M
ONICAF
ARAONI*V
IRGINIAV
ANNUCCIL
AMBERTOZ
OLLOObiettivi. La digitalizzazione è una delle trasformazioni più importanti della società attuale. Si tratta di un
fenomeno che sta modificando drasticamente i modelli di business, i processi di acquisto dei consumatori e le forme di commercio. La diffusione delle tecnologie digitali in particolare influenza sia il modo in cui le imprese forniscono ai consumatori nuovi prodotti e servizi, sia le forme di uso e consumo degli stessi. Una più attenta analisi dei modelli comportamentali dei consumatori può fornire utili indicazioni alla ricerca e agli operatori economici nel definire le proprie strategie di mercato. Il contesto di analisi del nostro lavoro è quello dell’editoria digitale con riferimento al processo di adozione dell’ebook reader del consumatore nel mercato italiano. Dai risultati della ricerca si possono derivare utili indicazioni per capire i motivi del ritardo della sua adozione nel mercato italiano rispetto a quello degli altri paesi da una parte e, fornire valide indicazioni per migliorarne la diffusione e preparare gli operatori ad affrontare la sfida del nuovo ed emergente prodotto dell’editoria digitale, l’audiolibro dall’altra.
L’innovazione tecnologica è stata ampiamente analizzata in letteratura già dagli anni Sessanta, in cui si sviluppa l’Innovation Diffusion Theory (IDT) di Rogers (1962). La teoria sottolinea come, perché e a quale ritmo le innovazioni vengono adottate, ed è stata spesso utilizzata per indagare l'adozione iniziale (diffusione) di una certa innovazione (Hong et al., 2017). La diffusione è un processo attraverso il quale una nuova tecnologia/innovazione viene promossa nel tempo tra gli utenti di un sistema sociale (Rogers, 2017). Diffusione e innovazione sono due concetti diversi, perché il primo è un processo adattativo in cui le scelte individuali cambiano nel tempo a seconda del progresso, mentre il secondo è un'idea o qualcosa che viene percepito come nuovo (Consoli, 2005; Rogers, 2017). Così, l’Innovation Diffusion Theory fornisce un insieme di fattori (vantaggio relativo, compatibilità, complessità, prova e osservabilità) che sintetizzano il processo di adozione (Agag e El-Masry, 2016). Secondo questa teoria (Rogers, 2017), gli innovatori possono essere classificati in (i) innovators, appassionati di tecnologia che credono ai benefici che ne possono derivare; (ii) early adopters, che tendono ad acquistare il nuovo prodotto molto presto, ritenendo che essere i primi ad adottare la nuova tecnologia massimizzerà i loro benefici; (iii) early majority, adottano la tecnologia perché già ampiamente diffusa, ritenendola uno standard di riferimento; (iv) late mojority, la parte più conservatrice del mercato che mostra un atteggiamento avverso al rischio ovvero adotta perché influenzata dalle norme sociali e dai gruppi di riferimento; e (v) laggards, consumatori che mostrano un atteggiamento negativo nei confronti delle nuove tecnologie in generale, essendo molto scettici nei confronti dei benefici che ne possono derivare.
Il comportamento di acquisto del consumatore viene anche studiato in letteratura attraverso la TPB (Theory of Planned Behaviour). La TPB nasce con Ajzen nel 1991 e cerca di spiegare il processo d’acquisto del consumatore attraverso l’intenzione dell’individuo ad adottare un certo comportamento. Le intenzioni comprendono i fattori motivazionali che influenzano il soggetto nella scelta per cui più forte è l’intenzione di impegnarsi in un comportamento, maggiore risulterà la probabilità di adozione di quel determinato prodotto. La teoria si compone di tre costrutti ovvero: il 1)“perceived behavioural control” che può influenzare l’intenzione, l’attitudine e le regole soggettive ma anche il comportamento in modo diretto soprattutto in quelle situazioni in cui il soggetto non ne ha il pieno controllo. In sostanza, questo riflette convinzioni personali su quanto sia facile o difficile attuare un dato comportamento e può riguardare fattori esterni quali disponibilità di tempo e denaro, il sostegno sociale ma anche interni quali capacità, abilità e informazioni. 2) L’“attitude toward the behavior” (AACT), che esprime un dato modo di agire e le 3) “subjecive norm”, che riflettono la percezione delle aspettative.
Thatcher et al. (2007) hanno poi ripreso tale teoria introducendo un’ulteriore variabile la self-efficacy, connessa alla perceived behavioral control, che viene definita come la fiducia delle persone nelle loro capacità di raggiungere diversi livelli di performance e risultati e che può essere espressa in due modi: individual self-efficacy e human assisted self-efficacy. La prima è data dalla capacità del singolo individuo di riuscire a svolgere un’unica mansione autonomamente mentre la seconda, è data dalla capacità del singolo di riuscire a svolgere una data mansione solo con l’aiuto di altri soggetti come colleghi o amici che facciano provare il prodotto oppure mostrino le caratteristiche.
*
Ricercatore in Economia e Gestione delle Imprese - Università degli Studi di Firenze e-mail: [email protected]
Assegnista di ricerca in Economia e Gestione delle Imprese - Università degli Studi di Firenze e-mail: [email protected]
Ricercatore di Economia e Gestione delle Imprese - Università degli Studi di Firenze e-mail: [email protected]
MONICA FARAONI -VIRGINIA VANNUCCI -LAMBERTO ZOLLO
Dall’integrazione delle due teorie abbiamo costruito un modello di analisi con il quale si intende comprendere meglio come l’e-book è percepito dai consumatori italiani e quali sono le variabili psico-attitudinali che ne influenzano l’attitudine e l’intenzione ad acquistare.
Per lo sviluppo del modello sono state analizzate alcune ipotesi come evidenziato nella figura 1 ed elaborato uno schema concettuale di riferimento (figura 2)
Fig. 1: Le ipotesi di ricerca
Variabili Ipotesi Teorie di riferimento
Self efficacy H1: L’individual self-efficacy dell’ebook reader influenza l’attitudine dei soggetti nei confronti degli ebook reader.
H2: La human assisted self-efficacy influenza l’attitudine dei soggetti nei confronti degli ebook reader.
Thatcher J. B., Gundlach M. J., McKnight D. H. Srite M., (2007) Mehwish W., Kiran K., NoorUl A., Shamsudeen A., (2015)
Relativi vantaggi
H3: I vantaggi relativi di un ebook reader influenzano
l’attitudine dei soggetti nei confronti degli ebook reader. Mehwish W., Kiran K., NoorUl A., Shamsudeen A. (2015) Tahir A., Syed W., (2015) Compatibilità H4: La compatibilità tra l’ebook reader ed i valori dell’utente,
esperienze e bisogni influenza l’attitudine dei soggetti nei confronti dell’ebook reader.
Tahir A., Syed W. (2015)
Mehwish W., Kiran K., NoorUl A., Shamsudeen A. (2015)
Complessità H5: La complessità di un ebook reader influenza l’attitudine dei soggetti nei confronti dell’ebook reader
Tahir A., Syed W., (2015) Mehwish W., Kiran K., NoorUl A., Shamsudeen A. (2015)
Prova H6: La prova di un ebook reader influenza l’attitudine dei soggetti nei confronti dell’ebook reader.
Mehwish W., Kiran K., NoorUl A., Shamsudeen A. (2015)
Osservabilità H7: L’osservabilità di un ebook reader influenza l’attitudine dei soggetti nei confronti dell’ebook reader.
Moore e Benbasat (1991) Attitudine H8: L’attitudine è positivamente correlata all’intenzione di
adottare un ebook reader da parte dei lettori
Read W., Robertson N., McQuilken L., (2011)
Attaccamento emotivo
H9: L’affetto nei confronti dei libri cartacei ha un effetto moderatore sul rapporto tra attitudine e adozione dell’ebook reader.
H10: La passione per i libri cartacei ha un effetto moderatore sul rapporto tra attitudine e adozione dell’ebook reader.
H11: La connessione con i libri cartacei ha un effetto moderatore sul rapporto tra attitudine e adozione dell’ebook reader.
Read W., Robertson N., McQuilken L., (2011)
Mehwish W., Kiran K., NoorUl A., Shamsudeen A., (2015)
Intenzione di adottare
H12: L’intenzione d’acquisto è positivamente correlata all’acquisto di un ebook reader da parte dei lettori.
