Machine Translated by Google
Heliyon 7 (2021) e08169
Artículo de investigación
Un modelo retentivo de evaluación del comportamiento del consumidor del proceso de toma
de decisiones de compra en línea
Thanatchaphan Petcharat, Adisorn Leelasantitham *
Tecnología de la División de Gestión de Sistemas de Información, Facultad de Ingeniería, Universidad de Mahidol, Nakhon Pathom, Tailandia
INFORMACIÓN DEL ARTÍCULO
Palabras clave:
Modelo de aceptación de Tecnología
Proceso de toma de decisiones de compra en línea
Comercio electrónico
comercio electrónico
Comercio móvil
comercio electrónico
Confianza
Calidad
Readquirir
Recomendar
1. Introducción
Con el avance rápido y continuo de la tecnología TIC, el negocio tradicional se ha
transformado en negocio en línea (negocio electrónico o e-business) con la ayuda de
Internet (Google et al., 2019; Keenan, 2019). En promedio, los internautas pasan 6
horas y 42 minutos diarios en línea (Wearesocial, Digital, 2019; Kemp, 2020). Además
de estos tiempos adicionales, los datos más recientes sugieren que las plataformas
sociales también ampliaron su número de usuarios activos en los primeros tres meses
de 2020. La clasificación de los 3 principales usuarios de plataformas sociales en
forma descendente se ordenó como Facebook, YouTube y WhatsApp (Wearesocial ,
Digital, 2020).
Tailandia ocupa el tercer lugar por pasar 9 horas y 11 minutos diarios en línea
(Driediger y Bhatiasevi, 2019). Además, Tailandia ha logrado el primer puesto en el
uso de Internet a través de un teléfono celular durante un promedio de 5 horas y 13
minutos diarios, más que el promedio mundial de 3 horas y 14 minutos (Sugla et al.,
2015; Statista.com, 2020a ; Statista.com, 2020b).
Desde hace décadas se ha establecido la actividad de compra o venta electrónica
de productos a través de servicios en línea o vía Internet, denominada E-commerce
(Sullivan y Kim, 2018; Li y Ku, 2018). Estáticamente, más estadounidenses prefieren
las compras en línea que las compras físicas en la tienda, mientras que
* Autor correspondiente.
Dirección de correo electrónico: adisorn.lee@mahidol.ac.th (A. Leelasantitham).
https://doi.org/10.1016/j.heliyon.2021.e08169
Recibido el 7 de noviembre de 2020; Recibido en forma revisada el 9 de enero de 2021; Aceptado el 8 de
octubre de 2021 2405-8440/© 2021 Los autores. Publicado por Elsevier Ltd. Este es un artículo de acceso abierto bajo la licencia CC BY-NC-ND (http://creativecommons.org/
licenses/by nc-nd/4.0/).
Listas de contenidos disponibles en ScienceDirect
Heliyón
página de inicio de la revista: www.cell.com/heliyon
RESUMEN
Hoy en día, la mayoría de los compradores utilizan plataformas de comercio electrónico en línea. Sin embargo, los comportamientos de los
consumidores deben estudiarse en términos de satisfacción e intención de compra y recompra de acuerdo con el proceso de compra en línea
porque las plataformas de compras en línea aún han influido en sus comportamientos de uso. Este trabajo propone un modelo retentivo de
evaluación del comportamiento del consumidor de las plataformas de compras en línea a través de la integración del Modelo de Aceptación
de Tecnología y el Proceso de Toma de Decisiones de Compra en Línea con dos factores de entrada: Confianza y Calidad. Se utiliza un
cuestionario diseñado de acuerdo con todos los factores del modelo conceptual propuesto para recopilar datos de un grupo de muestra. Los
participantes de este estudio son 384 encuestados que han experimentado el uso de plataformas de compras en línea. Los datos se utilizan
para analizar las relaciones causales mediante el uso de modelos de ecuaciones estructurales. Los resultados mostraron que el modelo
propuesto puede explicarse por la relación con plataformas de comercio electrónico consistentes que afectan los comportamientos de compra
y de compra continua (recompra o recomendación) de los usuarios de comercio en línea, y también puede usarse para evaluar los
comportamientos de compra y la repetición. compras de consumidores en línea a través de 3 tipos de negocios electrónicos: comercio
electrónico, comercio móvil y comercio electrónico. El beneficio de este estudio ayudará a las empresas de compras en línea a diseñar
estrategias para el desarrollo de plataformas diseñadas para las necesidades de los consumidores.
El 51% de ellos elige hacer clic para comprar. Además, el 96 % de los estadounidenses
ha realizado una compra online al menos una vez en su vida, mientras que el 80 %
de ellos lo ha hecho en el último mes. Se informa que Amazon representó el 44 % de
todas las ventas de comercio electrónico en los EE. UU. de 2017 a 2021, y la tasa de
crecimiento anual es del 23 % en los EE. UU. Puede ser impactante que el 46% de
las empresas estadounidenses no utilicen su sitio web para vender productos y
servicios, pero sí utilizarán plataformas de compras en línea (Osman, 2021).
Center for Retail Research (2019) informa que el 84% del uso de Internet es para
buscar productos y servicios, mientras que el 75% del uso de Internet es para comprar
productos y servicios en línea. Tailandia ocupa el quinto lugar en el uso de Internet
para el comercio electrónico con alrededor del 80%. ¿Por qué importa el comercio
móvil? Se informa que las ventas de comercio electrónico móvil representan el 34,5%
de las ventas totales de comercio electrónico de 2017 a 2021, y el número está
creciendo. En 2021, se espera que las ventas de comercio electrónico móvil incluyan
el 54% de las ventas totales de comercio electrónico. Además, los usuarios de móviles
han influido en la decisión de compra aunque estén en una tienda física. Un tercio de
la decisión de compra está influenciada por la búsqueda de información sobre un
producto a través de su dispositivo móvil (Mali, 2021). Además, la Figura 1 muestra
que la demanda de servicios de datos de Internet ha aumentado para adaptarse al
cambio a las actividades en línea,
Machine Translated by Google
T. Petcharat, A. Leelasantitham
Figura 1. Usuarios de Internet en el mundo por regiones geográficas - 2020 Q3 (Marketing Group., 2020).
especialmente en aspectos comerciales (Marketing Group., 2020). El creciente número de
usuarios de Internet ha mostrado una tendencia a cambiar el comportamiento de las personas
hacia estilos de vida más en línea, especialmente en el comercio. Esto ha llevado a un rápido
aumento en las compras en línea de bienes y servicios. También puede afectar el
comportamiento del consumidor hacia la comodidad y la facilidad para tomar decisiones al
comprar productos o servicios en línea.
Con la pandemia reciente y en curso, por ejemplo, la enfermedad por coronavirus 2019
(COVID-19), la oportunidad comercial en línea se ha ampliado enormemente como resultado
de la aplicación del distanciamiento social, el orden de quedarse en casa, el cierre de tiendas
y otras medidas en respuesta a la supresión de la pandemia. La demanda de servicios de
datos y logística de Internet ha aumentado para adaptarse al cambio a las actividades en
línea, especialmente en los aspectos comerciales. Esto ha llevado a un aumento en las
compras en línea de productos y servicios digitales; y esto puede afectar el comportamiento
de los consumidores hacia las compras en línea al experimentar la conveniencia de ello. Con
el cambio de tendencia hacia el negocio online, aunque el ritmo de venta ha sido notablemente
más alto para los vendedores como muestran las estadísticas antes mencionadas, el poder
de negociación se ha desplazado al comprador ya que puede obtener más detalles de los
productos y comparar precios con mayor comodidad antes de comprar. Esto lleva a ser más
competitivos para satisfacer a los compradores en un mercado online y a estar menos
preocupados por la lealtad a la marca (Ratchatanon et al., 2019). La intensa competencia de
los negocios en línea provoca, por lo tanto, una mayor expectativa para los compradores. A
partir de dicha información, se puede ver que los factores percibidos por los compradores y
otros factores ambientales podrían verse afectados por la satisfacción de los consumidores en
línea.
ya que la satisfacción del cliente conduce a un negocio exitoso (Pham y Ahammad, 2017). La
satisfacción del cliente en línea puede estar relacionada con muchos factores, como la calidad
del producto (Kotler y Armstrong, 2012) o del servicio, el precio, los detalles del producto y la
promoción, la facilidad de uso y la seguridad del proceso de pago (Liang y Turban, 2011; Kim
y Park, 2013).
De acuerdo con la literatura previa, la investigación se puede dividir en 2 categorías. El
primer grupo está relacionado con los factores percibidos que involucran, por ejemplo, el
modelo de aceptación de tecnología (TAM) (Law et al., 2016; Gibreel et al., 2018; Driediger y
Bhatiasevi, 2019; Pena-Garcia et al., 2020), teoría unificada de aceptación y uso de la
tecnología (UTAUT) (Venkatesh et al., 2003; Kim et al., 2010; Gao et al., 2015; Dakduk et al.,
2020) con respecto a las decisiones de compra en línea, etc. Tales factores percibidos de
sentimientos han afectado directamente la decisión o intención de adquirir un producto o
servicio. La mayor parte de este grupo de investigación solo ha hablado de los factores que
influyen en la compra de bienes. Sin embargo, todavía no explicó los importantes procesos
comerciales, incluida la evaluación y la recompra, que harán que el comportamiento del
consumidor sea claramente más detallado. El segundo grupo está involucrado en el proceso
de toma de decisiones (DMP) para comprar la plataforma en línea para estudiar el
comportamiento de los usuarios que afectan un logro comercial en línea, por ejemplo, el DMP
de compra en línea se originó a partir del "Modelo EKB" (Engel et al., 1978, 1986), y desarrollos
del DMP de compras en línea (Darley et al., 2010; Huang y Benyoucef, 2017; Karimi
2
Heliyon 7 (2021) e08169
et al., 2018; Faulds et al., 2018). Sin embargo, dicho DMP aún no consideraba los factores
percibidos y una función de selección de productos en un carrito de compras para explotar el
filtro y la ayuda de las decisiones antes de comprar productos a través de plataformas en
línea. Además, Zhao et al.
(2020), Lobel Trong Thuy (2020), Meilatinova (2021) y Tuncer (2021) han propuesto los dos
factores separados que son calidad y confianza definidos como dos procesos de reconocimiento
de necesidades y búsqueda de información, respectivamente. Estos trabajos de investigación
han indicado que la calidad influirá en la confianza utilizando eWOM de personas influyentes
que hayan persuadido la intención de compra o poscompra. Sin embargo, no se han reportado
trabajos de investigación en calidad y confianza juntos como factores antecedentes en el DMP
para evaluar y convencer a los consumidores de comportamientos completamente recomprados
por las plataformas. Por lo tanto, las preguntas de investigación son las siguientes:
¿Cómo influyen las plataformas de comercio electrónico en el comportamiento de los usuarios en línea
y en las compras repetidas?
¿Cómo se pueden utilizar TAM, DMP, confianza y calidad para evaluar el comportamiento
del consumidor y las compras repetidas?
En esta investigación, TAM y el proceso de compra en línea, se proponen factores
adicionales (Confianza y Calidad) para un nuevo modelo conceptual.
Esto se debe a que ambos factores son importantes para generar confianza entre los usuarios
de la plataforma (Hajiheydari y Ashkani, 2018; Cui et al., 2020; Tuncer, 2021). Sin embargo,
no se ha informado que evalúe el comportamiento del usuario de la plataforma en línea
mediante la integración entre el modelo de aceptación de tecnología y el proceso de toma de
decisiones en línea. Especialmente, el proceso del carrito de compras no ha sido mencionado
en la literatura, mientras que las recomendaciones ayudarán a promover la plataforma en línea
de recompra de los usuarios. Mientras que estos dos grupos de investigación juntos
proporcionarán una comprensión más completa del comportamiento de compra de bienes o
servicios en línea para lograr la mayor satisfacción del consumidor. Por lo tanto, esta
investigación se puede aplicar a un modelo retentivo de evaluación del comportamiento del
consumidor del proceso de toma de decisiones de compra en línea mediante el uso de
servicios y productos en las plataformas de comercio electrónico (e-business), es decir, E-
Commerce, M-Commerce , y Social-Commerce (ver Apéndice). Cada vez son más las personas
que recurren al uso de Internet, creando nuevos hábitos en la comunicación a través de las
plataformas sociales. Esta es la razón por la cual un comercio o negocio debe usar plataformas
de comercio electrónico, y la razón para estudiar estos servicios es que los humanos ahora
los usan como herramientas o un canal para compras en línea de bienes o servicios para
respaldar los propósitos de este estudio. Los resultados se generarán y recopilarán en línea
(Cuestionario en línea). El grupo objetivo son los mayores de 18 años que tienen experiencia
previa en la compra de productos o servicios en línea. Además, el proceso de análisis de
datos es analizado y explicado en forma de estadística descriptiva como Media, SD y Análisis
Estadístico Inferencial para
Machine Translated by Google
T. Petcharat, A. Leelasantitham
Modelo de Medida y Modelo Estructural utilizando el programa SmartPLS V3.3.0. El resto
de este documento se puede estructurar en las siguientes secciones: 2.
Revisión de literatura y marco teórico, 3. Modelo e hipótesis de investigación propuestos,
4. Metodología de investigación, 5. Hallazgos, 6. Discusión e interpretación, y 7.
Conclusiones, limitaciones y trabajo futuro.
2. Revisión de literatura y marco teórico
Esta sección explicará más detalles sobre dos categorías que se describen y presentan
en la Sección 1. En primer lugar, se ha informado que muchas plataformas de comercio
electrónico usan teorías de aceptación de tecnología.
¿Cuáles son las diferencias entre TAM y UTAUT? En segundo lugar, el DMP en línea se
resume mediante comparaciones entre cada etapa y tipos de comportamiento. Tal proceso
es también otra teoría básica para aplicar nuestro modelo propuesto; por lo que se da un
resumen de sus conceptos e información relevante.
2.1. Compras en línea basadas en la aceptación de la tecnología
En general, la mayor parte de la investigación está relacionada con el comercio en
línea de productos y servicios. Hay muchas teorías para explicar el comportamiento del
usuario, por ejemplo, DOI (Rogers y Shoemaker, 1971), TAM (Davis et al., 1989), TPB
(Ajzen, 1991), UTAUT (Venkatesh et al., 2003) y UTAUT2. (Venkatesh et al., 2012), etc.
Sin embargo, muchos trabajos de investigación han utilizado TAM y/o UTAUT, que se
aplican principalmente para compras en línea, para describir los factores del comportamiento
de la intención de los usuarios.
La Figura 2 muestra comparaciones de TAM (Davis et al., 1989) y UTAUT (Venkatesh et
al., 2003). Se puede ver en la Figura 2 que dos factores ingresados de Utilidad Percibida
(PU) y Facilidad de Uso Percibida (PEU) para TAM son similares a la Expectativa de
Desempeño (PE) y la Expectativa de Esfuerzo (EE), respectivamente, para UTAUT;
mientras que TAM no tiene Influencia Social (SI) y Condiciones Facilitadoras (FC) pero
serán los factores de entrada de UTAUT. Además, dos factores de proceso y salida (tanto
TAM como UTAUT) son Intención de uso (ITU) y Uso real (AU), respectivamente, que son
iguales. Sin embargo, TAM tiene una Actitud (ATT) mientras que UTAUT
Figura 2. Comparaciones del modelo de aceptación de tecnología (TAM) y la teoría unificada de aceptación y uso de tecnología (UTAUT).
3
Heliyon 7 (2021) e08169
no lo tiene; como razón, el factor ATT es necesario para saber cómo utilizar el
comportamiento del usuario por parte de las plataformas de comercio electrónico. Por lo
tanto, esta parte explicará más la teoría de TAM y resumirá las comparaciones de TAM y
su extensión con otras teorías en compras en línea.
El Modelo de Aceptación de Tecnología (TAM) es el modelo bien conocido y
ampliamente aceptado sobre cómo los usuarios llegan a aceptar y utilizar una tecnología
(Davis et al., 1989). TAM es una forma extendida de la Teoría de la acción razonada (TRA)
de Ajzen y Fishbein (Fishbein y Ajzen, 1975) al reemplazar las medidas de actitud de TRA
con las medidas especificadas para la aceptación de la tecnología, incluidas la 'Utilidad
percibida' (PU) y la 'Facilidad de uso percibida'. -Uso' (UEP).
PU se define como "el grado en que una persona cree que el uso de un sistema en
particular mejoraría su desempeño laboral", mientras que PEU se refiere al "grado en el
que una persona cree que usar un sistema en particular estaría libre de esfuerzo" (Davis et
al., 1989). Según la teoría, la percepción puede cambiar según los atributos de los usuarios,
como la edad, el género, la cultura y el estatus social. TAM se puede utilizar para estudiar
cómo y cuándo los usuarios utilizarán la nueva tecnología mediante la búsqueda de
factores que influyan en la decisión de un usuario. En detalle, la Intención de comportamiento
(BI) está influenciada por la Actitud (AT), que es la impresión general de la tecnología,
como se muestra en la Figura 2. Muchos artículos han utilizado la teoría de TAM y su
extensión para estudiar los factores de percepción del usuario sobre los negocios en línea.
e intención de comportamiento; por lo tanto, la Tabla 1 ha resumido los estudios
relacionados sobre la compra en línea y la intención de uso mediante el uso de teorías de
aceptación de tecnología y su extensión según tres negocios electrónicos, es decir, E-
commerce, M-commerce y S-commerce. En la Tabla 1, hay muchos estudios utilizados en
el comercio móvil (Kim et al., 2010; Zhang et al., 2012; Chong, 2013; Tan et al., 2014; Gao
et al., 2015; Agrebi & Jallais, 2015) ; Li ebana-Cabanillas et al., 2017; Mehrad y Mohammadi,
2017; Natarajan et al., 2017; Chou et al., 2018; Chi, 2018; Hajiheydari & Ashkani, 2018; Cui
et al., 2020; Singh et al. al., 2020; Hsiao et al., 2016; Dakduk et al., 2020) basados en TAM
porque pueden usarse para dispositivos móviles, convenientes, flexibles y accesibles para
los consumidores; mientras que S-commerce (Gibreel et al., 2018) con TAM se centra en
la adopción de tecnología junto con factores que influyen en la compra como WOM.
Puede verse en la Tabla 1 que la mayoría de los estudios tienen la
insumos de PU y PEU afectando la intención de compra a través del uso de
Machine Translated by Google

