PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ Facultad de Gestión y Alta Dirección Factores que intervienen en la adopción del e-commerce por parte de los consumidores de ropa casual femenina en tiendas por departamento de Lima Metropolitana Tesis para obtener el título profesional de Licenciada en Gestión con mención Gestión Empresarial que presenta: Andrea Inocenta Calixto Diaz Angie Rosario Huaccha Méndez Asesora: Roxana Franco Lopez Lima, 2023 II La tesis Factores que intervienen en la adopción del e-commerce por parte de los consumidores de ropa casual femenina en tiendas por departamento de Lima Metropolitana Ha sido aprobada por: _______________________________________ Mgtr. Neride Herminia Laura Sotomarino Maturo [Presidente del Jurado] _______________________________ Mgtr. Roxana Franco Lopez [Asesor Jurado] _______________________________ Mgtr. Victor Omar Vite Leon [Tercer Jurado] Informe de similitud Yo ROXANA FRANCO LÓPEZ, docente de la Facultad de GESTIÓN Y ALTA DIRECCIÓN de la Pontificia Universidad Católica del Perú, asesora de la tesis/el trabajo de investigación titulado “Factores que intervienen en la adopción del e-commerce por parte de los consumidores de ropa casual femenina en tiendas por departamento de Lima Metropolitana”, de las autoras ANDREA INOCENTA CALIXTO DIAZ y ANGIE ROSARIO HUACCHA MÉNDEZ dejo constancia de lo siguiente: - El mencionado documento tiene un índice de puntuación de similitud de 19%. Así lo consigna el reporte de similitud emitido por el software Turnitin el 10/04/2023. - He revisado con detalle dicho reporte y confirmo que cada una de las coincidencias detectadas no constituyen plagio alguno. - Las citas a otros autores y sus respectivas referencias cumplen con las pautas académicas. Lugar y fecha: LIMA, 10 DE ABRIL DE 2023 Apellidos y nombres del asesor / de la asesora: FRANCO LÓPEZ, ROXANA DNI: 41875231 Firma ORCID: 0000-0001-8729-5363 III IV Agradezco a Dios por su amor incondicional y por haberme permitido creer en su hijo y en su cruz. A mi papá y mamá por salir adelante todos los días para que sus hijos sean profesionales. A mi hermano, por darme fortaleza en los momentos necesarios y también por sacarme unas carcajadas. Asimismo, agradezco a todos mis amigos que hice en la universidad, con los cuales estudié y también reí. Finalmente, agradezco a todas las personas involucradas para que este proyecto salga adelante. Andrea Calixto Agradezco a Dios, a mis padres, hermanas y amigos por su apoyo incondicional tanto en mis victorias como en mis derrotas durante toda esta etapa de mi vida, en especial debo agradecer a mi mamá que siempre estuvo motivándome con sus consejos y dándome fortaleza. Finalmente, quiero agradecer a todas las personas que nos apoyaron para poder desarrollar esta investigación. Angie Huaccha V RESUMEN El presente estudio tiene como objetivo identificar los factores que intervienen en la adopción del e-commerce por parte de los consumidores de ropa casual femenina en tiendas por departamento de Lima Metropolitana. En consecuencia, la presente investigación analiza el e-commerce de las tiendas por departamento que comercializan ropa casual femenina. Estos se caracterizan por desarrollarse en un contexto competitivo con variada oferta nacional y una demanda creciente sostenible. Frente a ello, surge la necesidad de tener un conocimiento más profundo del consumidor de ropa casual femenina que sólo se puede lograr a través del estudio de su comportamiento y, en el caso específico de e-commerce, del entendimiento de los factores que llevaron a los consumidores a adoptar o rechazar este tipo de tecnología. Por ello, se lleva a cabo una amplia revisión de literatura en relación a investigaciones que planteen un modelo que prediga la conducta de compra. Adicionalmente, se ha revisado modelos que poseen como fundamento teórico a la adopción de tecnología, de las cuales se escogió el modelo propuesto por Agudo (2014). La metodología de la investigación tiene un enfoque mixto con mayor preponderancia al análisis cuantitativo y un alcance descriptivo - correlacional. Respecto al análisis cuantitativo, se realizaron 280 encuestas, los que se analizaron mediante estadística descriptiva y el Modelo de Ecuaciones Estructurales (SEM). Luego de ello, respecto al análisis cualitativo, se realizaron dos focus group compuesto por cuatro personas cada uno. Esto con la finalidad de poder profundizar más en los factores del modelo seleccionado. Palabras claves: e-commerce, ropa casual femenina, intención de compra, conducta de compra y modelo propuesto por Agudo. VI ÍNDICE DE CONTENIDO INTRODUCCIÓN .............................................................................................................. 1 CAPÍTULO 1: PROBLEMA DE INVESTIGACIÓN........................................................... 3 1. Planteamiento del problema ..................................................................................... 3 2. Objetivos ................................................................................................................... 6 2.1 Objetivo general .................................................................................................. 6 2.2 Objetivos específicos .......................................................................................... 7 3. Preguntas .................................................................................................................. 7 3.1 Pregunta general ................................................................................................. 7 3.2 Preguntas específicas ......................................................................................... 7 4. Justificación .............................................................................................................. 8 5. Viabilidad................................................................................................................... 8 CAPÍTULO 2: MARCO TEÓRICO ................................................................................. 10 1. E-commerce ............................................................................................................ 10 1.1 Ventajas y desventajas del e-commerce .......................................................... 10 1.2 Características del e-commerce ....................................................................... 11 1.3 Tipos de e-commerce ....................................................................................... 12 1.4 Modelos de negocio del e-commerce de las tiendas por departamento ......... 12 2. Adopción de la tecnología ...................................................................................... 13 2.1 Adopción de la innovación ................................................................................ 14 2.2 Modelos de adopción de tecnología ................................................................. 15 2.3 Hipótesis ............................................................................................................ 24 2.4 Investigaciones sobre los factores que intervienen en la adopción tecnológica por parte de los consumidores en la industria de la moda..................................... 25 CAPÍTULO 3: MARCO CONTEXTUAL ......................................................................... 29 1. El consumidor e-commerce en el Perú .................................................................. 29 2. Sector de ropa en el Perú ....................................................................................... 31 2.1 Análisis del Entorno .......................................................................................... 31 2.2 Principales tendencias ...................................................................................... 32 3. E-commerce de Tiendas por departamento de ropa casual femenina en el Perú 33 3.1 Demanda y oferta .............................................................................................. 33 3.2 Tiendas por departamento en el Perú .............................................................. 34 CAPÍTULO 4: METODOLOGÍA DE LA INVESTIGACIÓN ............................................ 36 1. Secuencia metodológica......................................................................................... 36 2. Enfoque, alcance y diseño metodológico ............................................................... 36 VII 2.1 Enfoque de la investigación .............................................................................. 36 2.2 Alcance de la investigación............................................................................... 37 2.3 Diseño metodológico......................................................................................... 37 3. Selección Muestral ................................................................................................. 38 4. Técnicas de recolección de información ................................................................ 39 4.1 Herramienta cuantitativa ................................................................................... 39 4.2 Herramienta cualitativa ..................................................................................... 40 5. Técnicas de análisis ............................................................................................... 41 5.1 Análisis cuantitativo........................................................................................... 41 5.2 Análisis cualitativo ............................................................................................. 44 5.3. Triangulación de la información ....................................................................... 45 6. Evaluación de la validez y confiabilidad ................................................................. 45 7. Ética de la investigación ......................................................................................... 45 CAPÍTULO 5: RESULTADOS DE LA INVESTIGACIÓN............................................... 47 1. Análisis Cuantitativo ............................................................................................... 47 1.1. Análisis de los resultados por medio de la estadística descriptiva ................. 47 1.2. Análisis de los resultados a través de SEM .................................................... 69 2. Análisis Cualitativo .................................................................................................. 81 2.1 Factor Expectativa de esfuerzo ........................................................................ 81 2.2 Factor Expectativa de rendimiento ................................................................... 82 2.3 Factor Influencia social ..................................................................................... 83 2.4 Factor Motivaciones Hedónicas ........................................................................ 83 2.5 Factor Condiciones facilitantes ......................................................................... 84 2.6 Factor Confianza percibida ............................................................................... 85 2.7 Factor Riesgo percibido .................................................................................... 86 2.8 Factor Riesgo del producto ............................................................................... 87 2.9 Intención de compra.......................................................................................... 87 2.10 Conducta de compra ....................................................................................... 88 3. Triangulación de la Información ............................................................................. 89 3.1 La Expectativa de esfuerzo afecta la Intención de compra ............................. 89 3.2 La Expectativa de rendimiento afecta la Intención de compra ........................ 89 3.3 La Influencia social afecta la Intención de compra .......................................... 90 3.4 Las Motivaciones Hedónicas afectan la Intención de compra ......................... 91 3.5 Las Condiciones facilitantes afectan la Intención de compra .......................... 91 3.6 La Confianza percibida afecta la Intención de compra .................................... 92 3.7 El Riesgo percibido afecta la Intención de compra .......................................... 93 VIII 3.8 El Riesgo del producto afecta la Intención de compra ..................................... 93 3.9 Las Condiciones facilitantes afectan a la conducta de compra ....................... 94 3.10 La Intención de compra afecta a la Conducta de compra ............................. 95 CONCLUSIONES Y RECOMENDACIONES................................................................. 96 1. Conclusiones de la investigación ........................................................................... 96 2. Recomendaciones de la investigación ................................................................. 100 3. Limitaciones .......................................................................................................... 101 REFERENCIAS ............................................................................................................ 102 ANEXOS ....................................................................................................................... 109 ANEXO A: Inventario de ropa femenina en Saga Falabella, Ripley y Oechsle .......... 109 ANEXO B: Cuestionario de la investigación ................................................................ 110 ANEXO C: Matriz de operacionalización de variables ................................................ 114 ANEXO D: Guía de Focus Group ................................................................................ 116 ANEXO E: Nivel de Fiabilidad del Modelo inicial ......................................................... 118 ANEXO F: Relaciones entre las variables observadas ............................................... 119 ANEXO G: Relaciones entre las variables observadas del Modelo Ajustado ............ 121 ANEXO H: Efecto Indirecto del Factor Condiciones Facilitantes ................................ 122 ANEXO I: Relaciones entre las variables observadas del Modelo Final .................... 123 IX LISTA DE TABLAS Tabla 1: Categorías de ropa casual Femenina .............................................................. 52 Tabla 2: Estadística descriptiva de las variables del Factor Expectativa de esfuerzo . 55 Tabla 3: Estadística descriptiva de las variables del Factor Expectativa de rendimiento ........................................................................................................................................ 57 Tabla 4: Estadística descriptiva de las variables del Factor Influencia social............... 58 Tabla 5: Estadística descriptiva de las variables del Factor Motivaciones Hedónicas . 59 Tabla 6: Estadística descriptiva de las variables del Factor Condiciones Facilitantes . 61 Tabla 7: Estadística descriptiva de las variables del Factor Confianza percibida ........ 63 Tabla 8: Estadística descriptiva de las variables del Factor Riesgo percibido ............. 65 Tabla 9: Estadística descriptiva de las variables del Factor Riesgo de producto ......... 67 Tabla 10: Estadística descriptiva de las variables del Factor Intención de compra ..... 68 Tabla 11: Estadística descriptiva de las variables del Factor Conducta de compra..... 69 Tabla 12: Relaciones entre las variables no observadas del Modelo inicial ................. 72 Tabla 13: Medidas de bondad de ajuste del Modelo inicial ........................................... 73 Tabla 14: Relaciones entre las variables no observadas del Primer Modelo Ajustado 76 Tabla 15: Medidas de bondad de ajuste ........................................................................ 76 Tabla 16: Índices de modificación altos del Modelo Ajustado ....................................... 77 Tabla 17: Relaciones entre las variables no observadas .............................................. 79 Tabla 18: Medidas de bondad de ajuste del modelo final ............................................ 80 X LISTA DE FIGURAS Figura 1: Modelo de Aceptación Tecnológica ................................................................ 16 Figura 2: Modelo de aceptación y Uso de la Tecnología .............................................. 18 Figura 3: Teoría Unificada de Aceptación y Uso de la Tecnología 2 ............................ 20 Figura 4: Modelo por Agudo ........................................................................................... 22 Figura 5: Modelo propuesto por Wei, Lee y Shen ......................................................... 23 Figura 6: Modelo de investigación propuesto por Ramdhani, Siti, Sandya y Nur en iIndonesia ....................................................................................................................... 26 Figura 7: Modelo de investigación propuesto por Joo y Lee ......................................... 27 Figura 8: Consumo de e-commerce por industria en el 2021 ....................................... 30 Figura 9: Esquema del Diseño Explicativo Secuencial ................................................. 36 Figura 10: Sexo de la Muestra ....................................................................................... 48 Figura 11: Edad de la Muestra ....................................................................................... 49 Figura 12: Zona de residencia de la muestra ................................................................ 50 Figura 13: Tiendas por departamento donde la muestra compro ropa casual femenina ........................................................................................................................................ 51 Figura 14: Número de tiendas por departamento donde la muestra compra ropa casual femenina ......................................................................................................................... 51 Figura 15: Rangos de gasto de compra en soles .......................................................... 53 Figura 16: Distribución de personas que aumentó o no su compra por la Covid-19 .... 54 Figura 17: Gráfico radial de las variables del factor Expectativa de esfuerzo .............. 56 Figura 18: Gráfico radial de las variables del factor Expectativa de rendimiento ......... 57 Figura 19: Gráfico radial de las variables del factor Motivaciones Hedónicas ............. 60 Figura 20: Gráfico radial de las variables del Factor Condiciones Facilitantes ............ 62 Figura 21: Gráfico radial de las variables del Factor Confianza percibida .................... 64 Figura 22: Gráfico radial de las variables del Factor Riesgo percibido ......................... 66 Figura 23: Gráfico radial de las variables del Factor Riesgo de producto .................... 67 Figura 24: Representación gráfica y estimación del modelo inicial .............................. 71 Figura 25: Representación gráfica y estimación del ajuste del modelo ........................ 75 Figura 26: Representación gráfica y Estimación del Modelo Final ............................... 78 1 INTRODUCCIÓN En los últimos meses, el sector de ropa casual femenina ha acelerado su crecimiento a causa de las restricciones sanitarias de la Covid 19; sin embargo, estas han sido solo un impulsor, ya que el crecimiento sigue ocurriendo de forma continua con el transcurrir de los años. En esa línea, es importante señalar que la comercialización de ropa casual femenina genera mayores ingresos a las tiendas por departamento, así como la que mayor gasto representa en los hogares peruanos. Frente a ello, surge la necesidad de conocer al consumidor de ropa casual femenina dentro del ámbito online con el fin de identificar los factores que intervienen al momento de adoptar o rechazar esta tecnología, para lo cual se plantean seis capítulos. En el primer capítulo, en el que se aborda el planteamiento del problema, se inicia explicando el contexto actual del e-commerce y la importancia de las tiendas por departamento que comercializan ropa casual femenina en dicha industria digital. Luego se plantea el objetivo general y los objetivos específicos; para después, desarrollar las hipótesis y justificación de la presente investigación. En el segundo capítulo se desarrolla el marco teórico. Para ello, se define al e- commerce a partir de la perspectiva de diversos autores, así como sus características, ventajas y desventajas, tipos y modelos. Asimismo, se explica la adopción de la tecnología mediante la adopción de la innovación, etapas del proceso de adopción tecnológica y cinco modelos de adopción tecnológica: Modelo de aceptación de la tecnología (TAM), Teoría Unificada de Aceptación y Uso de la Tecnología (UTAUT), Teoría Unificada de Aceptación y Uso de la Tecnología 2 (UTAUT 2), el modelo propuesto por Agudo (2014) y el modelo planteado por Wei, Lee y Shen (2018). Finalmente, se exponen cuatro investigaciones del continente asiático relacionados a la industria de la moda estudiadas desde el enfoque de modelos de adopción tecnológica. En el tercer capítulo, se desarrolla el marco contextual en el que se inicia exponiendo al consumidor e-commerce mediante su evolución, el departamento del Perú con mayor número de consumidores y las industrias con mayor participación dentro del e-commerce, así como los tipos y modelos de negocio más comunes del e-commerce. Después de ello, se describe el e- commerce de prendas de vestir femenina en tiendas por departamento, esto a través de la exposición de la demanda y oferta, seguido del análisis PESTEL y las tendencias del sector. Por último, se exponen las principales tiendas por departamentos que comercializan prendas de vestir por e-commerce. 2 En el cuarto capítulo se explica la metodología, en la cual se desarrolla la secuencia metodológica, enfoque, alcance y diseño. Así como la muestra seleccionada para el desarrollo del análisis cuantitativo de los clientes de ropa casual femenina, y para el análisis cualitativo, la realización de dos focus group. En relación a las herramientas de recolección de la información, en el análisis cuantitativo se realiza un cuestionario con 53 preguntas, y respecto al análisis cualitativo se desarrolla una guía de focus group semi- estructurada. Finalmente, respecto a las herramientas de análisis de información, se hace uso de la estadística descriptiva y Modelo de Ecuaciones Estructurales (SEM) para el análisis cuantitativo, y la codificación guiada por conceptos para el análisis cualitativo. En quinto lugar, se realiza el análisis de los hallazgos, dividido en tres partes, el análisis cuantitativo, cualitativo y la triangulación de la información. En relación al análisis cuantitativo, se inicia explicando las características de la muestra y los factores del modelo mediante la estadística descriptiva; después se analiza la data mediante el Modelo de Ecuaciones Estructurales (SEM), con la finalidad de ajustar el modelo. Por otro lado, respecto al análisis cualitativo, a partir de los dos focus group, se realizaron dos matrices de hallazgos. Finalmente, en relación a la triangulación, se expone el cruce de los análisis cuantitativos y cualitativos. Por último, en el sexto capítulo se desarrollan las conclusiones y las recomendaciones para próximas investigaciones. 3 CAPÍTULO 1: PROBLEMA DE INVESTIGACIÓN El primer capítulo de este trabajo de investigación presenta el tema de investigación, así como el planteamiento del problema, que describe a nivel conceptual y teórico la adopción del e-commerce por parte de los consumidores de ropa casual femenina. Asimismo, se establecen el objetivo general y los objetivos específicos; y, finalmente, se desarrolla la justificación y la viabilidad. 1. Planteamiento del problema Actualmente, la adopción del e-commerce en países emergentes se está tornando cada vez más relevante, ya que pueden llegar a convertirse en grandes mercados del e- commerce conforme crece la adopción de la tecnología (Gaxiola, 2022). Esta adopción es entendida como un microproceso que está focalizado en fases que recorre el consumidor al elegir si permite o deniega un nuevo ítem (Schiffman & Kanuk, 2010). Por otro lado, la adopción tecnológica consiste en el proceso por el que debe atravesar el consumidor para transformarse en un cliente regular de una innovación, definiendo cliente regular como aquella persona que compra habitualmente un producto y/o servicio (Kotler & Keller, 2012). Según el OECD (2005), existen cuatro tipos de innovaciones, donde el e-commerce es considerado una innovación de mercadotecnia, puesto que representa un nuevo sistema de comercialización. Se entiende el e-commerce como el proceso de compra y venta de artículos y/o servicios mediante páginas webs, marketplaces, redes sociales, entre otros medios digitales (IEP,2020). En el Perú, esta industria ha ido progresando durante los últimos años, logrando al cierre del 2019 un crecimiento en ventas de aproximadamente $4,000 millones, un 30% más que el 2018, debido al aumento de consumidores por Internet. Del mismo modo, a finales del 2019 se logró una penetración de compradores por e-commerce de 11.8 millones mientras que, en el 2018, esta fue de aproximadamente 6 millones (CAPECE, 2019). En el 2020, a causa de la pandemia y las distintas regulaciones que el Estado decretó frente a ello, los consumidores han tenido que adaptarse a un nuevo entorno, modificando su comportamiento y hábitos de consumo, generando así que muchos canales de venta se vean perjudicados. Sin embargo, este no fue el caso del e-commerce, pues fue uno de los más beneficiados en relación a sus ventas, logrando un mayor crecimiento al mover alrededor de $6,000 millones a fines del 2020, gracias al aumento de la demanda y la oferta (CAPECE, 2021), incrementando $2,000 millones en comparación con el 2019 (CAPECE, 2019). Es así que, durante los primeros meses del 2021, este mercado continuó creciendo (IPSOS, 2020). Por otro lado, es importante destacar que el e-commerce no es solo una tendencia, sino que 4 este continuará en crecimiento con el pasar de los años indistintamente si se reabren los locales físicos y todos estén vacunados (CAPECE, 2021). Dentro del e-commerce, el canal retail fue aquel con mayor participación, con un crecimiento del 250% en el 2020 y cuenta con proyecciones favorables para los próximos 5 años (CAPECE, 2021). Este canal engloba a los supermercados, electrodomésticos, tecnología y tiendas por departamento, siendo esta última la de mayor crecimiento durante el último año (PRODUCE, 2021). Dentro de Lima Metropolitana, las tiendas por departamento que tienen mayor participación de mercado son Saga Falabella, Ripley y Oechsle (González, 2020). En esa misma línea, las tiendas por departamento han logrado un incremento en ventas del 123% durante el primer semestre del 2021. Este resultado respondió a las mayores ventas en las categorías de prendas de vestir con un 146.2%, artículos de uso doméstico con el 107.3%, muebles con un 63.4% y productos diversos alcanzando el 10.4% (PRODUCE, 2021). Por lo tanto, y como se observa, el sector de prendas de vestir es aquel con mayor crecimiento en las tiendas por departamento, siendo las prendas de vestir femenina las que generan mayores ingresos (Gestión, 2021). Asimismo, según el estudio de Kantar Worldpanel (KWP), el mayor gasto de los hogares peruanos destinados a la compra de prendas de vestir se concentra en la ropa femenina con un 45%, superando a los que se asignan a ropa de niños, hombres y bebés (2019). Durante los últimos años, el e-commerce de ropa femenina ha incrementado su participación suprimiendo su intervención en las tiendas físicas. En el 2018 este sector contaba con una participación de 26.6%, mientras que en el 2019 este creció en un 30.1% (Digital Commerce, 2021). Del mismo modo, en el 2020, debido a la pandemia, la industria ha acelerado su crecimiento; no obstante, este evento ha sido solo un impulsor, ya que las proyecciones de crecimiento se darán sostenidamente, pues como se estima hacia al 2025, se obtendrán ingresos de aproximadamente $1 millón de billones en comparación con el 2021, año en el que se logró una utilidad de $759 millones (Orendorff, 2021). En esa misma línea, es importante señalar que estas proyecciones favorables se darán debido a que aumentarán los consumidores de internet (ENAHO, 2020), las líneas móviles a nivel nacional (Osiptel 2021), así como la búsqueda de ahorro de tiempo y comodidad (Rojas, 2022). Frente a ello, se observó, dentro del inventario de ropa femenina comercializada en los e-commerce de las tres tiendas por departamento con mayor participación de mercado, que la ropa casual es predominante frente a otras categorías como ropa deportiva, ropa de baño, ropa formal y ropa interior. Tal es el caso de Saga Falabella, Ripley y Oechsle, en el que esta categoría es predominante con un 41.7%, 41.53% y 36.19% del total de prendas femeninas respectivamente (Ver Anexo A). Cabe señalar que, la ropa casual femenina es 5 entendida como la ropa informal, es decir aquellas prendas simples, cómodas y naturales; asimismo, se puede considerar como ropa casual a los polos, casacas, chompas, poleras, buzos, joggers, jeans, shorts y capris (ELBS, 2019). Respecto a investigaciones que analizan los factores que intervienen en la adopción del e-commerce por parte de los consumidores dentro de la industria de la moda, si bien no se encontraron investigaciones a nivel nacional, si se cuenta con algunos estudios a nivel internacional que analizan dichas variables. Un primer estudio llevado a cabo en China, titulado “What drives consumers in China to buy clothing online? Application of the technology acceptance model” (¿Qué impulsa a los consumidores en China a comprar ropa en internet? Aplicación del modelo de aceptación tecnológica), tiene como objetivo explicar la adopción de la compra de ropa online mediante el modelo TAM. Una de las principales conclusiones de este estudio es que no solo los factores que brinda este modelo influyen en la adopción, sino que existen otros dos factores: la innovación en la moda y los círculos de amigos, los cuales también tienen un impacto positivo (Wei, Lee & Shein, 2018). Bajo el mismo modelo, se desarrolló en Indonesia un estudio llamado “E-Tailing Consumer Adoption in The Indonesian Fashion Industry: The Role of Technology Acceptance Model” (Adopción del consumidor de e-tailing en la industria de la moda en Indonesia: el rol del modelo de aceptación tecnológica) cuyo propósito fue determinar si las variables del modelo TAM influyen en la adopción del e-commerce en la industria de la moda dentro de dicho país. Las principales conclusiones demostraron que la facilidad de uso percibido, referida a una plataforma web fácil y flexible, y la utilidad percibida, definida como una plataforma rápida y efectiva, influyen en los consumidores online del sector moda respecto a su actitud hacia el uso del e-commerce (Ramdhani, Siti, Sandya & Nur, 2019). Otro estudio es el de Joo y Lee (2016) realizado en Corea, titulado “Aceptación del usuario del servicio omnicanal basado en la Teoría de Adopción de Tecnología Unificada (UTAUT) investigación sobre modelos”. Este tiene como objetivo investigar la relación entre los factores del UTAUT, y determinar si estos influyen en la compra de productos de moda en línea. Una de las principales conclusiones es que todos los factores propuestos por el UTAUT tienen un efecto positivo en la intención de compra de productos de moda. Asimismo, Gunawan, Losaura y Ahmad (2020) en el estudio “Millennial consumer segmentation in omnichannel implementation of fashion retailers in Jakarta using UTAUT 2 model” (Segmentación de consumidores millennials en la implementación omnicanal de retailers de moda en Yakarta utilizando el modelo UTAUT 2”) proponen determinar la influencia de los factores del UTAUT 2 en la implementación omnicanal para productos de moda. En este 6 estudio se concluyó que todas las variables independientes, a excepción del valor del precio, tienen una influencia en la intención de uso en el contexto omnicanal de moda. Frente a ello, se identificó que existen distintos modelos que pueden explicar la adopción del e-commerce en el sector moda. Si bien es cierto, estos estudios se realizan en el contexto internacional, pueden contribuir al análisis en el contexto nacional, ya que como se mencionó el sector de ropa casual femenina está tornándose cada vez más digital, por lo que se tiene proyecciones favorables, es decir existe una demanda potencial que seguirá en crecimiento. Ante ello, se percibe la oportunidad de que surjan nuevas empresas en este rubro, y que aquellas que ya se dedican a la venta de ropa de mujeres migren de lo presencial a lo digital, o que ofrezcan sus productos por medio omnicanal. Finalmente, para aprovechar esta demanda creciente es importante tener antes un mayor conocimiento del consumidor, lo cual sólo se puede lograr a través del estudio de su comportamiento (Schiffman & Kanut, 2010). En esa línea, es fundamental desarrollar la investigación desde la perspectiva del consumidor, puesto que no solo permitirá entender los factores que los llevaron a adoptar el e-commerce, sino también ayudará a que las empresas brinden mayor énfasis a los factores más relevantes para el consumidor de ropa casual femenina; y con ello puedan plantear y/o replantear estrategias digitales, lo cual permitirá aumentar la demanda efectiva, y de ese modo contribuir al desarrollo del sector. En este punto, un concepto importante es el comportamiento del consumidor, definido como el comportamiento que muestra el consumidor al buscar, evaluar, decidir, comprar productos y/o servicios con el fin de satisfacer sus necesidades. Particularmente, este concepto aborda las decisiones del consumidor al momento de realizar una compra. Frente a ello, su estudio contribuye para que los mercadólogos puedan predecir cómo satisfacer mejor las necesidades del consumidor (Schiffman & Kanuk, 2010). De acuerdo con lo expuesto, se ha determinado identificar los factores que intervienen en la adopción del e-commerce por parte de los consumidores de ropa casual femenina en las tres tiendas por departamento con mayor participación dentro de Lima Metropolitana, a partir del modelo propuesto por Agudo, el cual se sustentará a detalle en el marco teórico. Esto con el objetivo de contribuir a las empresas del sector, en la mejora de sus estrategias digitales y tácticas para fomentar la adopción de los consumidores. 