PENGARUH PERCEIVED EASE OF USE, PERCEIVED USEFULNESS, TRUST, MOBILITY, CUSTOMIZATION, CUSTOMER INVOLVEMENT TERHADAP BEHAVIORAL INTENTION PADA E-COMMERCE DI MASA PANDEMI COVID-19

 

Tri Merdiana Koswara¹, Sri Vandayuli Riorini², Fahmi  Yola Pangestu³

Fakultas Ekonomi dan Bisnis, Universitas Trisakti, Indonesia

[email protected]¹, [email protected]², [email protected]³

 

Corresponding Author: Tri Merdiana Koswara 

E-mail: [email protected]

 

 

 

PENDAHULUAN

Perkembangan teknologi telekomunikasi dan komputerisasi menyebabkan terjadinya perubahan kultur dalam kehidupan sehari-hari. dalam era yang sudah sangat maju ini media elektronik menjadi salah satu media andalan untuk melakukan komunikasi dan bisnis. Hampir semua perusahaan modern dewasa ini menggunakan media internet untuk memasarkan produk maupun jasa layanan mereka. Ekonomi digital menyebar melintasi batas internasional, khususnya model bisnis antara penyedia jasa e-commerce dengan individu pembeli telah menunjukkan peningkatan yang signifikan (Kumar et al, 2013; Alshehri et al, 2012).

Sektor perdagangan Indonesia saat ini telah menciptakan strategi penjualanberbasis internet atau e-commerce yang menyebabkan minat beli masyarakat akan transaksi di e- commerce tinggi. Tingginya pertumbuhan pengguna internet tersebut berimbas pada nilai jual beli belanja online. Terlihat dari data Asosiasi Pengguna Internet Indonesia bahwa rata- rata pelaku pengguna internet di Indonesia dalam berbelanja online yang pernah dilakukan sebesar 13,73% (Apjil, 2016). Electronic commerce atau dapat disebut sebagai e-commerce merupakan salah satu dari revolusi teknologi informasi dalam bidang ekonomi yang menghilangkan berbagai batasa ndalam bisnis tradisional (Nanehkaran, 2013).

E-commerce merupakan bisnis online yang berkembang sangat pesat di Indonesia yang menyebabkan perubahan perilaku konsumen. Perubahan perilaku konsumen merupakan sebuah tantangan yang harus disediakan oleh perusahaan e-commerce untuk memenuhi permintaan konsumen (Sidharta dan Suzanto, 2015). E-commerce memfokuskan mekanisme penjualan secara elektronik melalui media.

Meskipun literatur seputar perdagangan online sangat luas, M-commerce kurang mendapat perhatian akademisi, terutama di masa pandemi. Mobile commerce (M- commerce) mengacu pada penggunaan perangkat genggam nirkabel untuk melakukan transaksi online seperti pembelian produk atau layanan, perbankan online, dan pembayaran tagihan. Perangkat seluler bukan sekadar gadget teknologi, tetapi pertama-tama mereka mewakili objek budaya yang menciptakan gaya hidup seluler. Perangkat seluler dianggap sangat pribadi, digunakan untuk berbagai aktivitas yang berkaitan dengan belanja (pencarian informasi produk, ulasan produk, perbandingan dan peringkat, daftar belanja, dan pembelian), jejaring media sosial, hiburan, perbankan, dan informasi penelusuran. Tujuan penelitian ini adalah untuk menganalisis pengaruh Perceived Ease Of Use, Perceived Usefulness, Trust, Mobility, Customization, dan Customer Involvement terhadap Behavioral Intention.

 

METODE PENELITIAN

Penelitian ini dilakukan berdasarkan pada penelitian sebelumnya dengan judul “Impact of Digitalization on Customers’ Well-Being in the Pandemic Period: Challenges and Opportunities for the Retail Industry” yang dilakukan oleh Akram Fülöp, M.T Tiron, Tudor, A, dan Topor, D.I (2021). Rancangan penelitian ini dilakukan dengan cara Testing Hypothesis Research yang digunakan untuk menguji data yang didapat berdasarkan variabel yang diuji. Jenis hubungan antar variable adalah Correlational. Jenis hubungan antar variabel peneliti ini tertarik dalam menjelaskan variabel-variabel yang berhubungan satu atau lebih masalah dari Pengaruh Perceived Ease Of Use, Perceived Usefulness, Trust, Mobility, Customization, Customer Involvement terhadap Behavioral Intention pada e- commerce di masa pandemi Covid-19. Horizon waktu yang digunakan penelitian adalah Cross Sectional karena penelitian ini menggunakan Horizon Waktu Penelitian, penelitian yang datanya dikumpulkan pada satu waktu dan tidak dilakukan secara berulang-ulang dalam jangka panjang. Penelitian unit analisis ini menggunakan kelompok karena dimana unit analisis terdiri lima konstruksi diukur menggunakan tujuh belas pertanyaan (tanggapan pada Skala Likert lima poin; sangat tidak setuju (1) dan sangat setuju (5). Penelitian yang digunakan adalah contrived settings dimana penelitian ini dilakukan di tempat pekerjaan umumnya berada yaitu di sebuah restoran di DKI Jakarta.

