Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Cited by SciELO 
Similars in
SciELO 
Permalink
INTRODUCCIÓN
En el 2024 el mundo está evidenciando transformaciones relevantes y surgiendo macrotendencias que cambian los gustos y preferencias de los consumidores, incluyendo el cuidado de la salud, la preocupación por el deporte y la mayor preocupación por la apariencia personal. El mercado de belleza ha experimentado una transformación impulsada por la digitalización y las tecnologías emergentes, iniciando con la expansión de sitios web de ciertas marcas que presentaban sus productos por medios digitales (Bakri, 2023). La evolución tecnológica, particularmente en procesos de entrega y experiencias personalizadas, genera habitualidad en la interacción marca-cliente, entregando información valiosa al rastrear continuamente el journey de los usuarios (Lajante et al., 2023). La tecnología está elevando la calidad de los servicios en línea mediante interfaces intuitivas y sistemas inteligentes que hacen más efectivos los procesos de compra (Marinova et al., 2017). Las marcas adoptan tecnologías emergentes como inteligencia artificial, realidad virtual, realidad aumentada y realidad mixta para mejorar la interacción con los canales digitales (Grewal et al., 2020a; Grewal et al., 2020b).
Existe una brecha de conocimiento sobre servicios digitales entre países desarrollados y subdesarrollados como Perú. A pesar de avances digitales, las regiones enfrentan obstáculos en infraestructura tecnológica y adopción de nuevas tecnologías, evidenciando barreras en acceso a internet, asequibilidad, habilidades digitales e infraestructura (Aguilar et al., 2023). Estas tecnologías mejoran la experiencia del cliente mediante recomendaciones personalizadas e interactividad a través de chatbots, inteligencia artificial y realidad aumentada/virtual (Sharma et al., 2023). Las tiendas minoristas lideran la adopción de estas tecnologías para optimizar la experiencia de compra (Grewal et al., 2017; Grewal et al., 2018), aunque en países emergentes las empresas no las aprovechan adecuadamente por limitaciones de recursos o desconocimiento (Gauri et al, 2021).
La seguridad y privacidad son factores primordiales al navegar y comprar en comercio electrónico (Kayapinar, 2021). Los clientes esperan protección de datos personales y financieros, destacando la importancia de seguridad en pagos online (Vakulenko et al., 2019). El consumidor que no se siente seguro tenderá a abandonar el sitio (Kayapinar, 2021). El sector belleza se destaca por combinar aspectos tecnológicos, artísticos y comerciales donde el marketing digital evidencia la relación marca-cliente. Las tiendas físicas integran omnicanalidad para conexiones más personales en el proceso de compra (Alexander et al., 2020; Blázquez, 2014; Fernández et al., 2018; Mosquera et al., 2018). La satisfacción del cliente es fundamental para el éxito empresarial; mientras mayor sea la satisfacción, existe mayor posibilidad de recompra (Park et al., 2019). La interacción consumidor-minorista crea experiencias que agregan valor mejorando la satisfacción y las intenciones de compra (Huré et al., 2017; Molinillo et al., 2020). El objetivo de esta investigación es medir la relación entre los servicios de venta digital, la seguridad y privacidad, la experiencia de compra virtual y la satisfacción del cliente del mercado retail moderno de belleza en Perú, planteando las siguientes hipótesis: H1: Los servicios de venta digital tienen una relación positiva con la seguridad asociada a la privacidad. H2: Los servicios de venta digital tienen una relación positiva con la experiencia de compra virtual. H3: La seguridad y privacidad tiene una relación positiva con la experiencia de compra virtual. H4: La experiencia de compra virtual tiene una relación positiva con la satisfacción del cliente. H5: La seguridad y privacidad tiene una relación positiva con la satisfacción del cliente.
