Recibido: 27 de julio de 2024
Aceptado: 13 de diciembre de 2024

Resumen

Objetivo: el objetivo del presente estudio fue analizar los factores determinantes en la intención de compras en línea en los consumidores del municipio de Valledupar, mediante la aplicación de la teoría UTAUT2 con la inclusión de la variable de riesgo percibido.
Diseño/metodología: la metodología empleada fue de tipo explicativo, con un enfoque cuantitativo, y un diseño no experimental, transeccional y de campo. Los datos se recopilaron mediante un cuestionario en línea y se analizaron 387 encuestas de consumidores que habían comprado en línea al menos una vez. El análisis de los datos fue realizado a partir del modelamiento de ecuaciones estructurales (SEM), con la técnica multivariante de modelos de ecuaciones estructurales de mínimos cuadrados parciales (PLS-SEM).
Resultados: la investigación evidenció que las variables expectativa de desempeño, expectativa de esfuerzo, motivación hedónica, valor del precio y hábito influyen en la intención de compras en línea; mientras que las variables influencia social, condiciones facilitadoras y riesgo percibido no alcanzaron a tener efecto en la intención.
Conclusiones: las relaciones entre los constructos de la UTAUT2 tienden a variar según el contexto cultural; en este caso, la variable más significativa para la intención de compra en línea es el hábito, demostrando que cuanto más integrada esté la acción de comprar en línea en la rutina diaria, mayor será la intención de hacerlo.
Originalidad: el estudio aporta información sobre el comportamiento de los consumidores en e-commerce, como también extiende el análisis de la intención de compra en línea a una población poco estudiada en este contexto.

Abstract

Objective: This study analyzes the key determinants of online purchase intention among consumers in Valledupar (Colombia), using the Unified Theory of Acceptance and Use of Technology 2 (UTAUT2) and incorporating perceived risk as an additional variable.
Design/Methodology: The study follows an explanatory approach with a quantitative methodology and a non-experimental, cross-sectional, and field-based design. Data were collected through an online questionnaire, with a final sample of 387 consumers who had made at least one online purchase. Structural Equation Modeling (SEM) was applied with the Partial Least Squares (PLS-SEM) multivariate technique for data analysis.
Findings: The findings indicate that performance expectancy, effort expectancy, hedonic motivation, price value, and habit influence online purchase intention. However, social influence, facilitating conditions, and perceived risk were found to have no measurable effect on purchase intention.
Conclusions: The relationships between UTAUT2 constructs tend to vary depending on cultural context. In this study, habit emerged as the most influential factor in online purchase intention, suggesting that the more seamlessly online purchase is integrated into daily routines, the greater the intention to continue doing so.
Originality: This paper contributes to the understanding of consumer behavior in e-commerce and extends the analysis of online purchase intention in a population that has been relatively underexplored in this context.

1. INTRODUCCIÓN

Notablemente, la pandemia causada por el COVID-19 generó la necesidad de adquirir productos en la comodidad de los hogares (Cullen et al., 2022; Rout et al., 2022), lo que incrementó el uso del comercio electrónico (Jílková y Králová, 2021; Modi et al., 2024); en Colombia esto trajo consigo un crecimiento anual en ventas en línea superior al 30 % los años 2020, 2021 y 2022 (CCCE, 2024), como también alteraciones en los hábitos de consumo de los consumidores (Khurjekar et al., 2024), su intención y motivación de compra (Vázquez-Martínez et al., 2021). Las compras en línea se integraron en la rutina diaria (Jaller y Pahwa, 2020), normalizando la adquisición de productos y servicios a través del comercio electrónico.

La intención de compra en línea se reconoce como uno de los principales predictores del comportamiento de compra digital (Perea y Monsuwé et al., 2004; Gopal et al., 2024) y puede ser influenciada por diversos factores (Mustafa et al., 2022). Por ello, identificar las relaciones que la afectan es esencial para las empresas que buscan mantenerse competitivas dentro del mercado globalizado actual (Yacob et al., 2021). El conocimiento de las necesidades del consumidor en el comercio electrónico mejora la eficiencia de los procesos, aumentando ventas y reduciendo costos (Jones et al., 2016).

Si bien existen numerosos estudios que analizan la intención de adquirir productos en línea en diversos contextos en los países desarrollados (Martinez y McAndrews, 2023a; Shaw y Sergueeva, 2019; Zhou et al., 2021), en el caso de los países en vía de desarrollo los aportes a esta línea de investigación siguen siendo escasos. En Colombia, autores como García- Salirrosas et al. (2022) y Dakduk et al. (2017) han estudiado la relación entre las variables que afectan de forma positiva la intención de compra en línea. Aun así, las investigaciones enfocadas en la intención de compra en el comercio electrónico siguen siendo limitadas, principalmente en ciudades intermedias del territorio nacional. En el caso de las ciudades intermedias, al tener una población de entre cincuenta mil y un millón de habitantes, y al actuar como puntos de servicios, comercio y conexión entre las áreas rurales y las zonas urbanas más industrializadas (Roberts, 2014). Por lo tanto, analizar los comportamientos de compra de sus consumidores es crucial para establecer la influencia en las dinámicas económicas regionales.

En la literatura, diversos autores han identificado variables que influyen en la intención de compra, como la expectativa de desempeño, la motivación hedónica y el precio (Dewi et al., 2020; Kapser y Abdelrahman, 2020; Li et al., 2020). En el comercio minorista en línea, factores como la confianza, los riesgos y la seguridad percibida tienen un impacto significativo en la intención de compra (Hadiyati et al., 2023), donde la confianza actúa como mediadora en la relación de estas variables (Margalina et al., 2024; Bylok, 2022). Para el comercio electrónico en general, la facilidad de uso, la utilidad, la confiabilidad y la conveniencia percibidas contribuyen a una mayor intención de compra en línea (Alvarado Oregón y Reyes Real, 2023). Sin embargo, según De Oliverira et al. (2017), Torrent-Selles et al. (2021) y McCoy et al. (2007), los resultados y las influencias de las variables pueden variar dependiendo del contexto. Por ello, resulta necesario aplicar teorías y modelos teóricos en diferentes culturas, para enriquecer su aplicabilidad y comprender mejor su alcance.

El objetivo de esta investigación fue analizar la intención de compra en línea de los consumidores del municipio de Valledupar, mediante la aplicación empírica de la teoría unificada de la aceptación y el uso de la tecnología en su versión extendida (UTAUT2), incorporando la variable de riesgo percibido. Esta se fundamentó en la ampliación del modelo en el contexto cultural de la muestra y en su buen desempeño en estudios previos con características similares (Margalina et al., 2024; Margalina, 2021). Además, se identifican y evalúan las variables que influyen en la intención de compra de los consumidores en línea de Valledupar, destacando sus preferencias al respecto.

Este estudio llena importantes vacíos, al reducir la carencia de investigaciones locales relacionadas con los factores que influyen en la intención de compra en línea en consumidores de un país en desarrollo. Asimismo, aporta datos inéditos de una población poco estudiada, lo que enriquece la comprensión del fenómeno en contextos emergentes. Desde una perspectiva práctica, los resultados pueden ser útiles para las empresas al proporcionarles información clave sobre los consumidores. Metodológicamente, la investigación contribuye a la validación del modelo UTAUT2 en un contexto cultural y social diferente, ofreciendo evidencia empírica de su aplicabilidad y ajuste en contextos subrepresentados, lo que refuerza su validez externa y relevancia global. La metodología empleada se basa en un enfoque cuantitativo, de tipo inferencial, con un diseño no experimental, transeccional y de campo. Los datos se recolectaron mediante la técnica de la encuesta, utilizando un cuestionario como instrumento.

La investigación se encuentra estructurada de la siguiente manera: marco teórico, que incluye la revisión de la literatura, las variables de estudio y las hipótesis; metodología, en la cual se detallan los procedimientos del estudio; resultados, que presentan los datos obtenidos; discusión, que contrasta los resultados con estudios previos; y, finalmente, conclusiones, donde se exponen las deducciones finales, recomendaciones y posibles líneas futuras para investigaciones.

