"Factors Affecting The Engagement of LINE Customers in Bangkok โดย นายวงศกร ยุกิจภูติ นักศึกษาสาขาวิชาการวิเคราะห์ธุรกิจและการวิจัย, นักวิจัยอาวุโส บริษัท เอ็มโอแค็ป จำกัดในงาน THE FIRST NIDA BUSINESS ANALYTICS AND DATA SCIENCES CONTEST/CONFERENCE จัดโดย คณะสถิติประยุกต์และ DATA SCIENCES THAILAND

1. Factors Affecting The Engagement of LINE Customers in Bangkok:
Structural Equation Modeling
The First NIDA Business Analytics and Data Sciences Contest/Conference
วันที่ 1-2 กันยายน 2559 ณ อาคารนวมินทราธิราช สถาบันบัณฑิตพัฒนบริหารศาสตร์
https://businessanalyticsnida.wordpress.com
https://www.facebook.com/BusinessAnalyticsNIDA/
-Structural Equation Model คืออะไร สร้างได้อย่างไร ทาไปเพื่ออะไร
-Engagement เกิดได้อย่างไร ทาไมจึงเกิด Engagement
-ผู้ใช้ไลน์ในกรุงเทพ มี engagement กับการใช้ Line หรือไม่ อย่างไร เพราะอะไร
นายวงศกร ยุกิจภูติ
นักศึกษาปริญญาโท
สาขาวิชาการวิเคราะห์ธุรกิจและการวิจัย
นักวิจัยอาวุโส บริษัท เอ็มโอแค็ป จากัด
นวมินทราธิราช 3001 วันที่ 1 กันยายน 2559 12.00-12.30 น.

2. ปัจจัยที่มีผลต่อความผูกพันในแอปพลิเคชัน LINE
ของผู้ใช้งานในกรุงเทพมหานคร
Factors Affecting The Engagement of LINE Customers in Bangkok

3. ที่มาและความสาคัญของปัญหา
องค์กรธุรกิจที่ประสบความสาเร็จในปัจจุบันจะมุ่งการดาเนินงานที่เน้นลูกค้าเป็นสาคัญ โดยพยายามที่จะสร้าง
ความสัมพันธ์กับกลุ่มลูกค้าเป้ าหมายเพื่อให้ลูกค้าเกิดความผูกพันกับองค์กรธุรกิจ ผ่านช่องทางการสื่อสารคุณค่าของ
ผลิตภัณฑ์และบริการที่ตรงกับความต้องการของลูกค้าหรือเรียกว่าการบริหารลูกค้าสัมพันธ์ (Customer Relationship
Management: CRM) ซึ่งเป็นการสร้างและนาเสนอคุณค่าที่มุ่งเน้นไปที่ความคาดหวังของลูกค้า ทั้งนี้เพื่อสร้าง
ความสัมพันธ์ที่ดีในระยะยาว เนื่องจากเป็นกลยุทธ์ที่คานึงถึงพฤติกรรมของลูกค้าเป็นหลัก เมื่อมีความสัมพันธ์ที่ดีกับ
ลูกค้าแล้ว องค์กรธุรกิจก็จะสามารถสร้างการมีส่วนร่วมระหว่างตราสินค้ากับลูกค้าผ่านกิจกรรมทางการตลาดต่างๆ ที่
เรียกว่าการบริหารประสบการณ์กับลูกค้า (CustomerExperience Management: CEM) ทาให้เกิดความผูกพันต่อตราสินค้า
โดยประสบการณ์ที่ลูกค้าได้รับต้องมีความแตกต่างจากตราสินค้าอื่น และสามารถสร้างความประทับใจที่เกินความ
คาดหวังของลูกค้า
ดังนั้นการสร้างให้ลูกค้าเกิดความผูกพันและจงรักภักดีต่อตราสินค้าจึงเป็นสิ่งสาคัญที่จะทาให้ลูกค้าอยู่กับองค์กร
ธุรกิจนั้นให้ได้นานที่สุด องค์กรธุรกิจต้องอาศัยการสร้างให้ลูกค้าเกิดความผูกพันอย่างลึกซึ้งกับตราสินค้า โดยพยายาม
หาวิธีทาให้ลูกค้าเกิดความผูกพัน (Customer Engagement: CE) ซึ่งเป็นความรู้สึกทางด้านอารมณ์ (Emotion Attachment)
ที่จะทาให้ลูกค้าเกิดความผูกพันในระดับสูงสุด เกิดความรักในตราสินค้า รู้สึกถึงความเป็นเจ้าของ มีอารมณ์ร่วมไปกับ
ตราสินค้า มีแนวโน้มที่จะใช้ต่อไปในอนาคต และสามารถช่วยประชาสัมพันธ์ตราสินค้าให้กับบุคคลต่างๆ รอบข้างของ
ลูกค้าได้อีกด้วย
3

