Journal of Economic and Social Science Research / Vol. 05 / Núm. 03 / www.economicsocialresearch.com
pág. 93
Journal of Economic and Social Science Research
ISSN: 2953-6790
Vol. 5 - Núm. 3 / Julio – Septiembre 2025
Comercio virtual y comportamiento del consumidor
online en PYMEs
Virtual commerce and online consumer behavior in SMBs
Agila-Valdiviezo, Rosa María
1
Castillo-Montesdeoca, Eddy Antonio
2
https://orcid.org/0009-0003-4625-8947
https://orcid.org/0000-0003-2807-8910
rmagila@espe.edu.ec
eacastillo@espe.edu.ec
Universidad de las Fuerzas Armadas ESPE,
Ecuador, Sangolquí.
Universidad de las Fuerzas Armadas ESPE,
Ecuador, Sangolquí.
Autor de correspondencia
1
DOI / URL: https://doi.org/10.55813/gaea/jessr/v5/n3/208
Resumen: El comercio virtual ha presentado un
notable crecimiento después de la pandemia
COVID-19, convirtiéndose en la actualidad, en un
importante canal para la interacción comercial
entre empresas y consumidores. Bajo esta
premisa, la presente investigación tiene como
objetivo analizar los factores que influyen en el
comportamiento del consumidor online, en las
pequeñas y medianas empresas del Distrito
Metropolitano de Quito. La investigación emplea
un diseño no experimental, transversal y con
enfoque cuantitativo. Utilizando el Modelo de
Aceptación de la Tecnología (TAM) y el Modelo
de Uso y Aceptación de la Tecnología (UTAUT)
se aplicó una encuesta a 389 consumidores. Los
resultados evaluados mediante ecuaciones
estructurales (PLS-SEM), revelan que la utilidad
percibida, la facilidad percibida y la influencia
social, afectan en la intensión de uso. Solo la
seguridad percibida impacta tanto en la intensión
como el uso efectivo del comercio virtual. El
hábito, como variable moderadora no mostró un
efectivo significativo.
Palabras clave: comercio virtual,
comportamiento del consumidor, seguridad
percibida
Research Article
Journal of Economic and Social Science Research / Vol. 05 / Núm. 03 / www.economicsocialresearch.com
pág. 94
Research Article
Julio – Septiembre 2025
Abstract:
E-commerce has experienced significant growth following the COVID-19 pandemic,
becoming a key channel for commercial interaction between businesses and
consumers. Based on this premise, the present study aims to analyze the factors that
influence online consumer behavior in small and medium-sized enterprises within the
Metropolitan District of Quito. The research follows a non-experimental, across-
sectional design with a quantitative approach. Drawing on the Technology Acceptance
Model (TAM) and the Unified Theory of Acceptance and Use of Technology (UTAUT),
a survey was conducted with 389 digital consumers. The results, analyzed using
structural equation modeling (PLS-SEM), indicate that perceived usefulness,
perceived ease of use and social influence significantly affect the intention to use e-
commerce platforms. Only perceived security has an impact on both the intention to
use and the actual use of e-commerce. Habit, as a moderating variable, did not exhibit
a statistically significant effect.
Keywords: e-commerce, consumer behavior, perceived security.
1. Introducción
El comercio electrónico en Ecuador, ha experimentado un crecimiento considerable,
especialmente tras la pandemia por COVID-19. Durante el 2020, las ventas totales
alcanzaron USD 1,3 mil millones, lo que representa un incremento del 41% en
comparación con el 2019, comportamiento directamente influenciado por la pandemia
y la adopción acelerada de hábitos digitales en los consumidores nacionales. Para el
2024, el mercado local, alcanzó ventas por alrededor de USD 4,6 mil millones de
dólares, lo que supone un crecimiento del 5,13% respecto al año anterior (Portalanza
et al., 2023; 2024).
A nivel internacional, plataformas como Amazon y eBay son consideradas las pioneras
y se mantienen como líderes en el comercio electrónico. Para el 2023, cerca de 5400
millones de personas contaban con acceso a internet y en el 2024, aproximadamente
el 41% de población mundial realizó compras por medios virtuales (Unión
Internacional de Telecomunicaciones[UIT], 2023; Orús, 2025). Aunque el uso del e-
commerce en América Latina es inferior al de otras economías de mercados
desarrollados, se espera un crecimiento anual del 15% hasta 2027, destacando Brasil
con el 32% y México con el 28% como líderes regionales (Statista Reseach
Departament, 2024).
En Ecuador, dicha tendencia se ha consolidado en los últimos años, es así que, en el
2023 el comercio electrónico generó ingresos por USD 4 mil millones y en el 2024,
esta cifra se incrementó a USD 5 mil millones. Para el 2025, se proyecta superen los
USD 6 mil millones (Portalanza et al., 2024). Esto muestra la tendencia del consumidor
Journal of Economic and Social Science Research / Vol. 05 / Núm. 03 / www.economicsocialresearch.com
pág. 95
Research Article
Julio – Septiembre 2025
ecuatoriano a utilizar cada vez más las plataformas de comercio electrónico y la
importancia de analizar esta forma de comercio en la actualidad. Este crecimiento, se
explica por varios factores, como el crecimiento sostenido de usuarios en internet, la
aceptación y uso de tecnologías digitales por parte del consumidor y la
implementación de nuevas estrategias de marketing digital.
El presente estudio tiene como objetivo, analizar los factores que influyen en el
comportamiento del consumidor online en el Distrito Metropolitano de Quito, para ello,
se ha realizado una exhaustiva revisión teórica, basada en modelos de
comportamiento del consumidor en ambientes tecnológicos, como el Modelo de
Aceptación de la Tecnología (TAM) ( Palos-Sanchez et al., 2019), el Modelo de Uso y
Aceptación de la Tecnología (UTAUT) (Huseynov & Ozkan, 2019; Marikyan &
Papagiannidis, 2023), y su extensión (UTAUT2) (Venkatesh et al., 2012; Tamilmani et
al., 2021). Sobre esta base se plantean hipótesis para establecer el impacto de las
variables analizadas en el uso del comercio electrónico local.
En este contexto, el comercio electrónico, es considerado como el resultado de un
sinnúmero de innovaciones tecnológicas que se han desarrollado a lo largo de la
historia hasta lo que hoy se conoce como tienda virtual, comercio electrónico, e-
commerce, entre otros términos con los que se identifica a esta actividad. Su origen
se remonta a Estados Unidos, en el siglo XX, a partir de la venta por catálogo, que
permitía a los consumidores solicitar productos vía telefónica y sin acudir a un
establecimiento físico, transformando la forma tradicional de transacción directa
(Cárdenas, 2020). Este comportamiento de consumo impulsó a las empresas a buscar
nuevas formas de comercio, más tecnológicas y digitales.
En este sentido, se define al comercio electrónico como toda transacción de bienes o
servicios a través de internet, con lo cual se automatiza la comercialización a fin de
satisfacer necesidades de clientes y empresas (Cardona et al., 2022). Por su parte,
Carballo et al. (2021), considera al e-business como un concepto amplio, que
contempla todo tipo de negocios en línea, no solo la transacción de bienes, sino
también la prestación de servicios, colaboraciones entre socios comerciales, la
educación virtual, entre otras actividades.
Además, es importante considerar el estudio del comportamiento del consumidor
online, entendido como el conjunto de acciones que llevan a cabo los consumidores
en el proceso de investigación, compra, uso y beneficios, de acuerdo a su percepción,
necesidades y experiencias previas (Arteaga y Flores, 2023). Investigaciones
recientes han analizado y destacado la importancia de la tecnología en el
comportamiento del consumidor y su influencia en la toma de decisiones (Sriram et al,
2022)
Existen varias teorías que explican la adopción y comportamiento de los consumidores
en entornos digitales, entre estas destacan, la Teoría del Comportamiento Planificado
(TPB) de Ajzen (2020) y la Teoría de la Acción Razonada (TAR) (Hidalgo et al., 2019).
Ambas teorías analizan el comportamiento del consumidor desde el aspecto
Journal of Economic and Social Science Research / Vol. 05 / Núm. 03 / www.economicsocialresearch.com
pág. 96
Research Article
Julio – Septiembre 2025
psicológico y postulan que la intención de compra del consumidor está determinada
por su actitud, e influenciada por la presión social y el control conductual percibido, es
decir a la facilidad o dificultad percibida para ejecutar un comportamiento determinado.
La Teoría de Aceptación de la Tecnología (TAM) (Davis, 1989) basada en las teorías
TPB y TAR, explica que la adopción de la tecnología está determinada principalmente
por dos factores, la utilidad percibida y la facilidad de uso percibido, estos influyen en
la intención del usuario hacia el uso de una nueva tecnología. TAM es uno de los
modelos de investigación ampliamente utilizado y validado en diversos estudios,
siendo un modelo sencillo y centrado en percepciones funcionales, ha demostrado su
confiabilidad en ámbitos tecnológicos (Palos-Sanchez et al., 2019).
La Teoría Unificada de Uso y Aceptación de la Tecnología (UTAUT), toma como base
modelos anteriores, como TAR; TPB; TAM y otras teorías como, el Modelo
Motivacional (MM) (Romero et al., 2023), la Difusión de la Innovación (DOI) ( Palos-
Sanchez et al., 2019) y la Teoría Cognitiva Social (Schorr, 2023) e integra nuevos
constructos, como la influencia social y las condiciones facilitadoras (Huseynov &
Ozkan, 2019). Este modelo ha sido innumerablemente utilizado en diversos estudios,
para explicar las variables que afectan el comportamiento del usuario en entornos
tecnológicos (Marikyan & Papagiannidis, 2023). Posteriormente se integra tres
dimensiones adicionales en el Modelo UTAUT2, como son la motivación hedónica, el
valor del precio y el hábito (Venkatesh et al., 2012; Tamilmani et al., 2021).
La Teoría de Aceptación de Tecnología (TAM), implementada en estudios
exploratorios de ambientes organizacionales y la Teoría Unificada de Uso y
Aceptación de Tecnología (UTAUT) y (UTAUT2), orientadas al usuario final en
entornos digitales, proporcionan marcos robustos para analizar el comportamiento del
consumidor online. En este sentido, la presente investigación propone integrar estos
modelos y extenderla al contexto del comercio electrónico local para proporcionar una
visión integral de los factores que influyen en el comportamiento de los consumidores
online (Hermosa-Vega, 2022).
Para el análisis del modelo se tomó como base, el artículo desarrollado por Yaqub et
al., (2024). Este estudio utilizó los modelos de TAM y UTAUT, considerando al hábito
como una variable moderadora; a la utilidad percibida, la facilidad percibida, la
influencia social y la seguridad percibida como variables independientes y a la
intención y uso efectivo como variables dependientes. De tal forma, que el constructo
hábito como una variable moderadora, causa que la intención de uso medie el uso
efectivo, es decir, el hábito no es considerado un predictor directo, sino una variable
que modera las relaciones de los constructos analizados.
El estudio de Yaqub et al., (2024) analiza también, como las variables independientes
condicionan la intención de uso y como esta a su vez, media el uso efectivo de la
tecnología, estableciendo efectos directos entre las variables independientes, la
intención de uso y el uso efectivo, además de los efectos mediadores resultantes de
Journal of Economic and Social Science Research / Vol. 05 / Núm. 03 / www.economicsocialresearch.com
pág. 97
Research Article
Julio – Septiembre 2025
la intención de uso, las variables independientes y el uso efectivo y, por último, se
establece el efecto moderador del hábito entre la intención y uso efectivo.
Cabe mencionar que la presente investigación excluye variables como, la motivación
hedónica y el valor del precio, esto responde a que el estudio se centra en elementos
funcionales como la utilidad percibida, la facilidad percibida, la influencia social y la
seguridad percibida, considerando que estas variables han mostrado una relevancia
empírica más significativa en mercados emergentes. De igual forma se excluyó a la
compatibilidad y las condiciones facilitadoras, debido a que la primera pierde
significancia en usuarios en donde la adopción tecnológica está en una etapa
intermedia de maduración y la segunda porque los usuarios analizados ya cuentan
con experiencia previa y recursos para el uso de nuevas tecnologías. (Hamid &
Mohamed, 2022; Mahaputra, 2023; Yaqub et al., 2024).
La Utilidad Percibida (UP) y la Facilidad Percibida (FP) son constructos tomados del
modelo TAM, considerados variables independientes. La Utilidad Percibida (UP) es la
idea de que utilizar una determinada tecnología mejora el desempeño de una persona,
traducido al contexto del comercio electrónico, es la percepción del consumidor online
de cuan útil es el uso del comercio electrónico, en cuanto a ahorro de tiempo, variedad
de productos, precios competitivos. La Facilidad Percibida en el uso (FP), en cambio,
es la idea que tiene una persona, que utilizar una determinada tecnología será fácil o
libre de esfuerzo, en el comercio electrónico se refiere a cuan sencillo le resulta a un
usuario el utilizar una plataforma digital, es decir, plataformas intuitivas y procesos de
pagos sencillos (Davis, 1989; Huseynov & Ozkan, 2019).
Del Modelo UTAUT, se han considerado los constructos Influencia Social (IS) y
Seguridad Percibida (SP), como variables independientes. La influencia social tiene
relación con el grado en que las opiniones de las personas cercanas, moldean
significativamente la intención y decisión de una persona de adoptar una tecnología
(Huseynov & Ozkan, 2019). Estudios recientes han demostrado que la influencia
social (IS) es un importante predictor en la intención de compra online (Dwivedi et al.,
2019). La Seguridad Percibida (SP), es la creencia que tiene una persona de que sus
datos e información general, así como sus transacciones están protegidas, en el caso
del comercio electrónico se refiere a las seguridades que brinda una plataforma online
al usuario (Huseynov & Ozkan, 2019). Últimos estudios muestran que la percepción
de seguridad es un elemento determinante en la intención y uso del comercio
electrónico (Vela-Reyna et al. 2024).
La Intención de Uso (IU) y el Uso efectivo (UE), como variables dependientes son
compartidos por los Modelos TAM y UTAUT. La Intención de Uso (IU), se refiere al
grado en que una persona prevée utilizar una nueva tecnología, en el caso del
comercio electrónico, de una plataforma digital. La Intención de Uso, funciona como
mediadora entre las variables independientes con el uso efectivo, canalizando su
efecto (Salas-Rubio et al., 2020). A su vez, el Uso Efectivo (UE), se define como el
comportamiento real que adopta una persona con una nueva tecnología, en el
Journal of Economic and Social Science Research / Vol. 05 / Núm. 03 / www.economicsocialresearch.com
pág. 98
Research Article
Julio – Septiembre 2025
comercio electrónico, es el comportamiento real en una plataforma online,
considerada una variable dependiente que se ve afectada por las variables
independientes, la intención de uso y el hábito (Huseynov & Ozkan, 2019; Yaqub et
al., 2024).