2. MARCO TEÓRICO O REFERENCIAL

Producto de los análisis que abarcan la aceptación de nuevas tecnologías en la sociedad, se han desarrollado numerosas teorías y modelos que tienen como objetivo explicar los factores que inciden en la aceptación de las mismas, y cómo los usuarios se relacionan con estas. Entre las teorías más utilizadas se destacan el modelo de difusión de innovaciones (DOI) (Rogers, 1962), la teoría de acción razonada (TRA) (Fishbein y Ajzen, 1975), el modelo de aceptación tecnológica (TAM) (Davis, 1989), la teoría del comportamiento planeado (TPB) (Ajzen, 1991), la teoría unificada de aceptación y uso de tecnología (UTAUT) (Venkatesh et al., 2003). Estas teorías examinan las variables que afectan la intención de los usuarios y las organizaciones, proporcionando un marco comprehensivo para entender cómo y por qué deciden adoptar o rechazar una nueva tecnología. No solo ayudan a predecir la aceptación tecnológica, sino que también guían a gerentes en la creación de estrategias efectivas para mejorar la adopción. Esto se logra al identificar y abordar las barreras potenciales y los facilitadores clave en el proceso de implementación tecnológica.

Aunque diversas teorías se han utilizado en este contexto, las más frecuentes son la TAM y la UTAUT (Elkhayat et al., 2024; Williams et al., 2015). Ambas teorías, aunque maduras, presentan ciertas limitaciones, como la medición del comportamiento real (Malatji et al., 2020), y la incorporación de los factores hedónicos en la aceptación tecnológica (Samaradiwakara y Chandra, 2014); por lo tanto, se considera necesaria la extensión de los modelos con el fin de alcanzar una mayor capacidad predictiva de la intención y la aceptación de nuevas tecnologías.

En este sentido, la teoría unificada y el uso de la tecnología extendida (UTAUT2) resulta especialmente útil tanto desde una perspectiva teórica como práctica, debido a su enfoque en el contexto del consumidor (Venkatesh et al., 2012). El modelo de investigación propuesto se presenta en la Figura 1. A continuación, se describen los constructos del modelo de investigación y las hipótesis de desarrolladas.

Figura 1. Modelo de investigación propuesto
Figure 1. Proposed Research model
Fuente: elaboración propia.

Modelo UTAUT

Fue propuesto por Venkatesh et al. (2003) con el propósito de unificar modelos y teorías enmarcadas en el estudio de aceptación tecnológica con bases teóricas similares (Martínez Aparisi, 2016). Para lograrlo, se realizó una síntesis de las ocho teorías más destacadas dentro del campo, proporcionando una visión más unificada de los factores que tienden a influir en la aceptación de la tecnología (Oye et al., 2014).

De acuerdo al modelo UTAUT, la intención de comportamiento está influenciada por cuatro constructos dependientes: la expectativa de desempeño, la expectativa de esfuerzo, la influencia social y las condiciones facilitadoras. Los primeros tres constructos afectan la intención al comportamiento, la cual a su vez ejerce un efecto directo sobre el comportamiento de uso; mientras que las condiciones facilitadoras influyen directamente en el comportamiento de uso.

La intención de comportamiento se define como el grado en el cual un individuo ha formulado planes con anterioridad para realizar o no un comportamiento específico en el futuro de manera consciente (Yu et al., 2021). En esta investigación, la intención al comportamiento se define específicamente como la intención de compra en línea, y se refiere al grado de disposición y motivación de un consumidor para participar en un comportamiento de compra en línea (Chen et al., 2021).

Expectativa de desempeño

Generalmente definido como el grado en el cual el usuario tiene la creencia de que el uso de una tecnología le proporcionará mejoras en el desempeño de determinadas actividades (Venkatesh et al., 2012). Su relación con la intención se encuentra validada en la literatura por estudios enfocados en la intención de compra (An et al., 2016; Chen et al., 2021; Huang, 2023). Por ello, se propone la siguiente hipótesis:

H1: la expectativa de desempeño influye positivamente en la intención de compra en línea de los consumidores.

Expectativa de esfuerzo

Se entiende como el grado en que los usuarios perciben una tecnología como fácil de usar o libre de esfuerzo (Venkatesh et al., 2012). En este contexto, se plantea que los consumidores tienen intención de comprar en línea si estos lo encuentran fácil de realizar. Esta relación está fuertemente validada por diversos estudios en la literatura (Hanif et al., 2022; San Martín y Herrero, 2012; Zhang et al., 2023; Zhou et al., 2021). De este modo, se establece la siguiente hipótesis:

H2: la expectativa de esfuerzo influye positivamente en la intención de compra en línea de los consumidores.

Influencia social

Comprendida como la medida o el grado en que los consumidores perciben que las personas importantes en su vida creen que debería utilizar una tecnología, producto o servicio en particular (Venkatesh et al., 2003, 2012). La relación entre la influencia social y la intención ha sido estudiada en el contexto del comportamiento de compra en línea del consumidor (Doan, 2020; Ha, 2023; Juaneda-Ayensa et al., 2016), lo que ha demostrado su validez e influencia dentro del modelo. Por lo tanto, se establece como hipótesis:

H3: la influencia social incide positivamente en la intención de compra en línea de los consumidores.

Condiciones facilitadoras

Venkatesh et al. (2003) lo definen como la percepción del consumidor sobre los recursos y la ayuda disponible para llevar a cabo una conducta. Igualmente, alude al grado en el que el consumidor cuenta con las condiciones necesarias para comprar en línea; estas condiciones pueden estar ligadas al conocimiento, la tecnología y los equipos necesarios para llevar a cabo el comportamiento (Venkatesh et al., 2012). La relación entre el constructo condiciones facilitadoras y la intención se encuentra validada como otro de los factores que ejercen influencia en la intención de compras en línea (Chang et al., 2019; Escobar-Rodríguez y Carvajal-Trujillo, 2014; Huang, 2023). De manera que se propone la siguiente hipótesis:

H4: las condiciones facilitadoras influyen positivamente en la intención de compra en línea de los consumidores.

Modelo UTAUT2

Con el fin de reducir las limitaciones del modelo UTAUT e incrementar la comprensión de la adopción y el uso de la tecnología desde el contexto del consumidor, Venkatesh et al. (2012) extendieron el modelo UTAUT, denominándolo UTAUT2. Este nuevo modelo incorpora tres variables adicionales enfocadas específicamente en el consumidor: motivación hedónica, valor del precio y hábito. Estas nuevas variables se establecen como precedentes directos de la intención al comportamiento. A comparación del modelo UTAUT, la extensión propuesta en UTAUT2 demostró una mejoría sustancial en la varianza explicada sobre la intención al comportamiento (56 % a 74 %) (Chang et al., 2019; Kapser y Abdelrahman, 2020; Martinez y McAndrews, 2023b; Venkatesh et al., 2012).

Motivación hedónica

Se refiere a la emoción o el placer que experimenta el usuario al utilizar una tecnología (Venkatesh et al., 2012). Según Bridges y Florsheim (2008), las compras pueden generar experiencias hedónicas. En este contexto, la motivación hedónica se define como el grado en que los consumidores disfrutan de realizar compras digitales. La literatura ha validado la influencia de la motivación hedónica sobre la intención de compra en línea (An et al., 2016; Dakduk et al., 2020; Espírito Santo y Ascensão Marques, 2022). Por lo tanto, se plantea la hipótesis de que cuanto mayor sea el placer percibido por los consumidores, mayor será su intención de comprar a través de medios digitales. Se establece que:

H5: la motivación hedónica influye positivamente en la intención de compra en línea de los consumidores.

Valor del precio

Dodds et al. (1991) y Mosquera et al. (2018) refieren el valor del precio como la compensación cognitiva que los usuarios realizan entre los beneficios percibidos al adoptar determinada tecnología o cierto comportamiento y sus costos monetarios. Chang et al. (2019) afirman que cuanto menor sea el precio de la tecnología, mayor será el número de usuarios. Asimismo, Zhou et al. (2021) sostienen que el precio y el costo son conceptos importantes en la mente de los usuarios, ya que estos pueden afectar la percepción del valor de los productos. Múltiples estudios en la literatura han demostrado que el precio influye en la intención al comportamiento (Anwar et al., 2024; Chang et al., 2019; Chaparro Pinzón, 2022). De este modo, se establece la siguiente hipótesis:

H7: el valor del precio influye positivamente en la intención de compra en línea de los consumidores.

Hábito

Se denomina como el grado en el cual los usuarios tienden a realizar comportamientos de forma automática (Limayem et al., 2007). Este se encuentra ligado con la retroalimentación de los resultados de experiencias pasadas (Venkatesh et al., 2012). En el presente contexto, se plantea que los consumidores con un hábito de compras en línea más fuerte tendrán como resultado una mayor intención de comprar en línea. Diversos estudios han demostrado la validez entre la relación de hábito y la intención (Van Droogenbroeck y Van Hove, 2021; Escobar-Rodríguez y Carvajal-Trujillo, 2014; Martinez y McAndrews, 2023a). Con base en estudios previos, se formula la siguiente hipótesis:

H8: el hábito influye positivamente en la intención de compra en línea de los consumidores.

Variable añadida

De acuerdo con Cowart et al. (2008), es fundamental estudiar las variables que actúan como detractoras, por ejemplo, el riesgo percibido. Esta variable adquiere relevancia entre los consumidores, ya que, además de considerar los incentivos, evalúan también las posibles amenazas al momento de adoptar una tecnología, como sucede con las compras en línea. Por esta razón, se integra la variable de riesgo percibido, especialmente relevante en el contexto de los consumidores en línea de países en desarrollo. Estudios previos han demostrado que el riesgo percibido afecta significativamente el comportamiento de los consumidores al comprar en línea, tanto en Latinoamérica (Margalina et al., 2024; Margalina, 2021) como en Colombia (De Hoyos Abril y Yepes Barrera, 2024).

La literatura destaca la importancia del constructo de riesgo percibido, ampliamente utilizado por diversos autores en investigaciones relacionadas con los modelos UTAUT/UTAUT2 (An et al., 2016; Van Droogenbroeck y Van Hove, 2021; Habib y Hamadneh, 2021). Por ello, la inclusión de esta variable no solo enriquece la comprensión de los factores que influyen en la intención de compra en línea, sino que también amplía la aplicabilidad del modelo al contexto de una población de un país en desarrollo, evidenciando cómo las dimensiones del riesgo afectan el comportamiento hacia las compras en línea.

Riesgo percibido

Featherman y Pavlou (2003) definen el riesgo percibido como la potencial pérdida en la búsqueda de un resultado deseado. En esta investigación, se entiende como la percepción que tiene el consumidor sobre las posibles consecuencias negativas derivadas de comprar en línea. Múltiples investigaciones han analizado el efecto del riesgo percibido sobre la intención (Kamalul Ariffin et al., 2018; Kapser y Abdelrahman, 2020; Soto-Acosta et al., 2014), concluyendo que existe una relación negativa entre ambos. Esto hace probable que el riesgo percibido influya de manera adversa en la intención de comprar en línea. Por lo tanto, se propone la siguiente hipótesis:

H6: el riesgo percibido influye negativamente en la intención de compra en línea de los consumidores.

3. METODOLOGÍA

Este estudio adoptó un enfoque cuantitativo de tipo explicativo, con el propósito de esclarecer la relación causal entre las variables en un contexto específico. A través de la cuantificación de las relaciones entre las variables del modelo y el establecimiento de las hipótesis, se exploraron las variables que afectan la intención de compra en línea en la población objeto de estudio. El diseño de la investigación fue no experimental, transeccional, y de campo.

Muestra

La muestra se determinó utilizando un muestreo por conveniencia, diseñado para recopilar datos de manera accesible dentro de la población objetivo. Los criterios de inclusión establecidos fueron: 1) Tener la mayoría de edad (≥ 18 años), 2) Habitar en el área urbana del municipio de Valledupar, y 3) Haber realizado al menos una compra de bienes o servicios a través de internet. En total, se recopilaron 454 respuestas, de las cuales 67 fueron descartadas por no cumplir con los criterios de inclusión. Finalmente, la muestra quedó conformada por 387 participantes válidos, lo que permitió establecer una base sólida para el análisis de los datos (Tabla 1).

Recolección de los datos

La recolección de datos se hizo por medio de un cuestionario en línea. Este se basaba en el instrumento original desarrollado por Venkatesh et al. (2012) y, para su correcta aplicación, se empleó la versión en español adaptada por Chaparro Pinzón (2022) con modificaciones relacionadas al contexto de la intención de compra en línea y la incorporación de la variable de riesgo (Agudo Peregrina, 2014; Sánchez-Torres et al., 2017; Sánchez Torres, 2018) (ver Tabla 2). El cuestionario aplicado tenía dos secciones: 1) Perfil sociodemográfico y 2) Constructos determinantes para la intención de compra en línea (UTAUT2). Para responder el cuestionario, cada ítem fue medido con una escala de Likert de 5 puntos, que iba desde 1 (= “Completamente en desacuerdo”) a 5 (= “Completamente de acuerdo”).

Los datos fueron recolectados en abril de 2024 mediante un formulario de Google, distribuido a través de correo electrónico y redes sociales como WhatsApp, Facebook y Telegram, como también grupos locales. Se aprovechó el acceso directo a contactos cercanos y la red extendida de participantes, quienes compartieron el formulario en su entorno, ampliando el alcance del estudio. Este enfoque permitió obtener respuestas de manera rápida y práctica.

El perfil sociodemográfico de la muestra, presentado en la Tabla 3, muestra una predominancia del género femenino (63,8 %) sobre el masculino (36,2 %) y una alta representación de jóvenes entre 18 y 25 años (64,9 %), seguidos por el grupo de 26 a 35 años (15,2 %), lo que indica una inclinación hacia una población predominantemente joven. En relación con el nivel educativo, la mayoría de los participantes fueron bachilleres (41,6 %), seguidos por profesionales (20,2 %), mientras que los niveles técnicos y tecnológicos, combinados, representan un 26,9 %. Aunque se evidencian sesgos en términos de género, edad y nivel educativo, el tamaño de la muestra (387 participantes) garantiza la estabilidad de las estimaciones y permite realizar análisis confiables (Hair Jr. et al., 2022).

Técnicas de análisis de datos

Bajo el enfoque de modelamiento de ecuaciones estructurales (SEM) y utilizando la técnica multivariante de modelos de ecuaciones estructurales de mínimos cuadrados parciales (PLS-SEM), se analizaron los datos y se estimaron las relaciones entre los constructos. Esto se debe a que el PLS-SEM permite analizar simultáneamente todas las relaciones del modelo, medir variables no observadas y manejar de manera adecuada relaciones en muestras con sesgos demográficos o distribuciones desiguales en sus características (Hair Jr. et al., 2022).

Los datos se analizaron en dos etapas. En la primera, se evaluó el modelo de medición; en la segunda, se analizó la validez del modelo estructural (ver Tabla 4). Para gestionar la base de datos, obtener los resultados inferenciales y desarrollar el modelo PLS-SEM se empleó el Software R (2018) con los paquetes “SEMinR” (Hair Jr. et al., 2021).

4. RESULTADOS

Validación del modelo de medición

Para validar el modelo de medición y garantizar un buen ajuste, se evaluó la consistencia interna, la validez convergente y la validez discriminante. Respecto a la fiabilidad de cada ítem, por regla general, el valor de cada carga debe ser ≥ 0,708 (Hair Jr. et al., 2022). Todas las cargas superaron este umbral (ver Tabla 5), lo que indica que la fiabilidad ítem es adecuada. Para calcular la confiabilidad basada en la consistencia interna, se aplicó la prueba de Alpha de Cronbach’s (AC) y se utilizó el índice Rho_A. En ambas pruebas, un valor de coeficiente ≥ 0,70 se considera aceptable (Hair Jr. et al., 2022). Los coeficientes de consistencia interna para los constructos del estudio superaron el umbral sugerido, lo que confirma que todos los constructos reflectivos son consistentes. Los resultados se encuentran resumidos en la Tabla 5.

Respecto a la validez convergente, se analizó utilizando la varianza media extraída (AVE), considerándose adecuado un valor ≥ 0,50 (Hair Jr. et al., 2022). Los nueve constructos evaluados muestran valores superiores al umbral (ver Tabla 5), lo que demuestra la validez convergente y que los constructos explican más de la mitad de la varianza de sus indicadores. Por último, la validez discriminante se verificó a través de la medida HTMT, basada en correlaciones. Para que esta sea adecuada, los valores deben ser < 0,85 (Henseler et al., 2015); en la Tabla 6 se presentan los resultados, se observa que las correlaciones entre los constructos se mantienen inferiores al umbral establecido. Esto confirma la validez discriminante y evidencia que los constructos son distintos entre ellos.

Validación del modelo estructural

Con el propósito de estimar los coeficientes que constituyen las hipótesis del estudio, se evaluó según los criterios establecidos por Hair Jr. et al. (2022) la colinealidad, la significancia de las relaciones y el poder explicativo del modelo. Para evaluar la colinealidad se utilizó como medida la inflación de la varianza (VIF), se recomienda que los valores se mantengan por debajo de 5 y preferiblemente por debajo de 4 para garantizar que la colinealidad no tenga un efecto sustancial en la estimación del modelo estructural; los resultados del estudio se ajustan a dichos valores, lo que indica ausencia de colinealidad entre los constructos del estudio. La significancia estadística en la relación de las hipótesis fue evaluada a través del Bootstrapping (Streukens y Leroi-Werelds, 2016), con 10 000 submuestras para una mayor precisión en la estimación y un nivel de significancia del 5%; en la muestra evaluada se halló evidencia estadísticamente significativa a favor de las siguientes hipótesis planteadas: H1 (β = 0.105; p < 0.001), H2 (β = 0.118; p < 0.001), H5 (β = 0.170; p < 0.001), H7 (β = 0.230; p < 0.001) y H8 (β = 0.288; p < 0.001). El resto de las hipótesis no logró mantenerse. Los resultados se encuentran resumidos en la Tabla 7 y la Figura 2.

En relación con el poder explicativo del modelo, la medida utilizada para su evaluación fue el coeficiente de determinación R², que varía entre 0 y 1. Para evaluar los resultados de R² no existe una regla general de valores aceptables, pero hay algunos umbrales relativos; para Hair Jr. et al. (2022) y Ozili (2022) los coeficientes de determinación de por lo menos 0.10 (o 10 %) son considerados como aceptables, siempre que algunas o la mayoría de las variables predictoras sean estadísticamente significativas. Los resultados demuestran una variabilidad explicada para la intención de compra en línea de R² = 58 %. Tomando como referencia lo señalado por Hair Jr. et al. (2022) y Ozili (2022), los R² del modelo son mayores al 10 % y todas las relaciones establecidas entre dichas variables fueron estadísticamente significativas; por lo tanto, los R² son aceptables y contribuyen al poder explicativo del modelo. En síntesis, el modelo propuesto para explicar la intención de compra en línea mostró evidencias empíricas consistentes, con un funcionamiento adecuado y evidencia empírica a favor de las hipótesis planteadas en la investigación.

Figura 2. Modelo UTAUT2 para investigar los factores que influyen en la intención de compra en línea
Figure 2. UTAUT2 model for investigating the factors influencing online purchase intention
Fuente: elaboración propia.

5. DISCUSIÓN

El objetivo de esta investigación fue analizar los factores determinantes en la intención de compras en línea en los consumidores del municipio de Valledupar, aplicando una versión extendida del modelo UTAUT2 con el agregado del constructo de riesgo percibido. El modelamiento de ecuaciones estructurales fue aplicado en el análisis, revelando las influencias de la expectativa de desempeño, la expectativa de esfuerzo, la motivación hedónica, el valor del precio y el hábito en la intención de compra en línea de la muestra estudiada. El modelo teórico propuesto explicó el 58 % de la varianza en la intención de compras en línea. Por lo tanto, este estudio provee bases teóricas para la investigación de la intención de compra en línea en una ciudad intermedia y ofrece una perspectiva sobre la agregación de nuevos factores en el estudio de las compras en línea.

A partir de los resultados del análisis empírico se constata que, en la muestra estudiada, el hábito fue la variable significativa con mayor peso en la intención de compra en línea. Investigaciones previas han demostrado la fuerte relación y el impacto positivo del hábito en la intención de compra en línea (Chaparro Pinzón, 2022; Dakduk et al., 2020; Van Droogenbroeck y Van Hove, 2021; Escobar-Rodríguez y Carvajal-Trujillo, 2014). Por esta razón, cuanto mayor sea el hábito de los individuos, más probable será que tengan una mayor intención de comprar en línea, lo que también puede traducirse como una mayor probabilidad de hacer uso del comercio electrónico.

Adicionalmente, el valor del precio también juega un papel importante en la intención de compra en línea, esta fue la variable significativa con el segundo mayor peso. Los resultados obtenidos se encuentran alineados con los resultados de investigaciones previas (Anwar et al., 2024; Chang et al., 2019). Esta relación puede indicar la probabilidad de que la muestra evidencie una ventaja en los precios al comprar en línea. Asimismo, para Chaparro Pinzón (2022), los individuos perciben una compensación entre los beneficios que obtienen al comprar en línea y el costo que les toma realizarlo, el cual es mínimo.

La motivación hedónica demostró una correlación positiva significativa con la intención de comprar en línea. Esto sugiere que los consumidores encuentran divertido y estimulante realizar compras en línea, y que cuanto más agradable sea la experiencia dentro de las tiendas o plataformas virtuales, mayor será la intención de comprar. Estos resultados confirman las investigaciones previas de Dakduk et al. (2020) y Espírito Santo y Ascensão Marques (2022). Asimismo, coinciden con los resultados de Fülöp et al. (2023), quienes señalan que tanto las motivaciones hedónicas como las utilitarias se han correlacionado con las intenciones de compra en línea de comercio electrónico, y la búsqueda de información surge como un predictor significativo. Estos hallazgos subrayan la importancia de comprender las tendencias hedónicas de los consumidores para que los minoristas electrónicos puedan gestionar la actividad del sitio web y adaptar sus estrategias de marketing para atraer eficazmente a los compradores en línea.

En coherencia con los resultados de Zhang et al. (2023) y Zhou et al. (2021), la expectativa de esfuerzo demostró tener un impacto positivo sobre la intención de compra en línea, indicando que cuanto mayor sea la percepción de libertad de esfuerzo y facilidad por parte del consumidor, mayor será su intención de compra. La mayoría de la literatura valida esta opinión (Forsythe et al., 2006; San Martín y Herrero, 2012). Este hallazgo se alinea con la teoría del comportamiento del consumidor en entornos digitales, donde la facilidad de uso percibida es un determinante clave de la adopción tecnológica. La facilidad de navegación, la simplicidad en el proceso de pago y la accesibilidad de la información son aspectos que contribuyen a una percepción positiva de la facilidad de uso. Por lo anterior, las empresas deben centrarse en mejorar la experiencia del usuario para fomentar una mayor adopción y uso de las plataformas de comercio electrónico.

Por otro lado, la expectativa de desempeño también demostró tener un impacto positivo sobre la intención de compra en línea. Esto sugiere que los consumidores perciben que realizar compras en línea les aportará beneficios tangibles como mejorar su productividad y comprar de forma más rápida y eficiente. Esta percepción de valor agregado es importante porque anima a los consumidores a adoptar y utilizar plataformas de comercio electrónico. Implementar funciones que promuevan una experiencia de compra rápida, eficiente y efectiva es fundamental para atraer y retener clientes en un mercado digital competitivo. El resultado se encuentra validado por estudios previos que demuestran que la expectativa de desempeño tiene un efecto positivo sobre la intención de compra (An et al., 2016; Chen et al., 2021; Escobar-Rodríguez y Carvajal-Trujillo, 2014; Huang, 2023).

En cuanto al riesgo percibido, de manera inesperada este no presento una relación significativamente negativa con la intención de compra en línea. Los resultados evidenciaron una relación positiva muy débil y sin significancia estadística, lo que contradice la hipótesis H6, la cual sugiere una relación negativa. Es importante destacar que, en otros estudios realizados en América Latina (Margalina, 2021) y en países en desarrollo como Ecuador (Margalina et al., 2024) y México (Ruiz Dominguez et al., 2022), se ha demostrado una relación negativa entre el riesgo percibido y la intención de compra en línea. Sin embargo, también existen casos en la literatura en los que el riesgo percibido no ejerce una influencia negativa sobre la intención de compra, tanto en mercados desarrollados (Van Droogenbroeck y Van Hove, 2021) como en desarrollo (Ventre y Kolbe, 2020).