Grupo
Leelasantitham
Petcharat,
A.
T.
Tabla 1. Resumen de estudios relacionados sobre compra online e intención de uso mediante el uso de teorías de aceptación de tecnología y su extensión.

comercio electronico
Año

2009

2016
Autores

Sotavento

Ley et al.
Contexto

La adopción de la banca por Internet

Intención de compra en línea para personas de mediana edad

usuarios
Modelo basado

Confía, TAM

TAM
Antepasados

PU, UEP,PT

PU, UEP
Construcciones

A
Resultado Variable(s)

Intención

Intención de compra

2019 TAM -
Driediger y Compras de comestibles en línea SN, PR, VIS, disfrute percibido Intención de uso, comportamiento de uso
bhatiasevi

2020 Peña-García et al. Compra online Un cruce cultural TAM, PU, UEP A Intención de compra

comercio móvil 2010 Kim et al. Intención de usar pago móvil TAM, UTAUT Diferencias individuales, MPS PU, UEP Intención de usar M-Payment
características

2012 Zhang et al. Los factores que influyen en el comercio móvil TAM PU, UEP A, Actitud, intención de comportamiento,
adopción Uso actual

2013 TAM PU, UEP, PT -

Chong Actividades de uso de comercio móvil Intención de adopción
2014 Tan et al. TAM UEP, PU, PIIT, SII - Intención
Intención de usar el aprendizaje móvil
2015 Gao et al. Intención de continuidad hacia el móvil TAM, UTAUTO, Calidad del Sistema, Información PT, Flujo, PS Intención de compra móvil
compra Información calidad, Calidad del servicio, Privacidad
sistema y seguridad
éxito

2015 Agrebi y Jallais Intención de usar teléfonos inteligentes para m-shopping Extendido EDUCACIÓN FÍSICA
PU, UEP Satisfacción, Intención de uso
TAM

2017 Li ebana-Cabanillas TAM PU, UEP,PT - intención de comportamiento

Predicción de los antecedentes del m-commerce
et al. aceptación
2017 Mehrad et al. Impacto del boca a boca en la adopción de TAM WOM,PT,SN PU, UEP Intención

la banca móvil
2017 Nataraja et al. aplicaciones de compras y su influencia en el precio TAM DOI PR, PU, UEP, PEJM, PI Satisfacción, Intención de Uso Sensibilidad al precio
sensibilidad
2018 Chou et al. Factores que influyen en la adopción de m TAM, TPB PU, POE Intención de compra en línea Comportamiento de compra en línea
comercio

2018 Chi Adopción del consumidor de ropa móvil TAM Lealtad a la marca, Asociación de marca, PU, UEP Actitud, Intención de uso
comercio Calidad Percibida, Imagen de Marca,
Calidad de la Información, Sistema
Calidad, Calidad de Servicio
2018 Hajiheydari y Comportamiento de los usuarios de aplicaciones móviles en el TAM autoeficacia, eficacia de la respuesta, Adopción de aplicaciones móviles, intención de recomendar
Ashkani países en desarrollo SQ, IQ, SQ, SN, Actitud, PT, PS, PBC
Caudal PU, UEP

2020 Cui et al. Comercio móvil transfronterizo (CBMC) Adopción distancia psicologica, Confía en este CBMC, Relación intención de uso

Teoría del compromiso-confianza Compromiso

2020 Singh et al. La adopción y recomendación de dispositivos móviles. TAM UEP, PU, PR, Actitud Intención de uso, Percibido Recomendación de uso
servicios de billetera satisfacción

2016 Hsiao et al. Uso continuado de aplicaciones sociales móviles TAM PU, PEU, Vínculos Sociales PD, hábito Intención de Continuidad

2020 Dakduk et al. Aceptación del comercio móvil en sectores de bajos ingresos UTAUT2 Expectativa de desempeño, social PT Intención de comportamiento
consumidores Influencia, condiciones facilitadoras,
Motivación hedónica, hábito,
Seguridad Percibida y Seguridad Percibida
Confianza

SCommerce 2018 Gibreel et al. Desarrollo de comercio electrónico en mercados emergentes TAM, Familiaridad, WOM, Tecnológico
e08169
Heliyon
(2021)
7
Utilidad, Factores de forma rectores
PT, PU

Leyenda de la abreviatura: Compatibilidad (COM), Costo percibido (PC), Facilidad de uso percibida (PEU), Disfrute percibido (PEJ), Privacidad percibida (PP), Calidad percibida (PQ), Riesgo percibido (PR), Seguridad percibida (PS) ),
Confianza percibida (PT), Utilidad percibida (PU), Innovación personal (PI), Actitud (AT), Boca a boca (WOM), Satisfacción percibida (PS), Expectativa de desempeño (PE), Influencia social (SI), Condiciones facilitadoras
(FC), Motivación Hedónica (HM), Hábito (H), Seguridad Percibida (PS), Confianza Percibida (PT).
Intención de búsqueda, Intención de
Comprar
Machine Translated by Google

T. Petcharat, A. Leelasantitham Heliyon 7 (2021) e08169

la plataforma (Lee, 2009; Law et al., 2016; Pena-Garcia et al., 2020; Zhang et al., 2012;
Chong, 2013; Tan et al., 2014; Li ebana-Cabanillas et al., 2017 ; Natarajan et al., 2017;
Chou et al., 2018; Hajiheydari y Ashkani, 2018; Singh et al., 2020; Hsiao et al., 2016). Por
ejemplo, se realizó un estudio de las diferencias en dos países entre España y Colombia
mediante el uso de comercio electrónico para probar el comportamiento del usuario
elección (decidir) (Simon, 1995). En 2002, Liang and Lai definió completamente 5 procesos
para tomar decisiones con respecto a la compra de productos y servicios de la siguiente
manera (ver Figura 3):
(1) Reconocimiento de necesidades: un proceso consiste en darse cuenta de los propios deseos o necesidades

utilizando TAM, por ejemplo. comprar.

PU, PEU y Actitud afectando la intención de compra (Pena-Garcia et al., 2020). Otro
ejemplo fue estudiar la intención de uso del comercio móvil de consumidores de bajos
ingresos en Ecuador para probar el comportamiento del usuario utilizando UTAUT o
UTAUT2 como factores ingresados, es decir, PE, PT y PS que afectan la intención de uso
del comercio móvil (Dakduk et al., 2020). Sin embargo, estos dos estudios aún no están
destinados a compras repetidas. Por lo tanto, la mayoría de los trabajos de investigación
que utilizan TAM en la Tabla 1 se refieren a compras en línea y están dirigidos a Intención
de compra o Intención de uso, pero no consideran los procesos de evaluación y poscompra
(Singh et al., 2020; Hajiheydari y Ashkani, 2018; Agrebi y Jallais, 2015).
(2) Búsqueda de información: un proceso es buscar y obtener información relacionada
con productos/servicios. Esto puede resultar en muchos candidatos comprables.
(3) Evaluación de alternativas: Un proceso consiste en estimar y comparar candidatos
comprables.
(4) Compras: Un proceso es hacer un pago para obtener un producto/
Servicio.
(5) Posterior a la compra: un proceso que se realiza después de las compras, por
ejemplo, revisar, sugerir, quejarse y reembolsar, etc.

Sin embargo, dichos 5 procesos no están completamente considerados en el uso de la

plataforma práctica, es decir, aún falta un proceso de reconocimiento de intenciones que se
ubique entre el proceso de evaluación y el proceso de compra. Esta es una función de
2.2. Proceso de toma de decisiones
proceso del carrito de compras que ayudará a los usuarios a tomar decisiones para comprar
productos y servicios. También se puede animar a volver a comprar usuarios en el futuro.
El comercio de bienes o servicios tradicionales es un intercambio de dinero. Hay un
vendedor que brinda información, presenta información del producto a los clientes y coloca
La Tabla 2 muestra la investigación relacionada con el DMP en línea resumida y
información en el empaque del producto; entonces el cliente toma una decisión de compra.
agrupada según tres negocios electrónicos, es decir, E-commerce, M-commerce y S-
Con el avance de las tecnologías de la información y el acceso a Internet en todos los
commerce. Puede verse en la Tabla 2 que Darley et al. (2010), Huang y Benyoucef, (2017),
ámbitos, se ha modificado el comportamiento del consumidor en la comercialización de
Karimi et al. (2018) y Faulds et al. (2018) han presentado el DMP de compras en línea
productos, por lo que la adaptación de la tecnología ayudará a llegar a más clientes. Por lo
como cinco procesos en las plataformas, es decir, E-commerce y M-commerce, pero no
tanto, se han producido sistemas de comercio en línea para la compra de productos o
estudiaron los factores que influyen en el DMP. También se han realizado cuatro estudios
servicios. Vienen en una era que requiere comercio en línea en lugar de vendedores
(Zhao et al., 2020; Lobel Trong Thuy, 2020; Meilatinova, 2021; Tuncer, 2021) en S-
tradicionales. El estudio del diseño de sistemas se lleva a cabo ampliamente para respaldar
commerce (eWOM de personas influyentes) utilizando dos factores separados, es decir,
las decisiones de compra de los clientes. Por ejemplo, en 2017, Pham realizó estudios
Calidad y Confianza definidos como reconocimiento de necesidad. y búsqueda de
sobre la satisfacción del cliente como resultado de una descripción general del proceso en
información, respectivamente, de la DMP dirigida a intención de compra o poscompra. Sin
línea.
embargo, no se ha propuesto un proceso de reconocimiento de intenciones en la función
Además, el diseño de todos los procesos en cada etapa es fundamental para el éxito o el
del carrito de compras electrónico, como se muestra en la Tabla 2. Por lo tanto, el proceso
impacto de las decisiones de compra de productos o servicios del cliente (Pham y
de recompra sigue siendo el objetivo principal de las plataformas de compra en línea que
Ahammad, 2017). Posteriormente, Ozkara ha estudiado el factor de disfrute y percepción
deben ser respaldadas por el proceso de función de carrito de compras.
de la información que afecta al camino y la experiencia del cliente para comprar online
(Ozkara et al., 2017).

2.2.1. Proceso de toma de decisiones de compra en línea

2.2.2. Confianza y calidad en la compra en línea
Compra en línea DMP es el proceso por el que pasa el usuario de productos o servicios
Como se muestra en las Tablas 1 y 2, el comportamiento humano también debe
de comercio en línea antes de que el proceso final sea decidir comprar. El estudio se
considerarse como dos factores importantes que influyen en el uso de los sistemas de
centrará en la importancia de DMP para diseñar la plataforma o herramientas en línea para
comercio en línea para productos o servicios, especialmente los factores de Confianza y Calidad.
cumplir con la conveniencia de las decisiones de compra. Esto resultará en decisiones de
Se puede ver en la Tabla 1 (TAM y su extensión) que estudios previos se han centrado
compra más fáciles y más informadas. DMP es importante ya que es un proceso por el que
tanto en la confianza como en los factores de calidad para los negocios de servicios y
deben pasar los usuarios que compran productos o servicios en línea antes de llegar al
mercancías en línea (Lee, 2009; Chong, 2013; Gao et al., 2015; Li ebana -Cabanillas et al.,
proceso final de realizar una compra. En 2017, Huang y Benyoucef realizaron un estudio
2017; Mehrad y Mohammadi, 2017; T. Chi, 2018; Hajiheydari y Ashkani, 2018; Cui et al.,
sobre las decisiones de compra de los clientes. Se ha encontrado que el diseño para
2020; Dakduk et al., 2020; Gibreel et al., 2018). En el caso de la Confianza, se le ha dado
entender la decisión de un cliente ha sido difícil. Han probado 5 procesos sobre DMP en
importancia a la confianza en la plataforma online depositada en un producto o marca,
línea que influyen en las decisiones de compra de los clientes (Huang y Benyoucef, 2017).
entonces la confianza y la creencia se construirán con los consejos de personas cercanas
En 2018, Karimi ha presentado un estudio sobre las diferencias en el comportamiento del
(Mehrad y Mohammadi, 2017; Hajiheydari y Ashkani, 2018; Chi , 2018). Esto ha incluido la
consumidor en las decisiones de compra y las características del consumidor. Al comprar
confianza en la calidad de los datos (Lee, 2009; Chong, 2013; Li ebana-Cabanillas et al.,
productos, cierta información sobre el producto ha afectado las decisiones de compra de
2017; Hajiheydari y Ashkani, 2018; Cui et al., 2020). El caso de la Calidad ha dado
los clientes (Karimi et al., 2018). Para decidir hacer algo, el ser humano tiene un proceso
importancia a la calidad de la información, la calidad del servicio, la calidad del producto y
de pensamiento para concluirlo (Faulds et al., 2018). En 1959, Simon publicó el proceso de
la calidad del sistema. Esto se ha utilizado en gran medida como precursor de la adopción
encuadre en la toma de decisiones paso a paso como inteligencia (recopilación de
de tecnología (Gao et al., 2015; Chi, 2018) y el DMP en línea.
información), diseño (exploración de alternativas) y

Figura 3. Etapas del proceso de toma de decisiones de compra en línea (Liang y Lai, 2002).

5
Machine Translated by Google

T. Petcharat, A. Leelasantitham Heliyon 7 (2021) e08169

Tabla 2. Proceso de toma de decisiones utilizado en estudios relacionados de compra de producto/servicio.