2. Objetivos 2.1 Objetivo general Identificar los factores que intervienen en la adopción del e-commerce por parte de los consumidores de ropa casual femenina en tiendas por departamento de Lima Metropolitana. 7 2.2 Objetivos específicos ● Explicar los conceptos y los factores de los modelos relacionados a la adopción tecnológica en el e-commerce. ● Describir el contexto actual del e-commerce por parte de los consumidores de ropa casual femenina en tiendas por departamento. ● Identificar los factores que intervienen en la intención de compra por parte de los consumidores de e-commerce de ropa casual femenina en tiendas por departamento. ● Identificar la relación entre la intención de compra y la conducta de compra por parte de los consumidores de e-commerce de ropa casual femenina en tiendas por departamento. 3. Preguntas 3.1 Pregunta general ¿Cuáles son los factores que intervienen en la adopción del e-commerce por parte de los consumidores de ropa casual femenina en tiendas por departamento de Lima Metropolitana? 3.2 Preguntas específicas ● ¿Cuáles son los conceptos y los factores de los modelos relacionados a la adopción tecnológica en el e-commerce? ● ¿Cuál es el contexto actual del e-commerce por parte de los consumidores de ropa casual femenina en tiendas por departamento? ● ¿Qué factores intervienen en la intención de compra por parte de los consumidores de e-commerce de ropa casual femenina en tiendas por departamento? ● ¿Cuál es la relación entre la intención de compra y la conducta de compra por parte de los consumidores de e-commerce de ropa casual femenina en tiendas por departamento? 8 4. Justificación Según Hernández, Fern�ndez y Baptista (2014), se puede plantear la justificación mediante cinco criterios: conveniencia, relevancia social, implicancia práctica, valor teórico y utilidad metodológica. Para la presente investigación, se identificaron tres criterios. En primer lugar, respecto a la conveniencia de la investigación, se debe a que contribuye a tener un panorama más actualizado en relación al e-commerce y el sector de ropa casual femenina en el marco nacional, pues tal y como se mencionó anteriormente es un sector en crecimiento y cuenta con proyecciones favorables. Sin embargo, se desconoce los factores que intervienen en la adopción del e-commerce por parte de los consumidores de dicho sector. En segundo lugar, tiene una relevancia social puesto que esta investigación brindará un mayor entendimiento a las empresas de ropa femenina respecto a los factores que inciden en la adopción del e-commerce por parte de los consumidores de ropa casual femenina, y con ello, se buscará generar nuevas estrategias digitales, lo cual permitirá incrementar la demanda efectiva, contribuyendo al desarrollo del sector. Por último, esta investigación tiene un valor teórico, ya que aporta a la línea de investigación sobre la adopción del e-commerce, brindando un estudio actual en el marco nacional dentro del ámbito de ropa casual femenina con el enfoque de los modelos de adopción tecnológica, pues tal y como se mencionó anteriormente, en el Perú no se cuenta con dichos estudios. 5. Viabilidad La presente investigación busca identificar los factores más relevantes que intervienen en la adopción del e-commerce por parte de los consumidores de ropa casual femenina en tiendas por departamento. Se verificó la viabilidad de la investigación mediante cuatro aspectos. En primer lugar, en relación al acceso a la información, se obtuvo información y datos relevantes mediante distintas fuentes secundarias en distintos idiomas como el español, inglés y coreano, ya sea artículos, libros, revistas, entre otros, los cuales permitieron tener una base para el desarrollo de la presente investigación. Asimismo, se contó con información de fuentes primarias, como la encuesta y focus group. En segundo lugar, respecto a los recursos humanos, la investigación se encuentra a cargo de dos estudiantes universitarias que se encuentran en el último ciclo de la carrera de Gestión Empresarial, lo cual contribuye a poder realizar un estudio profundo con un enfoque 9 desde la gestión. Del mismo modo, ambas estudiantes se encuentran interesadas por el tema elegido en la presente investigación. En tercer lugar, en cuanto al recurso de tiempo, se cuenta con disponibilidad de tiempo y disposición por parte de ambas estudiantes para realizar el estudio. Finalmente, en relación a los recursos materiales, se cuenta con acceso a la base de datos de la universidad, los cuales proporcionan una amplia bibliografía en relación al e- commerce y los modelos de adopción de tecnología. Adicionalmente, se cuenta con la base de datos de Scholar Google que proporciona información teórica y práctica a nivel nacional. 10 CAPÍTULO 2: MARCO TEÓRICO En el presente capítulo, se busca entender de manera teórica la innovación del e- commerce. Para ello se brinda información sobre sus características, tipos y modelos. También se tiene como objetivo entender la adopción tecnológica, de modo que se explica la adopción de las innovaciones, etapas de la adopción, los modelos de adopción tecnológica y su relación con la industria de la moda. 1. E-commerce El e-commerce ha sido definido de distintas maneras desde su creación a finales del siglo XX (Esic, 2016). Por un lado, Sigmond (2017) lo define como la compra y venta de productos y/o servicios únicamente mediante canales electrónicos. Por otro lado, Laudon y Traver (2018) lo definen como el uso que se le proporciona al internet, la World Wide Web, las aplicaciones y exploradores móviles con el fin de realizar negocios. Del mismo modo, Gallego, Bueno y Terreño (2016) mencionan que el e-commerce es una herramienta que ofrece a las empresas u organizaciones una forma de operar de manera global a través de nuevas fórmulas con el fin de exponer sus productos o servicios, así como reducir las barreras de entradas a nuevos mercados. Tal y como se menciona, el e-commerce cuenta con varios significados que se han ido modificando a lo largo del tiempo. No obstante, en la presente investigación, se definirá el e-commerce como el proceso de compra y venta de productos y/o servicios mediante medios electrónicos, como internet, redes sociales, aplicaciones, páginas web, entre otros (Limas, 2020). Frente a ello y con el objetivo de entender a mayor profundidad el e-commerce, es importante conocer las ventajas y desventajas, características, tipos y modelos de negocio del e-commerce, los cuales serán explicados a mayor detalle en los siguientes apartados. 1.1 Ventajas y desventajas del e-commerce La comercialización de productos y/o servicios mediante plataformas virtuales ha hecho que el e-commerce tenga una serie de ventajas y desventajas distintas al comercio tradicional, los cuales se detallarán a continuación. En relación a las ventajas, según Machuca (2022), en primer lugar, el e-commerce brinda un servicio más cómodo para el cliente, debido a que este puede realizar sus compras desde cualquier lugar, evitando ir a un lugar físico. En segundo lugar, en el e-commerce la tienda física es opcional, ya que se puede optar por comercializar los productos solo por las plataformas web. Finalmente, los negocios por e-commerce pueden escalar de manera más 11 rápida que un negocio tradicional, debido a que no hay limitaciones físicas, logrando abarcar un mayor número de consumidores. En relación con las desventajas, según Najwa (2013), en primer lugar, el e-commerce es un mercado más competitivo, ya que existen menor cantidad de barreras de ingreso en comparación con las tiendas físicas. En segundo lugar, la falta de contacto físico con el producto se vuelve perjudicial para el e-commerce, ya que muchos consumidores prefieren tocar y oler el producto antes de comprarlo. Por último, se encuentra la incertidumbre respecto a la seguridad de las plataformas online, es decir, el riesgo de sufrir un fraude en el que se robe información personal y financiera mediante las tarjetas de crédito. Como se aprecia, esta forma de comercializar brinda una serie de ventajas que no ofrecen los negocios tradicionales; sin embargo, también conlleva desventajas importantes con los que las empresas deben lidiar. Por todo ello, es necesario que las compañías creen estrategias que permitan mitigar estas y así poder brindar un mejor servicio y experiencia al consumidor. 1.2 Características del e-commerce El e-commerce, dada su naturaleza, cuenta con una serie de características que, según Laudon y Traver (2017) retan al mercado tradicional y ayudan a explicar por qué existe un mayor interés por el e-commerce. Son ocho las características que distinguen al e- commerce, los cuales serán detallados en los siguientes párrafos. En primer lugar, se encuentra la ubicuidad, la cual hace referencia a que la tecnología está disponible en todas partes y en cualquier dispositivo móvil. En segundo lugar, se identifica el alcance global, el cual hace referencia a que la tecnología atraviesa las fronteras nacionales. En tercer lugar, se muestran los estándares universales, que hacen mención a un conjunto de estándares tecnológicos de internet, los cuales tienen un carácter global para todos los negocios. Es decir, estos estándares son iguales para cualquier persona sin importar su ubicación geográfica. En cuarto lugar, se encuentra la riqueza, la cual hace referencia a la posibilidad de colgar videos, audios y mensajes de texto por el medio tecnológico, permitiendo que los mensajes de marketing estén integrados, brindando una experiencia única al consumidor. En quinto lugar, se ubica la interactividad, la cual permite que los consumidores participen de un diálogo bidireccional, consumidor-cliente, que dinámicamente se ajusta a la experiencia del individuo mediante herramientas como los foros, redes sociales y comentarios en las distintas plataformas online. En sexto lugar, está la densidad de la información, esta se refiere a la cantidad y calidad total de la información que está disponible para todos dentro del mercado. 12 En séptimo lugar, se presenta la personalización, que hace mención a que los mensajes entregados se ajustan según el individuo. Por último, se encuentra la tecnología social, esta se refiere a la co-creación de contenido entre empresas y usuarios por medio de la interacción social, lo cual ofrece un soporte y muestra contenido a la comunidad mundial. Estas características explican las grandes posibilidades que ofrece el e-commerce para poder vender los productos y/o servicios. Asimismo, permiten que los comercios puedan tener un mercado potencial con muchos usuarios, además de brindar un servicio interactivo y personalizado a los clientes. Igualmente, se proporciona un servicio con una estructura de costos más económica, puesto que el procesamiento de la información tiene un carácter mucho más módico. 1.3 Tipos de e-commerce Según Laudon y Laudon (2016), el e-commerce se clasifica en B2C, B2B, C2C, los cuales se explicarán en los siguientes párrafos. En primer lugar, se encuentra el e-commerce en el que participan la empresa y el consumidor final (B2C), el cual hace referencia al contexto en el que los negocios ofrecen sus productos y/o servicios directamente a los consumidores finales, además de considerarse el tipo de e-commerce más común. En segundo lugar, se presenta el e-commerce en el que solo interactúan empresas (B2B), lo que hace referencia al ámbito donde unas compañías se encargan de brindar sus productos o servicios a otras. Finalmente, se encuentra el e- commerce en el que se relacionan consumidores (C2C), el cual ocurre cuando el consumidor vende sus productos a otro consumidor mediante la ayuda de una plataforma. Luego de describir los tipos de e-commerce, se identificó que la presente investigación, según la naturaleza de los participantes, estudiará el tipo de e-commerce en el que interactúan empresa y consumidor final (B2C), dado que las tiendas por departamento venden prendas de vestir femenina a usuarios finales. 1.4 Modelos de negocio del e-commerce de las tiendas por departamento Un modelo de negocio es la forma en la que opera un negocio con el objetivo de crear riqueza (Laudon & Traver, 2018). En el e-commerce, según Somalo (2017), existen seis modelos de negocio, los cuales se explicarán en los siguientes párrafos. Un primer modelo es el de e-tailer, basado en la venta de productos mediante una tienda online, donde en su mayoría son empresas que comercializan distintas marcas. Asimismo, es importante añadir que algunas de estas empresas pueden tener también 13 tiendas físicas, pero en su mayoría son completamente virtuales. Otro modelo es el de bricks and clicks, que son negocios que cuentan con un establecimiento físico y que incorporan a su oferta una tienda online. Un tercer modelo son los marketplaces, estos son espacios virtuales donde cualquier empresa puede ofrecer sus productos y que genera ingresos provenientes de los pagos de los vendedores por el uso ofrecido por la plataforma. Un modelo muy similar a este es el de P2P o también llamada economía colaborativa, solo que la única diferencia es que se pone al alcance la prestación de servicios a cualquier persona natural o jurídica. Por otro lado, están los comparadores que en este caso se trata de un buscador online que junta a todos los que ofrecen un mismo producto y brindan al consumidor una comparación de estos. Finalmente, están los afiliados, los cuales son webs de contenidos, donde se venden productos de terceros a cambio de una comisión. Después de comprender cada uno de los modelos, se identificó que la presente investigación, incluye dos modelos. Primero, el modelo bricks and clicks, esto debido a que se analizará a las tiendas por departamento, las cuales iniciaron su operación con tiendas físicas para luego incorporar a su oferta una tienda virtual. Segundo, el modelo marketplaces, ya que el e-commerce de las tres tiendas por departamento mencionadas en el presente estudio, incluyen a su oferta ropa casual femenina pertenecientes a empresas independientes. Como se aprecia, el e-commerce presenta distintas definiciones, además de tener una serie de ventajas y desventajas, características, tipos y modelos que lo diferencian de otras innovaciones. 2. Adopción de la tecnología En el presente apartado, se describe la adopción de la tecnología. Frente a ello, se plantea cinco secciones: en la primera se explica la adopción de la innovación; en la segunda se detalla las etapas del proceso de adopción, para luego explicar los modelos de la adopción de tecnología. Finalmente, se exponen distintas investigaciones que relacionan los modelos de adopción tecnológica con el e-commerce de la industria de la moda. 14 2.1 Adopción de la innovación La OECD (2005) señala que la innovación puede ser la entrada de un nuevo producto, esto es, un nuevo método de organización que cambia las prácticas de la empresa o un nuevo método de comercialización. Asimismo, se señala que el requisito mínimo para que un producto, proceso o método comercial sea considerado como una innovación, es que este sea nuevo para el sujeto. A esto OECD (2005) señala los cuatro principales tipos de innovación. Respecto a la innovación de producto, este hace referencia a la introducción de un nuevo producto y/o servicio en el mercado, o cuando el producto es mejorado en relación a sus características, componentes, materiales, entre otros. Asimismo, en cuanto a la innovación de proceso, ésta se refiere a la entrada de un nuevo proceso de producción o distribución, lo cual conlleva cambios importantes en las técnicas, programas y/o materiales. Con respecto a la innovación de mercadotecnia es definida como la aplicación de un nuevo método de comercialización, que muestra mejoras sustanciales en el negocio, como el diseño del producto, precio, promoción y/o posicionamiento. Finalmente, se encuentra la innovación organizativa, la cual se define como la ejecución de un nuevo método, así como las relaciones internas y externas de una compañía. En ese sentido, el e-commerce es considerado una innovación de mercadotecnia, ya que es un nuevo método de comercialización que las compañías han venido implementando hace algunos años atrás, buscando ofrecer sus productos y/o servicios en distintas plataformas virtuales (CAPECE, 2021). En esa línea, se puede señalar que el proceso de adopción de una innovación es diferente al de un proceso de compra. En este último proceso, los consumidores ya tienen conocimiento de los productos y/o servicios que desean adquirir, pues ya los han comprado con anterioridad. Asimismo, según Kotler y Armstrong (2008), el consumidor atraviesa 5 etapas hasta decidir si adquirir o no un producto y/o servicio. La primera etapa es el reconocimiento de la necesidad, en la que el consumidor identifica la existencia de un problema o necesidad y examina cuál es el producto o servicio que puede satisfacer dicha necesidad. La segunda etapa, es la búsqueda de información, en la que se indaga información sobre las distintas alternativas que pueden existir. La tercera etapa es la evaluación de alternativas, en la cual se busca realizar una comparación entre las distintas opciones que ofrece el mercado. La cuarta etapa es la decisión de compra, es decir, el consumidor ya adquiere el bien. Finalmente, se encuentra la etapa de post-compra, en la que el consumidor determina si el producto era lo que realmente esperaba. 15 Mientras que, en el proceso de adopción de la innovación, si bien los consumidores tienen conocimiento de la innovación, aún no lo han aceptado, pues primero lo deben evaluar y poner a prueba. En esa línea, Kotler y Keller (2012), lo definen como el proceso por el que atraviesa el consumidor para transformarse en un cliente regular de una innovación. Este proceso de adopción comprende cinco etapas, las cuales serán explicadas en las siguientes líneas. La primera etapa es la de adquisición de conciencia, donde si bien los consumidores ya tienen conocimiento de una innovación, todavía no están interesados en investigar más sobre ello. La segunda etapa es la de interés, en la cual los consumidores buscan mayor información sobre la innovación que les pueda ser de beneficio propio. Así, se llega a la etapa de evaluación, en la que los consumidores determinan si esta innovación logrará satisfacer sus necesidades. Después, se encuentra la etapa de prueba, en el que los consumidores usan la innovación de forma limitada con el objetivo de tomar la decisión de aceptarlo o rechazarlo. Finalmente, llega la etapa de adopción, en la que se determina si la innovación será aceptada o rechazada. 2.2 Modelos de adopción de tecnología La adopción de la tecnología se puede estudiar desde dos perspectivas: la perspectiva organizacional hace referencia a cómo una empresa adopta la tecnología, y la del cliente o usuario, en la que se estudia los factores que influyen en el consumidor final para adoptar una tecnología (Álvarez, 2015). El presente trabajo se abordará desde la perspectiva del cliente, puesto que la investigación busca entender los factores que llevaron a los consumidores a adoptar el e-commerce. Por un lado, es importante mencionar que no se abarcarán todos los modelos de adopción, sino solo aquellos que están enfocados en la tecnología. Según Agudo (2014), el modelo TAM (1989) se diferencia de los modelos propuestos anteriormente: la Teoría de la Difusión de Innovaciones (1962), la Teoría de la Acción Razonada (1967), la Teoría Cognitiva Social (1982) y la Teoría del Comportamiento Planeado (1985), ya que se centra específicamente en la adopción tecnológica. Asimismo, es fundamental añadir que el UTAUT (2003) es uno de los modelos más importantes en la literatura, pues sintetiza los modelos de adopción desde la teoría de la Difusión de Innovaciones (1962). Así también se encuentra el UTAUT 2, que aborda la adopción de la tecnología desde la perspectiva del consumidor. Otro modelo es el propuesto por Agudo (2014) y adaptado específicamente al e-commerce y no a otro tipo de tecnología. Finalmente, se encuentra el modelo propuesto por Wei, Lee y Shen que es de gran importancia, dado que está enfocado en analizar al consumidor de ropa online. Teniendo este panorama de modelos, se expondrá cada uno: TAM, UTAUT, UTAUT 2, 16 modelo propuesto por Agudo y el modelo propuesto por Wei, Lee y Shen, los cuales serán explicados en los siguientes apartados. Primero, es importante señalar que los modelos TAM, UTAUT Y UTAUT 2 tienen como variable dependiente a la intención de uso al ser modelos tecnológicos en los que no necesariamente existe una transacción. A modo de ejemplo, se menciona el estudio propuesto por Gupta, Dogra, y George (2018) “What determines tourist adoption of smartphone apps? An analysis based on the UTAUT-2 framework” (¿Qué determina la adopción turística de aplicaciones para teléfonos inteligentes? Un análisis basado en el marco UTAUT-2”), en el que existe un consumidor final que tiene la posibilidad de adoptar o rechazar el uso de apps sin una compra. Por otro lado, el modelo propuesto por Agudo (2014) tiene como variable a la conducta de compra, ya que este fue planteado bajo el contexto del e- commerce en el que existe una compra de por medio; y el modelo propuesto por Wei, Lee y Shen (2018) tiene como variable dependiente a la intención de compra. 2.2.1 Modelo de aceptación de la tecnología (TAM) El modelo de aceptación de la tecnología (Ver figura 1) fue desarrollado por Davis (1989) y tiene como objetivo explicar el comportamiento de las personas en relación a la aceptación y uso de las tecnologías de la información en distintos ambientes. Asimismo, es importante señalar que este modelo, detallado en la figura 1, ha sido investigado en distintos sectores, con la finalidad de comprobar que los factores que propone el modelo sí tienen un impacto positivo en la adopción de alguna innovación, siendo una de estas innovaciones investigadas el e-commerce (Reyes & Castañeda, 2020). Este modelo propuesto por Davis es una evolución de la Teoría de Acción Razonada (TRA), la cual fue propuesta por Fishbein y Ajzen (1975), ya que Davis añade dos factores al modelo TRA, los cuales son la facilidad de uso percibido y la utilidad percibida. Figura 1: Modelo de Aceptación Tecnológica Adaptado de Davis (1989) El presente modelo determina que son dos los factores que impactan en la aceptación de la tecnología. En primer lugar, se menciona la facilidad de uso percibido, la cual se puede definir como el grado en que una persona considera que el uso de la tecnología será libre de 17 esfuerzo al realizar algún trabajo (Davis, 1989). En segundo lugar, está la variable utilidad percibida, la cual se refiere al grado de eficacia en el uso de la tecnología (Davis, 1989). Por otro lado, es importante señalar que la facilidad de uso percibida y la utilidad percibida son influidas por variables externas como atributos de los usuarios, características del diseño del sistema y estructura organizativa (Fishbein & Ajzen, 1975). Asimismo, esas dos variables influyen en la actitud de uso, siendo esta última la voluntad con la que cuenta una persona frente a un comportamiento. Finalmente, la actitud de uso tiene una relación con la intención de uso, siendo esta la determinación de una persona para realizar un comportamiento particular (Davis, 1989; Fishbein & Ajzen, 1975). Para sintetizar, el modelo de aceptación de la tecnología determina que existen dos factores: utilidad percibida y facilidad de uso percibida, los cuales influyen directamente en la actitud por el uso, y con ello en la intención y uso de la innovación. 2.2.2 Teoría Unificada de Aceptación y Uso de la Tecnología (UTAUT) La teoría unificada de aceptación y uso de la tecnología (Ver figura 2) es un modelo propuesto por Venkatesh, Morris, Davis y Davis (2003), la cual busca explicar las intenciones de los individuos para la aceptación y uso de un sistema de información. Este modelo es conocido como un modelo universal, pues es la unificación e integración de ocho modelos anteriormente propuestos sobre la aceptación tecnológica, entre ellos están la teoría de Difusión de la Innovación (1963), la Teoría de la Acción Razonada (1975), el Modelo de Aceptación de la Tecnología (1989) y la Teoría del Comportamiento Planeado (1991). Sin embargo, estos no serán explicados en la presente investigación, puesto que no se enfocan específicamente en analizar la adopción tecnológica, sino que se dirigen a analizar la adopción en distintos ámbitos de estudio como la psicología. educación, entre otros. 18 Figura 2: Modelo de aceptación y Uso de la Tecnología Adaptado de Venkatesh, Morris, Davis y Davis (2003) Según Venkatesh et al. (2003) son cuatro los factores principales que afectan a la intención de uso, la cual es definida como aquella decisión del sujeto para realizar un comportamiento en específico y, a su vez, en el uso de la tecnología. En primer lugar, se encuentra la expectativa de rendimiento, derivada de la utilidad percibida del modelo TAM. Esta se define como el grado en que el sistema va a ayudar al individuo a mejorar su desempeño laboral. En segundo lugar, se presenta la expectativa de esfuerzo, la cual proviene del constructo “facilidad de uso” percibida del modelo TAM, y se precisa como el grado de facilidad relacionado al uso del sistema. En tercer lugar, está la influencia social, definida como el grado de influencia que ejercen los individuos más cercanos para que el sujeto adopte el sistema. Finalmente, se encuentran las condiciones facilitantes, las cuales hacen referencia al grado en que un individuo considera que cuenta con un infraestructura técnica y organizativa que lo puedan apoyar en el uso del sistema. Dicho lo anterior, este modelo incluye cuatro variables llamadas “variables moderadoras” y tienen una influencia directa con los factores principales, entre ellos est�n el género, la edad, la experiencia y la voluntad. La experiencia se define como el conocimiento producido por vivencias previas; por otro lado, la voluntad, hace referencia a la capacidad de un individuo para decidir su propia conducta. Asimismo, es importante destacar que la edad es la única variable que tiene impacto directo en los cuatro factores principales. Luego siguen las variables género y experiencia, las cuales tienen impacto en tres de los principales factores. En relación al género, este tiene un impacto positivo en la expectativa de rendimiento, la expectativa de esfuerzo y la influencia social; y en cuanto al factor experiencia, 19 este tiene un impacto en la expectativa de esfuerzo, la influencia social y condiciones facilitantes. Por último, en relación a la voluntad, sólo tiene un impacto directo en la influencia social (Venkatesh et al., 2003). En síntesis, la Teoría Unificada de Aceptación y Uso de la Tecnología determina que son cuatro los factores principales que impactan directamente en la intención de usar la tecnología: la expectativa de rendimiento, la expectativa de esfuerzo, la influencia social y las condiciones facilitantes, a diferencia del modelo TAM, el cual señaló que son únicamente dos los factores que tienen un impacto directo en la intención de uso. 2.2.3 Teoría Unificada de Aceptación y Uso de la Tecnología 2 (UTAUT 2) El UTAUT se ha desarrollado por tres líneas principales: aplicación a nuevos ámbitos, extensión del modelo a través de la incorporación de nuevos factores, y la incorporación de predictores de los principales factores (Agudo, 2014). Es así que se crea el UTAUT 2 (Venkatesh, Thong & Xu, 2012), difiriendo de la versión original, puesto que se adapta a un contexto de adopción de tecnologías desde la perspectiva del consumidor final. Dentro del desarrollo del UTAUT 2 (Ver figura 3) se añadieron tres factores relacionados a la adopción de tecnologías que alteraban las relaciones existentes en el UTAUT. además de crear nuevas relaciones; tal es el caso del factor condiciones facilitantes, el cual, en esta extensión de modelo, se ve afectado por las tres variables moderadoras (género, edad, y experiencia), difiriendo del UTAUT en el que se solo se ve influenciado por dos variables (edad y experiencia). 20 Figura 3: Teoría Unificada de Aceptación y Uso de la Tecnología 2 Adaptado de Venkatesh, Thong y Xu (2012) En los siguientes párrafos, se mencionan los tres nuevos factores que se agregaron al UTAUT 2, que tienen el objetivo de predecir mejor la intención de uso, definido como la determinación de un sujeto para realizar un comportamiento en específico y que a su vez es un predictor clave para el uso de la tecnología. En primer lugar, se adicionan las motivaciones hedónicas con el fin de reflejar las motivaciones intrínsecas del individuo tales como el placer, diversión y gozo. Asimismo, se determinó, que estas motivaciones son un determinante importante de la aceptación y uso de medios tecnológicos. En segundo lugar, se agregó el factor valor precio, el cual es definido como el beneficio percibido por el consumidor a cambio de ceder un bien monetario. Asimismo, se señala que este factor impacta positivamente en la intención de uso siempre que se perciba los beneficios del producto y/o servicios mayores que el costo. Cabe señalar que la razón por la que se adiciona este factor es debido a que en el modelo UTAUT no se lo consideró, ya que en las organizaciones los empleados no consideran el valor percibido, debido a que son las empresas quienes incurren en los costos asociados a medios tecnológicos. Sin embargo, dentro del contexto del consumidor sí se suele asumir el costo monetario de dicho uso. En tercer lugar, se adhiere el factor hábito, considerado como un grupo de acciones que son definidas por un proceso de aprendizaje, el cual se ocurre 21 repetidamente y de manera automática a través del tiempo. Este factor tiene relación con la variable experiencia, la cual es necesaria pero no suficiente para crear el hábito Respecto a las variables moderadoras: género, edad, experiencia y voluntad de uso, se eliminó la voluntad de uso, puesto que los consumidores tienen total libertad para poder adoptar o no el e-commerce. En comparación con el UTAUT, este más bien estudia a sujetos dentro de un entorno organizacional y tienen un margen de adopción que oscila entre la obligatoriedad y libertad. Se debe enfatizar que, debido al aumento de los tres factores, se crearon nuevas relaciones entre los factores nuevos y las variables moderadoras. Una primera relación es la del impacto que percibe el factor de motivaciones hedónicas, que se muestra afectado por las variables género, edad y experiencia. Le sigue el factor valor precio, el cual es impactado por la edad y el género. Para terminar, el impacto que recibió el factor hábito que es por las tres variables moderadoras. Como se aprecia, la extensión del modelo UTAUT fue creado principalmente con el fin de estudiar la adopción desde el enfoque del consumidor y no del trabajador organizacional, adicionando factores específicos para este nuevo tipo de sujeto y creando nuevas relaciones que se adapten mejor a la predicción de la intención de uso del consumidor final. 2.2.4 Modelo propuesto por Agudo (2014) Agudo (2014) en su tesis doctoral “An�lisis de los factores de adopción de comercio electrónico en segmentos de consumidores finales: aplicación al caso español” estudió los factores que influyen en los consumidores españoles para la adopción del e-commerce, a través de un modelo propio de adopción, el cual fue elaborado a partir de investigaciones previas a los modelos de adopción tecnológica desde el enfoque del consumidor. A partir de ello, se desarrolló el modelo (Ver figura 4), agregando factores del UTAUT, como la expectativa de esfuerzo, expectativa de rendimiento, influencia social y condiciones facilitantes; y del UTAUT 2, haciendo referencia a las motivaciones hedónicas. Asimismo, es importante señalar que en este acápite no se explicarán los factores de los modelos propuestos por Agudo, puesto que estos ya fueron explicados en los apartados del UTAUT (2.4.2) y UTAUT 2 (2.4.3). 