UNIVERSIDAD DE CHILE

Facultad de Economa y Negocios

Escuela de Economa y Administracin

Santiago,Chile
2011




El Uso de E-Commerce en las Nuevas
Generaciones

Modelo de Adopcin de Tecnologa desde la
perspectiva del cliente






Seminario de Ttulo
Ingeniero Comercial Mencin Administracin



Integrantes
Daniela Alejandra Avils Espinoza
Mara Fernanda Cceres Ugalde
Nataly Pilar Leiva Medel



Profesora Gua
Leslier Valenzuela Fernndez

Dedicatoria
Al ir cerrando esta lindaetapa universitaria, quiero dedicar mi ltimo trabajo especialmente a
mi familia. A mis padres, Daniel y Yeicy, que siempre han estado ah, apoyndome en cada
nuevo desafo, acompaado y dndome la posibilidad de vivir experiencias maravillosas. A mi
pap,quehasidomiorgulloymodeloaseguirdesdepequea,loquehaslogradomegenera
una profunda admiracin y te agradezco todo lo que me has dado. A mi mam, de la que
admiro su valor y dedicacin en todo lo que hace, estando presente cada vez que la he
necesitado,guiandomividaparallegaraserloquesoyhoy.
Tambin quiero mencionar a mis hermanos, Nicols y Valentina, los cuales me alegran da a
da, motivndome a seguir y ensendome cosas que jams imagin. A ellos, mi familia, los
amocontodomicorazn.
Paraterminarquieroagradeceratodaslaspersonasquedealgnmodocooperaronparaque
esto fuese hecho y que han influido en mi vida. A mis amigas Nataly y Fernanda, a las que
quieromuchoyestoyfelizdehabercompartidotodoloquehemosvivido.
Paratodos,conmuchocario
DanielaAlejandraAvilsEspinoza

Dedicatoria
Este trabajo se lo dedico con mucho cario a todos los que han estado a mi lado
incondicionalmenteeneltranscursodemivida.
A m madre, hermano, padrastro y sobrina, quienes me han apoyado en todo momento a lo
largodemivida.Sonysernmipilarfundamentalparaseguirdaada.Losamo.Yapesarque
no estn fsicamente conmigo, mis abuelos, estoy completamente segura que me han
acompaadoyguiadoenmisdecisiones.
A dos personas muy especiales que conoc durante mi vida universitaria, mis amigas, Dany y
Naty, con las cuales hemos vivido grandes experiencias y espero seguir compartiendo por
siempreconellas.
Porltimo,atodasesaspersonasquehanmarcadoalgoimportanteenmivida,queestuvieron
yestarnenlosbuenosymalosmomentos,apoyndomedemodoincondicional.
Graciasacadaunodeustedes
MaraFernandaCceresUgalde

3

Dedicatoria
Dedicoestetrabajoamifamilia,portodoelapoyoyconfianzaquemehantenidosiempre.
Enespecialamimamyhermano,quieneshanestadoconmigoentodomomentoalolargode
mivida.Hansidounpilarfundamentalenelcaminoquellevorecorridoynadaseralomismo
sinustedes.Losadoro.
A mis compaeras y amigas Daniela y Fernanda, con quienes he vivido grandes momentos
durante estos aos y sinceramente espero que sigamos compartiendo momentos por mucho
tiempoms.
Finalmente a todas aquellas personas que de una u otra manera han sido parte de mi vida
estos5aos,conquienescompartenlauniversidadyfueradeella.
Conmuchocarioparatodosustedes
NatalyLeivaMedel

4

TABLADECONTENIDOS

ILUSTRACIONES..............................................................................................................................8
TABLAS...........................................................................................................................................9
RESUMENEJECUTIVO...................................................................................................................11
INTRODUCCIN............................................................................................................................14
DescripcindelProblema........................................................................................................14
Alcance.....................................................................................................................................16
Objetivos..................................................................................................................................17
CONTEXTUALIZACIN..................................................................................................................17
Evolucindelosmodelosdeadopcindetecnologa.............................................................17
AntecedentesdelEcommerce................................................................................................19
EcommerceenAmricaLatinayelmundo............................................................................22
EcommerceenChile...............................................................................................................25
MARCOTEORICO,HIPTESISYMODELOPROPUESTO................................................................28
FacilidaddeUso.......................................................................................................................28
Conveniencia/UtilidadPercibida..............................................................................................29
Confianza/Credibilidad.............................................................................................................30
SeguridadyPrivacidaddelaInformacin................................................................................31
PginaWeb..............................................................................................................................33
GarantaPostVenta.................................................................................................................34
IntencindeCompra................................................................................................................35
Cercana....................................................................................................................................36
VariablesdeControl.................................................................................................................37
METODOLOGADEINVESTIGACIN............................................................................................38
Diseodeinvestigacin...........................................................................................................38
5

EtapasdelprocesodeInvestigacin........................................................................................39
ProblemadeInvestigacin.......................................................................................................40
ModeloTericoPropuesto......................................................................................................41
Construccindelosindicadores..............................................................................................43
DescripcinTrabajodeCampo................................................................................................49
Caractersticasdelamuestra...................................................................................................52
a) Gnero..........................................................................................................................52
b) FrecuenciaenelusodeInternet..................................................................................52
c) Edad..............................................................................................................................53
d) Carrera..........................................................................................................................54
e) UsuariodeEcommerce...............................................................................................56
f) PromediodeComprasMensuales...............................................................................57
g) GastoPromedioenComprasRealizadas.....................................................................57
h) Promediomensualgastado.........................................................................................58
i) ProductoscompradosatravsdeInternet.................................................................59
j) ProductospreferidosparacompraratravsdeInternet............................................60
ANLISISYDISCUSINDELOSDATOS.........................................................................................60
DepuracineIdoneidaddelaEscala.......................................................................................60
AtributosdelaEscaladeMedida.............................................................................................62
ValidezdelModelo...................................................................................................................62
AnlisisFactorialyfiabilidad:ResultadosGenerales...........................................................62
AnlisisFactorialyFiabilidad:Resultadosporconstructo...................................................64
FacilidaddeUso...............................................................................................................64
Conveniencia/UtilidadPercibida....................................................................................65
Confianza/Credibilidad...................................................................................................68
SeguridadyPrivacidaddelaInformacin........................................................................70
6

PginaWeb......................................................................................................................75
GarantaPostVenta.........................................................................................................77
IntencindeCompra........................................................................................................78
Cercana............................................................................................................................79
AnlisisdepruebasChiCuadrado...........................................................................................82
a) FrecuenciadeUsodeInternetrelacionadoalUsodeEcommerce............................82
b) GnerodeencuestadosrelacionadoalUsodeEcommerce......................................83
c) EstudiosdeloscomponentesdelamuestrarelacionadoalUsodeEcommerce......84
Anlisisdecomparacindemedias(ANOVA)..........................................................................85
Validacindehiptesis............................................................................................................87
RegresinLinealMultivariadaparalavariableConfianza...................................................87
RegresinLinealMultivariadaparalavariableIntencindecompra.................................89
Anlisisdiscriminante..............................................................................................................92
CONCLUSIONES............................................................................................................................94
ConclusionesEmpricas............................................................................................................94
Implicanciasempresariales......................................................................................................99
LimitacionesdelaInvestigacin............................................................................................103
FuturasLneasdeInvestigacin.............................................................................................104
BIBLIOGRAFA.............................................................................................................................105
ANEXOS......................................................................................................................................108
AnexoN1PautadeFocusGroup.........................................................................................108
AnexoN2ResultadosFocusGroup......................................................................................109
AnexoN3:EncuestaFinal.....................................................................................................112
AnexoN4:ResultadosAnlisisFactorialydeFactibilidadFacilidaddeUso........................117
AnexoN5:ResultadosAnlisisFactorialydeFactibilidadConveniencia/UtilidadPercibida119
AnexoN6:ResultadosAnlisisFactorialydeFactibilidadConfianza/Credibilidad..............126
7

AnexoN7:ResultadosAnlisisFactorialydeFactibilidadSeguridadyPrivacidaddela
Informacin............................................................................................................................132
AnexoN8:ResultadosAnlisisFactorialydeFactibilidadPginaWeb...............................140
AnexoN9:ResultadosAnlisisFactorialydeFactibilidadGarantaPostVenta.................144
AnexoN10:ResultadosAnlisisFactorialydeFactibilidadIntencindeCompra..............146
AnexoN11:ResultadosAnlisisFactorialydeFactibilidadCercana..................................147
AnexoN12:AnlisisdeComparacindeMedias(ANOVA).................................................152
AnexoN13Comparacinentreencuestadosonlineypresenciales...................................157
AnexoN14:RegresinLinealMultivariada..........................................................................158
AnexoN15:Anlisisdiscriminante......................................................................................165
8

ILUSTRACIONES

Ilustracin1ModelodeAceptacinTecnolgica........................................................................18
Ilustracin2TheHistoryofECommerce....................................................................................21
Ilustracin3ComercioElectrnicoenAmricaLatina2007.......................................................22
Ilustracin4VentasElectrnicasPerCpita(endlares)...........................................................23
Ilustracin5CrecimientodelComercioElectrnicoenAmricaLatina2007............................24
Ilustracin6EvolucinB2C.........................................................................................................25
Ilustracin7UsuariosdeInternetenChileyCompradoresOnlineenChile..............................26
Ilustracin8Elementosconmayorvalorenladecisindecompra...........................................27
Ilustracin9EtapasdelProcesodeInvestigacin.......................................................................39
Ilustracin10Modelotericopropuesto....................................................................................43
Ilustracin11GnerodelaMuestra...........................................................................................52
Ilustracin12FrecuenciaenelusodeinternetdelaMuestra...................................................53
Ilustracin13Distribucinetariadelamuestra..........................................................................54
Ilustracin14FrecuenciaenelusodeinternetdelaMuestra...................................................56
Ilustracin15UsuariodeEcommerce........................................................................................56
Ilustracin16PromediodeComprasMensuales........................................................................57
Ilustracin17PromediodeComprasMensuales........................................................................58
Ilustracin18Gastopromediomensual.....................................................................................58
Ilustracin19ModeloFinalPropuesto........................................................................................99

TABLAS

Tabla1Objetivos.........................................................................................................................17
Tabla2RubrosmscompradosporpasesLatinoamericanosatravsdeInternet..................25
Tabla3InstrumentopropuestoparamedirlaFacilidaddeUso.................................................46
Tabla4InstrumentopropuestoparamedirUtilidadPercibida...................................................46
Tabla5Instrumentomultidimensionalpropuestoparalamedidalaconfianza/credibilidad
percibidaenlascomprasOnLine................................................................................................47
Tabla6InstrumentopropuestoparamedirlaSeguridadyPrivacidaddelaInformacin.........47
Tabla7InstrumentopropuestoparamedirelconstructoPginaWeb.....................................48
Tabla8InstrumentopropuestoparamedirlaGarantaPostVenta...........................................48
Tabla9InstrumentopropuestoparamedirlaCercana..............................................................49
Tabla10InstrumentopropuestoparamedirlaIntencindecomprarOnLine..........................49
Tabla11FichaTcnicadelaInvestigacin...................................................................................51
Tabla12Distribucindeedaddelamuestra..............................................................................54
Tabla13Carreraestudiadaporelencuestado............................................................................55
Tabla14Productosmscompradosporlamuestra...................................................................59
Tabla15ProductosquelamuestrapreferiracompraratravsdeInternet..............................60
Tabla16PrimeraEtapaIdoneidaddelaEscala...........................................................................61
Tabla17Segundaetapadeelaboracindelaescala..................................................................61
Tabla18Descriptivosparacadaconstructo...............................................................................62
Tabla19ResumendeConfiabilidadyCorrelacinentrevariables.............................................63
Tabla20AnlisisfactorialexploratorioyfiabilidaddeFacilidaddeUso.....................................64
Tabla21AnlisisfactorialexploratorioyfiabilidaddeConveniencia/UtilidadPercibida.........65
Tabla22Anlisisfactorialprimercomponente...........................................................................66
Tabla23Anlisisfactorialsegundocomponente........................................................................67
10

Tabla24AnlisisfactorialexploratorioyfiabilidaddeConfianza/Credibilidad........................69
Tabla25AnlisisfactorialexploratorioyfiabilidaddeSeguridadyPrivacidaddelaInformacin
......................................................................................................................................................71
Tabla26AnlisisFactorialPrimercomponente...........................................................................73
Tabla27AnlisisFactorialSegundocomponente.......................................................................74
Tabla28AnlisisfactorialexploratorioyfiabilidaddePginaWeb............................................76
Tabla29AnlisisfactorialexploratorioyfiabilidaddeGarantaPostVenta...............................77
Tabla30AnlisisfactorialexploratorioyfiabilidaddeIntencindeCompra.............................78
Tabla31AnlisisfactorialexploratorioyfiabilidaddeCercana.................................................80
Tabla32ResumendeEscalaPurificada......................................................................................81
Tabla33TabladetabulacincruzadaFrecuenciadeUso/UsuariodeEcommerce.................82
Tabla34TestChiCuadradoparaFrecuenciadeUso/UsuariodeEcommerce........................82
Tabla35Tabulacincruzada,Genero/UsuariodeEcommerce................................................83
Tabla36TestChiCuadrado,Gnero/UsuariodeEcommerce.................................................83
Tabla37Tabulacincruzada,Estudios/UsariosdeEcommerce...............................................84
Tabla38TestChiCuadrado,Estudios/UsuariosdeEcommerce..............................................84
Tabla39ResumendeAnlisisANOVAparatodoslosconstructos.............................................86
Tabla40RegresinMltipleparaConfianzapercibida...............................................................88
Tabla41RegresinMltipleparaIntencindeCompra.............................................................90
Tabla42Resumenderesultados.................................................................................................91
Tabla43Pruebasdeigualdaddelasmediasdelosgrupos........................................................92
Tabla44Coeficientesestandarizadosdelasfuncionesdiscriminantescannicas.....................92
Tabla45CentroidesdeGrupos....................................................................................................93

11

RESUMENEJECUTIVO

Aprincipiosdeladcadadelos90,cuandosecreelsistemaquediopasoalamasificacinde
Internet,yconello,unsaltosustancialparaelfuturodelasventaselectrnicas,lautilizacinde
estetipodecomerciocrecidemaneraconsiderable.Amedidaquehantranscurridolosaos,
el trmino ecommerce se ha catapultado como un mtodo de mayor familiaridad a la
compra, sobre todo en pases de primer orden, en donde ha evolucionado, creciendo en un
13,7% en el tercer trimestre del 2011 en Estados Unidos, mientras que el total de ventas de
retail se increment slo en un 8,2% en el mismo periodo (an de esta forma, el comercio
electrnico tiene mucho por crecer an, ya que en trminos generales, conforma un 4,6% del
totaldelasventasenelpasnorteamericano,paraeltrimestresealadoanteriormente)
1
.Caso
contrariose vislumbraennacionesen vasdedesarrollo,enlasculessuadopcin hasidode
forma lenta, teniendo incrementos importantes recin en los ltimos aos, pero siendo
percibido en general, como un complemento de la visita a la tienda. (En Chile, del total de
ventas electrnicas percibidas en el PIB, slo un 2% corresponde a interaccin directa con los
consumidores
2
).
Anconmuchoparaavanzar,elcomercioonlinehapermitidolarealizacindetransaccionesa
nivel mundial, creciendo de manera significativa, hasta incluso superar los 1.000.000 millones
dedlaresenel2011,loquecorrespondeaalrededordeUS$2millonesdeventasonlinepor
segundo
3
, mostrndose como una gran oportunidad, en la cual muchas compaas han
centrado sus esfuerzos para llegar a distintos usuarios. Como toda nueva tecnologa, tiene
etapasdeadopcin,lasqueenestecasoseacrecientananmspordiferenciasculturales.Es
importante profundizar en ellas y as poder llegar aaquellas personas que hoy, por diferentes
motivos, el comercio electrnico no es parte de sus hbitos de compra. De esta forma, el

1
Todoslosdatoscomparadosconelaoanterior.
U.S.CensusBureauNews.QuarterlyRetailEcommerceSales,3
rd
Quarter2011.[enlnea]
<http://www.census.gov/retail/mrts/www/data/pdf/ec_current.pdf>[Consulta:12deDiciembrede
2011].
2
EcommerceDay,Esteaoelecommercecrecerenmsdeun30%.[en
lnea].<http://chile.ecommerceday.org/esteanoelecommercecreceraenmasdeun30/>.[Consulta:6
deNoviembrede2011].
3
ECommerceLatam2010.LosnegociosporInternetcrecenfuerteenAmricaLatinayelmundo.[en
lnea]<http://colombia.ecommercelatam.com/losnegociosporinternetcrecenenamericalatin/>
[Consulta:11deDiciembrede2011].
12

siguiente estudi se bas en la premisa de analizar cmo afectaban diferentes variables en el

usodeecommerce,tantomotivadoreseinhibidoresalacompra.
De acuerdo a la revisin literaria realizada, se encuentran diversos factores perceptuales que
puedenmotivaroinfluirenelusodelcomercioonline.ApartirdelModelodelaAceptacinde
la Tecnologa (TAM), presente en el paper gua de esta investigacin Internet usage in the
academicenvironment:TheTechnologyAcceptanceModelPerspective",realizadoporAlshare,
Grandon y Miler en 2005, se realiza una propuesta que permite medir la adopcin de e
commerceporpartedelasnuevasgeneraciones.Setomacomobaseestemodelo,puesesuno
de los ms reconocidos en el tema, adecundose a las bases planteadas para este estudio. A
los constructos determinados por el modelo TAM, Utilidad Percibida y Facilidad de Uso, se
sumConfianzayCredibilidad,SeguridadyPrivacidaddelaInformacin,PginaWeb,Garanta
PostVenta,CercanaeIntencindeCompra,todosconfundamentosencontradosenestudios
adhoc al tema. A lo mencionado, se le adicionaron variables de control, que sirven para
direccionar las potenciales conclusiones sacadas a partir de los constructos principales, tales
comognerodeusuario,frecuenciadeusoycarreraqueseestcursando.
Porotrolado,paraobtenerlosdatosnecesariosparalainvestigacin,seprocedearealizaruna
encuesta estndar, aplicada a hombres y mujeres que cursan actualmente alguna carrera
universitaria. El cuestionario se efecta a travs de encuestas presenciales y a travs de
Internet. Se eligieron estudiantes universitarios como representantes de la nueva generacin
buscada,yaqueenestaetapaesendndeladecisindelaadopcinestomadaporsmismo,
nodependiendodeotros,incentivandoestoelaccesoyusodetarjetasdecrdito.
Deestaforma,eldiseodelainvestigacinsedividien2fases,unaexploratoria,endondese
procede a realizar un focus group y bsqueda de datos secundarios en la literatura existente
acercadeecommerce.Unavezobtenidoesto,secontinaalaetapacuantitativa,conformada
principalmenteporlaencuestayamencionada,terminadadespusdelarealizacindeunpre
test,siendoaplicadaaunamuestranoprobabilsticadejuicio,compuestapor350estudiantes.
Para apoyar el objetivo a la investigacin, se propuso un modelo en donde las variables de
Seguridad, Pgina Web, Garanta Post Venta y Cercana afectan de manera directa a la
ConfianzaPercibidaporelcliente,laquealavez,influyeenlaIntencindeCompra,juntocon
13

la Facilidad de Uso y Utilidad Percibida. Y por ltimo, ambas variables principales, Confianza e
IntencindeterminarnlaCompraonline.
En este mismo sentido, buscando probar la validez del modelo propuesto se procede a la
realizacin de Anlisis Factoriales y de Confiabilidad, de forma total y por constructo. En sus
resultadosgeneralessecomproblaobtencinderesultadosfavorables,conaltosndicesenel
Alfa de Cronbach (0,921) y KMO (0,901), verificando su confiabilidad y consistencia interna
ptima.Enrelacinalosresultadosporconstructos,todosellosposeenunalphadeCronbach
superiora0,703,conexcepcindeCercanaquetieneun0,595.
Por otro lado, se presenta un Test ChiCuadrado, ANOVA, Regresiones segn las hiptesis
descritas inicialmente y en ltimo lugar se realiza un Anlisis Discriminante para determinar
cmolasvariablespropuestasincidenenlaadopcinonodelecommerce.
Finalmente, es un desafo para las actuales compaas explorar a lo que se refiere a comercio
electrnico, y crear nuevas estrategias de Marketing focalizadas a la cultura Chilena, dada la
proyeccindesustentabilidadqueposeeecommerceparaeldesarrollodelosnegocios.

14

INTRODUCCIN
DescripcindelProblema

Cuando, hace ms de 20 aos, sali al mundo el sistema World Wide Web (WWW), que dio
paso a la utilizacin de Internet, nadie imagin cmo cambiara la vida en gran parte del
planeta.Noobstante,comoestaherramientamodificlaformadecomunicarnos,acercandoel
mundo,yalavez,generandonuevasoportunidadesparahacernegocios.
A lo largo de estos aos, y debiendo lidiar con barreras culturales y tecnolgicas, se ha dado
lugarelconceptodeecommerce,resaltandosusfacilidadesyventajasentiempoydinero.Con
distintas velocidades, el comercio electrnico entre empresas (B2B) y personas (B2C) ha ido
tomando realce en diversos pases, siendo ms valorado y utilizado en los llamados pases
desarrollados. Segn datos entregados por el estudio de Everis en 2010, Estados Unidos se
encuentra en el tope de utilizacin de esta herramienta, con un total de ventas anuales de
US$134,9billones,locualrepresentalacuartapartedecomercioelectrnicomundial,seguido
porJapn,conUS$51,2billones.
A diferencia de lo que ocurre en otros continentes, en Chile el cambio desde la compra
tradicional hacia lo electrnico ha sido mucho ms lento, experimentando mayores
crecimientosrecinenlosltimosaos.Lasventastotalesdecomercioelectrnicoenel2010
sobrepasaron los 20 mil millones de dlares, estimando una proyeccin mayor para este ao,
cercanaal30%
4
paranuestropas,perodeestevalor,sloun2%correspondeatransacciones
B2C.
Estamejorasehacecadavezmsevidente,talcomofuedemostradoporunestudiorealizado
porWorldInternetProject(WIP)yelBusinessandInformationTecnology(BIT)elao2011
a180compaas,queafirmaquelosinternautasactualesusanInternetdeformaactivapor3,6
horas diarias. Adems, en el comercio, un 27% de las grandes empresas chilenas usan esta
herramientacomocanaldeventa,un33%tienepublicidadonlineyel40%delasfacturasque
se emiten en Chile son electrnicas. En palabras mostradas en el estudio, la utilizacin de

4
EcommerceDay,Esteaoelecommercecrecerenmsdeun30%.[en
lnea].<http://chile.ecommerceday.org/esteanoelecommercecreceraenmasdeun30/>.[Consulta:6
deNoviembrede2011].
15

nuevas herramientas en el segmento de grandes empresas est creando un nuevo orden y

formadeinteractuarconlosclientes,proveedoresysocioscomercialesengeneral
5
.Estosala
vez,necesitanentenderypercibirlasventajasquevienenasociadasalascomprasenelmundo
ciberntico,lascualesdebensersuperioresalosriesgosylimitacionesquedeellassepueden
desprender.
En nuestro pas, hacia fines del ao 2010, se contaban con ms de 8 millones de personas
utilizandoInternetenelpas
6
,abriendograndesposibilidadesalacaptacindenuevosclientes.
Peroalavez,ytalcomolosealaGeorgeLever,GerentedeEstudiosdelaCmaradeComercio
deSantiago,peseaqueChileesunodelospasesconmenosfraudesenlossistemasdepago
electrnicos, casi el 90% de los consumidores est muy preocupado por los sistemas de
seguridad
6
,contandoancondiversosaspectossocialesy/oculturalesqueinhibenlacompra.
Desde el departamento de Desarrollo Digital del Ministerio de Economa de Chile, Alfredo
Barriga afirma que se va a alcanzar una madurez tecnolgica, haciendo mucho ms grande su
utilizacin, pero no sin antes superar desafos importantes, ya que es notable que un gran
porcentajedeusuariosparticipeenredessociales,ypesealoshechos,pocospercibenInternet
comounaherramientadeparticipacinpolticayproductiva
6
.
Es en este contexto, que ha sido difcil instaurar patrones que expliquen la distancia existente
entre las personas que utilizan internet versus las que compran en lnea, ya que a pesar del
crecimiento del rubro, existen grandes detractores del sistema. Por ejemplo, la revista Soy
Digital,ensuversin2010
7
,concluyqueexistandiferentesfactoresqueafectabanunabuena
experiencia de consumo, tales como la variedad, confianza, rapidez, precio y seguridad. Esta
experiencia ser muy importante tambin, para el entorno de quien la viva, ya que de no ser
buena, la publicidad negativa se propagar y generar reticencia a la compra a travs de
Internetporpartedefamiliaresyamigos.Enlamismaedicin,seresaltaquehoyeldeberde
las marcas es construir espacios donde los clientes hablen, colaboren, recomienden y

5
PontificiaUniversidadCatlicadeChile.ProyectosWIPyBIT(2011)[enlnea]
<http://comunicaciones.uc.cl/prontus_fcom/site/artic/20080420/pags/20080420220633.html>
[Consulta:6deNoviembrede2011]
6
Diariopyme.com,Esteaoecommercecrecermsde30%.[enlnea].
<http://www.diariopyme.com/2011/05/esteanoecommercecreceraenmasdeun30/>.[Consulta:6
deNoviembrede2011]
7
AyerViernes.SoyDigital2010.ReportesobreexperienciadeconsumoenChile.[enlnea]
<http://soydigital.ayerviernes.com/wpcontent/uploads/2011/01/reporteexperienciasconsumo
digital.pdf>[Consulta:7deNoviembrede2011]
16

entreguen los insigths necesarios para el reinvento constante de sus servicios, y a la vez,
hacer sentir parte importante de la empresa a las ideas del cliente, entregndole la confianza
necesaria para involucrarse cibernticamente. Pero, an en Chile no ocurre ese cambio, en
dndeseapuntaalafaltadenecesidad,alaimposibilidaddeusarotrossentidosapartedela
visinyporsobretodo,alapotentesensacindeinseguridad.
Apartirdelasinterrogantesquesurgenenestelentoacoplamientoalastendenciasmundiales
y a los factores que pueden afectar su desarrollo, es que se hace necesario estudiarlos,
concentrndolosadems,enlasnuevasgeneraciones,quienesseencuentranmsexpuestosal
uso de internet, centrndonos especficamente en universitarios y su adopcin al comercio
electrnico,facilitadoporlaentregadecuentacorrientedelosbancosasociadosasuscasasde
estudio y la independencia en la toma de decisiones acerca de sus compras. Por lo mismo,
adems, servir de gran manera el ubicar las oportunidades de venta para productos que tal
vez, no estn aprovechando su presencia online, y que tienen grandes posibilidades de
desarrollo, sumando ventajas en productividad, menores costos y mejor servicio al cliente. Es
importante,deestaforma,conocerlosgustosytemoresquetienenlosclientesalexponersea
compras en lnea, ya que de esta forma, no slo se podr mejorar su experiencia de compra,
sinoquetambin,larentabilidadyusodelawebcomouncanalfundamentalenlaoperacin
detodaempresa.
Alcance

La presente investigacin se basa en analizar las compras online para determinar los factores
queinfluyeny/omotivanalaspersonasausarecommerce.
En una primera instancia se obtuvieron datos secundarios para as definir los constructos;
variables asociadas al comercio a travs de Internet y las hiptesis planteadas a investigar. El
texto gua utilizado fue Internet usage in the academic environment: The Technology
AcceptanceModelPerspective(2005).
Para obtener los datos primarios se aplic una encuesta estndar a hombres y mujeres, entre
18y27aos,quecursanactualmenteunacarrerauniversitaria.Sinimportarsihanrealizadoo
noalgunacompraatravsdeInternet.Lamuestraesdeltiponoprobabilsticodejuicioenel
casodelasencuestaspresencialesynoprobabilsticodeconveniencia(autoseleccin)paralas
17

encuestasonline.Lasencuestasfueronrealizadasdemodopresencialyatravsdecontactos
de correo electrnico y redes sociales, entre los das 11 de noviembre y 22 de noviembre del
presenteaoenlaReginMetropolitana.
Objetivos

Tabla1Objetivos
ObjetivoGeneral
Analizarcmoinfluyendeterminadasvariablesenelusodeecommerce,tanto
motivadoreseinhibidoresalacompra.

ObjetivosEspecficos
Realizarunmodelodeanlisisadaptado/mejoradoapartirdelTAM

Definirunmarcotericoadhocalobjetivogeneraldelainvestigacin

Determinarlasvariablesqueafectanenmayormagnitudlascomprasonline

Comprobarhiptesisderelacionesconconstructosyvariablesdefinidas

Determinarlaconfiabilidaddecadaconstructo

Aportar evidencia emprica acerca del ecommerce en la realidad de un pas

LatinoamericanocomoChile.

CONTEXTUALIZACIN
Evolucindelosmodelosdeadopcindetecnologa
Elestudiodeadopcinanuevastecnologasprovienedeunalargadata.Amedidaquediversos
avances han surgido se ha buscado la mejor concordia para facilitar su uso. Algunos
investigadores han estudiado el problema desde una panormica social, otros en un nivel
organizacionalyporltimo,algunossehanacercadoaltemaanalizandolosdeterminantesque
afectanlaadopcinporindividuos(Wahid,2007).
Dentro de todas las investigaciones realizadas, ha destacado a lo largo del tiempo el Modelo
deAceptacindelaTecnologa(TAM),quedaunaaproximacinacomolosusuariosllegana
18

aceptar y utilizar una tecnologa. TAM ha recibido extenso apoyo emprico a travs
validaciones,aplicacionesyrplicas(Wahid,2007).EstemodelofuecreadoporDavis(1989),el
cual concluy que la percepcin de facilidad de uso (PEOU) y utilidad percibida (PU) son los
beneficiosdeterminantesenlaaceptacinindividualdelatecnologa,tantoenintencincomo
encomportamiento(Alshare,GrandonyMiller,2005),ilustradoenlasiguienteimagen:

Ilustracin1ModelodeAceptacinTecnolgica.
FuenteDavis,1989
En este caso, Davis (1989) describe a la utilidad percibida como el grado en que el individuo
cree que el uso de la nueva tecnologa le ayudar a incrementar su desempeo. A la vez, la
facilidad de uso percibida se produce cuando el usuario tiene la creencia que su utilizacin
estarlibredeesfuerzoodificultad.Enconjunto,porlotanto,sondeterminantes,ytienenun
efectoindirectohacialaadopcin.
El modelo TAM, a su vez, fue desarrollado en base al TRA, Teora de la Accin Razonada,
creado para el mbito de la Ingeniera de Software por Ajzen y Fishbein (1980). En su
razonamiento, este anlisis es bastante general, y fue diseado para explicar cualquier
comportamiento humano, el cual consiste en dos factores que afectan las intenciones de los
individuos:actitudesatravsdelcomportamientoynormassubjetivas(Wahid,2007).
ApartirdelmodeloTAM,sehanhechodiversasinvestigaciones,quehanusadosusbasescomo
complementosanuevasteoras,focalizandosusestudiosenaadirnuevosconstructosobien,
variables de control, que pudiesen explicar de mejor forma la adopcin de una nueva
tecnologa. Adems, estos modelos han debido actualizarse a travs del tiempo, ya que los
avancesaparecencadavezconmsrapidez,mayoralcanceycomplejidad.
19

Entre algunas actualizaciones se encuentran las relacionadas a diferencias de gnero y

caractersticas culturales, como relacin con el logro o la orientacin a las tareas. En este
contexto, por ejemplo, se encontr que los hombres son ms orientados a la tarea en
comparacinconlasmujeres,requiriendostosltimoselusodelatecnologa(Wahid,2007).
Otrasinvestigacioneshanincluidonuevasvariables,comoAlshare,GrandonyMiller(2005)que
aadieronelcontenidodelaspginasweb(PIC)comounfactorrelevantedeanlisis,orientado
aestudiantesdeuniversidad.Ascomoestosautores,muchoshanmodificadoelmodeloTAM
original,paraadaptarloadistintoscontextosycondiferentesobjetivos.
Por otro lado, se han realizado investigaciones con base en otros modelos, como la escala
SERVQUAL, instrumento diseado para medir la calidad en los servicios entregados por una
empresa.Parusaraman,ZeithamlyBerry(19851988)crearonunaescalamltipleydeamplio
usoparacomprendermejorlasexpectativasypercepcionesquetienenlosclientesrespectoa
un servicio, aunque no pensado para la proyeccin en Internet. As, por ejemplo, Swaid y
Wigand (2007) adaptaron esta escala con el fin de aplicarlo a servicios en lnea, sumando
nuevasvariablesdeinters,aunqueconunaorientacinclaraalecommerce.
De esta forma, se han tomado diversos ribetes para alinear nuevas investigaciones, estando
ltimamente el ecommerce presente, ya que es lo que compete actualmente en la
especializacinonline,nosloentemasdeavancestecnolgicos,sinoquemuyimportanteen
temasadministrativos,ysinduda,ungrandesafoparalasempresasdelaactualidad.
AntecedentesdelEcommerce
El comercio electrnico o ecommerce es una sub clase de los negocios electrnicos (e
business) y consiste en la compra, venta o intercambio de productos y/o servicios a travs de
redescomoInternet,endondelastransaccionessonrealizadasofacilitadaselectrnicamente
8
.
EntrelosprincipalestiposdecomercioelectrnicoseencuentraB2B,B2CyB2G
o Business to Business (B2B): Comercio Electrnico entre empresas para realizar
transacciones de negocios. Es el modelo de negocio que ms desarrollo ha tenido en
losltimosaos(Ponce,2003).

