อิทธิพลของระบบแนะนำสินค้าอัตโนมัติที่มีต่อการยอมรับและความตั้งใจในการใช้งาน สำหรับผลิตภัณฑ์ OTOP บนแพลตฟอร์มอีคอมเมิร์ซ

Suwan  Detnoi; Wisan  Phuchong; Sirinthorn Eapsirimetee

Authors

Suwan Detnoi Doctor of Business Administration, Nakhonratchasima College
Wisan Phuchong Doctor of Business Administration, Nakhonratchasima College
Sirinthorn Eapsirimetee Doctor of Business Administration, Nakhonratchasima College https://orcid.org/0009-0004-5968-5574

Keywords:

Acceptance, User Intention, Recommendation Systems, OTOP Products

Abstract

This research aims 1) to examine consumers’ perceptions of automated recommendation systems for OTOP products on e-commerce platforms, and 2) to investigate the influence of these systems on user acceptance and intention to use them. The sample group consisted of 400 consumers in Nakhon Ratchasima province who had previously purchased products through e-commerce platforms. Convenience sampling method was employed. The research instrument was a questionnaire, with a Cronbach's alpha coefficient of 0.929. The data was collected online and analyzed using statistical software. The data were analyzed using descriptive statistics (mean, standard deviation) and multiple regression analysis with all variables included. The findings revealed that consumers generally held positive perceptions of automated recommendation systems, with reliability being the most important factor, followed by risk acceptance, trust, and perceived benefits, in that order. The regrssion analysis indicated that risk acceptance (X4) exerted that strongest influence on system acceptance and intention to use (Y), followed by trust (X2), reliability (X1), and perceived benefits (X3), respectively. All factors had a statistically significant influence at the .01 level. Collectively, these factors explained 58.4% of the variance in user acceptance and intention to use (Adjusted R2 = 0.584), reflecting that building trust and reducing risk in use are key mechanisms for driving the success of product recommendation systems for community products on digital platforms.

References

กรมการพัฒนาชุมชน. (2562). รายงานผลการดำเนินงานโครงการยกระดับผลิตภัณฑ์ OTOP และการบริหารจัดการชุมชนสู่ความยั่งยืนประจำปีงบประมาณ พ.ศ. 2562. กระทรวงมหาดไทย.

กัลยารัตน์ หัสโรค์. (2564). กลยุทธ์การตลาดออนไลน์ที่มีอิทธิพลต่อความสำเร็จของวิสาหกิจชุมชน.

[วิทยานิพนธ์ปริญญาดุษฎีบัณฑิต]. มหาวิทยาลัยมหาสารคาม.

จตุพร ศิลพรชัย, สุนีย์ วรรณสุข, และ ณัฐพงศ์ วงศ์คำ. (2568). การพัฒนาระบบอีคอมเมิร์ซเพื่อเพิ่มศักยภาพการจัดการสินค้า OTOP: กรณีศึกษาจังหวัดแม่ฮ่องสอน. วารสารเทคโนโลยีและนวัตกรรม มหาวิทยาลัยราชภัฏอุตรดิตถ์, 8(1), 21–31.

https://ph03.tci-thaijo.org/index.php/JTI_URU/article/view/3812/2975

พระศุภกร มหาวีโร และ บุญฑวรรณ วิงวอน. (2566). อิทธิพลของการรับรู้คุณภาพบริการทางอิเล็กทรอนิกส์ ความไว้วางใจทางเล็กทรอนิกส์และการยอมรับเทคโนโลยีที่มีผลต่อการตัดสินใจในการบริจาคเงินให้วัดของประชาชน ผ่านระบบบริจาคอิเล็กทรอนิกส์ อำเภอเมืองลําปาง จังหวัดลําปาง. วารสารวิทยาการจัดการ มหาวิทยาลัยราชภัฏพิบูลสงคราม, 5(1), 114–128. https://so03.tci-thaijo.org/index.php/jmspsru/article/view/264683

วิเลิศ ภูริวัชร. (2562, 7 มกราคม). การตลาดออนไลน์ปี 2562. รู้ลึกกับจุฬาฯ. https://www.chula.ac.th/cuinside/15785/

ศรัญวุฒิ มุ่งมีสกุล. (2565). การตัดสินใจซื้อผลิตภัณฑ์หนึ่งตำบล หนึ่งผลิตภัณฑ์ (โอทอป) ประเภทอาหารผ่านการตลาดแบบผสมผสานช่องทางของผู้บริโภคกลุ่มเจนเนอเรชั่นวายภายใต้ยุคปกติ. [วิทยานิพนธ์ปริญญามหาบัณฑิต]. มหาวิทยาลัยเทคโนโลยีราชมงคลธัญบุรี.

สำนักงานนโยบายและยุทธศาสตร์การค้า. (2567). รายงานการศึกษาแนวทางการส่งเสริมสินค้าโอทอป (OTOP). กระทรวงพาณิชย์.

สำนักงานพัฒนาธุรกรรมทางอิเล็กทรอนิกส์. (2562). โอกาสผู้ประกอบการไทยในตลาด อี-คอมเมิร์ซ 2020. โพสต์ทูเดย์. https://www.posttoday.com/economy/news/603740

Black, K. (2006). Business statistics for contemporary decision making. New York: John Wiley & Sons.

Cochran, W. G. (1977). Sampling techniques (3rd ed.). John Wiley & Sons.

Cronbach, L. (1990). Essentials of psychological testing (5th ed.). Harper.

Datawow. (2024, August 8). Recommendation system คือ? ตัวช่วยที่ธุรกิจ E-commerce ห้ามพลาด!. https://www.datawow.co.th/th/blogs/what-is-recommendation-system

Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 318–339.

Gubkin, A. (2023, February 28). What are recommender systems? Use cases, types, and techniques. Coralogix. https://coralogix.com/ai-blog/what-are-recommender-systems-use-cases-types-and-techniques/

Hair, J. F., Black, W. C., Babin, B. J. and Anderson, R. E. (2010). Multivariate data analysis (7th ed.). Pearson.

Lai, V. S. and Li, H. (2005). Technology acceptance model for internet banking: An invariance analysis. Information and Management, 42(2), 373–386.

Slovic, P. (2002). Risk analysis and risk management. CRC Press.

Wang, Y., Liu, S., Li, S., Duan, J., Hou, Z., Yu, J. and Ma, K. (2019). Stacking-based ensemble learning of self-media data for marketing intention detection. Future Internet, 11(155), 452–461.