ปัจจัยที่ส่งผลต่อความตั้งใจในพฤติกรรมของคนไทยในการใช้แพลตฟอร์มสั่งอาหารออนไลน์

ชิดชนก อินทอง; สิริรักษ์ ภู่ริยะพันธ์; ศรัญญา การุณวรรธนะ

ผู้แต่ง

ชิดชนก อินทอง อาจารย์, สาขาโลจิสติกส์สากลและการจัดการอุตสาหกรรม คณะบริหารธุรกิจ มหาวิทยาลัยเทคโนโลยีมหานคร, 140 ถนนเชื่อมสัมพันธ์ แขวงกระทุ่มราย เขตหนองจอก กรุงเทพมหานคร 10530
สิริรักษ์ ภู่ริยะพันธ์ อาจารย์, สาขาโลจิสติกส์สากลและการจัดการอุตสาหกรรม คณะบริหารธุรกิจ มหาวิทยาลัยเทคโนโลยีมหานคร, 140 ถนนเชื่อมสัมพันธ์ แขวงกระทุ่มราย เขตหนองจอก กรุงเทพมหานคร 10530
ศรัญญา การุณวรรธนะ อาจารย์, สาขาโลจิสติกส์สากลและการจัดการอุตสาหกรรม คณะบริหารธุรกิจ มหาวิทยาลัยเทคโนโลยีมหานคร, 140 ถนนเชื่อมสัมพันธ์ แขวงกระทุ่มราย เขตหนองจอก กรุงเทพมหานคร 10530

คำสำคัญ:

ความตั้งใจอย่างต่อเนื่อง , แพลตฟอร์มสั่งอาหาร, แบบจำลองสมการเชิงโครงสร้าง

บทคัดย่อ

จากสถานการณ์ปัจจุบันของผู้บริโภคที่ใช้บริการสั่งอาหารผ่านแพลตฟอร์ม Food Delivery หลังสถานการณ์โรคระบาดโควิด-19 พบว่าพฤติกรรมของผู้บริโภคมีการเปลี่ยนแปลงไป งานวิจัยนี้ได้ศึกษาความสัมพันธ์ระหว่างตัวชี้วัดที่เกี่ยวข้องกับพฤติกรรมความตั้งใจที่จะสั่งอาหารผ่านแพลตฟอร์มอย่างต่อเนื่องในประเทศไทยผ่านแพลตฟอร์ม Grab Food เครื่องมือที่ใช้ในการวิจัยคือแบบสอบถาม 660 ชุด มีวัตถุประสงค์เพื่อศึกษาตัวบ่งชี้ที่ส่งผลต่อความตั้งใจที่จะสั่งอาหารผ่านแพลตฟอร์ม Grab Food ในประเทศไทยอย่างต่อเนื่องโดยใช้แบบจำลองสมการโครงสร้าง การวิเคราะห์ข้อมูลอิทธิพลที่ส่งผลต่อพฤติกรรมความตั้งใจที่จะสั่งอาหารผ่านแพลตฟอร์ม Food Delivery อย่างต่อเนื่อง พบว่า ความคาดหวังประสิทธิภาพ ความคาดหวังในความพยายาม สภาพของสิ่งอำนวยความสะดวก ความเคยชิน และความคุ้มค่าด้านราคา มีผลต่อพฤติกรรมความตั้งใจที่จะสั่งอาหารผ่านแพลตฟอร์ม Grab Food อย่างต่อเนื่องของผู้ใช้งานในเชิงสถิติ มีนัยสำคัญที่ 0.05 ผลการวิเคราะห์แบบจำลองเชิงสาเหตุของปัจจัยที่มีอิทธิพลต่อความตั้งใจที่จะสั่งอาหารออนไลน์

เอกสารอ้างอิง

Kasikorn Research Center. Food Delivery in 2023 is likely to slow down [Internet]. 2023 [cited 2024 Jul 30]. Available from: https://www.kasikornresearch.com/th/analysis/k-social-media/Pages/FOOD-DELIVERY-CIS3423-FB-21-07-2023.aspx. (In Thai)

Insight ERA. Food Delivery Industry Analysis of the food delivery industry [Internet]. 2024 [cited 2024 Jul 30]. Available from: https://www.insightera.co.th/free-report-food-delivery/. (In Thai)

Thai PBS. Robinhood postpones closure pending investor takeover [Internet]. 2024 [cited 2024 Jul 30]. Available from: https://www.thaipbs.or.th/news/content/342499. (In Thai)

Ponpitak P, Bussaban K, Emin T, Martsiri A. Technology acceptance affecting food order intention via application of employees in Laem Chabang industrial estate Chonburi. Journal of Graduate School of Commerce Burapha Review 2021;16(2):45-57. (In Thai)

Khetpiyarat P, Areerattanasak W, Vikramprasit S, Saisombut A. Motivation and service marketing strategies affecting the customers' decision to use food delivery applications in Muang district, Uttaradit province. Journal of Management Science Sakon Nakhon Rajabhat University 2024;4(1):59-72. (In Thai)

Sriratana J. Consumer behavior through online food ordering applications during the virus COVID-19 outbreak. Humanities and Social Science Research Promotion Network Journal 2021;4(3):118-28. (In Thai)

Sirichoksopon P, Chitkesorn A. The technology acceptance and marketing mix impacting the decision to order food online of consumers in Mueang Chiang Mai district, Chiang Mai province. Suthiparithat Journal 2021;35(4):19-36. (In Thai)

Kongka K. Food delivery app market share in Thailand [Internet]. 2021 [cited 2021 Jul 30]. Available from: https://www.investerest.co/business/thai-food-delivery/. (In Thai)

Venkatesh V, Morris MG, Davis GB, Davis FD. User acceptance of information technology: toward a unified view. MIS Quarterly 2003;27(3):425-78.