El riesgo percibido en los compradores frecuentes suele ser bajo (Forsythe et al., 2006), lo que sugiere que los usuarios experimentados y familiarizados con las plataformas digitales no perciben estos riesgos como barreras significativas al momento de comprar en línea. En el caso de la muestra analizada, las características específicas de los participantes podrían haber contribuido a la falta de impacto sobre la intención. La mayoría de los encuestados eran personas jóvenes, con estudios y experiencia previa en compras en línea, lo que podría explicar una menor percepción de riesgo (Shukla et al., 2022). Además, el criterio de inclusión en la muestra exigía haber realizado al menos una compra en línea, lo que implica que los participantes ya eran compradores en línea. Este hecho pudo haber reducido de forma significativa el impacto del riesgo percibido en la intención de compra.

No se encontró un impacto significativo de la influencia social sobre la intención de comprar en línea. San Martín y Herrero (2012) exponen en los resultados de su investigación sobre la intención de compra en línea en el contexto del turismo que este rechazo de la hipótesis podía explicarse por la relación directa entre el consumidor y el uso de internet como fuente de información. Esta relación ha permitido que los clientes investiguen de manera independiente sobre productos y servicios, disminuyendo así la influencia social en el comportamiento de compra. Estos hallazgos coinciden con los reportes obtenidos de Chaparro Pinzón (2022) y Dakduk et al. (2020), aunque difieren de las conclusiones de Zhang et al. (2023), Chang et al. (2019) y Venkatesh et al. (2012), quienes identificaron una relación positiva y significativa entre estas variables.

Por otro lado, los resultados también muestran que, para la muestra analizada, las condiciones facilitadoras tienen una influencia estadísticamente significativa sobre la intención de compra en línea. Los resultados son consistentes con estudios previos (Chaparro Pinzón, 2022; Van Droogenbroeck y Van Hove, 2021; San Martín y Herrero, 2012; Zhang et al., 2023), que demuestran que las condiciones facilitadoras no siempre generan un impacto significativamente positivo. En este caso, dado que los participantes ya habían comprado en línea, es probable que contasen con los recursos y conocimientos necesarios para ello, percibiéndolos como un estándar. Esto reduce su dependencia de las condiciones facilitadoras y disminuye su relevancia como factor motivador para comprar en línea.

Este estudio profundiza en el comportamiento del consumidor y en los factores que influyen en la intención de compra en línea en una población de consumidores de una ciudad intermedia. Además de enriquecer la literatura académica, proporciona un insumo teórico valioso para que las empresas puedan plantear mejores estrategias de mercadeo enfocadas en la óptica del consumidor. Desde el punto de vista teórico, esta es la primera investigación que analiza la intención de compra en línea en los consumidores de Valledupar utilizando un modelo de aceptación tecnológica. Asimismo, el uso de la UTAUT2 adaptada y modificada constituye un aporte significativo a la escasa literatura nacional sobre este tema.

La investigación no está exenta de limitaciones. Una de las principales se relaciona con la significativa heterogeneidad de la muestra. Para futuras investigaciones, se recomienda utilizar un diseño de muestreo más equilibrado y llevar a cabo un análisis de invarianza de la medición de modelos compuestos (MICOM), para verificar que la heterogeneidad no influya en las mediciones realizadas. Esto reforzaría la validez de las conclusiones y permitiría una mejor generalización de los hallazgos.

Por otro lado, se ha demostrado que el modelo UTAUT2 no captura completamente las influencias culturales (Venkatesh et al., 2016), lo que puede generar variaciones en los resultados al aplicarse en diferentes culturas. Por ello, se sugiere realizar más estudios que apliquen el modelo UTAUT2 en diversos países, con distintos contextos y culturas. Asimismo, se recomienda modificar el modelo para aumentar su capacidad predictiva mediante la inclusión de nuevas variables, como la confianza percibida (Gefen et al., 2003; Oh y Yoon, 2014), la utilidad y la ansiedad (Huang, 2023).

Este estudio adoptó un enfoque transversal; sin embargo, dado que el comportamiento del consumidor es dinámico, las investigaciones futuras deberían considerar un enfoque longitudinal. Esto permitiría evaluar los cambios en las variables estudiadas y la evolución de las relaciones entre las mismas a lo largo del tiempo. Finalmente, esta investigación analizó la intención de compra en línea desde una perspectiva general, sin profundizar en productos o servicios específicos. Por ello, se recomienda que futuros estudios apliquen el modelo con un enfoque más específico en determinados productos o servicios.

6. CONCLUSIONES

El presente estudio ofrece una visión integral de los factores determinantes de la intención de compra en línea en una muestra conformada por consumidores. Se añaden valiosos aportes a la literatura al analizar las preferencias del consumidor y las variables que influyen en la intención de compra dentro de una muestra específica. Además, se exploran las perspectivas de los consumidores modernos en el contexto de una ciudad intermedia, mediante la modificación y aplicación de un modelo de investigación que identifica los factores que afectan la intención de compra en línea.

Se generan contribuciones teóricas significativas al adaptar y aplicar el modelo UTAUT2 en un contexto cultural no estudiado previamente. Este enfoque permitió obtener una perspectiva única sobre una muestra colombiana y refuerza la teoría en el análisis del comercio electrónico en ciudades intermedias y países en desarrollo, ofreciendo un marco más robusto para futuras investigaciones que quieran replicar el modelo.

La investigación evaluó el impacto de ocho factores directos en la intención de compra en línea. De estos, solo la expectativa de desempeño, la expectativa de esfuerzo, la motivación hedónica, el valor del precio y el hábito demostraron significancia estadística. Entre estas variables, el hábito tuvo el mayor peso, lo que subraya su papel crucial en la intención de comprar en línea dentro de la muestra estudiada.

En cuanto al riesgo percibido, su hipótesis no pudo ser soportada. Esto resalta la dificultad de generalizar su impacto de manera consistente en la intención de compra en línea y, a la vez, permite distinguir las diferencias en el comportamiento del consumidor en muestras con culturas distintas. La incorporación del riesgo percibido en el modelo UTAUT2 se recomienda en futuras investigaciones, ya que permite aumentar su capacidad explicativa al incluir variables detractoras.

Por último, los hallazgos de este estudio no solo enriquecen el conocimiento académico, sino que también constituyen un recurso valioso para las empresas interesadas en comprender las preferencias de los consumidores locales. Este análisis puede servir como base para diseñar estrategias de mercadeo orientadas a aumentar las ventas del comercio electrónico en la región.

CONFLICTOS DE INTERÉS

Los autores declaran que no presentan conflictos de interés financiero, profesional o personal que pueda influir de forma inapropiada en los resultados obtenidos o las interpretaciones propuestas.

CONTRIBUCIÓN DE AUTORÍA

Para el desarrollo de este artículo todos los autores han realizado una contribución significativa, especificada a continuación:

Jhon Henrry Solano Mejía: conceptualización, diseño y desarrollo de la investigación, revisión de literatura, fundamentación teórica, diseño metodológico, diseño y validación del instrumento de investigación, recolección de datos, sistematización, análisis estadístico e interpretación de los datos, redacción del manuscrito.

Andrea Marcela Méndez Sánchez: conceptualización y diseño de la investigación, revisión de literatura, diseño metodológico, diseño y validación del instrumento de investigación, recolección de datos, supervisión del trabajo de campo, revisión y ajustes del manuscrito para asegurar claridad, coherencia y calidad académica, supervisión y coordinación general de la investigación.

NOTAS AL PIE

• arrow_upward Este artículo se deriva del proyecto de investigación Factores determinantes para la intención de compras en línea en los consumidores del municipio de Valledupar, Cesar, financiado por la Universidad Popular del Cesar en el marco de la financiación de proyectos de jóvenes egresados investigadores e innovadores.

