1 INTRODUÇÃO

O comércio eletrônico brasileiro se expandiu rapidamente, apresentando índices de volume de pedidos e financeiro cada vez maiores, como é visto nos relatórios da E-bit^[1], conhecidos como Webshoppers^[2]. E o destaque atualmente se deve ao comércio eletrônico móvel (m-commerce), o qual não só permite transações comerciais por meio da internet sem fio através de tablets e smartphones, como traz o benefício da praticidade destes equipamentos.

Em 2018 foi registrado no Brasil um faturamento de 16,7 bilhões de reais com m-commerce. Além disso, comparado com o ano de 2017, foi apontado um crescimento de 41% no volume de pedidos via dispositivos móveis[3] (E-bit, 2019). Empresas que usam a internet móvel têm uma vantagem competitiva na criação de oportunidades de negócios no mercado. No Brasil, muitas empresas de compras domésticas e shopping centers da internet estão expandindo seus serviços para plataformas móveis. Nesse contexto de expansão do comércio eletrônico móvel, o ramo de Moda e Acessórios surge com a maior representatividade no que diz respeito ao volume de pedidos em m-commerce desde 2013 até 2018 (E-bit, 2019). Além disso, os relatórios do E-bit mostram que o segmento da moda ficou em 6° lugar no ranking de volume financeiro do comércio eletrônico, representando 6,8% da arrecadação deste tipo de comércio on-line.

Apesar da relevância do segmento de Moda e Acessórios quando o assunto é comércio eletrônico, dados do relatório E-commerce Radar, da empresa Atlas, levantados em 2017, mostram que, nas lojas virtuais, o setor de vestuário e calçados apresenta uma taxa de abandono de carrinho de 82,9% (Atlas, 2017). A taxa de abandono de carrinho é o indicador que representa a quantidade de pedidos efetivos em comparação com a quantidade de clientes que adicionaram produtos no “carrinho” de compra na loja virtual. Sendo assim, entender os fatores que evitariam a alta taxa de abandono é um fator fundamental para compreender melhor o segmento da moda no comércio eletrônico ligado aos dispositivos móveis.

Feita uma investigação do assunto de interesse através de uma busca sistemática do tema moda e comércio eletrônico móvel, nas bases de dados SCOPUS., WEB OF SCIENCE. e EBSCO., fica clara a existência de uma lacuna metodológica, uma vez que há um número razoável de estudos (Kim, Ferrin & Rao, 2008; Ko et al., 2009; Kim, Ma & Park, 2009; Park, Kim & Forney, 2006) que relacionam estes conceitos. Porém, ao refinar a busca na área de m-commerce de moda, focando na Teoria Unificada de Aceitação e Utilização de Tecnologia (UTAUT) e na dimensão de Satisfação, novidade deste estudo, nenhum artigo foi publicado. Portanto, é evidenciada a carência de pesquisas que englobem m-commerce de moda, impacto de dimensões novas sobre este ramo, como a satisfação, que utilizem a teoria UTAUT como base teórica. Há uma necessidade de a área do comércio eletrônico ser explorada, levando em consideração as particularidades impostas. A proposta de adição da dimensão de Satisfação percebida à teoria UTAUT surge como uma contribuição relevante, ao indicar o acréscimo de um elemento já conhecido no meio da Tecnologia da Informação e Comunicação (TIC), porém, aqui analisada em um ramo específico e influente do comércio eletrônico no Brasil, a moda.

Visando contribuir na geração de evidências sobre a relação entre os usuários do mercado da moda e o comércio eletrônico móvel, busca-se entender quais os fatores perceptivos que impactam na intenção de uso do m-commerce de moda. O objetivo principal desta pesquisa é explorar as dimensões da percepção dos usuários sobre o comércio eletrônico móvel de artigos de moda. Este objetivo é formalizado na seguinte questão: Quais as dimensões da percepção dos usuários sobre o m-commerce de moda?

Vale ressaltar que, conforme afirmam Kotler e Keller (2006), o consumidor passa por um processo psicológico, formado por distintas etapas que influenciam suas decisões, que vão desde o reconhecimento de necessidades, busca e avaliação de alternativas, à utilização em si das ferramentas tecnológicas. Nesse contexto, além das dimensões que compõe o modelo UTAUT, a satisfação mostrou-se um antecedente importante para o uso de tecnologias da informação (Hoffman, Novak & Duhachek, 2003) e da internet móvel (Lee, Sin, Kim & Kong, 2002). Representando um benefício afetivo e intrínseco (Kim, Chan & Gupta, 2007), a satisfação percebida é entendida como a extensão em que a atividade de usar a tecnologia é vista como interessante e agradável.

Na busca por melhorias no gerenciamento de estratégias mercadológicas, os profissionais de marketing estão dando uma atenção especial à compreensão de fatores críticos que levam a intenções individuais de adoção do m-commerce (Hinman, 2012). Entender quais os elementos decisivos para captar e reter clientes no ambiente da webé um dos maiores desafios para lojas virtuais, independente do segmento de mercado. Sendo assim, para a análise das dimensões da percepção dos usuários em relação à intenção de uso m-commerce de moda, a teoria UTAUT surge como uma ferramenta robusta e recorrente, a qual vem sendo utilizada por estudos atuais na área de TICs (Souza, 2016; Dulle & Minishi-Majanja, 2011; Sim et al., 2018). Criado por Venkatesh, Morris, Davis & Davis (2003) o modelo estrutural da UTAUT busca analisar o impacto de dimensões da percepção dos usuários sobre a intenção de uso de determinada tecnologia, descrevendo melhor os grupos de diferenças comportamentais das pessoas (Dulle & Minishi-Majanja, 2011).

A seção a seguir trata da revisão de literatura, pautada no comércio eletrônico móvel de moda, além da teoria UTAUT e das dimensões perceptivas utilizadas. Em seguida, apresentam-se a metodologia utilizada, a análises dos resultados e, por fim, as considerações finais da pesquisa.

2 REVISÃO TEÓRICA

Esta seção abrange uma breve revisão dos diferentes temas abordados neste artigo. Os temas são: m-commerce de artigos de moda e dimensões da percepção do usuário sobre m-commerce de moda.

