SciELO - Scientific Electronic Library Online

 
vol.14 issue3Title: Technology Transfer in Chilean Universities: The Case of The University of ConcepcionSpinning Out of Control? How Academic Spinoff Formation Overlooks Medical Device Regulations author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Journal of technology management & innovation

On-line version ISSN 0718-2724

Journal of Technology Management & Innovation vol.14 no.3 Santiago Oct. 2019

http://dx.doi.org/10.4067/S0718-27242019000300072 

Research Articles

E-Commerce C2C en Chile: Incorporación de La Reputación y de la Confianza en El TAM

Title: C2C E-commerce in Chile: Integration of Reputation and Trust in TAM

Renato Sukno1 

Isabel Pascual del Riquelme2  * 

1Escuela de Ingeniería Civil, Universidad Católica del Norte, Larrondo 1281, Coquimbo, Chile.

2Departamento de Estudios Económicos y Financieros, Universidad Miguel Hernández, Elche, España.

Resumen:

El comercio electrónico en Chile ha ido creciendo de manera considerable en el último tiempo. Sin embargo, aún está lejos de alcanzar su potencial. Dadas las ventajas que el comercio electrónico ofrece para mejorar la competitividad de las pequeñas y medianas empresas globalmente, resulta vital mejorar el conocimiento de aquellos factores que pueden incrementar su uso. En la presente investigación se emplea el Modelo de Aceptación de la Tecnología (TAM) como base para analizar el comercio electrónico Consumidor-a-Consumidor (C2C) en Chile, una de las formas de compra online más importantes de ese país. Como antecedentes adicionales, se incluyeron la reputación de la plataforma web como la confianza del consumidor. Datos de 468 compradores chilenos reales proporcionaron importantes resultados acerca de los factores explicativos del uso de estas plataformas en Chile, así como Ballesteros también de las relaciones entre las variables estudiadas. Con esto, hemos proporcionado importantes contribuciones teóricas y prácticas.

Keywords: comercio electrónico; C2C; TAM; confianza; reputación; comportamiento de compra; Chile

Abstract:

E-commerce in Chile has been growing considerably in recent years. However, it is still far from reach its full potential. Considering the benefits that e-commerce offers to small and medium companies to improve their competitiveness on a global scale, it is essential to improve our understanding about the factors that could encourage the use of this digital shopping channel. In this research we adopted the Technology Acceptance Model (TAM) as the basis for analyzing Consumer-to-Consumer (C2C) e-commerce in Chile, one of the most important ways of online shopping in this country. As additional predictors, both web reputation and consumer trust were included in our research model. Data from 468 real Chilean shoppers of this C2C online platforms provide important insights about the antecedents of using this digital online channel, also explaining the interrelationships between these antecedents. Both managerial and theoretical implications are provided.

Keywords: E-commerce; C2C; TAM; trust; reputation; purchase behavior; Chile

Introducción

El comercio electrónico ha ido ganando participación en Chile en los últimos años, mostrando un crecimiento importante promedio del 28,7% y llegando a ser de un 39,4% real anual el segundo semestre del año 2018 (CNC, 2019). Una de las razones fundamentales de este crecimiento es la competitividad de estas plataformas online, ya que gestionar las ventas a través de Internet cuesta un 5% menos que por vías tradicionales (Paredes y Velasco, 2007), lo que se vuelve una alternativa a la reducción de costos y una mejora para el desempeño del vendedor, aumentando su utilidad (Paredes y Velasco, 2007; Lu, Zhao y Wang, 2010; Chen, Su y Widjaja, 2016).

Sin embargo, y a pesar de este notable crecimiento, el comercio electrónico en Chile, a modo general, aún está lejos de alcanzar su potencial, mostrando notables posibilidades de crecimiento. Esto puede observarse en la tasa de penetración de este canal de compras que, con un 3,1%, aún queda lejos del 4,7% de los países de la Organización para la Cooperación y el Desarrollo Económicos u OCDE (CNC, 2018) (estando estos países aún lejos, igualmente, de cifras más notorias de penetración), lo que motiva el estudio y análisis de los factores que puedan explicar su mayor o menor adopción.

Diversos estudios han propuesto modelos basados en el Modelo de Aceptación Tecnológica o TAM (Davis, 1989; Venkatesh y Davis, 2000) para explicar el comportamiento de los compradores en Internet, demostrando que la utilidad percibida y la facilidad de uso percibida son variables que preceden a la actitud del consumidor frente al comercio electrónico y por ende determinan su participación del mismo (He, Lu y Zhou, 2008; Lu et al., 2010; Ye y Zhang, 2014; Chang, Shen y Yeh, 2017). Estos estudios coinciden en agregar, para este contexto, la confianza al modelo TAM, puesto que la literatura considera esta variable de especial importancia en condiciones de incertidumbre y riesgo como las que se dan en la compra online. En este sentido, incluso para los compradores más expertos, las compras online implican más incertidumbre y riesgo que las compras tradicionales (Biswas y Biswas, 2004), dado que Internet es un entorno virtual en el que no se puede experimentar físicamente el producto y no se puede verificar de forma tangible quién es el vendedor - o incluso si este realmente existe - (Riquelme y Román, 2014). Además, los riesgos de que nunca llegue el producto o de robo de información privada o financieramente sensible siempre son mayores en el entorno online que en el tradicional (Biswas y Biswas, 2004). Esto transforma a la confianza en una variable vital para la adopción del comercio electrónico (Gefen et al., 2003; Wu et al., 2011; Ben Mansour, 2016; Jamshidi y Hussin, 2016).