4. ที่มาและความสาคัญของปัญหา (ต่อ)
ปัจจุบันเครือข่ายสังคมออนไลน์ได้เข้ามามีส่วนสาคัญอย่างมากในการใช้ชีวิตด้านต่างๆ เช่น การติดต่อสื่อสาร
การทางาน การซื้อสินค้าและบริการต่างๆ เป็นต้น ผู้ใช้เครือข่ายสังคมออนไลน์ทั่วโลกมีจานวนมาก และมีแนวโน้มการ
ใช้งานที่เพิ่มขึ้นอย่างต่อเนื่องในอนาคต โดยมีผู้ให้บริการด้านโซเชียลเน็ตเวิร์ค (Social Network) บนอินเตอร์เน็ตหลาย
ราย เช่น Facebook, WhatsApp, Instagram, WeChat, Twitter, Beetalk, และ LINE เป็นต้น โดยเฉพาะ LINE ในปี 2558 ที่
ผ่านมา มีจานวนผู้ใช้งาน (End Users) ทั่วโลก ประมาณ 560 ล้านคน (LINE Thailand. 2559: ออนไลน์) ซึ่งประเทศไทยมี
ผู้ใช้งานมากกว่า 33 ล้านคน เป็นโซเชียลเน็ตเวิร์คที่มีการใช้งานมากที่สุดในประเทศ และมากเป็นอันดับสองของโลกรอง
จากประเทศญี่ปุ่นที่มีผู้ใช้งานมากกว่า 58 ล้านคน
อย่างไรก็ตาม LINE ยังคงเป็นแอปพลิเคชันใหม่ที่เปิดตัวได้ไม่นาน ถึงแม้จะมีสมาชิกเพิ่มขึ้นอย่างต่อเนื่อง แต่มิ
อาจเป็นตัวชี้วัดที่แน่นอนได้เสมอไปว่าความนิยมของผู้ใช้งานจะไม่ลดลงผู้วิจัยจึงสนใจศึกษาปัจจัยที่มีผลต่อความผูกพัน
ของแอปพลิเคชัน LINE ของผู้ใช้งาน LINE ในกรุงเทพมหานคร โดยต้องการทราบถึงกระบวนการที่ปัจจัยต่างๆ
มีอิทธิพลต่อความผูกพันของแอปพลิเคชัน LINE เพื่อนาข้อมูลไปใช้ให้เกิดประโยชน์ในการสร้าง และรักษาความผูกพัน
ของลูกค้าที่ใช้งานแอปพลิเคชัน LINE และสามารถกาหนดกลยุทธ์ในการทาการตลาดได้อย่างเหมาะสม
4

5. วัตถุประสงค์ของการศึกษา
 เพื่อศึกษาพฤติกรรมการใช้งานแอปพลิเคชัน LINE ของผู้ใช้งานในกรุงเทพมหานคร
 เพื่อศึกษาระดับความผูกพันที่มีต่อแอปพลิเคชัน LINE ของผู้ใช้งานในกรุงเทพมหานคร
 เพื่อศึกษาผลกระทบของปัจจัยด้านหน้าที่และปัจจัยด้านอารมณ์ความรู้สึกที่มีต่อความผูกพันของผู้ใช้งาน LINE
ในกรุงเทพมหานคร
เพื่อนาข้อมูลไปใช้ให้เกิดประโยชน์ในการสร้างและรักษาความผูกพันของลูกค้าที่ใช้งาน
แอปพลิเคชัน LINE และสามารถกาหนดกลยุทธ์ในการทาการตลาดได้อย่างเหมาะสม
รวมถึงเป็นแนวทางในการศึกษาวิจัยเชิงลึกต่อไป
5