Etapas Proceso de toma de decisiones en línea

1 2 34 5

Necesidad/ Buscando La evaluación Compra Compra posterior

quiero reconocimiento información de alternativas

Tipos de comportamientos Sentimiento Actitud Actitud Usuario Aceptacion de usuario

Aceptación
Grupo Año Autores Contexto

mi 2010 Darley et al., Comportamiento del consumidor ÿ ÿÿÿÿ

Comercio en línea y toma de decisiones
Proceso
2018Karimi et al. Procesos y resultados de ÿ ÿÿÿÿ

toma de decisiones de
compra en línea.
METRO 2018 Faulds et al. La decisión del consumidor ÿ ÿÿÿÿ
Comercio proceso.
S 2017 Huang y Los puntos de contacto en ÿ ÿÿÿÿ
Comercio benyoucef el proceso de marketing.
2020 Zhao et al. eWOM y consumidor ÿ ÿ - ÿ -

intenciones de compra. Calidad Confianza Intención

Transporte 2020 Reseñas en línea y ÿ ÿ - ÿ -

intención de compra Calidad de la información Confianza Intención

2021 Meilatinova ÿ ÿ - - ÿ
Factores que afectan la
recompra del cliente y las Positivo, Calidad Satisfacción, Confianza Readquirir
intenciones de boca en boca de servicio Intención, WOM
Intención
Tuner 2021 ÿ ÿ - ÿ -
La relación entre la
disponibilidad de TI Visibilidad, Confianza en el vendedor, Social
Metavoicing, confianza en la plataforma comercio

Orientación de compras de redes sociales intención

Se puede ver en la Tabla 2 que la compra en línea se puede clasificar en 5
procesos como reconocimiento de necesidad, búsqueda de información, evaluación,
compra y poscompra. Las direcciones de estos 5 procesos (Darley et al., 2010; Huang
y Benyoucef, 2017; Karimi et al., 2018; Faulds et al., 2018) se verán influenciadas en el
siguiente orden: necesidad de reconocimiento ÿ búsqueda de información ÿ evaluación
ÿ compra ÿ post-compra. Zhao et al. (2020), Lobel Trong Thuy (2020), Meilatinova
(2021) y Tuncer (2021) han aplicado S-commerce (eWOM de influencers) seleccionando
dos factores separados, es decir, Calidad y Confianza definidos como reconocimiento
de necesidades y búsqueda de información, respectivamente, liderando para comprar
o post-compra.
Gibreel et al. (2018) han señalado que la Calidad será necesaria para conocer la
necesidad del cliente de recibir la información por eWOM de influencers que influirán
en el proceso de búsqueda de información para generar Confianza posteriormente
hasta que los clientes decidan la compra o post-compra saltándose el proceso de
evaluación. . Sin embargo, no se han investigado artículos que describan el uso de los
factores de Confianza y Calidad juntos para iniciar e ingresar el DMP en línea, lo que
tendrá el beneficio del uso de la plataforma para evaluar y convencer a los usuarios de
comportamientos completamente recomprados.
3. Modelo e hipótesis de investigación propuestos
Como se mencionó anteriormente en las Secciones 1 y 2, los problemas específicos
que se han producido en la compra en línea utilizando plataformas en línea son los
siguientes. 1) Los factores de aceptación tecnológica no son suficientes para explicar
el proceso de comportamiento de los usuarios. 2) La DMP no cuenta con un proceso
de reconocimiento de intenciones (función de carrito de compras) para explotar el filtro
y ayuda de decisiones antes de comprar productos. 3) No hay trabajos de investigación
que no utilicen la Confianza y la Calidad juntos como factores antecedentes en el DMP
para evaluar y convencer a los consumidores de comportamientos completamente
recomprados. Por lo tanto, esta sección explicará cómo derivar un nuevo modelo
conceptual mediante el uso de la formulación y comparación de un modelo de
investigación propuesto y trabajos anteriores para encontrar la brecha de factores y
procesos en términos de flujo de trabajo de entrada, proceso y salida. Esta sección será descrita por 2 principales
temas El primero es un resumen de la formulación para proponer un nuevo modelo de
investigación utilizando comparaciones entre el modelo de investigación propuesto y
trabajos anteriores. El segundo es una construcción de hipótesis a partir de nuestro
modelo de investigación.
3.1. Formulación y comparaciones del modelo de investigación propuesto y
trabajos previos
La Tabla 3 muestra la formulación y las comparaciones del modelo de investigación
propuesto y trabajos previos en términos de Entrada, Proceso y Salida. Se puede
resumir en los siguientes grupos.
1. Entrada-Salida:
1.1) La entrada se define como Reconocimiento de la necesidad del DMP, incluidos
tres factores percibidos como Utilidad (U), Facilidad de uso (EU) y Confianza
(T), por ejemplo, TAM (U, EU, T) (Kim et al., 2010; Chong , 2013; Tan et al.,
2014; Driediger y Bhatiasevi, 2019; Law et al., 2016; Cui et al., 2020), UTAUT
(U, EU, T) (Abrah~ao et al., 2016) UTAUT2 (U, EU, T) (Dakduk et al., 2020;
Verkijika, 2018; Yahia et al., 2018), TRA (U, EU, T) (Kim et al., 2008),
TAMþTPB(U, EU, T) (Lee, 2009), TAMþUTAUT(U, EU, T) (Li ebana-Cabanillas
et al., 2017), TAMþDOI(U, EU, T) (Chong, 2013)
1.2) La salida se determina como Comportamiento de compra del DMP, incluido un
factor como Compra (P), por ejemplo, TAM (P) (Kim et al., 2010; Chong, 2013;
Tan et al., 2014; Driediger y Bhatiasevi, 2019; Law et al., 2016; Cui et al.,
2020), UTAUT(P) (Abrah~ao et al., 2016), UTAUT2(P) (Dakduk et al., 2020;
Verkijika, 2018; Yahia et al., 2018), TRA(P) (Kim et al., 2008), TAMþTPB(P)
(Lee, 2009; Hajiheydari y Ashkani, 2018), TAMþUTAUT(P)
(Li ebana-Cabanillas et al., 2017), TAMþDOI (P) (Chong, 2013), intención de
compra en compras online (P) ( Lee et al., 2017; Kre mez et al., 2019; Zhao et
al. , 2020; Lobel Trong Thuy, 2020; Meilatinova, 2021; Tuncer, 2021)

6
Machine Translated by Google

T. Petcharat, A. Leelasantitham Heliyon 7 (2021) e08169

2. Entrada – Proceso (Actitud) – Salida

2.1) La entrada también se define como Reconocimiento de la necesidad del DMP,

Tabla 3. Formulación y comparaciones del modelo de investigación propuesto y
incluidos dos factores percibidos como Confianza (T) y Calidad (Q), por ejemplo trabajos previos en términos de flujo de trabajo de Entrada, Proceso y Salida.
TAMþTPBþTRA (T, Q) (Hajiheydari y Ashkani, 2018)
2.2) El proceso (actitud) se asigna como búsqueda de información y evaluación de
alternativas, incluido un factor como actitud (A), p. ej.
TAM(A) (Agrebi y Jallais, 2015; Natarajan et al., 2017; Chi, 2018; Gibreel, 2018;
Pena-Garcia et al., 2020; Darley et al., 2010)
2.3) La salida se determina como Comportamiento de compra y Post compra del DMP,
incluidos tres factores como Compra (P), Recompra (RP) y Recomendado (R), por
ejemplo, TAM (P) (Agrebi y Jallais, 2015; Natarajan et al. , 2017; Chi, 2018; Gibreel
et al., 2018; Pena-Garcia et al., 2020; Darley et al., 2010) (Singh et al., 2020; Zhang
et al., 2012), UTAUT2(P, R) (Sheikh et al., 2017; Alalwan et al., 2017), TPB(P,R)
(Yang, 2012; Wang et al., 2020), TAMþUTAUT(P,R)

(Gao et al., 2015; Hsiao, 2016), TPBþTAM(P,R) (Chou et al., 2018), toma de
decisiones del consumidor en comercio social (P,RP)
(Chen y Shen., 2015; Huang y Benyoucef, 2017; Faulds et al., 2018; Sullivan y
Kim, 2018)

3. Proceso (Actitud) – Salida

3.1) El proceso es el mismo que el No. 2.2), por ejemplo, factores que influyen en la
intención de usar pagos móviles (A) (Karimi et al., 2015; Kim et al., 2010; Karimi et
al., 2018; Amoroso y Lim, 2017) .
3.2) La salida también se asigna como comportamiento de compra y posterior a la compra
del DMP, incluidos tres factores como P, R y RP, por ejemplo, el proceso de toma
de decisiones y el comportamiento de compra del consumidor (P, R) (Karimi et al.,
2015; Kim et al., 2010), Aplicaciones móviles en un efecto continuo sobre la
intención. (P) (Amoroso y Lim, 2017)

4. Entrada – Proceso (Actitud/Sentimiento) – Salida (Investigación Propuesta

Modelo)

Después de que se hayan demostrado las comparaciones de trabajos anteriores en los

números 1), 2), 3) y la Tabla 3, se propondrá un nuevo modelo de investigación mediante
dicha formulación y comparaciones. Se puede ver en la Tabla 3 que investigaciones
anteriores no han informado sobre la integración entre TAM y DMP en línea dos factores
de entrada: confianza y calidad. Además, tampoco han estado presentes en un proceso
adicional como Reconocimiento de Intención (función de carrito de compras). Por lo tanto,
este artículo propone un modelo de evaluación de los comportamientos retentivos del
consumidor con la integración de TAM, DMP, Confianza y Calidad. Este concepto propuesto
puede ser aplicable para E-business: E-Commerce, M-Commerce y S-Commerce, se puede
describir de la siguiente manera.

4.1) Entrada: El reconocimiento de necesidad es usar cuatro factores como U, EU, T y Q.

Reconocimiento) es también uno de los procesos de Sentimiento correspondientes
4.2) Proceso (Actitud/Sentimiento): Búsqueda de Información y Evaluación de
Las alternativas son usar un factor como Actitud. a los factores de entrada como la principal preocupación en este estudio. Así, una
propuesta de DMP de compras en línea consta de 6 procesos o 6 etapas, como se
4.3) Proceso (Sentimiento): Reconocimiento de Intención es usar un factor como
muestra en la Figura 4 y la Tabla 3.
Sentimiento. Se puede resumir en lo siguiente. Como se mencionó anteriormente
4.4) Salida: Comportamiento de compra y Post compra deben usar tres
en las Secciones 1, 2.2 y la Tabla 2, existe un problema con la falta del proceso
factores como P, RP y R.
del carrito de compras en comparación con las plataformas tradicionales de
comercio en línea (5 procesos o 5 etapas), como se muestra en la Figura 3. Por lo
tanto, esta es otra importante proceso de Reconocimiento de la Intención como un
3.2. Hipótesis
proceso de satisfacción (Sentimiento) que será un DMP importante antes de
comprar o abandonar (no comprar), pero tampoco ha sido reportado aún.
El modelo en este estudio se divide en tres partes principales como entrada, proceso y
salida. La parte de entrada trata sobre las percepciones de los sentimientos de los usuarios
Al realizar un estudio con una plataforma de comercio en línea actual, hay un
de la plataforma en línea. Hay cuatro percepciones en el modelo que son la Utilidad
proceso importante que no debe pasarse por alto, a saber, el proceso de *4
Percibida (PU), la Facilidad de Uso Percibida (PEU), la Confianza Percibida (PT) y la
Intención de compra o Reconocimiento de intención (proceso de carrito de
Calidad Percibida (PQ). Las cuatro percepciones son el sentimiento hacia el uso de la
compras) ubicado entre los procesos originales de 3 (Evaluación) y 5 ( Compra),
plataforma en línea, no hacia los productos, vendedores o marcas de productos. Estas
como se muestra en la Figura 4. Además, la Intención de Compra (Intention
percepciones están diseñadas para reflejar la conciencia de los consumidores al decidir
sobre las plataformas en línea disponibles. Los cuatro sentimientos son

