Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Cited by SciELO 
Cited by Google 
Similars in
SciELO 
Similars in Google 
Permalink
Introducción
El constante dinamismo que demandan los mercados ha ocasionado que en los últimos años las empresas se vean forzadas a potenciar la innovación dentro de sus actividades comerciales para garantizar una respuesta eficaz a las exigencias de los consumidores (Bernal-Torres & Frost-González, 2015). Por otra parte, estos últimos se vuelven cada vez más demandantes, manifestando su disposición a modificar los comportamientos de consumo (Gajda, 2020) y recompensar a las compañías que les otorguen productos de prominente calidad. De tal manera, las empresas se encuentran apremiadas a adoptar medidas de innovación dirigidas a mantener la satisfacción de la clientela.
Entre dichas medidas, las más relevantes son aquellas relacionadas con las tecnologías de la información (Buenrostro & Hernández, 2019), puesto que no solo permiten innovar procesos internos, como logística y producción (Cano-Pita & García-Mendoza, 2018), sino que tienen la capacidad de renovar los procesos externos como distribución, comunicación con los grupos de interés (Cano-Pita & García-Mendoza, 2018) y canales de ventas (Alcaraz Lladró & García Guardia, 2010).
En este sentido, una de las innovaciones que más destacan dentro de los canales de venta es el comercio electrónico (Corrales-Liévano et al., 2019), que se ha convertido en una herramienta indispensable para establecer un canal de contacto directo con el consumidor (Yepes Chamorro et al., 2019). De la misma manera, el e-commerce presenta numerosas ventajas para los consumidores, ya que permite el proceso de compra de una forma más cómoda (Gutiérrez Tobar, 2015) y rápida (Esparza Cruz, 2017).
La pandemia ha generado un fuerte crecimiento de las prácticas de venta en línea, en específico en los países en donde los consumidores estaban menos acostumbrados a esta modalidad de compra (Bhatti et al., 2020). En Ecuador, por ejemplo, los minoristas han hecho un relevante uso de las plataformas en las redes sociales como medio de venta y se han apoyado en las empresas locales de delivery para la entrega de los productos (Reardon et al., 2021). De esta forma, el e-commerce ha representado la única fuente de ingresos para minoristas que diversamente no habrían sobrevivido a lo largo del periodo de confinamiento decretado por el Gobierno (Rodríguez et al., 2020). Sin embargo, todavía se registra mucha resistencia por parte de los consumidores en optar por el e-commerce como medio de consumo a causa de la incertidumbre en el éxito de la transacción (Sánchez & Montoya, 2017). De hecho, a causa de la falta de experiencia en el desarrollo de ventas en línea, es frecuente que los vendedores no actualicen las páginas de venta, no garanticen el cambio de productos defectuosos o no aseguren la entrega del producto de forma rápida y segura (Gallego et al., 2016). Además, esta incertidumbre puede provocar que el entorno social genere cierto rechazo (Limayem et al., 2000) y, por ende, una presión en los individuos para elegir una forma tradicional de compra (Alcántara & Del Barrio-García, 2017).
Por esta razón, es muy importante el análisis de los factores que influyen en la aceptación del comercio electrónico y, en particular, el rol jugado por la confianza en el éxito de la transacción comercial y la influencia del criterio social. Debido a los pocos estudios en esta dirección dentro del entorno ecuatoriano, esta investigación quiere llenar este vacío identificando el nivel de afectación de los factores de la confianza y las creencias normativas en la intención de uso del comercio electrónico en los consumidores ecuatorianos mediante la adaptación del modelo de aceptación tecnológica (TAM, por sus siglas en inglés) (Davis, 1989).
En las siguientes secciones se presenta el desarrollo de la investigación, empezando por el marco teórico con la respectiva descripción de variables y presentación de hipótesis, seguido del modelo teórico, la metodología (la cual explica el instrumento de medición), el análisis de resultados, la discusión y, finalmente, las conclusiones.
Marco teórico
E-commerce
A causa de la constante evolución tecnológica, actualmente la mayoría de las labores realizadas por el ser humano se han visto fuertemente influenciadas por la utilización del Internet (Ochoa Chaves, 2012). Las actividades comerciales no han sido la excepción y, desde la aparición del comercio electrónico en Estados Unidos, las modalidades de consumo habituales de marketing directo han sido revolucionadas y reestructuradas (Gutiérrez Tobar, 2015).
Las herramientas del comercio electrónico son las maneras existentes para realizar diferentes procesos y transacciones comerciales de bienes tangibles o intangibles por medio de plataformas virtuales (Darsono et al., 2019). El e-commerce puede ser visto como un conjunto de tecnologías en constante dinamismo, que conectan a las empresas con los consumidores a través de intercambios electrónicos de información y bienes que permiten conocer las preferencias, formas de consumo, nivel de satisfacción y opiniones de los clientes (Olagunju et al., 2020). Por esta razón, el comercio electrónico desempeña un rol que no se limita a un simple instrumento de venta, sino que más bien se identifica como un generador de información crucial acerca de los clientes (Corrales-Liévano et al., 2019).