6. ขอบเขตการศึกษา
ขอบเขตด้านเนื้อหา ขอบเขตด้านประชากร
ความผูกพันของผู้ใช้งาน LINE
หน่วยตัวอย่าง รายละเอียด
ที่พักอาศัย จังหวัดกรุงเทพมหานคร
การใช้งาน
แอปพลิเคชันไลน์ (Line)
ผ่านระบบปฏิบัติการอย่างใด
อย่างหนึ่ง ระบบปฏิบัติการ iOS
Android Windows Phone และ
Blackberry หรือ คอมพิวเตอร์
ระบบ Windows และ Mac OS
อย่างน้อย 6 เดือน
ช่วงเวลาในการเก็บข้อมูล เดือนมีนาคม - เมษายน 2559
ปัจจัยที่มีผลต่อความผูกพัน
ปัจจัยด้านหน้าที่
 คุณสมบัติของผลิตภัณฑ์
 การส่งมอบการบริการ
ปัจจัยด้านอารมณ์ความรู้สึก
 ความจริงใจและความรับผิดชอบ
 ภาพลักษณ์และความน่าเชื่อถือ
 ความใส่ใจและการให้ความสาคัญกับลูกค้า
6

7. ระเบียบวิธีวิจัย (ต่อ)
การสุ่มตัวอย่าง
กลุ่มการปกครอง เขต จานวนหน่วยตัวอย่าง (คน)
กลุ่มรัตนโกสินทร์
เขตราชเทวี 65
เขตปทุมวัน 64
กลุ่มบูรพา
เขตบางเขน 64
เขตลาดพร้าว 64
กลุ่มเจ้าพระยา
เขตดินแดง 64
เขตห้วยขวาง 64
รวม 385
7

8. ระเบียบวิธีวิจัย (ต่อ)
กรอบแนวคิดในการวิจัย
8

9. ผลการสารวจ

10. ข้อมูลทั่วไป
42.9
57.1
เพศ
ชาย (n=165) หญิง (n=220)
11.9
6.2
14.0
2.6
49.9
15.3
0.0 10.0 20.0 30.0 40.0 50.0 60.0
ต่ากว่ามัธยมศึกษาตอนต้น (n=46)
มัธยมศึกษาตอนต้น (n=24)
มัธยมศึกษาตอนปลาย/ปวช. (n=54)
อนุปริญญา/ปวส. (n=10)
ปริญญาตรี (n=192)
ปริญญาโท ขึ้นไป (n=59)
ระดับการศึกษาสูงสุด
14.8
46.0
28.8
10.4
0.0
10.0
20.0
30.0
40.0
50.0
น้อยกว่า 15 ปี
(n=57)
15 – 34 ปี
(n=177)
35 – 50 ปี
(n=111)
51 ปีขึ้นไป
(n=40)
อายุ
10

11. ข้อมูลทั่วไป (ต่อ)
28.3
13.5
54.3
3.1
0.8
0.0 10.0 20.0 30.0 40.0 50.0 60.0
นักเรียน/นักศึกษา
(n=109)
รับราชการ
(n=52)
พนักงานบริษัทเอกชน/
รัฐวิสาหกิจ (n=209)
ธุรกิจส่วนตัว
(n=12)
แม่บ้าน/พ่อบ้าน
(n=3)
อาชีพ
68.8
30.4
0.8
0.0
20.0
40.0
60.0
80.0
โสด
(n=265)
สมรส
(n=117)
หม้าย/ หย่าแยก
(n=3)
สถานภาพสมรส
39.2
26.0
15.1
7.3
3.6
8.8
0.0 10.0 20.0 30.0 40.0 50.0
ต่ากว่า 15,000 บาท (n=151)
15,000 – 24,999 บาท (n=100)
25,000 – 34,999 บาท (n=58)
35,000 – 44,999 บาท (n=28)
45,000 – 54,999 บาท (n=14)
55,000 บาท ขึ้นไป (n=34)
รายได้เฉลี่ยต่อเดือน
11

