Determinantes da Satisfação do Cliente com Relação aos Aplicativos de Pedidos de Alimentos: uma Visão Estratégica

Resumo

Por meio deste estudo, procurou-se analisar o comportamento do cliente em relação aos aplicativos de pedidos de comida, bem como comparar o comportamento dos usuários de dois níveis para sugerir estratégias para startups de entrega de comida. Para atingir esse objetivo, primeiro a literatura é revisada para desenvolver um modelo construtivo e, em seguida, os dados primários são coletados de usuários de aplicativos de comida nas cidades indianas de Chandigarh e Bhubaneswar para verificar as suposições sobre os fatores que afetam seu comportamento. O resultado mostrou que a segurança financeira e de saúde, juntamente com a entrega flexível e a facilidade de uso, são determinantes significativos da satisfação do cliente no serviço de alimentação digital e o comportamento dos clientes em dois níveis diferentes mostrou semelhança, exceto a importância das opções de variedade e poucos aspectos de descontos e entrega flexível. Este estudo é significativo para os stakeholders na entrega de alimentos, como investidores, fundadores de startups, e fornecedores para criar estratégias para seus serviços de acordo com as preferências do cliente final encontradas neste estudo.

Palavras chaves:
Aplicativo de pedido de comida; Modelo construtivo; Determinantes; Stakeholders da entrega de comida

Abstract

Through this study, we tried to analyze customer behavior towards food delivery apps as well as make a comparison of behavior by users from two tiers which is made to suggest strategies for food delivery startups. To accomplish this objective, first the literature is reviewed to develop a constructive model, and then primary data is collected from food app users in the Indian cities of Chandigarh and Bhubaneswar to verify the assumptions on factors affecting their behavior. The results show that financial and health safety, along with flexible delivery and ease of use are significant determinants of customer satisfaction in digital food service and the behavior of customers in two different tiers is shown to be similar, except in the significance of variety options and few aspects of discounts and flexible delivery. This study is significant for food delivery stakeholders such as investors, founders of startups, and vendors to strategize their service as per preferences of the end customer found in this study.

Keywords:
Food delivery app; Constructive model; Determinants; Food delivery stakeholders

1. INTRODUÇÃO

A penetração da internet em toda a Índia acelerou o uso de instalações online, bem como abriu novas oportunidades de crescimento para vendedores online, para os quais o serviço de alimentação online não é uma exceção. Esse setor tem sido área de interesse e discussão para pesquisadores e industriais nos últimos tempos, pois alcançou um enorme crescimento em um espaço de tempo muito curto. Esse interesse é sobre o que está levando os usuários a usar aplicativos de entrega de comida online. Diferentes estudos revelaram resultados variados com relação a diferentes modelos de entrega de alimentos que operam basicamente em dois modelos; um como agregador de alimentos, e o outro como cozinha em nuvem. Como agregador de alimentos, os prestadores de serviços funcionam apenas como um mercado onde os clientes podem comparar as opções disponíveis e fazer pedidos. Nesse modelo, os prestadores de serviços ganhem dinheiro na forma de comissão (Ramesh et al., 2022) enquanto na cozinha em nuvem, um negócio comercial para entrega de comida é configurado sem serviço de jantar (Choudhary, 2019).

1.1. Visão geral do mercado global

Considerando o tamanho do setor de entrega de alimentos globalmente, o mercado atingiu US$ 106 bilhões em 2021, de acordo com a análise de mercado da Research and Market e previsões adicionais estimam que esse mercado valeria US$ 223 bilhões até 2027, mostrando uma taxa composta de crescimento de 11,44%. Olhando para os principais mercados do mundo para esse setor, EUA, China, Reino Unido, Índia, Emirados Árabes Unidos e Austrália controlam mais de 80% do mercado, mas vendo internamente, um ou dois grandes players estão assumindo a maior parte do setor em todos os mercados. A China o maior mercado do mundo para pedidos de comida online, com um valor de mercado de US$ 27,3 bilhões, onde mais de 90% do mercado é controlado pela Meituan junto com a Eleme, e o mesmo se passa nos EUA com a Uber Eats a deter mais de 50% do mercado. Já na Índia está a Zomato com quase 45% de quota de mercado (Curry, 2022). Os relatórios revelaram ainda que mais de 80% dos usuários desse serviço são trabalhadores de colarinho branco e estudantes, assim como a proporção de pagamento online. Os principais contribuintes para a penetração desse serviço são a conveniência, a penetração do smartphone e da internet, as famílias com rendimentos duplos e as ofertas dos prestadores de serviços.

1.2. Análise do mercado indiano

O setor de tecnologia de alimentos na Índia valerá US$ 2,9 bilhões em 2020, de acordo com o relatório de consultoria Expert Market Research e deverá crescer 28,94% entre 2021-2026, tornando-se um dos poucos setores que estão experimentando um crescimento de dois dígitos. As crescentes perspectivas de demanda no mercado devido a clientes jovens e trabalhadores, juntamente com a mudança de estilo de vida e a entrada de mulheres na força de trabalho, atraiu muitos investidores para apoiar os objetivos penetrantes dos principais players do setor (“India Online Food Delivery Market Size”, 2022). De todo o setor de alimentos no valor de US$ 65 bilhões, o setor de serviços de alimentação on-line representa apenas 6-7 por cento desse valor. Em comparação global, as empresas indianas que atuam nessa indústria contribuem com uma pequena parte do GMV anual de valor bruto de mercadorias de US$ 3 bilhões, enquanto as empresas americanas respondem por US$ 35 bilhões. Outro fato importante revela que apenas 9% dos usuários de internet na Índia usam o serviço de pedidos de comida, que nos EUA e na China é de 36% e 50%, respectivamente. No entanto, em meio à perspectiva crescente de serviço de alimentação durante a pandemia, os principais players do setor estão expandindo suas operações. A Zomato investiu recentemente US$ 250 milhões enquanto seu maior rival, o Swiggy, respondeu com um investimento de US$ 450 milhões do Softbank, tornando-se um gigante de US$ 5 bilhões.

Considerando o sucesso dos principais players, os novos entrantes também apostaram em ofertas de desconto para conquistar clientes, mas não conseguiram se sustentar porque não suportam o grande financiamento dos líderes com o qual podem suportar o corte de preço. No entanto, os provedores de serviços precisam entender que os clientes indianos, com sua renda média aumentando, estão negligenciando o fator preço e preferem outros valores ao decidir o serviço do FDA. Diante disso, surge a questão de saber em qual conjunto de valores focar para atrair mais clientes ou criar um nicho. O que estudos anteriores descobriram é que conveniência, ansiedade tecnológica, influência social, entrega rápida, ofertas de desconto, segurança de pagamento são alguns fatores importantes entre outros que influenciam os usuários (Dang et al., 2018; Eu & Sameeha, 2021; Panse et al., 2019).

1.3. Estudo presente

Este estudo analisou a satisfação do cliente em aplicativos de pedidos de comida usando um modelo construtivo onde a correlação da satisfação do cliente é medida com cinco variáveis, a saber: Conveniência, ofertas de desconto, segurança financeira e de saúde, vastas opções e entrega flexível e rápida. Essas variáveis foram identificadas após revisar as pesquisas existentes, e a maioria revelou uma relação positiva entre todos os construtos e a variável dependente (Hong et al., 2016; Jacob et al., 2019; Jeon et al., 2017).

