Türkiye'de Çevrimiçi Alışveriş Davranışları: Hanehalkı Bütçe Anketi

Yıl 2023, Cilt: 25 Sayı: 3, 955 - 974, 09.01.2024

Fatih Hakan Dikmen , Dilek Başar

https://doi.org/10.26745/ahbvuibfd.1349285

Öz

Bu çalışmanın amacı, Türkiye'de internet üzerinden (online) yapılan alışveriş davranışının belirleyicilerini yaşam tarzı yaklaşımı çerçevesinde incelemektir. Bununla birlikte, bu çalışma internet üzerinden alışveriş yapan hanehalklarının temel özelliklerini açıklamaya çalışmakla birlikte, politika yapıcıları için mevcut online alışveriş müşterilerini elde tutmayı ve yenilerini çekmeyi amaçlayan uygun pazarlama stratejilerinin geliştirilmesi gibi politikaların tasarlamasına ışık tutmayı da hedeflemektedir. Bu amaçla, Türkiye İstatistik Kurumu (TÜİK) tarafından en son 2019 yılında yapılan ve tüm ülkeyi temsil eden Hanehalkı Bütçe Anketi (HBA) mikro veri seti kullanılmıştır. Çalışmada hanehalklarının internet üzerinden alışveriş tutumlarını ampirik olarak belirlemek için sıralı probit tahmin yöntemi kullanılmıştır. Analiz sonuçlarına bakıldığında, internet alışverişi üzerinde en fazla etkiye sahip olan değişkenin hane geliri olduğu dikkat çekmektedir. Bununla birlikte hane reisinin cinsiyeti, yaşı ve eğitim durumunun internet üzerinden alışveriş davranışında önemli bir rol oynadığını görülmüştür. Son olarak, hane reisinin meslek kodu, hane tipi, evin mülkiyet durumu, mağaza içi alışveriş olanaklarına erişim ve hanede tasarruf davranışı olup olmaması ve gazete veya dergi alışkanlığı olan bireyin varlığının internet üzerinden yapılan alışveriş davranışı üzerinde istatistiki olarak anlamlı etkileri olduğu tespit edilmiştir.

Anahtar Kelimeler

İnternet alışverişi, Hanehalkı Bütçe Anketi, Sıralı probit yöntemi, Yaşam tarzı yaklaşımı

Online Shopping Attitude In Turkey: Evidence From The Household Budget Survey

Öz

The aim of the study is to examine the determinants of online shopping attitude in Turkey within the lifestyle approach. This study clarifies the features of households associated with online shopping behaviour and this may assist policymakers to develop effective policies such as the improvement of appropriate marketing strategies aimed at keeping current online customers and attracting the new ones. The nationally representative Household Budget Survey (HBS) micro data set obtained from Turkish Statistical Institute for 2019 is used in the empirical analysis. The ordered probit model is employed to determine the factors affecting online shopping attitude of households. The analysis's findings highlight the fact that household income is the factor that has the highest impact on online shopping. Furthermore, gender, age, education level, and financial status of the household head are all key factors in online shopping behaviour, according to the results of the ordered probit model. Last, the job industry code of the household head, household type, ownership status of the house, accessibility to in-store shopping facilities and the existence of the household member who has a saving behaviour and who has a newspaper or magazines habit have statistically significant effects on online shopping behaviour.

Anahtar Kelimeler

Online Shopping, Household Budget Survey, Ordered Probit Method, Lifestyle Approach