12. พฤติกรรมการใช้งาน
ทุกครั้งที่มีการ
แจ้งเตือน
(n=176),45.7
ตลอดเวลา
ถึงแม้จะไม่มีการ
แจ้งเตือน
(n=56),14.5
ช่วงเวลาที่
สะดวก
(n=153),39.7
การใช้งานแอปพลิเคชัน
2.6
10.4
20.3
66.8
0.0 20.0 40.0 60.0 80.0
6 เดือน – 1 ปี
(n=10)
1 ปีขึ้นไป – 2 ปี
(n=40)
2 ปีขึ้นไป – 3 ปี
(n=78)
มากกว่า 3 ปี
(n=257)
ประสบการณ์ในการใช้งาน
35.3
61.4
62.7
62.1
1.3
0.7
0.0 20.0 40.0 60.0 80.0
ช่วงเช้าก่อนไปเรียนหรือทางาน
ช่วงกลางวันหรือพักเที่ยง
ช่วงเย็นหลังจากไปเรียนหรือทางาน
ช่วงกลางคืนก่อนนอน
เวลา 10:00 น. - 13:00 น.
เวลา 11:00 น. - 20:30 น.
ช่วงเวลาที่สะดวก
12

13. พฤติกรรมการใช้งาน (ต่อ)
63.9 36.1
การซื้อผลิตภัณฑ์สติ๊กเกอร์ (Sticker)
ไม่เคย (n=246) เคย (n=139)
ราคา ค่ากลาง ราคาโดยเฉลี่ย
35-100 150 172.9
ราคา ค่ากลาง ราคาโดยเฉลี่ย
35-500 100 125.1
85.7
14.3
การซื้อผลิตภัณฑ์ธีม (Theme)
ไม่เคย (n=330) เคย (n=55)
13

14. Smartphone
Laptop/
Notebook
PC/MAC
ipad/ tablet
93.8
2.6
0.5
3.1
ช่องทางการใช้ที่บ่อยที่สุด
Smartphone
(n=361)
Laptop/ Notebook
(n=10)
PC/MAC
(n=2)
ipad/ tablet
(n=12)
พฤติกรรมการใช้งาน (ต่อ)
ช่องทางการใช้งาน
97.1
22.9
16.6
15.3
14

15. พฤติกรรมการใช้งาน (ต่อ)
15
75.58
19.74
2.08
2.08
0.00 20.00 40.00 60.00 80.00
Line (n=291)
facebook
messenger (n=76)
Instagram (n=8)
Twitter (n=8)
แอปพลิเคชันที่ใช้งานบ่อยที่สุด
3.38
17.92
78.70
0.00 20.00 40.00 60.00 80.00
70 บาท (n=13)
35 บาท (n=69)
ไม่ใช้งานหากมี
ค่าบริการ
(n=303)
การยินดีเสียค่าบริการรายปี

16. 0.00
3.64
14.03
65.45
16.88
0.00 20.00 40.00 60.00 80.00
ระดับความผูกพัน
ความผูกพันที่มีต่อแอปพลิเคชัน LINE
ระดับความผูกพัน ความถี่ ร้อยละ
ความผูกพันระดับต่า - -
ความผูกพันระดับค่อนข้างต่า 14 3.64
ความผูกพันระดับปานกลาง 54 14.03
ความผูกพันระดับค่อนข้างสูง 252 65.45
ความผูกพันระดับสูง 65 16.88
รวม 385 100.00
16
มากกว่า 80%

17. โมเดลสมการโครงสร้าง
เป็นเทคนิคที่ผสมผสานระหว่าง การ
วิเคราะห์องค์ประกอบ (Factor analysis)
และการวิเคราะห์ถดถอยเชิงเส้นหลายตัว
แปร (Multiple Regression Analysis)
เพื่อวิเคราะห์ความสัมพันธ์เชิงโครงสร้าง
ระหว่างตัวแปรที่วัดได้และตัวแปรแฝง
ดังนั้น โมเดลสมการโครงสร้างจะ
สะท้อนให้เห็นถึงทั้งการวิเคราะห์
องค์ประกอบ (factor analysis) และการ
วิเคราะห์เส้นทาง (path analysis)
17

