UĝytecznoĂĘ e-commerce w badaniach polskich uĝytkowników
Transkrypt
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