Direct and indirect effect of last mile logistics performance on user intention of crowdsourced delivery services

• Autor: Guerra Regalado, Wilson Fernando
• Formato: tesis doctoral
• Fecha de Publicación: 2022
• Institución: Pontificia Universidad Católica del Perú
• Repositorio: PUCP-Institucional
• Lenguaje: inglés
• OAI Identifier: oai:repositorio.pucp.edu.pe:20.500.14657/188438
• Enlace del recurso: http://hdl.handle.net/20.500.12404/23912
• Nivel de acceso: acceso abierto
• Materia: Comportamiento del consumidor; Logística empresarial; Servicio al cliente; Innovaciones tecnológicas--Administración; https://purl.org/pe-repo/ocde/ford#5.02.04

La literatura sobre logística colaborativa" (CSL) y logística de última milla hasta ahora se ha centrado principalmente en la percepción de los consumidores como "co-creadores. Sin embargo, hay una brecha en la literatura sobre la percepción de los consumidores como destinatarios de esta logística. El propósito de esta investigación fue analizar el efecto directo del Rendimiento Logístico de Última Milla (LMLP), sobre la Intención de Usuario (UI) del usuario final de las plataformas de entrega colaborativas, e indirecto a través de la Confianza Percibida (PT) y la Expectativa de Desempeño (PE ). La metodología aplicada consta de 721 encuestas, recolectadas a través de un instrumento validado. Para el análisis se aplicó un Modelo de Ecuaciones Estructurales (SEM), por mínimos cuadrados parciales. El modelo seleccionado presentó Índices de Ajuste fuertes (CFI=0.976; TLI=0.970; RMSEA; = 0.044; SRMR=0.025). No hay efecto directo de LMLP y PT sobre UI (p = 0,175, 0,054), pero sí existen relaciones indirectas. La conclusión es que LMLP y PT son considerados por los usuarios finales de los servicios de entrega colaborativos como parte del desempeño de la empresa en su conjunto al momento de decidir utilizar estas plataformas. Para futuras investigaciones, se recomienda primero, investigar factores asociados a la cultura; segundo, estratificar los resultados para evaluar diferencias entre grupos de edad; tercero, estudiar factores internos que pueden afectar la intención de uso de estas plataformas, como la experiencia del usuario, la facilidad de uso, el control percibido, que no fueron considerados; cuarto, realizar una investigación que contemple las diferencias de marca.