18. ตัวแปรแฝง (Latent Variable) ตัวแปรบ่งชี้ (Indicator Variable)
ประเภทของตัวแปรที่ใช้ในโมเดลสมการโครงสร้าง
1. ตัวแปรบ่งชี้ (Indicator Variable) หรือตัวแปรสังเกตได้ (Observed Variable)
เป็นตัวแปรที่ผู้วิจัยสามารถเก็บข้อมูลได้หรือวัดโดยตรง เช่น คาถามในแบบสอบถาม
2. ตัวแปรแฝง (Latent Variable)
เป็นตัวแปรที่ผู้วิจัยไม่สามารถเก็บข้อมูลหรือวัดได้โดยตรง แต่จะนาตัวแปรบ่งชี้ (IndicatorVariable)
หรือตัวแปรสังเกตได้(Observed Variable)หลายๆ ตัว มาเป็นตัวบ่งชี้
สาหรับตัวแปรที่ใช้แบ่งตามที่มาของตัวแปรประกอบด้วย 2 ประเภท
ความผูกพัน
ต่อสินค้า
การแนะนาให้ผู้อื่นใช้งาน
การรู้สึกภูมิใจที่ได้ใช้งาน
การรู้สึกว่าจะใช้สินค้าต่อไปอีกเรื่อยๆ
การรัก และหลงใหล
18

19. ตัวแปรภายนอก ตัวแปรแทรกกลาง* ตัวแปรภายใน
ประเภทของตัวแปรที่ใช้ในโมเดลสมการโครงสร้าง (ต่อ)
1. ตัวแปรภายนอก (Exogenous Variable)
เป็นตัวแปรแฝง ที่ถือว่าเป็นตัวแปรอิสระ
2. ตัวแปรภายใน (Endogenous Variable)
เป็นตัวแปรแฝง ที่สามารถเป็นได้ทั้งตัวแปรแทรกกลางและเป็นตัวแปรตาม
สาหรับตัวแปรที่ใช้แบ่งตามสถานะของตัวแปรประกอบด้วย 2 ประเภท
คุณสมบัติของ
ผลิตภัณฑ์
การบริการ
ภาพลักษณ์ และ
ความน่าเชื่อถือ
ความผูกพัน
ต่อสินค้า
19
หมายเหตุ: *ตัวแปรแทรกกลางเป็นได้ทั้งตัวแปรอิสระ และตัวแปรตาม

20. เทคนิคการประมาณค่าพารามิเตอร์
วิธีการประมาณค่าพารามิเตอร์ใน SEM มีหลายเทคนิคด้วยกัน ซึ่งใน AMOS จะมี
วิธีประมาณค่าพารามิเตอร์ ดังนี้
1. Maximum Likelihood (ML) ----------------------> เป็นวิธีที่นิยมใช้
2. Generalized Least Square (GLS)
3. Unweighted Least Square (ULS)
4. Scale-freeLeast Square (SLS)
5. Asymptotic DistributionFree (ADF)
20

21. เงื่อนไขของตัวแปรสังเกตได้
โดยทั่วไปแล้วการวิเคราะห์ SEM จะนิยมใช้เทคนิค MLE ในการประมาณค่าพารามิเตอร์
ซึ่งมีเงื่อนไขของตัวแปรดังนี้
1. ตัวแปรแต่ละตัวจะต้องเป็นตัวแปรเชิงปริมาณ
นั่นคือ สเกลอันตรภาค (Interval Scale)หรืออัตราส่วน (Ratio Scale)
2. ตัวแปรแต่ละตัวจะต้องมีการแจกแจงแบบปกติ โดยต้องมีการตรวจสอบดังนี้
- ความเบ้(Skewness)
- ความโด่ง (Kurtosis)
- ค่าผิดปกติ (Outlier)
3. ตัวแปรแต่ละคู่ต้องมีความสัมพันธ์ในรูปแบบเชิงเส้น
4. ความแปรปรวนของค่าความคาดเคลื่อนคงที่
21

22. ส่วนประกอบของโมเดลสมการโครงสร้าง
1. โมเดลการวัด (Measurement Model)
เป็นโมเดลที่ผู้วิจัยต้องการยืนยันว่าตัวแปรบ่งชี้ (IndicatorVariable)หรือตัวแปรสังเกตได้
(Observed Variable) หลายๆ ตัว สามารถเป็นตัวบ่งชี้ของตัวแปรแฝง (Latent Variable) ได้หรือไม่
โดยมักจะใช้เทคนิคการวิเคราะห์ปัจจัยเชิงยืนยัน (Confirmatory Factor Analysis)ซึ่งการวิเคราะห์
ปัจจัยเชิงยืนยันผู้วิจัยจะต้องทราบโครงสร้างความสัมพันธ์ของตัวแปรก่อน ซึ่งอาจจะอ้างอิงมาจาก
การทบทวนวรรณกรรมหรืองานวิจัยที่เกี่ยวข้อง
2. โมเดลโครงสร้าง (Structural Model)
เป็นโมเดลการหาสาเหตุ ซึ่งจะใช้หลักวิเคราะห์การถดถอย เพื่อหาความสัมพันธ์ของตัวแปรทั้ง
ทางตรงและทางอ้อม
โมเดลสมการโครงสร้างมีองค์ประกอบอยู่ 2 ส่วน คือ
22