Além de encontrar fatores motivadores para a encomenda digital, é também imperativo compreender se os clientes que vivem em diferentes níveis hierárquicos, bem como as regiões, têm preferências diversas ou semelhantes. Preferências semelhantes podem ser atendidas com serviços padronizados, mas a diversidade exige mudanças nas estratégias para atraí-los. Não há muita pesquisa feita nessa área, embora um estudo realizado para comparar o comportamento dos usuários de FDAs de duas cidades diferentes do mesmo estado indiano tenha encontrado semelhança no comportamento (Rathi et al., 2021).

Além disso, o estudo continua com a análise de dados que tem três partes: análise descritiva, teste de hipótese após teste de validade e confiabilidade de medição e modelo estrutural e os dois últimos testes de amostra para encontrar diferenças no comportamento de usuários de Chandigarh e Bhubaneshwar. Os resultados provaram e confirmaram as descobertas sobre a relação positiva de satisfação do cliente com todos os construtos, exceto vastas opções. Em seguida, as descobertas dos estudos existentes são acessadas para discutir quantas descobertas existentes apoiam ou são contra as descobertas deste estudo no capítulo de discussão.

Com base nas descobertas e na discussão, este estudo adicionou algumas estratégias para as startups e pequenos players no campo. Olhando para a relevância do estudo, uma vez que grandes players estão dominando o mercado devido a grandes investimentos, pequenos novos entrantes podem investigar as preferências de pequenas cidades encontradas por meio desta pesquisa e direcioná-las ao atender a essas necessidades, o que torna este estudo relevante para pequenas startups no setor de entrega de alimentos.

No geral, o estudo é significativo para todos os fundadores e investidores do setor, pois fornece informações sobre os clientes que são importantes para o setor centrado no cliente, como entrega de alimentos. Sendo um setor de baixa margem, investidores e fundadores devem atender os clientes de acordo com suas necessidades. No mercado indiano da FDA, até agora a ênfase foi colocada apenas em ofertas de desconto, mas este estudo descobriu que o desconto é o fator de motivação menos importante, insistindo na necessidade de mudar o foco para outros valores importantes.

O estudo também é importante para os membros do canal que entregam seus produtos por meio do mercado da FDA para saber o que o cliente está exigindo no final. Todos os restaurantes, cafés ou outras empresas ligadas aos FDAs podem aumentar suas vendas ao compreender fatores significativos para o cliente final, como a segurança da saúde está se tornando prioridade dos clientes, portanto, os restaurantes devem adicionar itens em seu menu on-line que atendam a essa necessidade.

Em suma, o estudo é importante para todos os membros do canal do setor de entrega de alimentos on-line, incluindo empresas de mercado, restaurantes ou investidores, porque fazer estratégias de acordo com as necessidades em constante evolução dos clientes ajudará todas essas partes a atingir seus objetivos. O estudo está examinando essas necessidades em mudança.

2. FUNDAMENTAÇÃO TEÓRICA E DESENVOLVIMENTO DO MODELO

2.1 Fatores motivadores para usar aplicativos de pedidos de comida online

Eu e Sameeha (2021) examinaram a atitude de 290 jovens usuários em relação a aplicativos de entrega de comida on-line usando amostragem de bola de neve selecionada de diferentes universidades públicas na Malásia, incluindo mais da metade da porcentagem de entrevistados que eram estudantes internacionais. O estudo analisou a distribuição dos dados sociodemográficos dos entrevistados sobre vários aspectos dos serviços de entrega de comida e enfatizou a percepção do usuário sobre a disponibilidade de opções de alimentação saudável nesses aplicativos. Os resultados revelaram que as opções de alimentação saudável foram o motivo que menos influenciou os usuários a usar esse serviço e, ao contrário, foram amplamente influenciados pelo preço e conveniência da oferta do provedor de serviços.Junto com a atração sensorial são alguns fatores importantes para usar o serviço de pedidos de comida online.

Dang et al. (2018) realizaram um estudo transversal com 1.736 compradores de alimentos online em 176 comunas diferentes em Hanói, uma cidade no Vietnã, para acessar seu comportamento de compra de alimentos online usando entrevista face a face em questionário padrão e descobriram que o fator mais importante para motivar os consumidores a comprar produtos alimentícios online era a conveniência e preço, enquanto em questões de segurança apenas um terço dos usuários estava prestando atenção e, quando se trata de informações de licenciamento de alimentos, o percentual foi ainda menor (11%).

Das (2018) analisou a percepção do cliente em relação aos aplicativos de entrega de comida, utilizando uma pesquisa com 153 entrevistados na cidade de Pune. Os resultados indicaram que a entrega ao domicílio e melhores ofertas e recompensas são os principais fatores de influência para os usuários utilizarem esse serviço. Além disso, foi constatado que a Zomato é o prestador de serviços preferido pelos clientes e descobriu que a má experiência anterior com o prestador de serviços é o principal desafio para os clientes continuarem usando esse tipo de serviço.

2.2. Efeitos sobre fornecedores de alimentos

See-Kwong et al. (2017) examinaram o setor de entrega de alimentos do ponto de vista do fornecedor em duas fases, sendo a primeira a revisão da literatura e, em seguida, por meio do método qualitativo de entrevista com proprietários de empresas sobre perguntas abertas e encontrou três principais forças motrizes para terceirizar serviços de entrega de alimentos para terceiros, incluindo perspectivas de alta receita, alcance mais amplo de clientes e maior retenção de clientes.

O estudo de Jacob et al. (2019) se concentrou nas variáveis como simplicidade e conforto, ofertas, qualidade, preocupações com o bem-estar, limpeza e opções de parcelamento, provocando a explosão da estrutura de solicitação de alimentos on-line com impacto significativo desses aplicativos on-line nos jovens. A investigação descobriu que o costume de jantar fora está sendo afetado pelo aumento nos aplicativos de pedidos de comida online. No entanto, alguns se referiram a preocupações com a limpeza como um componente para inclinar-se a alimentos pouco atraentes.

Dhayanidhiet et al. (2021) estudaram a percepção do consumidor conhecendo o efeito do aplicativo de entrega de comida no prazo e o tipo de comida encomendada na cidade de Chennai. Uma amostra de 100 participantes foi abordada aleatoriamente para aplicar o teste não paramétrico Qui-quadrado. Os resultados revelaram que o tempo de pedido de refeição online varia de acordo com o tipo de aplicativo que os usuários estão usando.

2.3. Utilização de aplicativo de alimentação online

Mehrolia et al. (2021) examinaram seis construtos no modelo de crença em saúde relacionados a aplicativos de pedidos de comida durante a Covid na cidade de Bangalore, na Índia, usando regressão binomial, uma vez que as pessoas se tornaram mais conscientes da saúde durante esse período, e isso afetou os setores de negócios como entrega de alimentos em maior medida. Os resultados revelaram que os clientes usaram o serviço de pedidos de comida online porque perceberam menos ou nenhuma ameaça no serviço e altos benefícios e estavam altamente envolvidos com o produto.