En consecuencia, el comercio electrónico se puede considerar como una ventaja competitiva, puesto que impulsa a las empresas a llevar una posición estratégicamente superior a los competidores, aumentar su rendimiento y, por ende, permanecer por mayor tiempo en el mercado (Figueroa González, 2015).
En este sentido, la fuerte influencia que ejerce el Internet dentro de las actividades comerciales ha ocasionado que, desde hace varios años, los consumidores ecuatorianos se involucren en los diversos tipos de e-commerce, transformando de esta manera sus hábitos de compra (Mercado et al., 2019).
Comercio electrónico en Ecuador
En Ecuador, en los últimos años, ha existido un auge referente al e-commerce (figura 1), ya que muchos negocios lo han implementado como herramienta para extender su cartera de clientes y lograr una mayor penetración (Esparza Cruz, 2017).
Fuente: elaboración propia con base en Universidad de Espíritu Santo (2019) y se confirmó cierre de $2.300 millones en el 2020 (2021).
Figura 1 Ventas de e-commerce en Ecuador (en millones de USD).
En consecuencia, la frecuencia de uso de e-commerce en los consumidores ecuatorianos ha aumentado considerablemente (figura 2).
Fuente: elaboración propia a partir de Universidad de Espíritu Santo (2020).
Figura 2 Frecuencia de compra por e-commerce en Ecuador.
Variables e hipótesis
Intención de uso
En el contexto del comercio electrónico, la intención de uso (IU) hace referencia a la pretensión que manifiestan los usuarios de ejecutar una acción determinada y al grado de probabilidad de que un individuo utilice un sitio web o una red social para realizar transacciones electrónicas, o al menos, para investigar acerca de ello (Villa Zapata et al., 2015).
En este sentido, la intención de uso se propone como un constructo conductual, ya que desencadena las elecciones necesarias que permitirán desarrollar o no una actividad específica (Salas-Rubio et al., 2021), puesto que revela la voluntad de realizarla.
Utilidad percibida
La utilidad percibida (UR) hace referencia a la medida en la que un individuo intuye que cierto tipo de tecnología resultará conveniente para sí mismo (Laith & Abdullah, 2021). Esto se define, dentro del e-commerce, como el grado de beneficio que un consumidor piensa que recibirá al realizar transacciones online (Capece et al., 2013; Yusoff et al., 2021).
Por lo tanto, la conexión entre la utilidad percibida y la intención de uso del e-commerce se basa en que, cuanto mayor utilidad discierne el usuario con respecto a las transacciones en línea, más fuerte será la intención de efectuarlas.
Facilidad de uso percibida
En el TAM, el constructo de la facilidad de uso (FU) hace referencia a la sencillez percibida por el usuario al momento de utilizar una herramienta tecnológica (Pratiwi, 2014). En consecuencia, se ha revelado que existe una relación entre la intención de uso de las tecnologías y la facilidad de uso percibida (Agarwal & Karahanna, 2000; Zhang et al., 2012).
De este modo, se entiende que, cuanto más fácil perciba el consumidor la utilización de sitios de e-commerce, existen más probabilidades de que el mismo advierta una mayor utilidad y, por ende, esté más predispuesto a realizar transacciones online. Para ejemplificar este modelo, se puede considerar que si una aplicación de comercio electrónico tiene funciones intuitivas y utiliza elementos visuales (como el carrito o la lupa) para facilitar el uso de la aplicación, es probable que el usuario perciba la aplicación como un instrumento útil para hacer sus compras y que, por tanto, crezca en él la intención de uso de la aplicación. Por esta razón, se plantean las siguientes hipótesis:
H1. Existe una relación positiva entre la utilidad percibida y la intención de uso del comercio electrónico.
H2. Existe una relación positiva entre la facilidad de uso percibida y la intención de uso del comercio electrónico.
H3. Existe una relación positiva entre la facilidad de uso percibida y la utilidad percibida del comercio electrónico.
Competencia tecnológica
La competencia tecnológica (CT) comprende el convencimiento que una persona posee acerca de su habilidad para un manejo efectivo de la tecnología. Con base en esto, se entiende que la relación existente entre la intención de usar un sitio de comercio electrónico y la competencia tecnológica radica en la capacidad que cree tener un usuario para efectuar algún tipo de transacción online (Compeau & Higgins, 1995).