23. ขั้นตอนการวิเคราะห์โมเดลสมการโครงสร้าง
การระบุลักษณะโมเดล
(Model Specification)
การเตรียมข้อมูล
(Data Preparation)
การระบุความเป็น
ไปได้ของโมเดล
การประมาณค่าพารามิเตอร์
(Model Estimation)
การแปรผล
(Interpretation)
การตรวจสอบความ
สอดคล้องของโมเดล
ปรับปรุงโมเดล
ปรับโมเดล
ที่มา: หนังสือการวิเคราะห์สมการโครงสร้าง (SEM) ด้วย AMOS
ของ รองศาสตราจารย์ดร. กัลยา วานิชย์บัญชา
เป็นไปไม่ได้
เป็นไปได้
ไม่สอดคล้อง
สอดคล้อง
23
การเขียนแผนภาพ
เส้นทาง

24. การระบุความเป็นไปได้ของโมเดล
การระบุค่าความเป็นไปได้ค่าเดียวของโมเดลคือการระบุว่าโมเดลนั้นสามารถนามาประมาณ
ค่าพารามิเตอร์ได้เป็นค่าเดียวหรือไม่ โดยจะพิจารณาจากค่าองศาอิสระ (degree of freedom) ซึ่งใช้สูตร
คานวณค่าองศาอิสระ ดังนี้
องศาอิสระการทดสอบ =
P(P+1)
2
- จานวนพารามิเตอร์ที่ไม่ทราบค่า
เมื่อกาหนดให้ P หมายถึง จานวนตัวแปรสังเกตได้ทั้งหมดที่ใช้ในการประมาณค่าพารามิเตอร์
ถ้าองศาอิสระการทดสอบ มีค่าน้อยกว่า 0 แสดงว่า โมเดลระบุไม่พอดี (Under-identified model)
ถ้าองศาอิสระการทดสอบ มีค่าเท่ากับ 0 แสดงว่า โมเดลระบุพอดี (Just-identified model)
ถ้าองศาอิสระการทดสอบ มีค่ามากกว่า 0 แสดงว่า โมเดลระบุเกินพอดี (Over-identified model)
สามารถทาการประเมินพารามิเตอร์เพื่อทดสอบความกลมกลืนของโมเดลการวัดได้
24

25. การตรวจสอบความสอดคล้องของโมเดลการวัด
25
ค่าดัชนี
เกณฑ์การ
พิจารณา
ค่าสถิติก่อน
ดัดแปรโมเดล
X2
/df < 2.000 2.670*
GFI > 0.900 0.821*
CFI > 0.900 0.812*
RMR < 0.050 0.032
RMSEA < 0.050 0.066*
หลังจากทาการประมาณค่าพารามิเตอร์แล้วผู้วิจัยต้องทดสอบความตรงของโมเดล
การวัด (MeasurementModel) โดยมีเกณฑ์การตรวจสอบความสอดคล้องหรือความ
กลมกลืนของโมเดลการวัดดังนี้
หมายเหตุ: * ค่าสถิติไม่ผ่านเกณฑ์การตรวจสอบความสอดคล้องหรือความกลมกลืนของโมเดลการวัด
เมื่อโมเดลการวัด
ไม่สอดคล้องกลมกลืน
กับข้อมูลเชิงประจักษ์
ต้องทาอย่างไร???
โมเดลการวัด (Measurement Model)

