osobista innowacyjność w dziedzinie it a wirtualizacja zachowań konsumenta

Osobista innowacyjność

w dziedzinie technologii informacyjnych

a wirtualizacja zachowań konsumenta

dr hab. Radosław Mącik

www.umcs.plMarket Info 2014, Gdańsk, 4-5 grudnia 2014

Osobista innowacyjność w dziedzinie technologii informacyjnych a wirtualizacja zachowań konsumenta

e: [email protected] slideshare: rmacik

Agenda

Wprowadzenie

Nota metodologiczna

PIIT i jej pomiar

Efekty przywiązania do kanału i jego zmiany

Efekty ROPO i reverse ROPO

Wpływ wybranych czynników na częstość zachowań zgodnych

z ROPO i reverse ROPO

Wpływ wybranych czynników na częstość korzystania

z internetowych pomocy zakupowych

Podsumowanie

Wybrana literatura

2



Wprowadzenie

Wzrost nasycenia gospodarki technologiami informacyjnymi sprzyja wirtualizacji procesów gospodarczych po stronie przedsiębiorstw (Mazurek, 2012) i po stronie konsumenta (Mącik, 2013).

Konsumenci obok korzystania z wirtualnego kanału sprzedaży, angażują się w procesy zakupowe o charakterze wielokanałowym, gdzie kanały fizyczny i wirtualny przenikają się nawzajem, zwykle wieloetapowo.

Tradycyjnie wskazywane czynniki zróżnicowania poziomu korzystania z ICT przez konsumentów to cechy demograficzne: wiek, dochód rozporządzalny itp. (rzadko płeć).

Moim zdaniem, należy jednak w większym stopniu uwzględnić zmienne psychograficzne, w tym konstrukt osobistej innowacyjności w dziedzinie technologii informacyjnych (PIIT).

Zmienne tego typu powinny moderować zależności między zakresem i częstością wybranych zachowań konsumpcyjnych a cechami demograficznymi konsumenta.

3



Nota metodologiczna

Cel: analiza bezpośredniego i pośredniego wpływu poziomu PIIT konsumenta na intensywność jego wybranych zachowań zakupowych w środowisku wielokanałowym.

Metoda: ankieta internetowa (CAWI).

Próba: n=1701, kwotowa o strukturze odpowiadającej populacji użytkowników internetu w Polsce w 2011 r. według Diagnozy Społecznej 2011 ze względu na wiek i płeć (Batorski, 2011).

Struktura próby:

– Płeć: Kobiety – 53,2% próby, mężczyźni – 46,8%.

– Wiek: 19,1% – 16-24 lata, 23,8% – 25-34 lata, 21,5% – 35-44 lata, 27,1% –45-59 lat, a 8,5% – 60 lat lub więcej.

Realizacja badania: grudzień 2012/styczeń 2013

Finansowanie badań: grant habilitacyjny NCN nr N N112 375540.

4



Osobista innowacyjność w zakresie technologii informacyjnych (PIIT) Zgodnie modelem akceptacji technologii (TAM) przekonania, w tym

przekonania normatywne, oddziałują na postawy wobec IT i wpływają na

poziom ich akceptacji bądź odrzucenie.

Prostym konstruktem opisującym ogólną postawę wobec innowacji w

zakresie technologii informacyjnych jest osobista innowacyjność w

dziedzinie technologii informacyjnych (PIIT – Personal Innovativeness in the

domain of IT), definiowana jako „indywidualna skłonność do wypróbowania

nowych technologii informacyjnych” (Agarwal i Prasad, 1998, s. 206).

Osoby o wysokiej PIIT będą chętniej i wcześniej próbowały pozyskać i

wykorzystać nowe technologie informacyjne, a późniejsze korzystanie z nich

będzie dla nich łatwiejsze. Otwartość na doświadczenie oraz opór wobec

zmian są jednymi z lepszych zmiennych objaśniających PIIT (Nov i Ye, 2008).

