ปัจจัยการยอมรับเทคโนโลยีและความเชื่อมั่นของผู้บริโภคที่มีอิทธิพล ต่อการตัดสินใจซื้อฮอร์โมนพืชผ่านช่องทางออนไลน์ในประเทศไทย

อภิชญา รวมจิตร; นาตาชา มาศวิเชียร

ผู้แต่ง

อภิชญา รวมจิตร มหาวิทยาลัยแม่ฟ้าหลวง
นาตาชา มาศวิเชียร มหาวิทยาลัยแม่ฟ้าหลวง

คำสำคัญ:

ฮอร์โมนพืช, การตัดสินใจซื้อ, ความเชื่อมั่นผู้บริโภค, การยอมรับเทคโนโลยี, การซื้อขายออนไลน์

บทคัดย่อ

การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อศึกษาอิทธิพลของปัจจัยการยอมรับเทคโนโลยีและปัจจัยด้านความเชื่อมั่นที่มีต่อการตัดสินใจซื้อฮอร์โมนพืชผ่านช่องทางออนไลน์ในประเทศไทย โดยใช้กรอบแนวคิดแบบจำลองการยอมรับเทคโนโลยี (Technology Acceptance Model: TAM) ร่วมกับแนวคิดด้านความเชื่อมั่นของผู้บริโภค กลุ่มตัวอย่าง คือ ผู้ที่มีประสบการณ์ซื้อฮอร์โมนพืชผ่านช่องทางออนไลน์ จำนวน 385 คน คัดเลือกด้วยวิธีการสุ่มแบบเจาะจง (Purposive Sampling) เครื่องมือที่ใช้คือแบบสอบถามซึ่งผ่านการตรวจสอบความเที่ยงตรงและความเชื่อมั่น วิเคราะห์ข้อมูลด้วยสถิติเชิงพรรณนา และการวิเคราะห์ถดถอยพหุคูณ ผลการวิจัยพบว่า ตัวแปรอิสระที่นำมาวิเคราะห์ทั้งหมดจำนวน 6 ตัวแปร ประกอบด้วยปัจจัยการยอมรับเทคโนโลยี 3 ด้าน ได้แก่ การรับรู้ประโยชน์ การรับรู้ความง่ายต่อการใช้งาน และทัศนคติที่มีต่อการใช้งาน และปัจจัยด้าน ความเชื่อมั่น 3 ด้าน ได้แก่ คุณภาพสินค้าและการบริการ ความน่าเชื่อถือของเว็บไซต์ และภาพลักษณ์ของสินค้าและองค์กร เมื่อนำมาวิเคราะห์ร่วมกันในสมการถดถอยพหุคูณ พบว่า มี 3 ปัจจัยที่ส่งผลเชิงบวกต่อ การตัดสินใจซื้อฮอร์โมนพืชผ่านช่องทางออนไลน์อย่างมีนัยสำคัญทางสถิติ โดยเรียงลำดับตามอิทธิพลต่อ การตัดสินใจสูงที่สุด ได้แก่ การรับรู้ประโยชน์ รองลงมาคือการรับรู้ความง่ายต่อการใช้งาน และภาพลักษณ์ของสินค้าและองค์กร ตามลำดับ ทั้งนี้ โมเดลถดถอยพหุคูณสามารถอธิบายความแปรปรวนของการตัดสินใจซื้อฮอร์โมนพืชผ่านช่องทางออนไลน์ได้ร้อยละ 46.90 ผลการวิจัยสามารถนำไปใช้เป็นแนวทางในการพัฒนา กลยุทธ์การตลาดออนไลน์ของผู้ประกอบการสินค้าเกษตร โดยเฉพาะการออกแบบแพลตฟอร์มที่ใช้งานง่าย การสื่อสารคุณค่าของสินค้าอย่างชัดเจน และการสร้างภาพลักษณ์ที่ดีของสินค้าและองค์กรเพื่อสนับสนุนการตัดสินใจซื้อผ่านช่องทางออนไลน์และส่งเสริมการเติบโตของตลาดสินค้าเกษตรในระยะยาว

เอกสารอ้างอิง

Ajzen, I. (1985). From Intentions to Action: A Theory of Planned Behavior. In: Kuhl, J. and Beckmann, J., (Edition), Action-Control: From Cognition to Behavior, Springer-Verlag, Heidelberg, 11-39. Heidelberg, Germany: Springer. http://doi.org/10.1007/978-3-642-69746-3_2

Ajzen, I., & Fishbein, M. (1980). Understanding attitudes and predicting social behavior. Englewood Cliffs, NJ: Prentice-Hall.

Butsopa, A. (2019). Factors affecting consumer purchasing behavior on agricultural product via online networks buying by multiple logistic regression of consumer generations B generations X and generations Y. [Master of Business Administration]. Rajamangala University of Technology Krungthep.

Chanprasitchai, O. (2023). The financial technology acceptance components of commercial banks in Thailand. Journal of graduate studies Valaya Alongkorn Rajabhat University, 17(2), 240–256. https://so02.tci-thaijo.org/index.php/JournalGradVRU/article/view/249563

Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334. https://doi.org/10.1007/BF02310555

Davis, F. D. (1986). A technology acceptance model for empirically testing new end-user information systems: Theory and results [Doctoral dissertation]. Massachusetts Institute of Technology.

Gefen, D., Karahanna, E., & Straub, D. W. (2003). Trust and TAM in online shopping: An integrated model. MIS Quarterly, 27(1), 51-90.

Orji, O. G. (2013). Major classic consumer buying behaviour models: Implications for marketing decision-making. Journal of Economics and Sustainable Development, 4(4), 164-172.

Intanonchai, T. (2009). Energy drink advertising and myth consumption of minibus drivers in Chiang Mai Province . [Master’s thesis]. Chiang Mai University.

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. https://doi.org/10.1016/j.dss.2007.07.001

Krejcie, R. V., & Morgan, D. W. (1970). Determining sample size for research activities. Educational and Psychological Measurement, 30(3), 607-610. https://doi.org/10.1177/001316447003000308

Mongkolwanit, C. (2020). The confidence factors affecting the online purchasing decision among Thai youth. Journal of studies in the field of humanities, 27(2), 189–214. https://so04.tci-thaijo.org/index.php/abc/article/view/198915

Ministry of Commerce. (2023). The Ministry of Commerce launches the “Agricultural Production – commercial Market” platform via mobile application to help farmers sell produce. Retrieved from https://www.mocagrimart.com/th/home

Morgan, R. M., & Hunt, S. D. (1994). The commitment-trust theory of relationship marketing. Journal of Marketing, 58(3), 20–38. https://doi.org/10.1177/002224299405800302

National Statistical Office. (2024). The 2024 Household Survey on The Use of Information and Communication Technology (Quarter 4). Retrieved from https://www.nso.go.th/nsoweb/storage/survey_detail/20-25/20250228090924_27941.pdf

Neramitpanich, P. (2024). The influence of artificial intelligence on consumers online purchasing decisions of consumers in Thailand. [Master of Business Administration]. Thammasat University.

Nilrattanakoon, W. (2022). Plant Hormone. Retrieved from https://www.doa.go.th/fc/nakhonsawan/?p=3681

Panan, Y. (2021). Online agricultural markets haven't surged yet; 70.58% of Thais say they've never bought from them, because they can still shop as usual and lack confidence in the product quality. Retrieved from https://maejopoll.mju.ac.th/poll.aspx?id=2157

Panishkul, V. (2020). Technology Acceptance and Intention to Use Mobile Banking Application of the Elderly in Bangkok [Master of Business Administration]. Dhurakij Pundit University.

Parasuraman, A., Zeithaml, V. A., & Berry, L. L. (1985). A conceptual model of service quality and its implications for future research. Journal of Marketing, 49(4), 41-50. https://doi.org/10.1177/002224298504900403

Pavlou, P. A. (2003). Consumer acceptance of electronic commerce: Integrating trust and risk with the technology acceptance model. International Journal of Electronic Commerce, 7(3), 101–134. https://doi.org/10.1080/10864415.2003.11044275

Phengcharoen, P. (2022). Factors that influence confidence affect the decision to study English via online platforms of learners in Bangkok and vicinity [Master of Management]. Mahidol University.

Polit, D. F., & Beck, C. T. (2006). The content validity index: Are you sure you know what's being reported? Critique and recommendations. Research in Nursing & Health, 29(5), 489–497. https://doi.org/10.1002/nur.20147

Pongvitayapan, P., & Rotanuson, S. (2008). E-marketing: Online marketing techniques. Samutprakarn: Pongwarin Printing. Tienngern, W. (2024). E-commerce in 2024 valued at 1.1 trillion baht – Thais prefer discounts and free shipping. Bangkok BizNews. Retrieved from https://www.bangkokbiznews.com/business/business/1151365

Tretasayut, A. (2024). Factors affecting online purchasing decisions of Generation X consumers in Chonburi [Master of Business Administration]. Ramkhamhaeng University.

Uppatum, P. (2014). Trust and characteristics of social commerce affecting the purchase intention via social media [Master of Business Administration]. Bangkok University.

Veeravatanayothin, K., & Oraphan, P. (2023). Acceptance of voice bot technology in banking business of customers contact center. Media and Communication Inquiry, 5(1), 33-56. https://so07.tci-thaijo.org/index.php/MCI/article/view/1591