recent studies. Strategic Management Journal, 20(4), 195-204.

Janssen, M., & Anton, J. (2011). Challenges for adopting cloud-based software as a service in the public sector. Proceedings of the 19th European Conference on Information Systems (ECIS 2011), Helsinki, Finland.

Jarupathirun, S., & Zahedi, F. M. (2007). Exploring the influence of perceptual factors in the success of web-based spatial DSS. Decision Support Systems, 43(3), 933-951.

Jarvenpaa, S. L. (1989). The effect of task and graphical format congruence on information processing strategies and decision making performance. Management Science, 35(3), 285-303.


131June 2016

Jarvis, C. B., MacKenzie, S. B., & Podsakoff, P. M. (2003). A critical review of construct indicators and measurement model misspecification in marketing and consumer research. Journal of Consumer Research, 30(2), 199-218.

John, C. H. S., Cannon, A. R., & Pouder, R. W. (2001). Change drivers in the new mil-lennium: Implications for manufacturing strategy research. Journal of Operations Management, 19(2), 143-160.

Junglas, I., Abraham, C., & Watson, R. T. (2008). Task-technology fit for mobile locatable information systems. Decision Support Systems, 45(4), 1046-1057.

Kamal, M., Andre, C., & Augustyn, M. (2011). Using cloud-based applications to facilitate IT adoption in microenterprises. Proceedings of the Sixth Midwest Association for Information Systems Conference, Omaha, Nebraska, USA.

Kang, Y. S., Hong, S., & Lee, H. (2009). Exploring continued online service usage be-havior: The roles of self-image congruity and regret. Computers in Human Behavior, 25(1), 111-122.

Kern, T., Kreijger, J., & Willcocks, L. (2002). Exploring ASP as sourcing strategy: Theoretical perspectives, propositions for practice. Journal of Strategic Information Systems, 11(2), 153-177.

Khalifa, M., & Davison, R. M. (2006). SME adoption of IT: the case of electronic trading systems. IEEE Transactions on Engineering Management, 53(2), 275-284.

Khanna, M., & Speir, C. (2007). Motivations for proactive environmental management and innovative pollution control. The American Agricultural Economics Association Annual Meeting, Portland, Oregon, USA.

Kim, B. (2010). An empirical investigation of mobile data service continuance: Incorporat-ing the theory of planned behavior into the expectation-confirmation model. Expert Systems with Applications, 37(10), 7033-7039.

Kim, B., & Han, I. (2009). The role of trust belief and its antecedents in a community-driven knowledge environment. Journal of the American Society for Information Science and Technology, 60(5), 1012-1026.

Kim, K. (2000). On interfirm power, channel climate, and solidarity in industrial distributor-supplier dyads. Journal of the Academy of Marketing Science, 28(3), 388-405.

Klopping, I. M., & McKinney, E. (2004). Extending the technology acceptance model and the task-technology fit model to consumer e-commerce. Information Technology, Learning, and Performance Journal, 22(1), 35-48.


132 June 2016

Kuo, R. Z., & Lee, G. G. (2011). Knowledge management system adoption: Exploring the effects of empowering leadership, task-technology fit and compatibility. Behaviour & Information Technology, 30(1), 113-129.

Larsen, T. J., Sørebø, A. M., & Sørebø, Ø. (2009). The role of task-technology fit as users’ motivation to continue information system use. Computers in Human Behavior, 25(3), 778-784.

Lawshe, C. H. (1975). A quantitative approach to content validity. Personnel Psychology, 28, 563-575.

Lee, M. C. (2010). Explaining and predicting users’ continuance intention toward e-learning: An extension of the expectation-confirmation model. Computers & Educa-tion, 54(2), 506-516.

Lee, S. G., Chae, S. H., & Cho, K. M. (2013). Drivers and inhibitors of SaaS adoption in Korea. International Journal of Information Management, 33(3), 429-440.

Liang, H., Saraf, N., Hu, Q., & Xue, Y. (2007). Assimilation of enterprise systems: The ef-fect of institutional pressures and the mediating role of top management. Management Information Systems Quarterly, 31(1), 59-87.

Liao, C., Chen, J. L., & Yen, D. C. (2007). Theory of planning behavior (TPB) and cus-tomer satisfaction in the continued use of e-service: An integrated model. Computers in Human Behavior, 23(6), 2804-2822.