Al integrar la confianza al modelo TAM los autores han llegado a similares conclusiones, demostrando que afecta de forma significativa y positiva a la utilidad percibida de Internet como canal de compras y a la intención de utilizarlo (Koufaris, 2002; Pavlou, 2003; Palvia, 2009; Schilke y Wirtz, 2012; Ballesteros et al., 2014; Ye y Zhang 2014; Ashraf, Thongpapanl y Spyropoulou, 2016; Jamshidi y Hussin, 2016; Chang et al., 2017). En el contexto C2C, la confianza se enfoca principalmente en la plataforma y sus miembros, e implica confiar tanto en un vendedor individual, como en su producto (Lu et al., 2010; San Martín y Camarero 2010; Ye y Zhang, 2014; Joo, 2015; Ben Mansour, 2016; Chang et al., 2017). En la medida en que el usuario es capaz de confiar en dicho vendedor y su producto, así como en la plataforma que intermedia, puede percibir como útil esta intermediación y, por ende, sentirse dispuesto a comprar a través de ella (Xiang et al., 2016). No obstante, incorporar la confianza a cualquier modelo de compra online no ha sido fácil, ya que tradicionalmente ha sido un constructo que ha costado definir tanto conceptualmente como a nivel operativo, lo que ha dificultado el avance en esta línea y la consecución de resultados consistentes (Benamati et al., 2010; Ballesteros, Tavera y Castaño, 2014; Jamshidi y Hussin, 2016). En el presente estudio, tal y como se detallará más adelante, se ha avanzado en esta problemática abordando la confianza en su naturaleza multidimensional y adaptándola al contexto C2C. De este modo, se pretende profundizar en el entendimiento del rol de esta variable a través de evaluar si la distinta naturaleza de las dimensiones consideradas (competencia y benevolencia) juega un papel diferenciador en la intención de uso que pueda mejorar nuestra comprensión del fenómeno.

Además de la confianza, en el contexto general de comercio electrónico, otra variable señalada como importante antecedente de la intención de compra online ha sido la reputación del vendedor (Mui y Halberstadt, 2002; Pavlou, 2003; Xiong y Liu, 2003; Wang y Vassileva, 2003). En un contexto de compra C2C, la reputación del vendedor se traslada, al igual que en el caso de la confianza, a la plataforma y sus miembros, lo que sirve como señal en situaciones de insuficiencia informativa, ayudando a diferenciar a los buenos miembros de los malos dentro de las comunidades virtuales. Esto, en última instancia, motiva la confianza y predispone al consumidor a comprar (Wang y Vassileva, 2003; De Obesso et al., 2012).

En el presente trabajo se pretende avanzar en el entendimiento de los factores que afectan al desarrollo del comercio online C2C en Chile a través de integrar la confianza y la reputación como antecedentes de la intención de compra en estas plataformas, utilizando como base el modelo TAM. En esta línea, aunque el comercio C2C implica interacciones entre consumidores, supone también la interacción con una plataforma que actúa como intermediaria (e.d., eBay, mercado libre, etc.), implicando por tanto una oportunidad de negocio en esa línea de intermediación. Aún más, los servicios asociados a cualquier proceso de compra online (entrega a domicilio, sistemas de pago seguro, garantías, etc.) presentan también importantes oportunidades de negocio que aún están por explotarse en Chile.

En conjunto, la revisión de la literatura llevada a cabo sustenta la idea de integrar la confianza y la reputación como variables a un modelo de aceptación de tecnologías en el entorno C2C de comercio electrónico. Su incorporación puede ayudar a incrementar la comprensión del rol de las variables del TAM a la hora de explicar el comportamiento de compra en este tipo de plataformas. La Figura 1 presenta el modelo de investigación propuesto en el presente trabajo, donde se detallan las variables objeto de estudio y las relaciones esperadas entre ellas.

Específicamente, en dicho modelo se relacionará la reputación de la plataforma web utilizada para la compra-venta online, entendida como la percepción compartida de los usuarios en torno al buen comportamiento de la misma (Walsh y Beatty, 2007; Lu et al., 2010), con la confianza que siente el usuario en la benevolencia - creencia de que la plataforma se preocupa sinceramente por el interés de sus clientes -, y en la competencia - confianza en que la plataforma es capaz y tiene los recursos para cumplir con lo que promete - (Doney y Cannon, 1997; Singh y Sirdeshmukh, 2000). Estas dos dimensiones de la confianza, junto con la norma subjetiva, entendida como la convicción del usuario de que los demás (familiares, conocidos, amigos) piensan que dicho usuario debería usar las citadas plataformas online para hacer sus compras (Fishbein y Ajzen, 1975), se proponen por tanto como antecedentes de las principales variables del TAM: facilidad percibida en el uso de la plataforma, utilidad percibida de la misma para llevar a cabo compras online, e intención de utilizarla para ello (Davis, 1989). A continuación, se detalla la forma y sentido esperado de todas estas relaciones en la Figura 1.