Este tipo de competencias vinculadas con el Internet se marca como un antecedente de suma relevancia dentro de la intención conductual (Dinev & Hart, 2005), pues se determina que los individuos que poseen un alto grado de dominio tecnológico están más seguros de sus capacidades y, por lo tanto, perciben que la utilización de la tecnología sea algo fácil y útil; asimismo, están más predispuestos a utilizarla (Dinev & Hart, 2005). Por esta razón, se plantea la siguiente hipótesis:
H4. Existe una relación positiva entre la competencia tecnológica y la facilidad de uso percibida del comercio electrónico.
Confianza percibida
La confianza percibida (CR) es la creencia que posee un individuo frente a los resultados de una situación previa (Luna et al., 2017). Al efectuar compras online, los consumidores están expuestos a comportamientos oportunistas (Sánchez & Montoya, 2017; Tzeng & Shiu, 2020), muchas veces por parte de los oferentes (Mayer et al., 1995).
Esto hace que la actitud hacia la aceptación del e-commerce se vea influenciada por la incertidumbre del cliente (Alcántara & Del Barrio-García, 2017), puesto que no solo se ve involucrada la confianza en las tecnologías de la información, sino también en la empresa detrás de estas (Brühlmann et al., 2020).
Otro aspecto importante es que este constructo toma un rol fundamental en la migración del cliente desde el consumo tradicional al consumo electrónico (Sánchez-Alzate & Montoya-Restrepo, 2016). Entonces, se entiende que la confianza percibida dentro del comercio electrónico es un factor de suma relevancia para que un individuo examine la opción de comprar en línea (Gefen et al., 2003; Gefen & Straub, 2003).
Se pueden identificar dos aspectos de confianza: i) confianza en la transparencia y actitud hacia las necesidades del cliente (Zhang & Wang, 2021) o ii) confianza en la ausencia de engaño y en la seguridad del éxito positivo de la transacción (Lu et al., 2010). El primero es conocido como benevolencia mientras que el segundo, como integridad que, en conjunto con la competencia, conforman el triple concepto de la confianza (Brühlmann et al., 2020). En el contexto ecuatoriano, se ha analizado cómo la integridad es el aspecto de la confianza más importante, ya que muchos usuarios temen el uso de prácticas engañosas y el escaso control del proceso de venta por parte de las empresas (Castillo-Castro et al., 2021; Esparza Cruz, 2017; Pesántez-Calva et al., 2020).
Privacidad percibida
La privacidad percibida (RR) es otro de los indicadores que determinan la confianza hacia los sitios de e-commerce (Fortes & Rita, 2016), pues hace referencia a la capacidad de control que tienen los usuarios con respecto a su información personal (Culnan & Bies, 2003).
Este factor ocupa un rol importante en la adopción del comercio electrónico como canal habitual de consumo (Liu & Liu, 2012), pues se entiende que, cuanto mayor sea el grado de percepción con respecto a la privacidad, los clientes estarán más dispuestos a confiar en la realización de transacciones online. Debido a estas consideraciones, es posible plantear las siguientes hipótesis:
Creencias normativas
Según la teoría de acción razonada, las creencias normativas son aquellas que se refieren a la influencia que ejercen individuos o grupos concretos sobre una persona con respecto a expectativas de conducta (Scalco et al., 2017), influyendo en lo que un individuo considera aceptable o inaceptable (Sam & Chatwin, 2015).
Dentro del escenario del e-commerce, las creencias normativas son relevantes debido a que existe una alta probabilidad de que su intención de uso se vea fuertemente influenciada por el entorno social de los posibles usuarios (Limayem et al., 2000). En efecto, múltiples estudios revelan que el círculo social de los clientes es altamente representativo en su comportamiento de consumo (Shahzad et al., 2019). Para ejemplificar este concepto, se puede pensar que, si el entorno de relaciones de un usuario está compuesto por personas que utilizan regularmente el e-commerce, es muy probable que el usuario sea favorablemente influenciado a usar el e-commerce. Por esta razón, es posible plantear la siguiente hipótesis:
H7. Existe una relación positiva entre las creencias normativas y la intención de uso del comercio electrónico.
Con base en la anterior presentación de las siete hipótesis, a continuación, la figura 3 presenta gráficamente el modelo teórico de la investigación. Como se observa, se presenta la interrelación entre las diferentes categorías presentadas.
Metodología de investigación
Desarrollo del instrumento de medida
Para la ejecución de esta investigación se utilizaron escalas de medición basadas en el instrumento teórico TAM, al cual se le añadieron los constructos de la confianza con sus respectivos antecedentes y las creencias normativas. Los indicadores de los constructos fueron adaptados a partir de los estudios de Villa Zapata et al. (2015), Meléndez Ruiz et al. (2018) y Cutshall et al. (2020).
Para garantizar la viabilidad del instrumento de investigación, se realizó una prueba piloto a doce personas antes de aplicar el cuestionario de manera oficial, lo que tuvo como resultado la modificación de varios indicadores según las sugerencias recibidas. Las preguntas de la encuesta fueron realizadas empleando la escala de Likert de cinco puntos, donde 1 significa "para nada de acuerdo" y 5, "totalmente de acuerdo".