PIIT w istotny sposób wyjaśnia behawioralną intencję korzystania z IT (Agarwal i

Prasad, 1998; Yi, Fiedler i Park, 2006)

5



Pomiar PIIT

6

Lp. StwierdzeniaŁadunki

czynnikowe

Alfa

Cronbacha

1 Jeśli usłyszę o nowej technologii informacyjnej, będę szukać

sposobów aby ją wypróbować0,872

0,795

2 W moim otoczeniu jestem zazwyczaj pierwszy, jeśli chodzi o

wypróbowanie nowych technologii informacyjnych0,832

3 Ogólnie rzecz biorąc, trudno mi zdecydować się na

wypróbowanie nowych technologii informacyjnych (R)0,535

4 Lubię eksperymentować z nowymi technologiami

informacyjnymi0,891

x Wyjaśniana wariancja 63,3% x

Uwaga: (R) - stwierdzenie o odwrotnym kierunku skalowania, na potrzeby analiz odpowiedzi z niego

odwrócono zgodnie z kierunkiem skalowania pozostałych stwierdzeń.

Źródło: Badania własne.



Przywiązanie do kanału i zmiana kanału

Efekt przywiązania do kanału (channel lock-in) występuje gdy konsument, który poszukiwał informacji poprzez dany kanał kupuje produkt w tym samym kanale wirtualnym lub fizycznym (Joo i Park, 2008, s. 51).

Sytuacja zmiany kanału (channel change) występuje, gdy konsument, który szuka informacji poprzez kanał „A”, kupuje produkt w kanale „B” (Joo i Park, 2008, s. 51).

Zmiana kanału w trakcie procesu decyzyjnego jest efektem dostrzeżenia (racjonalnie lub emocjonalnie), że drugi kanał (np. „B”) posiada istotne zalety w sensie prawdopodobnych efektów procesu zakupowego, którą to wiedzę uzyskano dzięki informacji z pierwszego kanału (np. „A”).

7



Typy sytuacji zmiany kanału

W obrębie analizowanych kanałów istnieją dwie sytuacje

zmiany kanału (Mącik, 2013, s. 163):

– wykorzystanie kanału wirtualnego do poszukiwania informacji

(np. porównanie cen, znalezienie dostawcy), po którym ma

miejsce zakup w kanale fizycznym – jest to tzw. efekt ROPO

(Research Online – Purchase Offline),

– wykorzystanie kanału fizycznego do poszukiwania informacji

(np. udanie się do sklepu fizycznego i przymierzenie odzieży),

po którym następuje celowy zakup w kanale wirtualnym –

sytuacja taka to tzw. efekt odwrotny do ROPO (tzw. reverse

ROPO).

8



Przywiązanie do kanału a zmiana kanału zakupu

Kanał poszukiwania informacji:

Wirtualny Fizyczny

Kanał za

kup

u:

Wir

tualn

y

Internet głównym źródłem

informacji, zakup online,

Efekt przywiązania do kanału

Proces zakupowy wyłącznie w

kanale wirtualnym

Wpływ ICT na zakup decydujący

Decyzja oparta na informacjach

offline, zakup online,

Efekt odwrotny do ROPO (tzw.

reverse ROPO)

Zmiana kanału – zakupy

wielokanałowe

Wpływ ICT na zakup duży

Fizy

czny

Internet głównym źródłem

informacji, zakup offline,

Efekt ROPO

Zmiana kanału – zakupy

wielokanałowe

Wpływ ICT na zakup duży

Decyzja oparta na informacjach

offline, zakup offline,

Efekt przywiązania do kanału

Proces zakupowy wyłącznie w kanale

fizycznym

Wpływ ICT na zakup żaden/mały

9



Zachowania zgodne z efektami ROPO i reverseROPO w badaniach własnych Dotychczasowe badania efektu ROPO oraz efektu odwrotnego w

Polsce (Górecki, 2011; Piwowarczyk, 2011), informują tylko o skali wspomnianych zjawisk, w tym dla poszczególnych kategorii produktów.