8
Definicindecomercioelectrnico.[Enlnea]<http://www.crearnegociosenlinea.com/definicionde
comercioelectronico.html>.[Consulta:4deoctubrede2011]
20

o Business to Consumer (B2C)

9
: Operaciones de Comercio Electrnico que se realizan
entreempresasyconsumidoresfinales.Secaracterizaporser:interactivo,espontneo,
pblicoyglobal(Ponce,2003).
o Business to Goverment (B2G): Comercio Electrnico entre empresas y gobiernos, en
que se optimizan los procesos de negociacin y se aplica a sitios o portales
especializadosenlarelacinconlaadministracinpblica(ArayayDaz,2008).
LasventasdelecommerceenChileestnexplicadasenun97,4%porelsegmentoB2BB2G,
representados principalmente por los Marketplace y ChileCompra respectivamente, mientras
queel2,6%restantecorrespondealB2C(EconomaDigitalenChile2009).
Lascomprasatravsdemedioselectrnicohantenidouncrecimientoexponencialdesde1979
cuando se inventaron protocolos que permitan el traspaso de informacin de manera
electrnicayluegoconlamasificacindeInternetqueinicien1990,halogradoquepersonas
compren en distintas partes del mundo sin moverse, brindando una variedad de beneficios,
pero que no toda la poblacin percibe por diversas razones que sern desarrolladas ms
adelante.

9
DiccionariodetrminostcnicosdeInternet.[Enlnea]<http://tecnologia.glosario.net/terminos
tecnicosinternet/>[Consulta:4deoctubrede2011]
21

Ilustracin2TheHistoryofECommerce
Fuente: Penn Olson. "The History of Ecommerce". [En lnea] <http://www.penn
olson.com/2010/08/05/thehistoryofECommerceinfographic>, (2010). [Consulta: 4 de
octubrede2011]
22

Estecrecimientotieneunaexplicacinbasadaenlossiguientes3factores
10
:
o UnaumentosostenidodelacantidaddeusuariosdeInternet.
o Uncrecimientodelporcentajedestosquerealizancomprasenlnea.
o Un continuo incremento de las empresas, servicios y productos que actan en este
sector.
EcommerceenAmricaLatinayelmundo

Slo en Amrica Latina y El Caribe el B2C creci en 39,2% durante 2009, lo que le permiti
llegar a la suma de U$ 21.775 millones
11
. Amrica Latina ha experimentado un fuerte
crecimientoenlosltimos5aos.

Ilustracin3ComercioElectrnicoenAmricaLatina2007
Fuente:CmaradeComercioArgentina
En Latinoamrica el mayor porcentaje de ecommerce es realizado en Brasil, con el 46% del
total,elsegundolugarlotieneMxicoconun13%;Chileapareceenelquintolugarconun6%

10
CmaraArgentinadeComercioElectrnico,2010."SegundaedicindelEstudioIntegral".[enlnea]
<http://contenidos.mazalan.com/CACE/Resumen_Ejecutivo_estudio_2011.pdf>[Consulta:6deOctubre
de2011]
11
AmricaEconomaIntelligence,2010."EstudiodecomercioelectrnicoenAmricaLatina".[enlnea]
<http://especiales.americaeconomia.com/2010/comercio_electronico/files/Estudio_comercio_electroni
co_LA.pdf>[Consulta:6deOctubrede2011]
23

deltotaldelasventasonline.Esimportanteconsiderarelniveldeventasporhabitante,yaque
enelanlisislasituacindecadapasnodependeraslodeldesarrolloeconmicoengeneral
ydelcomercioelectrnicoenparticular,sinotambindelnmerodehabitantes
12
.
Ilustracin4VentasElectrnicasPerCpita(endlares)

Fuente:Comercioelectrnico,evolucinysituacinactualenLatinoamricayelmundo
12
.
Si se compara el volumen de ventas con el Producto Interno Bruto (PIB) la perspectiva es
diferente,Mxicoconun0,16%seencuentraalapardeIndonesia,KenyayNigeriacomouno
delospocospasesquetienenunaproporcindelcomercioelectrnicoinferioral2,0%delPIB.

12
Everis,Comercioelectrnicoalpormenor:evolucinysituacinactual,enLatinoamricayelmundo.
Datospara2009.
24

El primer lugar mundial en ventas B2C en el ao 2009 lo posee Estados Unidos, ya que tranza
msdelacuartapartedelvalormundial(US$134.900millonesdedlares).Elsegundolugarlo
ocupaJapn,conUS$51.200millonesdedlares.Estosdospaseshanmantenidoesteranking
desdequeexistemedicin.
EltercerpasconmayorvolumendeventasesChina,elao2009tranzUS$36.900millones
dedlares,superandoporprimeravezaAlemania,quefuedesplazadaalcuartolugar,conUS$
36.000millonesdedlares.
Respectoalcrecimientodelusodeecommerce en AmricaLatinasepuede visualizarquelas
tasas de crecimiento de cada pas son muy dispares, siendo Venezuela en el ao 2007 el pas
conmayorcrecimiento(68%)yColombiaelpasconmenorcrecimiento(15%).
Ilustracin5CrecimientodelComercioElectrnicoenAmricaLatina2007

Fuente:VisaInc.,apartirdeAmricaEconomaIntelligence
Un importante factor de incidencia en las compras online es el uso de Internet, por lo que el
uso de ecommerce en los pases tambin crece en la medida que la poblacin comienza a
adoptardeformacotidianaelInternet.
Una diferencia probablemente marcada por las culturas locales es en cuanto a los productos
comprados a nivel latinoamericano, cada pas se destaca por la compra de un producto como
muestralasiguientetabla:
25

Tabla2RubrosmscompradosporpasesLatinoamericanosatravsdeInternet

Fuente:EconomaDigitalenChile2009
EcommerceenChile

La evolucin del B2C en Chile ha sido paulatina, con un gran salto en el ao 2005 y se ha
mantenidocontasasentornoal25%enlosltimosaos.RelacionadoalusodeInternet,Chile
an tiene mucho que mejorar, ya que los usuarios de Internet son potenciales usuarios de E
commerce.
Ilustracin6EvolucinB2C

Fuente:CentrodeEstudiosdeEconomaDigitalCCS

26

Ilustracin7UsuariosdeInternetenChileyCompradoresOnlineenChile

Fuente:CentrodeEstudiosdeEconomaDigitalCCS
Es interesante analizar qu factores determinan o influyen en las diferencias antes
mencionadas,considerandosegnelestudioEconomaDigitalenChile(2009),un45,1%delos
usuariosdeinternetindicaquevitrineaonlineantesde comprarentiendasfsicasyestoha
incrementadomsqueproporcionalrespectoalascomprasrealizadasenInternet,lascualesse
hanmantenidoentornoal20%.
ProfundizandoeneldetalledelascomprasonlineenChile,segnelestudiodeSoyDigital2011
Falabella, Mercado Libre, Paris, Amazon y Deremate son las empresas que los usuarios
recomendaran por tener una buena experiencia de compra y las variables que consideran
fundamentales en la experiencia son: confianza, facilidad de uso, variedad, seguridad,
informacin,rapidez,precio,prestigio,mediosdepagoeinteligencia.

27

Ilustracin8Elementosconmayorvalorenladecisindecompra

Fuente:SoyDigital2011.ReportesobreexperienciasdeconsumoenChile2011

Los compradores a travs de Internet y los potenciales estn influenciados no slo por lo que
percibendesdelawebysuspropiasexperiencias,sinotambinporloquesuentornoopinaal
respecto.
Las compras en Internet en Chile, en trmino de aos o frecuencia de compra, todava son
bajas, por lo que an existe poca disposicin a realizar compras virtuales. Sin embargo se
espera llegar a un punto en que las experiencias exitosas de compra sean comunicadas entre
los mismos consumidores, generndose as un efecto multiplicador que finalmente provocar
lamasificacinydesarrollodeestaactividad(EconomaDigitalenChile2009).
ChileanivelLatinoamericanoseencuentramuybienposicionado,primeroporlapenetracin
que tiene Internet en la poblacin, lo cual es un paso previo a la adopcin de ecommerce. Y
respectoalniveldecompras,demanerapercpita,comosepudoobservarenlailustracin4,
que Chile se encuentra sobre la media mundial, y es el primer pas latinoamericano en
aparecer. Estarelacinnosedaencuantoavolumendeventasonline,yaqueestquinto,lo
cualsejustificaporposeeruna poblacinmucho menorquepasescomoBrasiloMxico que
transanunmayorvolumen.
28

EstosdatosmuestranqueChilevacreciendodemanerasostenidaypuedellegaraestndares
de pases desarrollados a medida que las nuevas generaciones comiencen a crecer y a usar
Internetcomomediodecompras.
MARCOTEORICO,HIPTESISYMODELOPROPUESTO
Deacuerdoalarevisinbibliogrficarealizadaseproponenlossiguientesconstructosconsus
respectivashiptesis:
FacilidaddeUso
Laaceptacindenuevastecnologashasidounreaimportantedeestudioenlaliteratura.En
este caso, y como primera pieza en la bsqueda de entender las variables que afectan en
mayorproporcinlacompraenlnea,resaltademanerasignificativalafacilidadpercibidapor
elclientealahoraderealizarunatransaccinporlaweb.Estefactorapareceenlosiniciosdel
usodeInternet,yfuerealzadoenelmodeloTAM,comopiezafundamentalenlaadopcinde
latecnologa,sumadoalautilidadpercibida(Alshare,Grandon,Miller,2005).
El constructo es tomado de forma muy similar a la base del modelo TAM, que recalcaba la
percepcin del uso libre de esfuerzo (Alshare, Grandon y Miller, 2005), siendo definido como
Grado en cual el cliente percibe que realizar una compra online es fcil, tanto en
entendimiento como llevarla a cabo. A travs de otros estudios, se ha comprobado que la
facilidad de uso incluye calidad de la informacin, diversin y riesgo (Klopping y McKinney,
2004)
En el modelo TAM, se destaca la facilidad de uso como un mediador en la relacin entre
variablesexternasyelusodela tecnologa(Alshare,Grandony Miller,2005).Adaptandoeste
concepto al contexto del ecommerce, se hace una comparacin con la compra tradicional en
una tienda, evaluando la diferencia en el nivel de esfuerzo que una persona tiene que hacer
para realizar la compra, lo que incluye el entendimiento del sistema, sus especificaciones y
requerimientos,ascomotambinlafacilidaddebsqueda.
Tal como losejemplos sealados anteriormente, existen diversos factores que pueden afectar
la percepcin de facilidad en el uso del comercio electrnico, pudiendo variar entre culturas,
nivel educacional, edades, otros. Estos han sido estudiados ya en diversas investigaciones,
destacando como factor predominante la cantidad de horas gastadas en internet, ya que
29

mientrasmstiempogastaunindividuoenlawebseestmsdeacuerdoenquecomprarpor
internetesdemayorfacilidad(Mccloskey,2003).
Por lo tanto, tomaremos la facilidad de uso como un factor que potencialmente afecta la
utilizacindelcomercioelectrnico,formulandolasiguientehiptesisacomprobar:
H1:Lapercepcindefacilidadenelusodelatecnologaestrelacionadopositivamentecon
laintencindecompraenlnea.
H2:Lapercepcindefacilidadenelusodelatecnologaestrelacionadopositivamenteala
compraenlnea.
Conveniencia/UtilidadPercibida
De acuerdo a lo investigado por Davis (1989) en su modelo TAM, existen 2 factores
primordiales a la hora de adoptar la tecnologa computacional: la facilidad de uso y la
percepcindeutilidad.Estasvariablessoninfluenciadasindirectamente,adems,porfactores
externos(Alshare,GrandonyMiller,2005)queafectanlaadopcindelanuevatecnologa.
En este caso, definimos el constructo como Grado en que el cliente percibe que comprar en
Internet le reporta utilidad en trminos de dinero ahorrado, menor tiempo, mayor acceso a
informacin y comparacin. A partir de lo mencionado por Davis (1989), incorporamos
mayoresdetallesalamejoradedesempeo,incluyendobeneficiosentiempoymonetarios.
La conveniencia afecta directamente a la intencin de compra en el comercio electrnico, ya
que el cliente debe percibir que las ventajas de esta adquisicin en lnea son mayores o
mejores que los costos, entre ellos, el impedimento de testear con las propias manos el
producto.Elclientedebepercibirqueestatransaccinnosloesmsrpidaenlacompra,sino
que tambin en el envo y pago. Si alguna de estas variables presenta algn problema, la
apreciacindeconvenienciageneralseverafectada.
SonvariadoslosbeneficiosqueInternetpuedeofrecer,yestenlosadministradoresdeestas
pginasdarlosaconocerypromocionarloscomoventajas.Entreestossecuentalaposibilidad
de comparacin sin mayores esfuerzos, ya que da la posibilidad de bsqueda sin grandes
esfuerzos, pudiendo conocer caractersticas, perfiles, opiniones y precios acerca de los
productosofrecidos.
30

Dadas las ventajas asociadas a la web, (Mccloskey, 2003) la utilidad percibida es uno de los
criteriosqueafectanoslolaparticipacinenecommerce,sinoquetambinsufrecuenciayla
cantidad de dinero gastado por transaccin, pero por sobre todo el nmero de veces que se
compraporInternet,ademsdeestarmuyrelacionadaalafacilidaddeuso.
Deacuerdoalosealadoanteriormente,proponemoslasiguientehiptesisparacomprobaren
lainvestigacin:
H3: La percepcin de conveniencia tiene una relacin positiva en la intencin de compra en
lnea.
H4: La percepcin de conveniencia tiene una relacin positiva en la adopcin de compra en
lnea.
Confianza/Credibilidad
Durante la ltima dcada las empresas han aceptado y adoptado nuevas tecnologas para
establecer presencia en la web, la que no slo apoya las actividades tradicionales, sino que
tambin genera nuevas oportunidades (Swaid y Wigand, 2007). Las compaas tomaron este
nuevo desafo, y a medida que ha transcurrido el tiempo, han ido aadiendo diversas
complejidades, con el fin de entregar un mejor servicio al consumidor. Los clientes, cada vez
ms familiarizados con Internet, van exigiendo cada vez ms confianza y credibilidad en las
empresas que operan tras los sitios web, siendo un factor crtico en su adopcin al comercio
electrnico. Si bien las organizaciones lo tienen bastante claro, deben trabajar de modo
riguroso para superar estas complejidades, ya que clientes en lnea son ms difciles de
satisfacer,reteneryfidelizar,encomparacinconeltradicional(SwaidyWigand,2007).
Se ha definido el constructo de confianza y credibilidad como El buen funcionamiento de la
pginawebylacapacidadderealizarlosserviciosprometidosdeformafiableyprecisa.Esta
confianza puede ser reflejada en la credibilidad de la informacin contenida y otorgada a los
clientes, la que debe ser exacta, relevante, entendible y entregada a tiempo, lo que
incrementarlaprobabilidaddesatisfaceralconsumidor.(SwaidyWigand,2007).
En este caso, agrupamos la calidad de la informacin con la adecuada recepcin de lo
comprado, tanto en calidad como en exactitud, tomando la reputacin y legitimidad de los
proveedorescomotemsimportantesalahoradelacompraenlnea.
31

Se ha demostrado que individuos ven Internet como una fuente confiable a la hora de buscar
informacinentemasacadmicos,peroalavez,estecontenidoesconsideradocomounfactor
queafectaelcomportamientodelclientequevaacomprarenlnea(Alshare,GrandonyMiller,
2005),yaqueestapercepcininfluirenlaconfianzaquesetengadelapginaconlacualse
quieretransar.Resultaparadjicoconstatarqueenciertostpicoslacredibilidadaumentayse
considera como algo de poca importancia, cambiando completamente cuando se intercambia
informacinpersonaloexistedinerodepormedio.Deloanteriorpodemosconcluirquenose
ha logradotraspasarlabarrerade confianzapara utilizaresta poderosaherramientaala hora
de comprar, siendo esto superado ampliamente por otras actividades, principalmente
informativasydeentretenimiento.
Por lo tanto, los administradores de pginas web no slo tienen que preocuparse por la
seguridad en la informacin proveda, sino que tambin poner nfasis en la calidad de la
transaccin, que va desde que el cliente busca informacin acerca del producto requerido,
hasta que ste es recibido por el consumidor en la puerta de su casa, con las caractersticas
originalesintactas,siendofundamentalquelapginaentregueconfianzayseguridad(Swaidy
Wigand,2007).
Dadoloanterior,formulamoslassiguienteshiptesisatrabajardurantelainvestigacin:
H5:Laconfianzaycredibilidadtieneunefectopositivoenlaintencindecompraenlnea.
H6:Laconfianzaycredibilidadtieneunefectopositivoenlaadopcindelacompraenlnea.

SeguridadyPrivacidaddelaInformacin
Cuando se busca en la literatura aspectos relevantes relacionados al ecommerce,
comnmente se encuentra que la seguridad y la privacidad de la informacin se torna
importante a la hora de concretar una compra en lnea, siendo percibida incluso, como una
frecuentebarreraalusodeecommerce,afectandoasuconveniencia,yaquelaposibilidadde
que la identidad de un individuo sea robada puede superar la conveniencia de acceder a la
entregadeunlibroenlapuertadetucasa.(Mccloskey,2003).
32

En este caso, la definiremos como el Grado en que los clientes creen que el sitio y la
transaccinsonseguros.Lainformacinpersonalyfinancieraestprotegida.
Apesardecontarconvariadosmtodosparaevitarfraudesyrobodeinformacinprovistaen
transacciones hechas en la web, en Chile se han masificado curiosos mtodos para el robo de
informacin, que han aumentado la inseguridad y reticencia a la hora de usar este tipo de
herramientas. El problema se ha centrado en el hurto, tanto de informacin financiera como
personal, siendo ambos, una gran amenaza si llegasen a caer en manos incorrectas. Un tema
importante a destacar es el fishing, el cual ha afectado a diversos bancos en nuestro pas,
originandoasmsinseguridadenlosconsumidoresalmomentodelastransacciones.
Otroproblemahasurgido,yaquelosmtodosqueincrementanlaprivacidadydisminuyenel
riesgo de robo de identidad, a la vez aminoran la velocidad del sistema y pueden afectar su
facilidad de uso (Mccloskey, 2003). Por lo mismo y ante la astucia de delincuentes, se ha
optado, como prioridad, por instruir al cliente, mostrndole las formas en que podra caer en
este tipo de situaciones y medidas en que puede prevenir, siendo los principales precursores
de estas campaas los bancos del pas. Sin duda, estas medidas han servido a una mayor
percepcin de seguridad, aunque no logrando influenciar completamente la compra por
internet,siendoestasmuybajasenrelacinapasesdeprimerorden
13
.
Actualmente,laconversindelacompratradicionalaunaatravsdeInternetesbaja,yconel
propsito de mejorar esos niveles, es importante para las empresas manejar la seguridad y
privacidad del comprador en lnea (proteccin de fraudes y prdidas financieras, defensa a la
informacin privada, no compartir informacin relacionada a los clientes, entre otros)
(Parasuraman, Zeithaml y Malhotra, 2005). Por lo tanto, se vislumbra que encontrar bajos
nivelesdeseguridadafectanenelusodecomercioelectrnico,tantodirectoscomoindirectos,
porloquesi unindividuo percibequesilatransaccinserriesgosa,simplemente nocompra
(Mccloskey,2003).
Segnlorelatadoanteriormente,podemosformularlasiguientehiptesisdetrabajo:
H7: La seguridad y privacidad de la informacin est positivamente relacionada a la
confianzapercibidaenlascomprasenlnea.

13
EstudioNielsen.[Enlnea]<http://www.grupoe.com/blog/aumentaelecommerceenamerica
latina/>[Consulta:01deoctubre2011]
33

PginaWeb
La pgina web es fundamental en la influencia que provoca en el proceso de decisin de
compra a travs de Internet (C. Ranganathan y S. Ganathy, 2001), por lo que es relevante
considerar los elementos que incorpora en su totalidad, para as analizar los efectos en los
usuarios.
Cuandounapersonaquierecompraralgo,probablementeunadelasprimerascosasquehara
si es usuario de Internet, es buscar informacin sobre su producto o servicio deseado en la
web. Comenzando de esta base surgen dos caractersticas intrnsecas de las pginas web, la
informacin contenida y las herramientas de bsqueda que posee (C. Ranganathan y S.
Ganathy,2001),lascualesdebenestarcontenidasenunaestructuradebuendiseoyatractivo
visual(SwaidyWingand,2007;RanganathanyGanathy,2001).
Este constructo se ha definido como el Grado en que la pgina web es atractiva, posee las
herramientasnecesariasylainformacinrelevantepararealizarunatransaccin.
SegnlainvestigacindeC.RanganathanyS.Ganathy(2001)laspginaswebsonlafuentede
informacin de ms bajo costo, que permiten comparabilidad sin mayor esfuerzo y en un
tiempobreve.Esimportanteademsconsiderarlasobreabundanciadeinformacinquepueda
poseer,yaquedejadesertilocasionandomalestar,msquesatisfaccin.
El sitio web es el que provoca que una persona sienta confianza o no en realizar una
transaccin, adems del respaldo de la empresa que ofrece el producto o servicio, en base a
estolacalidaddelainformacinpercibida.SegnCronin(2003)lacalidaddelsitiowebadems
de ofrecer una ventaja competitiva para las empresas, ayuda a fortalecer la relacin con el
cliente.
La pgina web es uno de los factores que puede reducir el riesgo percibido en las compras
online,porloque,podemosformularlasiguientehiptesisdetrabajo:
H8:Lapginawebytodoloqueengloba,influyepositivamenteenlaconfianzapercibidaen
lacompraenlnea.
34

GarantaPostVenta
Luegodelacompradeunproductooservicioquesatisfaceunanecesidadespecfica,setoman
en cuenta atributos adicionales que puede ofrecer la empresa, mejorando la satisfaccin del
cliente, tales como transporte, servicio despus de la compra o la inclusin de productos
complementariosquemejorenlaexperienciadeuso.Entreellos,seincluyeadems,lagaranta
post venta, la que consiste en todos aquellos esfuerzos despus de la venta para satisfacer al
clienteyquepermitanincrementarlaposibilidadderecompra.
Para este caso se ha definido el constructo Garanta Post Venta como Percepcin del servicio
despus de haber realizado la compra, como las devoluciones, las respuestas a dudas o
problemasdeinsatisfaccin,yaseaconelproductooservicio,oconlatransaccinmisma.
Se considera que una venta no concluye nunca, porque la meta es tener siempre al cliente
completamente satisfecho y este llega a ser uno de los puntos diferenciales respecto a la
competencia
14
.PorloquelaGarantaPostVentasetornamuyimportanteparaelcliente.
Se pueden identificar dos tipos de servicio al cliente
2
. Uno enfocado en el producto, el cual
considera:
o Instalacin: dada la complejidad segn producto o un manual explicativo completo
paraquepuedahacerlounapersonaporsmisma.
o Mantencin:encasodesernecesarioporelproducto.
o Reparacin: cuando el producto falla, ya sea en un perodo de devolucin o
responsabilidaddelaempresacomocuandoelusuariodebepagarlosarreglos.
Elsegundoesconenfoqueenlosclientes,encualtrabajacon:
o Manejodequejas:permitecanalizarlainsatisfaccindelclienteydarleunasolucin.
o Centrodeinformacin:esunaayudaparaqueelclientepuedaaprovecharlosusosdel
productoysacarsumayorpotencial.
El servicio post venta es un determinante de la percepcin de calidad, por lo que no slo
influyen las caractersticas del producto, sino tambin la atencin que puede recibir una vez

14
Definicindeserviciopostventa.[Enlnea]<http://www.rivassanti.net/cursoventas/serviciopost
venta.php>[Consulta:10deoctubrede2011]
35

realizadalacompra.Finalmenteelserviciopostventapuedeserdeutilidadparaunaempresa
enlamedidaquepuedehacermejorasdesusproductosyservicios,realizandoasunamejora
continuaquefavorezcalasnecesidadesdesusclientes.
H9: La Garanta Post Venta influye positivamente en la confianza percibida en las compras
enlnea.
IntencindeCompra
La intencin de compra que puede tener una persona para comprar en Internet es una etapa
previa a la decisin de compra. En esta etapa una persona todava no ha considerado los
distintosfactoresqueintervendrnensudecisinfinaldecompra,sinembargo,yasetieneun
impulsodesatisfacerunanecesidadmedianteundeterminadoproductooservicio.
Laintencin decompraserefieresegnGanguly, Bhusan,CyryHead(2010)alaprobabilidad
de comprar productos a travs de internet. Pero especficamente segn Howard (1989) la
intencin de compra se refiere a un estado mental que refleja la voluntad expresada por el
consumidordeadquirirunproductooservicioenunfuturoinmediato.
Se ha definido este constructo como el Grado en que el cliente manifiesta la intencin de
realizarunacompraonlineenunfuturocercanooderecomendarsuexperienciaaotros.
Laliteraturahaidentificadoquelaintencindecompraenlautilizacindeecommerceesuna
consecuencia final de una serie de factores, particularmente se ha tratado como un resultado
delaconfianzaquegeneranlosmedioselectrnicosdecompra.JarvenpaayTractinsky(1999)
hanargumentadoqueladisposicindeunclienteacompraratravsdeInternetseincrementa
silaempresaypginawebescapazdeevocarlaconfianzadelcliente.
Finalmentelaintencindecompraesunprecedenteclaveparaconcretarunacompraatravs
demediosonline,porloqueesprimordialsuconsideracindentrodeesteestudio,avaluarlos
resultadosdelashiptesispropuestas:
H10:Laintencindecomprainfluyepositivamenteenlascomprasonline.
36

Cercana
Lacostumbrealacompratradicionalenellugardeventa,ylosbeneficiosrelacionadosaesta,
como ayuda de vendedores, poder utilizar todos los sentidos para conocer el producto y/o
servicio,entreotros,hasidoelmayordesafoparalasempresasconlallegadadeInternet.Los
clientes,acostumbradosautilizarlamayoradelossentidosalbuscarunproducto,handebido
conformarse con utilizar solo la vista y apoyarse en la confianza que puedan percibir de la
empresatraslacompra.
Para fines investigativos, definiremos el constructo como el Grado en que la oferta de
productos satisface las preferencias de individuales de los clientes. Internet es una
herramientabidireccionaldecomunicacin,porlotanto,lasempresasdebensaberacercade
los hbitos de compra del cliente, sus preferencias y necesidades (Swaid y Wigand, 2007). Es
importante que la compaa pueda acercarse lo ms posible a los requerimientos de sus
consumidores,yaquedeestaformaayudaraquelaadopcindelacompraenlneaseams
sencilla y personalizada. Segn Swaid y Wigand (2007) la atencin individualizada afecta
directamente a la satisfaccin del cliente, lo que podr incidir en su recompra y
recomendacin,peroporsobretodoinfluirindirectamenteenlalealtadquesepuedalograra
largoplazo.
Adems, se incorporaron factores importantes a la hora de la decisin de compra, como la
atencinyayudahumanaoelsalirdecomprascomouneventosocial,considerandopaseosal
mall,centroscomerciales oencuentrosconamistades.Enel ltimocaso,lapreferencia porla
compra en lnea no ir por la falta de confianza ni de percepcin de seguridad, sino que por
gustopersonal,ypasaraser,msbienuncomplementodelacompratradicional.
Serimportanteevaluaresteconstructo,yaqueseacercaacomprobarcuanarraigadoestel
modo de compra tradicional en la cultura chilena y cuan cmodo e importante se siente el
cliente a la hora de contactarse con una empresa a travs de Internet, es por eso que
formulamoslasiguientehiptesis:
H11:Lacercanaapreciadaporelclientetieneunefectopositivoenlaconfianzapercibidade
lascomprasenlnea.
37

VariablesdeControl

Las investigaciones realizadas han mostrado un conjunto de variables que estn relacionadas
con la adopcin de Internet y por consiguiente la adopcin del comercio electrnico. Se han
enumerado factores personales internos, como por ejemplo, el gnero del usuario (Figueroa
SegoviayTaln,2010).
Otras investigaciones han enumerado factores personales internos que predicen el uso de
Internet.MientrasqueloshombresvencomounadiversinelnavegarporlaRed,lasmujeres
perciben Internet como una herramienta de comunicacin interpersonal (Jackson et al, 2001;
Colley et al. 2008). Y una observacin importante es que los hombres utilizan ms internet
comomediodecompraquelasmujeres(Teo1997;TeoyLim,2000;Teo2002),puestoquelas
mujeresprefierenlascomprasfsicas.
Enmateriadecomercioelectrnico,investigacionesactualesmuestranqueelgneroesunade
las variables ms importantes en las decisiones de adquisicin (Okazaki, 2009). Aunque en un
inicio las mujeres posean una visin ms pesimista de esta herramienta, debido a la baja
seguridad que perciban en Internet, actualmente la mayor parte de los estudios muestran
como las mujeres son el segmento de mercado que ms crece en su uso (Okazaki, 2007);
aunquetodavasonescasoslosestudiosqueanalizanestaproblemtica(Kimetal.2007).
LafrecuenciaenelusodeInternetsegnelestudiodeMcCloskey(2004)indicaqueexisteuna
relacin positiva entre frecuencia de uso y compras online, pero a travs de la facilidad
percibidadeuso.EstosedaporqueamayorcantidaddehorasenInternet,losindividuosestn
msfamiliarizadosconelsistemayporendepercibenmsfcillascomprasonline.
Segn el estudio de Alshare, Grandon y Miller (2005) existe una relacin entre el entorno
acadmico y el uso de Internet, lo que mediremos con la carrera que actualmente cursa. El
documento mencionado hace una distincin en carreras de negocios y no de negocios. Los
estudiantesdenegociosestnmsrelacionadosconloscomputadoresquelosestudiantesque
nocursancarrerasrelacionadasalosnegocios,yestoinfluyeenelusodeInternet.
38

METODOLOGADEINVESTIGACIN
Diseodeinvestigacin

El diseo de investigacin const de dos etapas. La primera etapa fue una investigacin
exploratoria,cualitativa,noconcluyente,atravsdelarecopilacindedatossecundarios.Esta
etapa ayud a la definicin de constructos y variables de control asociadas a ecommerce, as
comotambin,aladefinicindelashiptesisplanteadasainvestigar.Eltextoguautilizadofue
Internet usage in the academic environment: The Technology Acceptance Model Perspective
(2005),seconsideraronotrostextosbibliogrficosysitioswebconfiables,talescomo;"Estudio
de comercio electrnico en Amrica Latina" (Amrica Economa Intelligence, 2010), Everis,
Comercioelectrnicoalpormenor:evolucinysituacinactual,enLatinoamricayelmundo.
Datospara2009,EcommerceenChile,RealidadesyDesafos(MyrickA.2007),entreotros.
Adems de un focus group con usuarios y no usuarios de ecommerce, cuyo objetivo es
conocerlaopininyexperienciasdeestos.
Una vez llevada a cabo la investigacin exploratoria, se continu con la investigacin
descriptiva o cuantitativa para poder concluir acerca de las hiptesis planteadas y describir el
comportamiento de las nuevas generaciones en la adopcin de una herramienta tecnolgica
comoeselcomercioelectrnico.
Para el desarrollo de esta investigacin se utilizaron fuentes de datos secundarias,
principalmente consultas en papers y estudios nacionales e internacionales. Como fuente de
datos primarios se dise un cuestionario estructurado con preguntas cerradas, donde las
respuestas son de alternativa nica, escala ordinal, y en una gran mayora de escala de Likert
de 7 puntos, se recopilaron adems datos personales como gnero, edad y carrera que cursa
actualmenteelencuestado.
En cuanto a la muestra, esta fue no probabilstica de juicio en el caso de las encuestas
presenciales, y de conveniencia para las encuestas online. Esto debido a que no todos los
elementos de la muestra tenan una probabilidad mayor que cero de ser seleccionados,
ademsfueronelegidosgruposqueajuiciodelosinvestigadoresparecanmsadecuadospara
responderlaencuesta,dadoslosobjetivosdelainvestigacin.