26. การปรับโมเดลการวัด
26
ค่าดัชนี
เกณฑ์การ
พิจารณา
ค่าสถิติก่อน
ดัดแปรโมเดล
ค่าสถิติหลัง
ดัดแปรโมเดล
ผลการพิจารณา
X2
/df < 2.000 2.670* 1.729 ผ่านเกณฑ์
GFI > 0.900 0.821* 0.902 ผ่านเกณฑ์
CFI > 0.900 0.812* 0.938 ผ่านเกณฑ์
RMR < 0.050 0.032 0.027 ผ่านเกณฑ์
RMSEA < 0.050 0.066* 0.047 ผ่านเกณฑ์
เมื่อโมเดลการวัดไม่สอดคล้องกลมกลืนกับข้อมูลเชิงประจักษ์จึงต้องปรับโมเดล ซึ่งจะมีค่าสถิติ
ที่เรียกว่าดัชนีปรับเปลี่ยน (ModificationIndex: MI) เป็นค่าสถิติที่ใช้ช่วยประกอบการตัดสินใจในการ
ปรับโมเดล
หมายเหตุ: * ค่าสถิติไม่ผ่านเกณฑ์การตรวจสอบความสอดคล้องหรือความกลมกลืนของโมเดลการวัด

27. เมื่อโมเดลการวัด (Measurement Model) มีความสอดคล้องกลมกลืนกับข้อมูลเชิงประจักษ์แล้ว
จึงทาการวิเคราะห์โมเดลโครงสร้าง (Structural EquationModeling: SEM)
การวิเคราะห์โมเดลสมการโครงสร้าง
27

28. ผลการวิเคราะห์โมเดลสมการโครงสร้าง
28
ตัวแปรตาม 𝐑 𝟐
อิทธิพล
ตัวแปรอิสระ
คุณสมบัติของ
ผลิตภัณฑ์
การส่งมอบการ
บริการ
ความจริงใจและ
ความรับผิดชอบ
ภาพลักษณ์และ
ความน่าเชื่อถือ
ความใส่ใจและ
การให้ความสาคัญ
กับลูกค้า
ความจริงใจและ
ความรับผิดชอบ
0.043
DE - 0.207* - - -
IE - - - - -
TE - 0.207* - - -
ภาพลักษณ์และ
ความน่าเชื่อถือ
0.377
DE 0.035 0.350* 0.196* - 0.293*
IE - 0.117* 0.074* - -
TE 0.035 0.467* 0.270* - 0.293*
ความใส่ใจและการให้
ความสาคัญกับลูกค้า
0.129
DE - 0.208* 0.253* - -
IE - 0.052* - - -
TE - 0.261* 0.253* - -
ความผูกพันต่อ
แอปพลิเคชัน LINE
0.419
DE 0.185* 0.057 0.106 0.234* 0.360*
IE 0.008 0.225* 0.154* - 0.069*
TE 0.193* 0.282* 0.260* 0.234* 0.428*
หมายเหตุ : *p-value <0.05 (DE หมายถึง อิทธิพลทางตรง IE หมายถึง อิทธิพลทางอ้อม TE หมายถึง อิทธิพลรวม)

29. การแปรผล
ผลการวิเคราะห์อิทธิพล พบว่า ความใส่ใจและการให้ความสาคัญกับลูกค้ามีอิทธิพล
โดยรวมเชิงบวกต่อความผูกพันของแอปพลิเคชัน LINE มากที่สุด มีค่าเท่ากับ 0.428
รองลงมา คือ การส่งมอบการบริการ มีค่าเท่ากับ 0.282 และความจริงใจและความรับผิดชอบ
มีค่าเท่ากับ 0.260 เมื่อพิจารณาอิทธิพลทางตรง พบว่า ความใส่ใจและการให้ความสาคัญกับ
ลูกค้ามีอิทธิพลทางตรงต่อความผูกพันของแอปพลิเคชัน LINE มากที่สุด มีค่าเท่ากับ 0.360
รองลงมา คือ ภาพลักษณ์และความน่าเชื่อถือ มีค่าเท่ากับ 0.234 และและคุณสมบัติของ
ผลิตภัณฑ์ มีค่าเท่ากับ 0.185 และเมื่อพิจารณาถึงอิทธิพลทางอ้อม พบว่า การส่งมอบการ
บริการมีอิทธิพลทางอ้อมส่งผ่านไปยังภาพลักษณ์และความน่าเชื่อถือ ส่งผ่านไปยังความใส่ใจ
และการให้ความสาคัญกับลูกค้า และส่งผ่านไปยังความจริงใจและความรับผิดชอบ และเมื่อ
พิจารณาถึงปัจจัยเชิงสาเหตุทั้งห้าตัวแปรร่วมกันอธิบายความแปรปรวนของความผูกพันต่อ
แอปพลิเคชัน LINE ได้ร้อยละ 41.9
29

30. ขอบคุณครับ