7
Machine Translated by Google
T. Petcharat, A. Leelasantitham
relacionados con los procesos de toma de decisiones que son Búsqueda de Información
(IS), Evaluación de Alternativas (EA) y Reconocimiento de Intención (IR).
Por último, la intención lleva a decidir usar la plataforma en línea para comprar un producto
y un proceso posterior a la compra, incluida la reutilización y la recomendación de otros
para que usen la plataforma en línea como resultado. Al relacionar los conceptos, se
asignan hipótesis para explicar cómo se relacionan. Cada concepto y sus hipótesis
relacionadas se explican en detalle a continuación. Como descripción general, el modelo
con hipótesis de relaciones entre ellos se ilustra en la Figura 5.
3.2.1. Utilidad Percibida La
Utilidad Percibida (PU) es uno de los factores mencionados en TAM (Chi, 2018).
Originalmente se refiere al concepto de “el grado en que una persona cree que usar un
sistema en particular mejoraría su desempeño laboral”. Varios estudios han aplicado esta
percepción a su trabajo (Natarajan et al., 2017; Driediger y Bhatiasevi, 2019; Martin et al.,
2015; Zhang et al., 2012; Chi, 2018; Chen et al., 2018). Sus resultados indican que la
utilidad percibida se relaciona efectivamente con la aceptación de la tecnología en línea y
tiene un efecto positivo en los puntos de vista de los clientes hacia el marketing en línea.
En este trabajo, PU se define como “el grado en que un consumidor cree que usar una
plataforma en línea para comprar le facilitaría la tarea”. Esperamos que PU tenga un efecto
relativo en el DMP y en la decisión de utilizar una plataforma de mercado en línea.
Así, tenemos las siguientes hipótesis: PU: H1a,
H1b y H1c tienen efectos positivos en la búsqueda de información del proceso de toma
de decisiones en línea, evaluación de alternativas del DMP y procesos de reconocimiento
de intenciones, respectivamente.
3.2.2. Facilidad de uso percibida
La facilidad de uso percibida (PEU) es la percepción que tiene un consumidor de una
plataforma de marketing en línea. Este factor ha sido mencionado en muchos estudios
relacionados con las compras móviles (Natarajan et al., 2017; Chong et al., 2012; Liébana-
cabanillas et al., 2017; Zhang et al., 2012) y el comercio social (compras a través de redes
sociales ). red) (Chen et al., 2018; Hajli, 2015; Lu et al., 2016; Gibreel et al., 2018; Yahia et
al., 2018; Li y Ku, 2018; Huang y Benyoucef, 2017). Se ha descubierto que la facilidad de
uso es uno de los factores importantes que hacen que los consumidores pasen de las
compras fuera de línea a las compras en línea. En este trabajo, PEU se refiere a “el grado
en que un consumidor cree que una plataforma de mercado en línea para comprar opera
fácil y convenientemente”. Esperamos que PEU sea un factor importante que afecte el DMP
hacia las compras en línea. Por lo tanto, se proponen las siguientes hipótesis:
PEU: H2a, H2b y H2c tienen efectos positivos en la búsqueda de información del
proceso de toma de decisiones en línea, la evaluación de alternativas del DMP y los
procesos de reconocimiento de intenciones, respectivamente.
3.2.3. Confianza percibida
La Confianza Percibida (PT) se refiere a la percepción de los consumidores sobre la
fiabilidad y confiabilidad de la plataforma en línea con respecto a los procedimientos de
pago. La confianza es un factor importante para los clientes ya que es la base de cualquier
relación. Es fundamental que los clientes se sientan seguros y confiados a la hora de
decidirse por una compra. PT se ha mencionado en muchos trabajos de investigación
extendidos a TAM para estudiar la aceptación de las compras en línea, incluido el comercio
electrónico (Kim et al., 2008; Pascual-Miguel et al., 2015; Driediger y Bhatiasevi, 2019;
Casa do-Aranda et al. ., 2019; Martin et al., 2015), comercio móvil (Malik et al., 2017;
Hajiheydari y Ashkani, 2018; Oliveira et al., 2016; Verkijika, 2018) y comercio social (Hajli
et al., 2017 ; Hajli, 2015).
Los resultados del estudio también han significado que PT afecta en gran medida las
compras en línea durante las transacciones de pago. Por lo tanto, tenemos las siguientes
hipótesis: PT: H3a, H3b y H3c tienen efectos positivos en la búsqueda de información del
proceso de toma de decisiones en línea, la evaluación de alternativas del DMP y los
procesos de reconocimiento de intenciones, respectivamente.
8
Heliyon 7 (2021) e08169
3.2.4. Calidad percibida
La calidad percibida (PQ) es otra percepción de los clientes hacia las compras en línea.
En este trabajo, nos enfocamos en la calidad de tres aspectos que son la calidad de un
sistema, la calidad de la información del producto proporcionado y la calidad del servicio.
La calidad de un sistema se refiere a un estado de un sistema en el que puede realizar sus
funciones previstas sin ser degradado o afectado por cambios o interrupciones (DeLone y
McLean, 2003). La calidad de la información proporcionada se refiere a la información
precisa y actualizada de los productos que se venden en el sistema en línea (Parasuraman
et al., 1985).
La calidad del servicio se define como la capacidad de un servicio para responder a las
necesidades de los usuarios. PT ha sido mencionado en TAM extendido para estudiar la
aceptación de la tecnología de comercio electrónico (Ha y Stoel, 2009) y para medir la
calidad del servicio de las aplicaciones de telefonía móvil (Deng et al., 2010). En este
estudio, esperamos que PT pueda afectar el DMP para realizar una compra en una
plataforma de compras en línea; por lo tanto, planteamos las siguientes hipótesis:
PQ: H4a, H4b y H4c tienen efectos positivos en la búsqueda de información del proceso
de toma de decisiones en línea, la evaluación de alternativas del DMP y los procesos de
reconocimiento de intenciones, respectivamente.
3.2.5. Búsqueda de información
La búsqueda de información (SI) es uno de los procesos en la toma de decisiones de
compra en línea (Karimi et al., 2015, 2018; Liang y Lai, 2002; Darley et al., 2010) que se
refiere a la actividad para recopilar la información necesaria sobre la compra de artículos. .
La recopilación de información puede provenir de fuentes internas (experiencia propia) o
externas. En este estudio, la información se refiere a experiencias o palabras de otros
sobre el uso de plataformas de compras en línea. Debe estar relacionado con otros
procesos a la hora de decidir utilizar una plataforma de compras online. Por lo tanto, las
hipótesis se expresan de la siguiente manera:
IS: H5a y H5b tienen efectos positivos en el proceso de evaluación de alternativas del
DMP y reconocimiento de intención del DMP, respectivamente.
3.2.6. Evaluación de alternativas
La Evaluación de Alternativas (EA) es el tercer proceso en la compra en línea DMP
(Karimi et al., 2015, 2018; Liang y Lai, 2002). Este proceso se inicia en los clientes que han
recopilado información relevante y han elaborado una lista de alternativas para la
evaluación. Al hacer una elección, los criterios de selección en su mayoría han involucrado
la idoneidad y la necesidad de un cliente individual (Darley et al., 2010). Este proceso ha
sido estudiado y demostró que se relaciona directamente con la intención de compra en el
comercio social (Huang y Benyoucef, 2017). Así, este estudio adopta la idea de la relación
entre evaluar alternativas y reconocer el proceso de intención de compra. Por la presente,
se establece la siguiente hipótesis: EA: H6 tiene un efecto positivo en el reconocimiento de
intención del DMP.
3.2.7. Reconocimiento de
intenciones El reconocimiento de intenciones (IR) se define como un proceso para que
un cliente tome la decisión final de comprar a través de una plataforma de compras en línea.
Una intención es una forma de compromiso mental para llevar a cabo una acción decidida
(Doha et al., 2017). Este factor jugará un papel de conexión entre las percepciones como
entrada y el acto de realizar una compra como salida.
Según Venkatesh et al. (2003), la intención tiene un efecto directo sobre el comportamiento
y la acción de los humanos (Venkatesh et al., 2003). Así, se plantean las siguientes
hipótesis: IR: H7 tiene un efecto positivo en el proceso de compra de la DMP.
3.2.8. Comportamiento de compra
El Comportamiento de Compra (PB) es el principal output de la compra online y es el
resultado de procesos previos (Darley et al., 2010). La compra a través de una plataforma
de compras en línea es una representación de aceptar la tecnología de compras en línea
en el DMP. A pesar de ser el resultado central de este estudio, la compra puede conducir a
un proceso adicional llamado proceso posterior a la compra (Deng et al., 2010). El proceso
posterior a la compra implica varias actividades como volver a comprar desde la misma
plataforma y otras plataformas,
Machine Translated by Google
T. Petcharat, A. Leelasantitham
Figura 4. DMP de compra online propuesto por un Reconocimiento de Intención adicional.
proporcionar revisiones y recomendaciones para la plataforma, y detener el uso de la
plataforma de compras en línea, etc. En este estudio, incluimos la compra posterior como
otra característica, pero la limitamos a recomendar el uso de la plataforma de compras en
línea y volver a comprar desde el misma plataforma (Chen et al., 2017). Proponemos, por
tanto, las siguientes hipótesis:
PB: H8a y H8b tienen efectos positivos al recomendar el uso de la plataforma de
compras en línea y volver a comprar desde la misma plataforma, respectivamente.
4. Metodología de la investigación
La Figura 6 muestra la metodología de investigación que consta de 7 procesos de la siguiente
manera.
4.1. Análisis y síntesis
El análisis de problemas, las preguntas de investigación, los objetivos y la revisión
de la literatura se mencionaron anteriormente en las Secciones 1 y 2. Como la síntesis
del prototipo mencionada en la Sección 3, un nuevo modelo conceptual (Modelo de
Aceptación de Tecnología (TAM), DMP, Confianza y Calidad) es propuesto por formulación
y comparaciones de los trabajos de investigación relacionados para encontrar la brecha
entre factores y procesos. El modelo conceptual se puede dividir en 3 partes: variables
antecedentes, métodos y variables de resultado que afectan la aceptación de su uso de
una plataforma de comercio en línea para productos o servicios.
4.2. El alcance de la encuesta
El público objetivo son las personas que utilizan el sistema de comercio en línea
mediante la compra de productos en línea. Se calculó un grupo de muestra a partir de una
fórmula estadística. En esta investigación, no se conoce el número exacto del grupo de
población. Por lo tanto, la fórmula para calcular la muestra sin la limitación del tamaño de
la población es el uso de Cochran (1953) como la siguiente ecuación. El número de
muestras se puede representar mediante la fórmula de Cochran con un 95% de confianza,
z = 1,96, y el valor del error en una muestra aceptable e = 0,05.
Figura 5. Modelo de investigación propuesto.
9
Heliyon 7 (2021) e08169
Pð1 PÞZ2 e2
norte ¼
2
¼
ð0:5Þð1 0:5Þð1:96Þ
2
ð0:05Þ
0:5x0:5x3:84
¼
0:0025
0:96
¼
0:0025
¼ 384
Hay varios métodos para seleccionar un grupo de muestra. En esta investigación se
seleccionó el Método de Muestreo Aleatorio por Conveniencia. La recopilación de datos
se realizó mediante el Cuestionario en línea creado por Google Form, que se recolectó a
través de redes sociales como Facebook y Line, etc. El grupo de muestra se seleccionó
de los encuestados voluntarios y los usuarios que consumen el sistema de comercio en
línea de bienes o servicios.
El grupo objetivo son los mayores de 18 años porque el grupo de 18 años fue el grupo
demográfico más grande con números más altos que los baby boomers en 2015. La
población en el rango de edad de 18 a 34 años tiene más dinero para gastar en juguetes. ,
ropa y productos que los de otras generaciones. A medida que este grupo envejece, ha
desarrollado el hábito de utilizar un sistema de comercio de productos básicos en línea
hasta la mediana edad (Miraflor, 2020). Por lo tanto, la selección del grupo de estudio de
18 años o más es consistente con el objetivo de esta investigación. Miraflor dijo: “Se trata
de la oportunidad de convertir a esos jóvenes de 18 a 34 años en marcas, productos y
servicios que usarán por el resto de sus vidas”. (Miraflor, 2020). Como esta investigación
ha estudiado los comportamientos que buscan la oportunidad de cambiar a productos o
servicios de comercio en línea, este grupo de objetivos específicos permitirá reflejar la
sensación de usar un sistema de comercio en línea para productos o servicios de manera
más clara y sencilla que otros. grupos
4.3. Diseño de cuestionario
En este estudio, se utilizaron cuestionarios para probar el modelo y la hipótesis de
investigación. Para probar las hipótesis del modelo de investigación propuesto, se emplea
un enfoque cuantitativo. los componentes de la
Machine Translated by Google
T. Petcharat, A. Leelasantitham
Tabla 4. Los datos demográficos de los principales encuestados.
Demografía Total (N ¼ 384)
Frecuencia
Género Masculino 129
Femenino 255
Nacionalidad tailandés 384
Años de edad) 18–20 22
21–30 99
31–40 104
41–50 112
51–60 30
mayor de 60 17
preguntas son las siguientes: (1) información básica que consiste en Género,
Nacionalidad, Edad (años) y Comportamientos (ver detalle en Cuadros 4 y 5), (2)
opiniones y experiencias de compras en línea realizadas en una plataforma en línea, y (3)
las preguntas en la segunda parte están en un Likert de cinco niveles
escala con 1 para totalmente en desacuerdo, 2 para desacuerdo, 3 para neutral, 4 para
de acuerdo y 5 para totalmente de acuerdo (ver detalles en la Tabla 6).
4.4. Junta de revisión institucional: IRB
La recogida de datos se realiza a través de cuestionarios cumplimentados en línea
usuarios de tecnología comercial para compras en línea. La investigación no es específica.
a grupos vulnerables, por ejemplo, niños, pacientes, personas con discapacidades y
reclusos, ya que se utilizó el método de encuesta para seleccionar un muestreo aleatorio
utilizando el método de muestreo aleatorio por conveniencia. Es posible que algunos
los voluntarios pueden ser vulnerables. Por lo tanto, los protocolos de investigación y la investigación
Las herramientas deben ser incluidas en la consideración de la Comisión de Revisión Ética.
Comité de la Universidad de Mahidol. El cuestionario fue aprobado por el
Junta de Revisión Institucional de la Universidad de Mahidol y recibió el
número de aprobación de MU-CIRB 2020/044.1302.
4.5. Prueba piloto
Hay dos fases del experimento. La primera fase es piloto
mientras que la segunda fase es la prueba principal. La prueba piloto tiene como objetivo
verificar las herramientas y enfoques utilizados en el experimento. para el piloto
En las pruebas, se seleccionaron 100 participantes en función de los criterios de selección:
Usuarios adultos de Internet tailandeses, que personalmente habían usado y comprado el
productos de la plataforma de mercado en línea durante al menos 3 meses
independientemente del género y la ocupación. La prueba piloto se llevó a cabo
en un lapso de 10 días.
4.6. Pruebas principales
Después de la prueba piloto y la mejora del cuestionario para garantizar
precisión, los cuestionarios fueron respondidos por 384 usuarios de tecnología, sistemas de
comercio en línea, productos o servicios mediante el uso de Google
Forma. El investigador ha enviado 500 invitaciones y ha recibido 384 en total
respuestas, lo que supone el 76,8% del total. Todos los cuestionarios en línea
tener una carta de invitación para proporcionar información para las personas aprobadas por el IRB
investigar. Los participantes de la encuesta fueron recibidos como agradecimiento.
regalo. Todos los encuestados deben completar su nombre y apellido, número de teléfono,
y dirección al final de este cuestionario. Los equipos de investigación se
recibir noticias sobre actividades para promover y apoyar los negocios en línea
emprendedores de forma continua y actualizada. La prueba principal se estableció
después de verificar y ajustar el resultado de la prueba piloto. El período para el
la prueba principal fue de 21 días. Los resultados del cuestionario de las pruebas principales
fueron analizados estadísticamente para probar las hipótesis asignadas usando
SmartPLS versión 3.3.0 (Ringle et al., 2015). participantes de los principales
Las pruebas fueron Voluntarios que aplicaron a través de aplicaciones de redes sociales.
Se utilizaron dos campañas para reunir a los voluntarios. la primera campaña
Heliyon 7 (2021) e08169
fue donar 20 baht para comprar alimentos para los afectados por el
Pandemia de Covid-19 en Tailandia. La segunda campaña fue para regalar
participantes con mascarilla higiénica. Por lo tanto, hubo 384 encuestados en la prueba
principal. De acuerdo con las estadísticas, los encuestados se informaron en los datos
Porcentaje (%)
demográficos proporcionados en la Tabla 4, y
33.59
los datos de los comportamientos de compra en línea se representaron en la Tabla 5.
66.41
100
4.7. Análisis de datos estadísticos
5.73
25.78
Después de importar los resultados de la encuesta de Google Form y limpiar el
27.08
datos, el programa SmartPLS versión 3.3.0 se utilizará para analizar dichos
29.17
datos completos que consisten en el modelo de medición, el modelo estructural,
7.81
y ajuste del modelo, como se describe en la Sección 5. El paso final del estudio es
4.43 compilar, procesar y analizar los resultados del cuestionario a partir del análisis estadístico
descriptivo y el análisis estadístico inferencial desarrollados en la discusión
e interpretación para que sea claro y fácil de entender un resumen en la Sección
6.
5. Hallazgos
Hemos aplicado SmartPLS versión 3.3.0 a la medida de la
modelo de investigación y cuestionario sobre su fiabilidad y validez. SmartPLS versión 3.3.0
se utiliza para analizar algunos de los menos
cuadrados de datos. Este método se utilizó en este estudio porque es un
técnica estadística basada en elementos para crear modelos causales (Jor eskog et al.,
1993). Como técnica de modelado de ecuaciones estructurales, la
PLS analiza modelos de medida y modelos estructurales simultáneamente en una sola
operación. Elegimos PLS ya que tiene un tamaño del
requisito de distribución de muestras e indicadores menos estricto en comparación
a los métodos SEM basados en covarianza como LISREL (Chin, 1998).
De acuerdo con un procedimiento de análisis de datos de dos pasos (Anderson et al.,
1998), el modelo de medición se examina primero para evaluar la fiabilidad
y validez de la medida. Luego, se prueba el modelo estructural.
para la aproximación de una relación hipotética.
5.1. El modelo de medida
La Tabla 6 muestra la confiabilidad y validez de los resultados de la pregunta
elementos que consisten en mediana, media, SD, carga y varianza Inflación
Factor (FIV). Hay 40 preguntas en el cuestionario. las preguntas son
dividido en dos partes como preguntas para la información general de los encuestados
y preguntas relacionadas con el modelo propuesto. El primero consta de 10
preguntas mientras que el segundo son las 30 preguntas restantes. Las respuestas a la
las preguntas se procesan a través de PASW statistic versión 18.0.0 para evaluar
consistencia interna de los datos. Y, el umbral aceptable de la puntuación
se refiere al valor Alfa de Cronbach por encima de 0,7 (Hair et al., 2016). El resultado
del valor Alfa de Cronbach es 0,957; por lo tanto, concluimos que las respuestas
tener consistencia interna. En cuanto a la fiabilidad y validez del cuestionario, hemos
obtenido los siguientes resultados. Las puntuaciones medias están entre 3,71 y 4,60, y las
puntuaciones SD son 0,538-1,044. por factor
cargando, los datos obtenidos en puntajes de 0.701–0.957 están por encima de lo aceptable
umbral de 0,70 (Hair et al., 2016). La puntuación mediana también está cerca de la
La media y la mayoría de las puntuaciones brutas son los números 4 y 5. Las puntuaciones VIF externas
por elementos que deben estar por debajo de 5,00 (Ringle et al., 2015) para aceptable
el umbral es de 2000 a 4000 (Kock y Lynn, 2012; Jattamart y Lee lasantitham, 2019, 2020;
Phaosathianphan y Leelasantitham, 2019). Como
como se muestra en la Tabla 6, sus puntajes VIF por ítems no son más de 5, por lo que no
No debe existir ningún efecto de multicolinealidad. Además, se puede ver
más adelante en la Tabla 9 que el VIF interno puntúa por la relación entre el
las construcciones son menos de 5 (Ringle et al., 2015); por lo tanto, la multicolinealidad
no debe usarse para evaluar el sesgo del método común.
En la evaluación del modelo de investigación propuesto, hemos obtenido
Puntuaciones alfa de Cronbach entre 0,709 y 0,914, que son más altas que
el umbral aceptable de 0,7 (Hair et al., 2016). Los resultados de las pruebas de
Se ha considerado la consistencia interna en el modelo para Compuesto
Confiabilidad (CR), que han arrojado una puntuación de 0.805–0.946 siendo
10
Machine Translated by Google

T. Petcharat, A. Leelasantitham Heliyon 7 (2021) e08169

Figura 6. Procesos de metodología de la investigación.

