Osobista innowacyjność w dziedzinie IT a wirtualizacja zachowań konsumenta

Osobista innowacyjność
w dziedzinie technologii informacyjnych
a wirtualizacja zachowań konsumenta
dr hab. Radosław Mącik
Market Info 2014, Gdańsk, 4-5 wgwrwu.dumnicas .p2l014

Agenda
 Wprowadzenie
 Nota metodologiczna
 PIIT i jej pomiar
 Efekty przywiązania do kanału i jego zmiany
 Efekty ROPO i reverse ROPO
 Wpływ wybranych czynników na częstość zachowań zgodnych
z ROPO i reverse ROPO
 Wpływ wybranych czynników na częstość korzystania
z internetowych pomocy zakupowych
 Podsumowanie
 Wybrana literatura
Osobista innowacyjność w dziedzinie technologii informacyjnych a wirtualizacja zachowań konsumenta
e: radoslaw.macik@umcs.lublin.pl slideshare: rmacik
2

Wprowadzenie
 Wzrost nasycenia gospodarki technologiami informacyjnymi sprzyja
wirtualizacji procesów gospodarczych po stronie przedsiębiorstw (Mazurek, 2012) i
po stronie konsumenta (Mącik, 2013).
 Konsumenci obok korzystania z wirtualnego kanału sprzedaży, angażują się
w procesy zakupowe o charakterze wielokanałowym, gdzie kanały fizyczny i
wirtualny przenikają się nawzajem, zwykle wieloetapowo.
 Tradycyjnie wskazywane czynniki zróżnicowania poziomu korzystania z ICT
przez konsumentów to cechy demograficzne: wiek, dochód rozporządzalny
itp. (rzadko płeć).
 Moim zdaniem, należy jednak w większym stopniu uwzględnić zmienne
psychograficzne, w tym konstrukt osobistej innowacyjności w dziedzinie
technologii informacyjnych (PIIT).
 Zmienne tego typu powinny moderować zależności między zakresem i
częstością wybranych zachowań konsumpcyjnych a cechami
demograficznymi konsumenta.
3

Nota metodologiczna
 Cel: analiza bezpośredniego i pośredniego wpływu poziomu PIIT
konsumenta na intensywność jego wybranych zachowań
zakupowych w środowisku wielokanałowym.
 Metoda: ankieta internetowa (CAWI).
 Próba: n=1701, kwotowa o strukturze odpowiadającej populacji
użytkowników internetu w Polsce w 2011 r. według Diagnozy
Społecznej 2011 ze względu na wiek i płeć (Batorski, 2011).
 Struktura próby:
– Płeć: Kobiety – 53,2% próby, mężczyźni – 46,8%.
– Wiek: 19,1% – 16-24 lata, 23,8% – 25-34 lata, 21,5% – 35-44 lata, 27,1% –
45-59 lat, a 8,5% – 60 lat lub więcej.
 Realizacja badania: grudzień 2012/styczeń 2013
 Finansowanie badań: grant habilitacyjny NCN nr N N112 375540.
4

Osobista innowacyjność w zakresie technologii
informacyjnych (PIIT)
 Zgodnie modelem akceptacji technologii (TAM) przekonania, w tym
przekonania normatywne, oddziałują na postawy wobec IT i wpływają na
poziom ich akceptacji bądź odrzucenie.
 Prostym konstruktem opisującym ogólną postawę wobec innowacji w
zakresie technologii informacyjnych jest osobista innowacyjność w
dziedzinie technologii informacyjnych (PIIT – Personal Innovativeness in the
domain of IT), definiowana jako „indywidualna skłonność do wypróbowania
nowych technologii informacyjnych” (Agarwal i Prasad, 1998, s. 206).
 Osoby o wysokiej PIIT będą chętniej i wcześniej próbowały pozyskać i
wykorzystać nowe technologie informacyjne, a późniejsze korzystanie z nich
będzie dla nich łatwiejsze. Otwartość na doświadczenie oraz opór wobec
zmian są jednymi z lepszych zmiennych objaśniających PIIT (Nov i Ye, 2008).
 PIIT w istotny sposób wyjaśnia behawioralną intencję korzystania z IT (Agarwal i
Prasad, 1998; Yi, Fiedler i Park, 2006)
5

Pomiar PIIT
6
Lp. Stwierdzenia
Ładunki
czynnikowe
Alfa
Cronbacha
1 Jeśli usłyszę o nowej technologii informacyjnej, będę szukać
sposobów aby ją wypróbować
0,872
0,795
2 W moim otoczeniu jestem zazwyczaj pierwszy, jeśli chodzi o
wypróbowanie nowych technologii informacyjnych
0,832
3 Ogólnie rzecz biorąc, trudno mi zdecydować się na
wypróbowanie nowych technologii informacyjnych (R)
0,535
4 Lubię eksperymentować z nowymi technologiami
informacyjnymi
0,891
x Wyjaśniana wariancja 63,3% x
Uwaga: (R) - stwierdzenie o odwrotnym kierunku skalowania, na potrzeby analiz odpowiedzi z niego
odwrócono zgodnie z kierunkiem skalowania pozostałych stwierdzeń.
Źródło: Badania własne.

Przywiązanie do kanału i zmiana kanału
 Efekt przywiązania do kanału (channel lock-in) występuje gdy
konsument, który poszukiwał informacji poprzez dany kanał kupuje
produkt w tym samym kanale wirtualnym lub fizycznym (Joo i Park,
2008, s. 51).
 Sytuacja zmiany kanału (channel change) występuje, gdy
konsument, który szuka informacji poprzez kanał „A”, kupuje
produkt w kanale „B” (Joo i Park, 2008, s. 51).
 Zmiana kanału w trakcie procesu decyzyjnego jest efektem
dostrzeżenia (racjonalnie lub emocjonalnie), że drugi kanał (np.
„B”) posiada istotne zalety w sensie prawdopodobnych efektów
procesu zakupowego, którą to wiedzę uzyskano dzięki informacji z
pierwszego kanału (np. „A”).
7

Typy sytuacji zmiany kanału
 W obrębie analizowanych kanałów istnieją dwie sytuacje
zmiany kanału (Mącik, 2013, s. 163):
– wykorzystanie kanału wirtualnego do poszukiwania informacji
(np. porównanie cen, znalezienie dostawcy), po którym ma
miejsce zakup w kanale fizycznym – jest to tzw. efekt ROPO
(Research Online – Purchase Offline),
– wykorzystanie kanału fizycznego do poszukiwania informacji
(np. udanie się do sklepu fizycznego i przymierzenie odzieży),
po którym następuje celowy zakup w kanale wirtualnym –
sytuacja taka to tzw. efekt odwrotny do ROPO (tzw. reverse
ROPO).
8

Przywiązanie do kanału a zmiana kanału zakupu
Kanał poszukiwania informacji:
Wirtualny Fizyczny
Kanał zakupu:
Wirtualny
 Internet głównym źródłem
informacji, zakup online,
 Efekt przywiązania do kanału
 Proces zakupowy wyłącznie w
kanale wirtualnym
 Wpływ ICT na zakup decydujący
 Decyzja oparta na informacjach
offline, zakup online,
 Efekt odwrotny do ROPO (tzw.
reverse ROPO)
 Zmiana kanału – zakupy
wielokanałowe
 Wpływ ICT na zakup duży
Fizyczny
 Internet głównym źródłem
informacji, zakup offline,
 Efekt ROPO
 Zmiana kanału – zakupy
wielokanałowe
 Wpływ ICT na zakup duży
 Decyzja oparta na informacjach
offline, zakup offline,
 Efekt przywiązania do kanału
 Proces zakupowy wyłącznie w kanale
fizycznym
 Wpływ ICT na zakup żaden/mały
9

Zachowania zgodne z efektami ROPO i reverse
ROPO w badaniach własnych
 Dotychczasowe badania efektu ROPO oraz efektu odwrotnego w
Polsce (Górecki, 2011; Piwowarczyk, 2011), informują tylko o skali wspomnianych
zjawisk, w tym dla poszczególnych kategorii produktów.
 W badaniach własnych odniesiono się do częstości powtarzania takich
zachowań.
 Respondentów pytano, w jakiej proporcji swoich zakupów w okresie
ostatniego roku zmieniali kanał zakupu z online na offline lub
odwrotnie.
 W całej próbie więcej badanych wskazywało na zachowania typu
ROPO niż odwrotne (73% badanych vs. ok. 57%). Zachowania zgodne
z ROPO deklarowano także jako częściej powtarzane.
 Deklarowana częstość zachowań zgodnych z efektem ROPO i
odwrotnym nie zależy od płci respondenta, ale spada istotnie wraz z
jego wiekiem.
10

Deklarowana częstość zachowań typu ROPO
i odwrotnych w badaniach własnych
11
27.0
15.0
39.6
16.8
1.5
42.7
16.2
31.5
8.8
0.8
50.0
40.0
30.0
20.0
10.0
0.0
wcale tylko przy jednym
moim zakupie
przy niewielkiej
części moich
zakupów
przy dużej części
moich zakupów
przy każdym moim
zakupie
%
ROPO (1) efekt odwrotny (2)
Uwaga: przedstawiono strukturę odpowiedzi na następujące pytania:
1. Jak często w okresie ostatniego roku poszukiwał/a Pan/i informacji o produktach w Internecie, by w efekcie
dokonać zakupu w detalu konwencjonalnym? (efekt ROPO)
2. Jak często w okresie ostatniego roku poszukiwał/a Pan/i informacji o produktach w konwencjonalnych sklepach,
by w efekcie dokonać zakupu przez Internet? (efekt odwrotny do ROPO)
Źródło: Badania własne (n = 1701).

ROPO i reverse ROPO a kategorie produktów
12
Kategoria produktów
Zakup online Zakup offline
Decydujące
źródło informacji
- online
Decydujące
- offline
Decydujące
– online (ROPO)
Decydujące
- offline
Odzież/obuwie 2,4% 2,4% 1,7% 93,5%
Kosmetyki/środki do pielęgnacji 1,3% 2,2% 0,3% 96,2%
Książki 7,0% 6,9% 3,8% 82,3%
Zabawki 4,3% 3,1% 1,3% 91,2%
Meble/wyposażenie domu 4,7% 1,6% 6,3% 87,4%
Telefon komórkowy ew. z abonamentem 4,1% 4,7% 6,1% 85,0%
Małe AGD 5,1% 1,6% 1,2% 92,1%
Biżuteria, zegarki 4,3% 2,1% 2,2% 91,4%
Części samochodowe 9,0% 2,1% 1,7% 84,4%
Akcesoria samochodowe 4,2% 5,0% 0,6% 93,5%
Sprzęt sportowy/turystyczny 12,1% 1,7% 5,5% 78,1%
RTV 5,5% 1,9% 5,5% 87,1%
Duże AGD 6,7% 0,7% 3,3% 89,3%
Muzyka na CD/mp3 9,7% 8,1% 5,5% 76,7%
Film DVD/Blue-Ray 6,9% 6,1% 4,1% 82,9%
Podzespoły i akcesoria komputerowe 15,9% 7,1% 6,2% 70,7%
Oprogramowanie/gry komputerowe 15,5% 11,6% 6,9% 66,0%
Aparat Źródło: fGotóorgecrakif i(c2z0n1y1)l ub kamera 8,1% 4,7% 11,1% 76,1%

Wybrane czynniki wpływające na częstość
zachowań zgodnych z efektem ROPO i odwrotnym
 W celu określenia w jaki sposób wybrane czynniki wpływają na
częstość pojawiania się efektu ROPO i efektu odwrotnego u
konkretnego konsumenta posłużono się analizą wariancji jednej
zmiennej (procedura UNIANOVA w SPSS).
 Nie uwzględniono w analizie płci respondenta, jako nie
różnicującej częstości badanych zachowań.
 Natomiast wzięto pod uwagę:
– 2 zmienne demograficzne:
• wiek respondenta,
• poziom dochodu na 1 osobę w gospodarstwie domowym.
– 1 zmienna psychograficzna:
• PIIT (osobista innowacyjność w zakresie technologii informacyjnych).
13