Recopilación de datos
Los datos fueron obtenidos mediante un muestreo por conveniencia, utilizando el método de bola de nieve, identificado entre los estudiantes de la Universidad Técnica de Machala, Ecuador. El uso de un muestreo de conveniencia homogéneo ha sido estudiado y ampliamente aceptado por la literatura científica (Calder et al., 1981; Cook & Campbell, 1975). El método de bola de nieve ha sido también investigado profundamente y aceptado por su capacidad para adaptarse a diversos contextos de estudio (Etikan et al., 2016; Etikan & Bala, 2017). La aplicación de la encuesta se realizó con la herramienta de Google Forms en el mes de julio de 2021 y fue respondida por 360 personas (234 mujeres y 126 hombres), la mayoría con un rango de edad de entre 15 y 25 años. Por esta razón, si el muestreo, por un lado, representa una parte específica de la población, por el otro, investiga uno de los segmentos más interesante en el estudio de la aceptación del e-commerce, sea por su familiaridad actual o por su capacidad de representar las perspectivas futuras de la aceptación del medio electrónico (Anaya-Sánchez et al., 2020; Dharmesti et al., 2019). El 79% de los encuestados manifestó haber realizado compras online de una a cinco veces dentro del último año y el 76% no supera los $100 en compras (tabla 1).
Tabla 1 Datos demográficos de los encuestados.
Fuente: elaboración propia.
Resultados
El análisis del modelo teórico se desarrolla siguiendo el esquema en dos etapas (Anderson & Gerbing, 1988), que se enfoca en el análisis, primeramente, del modelo externo y, secundariamente, del modelo interno.
Análisis del modelo externo
El análisis del modelo externo está dirigido a la relación entre los constructos y los indicadores, y pretende verificar que existan los requisitos de fiabilidad y validez sin los cuales no sería posible realizar el análisis del modelo interno, es decir, de las relaciones entre los constructos (Hair et al., 2021). El primer paso de este análisis es la evaluación de la fiabilidad del modelo, que verifica si entre los indicadores existe una relación suficientemente estricta para que identifiquen la misma realidad (Hair et al., 2011). Los primeros dos instrumentos aptos para la evaluación de la consistencia de la fiabilidad del constructo son el índice de a de Cronbach (Cronbach, 1951) y los valores de la fiabi-lidad compuesta (Rossiter, 2002). La regla de oro para que la fiabilidad del modelo sea asegurada indica que los valores de ambos índices deben estar en el rango entre 0,7 y 0,95 (Cronbach & Shavelson, 2004; Drolet & Morrison, 2001). El tercer instrumento para verificar la fiabilidad del modelo está representado por la media de la varianza extraída (AVE) que se calcula realizando el promedio entre el valor de la varianza de cada indicador explicada por el constructo. En la literatura se considera que el constructo debe explicar por lo menos el 50% de la varianza de sus indicadores para poder considerar que exista una relación significativa entre constructo e indicadores, así que el valor mínimo de AVE aceptado corresponde a 0,5 (Bagozzi & Yi, 1988; Hair et al., 2019). Los resultados de esta investigación indican cómo todos los valores de fiabilidad interna cumplen con sus respectivos requisitos de aceptación (tabla 2).
Tabla 2 Fiabilidad interna.
| Alpha de Cronbach | Rho _A | Fiabilidad compuesta | Varianza media extraída | |
|---|---|---|---|---|
| CN | 0,819 | 0,843 | 0,879 | 0,645 |
| CP | 0,920 | 0,923 | 0,938 | 0,716 |
| CT | 0,897 | 0,902 | 0,928 | 0,764 |
| FU | 0,902 | 0,902 | 0,939 | 0,836 |
| IU | 0,892 | 0,893 | 0,920 | 0,698 |
| PP | 0,896 | 0,898 | 0,928 | 0,764 |
| UP | 0,883 | 0,885 | 0,928 | 0,811 |
Fuente: elaboración propia.
Cargas externas y cruzadas
La validez hace referencia a la medida por la cual los indicadores representan eficazmente el fenómeno descrito por el constructo. Existen dos tipos de validez: la convergente, que expresa el grado en que un indicador se correlaciona positivamente con los indicadores alternativos del mismo constructo, y la discriminante, que evalúa el grado en que un constructo es realmente distinto de otros constructos (Hair et al., 2019). El análisis de las cargas externas, es decir, las cargas que expresan la relación entre un indicador y su respectivo constructo, y de las cargas cruzadas, esto es, las cargas entre un indicador y los otros constructos, permite analizar los dos tipos de validez (Hulland, 1999). En consecuencia, la carga representa la raíz cuadrada del AVE y, debido a que valores superiores a 0,5 de AVE indican una relación significativa entre el constructo y un indicador, para que se cumpla la validez convergente, es necesario que las cargas externas sean superiores a 0,708 y las cargas cruzadas sean inferiores al mismo valor. Los resultados de la investigación muestran cómo todas las cargas respetan los requisitos de aceptabilidad y confirman la validez convergente (tabla 3).