Eta

apasdelproc

cesodeInve
Ilustra

estigacin
acin9Etapa

asdelProceso

odeInvestiga

acin

Fuente:Elabooracinpropi
39
ia
40

ProblemadeInvestigacin

A partir del boom de Internet a nivel mundial, como consecuencia, una revolucin en las
comunicaciones, las empresas comenzaron a visualizar nuevas oportunidades para ampliar su
rangodenegocio.Deestamanera,sehapopularizadoeltrminoecommercecomounaforma
revolucionaria de adquirir productos, tomando gran importancia en pases desarrollados. Por
ejemplo, Estados Unidos y Japn se encuentran al tope del ranking 2010 acerca de utilizacin
de comercio online, con US$134,9 billones y US$51,2 billones, respectivamente. Ms atrs le
sigue China, con US$36,9 billones
15
, mostrando todo su potencial en la adopcin de nuevas
tecnologas.
Esta situacin se contrasta con la vivida en Sudamrica, pases en los cuales la utilizacin de
esta herramienta ha sido mucho ms lenta. De stos, destaca en una 13 posicin del ranking
mundial (Everis, 2010), Brasil, con 8,7 billones de dlares. El caso de Chile se presenta con
muchamspreocupacin,yaqueapesardeserunodelospasesconmayorseguridadonline,
delosUS$20billonesdecomercioelectrnicoquefacturen2010,sloun2%correspondea
lacategoraB2C
16
.
De esta poblacin que adquiere productos por internet en el pas, se prefiere principalmente
los artculos electrnicos, pasajes de avin y entradas a espectculos, segn datos entregados
porelEstudioSoyDigital,versin2010
17
.Segnloquesepercibe,sonproductosendondese
valora la cotizacin y bsqueda de informacin y a la vez, requieren de una planificacin de
compra. Pero, Por qu existen tales diferencias de ventas online en comparacin con pases
desarrollados?
El mismo estudio de Soy Digital concluye 9 factores como los primordiales a la hora de
considerarunabuenaexperienciadecompra,destacandolaconfianza,larapidez,informacin

15
Everis.Estudiosobrecomercioelectrnico,Evolucinysituacinactual,enLatinoamricayelmundo.
[enlnea]<http://www.everis.com/mexico/esMX/inicio/Paginas/inicio.aspx>[Consulta:7deNoviembre
de2011]
16
Diariopyme.com,Esteaoecommercecrecermsde30%.[enlnea].
<http://www.diariopyme.com/2011/05/esteanoecommercecreceraenmasdeun30/>.[Consulta:6
deNoviembrede2011]
17
AyerViernes.SoyDigital2010.ReportesobreexperienciadeconsumoenChile.[enlnea]
<http://soydigital.ayerviernes.com/wpcontent/uploads/2011/01/reporteexperienciasconsumo
digital.pdf>[Consulta:7deNoviembrede2011]
41

yseguridad. Engeneral,seponenfasisenelltimodentrodelapercepcin delaspersonas,

dondeloconsideracomounagranbarreradeentradaparalosconsumidores,expresadoenel
pagoonline,principalmentecontarjetasdecrdito
18
.
A partir de esta problemtica se pretende en esta investigacin medir cmo influyen algunas
variablesespecficasenelusodeecommerce,yaseamotivandooinhibiendolacompra.Ala
vez, se busca encontrar diferencias significativas entre personas que compran por Internet
versus las que no lo hacen, enfocando el estudio en jvenes universitarios, quienes se ven
expuestos diariamente a Internet, y a la vez, tienen la independencia para poder decidir si
utilizanestaherramientaparaadquirirproductos.

ModeloTericoPropuesto

Basado en el modelo de adopcin tecnolgica presentado en el paper Internet usage in the

academicenvironment:TheTechnologyAcceptanceModelPerspective"realizadoporAlshare,
GrandonyMileren2005,seproponeelsiguientemodelo:
Las compras a travs de Internet se ven influenciadas por mltiples variables que se agrupan
principalmente en 4 grupos, los cuales poseen cierto grado de interdependencia, es decir, se
ven influenciados unos con otros. Esto porque al tomar una decisin no se evala un solo
aspecto, sino que un conjunto de variables simultneamente y cada una con diferentes
ponderacionesdeacuerdoalapercepcindelapersona.
La confianza percibida tiene relacin con la transaccin y lo que sta envuelve, por lo que se
midesuinfluenciaatravsdelapercepcindelaspginasweb,garantapostventa,cercanay
uno de los ms mencionados en los estudios revisados, la seguridad y privacidad de la
informacinbrindadaporlasempresasencadacompraonline(SwaidyWigand,2007;Alshare,
Grandon y Miller, 2005; Swaid y Wigand, 2007; Parasuraman, Zeithaml y Malhotra, 2005;
JarvenpaayTractinsky,1999).Estasvariablesdeberaninfluirpositivamenteenlaconfianza,as
comolaconfianzainfluirapositivamenteenlascomprasonline.

18
AyerViernes.SoyDigital2010.ReportesobreexperienciadeconsumoenChile.[enlnea]
<http://soydigital.ayerviernes.com/wpcontent/uploads/2011/01/reporteexperienciasconsumo
digital.pdf>[Consulta:7deNoviembrede2011]
42

LaintencindecomprayrecompraatravsdeInternet,tienemltiplesdeterminantes,yaque
laconfianzapercibida,utilidadpercibidayfacilidaddeuso,motivanalclienteaquererrealizar
comprasonline,porloquelarelacinIntencinCompradeberaserpositiva.
Lautilidadyconvenienciadeusovienendadasporaquellosaspectoscomosimplicidad,ahorro
en tiempo y dinero que los usuarios y no usuarios perciben sobre las compras a travs de
Internet(Mccloskey,2003),porloquedeberaexistirunarelacinpositivaentreestavariabley
laadopcindelecommerce.
Lafacilidadpercibidavienedadaporlapercepcindeusuariosynousuariossobrelanecesidad
de habilidades adicionales a las habituales que un usuario comn requiere para utilizar
Internet. Tiene relacin con la facilidad para encontrar productos y concretar la compra, as
como tambin una comparacin con las compras fsicas (Alshare, Grandon y Miller, 2005;
Mccloskey, 2003). Esta variable debera estar positivamente relacionada con las compras a
travsdeInternet.
Finalmenteenesteestudiosebuscaencontrardiferenciassignificativasentreaquellosjvenes
quehancompradoenInternetyaquellosqueno.Porotrolado,tambinseesperaencontrar
diferenciasencuantoalashorasdeusodeInternetylapropensinarealizarcompras.Adems
se analiza carrera estudiada, ya que segn la formacin recibida podra influir en el grado de
adopcin de nuevas tecnologas, siendo aquellas personas que estudian carreras asociadas a
losnegocioslasquetendranunamayortendenciaarealizarcomprasonline(Alshare,Grandon
yMiler,2005).
Con los constructos definidos el modelo adaptado a partir de TAM queda expresado en la
siguienteilustracin.

Con
Val
Par
dise
exh
Ado
indi
tem
Este
exp
Adi
usa
con

nstruccind
lidezdeCon
a asegurar la
eo del mode
haustiva de l
opcin de tec
icadores ya v
ma.
e procedimie
plicativoprop
cionalmente;
dos en cada
ntenidoantes
Ilu

delosindica
ntenido
a validez de c
elo explicativ
a literatura
cnologas de
validados en
ento permiti
uesto.
; se ha usado
a constructo
deaplicarla
ustracin10M

dores
contenido de
vo propuesto
terica y em
informacin
otros estudio
identificar
o el mtodo
y un pre te
encuestaalp
Modeloteri

los construc
para esta inv
mprica relac
y la prctica
os empricos
los ocho c
o de panel de
est como rev
pblicoobjeti
icopropuesto
Fuent
tos que com
vestigacin; s
cionada a la
de ecomme
realizados po
onstructos c
e expertos p
visin final p
ivousadocom
o
te:Elaboraci
ponen la esc
se ha realizad
temtica de
erce. Esto ha
or autores de
considerados
para evaluar
para asegura
momuestrap
npropia
cala usada en
do una revisi
e este estud
permitido us
estacados en
en el mode
los indicador
r la validez
paraelestudi
43

n el
n
dio:
sar
el
elo
res
de
o.
44

EvaluacindeExpertosyfocusgroup
Con el propsito de delinear los fundamentos de las hiptesis planteadas, y con ellas las
variables que se asocian a cada constructo, se hace necesario un anlisis desde la experiencia
delosusuariosynousuariosdecomercioelectrnicoparavalidarlosconstructoselegidospara
este estudio. Por ende, se decide realizar un focus group con seis personas que cursan
actualmentelacarreradeIngenieraComercial,escogidosdeunamuestranoprobabilsticapor
conveniencia. El objetivo de esta reunin es escuchar las opiniones de los compradores y no
compradores de ecommerce con respecto a las razones de su utilizacin y los riesgos
percibidosporellos,siendoestosenalgunoscasos,fuertesinhibidoresalacompra.
En este anlisis, se corrobor la importancia de temas como la seguridad y confianza en la
empresa con quien se transa, adems de la conveniencia percibida como ejes centrales de la
motivacinalautilizacindeecommerce.Enrelacinalosusuariosdelcomercioelectrnico,
les preocupa la correcta llegada del producto, pero a la vez, reconocen el ahorro de tiempo
comounaimportanteventaja.Porotrolado,losnocompradoresonline,resaltanlainseguridad
enlainformacin,tantofinanciera comopersonal,transadaenInternet,ylos beneficiosdela
utilizacindetodoslossentidosenlaventatradicional.
19

De esta forma se permite perfeccionar la encuesta, con el fin de hacerla ms representativa y

realista,comoconsecuencia,constructosvlidosaestudiar.
Posteriormente se procedi a revisar la encuesta inicial propuesta con la profesora gua del
seminario, Leslier Valenzuela, efectuando as una correccin necesaria antes del pretest,
detallando algunas variables necesarias para el anlisis. De esta reunin se corrobor la
importanciadeactualizareltemadelaadopcindelatecnologa,relacionndoloconvariables
talescomolaedad,sexoycarreracursada.
PreTest
Una vez definida la encuesta, se procedi a realizar un PreTest en alumnos de Ingeniera
Comercial, con el fin de evaluar el completo entendimiento del material proporcionado. Para
esto,selespidirealizarcomentariossiesqueloestimasennecesario,remarcandopartesque
lescausaranconfusinoquerecomendarancambiar.Apartirdeesto,seincluyunadefinicin

19
Paramayoresdetalles,verAnexo1y2:FocusGroup
45

explcitadeloqueesecommerceysecambiaronpalabrasquepodrandarlaposibilidaddeun
entendimiento ambiguo, definiendo de mejor forma las instrucciones, remarcando lo ms
relevante.
Adems,seseparunapreguntaen2,haciendoquelosencuestadosenumerenlosproductos
quehancomprado,yalavez,losquelesgustaracomprar.Otroscambiosnecesariosdespus
delpretestfueron:
Modificar algunas variables dentro de los constructos, pues resultaban ser dobles y
confusas,talcomoLainformacinproporcionadaporlaspginawebesclarayfcilde
entenderoLainformacinproporcionadaporlaspginaswebesactualyoportuna.
Quitar3factorespertenecientesadiferentesvariables.Enprimerlugar,seeliminaLas
pginas web me dan atencin personal del constructo Cercana, pues no aporta
informacin relevante en el anlisis, siendo contenida adems, por otro tem. De
Intencin de Compra se omite la utilizacin de Tengo la intencin de seguir
utilizando mi tienda para la compra de un producto o servicio en el futuro, ya que
genera confusiones al responder, no siendo claro a qu tienda especficamente se
refiere, aportando entonces, informacin ambigua y ya obtenida. Y por ltimo, se
elimina de Confianza y Credibilidad el tem El seguimiento de la orden est
disponiblehastalaentregadelproductoyservicio,debidoaquenoesmtodousado
porlamayoradelaspginasconventaelectrnica,porloquenosepuedegeneralizar
ensuimportancia,hacindolonocomparable.Adems,esimportantemencionar,que
estas modificaciones son avaladas por los resultados de anlisis de validez y
confiabilidad,hechosapartirdelosdatosobtenidos.
Arreglar la redaccin de variables que impedan que personas que no hubiesen
utilizado el servicio de compra por internet las respondiesen, dejndolas aptas para
todotipodeencuestados.
Dejar de preguntar qu ao cursa de la carrera, ya que para las variables de control
planteadas no era til, dejando slo qu carrera cursa actualmente, como una
preguntaabierta.
Finalmente el cuestionario qued definido con 10 preguntas, siendo 8 de stas cerradas y 2
abiertas, quedando estas ltimas al final, destinadas a satisfacer lo que denominamos como
variablesdecontrol.Lascerradassecomponenpor2preguntasdicotmicas,3multicotmicas
46

y 3 de escalas. Estas ltimas corresponden a 2 preguntas comparativas por orden de

clasificacinyunanocomparativadeescalaLikertde7puntos.
Adems,lapersonaquenuncahacompradoelectrnicamentedeberrespondersolamente7
preguntas, neutras para no hacer diferencia entre los que han sido clientes y los que no. Ver
AnexoN3laencuestafinal,aplicadaalamuestra.
Expuestoloanteriorseconstruylasiguienteescalademedida:
Tabla3InstrumentopropuestoparamedirlaFacilidaddeUso
FACILIDADDEUSO
Abreviacin tems Fuente
FAC1 Esfcilparaustedcompraratravsdeinternet Donna2003
FAC2
Comprarproductoseninternetestanfcilcomoen
unatienda
Donna2003
FAC3 Esfcilcompletarunatransaccindecompra Donna2003
FAC4 Encuentrofcilmenteloquebuscoparacomprar Donna2003
Fuente:ElaboracinPropia

Tabla4InstrumentopropuestoparamedirUtilidadPercibida
CONVENIENCIA/UTILIDADPERCIBIDA
Abreviacin tems Fuente
UTI1 Compraratravsdeinternetmeahorratiempo Donna(2003)
UTI2 Comprareninternetsimplificamistransacciones Donna(2003)
UTI3 Esimportanteparamminimizarelesfuerzodecompra
Gholamrezay
Gurpreet(2002)
UTI4 Esimportanteparamminimizareltiempodeenvo
Gholamrezay
Gurpreet(2002)
UTI5
Esimportanteparamminimizareltiempode
bsqueda
Gholamrezay
Gurpreet(2002)
UTI6

Megustalaampliagamadeproductosquepuedo
encontrarenInternet
Gholamrezay
Gurpreet(2002)
UTI7 Megustalafacilidaddecomparacindeproductos
Gholamrezay
Gurpreet(2002)
UTI8
Megustaobtenerlamayorinformacinacercadelos
productoscomoseaposible
Gholamrezay
Gurpreet(2002)
UTI9
Consideroimportantelaminimizacindepreciospor
comprasenInternet
Gholamrezay
Gurpreet(2002)
Fuente:Elaboracinpropia

47

Tabla5Instrumentomultidimensionalpropuestoparalamedidalaconfianza/credibilidad
percibidaenlascomprasOnLine.
CONFIANZA/CREDIBILIDAD
Abreviacin tems Fuente
CONF1
Lacredibilidaddelainformacinsuministradapor
internetesunapreocupacinparam
Alshare,Grandon
yMiller(2005)
CONF2 Lainformacinsuministradaporinternetesconfiable
Alshare,Grandon
yMiller(2005)
CONF3 Estoypreocupadoporlalegitimidaddeproveedores
Gholamrezay
Gurpreet(2002)
CONF4
Estoypreocupadoporlarecepcindelproducto
solicitado
Gholamrezay
Gurpreet(2002)
CONF5
Estoypreocupadoporlallegadaoportunadelos
productoscomprados
Gholamrezay
Gurpreet(2002)
CONF6 Mepreocuparecibirproductosequivocados
Gholamrezay
Gurpreet(2002)
CONF7 Esimportanteasegurarlacalidaddeunproducto
Gholamrezay
Gurpreet(2002)
CONF8
Esimportantequeenvanordendeconfirmacincon
informacinrelevante
SamaryRolf
(2007)
CONF9
Esimportantequelosdistribuidoresdelasempresas
seanconocidosporsubuenareputacin
SamaryRolf
(2007)

Fuente:Elaboracinpropia

Tabla6InstrumentopropuestoparamedirlaSeguridadyPrivacidaddelaInformacin
SEGURIDADYPRIVACIDADDELAINFORMACIN
Abreviacin tems Fuente
SEG1
Lascomprasonlinebrindanseguridadenlosdatos
personalesyfinancieros
Donna(2003)
SEG2 Lascomprasonlinebrindanseguridadenlatransaccin Donna(2003)
SEG3
Estoypreocupadocuandoproveoinformacinpersonal
enunacompraenInternet
Elaboracinpropia
SEG4
Estoypreocupadocuandoproveoinformacin
financieraenunacompraenInternet
Donna(2003)
SEG5
Estoypreocupadoporelfraudecuandoquierocomprar
unproductoatravsdeInternet
Gholamrezay
Gurpreet(2002)
SEG6
Estoypreocupadoporelaccesonoautorizadoami
informacinpersonal
Gholamrezay
Gurpreet(2002)
SEG7
Sientoquehayproteccinsuficienteparalatransaccin
decomercioenInternet
Gholamrezay
Gurpreet(2002)
SEG8 Mepreocupaelusoindebidodeinformacinpersonal
Gholamrezay
Gurpreet(2002)
SEG9 Esimportantemaximizarlaprivacidad
Gholamrezay
Gurpreet(2002)
48

SEG10
Estoysegurodequeotrosnopuedenmanipularla
informacindemitransaccin
ChanandLu(2004)
Ganguly,Dash,Cyr
yHead(2010)
SEG11
Nocreoquerobenmidinerocadavezquerealizouna
transaccin
ChanandLu(2004)
Ganguly,Dash,Cyr
yHead(2010)
Fuente:Elaboracinpropia

Tabla7InstrumentopropuestoparamedirelconstructoPginaWeb
PGINAWEB
Abreviacin tems Fuente
PAG1
Lainformacinproporcionadaporlaspginaswebes
fcildeentender SamaryRolf(2007)
PAG2 Prefierosistemassencillosdebsquedadeproductos Elaboracinpropia
PAG3
Lainformacinproporcionadaporlaspginaswebes
actual SamaryRolf(2007)
PAG4
Lainformacinproporcionadaporlaspginaswebes
relevante SamaryRolf(2007)
PAG5
Laspginaswebcumplenloqueprometen SamaryRolf(2007)
PAG6
Laspginaswebestndisponiblestodoeltiempo SamaryRolf(2007)
PAG7
Laspginaswebmuestranintersenresponderalos
problemasdelcliente SamaryRolf(2007)
Fuente:Elaboracinpropia

Tabla8InstrumentopropuestoparamedirlaGarantaPostVenta
GARANTAPOSTVENTA
Abreviacin tems Fuente
GAR1
Esimportanteofrecerunacalidaddeserviciopost
venta
Gholamrezay
Gurpreet(2002)
GAR2
Megustalagarantadelaentregadelproducto
adquirido
Gholamrezay
Gurpreet(2002)
GAR3
Yocreoquelosmailderespuestadelaspginasweb
sonprecisos
SamaryRolf
(2007)(adaptado)
GAR4
Esimportantepoderrealizarcambiosporinsatisfaccin
enlacompra
Elaboracin
propia
Fuente:Elaboracinpropia

49

Tabla9InstrumentopropuestoparamedirlaCercana
CERCANA
Abreviacin tems Fuente
CERC1 Megustasercapazdetocarelproducto
Gholamrezay
Gurpreet(2002)
CERC2 Megustasercapazdeprobarelproducto
Gholamrezay
Gurpreet(2002)
CERC3 Sientoquelaatencinhumanaalclienteesimportante
Gholamrezay
Gurpreet(2002)
CERC4 Considerolacompracomouneventosocial
Elaboracin
propia
CERC5 Laspginaswebentiendenmisnecesidadesespecficas
SamaryRolf
(2007)
Fuente:Elaboracinpropia
Tabla10InstrumentopropuestoparamedirlaIntencindecomprarOnLine.
INTENCINDECOMPRA
Abreviacin tems Fuente
INT1
VoyarealizarcomprasatravsdeInternetenun
futuroprximo
ChenandBarns
(2007)
Ganguly,Dash,
CyryHead(2010)
INT2 RecomendaraaotroscompraratravsdeInternet
SuhandHan
(2003)
Ganguly,Dash,
CyryHead(2010)
[Modificado]
Fuente:Elaboracinpropia

DescripcinTrabajodeCampo

Enrelacinaltrabajodecampodelpresenteestudiodescribiremosagrandesrasgoselproceso
efectuado.
Lasencuestaspresencialesserealizaronentrelosdas11denoviembrey21denoviembredel
presente ao. A travs de contactos con profesores y ayudantes se realizaron encuestas a
alumnosdelassiguientescarreras:IngenieraComercial,IngenieraenInformacinyControlde
50

Gestin,IngenieraCivilQumica,IngenieraCivilenBiotecnologa,EnfermerayPedagogaen
EducacinBsica.
Se eligieron jvenes universitarios como representantes de las nuevas generaciones, ya que
representan una etapa en que estn muy inmersos en Internet, adems que cuentan con el
poder de decidir por s mismos el realizar o no compras a travs de Internet. A diferencia de
etapas escolares, que al ser menores de edad dependen de un adulto que posea el medio de
pago. Por otro lado una vez egresados de las respectivas carreras, las personas tienden a ser
usuariosdeecommerceylaetapadeadopcinesenelperodouniversitario.
Con el objetivo de que los encuestados entregarn datos confiables y respuestas correctas se
lesdiolaposibilidadderealizarpreguntasencasodedudadeenunciadooalgnotroaspecto.
Una vez realizada la encuesta al curso correspondiente se revis una a una para as eliminar
encuestas incompletas o mal contestadas. Luego las encuestas respondidas correctamente se
tabularonparasuposterioranlisis.
Por otro lado, las encuestas online se efectuaron entre los das 13 de noviembre y 21 de
noviembre, utilizando Qualtrics como herramienta para la publicacin de la encuesta y a
travsdecorreoelectrnicoyredessocialessecontactapersonasquecumplanconelperfil
de la muestra necesitada. Cada encuesta enviada fue bajo la certeza de quien era el
destinatariocumplaelrequisitodecursaralgunacarrerauniversitaria.

51

FichatcnicadelaInvestigacin
Tabla11FichaTcnicadelaInvestigacin
FichaTcnicadelEstudio

ObjetivodelaInvestigacin

Analizarlascomprasonlineparadeterminarfactoresqueinfluyen
y/omotivanalaspersonasausarecommerce

TipodeEstudio

Estudiocuantitativo,basadoenunaencuestaestndar
PoblacinObjetivo

Hombresymujeres,entre18y27aos,quecursanactualmente
algunacarrerauniversitaria.

Muestra

Serealizaron350encuestas.Delascuales55%fueronpresenciales
y45%restanteonline.Elmtododemuestreofueno
probabilsticodejuicioenelcasodelaspresencialesyno
probabilsticodeconvenienciaenelcasodelasencuestasatravs
deinternet

SeleccinMuestral

Paralasencuestasonlineestasfueronrealizadasatravsde
contactosvaemailyredessociales.Lamuestraparalasencuestas
presencialesfueronenbaseacontactosconprofesoresy
ayudantes,yasencuestarasucursoscorrespondientes

InstrumentodeMedicin

Seutilizunaencuestaestndar,estructuradaconpreguntas
cerradas,dondelasrespuestassondealternativanica,escala
ordinal,yenunagranmayoradeescaladeLikertde7puntos

FechadeTerreno

Larecoleccindedatosparalasencuestaspresencialesseefectu
entreelda11denoviembrey21denoviembrede2011,enel
casodelasencuestasonlineserealizentrelosdas13de
noviembrey21denoviembredelpresenteao
Fuente:Elaboracinpropia

Car

La m
enc
Aco
Enr
enc
En
rep
mue

De
inte
ractersticas
muestra corr
cuestasfuero
ontinuacins
relacinalg
cuestadas:
a) Gnero
cuanto al g
resentando u
estrauniform


b) Frecuen
acuerdoala
ernet por sob
delamuest
esponde a la
nvlidaspara
sepresentan
neroyfrecu
o
gnero de l
un 50,3%, y 1
meenrelacin

nciaenelus
frecuenciaen
bre 3 horas d
tra
as 350 encues
alainvestigac
lasvariables
uenciadeuso
a muestra,
174 al sexo m
nalgnerode
Ilustracin1

sodeInterne
nelusodein
diarias. Y el 2
49,7%
stas, tanto on
cin.
decontrolco
odeinternet
176 encuest
masculino co
elosencuest
11Gnerode
et
nternet,obse
5% restante
50
Gne
nline como p
onsusrespect
tsoncaracte
tadas corres
rrespondient
ados.
laMuestra
Fuente:Elab
rvamosqueu
le otorga al u
0,3%
ro
presenciales.
tivosresultad
rsticasdela
sponden al s
te al 49,7% re
boracinProp
un75%dela
uso de intern
El 100% de
dos:
as350person
sexo femeni
estante. Es u
pia
muestrautil
net menos de
Femenino
Masculino
52
las
nas
no
una
iza
e 3

hor
men
nue
El r
21,6
Laf

ras diarias. Ca
nosde1hora
evasgeneraci

c) Edad
ango etario d
65aosydes
frecuenciaen
abe destacar
adiariasiend
onesenChile
Ilustracin1

de la muestra
sviacinestn
ntrelasedade
20
32%
el pequeo
oestounam
e.
12Frecuencia

a analizada s
ndarde1,75a
essedetallaa

1%
10%
0%
Frecuenci
porcentaje (1
muestradelalt

aenelusode
e extiende en
aosdeedad
acontinuaci
14%
23%
adeUsod
1%) de frecue
toniveldepe
einternetde

Fuente:Elab
ntre los 18 y
d.
n:
deInternet
Me
En
En
En
En
M
encia de uso
enetracinde
laMuestra
boracinProp
27 aos, con
t
enosde1hora
tre1y2horas
tre2y3horas
tre3y4horas
tre4y5horas
sde5horasd
de internet
eInterneten

pia
n una media
adiaria
sdiarias
sdiarias
sdiarias
sdiarias
diarias
53
de
las
de
54

Tabla12Distribucindeedaddelamuestra
Edad Frecuencia
18 5
19 34
20 55
21 64
22 89
23 61
24 24
25 10
26 4
27 4
Fuente:ElaboracinPropia
Ilustracin13Distribucinetariadelamuestra

Fuente:Elaboracinpropia

d) Carrera
Por otro lado, se clasificaron las carreras segn sus respectivas reas, siendo estas las
siguientes: Ciencias Agronmicas, Forestales y Ambientales con carreras como Agronoma,
Ingeniera Forestal e Ingeniera en Medio Ambiente, Ciencias Veterinarias exclusivamente con
MedicinaVeterinaria,ComputacionalconIngenieraCivileninformticaoenComputacin.En
0
10
20
30
40
50
60
70
80
90
100
18 19 20 21 22 23 24 25 26 27
FrecuenciaEtaria
Frecuencia
55

relacin al rea de Negocios y Administracin se encuentran presente carreras tales como

Ingeniera en Informacin y Control de Gestin, Ingeniera Comercial, Administracin de
HotelesyRestauranteseIngenieraenAdministracindeEmpresas.AdemsOtrasIngenieras
hace mencin a Ingenieras Civil en minas, en Biotecnologa, en Qumica, en Construccin,
entre otras. El sector de Salud formado por carreras como Medicina, Enfermera, Tecnologa
Mdica y otras. Finalmente el rea social incluye a Pedagoga en educacin Bsica, Psicologa,
Derecho,Periodismo,TrabajoSocial,otras.YArtescarrerascomoDiseoyCineyTelevisin.En
lasiguientetablasepresentanlasreasmencionadasanteriormentejuntoconsufrecuencia:
Tabla13Carreraestudiadaporelencuestado
reas Frecuencia
CienciasAgronmicas,ForestalesyAmbientales 18
CienciasVeterinarias 6
Computacional 4
NegociosyAdministracin 122
OtrasIngenieras 79
Salud 48
Social 69
Artes 4
Fuente:Elaboracinpropia

Alavez,seclasificaronendosgrandesreas,CarrerasdeNegociosyCarrerasNorelacionadas
aNegocios,arrojandolossiguientesresultados:un35%delosencuestadoscursaactualmente
alguna carrera vinculada con negocios, y el 65% restante cursa carreras correspondientes a
otrasreasdeestudios.