Lin, C. S., Wu, S., & Tsai, R. J. (2005). Integrating perceived playfulness into expectation-confirmation model for web portal context. Information & Management, 42(5), 683-693.

Lin, T. C., & Huang, C. C. (2008). Understanding knowledge management system usage antecedents: An integration of social cognitive theory and task technology fit. Infor-mation & Management, 45(6), 410-417.

Lin, W. S. (2012). Perceived fit and satisfaction on web learning performance: IS continu-ance intention and task-technology fit perspectives. International Journal of Human-Computer Studies, 70(7), 498-507.

Lin, W. S., & Wang, C. H. (2012). Antecedences to continued intentions of adopting e-learning system in blended learning instruction: A contingency framework based on models of information system success and task-technology fit. Computers & Educa-tion, 58(1), 88-99.

Liu, H., & Lai, P. (2004). Managing process-centered e-government in Taiwan: A customer relationship management approach. Electronic Government, 1(4), 398-419.


133June 2016

Liu, H., Ke, W., Wei, K. K., Gu, J., & Chen, H. (2010). The role of institutional pressures and organizational culture in the firm’s intention to adopt Internet-enabled supply chain management systems. Journal of Operations Management, 28(5), 372-384.

Lodge, M., & Wegrich, K. (2005). Control over government: Institutional isomorphism and governance dynamics in German public administration. Policy Studies Journal, 33(2), 213-233.

Lu, H. P., & Yang, Y. W. (2014). Toward an understanding of the behavioral intention to use a social networking site: An extension of task technology fit to social-technology fit. Computers in Human Behavior, 34, 323-332.

MacKenzie, S. B., Podsakoff, P. K., & Podsakoff, N. P. (2011). Construct measurement and validation procedures in MIS and behavioral research: Integrating new and existing techniques. MIS Quarterly, 35(2), 293-334.

MacKenzie, S. B., Podsakoff, P. M., & Jarvis, C. (2005). The problem of measurement model misspecification in behavioral and organizational research and some recom-mended solutions. Journal of Applied Psychology, 90(4), 710-730.

Marston, S., Zhi, L., Bandyopadhyay, S., Zhang, J., & Ghalsasi, A. (2011). Cloud comput-ing: The business perspective. Decision Support Systems, 51(1), 176-189.

McGill, T. J., & Klobas, J. E. (2009). A task-technology fit view of learning management system impact. Computers & Education, 52(2), 496-508.

McKinney, V., Yoon, K., & Zahedi, F. (2002). The measurement of Web-customer satisfac-tion: An expectation and disconfirmation approach. Information Systems Research, 13(3), 296-315.

Mertz, S. A., Eschinger, C., Eid, T., Huang, H. H., Pang, C., & Pring, B. (2009). Market trends: Software as a service, Worldwide, 2008-2013. Stamford, CT: Gartner.

Meyer, J. W., & Rowan, B. (1977). Institutionalized organizations: formal structure as myth and ceremony. American Journal of Sociology, 83(2), 340-363.

Mitchell, V. W. (1994). Using industrial key informants: Some guidelines. Journal of the Market Research Society, 36(2), 139-144.

Mitra, S., & Singhal, V. (2008). Supply chain integration and shareholder value: Evidence from consortium based industry exchange. Journal of Operations Management, 26(1), 96-114.

Mizruchi, M., & Fein, L. (1999). The social construction of organizational knowledge: A study of the uses of coercive, mimetic and normative isomorphism. Administrative Science Quarterly, 44(4), 653-683.


134 June 2016

Neves, F. T., Marta, F. C, Correia, A. M. R., & Neto, M. C. (2011). The adoption of cloud computing by SMEs: Identifying and coping with external factors. 11ª Conferência da Associação Portuguesa de Sistemas de Informação (CAPSI 2011), Lisboa, Portugal.

Oliver, C. (1997). Sustainable competitive advantage: Combining institutional and resource-based views. Strategic Management Journal, 9(18), 697-713.

Oliver, R. L. (1980). A cognitive model of the antecedents and consequences of satisfac-tion. Journal of Marketing Research, 17(4), 460-469.

Oliver, R. L., & Bearden, W. O. (1985). Disconfirmation processes and consumer evalua-tions in product usage. Journal of Business Research, 13(3), 235-246.

