ปัจจัยเชิงสาเหตุของประสบการณ์ การรับรู้ความง่ายในการใช้งาน การรับรู้ประโยชน์ และทัศนคติที่มีผลต่อพฤติกรรมความตั้งใจใช้บริการขนส่งสินค้าหนักขนาดใหญ่บนแอปพลิเคชันไลน์โอเพนแช็ตของผู้ใช้บริการในประเทศไทย
Article Sidebar
Main Article Content
บทคัดย่อ
บทความนี้มีวัตถุประสงค์เพื่อ 1) พัฒนาและตรวจสอบความสอดคล้องของโมเดลความสัมพันธ์เชิงสาเหตุของพฤติกรรมความตั้งใจใช้บริการขนส่งสินค้าหนักขนาดใหญ่บนแอปพลิเคชันไลน์กลุ่มโอเพนแช็ตและ 2) ศึกษาปัจจัยเชิงสาเหตุที่มีอิทธิพลต่อพฤติกรรมความตั้งใจใช้บริการขนส่งสินค้าหนักขนาดใหญ่บน แอปพลิเคชันไลน์กลุ่มโอเพนแช็ตของผู้ใช้บริการในประเทศไทย รูปแบบการวิจัยเป็นการวิจัยเชิงปริมาณ เครื่องมือที่ใช้เก็บรวบรวมข้อมูล ได้แก่ แบบสอบถามออนไลน์ กลุ่มตัวอย่าง คือ ผู้ที่เคยใช้บริการขนส่งสินค้าหนักขนาดใหญ่บนแอปพลิเคชันไลน์กลุ่มโอเพนแช็ตและพักอาศัยในประเทศไทย จำนวน 252 คน สถิติที่ใช้วิเคราะห์ข้อมูล ได้แก่ ความถี่ ร้อยละ การวิเคราะห์องค์ประกอบเชิงยืนยัน และโมเดลสมการโครงสร้าง ผลการวิจัยพบว่า โมเดลความสัมพันธ์เชิงสาเหตุที่พัฒนาขึ้น ประกอบด้วย 5 ด้าน ได้แก่ 1) ประสบการณ์ 2) การรับรู้ความง่ายในการใช้งาน 3) การรับรู้ประโยชน์ 4) ทัศนคติ และ 5) พฤติกรรมความตั้งใจใช้บริการ สอดคล้องกับข้อมูลเชิงประจักษ์เป็นอย่างดี ซึ่งการรับรู้ประโยชน์และทัศนคติส่งผลโดยตรงต่อพฤติกรรมความตั้งใจใช้บริการขนส่งสินค้าหนักขนาดใหญ่ ผู้ประกอบการควรมุ่งเน้นการสร้างการรับรู้ประโยชน์จากการใช้ไลน์กลุ่มโอเพนแช็ต โดยนำเสนอให้ผู้ใช้บริการเห็นว่าแพลตฟอร์มดังกล่าวช่วยประหยัดเวลา ลดค่าใช้จ่าย และสามารถเข้าถึงบริการได้ทุกที่ทุกเวลา อันเป็นคุณค่าที่ตอบโจทย์การดำเนินธุรกิจขนส่งในยุคดิจิทัล และสร้างทัศนคติเชิงบวกด้วยบริการที่เป็นมืออาชีพ ตรงต่อเวลา และมีความมั่นคงปลอดภัยของข้อมูล เพื่อให้ผู้ใช้บริการเกิดความเชื่อมั่นและความพึงพอใจในระยะยาว และต้องพัฒนาระบบให้ ใช้งานง่าย ไม่ซับซ้อน เพื่อสร้างความเชื่อมั่นและการใช้บริการอย่างต่อเนื่อง
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
จิตระวี ทองเถา. (2564). นวัตกรรมทางการเงินที่มีอิทธิพลต่อการตัดสินใจใช้บริการธนาคารพาณิชย์ในยุคการระบาดของไวรัส COVID-19. วารสารสหวิทยาการมนุษยศาสตร์และสังคมศาสตร์, 4(1), 214-224.