VIF interno ¼ 2,205) y Reconocimiento de intención (IR) (ÿ ¼ -0,128, valor t ¼

Tabla 5. Comportamiento de compra en línea de los principales encuestados.
1,791, valor p ¼ 0,225, VIF interno ¼ 0,000), respectivamente.
Comportamientos Total (N ¼ 384)
(2) Facilidad de uso percibida (PEU): H2a y H2c han influido en IS (ÿ ¼
0,338, valor t = 3,173, valor p = 0,002, VIF interno = 1,628) y
Frecuencia Porcentaje (%)
IR (ÿ ¼ 0,114, valor t ¼ 2,318, valor p ¼ 0,048, VIF interno ¼
Compras online (multiopciones) Facebook 352 91.67
3,786), respectivamente, pero H2b no ha influido en EA (ÿ = -0,215, valor de t =
comprar 335 87.24
1,589, valor de p = 0,388, VIF interno = 1,826).
Lazada 312 81.25
(3) Confianza Percibida (PT): H3a, H3b y H3c han influido en IS (ÿ ¼
Tomar 288 75.00
0,268, valor t = 2,621, valor p = 0,010, VIF interno = 1,122), EA (ÿ
panda de comida 274 71.35
¼ 0,175, valor t ¼ 1,995, valor p ¼ 0,045, VIF interno ¼ 1,621) y
hombre de línea 249 64.84
IR (ÿ ¼ 0,143, valor t ¼ 2,211, valor p ¼ 0,028, VIF interno ¼
Experiencia de uso de compras en línea menos de 1 mes 0 0 1.652), respectivamente.
1–3 meses 26 6.77 (4) Calidad Percibida (PQ): H4a y H4c han influido en IS (ÿ ¼
3–6 meses 17 4.43 0,247, valor t = 2,053, valor p = 0,041, VIF interno = 3,001) y
6–12 meses 43 11.20 IR (ÿ ¼ 0,087, valor t ¼ 2,100, valor p ¼ 0,045, VIF interno ¼
1–3 años 116 30.21 3.324), respectivamente; pero H4b no ha influido en EA (ÿ = 0,121, valor t = 1,229,
3–5 años 147 38.28 valor p = 0,220, VIF interno = 3,846).

más de 5 años 35 9.11 (5) Búsqueda de información (IS): H5a y H5b han influido en EA (ÿ ¼

Frecuencia de uso de compras en línea diario 61 15.88 0,488, valor t = 4,590, valor p = 0,000, VIF interno = 3,029) y

semanal 103 26.82 IR (ÿ ¼ 0,375, valor t ¼ 2,801, valor p ¼ 0,005, VIF interno ¼

181 47.14 4.175), respectivamente.

quincenal
39 10.16
mensual
aceptables ya que han superado el criterio de 0,70 (Hair et al.,
2016). La validez convergente de la Varianza Media Extraída (AVE)
debe tener una puntuación superior a 0,50, y los resultados del modelo han arrojado el AVE
resultados entre 0,553 y 0,853. Los detalles se dan en la Tabla 7.
Además, evaluamos la Validez Discriminante del modelo
utilizando el criterio de Fornell y Larcker (1981). Cada valor de la diagonal
serán más altos que los de los valores de la columna en cada construcción con un
siendo el criterio no inferior a 0,70 (Fornell y Larcker, 1981). Para
ejemplo, en la Calidad Percibida (PQ), la raíz cuadrada de AVE es igual
0.794 que es superior a la correlación de otros constructos, variando
entre 0,339 – 0,598. Así, el modelo de investigación es modelo elegible
(Fornell y Larcker, 1981). Los resultados del criterio de Fornell-Larcker son
se muestra en la Tabla 8.
5.2. Modelo estructural
Con los resultados aceptables de la evaluación anterior, entonces
realizó pruebas de hipótesis y bondad de ajuste (GoF) utilizando SmartPLS
3.3.0. En este apartado se exponen las hipótesis del modelo de investigación propuesto
mencionados en la Sección 3.2 son probados. Un algoritmo Bootstrapping (Hair
et al., 2016) se utiliza para el remuestreo de 5000 muestras con significación
nivel en 0,05 para el coeficiente de ruta (ÿ), el valor t y el valor p. Los criterios para
aceptando el coeficiente de ruta (ÿ), el valor t y el valor p son >0.10, >1.96 y
<0,05 (<0,01), respectivamente. Así, los resultados muestran que H1b, H1c, H2b
(6) Evaluación de Alternativas (EA): H6 ha influido en IR (ÿ ¼ 0.390,
valor t = 2,903, valor p = 0,004, VIF interno = 3,202).
(7) Reconocimiento de intención (IR): H7 ha influido en el comportamiento de compra
(PB) (ÿ ¼ 0,743, valor t ¼ 13,924, valor p ¼ 0,000, VIF interno ¼
1.000).
(8) Comportamiento de compra (PB) que conduce a la poscompra (PP): H8a y
H8b han influido Recomendar (RC) (ÿ ¼ 0.707, valor t ¼
12.060, valor p ¼ 0.000, VIF interno ¼ 1.000) y Recompra
(RP) (ÿ ¼ 0,801, valor t ¼ 14,549, valor p ¼ 0,000, VIF interno ¼
1.000), respectivamente.
Se puede ver en la Tabla 9 que las influencias secuenciales de la
modelo propuesto han ocurrido cuatro factores de entrada (PU, PEU, PT y PQ)
y seis factores de proceso (IS, EA, IR, PB, RC y RP). Los diez factores pueden ser
clasificados en procesos del DMP en línea propuesto en lo siguiente. poliuretano,
PEU, PT y PQ se definen como un proceso de Reconocimiento de Necesidades. ES y EA
se asignan como procesos de Búsqueda de Información y Evaluación de
alternativa, respectivamente. IR y PB se definen como procesos de Intención
Reconocimiento y Comportamiento de Compra. Finalmente, RC y RP se asignan como
proceso de Post-Compra. Por lo tanto, los resultados del análisis han
apoyó las 14 hipótesis para influir positivamente en el DMP en cada
proceso, como se muestra en la Figura 7, es decir, PU, PEU, PT y PQ son positivos
correlaciones con la primera búsqueda de información dirigida a la evaluación,
reconocimiento de intenciones (carrito de la compra antes de la decisión de compra), compra,
y luego post-compra.
5.3. Ajuste del modelo

y H4b se rechazan, y H1a, H2a, H2c, H3a, H3b, H3c, H4a, H4c, H5a,
Se admiten H5b, H6, H7, H8a y H8b. Los resultados detallados se dan
en la Tabla 9. Los resultados del modelo con indicación de prueba de hipótesis
del programa SmartPLS se ilustran en la Figura 7. En cuanto al modelo
evaluación de ajuste, obtuvimos un resultado de Bondad de ajuste (GOF) de 0.357.
Como se muestra en la Tabla 9 y la Sección 3.2, los resultados resumidos pueden ser
se explica en el contexto del estudio de caso de la siguiente manera.
(1) Utilidad Percibida (PU): H1a ha influido en la Información
Búsqueda (IS) (ÿ ¼ 0,158, valor t ¼ 1,991, valor p ¼ 0,045, VIF interno
¼ 2.196), mientras que H1b y H1c no han influido en Evaluación de
Alternativa (EA) (ÿ ¼ -0,009, valor t ¼ 0,091, valor p ¼ 0,927,
Los resultados de cada constructo en el modelo propuesto han sido
descrito en la Sección 5.2. En esta sección, Model Fit ha analizado los resultados del
modelo estructural utilizando SmartPLS en base a los datos de todos
constructos del modelo propuesto, como se muestra en la Figura 7. El ajuste del modelo de
un modelo de investigación consta de tres partes de la siguiente manera. En primer lugar,
el coeficiente de determinación (R2 ) es inaceptable por debajo de 0,19, bajo 0,19–0,33,
moderado 0,33–0,67 y bueno 0,67 (Chin, 1998). Todos los factores tienen un
influencia moderada. Los resultados R2 de RC, IR, PB, EA, RC e IS son
aproximadamente en 0.642, 0.636, 0.552, 0.537, 0.500 y 0.420 respectivamente, como se
muestra en la Figura 7. En segundo lugar, Raíz Estandarizada se refiere a Square
Residual (SRMR) y no debe ser superior a 0,080 (Hair et al.,

11
Machine Translated by Google

T. Petcharat, A. Leelasantitham Heliyon 7 (2021) e08169

Tabla 6. La fiabilidad y validez de los resultados.

Índice Elementos de pregunta Mediana Significar Dakota del Sur
Cargando Exterior Fuente
(>0,70) V.F.I.

(<5.00)

PU1 La plataforma de compras en línea puede ayudarlo a comprar más 5 4.60 0.538 0.890 1.512 Adaptado de (Anol et al., 2012)
convenientemente

PU2 La plataforma de compras en línea le ayuda a buscar y comprar un 4 4.44 0.585 0.889 1.512 Adaptado de (Lee, 2009)
producto más rápido que las compras fuera de línea

PU3 La plataforma de compras online te ayuda a comprar un producto 4 4.21 0.765 0.854 1.632 Adaptado de (Kim et al., 2008)
más barato que comprar fuera de línea
PEU1 Puede usar la plataforma de compras en línea usted mismo 4 4.17 0.719 0.778 1.079 Adaptado de (Lee, 2009)
PEU2 La plataforma de compras en línea es fácil de usar para comprar un 4 4.02 0.762 0.896 2.407 Adaptado de (Kim et al., 2008)
producto
PEU3 La plataforma de compras en línea tiene funciones obvias y fácil 4 3.82 0.829 0.877 2.367 Adaptado de (Kim et al., 2008)
comprender

PT1 La plataforma de compras en línea tiene información precisa y clara. 4 3.91 0.725 0.943 1.169 Adaptado de (Chen et al., 2015)
información procesada, como detalles del producto y precio
PT2 La plataforma de compras en línea es confiable para comprar 4 3.83 0.795 0.957 2.264 Adaptado de (Pascual-Miguel et al., 2015)
productos
PT3 Tiene la seguridad de obtener los productos adquiridos de la 4 3.84 0.761 0.912 2.041 Adaptado de (Pascual-Miguel et al., 2015)
plataforma de compras en línea

PQ1 La plataforma de compra online tiene una calidad aceptable 4 3.98 0.731 0.701 1.754 Adaptado de (Wang et al., 2020)
(en cuanto a usabilidad, precisión y velocidad) que se ajuste a sus necesidades

PQ2 Los productos en la plataforma de compras en línea se ajustan a sus necesidades 4 4.00 0.591 0.739 1.523 Adaptado de (Wang et al., 2020)

PQ3 Todos los procesos de la plataforma de compras en línea tienen 4 4.00 0.665 0.768 1.254 Adaptado de (Wang et al., 2020)
calidad aceptable
IS1 La función de búsqueda en la plataforma de compras en línea ayuda 4 3.90 0.890 0.747 1.358 Adaptado de (Lobel Trong Thuy, 2020)
usted decide comprar el producto
IS2 La función de búsqueda en la plataforma de compras en línea ayuda 3 3.71 1.044 0.879 1.713 Adaptado de (Tran, 2020)
comparas la calidad y el precio de los productos similares
y facilitar su toma de decisiones para comprar
IS3 La función de búsqueda en la plataforma de compras en línea es 4 3.89 0.669 0.827 1.665 Adaptado de (Tran, 2020)
necesario y beneficia a un comprador
EA1 Tener la intención de comprar productos antes de ir al carrito de compras 4 4.13 0.818 0.905 2.856 Adaptado de (Tran, 2020)
función en la plataforma de compras en línea le ayuda en
comparando los productos
EA2 Tener la intención de comprar productos antes de ir al carrito de compras 4 4.03 0.869 0.921 3.164 Adaptado de (Tran, 2020)
la función en la plataforma de compras en línea es necesaria y
beneficia a un comprador

EA3 Tener la intención de comprar productos antes de ir al carrito de compras 4 4.02 0.807 0.944 3.896 Adaptado de (Tran, 2020)
La función en la plataforma de compras en línea te hace comprar en
buen valor
IR1 A menudo ingresa a la plataforma del carrito de compras en línea para verificar 4 3.93 0.832 0.763 1.516 Adaptado de (Tan et al., 2014)
en los detalles del producto

IR2 Utilizará la plataforma de carrito de compras en línea para comprar 4 4.08 0.766 0.882 1.728 Adaptado de (Pascual-Miguel et al., 2015)
productos
IR3 Te interesa promoción avisando desde la web 4 4.06 0.894 0.764 1.319 Adaptado de (Tan et al., 2014)
plataforma de carrito de compras y es probable que compre en ella

PB1 Comprarás los productos desde la plataforma de compra online 4 4.32 0.619 0.859 2.015 Adaptado de (Lee, 2009)
si el producto te satisface
PB2 Está satisfecho con la plataforma de compras en línea y 4 4.30 0.667 0.886 2.164 Adaptado de (Wang et al., 2020)
seguir usándolo
PB3 La plataforma de compras online es necesaria para ti 4 3.95 0.761 0.878 1.974 Adaptado de (Wang et al., 2020)
RP1 Puede volver a comprar desde la plataforma de compras en línea 4 4.20 0.713 0.897 2.326 Adaptado de (Chen et al., 2015)
RP2 La recompra se puede hacer más fácilmente con las compras en línea 4 4.15 0.656 0.887 2.103 Adaptado de (Chen et al., 2015)
plataforma
RP3 Ha vuelto a comprar el mismo producto en línea 4 4.18 0.708 0.868 2.154 Adaptado de (Chen et al., 2015)
plataforma de compras
RC1 Recomiendas a otros que usen la plataforma de compras en línea 4 3.92 0.750 0.923 2.973 Adaptado de (Oliveira et al., 2016)
que usas
RC2 Recomendarás a amigos y familiares que compren en el 4 3.94 0.768 0.900 2.632 Adaptado de (Oliveira et al., 2016)
plataforma de compras en línea en lugar de compras fuera de línea
RC3 Recomendarás a una persona desconocida que compre en el 4 3.94 0.705 0.926 3.445 Adaptado de (Oliveira et al., 2016)
plataforma de compras en línea en lugar de compras fuera de línea

2016; Henseler et al., 2016; Hu y Bentler, 1999). Por lo tanto, los coeficiente de determinación (R2 ) y AVE, como se muestra en (1), menos de 0.10,
resultado del cálculo es un valor aceptable de 0,065. En tercer lugar, la bondad de ajuste pequeño, 0,10–0,25, intermedio, 0,25–0,36 y alto (Tenenhaus et al.,
(GoF) es la raíz cuadrada de la multiplicación entre la media de la 2005; Wetzels et al., 2009). Por lo tanto, el GoF está en un nivel alto en 0.599

12
Machine Translated by Google

T. Petcharat, A. Leelasantitham Heliyon 7 (2021) e08169

6.1. Comparaciones entre un modelo de investigación propuesto y trabajos anteriores

Tabla 7. Fiabilidad y validez de constructo.

Construcciones Código de artículo de Cronbach Como se mencionó anteriormente en las Secciones 5.2 y 5.3, los resultados del análisis
Compuesto Promedio
alfa Fiabilidad Diferencia han respaldado las 14 hipótesis para influir positivamente en el DMP en
(>0,70) (CR) Extraído (AVE) cada proceso, como se muestra en la Figura 7. PU, PEU, PT y PQ son fundamentales
(>0,70) (>0,50)
factores que tienen correlaciones positivas con la búsqueda de información dirigida a
Evaluación de Alternativas EA 0.914 0.946 0.853
evaluación, reconocimiento de intenciones (carrito de la compra antes de la decisión de compra),
Búsqueda de información ES 0.756 0.859 0.672
compra, y luego post-compra. Estos resultados pueden ser explotados en
Facilidad de uso percibida UEP 0.804 0.880 0.715 aplicaciones comerciales electrónicas de plataformas de comercio electrónico, móvil y S
Calidad percibida PQ 0.709 0.805 0.553 porque se reflejarán en los procesos en las funciones de las plataformas de negocios
Confianza percibida PT 0.822 0.918 0.849 electrónicos, como se describirá más adelante en la Sección 6.2. Por lo tanto,
Utilidad percibida PU 0.736 0.883 0.791 el usuario deberá verificar y considerar la utilidad general y la facilidad de

Comportamiento de compra PB 0.847 0.907 0.765 utilizar a través de las plataformas antes de influir en la toma de decisiones. los
Intención de compra Pi 0.728 0.846 0.647 comparaciones de otros trabajos relacionados se pueden resumir en dos investigaciones

Readquirir PR 0.861 0.915 0.782 grupos de la siguiente manera.