Olsen, S. O. (2002). Comparative evaluation and the relationship between quality, satisfac-tion, and repurchase loyalty. Journal of the Academy of Marketing Science, 30(3), 240-249.

Osterle, H., & Muther, A. (1998). Electronic customer care: Neue Wege zum Kunden. Wirtschaftsinformatik, 40(2), 105-113.

Palmer, D. A., Jennings, P. D., & Zhou, A. (1993). Late adoption of the multidivisional form by large U.S. corporations: Institutional, political and economic accounts. Administrative Science Quarterly, 38(1), 100-131.

Parasuraman, A., Zeithaml, V. A., & Malhotra, A. (2005). E-S-QUAL: A multiple-item scale for assessing electronic service quality. Journal of Service Research, 7(3), 213-33.

Park, S. C., Keil, M., Kim, J. U., & Bock, G. W. (2012). Understanding overbidding behavior in C2C auctions: An escalation theory perspective. European Journal of Information Systems, 21(6), 643-663.

Pavlou, P. A. (2003). Consumer acceptance of electronic commerce: Integrating trust and risk with the technology acceptance model. International Journal of Electronic Com-merce, 7(3), 101-134.

Pavlou, P. A., & Fygenson, M. (2006). Understanding and predicting electronic commerce adoption: An extension of the theory of planned behaviour. MIS Quarterly, 30(1), 115-143.

Petter, S., Straub, D., & Rai, A. (2007). Specifying formative constructs in information systems research. MIS Quarterly, 31(4), 623-656.

Podsakoff, P. M., & Organ, D. W. (1986). Self-reports in organizational research: Problems and prospects. Journal of Management, 12(4), 531-544.

Podsakoff, P., MacKenzie, S., Lee, J., & Podsakoff, N. (2003). Common method biases in


135June 2016

behavioral research: A critical review of the literature and recommended remedies. Journal of Applied Psychology, 88(5), 879-903.

Rai, A., Lang, S. S., & Welker, R. B. (2002). Assessing the validity of is success models: An empirical test and theoretical analysis. Information Systems Research, 13(1), 50-69.

Ringle, C. M., Wende, S., & Will, S. (2005). SmartPLS 2.0 M3 (beta). Hamburg, Germany: University of Hamburg. (http://www.smartpls.de)

Roca, J. C., Chiu, C. M., & Martinez, F. J. (2006). Understanding e-learning continuance intention: An extension of the technology acceptance model. International Journal of Human-Computer Studies, 64(8), 683-696.

Schmitt, N., Oswald, F. L., Friede, A., & Imus, A. (2008). Perceived fit with an academic environment: Attitudinal and behavioral outcomes. Journal of Vocational Behavior, 72, 317-335.

Schneiderman, N., & Yih, A. (2001). The emerging face of customer relationship manage-ment. Los Angeles, CA: Wedbush Morgan Securities.

Scott, R.W. (1995). Institutions and organizations. Thousand Oaks, CA: Sage.Scott, W. R. (1992). Organizations: Rational, natural, and open system (3rd ed.). Engle-

wood Cloffs, NJ: Prentice Hall.Seddon, P. B., & Kiew, M. Y. (1996). A partial test and development of DeLone and

McLean’s model of IS success. The Australian Journal of Information Systems, 4(1), 90-109.

Selznick P. (1949). TVA & the grass roots: A study in the sociology of formal organization. Berkeley: University of California Press.

Stump, R. L., & Heide, J. B. (1996). Controlling supplier opportunism in industrial relationships. Journal of Marketing Research, 33(4), 431-441.

Suh, K. S. (1999). Impact of communication medium on task performance and satisfaction: An examination of media-richness theory. Information and Management, 35(5), 295-312.

Taylor, S., & Todd, P. A. (1995). Understanding information technology usage: A test of competing models. Information Systems Research, 6(2), 145-176.

Teo, H. H., Wei, K. K., & Benbasat, I. (2003). Predicting intention to adopt interorganiza-tional linkages: An institutional perspective. MIS Quarterly, 27(1), 19-49.

Thong, Y. L., Hong, S. J., & Tam, K. Y. (2006). The effects of post-adoption beliefs on the expectation-confirmation model for information technology continuance. Interna-tional Journal of Human Computer Studies, 64(9), 799-810.


