BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Nguyen Ngoc My Hang (CBRE Corporate Outsourcing, Warsaw, Poland,), Borusiak Barbara (Poznan University of Economics and Business, Poland)
Tytuł
Using UTAUT2 Model to Examine the Determinants of Omnichannel Technology Acceptance by Consumers
Badanie determinant akceptacji technologii omnichannelingu przez konsumentów z wykorzystaniem Modelu UTAUT2
Źródło
LogForum, 2021, vol. 17, nr 2, s. 231-241, rys., tab., wykr., bibliogr. 42 poz.
Słowa kluczowe
Badania konsumenckie, Konsument, Zakupy online
Consumer research, Consumer, Online shopping
Uwagi
summ., streszcz.
Abstrakt
Wstęp: W pracy przedstawiono problem akceptacji technologii omnichannelingu przez konsumentów w procesie dokonywania zakupów. Technologia omnichannelingu jest innowacyjnym rozwiązaniem stosowanym przez detalistów wykorzystujących zarówno stacjonarne, jak i internetowe formaty handlu, polegającym na integracji kanałów sprzedaży. Jest to rozwiązanie kosztowne oraz złożone operacyjnie, stąd konieczność zbadania skłonności nabywców do jej akceptacji. Celem artykułu jest zbadanie uwarunkowań zarówno intencji przyjęcia technologii omnichannel przez konsumentów, jak i jej wykorzystania w zachowaniach zakupowych zgodnie z przyjętym modelem UTAUT2. Metody: W pracy zastosowano hipotetyczno-dedukcyjną metodę naukową. Na podstawie modelu UTAUT2 zostały sformułowane hipotezy dotyczące rodzaju i siły oddziaływania zmiennych latentnych, do weryfikacji których zastosowano konfirmacyjną analizę czynnikową. Pozwoliła ona wskazać determinanty i określić siłę ich wpływu zarówno na intencję akceptacji technologii omnichannelingu w procesie zakupu, jak i jej użycie. Wyniki: Dane do analizy pozyskano od 280 respondentów metodą CAWI. Następnie zweryfikowano czynniki przy pomocy eksploracyjnej analizy czynnikowej. Do zbadania determinant (i siły ich wpływu) intencji akceptacji technologii oraz jej zastosowania w procesie zakupu zastosowano konfirmacyjną analizę czynnikową. Wnioski: Przeprowadzone badanie wskazało osobistą innowacyjność jako najsilniejszy predyktor zamiaru zakupu, któremu towarzyszy wpływ społeczny i oczekiwana wydajność. Zaobserwowano także, że postrzegane ryzyko i motywacja hedoniczna były nieistotne w tym badaniu. Odkryto, że nawyk jest wiarygodnym wskaźnikiem zarówno intencji akceptacji technologii omnichannelingu w procesie zakupu, jak i zachowań związanych z wykorzystywaniem tej technologii, podczas gdy warunki ułatwiające okazały się mieć związek tylko z wykorzystywaniem technologii omnichannelingu.(abstrakt oryginalny)

Background: The paper presents the problem of omnichanneling technology acceptance by consumers in the purchasing process. The omnichanneling technology is an innovative solution used by retailers operating both brick&mortar and online retail formats, consisting in the integration of sales channels which aims to deliver a seamless customer experience regardless of the channel. It is an expensive and operationally complex solution, hence the need to test customer willingness to accept it. The objective of the article is to examine the determinants of both the intentions of acceptance the omnichannel technology by consumers and its use in purchasing behavior in accordance with the adopted UTAUT2 model. Methods: The work uses a hypothetical-deductive scientific method. Based on the UTAUT2 model, hypotheses were formulated regarding the type and strength of the latent variables impact on intention to accept technology and technology acceptance. Results: Data were collected from 280 respondents using CAWI method. Then, the factors were verified by exploratory factor analysis. Confirmatory factor analysis was used to examine the determinants (and the strength of their impact) of the intention to accept the technology and its use in the purchasing process. Conclusions: The research identified personal innovatinveness as the strongest predictor of omnichannel purchase intention, accompanied by social impact and expected performance. It was also found that perceived risk and hedonic motivation were not relevant in this study. The habit was proved to be a reliable indicator of both the intention to accept omnichanneling technology in the purchasing process and the behaviour associated with using the technology, while the facilitating conditions turned out to be related only to the use of omnichanneling technology.(original abstract)
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Bloomberg J., 2014,. Retrieved 5 10, 2019, from Forbes: https://www.forbes.com/sites/jasonbloombe rg/2014/09/30/omnichannel-more-than-adigital- transformation-buzzword/
  2. Brown S.A., Venkatesh V., 2005. Model of adoption and technology in households: a baseline model test and extension incurporating household life cycle. MIS Q. , 29, 399-436. http://doi.org/10.2307/25148690
  3. Byrne B., 1998. Structural Equation Modeling with LISREL, PRELIS and SIMPLIS: Basic Concepts, Applications and Programming. Mahwah. New Jersey: Lawrence Erlbaum Associates.