Tabla 3 Cargas externas y cruzadas.
| CN | CP | CT | FU | IU | pp | UP | |
|---|---|---|---|---|---|---|---|
| CN-1 | 0,835 | 0,535 | 0,322 | 0,421 | 0,536 | 0,434 | 0,454 |
| CN-2 | 0,819 | 0,516 | 0,236 | 0,372 | 0,520 | 0,453 | 0,383 |
| CN-3 | 0,736 | 0,457 | 0,122 | 0,269 | 0,380 | 0,396 | 0,247 |
| CN-4 | 0,820 | 0,621 | 0,429 | 0,513 | 0,668 | 0,527 | 0,557 |
| CR-1 | 0,562 | 0,857 | 0,412 | 0,509 | 0,584 | 0,636 | 0,623 |
| CR-2 | 0,632 | 0,881 | 0,486 | 0,544 | 0,632 | 0,688 | 0,693 |
| CR-3 | 0,585 | 0,834 | 0,389 | 0,504 | 0,547 | 0,630 | 0,591 |
| CR-5 | 0,588 | 0,872 | 0,438 | 0,534 | 0,623 | 0,686 | 0,654 |
| CR-7 | 0,520 | 0,838 | 0,372 | 0,453 | 0,533 | 0,713 | 0,568 |
| CR-8 | 0,523 | 0,792 | 0,293 | 0,402 | 0,437 | 0,675 | 0,482 |
| CT-2 | 0,316 | 0,339 | 0,818 | 0,523 | 0,493 | 0,270 | 0,524 |
| CT-3 | 0,270 | 0,418 | 0,868 | 0,636 | 0,547 | 0,324 | 0,620 |
| CT-4 | 0,334 | 0,413 | 0,913 | 0,611 | 0,589 | 0,358 | 0,674 |
| CT-5 | 0,375 | 0,478 | 0,894 | 0,601 | 0,591 | 0,401 | 0,713 |
| FU-1 | 0,445 | 0,508 | 0,635 | 0,912 | 0,656 | 0,455 | 0,644 |
| FU-2 | 0,507 | 0,557 | 0,584 | 0,915 | 0,692 | 0,516 | 0,657 |
| FU-3 | 0,442 | 0,531 | 0,646 | 0,916 | 0,654 | 0,461 | 0,681 |
| IU-1 | 0,516 | 0,515 | 0,575 | 0,597 | 0,842 | 0,405 | 0,602 |
| IU-2 | 0,574 | 0,603 | 0,572 | 0,645 | 0,856 | 0,473 | 0,651 |
| IU-3 | 0,550 | 0,512 | 0,483 | 0,573 | 0,802 | 0,438 | 0,563 |
| IU-4 | 0,556 | 0,551 | 0,552 | 0,629 | 0,873 | 0,483 | 0,611 |
| IU-5 | 0,618 | 0,587 | 0,477 | 0,600 | 0,802 | 0,496 | 0,615 |
| RR-1 | 0,490 | 0,733 | 0,327 | 0,455 | 0,472 | 0,895 | 0,480 |
| RR-2 | 0,484 | 0,657 | 0,319 | 0,406 | 0,427 | 0,893 | 0,459 |
| RR-3 | 0,486 | 0,709 | 0,383 | 0,506 | 0,508 | 0,907 | 0,529 |
| RR-4 | 0,537 | 0,667 | 0,327 | 0,453 | 0,517 | 0,796 | 0,498 |
| UR-1 | 0,490 | 0,623 | 0,685 | 0,638 | 0,660 | 0,506 | 0,900 |
| UR-2 | 0,528 | 0,707 | 0,608 | 0,672 | 0,692 | 0,534 | 0,922 |
| UR-3 | 0,420 | 0,596 | 0,674 | 0,641 | 0,616 | 0,479 | 0,878 |
Fuente: elaboración propia.
Fornell-Larcker y HTMT
Para poder concluir la verificación de la validez discriminante, adicionalmente al análisis de las cargas cruzadas, es necesario realizar otros dos análisis: la aplicación del criterio de Fornell-Larcker y el índice HTMT. El primero investiga que las raíces cuadradas de los valores de AVE de cada constructo (tabla 2) sean inferiores a las correlaciones entre el constructo y los demás constructos. El índice HTMT, en cambio, representa la media de las correlaciones entre los indicadores de un constructo y los indicadores de los demás constructos y por ser aceptado no debe superar el valor de 0,9. Los resultados muestran que, en el caso de la relación entre los constructos de privacidad y confianza percibidas, el valor de HTMT es alto, pero no en el rango de no-aceptabilidad (tabla 4).
