Preferencias del consumidor millennial respecto al diseño de webs de social commerce

Resumen

Objetivo:

En un contexto en el que el social commerce ha cambiado la manera en la que los consumidores buscan información y comparten experiencias, el objetivo de esta investigación radica en entender cómo tres factores del diseño web (usabilidad, funcionalidad y sociabilidad) influyen en la evaluación cognitiva y afectiva del consumidor, y como éstas determinarán su intención de compra.

Metodología:

Mediante una muestra de 230 millennials usuarios habituales de social commerce y a través de la técnica de PLS, este trabajo adapta al contexto social a la literatura existente sobre calidad del sitio web, así como a las teorías del aprendizaje social y las intenciones de compra del consumidor.

Resultados:

Se contrastan las 9 hipótesis del estudio en las que se vinculan variables del diseño web y de la socialización en entornos de e-commerce con componentes de la teoría del aprendizaje social.

Contribuciones:

Este artículo mejora la comprensión acerca de la influencia en entornos de la web social del diseño sobre las evaluaciones del consumidor, y de éstas sobre las intenciones de compra, destacando la importancia del diseño sobre las evaluaciones afectivas. Además, suministran información relevante sobre cómo diseñar las webs para mejorar las actitudes y comportamientos de compra de los consumidores, permitiendo enfocar la manera de mejorar la experiencia a través del diseño web, en contextos de continuos cambios en dispositivos y preferencias del consumidor.

Palabras clave:
Comercio social; diseño web; intención de compra; aprendizaje social; millennials

Abstract

Purpose:

Considering the context in which social commerce has changed the way consumers search for information and share experiences, the objective of this study is to understand how three factors of web design (usability, functionality, and sociability) influence consumers’ cognitive and affective assessments and affect their intention to buy.

Design/methodology/approach:

Using the PLS technique on a sample of 230 millennials who are regular social commerce users, this study is adapted to the social context of the existing literature on website quality, as well as theories of social learning and consumer intention to buy.

Findings:

We used the results to compare the study’s 9 hypotheses, thereby linking variables of web design and socialization in e-commerce environments with components of social learning theory.

Originality/value:

This article expands the understanding of the influence of design in social network website environments on consumer assessments and, consequently, their intention to buy, highlighting the importance of design for affective assessments. It also provides relevant information to professionals on how to design their websites to improve consumer purchase attitudes and behaviors, allowing them to focus on how to improve the user experience through web design within the context of continuously changing devices and consumer preferences.

Keywords:
Social commerce; Web design; Intention to buy; Social learning; Millennials

1 Introducción

El social commerce (SC) se ha convertido en un medio por el que empresas como Amazon o eBay agregan valor a sus servicios gracias al uso de las herramientas 2.0, las cuales fomentan la participación de los clientes durante el proceso de compra (Wang & Zhang, 2012). Actualmente, el SC es uno de los protagonistas del entorno digital; se estima que sus ingresos alcancen los 90 mil millones de dólares en todo el mundo en 2020 (Aladwani, 2018).

Para las empresas interesadas en capitalizar el SC, resulta crucial la comprensión de los mecanismos de interacción mediante los cuales los usuarios toman decisiones o realizan transacciones (Baghdadi, 2013). Con una comprensión adecuada, las empresas pueden ampliar su base de clientes y optimizar sus estrategias. En este sentido, el diseño web supone un factor determinante en el proceso de adopción por parte de los usuarios (Huang & Benyoucef, 2017), pues tiene un impacto significativo en sus decisiones de compra, y consecuentemente sobre los beneficios.

Aunque distintos estudios han examinado cómo factores del diseño web o relativos a la actitud y al aprendizaje influyen sobre la intención de compra (Huang & Benyoucef, 2015; Shanmugam, Sun, Amidi, Khani & Khani, 2016; Shaouf, Lu & Li, 2016), constituyéndose como un tema de estudio fundamental en el ámbito del SC (Han, Xu & Chen, 2018), hay poca comprensión acerca de la conexión existente entre ambas dimensiones. Igualmente, a pesar de comprobarse que existen diferencias entre grupos de edad en la manera de usar y valorar el SC (Huang & Benyoucef, 2017; Williams, 2018), es escaso el análisis empírico centrado en cómo son consideradas las preferencias del público millennial en el diseño de estas webs. Este estudio aborda estos dos aspectos clave, proponiéndose un modelo de investigación en el que se incluyen tres factores clave en el diseño del SC (usabilidad, funcionalidad y sociabilidad), y dos relevantes dentro del estudio del aprendizaje social (evaluación cognitiva y afectiva), tratando de determinar cómo estas variables influyen en la intención de compra del público millennial. Para validar el modelo propuesto se empleó una muestra de un total de 230 millennials, analizándose sus respuestas mediante PLS (Partial Least Squares). Los resultados muestran que para el consumidor millennial, el diseño de la web de SC es un factor clave a la hora de evaluar cognitiva y emocionalmente la web, favoreciendo consecuentemente sus intenciones de compra.

2 El social commerce

El uso de internet como espacio de compras, búsqueda de información y generación de nuevos negocios ha atraído a un gran número de usuarios (Hall & Tiropanis, 2012). Esta tendencia se vio reforzada con la aparición de las redes sociales, las cuales ofrecen canales de venta más interactivos. Además, los consumidores han podido generar, recibir y compartir información sobre productos y experiencias de compra con otros usuarios (Chang, 2017), al margen de las empresas.

Inicialmente el e-commerce se centró en maximizar la eficiencia con estrategias para búsquedas, compra con un solo clic, catálogos virtuales, etc. (Carroll, 2008). Así, los clientes han interactuado con las plataformas de forma individual e independiente (Kim & Srivastava, 2007), ya que la navegación se realizaba en un solo sentido, de la empresa al cliente (Parise & Guinan, 2008). El desarrollo de las redes sociales transformó el e-commerce en un entorno social y centrado en el cliente (Wigand, Benjamin & Birkland, 2008). En él, las empresas pueden entender a sus clientes, lo que les da una idea de sus experiencias de compra y expectativas, y les ayuda a desarrollar estrategias comerciales exitosas (Constantinides & Fountain, 2008).

La introducción de herramientas sociales (redes sociales, foros, etc.) en webs de e-commerce favoreció el nacimiento del denominado SC. El SC se entiende como el desarrollo de actividades de e-commerce y de otras transacciones a través de entornos basados en medios sociales y tecnologías 2.0 (Hajli, 2014; Liang & Turban, 2011). En estos entornos los consumidores pueden interactuar en actividades de compra social, como búsqueda de productos, intercambio de información y toma de decisiones colaborativas (Shen & Eder, 2012). El SC permite a los clientes expresarse y compartir su información con otros clientes y con empresas (Shanmugam et al., 2016), no centrándose exclusivamente en realizar la compra (Molinillo, Liébana-Cabanillas & Anaya-Sánchez, 2018a), sino también en socializar. Las plataformas de SC disponen de dos configuraciones (Liang & Turban, 2011; Molinillo et al., 2018a): redes sociales con opciones de comunicación con y entre clientes, y sistemas de publicidad y transacciones (por ej., Facebook, Instagram, etc.); y webs dedicadas a la venta, con diseños y funciones de e-commerce, pero que incluyen herramientas sociales como foros, sistemas de revisión y valoración, etc. (por ej., Amazon, AliExpress o Threadless).