Częstość zachowań zgodnych z ROPO
– testy efektów międzyobiektowych
14
Źródło
Typ III sumy
kwadratów
df Średni kwadrat F Istotność
Model skorygowany 384,911a 59 6,524 6,562 ,000
Stała 3723,331 1 3723,331 3745,228 ,000
Efekty
główne
Wiek [1] 60,934 4 15,233 15,323 ,000
Dochód [2] 18,259 3 6,086 6,122 ,000
PIIT [3] 32,942 2 16,471 16,568 ,000
Interakcje
[1] * [2] 9,451 12 ,788 ,792 ,659
[1] * [3] 30,372 8 3,796 3,819 ,000
[2] * [3] 4,377 6 ,729 ,734 ,622
[1] * [2] * [3] 23,301 24 ,971 ,977 ,495
Błąd 1366,961 1375 ,994 ND ND
Ogółem 10544,000 1435
Ogółem skorygowane 1751,872 1434
a. R2 = ,220 (Skorygowane R2 = ,186)
Uwaga: Efekty istotne pogrubiono.

Poziom PIIT a deklarowana częstość zachowań
typu ROPO
Według grup wieku: Według poziomu dochodu:
15

Częstość zachowań zgodnych z reverse ROPO
– testy efektów międzyobiektowych
16
Źródło
Typ III sumy
kwadratów
Stała 2643,602 1 2643,602 2599,606 ,000
Efekty
główne
Wiek [1] 18,646 4 4,661 4,584 ,001
Dochód [2] 11,188 3 3,729 3,667 ,012
PIIT [3] 47,282 2 23,641 23,247 ,000
Interakcje
[1] * [2] 21,294 12 1,774 1,745 ,053
[1] * [3] 11,480 8 1,435 1,411 ,187
[2] * [3] 5,479 6 ,913 ,898 ,495
[1] * [2] * [3] 19,217 24 ,801 ,787 ,756
Błąd 1398,270 1375 1,017 ND ND
Ogółem 7887,000 1435
a. R2 = ,162 (Skorygowane R2 = ,127)
Uwaga: Efekty istotne pogrubiono, efekty o poziomie istotności wskazującym na tendencję - pochylono

Poziom PIIT a deklarowana częstość zachowań
typu reverse ROPO
17

Wybrane czynniki wpływające na częstość
korzystania z internetowych pomocy zakupowych
 Za pomocą analizy wariancji jednej zmiennej określono wpływ wieku,
dochodu na 1 osobę oraz poziomu PIIT na częstość korzystania z
internetowych pomocy zakupowych.
 Zmienną zależną była zmienna indeksowa obliczona poprzez uśrednienie
deklarowanej częstości korzystania z 12 wyodrębnionych typów
internetowych pomocy zakupowych, w tym tzw. pomocy interaktywnych, tj.:
– porównywarek cen,
– snajperów aukcyjnych,
– serwisów z opiniami o sprzedawcach i produktach,
– dodatkowych propozycji (rekomendacji) sklepu na bazie zakupów własnych lub innych,
– wewnętrznych reklam w sklepie internetowym,
– opinii o produktach/sprzedawcach na forach lub portalach społecznościowych,
– opinii o produktach/sprzedawcach umieszczanych w porównywarkach cen,
– opinii o sprzedawcach/komentarzy w serwisach aukcyjnych,
– innych usług omawianego typu.
18

Częstość korzystania z internetowych pomocy
zakupowych – testy efektów międzyobiektowych
19
Źródło
Typ III sumy
kwadratów
Stała 2980,824 1 2980,824 6743,743 ,000
Efekty
główne
Wiek [1] 7,032 4 1,758 3,977 ,003
Dochód [2] 1,579 3 ,526 1,191 ,312
PIIT [3] 14,108 2 7,054 15,959 ,000
Interakcje
[1] * [2] 8,047 12 ,671 1,517 ,111
[1] * [3] 5,710 8 ,714 1,615 ,116
[2] * [3] 5,593 6 ,932 2,109 ,050
[1] * [2] * [3] 11,516 24 ,480 1,086 ,352
Błąd 607,768 1375 ,442 ND ND
Ogółem 7785,412 1435
a. R2 = ,122 (Skorygowane R2 = ,084)
Uwaga: Efekty istotne pogrubiono.

