Retos, 14(27), 2024 Revista de Ciencias de la Administración y Economía
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
www.retos.ups.edu.ec
abril-septiembre 2024
pp.101-114
https://doi.org/10.17163/ret.n27.2024.07
Revista de Ciencias de Revista de Ciencias de
Administración y EconomíaAdministración y Economía
Modelo PLS-SEM para la intención de compra online en el
sector moda en Ecuador
PLS-SEM for online shopping intention in the
fashion sector in Ecuador
Vasilica Maria Margalina
Profesora e investigadora en CESINE Centro Universitario de Santander, España
vasilicamaria.margalina@campuscesine.com
https://orcid.org/0000-0002-8479-8966
Álvaro Jiménez-Sánchez
Profesor e investigador de la Universidad de Valladolid, España
alvarojs@uva.es
https://orcid.org/0000-0002-4249-8949
Alberto Magno Cutipa-Limache
Profesor e investigador de la Universidad Nacional de Altiplano de Puno, Perú
acutipa@unap.edu.pe
https://orcid.org/0000-0001-8584-6424
Recibido: 15/01/24 Revisado: 05/02/24 Aprobado: 20/02/24 Publicado: 01/04/24
Resumen: el comercio electrónico del sector de la moda ha aumentado en los últimos años en Latinoamérica, especialmente a raíz de la pande-
mia, sin embargo, todavía existen problemas en la aceptación de este canal de compra. La presente investigación se centra en algunos factores
que podrían influir en la intención de compra y tiene como objetivos comprobar cómo en ella influyen la confianza, los riesgos percibidos, los
costos y la conveniencia. Para esto, se suministró un cuestionario a 223 estudiantes de cuatro universidades del Ecuador. Para el análisis de los
datos obtenidos se desarrolló un modelo PLS-SEM, en el cual la confianza en el vendedor actúa como variable mediadora en la relación entre
los otros tres factores y la intención de compra. Los resultados muestran que dicho modelo tiene un aceptable poder predictivo y explicativo.
Asimismo, se comprueba que los riesgos, la conveniencia y la confianza afectan significativamente a la intención de compra, pero no los costos.
Además, la confianza mediaría la relación entre las tres variables y la intención de compra en línea. Se concluye que el modelo propuesto puede
servir de base para estudios similares y, a su vez, se considera que los resultados obtenidos pueden ser utilizados por las empresas en el sector
de la moda que quieren vender a través de plataformas de e-Commerce para el desarrollo de estrategias de marketing.
Palabras clave: comercio electrónico, confianza, conveniencia, intención de compra, moda, riesgos percibidos, PLS-SEM, costos.
Abstract: E-commerce in the fashion sector has increased in recent years in Latin America, especially in the wake of the pandemic, however, there
are still issues in the acceptance of this shopping channel. The present research focuses on some factors that could influence purchase intention
and aims to test how it is influenced by trust, perceived risks, costs and convenience. For this purpose, a questionnaire was given to 223 students
from four universities in Ecuador. A PLS-SEM model was developed for the analysis of the data, in which trust in the seller has a mediating role
in the relationship between the other three factors and purchase intention. Results show that this model has acceptable predictive and explanatory
power. Likewise, it validates that risks, convenience and trust significantly affect intention, but not costs. In addition, trust would mediate the
relationship between the other variables and online shopping intention. It is concluded that the proposed model can serve as a basis for similar
studies, and, at the same time, it is considered that the results obtained can be used by business in the fashion sector that pursue to sell through
e-commerce platforms for marketing strategies development.
Keywords: E-commerce, fashion, trust, convenience, shopping intention, perceived risks, PLS-SEM, costs.
Cómo citar: Margalina, V. M., Jiménez-Sánchez, Á. y Cutipa-Limache, A. M. (2024). Modelo PLS-SEM para la intención
de compra online en el sector moda en Ecuador. Retos Revista de Ciencias de la Administración y Economía, 14(27), 101-114.
https://doi.org/10.17163/ret.n27.2024.07
© 2024, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
102 Vasilica Maria Margalina, Álvaro Jiménez-Sánchez y Alberto Magno Cutipa-Limache
Introducción
En la década de 1990 aparecieron las primeras
tiendas virtuales en América Latina, concretamen-
te en Argentina, México y Brasil. Desde los años
2000, el auge de Internet y el desarrollo de siste-
mas de pago seguras propició que el e-Commerce
se expandiera en estos territorios (Sanabria-Díaz
et al., 2016). A su vez, los smartphones y el au-
mento de las ventas a través de las redes sociales
digitales impulsaron este comercio electrónico
latinoamericano (Sevilla-Avilés, 2021), populari-
zándose aún más gracias a la conveniencia y a la
facilidad de hallar productos con mejores precios
que en las tiendas tradicionales (Soler-Patiño,
2016). No obstante, existen todavía desafíos para
las ventas electrónicas, como la baja penetración
de tarjetas de crédito, los complejos procesos
aduaneros y los aranceles altos (Skypostal, 2019;
Cámara peruana de comercio electrónico, 2021).
El cénit del e-Commerce a nivel mundial llegó
en la pandemia debido a que adquirir productos
en muchas tiendas físicas resultaba muy com-
plicado. Latinoamérica no fue la excepción y a
pesar de la baja penetración del E-Commerce en
la región, durante el COVID-19, llegó a cifras es-
peradas para el 2030 (Boyle, 2021). Así, aunque de
forma irregular, en muchos países de la región se
dio un aumento total del e-Commerce del 37 % en
2020, aunque volvió a contraerse en 2022 debido
al regreso de la actividad regular en las tiendas
físicas y al aumento de la inación (Chevalier,
2021, 2023). Argentina, Colombia y Perú son los
países que registraron los mayores crecimientos
(Chevalier, 2023), pero también destaca Ecuador
con incrementos superiores al 30 % en ingresos ob-
tenidos del e-Commerce (CITEC, 2023).
Sobre el sector de la moda, este también se ha
desarrollado fuertemente, siendo Brasil, México,
Colombia y Argentina los mercados predomi-
nantes, con amplias ofertas online y marcas tanto
locales como de gran reconocimiento a nivel mun-
dial (Dos Reis y Machado, 2020; Brooksworth et
al., 2022; Meneses, 2023). Algunos de los aspectos
que lo han facilitado han sido el incremento del
uso de los smartphones y de las redes sociales
virtuales; plataformas casi obligadas por las mar-
cas de moda que quieran llegar óptimamente a los
consumidores y de forma más amplia. En este
sentido, el e-Commerce ha supuesto que mu-
chas empresas lleguen a un público extenso, en
ocasiones a zonas o países en las que no tienen
una tienda física, lo que ha conllevado al aumento
de las oportunidades para la obtención de ma-
yores ingresos y, para los consumidores, mayor
acceso y diversicación de producto. Además, el
desarrollo tecnológico y el crecimiento de inter-
net han permitido al consumidor ver y comprar
productos sin necesidad de desplazarse a tiendas
físicas, lo que ha provocado que las empresas
repiensen sus estrategias de marketing (Rosário
y Raimundo, 2021). Los avances tecnológicos
han permitido la mejora de interactividad y la
experiencia del consumidor, lo que se ha tradu-
cido en estrategias de marketing y de negocios
beneciosas tanto para los consumidores como
para las empresas (Joshi, 2013).