Tabla 4 FL-HTMT.
| CN | CP | CT | FU | IU | PP | UP | |
|---|---|---|---|---|---|---|---|
| CN | 0,803 | 0,7620 | 0,4040 | 0,5690 | 0,7630 | 0,6570 | 0,5970 |
| CP | 0,673 | 0,846 | 0,5160 | 0,6370 | 0,7290 | 0,8730 | 0,7880 |
| CT | 0,369 | 0,474 | 0,874 | 0,7540 | 0,7110 | 0,4320 | 0,8160 |
| FU | 0,508 | 0,582 | 0,681 | 0,914 | 0,8130 | 0,5800 | 0,8090 |
| IU | 0,675 | 0,664 | 0,637 | 0,730 | 0,836 | 0,6150 | 0,8200 |
| PP | 0,571 | 0,793 | 0,389 | 0,522 | 0,551 | 0,874 | 0,6330 |
| UP | 0,534 | 0,714 | 0,727 | 0,722 | 0,729 | 0,563 | 0,900 |
Nota. De la diagonal por abajo, los valores Farnell-Larcker; arriba de la diagonal, los HTMT.
Fuente: elaboración propia.
Análisis del modelo interno
El análisis del modelo interno está dirigido a investigar las relaciones de causalidad expresadas por la hipótesis y la fuerza de dichas relaciones (Hair et al., 2019). En específico, este análisis se forma en tres partes: en la primera, se prueban las hipótesis del modelo para verificar la significancia estadística; en la segunda, se analizan los valores de los coeficientes de determinación R2 de los constructos endógenos y, finalmente, se analiza la fuerza de la capacidad predictiva del modelo calculando el valor del índice Q2 de Stone-Geisser.
Previamente a este análisis, es necesario realizar la evaluación de la posible colinealidad entre las variables relacionadas que se realiza con el cálculo del valor VIF interno (Henseler et al., 2009). El valor VIF interno muestra la co-linealidad entre las variables cuando supera el valor de 5 (Kock, 2015); los resultados muestran que no hay problemas de colinealidad entre variables (tabla 5).
Bootstrapping
La prueba de las hipótesis está realizada por la técnica del Bootstrapping (Mackinnon et al., 2004; Williams & Mackinnon, 2008), que genera coeficiente de t-Student, de p-valor y del intervalo de confianza. Para que las hipótesis puedan ser aceptadas a un valor de confianza a de 5%, el coeficiente de t-Student debe ser superior a 1,96, el p-valor ser inferior a 0,05 y los valores del intervalo de confianza no deben incluir el valor de cero, ya que en este caso no se podría excluir que el valor del coeficiente de trayectoria sea estadísticamente diferente de cero. Los resultados del Bootstrapping revelan que todas las hipótesis logran la significancia estadística fuera de la hipótesis H5, ya que la relación entre confianza percibida e intención de uso no es significativa (tabla 6).
Tabla 6 Bootstrapping (p-value).
| Prueba de hipótesis | Intervalo de confianza | ||||||
|---|---|---|---|---|---|---|---|
| Hipótesis | Coeficiente de trayectoria | T Statistics | P Values | 2,5% | 97,5% | Significancia por α = 0,05 | |
| H1 | UR -> IU | 0,276 | 5,145 | 0,000 | 0,167 | 0,374 | Sí |
| H2 | FU -> IU | 0,335 | 5,941 | 0,000 | 0,219 | 0,439 | Sí |
| H3 | FU -> UR | 0,722 | 17,771 | 0,000 | 0,635 | 0,794 | Sí |
| H4 | CT -> FU | 0,681 | 18,288 | 0,000 | 0,596 | 0,744 | Sí |
| H5 | CR-> IU | 0,058 | 1,057 | 0,291 | -0,050 | 0,164 | No |
| H6 | RR -> CR | 0,793 | 39,598 | 0,000 | 0,751 | 0,830 | Sí |
| H7 | CN -> IU | 0,319 | 6,053 | 0,000 | 0,225 | 0,420 | Sí |
Fuente: elaboración propia.