Kaynakça

• Allard, T., Banin, B. and Chebat, J. (2009), “When income matters: customers’ evaluation of shopping malls’ hedonic and utilitarian orientations”, Journal of Retailing and Consumer Services, 16(1): 40-49.
• Armağan, E. A., and Turan, A. H. (2014). “Internet üzerinden alışveriş: demografik faktörlerin, bireysel ihtiyaçların etkisi üzerine ampirik bir değerlendirme.”, Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 28(3): 1-22.
• Biswas, D. (2004). “Economics of information in the web economy: towards a new theory?” Journal of Business Research, 57(7): 724-733.
• Bosnjak, M., Galesic, M., and Tuten, T. (2007). “Personality determinants of online shopping: Explaining online purchase intentions using a hierarchical approach.” Journal of Business Research, 60(6): 597-605.
• Burke, R. R. (2002). “Technology and the customer interface: What consumers want in the physical and virtual store.” Journal of the Academy of Marketing Science, 30(4): 411–432.
• Changchit, C., Cutshall, R., Lonkani, R., Pholwan, K., and Pongwiritthon, R. (2019). “Determinants of online shopping influencing Thai consumer’s buying choices.” Journal of Internet Commerce, 18(1): 1-23.
• Chintagunta, P. K., Chu, J., and Cebollada, J. (2012). “Quantifying transaction costs in online/offline grocery channel choice.” Marketing Science, 31(1): 96–114.
• Eurostat (2020). Available from: https://ec.europa.eu/eurostat/statisticsexplained/index.php?title=Ecommerce_statistics_for_individuals#Main_reason_for_not_buying_online_.282019_survey.29 (Date of access:30.06.2021).
• Greene, W. (2003), Econometric Analysis, Fifth Edition, Upper Saddle River, NJ: Prentice Hall.
• Harrison, A.W. and Rainer, R.K. (1992), “The influence of individual differences on skill in end-user computing”, Journal of Management Information Systems, 9(1): 93-111.
• Hernández, B., Jiménez, J., and Martín, M. J. (2011). “Age, gender and income: do they really moderate online shopping behaviour?” Online Information Review, 35(1): 113–133.
• İzgi, B. B., and Şahin, İ. (2013). “Elektronik perakende sektörü ve internet alişverişi tüketici davranişi: Türkiye örneği.” Ekonomi ve Yönetim Araştırmaları Dergisi, 2(1): 9-27.
• Kilic, D. (2012). “Empirical Analysis of Health and Educational Attainment in Turkey”, The University of Sheffield, PhD Thesis.
• Kurtuldu, H. S., and Şahin, Ç. (2003). İnternet Yoluyla Satınalmayı Olumsuz Etkileyen Faktörler ve Pazarlama Stratejilerine Yönelik Muhtemel Etkileri. 8. Ulusal Pazarlama Kongresi Bildiri Kitabı, 3-25.
• Liao, Z., and Cheung, M. T. (2001). Internet-based e-shopping and consumer attitudes: an empirical study.” Information & Management, 38(5): 299-306.
• Maddala, G. (1999). Limited-dependent and Qualitative Variables in Econometrics, Cambridge: Cambridge University Press.
• Marangoz, M., Özkoç, H. H., and Aydin, A. E. (2019). “Tüketicilerin internet üzerinden alışveriş davranışlarının açıklanmasına yönelik bir çalışma” Journal of Consumer and Consumption Research, 11(1): 1-22.
• Miyazaki, A. and Fernandez, A. (2001). “Consumer perceptions of privacy and security risks for online shopping.” Journal of Consumer Affairs, 35(1):27–44.
• Morris, M.G. and Venkatesh, V. (2000), “Age differences in technology adoption decisions: implications for a changing work force”, Personnel Psychology, 53(2): 375-403.
• Pachauri M. (2002). Researching online consumer behaviour: current positions and future perspectives. Journal of Customer Behaviour , 1:269–300.
• Park, S. B., Lee, Y. K., and Chung, N. (2013). Why don't consumers go internet shopping in Korea? Segmentation of consumer lifestyle approach. Behaviour & Information Technology, 32(5): 468-479.
• Saydan, R. (2008). Tüketicilerin Online Alişverişe Yönelik Risk Ve Fayda Algilamalari: Geleneksel ve Online Tüketicilerin Karşılaştırılması. Elektronik Sosyal Bilimler Dergisi, 7(23): 386-402.
• Scott, C. A., Engel, J. F., Blackwell, R. D., Kollat, D. T., Hawkins, D. I., Coney, K. A., … Wallendorf, M. (1981). “Consumer Behaviour .” Journal of Marketing, 45(1): 160-162.
• Senecal S, Kalczynski P, Nantel J. (2005). “Consumers' decision making processes and their online shopping behaviour : a clickstream analysis.” Journal of Business Research, 58(11):1599–608.
• Thompson T. (2002). “Attitudes toward online shopping and the Internet.” Behaviour Information Technology, 21(4):259–71.
• Trocchia, P.J. and Janda, S. (2000), “A phenomenological investigation of internet usage among older individuals”, Journal of Consumer Marketing, 17(7): 605-16.
• Ward, M. R., and Lee, M. J. (2000). Internet shopping, consumer search and product branding. Journal of product & brand management, 9(1): 6-20.