Segmentacja konsumentów według kryterium czynników ryzyka postrzeganych podczas transakcji zawieranych on-line

• Authors: Marcin Gąsior

Title variants

EN

Consumers Segmentation Based on the Criterion of Risk Perceived During On-Line Purchases

RU

Сегментация потребителей по критерию факторов риска, воспринимаемых во время сделок, заключаемых онлайн

• Languages of publication: PL EN RU

Abstracts

PL

Mimo wzrostu popularności sprzedaży prowadzonej przez Internet, ryzyko i zagrożenia występujące w trakcie procesów zakupowych w tym kanale są stale niezwykle istotnymi czynnikami kształtującymi zachowania nabywcze. Celem prezentowanego badania jest ocena różnic w postrzeganiu przez konsumentów możliwych zagrożeń występujących przy zakupach w Sieci, przy założeniu, iż różnice te wykraczają poza prosty podział nabywców według ogólnego poziomu odczuwanych obaw. Analiza skupień prowadzona według kryterium sześciu zmiennych wyrażających stosunek do wybranych zagrożeń, doprowadziła do wyodrębnienia czterech grup konsumentów: grupy osób nie doszukujących się większych zagrożeń, grupy osób odczuwających silne ryzyko we wszystkich badanych obszarach, grupy osób obawiających się kradzieży danych oraz grupy osób obawiających się potencjalnych problemów z obsługą posprzedażową.

EN

Despite the constant growth of the popularity of on-line purchases, risk and potential problems, which may take place during purchase processes, are still paramount in shaping consumer’s behaviour. The purpose of the presented research is to address the question of differences in consumers’ perception of the aforementioned factors, with an assumption that those differences are more complex than simple separation of consumers into the groups based on their overall perception of risk. The cluster analysis conducted on six variables representing the attitude towards different on-line purchase related problems revealed the existence of four diverse groups: the group of individuals that do not feel any threat, the group of individuals that consider that form of purchase to be relatively problematic, the group of those for whom the main area of perceived risk is the possibility of their data being stolen, and the group of consumers that expect problems with post-purchase services.

RU

Несмотря на рост популярности продаж, осуществляемых по интернету, риск и угрозы, выступающие по ходу закупочных процессов в этом канале, постоянно представляют собой особо существенные факторы, формирующие покупательское поведение. Цель представляемого изучения – оценить отли- чия в восприятии потребителями возможных угроз, выступающих при покупках в сети, при предположении, что эти отличия выходят за пределы простого распределения покупателей по общему уровню ощущаемых опасений. Ана- лиз кластеров, проводимый по критерию шести переменных, выражающих отношение к избранным угрозам, привел к выделению четырех групп потребителей: группы лиц, которые не видят больших угроз; группы лиц, которые ощущают большой риск во всех изучаемых сферах; группы лиц, которые опа- саются кражи данных, и группы лиц, которые опасаются потенциальных проблем с послепродажным обслуживанием.

Keywords

PL

transakcje on-line; konsument; segmentacja; ryzyko

EN

on-line transactions; consumer; risk; segmentation

RU

сделки онлайн; потребитель; сегментация; риск

• Publisher: Instytut Badań Rynku, Konsumpcji i Koniunktur
• Journal: Handel Wewnętrzny
• Year: 2017
• Issue: 5 (370)
• Pages: 140-148

Contributors

author

Marcin Gąsior

• Politechnika Lubelska

References

• Bejm A., Gąsior M. (2014), Źródła postrzeganego ryzyka a skłonność konsumentów do zakupów on-line w świetle wyników badań własnych, „Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu”, nr 337.
• Celeux G., Govaert G. (1992), A classification EM algorithm for clustering and two stochastic versions, “Computational Statistics & Data Analysis”, Vol. 14(3).
• Chiu C.M., Wang E.T., Fang Y.H., Huang, H.Y. (2014), Understanding customers’ repeat purchase intentions in B2C e-commerce: the roles of utilitarian value, hedonic value and perceived risk, “Information Systems Journal”, No. 24(1).
• Comegys C., Hannula M., Váisánen J. (2009) Effects of consumer trust and risk on online purchase decision-making: A comparison of Finnish and United States students, “International Journal of Management”, No. 26(2).
• Cunningham S.M. (1967), The major dimensions of perceived risk, (w:) Cox D., Risk Taking and Information Handling in Consumer Behavior, Harvard University Press, Boston, MA.
• De Ruyter K., Wetzels M., Kleijnen M. (2001), Customer adoption of e-service: an experimental study, “International Journal of Service Industry Management”, No.12(2).
• Gąsior M. (2016), Obszary ryzyka postrzeganego przy transakcjach w środowisku wirtualnym, “Marketing i Zarządzanie”, nr 44.
• Kaczmarczyk S. (2003), Badania marketingowe. Metody i techniki, PWE, Warszawa.
• Forsythe S.M., Shi B. (2003), Consumer patronage and risk perceptions in internet shopping, “Journal of Business Research”, Vol. 56(2).
• Garbarino E, Strahilevitz M. (2004), Gender differences in the perceived risk of buying online and the effects of receiving a site recommendation, “Journal of Business Research”, No. 57(7).
• Grewal D., Iyer G., Gotlieb J., Levy M. (2007), Developing a deeper understanding of post-purchase perceived risk and behavioral intentions in a service setting, “Journal of the Academy of Marketing Science”, Vol. 35.
• Hong I.B. (2015), Understanding the consumer’s online merchant selection process: The roles of product involvement, perceived risk, and trust expectation, “International Journal of Information Management”, No. 35(3).
• Kim J., Sharron L. (2013), Effects of reputation and website quality on online consumers’ emotion, perceived risk and purchase intention: Based on the stimulus-organism-response model, “Journal of Research in Interactive Marketing”, No. 7(1).
• King G., James H., Anne J., Kenneth S. (2001), Analyzing Incomplete Political Science Data: An Alternative Algorithm for Multiple Imputation, “American Political Science Review”, No. 95(1).
• McIachlan G., Krishnan T. (1996), The EM Algorithm and Extensions, 1st ed.Wiley-Interscience.
• Marcus-Roberts H.M., Roberts F.S. (1987), Meaningless statistics, “Journal of Educational Statistics”, No. (12).
• Nepomuceno M.V., Laroche M., Richard M.O. (2014), How to reduce perceived risk when buying online: The interactions between intangibility, product knowledge, brand familiarity, privacy and security concerns, “Journal of Retailing and Consumer Services”, No. 21(4).
• Park J., Lennon S.J., Stoel L. (2005), On-line product presentation: effects on mood, perceived risk, and purchase intention, “Psychology & Marketing”, Vol. 22(9).
• White J.D, Truly E.L. (1989), Price–quality integration in warranty evaluation − a preliminary test of alternative models of risk assessment, “Journal of Business Research”, Vol. 19.
• Witten I.H., Frank E. (2000), Data Mining. Practical Machine Learning Tools and Techniques. Morgan Kaufmann, New York.