22 Figura 4: Modelo por Agudo Adaptado de Agudo (2014) En el presente modelo, no se consideró las variables moderadoras, ya que el estudio no realizaría distinciones entre la edad, género y experiencia. Adicional a ello, Agudo (2014) específica los tres nuevos factores que añade del UTAUT 2, que son motivaciones hedónicas, valor precio y hábito sólo considera relevante a las primeras, ya que los otros dos tienen una escasa validación empírica dentro del contexto del e-commerce. Igualmente, respecto a las tres nuevas variables: la confianza percibida, riesgo percibido y riesgo de producto, señalados como factores propios del e-commerce, se menciona lo siguiente: en primer lugar, se encuentra la confianza percibida, definida como la actitud esperada del vendedor para que este cumpla con las expectativas del cliente y no se aproveche de la vulnerabilidad del usuario (Gefen, 2000). En segundo lugar, se encuentra el factor riesgo percibido, el cual es definido como el riesgo que incurre una persona durante el proceso de compra, ya sea extracción de datos personales, entrada de posibles softwares maliciosos, entre otros. En tercer lugar, se muestra el factor riesgo del producto, el cual hace referencia al riesgo que conlleva el producto en sí mismo, por ejemplo, la entrega del bien sin cumplir con los estándares pactados en la compra. Por otro lado, respecto a la intención de compra, definida como la probabilidad de que un sujeto compre un producto y/o servicio (Peñarroja, 2020), se observa que es influenciada por todos los factores mencionados en el modelo propuesto por Agudo. Cabe añadir que este modelo es el primero que define a la variable dependiente como intención de compra, ya que hace referencia a una compra de por medio en e-commerce. Por otro lado, la conducta de compra es descrita como el comportamiento real cuando se realiza una compra, la cual se ve influenciada por el factor condiciones facilitantes e intención de compra. 23 Como se aprecia, este modelo ha adquirido variables propias del e-commerce, acotando su utilidad solo a este tipo de tecnología con el fin de reflejar de mejor manera los factores que influyen en la adopción de este medio virtual. 2.2.5 Modelo propuesto por Wei, Lee y Shen (2018) Wei, Lee y Shen (2018) en su investigación, en la cual analizan los factores que propone el modelo TAM y su impacto en la intención de la compra online (Ver figura 5), la cual es definida como la voluntad de un individuo de realizar una compra online, determinan que existen otros dos factores que también tienen un impacto positivo en la intención de compra: la innovación en la moda, la cual es la medida en que una persona le otorga un alto grado de importancia a la ropa y la información sobre la moda; y los círculos de amigos, los cuales son las redes interpersonales formadas por miembros de la familia, amigos y la comunidad virtual. Figura 5: Modelo propuesto por Wei, Lee y Shen Adaptado de Wei, Lee y Shen (2018) Por otro lado, esta investigación realizada en China concluyó que son tres los factores que tienen una influencia directa con la intención de compra: la facilidad de uso percibida, la utilidad percibida y la innovación de la moda. La primera, a su vez, está influenciada por tres factores, entre ellos están la conveniencia percibida, la percepción de ahorro de dinero y el ahorro de tiempo percibido. Finalmente, se determinó que el factor círculo de amigos tienen un impacto en la intención de compra. 2.2.6 Modelo elegido En síntesis, los modelos TAM, UTAUT, UTAUT 2, modelo propuesto por Agudo y modelo propuesto por Wei, Lee y Shen están enfocados en estudiar los factores que intervienen en la intención de usar el medio tecnológico. 24 Si bien estos modelos han sido de utilidad en diferentes estudios, en la presente investigación se descarta el modelo TAM (1989) debido a que ha sido planteado sin enfocarse específicamente en el e-commerce, sino que analizan la adopción de tecnologías desde una perspectiva general. Asimismo, se descartaron los modelos UTAUT (2003) y UTAUT 2 (2012) debido a que presentan variables moderadoras, como el sexo, las cuales no se tomarán en cuenta en la presente investigación, ya que no se desarrollará una segmentación con dichas variables. Finalmente, se descartó el modelo propuesto por Wei, Lee y Shen (2018) puesto que no considera el factor confianza y el factor riesgo de producto, los cuales son relevantes en el contexto nacional debido a que, según Armijo (2019), los peruanos son los más desconfiados para realizar compras por e-commerce en toda la región latinoamericana y tienen temor de que el producto no llegue en buen estado. En ese sentido, el modelo elegido es el propuesto por Agudo (2014), ya que fue desarrollado exclusivamente para el e-commerce, así como también parte de tres modelos clásicos de adopción tecnológica. 2.3 Hipótesis H1: Las expectativas de esfuerzo afectan a la intención de compra por e-commerce de ropa casual femenina en tiendas por departamento H2: Las expectativas de rendimiento afectan a la intención de compra por e-commerce de ropa casual femenina en tiendas por departamento. H3: La influencia social afecta a la intención de compra por e-commerce de ropa casual femenina en tiendas por departamento. H4: La motivación hedónica afecta a la intención de compra por e-commerce de ropa casual femenina en tiendas por departamento. H5: Las condiciones facilitantes afectan a la intención de compra por e-commerce de ropa casual femenina en tiendas por departamento. H6: La confianza percibida afecta a la intención de compra por e-commerce de ropa casual femenina en tiendas por departamento. H7: El riesgo percibido afecta a la intención de compra por e-commerce de ropa casual femenina en tiendas por departamento. H8: El riesgo de producto afecta a la intención de compra por e-commerce de ropa casual femenina en tiendas por departamento. H9: Las condiciones facilitantes afectan a la conducta de compra por e-commerce de ropa casual femenina en tiendas por departamento. 25 H10: La intención de compra afecta a la conducta de compra por e-commerce de ropa casual femenina en tiendas por departamento. 2.4 Investigaciones sobre los factores que intervienen en la adopción tecnológica por parte de los consumidores en la industria de la moda En esta sección se busca identificar, mediante los modelos de adopción tecnológica, los factores que influyen en la aceptación o rechazo del e-commerce dentro de la industria de la moda dentro del continente asiático. 2.4.1 Investigación realizada por Wei, Lee y Shen en China (2018) El estudio “What drives consumers in China to buy clothing online? Application of the technology acceptance model” (¿Qué impulsa a los consumidores en China a comprar ropa en internet? Aplicación del modelo de aceptación tecnológica), realizado por Wei, Lee y Shen (2018), tiene como objetivo probar cuáles son los factores principales que impulsan a las personas en China a comprar ropa en línea en base al modelo de aceptación de tecnología (TAM). Asimismo, es importante mencionar que este fue el modelo seleccionado al contar con una gran cantidad de investigaciones que validan la solidez de este modelo y lo caracterizan como parsimonioso para explicar la adopción por parte de las personas a una nueva innovación. Por otro lado, es importante señalar que, si bien se trabaja con los factores que el modelo TAM brinda, en la investigación se añadieron otras dos variables: la innovación en la moda y los círculos de amigos, las cuales fueron elegidas, debido a que investigaciones previas señalan que estos factores tienen una gran influencia dentro del sector de la moda en China. En dicho estudio se plantearon ocho hipótesis, sin embargo, en la presente investigación se analizarán únicamente aquellas que buscan relacionar los factores con la intención de los consumidores de comprar ropa en línea. Las hipótesis seleccionadas buscan determinar si la utilidad percibida, la facilidad de uso percibido, la innovación en la moda y los círculos de amigos tienen un efecto en la intención de los consumidores de comprar ropa en línea. Los resultados de esta investigación concluyen que existen tres factores que pueden explicar el motivo por el que los consumidores perciben que comprar ropa online es útil: la conveniencia percibida, el ahorro de dinero percibido y el ahorro de tiempo percibido. Asimismo, se determinó que la utilidad percibida sí tiene un efecto en la intención de compra por parte de los consumidores de ropa online. Por otro lado, se concluyó que no existe una relación entre la facilidad de uso percibida y la intención de compra. Por último, se determinó 26 que los dos factores que este estudio añadió al análisis, la innovación en la moda y los círculos de amigos, sí afecta en la intención de las personas de comprar ropa en línea. 2.4.2 Investigación realizada por Ramdhani, Siti, Sandya y Nur en Indonesia (2019) Ramdhani, Siti, Sandya y Nur (2019) en el estudio “E-Tailing Consumer Adoption in The Indonesian Fashion Industry: The Role of Technology Acceptance Model” (Adopción del consumidor de e-tailing en la industria de la moda en Indonesia: el rol del modelo de aceptación tecnológica), realizado en Indonesia cuyo propósito fue analizar los factores que intervienen en la adopción del e-commerce en la industria de la moda, utilizando como marco el modelo TAM. Asimismo, se plantearon hipótesis que buscaban relacionar la facilidad de uso, la utilidad percibida, la actitud hacia el uso y la adopción del consumidor. Figura 6: Modelo de investigación propuesto por Ramdhani, Siti, Sandya y Nur en iIndonesia Adaptado de Ramdhani, Siti, Sandya y Nur (2019) Dentro de este contexto de investigación, se entendió a la facilidad de uso como la creación de plataformas webs que sean fáciles de controlar y flexibles, y se entendió a la utilidad percibida como una plataforma rápida, efectiva y que incrementa la productividad. Los resultados demostraron que tanto la facilidad de uso y la utilidad percibida impactan positivamente en la actitud hacia el uso de plataformas webs de e-tailing de la industria de la moda. Frente a ello, se concluyó que las empresas, con el propósito de alentar a sus consumidores a utilizar las plataformas webs, deben prestar atención a la facilidad y la utilidad de estas mediante herramientas que creen una experiencia fácil, rápida y flexible con el fin influir en la variable “actitud hacia el uso” para aumentar la probabilidad de que los consumidores adopten el e-commerce. 2.4.3 Investigación realizada por Joo y Lee en Corea (2016) El estudio “Aceptación del usuario del servicio omnicanal basado en la Teoría de Adopción de Tecnología Unificada (UTAUT). Investigación sobre modelos”, realizado por 27 Hyeri Joo y Eunjung Lee (2016), tiene el propósito de investigar la relación entre los factores del modelo UTAUT y estos si influyen en la compra de productos de moda en línea. Figura 7: Modelo de investigación propuesto por Joo y Lee Adaptado de Joo y Lee (2016) Para el estudio se plantearon seis hipótesis, sin embargo, en la investigación se detallarán únicamente aquellas que buscan relacionar los factores con la intención de compra de los productos de moda. Las hipótesis seleccionadas buscan determinar si la expectativa de desempeño, la expectativa de esfuerzo y la influencia social de los servicios omnicanal tiene un efecto positivo en la intención de compra de los productos de moda. Los resultados de la investigación, determinaron que la expectativa de rendimiento, la expectativa de esfuerzo y la influencia de los servicios omnicanal sí tienen un efecto positivo en la intención de compra de los productos de moda. Asimismo, se puede añadir que estas tres variables se pueden ver influenciadas por el valor de compra práctica. 2.4.4 Investigación realizada por Gunawan, Losaura y Ahmad en Yakarta, Indonesia (2020) Gunawan, Losaura y Ahmad (2020) presentan el estudio “Millennial consumer segmentation in omnichannel implementation of fashion retailers in Jakarta using UTAUT 2 model” (Segmentación de consumidores millennials en la implementación omnicanal de retailers de moda en Yakarta utilizando el modelo UTAUT 2), cuyo propósito fue el determinar la influencia de las variables del modelo UTAUT 2, la innovación personal y la percepción de la intención de comportamiento de seguridad en la implementación omnicanal para los productos de moda. Además, se buscaba identificar la influencia de las variables de género, edad y experiencia. Respecto a la metodología, esta tuvo un enfoque cuantitativo y se analizó la data recolectada mediante un muestreo aleatorio simple en el que participaron 400 encuestados millennials en Yakarta. Los resultados muestran que todas las variables independientes del 28 UTAUT 2, a excepción del precio y condiciones facilitantes, así como también la innovación personal y la percepción de seguridad, influyen en la intención del comportamiento en el contexto omnicanal de moda. Asimismo, se encontró que las variables edad, género y experiencia impactan en la expectativa de esfuerzo, expectativa de rendimiento, influencia social, condiciones facilitantes, motivaciones hedónicas, hábito, innovación personal y percepción de seguridad. En síntesis, como se observa existen investigaciones a nivel internacional relacionadas a la industria de la moda estudiadas desde los modelos de adopción tecnológica; sin embargo, como se mencionó anteriormente, no se han encontrado estudios que tomen en cuenta las particularidades de la sociedad peruana. 29 CAPÍTULO 3: MARCO CONTEXTUAL En el presente capítulo, se busca entender a nivel contextual al consumidor e- commerce en el Perú. Para ello, se brinda información sobre su comportamiento, su distribución geográfica e industrias con mayor cantidad de consumidores. Además, se busca entender el entorno y las tendencias dentro del sector de ropa en el Perú. Finalmente, se describe el e-commerce de las tiendas por departamento de ropa casual femenina. 1. El consumidor e-commerce en el Perú Actualmente, en el Perú, el consumidor e-commerce presenta una serie de comportamientos, los cuales se explican en mayor detalle en los siguientes párrafos. En primer lugar, se identifica que el consumidor e-commerce le brinda mayor credibilidad a la opinión de otros consumidores, mediante distintos medios digitales como foros y redes sociales, los cuales permiten la interacción (Torrado, 2018). Este último permite a los consumidores conocer las tendencias actuales, las cuales llegan a ser validadas por la mayoría de personas en las distintas plataformas sociales (ESAN, 2019). En esa línea, también se identificó que las recomendaciones de influencers y micro influencers son tomadas en cuenta en la decisión de compra online (Moreno, 2021). En segundo lugar, se encuentra la indagación de varios canales de comunicación, lo cual hace referencia a que el consumidor busca contactarse con la empresa que le interesa desde distintos medios; en otras palabras, si el consumidor no encuentra respuesta en la plataforma principal, buscará contactarse por otros medios como whatsapp business, chabot en el e-commerce, entre otros (ESAN, 2019). En tercer lugar, se halla la investigación previa a la compra, la cual indica que el consumidor e-commerce realiza una búsqueda y recolección de información por plataformas digitales antes de realizar la compra online. Cabe señalar, que los consumidores mientras más alto sea el costo, realizan una búsqueda más profunda, siendo los navegadores los más utilizados, seguidos de videos en internet, redes sociales, entre otros. (Moreno, 2021). Por último, se identifica el uso del mobile e-commerce, el cual hace referencia a la comercialización de productos y/o servicios mediante una plataforma optimizada dirigida a dispositivos móviles, ya sea mediante una plataforma de e-commerce o un aplicativo. En esa línea, los consumidores peruanos optan por el mobile e-commerce debido a que es cómodo y permite que el proceso de compra sea más sencillo, al ingresar y tener una cuenta abierta con los datos de la tarjeta guardada (Perú Retail, 2017). 30 Por otro lado, respecto a la distribución geográfica de los consumidores peruanos de e-commerce, los cuales estaban conformados por 13.9 millones al cierre del 2021 (CAPECE, 2022), se identificó que la mayor prevalencia de transacciones por e-commerce se ubica en el departamento de Lima, logrando a mitad del 2020 obtener el 97% de las transacciones online, mientras que en provincias se obtuvo solo el 3%. Sin embargo, a finales de dicho año, en provincia el e-commerce incrementó en un 7% (CAPECE, 2021). Si bien, se aprecia un ligero crecimiento en estas, aún se avizoran dificultades (Mercado Negro, 2021), como la falta de acceso a internet, la falta de bancarización y acceso a una tarjeta (Jhonson, 2021). Sin embargo, en la actualidad, se están viendo esfuerzos y logros respecto a la eliminación de dichas barreras como es el caso del avance de la inclusión financiera a través de la creación de una cuenta de ahorros, acceso a tarjetas de créditos, entre otros (Zaldívar, 2022). Finalmente, en relación a la preferencia de compra por industria en el Perú, a finales del 2021 el sector con mayor cantidad de consumidores por e-commerce fue el sector de electrodomésticos, el cual logró $691 millones de ingresos, seguido del sector moda y belleza con $561 millones y, finalmente, el sector de muebles con $471 millones (CAPECE, 2021). Como se observa, la ropa casual femenina forma parte del segundo sector más importante respecto al e-commerce. Figura 8: Consumo de e-commerce por industria en el 2021 31 2. Sector de ropa en el Perú 2.1 Análisis del Entorno En este análisis se presentan las razones externas que afectan a la industria de la ropa en el Perú. Para ello, el análisis se ha dividido en el entorno sociodemográfico, económico, político-legal, tecnológico y ecológico. En relación a lo sociodemográfico, se puede mencionar que en el Perú el mayor gasto de los hogares en el sector de ropa, es en la categoría mujer, con un porcentaje promedio de 45%, seguido del gasto en ropa para niños con un 26%, y finalmente se encuentra el gasto en ropa de hombres y bebés, con un 22% y 7% respectivamente (Kantar Worldpanel, 2019). También, se puede señalar que este sector es aquel con mayor frecuencia de compra dentro de todos los niveles socioeconómicos, siendo los polos y jeans las prendas más vendidas (Oie, 2018). Respecto a lo económico, durante los dos últimos años, se ha observado una volatilidad en el tipo de cambio, debido a una serie de sucesos como las elecciones presidenciales, que fueron una de las más importantes, seguido de una inestabilidad política (Vega, 2021), esto afectó al costo de los insumos importados en la producción de la ropa (Saucedo, 2021). Igualmente, a finales del 2021 el país llegó a niveles de inflación de hasta 5.8%, el cual es el más alto en los últimos doce años (IPE, 2021). Asimismo, es importante destacar que según la Sunat (2022), los primeros meses del 2022, las exportaciones en el sector alcanzaron un 31.1% más respecto a los primeros meses del 2021 y un 33.3% en relación al 2020. Por otro lado, en relación a lo político-legal, es importante señalar que el Ministerio de Producción y el Ministerio de Comercio Exterior, durante los últimos años, han promovido la integración comercial e incentivado políticas como tratados de libre comercio (TLCs), lo cual contribuye de manera positiva al sector de ropa, puesto que les permite acceder a beneficios arancelarios (Pérez, Martínez, De Luis & Vela, 2006). En materia laboral, la Superintendencia Nacional de Fiscalización Laboral (SUNAFIL), entidad fiscalizadora del cumplimiento de los derechos de los trabajadores, divide sus multas por infracciones en tres categorías: leve, grave y muy grave, en el que se le da una sanción monetaria, dependiendo si es una microempresa, pequeñas empresas y no mype (PWC, 2020). Por ello, las empresas comercializadoras de ropa deben tener conocimiento de los procedimientos de fiscalización con el fin de evitar multas que afecten a los ingresos de la compañía. Asimismo, dentro de la comercialización de ropa, el Estado grava el impuesto general a las ventas con un 18%, lo que afecta al consumidor final (Gop, 2022). 32 Por otra parte, en relación a lo tecnológico, las innovaciones tecnológicas han generado que las empresas que comercializan ropa incluyan a su oferta distintos canales digitales como las redes sociales, plataformas webs, marketplaces, plataformas digitales intermediarias, entre otras (CAPECE, 2021). Es así que, los avances en la tecnología están permitiendo brindar una experiencia personalizada al usuario que compra ropa casual femenina; algunos ejemplos de ello son las herramientas de la recopilación automática de datos (CISCO, 2021), mapas de calor, los cuales permiten observar la interacción del usuario con la plataforma (Emprendepyme, 2021), entre otros, que posibilitan a las empresas brindar una experiencia que se ajuste a las necesidades y deseos de cada usuario en particular. Cabe señalar, que la inteligencia artificial también está presente en el e-commerce mediante chatbots, los cuales tiene como finalidad brindar una atención rápida al usuario (Inboundcycle, 2021). Finalmente, en cuanto a lo ecológico, en el Perú, la contaminación ha ido incrementando con el pasar de los años, frente a ello muchas empresas del sector de ropa han empezado a crear y/o transformar sus negocios basados en la economía circular, buscando reciclar las prendas y darle un segundo uso (Machuca, 2020). Asimismo, las condiciones climatológicas, en ciertas circunstancias, pueden hacer que el proceso de fabricación de algunos insumos necesarios para la ropa se vean afectados, retrasando la cadena de suministro de la industria (Charpail, 2017). 2.2 Principales tendencias En los últimos años, han surgido una serie de tendencias que han modificado la industria de la moda. Por ende, es importante mencionar algunas de ellas con el fin de tener un mejor entendimiento del sector. En primer lugar, se encuentra la tendencia de integrar las redes sociales a la estrategia de marketing, ya que mediante estas plataformas se logra conectar mejor con los usuarios, alinear los contenidos y recolectar datos (Retail Insight Network, 2021). Esta tendencia resalta, debido a que ayuda a las empresas a establecer una consistente experiencia de compra en el mercado digital (Orendorff, 2021). En segundo lugar, está la venta de ropa de segunda mano, la cual a través de los años se ha popularizado cada vez más, sobre todo, mediante la venta en redes sociales o marketplaces como LetGo, DePop, OfferUp, Facebook marketplaces, entre otros (Alibaba, 2021). Esta modalidad resulta mucho más atractiva para los consumidores, especialmente para las nuevas generaciones, ya que les permite obtener prendas a un menor precio o recibir dinero por prendas que ya no usan (Díaz, 2019). Otro aspecto sobre esta tendencia es que 33 surge como parte de la promoción de un consumo responsable y sostenible, alargando el tiempo de vida de las prendas y disminuyendo así el impacto en el medio ambiente (Alibaba, 2021). En tercer lugar, está la tendencia a la compra de ropa deportiva, pues la población se está preocupando más por su aspecto físico y con ello en realizar ejercicios (Díaz, 2019). Finalmente, está la tendencia por especificar la longitud de distintas partes de la prenda dentro del e-commerce, ya sea su manga, cintura, busto, entre otros. Esto con el objetivo de que los clientes compren con la seguridad de que la prenda es la adecuada. 3. E-commerce de Tiendas por departamento de ropa casual femenina en el Perú 3.1 Demanda y oferta En relación a la oferta, existen importantes tiendas por departamento que comercializan ropa femenina por medio del e-commerce. Ellas son Saga Falabella, Ripley y Oechsle, las cuales comercializan ropa femenina de distintas marcas, asimismo han integrado a su oferta, empresas independientes bajo la modalidad de marketplace con el objetivo de incrementar sus ingresos y captar la demanda que existe en el país (Becerra, 2019). Asimismo, se encuentran las tiendas especializadas, las cuales hacen referencia a tiendas que tienen como core business la ropa, entre las que se encuentran Zara, H&M, Gamarra, entre otras (Salas, 2018). Por otro lado, en relación a la demanda, las tiendas por departamento han logrado un incremento en sus ventas mediante e-commerce del 123% durante el primer semestre del 2021 en comparación con el 2020, y se cuenta con proyecciones favorables para los próximos cinco años. Este resultado se debió a las mayores ventas en las categorías de prendas de vestir con un 146.2%, artículos de uso doméstico con el 107.3%, muebles con un 63.4% y productos diversos alcanzando el 10.4% (PRODUCE, 2021). Por lo tanto, y como se observa, el sector de prendas de vestir es aquel con mayor crecimiento en las tiendas por departamento, siendo la ropa femenina las que generan mayores ingresos (Gestión, 2021). En el 2018 este sector contaba con una participación de 26.6%, mientras que, en el 2020, debido a la pandemia, la industria ha acelerado su crecimiento; no obstante, este evento ha sido solo un impulsor, ya que las proyecciones de crecimiento se darán sostenidamente, pues como se estima hacia al 2025, se obtendrá ingresos de aproximadamente $1 millón de billones en comparación con el 2021, año en el que se proyecta a lograr una utilidad de $759 millones (Orendorff, 2021). 34 3.2 Tiendas por departamento en el Perú En el Perú existen tres tiendas por departamento, las cuales empezaron sus negocios en el canal tradicional, pero pasado los años, agregaron a su oferta el canal online. A continuación, se explicará a detalle dichas tiendas por departamento. 3.2.1 Saga Falabella Saga Falabella es una de las tiendas por departamento más grandes en Latinoamérica, que buscó incursionar en el e-commerce. Asimismo, tiene como objetivo lograr posicionarse como el mejor e-commerce, mediante el uso de sofisticadas funciones web y de una app en teléfonos móviles, pues consideran que estas pueden brindar una mejor experiencia al cliente mediante una sencilla y rápida integración. Del mismo modo, es importante mencionar que, durante los primeros meses de la pandemia, esta empresa fue una de las que recibió la mayor cantidad de reclamos por parte de los usuarios en su canal online; sin embargo, con el pasar de los meses, esto logró disminuir (Saga Falabella, 2022). Por otro lado, en su plataforma online, específicamente en el sector de ropa femenina, la ropa casual es predominante frente a otras categorías como ropa deportiva, ropa de baño, ropa formal y ropa interior. Esto se concluyó después de realizar un conteo de la ropa comercializada dentro del e-commerce, en el cual se pudo observar que la categoría de ropa casual contaba con un 41.7% de participación, seguido de la ropa formal con un 29.09%, mientras que las últimas tres categorías son el ropa interior y pijama, ropa deportiva y ropa de baño, con un 18.98%, 8.052% y 1.71% respectivamente (ver Anexo A). 3.2.2 Ripley Ripley inició sus operaciones en 1964 en Santiago de Surco. Años después, inauguró la primera tienda bajo la modalidad de tiendas por departamento en el mismo distrito y diversificó su negocio mediante la creación de su propio banco (Ripley, 2022). Dentro su e- commerce se comercializa distintas categorías de productos, y se realizan descuentos y ofertas constantemente, además de ofrecer un proceso de compra con distintas herramientas como el seguimiento de compra, servicio al cliente por chats, entre otros (Ripley, 2022). Dentro de la categoría ropa casual femenina, se comercializa variedad de productos y marcas, además de hacerse uso de influencers para fines publicitarios. Asimismo, se observó, dentro de su plataforma, que la ropa casual femenina con un 41,5% es predominante frente a otras categorías de prendas femeninas como la ropa interior y pijamas, ropa formal, ropa deportiva y ropa de baño con un 19.11%, 18.16%, 17.89% y 3.31% respectivamente (ver Anexo A). 35 Asimismo, cuenta con diversas iniciativas como el Aeroripley: entrega de productos mediante drones, Ripley Realidad Virtual: herramienta que permite que los productos decohogar se puedan poner en la casa mediante realidad aumentada y Ripley Pago: aplicativo móvil que permite realizar las compras de manera más ágil (Bravo, 2021). Cabe señalar que todas estas iniciativas permitieron que Ripley.com sea reconocida como la mejor e-commerce del sector retail por el Instituto Latinoamericano de Comercio Electrónico (Becerra, 2021). 3.2.3 Oechsle Oechsle es una tienda por departamento de origen peruano que ofrece sus productos tanto por tienda física como digital. La incursión en el canal digital inició en el 2016 cuando ya sus competidores directos en el Perú tenían en ese mercado aproximadamente 10 años. Frente a ello, el principal reto de Oechsle en ese entonces, era igualar y superar a su competencia, sin embargo, aún no han logrado dicho propósito (Oechsle, 2022). En la actualidad, posee una plataforma e-commerce en el que se comercializa distintas categorías, y se realizan distintas estrategias para incrementar la rotación como descuentos, cyber wow, entre otros; además de ofrecer variados medios de pagos y formas de entrega (Oechsle, 2022). Cabe señalar que dentro de la categoría ropa casual femenina se comercializa distintas prendas como casacas, polos, poleras, entre otros; así como distintas marcas y variedad de modelos (Oechsle, 2022). En relación a dicha categoría se observó, después de realizar un conteo de la ropa comercializada dentro del e-commerce, que esta es predominantemente frente a otras con un 36,6%, a comparación de la ropa de interior, ropa formal, ropa deportiva y ropa de baño con un 33.89%, 20.69%, 8.32% y 0.91% respectivamente (ver Anexo A). Asimismo, dentro de su e-commerce, una de sus metas fue aumentar las ventas y presencia de marca a través de una mejora logística en las entregas de productos, rediseño web y el incremento de la variedad de productos en la plataforma (Araki, 2018). Finalmente, es importante destacar que el proceso de compra de las tres tiendas por departamento mediante su página web es similar. Primero, se debe entrar a la web y buscar la categoría de ropa femenina, segundo se debe elegir la prenda que desea comprar, tercero se escoge la talla, esto con la ayuda de la tabla de tallas, la cual te brinda las medidas de cada parte de la prenda. Cuarto, se escoge el color según su preferencia, quinto se puede elegir entre dos tipos de entrega, si se desea mediante despacho a domicilio o retiro en tienda. Finalmente, se realiza el pago mediante distintos medios dependiendo de la empresa. 36 CAPÍTULO 4: METODOLOGÍA DE LA INVESTIGACIÓN En el presente capítulo, se explica detalladamente la metodología que se emplea. Para ello, se brindará información sobre la secuencia metodológica, enfoque, alcance, diseño metodológico, selección muestral, técnicas de recolección de información, técnicas de análisis, evaluación de la validez y confiabilidad, y la ética de la investigación. 1. Secuencia metodológica En esta sección se plantea el orden en el que se recolecta la información para el presente estudio. Para ello, se utiliza el diseño explicativo secuencial (DEXPLIS), el cual consta de cinco etapas (Ver Figura 9); en la primera y segunda etapa se recolectarán datos cuantitativos para su análisis, luego en la tercera y cuarta etapa, con base en las dos etapas anteriores, se recolectarán y analizarán la data cualitativa, esto con el objetivo de profundizar lo obtenido en los hallazgos cuantitativos; para finalmente, realizar una triangulación de la información de ambos análisis (Hernández, Fernández & Baptista, 2014). Figura 9: Esquema del Diseño Explicativo Secuencial Adaptado de Hernández, Fernández y Baptista (2014) 2. Enfoque, alcance y diseño metodológico 2.1 Enfoque de la investigación El presente trabajo se desarrolla bajo un enfoque cuantitativo mixto, esto debido a que se le brinda mayor preponderancia al análisis cuantitativo, para luego profundizar con el análisis cualitativo. Según Hernández et al. (2014), el enfoque cuantitativo usa como base la recolección de datos con el objetivo de probar hipótesis mediante el análisis estadístico y la medición numérica. En el estudio, se comprueba las hipótesis a través de la recolección de datos que proporcione la encuesta. Asimismo, esto se complementa con el enfoque cualitativo, el cual tiene como meta, comprender e interpretar los fenómenos mediante percepciones producidas por las vivencias de los sujetos que participan (Hernández et al., 2014). En el caso del estudio, permitirá profundizar, indagar, así como entender el porqué de los resultados de las encuestas. De esta manera, al usar ambos enfoques se podrá obtener una comprensión más holística de la investigación. 