Recomendar RC 0.905 0.940 0.840 Por un lado, la mayoría de los trabajos basados en TAM también han utilizado
cuatro factores percibidos (PU, PEU, PT y/o PQ) directamente a la actitud
de los comportamientos de los usuarios por intención de compra, por ejemplo, comercio electrónico: el

(Phaosathianphan y Leelasantitham, 2019, 2020, 2021). El resultado de adopción de la banca por Internet (PU, PEU y PT) (Lee, 2009), en línea

GoF se puede calcular a partir de la ecuación. (1) a continuación. intención de compra para usuarios de mediana edad (PU y PEU) (Law et al.,
2016), compras de comestibles en línea (PU y PEU) (Lee, 2009) y
ffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffi

ffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffi ffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffi

GoF ¼ R2 PROMEDIO p ¼
p 0:548 0:655 ¼ 0:3590 p ¼ 0:599 (1) compras, A transcultural (PU y PEU) (Pena-Garcia et al., 2020);
Comercio móvil: intención de utilizar pagos móviles (PU y PEU) (Kim et al.,
2010), la adopción y recomendación de servicios de billetera móvil (PU
6. Discusión e interpretación
y UEP) (Singh et al.); S-commerce: Instagram para mercados emergentes
(PT y PU) (Gibreel et al., 2018), etc. Además, Gibreel et al.
Esta sección describirá más detalles a continuación para analizar las comparaciones.
(2018) han propuesto la compra impulsiva usando eWOM para persuadir
entre un modelo de investigación propuesto y trabajos previos correspondientes a
clientes para hacer compras directas, es decir, solo un factor de PT es
Sección 3.1, e implicaciones para las teorías y la práctica. El objetivo de
influye positivamente directamente con intención de compra, pero PU y PEU sí
este estudio es para evaluar el comportamiento de los usuarios y las compras repetidas de
no influye en la intención de compra porque no tiene función de compra
comercio en línea con plataformas de comercio electrónico. ¿Cómo los factores percibidos
en la plataforma Instagram. Si bien los tres factores (PEU, PQ y PT) de
y el DMP influyen en los comportamientos de los consumidores que utilizan las compras en línea? No
este trabajo han influido positivamente en un proceso como el reconocimiento de intenciones
Se ha informado que los trabajos de investigación integran los factores percibidos
(de manera similar, S-commerce usando e-WOM) que lleva a la compra. Sin embargo,
(TAM, confianza y calidad) y la DMP. Sin embargo, la mayor parte de los anteriores
dichos documentos TAM no han informado el uso de los cuatro factores (PU, PEU,
los estudios generalmente se han centrado solo en factores conductuales (Law et al.,
PT y PQ) juntos para proponer los factores antecedentes para evaluar
2016; Gibreel et al., 2018; Chou et al., 2018; Driediger y Bhatiasevi,
los comportamientos de los usuarios de compras en línea, y no se centraron en el
2019; Peña-García et al., 2020; Cui et al., 2020; Dakduk et al., 2020)
procesos de evaluación y post-compra. Además, hay algunos
con la intención de comprar los productos y servicios. Además, como se muestra en
factores de este documento que no influyen en los procesos, es decir, PU no
En la Tabla 2, cuatro artículos han estudiado el uso de los 5 procesos (Darley et al.,
influir tanto en la evaluación como en el reconocimiento de intenciones, mientras que la UEP y
2010; Karimi et al., 2018; Huang y Benyoucef, 2017; Faulds et al.,
PQ no influye en la evaluación, porque a los consumidores siempre les gusta
2018), mientras que cuatro documentos no se han completado con cinco procesos completos
iniciar el uso de plataformas en primer lugar por la búsqueda de información, como se comenta
(Zhao et al., 2020; Tran, 2020; N.Meilatinova, 2021; Tuncer,
más adelante en la Sección 6.2.
2021); pero todos ellos tampoco han considerado un proceso de intención
Por otro lado, se han investigado trabajos utilizando cinco
reconocimiento. Además, tanto la Confianza como la Calidad son necesarias para evaluar
procesos de compra online DMP. Darley et al. (2010), Karimi et al.
Comportamientos de recompra del consumidor utilizando plataformas de comercio electrónico. No solo
(2018), Huang y Benyoucef, (2017), y Faulds et al. (2018) tienen
los factores percibidos necesitan estudiar los comportamientos de los usuarios, pero también la
propusieron el marco DMP pero no se han centrado en la percepción
procesos deben estar interesados en las plataformas de compra en línea en el
factores que influyen en dichos procesos, y no han considerado un proceso de reconocimiento
futuro. Por lo tanto, debe considerar agregar todos los procesos, incluido el
de intenciones (una función del carrito de compras) para explotar
factores hasta que los resultados puedan ser vistos y puedan ser usados para desarrollar el
el filtro y ayuda de decisiones antes de comprar productos a través de internet
plataformas

Tabla 8. Criterio de Fornell-Larcker.

Construcciones EE. UU. ES UEP PQ PT PU PB infrarrojos PR RC

Evaluación de Alternativas (EA) 0.924

Búsqueda de información (SI) 0.689 0.820

Facilidad de uso percibida (PEU) 0.512 0.521 0.845

Calidad Percibida (PQ) 0.455 0.487 0.582 0.745

Confianza percibida (PT) 0.324 0.394 0.332 0.339 0.921

Utilidad Percibida (PU) 0.379 0.451 0.471 0.508 0.430 0.889

Comportamiento de compra (PB) 0.656 0.709 0.547 0.598 0.446 0.544 0.875

Reconocimiento de intenciones (IR) 0.702 0.700 0.569 0.524 0.413 0.390 0.743 0.804

Recompra (RP) 0.621 0.655 0.537 0.595 0.402 0.491 0.801 0.683 0.884

Recomendar (RC) 0.540 0.633 0.641 0.553 0.482 0.450 0.707 0.582 0.769 0.917

13
Machine Translated by Google

T. Petcharat, A. Leelasantitham Heliyon 7 (2021) e08169

Tabla 9. Resumen de los resultados de las pruebas de hipótesis.

Hipótesis Sendero Sendero valor t valor p Interno Soportado

coeficiente (>1.96) (<0.05, FIV (<5)
(ÿ) (>0,10) <0.01)

H1a PUÿES 0.158 1.991 0.045 2.196 Sí

H1b PUÿEA -0.009 0.091 0.927 2.205 No

H1c PUÿIR -0.128 1.791 0.225 0.000 No

H2a UEPÿIS 0.338 3.173 0.002 1.628 Sí

H2b UEPÿEA -0.215 1.589 0.388 1.826 No

H2c PEUÿIR 0.114 2.318 0.048 3.786 Sí

H3a TEÿES 0.268 2.621 0.010 1.122 Sí

H3b PTÿEA 0.175 1.995 0.045 1.621 Sí

H3c TEÿIR 0.143 2.211 0.028 1.652 Sí

H4a PQÿS 0.247 2.053 0.041 3.001 Sí

H4b PQÿEA 0.121 1.229 0.220 3.846 No

H4c PQÿIR 0.087 2.100 0.045 3.324 Sí

H5a ESÿEA 0.488 4.590 0.000 3.029 Sí

H5b ESÿIR 0.375 2.801 0.005 4.175 Sí

H6 EAÿIR 0.390 2.903 0.004 3.202 Sí

H7 IRÿPB 0.743 13.924 0.000 1.000 Sí

H8a PBÿRC 0.707 12.060 0.000 1.000 Sí

H8b PBÿPR 0.801 14.549 0.000 1.000 Sí

Tenga en cuenta que: si la importancia (valor P) del coeficiente de ruta es inferior a 0,05, entonces será compatible o correlacionado (Sí). Sin embargo, si el valor P es superior a 0,05, entonces
no será compatible ni correlacionado (No).

plataformas Además, se han realizado cuatro trabajos de investigación utilizando
Comercio electrónico (Zhao et al., 2020; Tran, 2020; Lee, 2009; Tuncer, 2021)
que se pueden asignar o agrupar en los procesos de la siguiente manera con
dos factores separados, es decir, PQ y PT definidos en el reconocimiento de la necesidad y
búsqueda de información, respectivamente, entregando resultados al proceso de
intención de compra o posterior a la compra. Por ejemplo, PQ (necesidad de reconocimiento)
tiene una influencia positiva directamente en PT (búsqueda de información), por ejemplo, la
estudio de eWOM e intenciones de compra del consumidor (Zhao et al., 2020),
revisiones en línea e intención de compra (Tran, 2020), factores que afectan
recompra del cliente e intenciones de boca en boca (Meilatinova,
2021), y la relación entre la asequibilidad de TI (Tuncer, 2021). Después
que, PT (búsqueda de información) tiene una influencia positiva directamente en la intención
de compra (Zhao et al., 2020; Tran, 2020; Tuncer, 2021) o
post-compra (Meilatinova, 2021). Esto indica (Gibreel et al., 2018)
que PQ es necesario conocer la necesidad del cliente antes de recibir el
información por eWOM de influencers que inciden en el proceso de información
buscar construir PT más tarde hasta que los clientes hayan decidido la compra o
post-compra sin pasar por el proceso de evaluación. Sin embargo, toda investigación
documentos sobre el proceso no han sido mencionados en el carrito de compras
antes de la decisión de compra para asegurarse de que el usuario comprará el
servicio o productos. PT y PQ tampoco se han sumado en el
factores antecedentes en el DMP. Estos dos factores ayudarán a evaluar la
comportamiento retentivo del consumidor al usar las plataformas. Además, P.T.
(necesita reconocimiento) de este documento influye positivamente en cada proceso, es decir
búsqueda de información, evaluación y reconocimiento de intenciones, lo que lleva a
intención de compra y post-compra. PQ tiene una influencia positiva en
búsqueda de información y reconocimiento de intenciones pero PQ no influye
la evaluación, como se analiza más adelante en la Sección 6.2.

Figura 7. Resultados SmartPLS del modelo estructural.

14
Machine Translated by Google
T. Petcharat, A. Leelasantitham
6.2. Implicación para las teorías y la práctica
Esta implicación puede describir y explicar más detalles correspondientes a las
preguntas y objetivos de investigación en este estudio. Las teorías del modelo
propuesto han utilizado los factores percibidos de TAM, confianza y calidad junto con
el DMP que tienen una correlación positiva con las compras, así como con las compras
repetidas o las referencias. Se puede aplicar para evaluar los comportamientos de
compra y las compras repetidas de los consumidores a través de 3 tipos de negocios
electrónicos: comercio electrónico, comercio móvil y comercio electrónico. Por ejemplo,
la práctica también se puede describir en el contexto del estudio de caso en Tailandia.
En la Tabla 5 se puede ver que los resultados de la encuesta muestran la frecuencia
con la que se usan las plataformas en línea ordenadas de Facebook, Shopee, Lazada,
Grab, Food panda y Line man. Se puede señalar por qué Tailandia es más popular con
la plataforma de Facebook (Millions, 2021) , ya que hay muchas funciones como
Facebook messenger, Facebook Fan page, etc., que incluyen imágenes, videos,
noticias y virales de celebridades que son los favoritos. del comportamiento tailandés.
Sin embargo, también hay otras plataformas, por ejemplo, Shopee, Lazada, Grab, Food
panda y Line man, etc., que son plataformas alternativas para los tailandeses además
de las populares de Facebook.
En aras de la exhaustividad, la Tabla 10 resume el DMP práctico de compra en
línea con un Reconocimiento de intención adicional en varias plataformas de comercio
electrónico en Tailandia correspondiente a la Tabla 5 (plataformas de compras en
línea). Se puede ver en la Tabla 10 que el primer grupo es Facebook (S-commerce).
El modelo propuesto se puede aplicar para explicar cada proceso utilizando 4 factores
precursores, es decir, PEU, PU, PQ y PT, que afectan el uso de la plataforma de
Facebook para los tailandeses. Las características destacadas son VDO, imágenes y
viral, etc. Esto puede llevar a los usuarios a querer el uso de las plataformas para (2)
búsqueda de información (búsqueda de Facebook) y (3) decisión (evaluación), (4)
selección de productos ( reconocimiento de intención), (5) intención de compra
(Facebook messenger) y oportunidades para causar (6) recompra o recomendación.
Además de eso, también puede describir patrones de compra impulsivos, es decir,
PEU, PT y PQ que influyen directamente en el IR y la intención de compra posterior.
Por lo tanto, el uso de la plataforma de Facebook es S commerce, pero se ha realizado
una investigación utilizando eWOM y PT con influencers que utilizan Instagram (Tuncer,
2021). El segundo grupo es Shopee y Lazada (E, M-Commerce), cuyas plataformas
tienen un sistema de comercio de sitio web y una aplicación móvil con 6 procesos
basados en el nuevo DMP y 4 precursores (igual que Facebook). La diferencia es que
es una plataforma que combina una variedad de tiendas y productos para clientes que
quieren comprar productos. Utiliza funciones completas para encontrar productos,
seleccionar productos y tomar decisiones (reconocimiento de intenciones) en la función
de carrito de compras. La utilidad, la facilidad de uso, la calidad y la confiabilidad de
las plataformas facilitan las oportunidades de recompra con el uso de la función de
recompra. El tercer grupo son las plataformas de servicios de transporte, es decir,
Grab/Food panda/Line man (M-commerce). Las plataformas se basan en aplicaciones
móviles. Estas plataformas tienen funciones de acuerdo a 6 procesos correspondientes
al nuevo DMP de la siguiente manera: (1) exigir la compra de productos de los clientes
teniendo en cuenta las imágenes y la promoción en las plataformas, (2) encontrar la
información con la función de búsqueda, (3) decidir sobre un producto en la función de
selección de menú, (4) seleccionando un producto e ingresando al carrito de compras
esperando la decisión, (5) comprando el pago y (6) usando la función Favorito, y
brindando oportunidades para volver a comprar más tarde.
Además, la contribución o beneficio de este estudio puede aprovecharse a partir
de la evaluación de estos resultados para desarrollar mejor las plataformas de los
sectores empresariales. Como se mencionó anteriormente en las Secciones 6 y 6.2,
PU, PEU y PQ no han influido en los procesos, por ejemplo, EA e IR; sin embargo, el
sector empresarial puede llevar a cabo estos resultados para desarrollar y mejorar aún
más las plataformas de comercio electrónico. Por lo tanto, este documento ha
propuesto y discutido una guía para desarrollar plataformas mediante el uso de la
evaluación resultante del modelo propuesto de la siguiente manera.
1) PU, PEU y PQ no han influido en EA. Puede tomar estos resultados para desarrollar
aún más la plataforma y aumentar las posibilidades de compras en línea
intencionales. Por ejemplo, la inteligencia artificial (IA) ha
15
Heliyon 7 (2021) e08169
se ha utilizado como complemento para recopilar datos de tráfico, productos, sitios
web y plataformas de comercio electrónico, luego los datos se han analizado para
disparar anuncios directamente a la cuenta del cliente para que los clientes puedan
acceder a la selección de productos directamente al proceso de EA. Se puede
aplicar una técnica de Customer Listening (Liu et al., 2012) para resolver este tipo
de problemas en el futuro. Ayudará a los usuarios a eludir el proceso sin tener que
pasar por el proceso de búsqueda de información. Por lo tanto, los consumidores
tendrán la sensación de PU, PEU y PQ influyendo directamente en el proceso de
EA mediante el uso de plataformas de comercio electrónico.
2) PU no ha influido en IR. Este resultado se puede resolver y realizar mediante la
técnica de análisis de la cesta de la compra (Santarcangelo et al., 2018) utilizando
dichos datos para desarrollar un carrito de la compra, es decir, analizando a los
clientes a los que les gusta comprar qué y llevando a diseñar un paquete de
productos para la venta como un conjunto. . Además, los clientes quieren
aprovechar las compras en línea y pueden tomar decisiones en el proceso de IR
porque el carrito de compras originalmente tiene la función de tomar decisiones de
compra al elegir productos para los clientes. Por ejemplo, Facebook, que usa la
función de mensajería, ha usado solo un artículo a la vez, mientras que Shopee,
Lazada, Grab, Food panda y Lineman tienen muchas funciones para respaldar
compras múltiples, pero aún no pueden facilitar que los clientes compren productos
automáticamente. . Por lo tanto, si las plataformas de comercio electrónico pueden
ser desarrolladas por el sector comercial correspondiente a la necesidad del
cliente, entonces el sentimiento de PU también influirá directamente en el proceso
de RI.
7. Conclusiones, limitaciones y trabajo futuro
7.1. Conclusiones
Este artículo ha presentado la combinación de factores del modelo de aceptación
de tecnología y procesos en el proceso de toma de decisiones para estudiar plataformas
de compras en línea. Las percepciones que incluyen la utilidad percibida, la facilidad
de uso percibida, la confianza percibida y la calidad percibida se consideran parte de
un proceso para reconocer la necesidad de usar las plataformas. El proceso de
reconocimiento de necesidad está conectado con el proceso de Actitud y el proceso
recientemente propuesto de reconocimiento de Intención. Estos procesos son procesos
previos a la compra que conducen al proceso de compra.
Por último, el proceso de compra está conectado con el proceso posterior a la compra,
incluida la recomendación y la recompra. De 384 encuestados, se encontró que casi el
70% de los encuestados han experimentado el uso de plataformas de compras en
línea durante más de 1 año. Las percepciones en este estudio incluyen la utilidad
percibida, la facilidad de uso percibida, la confianza percibida y la calidad percibida. Se
encuentra que estas cuatro percepciones tienen un efecto positivo en el proceso de
Búsqueda de Información, que es uno de los dos subprocesos en el proceso de Actitud,
mientras que solo la Confianza Percibida tiene un efecto positivo en los otros
subprocesos como Evaluación de Alternativas.
Cinco factores, es decir, la facilidad de uso percibida, la confianza percibida, la calidad
percibida, la búsqueda de información y la evaluación de alternativas, han influido en
el reconocimiento de intenciones (función del carrito de compras). Esto indica que la
Utilidad de las plataformas de compras en línea no influye en la Evaluación de
Alternativas y el Reconocimiento de Intención, pero otros factores como la Facilidad
de Uso y la Confianza son más importantes para los compradores para obtener el
Reconocimiento de Intención usando plataformas de compras en línea. Luego de
haber sido reconocidos por el proceso de Reconocimiento de Intención, serán llevados
a influir en los procesos de compra y recompra. Por lo tanto, este modelo propuesto se
puede aplicar para evaluar los comportamientos de los usuarios de compras en línea
utilizando plataformas de comercio electrónico: comercio electrónico, comercio móvil y comercio elec
comercio.
Según los resultados, Confianza y Facilidad de Uso son las percepciones más
importantes; por lo tanto, las plataformas de compras en línea mantienen la confianza
al aumentar la seguridad del sistema y mejorar la experiencia del usuario para que
sean más fáciles de usar. Además, la calidad de la plataforma en línea, es decir, la
precisión de los detalles del producto y la cobertura de las variaciones del producto,
también es importante debido a la intención y elección directa de la plataforma de
compras en línea. El propósito de esta investigación es estudiar el DMP con TAM (Davis et al., 1989
Machine Translated by Google

T. Petcharat, A. Leelasantitham Heliyon 7 (2021) e08169

Tabla 10. El DMP práctico de compra en línea con un reconocimiento de intención adicional en varias plataformas de comercio electrónico en Tailandia.