R 2
El propósito de la técnica RLS es obtener un valor del coeficiente de determinación más alto posible, ya que de esta forma el modelo explicaría una parte relevante de la varianza de las variables endógenas. En la literatura se indica que los valores de 0,25, 0,50 y 0,75 son considerados débiles, moderados y sustanciales, respectivamente (Hair et al., 2011), aún si en algunos casos es posible aceptar valores de hasta 0,10 (Cohen, 1992). Los resultados muestran que los R2 están dados entre valores moderados y sustanciales, confirmando que el modelo explica una porción muy relevante de la varianza de las variables endógenas (tabla 7).
f 2
Un indicador de la fuerza de las variables exógenas está representado por el efecto f2 que indica la diferencia entre el coeficiente de determinación R2 si una variable endógena fuera eliminada; en consecuencia, cuanto más alto sea el efecto f2, la variable exógena será más importante en el modelo, porque genera un valor relevante de R2 en las variables endógenas. La regla de oro indica que el valor del efecto f2 debe ser superior a 0,02; al contrario, la aportación de la variable exógena de referencia al modelo sería irrelevante (Cohen, 2013). Los resultados muestran que la aportación de R2 del constructo de confianza al de intención de uso es más bajo de lo requerido. Este resultado no sorprende, ya que la relación entre los dos constructos había sido probada como no significativa en el Bootstrapping (tabla 8).
Q 2
Finalmente, el último paso del análisis del modelo interno es la evaluación del criterio Q2 de Stone-Geisser (Geisser, 1974; Stone, 1974), que se desarrolla con la técnica del Blindfolding, que evalúa la diferencia entre los parámetros del modelo en el caso de que algunos datos fueran eliminados y, de esta forma, indica la fuerza de predicción de cada variable exógena. Como en el caso de R2, el valor de Q2 no tiene un valor mínimo de aceptación, ya que cualquier valor superior a cero indica una cierta fuerza predictiva. Los resultados muestran cómo todos los valores de Q2 generados por el modelo teórico son superiores a cero (tabla 9).
Discusión
La confianza en el e-commerce
El modelo teórico de referencia aplicado por este estudio es el TAM, que relaciona la adopción de una innovación tecnológica con la facilidad y utilidad percibida de la misma innovación. Sin embargo, la investigación ha considerado tres variables adicionales que conforman la particularidad del entorno en el que se ha desarrollado la investigación. La primera es la confianza generada por el antecedente de la privacidad percibida.
La confianza es la percepción de que la empresa está operando para el bien del cliente y de forma honesta, cumpliendo con sus expectativas de forma transparente. Sin embargo, los resultados demostraron que no influye de forma significativa en la intención de uso. Aparentemente, este resultado es ilógico y contrario a las investigaciones que identifican la confianza como un factor crucial en generar la intención de uso (Lin et al, 2019; Sánchez-Alzate & Montoya-Restrepo, 2016; Sánchez & Montoya, 2017); por ejemplo, Zhang y Wang (2021) confirman que la confianza en los vendedores es fundamental para los compradores; Lu et al. (2010) extienden el análisis a la confianza en los miembros de la comunidad virtual, la red social, por ejemplo, y establece cómo este tipo de confianza es también necesaria para los compradores digitales; finalmente, Meléndez Ruiz et al. (2018), que también relacionan la confianza con el TAM, identifican la confianza como antecedente significativo de la utilidad y de la intención de uso del e-commerce. Sin embargo, en estos casos se asume la libre adopción por parte de los compradores del medio digital para realizar la compra, mientras que, en el caso de análisis del presente estudio, se ha identificado en las medidas de confinamiento anti-COVID-19 la principal razón que ha motivado a los compradores hacia el medio virtual, que probablemente en condiciones de normalidad no lo habrían utilizado o, por lo menos, no con la misma intensidad.
Una explicación alternativa a este resultado se puede identificar en los resultados de Capece et al. (2013) que, fundamentándose en Hofstede (2001), estudian el efecto moderador de los elementos culturales, concluyendo que estos últimos influyen positiva y significativamente en la relación entre confianza e intención de uso de e-commerce. Dado que el estudio de Capece et al. (2013) es realizado en Italia y que en el estudio de Hofstede (2001) se muestra cómo la cultura italiana y la ecuatoriana sean en los antípodas en por lo menos dos de los cuatro elementos culturales analizados por el estudio, es razonable inferir que los resultados de la presente investigación sean también influenciados por el efecto cultural. En consecuencia, los mismos elementos culturales que en Italia fortalecen la relación entre confianza e intención de uso, en el entorno ecuatoriano funcionan como mitigadores de la fuerza de la confianza.
Finalmente, se puede afirmar que los impedimentos a la adopción del e-commerce en Ecuador son todavía los mismos del estudio de Lawrence y Tar (2010), es decir, la escasez de infraestructuras, los precios de los dispositivos electrónicos y la falta de una clara y coherente estrategia nacional de informatización de los procesos administrativos.
El efecto de creencias normativas y competencia tecnológica
La segunda variable considerada es la presión que las personas importantes pueden ejercer en el usuario en forma de creencias normativas. Los resultados muestran que este es un factor fundamental, ya que, considerando el valor de f2, la variable de creencias normativas es la que más aporta en términos de coeficiente de determinación R2 al constructo de intención de uso. Este resultado coincide con los estudios de Cutshall et al. (2021) y Shahzad et al. (2019), que consideran las creencias normativas como un importante antecedente de la intención de uso; además, es coherente con el estudio de Hofstede (2001), que indica la cultura ecuatoriana como una de las más colectivista, es decir, en donde la opinión del individuo se forma dentro de un definido contexto comunitario.