37 2.2 Alcance de la investigación Según Hernández et al. (2014) la investigación puede tener cuatro tipos de alcances, los cuales serán explicados en los siguientes párrafos. En primer lugar, el alcance exploratorio tiene como finalidad examinar un tema desconocido o poco estudiado y sugerir nuevos (Hernández et al., 2014). Para la presente investigación se excluyó este alcance, debido a que el e-commerce es una innovación muy estudiada en los últimos años, asimismo se cuenta con investigaciones a nivel internacional relacionadas al estudio de los factores que intervienen en la adopción tecnológica en el sector de la moda. En segundo lugar, el enfoque causal se orienta a comprobar las causas y consecuencias de cierto fenómeno investigado (Hernández et al., 2014). Este alcance se excluye, debido a que en esta investigación no se busca investigar las causas y las consecuencias de un fenómeno. En tercer lugar, el alcance descriptivo tiene como finalidad comprender a detalle las propiedades, características o perfiles en la que se comporta un fenómeno investigado (Hernández et al., 2014). Para esta investigación se considera idóneo realizar dicho alcance, puesto que se tiene como objetivo identificar, comprender y profundizar acerca de los factores más relevantes que intervienen en la adopción del e-commerce. Finalmente está el enfoque correlacional, en el que se busca medir la relación entre dos o más variables (Hernández et al., 2014). Precisamente, para la presente investigación se busca identificar los factores y cómo estos afectan en la adopción del e-commerce por parte de los consumidores de ropa casual femenina en tiendas por departamento en Lima Metropolitana. En este sentido, se puede mencionar que la presente investigación tendrá un enfoque correlacional-descriptivo. 2.3 Diseño metodológico Según Hernández et al. (2014) después de precisar la problemática, las hipótesis, el enfoque y alcance de la investigación, es necesario definir el diseño metodológico. Este se refiere a la estrategia que se plantea para obtener la información requerida para la investigación. Además, los autores antes mencionados señalan que el diseño de la investigación se divide en experimentales y no experimentales. En esa línea, para la presente investigación, se determinó un diseño no experimental, puesto que no se manipula las 38 variables intencionalmente para observar su efecto sobre otras, sino lo que se busca es observar el fenómeno del e-commerce de ropa casual femenina en su ámbito natural. Asimismo, este diseño no experimental se puede dividir en: corte transversal, el cual hace referencia al análisis de las variables en un momento determinado; y longitudinal, donde se realiza un análisis de los cambios en las variables a través del tiempo (Hernández et al., 2014). En la presente investigación, se ha determinado realizar un diseño no experimental de corte transversal, ya que se busca conocer al consumidor y con ello determinar los factores que intervienen en la adopción del e-commerce durante el segundo y tercer trimestre del 2022. 3. Selección Muestral En este apartado, se presentan los actores necesarios para que se realice el presente trabajo, esto debido a la información valiosa que nos pueden proporcionar para resolver la investigación. A continuación, se especifica el grupo de actores, así como las razones de su importancia, además de mencionar las herramientas de recojo de la información para cada uno de ellos. En esa línea, se encuentran los usuarios que compran ropa casual femenina dentro del e-commerce de las tiendas por departamento Saga Falabella, Ripley y Oechsle, esto con el fin de que nos puedan brindar información de los factores del modelo elegido respecto a la adopción del e-commerce en estos retailers. Cabe señalar, que la muestra recolectada tiene únicamente dos filtros: que haya realizado la compra de ropa casual femenina mediante un e-commerce durante los últimos doce meses y que tengan la mayoría de edad; esto debido a que se buscaba conocer a los consumidores en términos generales. Para el análisis cuantitativo, se utilizará la herramienta cuestionario, que permitirá recolectar información mediante un conjunto de preguntas relacionadas a cada factor del modelo (ver Anexo B). Es importante señalar que este cuestionario se realizó en base a la matriz de operacionalización de variables (ver Anexo C). Asimismo, es importante señalar que la muestra para este análisis es no probabilística, ya que no todos los individuos de la población estudiada tienen la misma probabilidad de ser elegidos; además de que la selección no se dará por criterios estadísticos, como es el caso del muestreo probabilístico (Hernández et al., 2014). En esa línea, se menciona que el muestreo no probabilístico tiene distintas clasificaciones; sin embargo, en la investigación se presentará un muestreo no probabilístico por conveniencia, puesto que se recolectó la muestra en base a los individuos que están al alcance de las investigadoras. 39 Por otro lado, para el análisis cualitativo, se realiza un focus group con las personas que desarrollaron la encuesta. Esto con el objetivo de indagar a mayor profundidad los resultados obtenidos mediante sus percepciones, preferencias y motivaciones. El instrumento a utilizarse es la guía de focus group (ver Anexo D), la cual tiene un formato semiestructurado, ya que plantea tener un grupo de preguntas estables, pero con una secuencia que permita realizar preguntas espontáneas y flexibles, esto con el objetivo de profundizar los hallazgos cuantitativos. Además, se puede mencionar que para dicho análisis la muestra es por conveniencia, puesto que los participantes de ambos focus group han sido seleccionados según el acceso de las investigadoras (Hernández et al., 2014). Cabe señalar que, dentro del primer focus group las muestras fueron homogéneas, ya que todos los participantes habían comprado ropa casual femenina por e-commerce en Saga Falabella, Ripley y/o Oechsle durante el último año, y además se encontraron dentro del rango de edad entre 18 a 25 años de edad. De igual manera, el segundo focus group, compartió las mismas características, a excepción de la edad, la cual estuvo comprendida entre 26 a 35 años. 4. Técnicas de recolección de información En esta sección, se tiene como objetivo conocer las herramientas cuantitativas y cualitativas para el recojo de información. Adicionalmente, se mencionará la cantidad óptima de participantes para cada uno de los análisis. 4.1 Herramienta cuantitativa El método utilizado fue la encuesta, la cual consiste en un determinado número de preguntas dirigido a un grupo amplio de personas (Pasco & Ponce, 2015). En la presente investigación, el instrumento utilizado fue el cuestionario, el cual contiene preguntas con respuestas cerradas, así como una escala Likert del 1 al 7, donde 1 es Completamente en desacuerdo y 7 es Completamente de acuerdo, esto con el objetivo de medir si se encuentran de acuerdo o en desacuerdo de las afirmaciones planteadas (ver Anexo B). En esa línea, primero se realizó una encuesta piloto a 5 de personas que hayan comprado ropa casual femenina mediante e-commerce en Saga Falabella, Ripley y/o Oechsle en Lima Metropolitana, esto con el propósito de evaluar el entendimiento total de las preguntas del cuestionario. Después de ello, se actualizó el cuestionario en función a las observaciones brindadas por los participantes de la encuesta piloto; para finalmente, proceder a compartir el cuestionario vía e-mail y redes sociales. Por otro lado, si bien es cierto, existen diversos autores que explican cómo calcular el tamaño de la muestra para modelos de ecuaciones estructurales, en el presente estudio se 40 consideró lo formulado por Rositas (2014), el cual señala que por cada variable se debe entre 5 a 10 encuestas por variable. Para la investigación se utilizará el modelo propuesto por Agudo (2014), el cual posee un total de 46 variables agrupadas en 10 factores. Por ende, serían 6 encuestas por las 46 variables, lo que tendría como resultado un total de 280 encuestados aproximadamente. 4.2 Herramienta cualitativa Según Hernández et al. (2014) un estudio cualitativo busca obtener datos de distintas personas, procesos o situaciones a profundidad. Para la presente investigación la herramienta cualitativa utilizada fue el focus group, esto con el objetivo de entender a profundidad los factores que intervienen en la adopción del e-commerce de ropa casual femenina. Según Barbour (2007), es importante que la composición de cada focus group sea homogénea en al menos una característica importante, esto con el objetivo de facilitar la discusión y un mayor entendimiento mutuo. Frente a ello, para la presente investigación se realizó 2 focus group a consumidores de ropa casual femenina por e-commerce en tiendas por departamento de Lima Metropolitana. La diferencia entre ambos focus group fue el rango de edad, ya que el primer focus group estuvo comprendido por personas de 18 a 25 años, mientras que el segundo estuvo compuesto por personas de 26 - 35 años de edad, esto con el objetivo de facilitar el debate con personas de similar generación. Asimismo, Barbour (2007) menciona que el tamaño del focus group debe estar compuesto idealmente entre un rango mínimo de 3 personas y máximo de 8 personas, esto con la finalidad de mantener un debate en el cual todos puedan aportar sus ideas. En línea con el autor, ambos focus group de la presente investigación se desarrollan con 4 personas cada uno. Por otro lado, la guía de focus group puede tener un formato estructurado, semiestructurado, y no estructurado (Hernández et al., 2014). Para el presente estudio se utilizará el formato semiestructurado, ya que, si bien se contará con una secuencia de preguntas predeterminada, se tendrá la libertad de incorporar nuevas preguntas que surjan durante el focus group. Asimismo, para la presente investigación se realizarán 2 focus group de 4 personas cada uno. Finalmente, es importante señalar que las preguntas de la guía de focus group se elaboraron tomando en cuenta las variables de cada factor de la matriz de operalización. 41 5. Técnicas de análisis Luego de detallar las herramientas de recojo de la información, se presentan las herramientas que se utilizarán para el análisis de la data recolectada. Por ello, la finalidad de este apartado es exponer las técnicas de análisis cuantitativas y cualitativas, y explicar el propósito de cada uno. 5.1 Análisis cuantitativo El presente estudio tiene un enfoque cuantitativo, con mayor preponderancia al análisis cuantitativo, para luego profundizar con el análisis cualitativo. Para el análisis cuantitativo se emplearán dos herramientas: Estadística descriptiva y Modelo de Ecuaciones Estructurales (SEM), los cuales serán explicados a mayor detalle en los siguientes apartados. 5.1.1 Estadística descriptiva Teniendo como base a la data procedente de la encuesta, se realiza un análisis por medio de la estadística descriptiva, esto con el fin de poder entender la naturaleza y composición de la muestra antes de mostrar los resultados. En esa línea, la estadística descriptiva es usada para entender el comportamiento de las variables estudiadas, mediante medidas numéricas de resumen de datos, representaciones gráficas, distribuciones de histogramas y frecuencias (Pasco & Ponce, 2015). Asimismo, primero, se describirán los datos conseguidas por cada factor, para después presentar los datos mediante representaciones gráficas como gráfico de barras, histogramas, gráficos circulares, entre otros. (Hernández at al., 2014). Adicional a ello, se emplean medidas de tendencia central como la mediana, media y moda; y medidas de variabilidad como la varianza y desviación estándar. Cabe destacar que este análisis será presentado al inicio del capítulo “Resultados de la investigación”. 5.1.2 Modelo de ecuaciones estructurales (SEM) La siguiente herramienta que se utilizará para analizar la información, es el modelo de ecuaciones estructurales o SEM, esto debido a que según Chión y Charles (2016) el presente modelo permite conocer y validar de manera simultánea la relación entre variables latentes mediante un modelo regresional de “causa-efecto”; y el objetivo general de la presente investigación es identificar cuáles son los factores o variables no observables que intervienen en la adopción del e-commerce. En los siguientes párrafos se mostrará información acerca de los tipos de variables, los tipos de relaciones entre las variables y los tipos de medidas de bondad de ajuste. 42 a) Tipos de variables De acuerdo con lo señalado por García (2011) el modelo de ecuaciones estructurales (SEM) presenta dos variables: las observables y latentes. A su vez, explica que la variable latente cuenta con tres variables: exógena, endógena y error. ● Variable observada: estas son aquellas variables que son medibles. Asimismo, son también llamadas variables indicadoras. ● Variable latente: esta es una variable que no puede ser observada, pero que se busca medir. También es una variable que es libre de error de medición. ● Variable exógena: también conocida como variable latente independiente, esto debido a que afecta a otras variables, sin embargo, no tienen ningún efecto de otras variables. ● Variable endógena: es conocida como variable latente dependiente, puesto que, si tienen un efecto de otras variables, pero también se ven impactadas por un término de error. ● Variable error: son aquellos errores de la medición de una variable, así como también de las variables que no fueron consideradas en el modelo, lo cual afecta la medición de la variable estudiada. b) Diagramas estructurales Según García (2011) el diagrama estructural es la representación gráfica de un modelo, en dicho gráfico se encuentra un conjunto de variables y la relación de las mismas, asimismo estas variables están enmarcadas en gráficas las cuales se explican a continuación: Las variables observables están enmarcadas en rectángulos. Mientras que las no observables se representan en óvalos. Por otro lado, la asociación de regresión se encuentra representada por una flecha unidireccional. Respecto a la asociación de correlación o covarianza, se representa como una flecha bidireccional. Finalmente, es importante señalar que si no existe alguna flecha se entiende como independencia condicional. c) Tipo de relaciones entre variables Después de entender los tipos de variables, es preciso conocer qué relaciones existen entre estas. Según Ruiz, Pardo y San Martín (2010) existen cinco tipos de relación: la causal directa e indirecta, covariación, espuria y la recíproca. 43 En primer lugar, está la relación causal directa o indirecta, en el primer caso hace referencia a que la variable independiente tiene un efecto directo a la variable dependiente, mientras que en la segunda se involucran tres variables, donde esta tercera variable modula el efecto entre las variables. En segundo lugar, la relación de covariación, se refiere a que dos variables tienen al mismo tiempo efecto entre ambas. En tercer lugar, está la relación espuria, la cual menciona que existe la covariación entre dos variables, las cuales cuentan una relación común con una tercera variable. Finalmente, está la relación causal recíproca, esta se da cuando la variable causa al mismo tiempo es efecto de la otra variable. Por otro lado, Carrasquilla (2017) menciona que existen otros dos tipos de relaciones: la relación de mediación y la de moderación. La relación de mediación, indica que la variable mediadora es parte de una relación causa-efecto, es decir que esta tercera variable conduce la relación entre una variable independiente a una dependiente. La relación de moderación, hace referencia a que la variable moderadora modifica el efecto entre una variable independiente y otra dependiente. En los siguientes párrafos se explicarán los tipos de medida de bondad de ajustes, los cuales permiten medir la aceptación del modelo y su significancia. d) Tipos de medidas de bondad de ajuste La valoración de la bondad de ajuste hace referencia a la precisión de los supuestos del modelo para identificar si este se aproxima al fenómeno verdadero, especificando su nivel de predicción (Kline, 2005). En esa línea, el autor menciona que se deben utilizar diferentes indicadores para probar el modelo en cuestión. El indicador que se usa para aceptar o rechazar la relación que existe entre variables es el p-value, este indica la validez de la hipótesis. El nivel de confianza se determina por el propio investigador, aunque ciertas reglas señalan un valor menor a 0.05, lo cual conlleva a un nivel de confianza de 0.95 (Lara, 2014). Además, son tres las medidas de bondad de ajuste: medidas ajuste absoluto, incremental y de parsimonia. A continuación, se mencionan los criterios de sus indicadores más relevantes. ● Medidas de ajuste absoluto: Esta medición prueba el ajuste completo del modelo, no teniendo en cuenta un nuevo ajuste. De manera general, precisa el nivel en el que el modelo general llega a predecir la matriz de correlaciones y el SEM. - Chi-cuadrado sobre los grados de libertad (CMIN/df): Hace referencia a un ajuste adecuado cuando la valoración es menor a tres. 44 - Error de aproximación cuadrático medio (RMSEA): este señala el error de aproximación del modelo respecto a lo real para considerarse un buen ajuste debe hallarse en valores inferiores o iguales a 0.08. ● Medidas de ajuste incremental: Dichas medidas realizan una comparación del modelo estudiado con otro, llamado modelo nulo. - Índice de ajuste normalizado (NFI): Un ajuste adecuado es cuándo se acerca de 0.9. - Índice no normalizado de ajuste o Trucker-Lewis (NNFI o TLI): Para ser considerado un indicador de ajuste bueno, este debe estar cerca de 0.9. - Índice de bondad de ajuste comparativo (CFI): Un buen ajuste es cuando se encuentra cerca de 0.9. ● Medidas de ajuste de parsimonia: Mide la calidad del ajuste que se realiza al modelo en relación al número de coeficientes estimados para obtener el nivel de ajuste requerido. - Criterio de información de Akaike (AIC): Un ajuste adecuado debe llegar a ser cercano a 0. Dichos coeficientes se usarán para estimar el modelo, y, por ende, llegar a validar el nivel de la validez de las variables y sus hipótesis. 5.2 Análisis cualitativo Respecto al análisis cualitativo, este es manejable en mayor medida frente al análisis cuantitativo, puesto que no se necesitan procedimientos estandarizados, por lo que tiene mucha dependencia de la forma en que el investigador desee estructurar y examinar los datos recolectados (Pasco & Ponce, 2015). Frente a ello, el presente estudio realizó el análisis cualitativo, teniendo como base los códigos establecidos en el modelo propuesto por Agudo, los cuales pueden ser observados en la matriz de operacionalización (ver anexo C). En ese sentido, se utilizará la codificación guiada por conceptos, que según Gibbs (2007), consiste en realizar el análisis cualitativo partiendo de una lista inicial de códigos establecidos por un determinado autor, y con ello determinar partes importantes del focus group que ilustren cada uno de los códigos. 45 5.3. Triangulación de la información En la investigación se realiza la triangulación de resultados, puesto que tiene un enfoque cuantitativo mixto, es decir se usaron métodos cuantitativos y cualitativos para recopilar información, que, si bien el enfoque cuantitativo tiene mayor predominancia, también se busca realizar un estudio cualitativo, esto con la finalidad de tener un mayor entendimiento del análisis cuantitativo y obtener una visión más completa mediante diversos puntos de vista del sujeto de estudio. 6. Evaluación de la validez y confiabilidad Con el fin de demostrar la validez y confiabilidad de la investigación, se expondrá una serie de procedimientos que garanticen ello. Respecto al trabajo cuantitativo, se validó el contenido a través el juicio de expertos, que según Escobar y Cuervo (2008), se puede definir como una valoración informada de personas con conocimiento sobre el tema. En línea con el autor, el presente estudio se validó mediante asesorías con el profesor Richard Milos, experto en metodologías cuantitativas. Asimismo, se realizó una encuesta piloto a 5 personas con el fin de poder validar el entendimiento de las preguntas en su totalidad; además se contó con el software SPSS, el cual permitió obtener resultados confiables en base a la data recolectada. Por otro lado, para la confiabilidad de los hallazgos cuantitativos, se utilizó el alfa de cronbach, el cual permitió corroborar la fiabilidad del modelo. De igual modo, se hizo uso del coeficiente de p-value, con el cual se verificó si la relación entre las variables era significativa. Finalmente, se utilizó las medidas de bondad de ajuste con sus indicadores respectivos, para observar la precisión de los supuestos del modelo. Respecto al trabajo cualitativo, también se validó el contenido mediante el juicio de expertos, en este caso se desarrolló una guía de focus group semi- estructurada en base a los hallazgos y fuentes secundarias, la cual fue revisada y aprobada por la profesora Roxana Franco, especialista en marketing digital y análisis cualitativo. Por otro lado, en relación al análisis de la data, se realizó una codificación guiada por conceptos que permitió encontrar patrones de opinión en relación a cada factor. Finalmente, se realizó una matriz donde se identifica lo relevante de cada factor. 7. Ética de la investigación La presente investigación se ha elaborado tomando en cuenta los principios éticos señalados por el Comité de Ética de la Investigación de la Pontificia Universidad Católica del Perú y los mencionados por Cohen, Manion y Morrison (2007). En ese sentido, con la finalidad 46 de cumplir con la ética se elaboró un consentimiento informado, el cual fue proporcionado a los participantes previo al recojo de la información. En primer lugar, en relación al principio de respeto por las personas, se brindó el título y objetivo del estudio, el carácter opcional de su participación y la opción de que los participantes se puedan retirar, señalando que ello no conlleva a ningún tipo de perjuicio. En segundo lugar, en cuanto al principio de beneficencia y no maleficencia, se mencionó a los participantes que el desarrollo del estudio no conlleva a ningún daño físico y/o moral. En tercer lugar, respecto al principio de justicia, se comunicó a los participantes que, al finalizar la presente investigación, podrán tener libre acceso a los hallazgos de la investigación en el repositorio de tesis de la Pontificia Universidad Católica del Perú. En cuarto lugar, en cuanto al principio de responsabilidad, se mencionó a los participantes el nombre de las dos investigadoras, la asesora, la facultad y la universidad bajo la cual se desarrolla la investigación. En quinto lugar, en cuanto al principio de autorización explícita, se les pidió la autorización a los participantes para poder grabar audio y video; además, de poder utilizar lo mencionado por ellos, para el análisis cualitativo de la presente investigación. Por último, en relación al principio de integridad científica, se informó a los participantes de que la información será usada únicamente con fines académicos. 47 CAPÍTULO 5: RESULTADOS DE LA INVESTIGACIÓN En el presente capítulo, se muestran los resultados por medio de las herramientas utilizadas. Primero, se presentan los resultados cuantitativos a través de la estadística descriptiva y análisis SEM. Segundo, se mostrarán los resultados cualitativos mediante dos matrices resumen de hallazgos. Por último, se realizará una triangulación de datos a partir del análisis cuantitativo y cualitativo. 1. Análisis Cuantitativo 1.1. Análisis de los resultados por medio de la estadística descriptiva Con la finalidad de comprender a los consumidores de ropa casual femenina por e- commerce en tiendas por departamento de Lima Metropolitana, se considera pertinente realizar una presentación de las características y composición de la misma, debido a que ha sido un muestreo estadístico no probabilístico. Por ende, es importante comprender la muestra para formular conclusiones específicas de su adopción de compra por e-commerce. En primer lugar, se mostrará las particularidades de la muestra como el sexo, edad, zona de residencia, además de las tiendas por departamento donde compra la muestra, el tipo de ropa casual que compran, así como el incremento del uso de dichas plataformas a partir de la Covid-19. Para luego presentar un análisis descriptivo a partir de las variables de cada uno de los factores que pertenecen al modelo de la presente investigación. 1.1.1. Características generales de la muestra La primera característica es el sexo de la muestra. En ese sentido, se aprecia en la Figura 10, que un 85. 71 % (240 encuestados) está compuesto por el sexo mujer, y un 14.29% (40 encuestados) lo representa el sexo hombre. En otras palabras, la mayoría de los encuestados son mujeres. Ello guarda relación con que las prendas de vestir están dirigidas a un público femenino, por lo que las mujeres podrían estar comprando para su uso personal de manera directa. 48 Figura 10: Sexo de la Muestra La segunda característica es la edad representados por rangos (Figura 11). Cabe mencionar que la muestra se realizó a personas mayores de 18 años puesto que a partir de esa edad se puede contar con tarjeta propia, además de evitar un tema de permisos por parte del apoderado para el uso de la información de menores de edad. Como se observa, los rangos de edad se dividieron en seis: 18 a 25 años con un 60.71%, 26 a 35 años con un 24.64%, 36 a 45 años con un 11.07%, 46 a 55 años con 2.86%, 56 a 65 años con un 0.36% y mayores de 65 con un 0.36%. Frente a ello, se puede concluir que la muestra en su mayoría está compuesta por personas de la generación Z, seguido de la generación millennial (Pinto, 2021). 49 Figura 11: Edad de la Muestra La tercera característica (Figura 12) es la zona de residencia. Para la presente investigación se utilizó las zonas de Lima Metropolitana señaladas por APEIM (2020). La Zona 1 (Comas, Puente Piedra y Carabayllo) con un 6.79%. La zona 2 (Los Olivos, Independencia y San Martín de Porras) con un 10.71%. La zona 3 (San Juan de Lurigancho) con un 2.5%. La zona 4 (Cercado de Lima, La Victoria y Breña) con 11.43%. La zona 5 (Santa Anita, Chaclacayo, San Luis, y El Agustino y Ate) con 9.29 %. La zona 6 (Lince, Jesús María, Magdalena del Mar, Pueblo Libre y San Miguel) con 27. 5%. La zona 7 (San Borja, Miraflores, Santiago de Surco, San Isidro y La Molina) con 18.57%. La zona 8 (San Juan de Miraflores, Surquillo, Chorrillos y Barranco) con 6.79%. La zona 9 (Villa María del Triunfo, Villa El Salvador, Pachacamac y Lurín) con 2.14%. La zona 10 (La Punta, Callao, La Perla, Bellavista y Carmen de la Legua) con 4.29%. Como se observa en la Figura 13, las zonas 6 y 7 son aquellas que cuentan con mayor porcentaje sumando entre las dos un 46.07% del total. En ese sentido, se puede concluir que la mayor parte de los encuestados corresponden a Lima centro, seguido de Lima central sur (INEI, 2019). 50 Figura 12: Zona de residencia de la muestra La cuarta característica (ver Figura 13) hace referencia a los e-commerce de las tiendas por departamento donde la muestra compra ropa casual femenina. Si bien algunos compran en más de una tienda, como se observa en la Figura 14, un 48.09% compra en Saga Falabella, un 35.28% compra en Ripley y un 16.63% compra en Oechsle. Cabe mencionar que estos datos están de acorde con lo señalado por Becerra (2019), que indica que la tienda por departamento con mayor cuota de mercado lo tiene Saga Falabella, seguida de Ripley, y en último lugar Oechsle. 51 Figura 13: Tiendas por departamento donde la muestra compro ropa casual femenina Asimismo, la muestra indicó comprar en más de una tienda por departamento (ver Figura 14). Es así que la mayoría, es decir, un 50.36% compra solo en una tienda por departamento. Luego, un 40.36% compra en dos tiendas por departamento, y finalmente un 9.29% compra en tres tiendas por departamento. En síntesis, la mayoría de personas compra ropa casual femenina por e-commerce en una o dos tiendas por departamento. Figura 14: Número de tiendas por departamento donde la muestra compra ropa casual femenina La quinta característica (ver Tabla 1), muestra las categorías en las que se divide la ropa casual femenina. Primero, un 22.70% señaló que compra polos. Segundo, un 17.20% 52 mencionó que compra jeans. Tercero, un 15.17% señaló que compra poleras y hoodies. Cuarto, un 14.93% señaló que compra chompas y sweaters. Quinto, un 11.47% compra casacas y chalecos. Sexto, un 7.05% señaló que compra faldas, shorts y capris. Séptimo, un 5.02% compra joggers. Octavo, un 4.54% compra buzos, y finalmente un 1.91% compra conjuntos. En ese sentido, la categoría más demandada de la muestra son los polos y jeans, las cuales, según Villaseñor (2021), son prendas básicas al momento de elaborar un outfit. Tabla 1: Categorías de ropa casual Femenina La sexta característica es el gasto en soles por cada compra (ver Figura 15). Se establecieron diferentes rangos que iban desde menos de 50 soles, 51 a 100 soles, 101 a 150 soles, 151 a 200 y más de 200 soles. El rango que obtuvo mayor porcentaje fue el rango de 101 a 150 soles con un 27.50% del total de los encuestados, seguido del rango de 151 a 200 soles con un 24.64%. En conclusión, la mayoría de los encuestados gasta más de 100 soles al comprar ropa casual femenina. Categoría Porcentaje Polos 22.70% Jeans 17.20% Poleras y hoodies 15.17% Chompas y sweaters 14.93% Cascas y chalecos 11.47% Faldas, shorts y capris 7.05% Joggers 5.02% Buzos 4.54% Conjuntos 1.91% 53 Figura 15: Rangos de gasto de compra en soles Finalmente, la Figura 16 hace referencia a si la compra por e-commerce de ropa casual femenina en las tiendas por departamento incrementó debido al COVID-19. Un 85% afirma haber aumentado su compra de ropa casual femenina, sin embargo, un 15% afirma no haberla aumentado. Esto confirma la data que se registró en la problemática, donde se menciona que la pandemia impulsó las ventas de ropa casual femenina por e-commerce. Esto guarda relación con lo mencionado en la problemática de la investigación, en la cual se menciona que el consumo aumentó a partir de la Covid-19 (CAPECE, 2021). 54 Figura 16: Distribución de personas que aumentó o no su compra por la Covid-19 1.1.2. Análisis descriptivo por factores del modelo a) Factor expectativa de esfuerzo En base a los hallazgos del Factor Expectativa de Esfuerzo (ver Tabla 2), se identifica que las cuatro variables tienen el más alto porcentaje de valoración en las escalas del 5 al 7, dicho de otra forma, para la totalidad de las variables del factor expectativa de esfuerzo, la mayor parte de los encuestados estan Parcialmente de acuerdo, Bastante de acuerdo o Completamente de acuerdo. Respecto a la variable EE1, el 98.21% de personas considera que la plataforma les permite de manera sencilla que hagan lo que ellos indiquen. La variable EE2 muestra que el 95.00% considera que comprar por e-commerce es un proceso de compra comprensible y claro. La variable EE3 indica que el 95.00% de personas considera que no le supone un gran esfuerzo el realizar las compras de ropa casual por e-commerce. En la variable EE4 un 94.64% de los encuestados les es fácil adaptarse a la plataforma. En relación a la media por cada variable, fue muy similar, obteniendo valores que oscilan entre 5.84 a 6.21. Es decir, que la valoración promedio se encuentra en los niveles “Parcialmente de acuerdo” o “Bastante de acuerdo” con cada variable. Por otro lado, en relación a la moda esta es de 6 en las cuatro variables, lo cual quiere decir que la mayor parte de los encuestados se encuentran “Bastante de acuerdo”. 55 Por último, respecto a la desviación estándar, se encuentra entre 0.759 a 0.894. Lo cual significa que los datos están agrupados relativamente muy cerca de la media, lo cual quiere decir, que su dispersión no logra ser significativa. Tabla 2: Estadística descriptiva de las variables del Factor Expectativa de esfuerzo Asimismo, como se observa en la Figura 17, el gráfico radial refleja la valoración de las variables del Factor Expectativa de Esfuerzo. De las cuatro variables, la que logro mayor valoración es EE1 (Me permite de manera sencilla que la plataforma haga lo que yo le indique), seguida de EE4 (Es fácil adaptarme a la plataforma), y la que consiguió la valoración más baja valoración fue EE2 (Es un proceso de compra claro y comprensible). 56 Figura 17: Gráfico radial de las variables del factor Expectativa de esfuerzo En síntesis, para la muestra encuestada las variables del factor expectativa de esfuerzo demuestran que la plataforma de e-commerce de ropa casual en las tiendas por departamento les permiten de manera sencilla que haga lo que se le indique, asimismo consideran que el proceso es claro y que no les supone un gran esfuerzo para adaptarse; esto podría ser debido a que la plataforma ya cuenta con una serie de pasos establecidos y/o que la mayoría ya está familiarizada con la página o alguna otra similar. b) Factor expectativa de rendimiento Los resultados del Factor Expectativa de Rendimiento (ver Tabla 3), indican que las cinco variables tienen el más alto porcentaje de valoración en las escalas del 5 al 7, es decir que, para la totalidad de variables del factor expectativa de rendimiento, la mayoría de las personas mostraron estar Parcialmente de acuerdo, Bastante de acuerdo o Completamente de acuerdo. En relación a la variable ER1, el 59.64% de personas considera que comprar por e-commerce mejora su rendimiento de compra. En el caso de la variable ER2, un 67.50% considera que comprar ropa femenina por e-commerce mejora su eficacia de compra. Respecto a la variable ER3, para el 80.71% de encuestados es muy útil la compra de ropa femenina por e-commerce. En cuanto a la variable ER4, un 59.64% señala que comprar ropa casual femenina por e-commerce les aporta un gran valor. Por último, respecto a la variable ER5, un 67.14% menciona que comprar por e-commerce le brindan ventajas respecto a la compra tradicional en una tienda. 