En
que
estu
equ
e) Usuario
relacin a los
e ha comprad
udio arroj q
uivalenteaun

Ilustracin1
odeEcomm
s usuarios de
do a travs d
que 126 per
n36%delam
I

65%
C
36
14Frecuencia
merce
e ecommerce
de internet, e
sonas nunca
muestra.
Ilustracin15

Clasificac
%
U
aenelusode
e observamos
esto es equiv
han utilizad
5Usuariode
35%
cindeC
64%
Usuario
einternetde
s que un 64%
alente a 224
do el comerc
Ecommerce
Fuente:Elab
Carreras
Carr
Carr
laMuestra
Fuente:Elab
% de los encu
personas. P
cio electrnic
boracinProp
s
erasdeNegoc
erasNodeNe
HaComprado
Nohacompr

boracinprop
uestados afirm
or otro lado,
co, siendo es

pia
ios
gocios
o
ado
56
pia
ma
el
sto

A p
rele
per
con
El e
com
y3

Sep
un
27%
un
rest

partir del 64
evantes, esto
sonas, el ga
ntinuacinlos
f) Promed
estudio arroj
mpraenprom
vecesenpro

g) GastoP
puedeobserv
39% ha gasta
% que ha gast
12% de los
tantehagast
4% que ha
os correspon
asto promed
sresultadosa
diodeComp
que de las
mediounavez
mediomensu
Ilustra

Promedioen
varenlailust
ado en prom
tado entre $
usuarios de
adoenprom
Pro
utilizado alg
den al prom
dio de las c
rrojados:
prasMensua
s 224 person
zomenosme
ualmente,ye
acin16Prom

nComprasR
tracin17qu
edio $20.000
20.001 y $ 40
ecommerce
edioenlasco
14%
4%
2%
omediode
guna vez ec
medio de com
compras real
ales
nas que han
ensualmente,
elporcentaje
mediodeCom
Realizadas
edelaspers
0 o menos en
0.000. Han g
, y un 11%
omprasrealiz
80%
eCompras
commerce, a
mpras mensu
lizadas y los
comprado a
,seguidopor
restante,6%,
mprasMensu
Fuente:Elab
onasquehan
n sus compra
astado en pr
entre $40.00
zadasentre$6
sMensuale
analizaremos
uales efectua
s productos
travs de in
un14%que
,comprasob
uales
boracinProp
nhechousod
s efectuadas,
omedio por s
01 y $60.000
60.001y$80.
es
1om
Entre
Entre
Ms
tres aspect
adas por est
comprados.
nternet un 80
compraentre
re3veces.

pia
deecommer
, seguido de
sobre $100.0
0. El porcenta
.000.
menos
e2y3
e3y4
de5
57
tos
tas
A
0%
e2
rce
un
001
aje

A m
com
par

h) Promed
modo de enc
mmerce se re
aasestimar

Ilustra

diomensual
contrar una a
ealiz un prom
elgastodefo
Ilu

11%
8%
3%
12
27%
4%
G
acin17Prom

gastado
aproximacin
medio de uso
ormamensua
ustracin18

27%
2%
GastoPro
%
4%
Gastopro
mediodeCom
n a lo que ga
o multiplicad
al.Losresulta
Gastoprome

39%
omedioen
65%
omedio
mprasMensu
Fuente:Elab
astan mensu
o por el prom
adosencontra
ediomensua
Fuente:Ela
Compras
$20.0
Entre
Entre
Entre
Entre
Msd
Mensua
Ent
Ent
Ent
M
uales
boracinProp
ualmente los
medio de gas
adossonloss
al
aboracinPro
000omenos
$20.001y$40
$40.001y$60
$60.001y$80
$80.001y$10
de$100.001
al
tre5.000y29.
tre30.000y69
tre70.000y11
sde130.000

pia
usuarios de
sta por comp
siguientes:

opia
0.000
0.000
0.000
00.000
999
9.999
19.999
58
e
ra,
59

Como se puede observar en la ilustracin el promedio mensual est mayoritariamente

concentradoenelrangoentre$5.000y$29.999conun65%.El27%delamuestragastaentre
$30.000 y $69.999 por lo que en conjunto con el rango anterior suman el 92% de la muestra.
Estos niveles de gasto concuerdan con el perfil juvenil de la muestra, el cual no cuenta con
suficientedineropararealizarmayorescompras.
i) ProductoscompradosatravsdeInternet
Los resultados presentados a continuacin corresponden a las tres primeras preferencias de
losusuariosdeecommerce.
Como se observa en la tabla 14, los productos ms comprados por los usuarios de comercio
electrnico del presente estudio son los artculos electrnicos, arrojando un 29,41%, seguido
conun14,38%deropa.Cabemencionarlatendenciadecomprayventaderopaatravsdelas
redessocialescomofacebook,loquepodrajustificaresteelaltoporcentajedeestetem.Las
entradas a espectculos y cupones de descuentos arrojaron un 13,4% y 12,42%
respectivamente.LosproductosmenoscompradossonDVDs(3,27%)yflores(0,33%).

Tabla14Productosmscompradosporlamuestra
Producto %
Artculoselectrnicos 29,41%
Ropa 14,38%
Entradasaespectculos 13,40%
Cuponesdedescuento 12,42%
Msica 8,50%
Libros 6,54%
Otro(s)cul(es)? 6,21%
Turismo 5,56%
DVDs 3,27%
Flores 0,33%
Fuente:Elaboracinpropia

60

j) ProductospreferidosparacompraratravsdeInternet
La siguiente tabla muestra los resultados obtenidos tanto a usuarios y no usuarios de e
commerce acerca de las tres primeras preferencias sobre los productos que compraran a
travsdeinternet.
Deacuerdoalatabla15,losproductosquepreferirancomprartantolosusuarioscomolosno
usuarios del comercio electrnico son artculos electrnicos con 16,59%, seguido por cupones
de descuento y entradas a espectculos con un 13,22% y 12,74% respectivamente. Adems,
cabe mencionar el tem ropa y libros con un 10,46% de las preferencias, y turismo con un
9,74%.
Tabla15ProductosquelamuestrapreferiracompraratravsdeInternet
Producto %
Artculoselectrnicos 16,59%
Cuponesdedescuento 13,22%
Entradasaespectculos 12,74%
Ropa 10,46%
Libros 10,46%
Turismo 9,74%
DVDs 8,53%
Msica 8,29%
Flores 5,41%
Otro(s)cul(es)? 4,57%
Fuente:Elaboracinpropia
ANLISISYDISCUSINDELOSDATOS
DepuracineIdoneidaddelaEscala
En una primera instancia se analiz la estructura e idoneidad del cuestionario suministrado.
Estoserealizendosetapaslascualessedetallaacontinuacin,ademssusrespectivasfases
paradeterminarlacapacidaddelaescalaaplicadaalamuestra.
La primera etapa consta de cuatro pasos cuyo fin es lograr la validez de contenido. En la
siguientetablasedetallanlasfases:

61

Tabla16PrimeraEtapaIdoneidaddelaEscala
PrimeraEtapa

Revisindela
Literatura

Serecurriadistintasfuentesbibliogrficascuyas
investigacionesayudaronalaconstruccindeunaescala
validada

FocusGroup

Se convers con un grupo de personas que suelen

comprar a travs de Internet y que nunca ha comprado,
para obtener una idea general de caractersticas y
percepciones.

ConsultaaExpertos

Seconsultaexpertosqueanalizaranlaescalaynos
entregarnrecomendacionesparaunaposteriormejora.

PreTest

SuministradoendoscursosdeMarketingIII,endondelos
comentariosenrelacinalcuestionariofuerontilespara
lamejoradeste.

Fuente:ElaboracinPropia
Luego de confeccionado el cuestionario y aplicado a la muestra, es necesario determinar la
validezdelaestructuradelaescala.Paraestoseanalizaronlossiguientesindicadores:
Tabla17Segundaetapadeelaboracindelaescala
SegundaEtapa
AlphadeCronbach

Estecoeficienteindicaquelaescalaposeeunabuena
consistencia interna entre los elementos de la escala,
porende,esfiable.Elmnimorecomendadoparaeste
coeficientees0,6

KMO

Este test indica la adecuacin de la muestra para la

realizacin del anlisis factorial, considerando la
correlacin entre las variables analizadas. En el caso
que este coeficiente sea mayor a 0,5 es aceptable y
aseguraunbuenanlisisfactorial.

62

EsfericidaddeBarlett

Este test tiene como hiptesis nula que no existe

correlacin entre las variables, es decir la matriz
Identidad es igual a la matriz de Correlacin. Por lo
que se debe rechazar la hiptesis nula para que la
realizacindeunanlisisfactorialseaapropiado.Para
la investigacin se rechazar la hiptesis nula con un
95%deconfianza.

Fuente:ElaboracinPropia

AtributosdelaEscaladeMedida

Porotrolado,serealizunanlisisdelosestadsticosdescriptivos,loscualesseobservanenla
siguientedata:
Tabla18Descriptivosparacadaconstructo
Constructo N
tems
Mnimo Mximo Media Desviacin
Tpica
FacilidaddeUso 4
1,00 7,00 4,91 1,36
Conveniencia/UtilidadPercibida 9
1,00 7,00 5,57 1,03
Confianza/Credibilidad 9
1,00 7,00 5,65 0,84
Seguridadyprivacidaddela
Informacin
11
1,00 7,00 5,16 0,83
PginaWeb 7
1,43 7,00 4,83 0,98
GarantaPostVenta 4
1,00 7,00 5,51 1,05
Cercana 5
1,00 7,00 4,91 1,21
IntencindeCompra 2
1,00 7,00 4,98 1,50
Fuente:ElaboracinPropia
ValidezdelModelo

Buscando analizar la validez del modelo propuesto, es que se procede a realizar anlisis
factoriales, tanto a nivel general como por constructo, y a la vez, anlisis de fiabilidad. Los
resultadossedetallanacontinuacin:
AnlisisFactorialyfiabilidad:ResultadosGenerales
63

Enelsiguienteapartadopresentamoslosresultadosdemodogeneralquearrojelestudioen
cuantoaFiabilidadyCorrelacinentrelasvariables:

Tabla19ResumendeConfiabilidadyCorrelacinentrevariables
Muestra Nde
Constructos
Nde
Items
Alphade
Cronbach
KMO Barlett
350 8 51 0,921 0,901 0,000

X_FAC X_PAG X_UTI1 X_UTI2 X_CONF X_SEG1 X_SEG2 X_INT X_GAR X_CERC
X_FAC
1 ,552 ,597 ,475 ,325 ,056* ,437 ,606 ,440 -,092*
X_PAG ,552 1 ,368 ,424 ,193 ,004* ,492 ,416 ,384 -,036*
X_UTI1
,597 ,368 1 ,610 ,468 ,234 ,274 ,509 ,487 ,052*
X_UTI2
,475 ,424 ,610 1 ,599 ,309 ,198 ,484 ,546 ,101*
X_CONF
,325 ,193 ,468 ,599 1 ,545 ,041 ,370 ,605 ,316
X_SEG1
,056 ,004 ,234 ,309 ,545 1 -,117 ,068* ,350 ,449
X_SEG2
,437 ,492 ,274 ,198 ,041 -,117 1 ,419 ,258 -,026*
X_INT
,606 ,416 ,509 ,484 ,370 ,068 ,419 1 ,503 -,033
X_GAR
,440 ,384 ,487 ,546 ,605 ,350 ,258 ,503 1 ,297
X_CERC
-,092 -,036 ,052 ,101 ,316 ,449 -,026 -,033 ,297 1
*CorrelacionesnoSignificativasconun95%deconfianza
Fuente:ElaboracinPropia
Deacuerdoalosanlisisrealizadosseobtuvieronlossiguientesdatosexpuestosenlatabla19.
Paradeterminarlafiabilidad(confiabilidad)seutilizelcoeficienteAlphade Cronbach,donde
sus valores se expresan en una escala de 0 a 1, y su criterio de aceptacin es superior a 0,6.
Mientras ms cercano a 1, mayor confiabilidad. Para esta investigacin se arroj un Alpha de
Cronbach de 0,921 lo que indica una consistencia interna suficiente, por lo tanto, los
componentessonfiablesoconfiables
ConrespectoalKMOseobservaqueesteessuperioralmnimoexigidode0,5,yserechazala
nula de que no existe relacin entre las variables, por lo tanto, se demuestra que existe
efectivamenteunacorrelacinentrelostemsdelosconstructosutilizadosenelestudio,yen
consecuencia,seaseguraqueesadecuadopararealizarunbuenanlisisFactorial.
64

AnlisisFactorialyFiabilidad:Resultadosporconstructo
FacilidaddeUso

Este constructo fue definido como Grado en cual el cliente percibe que realizar una compra
onlineesfcil,tantoenentendimientocomollevarlaacabo.Acontinuacinelresultado:
Tabla20AnlisisfactorialexploratorioyfiabilidaddeFacilidaddeUso
VariablesManifiestas Componente
1
FAC1:Esfcilparaustedcompraratravsdeinternet
FAC2:Comprarproductoseninternetestanfcilcomoenunatienda
FAC3:Esfcilcompletarunatransaccindecompra
FAC4:Encuentrofcilmenteloquebuscoparacomprar
,892
,850
,887
,674

Mtododeextraccin:Anlisisdecomponentesprincipales.
Mtododerotacin:NormalizacinVarimaxconKaiser.
Fuente:Elaboracinpropia

Podemos observar que el anlisis factorial exploratorio (AFE) arroj un componente para la
variablelatenteFacilidaddeUsoconcargassuperioresa0,6.
En relacin al KMO este es 0,8, por ende, superior al mnimo aceptado, lo que implica que un
anlisis factorial es adecuado. La prueba de esfericidad de Bartlet posee un nivel se
significancia 0,000. Este resultado es menor a 0,05, concluyendo que se rechaza la hiptesis
nula de que no existe correlacin entre los elementos. Adems, la varianza total explicada
quedaen68,980%.
Finalmente, el Alfa de Cronbach es 0,847, superior al aceptado, (0,6). Las correlaciones
corregidas de los elementos son superiores a 0,5 (Ver Anexo 4), siendo el recomendado
superior a 0,3. Por lo que concluimos que el constructo posee consistencia interna entre los
elementosquelaconforman.
KMOypruebadeBartlett
MedidadeadecuacinmuestrasdeKaiserMeyerOlkin
PruebadeesfericidaddeBartlettChicuadradoaproximado
Gl
Sig.
,800
656,400
6
,000
Estadsticodefiabilidad
AlphadeCronbach
Ndeelementos
,847
4
65

Conveniencia/UtilidadPercibida

EsteconstructofuedefinidocomoGradoenqueelclientepercibequecomprareninternetle
reportautilidadentrminosdedineroahorrado,menortiempo,mayoraccesoainformaciny
comparacin.Acontinuacinelresultadodelosrespectivosanlisis:
Tabla21AnlisisfactorialexploratorioyfiabilidaddeConveniencia/UtilidadPercibida
VariablesManifiestas Componente
12
UTI1:Compraratravsdeinternetmeahorratiempo
UTI2:Comprareninternetsimplificamistransacciones
UTI3:Esimportanteparamminimizarelesfuerzodecompra
UTI4:Esimportanteparamminimizareltiempodeenvo
UTI5:Esimportanteparamminimizareltiempodebsqueda
UTI6:Megustalaampliagamadeproductosquepuedo
encontrarenInternet
UTI7:Megustalafacilidaddecomparacindeproductos
UTI8:Megustaobtenerlamayorinformacinacercadelos
productoscomoseaposible
UTI9:Consideroimportantelaminimizacindepreciospor
comprasenInternet
,775,221
,780,208
,781,142
,578,411
,671,382
,302,720

,125,789
,207,756

,341,617

Mtododeextraccin:Anlisisdecomponentesprincipales.
Mtododerotacin:NormalizacinVarimaxconKaiser.
Fuente:Elaboracinpropia

Comosepuedeobservarenlatablaanterior,lamatrizdecomponentessecargadosfactores
enesteconstructo.Loscincoprimerostemsseencuentrancargadosalprimercomponente,y
loscuatroltimostemscarganenelsegundocomponente.(Veranexo5)
En cuanto al KMO arroj un 0,841, superando de forma holgada el mnimo aceptado, adems
serechazalanuladequelasvariablesnoestncorrelacionadas,dadoestoseconcluyequeel
AnlisisFactorialExploratorioesadecuado.
KMOypruebadeBartlett
MedidadeadecuacinmuestrasdeKaiserMeyerOlkin
PruebadeesfericidaddeBartlettChicuadradoaproximado
Gl
Sig.
,841
1296,234
36
,000
Estadsticodefiabilidad
AlphadeCronbach
Ndeelementos
,863
9
66

Siguiendoconelanlisis,elAlphadeCronbachpresentauncoeficientede0,863,superandoel
mnimo requerido, quedando cada variable con cargas superiores a 0,5 en el componente en
dondeseagruparon.Lavarianzatotalexplicadaquedaen59,878%.
DadolosresultadosenqueseparaendosdimensioneselconstructodeConveniencia/Utilidad
Percibidaesquedecidimosevaluarporseparado,paraasnoperderinformacinyanalizarpor
questostemsestaranenconstructosdiferentes.
Aprioripodramosverquelosprimeroscincotemsestnasociadasalautilidadqueprestaala
persona realizar compras a travs de Internet, tomando en consideracin la comodidad en
cuantoatiempoyesfuerzopersonal,encambiolossiguientescuatrotemshacenrelacinala
conveniencia sobre caractersticas del producto como informacin encontrada, facilidad de
comparacin,preciosmsbajos,etc.
Losresultadosobtenidosdelaseparacindelconstructoeselsiguiente:
PrimerComponente:
Tabla22Anlisisfactorialprimercomponente
VariablesManifiestas Componente
1
UTI1:Compraratravsdeinternetmeahorratiempo
UTI2:Comprareninternetsimplificamistransacciones
UTI3:Esimportanteparamminimizarelesfuerzodecompra
UTI4:Esimportanteparamminimizareltiempodeenvo
UTI5:Esimportanteparamminimizareltiempodebsqueda
,783
,775
,774
,729
,793

Mtododeextraccin:Anlisisdecomponentesprincipales.
Mtododerotacin:NormalizacinVarimaxconKaiser.
Fuente:ElaboracinPropia

KMOypruebadeBartlett
MedidadeadecuacinmuestrasdeKaiserMeyerOlkin
PruebadeesfericidaddeBartlettChicuadradoaproximado
Gl
Sig.
,747
741,413
10
,000
Estadsticodefiabilidad
AlphadeCronbach
Ndeelementos
,828
5
67

SegundoComponente:
Tabla23Anlisisfactorialsegundocomponente
VariablesManifiestas Componente
2
UTI6:Megustalaampliagamadeproductosquepuedoencontraren
Internet
UTI7:Megustalafacilidaddecomparacindeproductos
UTI8:Megustaobtenerlamayorinformacinacercadelosproductos
comoseaposible
UTI9:Consideroimportantelaminimizacindepreciosporcompras
enInternet
,785

,780
,778

,726

Mtododeextraccin:Anlisisdecomponentesprincipales.
Mtododerotacin:NormalizacinVarimaxconKaiser.
Fuente:ElaboracinPropia
A partir de los datos entregados anteriormente, es que se comprueba la aceptabilidad del
anlisisfactorial,comolaconsistenciainternadeladivisindecomponentes,conmuybuenos
resultados. De esta forma, y tal como fue mencionado anteriormente, se comprueba la
separacin del constructo Conveniencia/Utilidad Percibida en 2, apelando a diferencias
significativasensucomposicin,loscualesdescribiremoscomosigue:
a) UtilidadPercibida
En primer lugar, tomando las primeras 5 variables agrupadas en un mismo componente,
podemos definir ste nuevo constructo como, Grado en que el cliente percibe que comprar
en internet le reporta utilidad en trminos de utilizacin de menos tiempo y esfuerzo,
manteniendosunombreoriginalyasociadoalmodeloTAM(Davis,1989),UtilidadPercibida.
De esta forma, se incluye aqu slo tems relacionados a la utilizacin de comercio online en
trminos de ahorro de tiempo y esfuerzo de compra, mejorando la simplificacin de las
transacciones. Estas ventajas temporales debern ser percibidas por los clientes a la hora de
tomarladecisindeusarecommerce,prefirindoloporsobrelacompratradicional.As,los5
KMOypruebadeBartlett
MedidadeadecuacinmuestrasdeKaiserMeyerOlkin
PruebadeesfericidaddeBartlettChicuadradoaproximado
Gl
Sig.
,742
354,611
6
,000
Estadsticodefiabilidad
AlphadeCronbach
Ndeelementos
,767
4
68

itemsincorporadoscarganenelconstructoconmsde0,7,llegandoaunnivelmuybuenode
consistencia interna, con un Alfa de Cronbach de 0,828 y un KMO de 0,747, avalando la
factibilidad del anlisis. Por ltimo, gracias a la divisin de factores, es que se conforma un
constructo mucho ms especfico, que apunta a la conveniencia que percibe el cliente por
sobretodo,entrminostemporales.
b) FacilidaddeBsqueda
Porotrolado,seaadeunnuevoconstructo,compuestopor4tems,elqueesdefinidocomo
Gradoenquelosusuariosdelcomercioonlinepercibenbeneficiosenlabsquedadelproducto
queserequiere,yaseaentrminosdeencontrarmsinformacinypodercomparar,pudiendo
encontraraselmejorprecio,obteniendoelnombredeFacilidaddeBsqueda.
As,seseparadelosbeneficiostemporales,quedandoasociadosalprocesoprevioalacompra,
comotambinalposterior.Sedestacanlasventajasquedaelecommerceaniveldepermitir
unamayorbsquedadeinformacinycomparacin,enlapartepreviaalacompra,ylograrel
mejor precio al hacer la transaccin, completando una compra adaptada a las necesidades y
requerimientosdelcliente.Finalmente,noestanimportanteelahorrodetiemponiesfuerzo,
comoenelconstructoanterior.
De esta forma, el constructo da resultados ms especficos y acota de cierta forma la amplia
gama de beneficios que puede entregar la compra por Internet, ajustando la conveniencia a
describir. Adems, y al igual que el componente anterior, cuenta con el respaldo de las cifras,
mostrando un KMO de 0,742 y un Alfa de Cronbach de 0,767, realzando el buen nivel que
posee en consistencia interna, sumado a que todos sus factores cargan en ms de 0,7 dentro
delcomponente.
Confianza/Credibilidad

EsteconstructofuedefinidocomoElbuenfuncionamientodelapginawebylacapacidadde
realizarlosserviciosprometidosdeformafiableyprecisa.
Los resultados iniciales arrojados por el programa SPSS en relacin a Confianza / Credibilidad
(Ver Anexo 6.1.) mostraban las variables pertenecientes al constructo separadas en 2
componentes, uno con 8 tems y el otro compuesto slo por uno, denominado como La
69

informacinsuministradaporinternetesconfiable(CONF2),conunacargade0,923,segnla
matrizdecomponentesrotados,ademsunacorrelacincorregidade0,121.Estoprovocaba,
inconsistencia en lo planteado, ya que la variable que quedaba separada era la que
explcitamentehacamencinaltrminoconfianza,estandoalavez,muyrelacionadaalresto,
porlomenosdeformaescrita.
Deestaforma,esquedecidimoshacerunsegundoanlisis,estavez,eliminandolavariableen
cuestin.Siendolosrespectivosresultadoslossiguientes:

Tabla24AnlisisfactorialexploratorioyfiabilidaddeConfianza/Credibilidad
VariablesManifiestas Componente
1
CONF1:Lacredibilidaddelainformacinsuministradaporinternet
esunapreocupacinparam
CONF3:Estoypreocupadoporlalegitimidaddeproveedores
CONF4:Estoypreocupadoporlarecepcindelproductosolicitado
CONF5:Estoypreocupadoporlallegadaoportunadelosproductos
comprados
CONF6:Mepreocuparecibirproductosequivocados
CONF7:Esimportanteasegurarlacalidaddeunproducto
CONF8:Esimportantequeenvanordendeconfirmacincon
informacinrelevante
CONF9:Esimportantequelosdistribuidoresdelasempresassean
conocidosporsubuenareputacin
,679

,530
,740
,796

,572

,813
,773
,656

Mtododeextraccin:Anlisisdecomponentesprincipales.
Mtododerotacin:NormalizacinVarimaxconKaiser.
Fuente:Elaboracinpropia
Delatablaanterior,observamosuncomponenteextrado(valorpercibido)delanlisisfactorial
exploratorio.Estecomponenteposeecargasporsobre0,53ensus8elementosanalizados.En
KMOypruebadeBartlett
MedidadeadecuacinmuestrasdeKaiserMeyerOlkin
PruebadeesfericidaddeBartlettChicuadradoaproximado
Gl
Sig.
,848
1057,661
28
,000
Estadsticodefiabilidad
AlphadeCronbach
Ndeelementos
,836
8
70

relacin a su medida de adecuacin muestral Kaiser Meyer Olkin o KMO es 0,848, superior al
mnimorecomendadoyserechazalanuladequeloselementosnoestncorrelacionados,por
loque,concluimosqueelAnlisisFactorialExploratorioesapropiado.
Por otro lado, el Alpha de Cronbach arroj un 0,836 considerablemente superior al mnimo
exigidode0,6.Deestaforma,podemosafirmarqueexisteconsistenciainternadelconstructo
Confianza / Credibilidad, es decir, existe correlacin entre las variables estudiadas. Adems,
quedaconun49,264%delavarianzatotalexplicada.
Por lo tanto, se decidi eliminar el tem CONF2, ya que si bien, los resultados iniciales
obtenidos a travs de la medicin del constructo se encontraban dentro de rangos muy
buenos,conunKMO0,847yunAlfadeCronbachde0,809,buscamosmejorarlaconsistencia
interna del constructo an ms, siguiendo la lgica de hacerlo conciso, y basado en los datos
entregadosporSPSS.(Veranexo6.2)
La lgica detrs de esta omisin, es que en primer lugar, la variable no hace diferencias
significativasentrepersonas,siendosurespuestabastantepredecible,yaque,demanerams
extremaono,laspersonastiendenadesconfiardeloquenopuedentocarosentir,loquese
refleja en el constructo de Cercana. Adems, la informacin obtenida con este tem, puede
serinferidaapartirdelasotrasvariablesquecomponenelconstructodeConfianza,yaqueal
estar preocupado por la recepcin de productos en perfectas condiciones o de manera
oportuna, sumado a la legitimidad de proveedores, se percibe cierto recelo y desconfianza al
servicioprestadoporinternet,queaunque,nosehayatenidoningunamalaexperiencia,nose
sentirsegurohastahabercompletadolatransaccin,ytenerelproductoensumano.
As, se mejora el resultado de KMO y el Alfa de Cronbach, haciendo an ms confiable los
resultados del estudio, con 8 elementos. Adems, esto deja todos los tems insertos en el
mismo constructo, con valores superiores al 0,5 de carga en ese componente, con
prcticamentelamitaddelavarianzaexplicada.
SeguridadyPrivacidaddelaInformacin

EsteconstructofuedefinidocomoGradoenquelosclientescreenqueelsitioylatransaccin
sonseguros. Lainformacinpersonalyfinanciera estprotegida.Acontinuacinelresultado
delosrespectivosanlisis:
71

Tabla25AnlisisfactorialexploratorioyfiabilidaddeSeguridadyPrivacidaddela
Informacin
VariablesManifiestas Componente
12
SEG1:Lascomprasonlinebrindanseguridadenlosdatos
personalesyfinancieros
SEG2:Lascomprasonlinebrindanseguridadenlatransaccin
SEG3:Estoypreocupadocuandoproveoinformacinpersonalen
unacompraenInternet
SEG4:Estoypreocupadocuandoproveoinformacinfinanciera
enunacompraenInternet
SEG5:Estoypreocupadoporelfraudecuandoquierocomprarun
productoatravsdeInternet
SEG6:Estoypreocupadoporelaccesonoautorizadoami
informacinpersonal
SEG7:Sientoquehayproteccinsuficienteparalatransaccinde
comercioenInternet
SEG8:Mepreocupaelusoindebidodeinformacinpersonal
SEG9:Esimportantemaximizarlaprivacidad
SEG10:Estoysegurodequeotrosnopuedenmanipularla
informacindemitransaccin
SEG11:Nocreoquerobenmidinerocadavezquerealizouna
transaccin
,029,805

,041,826
,829,027

,864,064

,848,062

,863,077

,014,808

,822,047
,710,016
,050,763

,092,741

Mtododeextraccin:Anlisisdecomponentesprincipales.
Mtododerotacin:NormalizacinVarimaxconKaiser.
Fuente:Elaboracinpropia
En relacin a su medida de adecuacin muestral KMO podemos observar que su valor es
0,835,superandodeformaholgadaelmnimoaceptado,ademsdequeeltestdeesfericidad
de Barlett result ser 0,000, por lo que se concluye que el Anlisis Factorial Exploratorio es
apropiado.
KMOypruebadeBartlett
MedidadeadecuacinmuestrasdeKaiserMeyerOlkin
PruebadeesfericidaddeBartlettChicuadradoaproximado
Gl
Sig.
,835
2173,110
55
,000
Estadsticodefiabilidad
AlphadeCronbach
Ndeelementos
,752
11
72

En ltima instancia, el Alpha de Cronbach presenta un coeficiente de 0,752, superando el

mnimo recomendado. Y la correlacin de cada una de las variables manifiestas en la
investigacinsuperael0,514yun65,664%delavarianzatotalexplicada.(VerAnexo7.1).
El anlisis de este constructo dio como resultado una matriz de componentes cargada a dos
factores.Lostems3,4,5,6,8y9seencuentrancargadosalprimercomponente,ylostems1,
2,7,10y11seencuentrancargadosalsegundocomponente.
Demanerainicial,sepuedepredecirprincipalmenteaquelostemsdelfactor1seasocianala
entregayprivacidaddelainformacinpersonalbsicaparallevaracaboEcommerce.Porotro
lado,elsegundofactorseasociaalaSeguridadqueotorgaelSitiooeloferenteconrespectoa
la informacin transada, lo cual podra ser la razn que marc las diferencias en el resultado.
Porlomismo,sedeciderealizarunanlisisfactorialporcomponente,elcualquedacomosigue
(Veranexo7.2):

73

PrimerComponente:
Tabla26AnlisisFactorialPrimercomponente
VariablesManifiestas Componente
1

SEG3:Estoypreocupadocuandoproveoinformacinpersonal
enunacompraenInternet
SEG4:Estoypreocupadocuandoproveoinformacinfinanciera
enunacompraenInternet
SEG5:Estoypreocupadoporelfraudecuandoquierocomprar
unproductoatravsdeInternet
SEG6:Estoypreocupadoporelaccesonoautorizadoami
informacinpersonal
SEG8:Mepreocupaelusoindebidodeinformacinpersonal
SEG9:Esimportantemaximizarlaprivacidad

,829

,867

,850

,866

,823
,709

Mtododeextraccin:Anlisisdecomponentesprincipales.
Mtododerotacin:NormalizacinVarimaxconKaiser.
Fuente:ElaboracinPropia

KMOypruebadeBartlett
MedidadeadecuacinmuestrasdeKaiserMeyerOlkin
PruebadeesfericidaddeBartlettChicuadradoaproximado
Gl
Sig.
,867
1398,651
15
,000
Estadsticodefiabilidad
AlphadeCronbach
Ndeelementos
,906
6
74

SegundoComponente:
Tabla27AnlisisFactorialSegundocomponente
VariablesManifiestas Componente
2
SEG1:Lascomprasonlinebrindanseguridadenlosdatos
personalesyfinancieros
SEG2:Lascomprasonlinebrindanseguridadenlatransaccin
SEG7:Sientoquehayproteccinsuficienteparalatransaccin
decomercioenInternet
SEG10:Estoysegurodequeotrosnopuedenmanipularla
informacindemitransaccin
SEG11:Nocreoquerobenmidinerocadavezquerealizouna
transaccin
,805

,826
,808

,764

,747

Mtododeextraccin:Anlisisdecomponentesprincipales.
Mtododerotacin:NormalizacinVarimaxconKaiser.
Fuente:Elaboracinpropia
Revisando los datos de la ilustracin anterior, se comprueba la factibilidad de la divisin del
constructoSeguridadyPrivacidaddelainformacinen2componentesdiferentes,cadauno
conunaexcelenteconsistenciainterna.Eldetalledecadacomponentequedacomosigue:
a) Privacidaddeinformacinpropia
Comoprimerconstructo queda conformadoel dePrivacidaddeinformacinpropia,elcualse
definecomoGradoenquelosclientespercibenquesuinformacinpersonalyfinancieraest
protegida.
Aqu se incluye la percepcin del consumidor de ecommerce acerca del resguardo de la
informacinquecomparteenInternet,yaseapersonalofinanciera,evitandoposiblesfraudes
con la indebida utilizacin de esta. De esta forma, queda especificado el constructo hacia la
KMOypruebadeBartlett
MedidadeadecuacinmuestrasdeKaiserMeyerOlkin
PruebadeesfericidaddeBartlettChicuadradoaproximado
Gl
Sig.
,794
749,146
10
,000
Estadsticodefiabilidad
AlphadeCronbach
Ndeelementos
,848
5
75

preocupacin de la informacin propia, siendo enftico que ms que la confianza o seguridad

quesepercibadelapginaenqueseesttransando,serefiereatemorespersonales.
La conformacin del componente se refuerza con la factibilidad del anlisis, reflejada en el
valor del KMO de 0,867, quedando con excelentes valores. De la misma forma, el Alfa de
Cronbach corrobora en muy buenos trminos la consistencia interna y la confiabilidad del
anlisis,conunvalorde0.906.
b) SeguridadprovistaporInternet
ElsegundoconstructoquenacideladivisindeSeguridadyPrivacidaddelaInformacinse
definecomoGradoenquelosclientessientenquehacertransaccionesporInternetlesgenera
seguridad, tanto en la compra misma, como en la recepcin del producto, llamndolo
SeguridadprovistaporInternet.
Por lo tanto, se especifica que ms que al usuario le preocupe el uso indebido de su
informacin personal, es el grado de seguridad que percibe de Internet a nivel general, tanto
delapginawebendondeseestcomprandocomodelageneralizacinquesehagadeellas,
pudiendoconvertirseenuninhibidoralautilizacindelecommerce.
Finalmente, y al igual que en el constructo anterior, la divisin se ve corroborada por la
factibilidaddeanlisisfactorial,mostradaporel0,794deresultadoalKMO,yporotrolado,la
buenaconsistenciainterna,mostradaconelAlfadeCronbach,conun0,848.