W badaniach własnych odniesiono się do częstości powtarzania takich zachowań.

Respondentów pytano, w jakiej proporcji swoich zakupów w okresie ostatniego roku zmieniali kanał zakupu z online na offline lub odwrotnie.

W całej próbie więcej badanych wskazywało na zachowania typu ROPO niż odwrotne (73% badanych vs. ok. 57%). Zachowania zgodne z ROPO deklarowano także jako częściej powtarzane.

Deklarowana częstość zachowań zgodnych z efektem ROPO i odwrotnym nie zależy od płci respondenta, ale spada istotnie wraz z jego wiekiem.

10



Deklarowana częstość zachowań typu ROPO i odwrotnych w badaniach własnych

11

27.0

15.0

39.6

16.8

1.5

42.7

16.2

31.5

8.8

0.80.0

10.0

20.0

30.0

40.0

50.0

wcale tylko przy jednym

moim zakupie

przy niewielkiej

części moich

zakupów

przy dużej części

moich zakupów

przy każdym moim

zakupie

%

ROPO (1) efekt odwrotny (2)

Uwaga: przedstawiono strukturę odpowiedzi na następujące pytania:

1. Jak często w okresie ostatniego roku poszukiwał/a Pan/i informacji o produktach w Internecie, by w efekcie

dokonać zakupu w detalu konwencjonalnym? (efekt ROPO)

2. Jak często w okresie ostatniego roku poszukiwał/a Pan/i informacji o produktach w konwencjonalnych sklepach,

by w efekcie dokonać zakupu przez Internet? (efekt odwrotny do ROPO)

Źródło: Badania własne (n = 1701).



ROPO i reverse ROPO a kategorie produktów

12

Kategoria produktów

Zakup online Zakup offline

Decydujące

źródło informacji

- online

Decydujące


- offline

Decydujące


– online (ROPO)

Decydujące


- offline

Odzież/obuwie 2,4% 2,4% 1,7% 93,5%

Kosmetyki/środki do pielęgnacji 1,3% 2,2% 0,3% 96,2%

Książki 7,0% 6,9% 3,8% 82,3%

Zabawki 4,3% 3,1% 1,3% 91,2%

Meble/wyposażenie domu 4,7% 1,6% 6,3% 87,4%

Telefon komórkowy ew. z abonamentem 4,1% 4,7% 6,1% 85,0%

Małe AGD 5,1% 1,6% 1,2% 92,1%

Biżuteria, zegarki 4,3% 2,1% 2,2% 91,4%

Części samochodowe 9,0% 2,1% 1,7% 84,4%

Akcesoria samochodowe 4,2% 5,0% 0,6% 93,5%

Sprzęt sportowy/turystyczny 12,1% 1,7% 5,5% 78,1%

RTV 5,5% 1,9% 5,5% 87,1%

Duże AGD 6,7% 0,7% 3,3% 89,3%

Muzyka na CD/mp3 9,7% 8,1% 5,5% 76,7%

Film DVD/Blue-Ray 6,9% 6,1% 4,1% 82,9%

Podzespoły i akcesoria komputerowe 15,9% 7,1% 6,2% 70,7%

Oprogramowanie/gry komputerowe 15,5% 11,6% 6,9% 66,0%

Aparat fotograficzny lub kamera 8,1% 4,7% 11,1% 76,1%Źródło: Górecki (2011)



Wybrane czynniki wpływające na częstość zachowań zgodnych z efektem ROPO i odwrotnym W celu określenia w jaki sposób wybrane czynniki wpływają na

częstość pojawiania się efektu ROPO i efektu odwrotnego u

konkretnego konsumenta posłużono się analizą wariancji jednej

zmiennej (procedura UNIANOVA w SPSS).