Poziom PIIT a deklarowana częstość korzystania
z internetowych pomocy zakupowych
20

Podsumowanie
 W artykule wykazano zarówno bezpośredni, jak i pośredni wpływ
konstruktu osobistej innowacyjności w dziedzinie technologii
informacyjnych (PIIT) na częstość wybranych zachowań
konsumentów związanych z zachowaniami wielokanałowymi, w
tym zmianę kanału zakupu z wirtualnego na fizyczny i odwrotnie w
procesie decyzyjnym.
 PIIT silniej niż zwykle rozważane zmienne demograficzne – wiek i
poziom dochodu – warunkuje częstość zachowań opisywanych
jako efekty ROPO/reverse ROPO oraz częstość korzystania z
internetowych pomocy zakupowych. W analizach uzyskano
również istotne interakcje między PIIT i wymienionymi czynnikami.
 W efekcie dowiedziono, iż poziom PIIT wpływa na zachowania
nabywcze w kanale wirtualnym.
21

Wybrana literatura
 Agarwal, R. i Prasad, J. (1998). A Conceptual and Operational Definition of Personal Innovativeness in the
Domain of Information Technology. Information Systems Research, 9(2), 204–215.
 Batorski, D. (2011). Korzystanie z technologii informacyjno-komunikacyjnych. Diagnoza Społeczna 2011
Warunki i Jakość Życia Polaków - Raport. Contemporary Economics, 5(3), 299–327.
 Górecki, M. (2011). Powiązanie świata online z offline czyli efekt ROPO w Polsce.
http://www.slideshare.net/MarekGorecki/powizanie-wiata-online-z-offline-czyli-efekt-ropo-w-polsce
(22.06.2014).
 Joo, Y.-H. i Park, M. H.-J. (2008). Information search and purchase channel choice across in home shopping
retail formats. Academy of Marketing Studies Journal, 12(2), 49–61.
 Mazurek, G. (2012). Znaczenie wirtualizacji marketingu w sieciowym kreowaniu wartości. Warszawa:
Wydawnictwo Poltext.
 Mącik, R. (2013). Technologie informacyjne i komunikacyjne jako moderator procesów podejmowania decyzji
zakupowych przez konsumentów. Lublin: Wydawnictwo UMCS.
 Nov, O. i Ye, C. (2008). Personality and Technology Acceptance: Personal Innovativeness in IT, Openness and
Resistance to Change. Proceedings of the 41st Annual Hawaii International Conference on System Sciences.
IEEE Computer Society, 448–458
 Piwowarczyk, M. (2011). Efekt ROPO, czyli jak on-line wpływa na off-line,
http://www.slideshare.net/mpiwo/efekt-ropo-czyli-jak-online-wpywa-na-offline-piwowarczyk-marcin
(22.06.2014).
 Yi, M. Y., Fiedler, K. D. i Park, J. S. (2006). Understanding the Role of Individual Innovativeness in the
Acceptance of IT-Based Innovations: Comparative Analyses of Models and Measures. Decision Sciences, 37(3),
393–426 .
22

Dziękuję
za uwagę :)
Kontakt 
www.umcs.pl

Osobista innowacyjność w dziedzinie IT a wirtualizacja zachowań konsumenta

Recommended

Recommended

More Related Content

What's hot

What's hot (19)

Similar to Osobista innowacyjność w dziedzinie IT a wirtualizacja zachowań konsumenta

Similar to Osobista innowacyjność w dziedzinie IT a wirtualizacja zachowań konsumenta (20)

More from Radosław Mącik

More from Radosław Mącik (12)

Osobista innowacyjność w dziedzinie IT a wirtualizacja zachowań konsumenta