2.1 M-COMMERCE DE MODA

Os serviços de comércio eletrônico móvel podem ser acessados em trânsito por meio de dispositivos móveis, smartphones e tablets, acentuando modalidades especificas, como apresentação, processamento e interação no varejo (Ngai et al., 2011). Dependendo das características dos dispositivos móveis em questão, uma série de funções sem precedentes podem ser fornecidas, incluindo detecção de localização do usuário, acesso ao microfone, câmera, dentre outros, gerando novos recursos e criando categorias de serviço totalmente novas (Ngai et al., 2011). Siau, Lin e Chen (2001) afirmam que o m-commerce, devido às características inerentes aos dispositivos móveis e redes sem fio, opera num ambiente propício ao desenvolvimento mercadológico.

No que diz respeito ao ramo da moda em comércio eletrônico móvel, ele surge como um dos mais lucrativos e maiores geradores de pedidos. No primeiro semestre de 2019, o ramo da Moda e Acessórios e o ramo de Perfumaria e Cosméticos apareceram juntos como os setores de maior influência no comércio eletrônico em relação a quantidade de pedidos (E-bit, 2019). Entretanto, o segmento da moda permaneceu no topo do ranking de volume de pedidos em comércio eletrônico desde 2013 até 2017, conforme os relatórios do E-bit para os anos em questão, consolidando-se assim como um ramo influente no âmbito digital.

Além disso, o ramo da moda vem mostrando taxas crescentes de participação no volume de vendas do comércio eletrônico (E-bit, 2019). Conforme os relatórios Webshoppers, no primeiro semestre de 2019, o segmento de Moda e Acessórios possuiu uma significativa participação de 18% no volume de pedidos do comércio eletrônico brasileiro. Além de que o setor representou 5,6% da arrecadação financeira total deste tipo de comércio on-line, no ano de 2018 (E-bit, 2019). O setor da moda aparece como o mais procurado em sites internacionais, representando 36% de todas as compras feitas no exterior em 2018. A pesquisa enfatiza que o segmento da moda é um dos cinco setores mais influentes no m-commerce brasileiro, visto que obteve uma variação de 59% no volume de pedidos registrados, comprando o ano de 2017 com 2018 (E-bit, 2019).

Em um contexto de compras de artigos de moda via dispositivos móveis, a satisfação percebida pelos usuários surge como um ponto de grande relevância na sua decisão de utilizar a tecnologia à sua disposição. Indivíduos que experimentam prazer imediato, alegria ao usar uma tecnologia ou percebem qualquer atividade como sendo pessoalmente agradável são mais propensos a adotar a tecnologia e usá-la mais intensivamente do que outros (Davis, Bagozzi & Warshaw, 1992). A satisfação refere-se ao grau em que a atividade de usar um produto é percebida como agradável por si só, além de quaisquer consequências de desempenho que possam ser antecipadas (Davis, Bagozzi & Warshaw, 1992), representando, portanto, um benefício afetivo e intrínseco. Pesquisas também mostraram que o componente de vantagens recebidas compreende a satisfação percebida pelos usuários, além da utilidade percebida por eles (Sweeney & Soutar, 2001). Sweeney e Soutar (2001) afirmam que a satisfação e a diversão têm um efeito positivo significativo na aceitação da tecnologia, além de sua utilidade.

Sendo assim, buscou-se neste estudo explorar, além das dimensões já conhecidas da UTAUT de expectativa de desempenho e expectativa de esforço, a dimensão de satisfação percebida, dado a sua importância no contexto das TICs. O item a seguir traz uma maior explanação do assunto.

2.2 DIMENSÕES DA PERCEPÇÃO DO USUÁRIO

O estudo aqui exposto propõe-se a explorar as dimensões da percepção do usuário de m-commerce de moda, exclusivamente, ou seja, o estudo focou-se nas variáveis independentes do modelo da Teoria Unificada de Aceitação e Utilização de Tecnologia (UTAUT). Devido à existência de diversos modelos para analisar a aceitação de tecnologia da informação, da dificuldade em escolher o modelo mais adequado para aplicação nas pesquisas e da falta de validação empírica dos modelos existentes, Venkatesh, Morris, Davis & Davis (2003) elaboraram a teoria UTAUT, a qual indica um modelo que considera oito teorias diferentes. Sua estrutura é composta por variáveis independentes: expectativa de esforço, expectativa de desempenho, influência social e condições facilitadoras, além das variáveis dependentes: intenção de uso e comportamento de uso. O modelo também introduz uma série de fatores moderadores os quais se relacionam com as dimensões do modelo: idade, experiência, gênero e voluntariedade. Esses fatores moderadores são conhecidos por descrever melhor os grupos de diferenças comportamentais das pessoas (Dulle & Minishi-Majanja, 2011). Venkatesh, Morris, Davis & Davis (2003) realizaram estudos empíricos para validar as dimensões do modelo e confirmaram a existência de determinantes diretos na intenção de uso e no comportamento de uso, além de afirmarem que o modelo possui uma explicação de 70% da variância da intenção de uso, consolidando-se como uma ferramenta muito robusta para a avaliação da probabilidade de sucesso de uma determinada tecnologia.

Em relação às dimensões perceptivas aqui propostas ligadas a m-commerce de moda, argumenta-se, por meio da estrutura UTAUT, que os fatores que envolvem a expectativa de esforço do usuário e expectativa de desempenho afetam de maneira marcante a aceitação dos usuários em relação à tecnologia da informação (Dulle & Minishi-Majanja, 2011). Devido ao fato de o modelo considerar várias teorias diferentes, essas duas dimensões não são consideradas novas ou diferentes, mas sim adaptadas de fatores externos. As dimensões analisadas neste estudo, provenientes da UTAUT, são a Expectativa de Desempenho, já reconhecida como análoga à utilidade percebida do Modelo de Aceitação de Tecnologia (TAM) (Davis, 1989) e ao avanço relativo da Teoria de Difusão da Inovação (IDT) (Rogers, 1995), e a Expectativa de Esforço coerente com a facilidade de uso percebida pela TAM e a complexidade da IDT.