Por último, el Hábito, que se refiere al grado en que una persona tiende a realizar
tareas de forma automática y que tiene relación con un aprendizaje previo. En el
ámbito del comercio electrónico, se refiere a utilizar una tienda virtual de forma
rutinaria. En la presente investigación, el hábito está considerado como moderador
entre la Intención (IU) y el Uso Efectivo (UE) y se encuentra alineada al enfoque de
UTAUT2, que considera que el hábito es el grado en que una conducta se vuelve
automática debido a la experiencia previa, es decir que una vez adoptado un hábito,
disminuye el efecto deliberador de la intensión de uso sobre el eso efectivo, con lo que
a mayor grado de habituación, la intención pierde efecto sobre el comportamiento del
usuario y este se torna menos reflexivo y más automático (Sharifi F., 2019; Venkatesh
et al., 2012; Yaqub et al., 2024).
2. Materiales y métodos
La presente investigación emplea un diseño no experimental de corte transversal y
enfoque cuantitativo (Hernández-Sampieri et al., 2014) Mediante la aplicación de una
encuesta piloto a 30 participantes se obtuvo los datos que permitieron las
modificaciones necesarias para obtener el instrumento final de investigación. La
validación del instrumento se evaluó mediante el Alfa de Cronbach, utilizando el
software IBM SPSS Statistics versión 30.0. Los resultados obtenidos fluctuaron entre
0,823 y 0,835 que se traduce en una alta consistencia interna de datos y por tanto una
alta fiabilidad del cuestionario, dado que, valores superiores a 0,7 se consideran
estadísticamente aceptables (Hair et al., 2022)
El cuestionario consideró una medición de las 7 variables y 28 ítems. Las preguntas
formuladas en escala Likert de 5 puntos, utilizando un lenguaje claro, formal y preciso,
adaptado de modelos de estudios anteriores, para mayor información, ver la Tabla 1.
La operacionalización de variables empleada en el presente estudio, que permite una
fácil identificación conceptual y metodológica de los constructos analizados y que
incluye objetivos específicos y rutas asociadas, se muestran en la Tabla 2.
Tabla 1
Resumen de instrumentos de investigación de estudios previos
Constructos
Modelo Teórico
Fuentes
Utilidad percibida (UP):
Modelo TAM
* Venkatesh et al (2012)
Facilidad pecibida(FP):
Modelo TAM
* Venkatesh et al., (2012)
Influencia Social (IS):
Modelo UTAUT
*Venkatesh et al. (2012)
*Fatihanisya & Purnamasari, (2021)
Seguridad Percibida (SP)
Modelo UTAUT
* Shareef et al. (2017)
Hábito (H)
Modelo UTAUT2
* Limayem et al., (2007)
* Huseynov & Ozkan, (2019)
Journal of Economic and Social Science Research / Vol. 05 / Núm. 03 / www.economicsocialresearch.com
pág. 99
Research Article
Julio – Septiembre 2025
Intención de Uso (IU)
Modelo TAM
Modelo UTAUT
* Bonisoli y Castillo (2022)
* Huseynov & Ozkan (2019)
Uso efectivo (UE)
Modelo TAM
Modelo UTAUT
* Fatihanisya & Purnamasari, (2021)
Nota: (Autor, 2025).
Figura 1
Modelo de investigación
Nota: (Autor, 2025).
Tabla 2
Operacionalización de variables
Objetivo específico
Hipótesis
Path
Analizar el efecto de la utilidad percibida en el
comportamiento del consumidor online
H1. La Utilidad Percibida (UP) afecta
positivamente en la intención de compra (IU)
del consumidor online
UP -> IU
H2. La Utilidad Percibida (UP) influye
positivamente en el uso efectivo (UE) del
comercio virtual
UP -> UE
Analizar cómo influye la facilidad percibida en
el comportamiento del consumidor online
H3. La Facilidad Percibida (FP) afecta
positivamente en la intención de compra (IU)
del consumidor online
FP -> IU
H4. La Facilidad Percibida (FP) contribuye de
manera positiva en el uso efectivo (UE) del
consumidor online
FP -> UE
Analizar la relación de la influencia social en
el comportamiento del consumidor online
H5. La influencia social (IS) tiene una
consecuencia positiva en la intención de
compra (IU) del consumidor online
IS -> IU
H6. La influencia social (IS) tiene una
consecuencia positiva en el uso efectivo (UE)
del comercio virtual
IS -> UE
Analizar el efecto de la seguridad percibida en
el comportamiento del consumidor online
H7. La seguridad percibida (SP) afecta
positivamente en la intención de uso (IU) del
comercio virtual
SP ->IU
H8. La seguridad percibida (SP) tiene un
resultado positivo en el uso efectivo (UE) del
comercio virtual
SP -> UE
Analizar la relación existente entre la intención
de uso del comercio virtual y su uso efectivo
H9. La intención de uso (IU) está
significativamente relacionado con el uso
efectivo (UE) del comercio virtual
IU -> UE
Journal of Economic and Social Science Research / Vol. 05 / Núm. 03 / www.economicsocialresearch.com
pág. 100
Research Article
Julio – Septiembre 2025
Analizar el efecto mediador de la intención de
uso del comercio virtual en la relación entre la
utilidad percibida y el uso efectivo del
comercio electrónico en consumidores de
PYMEs.
H10. La intención de uso (IU) del comercio
virtual, media la relación entre utilidad
percibida (UP) y uso efectivo (UE)
UP->IU->UE
Analizar el papel mediador de la intención de
uso del comercio virtual en la relación entre la
facilidad percibida y el uso efectivo del
comercio electrónico por parte de los
consumidores.
H11.La intención de uso (IU) del comercio
virtual, media la relación entre facilidad
percibida (FP) y uso efectivo (UE)
FP->IU->UE
Analizar el efecto mediador de la intención de
uso del comercio virtual en la relación entre la
influencia social y el uso efectivo del comercio
electrónico en consumidores online.
H12. La intención de uso (IU) del comercio
virtual, media la relación entre influencia
social (IS) y uso efectivo (UE)
IS ->IU->UE
Determinar el efecto mediador de la intención
de uso del comercio virtual en la relación entre
la seguridad percibida y el uso efectivo del
comercio electrónico en el entorno de las
PYMEs.
H13. La intención de uso (IU) del comercio
virtual, media la relación entre seguridad
percibida (SP) y uso efectivo (UE)
SP ->IU->UE
Analizar el efecto moderador de la intención
del uso del comercio virtual y el uso efectivo
H14. El hábito modera la relación entre la
intención de uso (IU) y el uso efectivo (UE).
IU->H->UE
Nota: (Autor, 2025).
La población objeto de estudio se centró en los consumidores que han realizado
compras digitales o en plataformas de e-commerce, en los últimos 6 meses y que
viven en el Distrito Metropolitano de Quito (DMQ), considerando compras online
realizadas en las pequeñas y medianas empresas. Como criterio adicional, se
estableció que los encuestados fuesen jefes o cabezas de hogar, debido a que
centralizan importante información sobre aspectos económicos y su rol determinante
en las decisiones de compra de la familia
Se calculó una muestra aleatoria estratificada, tomando en consideración las
Administraciones Zonales del Distrito Metropolitano de Quito cuyo porcentaje de
participación por vivienda sea igual o superior al 15%, esta información se la obtuvo
de la última encuesta nacional proporcionada por el Instituto Nacional de Estadísticas
y Censos (INEC, 2022) y el tercer informe de Actividades “Atlas Socioeconómico para
el GAD DMQ” (Sánchez, 2024) y que se muestran en la Tabla 3.
Tabla 3
Distribución de viviendas con mayor concentración por administración zonal
Zonal
Viviendas
Población
% Participación por
vivienda
Participación
vivienda
proyectado al
100%
No.
Encuestas
Eugenio
Espejo
146672
395540
17%
27%
107
Quitumb
e
134749
446212
15%
25%
99
Eloy
Alfaro
133727
411388
15%
24%
98
La
Delicia
130702
406967
15%
24%
96
Totales
545850
1660107
63%
100%
400
Nota: Elaborado por el investigador, en base al III Informe Socioeconómico para el GAD, DMQ
(Sánchez, 2024)
Journal of Economic and Social Science Research / Vol. 05 / Núm. 03 / www.economicsocialresearch.com
pág. 101
Research Article
Julio – Septiembre 2025
La muestra total estimada fue de 400 encuestados para un nivel de confianza del 95%
y la probabilidad de éxito y fracaso del 5% (Sierra Bravo, 2001). El cuestionario fue
aplicado de forma directa a los usuarios que cumplían con el perfil, en las zonas y
lugares estratificados. Después de la aplicación, recopilación y depuración del
instrumento de investigación, se obtuvo un total de 389 encuestas válidas y que
cumplían con los criterios y parámetros de medición. Se realizó el análisis de los datos,
mediante la aplicación de software informáticos, como IBM SPSS y Smart PLS 4.0.
Esta investigación utilizó el modelo de ecuaciones estructurales basados en mínimos
cuadrados parciales (PLS-SEM), justificada por su capacidad para analizar modelos
complejos con múltiples variables latentes relaciones, cuando el objetivo es explicativo
y predictivo, es decir que busca establecer las relaciones entre variables y predecir el
comportamiento de los consumidores. Además, se recomienda para analizar
distribuciones no normales de datos y muestras de tamaño moderado, como es el
caso de la presente investigación. (Hair et al., 2019). Esto lo convierte en un modelo
más flexible que el enfoque basado en covarianzas, como el utilizado en AMOS, que
a diferencia requiere supuestos más estrictos como distribución normal de datos y
muestras más grandes (Hair et al., 2022).
3. Resultados
3.1. Perfil del encuestado
Los principales resultados obtenidos muestran que el 100% de los encuestados son
personas cabezas de hogar, el 88.17% realiza tanto compras digitales como físicas,
el 69.92% realiza compras digitales a nivel nacional y el 30.08% restante realiza
compras locales e internacionales. Además, el 50.90% son hombres y el 49,10%
mujeres, sus edades varían principalmente en rangos de edad que van entre 34 y 43
años y entre 45 y 53 años, con un 37.79% y un 29.56%, respectivamente. En cuanto
a la ocupación, el 69.92% son empleados y el 30.98% son independientes. Para
revisar un perfil más detallado de los encuestados, por favor consulte la tabla 4.
Tabla 4
Perfil de los encuestados
Criterio
Categoría
n
%
Tipo de compra
Digitales
46
11,83
Ambas
343
88,17
Alcance de compra
Nacional
272
69,92
Ambas
117
30,08
Cabeza de Hogar
Si
389
100,00
No. Integrantes Familia
2
76
19,54
3
111
28,53
4
85
21,85
5
55
14,14
Ingreso Familiar
$250 - $950
94
24,16
$1000 - $1950
206
52,96
$2000 - $2950
70
17,99
Edad
23 - 33
92
23,65
Journal of Economic and Social Science Research / Vol. 05 / Núm. 03 / www.economicsocialresearch.com
pág. 102
Research Article
Julio – Septiembre 2025
34 - 43
147
37,79
44 - 53
115
29,56
Lugar de Residencia
Eloy Alfaro
93
23,91
Eugenio Espejo
110
28,28
La Delicia
59
15,17
Quitumbe
76
19,54
Estado Civil
Casado
194
49,87
Soltero
105
26,99
Unión Libre
63
16,20
Género
Femenino
191
49,10
Masculino
198
50,90
Ocupación
Empleado
272
69,92
Independiente
117
30,08
Educación
Universitario
170
43,70
Técnico/Tecnólogo
86
22,11
Secundaria
84
21,59
Categoría princ. Compra
Comida & bebida
170
43,70
Tecnología & Electrónicos
115
29,56
Moda, ropa & zapatos
53
13,62
Belleza, Salud & Hogar
39
10,03
Frecuencia Compra
Mensual
124
31,88
Semanal
59
15,17
Trimestral
120
30,85
Gasto Promedio Mensual
Menor a $299
335
86,12
De $300 a $599
46
11,83
Nota: (Autor, 2025).
En la tabla 5, se presenta el resumen de las dimensiones, ítems investigados y
estadísticos de tendencias central. Para la investigación se utilizó una escala de Likert
de 5 puntos en donde 1 corresponde a totalmente en desacuerdo y 5 a totalmente de
acuerdo. Los ítems FP1 (4.19), H4 (3.61), IS1 (4.41), IU3 (4.09), SP2 (3.59), UE3
(3.80) y UP1 (4.23), que corresponden a los constructos de, facilidad percibida, hábito,
influencia social, intención de uso, seguridad percibida, uso efectivo y utilidad
percibida respectivamente, son los ítems que alcanzan el mayor nivel de acuerdo o
mejor valorados,
Tabla 5
Resumen de dimensiones y elementos investigados
Dimensión
Item
Med.
Media
Mín.
Máx.
Desv.
Estánd.
Facilidad
Percibida
(FP)
Usar plataformas de comercio electrónico
me resulta fácil (FP1)
4,19
4,00
1,00
5,00
0,74
La Interfaz, que se refiere al diseño de la
tienda virtual y que incluye elementos
visuales y funcionales, es intuitiva para mí
(FP3)
3,96
4,00
1,00
5,00
0,79
Me resulta fácil navegar y encontrar
productos en las plataformas online (FP4)
4,06
4,00
1,00
5,00
0,78
Hábito (H)
Comprar en línea se ha convertido en una
conducta automática para mí (H1)
3,22
3,00
1,00
5,00
0,99
Generalmente no reflexiono o pienso bien
antes de decidir realizar una compra online
(H2)
2,99
3,00
1,00
5,00
0,99
Cuando necesito comprar algo,
automáticamente pienso en hacerlo a través
de plataformas o tiendas virtuales (H3)
3,31
3,00
1,00
5,00
0,98
Journal of Economic and Social Science Research / Vol. 05 / Núm. 03 / www.economicsocialresearch.com
pág. 103
Research Article
Julio – Septiembre 2025
Estoy acostumbrado a utilizar plataformas
digitales para mis compras (H4)
3,61
4,00
1,00
5,00
0,87
Influencia
Social (IS)
Es importante considerar las reseñas y
opiniones de otros usuarios que han utilizado
con anterioridad, las plataformas de
comercio electrónico (IS1)
4,41
4,00
2,00
5,00
0,63
Las opiniones o recomendaciones de mi
familia, amigos o compañeros influyen en mi
decisión de realizar compras en línea (IS2)
4,22
4,00
1,00
5,00
0,76
Veo que muchas personas a mi alrededor
utilizan plataformas de comercio electrónico
(IS3)
4,23
4,00
2,00
5,00
0,70
Las recomendaciones de otras personas me
motivan a utilizar una tienda virtual para
hacer mis compras (IS4)
4,08
4,00
1,00
5,00
0,84
Intención
de Uso (IU)
En el futuro, tengo la intención de utilizar
plataformas de comercio electrónico como
parte habitual de mis compras (IU1)
4,06
4,00
1,00
5,00
0,81
Planeo hacer uso del comercio electrónico
de forma frecuente y sostenida en el tiempo
(IU2)
4,01
4,00
1,00
5,00
0,84
Si tuviera que realizar una compra en línea
próximamente, es muy probable que elija
una plataforma de comercio electrónico (IU3)
4,09
4,00
1,00
5,00
0,81
Me siento motivado a seguir usando el
comercio electrónico debido a las
experiencias positivas que he tenido (IU4)
4,06
4,00
1,00
5,00
0,80
Seguridad
Percibida
(SP)
Confío en la seguridad de las transacciones
mediante plataformas de comercio
electrónico (SP1)
3,57
4,00
1,00
5,00
0,92
Confío en que las plataformas de comercio
electrónico protegerán mis datos e
información personal (SP2)
3,59
4,00
1,00
5,00
0,94
Las plataformas de e-commerce ofrecen
medidas adecuadas para proteger los datos
de los usuarios (SP4)
3,51
4,00
1,00
5,00
0,83
Uso
Efectivo
(UE)
Utilizo regularmente plataformas de e-
commerce para realizar compras (UE1)
3,72
4,00
1,00
5,00
0,82
Hago uso de e-commerce para adquirir
productos o servicios en diferentes
ocasiones (UE3)
3,80
4,00
1,00
5,00
0,85
Mi interacción con e-commerce se refleja en
mi comportamiento de compra habitual
(UE4)
3,51
4,00
1,00
5,00
1,01
Utilidad
Percibida
(UP)
Comprar en línea me permite realizar mis
compras más rápidamente (UP1)
4,23
4,00
1,00
5,00
0,69
Comprar en línea incrementa mi
productividad como consumidor, al poder
comprar en cualquier horario (UP2)
4,03
4,00
1,00
5,00
0,92
Los precios de los productos y servicios de
una tienda virtual son razonables, en
comparación a una tienda física (UP3)
3,91
4,00
1,00
5,00
0,87
La tienda me ofrece la variedad de productos
que estoy buscando, no necesito ir a una
tienda física (UP4)
4,06
4,00
1,00
5,00
0,84
Nota: (Autor, 2025).
Journal of Economic and Social Science Research / Vol. 05 / Núm. 03 / www.economicsocialresearch.com
pág. 104
Research Article
Julio – Septiembre 2025
3.2. Evaluación del modelo de medición
Se utilizó el modelo de ecuaciones estructurales SEM, para el análisis de los datos,
basado en el método PLS (Mínimos Cuadrados Parciales), mediante el uso de Smart
PLS 4.0 (Ringle et al., 2024). Este modelo es especialmente adecuado para la
presente investigación, ya que es ideal para medir relaciones teóricas entre múltiples
constructos (variables latentes) y por su capacitad de estimar modelos complejos con
datos no normales y muestras reducidas (Hair et al., 2019). Se utilizó los algoritmos
PLS y el bootstrapping para determinar la fiabilidad del modelo y la validez
convergente y discriminante (Casanova-Villalba, et al., 2022).
La fiabilidad de los ítems individuales fue medida a través de las cargas factoriales y
se encontró que los ítems, FP2 (0,641), SP3 (0,427) y UE2 (0,669), tenían cargas
factoriales menores a 0.7 y en consecuencia fueron omitidas en el análisis posterior,
justificadas teóricamente (Fornell & Larcker, 1981; Hair et al., 2019). La fiabilidad de
consistencia interna de los constructos se evaluó utilizando el Alfa de Cronbach, cuyos
valores fueron desde 0,70 a 0,83 y la fiabilidad compuesta, de 0,70 a 0,84
respectivamente. Según la teoría, se recomienda que estos valores sean iguales o
mayores a 0,70 para confirmar una confiabilidad suficiente, como en el presente
estudio (Hair et al., 2022).
La validez convergente se obtuvo por medio de la varianza promedio extraída (AVE),
la teoría indica que la varianza debe ser superior a 0,50. En la presente investigación
estos valores están entre 0,60 y 0,67, lo que indica que sus indicadores describen más
de la mitad de la varianza de un constructo y por tanto muestran una validez
convergente suficiente (Fornell & Larcker, 1981). Para mayor información, ver la Tabla
6.
Tabla 6
Evaluación de la confiabilidad y validez convergente
Ítem
Alfa de
Cronbach
Fiabilidad
compuesta.
(Rho)
(AVE)
Facilidad Percibida (FP)
0,71
0,70
0,60
Hábito (H)
0,80
0,81
0,62
Influencia Social (IS)
0,83
0,84
0,67
Intención de Uso (IU)
0,78
0,79
0,61
Seguridad Percibida (SP)
0,70
0,70
0,60
Uso Efectivo (UE)
0,70
0,71
0,63
Utilidad Percibida (UP)
0,75
0,76
0,57
Nota: (Autor, 2025).
Journal of Economic and Social Science Research / Vol. 05 / Núm. 03 / www.economicsocialresearch.com
pág. 105
Research Article
Julio – Septiembre 2025
Figura 2
Estimaciones del modelo
Nota: (Autor, 2025).
Para evaluar la validez discriminante, se empleó el criterio de Fornell & Lacker (1981).
Los resultados (Tabla 7), muestran que la raíz cuadrada de AVE de cada constructo
es superior a las correlaciones de los otros constructos, lo que determina una
adecuada validez discriminante, que fue también evaluada mediante la matriz HTMT
(Heterotrait-Monotrait ratio), los resultados (Tabla 8) indicaron valores inferiores a 0,85
sugeridos por Henseler et al. (2015), lo que indica que los constructos son distintos
entre sí, confirmando la validez discriminante del modelo planteado.
Tabla 7
Validez Discriminante Fornell-Larcker
FP
H
IS
IU
SP
UE
UP
Facilidad Percibida (FP)
0,775
Hábito (H)
0,232
0,789
Influencia Social (IS)
0,276
0,290
0,816
Intención de Uso (IU)
0,393
0,308
0,265
0,779
Seguridad Percibida (SP)
0,258
0,314
0,180
0,371
0,772
Uso Efectivo (UE)
0,305
0,463
0,261
0,553
0,368
0,793
Utilidad Percibida (UP)
0,482
0,239
0,238
0,372
0,242
0,287
0,756
Nota: (Autor, 2025).
Journal of Economic and Social Science Research / Vol. 05 / Núm. 03 / www.economicsocialresearch.com
pág. 106
Research Article
Julio – Septiembre 2025
Tabla 8
Validez discriminante Heterotrait-Monotrait (HTMT)
FP
H
IS
IU
SP
UE
UP
HxIU
FP
H
0,298
IS
0,370
0,352
IU
0,532
0,362
0,325
SP
0,390
0,417
0,239
0,505
UE
0,443
0,593
0,341
0,738
0,532
UP
0,679
0,292
0,302
0,486
0,332
0,389
HxIU
0,073
0,131
0,135
0,181
0,097
0,240
0,123
Nota: (Autor, 2025).
