The Casual Factors of Experience, Perceived Ease of Use, Perceived Usefulness and Attitude to Behavior Intention to Use Heavy-Duty Transport Services On LINE OpenChat of Service Users in Thailand
Article Sidebar
Main Article Content
Abstract
The article aims to: 1) develop and validate the consistency of a causal relationship model behavioral intention to use large heavy goods transportation services via the LINE OpenChat application, and 2) study the causal factors influencing the behavioral intention to use large heavy goods transportation on LINE OpenChat application among service users in Thailand. This study employed quantitative research design. Data was collected using an online questionnaire. The sample consisted of 252 individuals residing in Thailand who had prior experience using large heavy goods transportation services via the LINE OpenChat application. The statistics used for data analysis included frequency, percentage, confirmatory factor analysis, and structural equation modeling. The results revealed that the developed causal relationship model consisting of five components: 1) Experience, 2) Perceived Ease of Use, 3) Perceived Usefulness, 4) Attitude, and 5) Behavioral Intention to Use was well-fitted and consistent with the empirical data. Furthermore, perceived usefulness and attitude had a direct effect on the behavioral intention to use large heavy goods transportation services. Business owners should focus on creating the perceived usefulness of using LINE OpenChat for service inquiries by clearly communicating to users that the platform offers time savings, cost reduction, and convenient access to services anytime and anywhere and fostering a positive attitude through professional service delivery, punctuality, and robust data security. Furthermore, the system must be developed to be user-friendly and uncomplicated in order to build trust and encourage continuous service usage.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
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.