136 June 2016

Tolbert, P. S., & Zucker, L. G. (1996). The institutionalization of institutional theory. In Clegg, S., Hardy, C., & Nord, W. (Eds.), Handbook of organization studies (175-190). London: Sage.

Vessey, I. (1991). Cognitive fit: A theory-based analysis of the graphs vs tables literature. Decision Sciences, 22(2), 219-240.

Walker, G., Kogut, B., & Shan, W. (1997). Social capital, structural holes and the formation of an industry network. Organization Science, 8(2), 109-125.

Walsh, K. (2003). Analyzing the application ASP concept: Technologies, economies, and strategies. Communications of the ACM, 46(8), 103-107.

Webb, H. W., & Webb, L. A. (2004). SiteQual: An integrated measure of Web site quality. The Journal of Enterprise Information Management, 17(6), 430-440.

Williams, L. J., Edwards, J. R., & Vandenberg, R. J. (2003). Recent advances in causal modeling methods for organizational and management research. Journal of Manage-ment, 29(6), 903-936.

Wolfinbarger, M., & Gilly, M. C. (2003). eTailQ: Dimensionalizing, measuring and predict-ing etail quality. Journal of Retailing, 79(3), 183-198.

Wu, W. W. (2011). Developing an explorative model for SaaS adoption. Expert Systems with Applications, 38(12), 15057-15064

Wu, W., Lan, L. W., & Lee, Y. T. (2011). Exploring decisive factors affecting an organiza-tion’s SaaS adoption: A case study. International Journal of Information Management, 31(6), 556-563.

Yen, D., Wu, C. S., Cheng, F. F., & Huang, Y. W. (2010). Determinants of users’ intention to adopt wireless technology: An empirical study by integrating TTF with TAM. Computers in Human Behavior, 26(5), 906-915.

Young, G. J., Charns, M. P., & Shortell, S. M. (2001). Top manager and network effects on the adoption of innovative management practices: A study of TQM in a public hospital system. Strategic Management Journal, 22(10), 935-951.

Zhou, T., Lu, Y., & Wang, B. (2010). Integrating TTF and UTAUT to explain mobile bank-ing user adoption. Computers in Human Behavior, 26(4), 760-767.

Zsidisin, G. A., Melnyk, S. A., & Ragatz, G. L. (2005). An institutional theory perspective of business continuity planning for purchasing and supply management. International Journal of Production Research, 43(16), 3401-3420.

Zucker, L. G. (1987). Institutional theories of organization. Annual Reviews in Sociology, 13, 443-464.


137June 2016

附錄A：本研究所使用之衡量題目

任務—科技適配度（McGill and Klobas, 2009; Schmitt et al., 2008）

使用雲端 CRM系統能符合公司的利益雲端 CRM系統能搭配公司各項顧客服務作業的進行我覺得我的工作目標和需求能透過使用雲端 CRM系統而獲得滿足我覺得從雲端 CRM系統所輸出的資訊是有用的我覺得從雲端 CRM系統所輸出的資訊是準確的我覺得雲端 CRM系統能為我提供最新的資訊我覺得我可以從雲端 CRM系統即時取得我所需要的相關資訊我覺得雲端 CRM系統所提供的資訊幾乎正是我所需要的知覺有用性（Davis, 1989; Taylor and Todd, 1995）

使用雲端 CRM系統，提高本公司在顧客關係工作上的表現工作中使用雲端 CRM系統，增加本公司的生產力使用雲端 CRM系統，增強了本公司的工作績效使用雲端 CRM系統，提高了本公司的工作效率整體來說，使用雲端 CRM系統是有用的使用滿意度（Bhattacherjee, 2001; Doll and Torkzadeh, 1988; Mckinney et al., 2002）

使用過雲端 CRM系統之後，雲端 CRM系統的資訊內容令本公司感到滿意使用過雲端 CRM系統之後，雲端 CRM系統的系統功能令本公司感到滿意使用過雲端 CRM系統之後，雲端 CRM系統的服務品質令本公司感到滿意此雲端 CRM系統能提供作業上足夠的資訊使用雲端 CRM系統改善了公司內部的作業效率與強化系統整合此雲端 CRM系統所提供的資訊內容，是符合本公司的需求整體來說，本公司對使用雲端 CRM系統的感受是滿意的規範性壓力（Khalifa and Davison, 2006; Liu et al., 2010; Teo et al., 2003）