3.3. Análisis del modelo estructural SEM
Para analizar la calidad de ajuste del modelo estructural se aplicaron diversos
indicadores en SmartPLS. El valor obtenido del SRMR fue de 0,068, cumpliendo con
el criterio recomendado de un valor menor a 0,08 recomendado por la teoría (Hair et
al., 2019), lo que prueba que el modelo propuesto presenta un ajuste óptimo con los
datos obtenidos. Mediante la técnica paramétrica Bootstrapping aplicada en
SmartPLS 4.0 (Ringle et al., 2024), se evidencia que los constructos, Facilidad
Percibida (FP), Influencia Social (IS) y Utilidad Percibida (UP) no son significativos
para el Uso Efectivo (UE), puesto que el valor p en estos casos es mayor a 0.05.
Tabla 9
Coeficiente Path
Muestra
original (O)
Media de la
muestra (M)
Desviación
estándar
(STDEV)
Estadísticos t
(|O/STDEV|)
Valores p
FP -> IU
0,206
0,206
0,048
4,268
0,000
FP -> UE
0,040
0,043
0,048
0,833
0,405
IS -> IU
0,119
0,123
0,051
2,325
0,020
IS -> UE
0,034
0,035
0,042
0,803
0,422
IU -> UE
0,382
0,374
0,064
5,984
0,000
SP -> IU
0,252
0,253
0,058
4,375
0,000
SP -> UE
0,113
0,114
0,045
2,518
0,012
UP -> IU
0,184
0,185
0,051
3,568
0,000
UP -> UE
0,015
0,017
0,047
0,313
0,754
Nota: (Autor, 2025).
Para evaluar el ajuste del modelo, se revisaron 3 tipos de ajustes, el índices de ajuste
absoluto, índices de ajuste incremental y el índices de ajuste de parsimonia. La tabla
10, muestra los ajustes tanto para el modelo original como para el modelo modificado.
De esta forma, se puede ver que el modelo modificado cumple en su totalidad con los
índices de parsimonia y los índices de ajuste absoluto, especialmente en la mejora de
los índices clave como CFI (0.921), TLI (0.908), IFI (0.922), y RMSEA (0,05). No
obstante, el índice NFI (0.853) se encuentra ligeramente por debajo del nivel óptimo,
lo que indica que el modelo si bien alcanzo niveles óptimos en los demás índices, se
podría ajustar aún más.
Journal of Economic and Social Science Research / Vol. 05 / Núm. 03 / www.economicsocialresearch.com
pág. 107
Research Article
Julio – Septiembre 2025
Tabla 10
Indicadores Fit
Estadísticos
Esperado
Modelo 1
Modelo
modificado
Evaluación modelo
modificado
Índice de ajuste absoluto
Chi cuadrado X2 (CMIN)
752,853
507,49
DF
333
258
P
0,00
0,00
CMIN/DF
< = 5,00
2,261
1,967
Aceptado
RMSEA
< = 0,08
0,057
0,05
Aceptado
Indices de ajuste incremental
CFI
> = 0,90
0,883
0,921
Aceptado
TLI
> = 0,90
0,867
0,908
Aceptado
IFI
> = 0,90
0,885
0,922
Aceptado
NFI
> = 0,90
0,81
0,853
Rechazado
Índice de ajuste parsimonia
PNFI
< NFI
0,714
0,734
Aceptado
PCFI
< CFI
0,778
0,792
Aceptado
Nota: (Autor, 2025).
La Tabla 11 muestra los efectos directos, de mediación y moderador de las variables.
Los efectos directos de UP sobre IU (p<0,000), de FP sobre IU (p<0,000), IS sobre IU
(p<0,020), de SP sobre IU (p<0,000), SP sobre UE (p<0,012) y de IU sobre UE
(p<0,000) fueron empíricamente confirmadas, confirmando de esta forma las
Hipótesis H1, H3, H5, H7, H8 y H9 respectivamente. De la misma forma se puede ver
que las hipótesis H2, H4, H6 que postulaban efectos directos significativos de UP
sobre UE (p<0,745), de FP sobre UE (p<0,405) y de IS sobre UE (p<0,422) no
pudieron ser apoyadas empíricamente.
En el análisis de los efectos de mediación, los resultados evidenciaron que la intención
de usar el comercio electrónico (IU), medió significativamente la relación entre la
utilidad percibida (UP) (p<0,00); la facilidad percibida (FP) (p<0,00), la influencia social
(IS) (p<0,014) y la seguridad percibida (SP) (p<0,001), con el uso efectivo (UE) del
comercio electrónico, por tanto, se confirma las Hipótesis H10, H11, H12 y H13.
Además, el hábito (H), no modera de forma significativa la intensión de uso (IU) sobre
el uso efectivo UE (p<0,082), de la muestra analizada, por tanto, la Hipótesis 14 se
rechaza.
Tabla 11
Análisis de los efectos directos, mediadores, moderador y validación de hipótesis
Efectos directos
Hipótesis
Paths
Std. Dev.
Estadísticos t
Valores p
Resultado
H1
UP -> IU
0,051
3,568
0,000
Aceptada
H2
UP -> UE
0,047
0,313
0,754
Rechazada
H3
FP -> IU
0,048
4,268
0,000
Aceptada
H4
FP -> UE
0,048
0,833
0,405
Rechazada
H5
IS -> IU
0,051
2,325
0,020
Aceptada
H6
IS -> UE
0,042
0,803
0,422
Rechazada
H7
SP -> IU
0,058
4,375
0,000
Aceptada
H8
SP -> UE
0,045
2,518
0,012
Aceptada
H9
IU -> UE
0,064
5,984
0,000
Aceptada
Efectos mediadores
H10
UP -> IU -> UE
0,020
3,590
0,000
Aceptada
Journal of Economic and Social Science Research / Vol. 05 / Núm. 03 / www.economicsocialresearch.com
pág. 108
Research Article
Julio – Septiembre 2025
H11
FP -> IU -> UE
0,022
3,600
0,000
Aceptada
H12
IS -> IU -> UE
0,019
2,456
0,014
Aceptada
H13
SP -> IU -> UE
0,030
3,186
0,001
Aceptada
Efecto moderador
H14
H x IU -> UE
0,036
1,741
0,082
Rechazada
Nota: (Autor, 2025).
4. Discusión
Los resultados de la investigación confirman la importancia de los modelos TAM y
UTAUT para comprender el comportamiento del consumidor digital, en el Distrito
Metropolitano de Quito. Según los hallazgos obtenidos a través del modelamiento de
ecuaciones estructurales (PLS-SEM), la utilidad percibida y la facilidad percibida
mostraron una relación positiva y significativa en la intención de uso de plataformas
de comercio electrónico, coincidiendo con estudios previos (Salas-Rubio et al, 2021;
Venkatesh et al, 2012), que resaltan la importancia de estas variables en la adopción
tecnológica.
De la misma forma, la influencia social mostró un impacto positivo y significativo con
la intención de uso, que plantea que la opinión de personas cercanas, como familiares,
amigos o colegas, influye decisivamente en la adopción de tecnologías, corroborando
la teoría de UTAUT (Fatihanisya & Purnamasari, 2021). En el ámbito local, esto puede
interpretarse como la demostración de la confianza y la validación social al utilizar
plataformas de comercio electrónico para realizar transacciones comerciales.
Por otro lado, la seguridad percibida, fue la única variable que mostró un efecto
positivo tanto en la intensión como en el uso efectivo de las plataformas digitales. Este
hallazgo destaca la importancia de la seguridad de la información personal y
financiera, en la experiencia de compra en línea, especialmente en países donde
prevalece la desconfianza en las transacciones digitales (Portalanza et al., 2024).
Investigaciones similares en la región también han destacado el rol de la seguridad
como una variable clave para convertir la intención en un uso efectivo (Vela-Reyna et
al., 2024).