จิรัฐติกาล เรื่องจาบ และ วรญา โรจนาปภาพร. (2567). การยอมรับเทคโนโลยีและความไว้วางใจที่มีผลต่อความตั้งใจซื้อสินค้าผ่านช่องทางเฟซบุ๊กไลฟ์ในเขตอำเภอเมือง จังหวัดนครราชสีมา. วารสารกลยุทธ์และความสามารถทางการแข่งขันองค์กร, 3(7), 54-69.
ธัชชา สุขเอม และ สุมาลี รามนัฏ. (2566). ทัศนคติในฐานะปัจจัยคั่นกลางที่เชื่อมโยงการรับรู้ความง่ายและการรับรู้ประโยชน์ สู่ความตั้งใจใช้บริการในการชำระภาษีที่ดินและสิ่งปลูกสร้าง ผ่านระบบอิเล็กทรอนิกส์ (e-Payment) ของผู้ประกอบการในเขตเทศบาลนครอ้อมน้อย. วารสารวิจัยมหาวิทยาลัยเวสเทิร์น มนุษยศาสตร์และสังคมศาสตร์, 9(3), 151-164.
ยุทธนาท บุณยะชัย (2566). การยอมรับเทคโนโลยีและส่วนประสมทางการตลาดที่มีผลต่อทัศนคติและความตั้งใจของคนวัยทำงานในการใช้รถยนต์ไฟฟ้าในกรุงเทพมหานครและปริมณฑล. วารสารวิชาการบริหารธุรกิจ สมาคมสถาบันอุดมศึกษาเอกชนแห่งประเทศไทย, 13(2), 140–156.
พลาญ จันทรจตุรภัทร, เกรียงศักดิ์ จันทีนอก และ นภัทร จันทรจตุรภัทร. (2565). การตรวจสอบเชิงประจักษ์เกี่ยวกับปัจจัยที่มีอิทธิพลต่อความตั้งใจซื้อของผู้บริโภคที่มีต่อโซเชียลคอมเมิร์ซวิธีการสร้างแบบจำลองสมการเชิงโครงสร้าง. วารสารบริหารธุรกิจ มหาวิทยาลัยแม่โจ้, 4(2), 68-84
.
สุชญา นิลวัฒน์ และ สมชาย เล็กเจริญ. (2566). ปัจจัยเชิงสาเหตุที่มีอิทธิพลต่อความตั้งใจซื้อผลิตภัณฑ์ของเล่นสัตว์เลี้ยงบนอินสตาแกรมของผู้บริโภคในประเทศไทย. วารสารสหวิทยาการมนุษยศาสตร์และสังคมศาสตร์, 6(4), 1891-1910.
สุมามาลย์ ปานคำ และ เบญจพร กาทอง. (2565). ปัจจัยเชิงสาเหตุที่มีผลต่อพฤติกรรมการใช้งานแอปพลิเคชัน S.M.A.R.T SOLDIERS ในการรับรู้ข้อมูลข่าวสารของกำลังพลกองทัพบก. วารสารสหวิทยาการมนุษยศาสตร์และสังคมศาสตร์, 5(3), 1087–1103.
สาวิตรี โชควิวัฒนา, และ ธัญนันท์ บุญอยู่. (2567). ปัจจัยของการรับรู้ความปลอดภัย การรับรู้ประโยชน์ในการใช้งาน และการรับรู้ความง่ายในการใช้งานที่มีผลต่อการตัดสินใจซื้ออุปกรณ์ป้องกันภัยส่วนบุคคลของประชาชนในพื้นที่จังหวัดสมุทรสาคร. Journal of Modern Learning Development, 9(11), 107-119.
Al-Mamary, Y. H. S., Alfalah, A. A., & Alshammari, M. M. S. (2024). Exploring factors influencing university students’ intentions to use ChatGPT: Analysing task-technology fit theory to enhance behavioural intentions in higher education. Future Business Journal, 10(1), 1-17.