Existen muchos factores que afectan a las in-
tenciones y al comportamiento de los consumi-
dores en el e-Commerce. Entre estos factores se
encuentran los tecnológicos, los económicos, los
demográcos, los culturales y los factores psico-
lógicos individuales (Venkatesh et al., 2022). Las
empresas de e-Commerce deben tener en cuenta
estos factores al diseñar sus estrategias de marke-
ting, aunque no todos tienen la misma relevancia.
Así mismo, teniendo en cuenta las incertidumbres
y riesgos involucrados en los negocios en línea,
los consumidores prestan atención a la seguridad
y la usabilidad del sitio web, los servicios, la con-
veniencia, los precios, la conanza y la variedad
de productos (Chiang et al., 2018).
En este sentido, esta investigación incluye en
la ecuación tres variables a tener en cuenta, como
son los riesgos percibidos, la conveniencia y los
costos, los cuales se muestran como componen-
tes a tener muy en cuenta en las decisiones de
compra online del consumidor, sobre todo en
este sector de la moda (Margalina y Cutipa-Li-
mache, 2023). En este sector, además de los incon-
venientes generales inherentes al e-Commerce,
hay que añadir también aspectos propios como,
por ejemplo, la naturaleza visual y emocional
de los productos, la subjetividad personal en
las tomas de decisiones, la variabilidad de las
tallas y ajustes, los ciclos y tendencias en este
Modelo PLS-SEM para la intención de compra online en el sector moda en Ecuador
Retos, 14(27),101-114
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
103
ámbito, los valores percibidos (exclusividad, ca-
lidad, identidad o reputación de la marca, etc.),
los procesos de devolución de algunas prendas
o estrategias de marketing usadas especialmente
en este campo como los inuencers o las pruebas
virtuales y de realidad aumentada para que los
consumidores puedan visualizar cómo se ve-
rían con esos productos (Escobar-Rodríguez y
Bonsón-Fernández, 2017; Guercini et al., 2018;
Miglani-Neha, 2022). De aquí, la necesidad de
contrastar estas tres variables de gran relevan-
cia en las compras online. A estas, se añade la
conanza, que representa un determinante clave
del comportamiento y la intención de compra
del consumidor en el e-Commerce (Venkatesh
et al., 2022; Hamid y Sujood, 2023), así como la
principal barrera para este tipo de comercio en
América Latina (Pena-Alcaraz, 2023).
Riesgos, conveniencia, costos
percibidos e intención de
compra en el E-Commerce
La intención de compra se dene como el gra-
do de probabilidad de que el cliente compre un
servicio o producto próximamente y representa
la barrera más importante para desarrollo del
e-Commerce (Imtiaz et al., 2019), especialmente
en América Latina (Margalina y Cutipa-Limache,
2023). Según la teoría de la acción razonada y pla-
nicada de Azjen (1991), su importancia radicaría
en su relevancia como determinante del compor-
tamiento del consumidor. Entre los factores más
estudiados que inuyen en la intención están el
tiempo, la conveniencia, los costos y los riesgos
percibidos (Cunningham y De Meyer-Heydrinch,
2018; Thomas et al., 2018; Yu et al., 2018; Mousa,
2021; Qalati et al., 2021).
Una tienda de e-Commerce debe tener en
cuenta atributos, como los costos y la convenien-
cia percibida (Cunningham y De Meyer-Hey-
drinch, 2018). Los costos no se reeren solo al
precio pagado por el producto, sino también a los
gastos de desplazamiento en los que se incurre
al comprar el producto en una tienda física, así
como a los gastos de entrega (Margalina y Cu-
tipa-Limache, 2023). Los consumidores quieren
canales de compras en línea que les faciliten la
búsqueda de productos y de la información rela
-
cionada con los mismos, las cuales representan las
principales dimensiones de la conveniencia. Por
ello, la conveniencia es un factor relevante en la
selección del canal de compra, especialmente en
el e-Commerce (Cunningham y De Meyer-Hey-
drinch, 2018; Venkatesh et al., 2022). Los estudios
empíricos muestran que la conveniencia afecta
positivamente a la intención de compra (Cun
-
ningham y De Meyer-Heydrinch, 2018; Singh
et al., 2019; Margalina y Cutipa-Limache, 2023).
Sin embargo, en el caso del efecto de los costos,
los resultados dieren. Sohn y Kim (2020) en-
contraron que estos afectan de manera positiva
a la intención de compra, como resultado de los
esfuerzos de las empresas de reducir los costos
vinculados al proceso de compra en línea. En
cambio, los resultados de los estudios de Cun-
ningham y Meyer-Hendrich (2018) y Margalina y
Cutipa-Limache (2023) contradicen este hallazgo
al no encontrar efectos signicativos de los costos.
Una de las teorías aplicadas con más frecuen-
cia para comprender el comportamiento del con-
sumidor en el e-Commerce es la Teoría de los
Riesgos Percibidos (Mohseni et al., 2018). Esta
teoría arma que los riesgos percibidos afectan
las decisiones de compra de los consumidores
(Taylor, 1974). Varios estudios empíricos han ha-
llado un efecto signicativo de los riesgos perci-
bidos sobre la intención de compra en las tiendas
de e-Commerce (Mohseni et al., 2018; Qalati et
al., 2019; Venkatesh et al., 2022). Los riesgos per-
cibidos cobran mayor relevancia para el sector
de la moda, debido al mayor riesgo de que la
talla del producto comprada no corresponda a
la requerida (Iqbal et al., 2019; Singh et al., 2019;
Margalina y Cutipa-Limache, 2023).
Los resultados de los estudios empíricos apun-
tan a la necesidad de investigar más el efecto de
estos factores en la intención de compra y, por
consiguiente, se plantean las siguientes hipótesis:
H
1
: Un alto nivel de conveniencia perci-
bida incide positivamente en la intención
de compra online.
H
2: Un bajo nivel de costos percibidos
afecta positivamente a la intención de
compra online.
© 2024, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
104 Vasilica Maria Margalina, Álvaro Jiménez-Sánchez y Alberto Magno Cutipa-Limache
H
3
: Un bajo nivel de riesgos percibidos
impacta positivamente en la intención de
compra online.