REFERENCIAS

• arrow_upward Agudo Peregrina, Á. (2014). Análisis de los factores de adopción de comercio electrónico en segmentos de consumidores finales. Aplicación al caso español [Tesis de doctorado, Universidad Politécnica de Madrid]. Archivo digital UPM. https://doi.org/10.20868/UPM.thesis.29489
• arrow_upward Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179-211. https://doi.org/https://doi.org/10.1016/0749-5978(91)90020-T
• arrow_upward Alvarado Oregón, A. M. d. R., y Reyes Real, O. B. (2023). Theoretical Model on the Online Purchase Intention of the Mexican Internet User. Cuadernos de Administración, 39(77). https://doi.org/10.25100/cdea.v39i77.12824
• arrow_upward An, L., Han, Y., y Tong, L. (2016). Study on the Factors of Online Shopping Intention for Fresh Agricultural Products Based on UTAUT2. Proceedings of the 2nd Information Technology and Mechatronics Engineering Conference (ITOEC 2016). Atlantis Press. https://doi.org/10.2991/itoec-16.2016.57
• arrow_upward Anwar, W., Abbasi, A. Z., Albashrawi, M., Abbasi, G. A., y Habiba, U. (2024). Asymmetric and symmetric approaches to the extension of UTAUT2 in the M-payment adoption of Pakistani apps. Journal of Financial Services Marketing, 29, 1175-1193. https://doi.org/10.1057/s41264-024-00266-8
• arrow_upward Bridges, E., y Florsheim, R. (2008). Hedonic and utilitarian shopping goals: The online experience. Journal of Business Research, 61(4), 309-314. https://doi.org/https://doi.org/10.1016/j.jbusres.2007.06.017
• arrow_upward Bylok, F. (2022). Examining the impact of trust on the e-commerce purchase intentions of young consumers in Poland. Journal of Internet Commerce, 21(3), 364-391. https://doi.org/10.1080/15332861.2021.1978194
• arrow_upward CCCE. (2024). Informe de cierre del comportamiento del comercio electrónico en Colombia. Cuarto trimestre 2023. Cámara de Comercio Electrónico. https://www.ccce.org.co/wp-content/uploads/2017/06/INFORME-DE-CIERRE-2023-VERSION-PUBLICA.pdf
• arrow_upward Chang, C. M., Liu, L. W., Huang, H. C., y Hsieh, H. H. (2019). Factors Influencing Online Hotel Booking: Extending UTAUT2 with Age, Gender, and Experience as Moderators. Information, 10(9), 281. https://doi.org/10.3390/info10090281
• arrow_upward Chaparro Pinzón, C. R. (2022). Factores determinantes para la intención de compras en línea para los consumidores boyacenses. Universidad & Empresa, 24(43), 1-36. https://doi.org/10.12804/revistas.urosario.edu.co/empresa/a.11934
• arrow_upward Chen, L., Rashidin, M. d. S., Song, F., Wang, Y., Javed, S., y Wang, J. (2021). Determinants of Consumer’s Purchase Intention on Fresh E-Commerce Platform: Perspective of UTAUT Model. Sage Open, 11(2). https://doi.org/10.1177/21582440211027875
• arrow_upward Cowart, K. O., Fox, G. L., y Wilson, A. E. (2008). Consumer innovativeness and self-congruence in new product purchases. Psychology and Marketing, 25(12), 1111-1130. https://doi.org/10.1002/mar.20256
• arrow_upward Cullen, M., Calitz, A. P., y Shati, J. (2022). Online Shopping Behaviour in South Africa During the COVID-19 Pandemic. En S. Papagiannidis, E. Alamanos, S. Gupta, Y. K. Dwivedi, M. Mäntymäki y I. O. Pappas (eds.), The Role of Digital Technologies in Shaping the Post-Pandemic World. I3E 2022 (pp. 403-415). Springer. https://doi.org/10.1007/978-3-031-15342-6_31
• arrow_upward Dakduk, S., Santalla-Banderali, Z., y Ribamar Siqueira, J. (2020). Acceptance of mobile commerce in low-income consumers: evidence from an emerging economy. Heliyon, 6(11), e05451. https://doi.org/10.1016/J.HELIYON.2020.E05451
• arrow_upward Dakduk, S., Ter Horst, E., Santalla, Z., Molina, G., y Malave, J. (2017). Customer Behavior in Electronic Commerce: A Bayesian Approach. Journal of theoretical and applied electronic commerce research, 12(2), 1-20. https://doi.org/10.4067/S0718-18762017000200002
• arrow_upward Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS quarterly, 13(3), 319-340. https://doi.org/10.2307/249008
• arrow_upward De Hoyos Abril, I. F., y Yepes Barrera, J. S. (2024). Abstinencia a la compra digital en los consumidores de Bogotá: análisis por grupos etarios y estrategias para las marcas [Trabajo de grado, Pontificia Universidad Javeriana]. Repositorio Javeriana. http://hdl.handle.net/10554/67714
• arrow_upward De Oliverira, M. J., Martins Baptista, R., y Baptista Meireles de Sousa, J. M. (2017). Psychic Distance, Purchase Intention and Life Satisfaction. An Analyzing of International Purchase Websites. En J. I. Kantola, T. Barath, S. Nazir, y T. Andre (eds.), Advances in Human Factors, Business Management, Training and Education (pp. 609-620). Springer International Publishing.
• arrow_upward Dewi, C. K., Mohaidin, Z., y Murshid, M. A. (2020). Determinants of online purchase intention: a PLS-SEM approach: evidence from Indonesia. Journal of Asia Business Studies, 14(3), 281-306. https://doi.org/10.1108/JABS-03-2019-0086
• arrow_upward Doan, T. T. T. (2020). Factors affecting online purchase intention: A study of Vietnam online customers. Management Science Letters, 10, 2337-2342. https://doi.org/10.5267/j.msl.2020.3.001
• arrow_upward Dodds, W., Monroe, K. B., y Grewal, D. (1991). Effects of price, brand, and store information on buyers’ product evaluations. Journal of Marketing Research, 28(3), 307-319. https://doi.org/10.1177/002224379102800305
• arrow_upward Elkhayat, Y., Adel, K., y Marzouk, M. (2024). Technology adoption in the construction industry (1999–2023): Science mapping and visualization. Automation in Construction, 165, 105491. https://doi.org/https://doi.org/10.1016/j.autcon.2024.105491
• arrow_upward Escobar-Rodríguez, T., y Carvajal-Trujillo, E. (2014). Online purchasing tickets for low cost carriers: An application of the unified theory of acceptance and use of technology (UTAUT) model. Tourism Management, 43, 70-88. https://doi.org/https://doi.org/10.1016/j.tourman.2014.01.017
• arrow_upward Espírito Santo, P., y Ascensão Marques, A. M. (2022). Determinants of the online purchase intention: hedonic motivations, prices, information and trust. Baltic Journal of Management, 17(1), 56-71. https://doi.org/10.1108/BJM-04-2021-0140
• arrow_upward Featherman, M. S., y Pavlou, P. A. (2003). Predicting e-services adoption: a perceived risk facets perspective. International Journal of Human-Computer Studies, 59(4), 451-474. https://doi.org/https://doi.org/10.1016/S1071-5819(03)00111-3
• arrow_upward Fishbein, M. A., y Ajzen, I. (1975). Belief, attitude, intention, and behavior: An introduction to theory and research. Addison-Wesley. https://bit.ly/365CpKr
• arrow_upward Forsythe, S., Liu, C., Shannon, D., y Gardner, L. C. (2006). Development of a scale to measure the perceived benefits and risks of online shopping. Journal of Interactive Marketing, 20(2), 55-75. https://doi.org/https://doi.org/10.1002/dir.20061
• arrow_upward Fülöp, M. T., Topor, D. I., Căpușneanu, S., Ionescu, C. A., y Akram, U. (2023). Utilitarian and Hedonic Motivation in E-Commerce Online Purchasing Intentions. Eastern European Economics, 61(5), 591-613. https://doi.org/10.1080/00128775.2023.2197878
• arrow_upward García-Salirrosas, E. E., Acevedo-Duque, Á., Marin Chaves, V., Mejía Henao, P. A., y Olaya Molano, J. C. (2022). Purchase Intention and Satisfaction of Online Shop Users in Developing Countries during the COVID-19 Pandemic. Sustainability, 14(10). https://doi.org/10.3390/su14106302
• arrow_upward Gefen, D., Karahanna, E., y Straub, D. W. (2003). Trust and TAM in Online Shopping: An Integrated Model. MIS Quarterly, 27(1), 51-90. https://doi.org/10.2307/30036519
