Accettazione e-commerce con fiducia
Marketing / E-commerce
UTAUT2 (Unified Theory of Acceptance and Use of Technology) è la teoria consolidata che spiega perché le persone utilizzano le tecnologie digitali. Questa variante aggiunge Trust ed è impostata per la multi-group analysis: età, device ed esperienza d'uso sono disponibili come variabili di raggruppamento.
- N
- 400
- LVs
- 6
- MGA
- Age · Device
Per clonare serve un account OpenPLS gratuito.
Background teorico
Venkatesh, Thong e Xu (2012) hanno esteso il modello UTAUT originale con costrutti specifici per il consumatore (Hedonic Motivation, Habit, Price Value) e hanno definito sette determinanti dell'intenzione d'uso e del comportamento effettivo. UTAUT2 è di gran lunga il modello di accettazione più citato nella ricerca IS.
Nella variante qui presentata ci concentriamo su una versione a quattro determinanti (Performance Expectancy, Effort Expectancy, Social Influence, Trust) particolarmente rilevante per i contesti e-commerce. Trust è stata stabilita da Pavlou (2003) come variabile centrale per le transazioni online ma è assente nel modello UTAUT originale: questa forma ibrida è standard nella ricerca applicata.
Il dataset contiene variabili sociodemografiche (età, genere, device, usage_freq) immediatamente utilizzabili come variabili di raggruppamento per la multi-group analysis. Si può ad esempio verificare se l'effetto della fiducia sull'intenzione differisca in modo significativo tra acquirenti mobile e desktop.
Modello strutturale
Quattro determinanti esogene convergono su Behavioral Intention, che a sua volta guida Use Behavior. Trust agisce sia come mediatore sia come predittore diretto.
Aspettativa di prestazione
Utilità attesa dell'applicazione.
Aspettativa di sforzo
Facilità d'uso percepita.
Influenza sociale
Pressione e raccomandazioni dell'ambiente sociale.
Fiducia
Fiducia in venditore, piattaforma e gestione dei dati.
Intenzione comportamentale
Intenzione di utilizzare l'applicazione.
Comportamento d'uso
Uso effettivo (frequenza, profondità).
Ipotesi
| H1 | PE → TR | + | L'utilità percepita aumenta la fiducia nella piattaforma. |
| H2 | EE → TR | + | La facilità d'uso aumenta la fiducia. |
| H3 | PE → BI | + | L'aspettativa di utilità aumenta direttamente l'intenzione d'uso. |
| H4 | SI → BI | + | L'influenza sociale aumenta l'intenzione d'uso. |
| H5 | TR → BI | + | La fiducia è il driver centrale dell'intenzione. |
| H6 | BI → UB | + | L'intenzione si traduce in uso effettivo. |
Metodologia e dati
Il dataset contiene N = 400 risposte sintetiche a 21 indicatori più quattro variabili categoriche di raggruppamento (età, genere, device, usage_freq). Tutti gli item riflessivi sono scale Likert a sette punti. Gli studi UTAUT2 reali si svolgono in genere con N = 300-800 per contesto.
Risultati attesi
- R²(BI) ≈ 0.55
- Le quattro determinanti spiegano circa il 55 % della varianza dell'intenzione d'uso, valore moderato-forte.
- TR → BI ≈ 0.32
- La fiducia è il secondo path diretto più forte verso l'intenzione, subito dietro l'aspettativa di prestazione. Nei contesti e-commerce spesso il più forte.
- MGA Age · Device
- Con la multi-group analysis si può ad esempio verificare se il path TR → BI sia significativamente più forte per gli utenti più anziani rispetto ai più giovani.
Riproduci in 60 secondi
- 1
Clona il progetto
Un solo clic nel tuo workspace OpenPLS crea una copia completamente modificabile: modello, indicatori e dataset, tutto collegato e pronto all'uso.
- 2
Esegui il calcolo
OpenPLS risolve i pesi esterni, i coefficienti di path, R², HTMT, SRMR e gli intervalli di confidenza bootstrap in pochi secondi.
- 3
Confronta con le metriche attese
Le metriche chiave documentate qui sotto provengono dall'originale pubblicato. I tuoi valori calcolati dovrebbero rientrare negli intervalli di confidenza bootstrap al 95 %.
Riferimenti
- Venkatesh, V., Thong, J. Y. L., & 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. doi.org/10.2307/41410412
- 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. doi.org/10.1080/10864415.2003.11044275
- Henseler, J., Ringle, C. M., & Sarstedt, M. (2016). Testing measurement invariance of composites using partial least squares. International Marketing Review, 33(3), 405–431. doi.org/10.1108/IMR-09-2014-0304