Nie uwzględniono w analizie płci respondenta, jako nie

różnicującej częstości badanych zachowań.

Natomiast wzięto pod uwagę:

– 2 zmienne demograficzne:

• wiek respondenta,

• poziom dochodu na 1 osobę w gospodarstwie domowym.

– 1 zmienna psychograficzna:

• PIIT (osobista innowacyjność w zakresie technologii informacyjnych).

13



Częstość zachowań zgodnych z ROPO– testy efektów międzyobiektowych

14

ŹródłoTyp III sumy

kwadratówdf Średni kwadrat F Istotność

Model skorygowany 384,911a 59 6,524 6,562 ,000

Stała 3723,331 1 3723,331 3745,228 ,000

Efe

kty

głó

wne Wiek [1] 60,934 4 15,233 15,323 ,000

Dochód [2] 18,259 3 6,086 6,122 ,000

PIIT [3] 32,942 2 16,471 16,568 ,000

Inte

rakc

je [1] * [2] 9,451 12 ,788 ,792 ,659

[1] * [3] 30,372 8 3,796 3,819 ,000

[2] * [3] 4,377 6 ,729 ,734 ,622

[1] * [2] * [3] 23,301 24 ,971 ,977 ,495

Błąd 1366,961 1375 ,994 ND ND

Ogółem 10544,000 1435

Ogółem skorygowane 1751,872 1434

a. R2 = ,220 (Skorygowane R2 = ,186)

Uwaga: Efekty istotne pogrubiono.




Poziom PIIT a deklarowana częstość zachowań typu ROPO

15


Według grup wieku: Według poziomu dochodu:



Częstość zachowań zgodnych z reverse ROPO– testy efektów międzyobiektowych

16




Stała 2643,602 1 2643,602 2599,606 ,000

Efe

kty

głó

wne Wiek [1] 18,646 4 4,661 4,584 ,001

Dochód [2] 11,188 3 3,729 3,667 ,012

PIIT [3] 47,282 2 23,641 23,247 ,000

Inte

rakc

je [1] * [2] 21,294 12 1,774 1,745 ,053

[1] * [3] 11,480 8 1,435 1,411 ,187

[2] * [3] 5,479 6 ,913 ,898 ,495

[1] * [2] * [3] 19,217 24 ,801 ,787 ,756

Błąd 1398,270 1375 1,017 ND ND

Ogółem 7887,000 1435


a. R2 = ,162 (Skorygowane R2 = ,127)

Uwaga: Efekty istotne pogrubiono, efekty o poziomie istotności wskazującym na tendencję - pochylono




Poziom PIIT a deklarowana częstość zachowań typu reverse ROPO

17





Wybrane czynniki wpływające na częstość korzystania z internetowych pomocy zakupowych Za pomocą analizy wariancji jednej zmiennej określono wpływ wieku,

dochodu na 1 osobę oraz poziomu PIIT na częstość korzystania z

internetowych pomocy zakupowych.

Zmienną zależną była zmienna indeksowa obliczona poprzez uśrednienie

deklarowanej częstości korzystania z 12 wyodrębnionych typów

internetowych pomocy zakupowych, w tym tzw. pomocy interaktywnych, tj.:

– porównywarek cen,

– snajperów aukcyjnych,

– serwisów z opiniami o sprzedawcach i produktach,

– dodatkowych propozycji (rekomendacji) sklepu na bazie zakupów własnych lub innych,

– wewnętrznych reklam w sklepie internetowym,

– opinii o produktach/sprzedawcach na forach lub portalach społecznościowych,

– opinii o produktach/sprzedawcach umieszczanych w porównywarkach cen,

– opinii o sprzedawcach/komentarzy w serwisach aukcyjnych,

– innych usług omawianego typu.

18



Częstość korzystania z internetowych pomocy zakupowych – testy efektów międzyobiektowych

19




Stała 2980,824 1 2980,824 6743,743 ,000

Efe

kty

głó

wne Wiek [1] 7,032 4 1,758 3,977 ,003

Dochód [2] 1,579 3 ,526 1,191 ,312

PIIT [3] 14,108 2 7,054 15,959 ,000

Inte

rakc

je [1] * [2] 8,047 12 ,671 1,517 ,111

[1] * [3] 5,710 8 ,714 1,615 ,116

[2] * [3] 5,593 6 ,932 2,109 ,050

[1] * [2] * [3] 11,516 24 ,480 1,086 ,352

Błąd 607,768 1375 ,442 ND ND

Ogółem 7785,412 1435


a. R2 = ,122 (Skorygowane R2 = ,084)

Uwaga: Efekty istotne pogrubiono.




Poziom PIIT a deklarowana częstość korzystania z internetowych pomocy zakupowych

20





Podsumowanie

W artykule wykazano zarówno bezpośredni, jak i pośredni wpływ konstruktu osobistej innowacyjności w dziedzinie technologii informacyjnych (PIIT) na częstość wybranych zachowań konsumentów związanych z zachowaniami wielokanałowymi, w tym zmianę kanału zakupu z wirtualnego na fizyczny i odwrotnie w procesie decyzyjnym.

PIIT silniej niż zwykle rozważane zmienne demograficzne – wiek i poziom dochodu – warunkuje częstość zachowań opisywanych jako efekty ROPO/reverse ROPO oraz częstość korzystania z internetowych pomocy zakupowych. W analizach uzyskano również istotne interakcje między PIIT i wymienionymi czynnikami.

W efekcie dowiedziono, iż poziom PIIT wpływa na zachowania nabywcze w kanale wirtualnym.

21



Wybrana literatura Agarwal, R. i Prasad, J. (1998). A Conceptual and Operational Definition of Personal Innovativeness in the

Domain of Information Technology. Information Systems Research, 9(2), 204–215.

Batorski, D. (2011). Korzystanie z technologii informacyjno-komunikacyjnych. Diagnoza Społeczna 2011 Warunki i Jakość Życia Polaków - Raport. Contemporary Economics, 5(3), 299–327.

Górecki, M. (2011). Powiązanie świata online z offline czyli efekt ROPO w Polsce. http://www.slideshare.net/MarekGorecki/powizanie-wiata-online-z-offline-czyli-efekt-ropo-w-polsce (22.06.2014).

Joo, Y.-H. i Park, M. H.-J. (2008). Information search and purchase channel choice across in home shopping retail formats. Academy of Marketing Studies Journal, 12(2), 49–61.

Mazurek, G. (2012). Znaczenie wirtualizacji marketingu w sieciowym kreowaniu wartości. Warszawa: Wydawnictwo Poltext.

Mącik, R. (2013). Technologie informacyjne i komunikacyjne jako moderator procesów podejmowania decyzjizakupowych przez konsumentów. Lublin: Wydawnictwo UMCS.

Nov, O. i Ye, C. (2008). Personality and Technology Acceptance: Personal Innovativeness in IT, Openness and Resistance to Change. Proceedings of the 41st Annual Hawaii International Conference on System Sciences. IEEE Computer Society, 448–458

Piwowarczyk, M. (2011). Efekt ROPO, czyli jak on-line wpływa na off-line, http://www.slideshare.net/mpiwo/efekt-ropo-czyli-jak-online-wpywa-na-offline-piwowarczyk-marcin (22.06.2014).

Yi, M. Y., Fiedler, K. D. i Park, J. S. (2006). Understanding the Role of Individual Innovativeness in the Acceptance of IT-Based Innovations: Comparative Analyses of Models and Measures. Decision Sciences, 37(3), 393–426 .

22

Dziękuję

za uwagę :)

Kontakt

www.umcs.pl