PginaWeb

Este constructo fue definido como Grado en que la pgina web es atractiva y posee las
herramientasnecesariasylainformacinrelevantepararealizarunatransaccin.Despusde
haberrealizadoelanlisisfactorialalosdatosobtenidosdelaencuestahechapreviamente,los
resultados arrojaban nmeros aceptables, con un KMO de 0,844 y un Alfa de Cronbach de
0,791,corroborandounamuybuenaconfiabilidadenelconstructo.Apesardeesto,existaun
tem(Pag2)quecargabaconvaloresmuybajosenelcomponenteanalizado(Veranexo8.1).De
estaforma,seprocediarealizarunsegundoanlisis,sinestefactor,quedandolosresultados
comosiguen:
76

Tabla28AnlisisfactorialexploratorioyfiabilidaddePginaWeb
VariablesManifiestas Componente
1
PAG1:Lainformacinproporcionadaporlaspginaswebesfcilde
entender
PAG3:Lainformacinproporcionadaporlaspginaswebesactual
PAG4:Lainformacinproporcionadaporlaspginaswebes
relevante
PAG5:Laspginaswebcumplenloqueprometen
PAG6:Laspginaswebestndisponiblestodoeltiempo
PAG7:Laspginaswebmuestranintersenresponderalos
problemasdelcliente
,718

,784
,805

,760
,527
,702

Mtododeextraccin:Anlisisdecomponentesprincipales.
Mtododerotacin:NormalizacinVarimaxconKaiser.
Fuente:Elaboracinpropia
De esta forma, se ve que los datos entregados mejoran con la eliminacin de esta variable,
definida como Prefiero sistemas sencillos de bsqueda de productos (PAG2), quedando con
que el Kaiser Meyer Olkin o KMO es 0,844, superior al mnimo recomendado de 0,5 y se
rechaza la nula de que las variables no estn correlacionadas. Dado estos resultados,
concluimos que el Anlisis Factorial Exploratorio es apropiado. Adems, este componente
posee cargas por sobre 0,527 en sus 6 elementos analizados y se cuenta con un 52,124% del
totaldelavarianzaexplicada.
SiguiendoconelanlisisparaelconstructoPginaWeb,elAlphadeCronbachcorrespondiente
arroj un 0,808, valor superior al mnimo aceptado de 0,6. En definitiva podemos afirmar que
existe consistencia interna de este constructo, es decir, existe correlacin entre las variables
investigadas.(Veranexo8.2)
Por lo mismo, se justifica la eliminacin del tem PAG2 no slo basado en que los resultados
cuantitativosgeneralesmejoraron,sinoqueadems,seconsideracomountemquenogenera
KMOypruebadeBartlett
MedidadeadecuacinmuestrasdeKaiserMeyerOlkin
PruebadeesfericidaddeBartlettChicuadradoaproximado
Gl
Sig.
,844
633,218
15
,000
Estadsticodefiabilidad
AlphadeCronbach
Ndeelementos
,808
6
77

diferenciasnimayoresconclusiones,yaquesurespuestaespredecibleynoseespecificacomo
propia de la compra de internet, por lo que en cualquier caso, la persona preferir sistemas
sencillosdebsqueda,inclusoenlacompratradicional.Porlomismo,nosepuedeprobarque
seasolamenteasociadaalaconformacindeunapginaweb,siendodemasiadoampliaparael
anlisis. Finalmente, es que se decidi su omisin, y se concluy que la informacin
proporcionadaseescapabadeloslmitesrequeridosparaelestudio.

GarantaPostVenta

Definido como Percepcin del servicio despus de haber realizado la compra, como las
devoluciones, las respuestas a dudas o problemas de insatisfaccin ya sea con el producto o
servicio,oconlatransaccinmisma.Sedetallanacontinuacinsusresultados:
Tabla29AnlisisfactorialexploratorioyfiabilidaddeGarantaPostVenta
VariablesManifiestas Componente
1
GAR1:Esimportanteofrecerunacalidaddeserviciopostventa
GAR2:Megustalagarantadelaentregadelproductoadquirido
GAR3:Yocreoquelosmailderespuestadelaspginaswebson
precisos
GAR4:Esimportantepoderrealizarcambiosporinsatisfaccinenla
compra
,809
,784
,584

,754

Mtododeextraccin:Anlisisdecomponentesprincipales.
Mtododerotacin:NormalizacinVarimaxconKaiser.
Fuente:Elaboracinpropia

Para comenzar el anlisis de este constructo, observamos en la ilustracin anterior un

componente extrado(valorpercibido)delanlisisfactorialexploratorio,cuyascargassuperan
un0,584ensus4elementosestudiados.
KMOypruebadeBartlett
MedidadeadecuacinmuestrasdeKaiserMeyerOlkin
PruebadeesfericidaddeBartlettChicuadradoaproximado
Gl
Sig.
,739
272,223
6
,000
Estadsticodefiabilidad
AlphadeCronbach
Ndeelemnetos
,703
4
78

LuegopodemosobservarquesumedidadeadecuacinmuestralKaiserMeyerOlkinoKMOes
0,739, superior al mnimo recomendado de 0,5 y un rechazo de la hiptesis nula de que no
existe correlacin entre las variables. Por lo que concluimos que el Anlisis Factorial
Exploratorioesadecuadoparaelanlisis,conun54,444%devarianzatotalexplicada.
En ltimo lugar, el anlisis para el constructo Garanta Post venta, nos entrega un Alpha de
Cronbach correspondiente a 0,703, valor superior al mnimo aceptado de 0,6. Adems, la
correlacindecadaunadelasvariablessuperael0,531(VerAnexo9),superandoloaceptado
de0,3.Finalmente,sepuedeconcluirqueexisteconsistenciainternadeesteconstructo,osea,
existecorrelacinentrelasvariablesinvestigadas.Porlotanto,ysegnelanlisis,elconstructo
posee una confiabilidad alta, no requiriendo modificaciones ni omisiones con respecto a los
factoresquelocomponen.

IntencindeCompra

EsteconstructofuedefinidocomoGradoenqueelclientemanifiestalaintencinderealizar
unacompraonlineoderecomendarloaotros.Acontinuacinelresultadodelosrespectivos
anlisis:
Tabla30AnlisisfactorialexploratorioyfiabilidaddeIntencindeCompra
VariablesManifiestas Componente
1
INT1:VoyarealizarcomprasatravsdeInternetenunfuturo
prximo
INT2:RecomendaraaotroscompraratravsdeInternet
,896

.896

Mtododeextraccin:Anlisisdecomponentesprincipales.
Mtododerotacin:NormalizacinVarimaxconKaiser.
Fuente:Elaboracinpropia
KMOypruebadeBartlett
MedidadeadecuacinmuestrasdeKaiserMeyerOlkin
PruebadeesfericidaddeBartlettChicuadradoaproximado
Gl
Sig.
,500
159,696
1
,000
Estadsticodefiabilidad
AlphadeCronbach
Ndeelemnetos

79

En una primera instancia, observamos que el anlisis arroj un componente extrado (valor
percibido) del anlisis factorial exploratorio, donde sus cargas estn por sobre un 0,8. La
varianzatotalexplicadaporelmodeloes80,349%.
Adems,podemosobservarquesumedidadeadecuacinmuestralKMOes0,500,alcanzando
exactamente el mnimo requerido 0,5 y se rechaza la hiptesis nula de que no existe
correlacinentrelasvariables.DeacuerdoalvalordeKMOconcluimosqueelAnlisisFactorial
Exploratorioesadecuadoparaelanlisis.
En ltimo lugar, omitimos el resultado que entrega el anlisis de confiabilidad del Alfa de
Cronbach,yaquealestarconstituidoconslo2variables,ytalcomosemencionaenelpaper
deGeorgeMallery(1995),lautilizacindeesteanlisisdebeserparaescalasde3a20tems.A
pesar de esto, podemos concluir que existe correlacin entre las variables investigadas, en
dondelacorrelacindecadaunodelosfactoressuperael0,607.(VerAnexoN10).

Cercana

EsteconstructosedefinecomoGradoenquelaofertadeproductossatisfacelaspreferencias
individuales de los clientes. El anlisis inicial es basado en 5 tems que constituyen el
constructo. No obstante; el arrojado el Alfa de Cronbach arrojado fue de 0,442, lo cual no
aceptable.SuKMOtambinseencontrentrminosbajos,con0,536yelconstructoreflejaba
su total de factores separados en 2 componentes, el primero con 2 tems y el segundo con 4,
unodelosculescondiferenciasmarginalesentrecomponentes(veranexo11.1).
Por lo tanto, y dado los niveles muy pobres mostrados por el anlisis, se procede a realizar
combinaciones, omitiendo 1, 2 y hasta 3 variables, siendo la segunda opcin la mejor opcin
encontrada,detallandolosresultadoscomosiguen:

80

Tabla31AnlisisfactorialexploratorioyfiabilidaddeCercana
VariablesManifiestas Componente
1
CERC1:Megustasercapazdesentirelproducto
CERC2:Megustasercapazdeprobarelproducto
CERC4:Considerolacompracomouneventosocial

,929
,903
,405

Mtododeextraccin:Anlisisdecomponentesprincipales.
Mtododerotacin:NormalizacinVarimaxconKaiser.
Fuente:Elaboracinpropia
A pesar de que los nmeros obtenidos no se destacan dentro de la excelencia, quedan en
trminos aceptables, quedando un KMO sobre el mnimo requerido, con 0,511, rechazando
ademslahiptesisnuladequenoexistecorrelacinentrelasvariables.Porotrolado,elAlfa
de Cronbach llega casi al lmite de lo razonable, con 0,595, aunque mejorando bastante con
respectoalosnivelesiniciales.(Veranexo11.2)
Porlotanto,secompruebalaeliminacinde2temsquehaban sidoplanteadosinicialmente
paraelconstructo.Enprimerlugar,seomiteelusodelavariabledefinidacomoSientoquela
atencin humana al cliente es importante (CERC3), ya que inicialmente, al cargar en 2
componenteslatotalidaddelconstructo,eralaquemenosdiferenciasmarcaba,sumadoaque
seconsideracomountemquehacemuypredeciblesurespuesta,yaqueindependientemente
de la situacin en que se encuentre la persona, siempre preferir ser ayudado, si esto le
permite lograr niveles ptimos de satisfaccin en su compra, lo que adems, no
necesariamentesedarenlavisitaalatiendadeformatradicional,nosiendounadiferencia
explcitaymarcadaentreelecommerceylatiendafsica,queesdondeapuntaelconstructo.
En segundo lugar, se procede a la eliminacin del factor definido como Las pginas web
entiendenmisnecesidadesespecficas(CERC5),yaqueenprimerainstancia,laconsistenciay
confiabilidad del anlisis mejora de gran manera sin este tem, lo que se refuerza a la lgica
KMOypruebadeBartlett
MedidadeadecuacinmuestrasdeKaiserMeyerOlkin
PruebadeesfericidaddeBartlettChicuadradoaproximado
Gl
Sig.
,511
322,593
3
,000 Estadsticodefiabilidad
AlphadeCronbach
Ndeelementos
,595
3
81

explicativadetrsdeesto,dondesedestacaquelavariablenohacereferenciaalrealobjetivo
delconstructo,queesverlaimportanciaquetieneparalosclientesaspectosrelacionadosala
tiendaoelproductofsico,apuntandomsaldiseodelapginaweb,queaestasdiferencias
buscadas. Adems, esta informacin se ve parcialmente acaparada por el constructo Pgina
Web,yaquesepreguntasiestemediosepreocupaderesolverproblemasespecficosdelos
clientes,evitandoasobtenerinformacindobleyconfusa.
Porltimo,sevislumbrabanproblemasconeltemdenominadoConsiderolacompracomoun
evento social (CERC4), ya que su carga es bastante baja, como se puede observar en la tabla
correspondiente.Aunquesedenotaunamenorcorrelacin,sedecidimantenerla,yaqueest
inserta en lo que se busca con el constructo, y su informacin no est contenida en ninguna
otra variable, siendo significativo conocer si la salida a comprar de forma tradicional, ya se
combinada con amigos, familia, etc., es importante para el cliente a la hora de optar por no
utilizarecommerce.
Finalmente, el constructo Cercana queda conformado por 3 items, con un 61,433% de
varianzaexplicada.
AmododeresumensepresentalasiguientetablaconelresultadodelosestadsticosKMOy
AlphadeCronbachresultantesdelaescalapurificada.
Tabla32ResumendeEscalaPurificada
Constructo
Nde
tems
Alphade
Cronbach
KMO
FacilidaddeUso 4 0,847 0,800
Conveniencia/
Utilidadpercibida
UtilidadPercibida 5 0,828 0,747
FacilidaddeBsqueda 4 0,767 0,785
Confianza/Credibilidad 8 0,836 0,848
Seguridady
Privacidad
PrivacidaddelaInformacinPropia 6 0,906 0,867
SeguridadProvistaporInternet 5 0,848 0,794
PginaWeb 6 0,808 0,844
GarantaPostVenta 4 0,703 0,739
IntencindeCompra 2 0,500
Cercana 3 0,595 0,511
Fuente:Elaboracinpropia

82

AnlisisdepruebasChiCuadrado

a) FrecuenciadeUsodeInternetrelacionadoalUsodeEcommerce
El test tiene como hiptesis nula que no existe relacin entre las variables nominales
Frecuencia de Uso de Internet medido como horas durante el da y si el encuestado ha
compradoatravsdeInternet.
Tabla33TabladetabulacincruzadaFrecuenciadeUso/UsuariodeEcommerce

FrecuenciadeUsodeInternet Total

Menos
de 1
Entre
1 y 2
Entre
2 y 3
Entre
3 y 4
Entre
4 y 5
Ms
de 5
Usuario
deE
commerce
Hausado
Recuento 2 20 24 39 50 89 224
Frecuencia
esperada
1,3 21,8 31,4 51,2 46,1 72,3 224,0
Noha
Usado
Recuento 2 34 49 80 72 113 350
Frecuencia
esperada
2,0 34,0 49,0 80,0 72,0 113,0 350,0
Total
Recuento 2 34 49 80 72 113 350
Frecuencia
esperada
2,0 34,0 49,0 80,0 72,0 113,0 350,0
Fuente:ElaboracinPropia
Tabla34TestChiCuadradoparaFrecuenciadeUso/UsuariodeEcommerce
Valor Gl
Sig. asinttica
(bilateral)
Chi-cuadrado de Pearson 26,006
a
5 ,000
Razn de verosimilitudes 27,064 5 ,000
Asociacin lineal por lineal 14,320 1 ,000
N de casos vlidos 350

a. 2casillas(16,7%)tienenunafrecuenciaesperadainferiora5.
Lafrecuenciamnimaesperadaes0,72.
Fuente:ElaboracinPropia
Comosepuedeobservarenlatabla34serechazalahiptesisnuladequenoexisteasociacin
entre las variables de anlisis, por lo que con un nivel de confianza mayor a 95% podemos
concluir que existe una asociacin significativa entre frecuencia de uso de Internet y si realiza
comprasonodemaneraonline.

83

b) GnerodeencuestadosrelacionadoalUsodeEcommerce

La hiptesis nula para este test es: El gnero del encuestado no tiene relacin con si es o no
usuariodeEcommerce.Losresultadosobtenidossonlossiguientes:

Tabla35Tabulacincruzada,Genero/UsuariodeEcommerce
Gnero Total

Femenino Masculino

Usuario
deE
commerce
Ha
Usado
Recuento 96 128 224
Frecuencia
esperada
112,6 111,4 224,0
Noha
Usado
Recuento 80 46 126
Frecuencia
esperada
63,4 62,6 126,0
Total
Recuento 176 174 350
Frecuencia
esperada
176,0 174,0 350,0
Fuente:Elaboracinpropia

Tabla36TestChiCuadrado,Gnero/UsuariodeEcommerce

Valor Gl
Sig. asinttica
(bilateral)
Chi-cuadrado de Pearson 13,735
a
1 ,000
Correccin por
continuidad
b

12,922 1 ,000
Razn de verosimilitudes 13,865 1 ,000
Asociacin lineal por lineal 13,696 1 ,000
N de casos vlidos 350

a.0casillas(,0%)tienenunafrecuenciaesperadainferiora5.Lafrecuenciamnimaesperadaes
62,64.
b.Calculadosloparaunatablade2x2.

Fuente:elaboracinpropia

DeacuerdoalosresultadosobtenidosdeltestChiCuadradopodemosconcluirqueserechaza
lahiptesisnula,porloqueseaceptaqueexisteunaasociacinentreelgnerodelapersonay
su realiza o no compras a travs de Internet. Esto comprueba lo anunciado segn la
bibliografa,lacualconcluaquemujerestiendenarealizarmenoscomprasatravsdeInternet
queloshombresyparaesteestudioseencontrarondiferenciassignificativas.
84

c) EstudiosdeloscomponentesdelamuestrarelacionadoalUsodeEcommerce
Lahiptesisnulaparaestetestes:Eltipodeformacinrecibidaenlascarrerasestudiadasno
tiene relacin con si es o no usuario de Ecommerce. Los resultados obtenidos son los
siguientes:

Tabla37Tabulacincruzada,Estudios/UsariosdeEcommerce
Estudios Total
No
Business Business

Usuario
deE
commerce
Ha
Usado
Recuento
142 82 224
Frecuencia
esperada
145,9 78,1 224,0
Noha
Usado
Recuento
86 40 126
Frecuencia
esperada
82,1 43,9 126,0
Total
Recuento
228 122 350
Frecuencia
esperada
228,0 122,0 350,0
Fuente:Elaboracinpropia
Tabla38TestChiCuadrado,Estudios/UsuariosdeEcommerce

Valor Gl
Sig.asinttica
(bilateral)
ChicuadradodePearson
,839
a
1 ,360
Correccinpor
continuidad
b

,639 1 ,424
Razndeverosimilitudes ,845 1 ,358
Asociacinlinealpor
lineal
,837 1 ,360
Ndecasosvlidos
350
Fuente:Elaboracinpropia
De acuerdo a los resultados obtenidos no se puede rechazar la hiptesis nula de que la
formacinrecibida enlas diferentescarrerasdelosencuestadosnotengaalgunarelacin con
elhechodecompraronoatravsdeInternet.
Estosresultadossepodranexplicar,porunlado,porladiversidaddecarrerasporelladodelas
clasificadas como No Business, ya que a pesar de que no tengan formacin en cuanto a
85

negocios, actualmente todas las carreras estn inmersas en un mundo tecnolgico, donde
partedelasherramientasdeestudioeselusodeInternet.Porloquenoexisteunaformacin
queprovoqueunarelacinidentificable.
Este resultado difiere de la informacin encontrada, pero podra deberse a que al avanzar el
tiempo la penetracin de Internet ha provocado que la formacin Universitaria recibida no
generequealgunascarrerasrealicenmscomprasatravsdeInternetqueotras.

Anlisisdecomparacindemedias(ANOVA)

Amododecompletarelanlisisfactorialhechoparacadaconstructoesqueserealizarondos
comparacionesdemediasparalosgruposdistinguiblesdeencuestados.
El anlisis de ANOVA busca comparar la media de dos grupos de manera simultnea para un
mismo componente. La hiptesis nula es que no existen diferencias entre las medias de los
gruposaevaluar.Porloqueelobjetivoesrechazarlahiptesisnulaconunmnimode95%de
confianza.
Se realiz una comparacin para cada constructo, que permita identificar diferencias
significativas en la percepcin de cada uno para usuario de Ecommerce y para aquellos que
nunca han comprado a travs de Internet. As como tambin evaluar si existen diferencias
significativasporgneroparacadaconstructo.

86

Losresultadosobtenidosseresumenenlasiguientetabla:
Tabla39ResumendeAnlisisANOVAparatodoslosconstructos
20

Constructo Genero Usuario

FacilidaddeUso Norechaza(Sig.0,238) RechazalaNula(Sig.0,00)
Conveniencia/Utilidad
percibida
Norechaza(Sig.0,93) RechazalaNula(Sig.0,00)
Confianza/Credibilidad Norechaza(Sig.0,602) RechazalaNula(Sig.0,00)
Seguridad/Privacidad
deInformacin
Norechaza(Sig.0,7) RechazalaNula(Sig.0,03)
PginaWeb Norechaza(Sig.0,97) RechazalaNula(Sig.0,00)
GarantaPostVenta Norechaza(Sig.0,622) RechazalaNula(Sig.0,00)
Cercana RechazalaNula(sig.0,05) Norechaza(Sig.0,157)
IntencindeCompra Norechaza(Sig.0,051) RechazalaNula(Sig.0,00)
Fuente:Elaboracinpropia
Apartirdelatabla39sepuedeconcluirqueengeneralqueelgneronotienediferenciaenlas
medias de su evaluacin para cada constructo, excepto Cercana donde se encuentra en el
lmite, ocurriendo todo lo contario para los grupos diferenciados entre compradores y no
compradoresonline.
Laconclusinfundamentaldeesteanlisisesquehaydiferenciassignificativasentrelasmedias
delascalificacionesdelamuestracuandosondivididasentrequieneshancompradoynohan
realizadocomprasatravsdeInternet.
Esteanlisiseselprimerpasoparadeterminarlaimportanciadelosconstructosenlamuestra,
esto ser profundizado con un anlisis que permita determinar el grado de influencia de cada
constructoenelestadofinaldecompraonodelamuestra.
Adems se compar si existan diferencias significativas entre personas que respondieron la
encuesta de maneras online y presencial, donde la mayora de los tems no arrojaron grandes
diferencias. Realizando un anlisis ANOVA se determinaron algunos constructos que poseen
diferencias significativas (ver anexo 13), pero esto no se puede asociar particularmente al
medio de administracin, ya que no se puede aislar el efecto de otras variables en la
percepcindelosusuariosydelmomentoenquerespondieronlaencuesta.

20
Veranexo12paramayordetalle
87

Validacindehiptesis

De manera de validar las hiptesis planteadas en el marco terico de presente seminario se

realiz un anlisis de dos regresiones lineales mltiples, para las variables Confianza e
Intencindecompra.
En la regresin se busca rechazar la hiptesis nula de que los coeficientes de las variables
independientessonigualesacero,conunniveldeconfianzamayoroigualal95%.Ademsse
considera el grado y direccin de la correlacin de estas variables independientes con la
variable dependiente, a travs de los coeficientes de la regresin. La bondad de ajuste del
modelo,lacualsemideconelRcuadradoyRCuadradocorregido.
Losdatosutilizadosparaesteanlisissonlospromediosobtenidosparacadaconstructo,luego
dehaberrealizadolasmejoraspropuestasapartirdelanlisisfactorialdelaescala.
RegresinLinealMultivariadaparalavariableConfianza.
21

El constructo de confianza percibida se consider multivariado, por lo que se espera

determinarelgradoderelacinentrelasvariablesyademselajustedelmodelopropuesto.
Hiptesisavalidar:
Lasvariables:
Seguridad y privacidad de la informacin (dados los resultados del anlisis factorial,
ahoraestavariablesseconsideradeformaseparadaendos)
Pginaweb
GarantaPost
Cercanapercibida
Estn positivamente relacionadas con la confianza percibida hacia las compras a travs de
Internet.

21
Veranexo11.1RegresinLinealMultivariadaparalavariableConfianza
88

Tabla40RegresinMltipleparaConfianzapercibida
Estadsticos Valor
CorrelacindePearson** Verenanexo14.1

RCuadrado 0,495
Rcuadradocorregido 0,487

Modelo
Coeficientes no
estandarizados
Coeficientes
tipificados
T Sig.
B Error tp. Beta
(Constante) 1,917 ,259 7,398 ,000
X_PAG ,033 ,040 ,038 ,819 ,414
X_SEG1 -,039 ,031 -,056 -1,241 ,215
X_SEG2 ,280 ,034 ,369 8,146 ,000
X_GAR ,408 ,040 ,472 10,220 ,000
X_CERC ,007 ,033 ,010 ,219 ,826
Fuente:Elaboracinpropia
A partir del anlisis se puede desprender que el modelo explica el 48,7% de la varianza de la
variableConfianzapercibida,ademselmodeloesestadsticamentesignificativo.
De acuerdo con el coeficiente de correlacin de Pearson, se puede observar que no todas las
variablespresentanunacorrelacinpositiva,sinembargoaquellasqueposeenunacorrelacin
negativaesunnmerocercanoacero,ynoessignificativoal95%deconfianza,porloqueno
se puede rechazar la nula que no existe una correlacin lineal entre las variables. Cinco
correlaciones presentan este resultado, siendo tres negativos y dos positivos no significativos
paraelestudio.Comoporejemploenelcasodevariableasociadaalapginawebylacercana
percibida,lacualesde0,036.
Las nueve correlaciones restantes de Pearson son significativas y moderadas, siendo la mayor
entreseguridad(componente2)yconfianzaconunvalorde0,545.
En cuanto a los coeficientes de la regresin resultan tres variables no significativas al 95% de
confianza: la pgina web; seguridad (primer componente) y la cercana, siendo de estos el
niconegativolaseguridad(primercomponente).
Lasvariablessignificativas conun95% deconfianza sonlaseguridad(segundocomponente)y
la Garanta Post Venta. Con un coeficiente no estandarizado de 0,280 y 0,408
89

respectivamente,locualsepuedeinterpretarcomounaumentoenlaevaluacindeunpunto
de la variable Seguridad (segundo componente) incrementara un 0,28 la evaluacin de la
variable Confianza, ocurriendo algo similar con la variable Garanta Post Venta pero
aumentandolaevaluacinenun0,408.
RegresinLinealMultivariadaparalavariableIntencindecompra.
22

El constructo de Intencin de Compra se consider multivariado, por lo que se espera

determinar el grado en que las variables independientes explican esta variable dependiente y
ademselajustedelmodelopropuesto.
Hiptesisavalidar:
Lasvariables:
FacilidaddeUso
Utilidad Percibida (dados los resultados del anlisis factorial, ahora esta variables se
consideradeformaseparadaendos)
ConfianzaPercibida
EstnpositivamenterelacionadasconlaIntencindecompraratravsdeInternet.

22
Veranexo11.2RegresinLinealMultivariadaparalavariableIntencindecompra
90

Tabla41RegresinMltipleparaIntencindeCompra
Estadsticos Valor
CorrelacindePearson** Verenanexo14.2

RCuadrado 0,429
Rcuadradocorregido 0,423

Modelo
Coeficientes no
estandarizados
Coeficientes
tipificados
T Sig.
B Error tp. Beta
(Constante) -,168 ,415 -,406 ,685
X_CONF ,131 ,085 ,080 1,552 ,121
X_UTI1 ,139 ,072 ,113 1,946 ,052
X_UTI2 ,223 ,081 ,160 2,747 ,006
X_FAC ,480 ,057 ,437 8,493 ,000
Fuente:Elaboracinpropia
A partir del anlisis se puede desprender que el modelo explica el 42,3% de la varianza de la
variable Intencin de Compra, considerando adems que el modelo es estadsticamente
significativo.
De acuerdo con el coeficiente de correlacin de Pearson, se puede observar que todas las
variables presentan una correlacin positiva y de moderada fuerza, adems todas son
significativasconun95%deconfianza.
Para el modelo propuesto los coeficientes de la constante y confianza percibida no son
significativos,elcoeficientedeUtilidad(primercomponente)noalcanzaasersignificativocon
un95%deconfianza,yaquesloloesparaun94,8%.
LasvariablesUtilidadPercibida(Segundocomponente)essignificativaconun95%deconfianza
y posee un coeficiente no estandarizado de 0,223, lo cual indica que ante un cambio de un
punto de esta variable, la variable Intencin de Compra tendr un cambio en la misma
direccinenunamagnitudde0,223.
La variable Facilidad de Uso es significativa, ya que posee un alpha cercano a cero, su
coeficientenoestandarizadoesde0,480locualmuestraqueanteunaumentoenunpuntoen
91

la evaluacin de esta variable, incrementa la manifestacin de intencin de compra en 0,48

puntos.
Tabla42Resumenderesultados
Hiptesis Relacin
Significativo(al95%
deconfianza)
H1:Lapercepcindefacilidadenelusodela
tecnologaestrelacionadapositivamenteconla
intencindecompraenlnea.
Positiva Relacinsignificativa
H3:LapercepcindeConveniencia/Utilidadtiene
unarelacinpositivaenlaintencindecompraen
lnea.
Componente1
y2Positiva
Componente1:No
significativo
Componente2:
Significativo
H5:Laconfianzaycredibilidadtieneunefecto
positivoenlaintencindecompraenlnea.
Positiva
Relacinno
significativa
H7:Laseguridadyprivacidaddelainformacinest
positivamenterelacionadaalaconfianzapercibida
enlascomprasenlnea.
Componente1
Negativa
Componente2
Positiva
Componente1:No
Significativo
Componente2:
significativo
H8:Lapginawebytodoloqueenglobainfluye
positivamenteenlaconfianzapercibidaenla
compraenlnea.
Positiva
RelacinNo
significativa
H9:LaGarantaPostVentainfluyepositivamenteen
laconfianzapercibidaenlascomprasenlnea.
Positiva Relacinsignificativa
H11: La cercana apreciada por el cliente tiene un
efecto positivo en la confianza percibida de las
comprasenlnea.

Positiva
Relacinno
significativa
Fuente:ElaboracinPropia
De los componentes separados, la explicacin para que el primer componente de la variable
Seguridad sea negativo es que est compuesto por tems de preocupacin sobre informacin
personal y financiera al realizar una transaccin electrnica, por lo que a mayor preocupacin
seesperaraunamenorconfianzapercibidaenlascomprasatravsdeInternet.

92

Anlisisdiscriminante

Para determinar cmo las variables propuestas inciden en adopcin o no del Ecommerce se
realizunanlisisdiscriminantedelosdatos.
Lavariabledependienteeslaadopcin,medidacomosilapersonahacompradoonoatravs
deInternet.Lasvariablesindependientessonlasdescritasenlaconstruccindelmodeloyque
inciden directamente en el uso de Ecommerce, siendo: Utilidad percibida (separada en dos
constructos),Facilidaddeuso,ConfianzaeIntencindecompra.
Losresultadosobtenidosfueronlossiguientes
23
:
Tabla43Pruebasdeigualdaddelasmediasdelosgrupos

Lambda de
Wilks F gl1 gl2 Sig.
X_FAC ,837 67,956 1 348 ,000
X_UTI1 ,907 35,513 1 348 ,000
X_UTI2 ,919 30,511 1 348 ,000
X_INT ,824 74,465 1 348 ,000
X_CONF ,950 18,319 1 348 ,000
Fuente:Elaboracinpropia
Tabla44Coeficientesestandarizadosdelasfuncionesdiscriminantescannicas
Funcin1
X_FAC ,486
X_UTI1 ,022
X_UTI2 ,068
X_INT ,564
X_CONF ,086
Fuente:Elaboracinpropia
Comosepuedeobservar,todaslasvariablessonsignificativas,peroconsiderandoelcriteriode
loscoeficientesestandarizadosresultaqueelconstructoquemenosdiscriminaentreusuariosy
no usuarios de Ecommerce es la Utilidad percibida (Primer componente), si consideramos el

23
Paramayorinformacinestadsticadelanlisisveranexo12
93

criteriodecomparacindemediaslavariablequemenosdiscriminaeslaConfianzapercibida,
yaqueeselqueposeeunLambdadeWilksmscercanoauno.
LavariablequemejordiscriminaaestosgruposanalizadoseslaIntencindecompra,siendola
queposeeelmenorLambdadeWilksdelosconstructosanalizados,ascomotambinelmayor
coeficienteestandarizado,lasegundavariablequecausamayoresdiferenciasentrelosgrupos
eslapercepcindeFacilidaddeUso,dondeparece razonabledadoelhechoquelaspersonas
queyahanrealizadocomprasatravsdeInternettenganmsfamiliaridadconelsistemaypor
ende lo perciban ms fcil, as como tambin manifiesten mayor intencin de volver aocupar
la herramienta, a diferencia de las personas que nunca han comprado, quienes son ms
reticentesadarelprimerpasoenlaadopcindeestatecnologadecompras.
Lafuncindiscriminantequeresultdelprocedimientoestadsticofue:
AJopcion = u,88S Intcncion + u,84S FociliJoJ + u,611 utiliJoJ(C1)
+ u,S66 utiliJoJ(C2) + u,4S9 Conionzo

Tabla45CentroidesdeGrupos
Usuario Centroide
SI ,391
NO -,695
Fuente:Elaboracinpropia
ElcentroidedelgrupoquehacompradoatravsdeInternetes0,391yelcentroidedelgrupo
que nunca ha realizado compras online es 0,695, lo cual hace las diferencias para clasificar a
laspersonasdeacuerdoasusevaluaciones.
Lafuncinclasificadeformacorrectael74%deloscasosaproximadamente(veranexo15para
mayordetalle).