Plataformas (tipos de comercio electrónico) Práctica compra online DMP

(1) (2) (3) (4*) (5) (6)

Necesidad/quiero reconocimiento Información Evaluación de Intención Compra Compra posterior
Búsqueda alternativas Reconocimiento

Facebook (comercio S) ÿ ÿ ÿ ÿ ÿ ÿ
Fotos, búsqueda en facebook Facebook Messenger Facebook Facebook Reseña en Facebook
Videos, Noticias y Virales de Mensajero Mensajero Página de fans

celebridades

Shopee/Lazada (comercio electrónico y móvil) ÿ ÿ ÿ ÿ ÿ ÿ

Fotos, Búsqueda Menú Carrito de compras Compra Función de recompra
Videos, Juego y Promoción

Agarrar/Panda de comida/Hombre de línea (M ÿ ÿ ÿ ÿ ÿ función de recompra,

Comercio) Imágenes y Promoción Búsqueda Menú Carrito de compras Compra Favorito

Comprender el comportamiento de los usuarios en línea es cuando compran productos o servicios, así interpretó los datos; Reactivos, materiales, herramientas de análisis o datos aportados; Escribió el
como antes de decidir comprar un producto o servicio, por lo que se utilizan factores sensoriales para papel.
explicar el proceso de búsqueda de productos o servicios (Hsu et al., 2015). Nos permitirá utilizar los
resultados de esta investigación para desarrollar un sistema que permita a los usuarios comprar Declaración de financiación
productos o servicios durante el uso del sistema en el futuro. También resultó en el descubrimiento de
un proceso previo a la compra denominado “Reconocimiento de Intención” además del sentimiento Esta investigación no recibió ninguna subvención específica de agencias de financiación en los
(Percibido) entre los cuatro factores estudiados en esta investigación que inciden en diversos procesos sectores público, comercial o sin fines de lucro.
en el proceso de decisión de compra de un producto o servicio.

Declaración de disponibilidad de datos

Los datos estarán disponibles a petición.

7.2. Limitaciones y trabajo futuro

Declaración de declaración de intereses

El presente estudio tiene algunas limitaciones que se señalan a continuación: 1) Debido al
pequeño tamaño de la muestra en este estudio, los resultados pueden no ser generalizables a otros Los autores declaran no tener conflicto de intereses.
contextos. En el futuro, puede examinar y especificar más cómo el uso de detalles para diferentes
plataformas de comercio en línea afecta las decisiones de compra en línea porque el tamaño de la
Información Adicional
muestra grande y diversa puede producir resultados diferentes. Además, se puede examinar cómo el
rendimiento de las diferentes plataformas en línea y los usuarios en línea de diversos orígenes afectan
Se ha publicado contenido complementario relacionado con este artículo.
las decisiones de compra en línea. 2)
en línea en https://doi.org/10.1016/j.heliyon.2021.e08169.

Este estudio recopila datos directamente de los usuarios del sistema de comercio en línea.
Agradecimientos
Por lo tanto, obtiene información que muestra los resultados utilizados únicamente para la situación
actual. Se puede describir con más detalle la falta de análisis o consideración junto con el
Nos gustaría agradecer a Fatemeh Rajabnejad Namaghi por la edición en inglés.
comportamiento antes de abrir o construir un sistema o una plataforma para vender productos o
servicios en línea. Futuras investigaciones podrían estudiar el comportamiento antes de configurar el
sistema. Es un estudio a largo plazo que permite al sector empresarial considerar con más detalle los
Referencias
factores que influyen en la decisión de comprar productos o servicios en línea. 3)

Abrah~ao, RdS, Moriguchi, SN, Andrade, DF, 2016. Intención de adopción del pago móvil: un análisis a la luz
Esta investigación ha propuesto estudiar únicamente cuatro factores percibidos: utilidad, facilidad de de la Teoría Unificada de Aceptación y Uso de la Tecnología (UTAUT). RAI Revista de Administraç~ao e
uso, confianza y calidad. Otros factores percibidos interesantes se pueden utilizar para estudiar los Inovaç~ao 13 (3), 221–230.

comportamientos que afectan la decisión de comprar productos o servicios en línea. Se puede realizar
un estudio más detallado de los factores percibidos, como el estudio de los prejuicios en la situación
actual. Además, el DMP se puede aplicar para estudiar el comportamiento del consumidor en la compra
de bienes o servicios mediante el uso de otras tecnologías que pueden ayudar a evaluar las decisiones
de compra. Esto incluye la continuación de las percepciones del primer proceso que es un factor de
emociones tanto positivas como negativas, así como a través del DMP. La continuidad del estado de
ánimo del cliente que conduce al proceso de posventa es otra área potencial para futuras
investigaciones. Además, las plataformas prácticas en el futuro deben desarrollarse para estudiar y
planificar la separación de las plataformas de comercio electrónico, es decir, comercio electrónico,
comercio móvil y comercio electrónico.
Declaraciones
Declaración de contribución del autor
Thanatchaphan Petcharat y Adisorn Leelasantitham: concibieron y diseñaron los experimentos;
Realizó los experimentos; Analizado y
Agrebi, S., Jallais, J., 2015. Explicar la intención de usar teléfonos inteligentes para compras móviles.
J. Venta al por menor. consumo serv. 22, 16–23.
Ajzen, I., 1991. La teoría del comportamiento planificado. Organo. Comportamiento Tararear. Decir Proceso. 50
(2), 179–211.
Alalwan, AA, Dwivedi, YK, Rana, NP, 2017. Factores que influyen en la adopción de la banca móvil por parte
de los clientes de bancos jordanos: extender UTAUT2 con confianza. En t. J.Inf.
Administrar 37 (3), 99–110.
Amoroso, D., Lim, R., 2017. Los efectos mediadores del hábito sobre la intención de continuidad. En t.
J.Inf. Administrar 37 (6), 693–702.
Anderson, RE, Black, WC, Hair, JF, Tatham, RL, 1998. Análisis de datos multivariados.
Prentice Hall, Londres.
Anol, B., Moez, L., Christy, MKC, 2012. Cambio de usuario de la tecnología de la información: una síntesis
teórica y una prueba empírica. información Administrar 49 (7–8), P327–333.
Casado-Aranda, L.-A., Dimoka, A., S anchez- Fernandez, J., 2019. Procesamiento del consumidor de señales de
confianza en línea: un estudio de neuroimagen. J. Interactuar. Mercado. 47, 159–180.
Chen, Y., Yan, X., Fan, W., Gordon, M., 2015. El papel moderador conjunto de la confianza
propensión y género en el comportamiento de compra en línea de los consumidores. computar Tararear.
Comportamiento 43, 272–283.
Chen, A., Lu, Y., Wang, B., 2017. Proceso de toma de decisiones de compra de los clientes en el comercio
social: una perspectiva de aprendizaje social. En t. J.Inf. Administrar 37 (6), 627–638.
Centre for Retail Research, Collaborative (Group), 2019. En línea: Reino Unido, Europa y N.
Estimaciones América 2020. El Centro de Investigación del Comercio Minorista (CRR). Obtenido de:
http://www.retailresearch.org/onlineretailing.php.
Chen, Y.-M., Hsu, T.-H., Lu, Y.-J., 2018. Impacto del flujo en la intención de compra móvil.
J. Venta al por menor. consumo serv. 41, 281–287.