Contudo, para implementar o modelo UTAUT em diferentes circunstâncias de aplicação de tecnologia de informação, como o m-commerce, diversas mudanças e revisões precisam ser realizadas, como destacado por Venkatesh, Morris, Davis e Davis (2003). Além disso, como afirmado por Van der Heijden (2004), vários fatores comportamentais de adoção podem resultar de diferentes usos dos sistemas de informação. Com isso observado, propomos adaptar o modelo UTAUT, com a inserção da dimensão de Satisfação Percebida, uma dimensão perceptiva já conhecida no ramo da Tecnologia da Informação, porém, aqui analisada em um contexto novo, pautado em um ramo específico e influente no âmbito de comércio eletrônico móvel, a moda.

Segundo Sweeney e Soutar (2001), a Satisfação Percebida foi o mais importante fator de intenção comportamental na compra de produtos. Além de que, a satisfação provou ser um antecedente importante para o uso de tecnologia como a Internet (Hoffman, Novak & Duhachek, 2003; Sánchez-Franco & Roldán, 2005) e a Internet móvel (Davis, Bagozzi & Warshaw, 1992; Lee, Sin, Kim & Kong, 2002; Nysveen, Pedersen & Thorbjørnsen, 2005). As características das dimensões utilizadas nesta pesquisa são descritas a seguir.

a) Expectativa de Desempenho: conhecida por revelar uma melhoria de desempenho quando os usuários implementam uma nova tecnologia (Venkatesh, Morris, Davis & Davis, 2003). Além disso, é um fator chave na explicação do comportamento do consumidor em pesquisas de implementação de m-commerce (Hong, Thong, Moon & Tam, 2008). Davis (1989) argumenta que a utilidade geral percebida de um sistema pode ser explicada como o grau em que as pessoas acreditam que a nova utilização da tecnologia melhorará o desempenho geral de uma determinada tarefa. Posteriormente, tem havido muita pesquisa realizada no campo de Sistemas de Informação e m-commerce, que fornece suporte para a importância da utilidade percebida na intenção de adoção ou utilização (Davis, 1989; Kim, Ma & Park, 2009). Tal dimensão examina e analisa as características extrínsecas do m-commerce, e destaca ainda a maneira pela qual o comércio móvel é capaz de facilitar a capacidade dos usuários de atingir metas e objetivos relacionados à tarefa, incluindo eficiência e eficácia (Wei, Marthandan, Chong, Ooi & Arumugam, 2009).

b) Expectativa de Esforço:Venkatesh, Morris, Davis e Davis (2003) veem esta dimensão como o grau de facilidade associado ao uso do sistema, sendo semelhante ao fator de facilidade de uso percebido no TAM. De acordo com (Davis, 1989), a facilidade de uso percebida no contexto de um sistema é a medida em que um indivíduo acredita que a utilização de uma tecnologia específica será livre de esforço. Nesse sentido, a facilidade de uso percebida tem sido englobada como um aspecto fundamental na implementação do m-commerce (Wei, Marthandan, Chong, Ooi & Arumugam, 2009). Além disso, se a tecnologia m-commerce for considerada fácil de usar, os indivíduos com essa crença terão atitudes positivas em relação à utilização do comércio virtual, porque os serviços em dispositivos móveis podem ser vistos como complicados e tediosos devido às várias restrições físicas associadas ao m-commerce, tais como dificuldades de entrada de informações ou a tela pequena (Wei, Marthandan, Chong, Ooi & Arumugam, 2009).

c) Satisfação Percebida: A satisfação provou ser um antecedente importante para o uso de tecnologia como a internet (Davis, Bagozzi & Warshaw, 1992; Hoffman, Novak & Duhachek, 2003) e a internet móvel (Lee, Sin, Kim & Kong ,2002). Representando um benefício afetivo e intrínseco (Kim, Chan & Gupta, 2007), a satisfação percebida é definida como a extensão em que a atividade de usar a tecnologia é vista como agradável. Kim, Chan e Gupta (2007) sugerem que o benefício intrínseco (por exemplo, satisfação) aumentou o valor percebido, o qual estimulou as intenções de adoção. Para os consumidores, os benefícios afetivos para atender às suas necessidades emocionais ou intrínsecas de produto ou serviço são fundamentais para a criação de valor no comércio móvel (Kim, Chan & Gupta, 2007). Segundo Sweeney e Soutar (2001), o valor emocional foi o mais importante fator de intenção comportamental para comprar produtos ou serviços no ambiente de varejo. E Gupta, Hock Chuan & Hee-Woong (2007) também encontraram evidências de que a percepção de fato afeta a intenção de uso o comércio eletrônico móvel.

3 MÉTODO

Com base na literatura, este estudo buscou explorar as dimensões da percepção dos usuários sobre o comércio eletrônico móvel de artigos de moda. A seguir serão expostos o instrumento da pesquisa, a população e a amostra e, por fim, discutidas as técnicas de coleta e análise dos dados.

3.1 CRIAÇÃO DO INTRUMENTO

No que diz respeito ao enquadramento metodológico do trabalho, trata-se de uma pesquisa de natureza aplicada, onde os objetivos da pesquisa são descritivos e o problema foi abordado de forma quantitativa. Quanto ao tipo de dados, fez-se uso somente de dados primários, e como procedimento técnico para a coleta de dados foi utilizado o levantamento. Sendo assim, foi elaborado um questionário, o qual encontra-se no Apêndice A deste estudo, com 26 questões. Neste, 15 itens eram com escala Likertde cinco pontos (discordo totalmente, discordo, não concordo nem discordo, concordo e, concordo totalmente); e 6 itens eram referentes a características pessoais dos respondentes. Tais itens visavam avaliar o perfil dos respondentes, bem como suas percepções em relação a m-commerce de artigos de moda. Além disso, no questionário aplicado não houve uma separação entre compras feitas por aplicativos ou websites, nos dispositivos móveis.

Antes de dar início à coleta dos dados, o questionário foi apresentado a 2 especialistas em Administração, aptos a dar um parecer técnico na aplicação e construção de questionários. Em seguida, foi aplicado um pré-teste, de forma presencial, a 5 indivíduos, na cidade de Florianópolis, envolvendo respondentes selecionados ao acaso. Com os resultados obtidos, pequenos ajustes foram realizados no instrumento de coleta de dados. Após os ajustes, o questionário foi aplicado.