94

CONCLUSIONES

ConclusionesEmpricas

A partir del objetivo general de este estudio, Analizar cmo influyen determinadas variables
en el uso de ecommerce, tanto motivadores e inhibidores a la compra, se han explorado
mltiples aristas que componen el ecommerce, as como tambin algunos antecedentes
mundialesdeadopcindeestatecnologa.
EncuantoalaadopcindeecommerceChileseencuentralejosdepotenciasmundialescomo
EstadosUnidosyJapn,peromantieneuncrecimientosaludable,un25%
24
promedioanualdel
volumendeventas,queanivelpercapital
25
lomantienedentrodelosprimeroslugaresanivel
LatinoAmericanoyencuantoavolumenseencuentraandistanciadodeMxicoyBrasil.
26

Considerando que Internet posee una alta tasa de penetracin (45% siendo la ms alta en
Latinoamrica,doblandoalospasesquelosiguenenlalista)
27
,ylasnuevasgeneracionescada
dapresentaunaparticipacinmsactiva,estoloshacemscercanosaadoptarestatecnologa
en la medida que conocen el sistema y comparten experiencias. As adems de aumentar el
volumendeventas,aumentaelnmerodeusuariosdeecommerce.
De acuerdo a los estudios revisados como informacin secundaria (como por ejemplo Soy
Digital 2010) se encontr que Falabella, Mercado Libre, Paris, Amazon y Deremate son las
empresas que los usuarios recomendaran para realizar compras online, lo cual muestra que
hay factores que influyen de manera particular en la adopcin de esta tecnologa. Se

24
CentrodeEstudiosdeEconomaDigitalCCS,LaeconomadigitalenChile2009.
25
Everis,Comercioelectrnicoalpormenor:evolucinysituacinactual,enLatinoamricayelmundo.
Datospara2009.[enlnea]<http://conecti.ca/wp
content/uploads/2010/05/everisIESEEstudioComercioElectr%C3%B3nico2010.pdf>[Consulta:7de
Noviembrede2011]
26
AyerViernes.SoyDigital2010.ReportesobreexperienciadeconsumoenChile.[enlnea]
<http://soydigital.ayerviernes.com/wpcontent/uploads/2011/01/reporteexperienciasconsumo
digital.pdf>[Consulta:7deNoviembrede2011]
27
BusinessNewsAmerica.[Enlnea]
<http://www.bnamericas.com/news/telecomunicaciones/Estudio:_Chile_lidera_penetracion_de_interne
t_con_45*>[Consulta:20deNoviembre2011]

95

consideranvariablesfundamentalesenlaexperienciadelosusuarioslaconfianza,facilidadde
uso,variedad,seguridad,informacin,rapidez,precio,prestigioymediosdepago.
Basado en los anlisis de fiabilidad y validez antes expuestos se logr llegar a una escala
depurada, lo cual dio paso a la realizacin de otros anlisis que ayudan a medir el uso de e
commercedemaneradecumplirconlosobjetivospropuestosparalainvestigacin.
Se analizaron las variables de control y su relacin con el uso de ecommerce, la herramienta
utilizadafueuntestChiCuadrado,obtenindoseque:
La frecuencia de uso de Internet tiene una relacin significativa con la adopcin de e
commerce.Enlastablasdecontingenciaseapreciaqueamayorcantidaddehorasde
usodeInternet,mspersonasutilizanecommerce,locualeraesperableapartirdela
revisin de literatura, y bajo la intuicin de que a ms horas de uso de Internet una
persona est ms familiarizada con las diversas herramientas y por ende es ms
propensoarealizarcomprasatravsdeestemedio.
ElgnerodelosencuestadostambinpresentunarelacinsignificativaconelUsode
ecommerce. A partir de las tablas de contingencia se observa que hombres realizan
mscomprasatravsdeInternetquelasmujeres.
La carrera universitaria estudiada por la muestra no mostr la relacin significativa
entreestudiarnegociosyno,respectodelusodeecommerce.Estosepuededebera
que el uso de Internet y conocimiento de herramientas tecnolgicas no difiere en
cuantoalaformacindeunreadeestudio.
Se realizaron anlisis de comparacin de varianzas (ANOVA) para determinan diferencias
significativasenlapercepcindeusuariosynousuariosdeecommerceparacadaconstructo,
todas las comparaciones fueron significativas, excepto la percepcin de cercana la cual no
presentdiferenciassignificativas.
TambinserealizunanlisisdeANOVAparalasdiferenciasdegnero,peroadiferenciadelo
anterior todos los constructos no mostraron diferencias significativas, excepto Cercana, el
cualfueelnicosignificativo.Apartirdeestoseconcluyequeelgneronoesunavariableque
cause diferencias en la percepcin de las variables medidas, por lo cual para futuros
tratamientosnoesnecesariohacerestadistincin.
96

En la validacin del modelo se realizaron dos regresiones mltiples, las cuales determinaron
que el constructo de confianza, influido positivamente por seguridad, pgina web, garanta
post venta y cercana. En conjunto estas variables explican un 42% de la percepcin de
Confianza.
Se encontr que todas estn positivamente relacionadas con Confianza excepto uno de los
componentesdelavariableseguridadPrivacidaddelaInformacinPropia,tuvounarelacin
negativa,debidoaquelasvariablesquemideseasocianaunamayorpreocupacinycuidado
delainformacin,porloqueamayorpreocupacinexistiraunamenorconfianzapercibida.Si
bien se encontr la relacin positiva esperada, no todas estas fueron significativas, siendo la
GarantapostventaySeguridadprovistaporInternet(Enladimensininicialdeseguridad)las
nicas que presentaron una influencia significativa. La garanta post venta es la variable que
msinfluyeenelresultadodepercepcindeconfianza,teniendouncoeficientedelaregresin
(beta)de0,4.
La segunda regresin se realiz considerando como variable dependiente la dimensin de
Intencindecompraylasvariablesdependientessonutilidadpercibida,confianzayfacilidad
deuso.Estsvariablesenconjuntoexplicanel49%deloscambiosenlavariableIntencinde
compra.
TodaslasvariablesresultaronestarpositivamenterelacionadasconlaIntencindecompra,sin
embargo no todas fueron significativas. Las dimensiones de Facilidad de Uso y Facilidad de
bsqueda(unadelasdoscomponentequeresultarondelavariableutilidadpercibida)fueron
lasnicassignificativas.SiendolaFacilidaddeusolaquemsinfluyeenlaIntencindecompra,
conuncoeficientederegresin(beta)de0,48.
De las hiptesis testeadas bajo el anlisis de regresiones mltiples resulta que 4 de las 7
propuestassonsignificativasconun95%deconfianza,lascualesson:
H1:Lapercepcindefacilidadenelusodelatecnologaestrelacionadapositivamenteconla
intencindecompraenlnea.Indicaqueenlamedidaquelosusuariospercibanquecomprar
atravsdeInternetesfcil,tendrnunamayorintencindegenerarunacompraenelfuturo.
Esto se torna interesante para empresarios, ya que comunicando lo prctico de usar esta
herramienta y suministrando una plataforma que permita realizar una transaccin de manera
97

fcil, se est trabajando directamente en aumentar la Intencin de compra y este es un

precedenteclaveparaquefinalmenteseadopteestatecnologa
H3: La percepcin de Conveniencia / Utilidad tiene una relacin positiva en la intencin de
compraenlnea.Porloqueunclienteconsiderequelascomprasonlinebrindanbeneficiosen
labsquedadelproducto,yaseaporencontrarmsinformaciny/oobtenermejoresprecios
influyeengenerarIntencindecompra.
H7: La seguridad y privacidad de la informacin est positivamente relacionada a la confianza
percibida en las compras en lnea. Como era de esperarse la seguridad provista por Internet
influyepositivamenteenlaconfianzaqueunapersonapuedeposeerparafinalmentetomarla
decisin de realizar una transaccin a travs de Internet. Es por esto que las empresas tienen
un gran desafo en la lucha contra los fraudes, generar conciencia en la poblacin para evitar
delitos y al mismo tiempo transmitir seguridad de que sus datos e informacin personal no
correnpeligro.
H9: La Garanta Post Venta influye positivamente en la confianza percibida en las compras en
lnea.Considerandoestainformacinsehacenecesarioeltenerpolticasdegaranta,entregas,
retiros(encasodefallasoequivocaciones)yserviciopostventaclarasydefcilaccesoparael
cliente,paraqueasesteaumentelaconfianzaenrealizarunacompraonline.
Las hiptesis nmero 8 La pgina web y todo lo que engloba influye positivamente en la
confianzapercibidaenlacompraenlneaylanmero11Lacercanaapreciadaporelcliente
tiene un efecto positivo en la confianza percibida de las compras en lnea. Si bien se
encontraron resultado de correlacin positiva, estas no son significativas, lo cual muestra que
no influyen a travs de la confianza. Sin embargo no se puede descartar que finalmente no
influyan en la adopcin de esta tecnologa, ya que es necesario profundizar ms en estas dos
variables.
Finalmente se realiz un anlisis discriminante, para determinar si las variables planteadas en
elmodelotenanunainfluenciaenserusuarioonodeecommerce.Losresultadosobtenidos
permiten concluir que tanto la facilidad de uso, utilidad percibida, confianza e intencin de
comprasonsignificativosyporlotantoprovocandiferenciasentrelosgrupos.Sinembargohay
variablesqueincidenmsyotrasmenosenlaclasificacindeusuarioono.
98

Laintencindecompraeslavariablequemsincidebajoelcriteriodeutilizarloscoeficientes
estandarizados de la funcin discriminante (0,564), esto se ve respaldado por el criterio del
LambdadeWilks,yaquedetodoslosconstructoseselqueposeeelmenorvalor(mslejanoa
uno),porloqueeselqueprovocaunamayorvarianzaentrelosdosgruposenanlisis.
La variable Utilidad percibida (primer componente) es la que menos discrimina, dado el
coeficienteestandarizadodelafuncin,obteniendounvalorde0,022.Perobajoelcriteriode
Lambda de Wilks la variable que causa menos diferencias entre los grupos es la confianza
percibida,yaqueeselqueposeeunvalormscercanoauno.Estosresultadossonindiciosde
que tanto para usuarios como no usuarios de ecommerce la percepcin que poseen de la
utilidadylaconfianzahaciaestaherramientasonbastantesimilares,porloquelasempresas
nodeberaninvertirdemasiadoencomunicarparamejorarlapercepcindeestasvariablesen
no usuarios, ya que no son variables que causan grandes diferencias entre personas quienes
hanadoptadoestatecnologayquienesno.
Por lo que dado el anlisis, se presenta el modelo final, de acuerdo a las modificaciones
realizadas producto de los resultados de las diversas pruebas realizadas. Donde los valos de
untamaomayorydivididoenlamitad,representaelhechoquelavariableinicialsedividien
dosnuevasdimensiones.

Imp

Laa
es
dec
mo
ado
mue
eta
atr

28
In
Univ

plicanciasem
adopcin de
una realidad
cisiones en lo
do directo e
opcindeInte
estran un gra
pas,estando
s
28
.

ngeniare,Revis
versidadeschil
I

mpresariale
Internet por
que las dist
que respect
en su rentab
ernetporpar
an nivel de a
un75%dee

stachilenadeI
lenasenbasea
lustracin19

s
partedeuniv
tintas empre
a a la entreg
ilidad y sust
rtedelasUn
adopcin de l
ellasenelniv

ngeniera.Eva
almodeloeMI
9ModeloFina

versitariosy
esas estn ob
ga de sus serv
tentabilidad a
iversidadesc
la tecnologa
elsuperior,ll
aluacindelni
CA.[enlnea]
alPropuesto

engeneral,
bligadas a an
vicios y/o pro
a largo plazo
chilenasdela
, en donde e
lamadoproc
iveldeadopci
]<
Fuente:Elab
delasnueva
nalizar para
oductos, lo qu
o. Un estudi
o2007,con
el proceso se
cesamiento,
ndeInternet
boracinprop
sgeneracion
tomar mejor
ue se refleja
o acerca de
ncluaquest
e separaba en
yahace4a
enlas
99

pia
es,
res
de
la
tas
n 3
os
100

La tecnologa es parte de nuestras vidas, por lo mismo, las empresas deben comenzar a
considerar el uso de ecommerce como un aspecto a mejorar y, en muchos casos, a
incorporarlo en el giro del negocio, lo que adems, trae consigo un incremento del mercado
potencialalcualpuedeaccederyahorrosencosto,yaquepermitemejoresdiseosdelogstica
(usodebodegas,despachos,etc.).Sedestacanmuchasventajasdeestemododeoperarpara
las empresas, las cules son reflejadas en el sitio GerenteWeb.com: Est abierto las 24 horas
del da, posee autoservicio, publicidad a bajo coste, fabricacin bajo demanda, teletrabajo y
alta comunicacin con el cliente
29
. Sin embargo, no se debe olvidar que cada vez ms es la
informacinqueposeenlosconsumidores,porloqueexigenaltosestndaresdecalidad,tanto
en productos como en servicios
30
. Desafo que las compaas deben enfrentar actualmente
entregandovaloralastransaccionesatravsdeInternetdesusclientes.
En relacin al presente estudio, se recomienda a las distintas empresas crear estrategias cuyo
objetivo principal sea capturar a los jvenes no usuarios de ecommerce. Lograr crear una
relacin previa con ellos, darles respaldo y los beneficios de la utilizacin de este mtodo de
compras.
Adems, se debe recordar la diferencia entre hombres y mujeres a nivel de adopcin de la
tecnologa, por ende, llegar a estos dos pblicos de modo diferenciado, sobre todo en el
sentidodelacercana.Lasemocionessehanligadodemayorformaalgnerofemenino,porlo
tanto,serecomiendalautilizacindestas,pudiendoayudaraunaumentoenlascomprasola
decisindecomprarporprimeravezenellas.UnestudiodelapginawebPuroMarketingpara
el ao 2011, revel que de un total de 384 mujeres, un 85% opin sentirse atrada por
publicidadquelesdespiertaemociones.Enlamismainvestigacin,serevelaqueLasmujeres
tienden a relacionar positivamente aquellos anuncios que tienen un contenido abundante,

http://redalyc.uaemex.mx/src/inicio/ArtPdfRed.jsp?iCve=77215307>[Consulta:10deDiciembrede
2011]
29
GerenteWeb.com.Comercioelectrnicoentiemposdecrisismundial(2009).[enlnea]<
http://www.gerenteweb.com/noticias.php?id=34>[Consulta:7dediciembrede2011]
30
AyerViernes.SoyDigital2010.ReportesobreexperienciadeconsumoenChile.[enlnea]
<http://soydigital.ayerviernes.com/wpcontent/uploads/2011/01/reporteexperienciasconsumo
digital.pdf>[Consulta:7deNoviembrede2011]
101

tantoenloverbal,comoenlovisual,complejosenlxico,quemotivenlainferencia,yalavez
queleevoquenemociones
31
.
Alavez,sepuedenaprovecharinteresantesoportunidadestomandoencuentalasaltascifras
de vitrineo online (45,1% de los usuarios de Internet utiliza este mtodo)
32
, el cual no fue
estudiado en la presente investigacin, pero se presenta con nmeros bastante auspiciosos,
debiendoatraereinfluirenladecisindecompradequienesloutilizan.
Seencontrarondiferenciassignificativasentreusuariosynousuarios,porloquelasempresas
puedenrealizaresfuerzosparaincentivaralaspersonasarealizarporprimeravezunacompra,
yaqueporejemplo,conelusodelastarjetasdecrditoydbito,setieneinformacindequin
compra y quin no, adems de otras variables como la edad, gnero, nivel crediticio de sus
clientes, lo que permitira realizar un Marketing dirigido, dado la posibilidad de segmentar
entre grupos de inters, incentivando de manera ms focalizada a quienes no utilizan la
herramientadelecommerce.DeacuerdoalaencuestaCasendelao2009,sloun7%delas
personasqueutilizanconfrecuenciainternetparatrmites,mayoresde18aos,lohacenpara
transarproductosenelcomercioelectrnicorecurrentemente
33
.
Otro tema relevante, es la importancia de la seguridad de la informacin personal a la que se
exponenlosusuariosdecomercioelectrnico,ydelacual,lasempresasdebenconsiderarpara
atraeralosnousuarios.Campaasenfocadasnetamenteenesteaspectosonnecesariaspara
crearconcienciadelaimportanciadeltemaytransmitiralosclienteslopresentequeestpara
la compaa que entrega el servicio. Tambin la garanta post venta es clave para los no
usuarios, tem que las empresas deben de enfocar sus esfuerzos, creando as confianza para
que las personas tomen la decisin de realizar una compra online. Por ejemplo, considerar la
formaenqueserndevueltoslosproductosencasodefallas.TalcomoloretrataelEstudioSoy
Digital2010,Losusuariossonmsgilesyproactivosqueloquelasmarcasconsideran,tienen
una relacin con los productos segundo a segundo, que dura mucho ms tiempo que los

31
PuroMarketing.com.PublicidadyMarketingdirigidoalamujer:Cmoactanellasycmo
conquistarlas.[enlnea]<http://www.puromarketing.com/44/11536/publicidadmarketingdirigido
mujercomoactuanellascomoconquistarlas.html>[Consulta:10deDiciembrede2011]
32
CentrodeEstudiosdeEconomaDigitalCCS,EconomaDigitalenChile(2009)[enlnea]<
http://www.observatoriotic.gob.cl/sites/default/files/documents/ED09.pdf>[Consulta:10deDiciembre
de2011]
33
CifrasprocesadasapartirdelaencuestaCasen2009.[enlnea]<
http://www.ministeriodesarrollosocial.gob.cl/casen2009/>[Consulta:11deNoviembrede2011]
102

tradicionales30segundosdeunanuncioDeestamanera,noestaralertaaltiemporealdelos
usuarios,conunaatencinymonitoreoacordeaestedinamismoimplicaperderoportunidades
relevantes,tantodenegocioscomodeoptimizarlasrelacionesconlosclientes
34
.
No se debe dejar de lado el sitio web, ya que es este el principal contacto que, tanto
compradorescomonocompradoresdeecommerce,poseenconlatiendaysusproductosy/o
servicios. Su facilidad de uso es fundamental para que las transacciones se lleven a cabo de
modo correcto y afecta claramente la satisfaccin del cliente. Se recomienda estar en una
constante actualizacin de las pginas web y entregar informacin precisa que cumpla con la
funcindeinformaralclientedeformasincera.Aslomuestraelmismoestudiomencionado
anteriormente, Soy Digital 2010, ya que Probablemente la gran mayora de los nuevos
artculos ya hayan sido revisados, descritos o calificados por alguna persona o medio
independiente, lo que implica que actualmente las interfaces para apoyo de la decisin de
compra son altamente ineficientes, requiriendo informacin robusta que les entreguen
herramientasparaprovocarymejorarlatransaccin.
Finalmente, crear distintas estrategias para crear lazos y relaciones de largo plazo con los
clientes y potenciales usuarios como ltima recomendacin. Los clientes premian a las
empresas que demuestran inters por ellos y que son proactivas en su actuar. Caractersticas
que pueden reflejar esto son la disponibilidad, accesibilidad, cortesa, agilidad, confianza,
competenciaycomunicabilidad
35
.Deestaforma,aprovecharelpotencial que tieneChile para
llegar a niveles de comercio electrnico de pases desarrollados, de manera ms lenta y
paulatina, tomando en cuenta que las nuevas generaciones que han nacido con la tecnologa
asociadaaInternet,estncomenzandoacrecer.

34
AyerViernes.SoyDigital2010.ReportesobreexperienciadeconsumoenChile.[enlnea]
<http://soydigital.ayerviernes.com/wpcontent/uploads/2011/01/reporteexperienciasconsumo
digital.pdf>[Consulta:7deNoviembrede2011]
35
Orientacinalcliente.Atributosyfuncionesdeunserviciodeatencinalcliente.[enlnea]<
http://www.fomento.es/nr/rdonlyres/9031b975fa9b4c349d4b
dc6c25ec51cc/19416/captulovorientacinalcliente.pdf>[Consulta:10deDiciembrede2011]
103

LimitacionesdelaInvestigacin

Elpresenteestudiorealizadoacercadeecommerceylosfactoresqueinfluyeny/omotivana
laspersonasahacerusodeeste,tieneciertaslimitacionesrelevantesdemencionar,lascuales
vienenasociadasalametodologautilizadaosimplementealabasededatosocupada,dadoel
alcancedeesta,tantogeogrficocomoentamao.
Enrelacinalaslimitacionespresentes,podemosmencionaralgunosalcancestalescomo:
Tamao adecuado de la muestra: Segn, Hair, Anderson, Tatham y Black (1999), se
recomiendaunmnimode5individuosporcadaunodelosfactoresquecomponenla
escala para decidir el tamao muestral, siendo, a la vez, el ptimo a considerar como
10 personas por cada una de las variables. En el presente estudio se trabaj con 51
variables (tems), por lo tanto, siguiendo el ptimo recomendado, se requeran 510
encuestas, siendo realizadas slo 350, es decir, alrededor de un 68% de lo pedido,
aunque superando con creces el mnimo aceptado. Esto delimita un mayor error
muestral,afectandolageneralizacindelasconclusiones.
Estudio no probabilstico de juicio y de conveniencia: Se utiliz una muestra de juicio
para el caso de las encuestas presenciales y de conveniencia en aquellas a travs de
internet. Dado que la investigacin realizada es no probabilstica, los resultados
obtenidosnosonextrapolablesalapoblacinobjetivonialmarcomuestral,limitando
su aplicacin a un nivel mayor. Por ende, no sonrepresentativas del universo, slo de
lamuestra.
Dificultad de encuestar: Result compleja la implementacin del cuestionario, ya que
enlapocadeestudiosedebilidiarconunacontingenciaadversaanivelestudiantil,
que,sumadoalaextensindelaencuesta,laquerequeraalrededorde10minutosde
unaclase,dificultabaanmssuaplicacin.
Limitante tiempo y contactos: Principalmente dado el trabajo de campo que se debe
realizar si se pretende un mayor alcance de la muestra, tanto en tamao como
geogrfico, ya que segn lo requerido, se deba ampliar la muestra, pero para ello, se
necesitaba un nivel de contactos mayor, en una amplia gama de carreras y de
diferentes universidades, necesitando ms tiempo, dinero y conocimiento pblico del
seminario
104

FuturasLneasdeInvestigacin

Tomando en cuenta que el concepto de ecommerce tiene una gran proyeccin en el pas,
siendo amplio para abrir distintos niveles de anlisis acerca del tema, se recomienda en las
futuras investigaciones considerar ciertos aspectos relevantes que ayudarn a tener mejores
resultados:
Ampliarlamuestra:Comoyasemencionenelapartadodelaslimitaciones,elestudio
disminuira su error muestral y facilitara su generalizacin si es que se posibilita el
ampliar el nmero de la muestra, y adems el alcance geogrfico, obteniendo as,
mayorrepresentatividadenlosresultados.
Considerar vitrineo por Internet: A lo largo de la investigacin y, especficamente en
la etapa de anlisis, se consider que para poder profundizar el modelo propuesto,
seraimportanteconsiderareltemadevitrineoatravsdeinternet,asuntorelevante
que no fue desarrollado en este estudio, pero que puede dar una visin fundamental
para descubrir opciones privilegiadas por el cliente, pudiendo crear un propio anlisis
deestetema.
Evaluar ponderacin de factores dentro de los constructos: Si bien este estudio est
enfocado en analizar los principales constructos que afectaban la adopcin del e
commerce, se muestra como una opcin interesante ir ms all en el anlisis,
considerando evaluar las ponderaciones de los tems que constituyen un constructo,
definiendo cules de stos son ms influyentes, tanto a nivel motivacional o como
inhibidordelacompra.Locualseradeutilidadparalasempresasqueprestanservicio
atravsdeInternet,pudiendoresaltaraquelloselementosquetienenmayorincidencia
paraelusuariofinal.
Ampliarelanlisis:Comoestudioscomplementarios,sevislumbracomoopcinevaluar
la adopcin a la tecnologa cuando la decisin de comprar no depende slo de un
individuo, tomando como marco muestral los estudiantes secundarios o adolescentes
(menores de 18 aos). Y por otro lado, analizar el comportamiento de compra de
personasqueyaadoptaronlatecnologa,tomandoencuentafactoresmotivacionalese
inhibidores, siendo una edad para la muestra mayor, preferentemente trabajadores
profesionales.
105

BIBLIOGRAFA

Alshare, Grandon y Miler, 2005. "Internet usage in the academic environment: The
TechnologyAcceptanceModelPerspective".
Amrica Economa Intelligence, 2010. "Estudio de comercio electrnico en Amrica
Latina"
Ayer Viernes, 2010. "Soy Digital 2010: Reporte sobre la experiencia de consumo en
Chile"
Ayer Viernes, 2011. "Soy Digital 2011: Reporte sobre la experiencia de consumo en
Chile"
Cmara Argentina de Comercio Electrnico, 2010. "Segunda edicin del Estudio
Integral"
Centro de Estudios de Economa Digital CCS, Economa Digital en Chile (2009). [En
lnea] < http://www.ccs.cl/html/publicaciones/publicaciones/doc/ED0809.pdf>.
[Consulta:1Octubrede2011]
Comercio Electrnico: Evolucin y situacin actual, en Latinoamrica y el mundo. [En
lnea] <http://www.skyscraperlife.com/latinbar/36373comercioelectronico
evolucionysituacionactualenlatinoamericayelmundo.html>. [Consulta: 3 de
octubrede2011]
Definicin de comercio electrnico. [En lnea] <http://www.crearnegociosen
linea.com/definiciondecomercioelectronico.html>.[Consulta:4deoctubrede2011]
Definicin de servicio post venta. [En lnea]<http://www.rivassanti.net/curso
ventas/serviciopostventa.php>[Consulta:10deoctubrede2011]
Definicin escala SERVQUAL [En lnea]
<http://www.rebiun.org/opencms/opencms/handle404?exporturi=/export/docReb/bi
blio_servqual.pdf&%5d>[Consulta:11deoctubrede2011]
Definicin Modelo TAM. [En lnea]
<http://www.revista.unam.mx/vol.12/num1/art08/index.html>. [Consulta: 11 de
octubrede2011]
Diccionario de trminos tcnicos de Internet. [En lnea]
<http://tecnologia.glosario.net/terminostecnicosinternet/> [Consulta: 4 de octubre
106

de2011]
Estudio Nielsen. [En lnea] <http://www.grupoe.com/blog/aumentaelecommerce
enamericalatina/>.[Consulta:3deoctubrede2011]
Everis. Estudio sobre comercio electrnico, Evolucin y situacin actual, en
Latinoamrica y el mundo. [en lnea] <http://www.everis.com/mexico/es
MX/inicio/Paginas/inicio.aspx>[Consulta:7deNoviembrede2011]
Figueroa Segovia y Taln (2010) La perspectiva de gnero y el uso de Internet en la
comercializacinturstica
GanganathanyGanathy,2001."KeyDimensionsofBusinesstoConsumerwebsites".
Ganguly,DashCyryHead,2010."Theeffectsofwebsitedesignonpurchaseintention
inonlineshopping:themediatingroleoftrustandthemoderatingroleofculture".
GerenteWeb.com. Comercio electrnico en tiempos de crisis mundial (2009). [en
lnea] < http://www.gerenteweb.com/noticias.php?id=34> [Consulta: 7 de diciembre
de2011]
Ingeniare,RevistachilenadeIngeniera.EvaluacindelniveldeadopcindeInternet
en las Universidades chilenas en base al modelo eMICA. [en lnea] <
http://redalyc.uaemex.mx/src/inicio/ArtPdfRed.jsp?iCve=77215307>[Consulta: 10 de
Diciembrede2011]
Lever,Myrick,SotoyRodrguez,2009.EstudiodelaCmaradeComerciodeSantiago:
"EconomaDigitalenChile(2009)".
Liu y Arnett, 2000. "Exploring the factors associated with Web site success in the
contextofelectroniccommerce
McCloskey, 2004. "Evaluating Elctronic Commerce Acceptance with Technology
AceptanceModel".
Myrick A. 2007. Ecommerce en Chile, Realidades y Desafos. [en lnea].
<http://www.iab.cl/columnasdeopinion/ecommerceenchilerealidadesy
desafios.html>.[Consulta:4deoctubrede2011]
Penn Olson. "The History of Ecommerce". [En lnea] <http://www.penn
olson.com/2010/08/05/thehistoryofECommerceinfographic>, (2010). [Consulta: 4
deoctubrede2011]
PuroMarketing.com. Publicidad y Marketing dirigido a la mujer: Cmo actan ellas y
107

cmoconquistarlas.[enlnea]
< http://www.puromarketing.com/44/11536/publicidadmarketingdirigidomujer
comoactuanellascomoconquistarlas.html>[Consulta:10deDiciembrede2011]
RanganathanyGanathy,2001."KeyDimensionsofBusinesstoConsumerwebsites"
Swaid y Wingand, 2007. "Key Dimensions of ECommerce Service Quality and its
RelationshiptoSatisfactionandloyalty"
TanyTeo,1998."FactorsInfluencingtheAdoptionoftheInternet"
Torkzadeh y Dhillon, 2002. "Measuring Factors that Influence the Success ot Internet
commerce".
Wahid, Fathul, 2007. "Using the technology adoption model to analyze internet
adoption and use among men and women in Indonesia". [En lnea]
<http://www.ejisdc.org/ojs2/index.php/ejisdc/article/viewFile/467/223>. [Consulta:
11deoctubrede2011]

108

ANEXOS

AnexoN1PautadeFocusGroup

Esta conversacin tratar de ecommerce. Es importante que todos tengamos el mismo

concepto de comercio electrnico. Por lo tanto, lo definiremos como compras y ventas de
productos o servicios a travs de internet, NO se considera el pago de cuentas, ni
transferenciasdedinero.

La idea de este dilogo es que nos entreguen sus opiniones de modo sincero. Todas sus
opinionessontotalmentevlidasyrespetables.

Para las personas que son usuarios de ecommerce deben responder de acuerdo a sus
experiencias. Y en el caso que no sean usuarios responder de acuerdo a sus percepciones
respectoalostemasplanteados.

Preguntas:

En relacin a las compras a travs de internet, consideran sencillo realizar una

transaccinatravsdelossitiosweb?
Culessonlosbeneficiosdecompraratravsdeinternet?
Culessonlasdiferenciasentreunacompratradicional(presencial)yunaonline?
Qu opinan de las pginas web que ofrecen servicios a travs de internet?
Informacinrelevante,disponibilidad,otros
En cuanto a los servicios post venta y garantas influyen en sus decisiones de compra
online.
Culessonsusprincipalesmiedosdelautilizacindeecommerce?
Cuando estn satisfechos o han tenido una buena experiencia de la utilizacin de e
commerce,comentanestosresultadosconsusfamiliares,amigos,otros.
Quproductoslesgustaogustaraadquirirpormediodelcomercioelectrnico?