Borgohain* (2019) analisou a percepção do consumidor sobre OFDs na cidade de Dibrugarh, na Índia, usando dados primários com base nas respostas de 95 entrevistados pertencentes à faixa etária de 16 a 30 anos. Economia de tempo, facilidade de uso e conveniência foram fatores importantes entre os usuários que os influenciaram a usar o serviço. Além disso, alguns outros resultados mostram que a preferência dos usuários era pagar em dinheiro e pedir comida apenas em ocasiões especiais.

Preetha e Iswarya (2019) concentrado na utilização de aplicativos de alimentação online. Eles não rastrearam relações críticas entre a maior parte dos limites socioeconômicos com a compra do cliente, mas a compra foi afetada pela conveniência, breves reações, agrupamento, administração personalizada, sortimento, dados, simplicidade de uso, apresentação e precisão dos dados fornecidos.

Zhao e Bacao (2020) aplicaram o modelo UTAUT, considerando o ajuste entre tecnologia e tarefa, e ECM para analisar por que as pessoas na China ainda usavam serviços agregadores de alimentos durante a pandemia de Covid. Eles descobriram que fatores motivadores, como confiança, um bom ajuste entre o desempenho da tecnologia e as tarefas dos usuários, expectativa de desempenho e influência dos pares foram responsáveis pela continuidade do uso desse serviço pelos usuários chineses mesmo durante a pandemia de Covid.

Panse et al. (2019) testaram a aceitação da tecnologia de entrega de alimentos de 170 entrevistados na Índia usando análise PLS que mediu o modelo interno e externo. Das sete diferentes variáveis consideradas para o estudo, verificou-se que a facilidade de uso e informação, controle e ansiedade com a tecnologia são motivações importantes para os consumidores utilizarem aplicativos de pedidos de comida. Além disso, o estudo revelou que os usuários de aplicativos de entrega de comida estão interessados em usar esses serviços porque obter comida versátil à sua porta economiza tempo e dinheiro.

2.4. Modelo Conceitual e Hipótese

A figura 1 abaixo explica o modelo conceitual onde a satisfação do cliente é tomada como variável dependente, que é prevista por cinco variáveis independentes, ou seja, conveniência, ofertas de desconto, segurança financeira e de saúde, entrega flexível e rápida e ampla variedade de opções de alimentos. O estudo tem duas descobertas relevantes para o setor: a primeira aborda os fatores determinantes que influenciam a satisfação do consumidor em relação aos aplicativos de entrega de comida; a segunda analisa a diferença de comportamento dos usuários em cidades de dois níveis.

A seguir estão os fatores considerados para estudar o comportamento dos usuários com base nos quais as hipóteses são propostas.

2.4.1 Conveniência

Os clientes provavelmente aceitarão a nova tecnologia apenas por oferecer mais conveniência em comparação com a anterior. Estudos anteriores mostraram a conveniência como um dos fatores mais significativos para o uso de novas tecnologias. Panse et al. usaram a conveniência como um dos sete antecedentes a fim de predizer a satisfação do cliente para a intenção do consumidor de usar FDAs. Ela foi considerada como fator de impacto direto para a intenção do consumidor, e o resultado mostrou forte relação dentro de ambas as relações (Panse et al., 2019). Em outro estudo de Eu & Sameeha, utilizaram-se três modelos diferentes: UTAUT, ECM e TTF, que foram usados para entender o porquê de os clientes chineses terem continuado a usar FDAs durante os tempos de Covid. Segundo o modelo TTF, a conveniência de entrega rápida e sem contato foi considerada uma das tarefas importantes que essa tecnologia serviu e os clientes continuaram a usá-la (Eu & Sameeha, 2021).

H1. A conveniência oferecida pelos aplicativos agregadores de alimentos afeta significativamente a satisfação do consumidor em relação a esse serviço.

2.4.2 Ofertas de desconto

Ofertas de desconto funcionam como motivação adicional para os clientes experimentarem novos produtos ou serviços. Mallieswari et al. consideraram o preço diferencial como principal fator de influência na decisão do consumidor de comprar serviços de alimentação online, e os resultados apoiaram o fato de que os consumidores estão cientes dos diferentes preços cobrados pelos aplicativos de entrega de comida e os influenciam a usar o serviço (Mallieswari et al., 2019). Ofertas atraentes de descontos e recompensas, juntamente com a conveniência da entrega ao domicílio, são os principais fatores motivadores para os usuários de aplicativos de entrega de comida (Das, 2018).

H2. Ofertas de desconto disponíveis em serviços de entrega de comida têm importância significativa para a satisfação de seus clientes.

2.4.3 Segurança financeira e de saúde

Nos últimos tempos, especialmente após o bloqueio, os clientes estão mais conscientes de sua saúde e, devido a muitas ameaças cibernéticas, eles também desejam segurança financeira. Muitos estudos recentes têm considerado a saúde como uma variável importante em seus modelos. Mehrolia et al. aplicaram o modelo de benefícios de saúde para ter acesso à resposta dos consumidores nos serviços de encomenda de alimentos durante o Covid 19. O estudo mediu a mudança no comportamento do consumidor devido aos benefícios e ameaças à saúde que o cliente vê ao usar o serviço e descobriu-se que o consumidor usa o serviço de tecnologia de alimentos quando vê menos ameaças e mais benefícios saudáveis e financeiros (Mehrolia et al., 2021). Outro estudo de Tran analisou um modelo de continuidade no uso de FDAs durante a pandemia de Covid, em que a segurança percebida foi escolhida como preditor da intenção do consumidor de usar FDAs, bem como de continuar a usá-las (Tran, 2021).

H3. Segurança financeira e de saúde afetam significativamente a satisfação do cliente com relação ao serviço agregador de alimentos.

2.4.4 Vastas opções de comida

Os aplicativos de pedidos de comida fornecem um benefício aos clientes ao permitir que eles escolham sua comida favorita em uma ampla lista de cozinhas, restaurantes, bem como permitir que façam um pedido de refeição flexível. Saad definiu o menu e a disponibilidade do restaurante como um importante fator de tomada de decisão na seleção da empresa da FDA, e os resultados confirmaram a importância também (Saad, 2020). Saad definiu o menu e a disponibilidade do restaurante como fatores importantes na tomada de decisão na seleção da empresa da FDA, e os resultados confirmaram essa importância (Chai & Yet, 2019). Boa escolha de restaurante, serviço aprimorado, descontos e conveniência são os principais fatores que impulsionam a utilização de aplicativos de pedidos de comida na cidade de Pune, Índia (Das, 2018).

H4. A grande variedade de opções de comida está positivamente correlacionada com a satisfação do cliente em relação aos agregadores de comida online.