La confianza como determinante
clave de la intención de compra
en el e-Commerce
Aunque hay escasas investigaciones riguro-
sas sobre ello en América Latina, estas sitúan la
conanza como un factor de suma importancia
en su desarrollo del e-Commerce, pues a pesar
del aumento de compradores, gran parte de la
ciudadanía no confía en los pagos online y en el
nivel de seguridad de esas webs (datos persona-
les y nancieros, fraudes, estafas virtuales, etc.)
(Gómez-Gómez, 2017; Suominen, 2019), lo que
ha traído consigo que las empresas del sector
procuren mejorar la transparencia y seguridad en
estos procesos comerciales (Pena-Alcaraz, 2023).
La conanza guarda estrecha relación con
los riesgos percibidos (Zhu et al., 2011) y ambas
variables mediarían y moderarían el efecto de
la percepción de los compradores respecto a las
características de la tienda en línea y la intención
de compra (Qalati et al., 2021). Otros estudios
también destacan la contribución de la conanza
al éxito de las estrategias de marketing orientadas
hacia la consecución de una intención de compra
favorable por parte del consumidor (Manzoor et
al., 2020). Además, algunos investigadores han
demostrado la signicativa relación entre la con-
anza en el vendedor y la conducta de compra
online (Zhao et al., 2019), por lo que estudios pos-
teriores la han incluido dentro de la teoría de la
acción razonada y planicada en el contexto del
e-Commerce (Hamid y Sujood, 2023). Así, la con-
anza se revela como uno de los determinantes
clave de la intención de compra en el e-Commerce
y, por tanto, se proponen las siguientes hipótesis:
H4: Un alto nivel de conanza afecta posi-
tivamente a la intención de compra online.
H5: La conanza media la relación entre
la conveniencia y la intención de compra.
H6: La conanza media la relación entre
los costos y la intención de compra.
H7: La conanza media la relación entre
los riesgos y la intención de compra.
Dada la relevancia del tema y la escasez de
investigaciones en la región andina con carácter
más analítico y cuantitativo, esta investigación tie-
ne como objetivo principal contribuir a las teorías
sobre la conanza en el vendedor y la conducta
del consumidor en el e-Commerce del sector de
la moda. Para ello, se propondrá un modelo para
evaluar la contribución de la conveniencia, cos-
tos y riesgos percibidos a la respuesta favorable
de los consumidores del sector de la moda en
Ecuador en términos de intención de compra.
Además, se evaluará el rol de la conanza como
vehículo que traslade los efectos de estos factores
sobre la intención de compra online.
Con estos propósitos, los resultados permiti-
rán que las empresas conozcan mejor el funcio-
namiento del consumidor para adecuar y perfec-
cionar sus estrategias del marketing en el ámbito
de un comercio electrónico cada vez más en auge.
Materiales y método
Para realizar el análisis se desarrolló un mode-
lo de ecuaciones estructurales PLS-SEM usando
el software SmartPLS 4 (Ringle et al., 2022). Se
optó por esta técnica de análisis debido a sus
buenos resultados con muestras pequeñas y con
una distribución y comportamiento no normal
de los datos, así como el objetivo de predicción
de la investigación (Margalina et al., 2023). La
evaluación del modelo estructural y del modelo
de medida se realizó de acuerdo con las recomen-
daciones de Hair et al. (2022); mientras que para
el análisis del poder predictivo y explicativo del
modelo se siguieron los lineamientos de Ringle
et al. (2023).
La muestra está conformada por 223 estu-
diantes provenientes de cuatro universidades de
Ecuador, en concreto, se han colectado datos de
dos universidades de la región Sierra (Univer-
sidad Técnica de Ambato y Universidad de las
Fuerzas Armadas) y dos de la Costa (Universidad
Técnica Estatal de Quevedo y Universidad Téc-
nica de Machala). Se seleccionó una muestra de
estudiantes porque este tipo de población tiene
un mayor grado de homogeneidad, lo que reduce
Modelo PLS-SEM para la intención de compra online en el sector moda en Ecuador
Retos, 14(27),101-114
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
105
el efecto de las diferencias en edad, educación,
nivel socioeconómico y la experiencia laboral en
los resultados (Schlägel y Sarstedt, 2016). Además,
se aplicó la técnica de muestreo no probabilístico
por conveniencia para la selección de la muestra.
Los resultados del software G*Power (Faul et al.,
2009) indican que la muestra de 223 estudiantes
permite alcanzar un poder estadístico del 95 %,
un tamaño del efecto (f
2
) de 0,059 a un nivel de
signicación de 0.05 (dos colas), lo cual está en
conformidad con los objetivos del estudio.
Los datos para el análisis fueron colectados
mediante una encuesta distribuida online a los
estudiantes de licenciatura de Ecuador por un
docente. Esta fue aplicada durante el período
abril-julio de 2022. Las repuestas fueron anónimas
y sin recompensa económica para asegurar la
condencialidad de los datos. Para la encuesta se
utilizó un cuestionario estructurado que contenía
preguntas para la caracterización de la muestra
y la medición de las cinco variables incluidas en
el modelo PLS-SEM: conanza, riesgos, conve-
niencia, costos e intención de compra. Todos los
ítems incluidos en el cuestionario para medir
las cinco variables tenían opciones de respuesta
de tipo Likert de 5 puntos, según el grado de
desacuerdo o acuerdo. Los ítems del cuestiona-
rio fueron adaptados por los propuestos en la
literatura (tabla 1) y enfocados hacia la compra
en línea de productos de moda.
Tabla 1
Ítems del cuestionario
Variable Ítem Autor(es)
Confianza
Conf1 El(Los) vendedor(es) es/son honesto(s)
Gefen et al. (2003)Conf2 Sé que el(los) vendedor(es) se preocupa(n) por los consumidores
Conf3 Sé que el/los vendedor(es) es/son oportunista(s)
Conveniencia
Conv1 Es relativamente fácil
Cunningham y De
Meyer-Heydenrych
(2018)
Conv2 Simplifica mis compras
Conv3 Es conveniente para encontrar información sobre un producto
Costos
Coste1 Me otorga un mejor control de mis gastos
Costo2 Me permite encontrar la mejor relación calidad-precio al comparar
productos
Costo3 Me permite encontrar mejores precios
Costo4 Me anima a pagar cualquier costo por un producto único
Costo5 Significa que el costo del producto es finalmente más barato
Riesgos
Riesgo1 Puede dar lugar a que el producto se entregue sin daños
Riesgo2 Da como resultados que las compras se entreguen de manera
oportuna
Riesgo3 Lleva a que el producto coincida con la descripción que se entrega
Riesgo 4 Me hace sentir seguro ya que la información de la tarjeta de crédito
que proporciono es confidencial
Riesgo5 Significa que no sufriré una pérdida financiera significativa al reali-
zar una transición
Intención de
compra
Intención1 Estoy dispuesto/a a utilizar mi tarjeta de crédito para comprar
productos de moda online
Ling et al. (2010)Intención2 Es muy probable que compre productos de moda online
Intención3 Estoy dispuesto/a a volver a comprar productos de moda online en
el futuro
© 2024, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
106 Vasilica Maria Margalina, Álvaro Jiménez-Sánchez y Alberto Magno Cutipa-Limache
Respecto a las características de la muestra, se
observa una mayor proporción de mujeres (74 %),
así como una edad media de 22,1 años. Además,
86.1 % de los encuestados han realizado compras
en línea. Solo 6.7 % compran con frecuencia pro-
ductos de moda en tiendas en línea, 22 % lo hace de
manera ocasional, 51.1 % rara vez y 13.9 % nunca.
Resultados
Con base en las recomendaciones de Hair et al.
(2022) para la evaluación del modelo de medida
reectivo que se usó para las cinco variables del
modelo PLS-SEM, se analizaron las medidas para
abilidad interna, la validez convergente y la
validez discriminante (tabla 2 y 3). La evaluación
de la abilidad interna se inicia con el análisis de
las cargas de los indicadores, las cuales deben
superar el valor mínimo de 0,708. Tal como se
puede observar en la tabla 2, todos los indicadores
superan este valor.
Tabla 2
Fiabilidad y validez de los constructos
Constructo Indicador Carga Alfa de
Cronbach
Fiabilidad
compuesta (ρA)
Fiabilidad
compuesta (ρC) AVE
Confianza
Conf1 0,909**
0,881 0,881 0,927 0,808Conf2 0,914**
Conf3 0,873**
Conveniencia
Conv1 0,933**
0,917 0,917 0,948 0,858Conv2 0,932**
Conv3 0,913**
Costos
Costo1 0,866**
0,904 0,906 0,929 0,722
Costo2 0,845**
Costo3 0,860**
Costo4 0,827**
Costo5 0,851**
Riesgos
Riesgo1 0,758**
0,855 0,859 0,896 0,791
Riesgo2 0,817**
Riesgo3 0,805**
Riesgo4 0,789**
Riesgo5 0,808**
Intención de compra
Intención1 0,792**
0,865 0,859 0,896 0,633Intención2 0,937**
Intención3 0,931**
**p<0,01
Para completar la evaluación de la abilidad
interna se analizan las medidas del Alfa de Cron-
bach y de la abilidad compuesta (ρA y ρA). Los
valores superan el umbral de 0,70 para ambas
medidas y en el caso de todos los constructos. Por
su parte, la evaluación de la validez convergente
se basa en los valores del AVE, están en todos los
casos más altos que el nivel mínimo requerido de
0,50. Por lo tanto, las medidas de los cinco cons-
tructos reectivos presentan niveles altos en lo
Modelo PLS-SEM para la intención de compra online en el sector moda en Ecuador
Retos, 14(27),101-114
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
107
que a la abilidad interna y validez convergente
se reere. Hay que mencionar que, debido a la
falta de abilidad, se excluyeron algunos ítems
para la medición de la conveniencia, los costos y
los riesgos, de los propuestos por Cunningham
y De Meyer-Heydenrych (2018).
A continuación, se evalúa si las medidas de
los constructos reectivos muestran validez dis-
criminante a nivel empírico. Para tal objetivo, se
escogió la ratio heterotrait-monotrait (HTMT)
por ser el criterio más able para determinar la
validez discriminante (Ringle et al., 2023).
Tabla 3
Validez discriminante (HTMT)
Muestra original (O) Media de la muestra (M) 5.0 % 95.0 %
Conveniencia ↔ Confianza 0,684 0,683 0,593 0,765
Costos ↔ Confianza 0,709 0,708 0,622 0,785
Costos ↔ Conveniencia 0,795 0,794 0,718 0,861
Confianza ↔ Intención de compra 0,693 0,692 0,593 0,783
Conveniencia ↔ Intención de compra 0,656 0,655 0,557 0,743
Costos ↔ Intención de compra 0,592 0,591 0,474 0,699
Riesgos ↔ Confianza 0,770 0,770 0,682 0,849
Riesgos ↔ Conveniencia 0,682 0,682 0,577 0,770
Riesgos ↔ Costos 0,719 0,719 0,629 0,802
Riesgos ↔ Intención de compra 0,711 0,710 0,620 0,792
Los valores del HTMT, los cuales se presentan
en la columna ‘Muestra original (O)’ de la tabla 3,
son inferiores al nivel máximo más conservador
de 0,85 (Henseler et al., 2015). En el caso de las
variables Costos y Conveniencia, se observa que
el límite superior del intervalo de conanza (95.0
%) supera este nivel. No obstante, su valor HTMT
de 0,861 es inferior al valor 0,90, el cual representa
el límite máximo para constructos conceptual-
mente similares (Hair et al., 2022). Este es el caso
de las dos variables, las cuales representan dos
dimensiones de los atributos de tienda en línea,
junto a los costos, el tiempo y el servicio, según
Cunningham y De Meyer Heydenrych (2018). Las
variables tiempo y servicio también fueron inclui-
das en el instrumento de medición, pero debido a
la falta de validez interna y discriminante fueron
eliminadas del modelo. Por tanto, se comprueba
la abilidad y validez de los constructos.
El siguiente paso consiste en la evaluación
del modelo estructural, la cual se inicia con la
evaluación de la multicolinealidad, del poder
explicativo y del poder predictivo del modelo
propuesto. En el caso de la multicolinealidad,
ninguno de los valores VIF superan el valor re-
comendado de 3,000 (Hair et al., 2022); por tanto,
no se identicó este problema para el modelo
estructural planteado (gura 1).
Como se puede observar en la gura 1, los va-
lores del R2, los cuales se encuentran insertados
en los círculos que representan las variables del
modelo en el gráco, alcanzan valores de 0,540 y
0,486, respectivamente. Además, todos los valores
del R2 son estadísticamente signicativos. Por lo
tanto, el modelo tiene poder explicativo. El va-
lor del SRMR de 0,063, el cual es inferior al nivel
máximo de 0,08 (Hair et al., 2022) también conrma
que el modelo propuesto tiene poder explicativo.
© 2024, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
108 Vasilica Maria Margalina, Álvaro Jiménez-Sánchez y Alberto Magno Cutipa-Limache
Figura 1
Coecientes path y valores del R2 del modelo propuesto
El poder predictivo fue evaluado con la ayuda
de las técnicas recomendadas por Ringle et al.
(2023), PLSpredict y CVPAT. El método PLSpre-
dict fue propuesto por Shmueli et al. (2019) y basa
el análisis del poder predictivo en las medidas
Q2predict, RMSE y MAE. Los valores de estas
medidas para la variable dependiente del modelo
propuesto, Intención de compra, se encuentran
en la tabla 4.
Tabla 4
Resultados PLSpredict intención de compra
Indicador Q2predict PLS-SEM RMSE PLS-SEM MAE LM RMSE LM MAE
Intención1 0,241 0,917 0,731 0,910 0,694
Intención2 0,404 0,728 0,562 0,745 0,569
Intención3 0,375 0,814 0,605 0,848 0,630
Los valores del Q
2
predict superan en todos los
casos el valor 0, por tanto, el modelo propuesto
tiene poder predictivo. El valor RMSE y del MAE
obtenidos al aplicar PLS-SEM son superiores a
los resultados de la regresión lineal (LM) en la
mayoría de los casos. La única excepción se ob-
serva en el indicador Intención 1. Este resultado
muestra que el modelo tiene poder medio para
predecir la variable intención de compra (Shmueli
et al., 2019).
La técnica CVPAT o prueba de capacidad
predictiva con validación cruzada, presentada
por Liengaard et al. (2021), compara la pérdida
predictiva de PLS-SEM y LM en dos niveles. Los
resultados de la aplicación de esta prueba para
el modelo planteado se exponen en la tabla 5.
Modelo PLS-SEM para la intención de compra online en el sector moda en Ecuador
Retos, 14(27),101-114
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
109
Tabla 5
Resultados CVPAT
PLS-SEM vs. Media de indicadores (IA) PLS-SEM vs. Modelo lineal (LM)
Pérdida
PLS
Pérdida
LM
Diferencia
media de pérdida Valor tPérdida
PLS
Pérdida
LM
Diferencia me-
dia de pérdida Valor t
Confianza 0,526 0,900 -0,374 5,045** 0,526 0,566 -0,043 2,904**
Intención de
compra 0,677 1,018 -0,341 4,610** 0,677 0,700 -0,025 1,143
General 0,601 0,959 -0,358 5,471** 0,601 0,633 -0,031 2,529*
**p<0,01, *p<0,05
En ambos informes generados de la aplicación
del procedimiento CVPAT, PLS-SEM vs. Media
de indicadores (IA) y PLS-SEM vs. Modelo li-
neal, se obtiene un valor de diferencia media de
pérdida negativo. Además, el valor p es inferior
a 0,05 en todos los casos en el primer informe en
la mayoría en el segundo. Por tanto, la capacidad
de predicción de PLS-SEM es signicativamente
mayor que la de los parámetros IA y LM.
La signicación y relevancia de las relaciones
del modelo estructural se evaluaron con base en
los lineamientos de Hair et al. (2022). La signi-
cación de los coecientes path se determinó con
la ayuda del procedimiento de bootstrapping, con
10 000 muestras de bootstrap, el método Percentil
bootstrap para el intervalo de conanza, test de
dos colas a un nivel de signicación de 0,05. Por
su parte, la relevancia se determinó con la ayuda
de los coecientes path, los valores del R
2
y del
tamaño del efecto f2.
Tabla 6
Resultados validación de las hipótesis
Hipótesis Coeficiente path DE Valor t 2,5 % 97,5 %
Efectos directos
H1Conveniencia → Intención de compra 0,273 0,080 3,446** 0,135 0,400
H2Costos → Intención de compra -0,016 0,098 0,168 -0,178 0,142
H3Riesgos → Intención de compra 0,281 0,075 3,761** 0,156 0,403
H4Confianza → Intención de compra 0,263 0,087 3,001** 0,126 0,413
Efectos indirectos específicos
H5Conveniencia → Confianza → Intención de compra 0,055 0,028 1,938* 0,019 0,116
H6Costos → Confianza → Intención de compra 0,060 0,028 2,184* 0,025 0,120
H7Riesgos → Confianza → Intención de compra 0,105 0,044 2,386** 0,044 0,189
Efecto total
H5Conveniencia → Intención de compra 0,329 0,074 4,453** 0,201 0,445
H6Costos → Intención de compra 0,044 0,093 0,474 -0,107 0,197
H7Riesgos → Intención de compra 0,385 0,071 5,431** 0,263 0,496
**p<0,01, *p<0,05
Los resultados muestran que, de los dos atri-
butos del canal de compra, solo la Conveniencia
afecta signicativamente a la Intención de compra,
con un coeciente path positivo de 0,273 (t = 3,446,
p<0,01), un tamaño del efecto f
2
bajo de 0,062. Los
Riesgos representan otra variable con un efecto
© 2024, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
110 Vasilica Maria Margalina, Álvaro Jiménez-Sánchez y Alberto Magno Cutipa-Limache
positivo y signicativo de 0,281 (t = 3,761; p<0,01)
y el mayor tamaño del efecto f2 alcanzando por
una variable independiente del modelo de 0,071.
Estos resultados validan H1 y H3. Por tanto, se
conrma la relevancia de la Conveniencia y los
Riesgos para la intención de compra online en el
sector de la moda observada en previos estudios
(Iqbal et al., 2019; Singh et al., 2019; Margalina y
Cutipa-Limache, 2023).
En cambio, los Costos tienen un coeciente
path negativo de -0,016 (t = 0,168, p>0,05), pero sin
signicación estadística y sin ningún efecto, según
indica el valor del f2 de 0,00. Por tanto, no se valida
H2, en línea con los resultados encontrados en los
estudios de Cunningham y De Meyer-Hendrich
(2018) y Margalina y Cutipa-Limache (2023).
Por su parte, la Confianza también afecta
positiva y signicativamente a la Intención de
compra, con un coeciente path de 0,263 (t = 3,001;
p<0,01) y el mismo tamaño del efecto f2 que la
Conveniencia de 0,062. Por consiguiente, también
se valida H4. De esta manera, la conanza se re-
vela como un factor relevante en las decisiones
de compra en el e-Commerce, al igual que en los
estudios previos de Manjoor et al. (2020), Venka-
tesh et al. (2022) y Hamid y Sujood (2023).
No obstante, la Conanza sirve también de
vehículo para los efectos indirectos de los atribu-
tos de la tienda y los riesgos sobre la Intención de
compra. Así lo demuestran los resultados del aná-
lisis de los efectos de mediación. En concreto, la
Conveniencia afecta positiva y signicativamente
a la intención de compra a través de la Conan-
za de 0,055 (t = 1,938; p<0,05). La mediación es
complementaria y parcial porque ambos efectos,
el directo y el indirecto, de la Conveniencia son
signicativos y positivos, con un tamaño del efec-
to de la varianza explicada (VAF) del 20.14 %. En
el caso de los costos, la mediación es completa,
porque solo el efecto indirecto tiene signica-
ción estadística, con un coeciente path positivo
de 0,060 (t = ,938; p<0,05). Por tanto, se validan
ambas hipótesis que plantean la mediación de la
Conanza entre los efectos de los atributos y la
intención de compra, H5 y H6. Es decir, los costos
percibidos se convierten en un factor relevante
en las estrategias de marketing en contextos de
baja conanza del consumidor, como ocurre en
los países latinoamericanos (Latinobarómetro,
2023). Asimismo, estos resultados destacan una
vez más el papel importante de la conanza en
las decisiones de compra online porque además
del efecto directo sobre la intención de compra
también median el efecto de las percepciones de
los consumidores sobre los atributos y los riesgos
de la tienda (Qalati et al., 2021).
El efecto indirecto de los riesgos es aún mayor
que el de los dos atributos del canal de venta,
con un coeciente path positivo y signicativo de
0,105 (t = 2,386; p<0,05). En este caso también se
trata de una mediación complementaria porque,
como demostró la validación de H3, el efecto
también es positivo y signicativo. El valor del
VAF del 37.36 %, el cual se encuentra dentro del
intervalo del 20 % al 80 %, indica la existencia de
una mediación parcial (Nitzl et al., 2016). Por lo
tanto, los resultados demuestran de nuevo que la
conanza es un factor de suma importancia para
la intención de comprar productos del sector de
la moda, acorde con los estudios hechos por Zhao
et al. (2019), Hamid y Sujood (2023) y Margalina
y Cutipa Limache (2023).
Los valores del R2 indican que los efectos
directos e indirectos de las cuatro variables del
modelo propuesto explican 48.6 % de la variación
de la Intención de compra. No obstante, destaca
que la Conveniencia, los Costos y los Riesgos
explican conjuntamente 54 % de la varianza de la
Conanza en el vendedor. Esto se puede explicar
por la gran cantidad de factores involucrados en
el proceso de decisión de los consumidores en el
e-Commerce. Entre ellos se encuentran los canales
utilizados para el marketing, la popularidad y la
familiaridad de la marca del vendedor, así como
los servicios ofrecidos para asistir la compra en
la plataforma de venta (Cunningham y De Me-
yer-Hendrich, 2018; Rosário y Raimundo, 2021).
Conclusiones
La presente investigación demuestra el papel
clave de la conanza para el e-Commerce del
sector de la moda de Ecuador porque tiene efectos
signicativos sobre la intención de compra. Dado
que esta última variable precede a la conducta,
los hallazgos pueden ser de gran utilidad para
Modelo PLS-SEM para la intención de compra online en el sector moda en Ecuador
Retos, 14(27),101-114
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
111
que las empresas evalúen, desarrollen y mejoren
sus estrategias de marketing y, con ello, mejorar
la conanza de sus consumidores, como, por
ejemplo, incidir en una buena transparencia, en
la calidad del producto, en el nivel excepcional
de servicio al cliente, respeto por la privacidad,
participación en la comunidad, feedback y tes-
timonios por parte de los consumidores, garan-
tías y devoluciones claras, comunicación externa
coherente, innovación continua, programas de
delización o capacitación al personal para in-
teractuar y resolver los problemas de los clien-
tes. En este sentido, los nuevos canales de social
media ofrecen oportunidad para el marketing
relacional, el cual tiene como resultado mayores
niveles de conanza y de lealtad.
Además, se observa que los riesgos y la con-
veniencia sí correlacionan signicativamente con
la intención de compra. En este sentido, las em-
presas pueden disminuir los riesgos, por ejemplo,
informando detalladamente de los productos,
usando imágenes de alta calidad, con oportu-
nas políticas de devolución, también con opi-
niones y testimonios de clientes, asegurando la
información personal de estos, con políticas de
privacidad transparente, añadiendo pruebas de
calidad, con un chat en vivo y servicio al cliente
efectivo o haciendo seguimientos de los pedidos.
Mientras que pueden aumentar la conveniencia
con estrategias como una navegación fácil de la
web, simplicando los procesos de compra y la
política de devoluciones, con opciones exibles de
pago, haciendo una entrega rápida y con opciones
de seguimiento, con programas de delización,
suscripción y recompensas, incrementando la per-
sonalización y recomendaciones, con una eciente
atención al cliente, con una aplicación móvil de
calidad o con unas guías de estilo de moda y
tallas detalladas para así reducir la probabilidad
de devoluciones debido a medidas incorrectas.
Esto podría deberse a que la moda suele tener
un carácter subjetivo y personal, donde algunos
consumidores pueden estar dispuestos a pagar
más por artículos que consideren exclusivos o
de alta calidad, independientemente del costo
absoluto. Así, este valor percibido provocaría
que ciertos clientes estuviesen dispuestos a in-
vertir más en prendas que consideren valiosas
en términos de estilo, marca, tendencia o exclu-
sividad. Además, cabe mencionar que algunas
de estas compras responden a cuestiones emo-
cionales, de expresión personal, imagen social o
de identicación con una marca, lo que podría
superar la consideración de costos en la toma de
decisiones de compra. A su vez, la experiencia de
compra podría resultar un factor que eclipsara a
los costos, pues los compradores pueden valorar
más aspectos como la comodidad, la facilidad de
navegación en la web, el servicio al cliente o la
posibilidad de devoluciones fáciles. No obstante,
hay que tener en cuenta los costos a la hora de
mejorar la conanza, porque, de esta manera, las
empresas pueden aumentar la eciencia de sus
campañas de marketing.
Por último, sobre las últimas hipótesis plan-
teadas, se muestra que la conanza actúa como
mediadora entre las variables riesgos y conve-
niencia. Se conrma, por tanto, el importante pa-
pel de la conanza como vehículo para canalizar
los esfuerzos de marketing con el n de obtener
respuestas favorables por parte de los consumi-
dores en términos de intención de compra. Por lo
que, además de aplicar las estrategias comentadas
anteriormente, las organizaciones empresariales
de este sector deberían enfocar sus actividades
de marketing hacia la consecución de percepcio-
nes positivas en los consumidores respecto a los
riesgos, la conveniencia y los costos para mejorar
la conanza en el vendedor y que, de esta forma,
aumentasen los efectos en la intención de compra.
Respecto a la metodología utilizada, esta ha
mostrado ser aceptable y con buenos resultados.
Aun así, se considera que el modelo propuesto es
solo una base en la que hay que seguir trabajando,
ya sea añadiendo o quitando otras variables como
mejorando los ítems que los componen. En este
sentido, tal vez el género, la edad o las caracterís-
ticas socioculturales serían algunos factores que
podría moderar las variables estudiadas. Por lo
que se hace pertinente seguir investigando estas
vías metodológicas y, especialmente, aplicarlas a
otros sectores, en otras muestras y en otros con-
textos o países.
Como conclusión, se considera que la investi-
gación realizada contribuye al campo de estudio
acerca de los factores que afectan a la adopción
© 2024, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
112 Vasilica Maria Margalina, Álvaro Jiménez-Sánchez y Alberto Magno Cutipa-Limache
del comercio online en economías emergentes
como la ecuatoriana. Los datos extraídos ape-
lan a que las futuras campañas de marketing de
las empresas que operan electrónicamente en
Latinoamérica tengan como propósito ganar la
conanza de los clientes con una serie de com-
ponentes previamente analizados. Bajo este mar-
co, se espera que las posteriores investigaciones
ahonden aún más tanto en los diversos factores
que afectan a la intención de compra como en
otros modelos que aumenten el poder explicati-
vo y predictivo encontrado en este estudio. De
esta forma, y con más investigaciones de carácter
longitudinal y transcultural, se podrá mejorar el
comercio electrónico tanto para los vendedores
como para los consumidores.
Referencias bibliográficas
Azjen, I. (1991). The theory of planned behavior.
Organizational. Behavior and Human Decision
Processes, 50(2), 179-211.
https://doi.org/10.1016/0749-5978(91)90020-T
Boyle, T. C. (2021). The E-Commerce boom coming
in America Latina. Lazar Fund Managers.
https://bit.ly/3Oa3ZJs
Brooksworth, F., Mogaji, E. y Bosah, G. (2022). Fashion
marketing in emerging economies volume II:
South American, Asian and African perspecti-
ves. En Fashion marketing in emerging economies
volume II: South American, Asian and African
perspectives (pp. 3-16). Springer International
Publishing. https://bit.ly/3I36s4X
Cámara Peruana de Comercio Electrónico. (2021).
Reporte oficial de la industria Ecommerce en Perú.
Crecimiento de Perú y Latinoamérica 2009-2019.
Cámara peruana de comercio electrónico.
https://bit.ly/491oboQ
Chevalier, S. (2021, 29 de septiembre). E-commerce
in Latin America – statistics & facts. Statista.
https://bit.ly/425SdW4
Chevalier, S. (2023, 31 de agosto). E-commerce in Latin
America – statistics & facts. Statista.
https://bit.ly/3UM1QaF
Chiang, L-P., Lin, C. Y. y Huang, C. H. (2018).
Measuring the effects of online-to-offline mar-
keting. Contemporary Management Research,
14(3), 167-189.
https://doi.org/10.7903/cmr.18462
CITEC. (2023). Mapeo de del ecosistema E-Commerce en
Ecuador. Cámara de Innovación y Tecnología
Ecuatoriana. https://bit.ly/3U4VTW4
Cunningham, N. y De Meyer-Heydenrich, C-F. (2018).
Consumer perceptions of shopping channel
attributes and risk factors of apparel purchase.
The Retail and Marketing Review, 14(2), 28-42.
https://bit.ly/3tWAvrx
Dos Reis, A. D. y Machado, M. A. (2020). E-commerce
in Emerging Markets: internationalization fac-
tors of Brazilian footwear in South America.
Revista Gestão & Tecnologia, 20(1), 116-140.
https://bit.ly/3S5UcVJ
Escobar-Rodríguez, T. y Bonsón-Fernández, R. (2017).
Analysing online purchase intention in Spain:
fashion e-commerce. Information Systems and
e-Business Management, 15, 599-622.
https://doi.org/10.1007/s10257-016-0319-6
Faul, F., Erdfelder, E., Buchner, A. y Lang, A.-G. (2009).
Statistical power analyses using G*Power 3.1.
Tests for correlation and regression analyses.
Behavior Research Methods, 41, 1149-1160.
https://doi.org/10.3758/BRM.41.4.1149
Gefen, D., Karahanna, E. y Straub, D. T. (2003). Trust
and TAM in Online Shopping: An Integrated
Model. MIS Quarterly, 27(1), 51-90.
https://doi.org/10.2307/30036519
Gómez-Gómez, C. C. (2017). El comercio electrónico:
incidencias y desafíos en el derecho del con-
sumidor. Revista científica Codex, 3(5).
https://bit.ly/3U4Wjf6
Guercini, S., Bernal, P. M. y Prentice, C. (2018). New
marketing in fashion e-commerce. Journal of
global fashion marketing, 9(1), 1-8.
https://bit.ly/3Gkej0i
Hair, J. F., Hult, G. T. M., Ringle, C. M. y Sarstedt, M.
(2022). A Primer on Partial Least Square Equation
Modelling (PLS-SEM) (3rd ed). Thousand
Oaks, CA: Sage.
Hamid, S. y Sujood, M. A. (2023). Behavioral intention
to order food and beverage items using e-com-
merce during COVID-19: an integration of
theory of planned behavior (TBP) with trust.
British Food Journal, 125(1), 112-131.
https://doi.org/10.1108/BFJ-03-2021-0338
Henseler, J., Ringle, C. M. y Sarstedt, M. (2015). A new
criterion for assessing discriminant validity in
variance-based structural equation modeling.
Journal of the Academy of Marketing Science, 43,
115-135.
https://doi.org/10.1007/s11747-014-0403-8
Imtiaz, R., Ain Kamzi, Q., Amjad, M. y Aziz, A. (2019).
The impact of social network marketing on
consumer purchase intention in Pakistan: A
study on female apparel. Management Science
Letters, 9(7), 1093-1104.
https://doi.org/10.5267/j.msl.2019.3.015
Modelo PLS-SEM para la intención de compra online en el sector moda en Ecuador
Retos, 14(27),101-114
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
113
Iqbal, W. (2019). Impact of perceived risk on customer’s
online purchase intention towards branded
apparel. Journal of Marketing Strategies, 1(1),
38-62. https://doi.org/10.52633/jms.v1i1.3
Joshi, D. J. (2013). An analysis of the existing litera-
ture on B2C E-commerce. Indian Journal of
Marketing, 43(12), 34-46.
https://bit.ly/4jHEeNH
Latinobarómetro. (2023). https://bit.ly/423QQqM
Liengaard, B. D., Sharma, P. N., Hult, G. T. M., Jensen,
M. B., Sarstedt, M., Hair, J. F. y Ringle, C. M.
(2021). Prediction: Coveted, yet forsaken?
Introducing a cross-validated predictive abi-
lity test in partial least squares path modelling.
Decision Sciences, 52(2), 362-392.
https://doi.org/10.1111/deci.12445
Ling, K. C., Chai, L. T. y Piew, T. H. (2010). The effects of
shopping orientations, online trust and prior
online purchase experience toward custo-
mers´ online purchase intention. International
Business Research, 3(3), 63-76.
https://doi.org/10.5539/ibr.v3n3p63
Manzoor, U., Baig, S. A., Hashim, M. y Sami, A. (2020).
Impact of social media marketing on consu-
mer’s purchase intentions: the mediating
role of customer trust. International Journal of
Entrepreneurial Research, 3(2), 41-48.
https://doi.org/10.31580/ijer.v3i2.1386
Margalina, V. M., Jiménez-Sánchez, Á. y Ehrlich, J.
(2023). A Review of the Use of PLS-SEM in
Neuromarketing Research. Index.comunicación,
13(2), 119-146.
https://doi.org/10.33732/ixc/13/02Arevie
Margalina, V. M. y Cutipa-Limache, A. M. (2023).
Similarities in factors affecting online shop
-
ping intention in Ecuador and Peru: a mul-
tigroup analysis. En L. Radomir, R. Ciornea,
H. Wang, Y. Liu, C. M. Ringle, M. Sarstedt
(eds.), State of the Art in Partial Least Squares
Structural Equation Modeling (PLS-SEM).
Springer Proceedings in Business and Economics
(pp. 85-98). Springer, Cham.
https://doi.org/10.1007/978-3-031-34589-0_10
Meneses, V. (2023, 1 de septiembre). Surviving the 2023
economic slowdown in LATAM: a roadmap for
the lifestyle and fashion logistic sector. Americas
Market Intelligence. https://bit.ly/425SLLC
Miglani-Neha, N. (2022). Consumer behaviour & onli-
ne marketing strategies of fashion brands.
Mass Communicator: International Journal of
Communication Studies, 16(3), 38-40.
https://bit.ly/4jgxkiE
Mohseni, S., Jayashree, S., Rezaei, S., Kasim, A. y
Okumus, F. (2018). Attracting tourists to travel
companies’websites: the strcutural relantions-
hip between website brand, personal value,
shopping experience, perceived risks and
purchase intention. Current Issues in Tourism,
21(6), 616-645.
https://bit.ly/4cNUOt8
Mousa, A. (2021). Intention to adopt E-Commerce: a
comparative review across developed and
developing economies. The African Journal of
Information Systems, 13(1), 113-140.
https://bit.ly/3HqLLiV
Nitzl, C., Roldán, J. L. y Cepeda, G. (2016). Mediation
analysis in partial least squares path mode-
lling. Helping researchers discuss more
sophisticated models. Industrial Management
and Data Systems, 116(9), 1849-1864.
https://doi.org/10.1108/IMDS-07-2015-0302
Pena-Alcaraz, M. (2023, 7 de junio). Melonn’s Felipe
Archila says the company hopes to win over online
sellers and shoppers by improving transparency
and reliability. McKinsey & Company.
https://bit.ly/491mN5y
Qalati, S. A., Galvan-Vela, E., Wenyuan, L., Dakhan,
S. A., Hong Thuy, T. T. y Merani, S. H. (2021).
Effects of perceived service quality, website
quality, and reputation on purchase intention:
the mediating and moderating role of trust
and perceived risk in online shopping. Cogent
Business Management, 8(1), 1869363.
https://bit.ly/4407WsP
Ringle, C. M., Sarstedt, M., Sinkovics, N. y Sinkovics,
R. R. (2023). A perspective on using partial
least squares structural equation modelling
in data articles. Data in Brief, 48(June), 109074.
https://doi.org/
https://bit.ly/3GxUvq5
Ringle, C. M., Wende, S. y Becker, J. M. (2022). SmartPLS
4. Boenningstedt: SmartPLS Gmbh,
http://www.smartpls.com
Rosário, A. y Raimundo, R. (2021). Consumer marke-
ting strategy and e-commerce in the last deca-
de: a literature review. Journal of Theoretical and
Applied Electronic Commerce Research, 16(7),
3003-3024.
https://www.doi.org/10.3390/jtaer16070164
Sanabria-Díaz, V. L., Torres-Ramírez, L. A. y López-
Posada, L. M. (2016). Comercio electrónico
y nivel de ventas en las MiPyMEs del sector
comercio, industria y servicios de Ibagué.
Revista EAN, (80), 132-154.
https://bit.ly/3V3MO0r
Schlägel, C., y Sarstedt, M. (2016). Assessing the mea-
surement invariance of the four-dimensional
cultural intelligence scale across countries.
A composite model approach. European
Management Journal, 34, 633-649.
© 2024, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
114 Vasilica Maria Margalina, Álvaro Jiménez-Sánchez y Alberto Magno Cutipa-Limache
https://doi.org/10.1016/j.emj.2016.06.002
Shmueli, G., Sarstedt, M., Hair, J. F., Cheah, J.H., Ting,
H. y Ringle, C. M. (2019). Predictive model
assessment in PLS-SEM: Guidelines for using
PLSpredict. European Journal of Marketing,
53(11), 2322-2347.
https://doi.org/10.1108/EJM-02-2019-0189
Sevilla-Avilés, O. K. (2021). El impacto del comercio
electrónico en el turismo de Latinoamérica.
CIID Journal, 2(1), 77-96.
https://bit.ly/3Oa4Uto
Singh, V., Chaudhuri, R. y Verna, S. (2019).
Psychological antecedents of apparel-buying
intention for young Indian online shoppers.
Scale development and validation. Journal
of Modelling in Management, 14(2), 286-311.
https://doi.org/10.1108/JM2-05-2018-0059
Skypostal. (2019). International E-Commerce Issues in
Latin America. How to Tackle Them. Skypostal.
https://bit.ly/3T4Ljxy
Sohn, J. W., y Kim, J. K. (2020). Factors that influen-
ce purchase intention in social commerce.
Technology in Society, 63, 1-11.
https://bit.ly/3YIPfpQ
Soler-Patiño, A. (2016). ¿Hacia dónde va el comercio
electrónico en Colombia? Ploutos, 4(1), 17-24.
https://bit.ly/3IpBa8B
Suominen, K. (2019). El comercio digital en América
Latina ¿Qué desafíos enfrentan las empresas y
cómo superarlos? Comercio internacional, (145),
1-49. https://bit.ly/48KiFXN
Taylor, J. W. (1974). The role of risk in consumer beha-
vior. Journal of Marketing, 38(2), 54-60.
https://doi.org/10.2307/1250198
Thomas, M. R., Kavya, V. y Monica, M. (2018). Online
mechandising cues influencing the purchase
intention of Generation Z Mediated by trust.
Indian Journal of Commerce and Management
Studies, 9(1), 13-23. https://bit.ly/48IFbAu
Venkatesh, V., Speier-Pero, C. y Schuetz, S. W. (2022).
Why do people shop online? a comprehen
-
sive framework of consumers’ online sho-
pping intentions and behaviors. Information
Technology & People, 35(5), 1590-1620.
https://doi.org/10.1108/ITP-12-2020-0867
Yu, S., Hudders, L. y Cauberghe, V. (2018). Selling
luxury products online: the effect of quali-
ty label on risk perception, purchase inten-
tion and attitude toward the brand. Journal
of Electronic Commerce Research, 19(1), 16-35.
https://bit.ly/4b6qCrK
Zhao, J-D., Huang, J-S. y Su, S. (2019). The effects of
trust on consumer continuous purchase inten-
tions in C2C social commerce: A trust transfer
perspective. Journal of Retailing and Consumer
Perspectives, 50, 42-49.
https://bit.ly/42rjG6x
Zhu, D. S., Lee, Z. C. y O’Neal, G. S. (2011). Mr. Risk!
Please trust me: website acceptance of e-ven-
dor website in Taiwan. Journal of Internet
Banking and Commerce, 16(3), 1-23.
https://bit.ly/48nBX4b