6.21 5.84 5.94 5.99 5.60 5.70 5.80 5.90 6.00 6.10 6.20 6.30 EE1 EE2 EE3 EE4 57 Por otro lado, la media de los valores fue parecida, oscilando entre 4.80 a 5.44. Es decir, que la valoración promedio estaría en un nivel “Parcialmente de acuerdo” y “Bastante de acuerdo”. En cuanto a la moda, el valor mayoritario fue 5, lo cual significa que la mayoría tendió a calificarlo como “Parcialmente de acuerdo”. Por último, en cuanto a la desviación estándar esta se encuentra entre 1.23 a 1.38, lo cual significa que los datos se encuentran dispersos de la media. Tabla 3: Estadística descriptiva de las variables del Factor Expectativa de rendimiento Asimismo, en base a la Figura 18, el gráfico radial muestra la valoración de las medias de las variables del Factor Expectativa de Rendimiento. De las cuatro variables analizadas, la mayor valoración es ER3 (Es muy útil), seguida de la variable ER5 (Me reporta ventajas respecto a la compra tradicional). Por otro lado, la de menor valoración fue la ER1 (Mejora el rendimiento de mi compra). Figura 18: Gráfico radial de las variables del factor Expectativa de rendimiento 4.80 4.98 5.44 4.82 4.95 4.40 4.60 4.80 5.00 5.20 5.40 5.60 ER1 ER2 ER3ER4 ER5 58 En suma, los enunciados que se encuentran dentro del factor expectativa de rendimiento muestran que las personas consideran que comprar ropa cual femenina por e- commerce mejora su rendimiento y eficacia de compra. Lo cual está de acorde con la afirmación que señala que comprar por e-commerce muestra ventajas respecto a la compra tradicional, además de brindar un gran valor. c) Factor influencia social En base al Factor Influencia Social (ver Tabla 4), se aprecia que las dos variables cuentan con el porcentaje más alto de valoración en las escalas del 5 al 7, esto quiere decir que para ambas variables del factor influencia social, la mayor parte de los encuestados señalaron encontrarse Parcialmente de acuerdo, Bastante de acuerdo o Completamente de acuerdo. En el caso de la variable IS1, el 43.57% de la muestra encuestada consideran que las personas que son valiosas para ellos (amigos, familias, entre otros) mencionan que deberían comprar ropa casual femenina por e-commerce en las tiendas por departamento. La variable IS2 muestra que el 48.21% considera que otras personas cuyas opiniones valoran, señalan que deberían comprar ropa casual femenina por e-commerce en las tiendas por departamento. En relación a la media de cada variable, esta resultó ser muy similar, teniendo los valores 4.29 y 4.43. Es decir, que la valoración promedio se encuentra en el nivel “Ni de acuerdo ni en desacuerdo” con cada variable. Por otro lado, en relación a la moda esta es de 4 en ambas variables, lo cual quiere decir que la mayoría de los encuestados se encuentran “Ni de acuerdo ni en desacuerdo” Por último, respecto a la desviación estándar se encuentra entre 1.348 a 1.386, lo cual significa que los datos están ligeramente dispersos a la media. Tabla 4: Estadística descriptiva de las variables del Factor Influencia social 59 En resumen, la muestra señala no estar ni de acuerdo ni en desacuerdo con la influencia que pueden ejercer las personas cercanas a ellos, respecto a la compra de ropa casual femenina por e-commerce. d) Factor motivaciones hedónicas Respecto al factor motivaciones hedónicas (ver tabla 5), en la variable M1 el 70% considera que comprar ropa casual femenina por e-commerce es divertido. Asimismo, en cuanto a la variable M2 un 69.64% considera que es placentero comprar ropa femenina por e-commerce. Por último, respecto a la variable M3 un 76.07 % menciona que es entretenido comprar por e-commerce. En lo que respecta a la media, se observa que todas las variables tienen un valor similar, ya que oscilan entre un 5.06 y un 5.18, lo cual quiere decir que el promedio se encuentra en el nivel “Parcialmente de acuerdo''. Además, en cuanto a la moda, se presentan los valores 5 y 6; es decir, la mayoría menciona estar “Parcialmente de acuerdo” y “Bastante de acuerdo”. Respecto a la desviación estándar, se observa que oscila entre 1.45 y 1.509, lo cual significa que los datos están dispersos a la media. Tabla 5: Estadística descriptiva de las variables del Factor Motivaciones Hedónicas Asimismo, en la figura 19, el gráfico radial del factor Motivaciones Hedónicas señala que la variable con mayor preponderancia es la M3 (Es placentero para mí). Por otro lado, las variables M1 (Es divertido para mí), y M2 (Es placentero para mí) obtuvieron una valoración muy similar, con un 5.08 y 5.06 respectivamente. 60 Figura 19: Gráfico radial de las variables del factor Motivaciones Hedónicas En síntesis, la mayoría de la muestra encuestada, señaló que el comprar ropa casual femenina por las plataformas e-commerce de las tiendas por departamento eran divertidas, placenteras y entretenidas, lo cual puede estar relacionado a que los encuestados ven esta actividad como un espacio de recreación. e) Factor condiciones facilitantes Respecto al Factor Condiciones Facilitantes (ver Tabla 6), se aprecia que las 7 variables logran obtener el mayor porcentaje en las escalas del 5 al 7, es decir que para la totalidad de variables del factor condiciones facilitantes, la gran parte de los encuestados señalaron estar Parcialmente de acuerdo, Bastante de acuerdo o Completamente de acuerdo. En lo que respecta a la variable CF1, el 83.57% de la muestra encuestada considera que al comprar por e-commerce tienen el control sobre todo el proceso. La variable CF2 muestra que el 88.93% menciona que pueden realizar una compra por e-commerce razonablemente bien por su cuenta. La variable CF3 muestra que el 90.71% de participantes indican que pueden realizar una compra por e-commerce incluso aunque no haya nadie cerca para ayudarlos. La variable CF4, demuestra que el 91.79% dispone de los recursos para comprar por e-commerce (acceso a Internet, tarjeta de crédito u otros medios de pago, entre otros.). La variable CF5 indica que el 93.21% de las personas tienen el conocimiento suficiente para comprar por e- commerce. La variable CF6 muestra que el 68.21% de encuestados cuentan con alguien que los pueda ayudar cuando tengan percances con el sistema a la hora de comprar por e- 5.08 5.06 5.18 5.00 5.02 5.04 5.06 5.08 5.10 5.12 5.14 5.16 5.18 5.20 M1 M2M3 61 commerce. Finalmente, la variable CF7, indica que el 73.57% considera que la plataforma cuenta con un servicio de ayuda disponible durante el proceso de compra por e-commerce. En relación a la media de las respuestas, fueron muy parecida entre las variables, encontrándose entre los valores 4.95 y 6.03. Es decir, que la valoración promedio se encuentra en los niveles “Ni de acuerdo ni en desacuerdo”, “Parcialmente de acuerdo” o “Bastante de acuerdo” con cada variable. Por otro lado, en relación a la moda esta es de 5 en dos variables y 6 en las otras cinco variables, lo cual quiere decir que la mayoría de personas se encuentran “Parcialmente de acuerdo” o “Bastante de acuerdo”. Por último, en lo que concierne a la desviación estándar, se encuentra entre 1.028 a 1.592, esto quiere decir que los datos están ligeramente dispersos a la media. Tabla 6: Estadística descriptiva de las variables del Factor Condiciones Facilitantes Asimismo, se observa en la Figura 20, el gráfico radial, el cual indica que de las siete variables, la de mayor valoración son CF 4 (Dispongo de los recursos para comprar por e- commerce (acceso a Internet, tarjeta de crédito u otros medios de pago, etc.) y CF5 (Tengo el conocimiento necesario para comprar por e-commerce), seguidos de CF3 (Puedo realizar una compra por e-commerce incluso aunque no haya nadie cerca para ayudarme), y la que 62 alcanzó la valoración más baja fue CF6 (Cuando compro por e-commerce hay alguien que me puede ayudar cuando tengo dificultades con el sistema). Figura 20: Gráfico radial de las variables del Factor Condiciones Facilitantes En síntesis, para la muestra encuestada las variables del factor condiciones facilitantes demuestran que durante su compra por e-commerce tienen control sobre todo el proceso, asimismo cuentan con los recursos y conocimiento necesario para realizar la compra. Por otro lado, tienen a alguien que los pueda ayudar en caso tengan dificultades; y finalmente cuentan con un servicio de ayuda durante el proceso de compra por e-commerce. f) Factor confianza percibida Los resultados del Factor Confianza Percibida (ver Tabla 7), indican que las 8 variables cuentan con el porcentaje más alto de valoración en las escalas del 5 al 7, lo cual hace referencia que para la totalidad de variables del factor confianza percibida, la mayor parte de la muestra mostró estar Parcialmente de acuerdo, Bastante de acuerdo o Completamente de acuerdo. En lo que respecta a la variable CP1, el 78.57% de la muestra encuestada considera que la plataforma por e-commerce es de confianza. Respecto a la variable CP2, el 76.79% de los encuestados menciona que la plataforma por e-commerce cumple sus promesas y compromisos. En la variable CP3, el 69.64% indica que la plataforma por e-commerce tiene las mejores intenciones. En la variable CP4, el 79.29% de los encuestados señala que la plataforma por e-commerce tiene la capacidad de proporcionar un buen servicio. 5.43 5.76 5.92 6.03 6.03 4.95 5.16 - 1.00 2.00 3.00 4.00 5.00 6.00 7.00 CF1 CF2 CF3 CF4CF5 CF6 CF7 63 En la variable CP5, el 61.07% considera que dentro de la plataforma por e-commerce no surgirán problemas al momento de realizar una compra. En la variable CP6, el 78.57% de los encuestados indica que la tecnología es óptima para realizar una compra por e-commerce. En la variable CP7, el 72.14% confían en que la tecnología que usan los proveedores de e- commerce funcionará adecuadamente. Por último, respecto a la variable CP8, un 72.14% indica que el uso de la plataforma como medio de compra les inspira confianza. En cuanto a la media, las ocho variables presentan valores muy similares que van desde los 5.15 y 5.44. a excepción de la variable CP5, que presenta una menor media con un 4.75. En cuanto a la moda se cuenta con valores de 5 y 6 en su mayoría, es decir la mayoría indica estar “Parcialmente de acuerdo” y “Bastante de acuerdo”. Respecto a la desviación estándar, ésta oscila entre 1.32 y 1.48, es decir los datos están ligeramente dispersos de la media. Tabla 7: Estadística descriptiva de las variables del Factor Confianza percibida Asimismo, se observa en la Figura 21, que el gráfico radial indica que de las ocho variables, las de mayor valoración son la variable CP6 (La plataforma de e-commerce es de confianza) y CP1 (La plataforma de e-commerce es de confianza), seguido de CP4 (La plataforma de e-commerce tiene la capacidad de proporcionar un buen servicio) y CP2 (La 64 plataforma de e-commerce cumple sus promesas y compromisos), y la que obtuvo menor valoración fue la CP5 (Creo que no surgirán problemas al realizar una compra por e- commerce). Figura 21: Gráfico radial de las variables del Factor Confianza percibida Como se observa, los encuestados atribuyen a la plataforma e-commerce aspectos positivos como la confianza, el cumplimiento de las promesas, compromisos, un buen servicio, además de tener las mejores intenciones. Adicionalmente, están de acuerdo con la afirmación de que no se presentarán imprevistos al realizar la compra. Asimismo, muestran su acuerdo respecto a que la tecnología es idónea para la compra. Por último, la mayoría señaló estar de acuerdo que el uso de la plataforma como medio de pago inspira confianza. g) Factor riesgo percibido En cuanto al Factor Riesgo Percibido (ver Tabla 8), muestra que cuatro de las siete variables ocupan el mas alto porcentaje en las escalas del 1 al 3, es decir que la mayor parte de los encuestados mostraron estar Completamente en desacuerdo, Bastante en desacuerdo o Parcialmente en desacuerdo. Por otro lado, dos de las siete variables tienen el mayor porcentaje en las escalas del 5 al 7, esto quiere decir que un grupo de los encuestados mostraron estar Parcialmente de acuerdo, Bastante de acuerdo o Completamente de acuerdo En relación a la variable R1, el 41.43% de la muestra encuestada considera que el comprar ropa casual femenina por e-commerce en tiendas por departamento no es arriesgado. La variable R2 muestra que el 45% considera que hay una gran incertidumbre al 5.34 5.23 5.15 5.33 4.75 5.44 5.21 5.19 4.40 4.60 4.80 5.00 5.20 5.40 5.60 CP1 CP2 CP3 CP4 CP5 CP6 CP7 CP8 65 momento de realizar una compra. La variable R3 indica que el 50.00% de participantes considera que sí es seguro hacer pagos mediante el e-commerce de las tiendas por departamento. La variable R4, demuestra que para el 50.71% de los encuestados no resulta arriesgado usar medios de pago. La variable R5 señala que para el 46.43% de los encuestados resulta peligroso aportar su información personal. La variable R6 muestra que el 41.3% de los encuestados considera que se pone en riesgo su privacidad, sin embargo, el otro 41.43% considera que no se pone en riesgo su privacidad. Finalmente, la variable R7, indica que el 46.43% no comparte la idea de que al comprar por e -commerce se arriesga a no comprar a los precios más cómodos. Respecto a la media por cada variable, esta fue muy similar, teniendo los valores 3.48 y 3.98. Es decir, que la valoración promedio se encuentra en el nivel “Parcialmente en desacuerdo” con cada variable. Por otro lado, en relación a la moda esta es de 5 en la mayoría de variables, lo cual quiere decir que la mayoría de personas se encuentran “Parcialmente de acuerdo”. Por último, en lo que concierne a la desviación estándar esta oscila entre 1.545 a 1.659, lo cual significa que los datos están relativamente dispersos a la media. Tabla 8: Estadística descriptiva de las variables del Factor Riesgo percibido Asimismo, respecto a la Figura 22, el gráfico radial señala la valoración de las variables del Factor Riesgo Percibido. De las siete variables, las que lograron mayor valoración son R2 (Hay una gran incertidumbre), seguido de R5 (Resulta arriesgado aportar mi información personal), y la que alcanzó la valoración más baja fue R3 (No es seguro hacer pagos). 66 Figura 22: Gráfico radial de las variables del Factor Riesgo percibido En síntesis, la mayoría de los encuestados considera que la plataforma no es arriesgada, si es seguro realizar pagos, no resulta arriesgado usar medios de pago y no se arriesgan a comprar a los precios más bajos. h) Factor riesgo de producto La tabla 9 resume estadísticamente el factor Riesgo de producto. En cuanto a la variable RP1, un 85.71% afirmaron que existe un gran riesgo de recibir una prenda que no encaje con la descripción. La variable RP2, un 76.79% señaló que existe un gran riesgo de que la prenda recibida tenga desperfectos. En cuanto a la variable RP3, un 83.57% indicó que hay riesgo de que la prenda recibida no cumpla con las expectativas. Respecto a la variable RP4, un 82.5% consideró que existe riesgo de que la prenda sea de inferior calidad. Por último, en la variable RP5, un 72.5% señaló que existe un riesgo de que la prenda sea entregada fuera del plazo establecido. Asimismo, la media para el factor Riesgo percibido osciló entre los valores 5.05 y 5.48, es decir, en promedio la muestra se encuentra “Bastante de acuerdo”. Por otro lado, la moda tuvo valores entre 5 y 6, lo cual guarda relación con los valores de la media. En cuanto a la desviación estándar, se encuentra que ésta oscila entre 1.10 y 1.45, lo cual indica que los datos están ligeramente dispersos. 3.83 3.98 3.48 3.50 3.92 3.85 3.63 3.20 3.30 3.40 3.50 3.60 3.70 3.80 3.90 4.00 R1 R2 R3 R4R5 R6 R7 67 Tabla 9: Estadística descriptiva de las variables del Factor Riesgo de producto Asimismo, la Figura 23 indica la valoración del factor Riesgo Percibido. Las variables que obtuvieron mayor valoración fueron RP3 (Que la prenda recibida no cumpla con mis expectativas) y RP1 (Recibir una prenda que no encaje con la descripción), seguido de RP4 (Que la prenda sea de inferior calidad). La variable con menor valoración fue la RP5 (Que la prenda entregada sea entregada fuera del plazo establecido). Figura 23: Gráfico radial de las variables del Factor Riesgo de producto En síntesis, los encuestados señalan que existe un gran riesgo de recibir la prenda que no esté acorde con la descripción, que cuente con desperfectos, que no cumpla con sus expectativas, que la calidad sea inferior a la percibida dentro de la plataforma y que sea entregada fuera del plazo establecido. 5.48 5.16 5.48 5.40 5.05 4.80 4.90 5.00 5.10 5.20 5.30 5.40 5.50 RP1 RP2 RP3RP4 RP5 68 i) Factor intención de compra En base a los resultados del Factor Intención de Compra (ver Tabla 10), se puede apreciar que ambas variables que lograron obtener un mayor porcentaje en las escalas del 5 al 7, lo cual quiere decir que la mayor parte de los encuestados mostraron estar Ligeramente probable, Bastante probable o Extremadamente probable. En el caso de la variable IC1, el 74.64% de la muestra encuestada menciona que, en los próximos seis meses, tienen la intención de comprar ropa casual femenina por e-commerce en tiendas por departamento. La variable IC2 muestra que el 70.71% considera que existe una gran probabilidad de que, en los próximos seis meses, compren ropa casual femenina por e-commerce dentro de tiendas por departamento. En relación a la media, esta resultó ser muy semejante en ambas variables, teniendo los valores 4.99 y 5.08. Es decir, que la valoración promedio se encuentra en el nivel “Ligeramente probable” o “Bastante probable” con cada variable. Por otro lado, en relación a la moda esta es de 5 en ambas variables, lo cual quiere decir que la mayoría de personas se encuentran “Bastante probable”. Por último, en lo que concierne a la desviación estándar esta oscila entre 1.405 a 1.422, es decir, los datos están ligeramente dispersos a la media. Tabla 10: Estadística descriptiva de las variables del Factor Intención de compra En síntesis, para la mayoría de los encuestados, existe una bastante probabilidad de que compren ropa casual femenina por e-commerce dentro de las tiendas por departamento en los próximos seis meses. j) Factor conducta de compra En base a los resultados alcanzados del Factor Conducta de Compra (ver Tabla 11), se aprecia que la valoración más alta, se encontró en las escalas del 5 al 7. Respecto a la variable RP1, un 51.07% señaló que se considera un comprador habitual de ropa casual 69 femenina por e-commerce en las tiendas por departamento. Asimismo, en cuanto a la variable RP2, un 47.86% señaló que su frecuencia de compra de ropa casual femenina por e- commerce en las tiendas por departamento es baja o nula. Por otro lado, la media de RP1 y RP2 fueron 4.38 y 3.60 respectivamente. En cuanto a la moda, respecto a RP1, la mayoría señaló que est� “Parcialmente de acuerdo” con la afirmación de considerarse un comprador habitual, y respecto a RP2, la mayoría señaló que su frecuencia de compra es “De dos a cinco veces”. Por último, en la variable RP1 los datos se encuentran ligeramente dispersos a la media, y respecto a la variable RP2, los datos se encuentran cerca a la media, lo cual señala que la dispersión no es significativa. Tabla 11: Estadística descriptiva de las variables del Factor Conducta de compra En síntesis, la muestra señaló que se consideran compradores habituales de ropa casual femenina por e-commerce en las tiendas por departamento. 1.2. Análisis de los resultados a través de SEM En esta sección, se muestran los hallazgos obtenidos de la muestra en base al modelo de ecuaciones estructurales (SEM). Con la finalidad de obtener los resultados, primero se usó el software IBM SPSS Statistics 28, en el cual se clasificó, transformó y utilizó las variables para su uso. Después, se calculó el coeficiente Alfa de Cronbach (α) con el objetivo de medir la fiabilidad del modelo, obteniendo el resultado de 0.911 (Ver Anexo E), el cual es superior a 0.70 y muy cercano a 1. De modo que, el nivel de consistencia interna es demasiado bueno, en otras palabras, el grado en el que las variables observables varían entre sí resultó alto. Luego de ello, se usó el software IBM SPSS AMOS 28, con el fin de representar gráficamente el modelo y obtener los índices de bondad de ajuste entre variables, lo cual resultó en una serie de ajustes al modelo. 70 1.2.1 Modelo Inicial En primer lugar, se muestra la representación gráfica del modelo propuesto por Agudo (2014). En la Figura 24, se muestran los 10 factores del modelo con sus 46 variables, y sus errores. Respecto a la representación, se observa que 8 factores: Expectativa de Esfuerzo (EE), Expectativa de Rendimiento (ER), Influencia Social (IS), Motivaciones Hedónicas (M), Condiciones Facilitantes (CF), Confianza Percibida (CP), Riesgo Percibido (R), Riesgo de producto (RP), cuentan con la intermediación de la Intención de Compra (IC) para llegar a la Conducta de Compra (CC). Asimismo, es importante señalar que el factor Condiciones Facilitantes (CF), afecta directamente a la Conducta de Compra (CC). Por otro lado, en relación a la explicación gráfica del modelo, en primer lugar, se mencionan los óvalos, los cuales representan las variables no observadas; es decir, los factores Expectativa de Esfuerzo (EE), Expectativa de Rendimiento (ER), Influencia Social (IS), Motivaciones Hedónicas (M), Condiciones Facilitantes (CF), Confianza Percibida (CP), Riesgo Percibido (R), Riesgo de producto (RP), Intención de Compra (IC) y Conducta de Compra (CC). En segundo lugar, los rectángulos hacen referencia a las variables observadas, las cuales son los enunciados o preguntas del cuestionario por cada factor. En tercer lugar, los círculos representan la variable error, lo cual indica que para cada variable observada hay un margen de error, siendo esta el caso de las variables endógenas: Intención De Compra (IC) y Conducta de Compra (CC). Por último, las flechas indican la relación existente entre las variables observables, no observables y los errores. 71 Figura 24: Representación gráfica y estimación del modelo inicial Seguidamente, la tabla 12 muestra los resultados de los coeficientes estimados provenientes del modelo inicial. En el cual se emplea un nivel de confianza de 0.95, en otras palabras, un nivel de significancia inferior a 0.05. En caso que, la significancia (p-value) sea superior a 0.05, se puede señalar que la relación entre las variables no logra ser significativa. De otro modo, los tres asteriscos (***) indican que es significativa. 72 Tabla 12: Relaciones entre las variables no observadas del Modelo inicial Relación Estimación S.E C.R P-Value IC ←EE 0.121 0.09 1.347 0.178 IC ←ER 0.125 0.063 1.979 0.048 IC ←IS 0.21 0.064 3.272 0.001 IC ←M 0.293 0.05 5.862 *** IC ←CF 0.195 0.089 2.182 0.029 IC ← CP 0.065 0.053 1.23 0.219 IC ←R -0.121 0.067 -1.811 0.07 IC ←RP -0.145 0.069 -2.086 0.037 CC ←IC 0.8 0.071 11.322 *** CC ←CF 0.249 0.094 2.638 0.008 Como se observa, los factores Expectativa de Rendimiento (ER), Influencia Social (IS), Motivaciones Hedónicas (M), Condiciones Facilitantes (CF) y Riesgo de producto (RP) cuentan con una relación significativa con la Intención de compra (IC), lo cual deviene en aceptar las hipótesis planteadas en relación a dichos factores. Asimismo, los factores Intención de compra (IC) y Condiciones Facilitantes (CF) tienen una relación significativa con la Conducta de Compra (CC). No obstante, los factores Expectativa de Esfuerzo (EE), Confianza Percibida (CP) y Riesgo Percibido (R) no tienen una relación significativa con la Intención de compra (IC), debido a que poseen un valor de significancia superior a 0.05, lo cual lleva a rechazar las hipótesis planteadas. Asimismo, la relación de mayor impacto que posee la Intención de Compra (IC) es el factor Motivaciones Hedónicas (M). Esto se observa, cuando el factor Motivaciones Hedónicas (M) aumentan en un punto, la Intención de Compra (IC) incrementa en 0.293. Respecto a la relación entre la Intención de Compra (IC) y la Conducta de Compra (CC), cuando la Intención de Compra (IC) aumenta en un punto, la Conducta de Compra (CC) incrementa en 0.800. Por otro lado, en el Anexo F, se muestran las relaciones entre las variables observadas. En línea con la condición de obtener un nivel de significancia inferior a 0.05, se 73 observó que todas las relaciones resultaron significativas. En otras palabras, todas las variables observadas llegan a ser significativas para el modelo, debido a que su p-value es inferior a 0.05. Por otro lado, en la tabla 13, se muestran las medidas de bondad de ajuste del modelo inicial, los cuales determinan la validez del modelo seleccionado. Tabla 13: Medidas de bondad de ajuste del Modelo inicial En primer lugar, el chi-cuadrado sobre los grados de libertad (CMIN/df) es aceptable al tener un valor de 2.83, menor a 3, lo cual se considera aceptable. Después de ello, el error de aproximación cuadrático medio (RMSEA) es 0.081, esto quiere decir que no es aceptable, puesto que el resultado fue superior a 0.08. En segundo lugar, en relación a las medidas de ajuste incremental, primero se muestra el índice de ajuste normalizado (NFI), el cual para ser aceptable tendría que tener un valor cercano a 0.9, sin embargo, se obtuvo 0.749, es decir no es aceptable. Después se muestra el índice de Trucker-Lewis (TLI), el cual tiene un valor de 0.81, siendo aceptable. En cuanto al índice de bondad de ajuste comparativo (CFI) se obtuvo 0.82, lo cual es aceptable. 74 Finalmente, respecto al ajuste de parsimonia, para el criterio de información de Akaike (AIC) se logró un valor de 2867.56, no siendo aceptable debido a que no está cerca de 0. Después de lo analizado anteriormente, se considera necesario realizar ajustes al modelo inicial eliminando factores de los cuales se han rechazado las hipótesis planteadas, y continuar ajustando el modelo hasta lograr que todas las relaciones sean significativas, y de esa manera lograr un nivel aceptable en todas las medidas de bondad de ajuste. En el siguiente apartado, se presentarán los ajustes necesarios para el modelo. 1.2.2. Ajuste del modelo Para este ajuste, se eliminaron los factores del modelo propuesto por Agudo (2014), los cuales rechazaron las hipótesis planteadas. Luego de suprimir los factores Expectativa de Esfuerzo (EE), Confianza Percibida (CP) y Riesgo Percibido (R), con sus respectivas variables observadas y errores, se procedió a estimar el modelo. La representación gráfica de dicho ajuste se muestra en la Figura 25. 75 Figura 25: Representación gráfica y estimación del ajuste del modelo 76 De igual manera, la tabla 14 presenta los coeficientes estimados del ajuste de modelo. Tabla 14: Relaciones entre las variables no observadas del Primer Modelo Ajustado En este ajuste, las variables no observadas, Expectativa de Rendimiento (ER), Influencia Social (IS), Motivaciones Hedónicas (M), Condiciones Facilitantes (CF) y Riesgo de Producto (RP) tienen una relación significativa respecto a la Intención de Compra (IC). Además, la Intención de Compra (IC) y las Condiciones Facilitantes (CF) poseen una relación significativa respecto a la Conducta de compra (CP). Cabe señalar que la consistencia interna de las variables no observables se puede ver en el Anexo G, en el que se concluye que todas llegaron a obtener un p-value inferior a 0.05, siendo significativas. Por otro parte, la tabla 15, muestra las medidas de bondad de ajuste respecto al ajuste del modelo. Tabla 15: Medidas de bondad de ajuste Relación Estimación S.E C.R P-Value IC←ER 0.196 0.065 3.028 0.002 IC←IS 0.214 0.065 3.292 *** IC←M 0.291 0.051 5.761 *** IC←CF 0.260 0.092 2.81 0.005 IC←RP -0.176 0.070 -2.494 0.013 CC←IC 0.804 0.070 11.554 *** CC←CF 0.244 0.095 2.578 0.010 77 Como se observa, en cuanto a los índices de ajuste absoluto, el chi-cuadrado sobre los grados de libertad (CMIN/df) tiene un valor de 3.77, lo cual lo hace no aceptable. Del mismo modo, el error de aproximación de cuadrático medio (RMSEA) obtuvo un valor de 1, lo cual termina siendo no aceptable. Respecto al ajuste incremental, se puede identificar que el índice de ajuste normalizado (NFI), el índice no normalizado de ajuste o TruckerLewis (NNFI o TLI) y índice de bondad de ajuste comparativo (CFI) mejoraron respecto al modelo inicial. Como se observa aún existen índices no aceptables, frente a ello, para mejorar el modelo y sus índices se presenta la alternativa de realizar covarianzas entre algunos errores de las variables observables del modelo, según la modificación de índices. Por ello, en el programa AMOS, se revisan los valores, y se obtienen como resultado los valores más altos en la Tabla 16. Tabla 16: Índices de modificación altos del Modelo Ajustado Relación M.I Par Change e15↔e16 138 1.367 e17↔e18 57.698 0.175 e20↔e21 34.388 0.239 e19↔e20 23.894 0.119 e17↔e20 23.87 -0.124 e17↔e21 21.298 -0.145 e8↔e9 17.866 0.145 Como se observa, existen niveles importantes para realizar correlaciones entre los errores, los cuales pertenecen a las variables de los factores Expectativa de Rendimiento (ER) y Condiciones Facilitantes (CF). Por consiguiente, se ajusta de nuevo el modelo correlacionando dichas variables hasta obtener el modelo final. 78 1.2.3 Modelo final Con el objetivo de lograr el modelo idóneo, se covarían los errores de las variables en un total de 7. Como se aprecia, la Figura 26 muestra el modelo final del presente estudio. Figura 26: Representación gráfica y Estimación del Modelo Final 79 Frente a ello, para validar las variables del modelo final, se presenta las relaciones entre las variables no observables (ver Tabla 17) Tabla 17: Relaciones entre las variables no observadas Como se observa en este último ajuste, la totalidad de las variables no observables cuentan con una relación significativa con la intención de compra. De mismo modo, se puede concluir que se aceptan las hipótesis planteadas de los factores, Expectativa de Rendimiento (ER), Influencia Social (IS), Motivaciones Hedónicas (M), Condiciones Facilitantes (CF) y Riesgo de Producto (RP) con la Intención de Compra (IC). Asimismo, es importante señalar que esta última tiene una relación negativa con la Intención de Compra (IC) con un -0.179, lo cual quiere decir que afecta negativamente. Por otro lado, la relación entre el Factor Intención de compra (IC) con la Conducta de Compra (CC) es positiva con 0.801, es decir se cumple la hipótesis H10, ello quiere decir que cuando la intención de compra aumente en 1, la Conducta de Compra (CC) aumenta en 0.801. Asimismo, el Factor Condiciones Facilitantes (CF) tiene una relación con la Conducta de Compra (CC) de 0.274, es decir se cumple la hipótesis H9. Asimismo, es importante señalar que cuando este factor pasa primero por la intención de compra para llegar a la conducta de compra el efecto es de 0.223 (ver Anexo H). En este sentido se puede decir, que la intención de compra como variable mediadora no es provechoso para potenciar el efecto del factor condiciones facilitantes. Por otro lado, respecto a las variables observables se pueden ver en el Anexo I, y se puede concluir que todas las relaciones son significativas, pues estas son menores a 0.05. Relación Estimación S.E C.R P-Value IC ← ER 0.219 0.062 3.516 *** IC ← IS 0.201 0.065 3.108 0.002 IC ← M 0.277 0.05 5.519 *** IC ← CF 0.278 0.101 2.77 0.006 IC ← RP -0.179 0.07 -2.544 0.011 CC ← IC 0.801 0.07 11.468 *** CC ← CF 0.274 0.103 2.648 0.008 80 Ahora se presentarán las medidas de bondad de ajuste del modelo final de la investigación. Tabla 18: Medidas de bondad de ajuste del modelo final En primer lugar, en relación a los ajustes absolutos, el Chi-cuadrado sobre los grados de libertad (CMIN/df), logró un resultado de 2.678, esto quiere decir que no solo mejoró en comparación con el ajuste inicial, sino que también llegó a ser aceptable para el modelo. Asimismo, en relación al error de aproximación cuadrático medio (RMSEA) este es de 0.078, observándose una notable mejora, convirtiéndolo en aceptable. En segundo lugar, en relación a los ajustes incrementales, se puede concluir que tanto el índice de ajuste normalizado (NFI), el índice no normalizado de ajuste o TruckerLewis (NNFI o TLI) y índice de bondad de ajuste comparativo (CFI), tienen un valor cerca a 0.9, es decir son aceptables. Finalmente, en cuanto al ajuste de parsimonia, según el criterio de información de Akaike (AIC) el valor es 895.179, logrando un nivel aceptable. En síntesis, de acuerdo al análisis cuantitativo se logran aceptar la hipótesis H2 (Las expectativas de rendimiento afectan a la intención de compra por e-commerce de ropa casual femenina en tiendas por departamento), H3 (La influencia social afecta a la intención de compra por e-commerce de ropa casual femenina en tiendas por departamento), H4 (La motivación hedónica afecta a la intención de compra por e-commerce de ropa casual femenina en tiendas por departamento), H5 (Las condiciones facilitantes afectan a la intención de compra por e-commerce de ropa casual femenina en tiendas por departamento), H8 (El 81 riesgo de producto afecta a la intención de compra por e-commerce de ropa casual femenina en tiendas por departamento), H9 (Las condiciones facilitantes afectan a la conducta de compra por e-commerce de ropa casual femenina en tiendas por departamento), y H10 (La intención de compra afecta a la intención de compra por e-commerce de ropa casual femenina en tiendas por departamento). 