No que tange ao método, o escolhido foi o Survey, com a aplicação de um questionário com perguntas fechadas. Em relação aos itens do questionário, aqueles referentes à dimensão Expectativa de Desempenho e à dimensão de Expectativa de Esforço tiveram como base os estudos de Venkatesh e Morris (2000), Venkatesh, Morris, Davis e Davis (2003) e Davis (1989), os quais exploram o potencial de um modelo de adoção de tecnologia de consumo examinando as relações estruturais entre as características do comércio eletrônico. Já os itens relacionados à dimensão de Satisfação Percebida, estes foram compostos por itens oriundos dos estudos de Ko, Kim e Lee (2009), Kim, Ma e Park (2009) e Gupta, Hock, Chuan e Hee-Woong (2007), os quais examinam a adoção da internet móvel em diferentes contextos de tecnologia de informação e comunicação.

3.2 POPULAÇÃO E AMOSTRA

O universo de estudo desta pesquisa é composto por usuários brasileiros de comércio eletrônico móvel de artigos de moda, maiores de 18 anos. A amostra de pesquisa consiste basicamente em jovens, com a maioria de seus componentes dentro da faixa etária de 18 a 33 anos de idade. Foram recebidas 110 respostas ao questionário, de 12 de novembro de 2018 e 23 de novembro de 2018, período no qual a pesquisa foi realizada através de questionário da plataforma de formulários do Google Drive. Com o auxílio do software GPower 3.1, utilizando o método para distribuições Normais, é possível concluir que uma amostra de 110 indivíduos nessa situação gera um poder estatístico de 85,5% a 0,05 de nível de significância, o qual é considerado adequado, segundo Normando, Almeida e Quintão (2011).

A amostra de pesquisa busca representar os reais usuários do comércio eletrônico móvel de artigos de moda, os quais, na sua maioria, são jovens. O relatório E-commerce Radar, publicado pela empresa Atlas (2017), afirma que 40% dos usuários de comércio eletrônico da categoria de moda estão com idade entre 25 e 34 anos, representando a maior parte. Logo, a faixa etária utilizada na amostra corrobora com essa realidade indicada pelo relatório.

Optou-se por estudar indivíduos mais jovens pois, na área de sistemas da informação, a idade é considerada um fator bastante relevante e presente no contexto de intenção adoção de tecnologia (Venkatesh & Morris, 2000; Souza, 2016). Segundo Venkatesh e Morris (2000) esse intervalo de idade indica a faixa de jovens considerada como os reais usuários de tecnologia associada à área computacional. Os autores Dabholkar, Bobbit e Lee (2003) também observaram o mesmo fato em sistemas de autosserviço ligados à tecnologia, com uma amostra de 350 usuários basicamente composta por jovens.

3.3 TÉCNICAS DE COLETA E ANÁLISE

Como a população alvo da pesquisa são usuários brasileiros de m-commerce de moda, foi inviável selecionar uma amostra probabilística da população. Dessa forma, a amostra selecionada é não probabilística e a estratégia de coleta de dados utilizada foi a Snowball. Uma técnica em que os primeiros participantes do estudo — conhecidos como sementes — recomendam outros novos, e assim sucessivamente, para então alcançar o propósito de obter a amostra de pesquisa (Goodman, 1961).

Inicialmente, foram enviados trinta e cinco e-mails para a rede de contatos profissionais e pessoais dos pesquisadores envolvidos — contatos estes já conhecidos como usuários de m-commerce de moda — solicitando que respondessem o questionário de pesquisa e indicassem apenas um contato que também fosse usuário de m-commerce de moda, caracterizando assim um formato linear de amostragem. Em relação aos nós de contato, obteve-se quatro nós para chegar à amostra de pesquisa. No primeiro nó, o grupo inicial indicou trinta usuários de m-commerce de moda, no segundo, foram indicados vinte e oito usuários, no terceiro, foram doze usuários e, no último nó, foram indicadas cinco pessoas, completando a amostra de 110 componentes. A técnica Snowball foi utilizada por se tratar de um processo econômico e simples. Além do mais, este procedimento requer poucos recursos humanos, uma vez que a indicação dos novos participantes da pesquisa é feita pelos próprios respondentes do questionário. Pieve, Miura e Rambo (2007) afirmam que a técnica de amostragem Snowball se sobressai entre outras, devido ao seu fácil procedimento de implementação e a curta necessidade de planejamento.

Vale ressaltar que técnica de coleta Snowball influencia nas propriedades da amostra de pesquisa. Em relação ao grupo inicial, a característica da rede de contatos do pesquisador, composta basicamente de indivíduos jovens, acaba por facilitar o alcance dos reais usuários de m-commerce de moda, ou seja, os jovens. Rodrigues e Mustaro (2006) afirmam que o uso dessa técnica acarreta uma falta de controle sobre como irá se constituir a amostra, visto que está nas mãos dos próprios respondentes selecionar novos indivíduos para a pesquisa. Além disso, Baldin e Munhoz (2011) alertam que, como toda técnica não probabilística, a técnica Snowball não garante uma representatividade populacional, e nem permite saber o grau de precisão. Contudo, a análise descritiva das características da amostra vem como uma maneira de gerar uma confirmação da realidade populacional.

Para a organização dos dados e análises estatísticas foram utilizados os softwaresMicrosoft Excel e STATA 15.0. Devido à sua capacidade de fazer análises estatísticas robustas, possuir recursos para trabalhar através da internet como quase nenhum outro pacote estatístico e, conter ferramentas de análise de correlação policórica, o software STATA 15.0, esses programas surgem como ferramentas adequadas às análises pretendidas.