Aryaputri, N. S., Arniati, A., Anggraini, R., Kurniawan, D., Anjelina, A., Hasanah, A., & Lanniari, R. (2024). The influence of perceived ease of use, perceived usefulness, quality of information systems, and individualism-collectivism on the behavioral intention of users of digital tax education services. Journal of Applied Accounting and Taxation, 9(2), 196–204.
Azzatillah, A., Nada, L., Rahmadina, D. S., Chairunnisa, C., & Savira, D. A. (2024). Technology acceptance model theory on intention to use e-recruitment. Jurnal Fokus Manajemen Bisnis, 14(2), 241–255.
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis. (7th ed.). New Jersey: Prentice Hall.
Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2021). A primer on partial least squares structural equation modeling (PLS-SEM). (3rd ed.). California: Sage Publications.
Hoelter, J. W. (1983). The analysis of covariance structures: Goodness-of-fit indices. Sociological Methods and Research, 11, 325–344.
Ikwanto, A. N. P., & Indriani, F. (2024). The impact of perceived usefulness, perceived ease of use, and digital literacy on QRIS adoption. Research Horizon, 4(6), 281–290.
Jessica, C., & Astuti, R. D. (2025). Bridging augmented reality experience and purchase intention: Integrating attitudinal ambivalence into an extended TAM. Journal of Enterprise and Development (JED), 7(2), 341–357.
Joreskog, K. G., & Sorbom, D. (1984). Advances in factor analysis and structural equation models. Lanham: Rowman & Littlefield Publishers.
Keji, S. S. (2024). Relationship among perceived usefulness, ease of use, attitude and intention to use emerging technology among undergraduate students. Journal for Lesson and Learning Studies, 7(1), 126–132.
Kline, R.B. (2016). Principles and practice of structural equation modeling. (4th ed.). New York: Guilford Press.
Ledesma-Chaves, P., Gil-Cordero, E., Navarro-García, A., & Maldonado-López, B. (2024). Satisfaction and performance expectations for the adoption of the metaverse in tourism SMEs. Journal of Innovation & Knowledge, 9(3), 1-14.
Liu, X., & Zhu, L. (2025). A study of the factors influencing teachers' behavioral intention to use the intelligent center of vocational education (ICVE) in Chinese higher vocational colleges. International Journal of Sociologies and Anthropologies Science Reviews, 5(1), 789–800.
Makbul, R. S., Lukitaningsih, A., & Ningrum, N. K. (2025). Perceived ease of use dan perceived usefulness dalam loyalitas pelanggan: Efek mediasi customer satisfaction pada mahasiswa pengguna aplikasi Gojek di Yogyakarta. Journal of Management and Digital Business, 5(1), 161–177.
Nuralam, I. P., Yudiono, N., Fahmi, M. R. A., Yuliaji, E. S., & Hidayat, T. (2024). Perceived ease of use, perceived usefulness, and customer satisfaction as driving factors on repurchase intention: The perspective of the e-commerce market in Indonesia. Cogent Business & Management, 11(1).
Schreiber, J. B., Stage, F. K., King, J., Nora, A., & Barlow, E. A. (2006). Reporting structural equation modeling and confirmatory factor analysis results: a review. The Journal of Educational Research, 99(6). 323–337.
Schumacker, R. E., & Lomax, R. G. (2010). A beginner’s guide to structural equation modeling. (3rd ed.). London: Routledge.
Thompson, B. (2004). Exploratory and confirmatory factor analysis: Understanding concepts and applications. Washington DC: American Psychological Association.
Ullman, M. T. (2001). The declarative/procedural model of lexicon and grammar. Journal of Psycholinguistic Research, 30(1), 37–69.
Vecchiarini, M., Muldoon, J., Smith, D., & Boling, R. J. (2024). Experiential learning in an online setting: How entrepreneurship education changed during the COVID-19 pandemic. Entrepreneurship Education and Pedagogy, 7(2), 190–217.
Wandira, R., Fauzi, A., & Nurahim, F. (2024). Analysis of factors influencing behavioral intention to use cloud-based academic information system using extended technology acceptance model (TAM) and expectation-confirmation model (ECM). Journal of Information Systems Engineering and Business Intelligence, 10(2), 179–190.