2. Análisis Cualitativo En esta sección se expondrán los principales hallazgos de los focus group realizados en la presente investigación. El primer focus group estuvo comprendido por personas entre 18 a 25 años de edad; mientras que el segundo focus group se realizó con personas de 26 a 35 años de edad. Asimismo, es importante señalar, que esta división se realizó con la finalidad de poder crear un contexto más homogéneo y permitir brindar opiniones con personas de similar generación. 2.1 Factor Expectativa de esfuerzo Respecto al factor expectativa de esfuerzo, se indagó lo que los entrevistados piensan en relación al esfuerzo empleado dentro de la plataforma y en el proceso de compra por e- commerce de una prenda. Para lo cual, se utilizaron la totalidad de las variables (EE1, EE2, EE3 y EE4) del modelo propuesto por Agudo. Esto debido a que, en los hallazgos cuantitativos, específicamente en la estadística descriptiva, las variables tuvieron una puntuación similar; asimismo, en el análisis SEM se identificó que todas las variables resultaron ser significativas para el factor. En cuanto al primer focus group, una mujer de 18 años mencionó que “La interfaz para comprar cosas es bastante intuitiva y práctica para usar, además considero que se puede navegar y te deja elegir los productos que quieres” (Kiara Muñoz, focus group, 22 de julio de 2022). Esto fue similar a la opinión de los demás participantes, que coincidieron que el proceso de compra no era engorroso, al contrario, se calificó como sencillo, intuitivo, práctico y ágil debido a que los pasos eran repetitivos en todas las compras y fáciles de seguir. En cuanto al segundo focus group, una mujer de 28 años señaló que “Las plataformas son amigables y sencillas, porque se pueden utilizar desde el celular, tanto para buscar la prenda como para pagar” (Kelly Salazar, focus group, 22 de julio de 2022). Ello estuvo alineado con los demás participantes, que señalaron que se requería un mínimo esfuerzo y calificaron el proceso como manejable, amigable, fácil y sencillo. Esto debido a que mencionaron que era un proceso con pasos fáciles que se van desglosando a lo largo del trayecto. Además, la totalidad de participantes mencionaron que Saga Falabella era la plataforma más sencilla de utilizar. 82 En conclusión, se puede mencionar que los participantes de ambos focus group, coincidieron en que el esfuerzo era mínimo y el proceso para comprar una ropa femenina era fácil y sencillo, sin ninguna complicación que no sea manejable. 2.2 Factor Expectativa de rendimiento Respecto al factor expectativa de rendimiento, se buscó conocer lo que piensan las personas en relación al rendimiento al momento de comprar por e-commerce; y también su preferencia de compra. Para ello, se tomaron en cuenta dos variables (ER2 y ER5) del modelo propuesto por Agudo, esto debido a que, en el análisis SEM se identificó que dichas variables obtuvieron la mayor estimación para el factor. En el primer focus group, una mujer de 19 años mencionó lo siguiente: “Yo sí creo que me ayuda a mejorar mi rendimiento porque es mucho más rápido comprar por e-commerce, no te toma mucho tiempo y lo puedes hacer en el momento y lugar que quieras” (Camila Cerna, focus group, 22 de julio de 2022), lo cual fue similar a la opinión de los demás participantes. Frente a ello, se puede concluir que las personas consideran que comprar ropa por e-commerce mejora su rendimiento porque no les quita mucho tiempo y es bastante práctico. Asimismo, respecto a la preferencia de comprar ropa casual femenina por e- commerce o en una tienda física, un hombre de 20 años comentó lo siguiente: “En mi caso depende, por ejemplo, si tengo que comprar jeans, a mí me gusta ver cómo me queda, por ello prefiero comprar presencialmente, pero en otras prendas como polos y poleras si prefiero mil veces comprar por e-commerce" (Jimmy Rodriguez, focus group, 22 de julio de 2022), de igual manera los demás participantes coincidieron con lo mencionado. Es así que, se puede determinar que las personas no tienen una preferencia marcada, pues mencionan que en algunas ocasiones prefieren comprar presencialmente y otras por e-commerce; y dicha elección depende de la prenda que quieran comprar, también si es que tienen tiempo de ir hasta la tienda y finalmente en cuál de los dos canales existe mayor cantidad de ofertas. En el segundo focus group, una mujer de 32 años señaló que “[...] es m�s eficiente comprar por la plataforma porque tener que ir hasta la tienda toma mucho más tiempo. Adem�s, siempre hay m�s ofertas por la web que en la tienda misma” (Stephanie Agama, focus group, 22 de julio de 2022), esto fue similar a la opinión de los demás participantes. En esa línea se puede concluir que, para los participantes comprar ropa por e-commerce mejora su rendimiento porque les ahorra el tiempo. Además, señalaron que prefieren comprar por e- commerce en lugar de una tienda presencial porque tienen mayor cantidad de ofertas, delivery gratis, y pueden comprar el día y la hora en que ellos prefieran. 83 En este sentido, se puede concluir que la mayoría de personas considera que comprar ropa por e-commerce mejora su rendimiento pues le ahorra el tiempo. Sin embargo, aún existen personas que consideran que el proceso es un poco engorroso. Por otro lado, se puede determinar que la mayoría de personas prefieren comprar por e-commerce que en una tienda presencial. 2.3 Factor Influencia social En cuanto al factor influencia social, se buscó indagar si personas del entorno de los participantes influyen en su compra de ropa casual por e-commerce. Para ello, se utilizaron la totalidad de las variables (IS1 e IS2) del modelo propuesto por Agudo. Esto debido a que, en la estadística descriptiva, las variables tuvieron una puntuación similar; asimismo, en el análisis SEM se identificó que ambas variables resultaron ser significativas para el factor. En el primer focus group, se encontraron opiniones divergentes, debido a que un participante mencionó que las personas del medio artístico si influyen en su decisión al momento de comprar ropa casual femenina por e-commerce, pues usualmente busca comprar ropa similar. Otro participante mencionó, que, si bien es cierto, no influye directamente, si siente que las tendencias e influencias de distintos entornos van moldeando sus gustos en general. Por otro lado, dos participantes mencionaron que no se guían de ninguna persona de su entorno, debido a que tienen estilos propios muy marcados. En el segundo focus group, también se encontraron opiniones divergentes, como es el caso de una mujer de 40 años mencionó lo siguiente: “No considero que hay alguien de mi entorno que influya en mi decisión de compra” (Gabriela Manrique, focus group, 22 de julio de 2022), lo cual se contrapone con lo señalado por otras participantes como es el caso de una mujer de 28 que menciona que si se ve influenciada por su madre y distintos influencers al momento de decidir qué ropa comprar. Como se aprecia, las opiniones de los participantes son divergentes, ya que algunos consideran que personas de su entorno si influyen en su decisión de compra, ya sea de manera directa o indirecta. Mientras que otras personas mencionan que no reciben influencia, por tener estilos muy marcados y propios. 2.4 Factor Motivaciones Hedónicas En relación al factor motivaciones hedónicas, se buscó indagar cómo es que se sienten las personas al momento de comprar por e-commerce ropa casual femenina. Para ello, se tomaron en cuenta las tres variables (H1, H2 y H3) del modelo propuesto por Agudo. Esto debido a que, en la estadística descriptiva, las variables tuvieron una puntuación similar; 84 asimismo, en el análisis SEM se identificó que las tres variables resultaron ser significativas para el factor. En el primer focus group, respecto a cómo consideran el proceso de compra por e- commerce, una mujer de 18 años afirmó lo siguiente: “A mí me divierte un montón comprar ropa por Internet, o sea es muy satisfactorio cuándo te llega y si es lo que querías, y probártelo porque es como una sorpresa” (Kiara Muñoz, focus group, 22 de julio de 2022), lo cual fue semejante a lo que expresaron los demás participantes. Es por ello, que se puede concluir que para los participantes comprar ropa casual femenina por e-commerce es divertido, pues mencionan que es una experiencia que los ayuda a desestresarse. Asimismo, consideran que es una experiencia placentera cuando reciben el producto en su caja y quieren ver cómo les queda. En relación al segundo focus group, una mujer de 30 años mencionó que “[...] comprar por e-commerce me ayuda a desestresarme, es como un mecanismo para quitarle el estrés del trabajo” (Ivonne Pastor, focus group, 22 de julio de 2022), de igual manera otra participante comentó que “Algunas veces que estoy cansada, entro para ver si algo me gusta y empiezo a comparar entre distintas tiendas, y me divierte eso” (Gabriela Manrique, focus group, 22 de julio de 2022). Dicho esto, se puede deducir que para los participantes es divertido comprar ropa casual femenina por e-commerce porque el buscar y comparar prendas en distintas plataformas, les ayuda a quitarse el estrés del trabajo y/o clases. En síntesis, se puede determinar que para las personas es divertido comprar ropa casual femenina por e-commerce porque los ayuda a desestresarse de sus actividades diarias. Asimismo, consideran que es placentero sobre todo al momento de recibir el producto. 2.5 Factor Condiciones facilitantes Respecto al factor condiciones facilitantes, se buscó indagar si los participantes podrían realizar la compra de una prenda femenina sin la ayuda de otra persona o algún servidor de la plataforma web. Para ello, se utilizaron cinco variables (CF2, CF3, CF4, CF5 y CF7) del modelo planteado por Agudo. Esto debido a que, en la estadística descriptiva, dichas variables tuvieron una puntuación más alta; asimismo, en el análisis SEM se identificó que las cinco variables resultaron ser las más significativas para el factor. En cuanto al primer focus group, un hombre de 18 años, mencionó que “[...] al inicio no sabía usar la tarjeta y pedía ayuda para la compra, pero ahora que he aprendido a comprar no pido ayuda” (Renzo Arenas, focus group, 22 de julio de 2022), lo cual estuvo alineado con las opiniones de todos los participantes, puesto que coincidieron que al principio necesitaban ayuda, especialmente, en temas relacionados al manejo de la tarjeta; sin embargo, señalaron 85 que luego de realizar el proceso varias veces, se volvió cotidiano y lo pudieron realizar con normalidad y sin ayuda de otra persona. Asimismo, es relevante mencionar que la totalidad de los participantes mencionaron contar con los recursos necesarios para realizar la compra. En cuanto al segundo focus group, una mujer de 30 años indicó lo siguiente: “No necesito ayuda porque es super sencillo manejar las plataformas” (Ivonne Pastor, focus group, 22 de julio de 2022), esto se encuentra alineado a la opinión de los demás participantes, que afirmaron no necesitar ayuda y poder realizar sus compras sin problemas, esto debido a que el proceso de compra les parece bastante intuitivo, fácil de seguir; además de contar con todos los recursos necesarios. Esto puede estar relacionado a que las personas que integran el presente focus group eran personas mayores de treinta años, las cuales llevan varios años comprando por e-commerce. En conclusión, se puede mencionar que las personas en un principio pueden necesitar algún tipo de ayuda, esto debido a que es un proceso nuevo que deben seguir, sin embargo, luego de realizarlo con continuidad se vuelve habitual, sin la necesidad de ayuda externa. 2.6 Factor Confianza percibida En relación al factor confianza percibida, se buscó indagar la opinión de las personas respecto a la confianza de comprar por e-commerce ropa casual femenina. Para ello, se tomaron en cuenta las ocho variables (CP1, CP2, CP3, CP4, CP5, CP6, CP7 y CP8) del modelo propuesto por Agudo. Ello debido a que, en los hallazgos cuantitativos, específicamente en la estadística descriptiva, las variables tuvieron una puntuación similar; asimismo, en el análisis SEM se identificó que la totalidad de las variables resultaron ser significativas para la construcción del factor. Respecto al primer focus group, una mujer de 19 años señaló que “[...] antes tenía temor, pero yo hasta ahora no he tenido problemas y eso me da confianza para seguir comprando por internet” (Camila Cerna, focus group, 22 de julio de 2022), lo cual fue similar a lo mencionado por resto de los participantes, que manifestaron que si bien anteriormente tenían el temor de que pueda ocurrir inconvenientes como un robo cibernético, actualmente sienten confianza de realizar las compras por e-commerce, esto se debe a que no han tenido problemas al momento de realizar sus compras. En el segundo focus group, una mujer de 28 años mencionó lo siguiente: “La verdad, si veo seguro comprar por e-commerce en las tiendas por departamento, si bien puede que existan accidentes, lo solucionan al momento. Además, considero que como son lugares conocidos te da esa seguridad” (Kelly Salazar, focus group, 22 de julio de 2022); de igual 86 manera los demás participantes, manifestaron tener confianza al momento de comprar ropa por e-commerce en Saga Falabella, Ripley y Oechsle, pues consideran que al ser tiendas reconocidas y con prestigio los problemas que surgirán son muy pocos; y que en caso existan se solucionan rápidamente. En este sentido, se puede decir que las personas sienten confianza al momento de comprar ropa por e-commerce en las tiendas por departamento, ya sea porque no han tenido problemas o porque las tiendas por departamento donde compran son de prestigio. 2.7 Factor Riesgo percibido Respecto al factor riesgo percibido, se buscó indagar si los participantes consideran que comprar por e-commerce es arriesgado. Para lo cual, se utilizó las siete variables (R1, R2, R3, R4, R5, R6 y R7) del modelo propuesto por Agudo, esto con la finalidad de indagar más respecto al riesgo percibido durante el proceso de compra. Ello debido a que, en los hallazgos cuantitativos, específicamente en la estadística descriptiva, las variables tuvieron una puntuación semejante; asimismo, en el análisis SEM se identificó que todas las variables fueron significativas para el factor. Respecto al primer focus group, una mujer de 19 años mencionó que “[...] es un riesgo la sustracción de los datos de tu tarjeta” (Camila Cerna, focus group, 22 de julio de 2022), lo cual es semejante a lo señalado por el resto de participantes, los cuales indicaron que durante el proceso de compra puede existir un riesgo relacionado a brindar los datos de sus tarjetas, esto debido al temor de sufrir el robo de datos financieros. Respecto al segundo focus group, una mujer de 32 años mencionó que “el mayor riesgo es el robo cibernético, que, si bien no me ha pasado, considero que sí es un problema latente” (Stephanie Agama, focus group, 22 de julio de 2022), lo cual también afirmaron los demás participantes. Además de ello, brindaron ejemplos de posibles riesgos como es el caso de la sustracción de los datos de la tarjeta, información personal, entre otros. Sin embargo, ante esta situación, toman sus precauciones como el verificar que la página tenga el candado de seguridad o cuentan con una tarjeta únicamente con la cantidad requerida para la compra, esto con el fin de evitar brindar datos de una cuenta en el que se tenga un monto elevado de dinero. En conclusión, se puede señalar que para las personas si perciben un riesgo en relación a datos financieros de la tarjeta, aunque estos se ven mitigados por una serie de precauciones que se toman, lo cual permite que las personas puedan realizar su compra con mayor seguridad. 87 2.8 Factor Riesgo del producto Respecto al factor riesgo de producto, se buscó conocer si para las personas comprar por e-commerce conlleva algún riesgo relacionado al producto. Para ello, se tomaron en cuenta las cinco variables (RP1, RP2, RP3, RP4 y RP5) del modelo propuesto por Agudo. Ello debido a que, en los hallazgos cuantitativos, específicamente en la estadística descriptiva, las variables tuvieron una puntuación alta y similar; asimismo, en el análisis SEM se precisó que todas las variables fueron significativas para el factor. En el primer focus group, un hombre de 20 años comentó que “si existe riesgo porque uno solo puede ver lo que está en la pantalla, tal vez como le queda a una persona, pero es posible que te están mostrando la mejor prenda, entonces ahí tienes un riesgo porque te puede llegar esa prenda o te puede llegar una defectuosa y de baja calidad. También el tema de las tallas, no sabes si te va a quedar bien o no” (Jimmy Rodriguez, focus group, 22 de julio de 2022). De manera similar opinaron los demás participantes, es por ello que se puede concluir que las personas si consideran que existen ciertos riesgos relacionados al producto al momento de comprar por e-commerce, como, por ejemplo: que la prenda llegue defectuosa, que no tenga la calidad que esperaban y/o que no cumpla con sus expectativas, pues mencionan que quizá en la plataforma el producto mostrado se puede ver agradable pero cuando lo reciben es totalmente diferente. En el segundo focus group, una mujer de 40 años mencionó que “El principal riesgo es la calidad, porque quizá algunas veces te llega con otra calidad a la que se veía en la foto. También, creo que el tema de los colores que quizá en la web lo veo de un color más claro cuando te llega el producto es algo m�s oscuro” (Gabriela Manrique, focus group, 22 de julio de 2022), de igual manera los participantes mencionaron, que si existe riesgo en relación al producto cuando compran por e-commerce, como, por ejemplo, que las prendas no cumplan con sus expectativas, pues en algunos casos los colores que se muestran en las imágenes de la plataforma son de una tonalidad distinta a la prenda. También, está el problema de que la calidad sea inferior a la que se menciona en la descripción. En este sentido, se puede concluir que para las personas comprar por e-commerce conlleva a algunos riesgos relacionados al producto, como el hecho de que la prenda puede llegarles defectuosa, que la calidad sea inferior a la que esperaban y que las prendas no cumplan con sus expectativas. 2.9 Intención de compra En cuanto a la intención de compra, se buscó indagar si los participantes tenían pensado comprar por e-commerce durante los próximos 6 meses. Para ello, se utilizó las dos 88 variables (IC1 e IC2) del modelo planteado por Agudo. Ello debido a que, en los hallazgos cuantitativos, específicamente en la estadística descriptiva, las variables tuvieron una puntuación similar; asimismo, en el análisis SEM se identificó que ambas variables fueron significativas para el factor. Respecto al primer focus group, los participantes señalaron que si comprarían debido a que se vienen meses festivos en los que piensan regalar prendas a sus familiares y/o comprar para ellos mismos. Asimismo, en relación al segundo focus group, los participantes señalaron que si tienen pensado comprar ropa casual femenina por e-commerce, puesto que se vienen celebraciones como navidad, año nuevo y cumpleaños de algunas personas cercanas a su entorno. Como se aprecia los participantes señalaron tener pretensiones de comprar ropa casual femenina por e-commerce en los próximos seis meses, debido a festividades que tendrán ocurrencia dentro de los siguientes meses. 2.10 Conducta de compra En relación al factor conducta de compra, se buscó indagar si las personas se consideran consumidores habituales, además de su frecuencia de compra de ropa casual femenina por e-commerce. Para ello, se tomaron en cuenta las dos variables (CC1 y CC2) del modelo propuesto por Agudo. Ello debido a que en el análisis SEM se precisó que todas las variables fueron significativas para el factor. Los participantes del primer focus group, tuvieron opiniones divididas, algunos mencionaron ser consumidores habituales pues compran 1 ó 2 veces al mes, como es el caso de una participante mujer de 19 años que mencionó lo siguiente: “Si me considero una compradora habitual de ropa, pero me acomodo al presupuesto que me dan, y de la totalidad, el 85% lo compró de forma virtual, entonces definitivamente para mi es una pr�ctica normal” (Camila Cerna, focus group, 22 de julio de 2022). Sin embargo, otros no se consideran compradores habituales, pues solo compran en cumpleaños o en situaciones especiales, como es el caso de una mujer de 18 años, la cual afirma que “Yo no me considero una compradora tan frecuente, usualmente compro en fechas especiales como cumpleaños”. En el segundo focus group, las personas manifestaron ser compradores habituales, pues compran ropa varias veces al mes, ya sea para ellas o para otras personas; además de gastar alrededor de 100 soles en cada una de sus compras, como es el caso de una mujer de 40 años que aseveró lo siguiente: “Yo me considero una compradora habitual, aunque algunas veces compro m�s y otras un poco menos, pero si tengo una constancia” (Gabriela Manrique, focus group, 22 de julio de 2022). 89 En este sentido, se puede decir que existen algunas personas que, si compran ropa casual femenina de manera recurrente, pero también existen personas que solo compran en determinados momentos. 3. Triangulación de la Información Este acápite tiene como finalidad integrar la información de los hallazgos cuantitativos y cualitativos, esto con el objetivo de contrastar y analizar la información de ambas fuentes. Frente a ello, se muestran los principales resultados en relación a cada hipótesis del modelo estudiado en la presente investigación. 3.1 La Expectativa de esfuerzo afecta la Intención de compra Respecto al análisis cuantitativo, el factor expectativa de esfuerzo no resulta ser significativo para los compradores de ropa casual femenina por e-commerce, pues el p-value resultó mayor a 0.05, lo cual llevó a eliminar el factor en el proceso de ajustes al modelo y rechazar la hipótesis H1, la cual menciona que las expectativas de esfuerzo afectan a la intención de compra por e-commerce de ropa casual femenina en tiendas por departamento. En promedio, la media de sus variables oscila entre 5.84 a 6.21 y la moda fue 6, lo cual quiere decir que las respuestas de la encuesta se encontraron “Bastante de acuerdo” o “Completamente de acuerdo”. Ello significa que los usuarios consideran que realizar la compra por internet era sencilla y que comprendía un mínimo esfuerzo. Por otro lado, en el modelo inicial, la relación del factor expectativa de esfuerzo con la intención de compra fue baja con un valor de 0.121, es decir, que cuando la expectativa de esfuerzo incrementa en un punto, la intención de compra aumenta en 0.121. En relación a la parte cualitativa, los participantes del focus group señalaron que el esfuerzo realizado era mínimo y consideraba que el proceso de compra no era tedioso, sino al contrario, la totalidad de participantes calificó al proceso como sencillo, intuitivo, ágil y práctico, cuyos pasos se van desglosando fácilmente. En resumen, a nivel cuantitativo, la expectativa de esfuerzo es un factor irrelevante para las personas que compran ropa casual femenina por e-commerce, y a nivel cualitativo, de acuerdo a los participantes, se podría suponer que este factor es puesto en segundo plano debido a que no cuenta con mayor complejidad y se realiza con un mínimo esfuerzo, por lo que puede resultar no tener mucha importancia. 3.2 La Expectativa de rendimiento afecta la Intención de compra El factor expectativa de rendimiento resultó ser significativo para los consumidores de ropa casual femenina por e-commerce, pues el p-value resultó ser menor a 0.05, por lo que 90 se acepta la hipótesis H2, el cual señala que el factor expectativa de rendimiento afecta a la intención de compra. En esa misma línea, se puede mencionar que la media oscila entre 4.80 a 5.44 y la moda entre 5 y 6, esto quiere decir que la valoración promedio estaría en un nivel “Parcialmente de acuerdo” y “Bastante de acuerdo”. Asimismo, es importante señalar que, en el modelo final, la relación de este factor con la intención de compra fue de 0.219, esto quiere decir, que cuando el factor expectativa de rendimiento aumenta en un punto, la intención de comprar ropa femenina por e-commerce aumentan en 0.219. Frente a ello, se puede concluir que las personas consideran que comprar ropa cual femenina por e-commerce mejora su rendimiento y eficacia de compra. Después de identificar que el factor expectativa de rendimiento si afecta a la intención de compra, se realizó una investigación cualitativa para indagar lo que pensaban las personas en relación al factor. Los hallazgos cualitativos concluyen que para las personas comprar ropa por e-commerce mejora su rendimiento, pues les ahorra tiempo y es bastante práctico. Asimismo, se puede señalar que la mayoría de personas tienen una preferencia por la compra online en comparación con la presencial, esto debido a que pueden comprar en el día y la hora en que ellos prefieran; y además ahorran tiempo. En resumen, el factor expectativa de rendimiento resulta ser importante en la compra de ropa casual femenina por e-commerce, ya que para las personas es fundamental que el proceso de compra mejore su rendimiento, para continuar comprando por e-commerce. 3.3 La Influencia social afecta la Intención de compra En cuanto a los hallazgos, la variable influencia social resultó ser significativa para las personas, puesto que el p-value fue menor a 0.05, aceptando la hipótesis H3, la cual menciona que la influencia social afecta a la intención de compra por e-commerce de ropa casual femenina en tiendas por departamento. Asimismo, la media de sus variables observables fue de 4, lo cual señala que los encuestados estuvieron “Ni de acuerdo ni en desacuerdo” en relación a las afirmaciones. Por otro lado, en el modelo final, la relación entre el factor influencia social con la intención de compra tuvo un valor de 0.201, es decir, cuando la influencia social incrementa en un punto, la intención de compra aumenta en 0.201. Respecto al análisis cualitativo, los participantes tuvieron opiniones divididas, pues en algunos casos si consideraban que al realizar su compra tenían influencia de su entorno ya sea de manera directa o indirecta; sin embargo, otras personas mencionaron que no tenían influencia alguna, debido a que poseen estilos muy marcados. 91 En suma, la influencia de personas del entorno, si es considerada relevante para la intención de compra de las personas, lo cual guarda relación con lo mencionado por la mayoría de participantes del focus group, que señalaron recibir influencia directa o indirecta. 3.4 Las Motivaciones Hedónicas afectan la Intención de compra El factor motivaciones hedónicas resultó ser significativo para los consumidores de ropa casual femenina por e-commerce, pues el p-value resultó ser menor a 0.05, por lo que se acepta la hipótesis H4, que indica que el factor motivaciones hedónicas afecta a la intención de compra. En esa misma línea, se puede mencionar que en promedio la media fue de 5 y la moda de 6, esto quiere decir que la valoración promedio estaría en un nivel “Parcialmente de acuerdo” y “Bastante de acuerdo”. Frente a ello, se puede concluir que las personas consideran que comprar ropa cual femenina por e-commerce es divertido, placentero y entretenido. Asimismo, en el modelo final, se puede identificar que la relación de este factor con la intención de compra fue de 0.277, esto quiere decir que cuando el factor motivaciones hedónicas incrementa en un punto, la intención de comprar ropa femenina por e-commerce aumentan en 0.277. Después de identificar que el factor motivaciones hedónicas si afecta a la intención de compra, se realizó una investigación cualitativa para indagar a profundidad lo que pensaban las personas en relación al factor. En los hallazgos cualitativos, se puede concluir que para las personas comprar ropa por e-commerce dentro de las tiendas por departamento es divertido, pues dicha actividad los ayuda a desestresarse de sus actividades diarias; y además consideran que es placentero al momento de recibir el producto. En resumen, el factor motivaciones hedónicas resulta ser importante para los consumidores de ropa casual femenina por e-commerce, pues buscan realizar dicha actividad con el objetivo de desestresarse de sus actividades diarias y/o de vivir momentos satisfactorios. 3.5 Las Condiciones facilitantes afectan la Intención de compra Según el análisis realizado, el factor condiciones facilitantes resultó ser significativo para los compradores de ropa casual femenina, debido a que el p-value fue menor a 0.05, aceptando la hipótesis H5, la cual señala que las condiciones facilitantes afectan a la intención de compra por e-commerce de ropa casual femenina en tiendas por departamento. A nivel estadístico, la media de las variables osciló de 5 a 6 y la moda fue de 6, es decir, su valoración promedio fue “Parcialmente de acuerdo” y “Bastante de acuerdo” con las 92 afirmaciones. En otras palabras, los encuestados señalaron tener el conocimiento necesario y no necesitar ayuda externa para realizar el proceso de compra, pudiendo realizar la compra independientemente. Asimismo, en el modelo final, la relación con la intención de compra fue de 0.278, es decir, cuando el factor condiciones facilitantes aumenta en un punto, la intención de compra aumenta en 0.278. A nivel cualitativo, las personas señalaron que en un principio si necesitaron algún tipo de ayuda debido a que tenían temor de brindar datos financieros; sin embargo, con el pasar del tiempo y debido a que realizaron el procedimiento varias veces, pudieron desarrollar el proceso de compra sin ninguna ayuda. Además, también se identificó que los participantes cuentan con los recursos necesarios para realizar la compra. En síntesis, el factor condiciones facilitantes, en los hallazgos cuantitativos, resultó ser relevante para los compradores, es decir, para los clientes el poder realizar el proceso de manera independiente sí influye en su intención de comprar ropa casual femenina por e- commerce, lo cual guarda relación con el focus group, en el cual los participantes mencionaron poder realizarlo solos y sin ninguna complicación. 3.6 La Confianza percibida afecta la Intención de compra El factor confianza percibida resultó no ser significativo para los consumidores de ropa casual femenina por e-commerce, pues el p-value resultó ser mayor a 0.05, por lo que se rechaza la hipótesis H6, que menciona que el factor confianza percibida afecta a la intención de compra. En esa misma línea, se puede mencionar que en promedio la media y la moda del factor resultaron estar entre 5 y 6, esto quiere decir que la valoración promedio estaría en un nivel “Parcialmente de acuerdo” y “Bastante de acuerdo”. Por otro lado, en el modelo inicial, la relación del factor confianza percibida con la intención de compra fue la más baja con un valor de 0.065, es decir, que cuando la confianza percibida aumenta en un punto, la intención de compra incrementa en 0.065. Frente a ello, se puede concluir que las personas tienen confianza en la plataforma al momento de realizar una compra, pues le atribuye aspectos positivos como la confianza, el cumplimiento de las promesas, un buen servicio, además de tener las mejores intenciones. Adicionalmente, están de acuerdo con la afirmación de que no se presentarán imprevistos al realizar la compra. Después de identificar que el factor confianza percibida no afecta a la intención de compra, se realizó una investigación cualitativa para indagar a profundidad lo que pensaban las personas en relación al factor. Los hallazgos cualitativos concluyen que las personas si sienten confianza al momento de realizar compras de ropa por e-commerce en las tiendas 93 por departamento, ya sea porque no han tenido problemas o porque las tiendas por departamento donde compran son de prestigio. En resumen, a nivel cuantitativo, el factor confianza percibida es irrelevante en la intención de comprar ropa casual femenina por e-commerce. Esto se complementa con el análisis cualitativo, puesto que las personas mencionan que ya cuentan con una cierta confianza en las tiendas por departamento, pues no han tenido problemas en sus compras y consideran que son tiendas de prestigio. 