Em relação ao estudo proposto, utilizou-se 15 itens para análise fatorial exploratória, no intuito de explorar as dimensões da percepção do usuário sobre o comércio eletrônico móvel de artigos de moda. Segundo Hair, Black, Babin, Andersen e Tatham (2009), a análise fatorial consiste em uma técnica de interdependência, cuja finalidade principal é definir a estrutura inerente entre as variáveis da análise. A análise fatorial foi escolhida pois ela fornece as ferramentas adequadas para analisar a estrutura das correlações em um grupo de variáveis, além de definir os conjuntos de variáveis que são fortemente inter-relacionadas, os fatores. Esses grupos de variáveis, que representarão as dimensões da percepção do usuário são, por definição, compostos por itens altamente intercorrelacionados, considerados como representantes das dimensões dentro dos dados (Hair, Black, Babin, Andersen & Tatham, 2009).

Por se tratar de um estudo exploratório, o uso da análise fatorial exploratória se encaixa corretamente, devido a seu caráter investigativo. A falta de estudos anteriores que versem sobre dimensões da percepção do usuário sobre m-commerce de moda e fundamentos a respeito de itens que venham a compor as dimensões propostas, faz com que o estudo parta para uma análise fatorial exploratória, a qual difere de uma análise fatorial confirmatória, pautada em construtos previamente consolidados (Hair, Black, Babin, Andersen & Tatham, 2009). Em relação ao instrumento de coleta de dados, por ser composto por itens com uma escala ordinal e com mais de três categorias, Paiva, Costa, Paiva, Balestrassi e Ferreira (2010) e Tello, Moscoso, García e Abad (2010) indicam a utilização de uma matriz de correlação policórica para a extração dos componentes principais, seguida da aplicação de uma rotação ortogonal Varimax, a qual se encaixou melhor aos dados de análise.

4 RESULTADOS E DISCUSSÕES

Os resultados da pesquisa seguem apresentados em duas subseções: na primeira, apresentam-se os resultados descritivos inerentes à amostra; já na segunda, é apresentada a análise fatorial exploratória das dimensões da percepção do usuário de m-commerce de moda.

4.1 ANÁLISE DESCRITIVA DA AMOSTRA

A amostra foi composta por 110 indivíduos que afirmaram utilizar dispositivos móveis para fazer compras de artigos de moda. Sendo assim, a Tabela 1 traz um resumo estatístico a respeito da idade, escolaridade, sistema operacional de dispositivo móvel utilizado, forma de busca por informações e frequência de compra dos respondentes, dividido por sexo, além dos resultados totais de cada estrato.

Tabela 1

Resumo estatístico da amostra

Fonte: Dados Primários (2020).

Do total da amostra, a maioria (72,6%) são do sexo feminino, indo ao encontro ao que foi afirmado pelo E-bit (2019), o qual assegurou que as compras de artigos de moda são feitas na maioria por mulheres. Além disso, conforme análise estatística da idade dos respondentes, os homens ficaram com média de idade de 28 anos, já as mulheres ficaram com uma média de idade de 26 anos. Quanto à escolaridade desta amostra, verificou-se que em torno de 44% possuem ensino superior incompleto, 26,17% já são graduados e 25,23% estão na pós-graduação. Quando avaliados a respeito do sistema operacional de seus dispositivos móveis, fica nítida a dualidade entre usuários de iOS e Android.

Ao serem questionados a respeito de onde os respondentes costumam buscar informações a respeito de artigos de moda que desejam comprar (neste item o respondente poderia assinalar mais de uma opção levando a perentagens totais maiores que 100%), a maioria das pessoas, 76,64% dos respondentes, checa os perfis de redes sociais, como Instagram, Facebook, Twitter, etc. para obter informação de moda. Isso retrata a importância das lojas terem perfis em redes sociais para assim atigir um público maior de compradores. Quanto à periodicidade de compras de artigos de moda on-line via dispositivo móvel, observa-se que 35,72% dos usuários de m-commerce fazem uma compra de artigos de moda a cada dois meses e 32,71% fazem uma compra a cada três meses ou mais, indicando que o ato de comprar artigos de moda pode não ser mensal, mas tem uma certa frequência.

4.2 ANÁLISE FATORIAL EXPLORATÓRIA

O processo de análise fatorial proposta neste estudo, levando em consideração suas regras e critérios próprios, resultou nas cargas fatoriais ilustradas na tabela 2 a respeito dos itens componentes das dimensões da percepção dos usuários do comércio eletrônico móvel de artigos de moda. Por meio do software STATA 15.0, o índice Kaiser-Meyer-Olkin (KMO) apresentou valor igual a 0,8582, o que, de acordo com Hair, Black, Babin e Tatham (2009), revela que os dados apresentam grau de ajuste considerado bom à análise fatorial. Já o teste de esfericidade de Bartllet obteve um nível de significância menor do que 0,001, indicando que a matriz de dados é fatorável (Tabachnick & Fidell, 2007). A análise fatorial exploratória apontou a existência de 3 fatores considerando o critério de Kaiser, ou seja, autovalor maior do que 1 (Hair, Black, Babin, & Tatham, 2009). Além disso, a porcentagem de variação explicada pelas dimensões ficou em tono de 74,12%. A tabela 2 surge para evidenciar cada dimensão, com os itens e suas respectivas cargas fatoriais.

Em relação à estrutura utilizada como base para a construção do instrumento, o estudo aqui exposto vem ao encontro do que foi exposto por Venkatesh, Morris, Davis e Davis (2003), ao afirmar as dimensões de Expectativa de Esforço e Expectativa de Desempenho como relevantes para a percepção dos usuários de m-commerce de moda. Além disso, a dimensão de Satisfação Percebida também se confirma como um fator relevante, assim como proposto por Hoffman, Novak & Duhachek (2003). Os autores afirmam que a satisfação é um antecedente importante do uso da internet móvel. Além disso, os itens representaram corretamente cada dimensão, assim como previsto. A tabela 2 resume os resultados encontrados na análise fatorial exploratória feita; nela são indicados os 15 itens de interesse, além de cada uma das dimensões nas quais eles devem se agregar e formar um grupo representativo da percepção do usuário sobre comercio eletrônico móvel de moda.

Tabela 2

Resultados da Análise Fatorial

Fonte: Dados Primários (2020).