dieciséis
Machine Translated by Google
T. Petcharat, A. Leelasantitham
Chi, T., 2018. Comprender la adopción del comercio móvil de ropa por parte de los consumidores chinos: una
enfoque TAM extendido. J. Venta al por menor. consumo serv. 44, 274–284.
Chin, WW, 1998. El enfoque de mínimos cuadrados parciales para el modelado de ecuaciones estructurales.
Métodos modernos para la investigación empresarial. Lawrence Erlbaum Associates, Mahwah, Nueva Jersey,
págs. 295–336.
Chin, WW, 1998. Comentario: cuestiones y opiniones sobre el modelado de ecuaciones estructurales. MIS P. 22 (1),
vii–xvi.
Chong, AY-L., 2013. Un enfoque de red neuronal SEM en dos etapas para comprender y predecir los determinantes
de la adopción del comercio móvil. Sistema experto aplicación 40 (4), 1240–1247.
Chong, AY-L., Chan, FTS, Ooi, K.-B., 2012. Predecir las decisiones de los consumidores para adoptar
comercio móvil: examen empírico entre países entre China y Malasia.
Decir Supl. sist. 53 (1), 34–43.
Chou, YHD, Li, TYD, Ho, CTB, 2018. Factores que influyen en la adopción del comercio móvil en Taiwán. En t. J.
Móvil Comun. 16 (2), 117–134.
Cochran, WG, 1953. Técnicas de muestreo. Nueva York. Soc. Fuerza 32 (3), 304–305.
Cui, Y., Mou, J., Cohen, J., Liu, Y., Kurcz, K., 2020. Comprender las intenciones del consumidor hacia el uso del
comercio móvil transfronterizo: una distancia psicológica y una perspectiva de confianza en el compromiso.
Electrón. Comer. Res. aplicación 39, 100920.
Dakduk, S., Santalla-Banderali, Z., Siqueira, JR, 2020. Aceptación del comercio móvil en consumidores de bajos
ingresos: evidencia de una economía emergente. Heliyon 6 (11), e05451.
Darley, WK, Blankson, C., Luethge, DJ, 2010. Hacia un marco integrado para
Comportamiento del consumidor en línea y proceso de toma de decisiones: una revisión. psicol. Mercado. 27
(2), 94–116.
Davis, FD, Bagozzi, RP, Warshaw, PR, 1989. Aceptación del usuario de la tecnología informática: una comparación
de dos modelos teóricos. Administrar ciencia 35 (8), 982–1003.
DeLone, WH, McLean, ER, 2003. El modelo de éxito de los sistemas de información de Delone y McLean: una
actualización de diez años. Gerente J. información sist. 19 (4), 9–30 C.
Deng, Z., Lu, Y., Wei, KK, Zhang, J., 2010. Comprender la satisfacción del cliente y
Lealtad: un estudio empírico de los mensajes instantáneos móviles en China. En t. J.Inf. Administrar 30 (4), 289–
300.
Doha, A., Ghasemaghaei, M., Hassanein, K., 2017. Paquetes sociales: un método novedoso para mejorar la
intención de los consumidores de comprar paquetes en línea. J. Consumo Minorista serv. 35, 106–117.
Driediger, F., Bhatiasevi, V., 2019. Compras de comestibles en línea en Tailandia: aceptación del consumidor y
comportamiento de uso. J. Consumo Minorista serv. 48, 224–237.
Engel, JF, Kollat, DT, Blackwell, RD, 1978. Consumer Behavior, tercera ed. seco,
Hinsdale, Illinois.
Engel, JF, Blackwell, RD, Miniard, PW, 1986. Consumer Behavior, quinta ed. seco,
Hinsdale, Illinois.
Faulds, DJ, Mangold, WG, Raju, PS, Valsalan, S., 2018. Las compras móviles
revolución: redefiniendo el proceso de decisión del consumidor. Autobús. Horiz. 61 (2), 323–338.
Fishbein, M., Ajzen, I., 1975. Creencia, actitud, intención y comportamiento: una introducción a la teoría y la
investigación. Lectura, Massachusetts; Don Molinos. Pub Addison-Wesley. Co, Ontario.
Fornell, C., Larcker, DF, 1981. Evaluación de modelos de ecuaciones estructurales con valores no observables
variables y error de medida. J. Mercado. Res. 18 (1), 39–50.
Gao, L., Waechter, KA, Bai, X., 2015. Comprender la intención de continuación de los consumidores hacia la compra
móvil: un marco teórico y un estudio empírico : un caso de China. computar Tararear. Comportamiento 53, 249–
262.
Gibreel, O., AlOtaibi, DA, Altmann, J., 2018. Desarrollo del comercio social en mercados emergentes. Electrón. Comer.
Res. aplicación 27, 152–162.
Google, Colaborativo, TEMASEK, Colaborativo, BAIN & COMPANY, Colaborativo,
2019. Deslice hacia arriba y hacia la derecha: la economía de Internet de $ 100 mil millones del sudeste asiático.
SEA Internet Economy Report 2019. e - Conomy SEA 2019. Obtenido de: https://www.blog.google/documents/47/
SEA_Internet_Economy_Report_2019.pdf .
Ha, S., Stoel, L., 2009. Aceptación de compras electrónicas del consumidor: antecedentes en una tecnología
modelo de aceptación. J. Autobús. Res. 62 (5), 565–571.
Hair, J., Hult, GTM, Ringle, C., Sarstedt, M., 2016. Introducción al modelado de ecuaciones estructurales por mínimos
cuadrados parciales (PLS-SEM), 2.ª ed. Publicaciones Sage, California, CA.
Hajiheydari, N., Ashkani, M., 2018. Comportamiento de los usuarios de aplicaciones móviles en el desarrollo
países: una encuesta en Irán. información sist. 77, 22–33.
Hajli, N., 2015. Construcciones de comercio social e intención de compra del consumidor. En t. J.Inf.
Administrar 35 (2015), 183–191.
Hajli, N., Sims, J., Zadeh H., A., Richard, M., 2017. Una investigación de comercio social sobre el papel de la confianza en
un sitio de redes sociales en las intenciones de compra. J. Autobús. Res. 71, 133–141.
Henseler, J., Hubona, G., Ray A., P., 2016. Uso del modelo de ruta PLS en la investigación de nuevas tecnologías: pautas
actualizadas. Gerente Ind. Sistema de datos 116 (1), 2–20.
Hsiao, C.-H, Chang, J.-J., Tang, K.-Y., 2016. Explorando los factores influyentes en
uso continuado de aplicaciones sociales móviles: perspectivas de satisfacción, hábito y valor del cliente .
telemático. información 33 (2), 342–355.
Hsu, C.-L., Lin, JC-C., 2015. ¿Qué impulsa la intención de compra de las aplicaciones móviles de pago? – un modelo
de confirmación de expectativas con valor percibido. Electrón. Comer. Res. aplicación
14 (2015), 46–57. Taiwán.
Hu, L.-T., Bentler, P., 1999. Criterios de corte para índices de ajuste en análisis de estructura de covarianza: criterios
convencionales frente a nuevas alternativas. Estructura. Equ. Modelo.: Un Multidiscipl. J. 6 (1), págs. 1–55.
Huang, Z., Benyoucef, M., 2017. Los efectos del diseño del comercio social en el consumidor
toma de decisiones de compra: un estudio empírico. Electrón. Comer. Res. aplicación 25, 40–58.
Jattamart, A., Leelasantitham, A., 2019. La influencia del estilo de vida en las redes sociales
intervenciones sobre el comportamiento de salud: un estudio en pacientes con trastornos depresivos
mayores y cuidadores familiares. Publicación abierta Salud J. 12, 387–405.
Jattamart, A., Leelasantitham, A., 2020. Perspectivas del uso de las redes sociales por parte de pacientes y cuidadores
deprimidos que afectan el cambio del comportamiento de salud de los pacientes en términos de información y riesgos
de privacidad percibidos. Heliyon 6 (6), e04244.
17
Heliyon 7 (2021) e08169
Joreskog, KG, Sorbom, D., 1993. Lisrel 8: modelado de ecuaciones estructuradas con el lenguaje de comandos
SIMPLIS. cientifico Int. de software
Karimi, S., Papamichail, KN, Holland, CP, 2015. El efecto del conocimiento previo y
estilo de toma de decisiones en el proceso de toma de decisiones de compra en línea: una tipología del
comportamiento de compra del consumidor. Decir Supl. sist. 77, 137–147.
Karimi, S., Holland, CP, Papamichail, KN, 2018. El impacto de los arquetipos del consumidor en los procesos y
resultados de toma de decisiones de compra en línea: una perspectiva del proceso de comportamiento. J.
Autobús. Res. 91, 71–82.
Keenan, Michael, shopifyplus, 2019. Estadísticas y tendencias globales de comercio electrónico para lanzar su
negocio más allá de las fronteras. Comercio electrónico global shopify.com Obtenido de. https://www.shopify.com/
enterprise/global-ecommerce-statistics .
Kemp, Simon, 2020. DIGITAL 2020: TAILANDIA. Recuperado de.
https://datareportal.com/reports/digital-2020-thailand?rq¼thailand Davis.
Kim, S., Park, H., 2013. Efectos de varias características del comercio social (s
comercio) sobre la confianza de los consumidores y el desempeño de la confianza. En t. J.Inf. Administrar 33 (2),
318–332.
Kim, DJ, Ferrin, DL, Rao, HR, 2008. Un modelo de toma de decisiones del consumidor basado en la confianza en el
comercio electrónico: el papel de la confianza, el riesgo percibido y sus antecedentes. Decir
Supl. sist. 44 (2), 544–564.
Kim, C., Mirusmonov, M., Lee, I., 2010. Un examen empírico de los factores que influyen en la intención de utilizar el
pago móvil. computar Tararear. Comportamiento 26 (3), 310–322.
Kock, N., Lynn, G., 2012. Colinealidad lateral y resultados engañosos en SEM basado en varianza: una ilustración
y recomendaciones. J. Asociado. información sist. En línea 13 (7), 546–580.
Kotler, P., Armstrong, G., 2012. Principios de marketing. Prentice-Hall, Tela.
Kremez, Z., Frazer, L., Thaichon, P., 2019. Los efectos del comercio electrónico en las franquicias: implicaciones
prácticas y modelos. Australas. Mercado J. 27 (3), P158-168.
Law, M., Kwok, RC-W., Ng, M., 2016. Un modelo extendido de intención de compra en línea para
Usuarios en línea de mediana edad. Electrón. Comer. Res. aplicación
Lee, M.-C., 2009. Factores que influyen en la adopción de la banca por Internet: una integración de TAM y TPB con
riesgo percibido y beneficio percibido. Electrón. Comer. Res.
aplicación 8 (3), 130–141.
Lee, W.-I., Cheng, S.-Y., Shih, Y.-T., 2017. Efectos entre los atributos del producto, la participación, el boca a boca y
la intención de compra en las compras en línea. Asia Pac. Administrar Rev. 22 (4), 223–229.
Li, C.-Y., Ku, Y.-C., 2018. El poder de un pulgar hacia arriba: ¿Se cambiará el comercio electrónico a las redes sociales?
¿Comercio? Información y Gestión, Taichung, Taiwán.
Liang, T., Lai, H., 2002. Efecto del diseño de la tienda en las compras del consumidor: estudio empírico de van
de librería en línea. información Administrar 39, 431–444.
Liang, T.-P., Turban, E., 2011. Introducción al número especial, comercio social: una
marco de investigación para el comercio social. En t. J. Electron. Comer. 16 (2), 5–14.
Li ebana-Cabanillas, F., Marinkovi c, V., Kalini c, Z., 2017. Un enfoque de red neuronal SEM para predecir los
antecedentes de aceptación del comercio móvil. En t. J.Inf. Administrar 37 (2), 14–24.
Liu, F., Lai, K.-H., Wu, J., Duan, W., 2021. Escuchar reseñas en línea: una investigación de métodos mixtos sobre la
experiencia del cliente en la economía colaborativa. Decir Supl. sist. 149 (2021) 113609.
Lu, B., Fan, W., Zhou, M., 2016. Presencia social, confianza e intención de compra en el comercio social: una
investigación empírica. computar Tararear. Comportamiento 56, 225–237.
Mali, N., bigcommerce.com, 2021. Su inmersión profunda en el comercio móvil: datos, tendencias y lo que sigue en el
mundo de los ingresos minoristas móviles. INVESTIGACIÓN DE COMERCIO ELECTRÓNICO / PAGOS
bigcommerce Obtenido de. https://www.bigcommerce.com/blog/mobile-commerce 05062021.
Malik, A., Suresh, S., Sharma, S., 2017. Factores que influyen en la actitud de los consumidores hacia la adopción y
el uso continuo de aplicaciones móviles: un modelo conceptual. proc.
computar ciencia 122 (2017), 106–113. Procedia Informática 00 (2017) 000–000.
Marketing Group, M., 2020. Usuarios de Internet en el mundo por Geographics – 2020 Q3.
Grupo de marketing de minivatios. Obtenido de: https://www.internetworldstats.com/st ats.htm.
Martin, J., Mortimer, G., Andrews, L., 2015. Reexaminación de la experiencia del cliente en línea para incluir la frecuencia
de compra y el riesgo percibido. J. Venta al por menor. consumo serv. 25, 81–95.
Mehrad, D., Mohammadi, S., 2017. Impacto del boca a boca en la adopción de la banca móvil en Irán. telemático.
Informar. 34 (7), 1351–1363.
Meilatinova, N., 2021. Comercio social: factores que afectan la recompra del cliente y las intenciones de boca en boca. En
t. J.Inf. Administrar 57, 102300.
Millions, I., Statista Research Department, 2021. Número de usuarios de Facebook en Tailandia de 2017 a 2025. Social
Media & User-Generated Content statista Obtenido de: https://www.statista.com/statistics/490467/number-of -thailand-
facebook-users /#:&#x223C;:text¼In/2019/C/the/number/of,users/on/a/mensual/base.
Miraflor, Michael, 2020. ¿Sigue siendo de 18 a 34 años el grupo demográfico más codiciado? www.marketplace.org .
https://www.marketplace.org/2017/12/08/coveted-18-34-year-old-demo graphic/?fbclid¼IwAR0gsFTNUt-
jeWwYhe-1bXU1_YptFnYMPuO1FvnU V0S5Sm4FKogrjD6gCXE.
Natarajan, T., Balasubramanian, SA, Kasilingam, DL, 2017. Comprender el
intención de usar aplicaciones de compras móviles y su influencia en la sensibilidad al precio.
J. Venta al por menor. consumo serv. 37, 8–22.
Oliveira, T., Thomas, M., Baptista, G., Campos, F., 2016. Pago móvil: comprender los determinantes de la adopción
del cliente y la intención de recomendar la tecnología.
computar Tararear. Comportamiento 61, 404–414.
Osman, M., 2021. Estadísticas de comercio electrónico para 2021: chatbots, voz, marketing omnicanal. Kinsta.com
Obtenido de: https://kinsta.com/blog/ecommerce-statistics/#:&#x223C;:text¼And/C/th ose/ecommerce/sales/
opportunities,Dyear/rate/of/15/25 05062021 .
Ozkara, BY, Ozmen, M., Kim, JW, 2017. Examinando el efecto de la experiencia de flujo en la compra en línea: un
enfoque novedoso de la teoría del flujo basado en el valor hedónico y utilitario. J. Venta al por menor. consumo serv.
37 (2017), 119–131.
Machine Translated by Google
T. Petcharat, A. Leelasantitham
Parasuraman, A., Zeithaml, VA, Berry, LL, 1985. Un modelo conceptual de la calidad del servicio y sus implicaciones
para futuras investigaciones. J. Mercado. 49, 41–50.
Pascual-Miguel, FJ, Agudo-Peregrina, AF, Chaparro-Pel aez, J., 2015. Influencias de
género y tipo de producto en las compras en línea. J. Autobús. Res. 68 (2015), 1550-1556.
Peña-García, N., Gil-Saura, I., Rodríguez-Orejuela, A., Siqueira-Junior, JR, 2020.
Intención de compra y comportamiento de compra en línea: un enfoque transcultural. Heliyon 6 (6), e04284.
Pham, TSH, Ahammad, MF, 2017. Antecedentes y consecuencias del cliente en línea
satisfacción: una perspectiva holística del proceso. Tecnología Pronóstico. Soc. Cambio 124, 332–342.
Phaosathianphan, N., Leelasantitham, A., 2019. Comprender los factores de adopción
influencia en el uso del asistente de viaje inteligente (ITA) para ecoturistas: una extensión de la UTAUT. En t. J.
Innovación. Tecnología Administrar 16 (8), 1950060.
Phaosathianphan, N., Leelasantitham, A., 2020. Un ciclo de vida de viajero individual completo y gratuito para la
evaluación de la adopción del asistente de viaje inteligente. Heliyon 6 (2020), e04428.
Phaosathianphan, N., Leelasantitham, A., 2021. Una tecnología de viaje inteligente
modelo de evaluación de los impactos de destino de la adopción turística. Recorrido. Administrar Perspectiva.
40, 100882.
Ratchatanon, O., Sanlekanan, K., Klinsukon, C., Phu-ngam, J., Banco de Tailandia, 2019.
Impacto de los negocios de comercio electrónico en los empresarios locales. Banco de Tailandia, Tailandia,
págs. 1–28. https://www.bot.or.th/Thai/MonetaryPolicy/EconomicConditions/AAA/ECommerce_paper.pdf .
Ringle, CM, Wende, S., Becker, J.-M., 2015. SmartPLS 3. Boenningstedt. SmartPLS GmbH. http://
www.smartpls.com.
€
Ringle, CM, Wende, S., Becker, J.-M., 2015. SmartPLS 3. Bonningstedt: SmartPLS. smartpls.com. Recuperado
de. http://www.smartpls.com.
Rogers, Everett M., Shoemaker, Floyd F., 1971. Difusión de innovaciones. Comunicación de innovaciones: un enfoque
transcultural, segunda ed. Prensa libre, Nueva York.
Santarcangelo, V., Maria Farinella, G., Furnari, A., Battiato, S., 2018. Análisis de canasta de mercado a partir de
videos egocéntricos. Reconocimiento de patrones. Letón. 112, 83–90.
Sheikh, Z., Islam, T., Rana, S., Hameed, Z., Saeed, U., 2017. Aceptación del marco de comercio social en
Arabia Saudita. Telemática Inf. 34 (8), 1693–1708.
Simon, H., 1959. Teorías de la toma de decisiones en economía y ciencias del comportamiento. Soy.
economía Rev. 49 (3), 253–283.
Singh, N., Sinhab, N., Li ebana-Cabanillas, FJ, 2020. Factores determinantes en la
adopción y recomendación de servicios de billetera móvil en la India: análisis del efecto de la innovación,
el estrés de uso y la influencia social. En t. J.Inf. Administrar 50, 191–205.
Statista.com, 2020a. Número de descargas de aplicaciones móviles en todo el mundo de 2016 a 2019.
Obtenido de: https://www.statista.com/statistics/271644/worldwide-free-and-pa id-mobile-app-store-downloads/
Samuelson.
Statista.com, 2020b. Número de usuarios de teléfonos inteligentes en todo el mundo desde 2016 hasta 2021.
Obtenido de: https://www.statista.com/statistics/330695/number-of-smartphone-users-worldwide/ .
Sugla, S., Gupta, A., Bhargava, N., Bernstein, B., Gupta, V., Singh, S., et al.Markets and Markets, 2015. mobile-
applications-market. Mercados y Mercados.
18
Heliyon 7 (2021) e08169
Mercados y Mercados. Recuperado de. http://www.marketsandmarkets.com/PressRel ases/mobile-applications-
market.asp.
Sullivan, YW, Kim, DJ, 2018. Evaluación de los efectos de las evaluaciones de productos de los consumidores y la
confianza en la intención de recompra en entornos de comercio electrónico. International Journal of Information
Management, Nueva York, Reino Unido.
Tan, GW-H., Ooi, K.-B., Leong, L.-Y., Lin, B., 2014. Predicción de los impulsores de la intención conductual de usar el
aprendizaje móvil: un enfoque híbrido SEM-Neural Networks. computar
Tararear. Comportamiento 36, 198–213.
Tenenhaus, M., Vinzi, VE, Chatelin, Y.-M., Lauro, C., 2005. Modelado de rutas PLS. computar
Estadística Análisis de datos. 48 (1), 159–205.
Tran, LTT, 2020. Revisiones en línea e intención de compra: una perspectiva cosmopolita. Recorrido.
Administrar Perspectiva. 35, 100722.
Tuncer, I., 2021. La relación entre la disponibilidad de TI, la experiencia de flujo, la confianza y la intención de
comercio social: una exploración utilizando el paradigma SOR. Tecnología Soc. 65, 101567.
Venkatesh, V., Morris, MG, Davis, GB, Davis, FD, 2003. Aceptación del usuario de la tecnología de la
información: hacia una visión unificada. MIS P. 27 (3), 425–478.
Venkatesh, V., Thong, JYL, Xu, X., 2012. Aceptación y uso de la tecnología de la información por parte del consumidor:
extensión de la teoría unificada de aceptación y uso de la tecnología. MIS P. 36 (1). https://www.jstor.org/stable/
41410412.
Verkijika, SF, 2018. Factores que influyen en la adopción de aplicaciones de comercio móvil
en Camerún Telemática Inf.
Wang, J., Tao, J., Chu, M., 2020. Detrás de la etiqueta: la confianza de los consumidores chinos en los alimentos
certificación y el efecto de la calidad percibida en la intención de compra. Control de Alimentos 108 (2020),
106825.
Wearesocial, Digital, 2019. Se acelera el uso global de Internet, Simon Kemp, Obtenido de.
Somos Social Ltd. https://wearesocial.com/global-digital-report-2019.
Wearesocial, Digital, 2020. Se acelera el uso global de Internet, Simon Kemp, Obtenido de.
We Are Social Ltd. https://wearesocial.com/blog/2020/04/digital-around-the-world d-in-april-2020.
Wetzels, M., Odekerken-Schroder, G., van Oppen, C., 2009. Uso del modelo de ruta PLS para evaluar modelos de
construcción jerárquica: pautas e ilustración empírica. MIS P. 33, 177–195.
Yahia, I., Al-Neama, N., Kerbache, L., 2018. Investigación de los impulsores del comercio social en las plataformas
de redes sociales: importancia de la confianza, el apoyo social y el uso percibido de la plataforma. J. Venta
al por menor. consumo serv. 41, págs. 11–pág. 19.
Yang, K., 2012. Características de la tecnología del consumidor para determinar la adopción de compras móviles:
una aplicación de la teoría extendida del comportamiento planificado. J. Venta al por menor. consumo serv.
19 (5), 484–491.
Zhang, L., Zhu, J., Liu, Q., 2012. Un metanálisis de la adopción del comercio móvil y el efecto moderador de la
cultura. computar Tararear. Comportamiento 28 (5), 1902–1911.
Zhao, Y., Wang, L., Tang, H., Zhang, Y., 2020. El boca a boca electrónico y las intenciones de compra del
consumidor en el comercio electrónico social. Electrón. Comer. Res. aplicación 41, 100980.