2.4.5 Entrega flexível e rápida

Na era 5G, o cliente deseja que seus pedidos sejam entregues em ritmo acelerado, e os serviços devem estar disponíveis 24 horas por dia, 7 dias por semana para serem aproveitados. Os principais agregadores de alimentos apostam nesses fatores para conquistar mais clientes. O prazo de entrega é considerado um dos fatores mais importantes na escolha de um prestador de serviço de entrega de comida em estudo de Saad que também comprovou sua importância (Saad, 2020). Esse fator também é considerado significativo na adoção da tecnologia FDAs sob o modelo TTF em um estudo de Zhao e Bacao. O cliente analisa o cumprimento de suas tarefas por qualquer tecnologia e a conveniência de solicitar suprimentos diários necessários a qualquer hora e em qualquer lugar é uma vantagem importante do uso dessa tecnologia (Zhao & Bacao, 2020).

H5. A entrega flexível e rápida está positivamente correlacionada com a satisfação do cliente em relação à utilização de aplicativos de pedidos de comida.

Além dos cinco fatores mencionados acima, a segunda parte do estudo analisou a diferença no comportamento do consumidor em duas cidades diferentes, Chandigarh e Bhubaneswar. Os provedores de serviços geralmente atendem seus clientes com diferentes variáveis demográficas, o que pode ser arriscado se o cliente esperar um serviço semelhante. Um estudo de Rathi et al. analisou a diferença entre as percepções do consumidor em duas cidades de um mesmo estado sobre fatores como velocidade de pedido e recebimento, qualidade do serviço, segurança, ofertas de desconto e fidelidade à marca, entre outros, e descobriu que o comportamento geral era semelhante (Rathi et al., 2021). Logo, usuários de aplicativos de entrega de comida de dois níveis são analisados para testar essa suposição.

H6. Os usuários de aplicativos de comida online de Chandigarh e Bhubaneswar têm preferência uniforme por fatores ao selecionar o provedor de serviços.

Figura 1.
Modelo Conceitual

3. METODOLOGIA DE PESQUISA

O presente estudo aplica método quantitativo para analisar a associação entre variável dependente e preditores. Um modelo conceitual com cinco variáveis dependentes, a saber, Conveniência, Ofertas de desconto, Opções amplas, Segurança financeira e de saúde e Serviços de entrega flexíveis e rápidos foi projetado com base na revisão da literatura. Para medir as variáveis, um questionário padrão foi projetado incluindo duas seções de perguntas: uma descritiva e outra baseada em construtos, que foram projetadas usando escala Likert de cinco pontos, denotando 1 como discordo totalmente e 5 como concordo totalmente. Um total de 230 questionários preenchidos foram recebidos de volta, dos quais apenas 167 entrevistados eram aqueles que já usaram o serviço de entrega de comida on-line, portanto, os restantes foram excluídos do estudo. Os dados foram analisados usando SPSS V.28, AMOS V.26 e Microsoft Excel.

3.1 Amostragem

O objetivo de comparar o comportamento do consumidor de duas populações pertencentes a diferentes níveis de cidades foi alcançado por meio da abordagem de usuários de aplicativos de entrega de comida de Chandigarh (nível I) e Bhubaneshwar (nível II). O alvo foram usuários jovens, entre 14 e 42 anos, que são conhecedores de tecnologia e têm maior inclinação para aplicativos utilitários modernos. A amostra é abordada por meio do compartilhamento online de formulários do Google usando técnicas de amostragem por conveniência e amostragem por bola de neve.

4. ANÁLISE DE DADOS

A análise de dados é dividida em três partes. A primeira cobre detalhes demográficos dos respondentes; a segunda testa se o modelo de medição é válido e confiável, bem como analisa o modelo estrutural. Na terceira parte, são comparadas a média da população de duas cidades.

4.1. Análise descritiva

Esta parte analisa os detalhes demográficos dos entrevistados e usuários de aplicativos de comida e, em seguida, é analisado para entender seu comportamento. As informações detalhadas são fornecidas na tabela 1 abaixo.

A. Distribuição inteligente da cidade

Foi planejado que o número de entrevistados fosse igual em ambas as cidades para comparar o comportamento do consumidor, mas quando os não usuários foram removidos, constatou-se que 53% deles eram da cidade de nível I, e quase 46% eram da cidade de nível II.

B. Distribuição de gênero

Dos 230 entrevistados, foram selecionados 168 usuários de aplicativos de entrega de comida, e descobriu-se que a maioria desses usuários do serviço era do sexo masculino, representando 67% do total de entrevistados.

C. Distribuição etária dos usuários de FDAs

De acordo com a pesquisa, a alta proporção de usuários do FDA pertence à faixa etária de 28 a 35 anos. A razão pode ser que essa faixa etária é mais jovem na classe trabalhadora e tem alta propensão ao consumo e gastos; além disso, ela é mais propensa a usar novas tecnologias. A segunda maior faixa etária de usuários do FDA é de 21 a 28, de acordo com a pesquisa.

D. Aplicativo de entrega de comida preferido

A Tabela 1 mostra que uma alta proporção de entrevistados prefere usar os dois principais provedores de serviços, Swiggy e Zomato, entre quase uma dúzia de provedores de serviços. Swiggy é preferido por 40% dos entrevistados, e Zomato por 38%deles.

Tabela 1
Descritivo dos participantes

Critério	Item	Frequência	Porcentagem
Cidade	Chandigarh	90	53,6%
	Bhubaneswar	77	45,8%
Gênero	Homem	113	67,3%
	Mulher	54	32,1%
Idade	14-21	18	10,7%
	21-28	56	33,3%
	28-35	68	40,5%
	35-42	22	13,1%
	acima de 42	3	1,8%
Aplicativo de entrega de comida usado	Swiggy	68	40,5%
	Zomato	64	38,1%
	Uber eat	25	14,9%
	Food panda	9	5,4%
	Qualquer outro…….	1	,6%

• Fonte: Elaborado pelo autor

4.2. Modelo de Medição

Para examinar o modelo de medição em medidas de validade e confiabilidade, a análise fatorial composta é usada por meio do AMOS. A tabela 2 abaixo mostra os valores de confiabilidade composta (CR), carga fatorial de todas as variáveis e variância média extraída (AVE). Com carga fatorial para todas as variáveis e confiabilidade composta (CR) de todos os construtos maiores que 0,7, a condição de correlação interna de validade convergente e convergente complementada é atendida. Além disso, o valor de AVE para todos os fatores também está acima do limite de 0,50 e está entre 0,531 e 0,872, satisfazendo o modelo de validade convergente.

Tabela 2
Carga Fatorial das Variáveis, CR e AVE

Construtos	Variáveis	Carga	Confiabilidade do construto	AVE
Conveniência	CNV1	0,97	0,971	0,872
	CNV2	1,01
	CNV3	1
	CNV4	1
	CNV5	0,63
Ofertas de desconto	OD1	0,750	0,839	0,569
	OD2	0,690
	OD3	0,680
	OD4	0,880
Segurança financeira e de saúde	SFS1	1,015	0,95	0,864
	SFS2	0,878
	SFS3	0,89
Opções amplas	OA1	1	0,942	0,846
	OA2	0,93
	OA3	0,82
Entrega flexível e rápida	EFR1	0,89	0,706	0,546
	EFR2	0,92
Satisfação do cliente	SC1	1	0,7	0,531
	SC2	0,79

• Fonte: Elaborado pelo autor

Além disso, o Critério Fornell-Larcker é aplicado no modelo de medição para examinar a validade discriminante mostrada abaixo na tabela 3. A validade discriminante é um indicador de que cada construto é único em relação aos outros no modelo (Lee et al., 2007) e cada construto é único de acordo com Fornel-Larcker se as raízes quadradas da variância extraídas de cada construto estiverem acima da correlação interna entre o par de construtos. A tabela 3 representa que essa condição foi atendida, confirmando assim o critério de validade discriminante.