Finalmente, la última variable es la competencia tecnológica, considerada como una variable crítica en un entorno todavía poco familiarizado con las opciones del mercado electrónico. Debido a esto, los resultados, de acuerdo con Cutshall et al. (2020), muestran que existe una relación significativa y positiva entre la competencia tecnológica, la facilidad en el uso, la utilidad y la intención de uso del e-commerce.
Capacidad predictiva del modelo
Uno de los aspectos interesantes del modelo es seguramente el alto valor del coeficiente de determinación R2 logrado por las variables endógenas y, en particular, por la intención de compra, cuyo R2 es de 0,699. Este dato está respaldado por un alto valor del coeficiente de fuerza pre-dictiva Q2 que es de 0,479. Estos valores están por encima de los resultados de los estudios que el presente artículo ha considerado como sus principales antecedentes: por ejemplo, son similares a los valores de R2 y Q2 de Meléndez Ruiz et al. (2018), mientras que el R2 es levemente superior a los resultados de Zhang y Wang (2021) y Cutshall et al. (2021).
Estos valores señalan la importancia de este estudio, que ha identificado en la competencia tecnológica y las creencias normativas dos aspectos necesarios para el estudio de la intención de uso del e-commerce. En consecuencia, las empresas pueden usar los resultados de la presente investigación para guiar la planificación de las iniciativas aptas para la promoción de las plataformas de venta en línea en el contexto ecuatoriano.
Conclusiones
Este estudio pretende identificar la adopción del comercio electrónico en periodo de pandemia por COVID-19 en Ecuador. Para realizar este estudio se ha implementado el modelo TAM, integrándose con las variables de la confianza, la competencia tecnológica y creencias normativas. El artículo ha sido organizado investigando los antecedentes conceptuales relacionados con el e-commerce y la situación de este instrumento de compra en el entorno ecuatoriano. En segundo lugar, se han introducido las variables y las hipótesis del modelo teórico y se han indicado las características de la metodología implementada. Finalmente, se han presentado los resultados del modelo externo e interno, se han discutido los hallazgos en relación con la confianza, las creencias normativas y competencia tecnológica, además de la capacidad predictiva del modelo.
Los resultados, que han sido analizados con la técnica del SEM-RLS, se han concentrado en tres principales conclusiones. En primer lugar, se ha mostrado cómo la confianza no establece una influencia significativa en la intención de uso. Probablemente este dato se debe a la necesidad con la que el e-commerce ha sido adoptado por los consumidores, es decir, en régimen de confinamiento no había otra opción. Sin embargo, es también posible una explicación que se encuentra en los rasgos culturales del entorno. Por lo tanto, este resultado implicaría que el consumidor ecuatoriano ha adoptado el e-commerce por necesidad y, por ende, es probable que regrese a los patrones de compras tradicionales si las empresas no invierten en significativas mejoras de sus procesos digitales y del manejo de la relación con los clientes. En segundo lugar, el estudio ha confirmado que las creencias normativas, es decir, la presión que el usuario percibe de la opinión de las personas más cercanas a él o ella, y la competencia en los dispositivos electrónicos son los factores que más intervienen en la decisión del usuario de adoptar este instrumento de compra; en particular, se ha identificado en las creencias normativas la principal fuente de explicación de la varianza de la variable de intención de uso. En tercer lugar, los resultados han mostrado que el modelo logra explicar alrededor del 70% de la intención de uso del e-commerce.
Esta investigación tiene algunas limitaciones. Primero, se concentra en una muestra de consumidores jóvenes, lo que, por una parte, asegura resultados confiables por la homogeneidad de los participantes, pero, por otra, no captura los rasgos propios de los consumidores más ancianos y con menos familiaridad con los dispositivos digitales. Además, el estudio no considera los elementos culturales, aunque infiere el efecto de estos en los resultados. Futuras investigaciones podrían seguir la dirección desarrollada por este artículo e interesarse por los factores que impiden la adopción del e-commerce que más están relacionados con la cultura del vendedor ecuatoriano, como por ejemplo el servicio al cliente y la reputación del vendedor.
La importancia de esta investigación está en moderar los entusiasmos de algunos autores acerca de la velocidad en la que el e-commerce se ha difundido en el tejido social ecuatoriano a causa de la pandemia. Además, pone en duda el crecimiento que pueda considerarse sostenible en el tiempo, ya que los usuarios siguen conservando sus dudas en este medio. Eventualmente, podrían regresar al comercio tradicional cuando las restricciones terminen, aunque las empresas no hayan resuelto los problemas que están obstaculizando la difusión del e-commerce.