METODOLOGÍA
El presente estudio empleó un enfoque cuantitativo de diseño no experimental, transversal y de alcance correlacional causal. El objetivo metodológico fue analizar la relación entre los servicios de venta digital, la seguridad y privacidad, la experiencia de compra virtual y la satisfacción del cliente en el mercado retail especializado en belleza. Se identificaron las dimensiones de cada variable y se elaboró un cuestionario conformado por 25 preguntas, las cuales fueron medidas mediante la escala de Likert, lo que permitió captar la percepción de los encuestados con mayor precisión. La población estuvo compuesta por 385 personas residentes en Lima Metropolitana que compran productos de belleza a través de medios digitales. La muestra se seleccionó mediante un muestreo aleatorio simple, alcanzando un total de 377 respuestas. El siguiente paso fue realizar el análisis de las respuestas de los cuestionarios y se retiraron algunas respuestas incoherentes o respuestas en blanco, quedando 330 cuestionarios validos que representaría el 86% de la tasa de respuesta. Evidenciando que las personas están interesadas en la investigación.
La identificación de los encuestados se realizó por medio de difusión digital mediante correo electrónico y redes sociales, complementada con la aplicación presencial de encuestas autoadministradas a personas y asegurándonos que tengan la representatividad de la población de estudio. Para asegurar que los participantes cumplieran con los criterios de inclusión se aplicaron los siguientes filtros: que realizo compra de productos de belleza en el último año, que sean mayores de 18 años, que sean residentes de Lima Metropolitana y que sean personas que están dispuestas a participar en el estudio. Con respeto al criterio de exclusión se aplicaron los siguientes filtros: Personas que no han comprado productos de belleza en el último año, menores de 18 años no participan, personas que no residen en Lima Metropolitana y personas que no están dispuestas a participar en el estudio.
La recolección de datos se llevó a cabo durante el mes de septiembre de 2024, utilizando un cuestionario estructurado aplicado en línea a través de Google Forms. El instrumento estuvo compuesto por quince ítems distribuidos entre cuatro variables: servicios de venta digital, seguridad y privacidad, experiencia de compra virtual y satisfacción del cliente, adaptados de Nguyen (2020). Las respuestas se midieron en una escala tipo Likert de cinco puntos (1 = altamente irrelevante a 5 = altamente relevante). El análisis de los datos se realizó utilizando el software SmartPLS 4, aplicando modelamiento de ecuaciones estructurales para evaluar la fiabilidad, validez convergente, discriminante y la capacidad explicativa del modelo estructural propuesto. En lo que respecta a los aspectos éticos, se garantizó la participación voluntaria, anónima y confidencial de todos los encuestados. Incluyendo la declaración de consentimiento informado al inicio del formulario, detallando los objetivos del estudio, la confidencialidad de los datos y la posibilidad de desistir en cualquier momento. Los datos obtenidos solo se utilizarán para fines académicos y se compartirá con los participantes del estudio.
RESULTADOS
En el modelo hay cuatro variables latentes (VL), las cuales son Servicio de venta digital (SVD), seguridad y privacidad (SAP), Experiencia de Compra Virtual (ECV) y satisfacción del cliente (SCL). Estas variables están compuestas por indicadores formativos y reflectivos. En la figura 1 se presenta el modelo de estudio propuesto en el que se emplearon 330 registros.
Validez y fiabilidad del modelo de medida
En la Tabla 1, las cargas laterales y los pesos se muestran en negrita. Se aplicó bootstrapping a 330 entradas para obtener valores p relacionados con cargas y pesos.
Como consecuencia, se examinan las cargas (o correlaciones directas) de los indicadores con cada constructo con el fin de establecer la fiabilidad individual de cada elemento. En relación con el valor que esta prueba debe indicar, sostienen que se admiten valores de,55 (Falk y Miller, 1992). Se empleó el análisis de regresión para determinar el factor de inflación de la varianza (VIF). Se estima que, si los valores del VIF son inferiores a 5 y los niveles de tolerancia exceden los 0,20, se debe asegurar la validez y fiabilidad de las medidas para cada constructo (Hair et al., 2018) La tabla 1 presenta las ponderaciones de los indicadores y las cargas factoriales. Los índices inflacionarios de la varianza de cada elemento VIF ≤ 5. La confiabilidad del indicador es superior o equivalente a 0,70, pero inferior a 0,90 para evidenciar la coherencia interna. En resumen, la validez interna del modelo de medida se encuentra avalada por el Alpha de Cronbach, que debe situarse en un intervalo de,70 a,90 (Hair et al., 2022).
