Memahami dan Memprediksi Penggunaan E-Commerce: Perluasan Teori Planned Behaviour

Kelompok 9:Florentina Giesta YayiMemahami dan Memprediksi Penggunaan E-Commerce:Perluasan Teori Planned BehaviourAgendaPendahuluanPerumusan hipotesisHasil dan pembahasanKontribusiKeterbatasan dan saranB2C E-CommercePemasaran kontemporer kombinasi teknologi dan pemasaranPerilaku konsumen online (Olson dan Olson, 2000)pencarian informasi pemindahan informasi dari Web vendor kepada konsumenpembelian produk pengadaan barang melalui penyediaan informasi moneterLong-held consumer behavior modelsAda 4 peneliti, hlm 117Tujuan PenelitianPengujian secara empiris faktor-faktor yang mempengaruhi penggunaan teknologi terintegrasi (Web vendors) dengan variabel pemasaran dan ekonomi dalam meningkatkan pemahaman mengenai perilaku konsumen onlineTeori Perilaku yang Direncanakan(The Theory of Planned Behavior)Teori untuk menjelaskan dan memprediksi perilaku (Sheppard et al, 1988)Proximal determinant of a behavioral:

Faktor motivasi keinginan orang untuk bertindakMendapatkan informasi dan pembelian produk3 aspek berbeda mengenai perilaku konsumenBuyer decision model (Engel et al, 1973) pembelian produk satu kesatuan dengan pencarian informasiMendpatkan informasi memudahkan pembelian (Kim dan Benbasat, 2003)Theory of mere exposure (Zajonc, 1968) mendapatkan informasi mempengaruhi pembelianH1: Mendapatkan informasi produk melalui Web vendor berpengaruh positif terhadap pembelian produk

H2: Intensi untuk membeli produkmelalui web berpengaruh positif terhadapintensi untuk mendapatkan informasimengenai produkPerceive Behavioral Control (PBC)

H3: PBC untuk mendapatkan informasi dari webberpengaruh positif terhadap intensi dan perilaku aktual untuk mendapatkan informasi Keyakinan EksternalOpen-ended questionnaire (Ajzen, 2002)56 partisipanPerluasan lingkup karakteristikKepercayaan atas web vendorPenerimaan teknologiSumber daya konsumenKarakteristik teknologiKarakteristik produkKemampuan konsumenExternal Belief (Getting Info)

External Belief (Purchasing)Variabel PengendaliPengalaman sebelumnyaKebiasaanReputasi web vendorHarga produkDemografiHasil dan PembahasanSampel pretest 214 mahasiswaSampel pengujian 312 pengguna internet30 window periodePLS (Partial Least Square) menimimalisasi keterbatasan pengukuran pada skala, ukuran sampel, dan distribusi residual (Chin et al 2003)Hasil dan PembahasanIntensi mendapatkan informasi, R2=55%Intensi pembelian produk, R2=59%Semua Ha diterima (signifikansi 1%, 5%, 10%)Figure 4KontribusiAkademisiPenelitian tentang E-CommerceSistem informasiTeori Perilaku yang DirencanakanTrust literaturePraktisi

Keterbatasan dan SaranMenilai 2 perilakuTambahan perilaku, seperti pemberian informasi dan interaksi pasca pembelianJumlah item survey besar (>100)Mengurangi jumlah item surveySocial desirability biasSelf selection product and vendorRandomize all itemsTerima Kasih