El SC tiene un profundo impacto en los procesos comerciales y resulta beneficioso para consumidores y comerciantes (Hajli, 2013); los consumidores pueden hacer una compra más social y colaborativa, basada en la inteligencia colectiva, aplicada para tomar decisiones más precisas (Dennison, Bourdage-Braun & Chetuparambil, 2009); los comerciantes pueden identificar comportamientos, preferencias y expectativas que les permitan ofrecer mejores servicios (Constantinides, Romer & Gómez Boria, 2008), así como atraer a compradores a través de recomendaciones de consumidores actuales, y establecer y fortalecer relaciones (Marsden, 2010).

3 Modelo teórico

3.1 Diseño web

La calidad del sitio web se puede definir como el rendimiento del sistema de comercio electrónico en la entrada de información y servicios (Liao, Palvia & Lin, 2006). A su vez, el diseño se posiciona como uno de los elementos principales a la hora de determinar la percepción de calidad por los usuarios (Wolfinbarger & Gilly, 2002) afectando a su comportamiento (Liang y Lai, 2002). Las empresas deben aspirar a ofrecer webs con diseños de calidad (Liang & Turban, 2011), que inviten a los usuarios a visitarlos y realizar compras (Fan & Tsai, 2010). Huang y Benyoucef (2017) defienden que para aprovechar el poder del SC se deben estudiar la usabilidad, la funcionalidad y la sociabilidad en el diseño, ya que ayudan a reducir errores, generar actitudes positivas y aumentar las intenciones de compra/uso del sistema (Huang & Benyoucef, 2015; Wu, Shen & Chang, 2015).

3.1.1 Usabilidad web

La usabilidad se define como la capacidad que posee un software para ser entendido, aprendido, operado y atractivo para los usuarios (Fernández, Insfran & Abrahão, 2011). Específicamente, hace referencia a la medida en que los usuarios pueden usar una web para alcanzar objetivos con efectividad, eficiencia y satisfacción (Huang & Benyoucef, 2017; Venkatesh, Hoehle & Aljafari, 2014). Según Huang y Benyoucef (2017), la usabilidad está medida por una serie de atributos: facilidad de uso, estética, organización, accesibilidad, adaptabilidad, simplicidad, y calidad de la información. Por su parte, Rosenzweig (2015) considera como principales características la facilidad para aprender su uso, la eficiencia, la corrección de errores y la satisfacción con la experiencia. La usabilidad es una variable fundamental de la calidad de la web, aumentando la intención de uso, la aceptación del usuario (Davis, 1989) y las intenciones de compra (Ben Yahia, Al-Neama & Kerbache, 2018).

3.1.2 Funcionalidad

La funcionalidad hace referencia a un conjunto de funciones y propiedades de las webs que satisfacen las necesidades surgidas durante la realización de una tarea (Stefani & Xenos, 2011). La funcionalidad incluye los siguientes atributos (Huang & Benyoucef, 2017; Liao & Shi, 2017): velocidad de respuesta, utilidad de la información, métodos de contacto, ayuda y funciones de búsqueda, seguridad en el pago, protección de información y satisfacción del consumidor. La funcionalidad es un factor tradicionalmente empleado en el diseño de un SC (Huang & Benyoucef, 2017). Así, cuando al consumidor se le ofrece un alto nivel de funcionalidad, puede hacer un mejor uso del SC a través de interacciones con la información y los servicios disponibles (Shaouf et al., 2016). Un diseño web de calidad debe proporcionar un soporte funcional adecuado que permita satisfacer las necesidades del consumidor en cada etapa del proceso de compra (Huang & Benyoucef, 2017).

3.1.3 Sociabilidad web

La sociabilidad es una de las variables contribuyentes a la calidad del SC (Guo & Barnes, 2011). Basada en la Web 2.0, aprovecha el poder de la tecnología de una manera más colaborativa e interactiva, alentando a la creación de comunidades que conecten a los usuarios, proporcionando acceso a conocimientos y experiencias (Dennison et al., 2009). Huang y Beyoucef (2017) indican los siguientes atributos que sirven para medir la sociabilidad de una web de SC: comunidades sociales, sistemas de recomendaciones, creación de vínculos sociales, generación y distribución de contenido, establecimiento de conversaciones y participación del consumidor. Así, la sociabilidad en SC ofrece una experiencia que permite a los consumidores conectarse con otros, encontrar personas con intereses similares, compartir información y comunicarse mientras realizan sus compras (Yang, Li, Kim & Kim, 2015).

3.2 Las dimensiones del aprendizaje social

En webs de SC los clientes pueden acceder a conocimientos o experiencias de otros usuarios sobre aquellos productos que les interesan (Huang & Benyoucef, 2017). Este proceso se conoce como aprendizaje social (Bandura & Walters, 1977). Numerosos autores han estudiado los procesos que afectan al aprendizaje y cómo se comportan los individuos frente a los estímulos que reciben al realizar transacciones. Sin embargo, los estudios se han centrado en una parte del proceso interno de aprendizaje, la dimensión cognitiva, obviando la parte afectiva, cuya importancia resulta relevante. Actualmente, se entiende que todo proceso psicológico interno durante el aprendizaje podría dividirse principalmente en dos dimensiones: la evaluación cognitiva y la evaluación afectiva (Illeris, 2003).

Se puede definir el término “evaluación” como una asociación automática (consciente o inconsciente) de una respuesta y/o estado afectivo interno, a un estímulo o situación concreta, siendo ésta positiva o negativa (Castelfranchi, 2000). Chen, Lu y Wang (2017) definen las evaluaciones cognitiva y afectiva dentro de la perspectiva del proceso de compra en un SC de la siguiente forma: la evaluación cognitiva es la valoración que un individuo realiza sobre la información o los estímulos que percibe, mediante procesos psicológicos racionales, basados en el conocimiento o la experiencia; La evaluación afectiva es la valoración que un individuo realiza sobre aquellos sentimientos o sensaciones que experimenta a raíz de los estímulos que percibe, desarrollándose mediante procesos psicológicos internos de forma emocional, basados en las expectativas o las motivaciones.

Al interactuar con una web, los clientes desarrollarán una conducta de aprendizaje hacia el mismo, fundamentada en las dos evaluaciones (Lee, Chen & Ilie, 2012). Estas conductas afectan de forma directa a su actitud hacia los productos y hacia la web, lo que determinará sus compras (Lorenzo, Kawalek & Ramdani, 2012). En SC el aprendizaje social es básico, ya que los compradores aprenden del conocimiento y la experiencia de otros (Chen, Lu & Wang, 2017).

3.3 La intención de compra

La intención de compra hace referencia a la probabilidad que existe de que los consumidores estén dispuestos a comprar cierto producto en el futuro (Wu, Yeh & Hsiao, 2011). Dentro de un entorno digital, la intención de compra se ha definido como el deseo del consumidor de comprar un producto o servicio de una web (Ha & Janda, 2014). La literatura destaca que la intención de compra muestra una relación significativa con la compra efectiva (Park, Jeon & Sullivan, 2015). En otras palabras, las tasas de compra de un producto serán más altas entre los consumidores que declaran intenciones positivas de comprar el producto. Como resultado, la intención de compra se convierte en un factor crucial que puede predecir la efectividad de los estímulos desarrollados en los entornos digitales (Lu, Fan & Zhou, 2016).