Tabla 1. Fiabilidad del indicador y fiabilidad compuesta
| Variables | Indicador | Cargas factoriales | VIF | AVE | CR | Alpha Cronbach |
|---|---|---|---|---|---|---|
| Experiencia de Compra Virtual | 0.767 | 0.952 | 0.939 | |||
| ECV1 | 0.826 | 2.442 | ||||
| ECV2 | 0.851 | 2.755 | ||||
| ECV3 | 0.912 | 4.174 | ||||
| ECV4 | 0.881 | 3.222 | ||||
| ECV5 | 0.862 | 3.306 | ||||
| ECV6 | 0.918 | 4.559 | ||||
| Seguridad y Privacidad | 0.804 | 0.925 | 0.878 | |||
| SAP1 | 0.891 | 2.357 | ||||
| SAP2 | 0.918 | 2.868 | ||||
| SAP3 | 0.881 | 2.248 | ||||
| Satisfacción del Cliente | 0.563 | 0.911 | 0.888 | |||
| SCL1 | 0.608 | 1.681 | ||||
| SCL2 | 0.732 | 2.234 | ||||
| SCL3 | 0.768 | 2.141 | ||||
| SCL4 | 0.745 | 2.105 | ||||
| SCL5 | 0.748 | 1.93 | ||||
| SCL6 | 0.825 | 2.878 | ||||
| SCL7 | 0.818 | 3.171 | ||||
| SCL8 | 0.736 | 2.266 | ||||
| Servicio de Venta Digital | 0.666 | 0.94 | 0.926 | |||
| SVD1 | 0.776 | 2.24 | ||||
| SVD2 | 0.858 | 3.272 | ||||
| SVD3 | 0.882 | 4.068 | ||||
| SVD4 | 0.863 | 3.712 | ||||
| SVD5 | 0.82 | 2.752 | ||||
| SVD6 | 0.863 | 3.33 | ||||
| SVD7 | 0.852 | 2.93 | ||||
| SVD8 | 0.568 | 1.394 |
Fuente: Elaboración propia (2024)
Las raíces cuadradas de los valores de la varianza media extraída (AVE) se muestran en la diagonal de la Tabla 1, presentadas entre paréntesis y en negrita, mientras que las demás cifras corresponden a las correlaciones entre las variables latentes en sentido vertical y horizontal. Todas las correlaciones son estadísticamente significativas (p < 0,001). La validez discriminante refleja el grado en que los ítems difieren entre constructos, demostrando en qué medida un constructo se distingue de los demás (Martínez y Fierro, 2018). En la tabla 2, los valores de la raíz cuadrada del AVE superan los valores de las correlaciones adyacentes, lo que indica una adecuada validez discriminante en todos los constructos evaluados. Específicamente, para la variable latente experiencia de compra virtual, la raíz cuadrada de la AVE es de 0,876; para seguridad y privacidad, es de 0,897; para satisfacción del cliente, de 0,750; y para servicio de venta virtual, de 0,816. En todos los casos, la raíz cuadrada del AVE es superior a los valores de correlación entre constructos, confirmando la validez discriminante de cada uno de los factores.
Tabla 2. Validez discriminante (criterio de Fornell-Larcker)
| Constructos latentes | ECV | SAP | SCL | SVD |
| ECV | (0.876) | |||
| SAP | 0.633 | (0.897) | ||
| SCL | 0.74 | 0.625 | (0.75) | |
| SVD | 0.683 | 0.691 | 0.614 | (0.816) |
Fuente: Elaboración propia (2024)
Las cargas y pesos se presentan en negrita; los valores de cargas/pesos y cargas/pesos cruzados fueron rotados oblicuamente. Los valores de p se indican como *** p < 0,001 y corresponden a las cargas/pesos obtenidos mediante bootstrapping con 330 muestras, empleando el software SmartPLS 3 (Ringle et al., 2015). En la Tabla 3 se muestran los valores de cada indicador para las variables latentes evaluadas, los cuales alcanzan un umbral de 0,70 o superior, lo que sugiere una adecuada consistencia interna. Para la variable latente experiencia de compra virtual, las cargas de los indicadores son las siguientes: ECV1 = 0,826; ECV2 = 0,852; ECV3 = 0,912; ECV4 = 0,881; y ECV5 = 0,862. La variable latente seguridad y privacidad muestra los valores SAP1 = 0,891; SAP2 = 0,918; y SAP3 = 0,881. En cuanto a la variable satisfacción del cliente, las cargas de los indicadores son SCL1 = 0,608; SCL2 = 0,732; SCL3 = 0,768; SCL4 = 0,745; SCL5 = 0,748; SCL6 = 0,825; y SCL7 = 0,736. Finalmente, para la variable servicio de venta directa, los valores de sus elementos son SVD1 = 0,776; SVD2 = 0,858; SVD3 = 0,882; SVD4 = 0,863; SVD5 = 0,820; SVD6 = 0,863; SVD7 = 0,852; y SVD8 = 0,568.
Tabla 3. Cargas factoriales cruzadas
| Items | ECV | SAP | SCL | SVD |
|---|---|---|---|---|
| ECV1 | 0.826 | 0.572 | 0.652 | 0.581 |
| ECV2 | 0.851 | 0.523 | 0.583 | 0.590 |
| ECV3 | 0.912 | 0.567 | 0.684 | 0.616 |
| ECV4 | 0.881 | 0.581 | 0.659 | 0.615 |
| ECV5 | 0.862 | 0.509 | 0.637 | 0.562 |
| ECV6 | 0.918 | 0.567 | 0.667 | 0.620 |
| SAP1 | 0.540 | 0.891 | 0.574 | 0.648 |
| SAP2 | 0.594 | 0.918 | 0.556 | 0.622 |
| SAP3 | 0.568 | 0.881 | 0.550 | 0.587 |
| SCL1 | 0.484 | 0.454 | 0.608 | 0.416 |
| SCL2 | 0.467 | 0.394 | 0.732 | 0.428 |
| SCL3 | 0.489 | 0.385 | 0.768 | 0.368 |
| SCL4 | 0.517 | 0.386 | 0.745 | 0.422 |
| SCL5 | 0.530 | 0.500 | 0.748 | 0.534 |
| SCL6 | 0.659 | 0.545 | 0.825 | 0.510 |
| SCL7 | 0.676 | 0.508 | 0.818 | 0.509 |
| SCL8 | 0.561 | 0.532 | 0.736 | 0.468 |
| SVD1 | 0.554 | 0.574 | 0.517 | 0.776 |
| SVD2 | 0.600 | 0.583 | 0.528 | 0.858 |
| SVD3 | 0.545 | 0.601 | 0.491 | 0.882 |
| SVD4 | 0.509 | 0.604 | 0.502 | 0.863 |
| SVD5 | 0.599 | 0.576 | 0.517 | 0.820 |
| SVD6 | 0.534 | 0.559 | 0.508 | 0.863 |
| SVD7 | 0.649 | 0.592 | 0.524 | 0.852 |
| SVD8 | 0.440 | 0.387 | 0.412 | 0.568 |
Fuente: Elaboración propia (2024)
Valoración del modelo estructural
La Figura 2 ilustra la capacidad predictiva del modelo mediante los valores de R2, siguiendo el criterio mínimo de 0,10 establecido por Falk y Miller (1992). Los niveles de desempeño predictivo, según Chin (1998), se interpretan como: (a) sustancial si R2 ≥ 0,67, (b) moderado si R2 ≥ 0,33, y (c) débil si R2 ≥ 0,10. En el modelo probado, los resultados indican un desempeño predictivo moderado en las variables latentes clave. Específicamente, se obtuvo un R2 promedio de 0,477 para la variable seguridad y privacidad, 0,516 para experiencia de compra virtual y 0,589 para satisfacción del cliente. Estos valores sugieren que el modelo tiene una adecuada capacidad de explicación sobre los constructos analizados. En particular, los hallazgos reflejan que la implementación de mecanismos de ventas digitales desempeña un rol relevante en la garantía de seguridad y privacidad. Además, las experiencias de compra virtual contribuyen en un 58,9% a la variabilidad en la satisfacción del cliente, subrayando el impacto positivo de estas experiencias en el modelo propuesto.
El valor representa ponderaciones de regresión estándar. Un valor de 0,2 se considera significativo. Se consideró que las puntuaciones previstas eran: (a) 0,67 como sustancial, (b) 0,33 como moderada y (c) 10 como pobre (Chin, 1998). Como se puede observar en la Tabla 4, la relación entre constructos ECV - SCL está en un nivel promedio {0.575***), la relación entre constructos SAP - ECV está en un nivel promedio {0.308***), la relación entre SAP - los constructos SCL es débil {0,260 ***), la relación entre SVD - constructos ECV es moderada {0,470***), la relación entre SVD - SAP es moderada {0,691***), todas las hipótesis muestran que los valores p ≤.05 son estadísticamente significativos por lo que fueron soportados.
Tabla 4. Análisis del modelo estructural (prueba de hipótesis)
| Relaciones hipotéticas | Correlación | t Student | Valores p | Resultado |
|---|---|---|---|---|
| H1: SVD -> SAP | 0.691 | 20.801 | 0 | Soportada |
| H2: SVD -> ECV | 0.47 | 7.871 | 0 | Soportada |
| H3: SAP -> ECV | 0.308 | 4.74 | 0 | Soportada |
| H4: ECV -> SCL | 0.575 | 9.881 | 0 | Soportada |
| H5: SAP -> SCL | 0.26 | 4.78 | 0 | Soportada |
Fuente: Elaboración propia (2024)
DISCUSIÓN
El análisis de los resultados asociados a la H1 revela una relación sólida y estadísticamente significativa entre los servicios de venta digital y la percepción de seguridad y privacidad del consumidor, evidenciada por un coeficiente de correlación de 0.691. Esta robustez empírica permite afirmar que la consolidación de plataformas digitales en el comercio minorista no solo impulsa la eficiencia transaccional, sino que erige la seguridad y privacidad como pilares fundamentales de la confianza del usuario. Esta perspectiva encuentra respaldada en Nguyen (2020), quien documenta que, pese a un coeficiente menor (0.18) en la correlación entre servicios digitales y satisfacción, la dirección de la relación resalta la centralidad de la protección al consumidor en entornos virtuales. Así mismo, Kayapinar (2021) subraya que la insuficiencia en mecanismos de resguardo de datos puede derivar en el abandono de la plataforma, posicionando la privacidad como un componente inherente a la experiencia digital contemporánea. La articulación de normativas claras y de tecnologías emergentes responde así a las exigencias de un consumidor cada vez más consciente de los riesgos en la gestión de datos personales, especialmente en contextos como el peruano, donde la confianza digital configura la diferenciación competitiva.
El análisis confirma la hipótesis H2 se respalda mediante un coeficiente de correlación de 0.470, lo cual subraya la robustez de la relación positiva entre los servicios de venta digital y la experiencia de compra virtual. Esta tendencia es coherente con los hallazgos de Ameen et al. (2021), quienes evidencian que la confianza y la conveniencia facilitadas por la Inteligencia Artificial en entornos digitales generan relaciones significativamente fuertes reportando un coeficiente de 0.64 para estos factores. De esta forma, la integración de tecnologías emergentes en los procesos de pago, logística y comunicación se revela como un recurso estratégico para mitigar percepciones de riesgo y maximizar la satisfacción del consumidor, aspecto especialmente relevante en el mercado minorista peruano, donde la evidencia sugiere que la interoperabilidad y la calidad de la experiencia de usuario influyen decisivamente en la adopción de pagos digitales.