Além disso, os índices de ajuste do modelo são mostrados usando medidas: Qui-quadrado/gl, CFI, NFI, TLI e RMSEA. Um modelo é um bom ajuste e aceito se Qui-quadrado/gl is < 3; o índice de ajuste confirmatório (CFI) é >0,9; o índice de ajuste normalizado (NFI) é > 0,9; Tucker e Lewis (1973) é >0,9 (Bentler, 1990). Além disso, um bom modelo de ajuste é aceito se o RMSEA estiver abaixo de 0,08 (Hair et al., 2009). Os índices de qualidade de ajuste do modelo apresentados abaixo na tabela 4 estão dentro do intervalo aceitável: Qui-quadrado/gl (CMIN): 2,133, CFI: 0,958, NFI: 0,915, TLI: 0,948 e RMSEA: 0,06. Assim, o modelo é um bom ajuste, pois todos os índices estão dentro do intervalo aceitável.

Tabela 3
Correlação entre construtos

	CNV	OD	SFS	OA	EFR
CNV	0,933
OD	0,514	1,044
SFS	0,665	0,681	0,966
OA	0,415	0,46	0,604	1,036
EFR	0,251	0,359	0,639	0,759	0,716

• Fonte: Elaborado pelo autor

Tabela 4
Índices de qualidade de ajuste

Índices	CMIN	Índices de ajuste confirmatório	Índice de ajuste normalizado	Índice de Tucker & Lewis	Raiz da aproximação do erro quadrático médio
Valor Aceito	abaixo de 3	maior que 0,9	maior que 0,9	maior que 0,9	abaixo de 0,08
Modelo Estrutural	2,133	0,958	0,915	0,948	0,06

• Fonte: Elaborado pelo autor

4.3. Modelo Estrutural

Figura 2.
Resultados do Modelo Estrutural

Tabela 5
Teste de hipótese em variáveis

Caminhos	Estimativas	Erro Padrão	valor de teste	P*	Decisão
CNV > SC	,179	,314	,827	,408	suportada
OD > SC	,024	,216	,111	,912	suportada
SFS > SC	,709	,510	1,567	,117	suportada
OA > SC	,486	,164	2,530	,011	rejeitada
EFR > SC	,255	,242	-,685	,493	suportada

• Nota. Esta tabela explica o teste de hipótese com base na dependência da variável dependente em variáveis independentes.
• *p<0,05
• Fonte: Saída de análise de caminho AMOS V.26

A tabela 5 apresenta as estimativas, valor de teste e valores de p para a hipótese enquadrada de dependência da variável dependente satisfação do cliente em relação a variáveis independentes. O valor p para todas as variáveis independentes, exceto disponibilidade de opções vastas em qualquer aplicativo de entrega de comida, é maior que o valor ɑ 0,05. Portanto, falhamos em rejeitar a hipótese nula de que conveniência, ofertas de desconto, entrega flexível e segurança financeira e de saúde estão altamente correlacionadas com a satisfação dos usuários de aplicativos de entrega de comida. Assim, H1, H2, H3, H5 são suportadas, enquanto H4 é rejeitada. O modelo em questão possui apenas uma variável endógena, que é a satisfação do cliente, cujo R2 (correlação múltipla quadrada) é calculado e apresentado na figura 2 avaliando a precisão preditiva do modelo, que é de 0,71. Explicar a proporção de variância da variável endógena definida por variáveis exógenas significa que a variável varia 71% devido a mudanças em variáveis exógenas ou preditores.

4.4. Análise de duas amostras

A comparação de duas populações de Chandigarh e Bhubaneshwar em seu comportamento em relação a fatores importantes é analisada usando o teste z de duas amostras, e os resultados são mencionados na tabela 6 usando o teste de duas amostras. Foi verificado que a hipótese de igualdade de variância é aceita, pois o valor de p para o teste de Levene para todas as variáveis é maior que o nível de significância 0,025, exceto a variável OD1, cujo valor é 0,003. Isso significa que podemos aplicar teste paramétrico nesses dados. Deixando de lado as variáveis OD1, OA1, OA3, SFS3, EFR1, foi observado que os valores de p para as demais variáveis são maiores que o valor de ɑ 0,025. Portanto, não se pode rejeitar a hipótese nula de que as médias dessas variáveis são iguais. Conclui-se, então, que a percepção de opções amplas em um aplicativo de entrega não é percebida de forma igualmente significativa entre clientes das duas cidades.

Tabela 6
Teste Z de duas amostras para calcular a diferença na média de duas populações

		Teste de Levene
		F	Sig*	t	gl	**Sig. (bicaudal p)
CNV1	Variações iguais assumidas	,404	,526	1,157	165	,249
CNV2	Variações iguais assumidas	,064	,801	1,852	165	,066
CNV3	Variações iguais assumidas	,021	,886	1,821	165	,070
CNV4	Variações iguais assumidas	3,137	,078	1,397	165	,164
CNV5	Variações iguais assumidas	,145	,704	1,753	165	,082
OD1	Variações iguais assumidas	9,061	,003	2,716	165	,007
OD2	Variações iguais assumidas	,617	,433	,536	165	,593
OD3	Variações iguais assumidas	3,980	,048	1,177	165	,241
OD4	Variações iguais assumidas	1,565	,213	1,147	165	,253
OA1	Variações iguais assumidas	,038	,846	3,443	165	<,001
OA2	Variações iguais assumidas	,032	,859	,949	165	,344
OA3	Variações iguais assumidas	,093	,760	3,075	165	,002
SFS1	Variações iguais assumidas	2,410	,122	2,065	165	,040
SFS2	Variações iguais assumidas	,077	,782	1,810	165	,072
SFS3	Variações iguais assumidas	,889	,347	3,888	165	<,001
EFR1	Variações iguais assumidas	,122	,727	2,464	165	,015
EFR2	Variações iguais assumidas	,183	,669	1,928	165	,056

• Nota. Esta tabela representa duas amostras de teste z de usuários de serviços de entrega de comida online de Chandigarh e Bhubaneswar.
• * p <0,025 para o teste de levene
• **p<0,025 para teste z de duas amostras
• Fonte: Saída de teste z de duas amostras do SPSS

5. DISCUSSÃO

De acordo com a análise de caminho, quatro das cinco variáveis são determinantes significativos da satisfação do cliente em relação aos aplicativos de entrega de comida. A segurança financeira e de saúde surge como o fator de maior influência entre os usuários com valor de β de 0,75. Esse resultado apoia estudos anteriores como o de Mehrolia et al., 2021, o qual revelou que o cliente com menos ameaça percebida prefere usar o serviço de pedidos de comida. Ademais, outra pesquisa (Hong et al., 2016) revelou que avaliações negativas de clientes sobre a qualidade dos alimentos aumentam a preocupação entre os usuários de serviços digitais de pedidos de alimentos. Além disso, a Autoridade de Padrões e Segurança Alimentar da Índia (FSSAI), uma autoridade indiana de controle de qualidade de alimentos, anunciou recentemente novas políticas em que se tornou obrigatório que os aplicativos de entrega de alimentos forneçam valores nutricionais de itens alimentares, juntamente com informações alérgicas em seus portais, para que os usuários possam tomar decisões sobre o pedido de alimentos de acordo com suas necessidades de ingestão de calorias (Sharma, 2022). Junto com a segurança da saúde, ainda existe um medo na mente dos clientes em compartilhar suas informações financeiras na plataforma online, o que faz com que muitos evitem pagamentos online e optem pelo pagamento na entrega (Vinaik et al., 2019). Outro estudo descobriu que a higiene mantida durante a entrega de alimentos e a percepção de alimentos seguros do cliente estão diretamente correlacionadas com a intenção dos usuários de usar e continuar usando aplicativos de entrega de alimentos (Tran, 2021).

No entanto, esses achados não são consistentes com os resultados de um estudo de Eu e Sameeha, 2021, o qual que revelou que a saúde e as informações sobre o valor nutricional de um item alimentar são os fatores menos influentes para fazer a escolha de alimentos em serviços de pedidos on-line. Porém, o resultado de que a conveniência é considerada o fator mais importante é apoiado por este estudo. Além disso, um artigo na Insider, uma importante agência de notícias americana, revelou que os principais serviços de pedidos de comida digital desapontaram o autor ao encontrar opções de comida saudável e o encontrado após percorrer as opções estava bem acima do orçamento (Hosie & Shardlow, 2021). Isso mostra que pedir comida não saudável é mais prevalente em aplicativos de entrega de comida, embora as preferências estejam mudando entre os clientes.

Os outros fatores significativos para os serviços de entrega de comida incluem a vasta opção (β =0,50). Esse resultado apoia estudos anteriores, onde um dos principais desafios enfrentados pelos usuários ao usar aplicativos de pedidos de comida é a indisponibilidade de vários itens alimentares mencionados no aplicativo ou não mencionados (Borgohain*, 2019). Um relatório da Mckinsey explicou a margem de lucro reduzida dos players de entrega de alimentos devido ao aumento da concorrência e ao modelo de negócios insustentável e, como parte da sugestão, concluiu-se que, para ampliar a margem, essas organizações precisam expandir a amplitude das ofertas (Ahuja et al., 2021).

Além dos dois fatores acima, entrega flexível e rápida (β = 0,22) e conveniência (β =0.18) foram encontrados como outros fatores que influenciam na satisfação dos usuários de aplicativos de pedidos digitais. Esse resultado é consistente com Jacob et al., que afirmaram que a conveniência dos aplicativos de entrega de comida em termos de pedido fácil e rastreamento do pedido, juntamente com menor interação humana, é o principal fator de influência, seguido de entrega rápida e mais opções de restaurantes disponíveis para usar este serviço (Jacob et al., 2019). Outro estudo de Panse et al. revelou que os pedidos de comida por telefone serão mais procurados no futuro devido à conveniência que oferece e ao controle sobre as decisões que essa tecnologia oferece (Panse et al., 2019). Ademais, essa descoberta é validada por várias pesquisas anteriores (Borgohain*, 2019; Dang et al., 2018; Zhao & Bacao, 2020). Elas indicaram que o desempenho da tecnologia em termos de entrega rápida, criando facilidade e garantindo segurança ao atender o cliente em tempos difíceis como o Covid, afetou a intenção do cliente de usar esse serviço. Mais um estudo descobriu que a conveniência, juntamente com a segurança do pagamento, seriam fatores imperativos para a satisfação do usuário e seus aplicativos de pedidos digitais, usando intenção entre outros fatores (Jeon et al., 2017).

O único fator considerado menos importante entre os usuários de aplicativos de entrega de comida para sua satisfação é a oferta de descontos (β =0,02). Tal resultado não corrobora vários estudos anteriores, onde se afirmou que fator é significativo entre os usuários de serviços de alimentação digital (Dang et al., 2018; Jacob et al., 2019). estudos descobriram que o serviço de entrega de comida é usado principalmente por jovens que conhecem os preços diferenciados dos prestadores de serviços e fazem compras em aplicativos onde obtêm bons cupons e ofertas (Mallieswari et al., 2019).

Além de encontrar o fator determinante da satisfação do cliente em relação aos agregadores de alimentos, a comparação do comportamento dos clientes de duas cidades, Chandigarh e Bhubaneswar, torna este estudo diferente dos existentes, onde a ênfase foi colocada em encontrar fatores de influência importantes entre os usuários de aplicativos de comida, principalmente da parte sul do país. Neste estudo, os usuários de serviços de pedidos de alimentos de duas regiões e níveis diferentes são comparados e os resultados são relativamente consistentes com um estudo de Rathi et al., que comparou o comportamento de compras online em Bilaspur e Raipur, duas cidades de um estado indiano, após abordar 375 entrevistados e constatar que o comportamento deles era o mesmo (Rathi et al., 2021).

4. O estudo fornece uma base para que diferentes partes interessadas em tecnologia de alimentos tomem decisões apropriadas sobre a oferta de serviços valiosos aos clientes, mas os resultados precisam de validação adicional por meio de uma grande amostra e adicionando mais cidades aos dois grupos de nível I e nível II. Como o serviço está crescendo mais rápido nas cidades de nível II e os clientes estão se preocupando com uma alimentação saudável, é necessária uma base mais forte para fazer mudanças nas estratégias dos agregadores de alimentos. Assim, sugere-se que futuros pesquisadores levem em consideração essa limitação e validem ainda mais esses resultados.

6. IMPLICAÇÕES PRÁTICAS E RECOMENDAÇÕES ESTRATÉGICAS PARA PRESTADORES DE SERVIÇOS

O estudo tem várias implicações práticas. Primeiro, encontrar os fatores motivadores importantes para usar aplicativos de entrega de comida é muito significativo, pois esse setor está em fase de crescimento na Índia e a concorrência está aumentando continuamente. Conquistar e reter os clientes em todos os setores requer o conhecimento atualizado sobre as preferências do cliente. O estudo constatou que a segurança financeira e de saúde é o fator mais importante hoje em dia para os clientes selecionarem um aplicativo de entrega de alimentos. Portanto, as startups de tecnologia de alimentos precisam usar portais de pagamento antecipados e seguros e seguir as diretrizes do RBI para manter a segurança financeira dos usuários. Além disso, adicionar opções de alimentos saudáveis ao menu pode atender às necessidades saudáveis e até mesmo atingir pessoas preocupadas com o condicionamento físico, oferecendo alimentos ricos em proteínas. Adicionar vídeos no local sobre o ambiente de cozimento higiênico pode criar confiança na mente do cliente de que os prestadores de serviços e restaurantes estão usando processos seguros e higiênicos para preparar alimentos, para que possam fazer pedidos com mais frequência, sem hesitação ou medo de causar infecções.

Para além da segurança sanitária, Conveniência, Flexibilidade e rapidez de entrega são outros determinantes significativos desse serviço. As marcas consolidadas do setor estão liderando o gráfico de participação de mercado, oferecendo grandes descontos, no entanto, pequenas startups podem se manter em dia praticando entrega rápida em mercados limitados. A opção de fazer pedidos flexíveis adicionando itens de diferentes restaurantes em um pedido pode ser praticada para atender os clientes de maneira competitiva. Com as cidades de nível I e II crescendo economicamente e recebendo milhões de imigrantes todos os anos, fornecer informações adicionais, como os melhores lugares para jantar na cidade, lugares para visitar ou passar fins de semana divertidos na cidade, juntamente com a opção de reserva no aplicativo, pode oferecer conveniência adicional para atrair esse segmento.

Além disso, a comparação no comportamento dos clientes de duas cidades de nível I e nível II descobriu que o comportamento do cliente não é o mesmo na variedade fornecida, ofertas de desconto e entrega flexível. Isso abre oportunidades para provedores de serviços, especialmente startups na área, para criar um nicho atendendo estrategicamente à demanda do público-alvo de acordo com suas necessidades e ser competitivo nessa área. Nesse sentido, sugere-se que os pequenos prestadores de serviço foquem na qualidade dos alimentos e na entrega rápida no nível I, e ofereçam descontos e entrega flexível no nível II para satisfazer os clientes.

7. LIMITAÇÕES E ESCOPO FUTURO

Esta seção compreende duas limitações principais do estudo. Primeiro, a análise de comparação de comportamento é dada depois de tomar uma única cidade de nível I e nível II. Para generalizar os resultados, mais cidades de dois níveis podem ser tomadas e comparadas. Pesquisas futuras podem ser realizadas após considerar essa limitação. Em segundo lugar, o tamanho geral da amostra é pequeno para gerar resultados para todos os usuários de aplicativos de entrega de comida ou representar duas cidades. Consequentemente, pesquisas com modelo transversal e amostra grande podem ser realizadas para generalizar resultados que seriam mais significativos para esse setor implementar.

8. CONCLUSÃO

O estudo analisou duas questões relacionadas aos agregadores de alimentos; um sobre o que gera satisfações para os usuários de aplicativos de pedidos de comida, e o segundo sobre se esses fatores derivados variam entre os consumidores de nível I e II. Os resultados revelaram que a segurança financeira e de saúde é o fator mais importante na obtenção de satisfação, juntamente com a conveniência que os clientes obtêm ao receber sua comida em casa sem esperar em longas filas, entrega flexível e vastas opções de restaurantes e refeições. As outras descobertas mostraram que os usuários de aplicativos de comida em dois níveis têm apenas diferença significativa no comportamento para variedade disponível e ofertas de desconto, mas para as demais variáveis não há diferença significativa. O estudo confirmou os resultados de estudos existentes sobre fatores de influência e veio em apoio a algumas descobertas (Hong et al., 2016; Jacob et al., 2019; Mehrolia et al., 2021; Tran, 2021) e contra os outros (Dang et al., 2018; Eu & Sameeha, 2021; Jacob et al., 2019), e cobriu a lacuna de identificar diferenças em fatores de influência entre usuários de aplicativos de nível I e II.

Essas descobertas são consideráveis para as partes interessadas em tecnologia de alimentos, incluindo startups de aplicativos de alimentos, que são sugeridas para criar um nicho em importantes fatores de influência desse serviço. Algumas estratégias recomendadas para os prestadores de serviços criarem um nicho incluem adicionar refeições saudáveis, fornecer um portal de pagamento seguro, entrega flexível. É importante também o direcionamento para utilizadores variáveis em pequenas cidades. Além disso, aconselha-se a entrega de alimentos em quantidades flexíveis e em horários diferenciados e oferta de valor diferenciada de acordo com as regiões atendidas.

Olhando para as limitações do estudo, a pequena amostra geral e uma cidade por nível limitam os resultados a serem considerados universais. Recomenda-se que futuros pesquisadores possam usar um cluster mais amplo de cidades pequenas e metropolitanas para comparar o comportamento dos usuários no uso de aplicativos de comida.

Agradecimentos

Gostaria de agradecer o apoio dos pais e da minha instituição na conclusão deste manuscrito.

REFERENCES

• Ahuja, K., Chandra, V., Lord, V., & Peens, C. (2021). Ordering in: The rapid evolution of food delivery. McKinsey & Company Retrieved October 11, 2022, de Retrieved October 11, 2022, de https://www.mckinsey.com/industries/technology-media-and-telecommunications/our-insights/ordering-in-the-rapid-evolution-of-food-delivery
  » https://www.mckinsey.com/industries/technology-media-and-telecommunications/our-insights/ordering-in-the-rapid-evolution-of-food-delivery
• Bentler, P. M. (1990). Comparative fit indexes in structural models. Psychological Bulletin, 107(2), 238-246. https://doi.org/10.1037/0033-2909.107.2.238
  » https://doi.org/10.1037/0033-2909.107.2.238
• Borgohain*, M. (2019). Consumer Perception towards Food Delivery Applications with Special Reference to Dibrugarh Town. International Journal of Recent Technology and Engineering (IJRTE), 8(4), 10137-10147. https://doi.org/10.35940/ijrte.d4289.118419
  » https://doi.org/10.35940/ijrte.d4289.118419
• Chai, L. T., & Yet, D. N. C. (2019). Online Food Delivery Services: Making Food Delivery the New Normal. Journal of Marketing Advances and Practices, 1(1), 62-77.
• Choudhary, N. (2019). Strategic Analysis of Cloud Kitchen - A Case Study. Management Today, 9(3), 184-190. https://doi.org/10.11127/GMT.2019.09.05
  » https://doi.org/10.11127/GMT.2019.09.05
• Curry, D. (2022). Food Delivery App Revenue and Usage Statistics (2022). Business of Apps
• Dang, A. K., Tran, B. X., Nguyen, C. T., Le, H. T., Do, H. T., Nguyen, H. D., Nguyen, L. H., Nguyen, T. H., Mai, H. T., Tran, T. D., Ngo, C., Vu, T. T. M., Latkin, C. A., Zhang, M. W. B., & Ho, R. C. M. (2018). Consumer Preference and Attitude Regarding Online Food Products in Hanoi, Vietnam. International Journal of Environmental Research and Public Health, 15(5), 981. https://doi.org/10.3390/IJERPH15050981
  » https://doi.org/10.3390/IJERPH15050981
• Das, J. (2018). Consumer Perception towards ‘Online Food Ordering and Delivery Services’: An Empirical Study. Journal of Management, 5(5), 155-163.
• Dhayanidhi, G., Biruntha, D., & Govindaraju, P. (2021). A Study on Consumers’ Perception towards Food Ordering Portal with Reference to Chennai. Turkish Journal of Computer and Mathematics Education (TURCOMAT), 12(10), 7101-7104. https://doi.org/10.17762/turcomat.v12i10.5601
  » https://doi.org/10.17762/turcomat.v12i10.5601
• Eu, E. Z. R., & Sameeha, M. J. (2021). Consumers’ Perceptions of Healthy Food Availability in Online Food Delivery Applications (OFD Apps) and Its Association With Food Choices Among Public University Students in Malaysia. Frontiers in Nutrition, 8, 674427. https://doi.org/10.3389/FNUT.2021.674427
  » https://doi.org/10.3389/FNUT.2021.674427
• Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2009). Multivariate Data Analysis (7th edn). Pearson.
• Hong, L., Li, Y. N., & Wang, S. H. (2016). Improvement of Online Food Delivery Service Based on Consumers’ Negative Comments. Canadian Social Science, 12(5), 84. https://doi.org/10.3968/8464
  » https://doi.org/10.3968/8464
• Hosie, R., & Shardlow, J. (2021). I Tried to Eat Nothing but “Healthy” Food From Delivery Apps for a Week. Video Retrieved August 19, 2022, from Retrieved August 19, 2022, from https://www.insider.com/i-ate-nothing-but-healthy-food-from-delivery-apps-for-a-week-uber-eats-deliveroo-2019-3
  » https://www.insider.com/i-ate-nothing-but-healthy-food-from-delivery-apps-for-a-week-uber-eats-deliveroo-2019-3
• India Online Food Delivery Market Size. (2022, Octuber 18). Market Watch. Retrieved from India Online Food Delivery Market Size, Share, Growth, Industry Statistics, Forecast Report 2021-2026 - MarketWatch
• Jacob, A. M., Sreedharan, N. V., & Sreena, K. (2019). Consumer perception of online food delivery apps in Kochi. International Journal of Innovative Technology and Exploring Engineering, 8(7), 302-305.
• Jeon, M.-S., Song, Y.-E., & Jeon, S.-H. (2017). The Effect of Mobile Food Delivery Application Usage Factors on Customer Satisfaction and Intention to Reuse. Culinary Science & Hospitality Research, 23(1), 37-47. https://doi.org/10.20878/cshr.2017.23.1.005
  » https://doi.org/10.20878/cshr.2017.23.1.005
• Lee, M. K.O., Cheung, C.M., & Chen, Z. (2007). Understanding user acceptance of multimedia messaging services: An Empirical study. Journal of the American Society for Information Science and Technology, 58(13), 2066-2077. https://doi.org/10.1002/asi.20670
  » https://doi.org/10.1002/asi.20670
• Mallieswari, R., Reddy, A., & Anandani, A. (2019). The influence of differential pricing offered by food delivery apps with reference to Bangalore. International Journal of Commerce and Management Research, 5(5), 119-122.
• Mehrolia, S., Alagarsamy, S., & Solaikutty, V. M. (2021). Customers response to online food delivery services during COVID-19 outbreak using binary logistic regression. International Journal of Consumer Studies, 45(3), 396-408. https://doi.org/10.1111/IJCS.12630
  » https://doi.org/10.1111/IJCS.12630
• Panse, C., Rastogi, S., Sharma, A., & Dorji, N. (2019). Understanding Consumer Behaviour towards Utilization of Online Food Delivery Platforms. Journal of Theoretical and Applied Information Technology, 97(16), 4353-4365.
• Preetha, S., & Iswarya, S. (2019). An Analysis of User Convenience towards Food Online Order and Delivery Application (FOOD App via Platforms). International Journal of Management, Technology And Engineering, IX(I), 429-433.
• Ramesh, R., Venkatesa Prabhu, S., Sasikumar, B., Kiruthika Devi, B. S., Prasath, P., & Praveena Rachel Kamala, S. (2022). An empirical study of online food delivery services from applications perspective. Materials Today: Proceedings, 80, 1751-1755. https://doi.org/10.1016/J.MATPR.2021.05.500
  » https://doi.org/10.1016/J.MATPR.2021.05.500
• Rathi, K. L., Commerce, A., Wamanwasudevpatankar, G., College, G. P. G., & Durg, C. G. (2021). Consumer Behavior towards business to consumer e-commerce between Raipur and Bilaspur City: A comparative study. Elementary Education Online, 20(4), 2285-2291.
• Saad, A. T. (2020). Factors affecting online food delivery service in Bangladesh: An Empirical Study. British Food Journal, 123(2), 535-550. https://doi.org/10.1108/BFJ-05-2020-0449
  » https://doi.org/10.1108/BFJ-05-2020-0449
• See-Kwong, G., Soo-ryue, N., Shiun-yi, W., & Lily, C. (2017). Outsourcing to Online Food Delivery Services: Perspective of F&B Business Owners. The Journal of Internet Banking and Commerce, 22, 1-18. Retrieved August 7, 2022, from Retrieved August 7, 2022, from https://www.semanticscholar.org/paper/Outsourcing-to-Online-Food-Delivery-Services%3A-of-See-Kwong-Soo-Ryue/8e0382e30d8effaf37c303852b51d0ea58d226c4
  » https://www.semanticscholar.org/paper/Outsourcing-to-Online-Food-Delivery-Services%3A-of-See-Kwong-Soo-Ryue/8e0382e30d8effaf37c303852b51d0ea58d226c4
• Sharma, P. (2022). Food delivery apps must give nutrition info: FSSAI. Mint Retrieved August 19, 2022, from Retrieved August 19, 2022, from https://www.livemint.com/companies/news/food-delivery-apps-must-give-nutrition-info-fssai-11655315884946.html
  » https://www.livemint.com/companies/news/food-delivery-apps-must-give-nutrition-info-fssai-11655315884946.html
• Tran, V. D. (2021). Using mobile food delivery applications during the covid‐19 pandemic: Applying the theory of planned behavior to examine continuance behavior. Sustainability, 13(21), 12066. https://doi.org/10.3390/su132112066
  » https://doi.org/10.3390/su132112066
• Tucker, L. R., & Lewis, C. (1973). A reliability coefficient for maximum likelihood factor analysis. Psychometrika, 38(1), 1-10. https://doi.org/10.1007/BF02291170
  » https://doi.org/10.1007/BF02291170
• Vinaik, A., Goel, R., Sahai, S., & Garg, V. (2019). The Study of Interest of Consumers In Mobile Food Ordering Apps. International Journal of Recent Technology and Engineering (IJRTE), 8(1), 2277-3878.
• Zhao, Y., & Bacao, F. (2020). What factors determining customer continuingly using food delivery apps during 2019 novel coronavirus pandemic period? International Journal of Hospitality Management, 91, 102683. https://doi.org/10.1016/J.IJHM.2020.102683
  » https://doi.org/10.1016/J.IJHM.2020.102683

Editado por

EDITOR-CHEFE

Talles Vianna Brugni https://orcid.org/0000-0002-9025-9440

EDITOR ASSOCIADO

Emerson Mainardes https://orcid.org/0000-0003-2525-275X

Datas de Publicação

• Publicação nesta coleção
  13 Nov 2023
• Data do Fascículo
  Nov-Dec 2023

Histórico

• Recebido
  13 Set 2022
• Revisado
  16 Nov 2022
• Aceito
  12 Dez 2022
• Publicado
  30 Out 2023