อิทธิพลของการเผยแพร่ตัวตนในเครือข่ายสังคมออนไลน์ อิสระในการใช้งาน การไหลลื่น ความไว้วางใจระหว่างสมาชิก และความภักดีของลูกค้าที่ใช้เฟซบุ๊ก (The influence of social network site identity, active control, flow, trust in members and customer loyalty of facebook users )

  • ประสิทธิชัย นรากรณ์ Prasittichai Narakorn คณะวิทยาการจัดการ มหาวิทยาลัยราชภัฏพิบูลสงคราม (Faculty of Management Science, Pibulsongkram Rajabhat University)
  • ธัมมะทินนา ศรีสุพรรณ Tummatinna Seesupan คณะวิทยาการจัดการ มหาวิทยาลัยราชภัฏพิบูลสงคราม (Faculty of Management Science, Pibulsongkram Rajabhat University)
Keywords: อิสระในการใช้งาน, การเผยแพร่ตัวตนในเครือข่ายสังคมออนไลน์, ความไว้วางใจระหว่างสมาชิก, การไหลลื่น, ความภักดีของลูกค้า, Active Control, Social Network Site Identity, Trust in Member, flow, customer Loyalty

Abstract

การวิจัยครั้งนี้มีวัตถุประสงค์การวิจัย 1) เพื่อพัฒนาโมเดลการเผยแพร่ตัวตนในเครือข่ายสังคมออนไลน์ อิสระในการใช้งาน การไหลลื่น ความไว้วางใจระหว่างสมาชิก และความภักดีของลูกค้าที่ใช้เฟซบุ๊ก 2) เพื่อศึกษาปัจจัยที่มีอิทธิพลต่อความภักดีของลูกค้าที่ใช้เฟซบุ๊กที่ประกอบด้วย 4 ตัวแปรแฝง ได้แก่ การเผยแพร่ตัวตนในเครือข่ายสังคมออนไลน์ อิสระในการใช้งาน การไหลลื่น และความไว้วางใจระหว่างสมาชิก เป็นการวิจัยเชิงปริมาณโดยศึกษาจากผู้ใช้เฟซบุ๊กจำนวน 935 คน สถิติที่ใช้ในการวิเคราะห์ข้อมูล ได้แก่ การแจกแจงความถี่ การหาค่าร้อยละ การหาค่าเฉลี่ย และวิเคราะห์ตัวแบบสมการโครงสร้าง ผลการวิจัยพบว่า 1) โมเดลการเผยแพร่ตัวตนในเครือข่ายสังคมออนไลน์ อิสระในการใช้งาน การไหลลื่น ความไว้วางใจระหว่างสมาชิก และความภักดีของลูกค้าที่ใช้เฟซบุ๊ก มีความสอดคล้องกับข้อมูลเชิงประจักษ์อยู่ในเกณฑ์ดี ค่าไค-สแควร์ เท่ากับ 122.34 องศาอิสระ (df) เท่ากับ 107 ค่าความน่าจะเป็น (p-value) เท่ากับ 0.147  ค่าไค-สแควร์สัมพัทธ์ (χ2/df) เท่ากับ 1.1143 ดัชนีวัดระดับความกลมกลืน (GFI) เท่ากับ 0.986 ค่าดัชนีค่าความคลาดเคลื่อนในการประมาณค่าพารามิเตอร์ (RMSEA) เท่ากับ 0.012 และ 2) ปัจจัยที่มีอิทธิพลต่อความภักดีของลูกค้าที่ใช้เฟซบุ๊ก คือ (1) การเผยแพร่ตัวตนในเครือข่ายสังคมออนไลน์ (TE = 0.575) (2) ความไว้วางใจระหว่างสมาชิก (TE = 0.188) (3) อิสระในการใช้งาน (TE = 0.107) และ (4) การไหลลื่น (TE = 0.051) ตามลำดับ โดยปัจจัยทั้งหมดสามารถร่วมกันพยากรณ์ความภักดีของลูกค้าที่ใช้เฟซบุ๊กได้ร้อยละ 48.40 (R2 = 0.484)

The objectives of this research were (1) to develop a causal relationship model among the influence of Social Network Site Identity, Active Control, Flow, Trust in Members and Customer Loyalty of the customers who buy products from Facebook users and (2) to examine factors influencing Customer Loyalty who buy products from Facebook users. This model consists of four latent variables: Social Network Site Identity, Active Control, Flow, and Trust in Members. The researchers used quantitative method by which questionnaire were used to collect data from 935 customers who buy products from Facebook users. The statistics used in data analysis were frequency, percentage, mean, and structural equation model analysis.