Ajzen I., (2006)
Prendergast G., Ko D. (2010) Il prezzo H13: La consapevolezza dei prezzi dei libri digitali modera il
rapporto tra l’intenzione e l’acquisto di un ebook reader
Chen C. (2015)
Fonte: ns. elaborazioni
Fig. 2: Modello concettuale ipotizzato
Fonte: ns. elaborazioni Attaccamento emotivo Affetto o Attitudine nei confronti dell’e-book reader Osservabilità Prova Complessità Compatibilità Self-efficacy Relativi vantaggi Human assisted
self-efficacy Individual self-efficacy Caratteristiche percepite dell’innovazione Intenzione ad adottare l’e-book reader Acquisto e-book reader Prezzo Passione o Connession e o
L’INNOVAZIONE DIGITALE NELL’EDITORIA: UN MODELLO DI ANALISI DEL PROCESSO DI ADOZIONE DELL’E-BOOK READER DA PARTE DEL CONSUMATORE
Metodologia
Campionamento
Al fine di testare empiricamente il modello concettuale ipotizzato e rispondere alla nostra domanda di ricerca - come l’e-book è percepito dai consumatori italiani e quali sono le variabili psico-attitudinali che ne influenzano l’acquisto e la fedeltà - è stata utilizzata la tecnica del survey (Moser e Kalton, 2017), ossia la creazione, somministrazione, e raccolta dati attraverso un questionario. Ogni variabile latente concettualizzata nel modello è stata misurata grazie a “scale” (strumenti di misurazione) convalidati in letteratura, per un totale di 50 item (variabili osservate) e 10 variabili di controllo demografiche (Zollo, 2018). Dato che le scale originali erano in inglese, è stata utilizzata la procedura back-translation (Brislin, 1970) al fine di tradurre efficacemente e rendere comprensibili le domande del questionario ai consumatori italiani. Ogni domanda è stata analizzata attraverso scale Likert con range 1-7 (pienamente in disaccordo - pienamente d’accordo).
Per alleviare il rischio di non-response bias (Rogelberg e Stanton, 2007) e pre-testare il questionario, abbiamo inviato nel mese di novembre 2018 il link del survey a 10 studenti iscritti alla Laurea Magistrale di Marketing dell’Università di Firenze, verificando che non ci fossero termini vaghi, poco chiari o ambigui nelle domande, oltre a controllare la chiarezza della cover letter e l’appropriatezza in termini di tempi di riempimento del questionario. Il link è stato successivamente inviato anche a 3 Professori dell’Università di Firenze esperti di marketing e comportamento del consumatore, i quali hanno confermato l’adeguatezza e chiarezza del questionario. Per evitare il rischio di social desirability bias e la relativa common method variance (Spector, 1994), nella cover (lettera di presentazione) del questionario è stato sottolineato che (a) ogni risposta sarebbe pervenuta in forma anonima, (b) non ci sarebbe stata nessuna forma di compensazione, (c) non c’erano risposte giuste o sbagliate, (d) i dati sarebbero stati utilizzati col massimo della confidenzialità e indipendenza da parte dei ricercatori. Inoltre, sono state seguite le linee guida di Podsakoff et al. (2003) nel strutturare efficacemente il questionario in modo che le domande relative a variabili indipendenti (ad es. self-efficacy e innovazione percepita) fossero separate rispetto alle domande relative alle variabili dipendenti (ad es. intenzione ad adottare e acquisto dell’e-book).
La somministrazione del link è avvenuta a partire dal 1 dicembre 2018 fino al 31 marzo 2019, attraverso un metodo di campionamento non probabilistico e di convenienza (Etikan et al., 2016) che ha permesso di raccogliere 281 risposte valide. Per la distribuzione del questionario sono stati utilizzati canali multimediali grazie ai principali social media (Rialti et al., 2016; 2017). Al fine di controllare ulteriormente l’effetto di non-response bias (Rogelberg e Stanton, 2007) è stata condotta una wave analysis (Armstrong e Overton, 1977) per assicurarci che non ci fossero differenze significative tra gli early respondents (rispondenti iniziali dicembre-gennaio) e i late respondents (rispondenti finali febbraio-marzo). Dopo aver condotto il T-test sulle variabili di controllo - età, genere, educazione, ecc. - non sono risultate differenze significative tra i due gruppi di rispondenti, limitando così il rischio di non-response bias e potendo analizzare congiuntamente tutti i dati raccolti (Laudano et al., 2018).
Scale/misure utilizzate: medie e deviazioni standard
La prima variabile antecedente del nostro modello è Self-efficacy, analizzata grazie alla scala di Thatcher et al. (2007) che comprende due sotto-dimensioni di tale costrutto: individual efficacy (3 item) e human assisted self-efficacy (3 item).
Statistiche degli item
Media Deviazione standard Variabile N
Ind_Self-eff1 5,21 1,779 281
Ind_Self-eff2 5,13 1,766 281
Ind_Self-eff3 5,55 1,679 281
Statistiche degli item
Media Deviazione standard Variabile N
Hum_Self-eff1 4,86 1,949 281
Hum_Self-eff2 4,52 2,082 281
Hum_Self-eff3 4,23 2,220 281
Fonte: ns. elaborazioni
La seconda variabile antecedente del nostro modello è un costrutto muldi-dimensionale denominato Caratteristiche percepite dell’innovazione, analizzato grazie alle cinque dimensioni convalidate da Moore e Benbasat (1991): Relativi vantaggi (8 item), Compatibilità (3 item), Complessità (3 item), Prova (3 item), Osservabilità (3 item).
MONICA FARAONI -VIRGINIA VANNUCCI -LAMBERTO ZOLLO
Statistiche degli item
Media Deviazione standard Variabile N
Rel_Van1 2,75 1,693 281 Rel_Van2 5,69 1,464 281 Rel_Van3 3,85 1,857 281 Rel_Van4 3,46 1,938 281 Rel_Van5 6,20 1,181 281 Rel_Van6 5,15 1,692 281 Rel_Van7 6,33 1,111 281 Rel_Van8 4,51 1,856 281
Statistiche degli item
Media Deviazione standard Variabile N
Compat1 4,62 1,913 281
Compat2 4,26 2,000 281
Compat3 3,33 2,117 281
Statistiche degli item
Media Deviazione standard Variabile N
Compl1 6,01 1,213 281
Compl2 6,17 1,089 281
Compl3 5,98 1,236 281
Statistiche degli item
Media Deviazione standard Variabile N
Prova1 6,14 1,540 281
Prova2 5,21 1,851 281
Prova3 4,90 2,098 281
Statistiche degli item
Media Deviazione standard Variabile N
Osserv1 4,05 2,275 281
Osserv2 4,10 2,154 281
Osserv3 2,71 2,053 281
Fonte: ns. elaborazioni
La variabile intermedia Attitudine è stata osservata tramite la scala di Read et al. (2011) composta da 3 item.
Statistiche degli item
Media Deviazione standard Variabile N
Attit1 5,02 1,828 281
Attit2 5,05 1,871 281
Attit3 4,57 1,981 281
Fonte: ns. elaborazioni
Il costrutto multi-dimensionale Attaccamento emotivo convalidato da McQuilken (2011) che consta di tre sotto-dimensioni: Affetto (3 item), Passione (3 item), Connessione (3 item).
Statistiche degli item
Media Deviazione standard Variabile N
Aff1 5,76 1,671 281
Aff2 6,24 1,383 281
Aff3 5,66 1,770 281
Statistiche degli item
Media Deviazione standard Variabile N
Pass1 6,08 1,452 281
Pass2 5,94 1,581 281
Pass3 5,96 1,523 281
Statistiche degli item Media Deviazione standard
Variabile N Conn1 5,47 1,852 281 Conn2 5,89 1,649 281 Conn3 5,73 1,734 281 Fonte: ns. elaborazioni
L’INNOVAZIONE DIGITALE NELL’EDITORIA: UN MODELLO DI ANALISI DEL PROCESSO DI ADOZIONE DELL’E-BOOK READER DA PARTE DEL CONSUMATORE
La variabile Intenzione d’adozione è stata analizzata con lo strumento di Read et al. (2011) e consta di 5 item.