  4. Chang H., Chen S., 2009. Consumer perception of interface quality, security and loyalty in electronic com- merce. Information & Management, 46(7), 411-417. http://doi.org/10.1016/j.im.2009.08.002
  5. Childers T.L., Carr C.L., Peck J., Carson S., 2001. Hedonic and utilitarian motivations for online retail shopping behavior. Journal of Retailing, 77(4), 511-535. http://doi.org/10.1016/s0022- 4359(01)00056-2
  6. Cook G., 2014. Customer experience in the omni-channel world and the challenges and opportunities this presents. Journal of Direct, Data and Digital Marketing Practice, 15(4), 262-266. http://doi.org/10.1057/dddmp.2014.16
  7. Cunningham S.M., 1967. The major dimensions of perceived risk, in Cox, D.F. (Ed). Risk taking and information handling in consumer behavior, 82-108.
  8. Davis F.D., 1989. Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly, 13(3), 319-340. http://doi.org/10.2307/249008
  9. Davis F.D., Bagozzi R.P., Warshaw P.R., 1989. User Acceptance of Computer Technology: A Comparison of Two Theoretical Models. Management Science, 35(8), 982-1003. http://doi.org/10.1287/mnsc.35.8.982
  10. Escobar-Rodríguez T., Carvajal-Trujillo E., 2014. Online purchasing tickets for low cost carriers: An application of the unified theory of acceptance and use of technology (UTAUT) model. Tourism Management, 43, 70-88. http://doi.org/10.1016/j.tourman.2014.01.01 7
  11. Field A., 2009. Discovering statistics using SPSS. London: SAGE.
  12. Forsythe S., Liu C., Shannon D., Gardner L.C., 2006. Development of a scale to measure the perceived benefits and risks of online shopping. Journal of Interactive Marketing, 20(2), 55-75. http://doi.org/10.1002/dir.20061
  13. George D., Mallery P., 2010. SPSS for Windows Step by Step: A Simple Guide and Reference 17.0 (10th ed.). Boston: Pearson.
  14. Giesing I., 2003. User Perceptions Related To Identification Through Biometrics Within Electronic Business. South Africa: University of Pretoria.
  15. Herhausen D., Binder J., Schoegel M., Herrmann A., 2015. Integrating Bricks with Clicks: Retailer-Level and Channel-Level Outcomes of Online-Offline Channel Integration. Journal of Retailing, 91(2), 309-325. http://doi.org/10.1016/j.jretai.2014.12.009
  16. Hew J., Lee V., Ooi K.W., 2015. What catalyses mobile apps usage intention: an empirical analysis. Industrial Management & Data Systems, 115(7), 1269-1291. http://doi.org/10.1108/imds-01-2015-0028
  17. Januszewski A., 2011. Modele równań strukturalnych w metodologii badań psychologicznych. Problematyka przyczynowości w modelach strukturalnych i dopuszczalność modeli. [Models of structural equantions in methodology of psychological researches and acceptance of models]. Studia z Psychologii w KUL, 17, 213-245.
  18. Juaneda-Ayensa E., Mosquera A., Murillo Y., 2016. Omni-channel customer behavior: key drivers of technology acceptance and use and their effects on purchase intention. Frontiers in Psychology, 7(1117), 1-11. http://doi.org/10.3389/fpsyg.2016.01117
  19. Kang S.M., Waller N.G., 2005. Moderated multiple regression, spurious interaction effects, and IRT. Applied Psychological Measurement, 29(2), 87-105. http://doi.org/10.1177/0146621604272737
  20. Kazancoglu I., Aydin H., 2018. An investigation of consumers' purchase intentions towards omni-channel shopping. International Journal of Retail & Distribution Management, 46(10), 959-976. http://doi.org/10.1108/ijrdm-04-2018-0074
  21. Kim J., Forsythe S., 2007. Hedonic usage of product virtualization technologies in online apparel shopping. Int. J. Retail Distrib. Manage, 35, 502-514. http://doi.org/10.1108/09590550710750368
  22. Lai J.Y., Debbarma S., Ulhas K.R., 2012. An empirical study of consumer switching behaviour towards mobile shopping: a Push-Pull-Mooring model. International Journal of Mobile Communications, 10(4), 386-404. http://doi.org/10.1504/ijmc.2012.048137
  23. Limayem M., Hirt S.G., Cheung C.M., 2007. How habit limits the predictive power of intention: the case of information systems continuance. MIS Q, 31, 705-737. http://doi.org/10.2307/25148817
  24. Lu J., Yao J.E., Yu C., 2005. Personal innovativeness, social influences and adoption of wireless Internet services via mobile technology. The Journal of Strategic Information Systems, 14(3), 245-268. http://doi.org/10.1016/j.jsis.2005.07.003
  25. Memory A., 1999. Remembering what happened: Memory errors and survey reports. The science of self- report: Implications for research and practice.