Metode Pengumpulan data di dalam penelitian ini menggunakan data primer. Data primer ialah data yang dikumpulkan dari pengisisan kuesioner yang dilakukan konsumen dalam sampel sekaligus. Data penelitian ini mengumpulkan data dari Juni 2021 hingga Juli 2021. Perpanjangan periode pengumpulan data sebagai akibat dari pembatasan Covid-19, yang menunda seluruh proses. Studi penelitian menerapkan survei cross-sectional berbasis web online dengan bantuan bantuan teknologi baru, seperti kecerdasan buatan dan IoT, dengan menyediakan layanan berorientasi pelangganuntuk melengkapi proses. Pendekatan cross-sectional diterapkan untuk mengumpulkan data melalui penggunaan kuesioner dimana data dikumpulkan dari sampel sekaligus.

Metode penarikan sampel yang dilakukan dengan menggunakan cara Non Probability Sampling, dimana jumlah populasi yang dijadikan sampling pada penelitian ini adalah konsumen dengan criteria-kriteria tertentu. Seperti membagi populasi calon responden E- commerce menjadi strata yang lebih relevan dan signifikan berdasarkan himpunan bagian di mana sampel acak diambil dari masing-masing strata seperti profil pelanggan (kapasitas berpenghasilan rendah, menengah dan tinggi) serta lokasi geografis tempat mereka berada. Teknik pengambilan sampel acak berlapis diterapkan karena akurasi dan keunggulannya yang mudah digunakan. Untuk menentukan kecukupan ukuran sampel, rumus diterapkan, diperlukan untuk membangun interval kepercayaan (umumnya 109). Sebanyak 109 tanggapan yang valid dipertimbangkan untuk analisis, diterjemahkan ke tingkat tanggapan 109.

Metode pengujian data yang digunakan dalam penelitian ini ialah Structural Equation Modeling (SEM), metode ini digunakan untuk menguji hipotesis yang diajukan. Analisis statistik deskriptif dicapai melalui aplikasi fungsional bagan, tabel, grafik dan diagram, dan ini dimasukkan ke dalam statistik inferensial. Ini termasuk frekuensi, mean, dan standar deviasi. Paket perangkat lunak yang digunakan untuk visualisasi data masing- masing adalah WarpPLS dan SPSS Versi 7 untuk menguji hipotesis bahwa variabel tidak berkorelasi. Ini digunakan untuk melihat apakah ada beberapa hubungan antar variabel, yang diperlukan agar analisis faktor sesuai.

 

HASIL DAN PEMBAHASAN

1.    Statiktis Deksriptif

1)    Statistik Deskriptif Responden

Berikut penjelasan umum mengenai responden dengan melihat karakteristik responden berdasarkan jenis kelamin, usia, pendidikan, pendapatan, dan lama menggunakan E-Commerce di masa pandemi Covid-19.

 

Tabel 1. Statistik Deskriptif Responden

Berdasarkan tabel di atas menunjukkan bahwa sebagian besar responden adalah wanita sebanyak 73 orang atau 67,0% dari total responden. Deskripsi usia responden yang mempunyai restoan mayoritas berusia 21 – 25 tahun, dengan jumlah responden 89 atau sebesar 81,7%. Deskripsi pekerjaan responden mayoritas Sarjana dengan jumlah responden 61 atau sebesar 56,0%. Deskripsi pekerjaan responden mayoritas adalah Pegawai Swasta dengan jumlah responden 47 atau sebesar 42,5%. Deskripsi pendapatan responden mayoritas adalah Rp3.000.000,00 – Rp5.000.000,00 dengan jumlah responden 48 atau sebesar 44,0%. Deskripsi lama menjadi pengguna E-commerce mayoritas adalah > 5 tahun dengan jumlah responden 53 atau sebesar 48,6%.