Ajzen I. The theory of planned behavior. Organizational Behavior and Human Decision Processes 1991;50(2):179-211.

Venkatesh V, Thong JY, Xu X. Consumer acceptance and use of information technology: extending the unified theory of acceptance and use of technology. MIS Quarterly 2012;36(1):157-78.

Alalwan AA. Mobile food ordering apps: an empirical study of the factors affecting customer e-satisfaction and continued intention to reuse. International Journal of Information Management 2020;50:28-44.

Zanetta L, Hakim M, Gastaldi G, Seabra L, Rolim P, Nascimento L, et al. The use of food delivery apps during the COVID-19 pandemic in Brazil: The role of solidarity, perceived risk, and regional aspects. Food Research International 2021;149:110671.

Yapp EHT, Kataraian S. Key determinants of continuance usage intention: An empirical study of mobile food delivery apps among Malaysians. Proceedings of the International Acedemic Symposium of Social Science 2022; 2022 Jul 3;Kota Bharu, Malaysia. doi: 10.3390/proceedings2022082015.

Ren S, Kwon S, Cho W. Online Food Delivery (OFD) services in Cambodia: a study of the factors influencing consumers’ behavioral intentions to use [internet]. 2020 [cited 2024 Aug 10]. Available from:

https://www.researchgate.net/publication/349552360_Online_Food_Delivery_OFD_services_in_Cambodia_A_study_of

_the_factors_influencing_consumers'_behavioral_intentions_to_use.

Yao P, Osman S, Sabri MF, Zainudin N, Li Y. Do consumers continue to use O2O food delivery services in the post-pandemic era? roles of sedentary lifestyle. Heliyon 2023;9:e19131. doi: 10.1016/j.heliyon.2023.e19131.

Wijaya M, Sukaatmadja I. Antecedents of intentions and their consequences on the behavior of using online food delivery messaging applications on the island of Bali. International Journal of Chemistry and Chemical Engineering Systems 2021;6:61-78.

Rasli M, Zulkefli N, Salleh N, Ghani F, Razali N, Idris R. Determinants of behavioural intention on online food delivery (OFD) apps: extending UTAUT2 with information quality. Global Business and Management Research 2020;12(4):679-89.

Puriwat W, Tripopsakul S. Understanding food delivery mobile application technology adoption: a UTAUT model integrating perceived fear of covid-19. Emerging Science Journal 2021;5:94-104.

Palau-Saumell R, Forgas-Coll S, Sánchez-García J, Robres E. User acceptance of mobile apps for restaurants: an expanded and extended UTAUT-2. Sustainability 2019;11(4):1210.

Mensah IK. Factors influencing international students behavioral intention to order online food delivery services. International Journal of Strategic Information Technology and Applications (IJSITA) 2019;10(1):23-39.

Lam TN, Vuong TK, Tran ST. Key factors influencing customer satisfaction and intention to reuse food ordering apps. Management Dynamics in the Knowledge Economy 2023;11(2):152-69.

Karulkar Y, Pahuja J, Uppal BS, Sayed S. Examining UTAUT model to explore consumer adoption in Online Food Delivery (OFD) services. Pramana Research Journal 2019;9(8):146-62.

Kadir RD, Ismail J. Millennials adpot online delivery: analysis using UTAUT2 model during pandemic COVID-19. Journal of Principles Management and Business 2022;1(1):18-26.

Gunden N, Morosan C, DeFranco A. Consumers’ intentions to use online food delivery systems in the USA. International Journal of Contemporary Hospitality Management 2020;32(3):1325-45.

Marketeer. Grab is the food delivery champion [Internet]. 2024 [cited 2024 Nov 19]. Available from: https://marketeeronline.co/archives/229328. (In Thai)

Kline RB. Principles and practice of structural equation modeling. 5th ed. New York, USA: Guilford publications; 2023.

Tavakol M, Dennick R. Making sense of Cronbach's alpha. International Journal of Medical Education 2011;2:53-5.

Hair J, Black W, Babin B, Anderson R. Multivariate Data Analysis, 7th ed. New York, USA: Pearson; 2010.

Cho M, Bonn M, Li J. Differences in perceptions about food delivery apps between single-person and multi-person households. International Journal of Hospitality Management 2019;77:108-16.

Marsh HW, Hocevar D. Application of confirmatory factor analysis to the study of self-concept: first-and higher order factor models and their invariance across groups. Psychological bulletin 1985;97(3):562-82.

Steiger JH. Understanding the limitations of global fit assessment in structural equation modeling. Personality and Individual differences 2007;42(5):893-98.

Hu L, Bentler PM. Cutoff criteria for fit indexes in covariance structure analysis: conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal 1999;6(1):1-55.

Hooper D, Coughlan J, Mullen M. Evaluating model fit: a synthesis of the structural equation modelling literature. In: Brown A, editor. Proceeding of the 7th European Conference on research methodology for business and management studies; 2008 Jun 19-20; London, UK. Reading, UK: Acedemic Publishing: 2008. p. 195-200.