Introducción

Las tecnologías de la información cambiaron la manera en que las empresas comunican y comparten información de sus productos con los consumidores y socios (Gupta et al., 2020). Actualmente, las empresas tradicionales están adoptando el comercio electrónico (e-commerce) para construir nuevos mercados sin barreras comerciales (Belwal et al., 2021; Mainardes et al., 2020), generar una ventaja competitiva (Shehata y Montash, 2020), potencializar las ventas y ofrecer un ambiente de compra más accesible a los consumidores (Gupta et al., 2020). Del mismo modo, la evolución de la tecnología ha cambiado la forma de consumir y, por consiguiente, se desarrolló una nueva mentalidad en el consumidor por preferir el alquiler de bienes que, a la propiedad de ellos, esto para llevar una vida sin depender tanto de lo material (Godelnik, 2017; Pasimeni, 2021; Zhang, 2019). Esta nueva ideología del consumidor desató un nuevo modelo de negocios llamado la economía colaborativa, que son plataformas digitales que operan a través de las tecnologías de la información como el internet de las cosas y los dispositivos móviles (Andreu et al., 2020; Saglietto, 2021). La cual facilita el intercambio de bienes subutilizados entre usuarios por una compensación monetaria (Görög, 2018).

Se cree que el éxito de la economía colaborativa se debe a varios factores: el primero es por la concientización del medio ambiente y la sustentabilidad, al depender menos de bienes propios, se reduce la producción en masa (Hamari et al.,2015; Mont et al., 2021), la segunda razón es por la recesión del 2008 donde el desempleo obligó a las personas a buscar un trabajo temporal para ganar un ingreso (Avdimiotis y Poulaki, 2019) y el tercero es por la tecnología basada en internet, es más sencillo y llamativo para las personas acostumbradas a la tecnología a participar en estos servicios colaborativos (Cohen y Kietzmann, 2014). La economía colaborativa ha tenido un gran repunte en los últimos años, en especial el subsector de la movilidad colaborativa. Se estima que el incremento de las demandas de viajes compartidos está vinculado por la preferencia del consumidor a la conveniencia y al ahorro económico de estas plataformas digitales, como en el caso de China y la aplicación DiDi (Shao et al.,2020). De igual modo se considera como una solución potencial para la creciente urbanización y movilidad de las ciudades grandes (Shao y Yin, 2019) ya que puede reducir la congestión y el excesivo consumo de combustible y contaminación (Akbari et al., 2021).

La plataforma más influyente de este sector y que logró más notoriedad entre los consumidores es Uber (Breidbach y Brodie, 2017). Se piensa que su aceptación se deriva de sus precios bajos, seguridad, promociones y accesibilidad. Asimismo, el sistema de reseñas y calificación de conductores es una guía para los consumidores puedan enterarse de la calidad del servicio (Boateng et al., 2019). El impacto que Uber ha provocado en el mundo es formidable, por ejemplo, Kim et al. (2018) describen que la entrada de Uber a la ciudad de Nueva York provocó una gran oferta y demanda por las plataformas digitales de transporte, obligando al sector de taxis a cambiar de comportamiento y mejorar su servicio y alcance. Por tanto, las investigaciones de Turismo aprovecharon la popularidad de estas aplicaciones para estudiar y examinar los beneficios ofrecidos y como estos han podido mejorar la accesibilidad de transporte de los turistas y han fortalecido el turismo regional (Sthapit y Björk, 2019). De acuerdo con Grimmer y Vorobjovas-Pinta (2020) Uber favoreció a todo tipo de turistas desde viajeros de negocio hasta personas que asisten a eventos. Las plataformas digitales agregan un valor único al turista y mejora su experiencia de viaje (Milwood y Maxwell, 2020).

Considerando el impacto de estas nuevas plataformas digitales, se debe analizar la razón por la que el consumidor acepta y decide usarlas. Según Fang et al. (2016) hay factores cognitivos y afectivos que influyen en el proceso de compra y la toma de decisiones. Asimismo, estos factores psicológicos hacen que el consumidor perciba un valor en el producto que puede potencializar futuras compras (Cai y Shannon, 2012) y lo orienta a evaluar los posibles riesgos y beneficios que se puede presentar (Lee, 2020). Las empresas deben examinar e identificar que riesgos y beneficios afectan la intención de compra de los consumidores en general (Wang et al.,2019).

La literatura del comportamiento del consumidor resalta que la evaluación de riesgos y beneficios percibidos es una parte fundamental para comprender las necesidades reales del cliente y la demanda de productos y servicios (Gupta y Duggal, 2021). Los beneficios percibidos funcionan como motivantes para que el consumidor compre y participe en plataformas digitales (Bashir et al., 2021), mientras que los riesgos percibidos son todo lo contrario, son la razón principal para obstaculizar o cancelar el proceso de compra (Wang et al.,2019). Es conveniente destacar que los constructos de riesgo y beneficio percibidos cuentan con dimensiones propias para mejorar su medición y análisis. Esta investigación se basará en las dimensiones de riesgo financiero, de desempeño y físico para representar el riesgo percibido mientras que el beneficio social, de conveniencia y económico son parte del beneficio percibido. Con el fin de analizar el impacto que tienen ante la intención de compra de los consumidores de la movilidad colaborativa en Aguascalientes.

La literatura de la economía y movilidad colaborativa se enfoca principalmente en Europa, Asia y Norteamérica, sin embargo, en el contexto mexicano es muy limitado y no exploran el comportamiento del consumidor. La importancia de Uber en México está creciendo de manera exponencial; según Ávalos y Sofía (2015) Uber ha presentado beneficios y soluciones al ausente servicio de calidad que afecta al trasporte público y al sector de taxis en México. Es un reto intentar comprender el comportamiento y las preferencias del consumidor de la economía colaborativa. Las redes sociales y comercio electrónico han impulsado la nueva era del intercambio y los consumidores están adoptándose a este nuevo pensamiento, la economía colaborativa se nutre de esta ideología (Sarlay y Neuhofer, 2021). El propósito de esta investigación es analizar el impacto que tiene el riesgo financiero, riesgo de desempeño, riesgo físico, beneficio social, beneficio de conveniencia y beneficio económico con la intención de compra de consumidores de la movilidad colaborativa de Aguascalientes. Para aportar a la literatura del comportamiento del consumidor e identificar patrones conductuales de los usuarios.

1. Revisión de la literatura

1.1. Riesgo percibido

Sin importar la actividad comercial, los consumidores están expuestos a los posibles riesgos provocados por una mala decisión de compra y por lo general deben evaluar las circunstancias para evitar los resultados desfavorables (Biswas y Biswas, 2004). Por este motivo, el riesgo percibido se ha vuelto muy popular dentro de las investigaciones de comportamiento del consumidor, turismo y tecnologías de la información. Un ejemplo es la investigación de Rahmafitria et al. (2021) que explica que el riesgo percibido predice si un consumidor está dispuesto a cancelar, posponer o buscar alternativas de compra, con el fin de evitar la preocupación o el miedo. Para profundizar mejor en el tema, este constructo fue propuesto en las investigaciones de psicología en los años 60 (Zhang y Hou, 2017) y más adelante se adaptaría dentro de la literatura dedicada al comportamiento del consumidor, por ejemplo, Taylor (1974). Entre los autores existe un gran debate sobre la conceptualización del constructo debido a que cada uno de ellos tiene su propia definición, por mencionar algunos ejemplos está el de Sweeney et al. (1999) que lo definen como un presentimiento de perdida mientras que Dowling y Staelin (1994) como una incertidumbre que la persona experimenta durante el proceso de compra de un producto.

Es complicado medir el constructo riesgo percibido de manera general y por lo mismo dentro de la literatura del comportamiento del consumidor han propuesto dimensionar el constructo en factores psicológicos y funcionales (Bruwer et al.,2013). Algunos casos usan el riesgo de desempeño, riesgo físico, riesgo psicológico, riesgo social, riesgo de tiempo y riesgo financiero dentro de sus investigaciones para estudiar cómo afectan de manera negativa la intención de compra (Han et al., 2019). En resumen, se discute que el riesgo percibido es un momento de incertidumbre que se puede presentar en el proceso de compra o posterior a la adquisición del producto. El consumidor evaluará los posibles resultados y consecuencias debido a que una decisión errónea incrementará el peso de la perdida (Confente et al.,2021; Joo et al., 2021).

Conviene destacar que, en el contexto de compras en línea, el riesgo percibido es la mayor barrera que tienen los consumidores para su aceptación (Hong y Cha, 2013). Situaciones como la de no poder evaluar ni examinar la calidad del producto físicamente, que sus expectativas no sean cumplidas y problemas con la privacidad y el servicio al cliente (Han y Li, 2021) tiene una influencia negativa con la intención de comprar en línea (Kim y Lennon, 2013). Para confirmar este argumento, Biswas y Biswas (2004) explican en su estudio que el riesgo financiero, de desempeño y transacción afectan más a los consumidores en línea que a los que frecuentan comprar en tiendas tradicionales. Además, Lee y Deale (2021) descubrieron que la preocupación por el riesgo físico y el riesgo de desempeño en el uso de plataformas de alojamiento colaborativo aumentó durante la pandemia.

Las 3 dimensiones que tienen un peso similar para representar el riesgo percibido son el riesgo financiero, desempeño y el físico (Ray y Sahney, 2018). De acuerdo con Mustafa y Kar (2019) detallan que estos 3 factores son importantes en la literatura de servicios digitales y por este motivo, se seleccionaron para esta investigación.

Riesgo Financiero

Como se había mencionado anteriormente, el consumidor basa su toma de decisiones a través de las percepciones, si el detecta un nivel alto de riesgo durante su compra, es muy probable que lo cancele o posponga. De igual manera, las experiencias negativas son un indicador contraproducente para la intención de volver a comprar en plataformas digitales (Cong, 2021). Uno de los problemas más frecuentes que se enfrentan el consumidor del comercio en línea es el riesgo financiero (Hwang y Choe, 2020). Esta dimensión involucra todo lo relacionado con la posible pérdida monetaria o fraude al momento de realizar una compra, de igual manera se atribuyen otros factores relacionados con las transacciones en línea (Ray y Sahney, 2018). Por ejemplo, que el sistema cobre el doble de tarifa por error.

Diferentes investigaciones como la de Tan y Goh (2018) destacaron el riesgo financiero fue la única dimensión que tuvo un impacto negativo en la intención de compra, se cree que el precio es un factor que las empresas deben cuidar para no alejar a los clientes. De forma similar el estudio de Bhukya y Singh (2015) confirmaron que la intención de comprar marcas del distribuidor en la India es afectada por los efectos del riesgo financiero. De este modo la literatura afirma la relación negativa del riesgo financiero con la intención de compra (Ariffin et al.,2018; Tan y Goh, 2018; Hong y Cha, 2013).

En cuestiones de la movilidad colaborativa, los riesgos financieros podrían originarse por la falta de regularización de estas plataformas. Es muy probable que el consumidor no reserve un viaje, si no siente la protección de las leyes en caso de fraude o problemas con las transacciones financieras (Shao y Yin, 2019). Además, situaciones como algún cobro extra o problemas con el método de pago también serian causantes de preocupación para el usuario. De acuerdo con el sustento teórico se propuso la siguiente hipótesis:

1. H₁: El riesgo financiero tiene una influencia negativa en la intención de compra de los consumidores de la movilidad colaborativa.

Riesgo de desempeño

El riesgo de desempeño esta más relacionado con los aspectos técnicos de los productos y se presenta cuando ciertas funcionalidades no operan como es debido (Ray y Sahney, 2018). Por otro lado, en el contexto de comercio electrónico, el riesgo de desempeño también se manifiesta como la frustración del consumidor de no poder evaluar de una manera precisa la calidad del producto, por ejemplo, pedir el producto, la talla o color equivocado (Forsythe y Shi, 2003). Para demostrar la importancia del riesgo de desempeño, se tomará como ejemplo la investigación de Sun (2014) donde sus hallazgos obtenidos demostraron que el riesgo de desempeño afectó la intención de cambiarse de hotel en China. Asimismo, la investigación de Ariffin, et al. (2018) argumentan que el riesgo de desempeño y el financiero tiene un impacto negativo en la intención de comprar en línea. A partir de la revisión de la literatura se puede sustentar la relación negativa del riesgo de desempeño con la intención de compra (Ariffin et al., 2018; Bhukya y Singh, 2015; Pentz et al., 2020).

1. H₂: El riesgo de desempeño tiene una influencia negativa en la intención de compra de los consumidores de la movilidad colaborativa.

Riesgo Físico

Para terminar con el apartado de riesgo percibido, se profundizará con la dimensión de riesgo físico. Este se refiere a la preocupación que tiene el consumidor de salir lastimado o dañar su salud al momento de realizar una compra (Bhukya y Singh, 2015). Igualmente, Beneke et al. (2012) expanden el termino en 3 enfoques: el primero se refiere a que el producto pueda dañar físicamente al consumidor, el segundo es sobre que la tienda no sea segura y el tercero se refiere al esfuerzo que se requiere para realizar la compra. El riesgo físico es uno de los principales factores que afectan el proceso de compra de actividades turísticas, por ejemplo, en el proceso de rentar una casa o habitación de plataformas de alojamiento colaborativo como Airbnb, el usuario nuevo puede desconfiar de la colonia, lo que podría ocasionar inseguridad en su estadía (Huang et al.,2019). El desconocimiento y la falta experiencia por parte del consumidor en la compra de productos tecnológicos nuevos provoca un incremento de riesgo físico (Hirunyawipada y Paswan, 2006). Con base en la revisión de la literatura se puede afirmar que el riesgo físico tiene una influencia negativa con la intención de compra (Huang et al., 2019; Khan et al., 2019).

La movilidad colaborativa es muy susceptible a los efectos del riesgo físico. El consumidor puede ser asaltado, agredido físicamente o acosado por el conductor o por un tercero dentro del vehículo. Del mismo modo, puede experimentar algún accidente vial y resultar herido. Por estas situaciones se generó la siguiente hipótesis:

1. H_3: El riesgo físico tiene una influencia negativa en la intención de compra de los consumidores de la movilidad colaborativa.

1.2. Beneficio percibido

A pesar de que el consumidor tenga que lidiar con diferentes riesgos que dificulten sus decisiones de compra, también existen valores y creencias positivas que lo ayudan a contrarrestar estos temores. Dentro de la literatura del comportamiento, el beneficio percibido es la creencia que tiene el consumidor de que el producto o servicio llegará a satisfacer sus necesidades y deseos (Huang et al., 2020; Katta y Patro, 2017; Tanadi et al.,2015). Este es fundamental para analizar la influencia de las percepciones positivas en la satisfacción al momento de comprar (Liu et al.,2013). A modo de ejemplo, el estudio de Akroush et al. (2019) demostraron que el beneficio percibido tiene una relación significativa con las actitudes y la intención de comprar productos energéticos en Jordania. De forma semejante, Alves y Mainardes (2017) concuerdan que el consumidor estará dispuesto a participar en los servicios de internet si detectan beneficios.

Para profundizar mejor en el funcionamiento de este constructo, la literatura la divide en dos valores: El primero es el valor funcional o también conocido como valor utilitario, este se relaciona con la comodidad, la calidad y el ahorro monetario y el segundo valor es el no funcional o valor hedónico que son las necesidades sociales y emocionales que se relacionan con el proceso de compra (Liu et al., 2013; Lee, 2020; Terblanche, 2014). De acuerdo con Lee y Wu (2017) los valores utilitarios ofrecen mayor utilidad al momento de comprar, por ejemplo, la comodidad y los ahorros económicos. Mientras que Terblanche (2014) explica que los valores hedónicos, se relacionan con la experiencia y los elementos sociales para mejorar la aprobación social y la autoestima del individuo. Para esta investigación se utilizó las dimensiones del valor utilitario y hedónico como beneficio de conveniencia, económico y social para identificar qué factores motivan al consumidor a comprar en las plataformas de la movilidad colaborativa.

Beneficio Social

La acción de comprar en establecimientos tradicionales es un acto social, el consumidor puede expresarse de manera natural y libre a través de su experiencia de consumo (Rintamäki et al.,2006). Sweeney y Soutar (2001) explican que el beneficio social es un factor determinante en el proceso de compra, ya que el consumidor puede transmitir una imagen ante la sociedad dependiendo de los productos que consuma. Por otra parte, este constructo también se relaciona con la necesidad del individuo por formar vínculos con otras personas e interactuar con comunidades o redes sociales, con el propósito de elevar su estatus ante la sociedad (Lee, 2020). Por ejemplo, el consumidor al adquirir productos o servicios novedosos obtendrá un sentimiento de pertenencia dentro de algún grupo social (Lee y Wong, 2021). Cabe destacar que en la investigación de Zhao y Chen (2021) descubrieron que el beneficio social fue una determinante para la intención de compra de viviendas verdes en China. Los consumidores que compraron estas viviendas fueron reconocidos y aceptados socialmente, dándole una imagen positiva a sus personas. Por lo tanto, se puede afirmar que el beneficio social tiene una relación positiva con la intención de compra (Gan y Wang, 2017; Liu, 2021; Vijaranakorn y Shannon, 2017; Zhao y Chen, 2021).

Es preciso señalar que las redes sociales ayudaron a mejorar los valores sociales de la movilidad colaborativa, dándole libertad al consumidor de autodefinirse y pertenecer a un grupo (Lee y Wong, 2021). El hecho de que las plataformas digitales estén vinculadas con las redes sociales facilita la comunicación y el intercambio de experiencia con otros usuarios. Asimismo, compartir sus experiencias de consumo con otros mejorará su autoestima y solidificará la intención de comprar (Gan y Wang, 2017). Por consiguiente, se postuló la hipótesis:

1. H₄: El beneficio social tiene una influencia positiva en la intención de compra de los consumidores de la movilidad colaborativa.

Beneficio de conveniencia

El beneficio de conveniencia se refiere a la comodidad que se le puede ofrecer a los consumidores, tomando en consideración su tiempo y esfuerzo durante los procesos de compra (Rintamäki et al.,2006). Los comercios electrónicos han acostumbrado al consumidor a las virtudes de la comodidad, como por ejemplo poder comprar en cualquier hora y recibir el producto en su casa (Khan et al., 2015), debido a esta flexibilidad, accesibilidad y disponibilidad, la conveniencia se ha convertido en gran motivante para las compras en línea (Bhatti y Ur Rahman, 2020; Okazaki y Mendez, 2013). Según Ching et al. (2021) la intención de comprar aumenta cuando los consumidores perciben que las aplicaciones de comercio electrónico tienen mejores beneficios de conveniencia que los negocios tradicionales, factores como tiempo, localización y proceso de compra son factores clave para la conveniencia. Asimismo, Khan et al. (2015) exploraron los comercios en línea de China y descubrieron que la comodidad es un elemento clave para incrementar la intención de los nuevos consumidores. Por consiguiente, se puede sustentar la relación positiva entre la conveniencia y la intención de compra (Arora y Aggarwal, 2018; Ching et al.,2021; Khan et al.,2015; Patro, 2019).

En la situación de la movilidad colaborativa, el beneficio de conveniencia se relaciona con la accesibilidad de encontrar transporte en cualquier momento y lugar y con la facilidad de obtener información sobre el trayecto, método de pago y datos importantes sobre el conductor. De acuerdo con lo anterior, se formuló la siguiente hipótesis:

1. H₅: El beneficio de conveniencia tiene una influencia positiva en la intención de compra de los consumidores de la movilidad colaborativa.

Beneficio Económico

El beneficio económico lo relacionan con el precio y el costo beneficio. El precio es un elemento importante para determinar la accesibilidad de un producto o servicio (Watanabe et al.,2020). Sin embargo, los consumidores están más preocupados por obtener beneficios económicos en sus compras, donde puedan obtener el mayor valor económico al menor costo (Lee y Wong, 2021). Por lo general, los beneficios económicos son motivantes fundamentales para la aceptación de las plataformas de la movilidad colaborativa porque los consumidores se dejan llevar por las promociones y descuentos (Lee et al.,2018). De acuerdo con Hamari et al. (2015) explican que los precios asequibles de estas empresas colaborativas se deben a que no poseen bienes propios, más bien dependen de los vehículos de las personas que ofrecen transporte.

Es importante recalcar las investigaciones previas sobre el beneficio económico, por ejemplo, Curvelo et al. (2019), Hsu y Lin (2015) y Vijaranakorn y Shannon (2017) confirmaron la relación positiva y significativa del valor económico en la intención de compra. Se cree que los incentivos económicos son atractivos tanto para los clientes potenciales como a los clientes leales. Con esta información se postuló la siguiente hipótesis:

1. H₆: El beneficio económico tiene una influencia positiva en la intención de compra de los consumidores de la movilidad colaborativa.

1.3. Intención de compra

Originalmente la variable intención proviene de la teoría del comportamiento planeado de Ajzen (1991) y esta variable representa un paso previo a la adopción de comportamiento real, en otras palabras, indica que tan comprometido está el individuo de intentar aceptar una conducta (Kim y James, 2016). Actualmente, la intención es renombrada como la variable de intención de compra en investigaciones de comportamiento de compra y marketing, la cual permite a las empresas y a los académicos comprender el nivel de voluntad que tiene el consumidor para participar en actividades comerciales (Cheong et al., 2020). Los estudios dedicados a analizar qué factores determinan la intención de compra son amplios y se construyen a partir de diferentes contextos, por ejemplo, existen investigaciones relacionadas con la intención de comprar servicios electrónicos (Matos y Krielow, 2019), comercio social (Farivar et al.,2017), comida orgánica (Watanabe et al., 2020) entre otros

Fundamentado con la literatura previamente señalada, la intención de compra funciona como una variable dependiente y proyecta los resultados del comportamiento de compra. Asumiendo que el consumidor tenga una postura de compra firme, podrá participar en la última etapa del proceso de compra que es la toma de decisión final (Liu et al., 2019). Por esta razón se tomó esta variable como dependiente para medir la disposición que tiene un consumidor para pedir transporte de plataformas de la movilidad colaborativa.

1.4. Movilidad Colaborativa

La literatura de la economía colaborativa ha sido un tema de conversación sobre su funcionamiento, impacto, legislación y contribución. Los autores más destacados como Belk (2014) explica que la tecnología de la información ha traído nuevas formas de compartir, rentar o transferir bienes por una tarifa económica mientras que Botsman y Rogers (2010) lo ve como un acto más humano y señala que los individuos deberían compartir, regalar, intercambiar y prestar sus bienes subutilizados. En términos generales, la economía colaborativa consiste en que los usuarios que dispongan productos que no utilicen pueden compartirlo con alguien a cambio de una tarifa. Se espera que la tendencia de alquilar bienes subutilizados crezca en el futuro y las personas dependan más del préstamo que de la propiedad (Lee, 2020). Asimismo, el consumidor al usar estas plataformas estaría contribuyendo en prácticas sustentables al no consumir productos nuevos (Carrigan et al.,2020).

Como se había mencionado anteriormente, la economía colaborativa está compuesta por diferentes sectores y uno de los más sobresalientes es la movilidad colaborativa. Este sector se integra de plataformas tales como Uber, Lyft, DiDi y Bolt que funcionan con tecnología de internet móvil, localización GPS y almacenamiento en la nube, lo que hacen los viajes son más flexibles, accesibles y convenientes (Wang et al.,2019). El fuerte impacto que ha tenido estas novedosas aplicaciones en el mundo se ve reflejado en la cantidad recaudada de 225,000 millones de dólares en 2018 (Fauzi y Sheng, 2021). Mientras que en Latinoamérica se ha ganado el reconocimiento de ser la región con mayor incremento de viajes en el mundo con 45 millones en el 2016 (Puche, 2018).

2. Metodología

2.1. Instrumento de medición

El instrumento de medición fue construido por escalas de investigaciones relacionadas con riesgo financiero, de desempeño y físico (Featherman y Pavlou, 2003; Hong, 2015; Stone y Grønhaug, 1993), beneficio social, conveniencia y económico (Hamari et al., 2015; Tussyadiah, 2016) e intención de compra (Dachyar y Banjarnahor, 2017; van der Heijden et al.,2003). Este instrumento fue evaluado y validado por 4 expertos en el tema, donde se eliminaron 11 ítems por ser redundantes. También se llevó una prueba piloto para verificar la claridad y coherencia de los ítems. El instrumento final está construido de 37 items en escala Likert de 5 puntos.

2.2. Muestra

La población objetivo de esta investigación son usuarios de Uber de la ciudad de Aguascalientes, Aguascalientes. Se seleccionó esta plataforma debido al gran impacto que tiene en México y a lo bien posicionado que está en la mente del consumidor. Al no contar con una base de datos publica sobre sus usuarios, se tomaron datos de la Asociación de internet MX (2020) para identificar que edades usan con mayor frecuencia el internet y el reporte indica que el rango esta entre 20 a 59 años, asimismo con datos del Instituto Nacional de Estadística y Geografía (INEGI, 2020) y la fórmula de la población infinita se obtuvieron los valores para determinar la muestra, los cuales fueron 473 encuestados. Se requirió de una empresa de marketing para facilitar la aplicación de encuestas.

2.3. Confiabilidad y validez

Después se determinó la confiabilidad interna de los ítems, por lo que se realizó el alfa de Cronbach, índice de fiabilidad compuesto (IFC) y el índice de varianza extraída (IVE). Los parámetros requeridos para cumplir con la fiabilidad y validez del instrumento son el IFC y el alfa de Cronbach mayor a 0.60 y el IVE mayor a 0.50 (Bagozzi y Yi, 1988; Nunnally, 1978). En la Tabla 1 se muestran los valores que se consiguieron mediante el software SPSS 24 y se confirma que todos cumplen con los requerimientos de confiabilidad y validez.

Tabla 1. Fiabilidad y validez del instrumento
Fuente: Elaboración propia

Una vez aprobada la confiabilidad y validez del instrumento, se analizaron los datos demográficos con el fin de identificar las características de los encuestados. En la Tabla 2 se puede visualizar de mejor manera los datos demográficos obtenidos de la muestra. Remarcando que los mayores participantes en esta investigación fueron hombres con el 49%, el 25% son de edades de 20 a 24 y que el 77.4% han gastado menos de 500 pesos al mes en el uso de Uber y plataformas similares.

Tabla 2. Datos demográficos
Fuente: Elaboración propia

Tabla 2. Datos demográficos
Fuente: Elaboración propia

Es importante señalar que este estudio es no experimental, empírico, causal, transversal y con un enfoque cuantitativo. Por esta razón, se utilizó la regresión lineal múltiple para analizar la relación entre las variables independientes con la variable dependiente del modelo (Hair et al.,2014) y con los hallazgos poder contribuir a la literatura del comportamiento del consumidor.

3. Resultados

Primeramente, se llevó a cabo una correlación de Pearson para observar que tan relacionados están las variables independientes con la variable dependiente. Los resultados muestran que el riesgo financiero obtuvo un valor de (-0.067), el riesgo de desempeño de (0.580), el riesgo físico de (-0.039), el beneficio social de (0.460), el beneficio de conveniencia de (0.691) y por último el beneficio económico con un valor de (0.523). Con estos resultados se puede apreciar que el beneficio de conveniencia tiene un gran impacto positivo en la intención de compra mientras riesgo financiero y el riesgo físico son los que más afectaron de manera negativa.

Después se realizó un análisis de multicolinealidad, con la intención de examinar que los niveles de correlación de las variables no sean altos, si se llegará a presentar problemas de multicolinealidad dentro del estudio, este causaría problemas de interpretación sobre la influencia que tiene las variables independientes sobre la variable dependiente (Seock y Lin, 2011). Para analizar esto, se recurrió a los métodos de tolerancia y factor de inflación de la varianza (VIF), los cuales se presentan en la tabla 3. En el apartado de tolerancia ningún valor es menor a 0.010 y todos los valores de VIF son menores de 10 (Alam y Sayuti, 2011). Por lo cual no se presenta ningún problema de multicolinealidad.

Las hipótesis fueron comprobadas a través del análisis de regresión lineal múltiple donde los resultados se muestran en la tabla 3. Con este método se puede analizar la fortaleza de la relación de las variables independientes con la variable dependiente del modelo.

Tabla 3. Resultados de la regresión lineal múltiple
Fuente: Elaboración propia.

De acuerdo con los resultados obtenidos, se puede observar que las 6 variables independientes pueden explicar el 55% de la variación de la intención de compra (R²=0.554; p<0.05), asimismo, el valor p (p-value) demuestra que las variables son significativas porque no sobrepasan el valor requerido (p<0.050). Se profundizará más afondo los resultados de la regresión múltiple en el apartado siguiente.

4. Discusión

Conviene destacar que, para encontrar los hallazgos de la investigación, se debe realizar la comprobación de hipótesis. La primera (H1) describe que el riesgo financiero tiene una relación negativa con la intención de compra (β=-0.155; p<0.05), del mismo modo, los resultados determinaron que es la dimensión de riesgo que más afecta a la intención de compra y esto concuerda con los resultados de Ariffin et al. (2018), Tan y Goh (2018) y Hong y Cha (2013). La preocupación del consumidor de ser estafado o pagar de más por un producto podría ser una barrera que reduzca su participación en las plataformas digitales. No obstante, Beneke et al. (2012) contrastan los presentes resultados al no encontrar relación con la intención de compra. Después de analizar la literatura y los resultados, se optó por no rechazar H₁.

Siguiendo con la H2, el hallazgo fue que el riesgo de desempeño tiene una relación positiva con la intención de compra (β =0.100; p<0.05). A pesar de que la literatura confirme una relación negativa con la intención de compra (ejemplo, Bhukya y Singh, 2015; Pentz et al.,2020), en esta investigación resultó todo lo contrario. Se considera que los consumidores no ven como un problema los errores operativos del sistema debido a que estos se pueden resolver con alguna actualización. En el estudio de Hong y Cha (2013) sucedió algo similar donde el riesgo de entrega y el riesgo social fueron rechazados por tener una relación contraria a lo que habían planteado. Por lo mismo se rechaza H₂.

Para la comprobación de la H₃, se observa que el riesgo físico tiene una relación negativa con la variable dependiente (β =-0.080; p<0.05). Este resultado es similar a los de Bhukya y Singh (2015), Huang et al. (2019), Khan et al. (2019) y se contrapone al de Amirtha et al. (2021), que no encontraron relación. Se puede inferir que el consumidor es susceptible al riesgo físico en este tipo de plataformas colaborativas, por lo tanto, estas empresas deben diseñar estrategias para garantizar la seguridad del usuario. Por este motivo no se rechaza la H₃.

La relación del beneficio social con la intención de compra (H4) es positiva y significativa (β=0.460; p<0.05), a través de estudio previos como los de Gan y Wang (2017), Liu (2021) y Vijaranakorn y Shannon (2017), que también confirmaron estos hechos. Las plataformas de la movilidad colaborativa están ligadas a las redes sociales, lo que permite al consumidor compartir y comunicar sus historias de viaje, lo que hace que mejore su experiencia con el servicio. Aunque los resultados demuestran una relación positiva entre las variables, existe una disparidad con el análisis de Ramayah et al. (2018), debido a que ellos no encontraron ninguna relación y suponen que los valores culturales del consumidor dependen en la influencia del beneficio social. Con estas afirmaciones no se puede rechazar H₄.

La hipótesi H5 postula que el beneficio de conveniencia tiene una relación positiva con la intención de compra (β=0.509; p<0.05). La conveniencia demostró ser el beneficio con mayor impacto dentro del estudio, caso similar a Arora y Aggarwal (2018), Ching et al. (2021) y Patro (2019). Sin embargo, Tanadi et al. (2015) contradicen este hallazgo en su investigación y esto se debe a que no encontraron significancia en la relación entre la conveniencia y la intención de comprar en línea en Malasia. Los hallazgos del presente estudio sustentan el poder predictivo de la conveniencia dentro la literatura del beneficio percibido. La flexibilidad y accesibilidad de conseguir transporte desde cualquier lugar, es un punto clave para que los consumidores sigan reservando viajes. Por este motivo no se rechaza H₅.

Y para concluir con esta sección, la comprobación de la H6 afirma la relación del beneficio económico con la variable dependiente (β=0.183; p<0.05) como en los estudios de Curvelo et al. (2019), Hsu y Lin (2015) y Vijaranakorn y Shannon (2017). Sin embargo, los resultados difieren a los de Hamari et al. (2020) y Meeprom y Silanoi (2020), porque no encontraron una relación significativa, estos autores consideran que los sobreprecios de los productos son una limitante para el consumidor. Con lo presentado anteriormente no se puede rechazar H6.

Con los resultados obtenidos se formularon 5 ecuaciones que permite predecir la intención de compra de los consumidores de la movilidad colaborativa:

• Ecuación 1: Intención de compra=1.193 + (-0.183) Riesgo financiero + ei1

  Ecuación 2: Intención de compra=1.193 + (-0.099) Riesgo físico + ei2

  Ecuación 3: Intención de compra=1.193 + (0.107) Beneficio social + ei3

  Ecuación 4: Intención de compra=1.193 + (0. 556) Beneficio de conveniencia+ ei4

  Ecuación 5: Intención de compra=1.193 + (0.186) Beneficio económico + ei5

Para calcular la intención de compra de la ecuación 1 se debe multiplicar el valor de riesgo financiero con el coeficiente estandarizado de beta (-0.183), como es un valor negativo este debe restar el valor constante de la intención de compra (1.193). La ecuación 2 es muy similar a la ecuación 1; se resta con el valor de riesgo físico con el coeficiente estandarizado de beta (-0.099). Por otra parte, la ecuación 3 se suma con el valor de beneficio social con el coeficiente estandarizado de beta (0.107) y se suma con el valor constante de la intención de compra (1.193). Las ecuaciones 4 y 5 siguen los pasos de la ecuación 3 pero con sus respectivos valores; ei es el error del modelo.

Conclusión

La movilidad colaborativa es un fenómeno emergente que debe ser explorado, para comprender su impacto ecológico, regularizaciones y estrategias de marketing. Este estudio se enfocó en el comportamiento del consumidor con el propósito de contribuir a la literatura de la economía colaborativa. Se tomaron dimensiones del riesgo y beneficio para medirlos con la intención de compra y con base a los hallazgos previamente señalados, se obtuvo que el riesgo financiero es el primer factor que impacta con la intención del consumidor mientras el riesgo físico es el segundo. Estas empresas deben contemplar estrategias dedicadas a la protección financiera y física del usuario. Por otra parte, el riesgo de desempeño no presentó una relación negativa con la variable dependiente y se podría interpretar como la falta de importancia ante las fallas en el aspecto técnico de la plataforma.

Por otra parte, los beneficios percibidos tuvieron mayor participación en la investigación, por ejemplo, la conveniencia se podría considerar el motivante fundamental para la utilización de estas plataformas digitales. El consumidor esta más consciente de los elementos de comodidad y ahorro de tiempo que la presión social o el ahorro monetario. Las empresas de estas plataformas deberán enfocar sus campañas de Marketing para impulsar la conveniencia como pieza fundamental en sus servicios. La presente investigación tuvo algunas limitaciones en el levantamiento de encuestas a causa de la pandemia COVID-19, por lo que se contrató una empresa encuestadora para cumplir con este apartado. Asimismo, esta investigación se llevó en el contexto mexicano, es difícil generalizar a otros países de Latinoamérica. Por eso se recomienda en futuras investigaciones seguir explorando en diferentes países debido a que es necesario nutrir la literatura del comportamiento del consumidor. Por último, se recomienda usar otro tipo de variables como la confianza para analizar la relación con el riesgo y el beneficio.

Referencias

Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179-211. DOI: https://doi.org/10.1016/0749-5978(91)90020-t.

Akbari, M., Moradi, A., SeyyedAmiri, N., Zúñiga, M. Á., Rahmani, Z. y Padash, H. (2021). Consumers’ intentions to use ridesharing services in Iran. Research in Transportation Business & Management, 41 (100616). DOI: https://doi.org/10.1016/j.rtbm.2020.100616.

Akroush, M. N., Zuriekat, M. I., Al Jabali, H. I. y Asfour, N. A. (2019). Determinants of purchasing intentions of energy-efficient products. International Journal of Energy Sector Management, 13(1), 128-148 DOI: https://doi.org/10.1108/IJESM-05-2018-0009.

Alam, S.S. y Sayuti, N.M. (2011). Applying the Theory of Planned Behavior (TPB) in halal food purchasing. International Journal of Commerce and Management, 21(1), 8-20. DOI: https://doi.org/10.1108/10569211111111676.

Alves, H. y Mainardes, E.W. (2017). Self-efficacy, trust, and perceived benefits in the co-creation of value by consumers. International Journal of Retail & Distribution Management, 45(11), 1159-1180. DOI: https://doi.org/10.1108/IJRDM-05-2016-0071.

Amirtha, R., Sivakumar, V. J. y Hwang, Y. (2021). Influence of Perceived Risk Dimensions on e-Shopping Behavioural Intention among Women -A Family Life Cycle Stage Perspective. Journal of Theoretical and Applied Electronic Commerce Research, 16(3), 320-355. DOI: https://doi.org/10.3390/jtaer16030022.

Andreu, L., Bigne, E., Amaro, S. y Palomo, J. (2020). Airbnb research: an analysis in tourism and hospitality journals. International Journal of Culture, Tourism and Hospitality Research, 14(1), 2-20. DOI: https://doi.org/10.1108/IJCTHR-06-2019-0113.

Ariffin, S.K., Mohan, T. y Goh, Y.-N. (2018). Influence of consumers’ perceived risk on consumers’ online purchase intention. Journal of Research in Interactive Marketing, 12(3), 309-327. DOI: https://doi.org/10.1108/jrim-11-2017-0100.

Arora, N. y Aggarwal, A. (2018). The role of perceived benefits in formation of online shopping attitude among women shoppers in India. South Asian Journal of Business Studies, 7(1), 91-110. DOI: https://doi.org/10.1108/SAJBS-04-2017-0048.

Asociación de Internet MX (2020). 16° Estudio sobre los Hábitos de los Usuarios de Internet en México 2020. Recuperado de: https://bit.ly/35tOvt1.

Ávalos, M. y Sofía, P. (2015). Baby, you can(’t) drive my car. El caso de Uber en México. Economía Informa, 390, 104-112. DOI: https://doi.org/10.1016/s0185-0849(15)30007-4.

Avdimiotis, S. y Poulaki, I. (2019). Airbnb impact and regulation issues through destination life cycle concept. International Journal of Culture, Tourism and Hospitality Research, 13(4), 458-472. DOI: https://doi.org/10.1108/IJCTHR-03-2019-0044.

Bagozzi, R. P. y Yi, Y. (1988). On the evaluation of structural equation models. Journal of the Academy of Marketing Science, 16(1), 74-94. DOI: http://dx.doi.org/10.1007/BF02723327.

Bashir, S., Khwaja, M. G., Mahmood, A., Turi, J. A. y Latif, K. F. (2021). Refining e-shoppers’ perceived risks: Development and validation of new measurement scale. Journal of Retailing and Consumer Services, 58, 102285. DOI: https://doi.org/10.1016/j.jretconser.2020.102285.

Belk, R. (2014). You are what you can access: Sharing and collaborative consumption online. Journal of Business Research, 67(8), 1595-1600. DOI: https://doi.org/10.1016/j.jbusres.2013.10.001.

Belwal, R., Al Shibli, R. y Belwal, S. (2021). Consumer protection and electronic commerce in the Sultanate of Oman. Journal of Information, Communication and Ethics in Society, 19(1), 38-60. DOI: https://doi.org/10.1108/JICES-09-2019-0110.

Beneke, J., Greene, A., Lok, I. y Mallett, K. (2012). The influence of perceived risk on purchase intent – the case of premium grocery private label brands in South Africa. Journal of Product & Brand Management, 21(1), 4-14. DOI: https://doi.org/10.1108/10610421211203060.

Bhatti, A. y Ur Rehman, S. (2020). Perceived benefits and perceived risks effect on online shopping behavior with the mediating role of consumer purchase intention in Pakistan. International Journal of Management Studies, 26(1), 33-54 DOI: https://doi.org/10.32890/ijms.26.1.2019.10512.

Bhukya, R. y Singh, S. (2015). The effect of perceived risk dimensions on purchase intention. American Journal of Business, 30(4), 218-230. DOI: https://doi.org/10.1108/ajb-10-2014-0055.

Biswas, D. y Biswas, A. (2004). The diagnostic role of signals in the context of perceived risks in online shopping: Do signals matter more on the Web? Journal of Interactive Marketing, 18(3), 30-45. DOI: https://doi.org/10.1002/dir.20010.

Boateng, H., Kosiba, J. P. y Okoe, A. F. (2019). Determinants of consumers’ participation in the sharing economy. International Journal of Contemporary Hospitality Management. 31(2), 718-733. DOI: https://doi.org/10.1108/IJCHM-11-2017-0731.

Botsman, R. y Rogers, R. (2010). What’s mine is yours: The rise of collaborative consumption. Harper Collins.

Breidbach, C. F. y Brodie, R. J. (2017). Engagement platforms in the sharing economy. Journal of Service Theory and Practice, 27(4), 761-777. DOI: https://doi.org/10.1108/JSTP-04-2016-0071.

Bruwer, J., Fong, M., y Saliba, A. (2013). Perceived risk, risk-reduction strategies (RRS) and consumption occasions. Asia Pacific Journal of Marketing and Logistics, 25(3), 369-390. DOI: https://doi.org/10.1108/apjml-06-2012-0048.

Cai, Y. y Shannon, R. (2012). Personal values and mall shopping behaviour. International Journal of Retail & Distribution Management, 40(4), 290-318. DOI: https://doi.org/10.1108/09590551211211783.

Carrigan, M., Magrizos, S., Lazell, J. y Kostopoulos, I. (2020). Fostering sustainability through technology-mediated interactions: Conviviality and reciprocity in the sharing economy.Information Technology & People, 33(3) 919-943. DOI: https://doi.org/10.1108/ITP-10-2018-0474.

Cheong, J. W., Muthaly, S., Kuppusamy, M. y Han, C. (2020). The study of online reviews and its relationship to online purchase intention for electronic products among the millennials in Malaysia. Asia Pacific Journal of Marketing and Logistics, 32(7), 1519-1538. DOI: https://doi.org/10.1108/APJML-03-2019-0192.

Ching, K. C., Hasan, Z. R. y Hasan, N. A. (2021). Factors influencing consumers in using shopee for online purchase intention in east coast Malaysia. UMT Journal of Undergraduate Research, 3(1), 45-56. DOI: https://doi.org/10.46754/umtjur.2021.01.006.

Cohen, B. y Kietzmann, J. (2014). Ride On! Mobility Business Models for the Sharing Economy. Organization & Environment, 27(3), 279-296. DOI: https://doi.org/10.1177/1086026614546199.

Confente, I., Russo, I., Peinkofer, S. y Frankel, R. (2021). The challenge of remanufactured products: the role of returns policy and channel structure to reduce consumers’ perceived risk. International Journal of Physical Distribution & Logistics Management, 51(4), 350-380. DOI: https://doi.org/10.1108/IJPDLM-03-2020-0089.

Cong, L. C. (2021). Perceived risk and destination knowledge in the satisfaction-loyalty intention relationship: An empirical study of european tourists in vietnam. Journal of Outdoor Recreation and Tourism, 33 (100343). DOI: https://doi.org/10.1016/j.jort.2020.100343.

Curvelo, I. C., Watanabe, E. A. y Alfinito, S. (2019). Purchase intention of organic food under the influence of attributes, consumer trust and perceived value. Revista de Gestão. 26(3), 198-211. DOI: https://doi.org/10.1108/REGE-01-2018-0010.

Dachyar, M. y Banjarnahor, L. (2017). Factors influencing purchase intention towards consumer-to-consumer e-commerce. Intangible Capital, 13(5), 948. DOI: https://doi.org/10.3926/ic.1119.

Dowling, G. R. y Staelin, R. (1994). A Model of Perceived Risk and Intended Risk-Handling Activity. Journal of Consumer Research, 21(1), 119-134. DOI: https://doi.org/10.1086/209386.

Fang, J., George, B., Shao, Y. y Wen, C. (2016). Affective and cognitive factors influencing repeat buying in e-commerce. Electronic Commerce Research and Applications, 19, 44-55. DOI: https://doi.org/10.1016/j.elerap.2016.08.001.

Farivar, S., Turel, O. y Yuan, Y. (2017). A trust-risk perspective on social commerce use: an examination of the biasing role of habit. Internet Research, 27(3), 586-607. DOI: https://doi.org/10.1108/intr-06-2016-0175.

Fauzi, A. A. y Sheng, M. L. (2021). Ride-hailing apps’ continuance intention among different consumer groups in Indonesia: the role of personal innovativeness and perceived utilitarian and hedonic value. Asia Pacific Journal of Marketing and Logistics, 33(5), 1195-1219. DOI: https://doi.org/10.1108/apjml-05-2019-0332.

Featherman, M. S. y Pavlou, P. A. (2003). Predicting e-services adoption: a perceived risk facets perspective. International Journal of Human-Computer Studies, 59(4), 451-474. DOI: https://doi.org/10.1016/s1071-5819(03)00111-3.

Forsythe, S. M. y Shi, B. (2003). Consumer patronage and risk perceptions in Internet shopping. Journal of Business Research, 56(11), 867-875. DOI: https://doi.org/10.1016/s0148-2963(01)00273-9.

Gan, C. y Wang, W. (2017). The influence of perceived value on purchase intention in social commerce context. Internet Research, 27(4), 772-785. DOI: https://doi.org/10.1108/intr-06-2016-0164.

Godelnik, R. (2017). Millennials and the sharing economy: Lessons from a “buy nothing new, share everything month” project. Environmental Innovation and Societal Transitions, 23, 40-52. DOI: https://doi.org/10.1016/j.eist.2017.02.002.

Görög, G. (2018). The Definitions of Sharing Economy: A Systematic Literature Review. Management.13(2), 175-189. DOI: https://doi.org/10.26493/1854-4231.13.175-189.

Grimmer, L. y Vorobjovas-Pinta, O. (2020). From the sharing economy to the visitor economy: the impact on small retailers. International Journal of Tourism Cities, 6(1), 90-98. DOI: https://doi.org/10.1108/IJTC-01-2019-0015.

Gupta, V. y Duggal, S. (2021). How the consumer’s attitude and behavioural intentions are influenced: A case of online food delivery applications in India. International Journal of Culture, Tourism and Hospitality Research, 15(1), 77-93. DOI: https://doi.org/10.1108/IJCTHR-01-2020-0013.

Gupta, V., Gupta, L. y Dhir, S. (2020). Customer competency for improving firm decision-making performance in e-commerce. Foresight, 22(2), 205-222. DOI: https://doi.org/10.1108/FS-06-2019-0053.

Hair, J. F., Black, W. C., Babin, B. J. y Anderson, R. E. (2014). Multivariate data analysis. Pearson Education Limited.

Hamari, J., Hanner, N. y Koivisto, J. (2020). “Why pay premium in freemium services?” A study on perceived value, continued use and purchase intentions in free-to-play games. International Journal of Information Management, 51, 102040. DOI: https://doi.org/10.1016/j.ijinfomgt.2019.102040.

Hamari, J., Sjöklint, M. y Ukkonen, A. (2015). The sharing economy: Why people participate in collaborative consumption. Journal of the Association for Information Science and Technology, 67(9), 2047-2059. DOI: https://doi.org/10.1002/asi.23552.

Han, F. y Li, B. (2021). Exploring the effect of an enhanced e-commerce institutional mechanism on online shopping intention in the context of e-commerce poverty alleviation. Information Technology & People, 34(1), 93-122. DOI: https://doi.org/10.1108/itp-12-2018-0568.

Han, H., Yu, J. y Kim, W. (2019). An electric airplane: Assessing the effect of travelers’ perceived risk, attitude, and new product knowledge. Journal of Air Transport Management, 78, 33-42. DOI: https://doi.org/10.1016/j.jairtraman.2019.04.004.

Hirunyawipada, T. y Paswan, A. K. (2006). Consumer innovativeness and perceived risk: implications for high technology product adoption. Journal of Consumer Marketing, 23(4), 182-198. DOI: https://doi.org/10.1108/07363760610674310.

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, 35(3), 322-336 DOI: https://doi.org/10.1016/j.ijinfomgt.2015.01.003.

Hong, I. B. y Cha, H. S. (2013). The mediating role of consumer trust in an online merchant in predicting purchase intention. International Journal of Information Management, 33(6), 927-939. DOI: https://doi.org/10.1016/j.ijinfomgt.2013.08.007.

Hsu, C.-L., y Lin, J. C.-C. (2015). What drives purchase intention for paid mobile apps? – An expectation confirmation model with perceived value. Electronic Commerce Research and Applications, 14(1), 46-57. DOI: https://doi.org/10.1016/j.elerap.2014.11.003.

Huang, D., Liu, X., Lai, D. y Li, Z. (2019). Users and non-users of P2P accommodation. Journal of Hospitality and Tourism Technology, 10(3), 369-382. DOI: https://doi.org/10.1108/JHTT-06-2017-0037.

Huang, S.S., Pearce, J., Wen, J., Dowling, R. K. y Smith, A. J. (2020). Segmenting Western Australian national park visitors by perceived benefits: A factor‐item mixed approach. International Journal of Tourism Research, 22(6) 814-824. DOI: https://doi.org/10.1002/jtr.2382.

Hwang, J. y Choe, J. Y. (2020). How to enhance the image of edible insect restaurants: Focusing on perceived risk theory. International Journal of Hospitality Management, 87. Doi: https://doi.org/10.1016/j.ijhm.2020.102464

Instituto Nacional de Estadística y Geografía (2020). Censo de Población y Vivienda 2020. Recuperado de: https://www.inegi.org.mx/programas/ccpv/2020/default.html#Tabulados.

Joo, D., Xu, W., Lee, J., Lee, C. K. y Woosnam, K. M. (2021). Residents’ perceived risk, emotional solidarity, and support for tourism amidst the COVID-19 pandemic. Journal of Destination Marketing & Management, 19, 100553. DOI: https://doi.org/10.1016/j.jdmm.2021.100553.

Katta, R. M. y Patro, C. S. (2017). Influence of Perceived Benefits on Consumers’ Online Purchase Behaviour: An Empirical Study. International Journal of Sociotechnology and Knowledge Development, 9(3), 38-64. DOI: https://doi.org/10.4018/IJSKD.2017070103.

Khan, M. J., Chelliah, S., Khan, F. y Amin, S. (2019). Perceived risks, travel constraints and visit intention of young women travelers: the moderating role of travel motivation. Tourism Review, 74(3), 721-738. DOI: https://doi.org/10.1108/TR-08-2018-0116.

Khan, S., Liang, Y. y Shahzad, S. (2015). An Empirical Study of Perceived Factors Affecting Customer Satisfaction to Re-Purchase Intention in Online Stores in China. Journal of Service Science and Management, 8, 291-305. DOI: https://doi.org/10.4236/jssm.2015.83032.

Kim, J. y Lennon, S. J. (2013). Effects of reputation and website quality on online consumers’ emotion, perceived risk and purchase intention. Journal of Research in Interactive Marketing, 7(1), 33-56. DOI: https://doi.org/10.1108/17505931311316734.

Kim, K., Baek, C. y Lee, J. D. (2018). Creative destruction of the sharing economy in action: The case of Uber. Transportation Research Part A: Policy and Practice, 110, 118-127. DOI: https://doi.org/10.1016/j.tra.2018.01.014.

Kim, M. S. y James, J. (2016). The theory of planned behaviour and intention of purchase sport team licensed merchandise. Sport, Business and Management: An International Journal, 6(2), 228-243. DOI: https://doi.org/10.1108/SBM-02-2014-0005.

Lee, C. K. y Wong, A. O. (2021). Antecedents of consumer loyalty in ride-hailing. Transportation Research Part F: Traffic Psychology and Behaviour, 80, 14-33. DOI: https://doi.org/10.1016/j.trf.2021.03.016.

Lee, C. H. y Wu, J. J. (2017). Consumer online flow experience. Industrial Management & Data Systems, 117(10), 2452-2467. DOI: https://doi.org/10.1108/IMDS-11-2016-0500.

Lee, S. H. (2020). New measuring stick on sharing accommodation: Guest-perceived benefits and risks. International Journal of Hospitality Management, 87, 102471. DOI: https://doi.org/10.1016/j.ijhm.2020.102471.

Lee, S. H. y Deale, C. (2021). Consumers’ perceptions of risks associated with the use of Airbnb before and during the COVID-19 pandemic. International Hospitality Review, 35(2), 225-239. DOI: https://doi.org/10.1108/IHR-09-2020-0056.

Lee, Z. W., Chan, T. K., Balaji, M. S. y Chong, A. Y. (2018). Why people participate in the sharing economy: an empirical investigation of Uber. Internet Research, 28(3), 829-850. DOI: https://doi.org/10.1108/intr-01-2017-0037.

Liu, C., Bao, Z. y Zheng, C. (2019). Exploring consumers’ purchase intention in social commerce. Asia Pacific Journal of Marketing and Logistics, 31(2), 378-397. DOI: https://doi.org/10.1108/APJML-05-2018-0170.

Liu, H. (2021). Perceived Value Dimension, Product Involvement and Purchase Intention for Intangible Cultural Heritage Souvenir. American Journal of Industrial and Business Management, 11, 76-91. DOI: https://doi.org/10.4236/ajibm.2021.111006.

Liu, M. T., Brock, J. L., Shi, G. C., Chu, R. y Tseng, T. (2013). Perceived benefits, perceived risk, and trust. Asia Pacific Journal of Marketing and Logistics, 25(2), 225-248. DOI: https://doi.org/10.1108/13555851311314031.

Mainardes, E. W., Souza, I. M. y Correia, R. D. (2020). Antecedents and consequents of consumers not adopting e-commerce. Journal of Retailing and Consumer Services, 55, 102138. DOI: https://doi.org/10.1016/j.jretconser.2020.102138.

Matos, C. A. y Krielow, A. (2019). The effects of environmental factors on B2B e-services purchase: perceived risk and convenience as mediators. Journal of Business & Industrial Marketing, 34(4), 767-778. DOI: https://doi.org/10.1108/jbim-12-2017-0305.

Meeprom, S. y Silanoi, T. (2020). Investigating the perceived quality of a special event and its influence on perceived value and behavioural intentions in a special event in Thailand. International Journal of Event and Festival Management, 11(3), 337-355. DOI: https://doi.org/10.1108/IJEFM-09-2019-0043.

Milwood, P. A. y Maxwell, A. (2020). A boundary objects view of Entrepreneurial Ecosystems in tourism. Journal of Hospitality and Tourism Management, 44, 243-252. DOI: https://doi.org/10.1016/j.jhtm.2020.06.008.

Mont, O., Curtis, S. K. y Palgan, Y. V. (2021). Organisational Response Strategies to COVID-19 in the Sharing Economy. Sustainable Production and Consumption, 28, 52-70. DOI: https://doi.org/10.1016/j.spc.2021.03.025.

Mustafa, S. Z. y Kar, A. K. (2019). Prioritization of multi-dimensional risk for digital services using the generalized analytic network process. Digital Policy, Regulation and Governance, 21(2), 146-163 DOI: https://doi.org/10.1108/DPRG-06-2018-0031.

Nunnally, J. C. (1978). Psychometric theory. McGraw-Hill.