Statistiche degli item
Media Deviazione standard Variabile N
Int_Adoz1 5,00 1,954 281 Int_Adoz2 5,09 2,067 281 Int_Adoz3 5,02 2,013 281 Int_Adoz4 3,29 1,955 281 Int_Adoz5 4,54 2,174 281 Fonte: ns. elaborazioni
La variabile di moderazione Prezzo è relativa alla scala convalidata da Choi e Kim (2007) e consta di 3 item.
Statistiche degli item
Media Deviazione standard Variabile N
Prezzo1 5,04 1,770 281
Prezzo2 4,49 2,082 281
Prezzo3 4,20 1,813 281
Fonte: ns. elaborazioni
La nostra ultima variabile endogena (Zollo, 2018) presa in considerazione è Acquisto di un e-book reader convalidata da Coyle e Thorson (2001) e composta da 4 item.
Statistiche degli item
Media Deviazione standard Variabile N
Comp_Acq1 4,63 2,085 281
Comp_Acq2 4,73 1,990 281
Comp_Acq3 5,09 1,969 281
Comp_Acq4 5,31 1,826 281
Fonte: ns. elaborazioni
Analisi preliminari: statistiche descrittive, analisi di affidabilità, correlazione tra le variabili Nei seguenti grafici sono illustrate le statistiche descrittive del campione oggetto di analisi:
MONICA FARAONI -VIRGINIA VANNUCCI -LAMBERTO ZOLLO
Nella Tabella 1 sono illustrate le Alfa di Cronbach di tutte le variabili latenti oggetto di analisi. Come è possibile osservare, la soglia richiesta dello 0.60 (Hair et al., 1998) è stata superata da tutte le variabili, indicando un buon livello di affidabilità. Dopo tali risultati, tutte le variabili sono state prese in considerazione per il prosieguo dell’analisi.
Tab. 1: Confronto Alfa di Cronbach modello e letteratura
Variabile Alfa di Cronbach (modello
di analisi)
Alpha di Cronbach (letteratura)
Individual Self-efficacy 0,91 0,78
Human assisted Self-efficacy 0,89 0,83
Relativi Vantaggi 0,79 0,79 Compatibilità 0,91 0,88 Complessità 0,88 0,70 Prova 0,67 0,90 Osservabilità 0,75 0,76 Attitudine 0,93 0,74 Affetto 0,90 0,71 Passione 0,95 0,81 Connessione 0,95 0,90 Intenzione 0,94 0,88 Prezzo 0,76 0,89 Comportamento d’acquisto 0,92 0,82 Fonte: ns. elaborazioni
Nella Tabella 2 vengono presentati i valori “r” di Pearson relativi al grado di correlazione bivariata esistente tra le variabili prese in considerazione.
Tab. 2: Matrice delle correlazioni.
Fonte: ns. elaborazioni
Focalizzando l’analisi di correlazione sulla variabile Comportamento d’acquisto, è possibile notare come sia significativamente e fortemente correlata con altre variabili quali Compatibilità (r=0.744, p<0.01), Intenzione all’adozione (r=0.884, p<0.01) e Prezzo (r=0.689, p<0.01). La variabile Connessione invece presenta valori di correlazione significativi ma negativi con le variabili Attitudine 0.159, p<0.01), Comportamento d’acquisto (r=-0.205, p<0.01) e Compatibilità (r=-0.213, p<0.01). Infine, per quanto riguarda il costrutto Attaccamento emotivo, è possibile notare come la sotto-dimensione Affetto sia negativamente correlata sia con la variabile Intenzione d’adozione (r=-0.230, p<0.01) sia con la variabile Comportamento d’acquisto (r=-0.271, p<0.01). Da tali risultati iniziali emergono implicazioni teoriche e pratiche significative che saranno riprese dopo l’analisi SEM.
Analisi del modello ad equazioni strutturali: analisi fattoriale confermativa
Al fine di testare le ipotesi del modello concettuale ipotizzato (Figura 1), è stata condotta un’analisi SEM (modello ad equazioni strutturali). Tale metodologia è definita two-step in quanto consta di due analisi (Arbuckle, 2013): il primo step fa riferimento al measurement model ossia il modello di misurazione dove si conferma (trattandosi di una CFA ossia “analisi fattoriale confermativa”) la validità e affidabilità del modello concettuale ipotizzato attraverso gli indici di fitting; il secondo step fa riferimento allo structural model ossia l’analisi delle influenze statistiche simultanee al fine di verificare le relazioni ipotizzate (Zollo, 2018).
Il modello di misurazione è stato costruito prendendo in considerazione le 14 variabili latenti che compongono il modello concettuale oggetto di analisi. Scopo di tale analisi è verificare se gli item associati alle variabili latenti di riferimento mostrano factor loadings adeguati e, quindi, se possono essere considerati nel corso dell’analisi SEM.
L’INNOVAZIONE DIGITALE NELL’EDITORIA: UN MODELLO DI ANALISI DEL PROCESSO DI ADOZIONE DELL’E-BOOK READER DA PARTE DEL CONSUMATORE
Inoltre, attraverso l’analisi degli indici di fitting si procede a verificare se vi sono delle covarianze da “imporre” agli errori associati alle variabili latenti, come suggerito dal software utilizzato AMOS (v.21; Arbuckle, 2013). Gli indici di fitting si suddividono in due categorie: assoluti e relativi. Per quanto riguarda i primi, sono stati calcolati (a) il test Chi-quadrato relativo che ha mostrato un valore di 2.845 ritenuto accettabile dalla letteratura di riferimento (Bagozzi e Yi, 1988); (b) il GFI (global fitting index) con un valore di 0.910 maggiore della soglia richiesta di 0.900; (c) il RMSEA (root mean square error of approximation) che ha indicato un valore minore di 0.08 - nello specifico 0.0785 - quindi ritenuto accettabile (Hair et al., 1998). In secondo luogo, sono stati presi in considerazione il CFI (comparative fitting index; 0.922), il IFI (incremental fit index; 0.915) e il NFI (normed fit index; 0.918) i quali presentano valori maggiori della soglia richiesta di 0.900 (Bagozzi e Yi, 1988; Hair et al., 1998).
Pertanto, il nostro framework (modello concettuale) di rifierimento è valido e accettabile dati i soddisfacenti indici di fitting.
Risultati. Il secondo step del metodo SEM è stato analizzato attraverso una path analysis al fine di verificare le
influenze statistiche simultanee presenti tra variabili latenti (Arbuckle, 2013). La Figura 3 mostra le evidenze empiriche della nostra analisi.
Fig. 3: Risultati del modello strutturale con analisi SEM.
Fonte: ns. elaborazioni
Analizziamo innanzitutto la significatività dei regression weights (ossia dei beta standardizzati indicanti l’influenza statistica tra variabili) indicata nella colonna “P” della seguente tabella:
Tab. 3: Regression weights
Estimate S.E. C.R. P
Individual Self-efficacy Attitudine ,073 ,035 2,076 ,038
Human-Assisted Self efficacy Attitudine ,036 ,030 1,211 ,226
Complessità Attitudine ,109 ,053 2,061 ,039
Prova Attitudine ,004 ,039 ,114 ,909
Osservabilità Attitudine -,017 ,031 -,529 ,597
Relativi vantaggi Attitudine ,264 ,054 4,889 ***
Compatibilità Attitudine ,632 ,030 21,016 ***
Attitudine Intenzione d’adozione ,934 ,027 34,400 ***
Affetto Intenzione d’adozione -,009 ,028 -,319 ,750
Passione Intenzione d’adozione -,119 ,029 -4,124 ***
Connessione Intenzione d’adozione ,015 ,025 ,581 ,561
Intenzione d’adozione Comportamento d’acquisto ,747 ,030 24,982 ***
Prezzo Comportamento d’acquisto ,188 ,031 6,082 ***
Fonte: ns. elaborazioni 0,63 0,81 0,70 0,20 0,81 0,02 -0,01 -0,11 0,89 0,00 -0,02 0,07 0,76 0,18 0,04 0,08 Attaccamento emotivo Affetto o Attitudine nei confronti
dell’e-book reader Osservabilità Prova Complessità Compatibilità Self-efficacy Relativi vantaggi Human assisted self-efficacy
Individual self-efficacy
Caratteristiche percepite dell’innovazione
Intenzione ad adottare
l’e-book reader Acquisto e-book reader
Prezzo
Passione
o
Connessione
MONICA FARAONI -VIRGINIA VANNUCCI -LAMBERTO ZOLLO
Come è possibile osservare, le relazioni con p-value (ossia valore di significatività) maggiore di 0.05 sono state scartate ed eliminate in quanto influenze non significative del nostro modello.