  26. Midgley D., Dowling G., 1978. Innovativeness: The Concept and Its Measurement. Journal of Consumer Research, 4, 229-242. http://doi.org/10.1086/208701
  27. Moore G.C., Benbasat I., 1991. Development of an Instrument to Measure the Perceptions of Adopting an Information Technology Innovation. Information Systems Research, 2(3), 192-222. http://doi.org/10.1287/isre.2.3.192
  28. Morgan G., Leech N., Gloeckner G., Barrett K., 2013. IBM SPSS for Introductory Statistics: Use and Interpretation (5th ed.). NewYork: Routledge.
  29. Pantano E., Viassone M., 2015. Engaging consumers on new integrated multichannel retail settings: Challenges for retailers. Journal of Retailing and Consumer Services, 25, 106-114. http://doi.org/10.1016/j.jretconser.2015.04. 003
  30. Pascual-Miguel F.J., Agudo-Peregrina Á.F., Chaparro-Peláez J., 2015. Influences of gender and product type on online purchasing. Journal of Business Research, 68(7), 1550-1556. http://doi.org/10.1016/j.jbusres.2015.01.050
  31. Pedotto K., Chen V., 2016. 2016 US Mobile App Report. Comscore.
  32. Piotrowicz W., Cuthbertson R., 2014. Introduction to the Special Issue Information Technology in Retail: Toward Omnichannel Retailing. International Journal of Electronic Commerce, 18(4), 5-16. http://doi.org/10.2753/jec1086-4415180400
  33. Rigby D.K., 2011. The Future of Shopping. Harvard Business Review, 89, 65-76.^""
  34. Rippé C.B., Weisfeld-Spolter S., Yurova Y., Sussan F., 2015. Is there a global multichannel consumer? International Marketing Review, 32(3/4), 329-349. http://doi.org/10.1108/IMR-10-2013-0225
  35. Rogers E.M., 2010. Diffusion of Innovations (4th ed.). NY: Simon and Schuster.
  36. San Martín H., Herrero A., 2012. Influence of the user's psychological factors on the online purchase intention in rural tourism: integrating innovativeness to the UTAUT framework. Tourism Management, 33, 341-350. http://doi.org/10.1016/j.tourman.2011.04.00 3
  37. Schlager T., Maas P., 2013. Fitting International Segmentation for Emerging Markets: Conceptual Development and Empirical Illustration. Journal of International Marketing, 21(2), 39-61. http://doi.org/10.1509/jim.12.0066
  38. Trojanowski M., Kułak J., 2017. The Impact of Moderators and Trust on Consumer's Intention to Use a Mobile Phone for Purchases. Journal of Management and Business Administration, 25(2), 91-116. http://doi.org/10.7206/jmba.ce.2450- 7814.197
  39. Venkatesh V., Morris M.G., Davis G.B., Davis F.D., 2003. User Acceptance of Information Technology: Toward a Unified View. MIS Quarterly, 27(3), 425-478. http://doi.org/10.2307/30036540
  40. Venkatesh V., Thong J.Y., Xu X., 2012. Consumer Acceptance and Use of Information Technology: Extending the Unified Theory of Acceptance and Use of Technology. MIS Quarterly, 36(1), 157- 178. http://doi.org/10.2307/41410412
  41. Verhoef P.C., Kannan P., Inman J.J., 2015. From Multi-Channel Retailing to Omni- Channel Retailing. Journal of Retailing, 91(2), 174-181. http://doi.org/10.1016/j.jretai.2015.02.005
  42. Yurova Y., Rippé C.B., Weisfeld-Spolter S., Sussan F., Arndt A., 2017. Not all adaptive selling to omni-consumers is influential: The moderating effect of product type. Journal of Retailing and Consumer Services, 34, 271-277. http://doi.org/10.1016/j.jretconser.2016.01. 009
Cytowane przez
Pokaż
ISSN
1895-2038
Język
eng
URI / DOI
http://dx.doi.org/10.17270/J.LOG.2021.580
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu