UĝytecznoĂĘ e-commerce w badaniach polskich uĝytkowników

Problemy ZarzÈdzania, vol. 13, nr 2 (52), t. 1: 24 – 36
ISSN 1644-9584, © Wydziaï ZarzÈdzania UW
DOI 10.7172/1644-9584.52.2
UĝytecznoĂÊ e-commerce w badaniach
polskich uĝytkowników
Nadesïany 01.10.14 | Zaakceptowany do druku 20.10.14
Jarosïaw BanaĂ*, Zbigniew Pastuszak**
Artykuï dotyczy zagadnieñ uĝytecznoĂci e-commerce. Prezentuje wyniki badania na próbie 511 osób –
wbformie opisu statystycznego i w ujÚciu modelowym. Do utworzenia modelu badawczego wykorzystano
zaïoĝenia Modelu Akceptacji Technologii oraz Modelu AdekwatnoĂci Zadañ i Technologii. Dodatkowo
wb pracy poszukiwano róĝnic w postrzeganiu e-commerce ze wzglÚdu na pïeÊ respondentów. W pracy
wykorzystano zarówno proste analizy, jak równieĝ analizy siï oddziaïywañ w czterech wersjach modelu
badawczego.
Sïowa kluczowe: e-commerce, Model Akceptacji Technologii, Modele Równañ Strukturalnych.
The Usefulness of e-Commerce in Studies on Polish Users
Submited 01.10.14 | Accepted 20.10.14
This paper concerns the usability of e-commerce. It presents the results of research both as a statistical
description and in a model approach. The sample included 511 people. The Technology Acceptance
Model and Task-Technology Fit Model assumptions were used in this research. Additionally, differences
in the perception of e-commerce by gender of respondents were also sought. The study used both
absimple analysis (descriptive statistics) and an analysis of the interaction forces in four research models.
Keywords: e-commerce, Technology Acceptance Model, Structural Equation Model.
JEL: L81
*
**
Jarosïaw BanaĂ – dr, Uniwersytet Marii Curie-Skïodowskiej, Wydziaï Ekonomiczny, Zakïad Systemów
Informacyjnych ZarzÈdzania.
Zbigniew Pastuszak – dr hab. prof. UMCS, Uniwersytet Marii Curie-Skïodowskiej, Wydziaï Ekonomiczny,
Zakïad Systemów Informacyjnych ZarzÈdzania.
Adres do korespondencji: Uniwersytet Marii Curie-Skïodowskiej, Pl. M. Curie-Skïodowskiej 5, 20-031bLublin;
e-mail: [email protected], [email protected].
UĝytecznoĂÊ e-commerce w badaniach polskich uĝytkowników
1. WstÚp
Rozwój technologii wpïywa na ewolucjÚ sposobów wykonywania czynnoĂci przez czïowieka. Jednym z obszarów zmian byïo powstanie i dynamiczny
rozwój rynku elektronicznego. Jest to takĝe obszar, w którym prowadzone
sÈ liczne badania. Zaproponowana przez autorów koncepcja badania uĝytecznoĂci e-commerce zawiera elementy statystki opisowej m.in. na potrzeby
grupowania i prezentacji danych (zob. teĝ: BanaĂ, 2014). RozwiniÚciem prostej analizy danych jest wykorzystanie modelowania do znalezienia ukrytych
zaleĝnoĂci. Modelowanie zostaïo zrealizowane z wykorzystaniem zaïoĝeñ
modelu akceptacji technologii oraz modelu adekwatnoĂci zadañ ibtechnologii. Praca ta zostaïa zainspirowana publikacjÈ I.M. Klopping ibE.bMcKinney
(2004).
Opracowana na potrzeby niniejszego badania ankieta skïadaïa siÚ
zb dwóch czÚĂci. W pierwszej zawarto pytania dotyczÈce miejsc dokonywania e-zakupów, kategorii kupowanych produktów, istotnoĂci elementów
branych pod uwagÚ podczas dokonywania zakupów, realizowanych form
zapïaty oraz udziaïu e-zakupów w zakupach ogóïem. Dodatkowo czÚĂÊ ta
pozwoliïa scharakteryzowaÊ respondentów pod wzglÚdem doĂwiadczenia
wb korzystaniu z Internetu ib dokonywaniu zakupów, wieku itp.
W drugiej czÚĂci ankiety zawarto stwierdzenia (gïównie w piÚciostopniowej skali Likerta), do których odnosili siÚ respondenci. Stwierdzenia
wystÚpujÈce w tej czÚĂci w duĝym stopniu zostaïy zaadaptowane z pracy
Klopping i McKinney (2004). Wykorzystano je na potrzeby modelowania.
W niniejszej pracy postawiono dwie hipotezy badawcze:
– H1. Postrzegana uĝytecznoĂÊ oraz ïatwoĂÊ uĝytkowania Internetu na
potrzeby e-commerce dodatnio wpïywajÈ na jego aktualne wykorzystanie.
– H2. Potrzeba wykorzystania e-commerce zaleĝy od pïci uĝytkownika.
2. Charakterystyka próby badawczej
W wyniku przeprowadzanego badania ankietowego uzyskano odpowiedzi
od 512 respondentów. Do dalszej analizy skierowano 511 ankiet (w jednej
ankiecie nie podano pïci respondenta). Próba badawcza zïoĝona byïa z 299
(58,5%) kobiet (NK) oraz 212 (41,5%) mÚĝczyzn (NM). Byïy to osoby w wieku
od 19 do 26 lat. ¥rednia wieku respondentów wynosiïa 21,45 (SD=1,4).
Respondenci cechowali siÚ przeciÚtnie ponad siedmioletnim doĂwiadczeniem w korzystaniu zbInternetu (SD=2,4). Byïy to takĝe osoby posiadajÈce doĂwiadczenie w dokonywaniu zakupów za poĂrednictwem Internetu.
DoĂwiadczenie to wynosiïo Ărednio 3,5 roku (SD=1,7).
Problemy ZarzÈdzania vol. 13, nr 2 (52), t. 1, 2015
25
Jarosïaw BanaĂ, Zbigniew Pastuszak
3. Charakterystyka wykorzystania Internetu
jako narzÚdzia do przeglÈdu ofert ib dokonywania zakupów
W grupie badawczej okoïo 40% respondentów dokonywaïo zakupów za
poĂrednictwem sklepów i aukcji internetowych. Jedna trzecia respondentów
wykorzystuje do tego celu wyïÈcznie aukcje internetowe. Przeprowadzone
badania (rysunek 1) wykazaïy istnienie grupy kobiet korzystajÈcych wyïÈcznie
ze sklepów internetowych (32,4%) i grupy korzystajÈcej wyïÈcznie zb aukcji
internetowych (36,8%). W grupie mÚĝczyzn znaczÈco przewaĝajÈ osoby
kupujÈce za poĂrednictwem sklepów i aukcji internetowych (51,9%).
60
51,9
50
40
% 30
20
39,5
36,8
32,4
28,3
27,2
33,3
30,8
18,8
10
0
Wyłącznie
sklepy internetowe
Kobiety
Wyłącznie
aukcje internetowe
Mężczyźni
Sklepy i aukcje
internetowe
Razem
Rys. 1. Miejsca dokonywania e-zakupów (wybór wielokrotny, %). ½ródïo: opracowanie
wïasne (N=511, NK=299, NM=212).
Klienci sklepów i aukcji internetowych za poĂrednictwem Internetu dokonujÈ zakupów: odzieĝy (55,4%), telefonów wraz z akcesoriami (50,7%),
komputerów z akcesoriami (41,9%), butów (37,2%), kosmetyków i perfum
(33,9%), biletów (30,3%), ksiÈĝek (26,8%) oraz sprzÚtu RTV (21,7%). Mniej
niĝ 21% respondentów wskazaïo nastÚpujÈce kategorie: sport, motoryzacja,
biĝuteria, hobby, filmy, sprzÚt AGD, muzyka, zabawki, dom, oprogramowanie. Porównanie siedmiu najpopularniejszych kategorii w grupach kobiet
i mÚĝczyzn (tabela 1) wskazuje, iĝ obie grupy kupujÈ w sieci najczÚĂciej
ubrania (odzieĝ, buty) oraz sprzÚt elektroniczny (telefony, komputery, sprzÚt
RTV z akcesoriami). W grupie kobiet przewaĝajÈ ubrania i kosmetyki.
Wb grupie mÚĝczyzn – telefony i komputery wraz z akcesoriami, co moĝe
potwierdzaÊ stereotypowe postrzeganie tych grup.
Dla kupujÈcych za poĂrednictwem Internetu pewne elementy majÈ istotne
znaczenie. Zb przeprowadzonych badañ wynika (rysunek 2), ĝe najbardziej
istotnym elementem jest cena, która zwykle jest niĝsza w Internecie niĝ
wbsklepach tradycyjnych (86,9%). Dla respondentów bardzo duĝe znaczenie
ma takĝe szybkoĂÊ realizacji zamówienia (80,2%). Podczas wyboru oferty
waĝnymi elementami sÈ: moĝliwoĂÊ porównywania ofert (54,8%) oraz sze26
DOI 10.7172/1644-9584.52.2
UĝytecznoĂÊ e-commerce w badaniach polskich uĝytkowników
rokoĂÊ oferty ibdostÚpnoĂÊ rzadkich towarów (54,2%). W powyĝszych obszarach wystÚpujÈ nieznaczne róĝnice w grupach kobiet i mÚĝczyzn (< 5 pkt.
proc.). ZnaczÈce róĝnice w postrzeganiu sprzedaĝy przez Internet w grupach
badawczych dotyczÈ zgodnoĂci towaru ze specyfikacjÈ ze strony internetowej
sklepu (róĝnica 14,3 pkt. proc.) oraz komunikacji ze sprzedawcÈ (róĝnica
14,2 pkt. proc.) na korzyĂÊ mÚĝczyzn.
Kosmetyki
Telefony
Bilety
Buty
64,2
42,1
42,1
35,1
33,4
29,1
27,8
Telefony
Komputery
Odzieĝ
Buty
Sport
SprzÚt
RTV
Motoryzacja
62,3
61,3
42,9
42,5
41,5
36,8
35,4
Odzieĝ
Kobiety
MÚĝczyěni
KsiÈĝki
Komputery
Tab. 1. Porównanie zainteresowania kategoriami produktów w grupach badawczych (wybór
wielokrotny, %). ½ródïo: opracowanie wïasne (NK=299, NM=212).
Profesjonalizm obsługi
Monitorowanie drogi paczki
Jakość opakowania/
/zabezpieczenia do transportu
Obsługa posprzedażowa/reklamacje
Komunikacja,
dogodny kontakt ze sklepem
Zgodność ze specyfikacją
ze strony www sklepu
Promocje i upusty
Szerokość oferty/
/dostępność rzadkich towarów
Możliwość porównania ofert
Szybkość realizacji zamówienia
Niska cena
0
10
20
Kobiety
30
40
50
Mężczyźni
60
70
80
90 100%
Razem
Rys. 2. Elementy istotne podczas dokonywania zakupów (wybór wielokrotny, %). ½ródïo:
opracowanie wïasne (N=511, NK=299, NM=212).
Na rynku istnieje wiele sposobów realizacji zapïaty za zakupione przez
Internet produkty. Wbbadanej grupie (rysunek 3) najwiÚksza liczba respondentów korzystaïa z moĝliwoĂci dokonywania pïatnoĂci z wykorzystaniem
e-konta bankowego i szybkich przelewów bankowych (pay-by-link). TakÈ
formÚ deklaruje 59,1% ankietowanych. Liczna grupa kupujÈcych (47,0%)
wybiera pïatnoĂÊ w momencie otrzymania przesyïki (za pobraniem). Wynika
to zapewne z ostroĝnoĂci – braku peïnego zaufania do sprzedawcy. W tym
obszarze przewaĝajÈ mÚĝczyěni (róĝnica 19,7 pkt. proc.).
Problemy ZarzÈdzania vol. 13, nr 2 (52), t. 1, 2015
27
Jarosïaw BanaĂ, Zbigniew Pastuszak
Płatność z wykorzystaniem portfela elektronicznego
Płatność elektroniczna za pośrednictwem
agregatora płatności
Płatność kartą kredytową
Płatność za pomocą SMS
Płatność przelewem w oddziale banku lub na poczcie
Płatność za pobraniem
Płatność elektroniczna – szybki przelew z banku
0
10
20
30
Kobiety
40
50
Mężczyźni
60
70%
Razem
Rys. 3. Sposoby realizacji pïatnoĂci za zamówione produkty (wybór wielokrotny, %). ½ródïo:
opracowanie wïasne (N=511, NK=299, NM=212).
ZnaczÈca grupa respondentów (43,2%) za zakupy dokonywane z wykorzystaniem kanaïów elektronicznych dokonuje zapïaty w klasyczny sposób,
np. w oddziale banku lub na poczcie. Wynika to zapewne z braku konta
bankowego lub dostÚpu do niego w tej grupie respondentów, choÊ ta kwestia
nie byïa przez nas badana. Na korzystanie z innych form pïatnoĂci wskazuje
znikoma liczba respondentów (< 5%).
Wraz z rozwojem Internetu i adaptowania go na potrzeby handlu elektronicznego wzrasta udziaï e-zakupów w zakupach ogóïem. Ankietowane
osoby proszone byïy o wskazanie tego udziaïu, z wyïÈczeniem ĝywnoĂci
(rysunek 4).
45
40
35
30
%
25
20
15
10
5
0
<10
11–20
21–30 31–40
Kobiety
41–50
51–60
Mężczyźni
61–70 71–80
81–90
>91
Razem
Rys. 4. Udziaï e-zakupów w zakupach ogóïem, z wyïÈczeniem ĝywnoĂci (%). ½ródïo:
opracowanie wïasne (N=508, NK=297, NM=211).
28
DOI 10.7172/1644-9584.52.2
UĝytecznoĂÊ e-commerce w badaniach polskich uĝytkowników
NajwiÚksza liczba respondentów (34,8%) zadeklarowaïa, ĝe udziaï
e-zakupów jest mniejszy niĝ 10%. Udziaï w zakresie 11–20% zgïosiïo 24,2%
badanych osób. ’Ècznie zakres do 20% obejmuje 59,3% respondentów.
Analogicznie w zakresie do 40% wystÚpuje aĝ 88% odpowiedzi. Jak wynika
z przeprowadzonych badañ, istnieje znaczny obszar do zwiÚkszania udziaïu
zakupów realizowanych za poĂrednictwem Internetu w zakupach ogóïem.
4. UĝytecznoĂÊ e-commerce – ujÚcie modelowe
Model Akceptacji Technologii (Technology Acceptance Model, TAM) jest
wykorzystywany do wyjaĂniania interakcji zachodzÈcych podczas uĝytkowania
systemów informacyjnych. Model TAM (rysunek 5) zakïada, ĝe postrzegana
ïatwoĂÊ uĝytkowania (PEU) oddziaïuje bezpoĂrednio na postrzeganÈ uĝytecznoĂÊ (PU) oraz na postawÚ wobec wykorzystania (ATU). Postrzegana
uĝytecznoĂÊ (PU) wpïywa na postawy (ATU) oraz intencje uĝytkowania
(BI). Postawy bezpoĂrednio wpïywajÈ na intencje uĝytkowania (BI), a te
na aktualne wykorzystanie (AU) systemu informacyjnego (zob. wiÚcej w:
BanaĂ, 2010).
Postrzegana
użyteczność
(Perceived
Usefulness)
Czynniki
zewnętrzne
(External
Variables)
Postawa wobec
wykorzystania
(Attitude Toward
Using)
Behawioralna
intencja
użytkowania
(Behavioral
Intention to Use)
Aktualne
wykorzystanie
(Actual System
Usage)
Postrzegana
łatwość użycia
(Perceived
Ease of Use)
Rys. 5. Model Akceptacji Technologii. ½ródïo: F.D. Davis, R.P. Bagozzi, P.R. Warshaw (1989).
User Acceptance of Computer Technology: Ab Comparison of Two Theoretical Models.
Management Science, 35 (8), s.b 985.
Model AdekwatnoĂci Zadañ i Technologii (Task-Technology Fit Model,
TTF) uwzglÚdnia zaleĝnoĂci wystÚpujÈce miÚdzy zadaniami a narzÚdziami
(technologiami) wspomagajÈcymi wbich wykonywaniu (Goodhue i Thompson,
1995). Technologia zostanie przyjÚta, jeĂli dobrze pasuje do wykonywanego
zadania lub zadañ. Model TTF rozszerza model TAM o interakcje wynikajÈce
zbwpïywu wykonywanych zadañ na wykorzystanie technologii (Pastuszak, 2007).
Problemy ZarzÈdzania vol. 13, nr 2 (52), t. 1, 2015
29
Jarosïaw BanaĂ, Zbigniew Pastuszak
Na potrzeby weryfikacji hipotez badawczych zostaï utworzony model
badawczy (rysunek 6). Model ten opracowano z wykorzystaniem modelu
TAM oraz bazujÈc na modelu i koncepcji badania zaproponowanym przez
Klopping i McKinney (2004). Analizy zwiÈzków pomiÚdzy zmiennymi zostaïy
przeprowadzone z wykorzystaniem modeli równañ strukturalnych (Structural
Equation Model, SEM) (zob. wiÚcej w: Konarski, 2009).
TTF1
TTF3
TTF2
PU1
PU2
PU
TTF
PU3
AU1
PU4
AU
BI
PEU1
PEU2
PEU3
AU2
AU3
PEU
BI1
BI2
BI3
Rys. 6. Model badawczy – modyfikacja modeli TAM i TTF. ½ródïo: opracowanie wïasne.
Dla zmiennych wystÚpujÈcych w modelu wyznaczono wartoĂÊ przeciÚtnÈ
oraz odchylenie standardowe (tabela 2). Respondenci wskazujÈ, ĝe Internet daje szerokie moĝliwoĂci porównywania ofert (4,48) oraz znajdowania
ibskorzystania z interesujÈcych ofert (4,31). Nabycie umiejÚtnoĂci uĝywania
Internetu do czynnoĂci zwiÈzanych z zakupami nie zajmuje duĝo czasu (4,39).
Zmienne charakteryzujÈce „aktualne wykorzystanie” zostaïy okreĂlone
z wykorzystaniem czterostopniowej (AU1 i AU2) oraz szeĂciostopniowej
(AU3) skali (tabela 3).
Przeprowadzona analiza w grupie ïÈcznej kobiet i mÚĝczyzn model TAM
KiM) pozwoliïa na znalezienie relacji pomiÚdzy zmiennymi latentnymi PU,
PEU, BI oraz AU, a takĝe pomiÚdzy zmiennymi wystÚpujÈcymi wb modelu
strukturalnym i pomiarowym: PEU¤PEU1–PEU3, PU¤PU1–PU4,
BI¤BI1–BI3 oraz AU¤AU1–AU3 (rysunek 7).
30
DOI 10.7172/1644-9584.52.2
UĝytecznoĂÊ e-commerce w badaniach polskich uĝytkowników
Zmienna
*
Opis stanowiska w ankiecie badawczej
WartoĂÊ
Ărednia
Odchylenie
standardowe
PU1
Internet daje mi moĝliwoĂÊ znacznie szybszego
dokonywania zakupów
3,89
0,97
PU2
Wykorzystanie Internetu sprawia, ĝe zakupy sÈ dla
mnie prostsze
3,70
0,98
PU3
Internet daje mi moĝliwoĂÊ znajdowania
ib skorzystania z interesujÈcych ofert
4,31
0,79
PU4
Internet daje mi szerokie moĝliwoĂci
porównywania ofert
4,48
0,82
PEU1
Trudno jest nauczyÊ siÚ, jak wykorzystywaÊ
Internet do czynnoĂci zwiÈzanych zb zakupami*
4,08
0,89
PEU2
Nabycie umiejÚtnoĂci uĝywania Internetu
dob czynnoĂci zwiÈzanych z zakupami zajÚïo mi
duĝo czasu
4,39
0,86
PEU3
CzÚsto jestem zagubiony, gdy wykorzystujÚ
Internet do czynnoĂci zwiÈzanych zb zakupami
4,27
0,94
BI1
SÈdzÚ, ĝe byïoby bardzo dobrze zwiÚkszaÊ
wykorzystanie Internetu do dokonywania
zakupów ze wzglÚdu na korzyĂci o charakterze
ekonomicznym
3,61
0,86
BI2
SÈdzÚ, ĝe byïoby bardzo dobrze zwiÚkszaÊ
wykorzystanie Internetu do dokonywania
zakupów ze wzglÚdu na korzyĂci o charakterze
funkcjonalnym
3,60
0,77
BI3
Internet jest bezpiecznym narzÚdziem
dob przeglÈdu ofert i dokonywania zakupów
3,43
0,91
TTF1
Na odwiedzanych przeze mnie stronach
internetowych informacje ob produktach sÈ
umieszczone w sposób oczywisty lub ïatwy
dob znalezienia
3,75
0,83
TTF2
Na stronach internetowych, z których korzystaïem,
informacje ob produktach byïy wystarczajÈco
dokïadne jak na moje potrzeby
3,77
0,85
TTF3
Informacje o produktach na stronach
internetowych sÈ wystarczajÈco aktualne na moje
potrzeby
3,76
0,79
Stwierdzenia zawarte w ankiecie miaïy w przewaĝajÈcej wiÚkszoĂci charakter pozytywny.
Dla urozmaicenia budowy stwierdzenia PEU1, PEU2, PEU3 miaïy charakter negatywny.
Do analizy danych dokonano konwersji otrzymanych odpowiedzi dla tych trzech zmiennych
zgodnie ze algorytmem (1¤5, 2¤4 itd.).
Tab. 2. Charakterystyka zmiennych wystÚpujÈcych w modelu. ½ródïo: opracowanie wïasne
(N=494).
Problemy ZarzÈdzania vol. 13, nr 2 (52), t. 1, 2015
31
32
Zmienna
Opis w ankiecie badawczej
Ile ïÈcznie sklepów internetowych, serwisów
aukcyjnych itp. odwiedza Pan(i) Ărednio
wb miesiÈcu?
1–2
l
3–5
l
6–20
l
>20
l
AU2
Ile Ărednio czasu w tygodniu spÚdza Pan(i)
na czynnoĂciach zwiÈzanych z zakupami
internetowymi?
0–5 min.
l
6–15 min.
l
16–60 min.
l
>60 min.
l
AU3
Jak czÚsto wykorzystuje Pan(i) Internet
dob czynnoĂci zwiÈzanych zb zakupami?
raz w roku
l
2–3 razy
wb roku
l
4–6 razy
wb roku
l
co miesiÈc
l
Tab. 3. Charakterystyka „aktualnego wykorzystania” zawarta w ankiecie. ½ródïo: opracowanie wïasne (N=494).
kilka razy
w miesiÈcu
l
kilka razy
wb tygodniu
l
DOI 10.7172/1644-9584.52.2
Jarosïaw BanaĂ, Zbigniew Pastuszak
AU1
UĝytecznoĂÊ e-commerce w badaniach polskich uĝytkowników
PU1
0,68
PU2
PU3
0,75
PU
1,59
AU1
0,62
1,73
0,41
PU4
0,35
BI
AU
0,78
AU2
0,44
0,69
PEU1
0,09 1,05
0,94
BI1
BI2
AU3
0,24
0,78
PEU2
1,40
PEU
BI3
1,34
PEU3
Rys. 7. Model badawczy – modelowanie z wykorzystaniem zaïoĝeñ TAM. ½ródïo: opracowanie
wïasne (N=494).
W wyniku modelowania otrzymano wartoĂci dodatnie wszystkich relacji.
Postrzegana ïatwoĂÊ uĝytkowania (PEU) wpïywa na postrzeganÈ uĝytecznoĂÊ
(PU) siïÈ 0,44. Na intencje (BI) wpïywajÈ: postrzegana uĝytecznoĂÊ siïÈ
0,62 oraz postrzegana ïatwoĂÊ uĝytkowania siïÈ 0,09. Intencje wpïywajÈ na
aktualne uĝytkowanie (AU) siïÈ 0,35.
Analiza Ăcieĝek pozwoliïa na znalezienie wartoĂci oddziaïywañ poĂrednich pomiÚdzy postrzeganÈ uĝytecznoĂciÈ i postrzeganÈ ïatwoĂciÈ uĝytkowania a aktualnym wykorzystaniem. WynoszÈ one odpowiednio: PEU¤AU
0,13; PU¤AU 0,22. Oznacza to, ĝe wzrost postrzeganej uĝytecznoĂci o jednostkÚ wpïywa na powiÚkszenie aktualnego uĝytkowania ob 0,22. A wzrost
postrzeganej ïatwoĂci uĝytkowania o jednostkÚ powoduje wzrost aktualnego
uĝytkowania odpowiednio o 0,13.
Dla znalezienia potencjalnych róĝnic w postrzeganiu Internetu na
potrzeby e-commerce wykonano modelowanie w grupach kobiet (NK=287,
model TAM K) i mÚĝczyzn (NM=207, model TAM M). Na rysunku 8
przedstawiono zestawienie wartoĂci otrzymanych siï wb grupach kobiet (K)
i mÚĝczyzn (M).
W grupie mÚĝczyzn uzyskano wiÚksze siïy oddziaïywania pomiÚdzy zmiennymi latentnymi PEU¤PU, PU¤BI oraz PEU¤BI. W grupie kobiet uzyskano nieznacznie wiÚkszÈ siïÚ relacji BI¤AU.
Analiza Ăcieĝek wykazaïa, ĝe poĂrednie oddziaïywania w obszarze
PU¤AU sÈ do siebie zbliĝone i wynoszÈ odpowiednio dla grupy kobiet
0,18, a dla grupy mÚĝczyzn 0,20. Nieco wiÚkszÈ róĝnicÚ uzyskano w obszarze
PEU¤AU. W grupie kobiet wielkoĂÊ oddziaïywania wyniosïa 0,09, abwbgrupie mÚĝczyzn byïa nieznacznie wiÚksza i wynosiïa 0,15.
Problemy ZarzÈdzania vol. 13, nr 2 (52), t. 1, 2015
33
Jarosïaw BanaĂ, Zbigniew Pastuszak
PU1
PU2
PU3
K: 0,50
M: 0,86
K: 0,62
M: 0,91
K: 1,07
M: 3,01
K: 1,13
M: 2,53
PU
K: 0,56
M: 0,64
K: 0,31
M: 0,50
PU4
PEU2
PEU3
K: 0,95
M: 0,58
K: 1,30
M: 1,68
K: 0,94
M: 1,19 K: 0,77
M: 1,29
K: 0,07
M: 0,14
PEU1
PEU
K: 0,33
M: 0,31
BI
K: 0,38
M: 0,54
BI1
AU
K: 0,58
M: 0,91
K: 0,15
M: 0,37
BI2
K: 0,78
M: 0,79
AU1
AU2
AU3
BI3
K: 1,32
M: 1,27
Rys. 8. Model badawczy – modelowanie z wykorzystaniem zaïoĝeñ TAM w grupach kobiet
i mÚĝczyzn. ½ródïo: opracowanie wïasne (NK=287, NM=207).
Model badawczy (TAM KiM) utworzony na bazie koncepcji modelu
TAM zostaï uzupeïniony o interakcje z modelem TTF. Dla tak powstaïego
modelu (model TAM i TTF) zostaïy oszacowane wielkoĂci siï oddziaïywañ,
które zostaïy przedstawione na rysunku 9.
TTF1
PU1
TTF3
TTF2
0,77
0,89
0,76
0,65
PU2
PU3
0,73
0,37
PU
TTF
1,62
1,80
0,60
0,45
0,04
AU1
PU4
0,41
0,28
0,35
BI
AU
0,78
PEU1
0,09
0,77
PEU2
1,39
0,69
1,06
PEU
AU2
0,94
AU3
0,24
1,35
PEU3
BI1
BI2
BI3
Rys. 9. Model badawczy – relacje wystÚpujÈce w poïÈczonych modelach TAM i TTF.
½ródïo: opracowanie wïasne (N=494).
34
DOI 10.7172/1644-9584.52.2
UĝytecznoĂÊ e-commerce w badaniach polskich uĝytkowników
W wyniku przeprowadzonego modelowania uzyskano wielkoĂci siï
oddziaïywañ pomiÚdzy elementami modelu. Na uwagÚ zasïugujÈ znaczÈce
oddziaïywania TTF¤PEU i TTF¤PU. Wb relacji TTFàBI oddziaïywanie
jest minimalne.
W tak utworzonym modelu uzyskano dodatni efekt poĂredniego oddziaïywania postrzeganej uĝytecznoĂci na aktualne uĝytkowanie. Wyniósï on
0,21 i byï zbliĝony do modelu bazujÈcego na koncepcji TAM. W obszarze
oddziaïywania PEUàAU uzyskano takĝe dodatni efekt oddziaïywania wynoszÈcy 0,09. Byï on jednak nieco mniejszy niĝ w modelu TAM KiM.
Dla analizowanych modeli badawczych wyznaczono wskaěniki dopasowania (tabela 4). Jedynie dla modelu TAM M wskaěniki te sÈ nieco niĝsze niĝ wartoĂci graniczne. Wynika to zb poïÈczenia znacznej liczby zmiennych wb modelu pomiarowym (13) oraz niedostatecznie duĝej próby (207).