2)    Statistik Deskriptif Variabel

Variabel-variabel dalam peneliatian ini meliputi Product Innovation Capability, Market Intelligence Capability, Price Capability, Startup International Performance, dan Competitive Advantage.

Tabel 2. Statistik Deskriptif Variabel

Sumber: Hasil Pengulahan data SPSS, 2022

 

Berdasarkan tabel 2. diatas, dapat disimpulkan bahwa statistik deskriptif pada item-item variabel yang digunakan dengan jumlah sampel 109 pengguna E- commerce, variabel Behaviour Intention yang dianalisi memiliki nilai terkecil (minimum) sebesar 2,00 dan nilai terbesar (maximum) 5,00 dengan nilai standar deviasi sebesar 0,63855. Variabel Perceived Ease of Use yang dianalisi memiliki nilai terkecil (minimum) sebesar 3,00 dan nilai terbesar (maximum) 5,00 dengan nilai standar deviasi sebesar 0,54191. Variabel Perceived Usefulness yang dianalisi memiliki nilai terkecil (minimum) sebesar 3,00 dan nilai terbesar (maximum) 5,00 dengan nilai standar deviasi sebesar 0,75493. Variabel Trust yang dianalisi memiliki nilai terkecil (minimum) sebesar 2,25 dan nilai terbesar (maximum) 5,00 dengan nilai standar deviasi sebesar 0,74810. Variabel Mobility yang dianalisi memiliki nilai terkecil (minimum) sebesar 3,00 dan nilai terbesar (maximum) 5,00 dengan nilai standar deviasi sebesar 0,48721. Variabel Customization yang dianalisi memiliki nilai terkecil (minimum) sebesar 2,67 dan nilai terbesar (maximum) 5,00 dengan nilai standar deviasi sebesar 0,66941. Variabel Customer Involvement yang dianalisi memiliki nilai terkecil (minimum) sebesar 1,00 dan nilai terbesar (maximum) 5,00 dengan nilai standar deviasi sebesar 0,83850.

 

2.    Uji Validitas dan Uji Reliabilitas

Pada penelitian ini, Uji validitas dan Reliabilitas dilakukan pada responden sebanyak 109 pengguna E-commerce di masa pandemic Covid - 19.

Tabel 3. Uji Validitad Dan Uji Reliabilitas

Sumber: Hasil Pengulahan data SPSS, 2022.

 

Berdasarkan data diatas dapat dilihat bahwa seluruh item pernyataan dinyatakan valid karena nilai factor loading ≥ 0,40 (Hair et al., 2010). Serta nilai cronbach’s alpha ≥ 0,60 dinyatakan reliabel dalam mengukur variabel yang diteliti dan diukur.

 

Tabel 3. Faktor Loadings

Sumber: Hasil Pengulahan data Amos

 

Hasilnya menunjukkan bahwa model cukup cocok dengan data. Itu nilai rasio X2/df adalah 2,07 yang lebih rendah dari ambang batas 3, direkomendasikan oleh Carmines dan McIver (1981). Nilai yang memadai diperoleh berdasarkan kecocokan lainnya indeks.

 

3.    Uji Goodness of Fit

Gambar 1. Structure Goodness Of Fit

Sumber: Hasil Pengolahan data menggunkan AMOS 21

 

Pada uji Goodness of Fit, nilai AGFI dan GFI adalah 0,82 dan 0,87 yang menunjukkan indeks kebaikan yang memuaskan. Nilai GFI berkisar dari 0 hingga 1 dan dianggap model yang baik jika nilai GFI melebihi 0,90. Ini berarti bahwa kovarians cukup dihitung di antara variabel yang diamati. Nilai GFI ditemukan menjadi 0,87 yang mana menunjukkan kecocokan yang baik untuk penelitian eksperimental dalam kasus RFI, NFI, CFI, TLI, dan, IFI indeks yang diperoleh nilai ≥ 0,90. Nilai indeks RMSEA juga berada di dalam interval yang diinginkan antara 0,05 dan 0,08.

Tabel 4. Uji Goodness of Fit

Sumber: Hasil Pengolahan data menggunkan AMOS 21.