El hábito, como variable moderadora, no tuvo un efecto significativo entre la intención
de uso y el uso efectivo. Este hallazgo se contrapone a los resultados de Venkatesh
et al. (2012), que muestra que en mercados maduros, el hábito es un factor
determinante en el comportamiento del consumidor digital. Esta discrepancia puede
justificarse, por la brecha tecnológica y patrones de consumo en el entorno nacional,
en donde el comercio electrónico aún no se ha convertido en una actividad rutinaria.
Por último, los efectos indirectos evidenciados en el modelo, permiten comprender
que la mayoría de las variables influyen en el uso efectivo del comercio electrónico,
mediante la intención, validando el papel mediador de la intención de uso en modelos
de aceptación tecnológica. Este resultado sugiere que mejorar la percepción de la
Journal of Economic and Social Science Research / Vol. 05 / Núm. 03 / www.economicsocialresearch.com
pág. 109
Research Article
Julio – Septiembre 2025
utilidad y la facilidad de uso percibida por el usuario de e-commerce local, puede
potenciar su predisposición hacia el uso real del comercio electrónico.
5. Conclusiones
La presente investigación aporta evidencia empírica sobre los factores que influyen
en el comportamiento del consumidor local online en el Distrito Metropolitano de Quito,
mediante la integración de los modelos teóricos de TAM, UTAUT. Esta evidencia
permite concluir que, la utilidad percibida, la facilidad percibida y la influencia social
son determinantes en la intención de uso de las plataformas electrónicas. Además,
que la seguridad percibida es la única variable que condiciona significativamente tanto
la intensión como el uso efectivo, siendo un factor clave para reforzar la confianza en
ambientes digitales.
En contraste el hábito no presentó un efecto moderador significativo, evidenciando
que el comercio electrónico aún no se ha incorporado en el comportamiento rutinario
de los consumidores quiteños, sugiriendo que aún existen limitaciones culturales y
económicas que limitan esta adopción. Finalmente, la intensión de uso actúa como
mediadora entre la utilidad y la facilidad percibidas con el comportamiento efectivo,
destacando la relevancia de diseñar e implementar estrategias direccionadas a
fortalecer la intención del consumidor.
Estos resultados permiten identificar áreas prioritarias para diseñar y enfocar
estrategias tendientes a incentivar el uso del comercio electrónico, entre las que se
destacan, el fortalecer los mecanismos de seguridad de la información, mejorando la
confianza de los consumidores online, así como, desarrollar plataformas digitales más
intuitivas y útiles que mejoren la experiencia del consumidor en entornos virtuales y
finalmente es importante, promover el uso del comercio electrónico, mediante
campañas que refuercen la percepción de beneficios, facilidad y seguridad.
Finalmente, se concluye que, la principal limitación del presente estudio, radica en la
focalización geográfica en el Distrito Metropolitano de Quito, que no permite una
generalización de resultados. Por ello, se sugiere que estudios futuros amplíen la
muestra a otras ciudades o regiones del país. Adicionalmente, sería conveniente
integrar nuevas variables que complementen el estudio, tales como la experiencia del
usuario, la confianza en la marca o la sostenibilidad digital, que enriquezcan y aporten
una visión integral del comportamiento del consumidor online, en escenarios digitales
en desarrollo.
CONFLICTO DE INTERESES
“Los autores declaran no tener ningún conflicto de intereses”.
Journal of Economic and Social Science Research / Vol. 05 / Núm. 03 / www.economicsocialresearch.com
pág. 110
Research Article
Julio – Septiembre 2025
Referencias Bibliográficas
Ajzen, I. (2020). The theory of planned behavior: Frequently asked questions. Human
Behavior and Emerging Technologies, 2(4), 314-324.
https://doi.org/10.1002/hbe2.195
Arteaga Ampuero, J. M., & Flores Urbáez, M. J. (2023). Comportamiento del
consumidor post-pandemia en el sector comercial de Ecuador. Revista
Venezolana De Gerencia, 2(10), 1415-1434.
https://doi.org/10.52080/rvgluz.28.e10.33
Bonisoli, L., & Castillo, L. K. (2022). Creencias normativas y confianza: una adaptación
del modelo de aceptación tecnológica al e-commerce durante la pandemia por
covid-19 en Ecuador. Revistas Unal. Vol.32 Núm. 86.
https://doi.org/10.15446/innovar.v32n86.104666
Carballo, I. E., Garnero, P., Chomczyk, A., & Henao Monje, J. O. (2021). Expansión
de herramientas financieras digitales para impulsar el comercio electrónico de
las MiPyMEs de América Latina. BID Publicaciones:
http://dx.doi.org/10.18235/0003183
Cárdenas, J. (2020). Conoce la historia del comercio electrónico y cómo ha
evolucionado hasta hoy. Rockcontent blog. Tomado de:
https://rockcontent.com/es/blog/historia-del-comercio-electronico/
Cardona Arenas, C. D., Quintero Renaud, S., Mora Quintero, M. C., & Castro Cardona,
J. (2022). Influencia del comercio electrónico en el desempeño financiero de las
pymes en Manizales, Colombia. Innovar, 32(84), 75-96.
https://doi.org/10.15446/innovar.v32n84.100594
Casanova-Villalba, C. I., Gavilanes-Bone, S. A., & Zambrano-Zambrano, M. A. (2022).
Factores que dificultan el crecimiento de los emprendimientos de Santo
Domingo. Journal of Economic and Social Science Research, 2(1), 18–30.
https://doi.org/10.55813/gaea/jessr/v2/n1/44
Davis, F.D. (1989), Perceived usefulness, perceived ease of use, and user acceptance
of information technology, MIS Quarterly, 13 (3), 319-340.
https://doi.org/10.2307/249008
Dwivedi, Y. K., Rana, N. P., Jeyaraj, A., Clement, M., & Williams, M. (2019). Re-
examining the Unified Theory of Acceptance and Use of Technology (UTAUT):
Towards a revised theoretical model. Inf Syst Front 21, 719-734.
https://doi:10.1007/s10796-017-9774-y
Fatihanisya, A. N., & Purnamasari, S. D. (2021). Penerapan Model Unified Theory of
Acceptance and Use of Technology (UTAUT 2) E-Commerce Shopee Indonesia
Di Kota Palembang. Journal of Information Systems and Informatics, 3 (2). 392-
417: https://doi:10.33557/journalisi. v3i2.143
Fornell, C., & Larcker, D. (1981). Evaluating structural equation models with
unobservable. variables and measurement error, Journal of Marketing
Research, 18 (1), 39-50: https://doi.org/10.1177/002224378101800104
Journal of Economic and Social Science Research / Vol. 05 / Núm. 03 / www.economicsocialresearch.com
pág. 111
Research Article
Julio – Septiembre 2025
Hair, J., Risher, J., Sarstedt, M., & Ringle, C. (2019). “When to use and how to report
the results of PLS-SEM”, European Business Review, 31, 2-24,
http://doi:10.1108/EBR-11-2018-0203
Hair, J.F., Hult, G.T.M., Ringle, C.M. and Sarstedt, M. (2022), A Primer on Partial Least
Squares
Hamid, I., & Mohamed, M. (2022). Perceived Ease of use, Perceived Usefulness and
Social Influence as determinants of customers’ intentions to use e-commerce
platform during Covid-19 Pandemic. Jurnal Pengguna Malaysia. 38 (2), 154-
167. https://jpmjurnal.com/jpm/issue/view/4
Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing
discriminant validity in variance-based structural equation modeling. Journal of
the Academy of Marketing Science, 43(1), 115-135, http://doi.10.1007/s11747-
014-0403-8
Hermosa-Vega, G. G. (2022). Factores limitantes para el crecimiento económico en
las pequeñas y medianas empresas de Quinindé: un análisis
exploratorio. Journal of Economic and Social Science Research, 2(2), 41–56.
https://doi.org/10.55813/gaea/jessr/v2/n2/51
Hernández-Sampieri, R., Fernández-Collado, C., & Baptista-Lucio, P. (2014).
Metodología de la investigación, 6ta edición. Editorial, McGraw Hill España
Hidalgo, J., Vasquez, M., Bravo, L., Burgos, F., & Vargas, Y. (2019). Modelo de
aceptación de tecnología TAM en NextCloud. Caso de estudio Escuela
Computación e Informática. Revista Espacios, 40 (21).
https://www.revistaespacios.com/a19v40n21/19402104.html
Huseynov, F., & Ozkan, S. (2019). Online Consumer Typologies and Their Shopping
Behaviors in B2C E-Commerce Platforms. SAGE Open, 9(2).
http://doi:10.1177/2158244019854639
Instituto Nacional de Estadísticas y Censos [INEC]. (2022). Censo Ecuador 2022.
https://cubos.inec.gob.ec/AppCensoEcuador/
Limayem, M., Hirt, S. G., & Cheung, C. M. (2007). How Habit limits the predictive power
of intention: The Case of Information Systems Continuance. MIS Quarterly,
31(4), 705–737: https://doi.org/10.2307/25148817
Mahaputra, R. (2023). The Influence of Perceived Usefulness, Perceived Ease of Use
and Social Influence on Mobile Commerce Usage Activities, Greenation
International Journal of Tourism and
Management, https://doi:10.38035/gijtm.v1i1.17
Marikyan, D., & Papagiannidis, S. (2023). Unified Theory of Acceptance and Use of
Technology: A review. In S. Papagiannidis. Theory Hub Book,
https://open.ncl.ac.uk/ISBN:9781739604400
Orús, A. (2025). Comercio electrónico en el mundo, datos estadísticos, Statista
https://es.statista.com/estadisticas/1241516/porcentaje-de-compradores-
online-por-region/
Journal of Economic and Social Science Research / Vol. 05 / Núm. 03 / www.economicsocialresearch.com
pág. 112
Research Article
Julio – Septiembre 2025
Palos-Sanchez, P., Reyes-Menendez, A., & Ramón, S. J. (2019). Modelos de
Adopción de Tecnologías de la Información y Cloud Computing en las
Organizaciones. Información tecnológica, 30 (3).
http://dx.doi.org/10.4067/S0718-07642019000300003
Portalanza, A., Barbery, D., Otatti, L., & Dakduk, S. (2023). Estudio de transacciones
no presenciales en Ecuador: VI Medición. Observatorio de comercio electrónico
de la Universidad Espíritu Santo-Uees, Ecuador. Cámara Ecuatoriana de
Comercio Electrónico-CECE: https://cece.ec/
Portalanza, A., Barbery, D., Otatti, L., & Dakduk, S. (2024). Estudio de Transacciones
no presenciales en Ecuador: VII medición. Observatorio de comercio
electrónico de la Universidad Espíritu Santo-UESS, Ecuador. Cámara
Ecuatoriana de Comercio Electrónico (CECE): https://cece.ec/
Ringle, C. M., Wende, S., & Becker, J. M. (2024). "SmartPLS 4:
https://www.smartpls.com.
Romero, V. R., Arcos, J. A. B., Moreno, L. M. R., Xala, F. S., & Carrera, U. A. M. (2023).
Determinación de estrategias de capacitación con base a las necesidades de
motivación de McClelland. Investigación y Ciencia Aplicada a la Ingeniería,
6(36), 35-43. https:
https://ojsincaing.com.mx/index.php/ediciones/issue/view/38
Salas-Rubio, M. I., Ábrego-Almazán, D., & Mendoza-Gómez, J. (2021). Intención,
actitud y uso real del e-commerce. Investigación administrativa. 50 (127), 153-
173. https://doi.org/10.35426/iav50n127.03
Sánchez, D. (2024). Atlas Socio-económico para el GAD Distrito Metropolitano de
Quito. Tercer informe de actividades,
https://investigaciones.quito.gob.ec/publicaciones-2024/
Schorr, A. (2023). The Technology Acceptance Model (TAM) and its Importance for
Digitalization Research: A Review. Sciendo:
http://doi:10.2478/9788366675896-005
Shareef, M. A., Dwivedi, Y. K., Kumar, V., & Kumar, U. (2017). Content design of
advertisement for consumer exposure: Mobile marketing through short
messaging service. International Journal of Information Management, 37.
https://doi.org/10.1016/j.ijinfomgt.2017.02.003
Sharifi F., S. A. (2019). Habit as a moderator of the association of utilitarian motivation
and hedonic motivation with purchase intention: implications for social
networking. Cogent Social Science, 5.
https://doi.org/10.1080/23311886.2019.1674068
Sierra Bravo, R. (2001). Técnicas de investigación social. Teoría y ejercicios. Editorial
Paraninfo.
Sriram, V. P., Shaikh, A. A., Sumana, B. K., Dhiman, V., & Naved, M. (2023).
Consumer behavior on digital marketing platforms -specifically in terms of
consumer loyalty using machine learning. In book: Proceedings of Second
International Conference in Mechanical and Energy Technology, 377-386,
https://doi:10.1007/978-981-19-0108-9_40
Journal of Economic and Social Science Research / Vol. 05 / Núm. 03 / www.economicsocialresearch.com
pág. 113
Research Article
Julio – Septiembre 2025
Statista Reseach Departament. (2024). El sector de comercio electrónico en América
Latina - Datos estadísticos: Statista. https://es.statista.com/temas/9174/e-
commerce-en-america-latina/
Structural Equation Modeling (PLS-SEM), Sage Publishing, 3.
https://doi.org/10.1007/978-3-030-80519-7
Tamilmani, K., Rana, N. P., & Dwivedi, Y. K. (2021). Consumer acceptance and use
of information technology: A meta-analytic evaluation of UTAUT2. Information
Systems Frontiers 23, 987-1005,
https://link.springer.com/article/10.1007/s10796-020-10007-6
Unión Internacional de Telecomunicaciones [UIT]. (2023). La población mundial sin
conexión sigue disminuyendo hasta los 2600 millones de personas en 2023.
https://www.itu.int/es/mediacentre/Pages/PR-2023-09-12-universal-and-
meaningful-connectivity-by-2030.aspx
Vela-Reyna, J. B., Olmedo-Noguera, C. N., & Ibarra-Cisneros, M. A. (2024). E-
commerce: Experiencia, Seguridad, Confianza y Satisfacción. Investigación
Administrativa. 53(133), 1-18. https://doi.org/10.35426/iav53n133.05
Venkatesh, V., Thong, J., & Xu, X. (2012). Consumer acceptance and use of
information technology: extending the unified theory of acceptance and use of
technology. MIS Quarterly. 36(1),157-178, https://doi:10.2307/41410412
Yaqub, M. Z., Shahid, R., Badghish, S., Ali, I., & Sahar, N. (2024). Integrating and
extending the SOR model, TAM and the UTAUT to assess M-commerce
adoption during COVID times. Journal of Economic and Administrative Science.
https://doi:10.1108/JEAS-09-2023-0259