Wbpozostaïych modelach wskaěniki ĂwiadczÈ o dobrym dopasowaniu modeli
do danych.
Wskaěnik dopasowania
Model
Model
Model
Model
TAM M TAM i TTF
TAM K
TAM KiM
(rysunek 7) (rysunek 8) (rysunek 8) (rysunek 9)
Goodness of Fit Index (GFI)
0,917
0,902
0,848
0,910
Adjusted Goodness of Fit Index
(AGFI)
0,876
0,854
0,773
0,873
Normed Fit Index (NFI)
0,908
0,869
0,833
0,914
Non-Normed Fit Index (NNFI)
0,904
0,875
0,829
0,917
Comparative Fit Index (CFI)
0,925
0,902
0,866
0,933
Root Mean Square Error
ofb Approximation (RMSEA)
0,087
0,092
0,125
0,080
Tab. 4. Wskaěniki dopasowania modeli do danych. ½ródïo: opracowanie wïasne (N=494).
Ograniczenia badañ to:
– niski wiek respondentów, co moĝe powodowaÊ specyficzne postrzeganie
Internetu,
– wyïÈcznie polska narodowoĂÊ respondentów.
5. Wnioski
Na potrzeby weryfikacji postawionych hipotez analizie poddano znacznÈ
grupÚ (N=511) osób, które charakteryzowaïy siÚ doĂwiadczaniem w korzystaniu zb Internetu i e-zakupów.
Przeprowadzone analizy z wykorzystaniem czterech modeli bazujÈcych
na zaïoĝeniach TAM ib TTF wskazujÈ na istnienie we wszystkich przypadkach dodatnich siï oddziaïywania pomiÚdzy zmiennymi. KonsekwencjÈ tego
sÈ dodatnie siïy oddziaïywania pomiÚdzy zmiennymi latentnymi PEU¤AU
Problemy ZarzÈdzania vol. 13, nr 2 (52), t. 1, 2015
35
Jarosïaw BanaĂ, Zbigniew Pastuszak
ib PU¤AU. Dlatego teĝ hipotezÚ H1 stanowiÈcÈ, ĝe postrzegana uĝytecznoĂÊ oraz ïatwoĂÊ uĝytkowania Internetu na potrzeby e-commerce dodatnio
wpïywajÈ na jego aktualne wykorzystanie, moĝna uznaÊ za potwierdzonÈ.
Otrzymane wyniki z analiz z wykorzystaniem statystyki opisowej oraz
z modelowania dla grup kobiet i mÚĝczyzn moĝna uznaÊ za bardzo zbliĝone. Nie moĝna zatem potwierdziÊ prawdziwoĂci hipotezy H2 stanowiÈcej, ĝe potrzeba wykorzystania e-commerce zaleĝy od pïci uĝytkownika.
Respondenci naleĝÈcy do tych grup w bardzo zbliĝony sposób postrzegajÈ
e-commerce.
Bibliografia
BanaĂ, J. (2014). An Analysis of Aelected Aspects of e-commerce Based on Technology
Acceptance Model. Referat wygïoszony na: Management, Knowledge and Learning
International Conference, Portorož, Slovenia.
BanaĂ, J. (2010). Uĝycie modeli na potrzeby analizy uĝytkowników systemów informatycznych. UjÚcie teoretyczne. Organizacja i ZarzÈdzanie, Kwartalnik naukowy, 3 (11), 5–16.
Davis, F.D., Bagozzi, R.P. i Warshaw, P.R. (1989). User Acceptance of Computer Technology: Ab Comparison of Two Theoretical Models. Management Science, 35 (8).
Goodhue, D.L. i Thompson, R.L. (1995). Task-Technology Fit and Individual Performance.
MIS Quarterly, 19 (2), 213–236.
Klopping, I.M. i McKinney, E. (2004). Extending the Technology Acceptance Model and
the Task-Technology Fit Model to Consumer E-Commerce. Information Technology,
Learning &b Performance Journal, 22 (1), 35–48.
Konarski, R. (2009). Modele równañ strukturalnych. Teoria i praktyka. Warszawa Wydawnictwo Naukowe PWN.
Pastuszak, Z. (2007). Implementacja zaawansowanych rozwiÈzañ biznesu elektronicznego
wb przedsiÚbiorstwie. Warszawa: Placet.
36
DOI 10.7172/1644-9584.52.2