            The result revealed that (1) the model was consistent to the empirical data. Goodness of fit measures were found as follows: Chi-square 122.34
(df = 107,p-value = 0.142); Relative Chi-square (χ2/df); Goodness of Fit Index (GFI) 0.986; and Root Mean Square Error of Approximation (RMSEA) 0.012; (2) the factors influencing Customer Loyalty were Social Network Site Identity (Total Effect = 0.575), Trust in Members (Total Effect = 0.188), Active Control (Total Effect = 0.107), and 2.4) Flow (Total Effect = 0.051) respectively. All factors were predictive of Customer Loyalty at 48.40 (R2 = 0.484).  

Downloads

Download data is not yet available.

References

Cheng, Z-C., & Guo, T-C. (2015). The formation of social identity and self-identity based on knowledge contribution in virtual communities: An inductive route model. Computers in Human Behavior, 43, 229-241.

Chiu, C-H., Cheng, H-L., Huang, H-Y., & Chen, C-F. (2013). Exploring individuals’ subjective well-being and loyalty towards social network sites from the perspective of network externalities: The Fackbook use. International Journal of Information Management, 33, 539-552.

Comrey, A. L., & Lee, H. B. (1992). A first course in factor analysis. Hillsdals, NJ: Erlbaum.

Csikszentmihalyi, M. (1990). Flow: the psychology of optimal experience.Retrieved March 3, 2015 from http://scholar.google.co.th/scholar?q=FLOW

Cyr, D., Head, M., & Ivanov, A. (2009). Perceived interactivity leading to 5e-loyalty:Development of model cognitive-affective user responses. Interantion Journal of Human-Computer Studies, 2009(67), 850-869.

Department of Provincial Administration. (2015). Provice Affairs Bureau(โครงสร้างข้อมูลทำเนียบท้องที่). Retrieved September 13, 2015 from http://stat.bora. dopa.go.th/dload/fccaa.htm

Dholakia, R.R., Zhao, M., Dholakia, R.R., & Fortin, D. (2001). Interactivity and revisit to websites: A theoretical framework. American Marketing Association, 12, 108-115

Dholakia, U.M., Bagozzi, R.P., & Pearo, L.K. (2004). A social influence model of consumer participation in network and small-group-base virtualcommunities. International Journal of Research in Marketing, 21, 241-263.

Electronic Transactions Development Agency, Ministry of Information and Communication Technology. (2014). The report of internet user behavior survey 2014 (รายงานผลการสำรวจพฤติกรรมผู้ใช้อินเทอร์เน็ต พ.ศ. 2557).Retrieved April 19, 2017, from www.etda.or.th/ publishing-detail/thailand-internet-user-profile-2016-th.html

Field, A.(2005). Discovering statistics using SPSS (2nd ed.). Thousand Okes, CA: Sage Publications.

Fornell, C. & Larcker, D. F. (1981), “Structural equation models with unobservable variables and measurement error: algebra and statistics”, Journal of Marketing Research, 18(3), 382-8.

Hair, J. F., Black, W. C., Babin, B.J., & Anderson, R. E. (2010). Multivariate Data Analysis (7th ed.). Prentice Hall, Upper Saddle River, NJ.

Hoffman, D. L., & Novak, T. P. (1996). Marketing in hyperedia computer-mediated environments: Conceptual foundations.The Journal of Marketing,60(3), 1-36.

Hsu, C-P., Chiang, Y-F., & Huang, H-C.(2011). How experience-driven communityidentification generates trust and engagement. Online Information Review, 36(1), 72-88.

Hsu, M.H., Chang, C. M., & Yen, C. H.(2011). Exploring the antecedents of trust in virtual communities. Behavior & Information Technology,30(5), 587-601.

Hsu, M.-H., Chang, C.-M., & Chuang, L.-W. (2015). Understanding the determinantof online repeat purchase intention and moderating role of habit: The case of online group-buying in Taiwan. International Journal of InformationManagement, 35, 45-56.

Huang, E. (2011). Online experiences and virtual goods purchase intention.Internet Research, 22(3), 252-274.

Huang, L-Y., & Hsieh, Y-J. (2011). Predicting online grame loyalty based on need gratification and experiential motives. Internet Research, 21(5), 581-598.

Hung, C-L., Chou, J. C-L., & Ding, C-M. (2012). Enhancing mobile satisfaction through integretion of usability and flow. Engineering Management Research,1(1), 44-58.

Jee, J., & Lee, W-N. (2002). Antecedents and consequences of perceivedinteracitiy: An exploratory study. Journal of Inter Association for Information Systems, 11(1), 34-59.

Johnson, B. K., & Knobloch-Westerwick, S. (2014). Glancing up or down: Mood managerment and selective social comparisons on social networking sites. Computers in Human Behavior, 41, 33-39.

Johnson, D. S., & Lowe, B. (2014). Emotional support, percieved corporateownership and skepticism toward out-group in virual communities. Journal of Interactivity Marketing, 29, 1-10.