Figura 1 Modelo de investigación propuesto 

Hipótesis

Asumiendo como objeto de estudio las percepciones, actitudes y comportamientos de los potenciales compradores de plataformas online C2C, la literatura revisada anteriormente sugiere que, en un contexto de venta minorista B2C1, la reputación del vendedor es una variable que antecede a la confianza (competencia y benevolencia) del consumidor, variables que a su vez afectan de forma significativa a la utilidad percibida y a la intención de uso (Wang y Vassileva, 2003; Benamati et al., 2010; De Obesso et al., 2012). Tal y como se anticipó en la introducción, la confianza (competencia y benevolencia) se presenta como un antecedente de la utilidad percibida, puesto que en la medida que un usuario confía en la plataforma podrá confiar en la información que esta provee y posteriormente encontrar utilidad en la plataforma. Además de esto, diversos estudios previos han concluido que existe una relación positiva entre la facilidad de uso percibida y la confianza, de modo que en la medida que se perciba mayor facilidad, aumentará la predisposición a confiar en dicha plataforma (Gefen et al.,2003; Benamati et al., 2010; Wu et al., 2011; Belanche et al., 2012; Ballesteros et al., 2014). En el presente estudio se busca ampliar estos hallazgos previos al entorno de venta online C2C, a través del análisis de las siguientes hipótesis:

H1: La reputación de la plataforma web tiene un efecto positivo en: (a) la benevolencia y (b) la competencia.

H2: La benevolencia afecta positivamente a: (a) la intención de compra online y (b) la utilidad percibida.

H3: La competencia afecta positivamente a: (a) la intención de compra online y (b) la utilidad percibida.

H4: La facilidad de uso percibida afecta positivamente a: (a) la benevolencia y (b) la competencia.

Por otro lado, las relaciones provenientes del TAM ya se han probado numerosas veces en la literatura previa, demostrando que, en primer lugar, la norma subjetiva influye positivamente en la facilidad de uso percibida y la intención de uso (Yu et al., 2005; Schepers y Wetzels, 2007). Además, cuanto más fácil de utilizar resulta una plataforma, más sencillo es valorar su utilidad para hacer compras online, lo que a su vez redunda positivamente en la intención de utilizarla para ese propósito (Koufaris, 2002; Pavlou, 2003; Schepers y Wetzels, 2007; Benamati et al., 2010; Ye y Zhang, 2014). Esperando de nuevo que estos resultados se repliquen en nuestro contexto de estudio, se proponen las siguientes hipótesis:

H5: La norma subjetiva influye positivamente en: (a) la facilidad de uso percibida de la plataforma de venta online, y (b) la intención de compra.

H6: La facilidad de uso percibida afecta positivamente a: (a) la utilidad percibida, y (b) la intención de compra.

H7: La utilidad percibida influye positivamente en la intención de compra.

Diseño de la investigación

Esta investigación adopta un enfoque cuantitativo, de corte transversal y naturaleza predictiva. Para la recolección de información sobre las variables incluidas en el modelo de investigación propuesto se empleó un cuestionario formal estructurado que se distribuyó entre una muestra representativa de compradores online en el territorio chileno.

Específicamente, dicho cuestionario fue distribuido vía online, siendo publicado en grupos de Facebook dedicados a la compra-venta entre usuarios. Se utilizó un muestreo estratificado por variables sociodemográficas, de modo que la muestra fuese representativa de la población de compradores online de Chile en términos de género, estudios y edad. Metodologías similares a la aquí descrita pueden observarse en numerosos estudios previos sobre uso de comercio electrónico (Brashear et al., 2009; Riquelme y Román, 2014; Riquelme et al., 2016).

Muestra

La población objeto de estudio estuvo compuesta de hombres y mujeres de Chile que hubiesen comprado por lo menos alguna vez algún artículo a través de las plataformas de compra especificadas (mercadolibre, yapo.cl y grupos de Facebook)2. La muestra así obtenida estuvo compuesta por 468 compradores reales de estas plataformas, equilibrada en términos de género (48,4% hombres y 51,6% de mujeres). La edad media de los encuestados se situó en torno a los 27 años. Respecto del nivel de estudios, el 48% cuenta con escolaridad completa (cursando estudios superiores) y el 52% ya completó estudios universitarios o posteriores. En términos de experiencia previa, el 60,1% de los encuestados afirmó realizar compras online en plataformas C2C con una frecuencia moderada (“de vez en cuando”), mientras que el 19,6% lo hace frecuente o muy frecuentemente. El restante 20,3% representan compradores eventuales de estas plataformas (que compran una vez al año o menos). Por otro lado, el 60,1% de los encuestados indicó tener un manejo de sitios web de compra C2C de nivel avanzado o experto, mientras que el 30,7% se situó en un nivel medio. Solo el 9,2% se clasificó en el nivel de principiante. Estos resultados confirman que los individuos encuestados disponían de los conocimientos y experiencia suficientes como para valorar las cuestiones incluidas en el cuestionario.

Variables de medida

Para la medición de las variables incluidas en la Figura 1, se emplearon diversas escalas tipo Likert de 5 puntos desarrolladas y validadas en la literatura previa. Estas escalas emplean múltiples reactivos (preguntas o ítems) para evaluar cada constructo (la confianza percibida, la reputación y las variables básicas del TAM). Cada reactivo fue evaluado de forma subjetiva por el encuestado en un escalamiento de 1 a 5 dependiendo de qué tan de acuerdo o desacuerdo esté con la afirmación (1: “muy en desacuerdo” y 5: “muy de acuerdo”). El detalle de cada variable incluida en el cuestionario, así como de los reactivos o ítems que la componen y la fuente o referencia pueden observarse en la Tabla 1.

Tabla 1 Escalas de medida utilizadas y resultados sobre su validez de medida (validez convergente) 

a Todos los ítems se midieron en escalas tipos Likert de cinco puntos (1 = “completamente en desacuerdo”; 5 = “completamente de acuerdo”)

Tabla 2 Descriptivos, correlaciones, Varianza Media Extraída (VME) y validez discriminante de las escalas empleadas  

El índice de fiabilidad compuesta (IFC) se reporta a lo largo de la diagonal principal de la matriz de correlaciones (en cursiva); las varianzas compartidas de cada escala con el resto aparecen en el triángulo superior de dicha matriz; las correlaciones aparecen en el triángulo inferior.

d.t. desviación típica

Procedimiento

Para analizar la información reunida, se empleó un análisis estadístico basado en estructuras de covarianza de las variables empleadas, usando como software de análisis el programa Lisrel 8.80. Dicho análisis se llevó a cabo en dos etapas: en primer lugar, se validó el instrumento de medida empleado a través de un Análisis Factorial Confirmatorio (AFC); tras esto, se procedió al test de hipótesis estimando para ello el modelo de Ecuaciones Estructurales (SEM) correspondiente.

Resultados

Validez del modelo de medida

Previo al test de hipótesis, se procedió a verificar la validez convergente y discriminante -a través del AFC- de las escalas de medición empleadas en el cuestionario. En primera instancia, el modelo de medición resultó tener unos excelentes indicadores de ajuste3. (χ2(168) = 373.11, p < .01; GFI = 0.92; AGFI = 0.88; NNFI = 0.99; CFI = 0.99; RMSEA = 0.05). Además, la χ2 normalizada es de 2.22, menor que 3, por lo que también se indica un buen ajuste del modelo (Fornell y Larcker, 1981).

Siguiendo los procedimientos sugeridos por Bagozzi y Yi (1988) y Fornell y Larcker (1981), se evaluó la validez convergente verificando la importancia de los valores t asociados con las estimaciones de los parámetros. Como se muestra en la Tabla 1, todas las cargas factoriales estandarizadas fueron positivas y estadísticamente significativas (p<.01) para todos los ítems. Además, la fiabilidad de las escalas de medida también se confirmó a través del índice de fiabilidad compuesta o IFC (superior a 0.60; Bagozzi y Yi, 1988) y de la varianza media extraída o VME (superior a 0.50; Bagozzi y Yi, 1988, p.80) para todos los constructos latentes (ver Tabla 2). Por último, siguiendo los procedimientos señalados por Fornell y Larcker (1981), la validez discriminante se testó comparando los valores de la VME de cada constructo con la varianza compartida de dicho constructo y el resto de variables. Tal y como muestra la Tabla 2, para cada comparación la VME excedió a la varianza compartida, confirmando así la validez discriminante.

En definitiva, todas las pruebas llevadas a cabo en este punto permiten afirmar que las escalas cumplen con unas buenas propiedades psicométricas, lo que faculta su uso en la posterior comprobación de hipótesis.

Contraste o test de hipótesis

Para llevar a cabo el test de hipótesis, se procedió a la estimación del modelo estructural propuesto en la Figura 1 en Lisrel 8.80. Dicho modelo resultó tener unos buenos indicadores de ajuste globales (χ2(172) = 500.86, p < .01; GFI = 0.89; AGFI = 0.85; NNFI = 0.98; CFI = 0.98; RMSEA = 0.06). De nuevo, la χ2 normada reportó valores por debajo del valor de 3 (2.91) recomendado por Fornell y Larcker (1981), indicando por ende un buen ajuste teniendo en cuenta el tamaño muestral.

Los resultados de las relaciones estimadas se muestran en la Figura 2. Ahí podemos ver que la reputación incide positiva y significativamente tanto en la benevolencia (γ = 0.68; p = 12.62) como en la competencia (γ = 0.72; p = 11.85), lo que permite confirmar tanto H1a como H1b. La benevolencia no afecta de forma significativa ni a la intención de compra (β = -0.09; p = -1.20) ni a la utilidad percibida (β = 0.11; p = 1.67), por lo que se rechazan tanto H2a como H2b. La competencia resulta tener un efecto positivo y significativo sobre la intención de compra (β = 0.18; p = 2.26). Sin embargo, esta dimensión de la confianza no influencia significativamente la utilidad percibida (β = 0.09; p = 1.44), por lo que de la tercera hipótesis se confirma H3a y se rechaza H3b.

La facilidad de uso percibida tiene un efecto positivo significativo sobre la competencia (β = 0.15; p = 2.42), pero no en la benevolencia (β = 0.09; p = 1.64), lo que confirma H4b y no H4a.

Por otro lado, la norma subjetiva afecta de forma positiva y significativa tanto a la facilidad de uso percibida (γ = 0.12; p = 2.11) como a la intención de compra (γ = 0.09; p = 2.32). Por ende, se confirma H5a y H5b. La facilidad de uso percibida incide positiva y significativamente en la utilidad percibida (β = 0.86; p = 10.78), pero no presenta efecto significativo sobre la intención de compra (β = 0.06; p = 0.32), lo que confirma H6a y rechaza H6b. Finalmente la utilidad percibida presenta un efecto positivo y significativo sobre la intención de compra (β = 0.71; p = 3.60), lo que permite confirmar H7. El modelo propuesto consigue explicar, en su conjunto, un 67.3% de la variable intención de compra en la plataforma, lo que indica un excelente potencial explicativo.

Por último, dado que algunas de las relaciones directas entre variables ampliamente validadas dentro del TAM no se hallaron significativas, se procedió a evaluar la posibilidad de que estos efectos pudiesen estar mediados. Para esto, se estimó en Lisrel 8.80 los efectos indirectos estandarizados, cuyos principales resultados se reportan en la Tabla 3. Ahí se puede confirmar que, en el caso del comercio C2C en Chile, la relación entre la facilidad de uso percibida en la plataforma y la intención de usarla para comprar parece estar completamente mediada (coef. indirecto = 0.65; p < 0.01) por los efectos positivos y significativos que este antecedente (e.d., la facilidad de uso) tiene sobre la utilidad percibida en la plataforma y la confianza del usuario en la competencia de la misma (ver Figura 2). Se ha hallado, además, que la reputación afecta de forma indirecta a la intención de usar la plataforma (coef. indirecto = 0.17; p < 0.01), lo que corrobora la importancia de esta variable como antecedente. También, junto al efecto directo significativo hallado para la norma subjetiva, también se ha encontrado un efecto indirecto marginal de esta variable en la intención de uso (coef. indirecto = 0.08; p < 0.05). A continuación, se discutirá con más detalle estos resultados.

Tabla 3 Efectos indirectos  

Figura 2. Modelo estimado (cargas estructurales estandarizadas) 

Discusión

Los resultados obtenidos validan, por un lado, la mayoría de las hipótesis planteadas en torno a las variables del modelo TAM (H5 a y b, H6a y H7), demostrando que éste resulta ser aplicable a la realidad chilena en un contexto de comercio electrónico C2C. Además, también se ha podido constatar la relevancia de incorporar al modelo las variables de nuestra propuesta inicial, esto es, la confianza y la reputación (H1 a y b, H3a y H4b), variables que presentan una participación significativa en el modelo, demostrando que existe una relación entre la reputación y la confianza del punto de vista de la competencia y posteriormente que esta explica la intención del usuario frente a la participación de las plataformas C2C. Estos resultados confirman lo hallado en estudios previos en el entorno B2C online (De Obesso et al., 2012; Ben Mansour, 2016; Jamshidi y Hussin, 2016), indicando la posibilidad de extrapolar resultados y modelos de un contexto al otro.

Respecto de la benevolencia, no se tuvo el impacto que se esperaba en el modelo. Sin embargo, esto nos ayuda a comprender de qué manera percibe la confianza el usuario en estos entornos y cuál de sus componentes resulta ser realmente importante para determinar el uso de la plataforma. Dado que la confianza, para este estudio, se enfocó en la plataforma y no en quienes participan de la venta, tiene sentido que se perciba importancia en la competencia y no en la benevolencia. Futuras líneas de investigación podrían evaluar en qué medida la confianza se manifiesta a través de distintas dimensiones (competencia, benevolencia) según esta se dirija a la plataforma o al vendedor particular que la usa. Por otra parte, el hecho de que la competencia resulte ser significativa en este modelo, es coherente con los estudios previos que integraron la confianza (Gefen et al.,2003; Benamati et al., 2010; Wu et al., 2011; Belanche et al., 2012; Ballesteros et al., 2014) a modo general en el modelo TAM dentro del contexto de comercio electrónico.

Además de esto, los resultados en torno a la relación existente entre la facilidad de uso percibida y la competencia concuerdan con los estudios previos (Gefen et al., 2003; Benamati et al., 2010; Wu et al., 2011; Belanche et al., 2012; Ballesteros et al., 2014). Estos estudios muestran que existe una relación positiva entre estas variables, de modo que, en la medida que se perciba mayor facilidad de uso en una determinada plataforma, aumentará la confianza en su competencia, lo que indica que una plataforma fácil de usar ayuda a que el usuario comprenda su funcionamiento, siendo éste la base para confiar en la competencia de la misma. Lo anterior se complementa con el hecho de que, además, existe una fuerte relación indirecta entre la facilidad de uso y la intención de uso por medio de la competencia (junto con la utilidad percibida), lo que no solo confirma la validez de integrar esta dimensión de la confianza al modelo sino que, además, da potentes motivos a las empresas que operan online a que inviertan en la facilidad de uso de sus plataformas webs. Unido a esto, el hecho de que la facilidad de uso percibida afecte a la intención de uso por medio, también, de la utilidad percibida, es coherente con el modelo original de Davis (1989), quien plantea que, en la medida que se percibe facilidad de uso hacia una tecnología, aumenta la percepción de utilidad de la misma y predispone al usuario a utilizarla.