Okazaki, S. y Mendez, F. (2013). Exploring convenience in mobile commerce: Moderating effects of gender. Computers in Human Behavior, 29(3), 1234-1242. DOI: https://doi.org/10.1016/j.chb.2012.10.019.

Pasimeni, F. (2021). The origin of the sharing economy meets the legacy of fractional ownership. Journal of Cleaner Production, 319, 128614. DOI: https://doi.org/10.1016/j.jclepro.2021.128614.

Patro, C. S. (2019). Influence of Perceived Benefits and Risks on Consumers’ Perceived Value in Online Shopping. International Journal of Applied Behavioral Economics, 8(3), 12-36. DOI: http://dx.doi.org/10.4018/IJABE.2019070102.

Pentz, C. D., du Preez, R. y Swiegers, L. (2020). To bu(Y) or not to bu(Y): Perceived risk barriers to online shopping among South African generation Y consumers. Cogent Business & Management, 7(1), 1827813. DOI: https://doi.org/10.1080/23311975.2020.1827813.

Puche, M. L. (2018). Regulation of TNCs in Latin America: The Case of Uber Regulation in Mexico City and Bogota. En Finger, M. y Audouin, M. (Eds.), The Governance of Smart Transportation Systems, 37-53. Springer Nature. DOI: https://doi.org/10.1007/978-3-319-96526-0_3.

Rahmafitria, F., Suryadi, K., Oktadiana, H., Putro, H. P. y Rosyidie, A. (2021). Applying knowledge, social concern and perceived risk in planned behavior theory for tourism in the Covid-19 pandemic. Tourism Review, 76(4), 809-828. DOI: https://doi.org/10.1108/TR-11-2020-0542.

Ramayah, T., Rahman, S. A. y Ling, N. C. (2018). How do Consumption Values Influence Online Purchase Intention among School Leavers in Malaysia? Review of Business Management, 20(4), 638-654. DOI: https://doi.org/10.7819/rbgn.v0i0.3139.

Ray, S. K. y Sahney, S. (2018). Indian consumers’ risk perception in buying green products: the case of LED light bulbs. Asia Pacific Journal of Marketing and Logistics, 30(4), 927-951. DOI: https://doi.org/10.1108/apjml-08-2017-0181.

Rintamäki, T., Kanto, A., Kuusela, H. y Spence, M. T. (2006). Decomposing the value of department store shopping into utilitarian, hedonic and social dimensions. International Journal of Retail & Distribution Management, 34(1), 6-24. DOI: https://doi.org/10.1108/09590550610642792.

Saglietto, L. (2021). Bibliometric analysis of sharing economy logistics and crowd logistics. International Journal of Crowd Science, 5(1), 31-54. DOI: https://doi.org/10.1108/IJCS-07-2020-0014.

Sarlay, S. y Neuhofer, B. (2021). Sharing economy disrupting aviation: travelers’ willingness to pay. Tourism Review, 76(3), 579-593. DOI: https://doi.org/10.1108/TR-09-2019-0375.

Seock, Y. y Lin, C. (2011). Cultural influence on loyalty tendency and evaluation of retail store attributes. International Journal of Retail & Distribution Management, 39(2), 94-113. DOI: https://doi.org/10.1108/09590551111109067.

Shao, Z., Guo, Y., Li, X. y Barnes, S. (2020). Sources of influences on customers’ trust in ride-sharing: why use experience matters? Industrial Management & Data Systems, 120(8), 1459-1482. DOI: https://doi.org/10.1108/IMDS-12-2019-0651.

Shao, Z. y Yin, H. (2019). Building customers’ trust in the ridesharing platform with institutional mechanisms. Internet Research 29(5), 1040-1063. DOI: https://doi.org/10.1108/INTR-02-2018-0086.

Shehata, G. M. y Montash, M. A. (2020). Driving the internet and e-business technologies to generate a competitive advantage in emerging markets. Information Technology & People, 33(2), 389-423. DOI: https://doi.org/10.1108/ITP-10-2017-0360.

Sthapit, E. y Björk, P. (2019). Sources of value co-destruction: Uber customer perspectives. Tourism Review, 74(4), 780-794. DOI: https://doi.org/10.1108/TR-12-2018-0176.

Stone, R. N. y Grønhaug, K. (1993). Perceived Risk: Further Considerations for the Marketing Discipline. European Journal of Marketing, 27(3), 39-50. DOI: https://doi.org/10.1108/03090569310026637.

Sun, J. (2014). How risky are services? An empirical investigation on the antecedents and consequences of perceived risk for hotel service. International Journal of Hospitality Management, 37, 171-179. DOI: https://doi.org/10.1016/j.ijhm.2013.11.008.

Sweeney, J. C., Soutar, G. N. y Johnson, L. W. (1999). The role of perceived risk in the quality-value relationship: A study in a retail environment. Journal of Retailing, 75(1), 77-105. DOI: https://doi.org/10.1016/s0022-4359(99)80005-0.

Sweeney, J. C. y Soutar, G. N. (2001). Consumer perceived value: The development of a multiple item scale. Journal of Retailing, 77(2), 203-220. DOI: https://doi.org/10.1016/s0022-4359(01)00041-0.

Tan, W. L. y Goh, Y. N. (2018). The role of psychological factors in influencing consumer purchase intention towards green residential building. International Journal of Housing Markets and Analysis, 11(5), 788-807. DOI: https://doi.org/10.1108/ijhma-11-2017-0097.

Tanadi, T., Samadi, B. y Gharleghi, B. (2015). The Impact of Perceived Risks and Perceived Benefits to Improve an Online Intention among Generation-Y in Malaysia. Asian Social Science, 11(26), 226-238. DOI: http://dx.doi.org/10.5539/ass.v11n26p226.

Taylor, J. W. (1974). The Role of Risk in Consumer Behavior. Journal of Marketing, 38(2), 54-60. DOI: https://doi.org/10.2307/1250198.

Terblanche, N. S. (2014). Customers’ Perceived Benefits of a Frequent-Flyer Program. Journal of Travel & Tourism Marketing, 32(3), 199-210. DOI: https://doi.org/10.1080/10548408.2014.895694.

Tussyadiah, I. P. (2016). Factors of satisfaction and intention to use peer-to-peer accommodation. International Journal of Hospitality Management, 55, 70-80. DOI: https://doi.org/10.1016/j.ijhm.2016.03.005.

van der Heijden, H., Verhagen, T. y Creemers, M. (2003). Understanding online purchase intentions: contributions from technology and trust perspectives. European Journal of Information Systems, 12, 41-48. DOI: https://doi.org/10.1057/palgrave.ejis.3000445.

Vijaranakorn, K. y Shannon, R. (2017). The influence of country image on luxury value perception and purchase intention. Journal of Asia Business Studies, 11(1), 88-110. DOI: https://doi.org/10.1108/jabs-08-2015-0142.

Wang, Y., Gu, J., Wang, S. y Wang, J. (2019). Understanding consumers’ willingness to use ride-sharing services: The roles of perceived value and perceived risk. Transportation Research Part C: Emerging Technologies, 105, 504-519. DOI: https://doi.org/10.1016/j.trc.2019.05.044.

Watanabe, E. A., Alfinito, S., Curvelo, I. C. y Hamza, K. M. (2020). Perceived value, trust and purchase intention of organic food: a study with Brazilian consumers. British Food Journal, 122(4), 1070-1184. DOI: https://doi.org/10.1108/bfj-05-2019-0363.

Zhang, J. (2019). What’s yours is mine: exploring customer voice on Airbnb using text-mining approaches. Journal of Consumer Marketing, 36(5), 655-665. DOI: https://doi.org/10.1108/JCM-02-2018-2581.

Zhang, Z. y Hou, Y. (2017). The effect of perceived risk on information search for innovative products and services: the moderating role of innate consumer innovativeness. Journal of Consumer Marketing, 34(3), 241-254. DOI: https://doi.org/10.1108/JCM-04-2016-1768.

Zhao, S. y Chen, L. (2021). Exploring Residents’ Purchase Intention of Green Housings in China: An Extended Perspective of Perceived Value. International Journal of Environmental Research and Public Health, 18(8), 4074. DOI: https://doi.org/10.3390/ijerph18084074.