Jonsen, K., & Jehn, K. A.(2009). Using traianggulation to validate themes in qualitative studies. Aualitative Research in Organizations and Management, 4(2), 123-150.

Kankanhalli, A.,Tan, B.C.Y.,& Wei, K.K. (2005). Contributing knowledge to electronic knoledge repositories: An empirical investigation.MIS Quarterly, 29(1), 113-143.

Khan, H. T., Humayun, A. A., & Sajjad, M. (2015). Customer Loyalty-Attitudinal and Behavioral aspects (A Review). International Journal of Information, Business and Management, 7, 163-175.

Kim, H. W., Gupta, S.,& Koh, J. (2011). Investigation the intention to purchase digital items in social networking communities: A customer valueperspective. Information & Management, 48, 228-234.

Kim, H., Suh, K-S., & Lee, U-K. (2013). Effects of collaborative online shopping on experience through social and relational perspectives. Information & Management, 50, 169-180.

Kim, H.-B., Kim, T. T., & Shin, S. W. (2009). Modeling roles of subjective norms and eTrust in customers’ acceptance of airline B2C eCommerce websites.Tourism Management, 30, 266-277.

Kim, J., Jin, B., & Swinney, J. L.(2009). The role of etail quality, e-satisfaction and e-trust in online loyalty development process. Journal of Retailing and Consumer Services, 16, 239-247.

Koufaris, M. (2002). Applying the technology acceptance model and flow theory to online consumer behavior. Information System Research, 13(2), 205-223.

Kwon, O., & Wen, Y. (2010). An empirical study of the factors affecting social network service use. Computers in Human Behavior, 26, 254-263.

Lee, T. (2005). The impact of perception of interactivity on customer trust and transaction intentions in mobile commerce. Journal of Electronic Commerce Research, 6(3), 165-180.

Liu, H. J., & Shiue, Y.C.(2014). Influence of facebook game players’ behavior on flow and purchase intention. Social Behavior and Personality, 42(1),125-134.

Montree, P.(2010). Partial Least Square Path Modeling (ตัวแบบเส้นทางกำลังสองน้อยที่สุดบางส่วน). Bangkok: Ramkhamheang University.

National Statistical Office. (2014). The information and communication technology survey in household (สำรวจการใช้เทคโนโลยีสารสนเทศและการสื่อสารในครัวเรือน). Received April 19, 2014 from http://service.nso.go.th/nso/nso_center/project/search_center/23project-th.htm

Novak, T. P., & Hoffman, D. L. (2000). Modeling the structure of the flow experience among web users. Retrieved October 6, 2015, from http:// mres.org/pds/Project_7eNrf2010_2fPlan/Modeling

Novak, T. P., Hoffman, D. L., & Yung, Y-F. (2000). Measuring the customer experience in online environments: A structural modeling approach.Marketing Science, 19(1), 22-42.

Nunnally, J. (1978). Psychometric Theory, McGraw-Hill, New York, NY.

Prasittichai, N. (2015). The influence of Flow, Trust in Members, and Social Network Site Identity as Mediating Factors in Interactivity and User Engagement in Online Purchase Group Outcomes and Electronic Loyalty(อิทธิพลของการไหลลื่น ความไว้วางใจในสมาชิก และการเผยแพร่ตัวตนในเครือข่ายสังคมออนไลน์ ในฐานะปัจจัยที่เชื่อม โยงการปฏิสัมพันธ์และความผูกพันของผู้ใช้สู่ผลการซื้อสินค้าออนไลน์ และความภักดีทางอิเล็กทรอนิกส์). Bangkok: Ramkhamheang University.

Rinker, D.V., & Neighbors, C.(2014). Do different types of social identity moderatethe association between perceived descriptive norms and drinking amongcollege students?. Addictive Behaviors, 39, 1297-1303.

Srinivason, S.S., Anderson, R., & Ponnavolu, K.(2002). Customer loyalty in e-commerce: An exploration of its antecedencts and consequces. Journal of Retailing, 78, 41-50.

Svensson, G.(2001). Extending trust and mutual trust in business relationships towards a synchronised trust chain in
marketing channels. Management Decision, 39(6), 431-440.

Tajfel, H., & Turner, J. C. (1986). The social identity theory of intergroup behavior. Psychology of Intergroup Relations, 1, 7-24.Wang, H., Meng, Y., & Wang, W. (2013). The role of perceived interactity in virtual communities: Building trust and increasing stickiness. Connection Science, 25(1), 55-73.

Wu, J-J., & Chang, Y-S. (2005).Towards understanding members’ interactivity, trust, and flow in online travel community. Industrial Management & Data system, 105(7), 937-954.

Yoo, S.-J. (2014). Does social capital affect SNS usage?: A look at the role of subjective well-being and social identity. Computers in Humance Behavior, 41, 295-303.
Published
2018-04-30