• arrow_upward Gopal, S., Gil, M. T., Cydel Salian, B., y Baddaoui, J. (2024). Optimizing digital menus for enhanced purchase intentions: insights from India’s restaurant industry in the post-COVID-19 era. Cogent Business & Management, 11(1), 2432536. https://doi.org/10.1080/23311975.2024.2432536
• arrow_upward Ha, V. (2023). Behavioral Intention and Behavior of Using E-Commerce Platforms for Online Purchases and Payments by Vietnamese Consumers. En A. T. Nguyen, T. T. Pham, J. Song, Y.-L. Lin, y M. C. Dong (eds.), Contemporary Economic Issues in Asian Countries: Proceeding of CEIAC 2022, Volume 1 (pp. 127-156). Springer. https://doi.org/10.1007/978-981-19-9669-6_8
• arrow_upward Habib, S., y Hamadneh, N. N. (2021). Impact of Perceived Risk on Consumers Technology Acceptance in Online Grocery Adoption amid COVID-19 Pandemic. Sustainability, 13(18), 10221. https://doi.org/10.3390/su131810221
• arrow_upward Hadiyati, I. A., Sukiamnto, L., Amitha, U. R., Wijaya, L., Choon, N. K., y Meng, C. K. (2023). Purchase Intention of E-Commerce Platform in Indonesia: Determinants of the Motivation Hindering Factors. En 2023 IEEE 9th International Conference on Computing, Engineering and Design (ICCED) (pp. 1-6). IEEE. https://doi.org/10.1109/ICCED60214.2023.10425416
• arrow_upward Hair Jr., J. F., Hult, G. T. M., Ringle, C. M., y Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). Sage.
• arrow_upward Hair Jr., J. F., Hult, G. T. M., Ringle, C. M., Sarstedt, M., Danks, N. P., y Ray, S. (2021). Partial Least Squares Structural Equation Modeling (PLS-SEM) Using R. Springer.
• arrow_upward Hanif, M. S., Wang, M., Mumtaz, M. U., Ahmed, Z., y Zaki, W. (2022). What attracts me or prevents me from mobile shopping? An adapted UTAUT2 model empirical research on behavioral intentions of aspirant young consumers in Pakistan. Asia Pacific Journal of Marketing and Logistics, 34(5), 1031-1059. https://doi.org/10.1108/APJML-09-2020-0659
• arrow_upward Henseler, J., Ringle, C. M., y Sarstedt, M. (2015). A New Criterion for Assessing Discriminant Validity in Variance-based Structural Equation Modeling. Journal of the Academy of Marketing Science, 43(1), 115-135. https://doi.org/10.1007/s11747-014-0403-8
• arrow_upward Huang, T. (2023). Expanding the UTAUT2 framework to determine the drivers of mobile shopping behaviour among older adults. PLoS ONE, 18(12). https://doi.org/10.1371/journal.pone.0295581
• arrow_upward Jaller, M., y Pahwa, A. (2020). Evaluating the environmental impacts of online shopping: A behavioral and transportation approach. Transportation Research Part D: Transport and Environment, 80, 102223. https://doi.org/https://doi.org/10.1016/j.trd.2020.102223
• arrow_upward Jílková, P., y Králová, P. (2021). Digital Consumer Behaviour and eCommerce Trends during the COVID-19 Crisis. International Advances in Economic Research, 27(1), 83-85. https://doi.org/10.1007/s11294-021-09817-4
• arrow_upward Jones, C., Motta, J., y Alderete, M. V. (2016). Gestión estratégica de tecnologías de información y comunicación y adopción del comercio electrónico en Mipymes de Córdoba, Argentina. Estudios Gerenciales, 32(138), 4-13. https://doi.org/https://doi.org/10.1016/j.estger.2015.12.003
• arrow_upward Juaneda-Ayensa, E., Mosquera, A., y Sierra Murillo, Y. (2016). Omnichannel Customer Behavior: Key Drivers of Technology Acceptance and Use and Their Effects on Purchase Intention. Frontiers in Psychology, 7, 1117. https://doi.org/https://doi.org/10.3389/fpsyg.2016.01117
• arrow_upward Kamalul Ariffin, S., Mohan, T., y Goh, Y. N. (2018). Influence of consumers’ perceived risk on consumers’ online purchase intention. Journal of Research in Interactive Marketing, 12(3), 309-327. https://doi.org/10.1108/JRIM-11-2017-0100
• arrow_upward Kapser, S., y Abdelrahman, M. (2020). Acceptance of autonomous delivery vehicles for last-mile delivery in Germany – Extending UTAUT2 with risk perceptions. Transportation Research Part C: Emerging Technologies, 111, 210-225. https://doi.org/https://doi.org/10.1016/j.trc.2019.12.016
• arrow_upward Khurjekar, S., Kaur, R., Puntambekar, D., Dixit, R., y Patil, J. (2024). Green growth in e-commerce: Environmental management and customer actions. Journal of Information and Optimization Sciences, 45(6), 1823-1842. https://doi.org/10.47974/JIOS-1772
• arrow_upward Li, Y., Li, X., Zhang, Z., Zhang, G., y Gong, M. (2020). Understanding Consumers Online Furniture Purchase Behavior: An Updated UTAUT Perspective. Journal of Forest Economics, 35(4), 267-303. https://doi.org/10.1561/112.00000516
• arrow_upward Limayem, M., Hirt, S. G., y Cheung, C. M. K. (2007). How Habit Limits the Predictive Power of Intention: The Case of Information Systems Continuance. MIS Quarterly, 31(4), 705-737. https://doi.org/10.2307/25148817
• arrow_upward Malatji, W. R., Van Eck, R., y Zuva, T. (2020). Understanding the usage, Modifications, Limitations and Criticisms of Technology Acceptance Model (TAM). Advances in Science, Technology and Engineering Systems Journal, 5(6), 113-117. https://doi.org/10.25046/aj050612
• arrow_upward Margalina, V. M. (2021). Factores que afectan la intención de compra de los consumidores de moda en el comercio electrónico: un modelo teórico para América Latina. Revista de Investigación SIGMA, 9(1), 84-96. https://journal.espe.edu.ec/ojs/index.php/Sigma/article/view/2628
• arrow_upward Margalina, V. M., Jiménez-Sánchez, Á., y Cutipa Limache, A. (2024). Modelo PLS-SEM para la intención de compra online en el sector moda en Ecuador. Retos, 14(27), 101-114. https://doi.org/10.17163/ret.n27.2024.07
• arrow_upward Martínez Aparisi, A. (2016). Factores críticos en la aceptación de un sistema de prescripción electrónica asistida en un hospital [Tesis de doctorado, Universitat Politècnica de València]. Repositorio Institucional UPV. https://doi.org/10.4995/Thesis/10251/63445
• arrow_upward Martinez, B. M., y McAndrews, L. E. (2023a). Do you take...? The effect of mobile payment solutions on use intention: an application of UTAUT2. Journal of Marketing Analytics, 11(3), 458-469. https://doi.org/10.1057/s41270-022-00175-6
• arrow_upward Martinez, B. M., y McAndrews, L. E. (2023b). Investigating U.S. consumers’ mobile pay through UTAUT2 and generational cohort theory: An analysis of mobile pay in pandemic times. Telematics and Informatics Reports, 11, 100076. https://doi.org/https://doi.org/10.1016/j.teler.2023.100076
• arrow_upward McCoy, S., Galletta, D. F., y King, W. R. (2007). Applying TAM across cultures: the need for caution. European Journal of Information Systems, 16(1), 81-90. https://doi.org/10.1057/palgrave.ejis.3000659
• arrow_upward Modi, S., Balaji, V., Mathew, S., y Kishore, K. (2024). Navigating brand equity in personal care: Examining the influence of direct-to-consumer brands and the mediating power of brand image.  International Journal of Management and Sustainability, 13(2), 404-422. https://doi.org/10.18488/11.v13i2.3763
• arrow_upward Mosquera, A., Juaneda-Ayensa, E., Olarte-Pascual, C., y Pelegrín Borondo, J. (2018). Key Factors for In-Store Smartphone Use in an Omnichannel Experience: Millennials vs. Nonmillennials. Complexity, 1-14. https://doi.org/10.1155/2018/1057356
• arrow_upward Mustafa, S., Hao, T., Qiao, Y., Kifayat Shah, S., y Sun, R. (2022). How a Successful Implementation and Sustainable Growth of e-Commerce can be Achieved in Developing Countries; a Pathway Towards Green Economy. Frontiers in Environmental Science, 10. https://doi.org/10.3389/fenvs.2022.940659
• arrow_upward Oh, J.-C., y Yoon, S.-J. (2014). Predicting the use of online information services based on a modified UTAUT model. Behaviour & Information Technology, 33(7), 716-729. https://doi.org/10.1080/0144929X.2013.872187
• arrow_upward Oye, N. D., Iahad, N. A., y Rahim, N. A. (2014). The history of UTAUT model and its impact on ICT acceptance and usage by academicians. Education and Information Technologies, 19(1), 251-270. https://doi.org/10.1007/s10639-012-9189-9
• arrow_upward Ozili, P. K. (2022). The Acceptable R-Square in Empirical Modelling for Social Science Research. Social Research Methodology and Publishing Results: A Guide to Non-Native English Speakers, 134-143. http://dx.doi.org/10.2139/ssrn.4128165
• arrow_upward Perea y Monsuwé, T., Dellaert, B. G. C., y De Ruyter, K. (2004). What drives consumers to shop online? A literature review. International Journal of Service Industry Management, 15(1), 102-121. https://doi.org/10.1108/09564230410523358
• arrow_upward Roberts, B. R. (2014). Managing Systems of Secondary Cities: Policy Responses in International Development. Citties Alliance.
• arrow_upward Rogers, E. (1962). Diffusion of Innovations. Free Press.
• arrow_upward Rout, K., Sahoo, P. R., Bhuyan, A., Tripathy, A., y Smrutirekha. (2022). Online grocery shopping behavior during COVID-19 pandemic: An interdisciplinary explanation. Cogent Business & Management, 9(1), 2084969. https://doi.org/10.1080/23311975.2022.2084969
• arrow_upward Ruiz Dominguez, H. S., Rodríguez Herrera, I. M., y Mojica Carrillo, E. P. (2022). Factores de riesgo y beneficio percibidos en la intención de compra de consumidores de la movilidad colaborativa. NovaRua: Revista Universitaria de Administración, 14(24), 52-74. https://doi.org/10.20983/novarua.2022.24.3
• arrow_upward Samaradiwakara, G. D. M. N., y Chandra, C. G. (2014). Comparison of existing technology acceptance theories and models to suggest a well improved theory/model. International Technical Sciences Journal, 11(1), 21-36. https://enos.itcollege.ee/~edmund/inf-hw/seminaritoo/itsj-spec-1-1-3.pdf
• arrow_upward San Martín, H., y Herrero, Á. (2012). Influence of the user’s psychological factors on the online purchase intention in rural tourism: Integrating innovativeness to the UTAUT framework. Tourism Management, 33(2), 341-350. https://doi.org/https://doi.org/10.1016/j.tourman.2011.04.003
• arrow_upward Sánchez Torres, J. A. (2018). Adoption E-commerce in development country and the moderator effect of digital divide [Tesis de doctorado, Universitat de Barcelona]. Dipòsit Digital de la Universitat de Barcelona. https://hdl.handle.net/2445/122648
• arrow_upward Sánchez-Torres, J. A., Arroyo-Cañada, F. J., Varon-Sandobal, A., y Sánchez-Alzate, J. A. (2017). Differences between e-commerce buyers and non-buyers in Colombia: The moderating effect of educational level and socioeconomic status on electronic purchase intention. DYNA, 84(202), 175-189. https://repositorio.unal.edu.co/handle/unal/60375
• arrow_upward Sarstedt, M., Ringle, C. M., y Hair, J. F. (2021). Partial Least Squares Structural Equation Modeling. En C. Homburg, M. Klarmann, y A. E. Vomberg (eds.), Handbook of Market Research (pp. 1-47). Springer. https://doi.org/10.1007/978-3-319-05542-8_15-2
• arrow_upward Shaw, N., y Sergueeva, K. (2019). The non-monetary benefits of mobile commerce: Extending UTAUT2 with perceived value. International Journal of Information Management, 45, 44-55. https://doi.org/https://doi.org/10.1016/j.ijinfomgt.2018.10.024
• arrow_upward Shukla, M., Jain, V., y Misra, R. (2022). Factors influencing smartphone based online shopping: an empirical study of young Women shoppers. Asia Pacific Journal of Marketing and Logistics, 34(5), 1060-1077. https://doi.org/10.1108/APJML-01-2021-0042
• arrow_upward Soto-Acosta, P., Molina-Castilo, F. J., Lopez-Nicolas, C., y Colomo-Palacios, R. (2014). The effect of information overload and disorganisation on intention to purchase online. Online Information Review, 38(4), 543-561. https://doi.org/10.1108/OIR-01-2014-0008
• arrow_upward Streukens, S., y Leroi-Werelds, S. (2016). Bootstrapping and PLS-SEM: A step-by-step guide to get more out of your bootstrap results. European Management Journal, 34(6), 618-632. https://doi.org/https://doi.org/ 10.1016/j.emj.2016.06.003
• arrow_upward Torrent-Selles, J., Salazar-Concha, C., Ficapal-Cusi, P., y Saigí-Rubió, F. (2021). Using Digital Platforms to Promote Blood Donation: Motivational and Preliminary Evidence from Latin America and Spain. International Journal of Environmental Research and Public Health, 18(8). https://doi.org/10.3390/ijerph18084270
• arrow_upward Van Droogenbroeck, E., y Van Hove, L. (2021). Adoption and usage of E-grocery shopping: A context-specific UTAUT2 model. Sustainability, 13(8), 4144. https://doi.org/10.3390/su13084144
• arrow_upward Vázquez-Martínez, U. J., Morales-Mediano, J., y Leal-Rodríguez, A. L. (2021). The impact of the COVID-19 crisis on consumer purchasing motivation and behavior. European Research on Management and Business Economics, 27(3), 100166. https://doi.org/https://doi.org/10.1016/j.iedeen.2021.100166
• arrow_upward Venkatesh, V., Morris, M. G., Davis, G., y Davis, F. D. (2003). User Acceptance of Information Technology: Toward a Unified View. MIS Quarterly, 27(3), 425-478. https://doi.org/10.2307/30036540
• arrow_upward Venkatesh, V., Thong, J. Y. L., y Xu, X. (2012). Consumer Acceptance and Use of Information Technology: Extending the Unified Theory of Acceptance and Use of Technology. MIS Quarterly, 36(1), 157-178. https://doi.org/10.2307/41410412
• arrow_upward Venkatesh, V., Thong, J. L., y Xu, X. (2016). Unified Theory of Acceptance and Use of Technology: A Synthesis and the Road Ahead. Journal of the Association for Information Systems, 17, 328-376. https://doi.org/10.17705/1jais.00428
• arrow_upward Ventre, I., y Kolbe, D. (2020). The Impact of Perceived Usefulness of Online Reviews, Trust and Perceived Risk on Online Purchase Intention in Emerging Markets: A Mexican Perspective. Journal of International Consumer Marketing, 32(4), 287-299. https://doi.org/10.1080/08961530.2020.1712293
• arrow_upward Williams, M. D., Rana, N. P., y Dwivedi, Y. K. (2015). The unified theory of acceptance and use of technology (UTAUT): a literature review. Journal of Enterprise Information Management, 28(3), 443-488. https://doi.org/10.1108/JEIM-09-2014-0088
• arrow_upward Yacob, S., Sulistiyo, U., Erida, E., y Perdana Siregar, A. (2021). The importance of E-commerce adoption and entrepreneurship orientation for sustainable micro, small, and medium enterprises in Indonesia. Development Studies Research, 8(1), 244-252. https://doi.org/10.1080/21665095.2021.1976657
• arrow_upward Yu, C. W., Chao, C. M., Chang, C. F., Chen, R. J., Chen, P. J., y Liu, Y. X. (2021). Exploring Behavioral Intention to Use a Mobile Health Education Website: An Extension of the UTAUT 2 Model. Sage Open, 11(4). https://doi.org/10.1177/21582440211055721
• arrow_upward Zhang, M., Hassan, H., y Migin, M. W. (2023). Exploring the Consumers’ Purchase Intention on Online Community Group Buying Platform during Pandemic. Sustainability, 15(3), 2433. https://doi.org/10.3390/su15032433
• arrow_upward Zhou, M., Huang, J., Wu, K., Huang, X., Kong, N., y Campy, K. S. (2021). Characterizing Chinese consumers’ intention to use live e-commerce shopping. Technology in Society, 67, 101767. https://doi.org/https://doi.org/10.1016/j.techsoc.2021.101767