3.7 El Riesgo percibido afecta la Intención de compra De acuerdo con los resultados cuantitativos, el factor riesgo percibido no es significativo para los compradores, debido a que el p-value obtenido fue mayor a 0.05, por lo cual se rechaza la hipótesis H7, que menciona que el riesgo percibido afecta a la intención de compra por e-commerce de ropa casual femenina en tiendas por departamento. En promedio, la media y la moda de sus variables observables fue de 4 y 5 respectivamente, lo cual significa que los encuestados estaban “Parcialmente de acuerdo” y “Bastante de acuerdo” respecto a las afirmaciones. Esto quiere decir, que el promedio de los encuestados siente algún tipo de riesgo o incertidumbre al comprar ropa femenina en relación a medios de pago, información personal y privacidad. Por otro lado, en el modelo inicial, la relación con la intención de compra fue baja con un valor de -0.121, es decir, cuando el riesgo percibido incrementa un punto, la intención de compra disminuye en 0.121. Respecto a los hallazgos cualitativos, se percibió cierto riesgo por parte de la mayoría de los participantes, principalmente relacionados a brindar sus datos financieros de la tarjeta. Sin embargo, se mencionó que este riesgo es mitigado mediante una serie de precauciones que los participantes señalaron tener al momento de comprar. En síntesis, se puede concluir, mediante el análisis cuantitativo, que el factor riesgo percibido no es significativo para la intención de compra de ropa casual femenina por e- commerce, lo cual guarda relación con lo mencionado por participantes durante el focus group, ya que toman las precauciones necesarias y realizan el proceso de compra sin ningún problema. 3.8 El Riesgo del producto afecta la Intención de compra El factor riesgo de producto resultó ser significativo para los consumidores de ropa casual femenina por e-commerce, pues el p-value resultó ser menor a 0.05, por lo que se acepta la hipótesis H8, la cual señala el factor riesgo de producto afecta a la intención de compra. En esa misma línea, se puede mencionar que en promedio la media y la moda del 94 factor resultaron estar entre 5 y 6, esto quiere decir que la valoración promedio estaría en un nivel “Parcialmente de acuerdo” y “Bastante de acuerdo”. Frente a ello, se puede concluir que las personas consideran que comprar ropa cual femenina por e-commerce conlleva un riesgo en relación al producto. Asimismo, en el modelo final se puede identificar que la relación de este factor con la intención de compra fue de -0.179, esto quiere decir que cuando el factor riesgo de producto incrementa en un punto, la intención de comprar ropa femenina por e-commerce disminuye en 0.179. Después de identificar que el factor riesgo del producto si afecta a la intención de compra, se realizó una investigación cualitativa para indagar a profundidad lo que pensaban las personas en relación al factor. Los hallazgos cualitativos concluyen que para las personas comprar ropa por e-commerce dentro de las tiendas por departamento puede generar un riesgo relacionado al producto, ya sea el de recibir la prenda que no encaje con la descripción, que cuente con desperfectos, que no cumpla con sus expectativas, que la calidad sea inferior a la percibida dentro de la plataforma y/o que sea entregada fuera del plazo establecido. En resumen, el factor riesgo de producto resulta ser importante para los consumidores de ropa casual femenina por e-commerce. Sin embargo, es importante señalar, que este factor afecta de manera negativa, pues los consumidores mencionaron que en caso siga existiendo problemas en relación al producto, la intención de continuar comprando ropa por e-commerce disminuiría. 3.9 Las Condiciones facilitantes afectan a la conducta de compra En cuanto a los hallazgos obtenidos, el factor condiciones facilitantes es significativo para la conducta de compra. debido a que el p-value obtenido fue menor a 0.05, aceptándose la hipótesis H9, la cual señala que las condiciones facilitantes afectan a la conducta de compra por e-commerce de ropa casual femenina en tiendas por departamento. A nivel cuantitativo, la media de las variables osciló entre 5 y 6, y la moda fue de 6, es decir, se encontró en el nivel “Parcialmente de acuerdo” y “Bastante de acuerdo” en relación a las afirmaciones. En otras palabras, los encuestados señalaron tener el conocimiento necesario y no necesitar ayuda externa para realizar el proceso de compra, pudiendo realizar la compra independientemente. Además, en el modelo final, la relación con la conducta de compra fue de 0.274, es decir, cuando el factor condiciones facilitantes incrementa un punto, la conducta de compra incrementa en 0.274. En esa línea, se aprecia que el factor condiciones facilitantes tiene un mayor impacto en la conducta de compra de manera directa, debido a que el valor fue de 0.274, mientras 95 que, cuando atraviesa por la intermediación de la intención de compra su valor es más bajo con un 0.223. En síntesis, el factor condiciones facilitantes, resultó ser relevante en la conducta de compra de los usuarios, es decir, para las personas el realizar el proceso de compra de manera independiente sí influye en su conducta al momento de comprar ropa casual femenina por e-commerce, lo cual guarda relación con los hallazgos cualitativos, en el que los participantes mencionaron que realizan la compra de manera habitual, ya que lo pueden realizar solos y sin ningún tipo de inconveniente. 3.10 La Intención de compra afecta a la Conducta de compra En función a los hallazgos obtenidos, la intención de compra fue significativa para los compradores, debido a que el p-value fue menor a 0.05, aceptándose la hipótesis H10 que menciona que la intención de compra afecta a la conducta de compra por e-commerce de ropa casual femenina en tiendas por departamento. En promedio, la media y la moda de sus variables observables fue de 5, lo cual significa que los encuestados señalaron como “Ligeramente probable” el hecho de que tengan la intención de comprar ropa femenina por e-commerce dentro de las tiendas por departamento en los próximos seis meses. Por otro lado, es importante mencionar que, dentro del modelo final, la relación con la interacción de la conducta de compra fue de 0.801, lo cual significa que cuando la intención de compra aumenta un punto, la conducta de compra incrementa en 0.801. En cuanto al análisis cualitativo, los participantes señalaron que si piensan comprar durante los próximos seis meses en especial si existen promociones por festividades. En síntesis, se puede señalar que la intención de compra es una variable importante dentro del modelo que llega a afectar finalmente a la conducta de compra. 96 CONCLUSIONES Y RECOMENDACIONES En este último acápite se presentan conclusiones, así como las recomendaciones para el sector de ropa casual femenina por e-commerce. 1. Conclusiones de la investigación La presente investigación tuvo como objetivo identificar los factores que intervienen en la adopción del e-commerce por parte de los consumidores de ropa casual femenina en tiendas por departamento de Lima Metropolitana. En relación al primer objetivo que consiste en “Explicar los conceptos y los factores de los modelos relacionados a la adopción tecnológica en el e-commerce”, se identificó que existen distintas definiciones sobre el e-commerce que han evolucionado con el pasar de los años, desde ser considerado como una herramienta que ofrece a las empresas una forma de operar de manera global con el fin de exponer sus productos, hasta actualmente ser entendido como el proceso de compra y venta de productos y/o servicios mediante medios electrónicos. Por otro lado, se puede determinar que el e-commerce en comparación con el mercado tradicional cuenta con una gran cantidad de ventajas y características que lo hacen único y ha logrado captar el interés de los consumidores. También, se puede precisar que el e-commerce puede definirse de acuerdo a la naturaleza de los participantes, los cuales son comprendidos por empresas y consumidores. De igual manera, se puede señalar que no existe una sola forma en la que se puede operar un negocio por e-commerce, sino que existen cinco formas, y entre ellas están el bricks and clicks, e-tailer y marketplaces, los cuales, según la teoría, son los tres más utilizados en la actualidad (Somalo, 2017). Asimismo, se identificó que los modelos TAM, UTAUT Y UTAUT 2 poseen como variable dependiente la intención de uso, debido a que son modelos tecnológicos en el que no hay una transacción de por medio. En cambio, el modelo propuesto por Agudo (2014) y el propuesto por Wei, Lee y Shen (2018) tienen como variable dependiente la intención de compra, puesto que estos fueron planteados dentro del contexto del e-commerce en el que sí existe una compra. Asimismo, es importante señalar que se descartó el modelo propuesto por Wei, Lee y Shen (2018) puesto que no considera el factor confianza y el factor riesgo de producto, los cuales son relevantes en el contexto nacional. En ese sentido, el modelo elegido es el propuesto por Agudo (2014), ya que fue desarrollado exclusivamente para el e- commerce, así como también parte de tres modelos clásicos de adopción tecnológica. En relación al segundo objetivo “Describir el contexto actual del e-commerce por parte de los consumidores de ropa casual femenina en tiendas por departamento”, se identificó que actualmente el consumidor e-commerce le brinda mayor credibilidad a la opinión de otros 97 consumidores, así como también realizan una investigación previa a la compra. Estos comportamientos se pueden realizar debido a la existencia de distintas plataformas digitales como redes sociales, foros, whatsapp business, entre otros. Asimismo, se identificó que la mayoría de consumidores de e-commerce se encuentran en la capital, y únicamente el 7% está ubicado al interior del país, esto debido a una serie de barreras como la falta de acceso a internet, la falta de bancarización y acceso a una tarjeta. Adicionalmente, se puede mencionar que el sector de ropa es aquel que cuenta con mayor cantidad de consumidores por e-commerce. Seguido de ello, dentro del entorno del sector de ropa en el país, se observó que existen diversas circunstancias que permiten que el sector se desarrolle, como los tratados de libre comercio y los avances tecnológicos. Por otro lado, se puede precisar que existen tendencias que han ido modificando la industria de la moda, tal es el caso de la integración de las redes sociales a la estrategia de marketing y la venta de ropa de segunda mano, esto último está permitiendo que la industria se vuelva cada vez más sostenible mediante una economía circular. Finalmente, se identificó que el e-commerce de tiendas por departamento de ropa casual femenina en el Perú, ha tenido un crecimiento constante en los últimos años, el cual se vio impulsado por la pandemia. Además, se pudo determinar que, en Saga Falabella, Ripley y Oechsle, dentro de la categoría ropa mujer, la ropa casual femenina es la que mayor porcentaje presenta frente a otras categorías como la ropa de interior, ropa formal, ropa deportiva y ropa de baño. En relación al tercer objetivo “Identificar los factores que intervienen en la intención de compra por parte de los consumidores de e-commerce de ropa casual femenina en tiendas por departamento”, se puede concluir lo siguiente. En primer lugar, el factor expectativa de esfuerzo no resultó relevante para la investigación, puesto que mediante el análisis SEM, se determinó que no era significativo al tener un p-value mayor a 0.05, por lo cual se procedió a retirar dicho factor en el proceso de ajuste al modelo. Esto se complementa con los hallazgos cualitativos, en el que se mencionó que el factor pasa a un segundo plano, debido a que los consumidores mencionan que el proceso de compra no cuenta con una gran dificultad y se realiza con un mínimo esfuerzo. Por otro lado, este resultado se contrapone al estudio de Joo y Lee (2016), en el cual se determinó que la expectativa de rendimiento era un factor relevante para la intención de compra de los productos de moda. En segundo lugar, el factor expectativo de rendimiento es considerado un factor significativo, pues se obtuvo un p-value menor a 0.05, lo cual quiere decir que este factor 98 afecta positivamente a la intención de compra. Esto se complementa con lo mencionado en la parte cualitativa, ya que para las personas es fundamental que el proceso de compra mejore su rendimiento y eficacia, para continuar comprando por e-commerce. Por otro lado, es importante señalar que este resultado coincide con lo mencionado en las investigaciones realizadas por Joo y Lee en Corea (2016) y la realizada por Gunawan, Losaura y Ahmad en Yakarta, Indonesia (2020), en el que se determina que el factor expectativa de rendimiento influye en la intención de compra. En tercer lugar, el factor influencia social fue significativo para la investigación, ya que en el análisis SEM, su p-value fue menor a 0.05. Esto se relaciona con los resultados del análisis cualitativo, pues la mayoría de participantes mencionaron recibir influencia directa o indirecta al momento de realizar la compra. En esa línea, ese resultado guarda relación con el estudio de Joo y Lee (2016), en el cual se determinó que la influencia social era un factor relevante para la intención de compra de los productos de moda. En cuarto lugar, el factor motivaciones hedónicas es significativo para el presente estudio, pues su p-value fue bajo, lo cual quiere decir que este factor afecta a la intención de compra. Esto se relaciona con lo señalado en el análisis cualitativo, pues las personas mencionan que el proceso de compra de ropa casual femenina por e-commerce los ayuda a desestresarse de sus actividades diarias y/o de vivir momentos satisfactorios. Por otra parte, dicho resultado es consistente únicamente con la investigación realizada por Gunawan, Losaura y Ahmad en Yakarta, Indonesia (2020), en la cual se determina que el factor motivaciones hedónicas influye en la intención de compra. En quinto lugar, el factor condiciones facilitantes resultó ser significativo para la investigación, ya que su p-value fue inferior a 0.05. Ello se complementa con el análisis cualitativo, en el cual los participantes señalaron que, actualmente pueden realizar sus compras de manera independiente y sin ninguna complicación. Dicho resultado se encuentra alineado al estudio de Gunawan, Losaura y Ahmad (2020), en el cual se determinó que el factor condiciones facilitantes es relevante para la intención de compra en el contexto omnicanal de moda. En sexto lugar, el factor confianza percibida no es significativo para el presente estudio, pues su p-value su mayor a 0.05, esto quiere decir que el factor no afecta a la intención de compra. Dicho resultado se complementa con el análisis cualitativo, en el que se determina que para las personas ya no es relevante dicho factor, puesto que cuentan con una cierta confianza en las tiendas por departamento, ya que no han tenido problemas en sus compras y consideran que son tiendas de prestigio. Por otro lado, este resultado se contrapone con lo señalado en el marco teórico, donde se menciona que los consumidores 99 peruanos son los más desconfiados para realizar compras por e-commerce en toda la región latinoamericana (Armijo, 2019). En séptimo lugar, el factor riesgo percibido no resultó relevante para la investigación, debido a que, en el análisis cuantitativo, este no cumplía con los criterios demandados, por lo que al ajustar el modelo se decidió retirarlo. En cuanto a los resultados cualitativos, se identificó cierto riesgo por parte de las personas; sin embargo, se mencionó que esto era mitigado por una serie de precauciones antes de comprar. Ello guarda relación con las investigaciones mencionadas previamente, las cuales no tomaron en cuenta al factor riesgo percibido. Finalmente, el factor riesgo de producto es significativo, ya que su p-value es menor a 0.05, lo cual quiere decir que este factor afecta a la intención de compra. Asimismo, es importante destacar que a diferencia de los demás factores que afectan de manera positiva en la intención de compra, el factor riesgo de producto afecta de manera negativa. Esto guarda relación con el análisis cualitativo, pues los consumidores mencionaron que en caso sigan existiendo problemas en relación al producto, la intención de continuar comprando ropa por e-commerce disminuiría. Además, ello se complementa con lo señalado en el marco teórico, donde se menciona que las personas evitan comprar por e-commerce por el temor a que el producto no llegue en buen estado. En relación al último objetivo planteado, “Identificar la relación de las condiciones facilitantes y la intención de compra con la conducta de compra por parte de los consumidores de e-commerce de ropa casual femenina en tiendas por departamento”, se puede concluir lo siguiente. En relación al factor condiciones facilitantes, sí afecta directamente a la conducta de compra con un efecto de 0.27, mientras que cuando pasa primero por la intención de compra para llegar a la conducta de compra el efecto es de 0.223. En este sentido se puede decir, que la intención de compra como variable mediadora no es provechoso para potenciar el efecto del factor condiciones facilitantes. Esto guarda relación con los hallazgos cualitativos, en los cuales las personas mencionaron que realizan la compra de manera habitual, pues pueden efectuar su compra de manera independiente y sin ningún tipo de imprevisto. En relación a la intención de compra, se puede determinar que es significativo para la conducta de compra, pues su p-value fue menor a 0.05. Esto guarda relación con los resultados cualitativos, en el que los participantes señalaron que tienen intención de comprar durante los siguientes seis meses, esto debido a las festividades como navidad y año nuevo. 100 2. Recomendaciones de la investigación En el presente apartado se exponen las recomendaciones según los objetivos planteados en la presente investigación. En relación al primer objetivo, se recomienda que, partiendo del modelo de Agudo, se puedan desarrollar investigaciones en otras categorías de ropa femenina u otro sector, de manera que se pueda realizar comparaciones con la presente investigación. Asimismo, se podría segmentar a una tienda por departamento en específico, y no abarcar un grupo de tiendas en el mercado. Esto con el fin de obtener conclusiones en relación a la compañía estudiada. Respecto al segundo objetivo, se ha identificado que en el Perú la opinión de otros consumidores en las distintas plataformas digitales es relevante para las personas al momento de realizar una compra. Frente a ello, se recomienda que las empresas generen un plan de acción que busque cuidar la imagen reputacional dentro del ecosistema digital, esto con la finalidad de que las personas que tengan el interés de comprar ropa casual femenina por e-commerce, puedan efectuar la transacción sin amilanarse ante una opinión negativa. En relación al tercer objetivo, se observa que dentro del factor influencia social, algunas personas consideran que la opinión de los influencers afecta en su decisión de comprar ropa casual femenina. Frente a ello, una recomendación sería realizar mayor cantidad de publicidad en redes sociales a través de influencers y contratar como embajadores de marca a las personas que se relacionan con su target. Asimismo, los compradores de ropa casual femenina por e-commerce perciben cierto riesgo relacionado al producto. Frente a ello, se presenta una recomendación en función al focus group, dentro del cual se mencionó que en diversas ocasiones la descripción y la fotografía del producto no permitían tener una idea concisa respecto a la prenda y sus características. En esa línea, se sugiere que las tiendas por departamento puedan colocar en su página web, un apartado en la categoría de ropa de mujer en el que se muestre una descripción precisa de todas las prendas; y también, comentarios y/o gráficas de lo que piensan los clientes en relación a sus prendas, esto con la finalidad de que el cliente pueda tener mejor información y poder tomar la decisión de comprar de manera más acertada. Por último, en relación al cuarto objetivo, en el cual se identificó que los consumidores de ropa casual femenina tienen la intención de incrementar sus compras por e-commerce durante festividades importantes, como navidad, día de la amistad, entre otros. Frente a ello, se recomienda que las tiendas por departamento puedan desarrollar mayor cantidad de 101 promociones en dichas fechas, con la finalidad de que las personas puedan efectuar su compra. 3. Limitaciones En el desarrollo de la investigación se observaron una serie de limitaciones, las cuales se mencionan a continuación. En primer lugar, a nivel cuantitativo, si bien los resultados estadísticamente permiten identificar los factores que intervienen en la adopción del e-commerce, estos no logran profundizar el porqué de cada uno de ellos. En segundo lugar, a nivel cualitativo, el presente estudio se desarrolló mediante un muestreo probabilístico por conveniencia, lo cual no permite que esta sea representativa de toda la población. Asimismo, se encontró la limitante de no poder realizar con normalidad el focus group de forma presencial para el análisis cualitativo. Esto debido al contexto actual que se presenta respecto a la pandemia de la Covid-19, la cual no permite realizar el trabajo de campo de manera presencial sin tener riesgos relacionados a la salud. Por ello, se realizaron los focus group de manera virtual, mediante la plataforma zoom, lo cual no permitió, de manera clara, observar las reacciones y lenguaje no verbal de los participantes. En tercer lugar, otra limitante fue que existían fuentes de otros países con restricción monetaria, que, si bien en algunos casos se encontró citas de estos en otras fuentes, hubiera sido provechoso contar con la fuente original. Finalmente, en relación al trabajo de campo, la dificultad que surgió, fue el no encontrar público de todas las edades de manera sencilla y equiparada. Esto debido a que el rango de edad más próximo a las investigadoras era entre 18 y 25 años. 102 REFERENCIAS Agudo, A. (2014). Análisis de los factores de adopción de comercio electrónico en segmentos de consumidores finales: aplicación al caso español [Tesis Doctoral, Universidad politécnica de Madrid]. https://oa.upm.es/29489/ Alibaba (21 de junio del 2021). Top 9 fashion and apparel industry trends for 2021.Alibaba https://seller.alibaba.com/businessblogs/pxj79hm8-top-9-fashion-and-apparel- industry-trends-for-2021 Álvarez, F. (2015). Implementación de nuevas tecnologías: valuación, variables, riesgos y escenarios tecnológicos. UFG-editores. https://archivo.cepal.org/pdfs/GuiaProspectiva/Alvarez2015Implementacion.pdf Araki, C. (2018). E-commerce el caso oechsle [Tesis de pregrado, Universidad de Piura].https://pirhua.udep.edu.pe/bitstream/handle/11042/3507/TSP_AE_010_REST. pdf?sequence=1&isAllowed=y Armijo, F. (7 de marzo del 2019). GfK: ¿Por qué los peruanos tienen miedo a comprar en internet?. Gestión. https://gestion.pe/economia/gfk-peruanos-miedo-comprar-internet- 260721-noticia/ Asociación Peruana de Empresas de Inteligencia de Mercados (2020). Niveles socioeconómicos 2020. APEIM. https://apeim.com.pe/informes-nse-anteriores/ Barbour, R. (2007). Los grupos de discusión en Investigación Cualitativa. Morata. http://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2019/08/1- Unidad-3_BARBOUR.pdf Becerra, J. (27 de mayo del 2019). Perú: Mercado de tiendas por departamento mueve en el país más de US$ 1,800 millones. América Retail. https://www.america- retail.com/peru/peru-mercado-de-tiendas-por-departamento-mueve-en-el-pais-mas- de-us-1800-millones/ Becerra, J. (2 de setiembre del 2019). Perú: Estas son las departamentales preferidas por los peruanos. América Retail. https://www.america-retail.com/peru/peru-estas-son- las-departamentales-preferidas-por-los-peruanos/ Becerra, J. (27 de abril del 2021). Ecommerce: Ripley.com es elegida como la mejor plataforma en el año del boom online. América Retail. https://www.america- retail.com/ecommerce/ecommerce-ripley-com-es-elegida-como-la-mejor-plataforma- en-el-ano-del-boom-online/ Bravo, F. (10 de agosto del 2021). Ecommerce B2B Perú. Ripley, el primer retail en el Perú en integrar realidad aumentada en su tienda online. E-commerce news. https://www.ecommercenews.pe/comercio-electronico/2021/ripley-realidad- aumentada.html CAPECE (2019). Reporte oficial de la industria ecommerce en el Perú: Crecimiento de Perú y Latinoamérica 2009-2019. Cámara Peruana de Comercio Electrónico. https://www.inteligenciaparanegocios.com/wp-content/uploads/2020/02/Reporte- Oficial-de-la-Industria-Ecommerce-en-Peru.pdf https://oa.upm.es/29489/ https://seller.alibaba.com/businessblogs/pxj79hm8-top-9-fashion-and-apparel-industry-trends-for-2021 https://seller.alibaba.com/businessblogs/pxj79hm8-top-9-fashion-and-apparel-industry-trends-for-2021 https://seller.alibaba.com/businessblogs/pxj79hm8-top-9-fashion-and-apparel-industry-trends-for-2021 file:///d:/Users/user/Downloads/UFG-editores.%20https:/archivo.cepal.org/pdfs/GuiaProspectiva/Alvarez2015Implementacion.pdf file:///d:/Users/user/Downloads/UFG-editores.%20https:/archivo.cepal.org/pdfs/GuiaProspectiva/Alvarez2015Implementacion.pdf https://pirhua.udep.edu.pe/bitstream/handle/11042/3507/TSP_AE_010_REST.pdf?sequence=1&isAllowed=y https://pirhua.udep.edu.pe/bitstream/handle/11042/3507/TSP_AE_010_REST.pdf?sequence=1&isAllowed=y https://gestion.pe/economia/gfk-peruanos-miedo-comprar-internet-260721-noticia/ https://gestion.pe/economia/gfk-peruanos-miedo-comprar-internet-260721-noticia/ https://apeim.com.pe/informes-nse-anteriores/ http://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2019/08/1-Unidad-3_BARBOUR.pdf http://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2019/08/1-Unidad-3_BARBOUR.pdf https://www.america-retail.com/peru/peru-mercado-de-tiendas-por-departamento-mueve-en-el-pais-mas-de-us-1800-millones/ https://www.america-retail.com/peru/peru-mercado-de-tiendas-por-departamento-mueve-en-el-pais-mas-de-us-1800-millones/ https://www.america-retail.com/peru/peru-mercado-de-tiendas-por-departamento-mueve-en-el-pais-mas-de-us-1800-millones/ https://www.america-retail.com/peru/peru-estas-son-las-departamentales-preferidas-por-los-peruanos/ https://www.america-retail.com/peru/peru-estas-son-las-departamentales-preferidas-por-los-peruanos/ https://www.america-retail.com/ecommerce/ecommerce-ripley-com-es-elegida-como-la-mejor-plataforma-en-el-ano-del-boom-online/ https://www.america-retail.com/ecommerce/ecommerce-ripley-com-es-elegida-como-la-mejor-plataforma-en-el-ano-del-boom-online/ https://www.america-retail.com/ecommerce/ecommerce-ripley-com-es-elegida-como-la-mejor-plataforma-en-el-ano-del-boom-online/ https://www.ecommercenews.pe/comercio-electronico/2021/ripley-realidad-aumentada.html https://www.ecommercenews.pe/comercio-electronico/2021/ripley-realidad-aumentada.html https://www.ecommercenews.pe/comercio-electronico/2021/ripley-realidad-aumentada.html https://www.inteligenciaparanegocios.com/wp-content/uploads/2020/02/Reporte-Oficial-de-la-Industria-Ecommerce-en-Peru.pdf https://www.inteligenciaparanegocios.com/wp-content/uploads/2020/02/Reporte-Oficial-de-la-Industria-Ecommerce-en-Peru.pdf 103 CAPECE (2021). Reporte oficial de la industria ecommerce en el Perú: Perspectivas al 2021. Cámara Peruana de Comercio Electrónico. https://www.capece.org.pe/wp- content/uploads/2021/03/Observatorio-Ecommerce-Peru-2020-2021.pdf CAPECE (2022). Reporte oficial de la industria ecommerce en el Perú. La democratización del comercio electrónico como política nacional para acelerar el desarrollo de la economía. Cámara Peruana de Comercio Electrónico. https://www.dropbox.com/s/mv9q2gyrkziszuf/0%20Observatorio%20Ecommerce%20 Per%C3%BA%202021-2022.pdf?dl=0 Carrasquilla, M. (18 de enero del 2017) Marco conceptual: Variables moderadoras. Scribbr. https://www.scribbr.es/estructura/marco-conceptual-variables-moderadoras/ Charpail, M. (26 de abril del 2017). ¿Qué le pasa a la industria de la moda?. Sustain your Style. https://es.sustainyourstyle.org/en/whats-wrong-with-the-fashion-industry Chión, S., y Charles, V. (2016). Analítica de datos para la modelación estructural. Pearson. Cisco (2021). Herramientas de recopilación automática de datos. Cisco. Recuperado el 23 de mayo del 2022. https://www.cisco.com/c/es_mx/about/legal/adct.html Cohen, L., Manion, L., & Morrison, K. (2007). Research Methods in Education. Routledge. https://gtu.ge/Agro-Lib/RESEARCH%20METHOD%20COHEN%20ok.pdf Davis, F., Bagozzi, R., & Warshaw, P. (1989) User Acceptance of Computer Technology: A Comparison of Two Theoretical Models. Management Science, 35 (8), 982-1003 Díaz, E. (9 de octubre del 2019). Tendencias de la industria de la moda. EY. https://www.ey.com/es_pe/consumer-products-retail/tendencias-de-la-industria-de-la- moda Digital Commerce (28 de junio del 2021). Digital Commerce 360’s new 2021 Online Apparel report details and analyzes the current state of online apparel with exclusive research, data, interviews and surveys. Digital Commerce: 360. https://www.digitalcommerce360.com/article/online-apparel-sales-us/ ELBS (18 de diciembre del 2019). Cómo vestir ropa casual. ELBS. https://escuelaelbs.com/vestir-ropa-casual/ Emprendepyme (2021). Herramientas para medir los mapas de calor en el e-commerce. Emprendepyme.net. https://sell.emprendepyme.net/herramientas-para-medir-los- mapas-de-calor-en-el-e-commerce.html ENAHO (2020). Presentación de la encuesta nacional de hogares 2020. INEC. https://www.inec.cr/multimedia/enaho-2020-presentacion-de-la-encuesta-nacional- de-hogares-2020 ESAN (18 de junio 2019). ¿Cómo se comporta el consumidor online en Perú?. ESAN. https://www.esan.edu.pe/conexion-esan/como-se-comporta-el-consumidor-online-en- peru Escobar, J., y Cuervo, A. (2008). Validez de contenido y juicio de expertos: Una aproximación a su utilización. Avances en medición, 6 (8), 27-36. https://www.researchgate.net/publication/302438451_Validez_de_contenido_y_juicio _de_expertos_Una_aproximacion_a_su_utilizacion https://www.capece.org.pe/wp-content/uploads/2021/03/Observatorio-Ecommerce-Peru-2020-2021.pdf https://www.capece.org.pe/wp-content/uploads/2021/03/Observatorio-Ecommerce-Peru-2020-2021.pdf https://www.dropbox.com/s/mv9q2gyrkziszuf/0%20Observatorio%20Ecommerce%20Per%C3%BA%202021-2022.pdf?dl=0 https://www.dropbox.com/s/mv9q2gyrkziszuf/0%20Observatorio%20Ecommerce%20Per%C3%BA%202021-2022.pdf?dl=0 https://www.scribbr.es/estructura/marco-conceptual-variables-moderadoras/ https://www.scribbr.es/estructura/marco-conceptual-variables-moderadoras/ https://es.sustainyourstyle.org/en/whats-wrong-with-the-fashion-industry https://www.cisco.com/c/es_mx/about/legal/adct.html https://www.cisco.com/c/es_mx/about/legal/adct.html https://www.cisco.com/c/es_mx/about/legal/adct.html https://www.ey.com/es_pe/consumer-products-retail/tendencias-de-la-industria-de-la-moda https://www.ey.com/es_pe/consumer-products-retail/tendencias-de-la-industria-de-la-moda https://www.ey.com/es_pe/consumer-products-retail/tendencias-de-la-industria-de-la-moda https://www.digitalcommerce360.com/article/online-apparel-sales-us/ https://www.digitalcommerce360.com/article/online-apparel-sales-us/ https://escuelaelbs.com/vestir-ropa-casual/ https://escuelaelbs.com/vestir-ropa-casual/ https://sell.emprendepyme.net/herramientas-para-medir-los-mapas-de-calor-en-el-e-commerce.html https://sell.emprendepyme.net/herramientas-para-medir-los-mapas-de-calor-en-el-e-commerce.html https://www.inec.cr/multimedia/enaho-2020-presentacion-de-la-encuesta-nacional-de-hogares-2020 https://www.inec.cr/multimedia/enaho-2020-presentacion-de-la-encuesta-nacional-de-hogares-2020 https://www.inec.cr/multimedia/enaho-2020-presentacion-de-la-encuesta-nacional-de-hogares-2020 https://www.esan.edu.pe/conexion-esan/como-se-comporta-el-consumidor-online-en-peru https://www.esan.edu.pe/conexion-esan/como-se-comporta-el-consumidor-online-en-peru https://www.esan.edu.pe/conexion-esan/como-se-comporta-el-consumidor-online-en-peru https://www.researchgate.net/publication/302438451_Validez_de_contenido_y_juicio_de_expertos_Una_aproximacion_a_su_utilizacion https://www.researchgate.net/publication/302438451_Validez_de_contenido_y_juicio_de_expertos_Una_aproximacion_a_su_utilizacion 104 Esic. (21 de diciembre del 2016). El e-commerce: sus orígenes, presente y tendencias futuras. Esic. https://www.esic.edu/saladeprensa/prensa/noticia/el-e-commerce-sus-origenes- presente-y-tendencias-futuras Fishbein, M., & Ajzen, I. (1975), Belief, Attitude, Intention and Behavior: An Introduction to Theory and Research. Addison-Wesley Gallego, D., Bueno, S., y Terreño, F. (2016). Motivaciones y barreras para la implantación del comercio electrónico en España: un estudio Delphi. Estudios Gerenciales, 32 (140), 221-227. https://www.redalyc.org/pdf/212/21248046003.pdf García, M. (2011). Análisis causal con ecuaciones estructurales de la satisfacción ciudadana con los servicios municipales [Tesis de maestría, Universidad de Santiago de Compostela]. http://eio.usc.es/pub/mte/descargas/proyectosfinmaster/proyecto_610.pdf Gaxiola, B. (2022). Ven en mercados emergentes el futuro del e-commerce. The logistics world. https://thelogisticsworld.com/historico/ven-en-mercados-emergentes-el-futuro- del-e-commerce-2/ Gefen, D. (2000). E-commerce: the role of familiarity and trust. Omega, 28(6), 725–737. Gestión (1 de febrero del 2021). Demanda de calzado y ropa se incrementó durante el 2020. Gestión. https://gestion.pe/economia/demanda-de-calzado-y-ropa-se-incremento- durante-el-2020-revela-informe-de-attach-nndc-noticia/ Gibbs, G. (2007). El análisis de datos cualitativos en investigación cualitativa. Morata. https://dpp2016blog.files.wordpress.com/2016/08/graham-gibbs-el-anc3a1lisis-de- datos-cualitativos-en-investigacic3b3n-cualitativa.pdf González, D. (2 de junio del 2020). Perú: Saga Falabella mantiene cuota, en tanto Ripley cede terreno a Oechsle. América Retail. https://www.america-retail.com/peru/peru-saga- falabella-mantiene-cuota-en-tanto-ripley-cede-terreno-a-oechsle/ Gop. pe (16 de enero del 2022). Plataforma digital única del estado peruano. Gobierno del Perú. https://www.gob.pe/7910-impuesto-general-a-las-ventas-igv Gunawan, A., Losaura, F., & Ahmad, N. (2020). Millennial consumer segmentation in omnichannel implementation of fashion retailers in Jakarta using utaut 2 model. Palarch’s journal of archaeology of egypt. 