4 Hipótesis y modelo de investigación

4.1 Hipótesis

Distintas investigaciones han demostrado que la usabilidad, funcionalidad y sociabilidad afectan a las evaluaciones que desarrollan los consumidores (por ej., Kim & Park, 2013), al ayudarles a superar el riesgo de los entornos online y mejorar sus experiencias (Lee et al., 2012; Liang y Lai, 2002). Igualmente, se debe considerar que cada persona percibe y procesa la información de manera diferente, en función de sus capacidades cognitivas, experiencias y actitudes, lo que llevará a procesos de aprendizaje.

El SC cuenta con elementos de apoyo a la navegación y a la prevención de errores, permitiendo a los consumidores la resolución de problemas, y haciendo que la toma de decisiones sea eficiente, generando intenciones positivas de comportamiento (Ben Yahia et al., 2018) entre las que se encuentran las de compra y uso (Huang & Benyoucef, 2017; Lee & Chen, 2011). Para ello, es necesario que el usuario evalúe positivamente la web, tanto a nivel utilitario como afectivo (ver Chen, Lu & Wang, 2017; Lee et al., 2012). Así, un cliente satisfecho con la usabilidad realizará evaluaciones positivas que le llevarán a desarrollar actitudes que le animen a seguir usando la web (Jarvenpaa & Todd, 1996). Concretamente, el desarrollo de una web usable reduce el esfuerzo cognitivo necesario y aumenta la capacidad cognitiva (Helander & Khalid, 2000). Igualmente, estas ayudas reducen el esfuerzo cognitivo, pues la información reside frente al usuario y éste no tiene por qué recordarla, facilitando la aparición de emociones positivas (Cheng & Patterson, 2007). En entornos online, aspectos relacionados con la usabilidad, como la facilidad para que sea leída, su estabilidad y coherencia, influyen positivamente en las evaluaciones cognitiva y afectiva (Lee & Chen, 2011).

H1. La usabilidad de una web de SC influirá positivamente en la evaluación cognitiva.

H2. La usabilidad de una web de SC influirá positivamente en la evaluación afectiva.

Cuando el usuario de una web no puede localizar la información que requiere se siente desorientado, por lo que la web debe disponer de funciones que mejoren su experiencia (información, búsqueda, estética, etc.) (Huang & Benyoucef, 2017). Si no existe funcionalidad, el usuario deberá buscar información complementaria, tarea que resultará difícil y alargará el proceso. Así, el tiempo de búsqueda está vinculado a la funcionalidad del sitio web. Si es excesivo, el usuario la evaluará negativamente (Lee et al., 2012). Este aspecto está relacionado con las características del sitio, concretamente con la densidad y la complejidad visual (Tuch, Bargas-Avila, Opwis & Wilhelm, 2009), con la navegabilidad y la orientación (Pallud & Straub, 2014). Éstas ayudan a los consumidores a identificar los productos que buscan y a completar las tareas que se propongan. Así, los SC deben contener elementos y funciones que ayuden a sus usuarios a reducir la carga cognitiva y favorecer cambios en la naturaleza de las tareas que simplifiquen la navegación (Chen, Lu & Wang, 2017). La información de calidad y bien organizada, el atractivo visual y la facilidad de uso influyen de forma directa en las emociones que los consumidores experimentan dentro del sitio web, y consecuentemente en sus decisiones de compra on-line (Liu, Li & Hu, 2013).

H3. La funcionalidad de una web de SC influirá positivamente en la evaluación cognitiva.

H4. La funcionalidad de una web de SC influirá positivamente en la evaluación afectiva.

Los procesos de interacción externa (participación y comunicación) constituyen la dimensión social de las relaciones usuario-SC, que además de servir para la integración de personas en comunidades, permiten desarrollar la sociabilidad de los individuos. La socialización es un aspecto clave para que en SC el consumidor obtenga un mayor valor (Huang & Benyoucef, 2017). Este hecho se produce gracias a que la interacción externa tiene efectos en el proceso psicológico interno, tanto cognitivo como afectivo (Illeris, 2003). Si la interacción con la web y con los usuarios resulta satisfactoria, el individuo desarrollará una actitud positiva y presentará predisposición al uso (Novak, Hoffman & Duhachek, 2003). Su importancia radica en que en SC los usuarios buscan conocimiento y apoyo a través de interacciones sociales, ayudando a la toma de decisiones (Hajli, 2012). Este hecho está directamente relacionado con la satisfacción de los usuarios, provocando reacciones afectivas que les hacen sentirse más cómodos y seguros (Chen, Lu, Wang, Zhao & Li, 2013). A su vez, las interacciones entre usuarios ayudan a desarrollar una sensación de presencia en entornos virtuales, lo que provoca un mayor compromiso y una evaluación afectiva positiva (Chen, Lu & Gupta, 2017). Investigaciones previas (por ej., Chen, Lu & Wang, 2017) han demostrado que la dimensión social del SC tiene efectos positivos en la evaluación afectiva y cognitiva.

H5. La sociabilidad de una web de SC influirá positivamente en la evaluación cognitiva.

H6. La sociabilidad de una web de SC influirá positivamente en la evaluación afectiva.

Según Illeris (2003), todo aprendizaje cognitivo está relacionado con las emociones en juego. De esta forma, ambos tipos de aprendizaje están vinculados entre sí, de manera que los factores utilitarios y emocionales interactúan durante el proceso de aprendizaje y evaluación. En este sentido, Lee et al. (2012) proponen una relación entre ambas variables en el ámbito online, y recientes investigaciones sobre SC (p. ej. Chen, Lu, Wang & Pan, 2018; Osatuyi & Qin, 2018) han demostrado que las dimensiones cognitivas del comportamiento afectan a las emociones del usuario. Por ello, se propone que la evaluación cognitiva del aprendizaje afecta a evaluación afectiva.

H7. La evaluación cognitiva del aprendizaje tiene efectos sobre la evaluación afectiva.

En la interacción con una web, los clientes forman una actitud a nivel cognitivo y afectivo (Lee et al., 2012), jugando un papel fundamental en el proceso de toma de decisiones (Kempf, 1999). Esta relación ha sido demostrada en contextos online, apoyada por el Modelo de Aceptación Tecnológica y la Teoría de la Acción Razonada (ver Chen, Lu & Wang, 2017). En este sentido, la actitud del usuario generada en base a su evaluación, la satisfacción de éste y la sensación de control respecto a la web de SC constituyen el principal determinante que explica la intención de compra (Vellido, Lisboa & Meehan, 2000). En contextos virtuales se ha demostrado que cuando el usuario ha experimentado un proceso de aprendizaje satisfactorio, (cognitivo y afectivo), mostrará unas mayores intenciones de volver a usar/visitar la web (Lee y Chen, 2011; Lee et al., 2012). Así, el usuario valorará los aspectos utilitarios y afectivos antes de la compra, de manera que cuando la valoración sea positiva verá incrementadas sus intenciones de compra (Chen, Lu & Wang, 2017):

H8. La evaluación cognitiva de una web de SC influirá positivamente en la intención de compra.

H9. La evaluación afectiva de una web de SC influirá positivamente en la intención de compra.

La Figura 1 muestra el modelo propuesto de investigación.

Figura 1
Modelo de investigación.

5 Metodología

Los sujetos de estudio debían ser usuarios habituales de SC y pertenecer a la generación millennial (1985-1999) (Molinillo, Liébana-Cabanillas & Anaya-Sánchez, 2018b). Esta generación muestra mayor predisposición a realizar compras online que sus predecesoras (Lissitsa & Kol, 2016), así como actitudes y reacciones diferentes, llevándolas a aceptar en mayor medida las redes sociales y las compras a través de ellas (ver Williams, 2018).

Los datos se obtuvieron a partir de una encuesta online, distribuida a usuarios de SC mediante mensajes en plataformas internas de la Universidad de Málaga (España), solicitando a su vez que compartieran en enlace con otros millennials usuarios de SC. Se siguió un procedimiento de muestreo no probabilístico por conveniencia y de bola de nieve. Los cuestionarios que no cumplían estos requisitos fueron eliminados.

Los datos se recogieron entre abril y mayo de 2018, obteniéndose un total de 230 cuestionarios. La muestra está compuesta principalmente (ver ^{anexo 2}) por hombres (56%), usuarios con formación universitaria (97%), ya sea finalizada o en curso, y por estudiantes (87,8%). Con relación a su uso de internet y a su comportamiento de compra en SC, más del 50% dedica más de 15 horas semanales a internet, aproximadamente el 96% realiza compras de forma habitual a través de internet mensualmente, y un 99,6% dedica al menos una hora diaria a las redes sociales. El gran número de universitarios de la muestra está influido por el método de encuesta. A pesar de ello, se debe indicar que el uso de estudiantes universitarios en el análisis de la población millennial es habitual (p. ej., Molinillo et al., 2018b; Wang & Herrando, 2019).

Los integrantes de la muestra debían responder el cuestionario considerando la web de SC en la que realizaba compras de manera más habitual, así como tener en mente los dispositivos que usaban para acceder a ella, debido a que estos afectarían a la manera de percibir el diseño web. Las webs que fueron mencionadas con mayor frecuencia fueron Amazon y Aliexpress, siendo los ordenadores personales y las tabletas los dispositivos más utilizados. Junto a una serie de preguntas filtro (compras en SC, edad, etc.) y otras de clasificación sociodemográficas, se realizaron un total de 26 preguntas relativas a las variables del modelo propuesto, todas ellas mediante escalas tipo Likert de 7 puntos ( ^{Anexo 1}).

6 Resultados

Para contrastar el modelo teórico se empleó la técnica de PLS basada en ecuaciones estructurales (SEM) mediante el software Smart PLS (versión 3.2.7). Se optó por esta técnica debido a la demanda mínima en términos de la escala de medición y la distribución de muestras, admitiendo un tamaño menor de la misma para la aplicación del análisis. Además, PLS ha ganado popularidad como una herramienta para el análisis de caminos y factores (Hajli, 2014). Las relaciones entre las variables del modelo y las cargas de los indicadores se analizaron empleando el estadístico t, estableciendo el nivel de significación en un 5%. Los resultados de estas pruebas permiten determinar los efectos de las variables latentes sobre la intención de compra.

6.1 Validez y fiabilidad del modelo de medida

Los constructos han sido evaluados con el objetivo de determinar su validez convergente y discriminante. De manera previa, se comprobó la posible existencia de multicolinealidad. Los VIF estaban dentro de los límites recomendados, por lo que no existe multicolinealidad entre las variables. La validez convergente prueba que los indicadores observados que miden un mismo constructo estén altamente correlacionados. Para ello se han utilizado el Alfa de Cronbach, la fiabilidad compuesta (CR) y valores promedio de varianza extraída (AVE). Los niveles de cada uno de los criterios a partir de los cuales los resultados pueden ser aceptados son de 0,7 para el Alfa de Cronbach, de 0,6 para CR y de 0,5 para el AVE (Fornell & Larcker, 1981) (ver Tabla 2).

La fiabilidad individual de cada constructo queda validada, pues en cada uno de ellos el valor del Alfa de Cronbach es superior a 0,7. Además, se observan unos valores CR superiores a 0,6 y unos valores AVE superiores a 0,5, por lo que la fiabilidad compuesta de los constructos queda validada. Los resultados obtenidos en esta etapa sugieren que la validez convergente del estudio es aceptable.

Tabla 1
Validez convergente, fiabilidad de los constructos

Constructo	Alfa de Cronbach	CR	AVE
Evaluación afectiva (EA)	0,815	0,869	0,574
Evaluación cognitiva (EC)	0,846	0,897	0,688
Funcionalidad (FU)	0,863	0,897	0,570
Intención de compra (IC)	0,797	0,881	0,711
Sociabilidad (SO)	0,807	0,865	0,524
Usabilidad (US)	0,827	0,881	0,602

La validez discriminante prueba que la correlación cruzada entre un indicador y un constructo no sea mayor que la que presenta dicho indicador con su propio constructo. Para evaluarla, se ha desarrollado una matriz de correlaciones entre los constructos, cuya diagonal principal está compuesta por las raíces cuadradas de los AVE (Tabla 2). El criterio utilizado se basa en comprobar que los elementos de la diagonal sean superiores a sus correspondientes filas y columnas (Fornell & Larcker, 1981). Como se puede observar, la raíz cuadrada del AVE para cada constructo es mayor que la correlación cruzada con otros constructos.

Igualmente se ha empleado la ratio entre las correlaciones Heterotrait-Monotrait (HTMT) (Tabla 2). Dicho criterio establece que para unos valores inferiores a 0,85 se podría asegurar la validez discriminante del estudio, pues las relaciones entre los indicadores de un mismo constructo son mayores que las relaciones entre los indicadores que miden diferentes constructos (Henseler, Ringle & Sarstedt, 2015).

Tabla 2
Validez discriminante: criterio de Fornell y Larcker (por debajo de la diagonal principal), HTMT (por encima de la diagonal principal)

Constructo	EA	EC	FU	IC	SO	US
Evaluación afectiva (EA)	0,758	0,724	0,430	0,643	0,652	0,334
Evaluación cognitiva (EC)	0,638	0,830	0,369	0,787	0,541	0,258
Funcionalidad (FU)	0,358	0,330	0,755	0,259	0,352	0,410
Intención de compra (IC)	0,537	0,656	0,235	0,843	0,451	0,215
Sociabilidad (SO)	0,545	0,445	0,298	0,367	0,724	0,236
Usabilidad (US)	0,273	0,225	0,328	0,121	0,030	0,776

Finalmente se han incluido las cargas y cargas cruzadas (Tabla 3) para poder concluir con la evaluación de la validez discriminante, la cual queda aceptada al comprobar que todas las cargas de los indicadores son superiores a las de este mismo indicador sobre constructos distintos a los que está asociado.

Por tanto, se puede aceptar la validez convergente y discriminante del modelo.

Tabla 3
Validez discriminante, cargas y cargas cruzadas

	EA	EC	FU	IC	SO	US
EA1	0,840	0,462	0,338	0,448	0,528	0,251
EA2	0,821	0,649	0,324	0,512	0,549	0,239
EA3	0,548	0,219	0,142	0,245	0,240	0,123
EA4	0,779	0,492	0,267	0,331	0,395	0,154
EA5	0,763	0,482	0,233	0,427	0,256	0,235
EC1	0,551	0,927	0,243	0,677	0,342	0,179
EC2	0,586	0,799	0,354	0,489	0,433	0,198
EC3	0,353	0,693	0,207	0,379	0,366	0,092
EC4	0,590	0,880	0,281	0,591	0,349	0,254
FU1	0,304	0,319	0,930	0,253	0,249	0,274
FU2	0,275	0,1757	0,685	0,106	0,172	0,295
FU3	0,233	0,160	0,658	0,034	0,106	0,295
FU4	0,318	0,316	0,944	0,240	0,272	0,268
FU5	0,221	0,127	0,395	0,062	0,090	0,270
FU6	0,304	0,200	0,587	0,084	0,344	0,174
FU7	0,274	0,335	0,913	0,296	0,279	0,250
IC1	0,452	0,555	0,120	0,839	0,428	-0,042
IC2	0,446	0,547	0,222	0,847	0,286	0,156
IC3	0,459	0,556	0,253	0,844	0,214	0,192
SO1	0,404	0,438	0,282	0,319	0,566	0,129
SO2	0,375	0,314	0,183	0,309	0,777	-0,002
SO3	0,439	0,223	0,153	0,133	0,693	-0,040
SO4	0,424	0,285	0,189	0,269	0,862	-0,115
SO5	0,252	0,351	0,273	0,219	0,529	0,259
SO6	0,414	0,272	0,191	0,299	0,848	-0,085
US1	0,227	0,192	0,226	0,088	0,030	0,877
US2	0,161	0,147	0,179	0,059	0,009	0,883
US3	0,255	0,110	0,248	0,043	0,111	0,794
US4	0,181	0,227	0,344	0,201	0,021	0,633
US5	0,211	0,175	0,240	0,058	-0,058	0,654

6.2 Evaluación del modelo estructural

El algoritmo PLS permite obtener la cantidad de varianza de las variables latentes dependiente, que vienen explicadas por los constructos que las predicen (R ²). En los resultados de este análisis (Tabla 4) se puede observar como todos los R ² son superiores a 0,1 (Falk & Miller, 1992), criterio utilizado como determinante de la potencia y calidad del constructo.

Tabla 4
Valores R ² para las variables latentes

Variable latente	R2	R2 ajustada
Evaluación afectiva (EA)	0,517	0,511
Evaluación cognitiva (EC)	0,263	0,254
Intención de compra (IC)	0,453	0,449

Por otro lado, se ha empleado la técnica estadística de remuestreo Bootstrapping (5.000 submuestras) con la intención de analizar la significatividad de/ las relaciones estructurales. La Tabla 5 recoge los resultados apreciándose que todas las relaciones resultan significativas (p-valores < 0,05). Por tanto, se podría confiar en el modelo propuesto. No obstante, atendiendo a los coeficientes estandarizados y considerando la naturaleza del estudio podemos declarar todas aquellas relaciones cuyo valor STDC asociado sea menor 0,33 como débiles (Chin, 1998).

Tabla 5
Contraste de hipótesis

Hipótesis	STDC	Valor t	P-Valor	Hipótesis
H1: US → EC	0,161	2,192	0,028***	Se acepta
H2: US → EA	0,234	4,283	0,000***	Se acepta
H3: FU → EC	0,160	2,628	0,009***	Se acepta
H4: FU → EA	0,072	2,597	0,009***	Se acepta
H5: SO → EC	0,392	6,629	0,000***	Se acepta
H6: SO → EA	0,517	9,134	0,000***	Se acepta
H7: EC → EA	0,451	5,669	0,000***	Se acepta
H8: EC → IC	0,618	11,121	0,000***	Se acepta
H9: EA → IC	0,199	2,308	0,021***	Se acepta

• Nota: STDC = Coeficiente estandarizado. * p < 0,001 ** p < 0,01 *** p < 0,05

Finalmente, se ha empleado la técnica Blindfolding para evaluar la capacidad predictiva. Los resultados del análisis (Tabla 6) permiten apreciar como los valores () son superiores a 0, criterio que indica que el modelo propuesto presenta validez predictiva respecto a la intención de compra.

Tabla 6
Valores Q para las variables latentes

Constructo	SSO	SSE	Q2 (=1-SSE/SSO)
Evaluación afectiva (EA)	1150	852,98	0,258
Evaluación cognitiva (EC)	920	769,18	0,164
Funcionalidad (FU)	1610	1610
Intención de compra (IC)	690	483,10	0,300
Sociabilidad (SO)	1380	1380
Usabilidad (US)	1150	1150

7 Conclusiones

7.1 Implicaciones teóricas

Aunque anteriores investigaciones han estudiado los efectos del diseño web en las intenciones de compra (e.g. Chen, Lu & Wang, 2017; Huang & Benyoucef, 2017), no se han tratado de manera específica las relaciones entre las variables relativas al diseño web y los componentes cognitivo y afectivo del aprendizaje social en SC, ni cómo de manera conjunta influyen en la intención de compra en estas plataformas. Este estudio contribuye a la teoría del área de SC mediante la propuesta de un modelo integrador, el cual se ajusta a los nuevos formatos e interfaces de webs de SC existentes en la actualidad, todo ello en el contexto del consumidor millennial.

Esta investigación permite establecer una serie de implicaciones teóricas. En primer lugar, aspectos claves del diseño web aparentemente asociados con el aspecto utilitario de la actitud (evaluación cognitiva), también ejercen una notable influencia sobre la evaluación afectiva del usuario. Más concretamente, existe una influencia positiva de la usabilidad sobre la evaluación afectiva, respaldando por completo la idea de que la usabilidad contempla aspectos tales como la satisfacción de los usuarios (Venkatesh et al., 2014). Por otro lado, muestra como aspectos comúnmente asociados a la parte emocional pueden tener un efecto sobre la evaluación cognitiva, como el caso de la sociabilidad.

En segundo lugar, los aspectos psicológicos internos del consumidor en base al conocimiento, las expectativas o motivaciones emocionales, desempeñan un papel determinante en la decisión de compra. Al asumirse que la evaluación afectiva viene determinada por la evaluación cognitiva, muchos estudios focalizan su atención en esta última, sin llegar a cubrir de forma completa todo el campo de aprendizaje social. Los resultados indican que existe una relación positiva entre ambas evaluaciones y la intención de compra. En este sentido, a pesar de la relevancia de la dimensión afectiva, la evaluación cognitiva muestra un mayor efecto en la intención de compra, coincidiendo con la literatura analizada (Chen, Lu & Wang, 2017).

Finalmente, el estudio evidencia la importancia que presenta el componente social en la generación de transacciones, contribuyendo al intercambio de información y favoreciendo una toma de decisiones más enriquecida y fundamentada en el aprendizaje colectivo. Este componente contribuye a reducir la incertidumbre y a generar una sensación de presencia en el entorno digital. Esta idea está en consonancia con los estudios realizados por otros autores (e.g. Illeris, 2003) en el campo del e-commerce.

7.2 Implicaciones prácticas

Este estudio presenta una serie de implicaciones determinantes para los profesionales y empresas. En primer lugar, se deben desarrollar interfaces simples y estéticas que permitan una navegabilidad intuitiva, fácil de aprender y recordar. De esta forma se procurará reducir la incertidumbre y facilitar un desarrollo eficiente de las acciones. Por ejemplo, se recomienda la utilización de composiciones de colores agradables y formas sencillas, que respeten la legibilidad del texto y la fácil ubicación de la información. Además, se deberían evitar duplicidades de contenido que no aporten valor. En este sentido, los principios del Responsive Design pueden propiciar una adaptabilidad multiplataforma eficiente. Este enfoque sugiere que el diseño y el desarrollo de la plataforma deben responder al comportamiento y al entorno del usuario, permitiendo una navegabilidad eficiente desde cualquier soporte (Yang & Li, 2016).

En segundo lugar, se debe facilitar un acceso rápido y claro a la información, que permita a los usuarios alcanzar sus objetivos de forma eficiente. Entre otras acciones, podrían incluirse la introducción de una descripción clara y concisa de cada producto, la disposición de funciones de búsqueda, la incorporación de un acceso rápido a información de contacto, la publicación transparente de las valoraciones o recomendaciones que favorezcan el aprendizaje social, la clasificación de la información de forma coherente, etc.

En tercer lugar, se debe permitir a los usuarios intercambiar información sobre productos y/o experiencias, favoreciendo la conversación como principal creador de conocimiento colectivo y como generador de vínculos afectivos. Para ello se podrían incorporar foros o comunidades internas, o establecer chats. Del mismo modo se debe fomentar la participación de los usuarios con el objetivo de obtener información para la mejora de las acciones que se llevan a cabo o para el desarrollo otras nuevas, implicándolos en procesos de evaluación de productos o de propuesta de nuevas mejoras.

Finalmente, es recomendable establecer medidas de prevención de errores que reduzcan la incertidumbre y favorezcan la sensación de control por parte del usuario. Algunas de acciones podrían ser la introducción de mensajes que indiquen el tipo de error que se produce, o la introducción de limitaciones que impidan que se desarrollen determinadas acciones, etc.

7.3 Limitaciones e investigaciones futuras

La investigación presenta una serie de limitaciones. En primer lugar, los encuestados han sido reclutados en su totalidad dentro de una comunidad universitaria, presentando la muestra un perfil muy homogéneo, el cual difiere en parte del perfil del consumidor millennial (niveles de estudio más diversos, edades menos concentradas, etc.) (CaixaBank Research, 2018). Aunque los universitarios pueden representar un gran porcentaje de la población millennial, existe la necesidad de incluir usuarios no universitarios para generalizar los resultados a esta generación. Investigaciones futuras pueden evaluar las diferencias potenciales con otros grupos de edad (p. ej., comparación con las generaciones Z o X), con otros entornos geográficos y culturales, etc. En segundo lugar, los encuestados pudieron considerar experiencias de compra distintas, al ofrecerse libertad para elegir web y dispositivo. Futuras investigaciones podrían diseñar estímulos con el fin de analizar tanto los comportamientos mostrados ante una misma experiencia, como comparar los resultados entre los distintos estímulos. Finalmente, el modelo no contempla otros factores explicativos, como podrían ser la calidad del servicio, las experiencias pasadas, la seguridad, etc. Asimismo, se puede reformular el modelo teórico, considerando la evaluación como una variable de segundo orden con dos dimensiones, cognitiva y afectiva.

Reference

• Aladwani, A. M. (2018). A quality-facilitated socialization model of social commerce decisions. International Journal of Information Management, 40, 1-7.
• Baghdadi, Y. (2013). From e-commerce to social commerce: a framework to guide enabling cloud computing. Journal of theoretical and applied electronic commerce research, 8(3), 12-38.
• Bandura, A., & Walters, R. H. (1977). Social learning theory (Vol. 1). Englewood Cliffs, NJ: Prentice-hall.
• Ben Yahia, I., Al-Neama, N., & Kerbache, L. (2018). Investigating the drivers for social commerce in social media platforms: Importance of trust, social support and the platform perceived usage. Journal of Retailing and Consumer Services, 41, 11-19.
• CaixaBank Research (2018). Dossier: La Generación del Milenio. IM04, Informe Mensual, 422 (abril 2018). Available online at http://www.caixabankresearch.com/sites/default/files/monthly_reports/_im_cast_abril_ok.pdf
  » http://www.caixabankresearch.com/sites/default/files/monthly_reports/_im_cast_abril_ok.pdf
• Castelfranchi, C. (2000). Affective appraisal versus cognitive evaluation in social emotions and interactions. In Paiva, A. (eds) Affective Interactions. IWAI 199 (pp. 76-106). Springer, Berlin, Heidelberg.
• Carroll, B. (2008). Social shopping: a new twist on e-commerce. Furniture Today, 32(20), 81.
• Chang, V. (2017). A proposed social network analysis platform for big data analytics. Technological Forecasting and Social Change.
• Chen, A., Lu, Y., & Gupta, S. (2017). Enhancing the Decision Quality through Learning from the Social Commerce Components. Journal of Global Information Management (JGIM), 25(1), 66-91
• Chen, A., Lu, Y., & Wang, B. (2017). Customers’ purchase decision-making process in social commerce: A social learning perspective. International Journal of Information Management, 37(6), 627-638.
• Chen, A., Lu, Y., Wang, B., Zhao, L., & Li, M. (2013). What drives content creation behavior on SNSs? A commitment perspective. Journal of Business Research, 66(12), 2529-2535.
• Chen, Y., Lu, Y., Wang, B., & Pan, Z. (2018). How do product recommendations affect impulse buying? An empirical study on WeChat social commerce. Information & Management (In Press).
• Cheng, H. I., & Patterson, P. E. (2007). Iconic hyperlinks on e-commerce websites. Applied Ergonomics, 38(1), 65-69.
• Chin, W. W. (1998). The Partial Least Squares Approach for Structural Equation Modeling. In Marcoulides, G. A., Modern Methods for Business Research (pp. 295-336). New Jersey (EEUU): Lawrence Erlbaum Associates.
• Constantinides, E., & Fountain, S. J. (2008). Web 2.0: Conceptual foundations and marketing issues. Journal of direct, data and digital marketing practice, 9(3), 231-244.
• Constantinides, E., Romero, C. L., & Gómez Boria, M. A. (2008). Social media: a new frontier for retailers? In Swoboda, B., Morschett, D., Rudolph, T., Schnedlitz, P. y Schramm-Klein, H., European Retail Research (pp. 1-28). Gabler Verlag, Wiesbaden (Germany): Springer.
• Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS quarterly, 319-340.
• Dennison, G., Bourdage-Braun, S., & Chetuparambil, M. (2009). Social commerce defined. IBM Corporation (Vol. 23747, p. 2009). USA, Technical Report.
• Falk, R. F., & Miller, N. B. (1992). A primer for soft modeling. University of Akron Press.
• Fan, W. S., & Tsai, M. C. (2010). Factors driving website success-the key role of Internet customisation and the influence of website design quality and Internet marketing strategy. Total Quality Management, 21(11), 1141-1159.
• Fernández, A., Insfran, E., & Abrahão, S. (2011). Usability evaluation methods for the web: A systematic mapping study. Information and Software Technology, 53(8), 789-817.
• Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of marketing research, 39-50.
• Guo, Y., & Barnes, S. (2011). Purchase behavior in virtual worlds: An empirical investigation in Second Life. Information & Management, 48(7), 303-312.
• Ha, H. Y., & Janda, S. (2014). The effect of customized information on online purchase intentions. Internet Research, 24(4), 496-519.
• Hajli, M. N. (2012). An integrated model for e-commerce adoption at the customer level with the impact of social commerce. International Journal of Information Science and Management (IJISM), 77-97.
• Hajli, M. N. (2013). A research framework for social commerce adoption. Information Management & Computer Security, 21(3), 144-154.
• Hajli, M. N. (2014). The role of social support on relationship quality and social commerce. Technological Forecasting and Social Change, 87, 17-27.
• Hall, W., & Tiropanis, T. (2012). Web evolution and Web science. Computer Networks, 56(18), 3859-3865.
• Han, H., Xu, H., & Chen, H. (2018). Social commerce: A systematic review and data synthesis. Electronic Commerce Research and Applications, 30, 38-50.
• Helander, M. G., & Khalid, H. M. (2000). Modeling the customer in electronic commerce. Applied Ergonomics, 31(6), 609-619.
• Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the academy of marketing science, 43(1), 115-135.
• Huang, Z., & Benyoucef, M. (2015). User preferences of social features on social commerce websites: An empirical study. Technological Forecasting and Social Change, 95, 57-72.
• Huang, Z., & Benyoucef, M. (2017). The effects of social commerce design on consumer purchase decision-making: An empirical study. Electronic Commerce Research and Applications, 25, 40-58.
• Illeris, K. (2003). Towards a contemporary and comprehensive theory of learning. International journal of lifelong education, 22(4), 396-406.
• Jarvenpaa, S. L., & Todd, P. A. (1996). Consumer reactions to electronic shopping on the World Wide Web. International Journal of electronic commerce, 1(2), 59-88.
• Kempf, D. S. (1999). Attitude formation from product trial: Distinct roles of cognition and affect for hedonic and functional products. Psychology & Marketing, 16(1), 35-50.
• Kim, S., & Park, H. (2013). Effects of various characteristics of social commerce (s-commerce) on consumers’ trust and trust performance. International Journal of Information Management, 33(2), 318-332.
• Kim, Y., & Srivastava, J. (2007). Impact of social influence in e-commerce decision making. In Proceedings of the ninth international conference on Electronic commerce (pp. 293-302). ACM.
• Lee, Y., & Chen, A. N. K. (2011). Usability Design and Psychological Ownership of a Virtual World. Journal of Management Information Systems, 28(3), 269-308.
• Lee, Y., Chen, A. N. K., Ilie, V. (2012). Can Online Wait Be Managed? The Effect of Filler Interfaces and Presentation Modes on Perceived Waiting Time Online. MIS Quarterly, 36(2), 365-394.
• Liang, T. P., & Lai, H. J. (2002). Effect of store design on consumer purchases: an empirical study of on-line bookstores. Information & Management, 39(6), 431-444.
• Liang, T. P., & Turban, E. (2011). Introduction to the special issue social commerce: a research framework for social commerce. International Journal of electronic commerce, 16(2), 5-14.
• Liao, C., Palvia, P., & Lin, H. N. (2006). The roles of habit and web site quality in e-commerce. International Journal of Information Management, 26(6), 469-483.
• Liao, Z., & Shi, X. (2017). Web functionality, web content, information security, and online tourism service continuance. Journal of Retailing and Consumer Services, 39, 258-263.
• Lissitsa, S., & Kol, O. (2016). Generation X vs. Generation Y - A decade of online shopping. Journal of Retailing and Consumer Services, 31, 304-312.
• Liu, Y., Li, H., & Hu, F. (2013). Website attributes in urging online impulse purchase: An empirical investigation on consumer perceptions. Decision Support Systems, 55(3), 829-837.
• Lorenzo, O., Kawalek, P., & Ramdani, B. (2012). Enterprise applications diffusion within organizations: A social learning perspective. Information & Management, 49(1), 47-57.
• Lu, B., Fan, W., & Zhou, M. (2016). Social presence, trust, and social commerce purchase intention: An empirical research. Computers in Human Behavior, 56, 225-237.
• Marsden, P. (2010). Social commerce (English): Monetizing social media. Grin Verlag.
• Molinillo, S., Liébana-Cabanillas, F., & Anaya-Sánchez, R. (2018a). A Social Commerce Intention Model for Traditional E-Commerce Sites. Journal of Theoretical and Applied Electronic Commerce Research, 13(2), pp. 80-93.
• Molinillo, S., Liébana-Cabanillas, F., & Anaya-Sánchez, R. (2018b). DMO online platforms: Image and intention to visit. Tourism Management, 65, 116-130.
• Novak, T. P., Hoffman, D. L., & Duhachek, A. (2003). The influence of goal-directed and experiential activities on online flow experiences. Journal of Consumer Psychology, 13(1-2), 3-16.
• Osatuyi, B., & Qin, H. (2018). How vital is the role of affect on post-adoption behaviors? An examination of social commerce users. International Journal of Information Management, 40, 175-185.
• Pallud, J., & Straub, D. W. (2014). Effective website design for experience-influenced environments: The case of high culture museums. Information & Management, 51(3), 359-373.
• Parise, S., & Guinan, P. J. (2008). Marketing using web 2.0. In Hawaii International Conference on System Sciences, Proceedings of the 41st Annual (pp. 281-281). IEEE.
• Park, H. H., Jeon, J. O., & Sullivan, P. (2015). How does visual merchandising in fashion retail stores affect consumers’ brand attitude and purchase intention?. The International Review of Retail, Distribution and Consumer Research, 25(1), 87-104.
• Rosenzweig, E. (2015). Successful user experience: Strategies and roadmaps. Morgan Kaufmann.
• Shanmugam, M., Sun, S., Amidi, A., Khani, F., & Khani, F. (2016). The applications of social commerce constructs. International Journal of Information Management, 36(3), 425-432.
• Shaouf, A., Lu, K., & Li, X. (2016). The effect of web advertising visual design on online purchase intention: An examination across gender. Computers in Human Behavior, 60, 622-634.
• Shen, J., & Eder, L. B. (2012). An examination of factors associated with user acceptance of social shopping websites. User Perception and Influencing Factors of Technology in Everyday Life, 28.
• Stefani, A., & Xenos, M. (2011). Weight-modeling of B2C system quality. Computer Standards & Interfaces, 33(4), 411-421.
• Tuch, A. N., Bargas-Avila, J. A., Opwis, K., & Wilhelm, F. H. (2009). Visual complexity of websites: Effects on users’ experience, physiology, performance, and memory. International journal of human-computer studies, 67(9), 703-715.
• Vellido, A., Lisboa, P. J., & Meehan, K. (2000). Quantitative characterization and prediction of on-line purchasing behavior: A latent variable approach. International Journal of Electronic Commerce, 4(4), 83-104.
• Venkatesh, V., Hoehle, H., & Aljafari, R. (2014). A usability evaluation of the Obamacare website. Government information quarterly, 31(4), 669-680.
• Wang, C., & Zhang, P. (2012). The evolution of social commerce: The people, management, technology, and information dimensions. CAIS, 31, 5.
• Wang, Y., & Herrando, C. (2019). Does privacy assurance on social commerce sites matter to millennials? International Journal of Information Management, 44, 164-177.
• Wigand, R. T., Benjamin, R. I., & Birkland, J. L. (2008). Web 2.0 and beyond: implications for electronic commerce. In Proceedings of the 10th international conference on Electronic commerce (p. 7). ACM.
• Williams, M. D. (2018). Social commerce and the mobile platform: Payment and security perceptions of potential users. Computers in Human Behavior (in press).
• Wolfinbarger, M., & Gilly, M. (2002) comQ: dimensionalizing, measuring, and predicting quality of the e-tail experience. Marketing Science Institute. Available online at http://www.msi.org/reports/comq-dimensionalizing-measuring-and-predicting-quality-of-the-e-tail-exper/
  » http://www.msi.org/reports/comq-dimensionalizing-measuring-and-predicting-quality-of-the-e-tail-exper
• Wu, P. C., Yeh, G. Y. Y., & Hsiao, C. R. (2011). The effect of store image and service quality on brand image and purchase intention for private label brands. Australasian Marketing Journal (AMJ), 19(1), 30-39.
• Wu, Y. C. J., Shen, J. P., & Chang, C. L. (2015). Electronic service quality of Facebook social commerce and collaborative learning. Computers in human behavior, 51, 1395-1402.
• Yang, K., Li, X., Kim, H., & Kim, Y. H. (2015). Social shopping website quality attributes increasing consumer participation, positive eWOM, and co-shopping: The reciprocating role of participation. Journal of Retailing and Consumer Services, 24, 1-9.
• Yang, S. Q., & Li, L. (2016). Emerging Technologies for Librarians: A Practical Approach to Innovation. Chandos Publishing.

• Avaliado pelo sistema:

  Double Blind Review

Anexo 1- Medida de las variables

Constructo Ítems Autores Usabilidad US1 El uso de la web de SC debe ser fácil de aprender. US2 La web de SC debe poder usarse de forma eficiente. US3 El uso de la web de SC debe ser fácil de recordar. US4 El SC debe evitar que se cometan errores y si se cometen estos deben ser pequeños. US5 El uso de la web de SC debe ser satisfactorio para el usuario. Rosenzweig (2015) Funcionalidad FU1 La web del SC debe ser fácil de usar. FU2 La información dentro de la web del SC debe mostrarse de forma clara. FU3 La información dentro de la web del SC debe clasificarse de forma lógica. FU4 La web del SC debe proporcionar funciones de búsqueda. FU5 El diseño de la web del SC debe ser estético. FU6 El SC debería contener características personalizables. FU7 La web del SC debe ayudar a los consumidores a completar sus compras de forma eficiente. Huang y Benyoucef (2017) Sociabilidad SO1 La web de SC debería construir comunidades en línea para permitirles a los clientes recibir soporte comunitario a tiempo real. SO2 El SC debería proporcionar recomendaciones sociales. SO3 La web del SC debe permitir a los clientes vincularse con las personas que les gustan. SO4 La web del SC debería permitir a los clientes responder al contenido publicado por otros clientes. SO5 La web del SC debería permitir a los clientes compartir experiencias y conocimientos en el sitio web. SO6 La web del SC debería involucrar a los clientes en el proceso de diseño, desarrollo y evaluación de productos. Huang y Benyoucef (2017) Evaluación cognitiva EC1 El sitio web fue efectivo para lograr el objetivo de su visita. EC2 El sitio web fue conveniente para lograr el objetivo de su visita. EC3 Se sintió cómodo al usar el sitio web para lograr el objetivo de su visita. EC4 El sitio web fue útil para lograr el objetivo de su visita. Chen, Lu y Wang (2017) Evaluación afectiva Su experiencia general con el sitio web fue: EA1 Feliz EA2 Buena EA3 Relajada EA4 Agradable EA5 Satisfactoria Chen, Lu y Wang (2017) Intención de compra IC1 Comprará este producto o servicio y considerará este sitio web como su primera opción. IC2 Tiene la intención de comprar este producto o servicio del sitio web. IC3 Predice que comprará este producto o servicio en el sitio web. Chen, Lu y Wang (2017)

Constructo	Ítems	Autores
Usabilidad	US1 El uso de la web de SC debe ser fácil de aprender. US2 La web de SC debe poder usarse de forma eficiente. US3 El uso de la web de SC debe ser fácil de recordar. US4 El SC debe evitar que se cometan errores y si se cometen estos deben ser pequeños. US5 El uso de la web de SC debe ser satisfactorio para el usuario.	Rosenzweig (2015)
Funcionalidad	FU1 La web del SC debe ser fácil de usar. FU2 La información dentro de la web del SC debe mostrarse de forma clara. FU3 La información dentro de la web del SC debe clasificarse de forma lógica. FU4 La web del SC debe proporcionar funciones de búsqueda. FU5 El diseño de la web del SC debe ser estético. FU6 El SC debería contener características personalizables. FU7 La web del SC debe ayudar a los consumidores a completar sus compras de forma eficiente.	Huang y Benyoucef (2017)
Sociabilidad	SO1 La web de SC debería construir comunidades en línea para permitirles a los clientes recibir soporte comunitario a tiempo real. SO2 El SC debería proporcionar recomendaciones sociales. SO3 La web del SC debe permitir a los clientes vincularse con las personas que les gustan. SO4 La web del SC debería permitir a los clientes responder al contenido publicado por otros clientes. SO5 La web del SC debería permitir a los clientes compartir experiencias y conocimientos en el sitio web. SO6 La web del SC debería involucrar a los clientes en el proceso de diseño, desarrollo y evaluación de productos.	Huang y Benyoucef (2017)
Evaluación cognitiva	EC1 El sitio web fue efectivo para lograr el objetivo de su visita. EC2 El sitio web fue conveniente para lograr el objetivo de su visita. EC3 Se sintió cómodo al usar el sitio web para lograr el objetivo de su visita. EC4 El sitio web fue útil para lograr el objetivo de su visita.	Chen, Lu y Wang (2017)
Evaluación afectiva	Su experiencia general con el sitio web fue: EA1 Feliz EA2 Buena EA3 Relajada EA4 Agradable EA5 Satisfactoria	Chen, Lu y Wang (2017)
Intención de compra	IC1 Comprará este producto o servicio y considerará este sitio web como su primera opción. IC2 Tiene la intención de comprar este producto o servicio del sitio web. IC3 Predice que comprará este producto o servicio en el sitio web.	Chen, Lu y Wang (2017)

Anexo 2 - Información sociodemográfica de los participantes

Variable Frecuencia (n = 230) % Género Hombre Mujer 129 101 56.1 43.9 Edad 19-22 23-25 26-28 29-31 107 49 38 36 46.5 21.3 16.5 15.7 Educación Educación secundaria Formación universitaria (grado) Formación universitaria (posgrado) 4 223 3 1.7 97.0 1.3 Ocupación principal Estudiante Trabajador 202 28 87.8 12.2

Variable		Frecuencia (n = 230)	%
Género	Hombre Mujer	129 101	56.1 43.9
Edad	19-22 23-25 26-28 29-31	107 49 38 36	46.5 21.3 16.5 15.7
Educación	Educación secundaria Formación universitaria (grado) Formación universitaria (posgrado)	4 223 3	1.7 97.0 1.3
Ocupación principal	Estudiante Trabajador	202 28	87.8 12.2

Editado por

Editor responsável:

Prof.Dr.Francisco Liébana-Cabanillas

Fechas de Publicación

• Publicación en esta colección
  09 Mar 2020
• Fecha del número
  Jan-Mar 2020

Histórico

• Recibido
  24 Nov 2018
• Acepto
  15 Mar 2019