La hipótesis H3, que examina la relación entre seguridad, privacidad y experiencia de compra virtual, queda validada con un coeficiente de correlación de 0.308, en línea con Nguyen (2020), quien reporta una asociación de 0.53 entre satisfacción y seguridad percibida en la compra online. Los hallazgos refuerzan que la protección de datos y la facilidad de uso son prerrequisitos para una experiencia satisfactoria, especialmente en entornos donde la vulnerabilidad frente a fraudes y filtraciones de datos sigue siendo patente. La literatura subraya la relevancia de la omnicanalidad como mecanismo para fortalecer la seguridad perceptual del usuario, proporcionando un entorno más confiable y familiar, y elevando así la confianza y la satisfacción del cliente en el sector minorista.
La Hipótesis H4, el análisis muestra que la experiencia de compra virtual mantiene una relación positiva con la satisfacción del cliente, exhibiendo una correspondencia significativa (coeficiente de 0.575), semejante a lo reportado por Nguyen (2020), aunque en un contexto diferente. Grewal et al. (2017) amplían este enfoque, destacando el potencial transformador de tecnologías como inteligencia artificial y realidad aumentada para optimizar la interacción, fortalecer el vínculo emocional con la marca y potenciar la recompra, ayudando a superar las limitaciones propias de cada canal de venta y facilitando una experiencia continua y personalizada. No obstante, la implementación de estas tecnologías en sectores como el de belleza aún es incipiente en Perú, por lo que se vuelve esencial preparar a los consumidores y mejorar los canales de acompañamiento.
Finalmente, la confirmación de la H5 muestra que la percepción de seguridad y privacidad también impacta de manera positiva y significativa en la satisfacción del cliente (coeficiente de 0.26), consistente con la evidencia de Nguyen (2020). Así, la integración adecuada de canales digitales y físicos contribuye no solo a elevar la percepción de seguridad, sino que también facilita la fidelización y mejora integral de la experiencia de compra. En el caso peruano, el desafío de reducir la desconfianza vía estrategias como asistentes virtuales y pasarelas de pagos seguras es central para robustecer la satisfacción y confianza del consumidor digital.
Para finalizar, los resultados no solo corroboran las hipótesis propuestas, sino que refuerzan la necesidad de una estrategia integral centrada en la confianza, la seguridad y la adopción tecnológica progresiva para potenciar la experiencia de compra virtual en contextos emergentes y particularmente sensibles a estos desafíos.
Esta investigación examina la relación existente entre los servicios de venta digital, la seguridad y privacidad, la experiencia de compra virtual, y la satisfacción dentro del mercado de productos de belleza. El modelo aplicado confirma la importancia de la adopción adecuada de las tecnologías emergentes en el plan estratégico de las tiendas minoristas para continuar creciendo en el mercado competitivo. Desde un enfoque práctico, esta investigación confirma que la compra realizada por medio de una plataforma virtual segura y fácil de usar aporta confiabilidad en los clientes y permite construir una experiencia positiva de la marca.
Como sugerencia para investigaciones futuras, se sugiere realizar una investigación estratificada tomando de referencia un país emergente. Así mismo, se podría considerar una mayor cantidad de personas que participen en el estudio debido a que en algunas ocasiones no se ha obtenido respuesta en algunas personas seleccionadas. Además, como la presente investigación tuvo un enfoque transversal se sugiere replicar en un futuro ante el cambio de los hábitos de compra tras la implementación de tecnologías avanzadas, como la realidad aumentada y la inteligencia artificial. Por otro lado, esta investigación puede aplicarse posteriormente en un sector diferente al de belleza, donde influyen las tecnologías emergentes y puedan surgir nuevas perspectivas sobre la metodología experiencia, y satisfacción del cliente dentro de las plataformas digitales.