17(7), 2368-2382. https://www.archives.palarch.nl/index.php/jae/article/view/1553 Gupta,A., Dogra, N., & George, B. (2018). What determines tourist adoption of smartphone apps? An analysis based on the UTAUT-2 framework. Emerald Publishing Limited, 1(9). 50-64. https://www.emerald.com/insight/content/doi/10.1108/JHTT-02-2017- 0013/full/html Hern�ndez, R., Fern�ndez, C., y Baptista, P. (2014). Metodología de la investigación. (6ta ed.). McGraw Hill Education. https://www.uca.ac.cr/wp- content/uploads/2017/10/Investigacion.pdf IEP (2020). ¿Qué es el ecommerce?. IEP https://www.iep.edu.es/que-es-el-ecommerce/ InboundCycle (1 de julio del 2021). ¿Qué es un chatbot?. Inboundcycle. https://www.inboundcycle.com/diccionario-marketing-online/chatbot https://www.esic.edu/saladeprensa/prensa/noticia/el-e-commerce-sus-origenes-presente-y-tendencias-futuras https://www.esic.edu/saladeprensa/prensa/noticia/el-e-commerce-sus-origenes-presente-y-tendencias-futuras https://www.redalyc.org/pdf/212/21248046003.pdf http://eio.usc.es/pub/mte/descargas/proyectosfinmaster/proyecto_610.pdf https://thelogisticsworld.com/historico/ven-en-mercados-emergentes-el-futuro-del-e-commerce-2/ https://thelogisticsworld.com/historico/ven-en-mercados-emergentes-el-futuro-del-e-commerce-2/ https://gestion.pe/economia/demanda-de-calzado-y-ropa-se-incremento-durante-el-2020-revela-informe-de-attach-nndc-noticia/ https://gestion.pe/economia/demanda-de-calzado-y-ropa-se-incremento-durante-el-2020-revela-informe-de-attach-nndc-noticia/ https://dpp2016blog.files.wordpress.com/2016/08/graham-gibbs-el-anc3a1lisis-de-datos-cualitativos-en-investigacic3b3n-cualitativa.pdf https://dpp2016blog.files.wordpress.com/2016/08/graham-gibbs-el-anc3a1lisis-de-datos-cualitativos-en-investigacic3b3n-cualitativa.pdf https://www.america-retail.com/peru/peru-saga-falabella-mantiene-cuota-en-tanto-ripley-cede-terreno-a-oechsle/ https://www.america-retail.com/peru/peru-saga-falabella-mantiene-cuota-en-tanto-ripley-cede-terreno-a-oechsle/ https://www.gob.pe/7910-impuesto-general-a-las-ventas-igv https://www.archives.palarch.nl/index.php/jae/article/view/1553 https://www.archives.palarch.nl/index.php/jae/article/view/1553 https://www.emerald.com/insight/content/doi/10.1108/JHTT-02-2017-0013/full/html https://www.emerald.com/insight/content/doi/10.1108/JHTT-02-2017-0013/full/html https://www.uca.ac.cr/wp-content/uploads/2017/10/Investigacion.pdf https://www.uca.ac.cr/wp-content/uploads/2017/10/Investigacion.pdf https://www.iep.edu.es/que-es-el-ecommerce/ https://www.inboundcycle.com/diccionario-marketing-online/chatbot 105 INEI (2019). Sistema estadístico nacional:Provincia de Lima. Compendio Estadístico 2019. Instituto Nacional de Estadística e Inform�tica. https://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib1714/Li bro.pdf IPE (29 de noviembre del 2021). Tasa de inflación es la más alta en los últimos 12 años. Instituto peruano de economía. https://www.ipe.org.pe/portal/tasa-de-inflacion-es-la- mas-alta-en-los-ultimos-12-anos/ Ipsos Perú (31 de agosto del 2020). Compradores por internet. Ipsos. https://www.ipsos.com/es-pe/compradores-por-internet Jhonson, G. (22 de enero del 2021). E-commerce en provincias: Un reto pendiente. Conexión Esan. https://www.esan.edu.pe/conexion/actualidad/2021/01/22/e-commerce-en- provincias-un-reto-pendiente/ Joo, H., & Lee, E. (2016). A Study on the User Acceptance Model of Omni Channel Service Based on Unified Theory of Acceptance and Use of Technology (UTAUT). The Korean Home Economics Association, 54(4), 405-414. https://www.koreascience.or.kr/article/JAKO201626360541737.pdf Kantar Worldpanel (7 de junio del 2019). Prendas para mujer concentran el 45% del gasto de ropa. Kantar. https://www.kantarworldpanel.com/pe/Noticias/Prendas--para-mujer- concentran-el-45-del-gasto-de-ropa Kline,R. (2005). Principles and Practice of Structural Equation Modeling. The guilford press https://books.google.com.pe/books?hl=es&lr=&id=Q61ECgAAQBAJ&oi=fnd&pg=PP1 &dq=Principles+and+Practice+of+Structural+Equation+Modeling.+Rex+B.+Kline.+20 05.&ots=jFjmZxB8ok&sig=FueuKjKRBchFXGtxFYoY86ISvPE#v=onepage&q=Princip les%20and%20Practice%20of%20Structural%20Equation%20Modeling.%20Rex%20 B.%20Kline.%202005.&f=false Kotler, P., y Armstrong, G. (2008). Fundamentos de Marketing (8a ed). Pearson Educación. Kotler, P., y Keller, K (2012). Dirección de marketing. Pearson Educación. http://www.montartuempresa.com/wp-content/uploads/2016/01/direccion-de- marketing-14edi-kotler1.pdf Lara, A. (2014). Introducción a las ecuaciones estructurales en AMOS y R. Memoria de Máster en Estadística Aplicada. Universidad de Granada. https://docplayer.es/27322041- Introduccion-a-las-ecuaciones-estructurales-en-amos-y-r.html Laudon, K., y Laudon, J. (2016). Sistemas de información gerencial. Pearson https://juanantonioleonlopez.files.wordpress.com/2017/08/sistemas-de- informacic3b3n-gerencial-12va-edicic3b3n-kenneth-c-laudon.pdf Laudon, K., & Traver, C. (2017). E-commerce: Business, technology, society. Pearson https://bawar.net/data0/books/5c63140ab1587/pdf/Kenneth_C__Laudon,_Carol_Gue rcio_Traver_-_E-Commerce_2017_(2017,_Pearson).pdf Laudon, K., & Traver, C. (2018). E-commerce: Business, technology, society. Pearson https://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib1714/Libro.pdf https://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib1714/Libro.pdf https://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib1714/Libro.pdf https://www.ipe.org.pe/portal/tasa-de-inflacion-es-la-mas-alta-en-los-ultimos-12-anos/ https://www.ipe.org.pe/portal/tasa-de-inflacion-es-la-mas-alta-en-los-ultimos-12-anos/ https://www.ipsos.com/es-pe/compradores-por-internet https://www.ipsos.com/es-pe/compradores-por-internet https://www.esan.edu.pe/conexion/actualidad/2021/01/22/e-commerce-en-provincias-un-reto-pendiente/ https://www.esan.edu.pe/conexion/actualidad/2021/01/22/e-commerce-en-provincias-un-reto-pendiente/ https://www.koreascience.or.kr/article/JAKO201626360541737.pdf https://www.koreascience.or.kr/article/JAKO201626360541737.pdf https://www.kantarworldpanel.com/pe/Noticias/Prendas--para-mujer-concentran-el-45-del-gasto-de-ropa https://www.kantarworldpanel.com/pe/Noticias/Prendas--para-mujer-concentran-el-45-del-gasto-de-ropa https://books.google.com.pe/books?hl=es&lr=&id=Q61ECgAAQBAJ&oi=fnd&pg=PP1&dq=Principles+and+Practice+of+Structural+Equation+Modeling.+Rex+B.+Kline.+2005.&ots=jFjmZxB8ok&sig=FueuKjKRBchFXGtxFYoY86ISvPE#v=onepage&q=Principles%20and%20Practice%20of%20Structural%20Equation%20Modeling.%20Rex%20B.%20Kline.%202005.&f=false https://books.google.com.pe/books?hl=es&lr=&id=Q61ECgAAQBAJ&oi=fnd&pg=PP1&dq=Principles+and+Practice+of+Structural+Equation+Modeling.+Rex+B.+Kline.+2005.&ots=jFjmZxB8ok&sig=FueuKjKRBchFXGtxFYoY86ISvPE#v=onepage&q=Principles%20and%20Practice%20of%20Structural%20Equation%20Modeling.%20Rex%20B.%20Kline.%202005.&f=false https://books.google.com.pe/books?hl=es&lr=&id=Q61ECgAAQBAJ&oi=fnd&pg=PP1&dq=Principles+and+Practice+of+Structural+Equation+Modeling.+Rex+B.+Kline.+2005.&ots=jFjmZxB8ok&sig=FueuKjKRBchFXGtxFYoY86ISvPE#v=onepage&q=Principles%20and%20Practice%20of%20Structural%20Equation%20Modeling.%20Rex%20B.%20Kline.%202005.&f=false https://books.google.com.pe/books?hl=es&lr=&id=Q61ECgAAQBAJ&oi=fnd&pg=PP1&dq=Principles+and+Practice+of+Structural+Equation+Modeling.+Rex+B.+Kline.+2005.&ots=jFjmZxB8ok&sig=FueuKjKRBchFXGtxFYoY86ISvPE#v=onepage&q=Principles%20and%20Practice%20of%20Structural%20Equation%20Modeling.%20Rex%20B.%20Kline.%202005.&f=false https://books.google.com.pe/books?hl=es&lr=&id=Q61ECgAAQBAJ&oi=fnd&pg=PP1&dq=Principles+and+Practice+of+Structural+Equation+Modeling.+Rex+B.+Kline.+2005.&ots=jFjmZxB8ok&sig=FueuKjKRBchFXGtxFYoY86ISvPE#v=onepage&q=Principles%20and%20Practice%20of%20Structural%20Equation%20Modeling.%20Rex%20B.%20Kline.%202005.&f=false https://books.google.com.pe/books?hl=es&lr=&id=Q61ECgAAQBAJ&oi=fnd&pg=PP1&dq=Principles+and+Practice+of+Structural+Equation+Modeling.+Rex+B.+Kline.+2005.&ots=jFjmZxB8ok&sig=FueuKjKRBchFXGtxFYoY86ISvPE#v=onepage&q=Principles%20and%20Practice%20of%20Structural%20Equation%20Modeling.%20Rex%20B.%20Kline.%202005.&f=false http://www.montartuempresa.com/wp-content/uploads/2016/01/direccion-de-marketing-14edi-kotler1.pdf http://www.montartuempresa.com/wp-content/uploads/2016/01/direccion-de-marketing-14edi-kotler1.pdf http://www.montartuempresa.com/wp-content/uploads/2016/01/direccion-de-marketing-14edi-kotler1.pdf https://docplayer.es/27322041-Introduccion-a-las-ecuaciones-estructurales-en-amos-y-r.html https://docplayer.es/27322041-Introduccion-a-las-ecuaciones-estructurales-en-amos-y-r.html https://juanantonioleonlopez.files.wordpress.com/2017/08/sistemas-de-informacic3b3n-gerencial-12va-edicic3b3n-kenneth-c-laudon.pdf https://juanantonioleonlopez.files.wordpress.com/2017/08/sistemas-de-informacic3b3n-gerencial-12va-edicic3b3n-kenneth-c-laudon.pdf https://juanantonioleonlopez.files.wordpress.com/2017/08/sistemas-de-informacic3b3n-gerencial-12va-edicic3b3n-kenneth-c-laudon.pdf https://bawar.net/data0/books/5c63140ab1587/pdf/Kenneth_C__Laudon,_Carol_Guercio_Traver_-_E-Commerce_2017_(2017,_Pearson).pdf https://bawar.net/data0/books/5c63140ab1587/pdf/Kenneth_C__Laudon,_Carol_Guercio_Traver_-_E-Commerce_2017_(2017,_Pearson).pdf https://bawar.net/data0/books/5c63140ab1587/pdf/Kenneth_C__Laudon,_Carol_Guercio_Traver_-_E-Commerce_2017_(2017,_Pearson).pdf 106 Limas, S. (2020). El comercio electrónico (e-commerce) es un aliado estratégico para las empresas en Colombia. Risti. (34), 235- 251. https://www.proquest.com/openview/f098bb520fa2b09c34ea661067855b94/1?pqorig site=gscholar&cbl=1006393 Machuca, G. (30 de octubre del 2020). Moda y reciclaje: sigue estas cuentas locales de Instagram para comprar ropa de segundo uso en buen estado. El Comercio. https://elcomercio.pe/somos/historias/ropa-de-segunda-mano-cuentas-de-instagram- tiendas-de-prendas-usadas-en-internet-peru-noticia/ Mercado Negro (2021). Crecimiento del eCommerce en provincias sigue siendo lento en comparación a la capital [Linio]. Mercado Negro. https://www.mercadonegro.pe/marketing/ecommerce/crecimiento-del-ecommerce- en-provincias-sigue-siendo-lento-en-comparacion-a-la-capital-linio/ Moreno, S. (2021). El consumidor peruano: ¿Cuál es su perfil para este 2021?. Data. https://www.datatrust.pe/marketing-digital/perfil-consumidor-peruano/ Najwa (2013). Analysis of E-Commerce and M-Commerce: Advantages, Limitations and Security issues. International Journal of Advanced Research in Computer and Communication Engineering, 2 (6), 2360 -2370. OECD (2005). Manual de Oslo: directrices para la recogida e interpretación de información relativa a innovación. OECD y Eurostat http://www.itq.edu.mx/convocatorias/manualdeoslo.pdf Oechsle (2022). ¿Quiénes somos?. Oechsle. https://www.oechsle.pe/sobre-nosotros Oie, R. (18 de enero del 2018). Tiendas por departamento son el segundo canal de compra textil en Lima. Perú Retail. https://www.peru-retail.com/tiendas-departamento- segundo-canal-compra-textil-lima/ Orendorff (18 de febrero del 2021).The State of the Ecommerce Fashion Industry: Statistics, Trends & Strategies to Use in 2022. Shopifyplus. https://www.shopify.com/enterprise/ecommerce-fashion-industry Osiptel (19 de mayo del 2021). OSIPTEL: Perú supera las 40 millones de líneas móviles, cifra más alta desde noviembre de 2019. Osiptel. https://www.osiptel.gob.pe/portal-del- usuario/noticias/osiptel-peru-supera-las-40-millones-de-lineas-moviles-cifra-mas-alta- desde-noviembre-de-2019/ Pasco, M., y Ponce, F. (2015). Guía de investigación en Gestión. Vicerrectorado de investigación http://cdn02.pucp.education/investigacion/2016/06/10202225/GUIiA- DE-INVESTIGACIOiN-EN-GESTIOiN_LISTO_2X2_16nov_f2.pdf Peñarroja. M. (7 de setiembre del 2020). Qué es la “intención de compra” y cómo medirla en internet. Diffusion Sports. https://www.diffusionsport.com/que-es-la-intencion-de- compra-y-como-medirla-en-internet-49093/ Pérez, M., Martínez., De Luis Carnicer P., y Vela M. (2006). Las TIC en las PYMES: Estudio de resultados y factores de adopción. Economía industrial. https://www.mincotur.gob.es/Publicaciones/Publicacionesperiodicas/EconomiaIndustr ial/RevistaEconomiaIndustrial/360/3P93-105_%20Ei%20360-10.pdf https://www.proquest.com/openview/f098bb520fa2b09c34ea661067855b94/1?pqorigsite=gscholar&cbl=1006393 https://www.proquest.com/openview/f098bb520fa2b09c34ea661067855b94/1?pqorigsite=gscholar&cbl=1006393 https://www.proquest.com/openview/f098bb520fa2b09c34ea661067855b94/1?pqorigsite=gscholar&cbl=1006393 https://elcomercio.pe/somos/historias/ropa-de-segunda-mano-cuentas-de-instagram-tiendas-de-prendas-usadas-en-internet-peru-noticia/ https://elcomercio.pe/somos/historias/ropa-de-segunda-mano-cuentas-de-instagram-tiendas-de-prendas-usadas-en-internet-peru-noticia/ https://elcomercio.pe/somos/historias/ropa-de-segunda-mano-cuentas-de-instagram-tiendas-de-prendas-usadas-en-internet-peru-noticia/ https://www.mercadonegro.pe/marketing/ecommerce/crecimiento-del-ecommerce-en-provincias-sigue-siendo-lento-en-comparacion-a-la-capital-linio/ https://www.mercadonegro.pe/marketing/ecommerce/crecimiento-del-ecommerce-en-provincias-sigue-siendo-lento-en-comparacion-a-la-capital-linio/ https://www.datatrust.pe/marketing-digital/perfil-consumidor-peruano/ https://www.datatrust.pe/marketing-digital/perfil-consumidor-peruano/ http://www.itq.edu.mx/convocatorias/manualdeoslo.pdf http://www.itq.edu.mx/convocatorias/manualdeoslo.pdf https://www.oechsle.pe/sobre-nosotros https://www.peru-retail.com/tiendas-departamento-segundo-canal-compra-textil-lima/ https://www.peru-retail.com/tiendas-departamento-segundo-canal-compra-textil-lima/ https://www.shopify.com/enterprise/ecommerce-fashion-industry https://www.shopify.com/enterprise/ecommerce-fashion-industry https://www.osiptel.gob.pe/portal-del-usuario/noticias/osiptel-peru-supera-las-40-millones-de-lineas-moviles-cifra-mas-alta-desde-noviembre-de-2019/ https://www.osiptel.gob.pe/portal-del-usuario/noticias/osiptel-peru-supera-las-40-millones-de-lineas-moviles-cifra-mas-alta-desde-noviembre-de-2019/ https://www.osiptel.gob.pe/portal-del-usuario/noticias/osiptel-peru-supera-las-40-millones-de-lineas-moviles-cifra-mas-alta-desde-noviembre-de-2019/ http://cdn02.pucp.education/investigacion/2016/06/10202225/GUIiA-DE-INVESTIGACIOiN-EN-GESTIOiN_LISTO_2X2_16nov_f2.pdf http://cdn02.pucp.education/investigacion/2016/06/10202225/GUIiA-DE-INVESTIGACIOiN-EN-GESTIOiN_LISTO_2X2_16nov_f2.pdf https://www.diffusionsport.com/que-es-la-intencion-de-compra-y-como-medirla-en-internet-49093/ https://www.diffusionsport.com/que-es-la-intencion-de-compra-y-como-medirla-en-internet-49093/ https://www.mincotur.gob.es/Publicaciones/Publicacionesperiodicas/EconomiaIndustrial/RevistaEconomiaIndustrial/360/3P93-105_%20Ei%20360-10.pdf https://www.mincotur.gob.es/Publicaciones/Publicacionesperiodicas/EconomiaIndustrial/RevistaEconomiaIndustrial/360/3P93-105_%20Ei%20360-10.pdf https://www.mincotur.gob.es/Publicaciones/Publicacionesperiodicas/EconomiaIndustrial/RevistaEconomiaIndustrial/360/3P93-105_%20Ei%20360-10.pdf 107 Perú Retail (23 de marzo del 2017). El ecommerce del mañana está orientado al m- commerce. Perú Retail. https://www.peru-retail.com/ecommerce-manana-esta- orientado-m-commerce/ Pinto, K. (2 de agosto del 2021). Millennials y la generación Z son los grupos que jalonarán las ventas del lujo a 2025. La República. https://www.larepublica.co/ocio/millennials- y-la-generacion-z-son-los-grupos-que-jalonaran-las-ventas-del-lujo-a-2025-3210030 PRODUCE (2021). ¿Quiénes somos?. Ministerio de la Producción. https://ogeiee.produce.gob.pe/index.php/en/oficinageneral/subdirecciones- ogeiee/itemlist/category/36-ogeiee PWC (2020). PWC. Sunafil. https://www.pwc.pe/es/assets/document/Multas-SUNAFIL- 2020.pdf Ramdhani, A., Siti, I., Sandya, I & Nur, L. (2019). E-Tailing Consumer Adoption in The Indonesian Fashion Industry: The Role of Technology Acceptance Model. Jurnal Riset Bisnis dan Investasi, 5(2), 10-15. https://doi.org/10.35313/jrbi.v5i2.1323 Reyes, M., y Castañeda. P. (2020). Aplicación Del Modelo De Aceptación Tecnológica En Sistemas De Información De La Administración Pública Del Perú. Revista Peruana De Computación y Sistemas, 3 (1):15-22. https://doi.org/10.15381/rpcs.v3i1.18350. Retail Insight Network (8 de julio 2021).Direct To Consumer in Apparel: Industry Trends. Retail Insight Network. https://www.retail-insight-network.com/comment/direct-to-consumer- apparel-industry-trends/ Ripley (2022). Somos Ripley. Ripley. https://simple.ripley.com.pe/minisitios/especial/quienes- somos/ Rojas, R. (18 de marzo del 2022). Perú lidera el crecimiento del e-Commerce en la región con un 87%. Innova Supply Chain https://gs1pe.org/innovasupplychain/noticias/peru- lidera-el-crecimiento-e-commerce-en-la-region-con-un-87 Rositas, J. (2014). Los tamaños de las muestras en encuestas de las ciencias sociales y su repercusión en la generación del conocimiento. Innovaciones en Negocios, 11 (2), 235-268. https://revistainnovaciones.uanl.mx/index.php/revin/article/view/59/56 Ruiz, M., Pardo, A., y San Martín, R. (2010). Modelo de Ecuaciones Estructurales. Papeles del Psicólogo, 31 (1), 34-45. https://www.redalyc.org/pdf/778/77812441004.pdf Saga Falabella. (2022). Moda Mujer. Saga Falabella. https://www.falabella.com.pe/falabella- pe/category/cat4100462/Moda-Mujer Salas, L. (23 de abril del 2018). Así han impactado las 'fast fashion' desde su llegada al Perú. El Comercio. https://elcomercio.pe/economia/impacto-fast-fashion-llegada-peru- noticia-514109-noticia/ Saucedo, J. (11 de agosto del 2021). Empresarios de Gamarra son afectados por el alza del dólar que sigue por encima de S/ 4. El comercio. https://elcomercio.pe/economia/negocios/gamarra-confeccionistas-empresarios-son- afectados-por-el-alza-del-dolar-que-sigue-por-encima-de-los-s-4-nndc- noticia/?ref=ecr Schiffman, L y Kanuk L. (2010). Comportamiento del consumidor. Pearson Educación https://www.peru-retail.com/ecommerce-manana-esta-orientado-m-commerce/ https://www.peru-retail.com/ecommerce-manana-esta-orientado-m-commerce/ https://www.larepublica.co/ocio/millennials-y-la-generacion-z-son-los-grupos-que-jalonaran-las-ventas-del-lujo-a-2025-3210030 https://www.larepublica.co/ocio/millennials-y-la-generacion-z-son-los-grupos-que-jalonaran-las-ventas-del-lujo-a-2025-3210030 https://ogeiee.produce.gob.pe/index.php/en/oficinageneral/subdirecciones-ogeiee/itemlist/category/36-ogeiee https://ogeiee.produce.gob.pe/index.php/en/oficinageneral/subdirecciones-ogeiee/itemlist/category/36-ogeiee https://ogeiee.produce.gob.pe/index.php/en/oficinageneral/subdirecciones-ogeiee/itemlist/category/36-ogeiee https://www.pwc.pe/es/assets/document/Multas-SUNAFIL-2020.pdf https://www.pwc.pe/es/assets/document/Multas-SUNAFIL-2020.pdf https://doi.org/10.35313/jrbi.v5i2.1323 https://doi.org/10.15381/rpcs.v3i1.18350 https://www.retail-insight-network.com/comment/direct-to-consumer-apparel-industry-trends/ https://www.retail-insight-network.com/comment/direct-to-consumer-apparel-industry-trends/ https://simple.ripley.com.pe/minisitios/especial/quienes-somos/ https://simple.ripley.com.pe/minisitios/especial/quienes-somos/ https://gs1pe.org/innovasupplychain/noticias/peru-lidera-el-crecimiento-e-commerce-en-la-region-con-un-87 https://gs1pe.org/innovasupplychain/noticias/peru-lidera-el-crecimiento-e-commerce-en-la-region-con-un-87 https://revistainnovaciones.uanl.mx/index.php/revin/article/view/59/56 https://www.redalyc.org/pdf/778/77812441004.pdf https://www.falabella.com.pe/falabella-pe/category/cat4100462/Moda-Mujer https://www.falabella.com.pe/falabella-pe/category/cat4100462/Moda-Mujer https://elcomercio.pe/economia/impacto-fast-fashion-llegada-peru-noticia-514109-noticia/ https://elcomercio.pe/economia/impacto-fast-fashion-llegada-peru-noticia-514109-noticia/ https://elcomercio.pe/economia/negocios/gamarra-confeccionistas-empresarios-son-afectados-por-el-alza-del-dolar-que-sigue-por-encima-de-los-s-4-nndc-noticia/?ref=ecr https://elcomercio.pe/economia/negocios/gamarra-confeccionistas-empresarios-son-afectados-por-el-alza-del-dolar-que-sigue-por-encima-de-los-s-4-nndc-noticia/?ref=ecr https://elcomercio.pe/economia/negocios/gamarra-confeccionistas-empresarios-son-afectados-por-el-alza-del-dolar-que-sigue-por-encima-de-los-s-4-nndc-noticia/?ref=ecr https://elcomercio.pe/economia/negocios/gamarra-confeccionistas-empresarios-son-afectados-por-el-alza-del-dolar-que-sigue-por-encima-de-los-s-4-nndc-noticia/?ref=ecr 108 Sigmond, k. (2017). El comercio electrónico en los tratados de libre comercio de México. Revista del Instituto de Ciencia Jurídicas de Puebla, 12 (41), 359- 377. https://www.redalyc.org/pdf/2932/293258387019.pdf Somalo, I. (2017). El comercio electrónico: una vía para gestionar la venta online. ESIC. https://books.google.com.pe/books?id=xnI5DwAAQBAJ&printsec=frontcover&hl=es& source=gbs_ge_summary_r&cad=0#v=onepage&q&f=false SUNAT (25 de marzo del 2022). Exportaciones textiles crecieron un 21.1% en enero 2022, pero la competitividad del sector sigue en riesgo. Comex Perú. https://www.comexperu.org.pe/articulo/exportaciones-textiles-crecieron-un-311-en- enero-2022-pero-la-competitividad-del-sector-sigue-en-riesgo Torrado, U. (2018). Evolución del comportamiento de compra online. CEO Datum Internacional. https://www.datum.com.pe/new_web_files/files/pdf/Evolucion_del_comportamiento_d e_compra_online.pdf Vega, E. (8 de junio del 2021). Dólar: por qué sube y baja el tipo de cambio. Gestión. https://gestion.pe/tu-dinero/dolar-por-que-sube-y-baja-el-tipo-de-cambio-precio-del- dolar-tipo-de-cambio-compra-y-venta-bcr-nnda-nnlt-noticia/ Venkatesh,V., Morris,M., Davis,G. & Davis, F. (2003). Management Information Systems Research Center. Mis Quarterly, 27(3),225-278. https://doi.org/10.2307/30036540 Venkatesh, V., Thong, J., & Xu, X. (2012). Consumer Acceptance and Use of Information Technology: Extending the Unified Theory of Acceptance and Use of Technology. MIS Quarterly, vol. 36 (1), 157-178. https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.1072.9655&rep=rep1&typ e=pdf Villaseñor, E. (2021). Las prendas básicas que siempre agradecerás tener en tu clóset. Vogue. https://www.vogue.mx/especiales/shopping/shopping/articulos/prendas- basicas-que-toda-fashionista-necesita-en-su-armario/10542 Wei, Z., Lee, M., & Shen, H. (2018). What drives consumers in China to buy clothing online? Application of the technology acceptance model. Journal of Textiles and Fibrous Materials, 1 (1), 1-10. https://journals.sagepub.com/doi/full/10.1177/2515221118756791 Zaldívar. M. (2022). Perú logra importantes avances en inclusión financiera. Andina. https://andina.pe/agencia/noticia-peru-logra-importantes-avances-inclusion- financiera-886061.aspx https://www.redalyc.org/pdf/2932/293258387019.pdf https://www.redalyc.org/pdf/2932/293258387019.pdf https://books.google.com.pe/books?id=xnI5DwAAQBAJ&printsec=frontcover&hl=es&source=gbs_ge_summary_r&cad=0#v=onepage&q&f=false https://www.comexperu.org.pe/articulo/exportaciones-textiles-crecieron-un-311-en-enero-2022-pero-la-competitividad-del-sector-sigue-en-riesgo https://www.comexperu.org.pe/articulo/exportaciones-textiles-crecieron-un-311-en-enero-2022-pero-la-competitividad-del-sector-sigue-en-riesgo https://www.comexperu.org.pe/articulo/exportaciones-textiles-crecieron-un-311-en-enero-2022-pero-la-competitividad-del-sector-sigue-en-riesgo https://www.datum.com.pe/new_web_files/files/pdf/Evolucion_del_comportamiento_de_compra_online.pdf https://www.datum.com.pe/new_web_files/files/pdf/Evolucion_del_comportamiento_de_compra_online.pdf https://www.datum.com.pe/new_web_files/files/pdf/Evolucion_del_comportamiento_de_compra_online.pdf https://gestion.pe/tu-dinero/dolar-por-que-sube-y-baja-el-tipo-de-cambio-precio-del-dolar-tipo-de-cambio-compra-y-venta-bcr-nnda-nnlt-noticia/ https://gestion.pe/tu-dinero/dolar-por-que-sube-y-baja-el-tipo-de-cambio-precio-del-dolar-tipo-de-cambio-compra-y-venta-bcr-nnda-nnlt-noticia/ https://gestion.pe/tu-dinero/dolar-por-que-sube-y-baja-el-tipo-de-cambio-precio-del-dolar-tipo-de-cambio-compra-y-venta-bcr-nnda-nnlt-noticia/ https://doi.org/10.2307/30036540 https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.1072.9655&rep=rep1&type=pdf https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.1072.9655&rep=rep1&type=pdf https://www.vogue.mx/especiales/shopping/shopping/articulos/prendas-basicas-que-toda-fashionista-necesita-en-su-armario/10542 https://www.vogue.mx/especiales/shopping/shopping/articulos/prendas-basicas-que-toda-fashionista-necesita-en-su-armario/10542 https://journals.sagepub.com/doi/full/10.1177/2515221118756791 https://andina.pe/agencia/noticia-peru-logra-importantes-avances-inclusion-financiera-886061.aspx https://andina.pe/agencia/noticia-peru-logra-importantes-avances-inclusion-financiera-886061.aspx https://andina.pe/agencia/noticia-peru-logra-importantes-avances-inclusion-financiera-886061.aspx 109 ANEXOS ANEXO A: Inventario de ropa femenina en Saga Falabella, Ripley y Oechsle Tabla A1: Inventario de ropa femenina en Saga Falabella, Ripley y Oechsle CATEGORÍA TIPO DE PRENDA SAGA FALABELLA RIPLEY OESCHLE Ropa casual Licencias 0 0 65 Polos 1177 1753 432 Casacas y chalecos 348 426 130 Chompas y sweaters 658 308 123 Poleras y hoodies 312 389 48 Buzos 0 413 25 Jeans 721 919 122 Joggers 879 0 0 Faldas, shorts y capris 1581 99 27 Conjuntos 0 99 20 Porcentaje 41,70% 41,53% 36,19% Ropa de baño Ropa de baño, bikinis y salidas de playa 233 351 25 Porcentaje 1,71% 3,31% 0,91% Ropa deportiva Ropa deportiva 1160 1898 228 Porcentaje 8,52% 17,89% 8,32% Ropa interior y pijamas Lencería y ropa interior 2583 2027 929 Porcentaje 18,98% 19,11% 33,89% Ropa formal Blusas 3139 694 321 Pantalones y leggins 0 615 127 Vestidos y enterizos 708 618 82 Abrigos y blazer 112 0 37 Porcentaje 29,09% 18,16% 20,69% 110 ANEXO B: Cuestionario de la investigación 111 112 113 114 ANEXO C: Matriz de operacionalización de variables Tabla C1: Matriz de operacionalización de variables FACTORES VARIABLES Expectativa de esfuerzo EE1 Me permite de manera sencilla que la plataforma haga lo que yo le indique EE2 Es un proceso de compra claro y comprensible EE3 No me supone un gran esfuerzo EE4 Es fácil adaptarme a la plataforma Expectativas de rendimiento ER1 Mejora el rendimiento de mi compra ER2 Mejora la eficacia de mi compra ER3 Es muy útil ER4 Me aporta un gran valor ER5 Me reporta ventajas respecto a la compra tradicional Influencia Social IS1 Las personas que son importantes para mí (familia, amigos, entre otros) consideran que debería comprar ropa casual femenina por e-commerce en las tiendas por departamento por e-commerce IS2 Otras personas cuyas opiniones valoro, consideran que debería comprar ropa casual femenina por e-commerce en las tiendas por departamento por e-commerce Motivaciones hedónicas M1 Es divertido para mí M2 Es placentero para mí M3 Es muy entretenido para mí Condiciones facilitantes CF1 Al comprar por e-commerce tengo control sobre todo el proceso CF2 Puedo realizar una compra por e-commerce razonablemente bien por mi cuenta. CF3 Puedo realizar una compra por e-commerce incluso aunque no haya nadie cerca para ayudarme CF4 Dispongo de los recursos para comprar por e-commerce (acceso a Internet, tarjeta de crédito u otros medios de pago, etc.) CF5 Tengo el conocimiento necesario para comprar por e-commerce CF6 Cuando compro por e-commerce hay alguien que me puede ayudar cuando tengo dificultades con el sistema CF7 Hay un servicio de ayuda disponible en el proceso de compra por e- commerce Confianza percibida CP1 La plataforma de e-commerce es de confianza CP2 La plataforma de e-commerce cumple sus promesas y compromisos. CP3 La plataforma de e-commerce tiene las mejores intenciones. CP4 La plataforma de e-commerce tiene la capacidad de proporcionar un buen servicio CP5 Creo que no surgirán problemas imprevistos al realizar una compra por e- commerce CP6 Creo que la tecnología es adecuada para realizar una compra por e- commerce CP7 Confío en que la tecnología que usan los proveedores de e-commerce funcionará adecuadamente CP8 El uso de la plataforma como medio de compra me inspira confianza 115 Tabla C1: Matriz de operacionalización de variables (continuación) FACTORES VARIABLES Riesgo percibido R1 Es arriesgado R2 Hay una gran incertidumbre R3 No es seguro hacer pagos R4 Resulta arriesgado usar medios de pago R5 Resulta arriesgado aportar mi información personal R6 Pone en riesgo mi privacidad R7 Me arriesgo a no comprar a los precios más bajos Riesgo de producto RP1 Recibir una prenda que no encaje con la descripción RP2 Que la prenda recibida tenga desperfectos RP3 Que la prenda recibida no cumpla con mis expectativas RP4 Que la prenda sea de inferior calidad RP5 Que la prenda sea entregada fuera del plazo establecido Intención de Compra IC 1 Tengo intención de comprar ropa casual femenina por e-commerce en tiendas por departamento IC2 Probabilidad de compra de ropa casual femenina por e-commerce dentro de tiendas por departamento Conducta de compra CC1 Me considero un comprador habitual de ropa casual femenina por e- commerce en las tiendas por departamento CC2 Frecuencia de compra de ropa casual femenina por e-commerce en las tiendas por departamento 116 ANEXO D: Guía de Focus Group 117 118 ANEXO E: Nivel de Fiabilidad del Modelo inicial Tabla E1: Nivel de Fiabilidad del Modelo inicial Estadísticas de fiabilidad Alfa de Cronbach Alfa de Cronbach basada en elementos estandarizados N de elementos 0.911 0.911 45 119 ANEXO F: Relaciones entre las variables observadas Tabla F1: Relaciones entre las variables observadas del Modelo Inicial Relación Estimación S.E C.R P-Value EE4←EE 1 EE3←EE 1.044 0.071 14.671 *** EE2←EE 0.832 0.063 13.276 *** EE1←EE 0.288 0.064 4.478 *** ER5←ER 1 ER4←ER 0.958 0.073 13.059 *** ER3←ER 0.923 0.069 13.385 *** ER2←ER 1.165 0.075 15.525 *** ER1←ER 1.084 0.075 14.373 *** IS2←IS 1 IS1←IS 1.502 0.448 3.354 *** M3←M 1 M2←M 1.075 0.039 27.703 *** M1←M 1.045 0.041 25.675 *** CF7←CF 1 CF6←CF 0.905 0.154 5.867 *** CF5←CF 1.209 0.139 8.69 *** CF4←CF 1.272 0.149 8.544 *** CF3←CF 1.315 0.149 8.807 *** CF2←CF 1.082 0.132 8.171 *** CF1←CF 0.65 0.103 6.32 *** CP8←CP 1 CP7←CP 1.107 0.046 24.165 *** CP6←CP 1.004 0.048 21.137 *** CP5←CP 0.925 0.056 16.407 *** CP4←CP 0.906 0.043 20.886 *** CP3←CP 0.871 0.048 18.063 *** CP2←CP 0.931 0.049 19.07 *** CP1←CP 0.896 0.047 19.137 *** R7←R 1 R6←R 1.307 0.121 10.771 *** R5←R 1.44 0.128 11.215 *** R4←R 1.503 0.127 11.798 *** R3←R 1.348 0.118 11.38 *** R2←R 1.209 0.116 10.442 *** R1←R 1.215 0.118 10.271 *** RP1←RP 1 RP2←RP 1.082 0.067 16.238 *** RP3←RP 1.074 0.061 17.61 *** 120 Tabla F1: Relaciones entre las variables observadas del Modelo Inicial (continuación) Relación Estimación S.E C.R P-Value RP4←RP 0.943 0.07 13.483 *** RP5←RP 0.841 0.087 9.624 *** IC1←IC 1 IC2←IC 1.048 0.069 15.234 *** CC1←CC 1 CC2←CC 0.316 0.057 5.536 *** 121 ANEXO G: Relaciones entre las variables observadas del Modelo Ajustado Tabla G1: Relaciones entre las variables observadas del Modelo Ajustado Relación Estimación S.E C.R P-Value ER5←ER 1 ER4←ER 0.958 0.073 13.075 *** ER3←ER 0.923 0.069 13.402 *** ER2←ER 1.164 0.075 15.535 *** ER1←ER 1.083 0.075 14.374 *** IS2←IS 1 IS1←IS 1.56 0.481 3.24 0.001 M3←M 1 M2←M 1.075 0.039 27.683 *** M1←M 1.045 0.041 25.678 *** CF7←CF 1 CF6←CF 0.906 0.154 5.864 *** CF5←CF 1.21 0.139 8.682 *** CF4←CF 1.273 0.149 8.536 *** CF3←CF 1.316 0.15 8.8 *** CF2←CF 1.083 0.133 8.166 *** CF1←CF 0.651 0.103 6.318 *** RP1←RP 1 RP2←RP 1.083 0.067 16.233 *** RP3←RP 1.075 0.061 17.603 *** RP4←RP 0.943 0.07 13.479 *** RP5←RP 0.842 0.087 9.633 *** IC1←IC 1 IC2←IC 1.045 0.067 15.65 *** CC1←CC 1 CC2←CC 0.318 0.055 5.736 *** 122 ANEXO H: Efecto Indirecto del Factor Condiciones Facilitantes Tabla H1: Efecto Indirecto del Factor Condiciones Facilitantes Indirect Effects RP CF M IS ER IC CC IC 0.000 0.000 0.000 0.000 0.000 0.000 0.000 CC -0.143 0.223 0.222 0.161 0.176 0.000 0.000 123 ANEXO I: Relaciones entre las variables observadas del Modelo Final Tabla I1: Relaciones entre las variables observadas del Modelo Final Relación Estimación S.E C.R P-Value ER5 ←ER 1 ER4 ←ER 0.936 0.067 13.938 *** ER3 ←ER 0.923 0.063 14.69 *** ER2 ←ER 1.021 0.069 14.726 *** ER1 ←ER 0.921 0.072 12.859 *** IS2 ←IS 1 IS1 ←IS 1.582 0.526 3.01 0.003 M3 ←M 1 M2 ←M 1.075 0.039 27.677 *** M1 ←M 1.045 0.041 25.679 *** CF7 ←CF 1 CF6 ←CF 0.908 0.094 9.605 *** CF5 ←CF 1.247 0.16 7.779 *** CF4 ←CF 1.264 0.167 7.556 *** CF3 ←CF 1.491 0.194 7.688 *** CF2 ←CF 1.186 0.168 7.072 *** CF1 ←CF 0.719 0.118 6.068 *** RP1 ←RP 1 RP2 ←RP 1.083 0.067 16.231 *** RP3 ←RP 1.075 0.061 17.605 *** RP4 ←RP 0.943 0.07 13.478 *** RP5 ←RP 0.842 0.087 9.632 *** IC1 ←IC 1 IC2 ←IC 1.046 0.067 15.54 *** CC1 ←CC 1 CC2 ←CC 0.318 0.056 5.701 ***