Además, es relevante comentar los efectos indirectos (Tabla 3) que tienen las variables reputación y norma subjetiva sobre la intención de uso. La reputación, por un lado, provee de información necesaria al comprador para que, a través de la confianza como variable mediadora, éste tenga una predisposición a comprar o no comprar en un determinado sitio o plataforma de compra online. Es decir, nuestros resultados sugieren que los efectos positivos de crear y mantener una buena reputación online se capitalizan a través de la confianza que dicha reputación genera en los usuarios ya que, sin dicha confianza, la reputación no afecta a la intención de compra. Este interesante resultado, además de ofrecer ideas de valor a las empresas que operan en Internet sobre cómo gestionar su reputación -e.d., hacia qué conceptos orientarla-, también resulta corroborar lo hallado y sugerido en estudios previos llevados a cabo en diferentes contextos B2C (Campbell, 1999; Xia et al., 2004), lo que también contribuye a avanzar en conocimientos teóricos en este ámbito. Por otro lado, la norma subjetiva, además de tener un efecto directo sobre la intención de compra, afecta de manera indirecta por medio de la facilidad de uso percibida, competencia y utilidad percibida. La norma subjetiva motiva al usuario a enfrentarse a la plataforma con una mayor disposición e interés, lo que genera que este perciba mayor facilidad en la plataforma y por consecuencia encuentre en la misma utilidad y confianza, lo que finalmente lo llevará a utilizar dicha plataforma. De nuevo, el análisis llevado a cabo sobre estos efectos indirectos permite entender mejor de qué manera cada variable del TAM, así como la reputación y la confianza, contribuyen a explicar la intención de uso de las plataformas C2C online.

Resumen

En resumen, los resultados obtenidos corroboran la importancia de incorporar las variables de reputación y confianza al modelo TAM en el contexto del comercio electrónico C2C en Chile. La reputación de la plataforma es fundamental para que el usuario pueda determinar si confía o no en la plataforma puesto que, en concordancia con estudios previos, es ésta la que provee de información al usuario, lo que genera una predisposición a confiar o no en la plataforma. Si bien solo la competencia resulta ser un componente significativo de la confianza en nuestro estudio, esto también arroja luz sobre el rol de dicha confianza en estos contextos de compra-venta online. Dada la mediación de la plataforma, las percepciones del usuario se centran y emergen de la misma, dando lugar a que variables más centradas en lo humano (benevolencia), esto es, en las percepciones que podrían estar más relacionadas con el vendedor individual (que podría ser otro consumidor en otro momento del tiempo, dado que no es empresa, y que es el que en última instancia debería asegurar un comportamiento íntegro en términos del interés de su comprador) queden relegadas en pos de aquellas que se centran en la plataforma donde opera. Por otro lado, se concluye que las variables del TAM resultan útiles para explicar el comportamiento de los usuarios en relación a las compras C2C online en Chile, ya que se logró validar de forma significativa la relación que existe entre ellas. En el caso de la facilidad de uso percibida, pese a que no se observa una relación directa con la intención de uso, se puede apreciar una relación indirecta muy potente que puede dar cuenta de la particularidad con que el modelo TAM se adapta a la realidad de este tipo de comercio en Chile.

Para finalizar, se espera que estos resultados permitan mejorar y potenciar el crecimiento del comercio electrónico C2C en Chile, siendo considerados estos factores al momento de diseñar y desarrollar las plataformas de compra online, con el fin de que el país logre alcanzar su potencial en cuanto a crecimiento y desarrollo económico se refiere.

Por otro lado, para futuras investigaciones, además de las ya indicadas a lo largo de esta discusión, se sugiere explorar la influencia de variables como la predisposición a aprender por cuenta propia y la participación de foros de ayuda y de fenómenos como el aprendizaje social, que ayudarían a comprender mejor el rol que tiene la facilidad percibida en el contexto cultural de Chile y países similares.

Referencias

Ashraf, A. R., Thongpapanl, N. T., & Spyropoulou, S. (2016). The connection and disconnection between e-commerce businesses and their customers: Exploring the role of engagement, perceived usefulness, and perceived ease-of-use.Electronic Commerce Research and Applications,20, 69-86. https://doi.org/10.1016/j.elerap.2016.10.001 Links ]

Ballesteros Díaz, B., Tavera Mesías, J. F., & Castaño Serna, D. (2014). Aceptación tecnológica de la publicidad en dispositivos móviles en Colombia.Semestre Económico,17(36). https://doi.org/10.22395/seec.v17n36a6 Links ]

Belanche, D., Casaló, L. V., & Flavián, C. (2012). Integrating trust and personal values into the Technology Acceptance Model: The case of e-government services adoption.Cuadernos de Economía y Dirección de la Empresa,15(4), 192-204. https://doi.org/10.1016/j.cede.2012.04.004 Links ]

Ben Mansour, K.(2016). An analysis of business’ acceptance of internet banking: an integration of e-trust to the TAM.Journal of Business & Industrial Marketing,31(8), 982-994. https://doi.org/10.1108/jbim-10-2016-271 [ Links ]

Benamati, J., Fuller, M. A., Serva, M. A., & Baroudi, J. (2010). Clarifying the integration of trust and TAM in e-commerce environments: implications for systems design and management.IEEE Transactions on Engineering Management,57(3), 380-393. https://doi.org/10.1109/tem.2009.2023111 Links ]

Biswas, D., & Biswas, A. (2004). The diagnostic role of signals in the context of perceived risks in online shopping: do signals matter more on the web?.Journal of Interactive Marketing, 18(3), 30-45. doi: https://doi.org/10.1002/dir.20010 Links ]

Brashear, T. G., Kashyap, V., Musante, M. D., & Donthu, D. (2009). A profile of the Internet shopper: Evidence from six countries. Journal of Marketing Theory and Practice, 17(3), 267-281. https://doi.org/10.2753/mtp1069-6679170305 Links ]

Campbell, M. C. (1999). Perceptions of price unfairness: antecedents and consequences. Journal of Marketing Research, 36(2), 187-199. https://doi.org/10.2307/3152092 Links ]

Chang, S. E., Shen, W. C., & Yeh, C. H. (2017). A comparative study of user intention to recommend content on mobile social networks.Multimedia Tools and Applications,76(4), 5399-5417.https://doi.org/10.1007/s11042-016-3966-1 Links ]

Chen, J. V., Su, B. C., & Widjaja, A. E. (2016). Facebook C2C social commerce: A study of online impulse buying.Decision Support Systems,83, 57-69. https://doi.org/10.1016/j.dss.2015.12.008 [ Links ]

CNC (2019), Informe de ventas online - Segundo semestre 2018, Cámara de Chile, disponible en: https://www.cnc.cl/wp-content/uploads/2019/01/Informe-Ventas-Online-Segundo-Semestre-2018.pdf (último acceso 14/03/2019) [ Links ]

CNC (2018), Informe de ventas online - Segundo semestre 2017, Cámara de Chile, disponible en: https://www.cnc.cl/wp-content/uploads/2015/10/Informe-Ventas-Online-Segundo-Semestre-2017.pdf (último acceso 14/03/2019) [ Links ]

Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS quarterly, 319-340. https://doi.org/10.2307/249008 [ Links ]

De Obesso Grijalvo, A. M., Gutiérrez, S. S. M., & Torres, N. H. J. (2012).Investigaciones Europeas de Dirección y Economía de la Empresa,18(3), 190-199. https://doi.org/10.1016/j.iedee.2012.05.006 Links ]

Doney, Patricia M. and Joseph P. Cannon (1997), “An Examination of the Nature of Trust in Buyer-Seller Relationships,” Journal of Marketing, 61 (2), 35-1.https://doi.org/10.1177/002224299706100203 Links ]

Fishbein, M., & Ajzen, I. (1975). Belief. Attitude, Intention and Behavior: An Introduction to Theory and Research Reading, MA: Addison-Wesley, 6. [ Links ]

Garbarino, E., & Lee, O. F. (2003). Dynamic pricing in internet retail: effects on consumer trust. Psychology & Marketing, 20(6), 495-513. https://doi.org/10.1002/mar.10084 Links ]

Gefen, D., Karahanna, E., & 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 Links ]

He, D., Lu, Y., & Zhou, D. (2008). Empirical study of consumers' purchase intentions in C2C electronic commerce.Tsinghua Science & Technology,13(3), 287-292. https://doi.org/10.1016/s1007-0214(08)70046-4 Links ]

Jamshidi, D., & Hussin, N. (2016). Forecasting patronage factors of Islamic credit card as a new e-commerce banking service: An integration of TAM with perceived religiosity and trust.Journal of Islamic Marketing, 7(4), 378-404. https://doi.org/10.1108/jima-07-2014-0050 Links ]

Joo, J. (2015). Roles of the Buyer’s Trust in Seller in Posted-Price Model of Consumer to Consumer E-Commerce.Journal of theoretical and applied electronic commerce research,10(3), 30-44. https://doi.org/10.4067/s0718-18762015000300004 Links ]

Koufaris, M. (2002). Applying the technology acceptance model and flow theory to online consumer behavior.Information systems research,13(2), 205-223. https://doi.org/10.1287/isre.13.2.205.83 Links ]

Lu, Y., Zhao, L., & Wang, B. (2010). From virtual community members to C2C e-commerce buyers: Trust in virtual communities and its effect on consumers’ purchase intention.Electronic Commerce Research and Applications, 9(4), 346-360. https://doi.org/10.1016/j.elerap.2009.07.003 Links ]

Mui, L., Mohtashemi, M., & Halberstadt, A. (2002, January). A computational model of trust and reputation. InSystem Sciences, 2002. HICSS. Proceedings of the 35th Annual Hawaii International Conference on(pp. 2431-2439). IEEE. https://doi.org/10.1109/hicss.2002.994181 Links ]

Netrica (2018), Primer ranking de e-commerce revela quiénes lideran el negocio en Chile, Netrica by Netquest, disponible en: https://www.netrica.com/2017/10/16/primer-ranking-e-commerce-revela-quienes-lideran-negocio-chile/ (último acceso: 14/03/2019) [ Links ]

Palvia, P. (2009). The role of trust in e-commerce relational exchange: A unified model.Information & management,46(4), 213-220. https://doi.org/10.1016/j.im.2009.02.003Links ]

Paredes, E. y Velasco, M.E. (2007). Comercio electrónico. McGraw-Hill/Interamericana de España, SAU. [ Links ]

Pavlou, P. A. (2003). Consumer acceptance of electronic commerce: Integrating trust and risk with the technology acceptance model.International journal of electronic commerce, 7(3), 101-134. https://doi.org/10.1080/10864415.2003.11044275 [ Links ]

Rauniar, R., Rawski, G., Yang, J., & Johnson, B. (2014). Technology acceptance model (TAM) and social media usage: an empirical study on Facebook. Journal of Enterprise Information Management, 27(1), 6-30. https://doi.org/10.1108/jeim-04-2012-0011 Links ]

Riquelme, I. P., & Román, S. (2014). The influence of consumers’ cognitive and psychographic traits on perceived deception: A comparison between online and offline retailing contexts.Journal of Business Ethics,119(3), 405-422. https://doi.org/10.1007/s10551-013-1628-z Links ]