A primeira dimensão evidenciada na tabela 2 apresentou sete itens predominantes, que, ao analisar as variáveis, nota-se que são as que apresentam relacionamento com a Satisfação Percebida. Haja vista que estes itens representam um benefício afetivo e intrínseco (Kim, Chan & Gupta, 2007), o prazer percebido é definido como a extensão em que a atividade de usar a tecnologia é vista como agradável. Tais itens estão relacionados às experiências emocionais positivas dos consumidores com a compra de artigos de moda através de seus smartphones ou tablets.

A segunda dimensão apresenta três itens predominantemente relacionados à Expectativa de Esforço. Esses itens refletem os esforços dos consumidores para aprender e usar a tecnologia de compras através de dispositivos móveis. Sendo assim, a percepção da expectativa de esforço é um importante antecedente do valor percebido para uma nova adoção de tecnologia (Venkatesh, Morris, Davis & Davis, 2003).

Já a terceira dimensão é composta por cinco itens, que exprimem Expectativa de Desempenho. Tais variáveis traduzem o grau em que uma pessoa acredita que o uso de um determinado sistema aumentaria seu desempenho (Davis, 1989). Tais itens refletem a utilidade geral de marketing personalizados e compras de moda via internet móvel. De acordo com Liao, Li e Xu (2005), a personalização no m-commerce ajuda os consumidores a encontrar serviços/produtos relevantes. Assim, para os produtos de moda, a personalização do m-commerce pode ser capaz de melhorar o desempenho do trabalho dos consumidores no contexto das compras, o que leva a percepções de desempenho. Sendo que esse fator não sustenta a ideia de que a expectativa de desempenho seria um conceito separado da personalização, implicando que os consumidores percebem benefícios utilitários oferecidos pelas compras personalizadas. Além de que, com base na literatura, pode-se acreditar que a expectativa de desempenho do serviço móvel pode aumentar o valor percebido pelo usuário.

A constatação de que o desempenho tem efeitos poderosos sobre a percepção dos usuários é de especial interesse dos gestores. Assim, os comerciantes talvez necessitem gerenciar o desenvolvimento de novos produtos ou serviços em m-commerce, particularmente quando se trata de implementar estratégias com respeito à expectativa de desempenho pelos clientes que pretendem adotar uma determinada inovação tecnológica. Além disso, os profissionais de marketing devem encontrar um equilíbrio entre valor e custo, oferecendo valor positivo orientado para necessidades extrínsecas, principalmente ligadas à satisfação dos usuários, enquanto mantém custos de compras mais razoáveis.

No tocante à questão de pesquisa que questiona a respeito das dimensões da percepção do usuário sobre m-commerce de moda, o estudo evidenciou três dimensões, anteriormente expostas: Expectativa de Desempenho, Satisfação Percebida e Expectativa de Esforço. Isso indica que os consumidores percebem o m-commerce de moda como um serviço heterogêneo, em conjunto com benefícios utilitários e afetivos, mesmo que não cheguem a um entendimento abrangente, como é evidente na unificação da utilidade com personalização. Os componentes cognitivos (desempenho e esforço) se mostram essenciais para incentivar os consumidores a adotarem as compras de moda via dispositivos móveis. Contudo, além das características cognitivas do m-commerce, a satisfação percebida foi encontrada como um componente da percepção do usuário de m-commerce de moda. Isso suporta o papel da satisfação como condutora de percepções favoráveis do usuário. Além disso, a tabela 2 mostra que cada uma das dimensões evidenciadas possuiu um alfa de Cronbach alto, maior que 0,79, indicando que são confiáveis estatisticamente. Este coeficiente, segundo Hair, Black, Babin, Andersen e Tatham (2009), mede a correlação entre os itens do questionário através da análise das respostas dadas pelos respondentes, apresentando uma correlação média entre os itens.

5 CONSIDERAÇÕES FINAIS

O objetivo principal deste estudo foi explorar as dimensões da percepção dos usuários sobre o comércio eletrônico móvel de artigos de moda. Para isso, foi proposto o uso adaptado da teoria UTAUT no intuito de compreender melhor os fatores que influenciam a percepção dos usuários sobre m-commerce de moda no Brasil. A pesquisa baseou-se em duas dimensões retiradas do modelo da UTAUT, a expectativa de desempenho e expectativa de esforço, além do acréscimo de uma dimensão externa ao modelo, a satisfação percebida.

A partir dos resultados da análise fatorial exploratória foi possível constatar quais itens se agregavam formando uma dimensão da percepção do usuário de m-commerce de moda. Além disso, foi verificado que as três dimensões perceptivas indicadas afetam o comércio eletrônico de artigos de moda, ou seja, as dimensões de expectativa de esforço e expectativa de desempenho, provenientes da teoria UTAUT, se mostram fundamentais para estimular o usuário a utilizar m-commerce de moda. Além disso, a dimensão de satisfação percebida, externa à modelagem da teoria UTAUT e acrescentada na análise, mostrou-se como um fator relevante para a percepção do usuário, refletindo um benefício afetivo e intrínseco, na qual a atividade de usar o m-commerce de moda é visto como agradável. Além disso, a dimensão de satisfação gerou um alfa de Cronbach considerado alto, indicando confiabilidade estatística no agregado de itens.

Em relação a lacuna metodológica, o estudo buscou incluir uma nova dimensão, a satisfação percebida, ao grupo de dimensões já conhecidas por meio da teoria UTAUT. Além disso, o trabalho agrega na discussão de um tema ainda pouco explorado, mas com grande potencial comercial, visto que o ramo da moda está no topo do ranking de volume de pedidos on-line no Brasil.

Ademais, o estudo corrobora com as constatações de Davis, Bagozzi e Warshaw (1992), Hoffman, Novak e Duhachek (2003) e, Lee, Sin, Kim e Kong (2002), os quais afirmam que a satisfação provou ser um antecedente importante para o uso de tecnologias da informação e comunicação. Além disso, as dimensões provenientes de Venkatesh, Morris, Davis e Davis (2003) se mostraram relevantes no que diz respeito à percepção do usuário em um contexto de m-commerce de artigos de moda no Brasil.