Nella seguente tabella vengono visualizzati i regression weights standardizzati, indicando anche le relazioni non significative coerentemente con la Figura 3:
Tab. 4: Regression weights standardizzati
Estimate Individual Self-efficacy Attitudine ,076 Human assisted Self-efficacy Attitudine ,044
Complessità Attitudine ,075
Prova Attitudine ,004
Osservabilità Attitudine -,019
Relativi Vantaggi Attitudine ,178
Compatibilità Attitudine ,764
Attitudine Intenzione d’adozione ,894
Affetto Intenzione d’adozione -,008
Passione Intenzione d’adozione -,107
Connessione Intenzione d’adozione ,015
Intenzione d’adozione Comportamento d’acquisto ,814
Prezzo Comportamento d’acquisto ,198
Fonte: ns. elaborazioni
Si procede ad esaminare, in particolare, ogni ipotesi nel modello in modo da capire se questa sia stata confermata o meno secondo i dati del campione italiano raccolti.
H1: L’individual self-efficacy dell’ebook reader influenza l’attitudine dei soggetti nei confronti degli ebook
reader.
Questa ipotesi viene verificata dato il legame che si ha tra Individual Self-efficacy e Attitudine con un’influenza pari allo 0,08. I soggetti intervistati si sentono quindi, capaci di utilizzare un dispositivo dedicato senza l’aiuto di nessun altro.
H2: La human assisted self-efficacy influenza l’attitudine dei soggetti nei confronti degli ebook reader.
Non si può dire lo stesso per quanto attiene la Human assisted Self-efficacy poiché essa risulta non verificata avendo un legame con l’Attitudine pari a 0,04 ma un p-value non significativo (0,23). Per il campione quindi, non è importante essere aiutati ad utilizzare un dispositivo dedicato in quanto questi ritengono di poterlo fare da soli o al limite con un semplice manuale di istruzioni.
H3: I vantaggi relativi di un ebook reader influenzano l’attitudine dei soggetti nei confronti degli ebook reader.
L’ipotesi dei Relativi vantaggi viene verificata poiché si ha un legame con l’attitudine pari a 0,18. Il campione recepisce i vantaggi che ha un ebook reader e li ritiene molto importanti per l’adozione. Quelli che maggiormente vengono percepiti dal campione sono la portabilità, la possibilità di contenere migliaia di libri al suo interno e il risparmio del prezzo dei libri se paragonato con la carta.
H4: La compatibilità tra l’ebook reader ed i valori dell’utente, esperienze e bisogni influenza l’attitudine dei
soggetti nei confronti dell’ebook reader. La Compatibilità influenza ampiamente l’attitudine con lo 0,76. È una variabile saliente poiché il campione ritiene il dispositivo compatibile con il proprio uso quotidiano ed esperienza di vita.
H5: La complessità di un ebook reader influenza l’attitudine dei soggetti nei confronti dell’ebook reader. La
Complessità non viene verificata nel modello poiché il legame tra questa e l’Attitudine è 0,07. Questo implica che il campione non ritiene l’ebook reader complesso, ma anzi molto semplice dato che si tratta di un semplice dispositivo touch molto più semplice di uno smartphone o tablet utilizzati quotidianamente. Il campione ritiene l’utilizzo molto facile, così come leggere e scaricarvi libri al suo interno.
H6: La prova di un ebook reader influenza l’attitudine dei soggetti nei confronti dell’ebook reader. La variabile
latente Prova non è assolutamente rilevante, infatti il legame che si ha tra questa e l’Attitudine è 0,00. Nonostante l’ebook reader sia un prodotto innovativo, il campione non ritiene importante provarlo per acquistarlo, le ragioni per cui lo fa sono altri quali ad esempio i vantaggi che abbiamo analizzato precedentemente.