Riquelme, I. P., Román, S., & Iacobucci, D. (2016). Consumers' perceptions of online and offline retailer deception: a moderated mediation analysis. Journal of Interactive Marketing, 35, 16-26. https://doi.org/10.1016/j.intmar.2016.01.002 Links ]

San Martín Gutiérrez, S., & Camarero Izquierdo, C. (2010). Los determinantes de la confianza del comprador online. Comparación con el caso de subasta.Cuadernos de gestión,10. https://doi.org/10.5295/cdg.100187ss Links ]

Satorra, A., & Bentler, P. M. (2010). Ensuring positiveness of the scaled chi-square test statistic. Psychometrika, 75, 243-248. https://doi.org/10.1007/s11336-009-9135-y Links ]

Schepers, J., & Wetzels, M. (2007). A meta-analysis of the technology acceptance model: Investigating subjective norm and moderation effects. Information & management, 44(1), 90-103. https://doi.org/10.1016/j.im.2006.10.007 Links ]

Schilke, O., & Wirtz, B. W. (2012). Consumer acceptance of service bundles: An empirical investigation in the context of broadband triple play.Information & Management,49(2), 81-88. https://doi.org/10.1016/j.im.2011.12.003 Links ]

Singh, J., & Sirdeshmukh, D. (2000). Agency and trust mechanisms in consumer satisfaction and loyalty judgments. Journal of the Academy of marketing Science, 28(1), 150-167. https://doi.org/10.1177/0092070300281014 Links ]

Taylor, S., & Todd, P. A. (1995). Understanding information technology usage: A of test competing models.Information systems research, 6(2), 144-176. https://doi.org/10.1287/isre.6.2.144 Links ]

Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies.Management science,46(2), 186-204. https://doi.org/10.1287/mnsc.46.2.186.11926 Links ]

Walsh, G., & Beatty, S. E. (2007). Customer-based corporate reputation of a service firm: scale development and validation.Journal of the academy of marketing science,35(1), 127-143. https://doi.org/10.1037/t68604-000 Links ]

Wang, Y., & Vassileva, J. (2003, September). Trust and reputation model in peer-to-peer networks. InPeer-to-Peer Computing, 2003.(P2P 2003). Proceedings. Third International Conference on(pp. 150-157). IEEE. https://doi.org/10.1109/ptp.2003.1231515 Links ]

Wu, K., Zhao, Y., Zhu, Q., Tan, X., & Zheng, H. (2011). A meta-analysis of the impact of trust on technology acceptance model: Investigation of moderating influence of subject and context type.International Journal of Information Management,31(6), 572-581. https://doi.org/10.1016/j.ijinfomgt.2011.03.004 Links ]

Xia, L., Monroe, K. B., & Cox, J. L. (2004). The price is unfair! A conceptual framework of price fairness perceptions. Journal of Marketing, 68(4), 1-15. https://doi.org/10.1509/jmkg.68.4.1.42733 Links ]

Xiang, L., Zheng, X., Lee, M. K., & Zhao, D. (2016). Exploring consumers’ impulse buying behavior on social commerce platform: The role of parasocial interaction.International journal of information management,36(3), 333-347. https://doi.org/10.1016/j.ijinfomgt.2015.11.002 Links ]

Xiong, L., & Liu, L. (2003, June). A reputation-based trust model for peer-to-peer e-commerce communities. InE-Commerce, 2003. CEC 2003. IEEE International Conference on(pp. 275-284). IEEE. https://doi.org/10.1109/coec.2003.1210262 Links ]

Ye, L. R., & Zhang, H. H. (2014). Sales promotion and purchasing intention: Applying the technology acceptance model in consumer-to-consumer marketplaces.International Journal of Business, Humanities and Technology, 4(3), 1-5. https://doi.org/10.4135/9781452229669.n797 Links ]

Yu, J., Ha, I., Choi, M., & Rho, J. (2005). Extending the TAM for a t-commerce. Information & management, 42(7), 965-976. https://doi.org/10.1016/j.im.2004.11.001 Links ]

1Business To Consumer, se trata de resultados obtenidos en entornos de venta minorista donde el vendedor es una empresa y el cliente un consumidor final.

2Plataformas del tipo C2C más utilizadas en Chile (Netrica, 2018).

3Para seleccionar el método de estimación apropiado, primero se testó la normalidad multivariada de toda la muestra. La prueba de Mardia rechazó esta suposición, por lo que procedimos con el método de Máxima Verosimilitud estimando con la corrección de Satorra-Bentler (2010) (basada en la matriz de covarianza asintótica), que proporciona estimaciones robustas de los parámetros incluso para distribuciones no normales.

*Autor de correspondencia: ip.riquelme@umh.es

Renato Sukno es Profesor de Sistemas de Información en la Universidad Católica del Norte (Chile), Ingeniero Civil Industrial con Licenciatura en Ciencias de la Ingeniería y Magister en Gestión de Tecnologías de Información. Su línea de investigación se enfoca en el comercio electrónico y la aceptación tecnológica.

Isabel P. Riquelme es Profesora de Marketing en la Universidad Miguel Hernández (España). Sus artículos han aparecido en numerosas publicaciones internacionales de reconocido prestigio, tales comoJournal of Interactive Marketing, Review of Marketing Research, Journal of Business Ethics, Ethics and Information Technology, Journal of Electronic Commerce Research o Electronic Markets, entre otras. Sus áreas de investigación comprenden el comercio electrónico y la ética en las actividades de venta y consumo.

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons