Pregled literature

Tehnološki napredak je doveo do značajnih poboljšanja u skoro svim oblastima čovekovog života i rada, a informacione tehnologije nude brojne načine za poboljšanje performansi određenog sistema (Peypoch et al, 2021). Teorija prihvatanja tehnologije (TAM) je jedna od najuticajnijih teorija koja nastoji da objasni i predvidi prihvatanja informacionih sistema od strane korisnika (Lee et al, 2003). Ova teorija (TAM) se široko koristi za razvoj pretpostavki o tome koji faktori utiču na namere potrošača da koriste nove tehnologije (Ashokkumar & Nagarajan, 2021). TAM se u proteklim decenijama često smatrala glavnim istraživačkim tokom prilikom istraživanja determinanti ponašanja, prihvatanja i korišćenja informacionih sistema (IS). Teorija razumnog delovanja (TRA), je teorija koja ima za cilj da, bliže opiše na koji način potrošač dolazi do određenog kupovnog ponašanja. Prema prethodno navedenoj teoriji namere potrošača se predviđaju putem njihovih stavova (Ajzen,1985; Ajzen & Fishbein, 2005). Ova teorija je kreirana kako bi se izbegli nedostaci zastarelih načina istraživanja ponašanja potrošača, koje pružaju slabe veze između stavova prema objektima merenja i karakteristikama ponašanja (Hale et al., 2002). Prema TRA, stav je u velikoj meri zasnovan na ličnim uverenjima, a TAM predviđa uočenu korisnost i lakoću korišćenja novih tehnologija od strane potrošača (Davids, 1989; Wen et al, 2021). TRA teorija koristi se za predviđanje različitih ponašanja koja obuhvataju finansije, marketing, kupovinu, zdravlje itd. Prema tome, teorija razumnog delovanja je sklona da se koristi u okviru istraživanja u vezi sa onlajn kupovinom. Postojeća naučna literature posvećena ponašanju potrošača na internetu uglavnom je imala za cilj da utvrdi kako potrošači usvajaju i praktikuju kupovinu na internetu (Ashokkumar & Nagarajan, 2021). Stavovi korisnika o novim tehnologijama ili sistemima utiču na namere prema korišćenju tehnologija (Pitchay et al, 2021). Sa tim u vezi, ranija istraživanja su pokazala da je namera, onlajn kupovine, u velikoj meri zasnovana na prihvatanju stavova o kupovini na internetu (Jason & Siti Aishah, 2021; Ajzen,1985; Ajzen & Fishbein, 2005). Tehnološke determinante imaju statistički značajan uticaj na potrošače prilikom donošenja odluka o kupovini (Altarifi et al., 20215). Prema Lutz (1991), prvo je neophodno identifikovati ponašanje potrošača prilikom kupovine, pri čemu je od izuzetne važnosti izmeriti stav osobe u ostvarivanju tog ponašanja, umesto samo celokupnog stava prema objektu oko kojeg se kupovno ponašanje nalazi. Na primer, iako je stav pojedinca prema onlajn kupovini pozitivan, ipak pojedinac možda nikada neće kupovati onlajn.

U onlajn kupovini, uočena korisnost znači da kupac smatra da je veb-lokacija veoma efikasna za kupovinu, korisnost utiče na namere i stavove potrošača prema kupovini na internetu (Saleem et al, 2022). Ranije sprovedeno istraživanje pokazalo je da lakoća korišćenja, uočena korisnost i kvalitet veb-sajta utiče na ponašanje kupaca prilikom onlajn kupovine, dok je uticaj percipitanog rizika oslabljen (Baidoun and Salem, 2023). Prema Miyazaki i Fernandez (2001), percepcija rizika u vezi sa privatnosti i bezbednosti na internetu identifikovane su kao problemi za nove i iskusne korisnike internet tehnologije. Iz perspektive kupaca, percepcija sigurnosti je suštinski atribut kupovine na internetu, jer e-trgovina zahteva deljenje osetljivih i rizičnih informacija kao što su podaci o kreditnoj kartici za kupovinu robe ili usluga (Ladhari, 2009). Kada se kupac oseća sigurno u kupovini na internetu, povećava se njegova namera i stavovi prema onlajn kupovini (Saleem et al, 2022). Teorija prihvatanja tehnologije ispituje ponašanje ljudi u pogledu prihvatanja informacione tehnologije i odnosi se na nekoliko važnih faktora, koji su osnovne karakteristike korišćenja informacionih tehnologija, a to su percipirana korisnost, percipirana lakoća korišćenja, lična inovativnost. S obzirom na to da kupovina na internetu od potrošača zahteva deljenje ličnih podatka kao što su kućna adresa, bankovna kartica i brojevi mobilnog telefona, svest o bezbednosti se smatra izuzetno bitnim faktorom (Saleem et al, 2022). Istraživanje je pokazalo da sigurnost prilikom onlajn kupovine statistički značajno utiče na zainteresovanost za korišćenje aplikacije m-trgovine (Sampe et al, 2022). Autor Al-Smadi, (2004) u svom istraživanju je primetio veliku zabrinutost ispitanika za bezbednost i sigurnost kada je reč o onlajn trgovini. Sa tim u vezi, u ranijem istraživanju se pokazalo da se poteškoće prilikom onlajn kupovine osete kod prodavaca koji u svojim veb prodavnicama nemaju sistem sigurnog načina plaćanja (Marwa, 2002). Poverenje i sigurnost su među najvažnijim determinantama za potrošače (Driediger & Bhatiasevi, 2019; Jun et al., 2021; Wu, Lu i Huang, 2022). U naučnoj literaturi potvrđeno je da poverenje ima pozitivan značajan uticaj na e-trgovinu (Gefen, 2000; McKnight et al., 2002; Bhattacherjee, 2001; Gefen et al., 2003). U okviru „Onlajn B2C percipiranog modela poverenja“ koji su razvili Corbitt et al. (2003), u svom istraživanju pod nazivom „Poverenje i e-trgovina“, utvrđeno je da percipirano poverenje ima pozitivne odnose sa veb iskustvom, tržišnom orijentacijom korisnika i tehnološkom pouzdanosti. Njihova hipoteza „poverenje je u pozitivnoj vezi sa participacijom u e-trgovini“, je potvrđena. Drugi autori su takođe potvrdili da postoji pozitivna veza između poverenja i e-trgovine (Corbitt et al., 2003; Gefen et al., 2003; Pavlou, 2003; Benbasat & Wang, 2005; Wu & Chen, 2005). U ranijem istraživanju potvrđeno je da poverenje pozitivno utiče na stavove prema e-kupovini. (Çelik & Yilmaz, 2011). Ha i Stoel (2009) su statistički potvrdili da percipirano poverenje ima pozitivan uticaj na percipiranu lakoću upotrebe i stav.

Lična inovativnost opisuje ponašanje potrošača koji pokazuju spremnost za usvajanje novih tehnologija i koji pridaju veliku pažnju primeni te spremnosti sa odgovarajućim kognitivnim stavovima (Cheong & Park, 2005). Inovativnost je razmatrana kao konstrukt ličnosti u smislu ponašanja potrošača. To znači da je inovativnost u velikoj meri zasnovana na iskustvima pojedinaca i usvajanjem novih znanja – što se može odnositi na tehnologiju, način života, stav ili nameru (Chao et al, 2012). Namere potrošača da se uključe u onlajn transakcije su značajni prediktori njihovog stvarnog učešća u transakcijama e-trgovine (Kim et al., 2008).

Na pokretače e-trgovine utiče kvalitet usluge e-trgovine (Rehman et al, 2022). Potvrđeno je da lakoća korišćenja objašnjava uočenu korisnost (Gefen & Straub, 2000; Hassanein & Head, 2007) Odnos između lakoće korišćenja, stavova i namera nije statistički značajan u radu autora Hassanein i Head (2007). U marketinškim procesima, veoma različiti koncepti mogu se opisati statističkom zavisnošću (Prdić, 2017). Rad autora Saleem i saradnika (2022), poslužiće kao konceptualni okvir.

Slika 1. Prikaz istraživačkog modela

U skladu sa tim modelom postavljeno je 10 hipoteza. One glase: H1a: Sigurnost utiče na nameru prema onlajn kupovini.

H1b: Lična inovativnost utiče na nameru prema onlajn kupovini. H1c: Precipirana lakoća korišćenja utiče na nameru prema onlajn kupovini.

H1d: Odnos prema onlajn kupovini utiče na nameru prema onlajn

kupovini.

H2a: Sigurnost utiče na odnos prema onlajn kupovini.

H2b: Lična inovativnost utiče na odnos prema onlajn kupovini.

H2c: Percipirana lakoća korišćenja utiče na odnos prema onlajn

kupovini.

H3a: Sigurnost indirektno utičen na nameru prema onlajn kupovini. H3b: Lična inovativnost indirektno utičen na nameru prema onlajn kupovini.

H3c: Percipirana lakoća korišćenja indirektno utičen na nameru

prema onlajn kupovini.

Metodologija

Početkom februara meseca 2023. godine, sprovedeno je istraživanje prihvatanje onlajn kupovine u Republici Srbiji. Anketiranje je izvršeno u periodu od februara do maja meseca. Uzorak je prigodan i čini ga 303 ispitanika sa teritorije Republike Srbije. Instrument za prikupljanje podataka korišćen je strukturisan elektronski anketni upitnik. Prikupljanje ispitanika obavljeno je putem različitih komunikacionih kanala i društvenih mreža. Struktura upitnika prikazana je u tabeli 1. I tabeli 2. Za jednostavno popunjavanje upitnika korišćen je alat Google Forms. Prilikom merenja komponenti sigurnosti, lične inovativnosti, percipirane lakoće korišćenja, odnosa prema onlajn kupovini i namere za obavljanje onlajn kupovine korišćene su stavke prikazane u (Tabela 2.). Svaka stavka je ocenjivana na Likertovoj od 1 do 5 gde je 1- u potpunosti se ne slažem, dok je 5- u potpunosti se slažem. Za analizu podataka, koji se odnose na komponente sigurnosti, lične inovativnosti, percipirane lakoće korišćenja, odnosa prema onlajn kupovini i namera za obavljanje onlajn kupovine, prikupljenih putem anketnog upitnika korišćen je statistički softver SmartPLS 3.0. Tokom testiranja modela korišćene su preporuke više autora (Hair et al., 2011; Grubor i Milićević, 2019).

Prilikom analize socio-demografskih karakteristika 22,1% ispitanika čine muškarci, dok 77,9% čine ispitanici ženskog pola. Prosečna starost ispitanika je nešto više od 23,5 godina, Više od polovine 67% ispitanika ima završen fakultet ili visoku školu.

Tabela 1. Opis uzorka

Tabela 2. Indikatori za merenje konstrukata

Na pitanje šta najčešće kupujete preko interneta 43,9% ispitanika odgovorilo je da kupuje hranu iz restorana, 42,9% garderobu, 5,9% turističke usluge, 5,3% karte za prevoz i 2% ispitanika kupuje namirnice iz supermarketa.

Slika 2. Grafički prikaz odgovora iz upitnika na pitanje ,,Šta najčešće kupujete onlajn”

Strukturalni model kojim su obuhvaćeni pomenuti konstrukti prikazan je na slici 3. Kako su sve komponente sigurnosti, lične inovativnosti, percipirane lakoće korišćenja, odnosa prema onlajn kupovini i namera za obavljanje onlajn kupovine predstavljene kao reflektivni konstrukti izvršena su testiranja putem merenja pouzdanosti indikatora (pokazatelja opterećenja; Оuter Loadings). Svaki indikator bi trebalo biti jednak ili veći od 0,7. Testiranje interne konzistentnosti i konvergentne validnosti vrši se merenjem vrednosti kompozitne pouzdanosti (Composite Reliability) za svaki konstrukt, gde bi vrednost trebala biti veća od 0,7. Vrednost izdvojene varijanse (Average Variance Extracted - AVE) za svaki konstrukt bi trebala biti veća od 0,5. Diskriminantna validnosti proverena je putem HTMT (Heterotrait-Monotrait) odnosa korelacija. Analiza multikolinerarnosti testirana je putem faktora inflacije varijanse (engl. Variance Inflation Factor - VIF) za svaki indikator bi trebala da bude manja od 5, ali ne manja od 0,2. Multikolinearnost je problem koji se javlja kod regresione analize kada postoji visoka korelacija barem jedne nezavisne varijable sa drugim  nezavisnim  varijablama.  (Hair  et  al.,  2011;  Grubor  i Milićević, 2019).

Slika 3. Prikaz strukturalnog modela latentnih konstrukata

Rezultati istraživanja

U skladu sa ranije predstavljenim kriterijumima za procenu rezultata strukturalnih modela, a shodno činjenici da je u istraživanju korišćen strukturalni model latentnih promenljivih, u nastavku će biti testirani konstrukti modela merenjem: pouzdanosti indikatora, interne konzistentnosti, konvergentne validnosti, te diskriminante validnosti latentnih konstrukata kao i analiza multikolinearnosti.

Tabela 3. Pokazatelji opterećenja (Outer Loadings) strukturalnog modela

Izvor: proračun autora.

U tabeli 3. predstavljene su vrednosti (Outer Loadings) pokazatelja opterećenja za komponetne sigurnosti, lične inovativnosti, percipirane lakoće korišćenja, odnosa prema onlajn kupovini i namere za obavljanje onlajn kupovine. Pojedini autori (Hair et al., 2011; Grubor i Milićević, 2019) navode da bi pomenuti kriterijum trebalo da bude jednak ili veći od 0,7. Međutim, indikatori PAS4, PEU1 i PI3 njegova vrednost iznosi 0,200; 0,658; 0,679 respektivno. Kriterijum za pouzdanost je snižen na 0,6, to je učinjeno u skladu istraživanjem autora Bagozzi i Yi (1988). Zbog snižavanja kriterijuma pokazatelja opterećenja indikatori PEU1 i PI3 su zadržani budući da se za minimalni nivo kriterijuma može koristiti vrednost 0,6. Međutim, indikator PAS4 ne ispunjava referentni okvir, te iz tog razloga mora biti isključen iz analize, a model mora biti korigovan i podvrgnut ponovnom testiranju pokazatelja opterećenja bez pomenutog indikatora.

Slika 4. Prikaz strukturalnog modela latentnih konstrukata nakon korekcija

 Tabela 4. Pokazatelji opterećenja (Outer Loadings) strukturalnog modela nakon korekcija

Izvor: proračun autora.

Nakon testiranja pouzdanosti indikatora latentnih konstrukata, sledi testiranje interne konzistentnosti konstrukata pomoću pokazatelja kompozitne pouzdanosti (Compostite Reliability), i testiranje konvergentne validnosti konstrukata pomoću pokazatelj prosečne vrednosti izdvojene varijanse (Average Variance Extracted - AVE).

Tabela 5. Merenje interne konzistenstnosti i konvergentne validnosti latentnih konstrukata (Construct Reliability and Validity)

Izvor: proračun autora.

Prema rezultatima prikazanim u tabeli 5., svi konstrukti ispunjavaju kriterijume interne konzistentnosti (CR za svaki konstrukt je veći od 0,7) i konvergentne validnosti (AVE za svaki konstrukt veće od 0,5). Nakon testiranja interne konzistentnosti i konvergentne validnosti konstrukata sledi ispitivanje jedinstvenosti svakog latentnog konstrukta u odnosu na ostale latentne konstrukte u strukturnom modelu putem provere diskriminantne validnosti.

Tabela 6. Merenje diskriminantne validnosti latentnih konstrukata modela (Discriminant Validity) - „HTMT“ kriterijum

Izvor: proračun autora.

Za tu svrhu primenjen je „HTMT“ kriterijum. Kao što je prikazano u tabeli 6. sve HTMT vrednosti su niže od 0,85 što ukazuje da ne postoji problem diskriminantne validnosti. U tabeli 7. prikazane su VIF vrednosti. Kako je ona kod svih konstrukta manja od 5, može se zaključiti da ne postoji problem multikolinearnosti. U cilju testiranja hipoteza analizirana je statistička značajnost koeficijenata puta („Path Coefficients“) pomoću „Bootstrapping“ postupka. Koeficijenti puta i prateće p- vrednosti su prikazane u tabeli 8.

Tabela 7. Merenje faktora inflacije varijanse (Variance Inflation Factor - VIF)

Izvor: proračun autora.

U metodološkom okviru postavljeno je 10 hipoteza. Od 10 postavljenih hipoteza sedam je prihvaćeno, hipoteze koje su prihvaćene su H1b; H1c; H1d; H2b; H2c; H3b; H3c njihova p- vrednost se nalazi u referentnom okviru te su iz tog razloga prihvaćene. Tri hipoteze nisu prihvaćene to su hipoteze H1a; H2a; H3a; sve tri hipoteze imaju p- vrednost koja ne ispunjava referentni okvir zbog toga one ne mogu biti prihvaćene.

Tabela 8. Testiranje hipoteza

Izvor: proračun autora.

Diskusija i zaključna razmatranja

Istraživanje je pokazalo da lična inovativnost, percipirana lakoća kupovine imaju značajne direktne i indirektne efekte (efekte medijacije) na nameru o kupovini. Ovi rezultati pokazuju da ispitanici u Republici Srbiji uvažavaju prednosti onlajn kupovine. Istraživanje je pokazalo motive potrošača, stavove i namere prema onlajn kupovini. Sa razvojem tehnologije, tradicionalni način kupovine ,,in-store” postaje manje atraktivan kupcima. Ovo istraživanje ima izuzetno važne implikacije na post Covid teoriju onlajn trgovine u Republici Srbiji. U istraživanju nije potvrđen direktan i moderirajuć efekat sigurnosti onlajn kupovine, pretpostavke za to su što prosečan kupac u Republici Srbiji prilikom kupovine nije svestan opasnosti zloupotrebe podataka, u vidu krađe, preprodaje i tome slično. Iako je u svetskoj naučnoj literature uočen problem sigurnosti zaštite ličnih podataka (Al- Smadi, 2004).

Ovo istraživanje doprinosi i proširuje postojeću akademsku literature koja proučava onlajn kupovinu, sa posebnim osvrtom na faktore koji utiču na nameru o kupovini (direktnih efekata) i odnos srpskih potrošača prema internet kupovini (indirektnih efekata). Današnje organizacije moraju da prate trendove i zahteve potrošača na tržištu, što znači da moraju da koriste moderne tehnologije i prihvate sistem onlajn kupovine kao sastavni deo poslovanja. Istraživanje je pokazalo da su srpski potrošači generalno zadovoljni onlajn kupovinom u Republici Srbiji. Ovo istraživanje  ima  određena  ograničenja,  uzorak  na  kom  je sprovedeno istraživanje ne oslikava u potpunosti tržište Republike Srbije, kada je reč o prihvatanju onlajn kupovine trebalo bi ispitati navike pretraživanja interneta, polne razlike, internet reklame, onlajn. Pored toga neophodno je utvrditi koliko je Covid kriza doprinela ubrzanom prihvatanju onlajn kupovine u Republici Srbiji. Takođe, u ovom istraživanju date su kategorije proizovoda koje kupci najčešće kupuju. Sa tim u vezi, naredna istraživanja bi trebala da ispitaju koje platforme za onlajn kupovinu su postale vodeće za svaku od navedenih kategorija proizvoda i istražiti koliko su zapravo onlajn prodavci koji plasiraju robu na tržište Republike Srbije zaista prihvatili i implementirali e-način poslovanja, u kojim kategorijama proizvoda e-trgovina zaista ima bolje rezultate u odnosu na tradicionalan ,,in-store” način poslovanja.