No que tange as contribuições, o estudo contribui na gestão de provedores de serviços e produtos de moda em comércio eletrônico móvel. Servindo como fonte para um melhor entendimento da percepção dos usuários sobre m-commerce de moda e ajudando a elaborar estratégias mercadológicas voltadas a incentivar o uso das plataformas digitais pelos consumidores. Já a contribuição acadêmica está no uso da teoria UTAUT em um contexto brasileiro, além de que as dimensões utilizadas se adequam à realidade, corroborando com a ideia de Venkatesh, Morris, Davis e Davis (2003), que é compreender, na prática, os fatores perceptivos que afetam a tecnologia analisada.

A falta de controle a respeito da constituição final da amostra surge como uma limitação do estudo, visto que, no método Snowball, o grupo inicial de respondestes indica os novos participantes da pesquisa e, para isso, utilizam os seus próprios critérios de escolha. O fato da maioria dos respondentes serem alunos de graduação e pós-graduação, devido à característica do grupo inicial utilizado na amostragem, basicamente composto por e-mails de alunos da Universidade do Estado de Santa Catarina, também é um limitador. Ademais, uma análise da escolaridade da amostra não se torna viável. Assim como toda técnica não probabilística de amostragem, o próprio uso da técnica Snowball consiste em um limitador do estudo, devido à característica de falta de aleatoriedade na seleção dos indivíduos. Além do mais, a técnica não garante a representatividade com a população de pesquisa, e nem permite saber o grau de precisão. Contudo, a análise descritiva da amostra surge como uma maneira de caracterizá-la e gerar um comparativo com a população.

No que diz respeito a pesquisas futuras, recomenda-se explorar os motivos de um não uso do m-commerce para compras artigos de moda, bem como explorar as outras categorias que são fortes no comércio eletrônico móvel, como a de Saúde/Cosméticos e Perfumaria, a qual no ano de 2018 alcançou a categoria de Moda e Acessórios em volume de vendas, segundo o E-bit (2019). Recomenda-se também que outros componentes, como inovação e risco percebido, possam ser examinados para verificar como essas variáveis influenciam as compras de artigos de moda via dispositivos móveis.

REFERÊNCIAS

Atlas. (2017). E-commerce Radar: 1º semestre 2017. São Paulo, 2017. Recuperado em 16 de Fevereiro de 2019 de http://www.mauromarcondes.com.br/wp-content/uploads/2017/07/E-book-Atlas-E-commerce-Radar-2017.pdf

Baldin, N.; Munhoz, E. M. B. (2011) Educação ambiental comunitária: Uma experiência com a técnica Snowball (Bola de Neve) Rev. eletrônica Mestr. Educ. Ambient. 27: 46–60.

Dabholkar, P.; Bobbit, M. & Lee, E. (2003). Understanding consumer motivation and behavior related to self-scanning in retailing: implications for strategy and research on technology based self-service. International Journal Service Industrial Management, 14(1): 59–95.

Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3): 319–341.

Davis, F. D.; Bagozzi, R.P. & Warshaw, P.R. (1992). Extrinsic and intrinsic motivation to use computers in the workplace. Journal of Applied Social Psychology, 22(14): 1111-32.

Dulle, F. W. & Minishi-Majanja, M. (2011). The suitability of the unified theory of acceptance and use of technology (UTAUT) model in open access adoption studies. Information Development, 27(1): 32-45.

E-bit. (2019). Relatório Webshoppers: 28° a 40° edição. Disponível em: http://www.ebit.com.br/webshoppers. Acessado em: fevereiro 16, 2019.

Goodman, L. A. (1961). Snowball sampling. The annals of mathematical statistics, 148-170.

Gupta, S., Hock Chuan, C. & Hee-Woong, K. (2007) Value-based Adoption of Mobile Internet: An empirical investigation. Decision Support Systems, 43: 111 –126.

Hair, J. F.; Black, W. C.; Babin, B. J. & Tatham, R. L (2009). Análise multivariada de dados. 6. Ed, Porto Alegre, Bookman, 688 p.

Himelboim, I., Lariscy, R.W., Tinkham, S.F. & Sweetser, K.D. (2012). Social media and online political communication: the role of interpersonal informational trust and openness. Journal of Broadcasting & Electronic Media, 56(1): 92-115.

Hinman, R. (2012). The Mobile Frontier: A Guide for Designing Mobile Experience. Brooklyn: Rosenfeld Media, 280 p.

Hoffman, D. L.; Novak, T. P. & Duhachek, A. (2003) The Influence of Goal-Directed and Experiential. Journal of Consumer Psychology, 13: 3–16.

Hong, S. J., Thong, J. Y. L., Moon, J. Y. & Tam, K. Y. (2008). Understanding the behavior of mobile data services consumers. Information Systems Frontiers, 10 (4): 431-445.

Kim, H., Chan, H., & Gupta, S. (2007). Value-based adoption of mobile internet: An empirical investigation. Decision Support Systems, 43: 111–126.

Kim, D.J., Ferrin, D.L. & Rao, H.R. (2008). A trust-based consumer decision-making model in electronic commerce: the role of trust, perceived risk, and their antecedents. Decision Support Systems, 44(2): 544-564.

Kim, J., Ma, Y. J. & Park, J. (2009). Are US consumers ready to adopt mobile technology for fashion goods? Journal of Fashion Marketing and Management, 13(2): 215-230

Ko, E., Kim, E. Y. & Lee, E. K. (2009), Modeling Consumer Adoption of Mobile Shopping for Fashion Products in Korea. Psychology & Marketing, 26(7): 669–687.

Kotler, P. e Keller, K. L. (2006) Administração de Marketing. São Paulo, Editora Pearson, 1401 p.

Lee, J. H., Sin, J. K., Kim, M. H., & Kong, H. K. (2002). A study on Web shopping attitude and purchasing intention of Internet self-efficacy: Focus on intrinsic and extrinsic motivation. Journal of the Academy of Korean Marketing Science, 10: 1–26.

Li, Y. & Rupp, A. A. (2011). Performance of the S – δ2 Statistic for Full-Information Bifactor Models. Educational and PsychologicalMeasurement, 71: 1–20.

Liao, S., Li, Q., & Xu, D. (2005). A Bayesian network-based framework for personalization in mobile commerce applications. Communications of the Association for Information Systems, 15: 494–511.