Pada hasil uji Goodness of Fit pada tabel di atas, terdapat lebih dari satu pengukuran yang sudah menyatakan Goodness of Fit, maka model penelitian sudah bisa dinyatakan layak atau lolos uji Goodness of Fit karena nilai sig. probability sebesar 0,000 < 0,05 yang dapat disimpulkan Goodness of Fit. RMSEA memiliki nilai sebesar 0,183 ≥ 0,08 yang artinya Goodness of Fit. GFI memiliki nilai sebesar 0.591 yang artinya poor fit karena kurang mendekati nilai cut off. Kriteria berikutnya adalah RFI memiliki nilai sebesar 0,544 yang artinya poor of fit ≤ 0,90 karena nilai tersebut kurang mendekati nilai cut off. Sedangkan NFI, IFI, TLI, dan CFI masing-masing memiliki nilai sebesar 0,591, 0,648, 0,603, dan 0,644 yang artinya poor of fit. Kriteria terkhir yaitu nilai CMIN/DF sebesar 4,620 yang artinya Goodness of Fit karena memenuhi nilai cut off yaitu ≤ nilai batas bawah 1 dan batas atas 5.

 

4.    Uji Hipotesis

Pendekatan empiris ini menggunakan model Probit pertama, yang bertujuan untuk menguji Pengaruh Perceived Ease of Use, Perceived Usefulness, Trust, Mobility, Customization, Customer Involvement terhadap Behavioral Intention.

 

Tabel 5. Pengaruh Structural Dan Pengujian Hipotesis

Sumber: Hasil Pengolahan data menggunkan AMOS 21.

 

Berdasarkan hasil pengujian hipotesis diatas, diketahui bahwa:

1.    Nilai Sig. H1 sebesar 0,001 > α 0,05 dengan nilai estimate positif sebesar 0,287, maka dapat dikatakan bahwa hipotesis 1 didukung. Dengan demikian dapat disimpulkan bahwa Perceived Ease of Use berpengaruh positif terhadap Behavioral Intention.

2.    Nilai Sig. H2 sebesar 0,512 > α 0,05 dengan nilai estimate positif sebesar 0,149, maka dapat dikatakan bahwa hipotesis 2 tidak didukung. Dengan demikian dapat disimpulkan bahwa Perceived Usefulness tidak berpengaruh positif terhadap Behavioral Intention.

3.    Nilai Sig. H3 sebesar 0,896 > α 0,05 dengan nilai estimate negatif sebesar – 0,007, maka dapat dikatakan bahwa hipotesis 3 didukung. Dengan demikian dapat disimpulkan bahwa Trust berpengaruh negatif terhadap Behavioral Intention.

4.    Nilai Sig. H4 sebesar 0,264 > α 0,05 dengan nilai estimate positif sebesar 0,082, maka dapat dikatakan bahwa hipotesis 4 tidak didukung. Dengan demikian dapat disimpulkan bahwa Mobility tidak berpengaruh positif terhadap Behavioral Intention.

5.    Nilai Sig. H5 sebesar 0,000 > α 0,05 dengan nilai estimate positif sebesar 0,403, maka dapat dikatakan bahwa hipotesis 5 didukung. Dengan demikian dapat disimpulkan bahwa Customization berpengaruh positif terhadap Behavioral Intention.

6.    Nilai Sig. H6 sebesar 0,001 > α 0,05 dengan nilai estimate negatif sebesar 0,037, maka dapat dikatakan bahwa hipotesis 6 didukung. Dengan demikian dapat disimpulkan bahwa Customer Involvement berpengaruh positif terhadap Behavioral Intention.

 

5.    Pembahasan

Hasil penelitian ini menggambarkan bahwa Trust dan Mobility tidak berpengaruh pada Behavioral Intention. Di atas masalah untuk semua responden adalah informasi produk yang terbatas, kualitas gambar/teks dan waktu muat halaman dan kinerja situs yang lambat dan posisi terakhir tidak konsisten dengan ketersediaan produk. Kepercayaan dapat dianggap sebagai prediktor yang signifikan dari niat perilaku Berdasarkan nilai estimasi sebesar 0,403 dan sig < 0,01; sebagai kesimpulan, kami dapat mendukung H5. Meskipun pembayaran melalui telepon belum menjadi hal yang umum bagi banyak dari kita, kepercayaan pelanggan terhadap pembayaran seluler layanan penting untuk maksud dan frekuensi pembelian di masa mendatang. Oleh karena itu, H5 dengan tanda 0,01 dikonfirmasi. Generasi yang lebih tua yang menggunakan perangkat seluler untuk berbelanja dan pembayaran tampaknya memiliki beberapa keraguan karena masalah keamanan yang disebutkan di literatur tentang mengirimkan nomor kartu kredit untuk belanja online, dibandingkan dengan milenial. Keraguan tersebut mungkin juga terkait dengan kesadaran konsumen tentang masalah keamanan dari teknologi yang baru diimplementasikan, menciptakan perasaan tidak pasti tentang inovasi pada keandalannya. Secara umum, literatur menyebutkan bahwa pengguna ponsel mungkin khawatir informasi pribadi dan rahasia mereka akan bocor dengan menggunakan ponsel perdagangan.

 

KESIMPULAN

Studi ini mengkaji cara-cara yang berbeda di mana menggabungkan penggunaan agri- pangan regional produk dan penerapan praktik manajemen yang berkelanjutan dan bertanggung jawab, termasuk manajemen kualitas, manajemen lingkungan dan tanggung jawab sosial perusahaan, memengaruhi kinerja keuangan restoran yang terkait dengan tempat asalnya, seperti diterapkan untuk unit yang berlokasi di Wilayah Tengah Portugal. Bukti empiris yang diperoleh menunjukkan bahwa place branding wilayah tertentu, bila berdasarkan produk agri-pangan kualitas dibedakan terkait dengan wilayah, dapat berfungsi sebagai pengungkit untuk mempromosikan pariwisata berkelanjutan, dengan pengaruh positif pada banyak hal yang terkait dengan pariwisata sektor kegiatan, dengan efek pengali silang, misalnya di hotel dan restoran. Menonjol sebagai elemen pembeda dari penelitian ini adalah penggunaan variabel yang mewakili pilihan strategis oleh restoran daerah untuk menggunakan produk pertanian pangan daerah yang berkualitas, mengaitkan opsi ini, dengan cara yang inovatif, dengan variabel yang terkait dengan berkelanjutan dan praktek manajemen yang bertanggung jawab, sebagai cara untuk memperkuat kinerja keuangan unit-unit yang berbeda di sektor hotel dan restoran. Bukti yang disajikan di sini menambah pengetahuan dan keragaman literatur tentang pengelolaan yang berkelanjutan dan bertanggung jawab di sector restoran, sejauh ini berpusat hampir secara eksklusif pada aspek lingkungan keberlanjutan.

Dalam konteks pandemi, peritel perlu merespons dengan cepat dan inovatif terhadap hal baru kebutuhan pelanggan dengan bantuan teknologi baru, seperti kecerdasan buatan dan IoT, dengan menyediakan layanan yang berorientasi pada pelanggan. Ini termasuk misalnya, penggunaan aplikasi seluler modern, serta konfigurasi dan individualisasi pengguna sistem kontrol. Konten buatan pengguna, seperti ulasan produk dan social posting media, juga semakin penting untuk ritel online. Pedagang menawarkan inovatif tapi layanan yang tidak menguntungkan akan menghadapi kesulitan.

Belanja online (M-commerce dan E-commerce) dapat meningkatkan generasi baru kepuasan pelanggan tetapi ini juga membutuhkan infrastruktur logistik baru, pengiriman barang pusat, dan meningkatkan komunikasi terpercaya. Pedagang harus memenuhi pesanan secara efisien dan menguntungkan. Kemampuan pemenuhan yang memadai yang terintegrasi dengan mulus perdagangan online dan offline sangat penting untuk kesuksesan bisnis jangka panjang. Seperti yang diungkapkan survei, masih banyak masalah yang harus diselesaikan dalam M-commerce. Menjadi sukses, pengecer perlu menemukan solusi untuk memenuhi pesanan online pelanggan secara efisien mungkin. Masalah lainnya adalah manajemen pengembalian yang efisien, kemampuan penggunaan aplikasi seluler, dan konfigurasi rantai pasokan. Pengembalian harus diatur secara fleksibel dan tanpa kerumitan dan memungkinkan pesanan dieksekusi kapan saja dengan cara yang paling efisien dan titik hemat biaya di gudang atau toko mana pun. Saat ini, pelanggan mengharapkan pengalaman berbelanja yang seragam, terlepas dari saluran yang dipilih. Harapan mereka juga memiliki konsekuensi untuk ritel alat tulis. Dengan semakin perilaku belanja berbasis internet, harapan konsumen tentang layanan di tempat juga berubah. Baik mengambil, menukar, atau mengembalikan barang yang dipesan secara online dari situs atau membeli produk dari toko, yang kemudian dikirimkan ke rumah di beberapa titik, ke sukses di masa depan, pengecer perlu beradaptasi dengan perubahan perilaku belanja, yang mana sangat penting di masa pandemi ini. Rantai pasokan, logistik, dan pergudangan operasi adalah fungsi kritis yang perlu diintegrasikan dengan fluktuasi yang mudah menguap permintaan. Generasi baru mengharapkan toko datang kepada mereka, dan ini membutuhkan investasi strategis untuk meningkatkan kepuasan pelanggan di dunia maya dan layanan pasca pembelian (dukungan pelanggan).

 

DAFTAR PUSTAKA

Kleemann, F.C.; Glas, A.H. Einkauf 4.0: Digitale Transformation der Beschaffung—2 Auflage; Springer: Wiesbaden, Germany, 2020.

Bendel, O. Die Industrie 4.0 aus Sicht der Ethik. In Industrie 4.0 Herausforderungen, Konzepte und Praxisbeispiele; Reinheimer, S., Ed.;Springer Fachmedien: Wiesbaden, Germany, 2017; pp. 161–172.

Carroll, N.; Conboy, K. Normalising the “new normal”: Changing tech-driven work practices under pandemic time pressure. Int.J. Inf. Manag. 2020, 55, 102186. [CrossRef]

Chong, A.Y.-L.; Chan, F.T.S.; Ooi, K.-B. Predicting consumer decisions toadopt mobile commerce: Cross country empirical examination between Chinaand Malaysia. Decis. Support Syst. 2012, 53, 34–43. [CrossRef]

Gârdan, D.A.; Dumitru, I.; Gârdan, I.P.; Pas,tiu, C.A. Touristic SME’s Competitiveness in the Light of Present Challenges—A Qualitative Approach. Sustainability 2020, 12, 9191. [CrossRef]

Williams, S.N.; Armitage, C.J.; Tampe, T.; Dienes, K. Public perceptions and experiences of social distancing and social isolation during the COVID-19 pandemic: A UK-based focus group study. BMJ Open 2020, 10, e039334. [CrossRef] [PubMed]

Oliveira, T.; Alhinho, M.; Rita, P.; Dhillon, G. Modelling and Testing Consumer Trust Dimensions in E-Commerce. Comput. Human Behav. 2017, 71, 153–164. [CrossRef]

Stanescu, S.G.; Cucui, I.; Ionescu, C.A.; Paschia, L.; Coman, M.D.; Nicolau, N.L.G.; Uzlau, M.C.; Lixandru, M.L. Conceptual Model forIntegrating Environmental Impact in Managerial Accounting Information Systems. Int. J. Environ. Res. Public Health 2021, 18, 1791. [CrossRef]

Sheth, J. Impact of Covid-19 on consumer behavior: Will the old habits return or die? J. Bus. Res. 2020, 117, 280–283. [CrossRef]

Chong, A.Y.-L. Predicting M-commerce adoption determinants: A neural network approach. Expert Syst. Appl. 2013, 40, 523–530. [CrossRef]

Barry, M.; Jan, M. Factors influencing the use of M-commerce: An extended technology acceptance model perspective. Int. J. Econ. Manag. Account. 2018, 26, 157–183.

Grewal, D.; Bart, Y.; Spann, M.; Zubcsek, P.P. Mobile advertising: A framework and research agenda. J. Interact. Mark. 2016, 34, 3–14. [CrossRef]

Shankar, V.; Venkatesh, A.; Hofacker, C.; Naik, P. Mobile marketing in the retailing environment: Current insights, and future research avenues. J. Interact. Market. 2010, 24, 111–120. [CrossRef]

Omar, S.; Mohsen, K.; Tsimonis, G.; Oozeerally, A.; Hsu, J.H. M-commerce: The nexus between mobile shopping service quality and loyalty. J. Retail. Consum. Serv. 2021, 60, 102468. [CrossRef]

Dumitras, cu, L.M.; Feleagă, L.; Ionescu, B.S. Time Management and Time Utilization for Urology Surgeons, a Step in Implementing Social Responsibility, a Theoretical and a Practical Approach. In Business Revolution in a Digital Era; Springer: Cham, Switzerland; Bucharest, Romania, 2021; pp. 319–329.

Kovács, G. Combination of Lean value-oriented conception and facility layout design for even more significant efficiency improvement and cost reduction. Int. J. Prod. Res. 2020, 58, 2916–2936. [CrossRef]

Gurău, C. A Life-Stage Analysis of Consumer Loyalty Profile: Comparing Generation X and Millennial Consumers. J. Consum.Mark. 2012, 29, 103–113. [CrossRef]