目前我們公司的供應商已經廣泛使用雲端 CRM系統目前我們公司的顧客已經廣泛使用雲端 CRM系統目前我們公司的競爭者已廣泛使用雲端 CRM系統模仿性壓力（Khalifa and Davison, 2006; Liu et al., 2010; Teo et al., 2003）

我們公司的主要競爭對手，已經使用雲端 CRM系統且受益匪淺我們公司的主要競爭對手，已經使用雲端 CRM系統且受到客戶的歡迎我們公司的主要競爭對手，已經使用雲端 CRM系統且讓公司更具競爭力


138 June 2016

強制性壓力（Khalifa and Davison, 2006; Liu et al., 2010; Teo et al., 2003）

對我們公司相當重要的客戶，相信我們應該會持續使用雲端 CRM系統沒有持續雲端 CRM系統，我們可能無法留住我們的重要客戶對我們公司相當重要的供應商，相信我們應該會持續使用雲端 CRM系統對我們公司至關重要的供應商，熱切地希望我們持續使用雲端 CRM系統持續使用意圖（Bhattacherjee, 2001）

對本公司而言，公司有意願持續使用雲端 CRM系統本公司覺得就算有其他的雲端 CRM系統可供選擇，仍然會繼續使用目前的雲端

CRM系統我會建議公司未來繼續使用雲端 CRM系統我會建議公司未來擴充雲端 CRM系統的功能，以提升工作效能本公司願意推薦所使用的雲端 CRM系統給其他公司


139June 2016

附錄B：共同方法變異分析結果

研究變數題項

原本因素負荷量

（Substantive Factor Loading）

（R1）

R12

共同方法因素負荷量

（Common Method Factor Loading）

（R2）

R22

任務—科技適配

度（TTF）

TTF1 0.756*** 0.572 0.112 0.013

TTF2 0.853*** 0.728 0.098 0.010

TTF3 0.874*** 0.764 0.066 0.004

TTF4 0.779*** 0.607 0.039 0.002

TTF5 0.717*** 0.514 0.103 0.011

TTF6 0.788*** 0.621 0.151 0.023

TTF7 0.824*** 0.679 0.077 0.006

TTF8 0.725*** 0.526 0.144 0.021

知覺有用性

（PU）

PU1 0.831*** 0.691 0.088 0.008

PU2 0.783*** 0.613 0.127 0.016

PU3 0.906*** 0.821 0.093 0.009

PU4 0.815*** 0.664 0.055 0.003

PU5 0.724*** 0.524 0.119 0.014

使用滿意度

（Sat）

Sat1 0.834*** 0.696 0.046 0.002

Sat2 0.766*** 0.587 0.164 0.027

Sat3 0.809*** 0.654 0.075 0.006

Sat4 0.773*** 0.598 0.082 0.007

Sat5 0.815*** 0.664 0.157 0.025

Sat6 0.791*** 0.626 0.096 0.009

Sat7 0.888*** 0.789 0.089 0.008

規範性壓力

（NP）

NP1 0.711*** 0.506 0.097 0.009

NP2 0.869*** 0.755 0.121 0.015

NP3 0.785*** 0.616 0.076 0.006

模仿性壓力

（MP）

MP1 0.867*** 0.752 0.068 0.005

MP2 0.814*** 0.663 0.173 0.030

MP3 0.829*** 0.687 0.049 0.002


140 June 2016

研究變數題項

原本因素負荷量

（Substantive Factor Loading）

（R1）

R12

共同方法因素負荷量

（Common Method Factor Loading）

（R2）

R22

強制性壓力

（CP）

CP1 0.757*** 0.573 0.118 0.014

CP2 0.855*** 0.731 0.130 0.017

CP3 0.786*** 0.618 0.095 0.009

CP4 0.820*** 0.672 0.077 0.006

持續使用意圖

（CUI）

CUI1 0.848*** 0.719 0.062 0.004

CUI2 0.857*** 0.734 0.088 0.008

CUI3 0.891*** 0.794 0.169 0.029

CUI4 0.835*** 0.697 0.071 0.005

CUI5 0.822*** 0.676 0.058 0.003

平均 0.811 0.661 0.098 0.011

比例（R12÷R22）

60.534

顯著水準：* P 0.05；** P 0.01；*** P 0.001

雲端 crm 系統持續使用意圖之實證研究：整合任...

Documents