Livingston, A. (2004). Smartphones and other mobile devices: the Swiss army knives of the 21st century. Educause Quarterly, 2: 46-52.

Ngai, E.W.T., Li, C.-L., Cheng, T.C.E., Lun, Y.H.V., Lai, K.-H., Cao, J. & Lee, M.C.M. (2011). Design and development of an intelligent context-aware decision support system for realtime monitoring of container terminal operations. International Journal of Production Research, 24(12): 3501-3526.

Normando, D.; Almeida, M. A. O. & Quintão, C. C. A. (2011). Análise do emprego do cálculo amostral e do erro do método em pesquisas científicas publicadas na literatura ortodôntica nacional e internacional. Dental Press Journal of Orthodontics, 16(6): 33.e1-9.

Nysveen, H., Pedersen, P., & Thorbjørnsen, H. (2005). Explaining intention to use mobile chat services: Moderating effects of gender. Journal of Consumer Marketing, 22: 247–256.

Paiva, A. P.; Costa, S. C.; Paiva, E. J.; Balestrassi, P. P.; Ferreira, J. R. (2010). Multi-objective Optimization of Pulsed Gas Metal Arc Welding Process Based on Weighted Principal Component Scores. International Journal of Advanced Manufacturing Technology, 50:113–125.

Park, E. J.; Kim, E Y. & Forney, J. C. (2006) A structural model of fashion oriented impulse buying behavior. Journal of Fashion Marketing and Management: An International Journal, 10(4): 433-446.

Pieve, S. M. N.; Miura, A. K.; Rambo, A. G. (2007) A pesca artesanal na Colônia de São Pedro (Z3), Pelotas, RS. XLV Congresso da Sociedade Brasileira de Economia, Administração e Sociedade Rural. Londrina, Paraná, Universidade Estadual de Londrina.

Rodrigues, L. C.; Mustaro, P. N. (2006) Levantamento de características referentes à análise de redes sociais nas comunidades virtuais brasileiras de jogos online. São Paulo, Universidade Presbiteriana Mackenzie.

Rogers, E.M. (1995), Diffusion of Innovations, 5 ed., New York, Free Press, 518 p.

San Martín, H., & Herrero, Á. (2012). Influence of the user’s psychological factors on the online purchase intention in rural tourism: Integrating innovativeness to the UTAUT framework. Tourism Management, 33(2): 341-350.

Sánchez-Franco, M., & Roldán, J. L. (2005). Web acceptance and usage model: A comparison between goal-directed and experiential web users. Internet Research, 15: 21–48.

Siau, K., Lim, E.P. & Shen, Z. (2001). Mobile commerce: promises, challenges, and research agenda. Journal of Database Management, 12(3): 4-13.

Sim, J. J., Chia, Z. Y., Chin, Y. L. Lee, M. Q., Chiam, V. T. S., Wong, K. L., Choong, C. K., Loh, S. H. & Yeap, K. H. (2018). Trust in vendor and perceived effectiveness of e-commerce institutional mechanisms in m-commerce adoption: A revised UTAUT model. In: Anais, 8 IEEE Conference on Control System, Computing and Engineering, (pp. 10-15), Penang. Penang: IEEE.

Souza, M. W. (2016) Mensuração do Risco Percebido no Uso do M-banking no Mercado de Jovens, Utilizando a Teoria de Resposta ao Item. Florianópolis, SC. (Dissertação de Mestrado) Universidade do Estado de Santa Catarina, 150p.

Sweeneya, J. C. & Soutar, G. N. (2001). Consumer perceived value: The development of a multiple item scale. Journal of Retailing, 77: 203–220.

Tabachnick, B. G. & Fidell, L. S. (2007). Using Multivariate Statistics 5. ed. Boston: Allyn and Bacon.

Tello, F. P. H.; Moscoso, S. C.; García, I. B. & Abad, E. V. (2010) Polychoric versus Pearson correlations in exploratory and cnfirmatory analysis of ordinal variables. Quality and Quantity, 44: 153-166.

Van der Heijden, H. (2004). User acceptance of hedonic information systems. MIS Quarterly, 28(4): 695-704.

Venkatesh, V. & Morris, M. (2000). Why Don't Men Ever Sto to Ask For Directions? Gender, Social Influence, and Their Role in Technology Acceptance and Usage Behavior, MIS Quarterly, 24(1): 115-139.

Venkatesh, V., Morris, M., Davis, G. & Davis, F. (2003). User acceptance of information technology: toward a unified view. MIS Quartely, 27(3): 425–478.

Wei, T. T., Marthandan, G., Chong, A. Y. L., Ooi, K. B., & Arumugam, S. (2009). What drives malaysian m-commerce adoption? An empirical analysis. Industrial Management & Data Systems, 109: 370-388.

APÊNDICE A

QUESTIONÁRIO

Você utiliza algum dispositivo móvel para fazer compras de artigos de moda online?

o Sim

o Não

* Os 15 itens da tabela 3 são sucedidos de uma escala Likert de cinco pontos:

1 (Discordo Totalmente); 2 (Discordo); 3 (Não Discordo Nem Concordo); 4 (Concordo); 5 (Concordo Totalmente).

Tabela 3

Itens e Referências

Fonte: O Autor.

a) Sexo:

o Masculino

o Feminino

b) Idade? _________

c) Escolaridade:

o Ensino Fundamental

o Ensino Médio

o Ensino Superior Incompleto

o Ensino Superior Completo

o Pós-graduação

d) Qual o sistema operacional do dispositivo móvel que você utiliza para comprar artigos de moda:

o iOS/Apple

o Android

o Windows

o Outro/Não sei.

e) Onde você busca informações sobre artigos de moda que você deseja comprar?

o Sites de busca (Google, Bing, Yahoo, etc.)

o Redes Sociais (Facebook, Instagram, Twitter, etc.)

o Blogs de moda

o Opiniões de amigos/familiares

o Outro. Qual? _____________________

f) Em média, qual sua frequência de compras de artigos de moda via dispositivo móvel?

o Uma vez por mês

o Uma vez a cada 2 meses

o Uma vez a cada 3 meses ou mais

o De 2 a 3 vezes por mês

o Mais de 4 vezes por mês

Notas