MuchasGraciasacadaunodeustedesporsusopinionesysubuenadisposicin!
109

FichatcnicadeFocusGroup
FichaTcnicadeFocusGroup
NmerodeParticipantes 6personas
Sexo
Femenino:4personas
Masculino:2personas
RangoEtario Entre23y25aos
Ocupacin Estudiantesuniversitarios
Fecha Septiembrede2011

AnexoN2ResultadosFocusGroup

A continuacin se presentan los principales resultados de la conversacin realizada con este

grupo de personas, usuarios y no usuarios de ecommerce, para los distintos temas tratados
acercadeecommerce:
ResultadosdeFacilidaddelaTransaccin
FacilidaddelaTransaccin
Usuarios NoUsuarios
Generalmentelossitioswebestn
biendiseados
Sonclarosyentendibles
Algunaspginasenseancmo
compraratravsdeestas
Mecuestaentenderalgunas
instrucciones.Lorelacionoalmiedoa
equivocarme

ResultadosdeBeneficiosdeComprasonline
BeneficiosdeComprasonline
Usuarios NoUsuarios
Esmsrpida
Ahorrodetiempo.Esetiempo
restanteloocupoenotras
actividades.
Prctica.Actualmentehayvarios
productosquesepuedenadquirir.Y
laofertasiguecreciendo
Ahorrodetiempo
Comodidad

110

ResultadosdeDiferenciasentreunacomprapresencialyonline
Diferenciasentreunacomprapresencialyonline
Usuarios NoUsuarios
Seconoceelproductoenla
transaccinmisma.Enelcasodee
commercesedebeesperarel
tiempodedespacho
Sepuedentocarlosproductos
Todoslossentidosestnpresentes.
Enmuchasocasionesayudaauna
mayorsatisfaccinalfinaldela
compra
Lacompratradicionalesmsbien
algosocial,noslovasacompras,
puedesestartodoundaenunmall,
almorzar,iralcineyademsrealizar
lascompras
Sepuedeconsultaalvendedoren
casodedudas

ResultadosdePginaWeb
PginaWeb
Usuarios NoUsuarios
Entreganbastanteinformacin,
inclusoenalgunasaparecelaopinin
deotrosusuarios
Aparecelafotografadelproductoy
unafichaconlagranmayoradelos
datos
Lossitioswebentreganinformacin
importante,ademsmuestransus
productosconimgenesy
caractersticas
Sontiles,unadelascosasquehago
esvitrinearatravsdeinternety
luegodirigirsealatiendayrealizarla
transaccinenlamisma

ResultadosdeServiciosyGarantasPostVenta
ServiciosyGarantasPostVenta
Usuarios NoUsuarios
Esimportantequelasempresas
ofrezcangarantas,daseguridadal
momentoderealizarlatransaccin
Ayudaalaconfianza
Esesencialparadarseguridadalos
clientes
Enelcasoquenotengagarantao
nopermitaladevolucin,loms
probableesquenorealicela
transaccin

111

ResultadosdeMiedosdelaUtilizacindeecommerce
MiedosdelaUtilizacindeecommerce
Usuarios NoUsuarios
Queelproductoadquiridonollegue
eneltiempoindicado,oquellegue
cambiado,condefectos,deotro
color,etc
Eltemadelainformacinpersonal,
especficamenteclaves,aunqueesto
claramentenoimpidequecompre.

Queutilicenmiinformacin
personal,financierademodo
incorrecto
Quealmomentodeverelproducto
nomegusteynotenerlaposibilidad
decambiarlo
Quenollegueelproductoyqueno
tengarespuestaporpartedela
empresa
Queelproductooservicioadquirido
seademalacalidad

ResultadosdeExperienciayRecomendaciones
ExperienciayRecomendaciones
Usuarios NoUsuarios
Hetenidobuenasexperiencias,
aunquenocomentotodasmis
comprasatravsdeinternet
Generalmentecomentoamis
cercanoslasofertasqueencuentro
enlaspginasweb
Lomsprobableesquecomentelas
buenasymalasexperiencias.

Encuantoalosproductosqueprefierenopreferirancomprarsedestacanlossiguientes:
CuponesdeDescuento
Entradasaespectculos
Artculoselectrnicos
Ropa

112

AnexoN3:EncuestaFinal

Encuesta:ECommercedesdelaPerspectivadelCliente

Estimado(a): Esta encuesta es parte de un estudio acerca de Ecommerce (Comercio

Electrnico) para la realizacin de un Seminario de Ttulo de Ingeniera Comercial (rea de
Marketing).

Entindase por Ecommerce: Slo compras y ventas de productos o servicios a travs de

internet,NOseconsideraelpagodecuentas,nitransferenciasdedinero.

ElObjetivoprincipaldeesteestudioesanalizarlascomprasonlineparadeterminarlosfactores
queinfluyenomotivanalaspersonasausarEcommerce.

Losresultadosdeesteestudioslosemostrarnenformaagregada(cuadros).Suinformacin
individual est protegida y ser tratada de forma estrictamente confidencial. La encuesta es
annimayrespondernoletomarmsallde10minutos.Agracemossucolaboracin,yaque
conocersuopininesunaportevaliosoparaesteestudio.

Porfavorrespondalassiguientespreguntassiguiendolasinstrucciones:
1. ConqufrecuenciautilizaInternet?MarqueconunaXsolounarespuesta.
a) Entre0y1horadiaria
b) Entre1y2horasdiarias
c) Entre2y3horasdiarias
d) Entre3y4horasdiarias
e) Entre4y5horasdiarias
f) Msde5horasdiarias

2. Hacompradoalgnproductoy/oservicioatravsdeinternet?MarqueconunaXsolo
unarespuesta.
SiNO
SirespondiSIrespondadesdelapregunta3enadelante.
SirespondiNOrespondadesdelapregunta6enadelante.

3. Cuntas compras en promedio realiza en un mes? Marque con una X solo una
respuesta.
a) Entre0y1
b) Entre2y3
c) Entre3y4
d) Msde5

113

4. Cuntodinerohagastadoenpromedioenlascomprasrealizadas?Marque conunaX
solounarespuesta.
a) $20.000omenos
b) Entre$20.001y$40.000
c) Entre$40.001y$60.000
d) Entre$60.001y$80.000
e) Entre$80.001y$100.000
f) Msde$100.000

5. Quproductosy/oservicioshacompradomsatravsdeinternet?Enumere,siendo1
loquemshacompradoy10lomenoscomprado.(Sloenumereaquellosproductos
querealmentehacomprado,porloqueNOesobligatoriollegaralnmero10)
____Artculoselectrnicos
____Ropa
____Msica
____Libros
____DVDs
____Turismo
____Entradasaespectculos
____Flores
____Cuponesdedescuento
____Otro(s)cul(es)?_______.

6. Qu productos y/o servicios prefiere o preferira comprar a travs de Internet?

Enumerede1a10.Siendo1elmspreferidoy10elmenospreferido.(debeenumerar
todoslosproductos)

____Artculoselectrnicos
____Ropa
____Msica
____Libros
____DVDs
____Turismo
____Entradasaespectculos
____Flores
____Cuponesdedescuento
____Otro(s)cul(es)?_______.

114

7. Responda las siguientes afirmaciones de acuerdo a su percepcin y/o experiencias en

la realizacin de compras a travs de Internet (independiente de si ha realizado una
compra o no). Indique su grado de desacuerdo o de acuerdo en una escala de 1 a 7.
Siendo1Totalmenteendesacuerdoy7Totalmentedeacuerdo.MarqueconunaX

1 2 3 4 5 6 7
Esfcilparaustedcompraratravsdeinternet
Comprarproductoseninternetestanfcilcomoenunatienda
Creoqueesfcilcompletarunatransaccindecompra
Encuentrofcilmenteloquebuscoparacomprar
Lainformacinproporcionadaporlaspginaswebesfcilde
entender
Prefierosistemassencillosdebsquedadeproductos
Lainformacinproporcionadaporlaspginaswebesactual
Lainformacinproporcionadaporlaspginaswebesrelevante
Laspginaswebcumplenloqueprometen
Laspginaswebestndisponiblestodoeltiempo
Laspginaswebmuestranintersenresponderalosproblemas
delcliente
Compraratravsdeinternetmeahorratiempo
Comprareninternetsimplificamistransacciones
Esimportanteparamminimizarelesfuerzodecompra
Esimportanteparamminimizareltiempodeenvo
Esimportanteparamminimizareltiempodebsqueda
Megustalaampliagamadeproductosquepuedoencontraren
Internet
Megustalafacilidaddecomparacindeproductos
Megustaobtenerlamayorinformacinacercadelosproductos
comoseaposible.
Consideroimportantelaminimizacindepreciosporcomprasen
Internet
Lacredibilidaddelainformacinsuministradaporinternetesuna
preocupacinparam
Lainformacinsuministradaporinternetesconfiable
Estoypreocupadoporlalegitimidaddeproveedores
Estoypreocupadoporlarecepcindelproductosolicitado
Estoypreocupadoporlallegadaoportunadelosproductos
comprados
Mepreocuparecibirproductosequivocados

115

1 2 3 4 5 6 7
Esimportanteasegurarlacalidaddeunproducto
Esimportantequeenvanordendeconfirmacinconinformacin
relevante
Esimportantequelosdistribuidoresdelasempresassean
conocidosporsubuenareputacin
Lascomprasonlinebrindanseguridadenlosdatospersonalesy
financieros
Lascomprasonlinebrindanseguridadenlatransaccin
Estoypreocupadocuandoproveoinformacinpersonalenuna
compraenInternet
Estoypreocupadocuandoproveoinformacinfinancieraenuna
compraenInternet
Estoypreocupadoporelfraudecuandoquierocomprarun
productoatravsdeInternet
Estoypreocupadoporelaccesonoautorizadoamiinformacin
personal
Sientoquehayproteccinsuficienteparalatransaccinde
comercioenInternet
Mepreocupaelusoindebidodeinformacinpersonal
Esimportantemaximizarlaprivacidad
Estoysegurodequeotrosnopuedenmanipularlainformacinde
mitransaccin
Nocreoquerobenmidinerocadavezquerealizounatransaccin
VoyarealizarcomprasatravsdeInternetenunfuturoprximo
RecomendaraaotroscompraratravsdeInternet
Esimportanteofrecerunacalidaddeserviciopostventa
Megustalagarantadelaentregadelproductoadquirido
Yocreoquelosmailderespuestadelaspginaswebsonprecisos
Esimportantepoderrealizarcambiosporinsatisfaccinenla
compra
Megustasercapazdetocarelproducto
Megustasercapazdeprobarelproducto
Sientoquelaatencinhumanaalclienteesimportante
Considerolacompracomouneventosocial
Laspginaswebentiendenmisnecesidadesespecficas

116

8. Identifiquesugnero.MarqueconunaX
FemeninoMasculino

9. Culessuedad?
______aos.

10. Qucarreracursaactualmente?
________________________________________________

MUCHASGRACIASPORSUPARTICIPACIN

117

AnexoN4:ResultadosAnlisisFactorialydeFactibilidadFacilidaddeUso

AcontinuacinsepresentanlastablasobtenidasdelAnlisisFactorialrealizadoalconstructo
FacilidaddeUso:
KMO y prueba de Bartlett
Medida de adecuacin muestral de Kaiser-Meyer-Olkin. ,800
Prueba de esfericidad de
Bartlett
Chi-cuadrado aproximado 656,400
Gl 6
Sig. ,000

Comunalidades

Inicial Extraccin
Fac_1 1,000 ,795
Fac_2 1,000 ,723
Fac_3 1,000 ,787
Fac_4 1,000 ,454

Mtodo de extraccin: Anlisis de
Componentes principales.


Varianza total explicada
Compo
nente
Autovalores iniciales
Sumas de las saturaciones al cuadrado de la
extraccin
Total % de la varianza % acumulado Total % de la varianza % acumulado
1 2,759 68,980 68,980 2,759 68,980 68,980
2 ,655 16,382 85,363

3 ,341 8,533 93,896

4 ,244 6,104 100,000

Mtodo de extraccin: Anlisis de Componentes principales.

118

Matriz de componentes
a


Componente

1
Fac_1 ,892
Fac_2 ,850
Fac_3 ,887
Fac_4 ,674
Mtodo de extraccin: Anlisis
de componentes principales.
a. 1 componentes extrados

Estadsticos de fiabilidad
Alfa de Cronbach N de elementos
,847 4


Estadsticos total-elemento

Media de la
escala si se
elimina el
elemento
Varianza de la
escala si se
elimina el
elemento
Correlacin
elemento-total
corregida
Alfa de Cronbach
si se elimina el
elemento
Fac_1 14,3971 16,383 ,774 ,766
Fac_2 15,1057 16,731 ,709 ,796
Fac_3 14,6571 16,828 ,767 ,770
Fac_4 14,7514 20,187 ,502 ,877

119

AnexoN5:ResultadosAnlisisFactorialydeFactibilidadConveniencia/Utilidad
Percibida
AcontinuacinsepresentanlastablasobtenidasdelAnlisisFactorialrealizadoalconstructo
Conveniencia/UtilidadPercibida:
5.1.Resultadosdelconstructocompleto:
KMO y prueba de Bartlett
Medida de adecuacin muestral de Kaiser-Meyer-Olkin. ,841
Prueba de esfericidad de
Bartlett
Chi-cuadrado aproximado 1296,234
Gl 36
Sig. ,000

Comunalidades

Inicial Extraccin
Uti_1 1,000 ,650
Uti_2 1,000 ,652
Uti_3 1,000 ,629
Uti_4 1,000 ,503
Uti_5 1,000 ,597
Uti_6 1,000 ,609
Uti_7 1,000 ,638
Uti_8 1,000 ,614
Uti_9 1,000 ,497
Mtodo de extraccin: Anlisis de
Componentes principales.












120

Varianza total explicada
Compo
nente
Autovalores iniciales
Sumas de las saturaciones al cuadrado de la
extraccin
Total % de la varianza % acumulado Total % de la varianza % acumulado
1 4,325 48,052 48,052 4,325 48,052 48,052
2 1,064 11,826 59,878 1,064 11,826 59,878
3 ,931 10,350 70,228

4 ,723 8,030 78,257

5 ,497 5,517 83,775

6 ,493 5,473 89,248

7 ,428 4,758 94,005

8 ,296 3,289 97,294

9 ,244 2,706 100,000

Mtodo de extraccin: Anlisis de Componentes principales.

Matriz de componentes
a


Componente

1 2
Uti_1 ,725 -,353
Uti_2 ,720 -,366
Uti_3 ,676 -,416
Uti_4 ,705 -,081
Uti_5 ,755 -,164
Uti_6 ,705 ,334
Uti_7 ,620 ,504
Uti_8 ,659 ,424
Uti_9 ,666 ,232
Mtodo de extraccin: Anlisis
de componentes principales.
a. 2 componentes extrados


121

Matriz de componentes
rotados
a


Componente

1 2
Uti_1 ,775 ,221
Uti_2 ,780 ,208
Uti_3 ,781 ,142
Uti_4 ,578 ,411
Uti_5 ,671 ,382
Uti_6 ,302 ,720
Uti_7 ,125 ,789
Uti_8 ,207 ,756
Uti_9 ,341 ,617
Mtodo de extraccin: Anlisis
de componentes principales.
Mtodo de rotacin:
Normalizacin Varimax con
Kaiser.
a. La rotacin ha convergido en 3
iteraciones.


Estadsticos de fiabilidad
Alfa de Cronbach N de elementos
,863 9

122

Estadsticos total-elemento

Media de la
escala si se
elimina el
elemento
Varianza de la
escala si se
elimina el
elemento
Correlacin
elemento-total
corregida
Alfa de Cronbach
si se elimina el
elemento
Uti_1 44,5371 68,691 ,634 ,845
Uti_2 44,8229 67,384 ,622 ,846
Uti_3 44,8714 67,843 ,575 ,851
Uti_4 44,4657 68,341 ,603 ,848
Uti_5 44,5286 68,107 ,666 ,842
Uti_6 44,6571 70,025 ,608 ,847
Uti_7 44,8371 71,254 ,514 ,856
Uti_8 44,1943 72,100 ,555 ,852
Uti_9 44,2743 71,999 ,564 ,851

5.2.Resultadosdeloscomponentesporseparado:
5.2.1.UtilidadPercibida

KMO y prueba de Bartlett

Medida de adecuacin muestral de Kaiser-Meyer-Olkin. ,747
Prueba de esfericidad de
Bartlett
Chi-cuadrado aproximado 741,413
Gl 10
Sig. ,000

Comunalidades

Inicial Extraccin
Uti_1 1,000 ,613
Uti_2 1,000 ,601
Uti_3 1,000 ,599
Uti_4 1,000 ,532
Uti_5 1,000 ,629
Mtodo de extraccin: Anlisis de
Componentes principales.
123

Varianza total explicada

Compo
nente
Autovalores iniciales
Sumas de las saturaciones al cuadrado de la
extraccin
Total % de la varianza % acumulado Total % de la varianza % acumulado
1 2,975 59,500 59,500 2,975 59,500 59,500
2 ,928 18,568 78,068

3 ,519 10,386 88,454

4 ,324 6,484 94,938

5 ,253 5,062 100,000

Mtodo de extraccin: Anlisis de Componentes principales.

Matriz de
componentes
a


Componente

1
Uti_1 ,783
Uti_2 ,775
Uti_3 ,774
Uti_4 ,729
Uti_5 ,793
Mtodo de extraccin:
Anlisis de
componentes
principales.
a. 1 componentes
extrados


Estadsticos de fiabilidad
Alfa de Cronbach N de elementos
,828 5



124

Estadsticos total-elemento

Media de la
escala si se
elimina el
elemento
Varianza de la
escala si se
elimina el
elemento
Correlacin
elemento-total
corregida
Alfa de Cronbach
si se elimina el
elemento
Uti_1 21,9057 24,710 ,644 ,789
Uti_2 22,1914 23,932 ,625 ,794
Uti_3 22,2400 23,438 ,628 ,794
Uti_4 21,8343 24,947 ,573 ,809
Uti_5 21,8971 24,585 ,661 ,785


5.2.2.FacilidaddeBsqueda

KMO y prueba de Bartlett
Medida de adecuacin muestral de Kaiser-Meyer-Olkin. ,742
Prueba de esfericidad de
Bartlett
Chi-cuadrado aproximado 354,611
gl 6
Sig. ,000


Comunalidades

Inicial Extraccin
Uti_6 1,000 ,616
Uti_7 1,000 ,608
Uti_8 1,000 ,606
Uti_9 1,000 ,527
Mtodo de extraccin: Anlisis de
Componentes principales.


125

Varianza total explicada

Compo
nente
Autovalores iniciales
Sumas de las saturaciones al cuadrado de la
extraccin
Total % de la varianza % acumulado Total % de la varianza % acumulado
1 2,357 58,933 58,933 2,357 58,933 58,933
2 ,719 17,977 76,911

3 ,494 12,352 89,262

4 ,430 10,738 100,000

Mtodo de extraccin: Anlisis de Componentes principales.


Matriz de
componentes
a


Componente

1
Uti_6 ,785
Uti_7 ,780
Uti_8 ,778
Uti_9 ,726
Mtodo de extraccin:
Anlisis de
componentes
principales.
a. 1 componentes
extrados

Estadsticos de fiabilidad
Alfa de Cronbach N de elementos
,767 4


126

Estadsticos total-elemento

Media de la
escala si se
elimina el
elemento
Varianza de la
escala si se
elimina el
elemento
Correlacin
elemento-total
corregida
Alfa de Cronbach
si se elimina el
elemento
Uti_6 17,1400 10,866 ,593 ,698
Uti_7 17,3200 10,522 ,583 ,704
Uti_8 16,6771 11,405 ,581 ,705
Uti_9 16,7571 11,932 ,516 ,738

AnexoN6:ResultadosAnlisisFactorialydeFactibilidadConfianza/Credibilidad

AcontinuacinsepresentanlastablasobtenidasdelAnlisisFactorialrealizadoalconstructo
Confianza/Credibilidad:
6.1.Resultadosiniciales,sineliminarningnfactor:
KMO y prueba de Bartlett
Medida de adecuacin muestral de Kaiser-Meyer-Olkin. ,847
Prueba de esfericidad de
Bartlett
Chi-cuadrado aproximado 1067,621
gl 36
Sig. ,000

127

Comunalidades

Inicial Extraccin
Conf_1 1,000 ,466
Conf_2 1,000 ,854
Conf_3 1,000 ,378
Conf_4 1,000 ,550
Conf_5 1,000 ,636
Conf_6 1,000 ,376
Conf_7 1,000 ,676
Conf_8 1,000 ,609
Conf_9 1,000 ,432
Mtodo de extraccin: Anlisis de
Componentes principales.

Varianza total explicada

Compo
nente
Autovalores iniciales
Sumas de las saturaciones al cuadrado de la
extraccin
Total
% de la
varianza
% acumulado Total % de la varianza % acumulado
1 3,958 43,976 43,976 3,958 43,976 43,976
2 1,019 11,323 55,299 1,019 11,323 55,299
3 ,943 10,483 65,782

4 ,824 9,161 74,942

5 ,641 7,126 82,069

6 ,566 6,294 88,363

7 ,450 5,002 93,365

8 ,326 3,621 96,986

9 ,271 3,014 100,000

Mtodo de extraccin: Anlisis de Componentes principales.

128

Matriz de componentes
a


Componente

1 2
Conf_1 ,681 ,058
Conf_2 ,155 ,911
Conf_3 ,532 ,307
Conf_4 ,739 ,061
Conf_5 ,796 -,042
Conf_6 ,569 -,227
Conf_7 ,810 -,144
Conf_8 ,772 -,114
Conf_9 ,657 -,034
Mtodo de extraccin: Anlisis de
componentes principales.
a. 2 componentes extrados

Matriz de componentes rotadosa

Componente

1 2
Conf_1 ,654 ,196
Conf_2 -,034 ,923
Conf_3 ,458 ,410
Conf_4 ,711 ,211
Conf_5 ,788 ,122
Conf_6 ,604 -,105
Conf_7 ,822 ,025
Conf_8 ,779 ,046
Conf_9 ,650 ,101
Mtodo de extraccin: Anlisis de
componentes principales.
Mtodo de rotacin: Normalizacin
Varimax con Kaiser.
129

Matriz de componentes rotadosa

Componente

1 2
Conf_1 ,654 ,196
Conf_2 -,034 ,923
Conf_3 ,458 ,410
Conf_4 ,711 ,211
Conf_5 ,788 ,122
Conf_6 ,604 -,105
Conf_7 ,822 ,025
Conf_8 ,779 ,046
Conf_9 ,650 ,101
Mtodo de extraccin: Anlisis de
componentes principales.
Mtodo de rotacin: Normalizacin
Varimax con Kaiser.
a. La rotacin ha convergido en 3
iteraciones.


Estadsticos de fiabilidad
Alfa de Cronbach N de elementos
,809 9



130

Estadsticos total-elemento

Media de la
escala si se
elimina el
elemento
Varianza de la
escala si se
elimina el
elemento
Correlacin
elemento-total
corregida
Alfa de Cronbach
si se elimina el
elemento
Conf_1 45,1286 44,536 ,561 ,782
Conf_2 46,5029 53,070 ,121 ,836
Conf_3 45,4771 46,634 ,422 ,801
Conf_4 44,9771 45,742 ,619 ,776
Conf_5 44,9343 44,342 ,686 ,767
Conf_6 45,3914 45,907 ,432 ,801
Conf_7 44,5829 46,708 ,686 ,773
Conf_8 44,9143 45,534 ,636 ,774
Conf_9 45,1771 45,825 ,524 ,787

6.2.ResultadosfinalesdelconstructoConfianza/Credibilidad,despusdeeliminarCONF2
KMO y prueba de Bartlett
Medida de adecuacin muestral de Kaiser-Meyer-Olkin. ,848
Prueba de esfericidad de
Bartlett
Chi-cuadrado aproximado 1057,661
Gl 28
Sig. ,000
Comunalidades

Inicial Extraccin
Conf_1 1,000 ,462
Conf_3 1,000 ,281
Conf_4 1,000 ,547
Conf_5 1,000 ,634
Conf_6 1,000 ,327
Conf_7 1,000 ,660
Conf_8 1,000 ,598
Conf_9 1,000 ,430
Mtodo de extraccin: Anlisis de
Componentes principales.
131

Varianza total explicada
Compo
nente
Autovalores iniciales
Sumas de las saturaciones al cuadrado de la
extraccin
Total % de la varianza % acumulado Total % de la varianza % acumulado
1 3,940 49,246 49,246 3,940 49,246 49,246
2 ,947 11,840 61,086

3 ,849 10,608 71,694

4 ,643 8,032 79,727

5 ,567 7,081 86,808

6 ,455 5,688 92,496

7 ,329 4,111 96,607

8 ,271 3,393 100,000

Matriz de componentes
a


Componente

1
Conf_1 ,679
Conf_3 ,530
Conf_4 ,740
Conf_5 ,796
Conf_6 ,572
Conf_7 ,813
Conf_8 ,773
Conf_9 ,656
Mtodo de extraccin:
Anlisis de componentes
principales.
a. 1 componentes
extrados
Estadsticos de fiabilidad
Alfa de Cronbach N de elementos
,836 8

132

Estadsticos total-elemento

Media de la
escala si se
elimina el
elemento
Varianza de la
escala si se
elimina el
elemento
Correlacin
elemento-total
corregida
Alfa de Cronbach
si se elimina el
elemento
Conf_1 40,7457 40,620 ,563 ,818
Conf_3 41,0943 42,716 ,418 ,839
Conf_4 40,5943 41,634 ,632 ,809
Conf_5 40,5514 40,345 ,696 ,801
Conf_6 41,0086 41,625 ,449 ,836
Conf_7 40,2000 42,453 ,710 ,805
Conf_8 40,5314 41,425 ,650 ,807
Conf_9 40,7943 41,837 ,526 ,822

AnexoN7:ResultadosAnlisisFactorialydeFactibilidadSeguridadyPrivacidaddela
Informacin

AcontinuacinsepresentanlastablasobtenidasdelAnlisisFactorialrealizadoalconstructo
SeguridadyPrivacidaddelaInformacin:
7.1. Resultados iniciales con el constructo completo de Seguridad y Privacidad de la
Informacin
KMO y prueba de Bartlett
Medida de adecuacin muestral de Kaiser-Meyer-Olkin. ,835
Prueba de esfericidad de
Bartlett
Chi-cuadrado aproximado 2173,110
gl 55
Sig. ,000

133

Comunalidades

Inicial Extraccin
Seg_1 1,000 ,649
Seg_2 1,000 ,684
Seg_3 1,000 ,688
Seg_4 1,000 ,751
Seg_5 1,000 ,722
Seg_6 1,000 ,750
Seg_7 1,000 ,654
Seg_8 1,000 ,678
Seg_9 1,000 ,505
Seg_10 1,000 ,584
Seg_11 1,000 ,558

Varianza total explicada

Compo
nente
Autovalores iniciales
Sumas de las saturaciones al cuadrado de la
extraccin
Total % de la varianza % acumulado Total % de la varianza % acumulado
1 4,250 38,637 38,637 4,250 38,637 38,637
2 2,973 27,028 65,664 2,973 27,028 65,664
3 ,791 7,193 72,858

4 ,703 6,394 79,252

5 ,546 4,963 84,215

6 ,409 3,721 87,936

7 ,355 3,231 91,167

8 ,289 2,632 93,799

9 ,266 2,416 96,215

10 ,239 2,172 98,387

11 ,177 1,613 100,000

Mtodo de extraccin: Anlisis de Componentes principales.

134

Matriz de componentes
a


Componente

1 2
Seg_1 -,312 ,743
Seg_2 -,330 ,758
Seg_3 ,785 ,267
Seg_4 ,831 ,245
Seg_5 ,815 ,241
Seg_6 ,834 ,233
Seg_7 -,298 ,751
Seg_8 ,786 ,246
Seg_9 ,670 ,236
Seg_10 -,316 ,696
Seg_11 -,348 ,661
Mtodo de extraccin: Anlisis de
componentes principales.
a. 2 componentes extrados
Matriz de componentes rotadosa

Componente

1 2
Seg_1 -,029 ,805
Seg_2 -,041 ,826
Seg_3 ,829 -,027
Seg_4 ,864 -,064
Seg_5 ,848 -,062
Seg_6 ,863 -,077
Seg_7 -,014 ,808
Seg_8 ,822 -,047
Seg_9 ,710 -,016
Seg_10 -,050 ,763
Seg_11 -,092 ,741
135

Mtodo de extraccin: Anlisis de

componentes principales.
Mtodo de rotacin: Normalizacin
Varimax con Kaiser.
a. La rotacin ha convergido en 3
iteraciones.

Estadsticos de fiabilidad
Alfa de Cronbach N de elementos
,752 11




Estadsticos total-elemento

Media de la
escala si se
elimina el
elemento
Varianza de la
escala si se
elimina el
elemento
Correlacin
elemento-total
corregida
Alfa de Cronbach
si se elimina el
elemento
Seg_1 52,3686 71,104 ,354 ,740
Seg_2 52,2343 71,641 ,365 ,738
Seg_3 51,1400 68,751 ,476 ,724
Seg_4 51,0314 69,463 ,483 ,724
Seg_5 51,0629 69,486 ,472 ,725
Seg_6 50,8914 69,530 ,474 ,725
Seg_7 52,4486 69,921 ,375 ,737
Seg_8 50,9771 69,868 ,460 ,727
Seg_9 50,6743 72,558 ,402 ,734
Seg_10 52,8886 70,569 ,311 ,748
Seg_11 52,1971 72,881 ,273 ,751

136

7.2.Resultadosindividualesparacadacomponente
7.2.1.PrivacidaddelaInformacinpropia

KMO y prueba de Bartlett
Medida de adecuacin muestral de Kaiser-Meyer-Olkin. ,867
Prueba de esfericidad de
Bartlett
Chi-cuadrado aproximado 1398,651
gl 15
Sig. ,000



Comunalidades

Inicial Extraccin
Seg_3 1,000 ,688
Seg_4 1,000 ,751
Seg_5 1,000 ,723
Seg_6 1,000 ,751
Seg_8 1,000 ,677
Seg_9 1,000 ,503
Mtodo de extraccin: Anlisis de
Componentes principales.

Varianza total explicada
Compo
nente
Autovalores iniciales
Sumas de las saturaciones al cuadrado de la
extraccin
Total % de la varianza % acumulado Total % de la varianza % acumulado
1 4,093 68,211 68,211 4,093 68,211 68,211
2 ,787 13,123 81,334

3 ,362 6,036 87,370

4 ,301 5,010 92,380

5 ,275 4,577 96,957

6 ,183 3,043 100,000

Mtodo de extraccin: Anlisis de Componentes principales.

137

Matriz de
componentes
a


Componente

1
Seg_3 ,829
Seg_4 ,867
Seg_5 ,850
Seg_6 ,866
Seg_8 ,823
Seg_9 ,709
Mtodo de extraccin:
Anlisis de componentes
principales.
a. 1 componentes
extrados

Estadsticos de fiabilidad
Alfa de Cronbach N de elementos
,906 6


Estadsticos total-elemento

Media de la
escala si se
elimina el
elemento
Varianza de la
escala si se
elimina el
elemento
Correlacin
elemento-total
corregida
Alfa de Cronbach
si se elimina el
elemento
Seg_3 29,3200 35,748 ,743 ,890
Seg_4 29,2114 35,846 ,796 ,882
Seg_5 29,2429 35,961 ,772 ,885
Seg_6 29,0714 35,728 ,794 ,882
Seg_8 29,1571 36,551 ,739 ,890
Seg_9 28,8543 40,010 ,605 ,908



138

7.2.2.SeguridadprovistaporInternet

KMO y prueba de Bartlett
Medida de adecuacin muestral de Kaiser-Meyer-Olkin. ,794
Prueba de esfericidad de
Bartlett
Chi-cuadrado aproximado 749,146
gl 10
Sig. ,000


Comunalidades

Inicial Extraccin
Seg_1 1,000 ,648
Seg_2 1,000 ,683
Seg_7 1,000 ,653
Seg_10 1,000 ,584
Seg_11 1,000 ,558
Mtodo de extraccin: Anlisis de
Componentes principales.


Varianza total explicada
Compo
nente
Autovalores iniciales
Sumas de las saturaciones al cuadrado de la
extraccin
Total % de la varianza % acumulado Total % de la varianza % acumulado
1 3,125 62,505 62,505 3,125 62,505 62,505
2 ,693 13,860 76,365

3 ,540 10,791 87,156

4 ,389 7,781 94,937

5 ,253 5,063 100,000

Mtodo de extraccin: Anlisis de Componentes principales.



139

Matriz de componentes
a

Componente

1
Seg_1 ,805
Seg_2 ,826
Seg_7 ,808
Seg_10 ,764
Seg_11 ,747
Mtodo de extraccin:
Anlisis de componentes
principales.
a. 1 componentes
extrados

Estadsticos de fiabilidad
Alfa de Cronbach N de elementos
,848 5


Estadsticos total-elemento

Media de la
escala si se
elimina el
elemento
Varianza de la
escala si se
elimina el
elemento
Correlacin
elemento-total
corregida
Alfa de Cronbach
si se elimina el
elemento
Seg_1 17,3971 28,418 ,667 ,814
Seg_2 17,2629 28,796 ,698 ,807
Seg_7 17,4771 27,494 ,688 ,808
Seg_10 17,9171 27,245 ,632 ,825
Seg_11 17,2257 28,955 ,607 ,829

140

AnexoN8:ResultadosAnlisisFactorialydeFactibilidadPginaWeb

AcontinuacinsepresentanlastablasobtenidasdelAnlisisFactorialrealizadoalconstructo
PginaWeb:
8.1.Resultadosiniciales,sineliminarningnfactor
KMO y prueba de Bartlett
Medida de adecuacin muestral de Kaiser-Meyer-Olkin. ,844
Prueba de esfericidad de
Bartlett
Chi-cuadrado aproximado 673,060
gl 21
Sig. ,000
Comunalidades

Inicial Extraccin
Pag_1 1,000 ,515
Pag_2 1,000 ,129
Pag_3 1,000 ,624
Pag_4 1,000 ,652
Pag_5 1,000 ,550
Pag_6 1,000 ,280
Pag_7 1,000 ,469
Mtodo de extraccin: Anlisis de
Componentes principales.

141

Varianza total explicada

Compon
ente
Autovalores iniciales
Sumas de las saturaciones al cuadrado de la
extraccin
Total % de la varianza % acumulado Total % de la varianza % acumulado
1 3,220 46,000 46,000 3,220 46,000 46,000
2 ,989 14,123 60,123

3 ,852 12,178 72,301

4 ,588 8,397 80,698

5 ,514 7,348 88,046

6 ,450 6,424 94,469

7 ,387 5,531 100,000

Mtodo de extraccin: Anlisis de Componentes principales.

Matriz de componentes
a


Componente

1
Pag_1 ,717
Pag_2 ,360
Pag_3 ,790
Pag_4 ,807
Pag_5 ,742
Pag_6 ,530
Pag_7 ,685
Mtodo de extraccin: Anlisis de
componentes principales.
a. 1 componentes extrados

Estadsticos de fiabilidad
Alfa de Cronbach N de elementos
,791 7


142

Estadsticos total-elemento

Media de la
escala si se
elimina el
elemento
Varianza de la
escala si se
elimina el
elemento
Correlacin
elemento-total
corregida
Alfa de Cronbach
si se elimina el
elemento
Pag_1 29,0143 34,066 ,566 ,756
Pag_2 27,8600 41,061 ,254 ,808
Pag_3 29,0429 33,439 ,655 ,738
Pag_4 28,9857 34,553 ,678 ,737
Pag_5 29,4229 35,070 ,595 ,751
Pag_6 28,8314 37,625 ,390 ,789
Pag_7 29,7800 34,424 ,522 ,765

8.2.ResultadosfinalesPginaWeb,eliminandoelfactorPAG2
KMO y prueba de Bartlett
Medida de adecuacin muestral de Kaiser-Meyer-Olkin. ,844
Prueba de esfericidad de
Bartlett
Chi-cuadrado aproximado 633,218
Gl 15
Sig. ,000
Comunalidades

Inicial Extraccin
Pag_1 1,000 ,516
Pag_3 1,000 ,615
Pag_4 1,000 ,648
Pag_5 1,000 ,577
Pag_6 1,000 ,278
Pag_7 1,000 ,493
Mtodo de extraccin: Anlisis de
Componentes principales.

143

Varianza total explicada

Compo
nente
Autovalores iniciales
Sumas de las saturaciones al cuadrado de la
extraccin
Total % de la varianza % acumulado Total % de la varianza % acumulado
1 3,127 52,124 52,124 3,127 52,124 52,124
2 ,854 14,231 66,355

3 ,659 10,985 77,340

4 ,515 8,583 85,923

5 ,457 7,624 93,547

6 ,387 6,453 100,000

Mtodo de extraccin: Anlisis de Componentes principales.

Matriz de
componentes
a


Componente

1
Pag_1 ,718
Pag_3 ,784
Pag_4 ,805
Pag_5 ,760
Pag_6 ,527
Pag_7 ,702
Mtodo de extraccin:
Anlisis de componentes
principales.
a. 1 componentes
extrados

144

Estadsticos de fiabilidad
Alfa de Cronbach N de elementos
,808 6

Estadsticos total-elemento

Media de la
escala si se
elimina el
elemento
Varianza de la
escala si se
elimina el
elemento
Correlacin
elemento-total
corregida
Alfa de Cronbach
si se elimina el
elemento
Pag_1 23,0514 28,960 ,563 ,779
Pag_3 23,0800 28,567 ,641 ,761
Pag_4 23,0229 29,484 ,673 ,757
Pag_5 23,4600 29,464 ,626 ,766
Pag_6 22,8686 32,344 ,381 ,818
Pag_7 23,8171 28,838 ,549 ,783

AnexoN9:ResultadosAnlisisFactorialydeFactibilidadGarantaPostVenta

AcontinuacinsepresentanlastablasobtenidasdelAnlisisFactorialrealizadoalconstructo
GarantaPostVenta:
KMO y prueba de Bartlett
Medida de adecuacin muestral de Kaiser-Meyer-Olkin. ,739
Prueba de esfericidad de
Bartlett
Chi-cuadrado aproximado 272,223
gl 6
Sig. ,000

145

Comunalidades

Inicial Extraccin
Gar_1 1,000 ,654
Gar_2 1,000 ,615
Gar_3 1,000 ,341
Gar_4 1,000 ,569
Mtodo de extraccin: Anlisis de
Componentes principales.

Varianza total explicada

Compo
nente
Autovalores iniciales
Sumas de las saturaciones al cuadrado de la
extraccin
Total % de la varianza % acumulado Total % de la varianza % acumulado
1 2,178 54,444 54,444 2,178 54,444 54,444
2 ,789 19,736 74,180

3 ,553 13,824 88,004

4 ,480 11,996 100,000

Mtodo de extraccin: Anlisis de Componentes principales.

Matriz de componentes
a


Componente

1
Gar_1 ,809
Gar_2 ,784
Gar_3 ,584
Gar_4 ,754
Mtodo de extraccin: Anlisis
de componentes principales.

Estadsticos de fiabilidad
Alfa de Cronbach N de elementos
,703 4
146

Estadsticos total-elemento

Media de la
escala si se
elimina el
elemento
Varianza de la
escala si se
elimina el
elemento
Correlacin
elemento-total
corregida
Alfa de Cronbach
si se elimina el
elemento
Gar_1 16,1771 11,057 ,584 ,589
Gar_2 16,3771 10,826 ,541 ,609
Gar_3 17,3971 11,100 ,360 ,733
Gar_4 16,1771 10,971 ,506 ,629

AnexoN10:ResultadosAnlisisFactorialydeFactibilidadIntencindeCompra

AcontinuacinsepresentanlastablasobtenidasdelAnlisisFactorialrealizadoalconstructo
IntencindeCompra:
KMO y prueba de Bartlett
Medida de adecuacin muestral de Kaiser-Meyer-Olkin. ,500
Prueba de esfericidad de
Bartlett
Chi-cuadrado aproximado 159,696
Gl 1
Sig. ,000


Comunalidades

Inicial Extraccin
Int_1 1,000 ,803
Int_2 1,000 ,803
Mtodo de extraccin: Anlisis de
Componentes principales.


147

Varianza total explicada

Compo
nente
Autovalores iniciales
Sumas de las saturaciones al cuadrado de la
extraccin
Total % de la varianza % acumulado Total % de la varianza % acumulado
1 1,607 80,349 80,349 1,607 80,349 80,349
2 ,393 19,651 100,000

Mtodo de extraccin: Anlisis de Componentes principales.


Matriz de
componentes
a


Componente

1
Int_1 ,896
Int_2 ,896
Mtodo de extraccin:
Anlisis de
componentes
principales.
a. 1 componentes
extrados

AnexoN11:ResultadosAnlisisFactorialydeFactibilidadCercana

AcontinuacinsepresentanlastablasobtenidasdelAnlisisFactorialrealizadoalconstructo
Cercana:
11.1.Resultadosiniciales,sineliminarningnfactor
KMO y prueba de Bartlett
Medida de adecuacin muestral de Kaiser-Meyer-Olkin. ,536
Prueba de esfericidad de
Bartlett
Chi-cuadrado aproximado 367,785
Gl 10
Sig. ,000

148

Comunalidades

Inicial Extraccin
Cerc_1 1,000 ,838
Cerc_2 1,000 ,833
Cerc_3 1,000 ,319
Cerc_4 1,000 ,650
Cerc_5 1,000 ,471
Mtodo de extraccin: Anlisis de
Componentes principales.

Matriz de componentes
a


Componente

1 2
Cerc_1 ,892 -,204
Cerc_2 ,853 -,324
Cerc_3 ,460 ,328
Cerc_4 ,469 ,656
Cerc_5 ,001 ,686
Mtodo de extraccin: Anlisis de
componentes principales.
a. 2 componentes extrados

149

Matriz de componentes rotados
a

Componente

1 2
Cerc_1 ,906 ,130
Cerc_2 ,913 ,003
Cerc_3 ,312 ,471
Cerc_4 ,202 ,781
Cerc_5 -,246 ,641
Mtodo de extraccin: Anlisis de
componentes principales.
Mtodo de rotacin: Normalizacin
Varimax con Kaiser.
a. La rotacin ha convergido en 3
iteraciones.

Estadsticos de fiabilidad
Alfa de Cronbach N de elementos
,442 5


Varianza total explicada
Com
pone
nte
Autovalores iniciales
Sumas de las saturaciones al
cuadrado de la extraccin
Suma de las saturaciones al
cuadrado de la rotacin
Total
% de la
varianza
%
acumulado
Total
% de la
varianza
%
acumulado
Total
% de la
varianza
%
acumulado
1 1,956 39,117 39,117 1,956 39,117 39,117 1,853 37,055 37,055
2 1,156 23,111 62,228 1,156 23,111 62,228 1,259 25,173 62,228
3 ,986 19,716 81,944

4 ,672 13,432 95,376

5 ,231 4,624 100,000

Mtodo de extraccin: Anlisis de Componentes principales.
150

11.2.ResultadosfinalesdeCercana,eliminandolosfactoresCERC3YCERC5
KMO y prueba de Bartlett
Medida de adecuacin muestral de Kaiser-Meyer-Olkin. ,511
Prueba de esfericidad de
Bartlett
Chi-cuadrado aproximado 322,593
Gl 3
Sig. ,000

Comunalidades

Inicial Extraccin
Cerc_1 1,000 ,864
Cerc_2 1,000 ,815
Cerc_4 1,000 ,164
Mtodo de extraccin: Anlisis de
Componentes principales.

Varianza total explicada

Compo
nente
Autovalores iniciales
Sumas de las saturaciones al cuadrado de la
extraccin
Total % de la varianza % acumulado Total % de la varianza % acumulado
1 1,843 61,433 61,433 1,843 61,433 61,433
2 ,926 30,850 92,283

3 ,231 7,717 100,000

Mtodo de extraccin: Anlisis de Componentes principales.
Matriz de componentes
a


Componente

1
Cerc_1 ,929
Cerc_2 ,903
Cerc_4 ,405
Mtodo de extraccin:
Anlisis de componentes
principales.
151

Varianza total explicada

Compo
nente
Autovalores iniciales
Sumas de las saturaciones al cuadrado de la
extraccin
Total % de la varianza % acumulado Total % de la varianza % acumulado
1 1,843 61,433 61,433 1,843 61,433 61,433
2 ,926 30,850 92,283

3 ,231 7,717 100,000

a. 1 componentes
extrados

Estadsticos de fiabilidad
Alfa de Cronbach N de elementos
,595 3


Estadsticos total-elemento

Media de la
escala si se
elimina el
elemento
Varianza de la
escala si se
elimina el
elemento
Correlacin
elemento-total
corregida
Alfa de Cronbach
si se elimina el
elemento
Cerc_1 9,5429 6,381 ,595 ,222
Cerc_2 9,3543 7,393 ,511 ,373
Cerc_4 11,3200 7,158 ,200 ,862

152

AnexoN12:AnlisisdeComparacindeMedias(ANOVA)

FacilidaddeUso
Tabla de ANOVA

Suma de
cuadrados gl
Media
cuadrtica F Sig.
X_FAC * Usuario Inter-grupos (Combinadas) 105,692 1 105,692 67,956 ,000
Intra-grupos 541,241 348 1,555

Total 646,932 349


Tabla de ANOVA

Suma de
cuadrados gl
Media
cuadrtica F Sig.
X_FAC * Gnero Inter-grupos (Combinadas) 2,583 1 2,583 1,395 ,238
Intra-grupos 644,349 348 1,852

Total 646,932 349


Utilidadpercibida
Tabla de ANOVA

Suma de
cuadrados gl
Media
cuadrtica F Sig.
X_UTI * Gnero Inter-grupos (Combinadas) ,007 1 ,007 ,007 ,935
Intra-grupos 373,002 348 1,072

Total 373,009 349




153

Tabla de ANOVA

Suma de
cuadrados gl
Media
cuadrtica F Sig.
X_UTI * Usuario Inter-grupos (Combinadas) 40,264 1 40,264 42,110 ,000
Intra-grupos 332,745 348 ,956

Total 373,009 349


Confianza
Tabla de ANOVA

Suma de
cuadrados gl
Media
cuadrtica F Sig.
X_CONF * Usuario Inter-grupos (Combinadas) 15,252 1 15,252 22,843 ,000
Intra-grupos 232,362 348 ,668

Total 247,614 349



Tabla de ANOVA

Suma de
cuadrados gl
Media
cuadrtica F Sig.
X_CONF * Gnero Inter-grupos (Combinadas) ,194 1 ,194 ,273 ,602
Intra-grupos 247,420 348 ,711

Total 247,614 349


Seguridad
Tabla de ANOVA
a


Suma de
cuadrados gl
Media
cuadrtica F Sig.
X_SEG * Usuario Inter-grupos (Combinadas) 3,135 1 3,135 4,604 ,033
Intra-grupos 236,978 348 ,681

Total 240,114 349

a. Con menos de tres grupos, las medidas de linealidad para X_SEG * Usuario no se pueden calcular.
154

Tabla de ANOVA

Suma de
cuadrados gl
Media
cuadrtica F Sig.
X_SEG * Gnero Inter-grupos (Combinadas) 2,252 1 2,252 3,295 ,070
Intra-grupos 237,862 348 ,684

Total 240,114 349


Pginaweb
Tabla de ANOVA

Suma de
cuadrados gl
Media
cuadrtica F Sig.
X_PAG * Usuario Inter-grupos (Combinadas) 25,369 1 25,369 28,519 ,000
Intra-grupos 309,552 348 ,890

Total 334,921 349



Tabla de ANOVA

Suma de
cuadrados gl
Media
cuadrtica F Sig.
X_PAG * Gnero Inter-grupos (Combinadas) ,001 1 ,001 ,001 ,970
Intra-grupos 334,919 348 ,962

Total 334,921 349

Garantapostventa
Tabla de ANOVA

Suma de
cuadrados gl
Media
cuadrtica F Sig.
X_GAR * Gnero Inter-grupos (Combinadas) ,270 1 ,270 ,243 ,622
Intra-grupos 387,502 348 1,114

Total 387,772 349


155

Tabla de ANOVA

Suma de
cuadrados gl
Media
cuadrtica F Sig.
X_GAR * Usuario Inter-grupos (Combinadas) 23,573 1 23,573 22,525 ,000
Intra-grupos 364,199 348 1,047

Total 387,772 349


Cercana
Tabla de ANOVA

Suma de
cuadrados gl
Media
cuadrtica F Sig.
X_CERC * Gnero Inter-grupos (Combinadas
)
11,403 1 11,403 7,920 ,005
Intra-grupos 501,081 348 1,440

Total 512,485 349



Tabla de ANOVA

Suma de
cuadrados gl
Media
cuadrtica F Sig.
X_CERC * Usuario Inter-grupos (Combinadas
)
2,947 1 2,947 2,013 ,157
Intra-grupos 509,538 348 1,464

Total 512,485 349





156

Intencindecompra
Tabla de ANOVA

Suma de
cuadrados gl
Media
cuadrtica F Sig.
X_INT * Gnero Inter-grupos (Combinadas) 8,473 1 8,473 3,822 ,051
Intra-grupos 771,616 348 2,217

Total 780,089 349



Tabla de ANOVA

Suma de
cuadrados gl
Media
cuadrtica F Sig.
X_INT * Usuario Inter-grupos (Combinadas) 137,501 1 137,501 74,465 ,000
Intra-grupos 642,588 348 1,847

Total 780,089 349

157

AnexoN13Comparacinentreencuestadosonlineypresenciales

ANOVA

Suma de
cuadrados gl
Media
cuadrtica F Sig.
X_FAC Inter-grupos 3,078 1 3,078 1,664 ,198
Intra-grupos 643,855 348 1,850

Total 646,932 349

X_PAG Inter-grupos 3,465 1 3,465 3,055 ,081
Intra-grupos 394,605 348 1,134

Total 398,070 349

X_UTI1 Inter-grupos 3,680 1 3,680 2,535 ,112
Intra-grupos 505,016 348 1,451

Total 508,696 349

X_UTI2 Inter-grupos 18,746 1 18,746 17,006 ,000
Intra-grupos 383,595 348 1,102

Total 402,341 349

X_CONF Inter-grupos 14,581 1 14,581 18,466 ,000
Intra-grupos 274,783 348 ,790

Total 289,364 349

X_SEG1 Inter-grupos ,162 1 ,162 ,112 ,738
Intra-grupos 501,972 348 1,442

Total 502,134 349

X_SEG2 Inter-grupos 2,566 1 2,566 1,514 ,219
Intra-grupos 589,581 348 1,694

Total 592,146 349

X_INT Inter-grupos 37,335 1 37,335 17,492 ,000
Intra-grupos 742,754 348 2,134

Total 780,089 349

X_GAR Inter-grupos 18,282 1 18,282 17,219 ,000
Intra-grupos 369,490 348 1,062

Total 387,772 349

X_CERC Inter-grupos ,376 1 ,376 ,258 ,611
Intra-grupos 505,925 348 1,454

Total 506,300 349


158

AnexoN14:RegresinLinealMultivariada

14.1 RegresinLinealMultivariadaparalavariableConfianza

Estadsticos descriptivos

Media Desviacin tpica N
X_CONF 5,8150 ,91056 350
X_PAG 4,6433 1,06799 350
X_SEG1 5,8286 1,19949 350
X_SEG2 4,3640 1,30257 350
X_GAR 5,5107 1,05409 350
X_CERC 5,0361 1,20446 350


159

Correlaciones

X_CONF X_PAG X_SEG1 X_SEG2 X_GAR X_CERC
Correlacin de Pearson X_CONF 1,000 ,193 ,545 ,041 ,605 ,316
X_PAG ,193 1,000 ,004 ,492 ,384 -,036
X_SEG1 ,545 ,004 1,000 -,117 ,350 ,449
X_SEG2 ,041 ,492 -,117 1,000 ,258 -,026
X_GAR ,605 ,384 ,350 ,258 1,000 ,297
X_CERC ,316 -,036 ,449 -,026 ,297 1,000
Sig. (unilateral) X_CONF . ,000 ,000 ,220 ,000 ,000
X_PAG ,000 . ,467 ,000 ,000 ,248
X_SEG1 ,000 ,467 . ,015 ,000 ,000
X_SEG2 ,220 ,000 ,015 . ,000 ,312
X_GAR ,000 ,000 ,000 ,000 . ,000
X_CERC ,000 ,248 ,000 ,312 ,000 .
N X_CONF 350 350 350 350 350 350
X_PAG 350 350 350 350 350 350
X_SEG1 350 350 350 350 350 350
X_SEG2 350 350 350 350 350 350
X_GAR 350 350 350 350 350 350
X_CERC 350 350 350 350 350 350


Variables introducidas/eliminadas
Modelo
Variables
introducidas
Variables
eliminadas Mtodo
1 X_CERC,
X_SEG2,
X_GAR,
X_SEG1,
X_PAG
a

. Introducir
a. Todas las variables solicitadas introducidas.


160

Resumen del modelo

b

Modelo R
R
cuadra
do
R
cuadrado
corregida
Error tp. de
la
estimacin
Estadsticos de cambio
Durbin-
Watson
Cambio en
R cuadrado
Cambio
en F gl1 gl2
Sig. Cambio
en F
1 ,703
a

,495 ,487 ,65191 ,495 67,377 5 344 ,000 1,651
a. Variables predictoras: (Constante), X_CERC, X_SEG2, X_GAR, X_SEG1, X_PAG
b. Variable dependiente: X_CONF


ANOVA
b

Modelo
Suma de
cuadrados gl Media cuadrtica F Sig.
1 Regresin 143,170 5 28,634 67,377 ,000
a

Residual 146,193 344 ,425

Total 289,364 349

a. Variables predictoras: (Constante), X_CERC, X_SEG2, X_GAR, X_SEG1, X_PAG
b. Variable dependiente: X_CONF


Coeficientes
a

Modelo
Coeficientes no
estandarizados
Coeficientes
tipificados
t Sig.
Intervalo de confianza de
95,0% para B
B Error tp. Beta
Lmite
inferior
Lmite
superior
1 (Constante) 1,917 ,259

7,398 ,000 1,407 2,426
X_PAG ,033 ,040 ,038 ,819 ,414 -,046 ,111
X_SEG1 ,280 ,034 ,369 8,146 ,000 ,212 ,348
X_SEG2 -,039 ,031 -,056 -1,241 ,215 -,101 ,023
X_GAR ,408 ,040 ,472 10,220 ,000 ,329 ,486
X_CERC ,007 ,033 ,010 ,219 ,826 -,058 ,072
a. Variable dependiente: X_CONF


161

Estadsticos sobre los residuos

a


Mnimo Mximo Media Desviacin tpica N
Valor pronosticado 2,6420 6,8250 5,8150 ,64049 350
Residual -2,78182 2,15246 ,00000 ,64722 350
Valor pronosticado tip. -4,954 1,577 ,000 1,000 350
Residuo tp. -4,267 3,302 ,000 ,993 350
a. Variable dependiente: X_CONF

14.2 Anexos:RegresinLinealMultivariadaparalavariableIntencindecompra
Estadsticos descriptivos

Media Desviacin tpica N
X_INT 4,9786 1,49506 350
X_CONF 5,8150 ,91056 350
X_UTI1 5,5034 1,20730 350
X_UTI2 5,6579 1,07370 350
X_FAC 4,9093 1,36150 350


162

Correlaciones

X_INT X_CONF X_UTI1 X_UTI2 X_FAC
Correlacin de Pearson X_INT 1,000 ,370 ,509 ,484 ,606
X_CONF ,370 1,000 ,468 ,599 ,325
X_UTI1 ,509 ,468 1,000 ,610 ,597
X_UTI2 ,484 ,599 ,610 1,000 ,475
X_FAC ,606 ,325 ,597 ,475 1,000
Sig. (unilateral) X_INT . ,000 ,000 ,000 ,000
X_CONF ,000 . ,000 ,000 ,000
X_UTI1 ,000 ,000 . ,000 ,000
X_UTI2 ,000 ,000 ,000 . ,000
X_FAC ,000 ,000 ,000 ,000 .
N X_INT 350 350 350 350 350
X_CONF 350 350 350 350 350
X_UTI1 350 350 350 350 350
X_UTI2 350 350 350 350 350
X_FAC 350 350 350 350 350


Variables introducidas/eliminadas
Modelo
Variables
introducidas
Variables
eliminadas Mtodo
1 X_FAC,
X_CONF,
X_UTI1, X_UTI2
a
. Introducir
a. Todas las variables solicitadas introducidas.


163

ANOVA
b

Modelo
Suma de
cuadrados gl Media cuadrtica F Sig.
1 Regresin 335,024 4 83,756 64,925 ,000
a

Residual 445,065 345 1,290

Total 780,089 349

a. Variables predictoras: (Constante), X_FAC, X_CONF, X_UTI1, X_UTI2
b. Variable dependiente: X_INT


Coeficientes
a

Modelo
Coeficientes no
estandarizados
Coeficientes
tipificados
t Sig.
Intervalo de confianza de
95,0% para B
B Error tp. Beta
Lmite
inferior
Lmite
superior
1 (Constante) -,168 ,415

-,406 ,685 -,984 ,647
X_CONF ,131 ,085 ,080 1,552 ,121 -,035 ,297
X_UTI1 ,139 ,072 ,113 1,946 ,052 -,001 ,280
X_UTI2 ,223 ,081 ,160 2,747 ,006 ,063 ,382
X_FAC ,480 ,057 ,437 8,493 ,000 ,369 ,591
a. Variable dependiente: X_INT
Resumen del modelo
b

Mod
elo R
R
cuadrado
R
cuadrado
corregida
Error tp.
de la
estimacin
Estadsticos de cambio
Durbin-
Watson
Cambio en
R
cuadrado
Cambio
en F gl1 gl2
Sig.
Cambio en
F
1 ,655
a
,429 ,423 1,13580 ,429 64,925 4 345 ,000 1,882
a. Variables predictoras: (Constante), X_FAC, X_CONF, X_UTI1, X_UTI2
b. Variable dependiente: X_INT
164

Estadsticos sobre los residuos
a


Mnimo Mximo Media Desviacin tpica N
Valor pronosticado 1,1652 6,6454 4,9786 ,97977 350
Residual -4,48532 3,07586 ,00000 1,12927 350
Valor pronosticado tip. -3,892 1,701 ,000 1,000 350
Residuo tp. -3,949 2,708 ,000 ,994 350
a. Variable dependiente: X_INT

165

AnexoN15:Anlisisdiscriminante
Estadsticos de grupo
Usuario Media Desv. tp.
N vlido (segn lista)
No ponderados Ponderados
SI X_FAC 5,3214 1,25968 224 224,000
X_UTI1 5,7786 1,10794 224 224,000
X_UTI2 5,8862 1,07478 224 224,000
X_INT 5,4487 1,44038 224 224,000
X_CONF 5,9675 ,84355 224 224,000
NO X_FAC 4,1766 1,22436 126 126,000
X_UTI1 5,0143 1,22590 126 126,000
X_UTI2 5,2520 ,94789 126 126,000
X_INT 4,1429 1,19976 126 126,000
X_CONF 5,5439 ,96420 126 126,000
Total X_FAC 4,9093 1,36150 350 350,000
X_UTI1 5,5034 1,20730 350 350,000
X_UTI2 5,6579 1,07370 350 350,000
X_INT 4,9786 1,49506 350 350,000
X_CONF 5,8150 ,91056 350 350,000

Pruebas de igualdad de las medias de los grupos

Lambda de Wilks F gl1 gl2 Sig.
X_FAC ,837 67,956 1 348 ,000
X_UTI1 ,907 35,513 1 348 ,000
X_UTI2 ,919 30,511 1 348 ,000
X_INT ,824 74,465 1 348 ,000
X_CONF ,950 18,319 1 348 ,000





166

Matrices intra-grupo combinadas

a


X_FAC X_UTI1 X_UTI2 X_INT X_CONF
Covarianza X_FAC 1,555 ,781 ,529 ,892 ,291
X_UTI1 ,781 1,326 ,681 ,689 ,441
X_UTI2 ,529 ,681 1,063 ,588 ,525
X_INT ,892 ,689 ,588 1,847 ,378
X_CONF ,291 ,441 ,525 ,378 ,790
Correlacin X_FAC 1,000 ,544 ,411 ,526 ,263
X_UTI1 ,544 1,000 ,573 ,440 ,431
X_UTI2 ,411 ,573 1,000 ,420 ,573
X_INT ,526 ,440 ,420 1,000 ,313
X_CONF ,263 ,431 ,573 ,313 1,000
a. La matriz de covarianzas tiene 348 grados de libertad
Matrices de covarianzas
a

Usuario X_FAC X_UTI1 X_UTI2 X_INT X_CONF
SI X_FAC 1,587 ,802 ,605 ,977 ,341
X_UTI1 ,802 1,228 ,715 ,662 ,456
X_UTI2 ,605 ,715 1,155 ,727 ,575
X_INT ,977 ,662 ,727 2,075 ,511
X_CONF ,341 ,456 ,575 ,511 ,712
NO X_FAC 1,499 ,744 ,392 ,740 ,202
X_UTI1 ,744 1,503 ,619 ,739 ,415
X_UTI2 ,392 ,619 ,898 ,339 ,437
X_INT ,740 ,739 ,339 1,439 ,140
X_CONF ,202 ,415 ,437 ,140 ,930
Total X_FAC 1,854 ,981 ,695 1,234 ,403
X_UTI1 ,981 1,458 ,791 ,918 ,515
X_UTI2 ,695 ,791 1,153 ,777 ,586
X_INT 1,234 ,918 ,777 2,235 ,504
X_CONF ,403 ,515 ,586 ,504 ,829
a. La matriz de covarianzas total presenta 349 grados de libertad.
167

Resumenfuncionescannicas
Autovalores
Funcin Autovalor % de varianza % acumulado
Correlacin
cannica
1 ,273
a
100,0 100,0 ,463
a. Se han empleado las 1 primeras funciones discriminantes cannicas en
el anlisis.

Lambda de Wilks
Contraste de
las funciones
Lambda
de Wilks Chi-cuadrado gl Sig.
1 ,785 83,450 5 ,000

168

Coeficientes estandarizados de las
funciones discriminantes
cannicas

Funcin

1
X_FAC ,486
X_UTI1 ,022
X_UTI2 ,068
X_INT ,564
X_CONF ,086


Matriz de estructura

Funcin

1
X_INT ,885
X_FAC ,845
X_UTI1 ,611
X_UTI2 ,566
X_CONF ,439
Correlaciones intra-grupo
combinadas entre las
variables discriminantes y
las funciones
discriminantes cannicas
tipificadas
Variables ordenadas por el
tamao de la correlacin
con la funcin.


169

Funciones en los
centroides de los
grupos
Usuario
Funcin
1
SI ,391
NO -,695
Funciones
discriminantes
cannicas no tipificadas
evaluadas en las
medias de los grupos

Estadsticosdeclasificacin

Resumen del proceso de clasificacin
Procesados 350
Excluidos Cdigo de grupo perdido o
fuera de rango
0
Perdida al menos una
variable discriminante
0
Usados en los resultados 350


Probabilidades previas para los grupos
Usuario Previas
Casos utilizados en el anlisis
No ponderados Ponderados
SI ,500 224 224,000
NO ,500 126 126,000
Total 1,000 350 350,000


Coeficientes de la funcin de
clasificacin
170

Usuario

SI NO
X_FAC 1,215 ,792
X_UTI1 ,842 ,821
X_UTI2 1,435 1,364
X_INT ,478 ,027
X_CONF 5,453 5,348
(Constante) -28,154 -22,865
Funciones discriminantes lineales de
Fisher


Resultados de la clasificacin
a


Usuario
Grupo de pertenencia pronosticado
Total

SI NO
Original Recuento SI 168 56 224
NO 33 93 126
% SI 75,0 25,0 100,0
NO 26,2 73,8 100,0
a. Clasificados correctamente el 74,6% de los casos agrupados originales.