7

1. Introducción

1.1.Nuevos medios, viejos propósitos

La eficacia de la comunicación publicitaria responde al grado de consecución de los objetivos marcados que guían la estrategia de la acción. A este respecto, los objetivos de la publicidad son de naturaleza comunicacional pero, si tienen finalidad comercial, la acción diseñada deberá responder a los propósitos del plan comercial. De hecho, la relación entre la publicidad y el mercado se trata profusamente en la investigación de la segunda mitad del siglo XX centrada en la eficacia publicitaria, en general, y en la planificación de medios publicitarios, en particular. Este corpus de conocimiento, basado en la observación y en la experiencia, se forma años antes del advenimiento de internet pero ya se origina en estrecha relación con las posibilidades que ofrecen los medios de comunicación.

Los primeros estudios buscan un modelo que permita cuantificar la repercusión del esfuerzo publicitario realizado por una marca en su cuota de mercado. La relación es directa debido, entre otros aspectos, al ecosistema mediático de los 60. La asociación lineal –a mayor inversión, mayor cuota (Lamas, 1999)– se empezó a complicar, aunque el enfoque de la publicidad como instrumento del marketing continúa en estudios posteriores. Así, una de las controversias se ubica en la decisión sobre el número de impactos del mensaje publicitario necesario y el momento preciso para conseguir una respuesta. Dicha respuesta se mide en términos de recuerdo del mensaje, pero observando también las ventas del producto. Así, el modelo STAS (Short-Term Advertising Strength) expuesto por Jones (1995) y Ephron (1995) defiende el efecto de un solo contacto cuando se consigue llegar al público en el momento adecuado; en concreto, cuando debe decidir qué marca adquirir. Desde esta óptica, conseguir una venta es el resultado de una estrategia de comunicación apropiada que ha tenido en cuenta la mayor parte de los condicionantes posibles y, sobre todo, el momento en el que surge la necesidad o la oportunidad; para lo que se precisa un profundo conocimiento del consumidor y de su relación con los medios.

Pocos años después, Rodgers y Thorson (2000) publican el Modelo de Publicidad Interactiva (IAM, Interactive Advertising Model) que presenta una concepción de publicidad online muy próxima al modelo actual de la publicidad integrada. Las autoras consideran que internet, como medio convergente, requiere un modelo de procesamiento también integrado y, a su vez, específico. El IAM se aproxima al estudio del comportamiento de la audiencia online desde un planteamiento funcional al que se le suma el paradigma del procesamiento de la información por parte de los usuarios. De esta forma, detectar las posibles utilidades que ofrece internet, como la compra online, es central para este modelo porque ayuda a comprender las diferentes razones por las cuales los usuarios podrían acudir al medio. Según el IAM, la comunicación publicitaria sería el catalizador entre el propósito que tiene el usuario cuando decide visitar el medio digital y la venta efectiva.

A este respecto, el enfoque del efecto a corto plazo, defendido por algunos estudios sobre la eficacia de la publicidad de finales del siglo XX (Autor, año), se detecta con cierta facilidad entre las campañas digitales actuales que persiguen una respuesta directa y utilizan conversiones para conocer el grado de efectividad de las acciones. Si bien la eficacia en ventas forma parte del plan comercial; especialmente cuando se utiliza el medio online, son multitud los aspectos comunicacionales que intervienen, como muestra el embudo de conversiones (Strauss y Frost, 2014). En él, la esencia del modelo es el usuario, pues cobra sentido si se pone el foco en su comportamiento y en la relación con el medio digital.

Internet y los avances tecnológicos relacionados suponen una revolución para la comunicación publicitaria (Solana, 2010). Tras más de quince años, la revisión de la IAM recoge la gran capacidad de transformación que posee el medio digital sobre los elementos clave de la publicidad (Rodgers y Thorson, 2017). De una parte, el contenido puede viajar modificándose continuamente. De otra, el ecosistema actual cambia por las innovaciones tecnológicas creando, de esta forma, una estructura de canales también dinámica. Como consecuencia, las estrategias son plurales, basadas en el modelo POES (paid, owned, earned, social media) o en el modelo de los medios extensibles (Green y Jenkins, 2011) que atienden a la posibilidad de que los usuarios participen en la elaboración y modificación de los mensajes, creando valor. Internet eleva, así, las oportunidades de contactar con la población y, también, multiplica los efectos que produce la comunicación publicitaria, algunos de los cuales quedan fuera del control de la marca. Como contrapartida a esta falta de control, el digital promete niveles de medición sin parangón; aspecto especialmente útil para el estudio de los públicos y, por tanto, para el diseño y la evaluación de las estrategias.

En consecuencia, las nuevas tecnologías consiguen desplazar las antiguas respuestas sobre la eficacia y, en su lugar, estimula la construcción de una teoría de la publicidad digital que enfatiza su carácter comunicacional, interactivo y dinámico. La comunicación publicitaria digital actual acompaña al usuario, cuidando su experiencia con el medio, averiguando las motivaciones, los puntos de contacto y teniendo presente su estado emocional.

En este contexto, la capacidad de respuesta de la investigación y la planificación publicitaria de los medios de comunicación es clave para la industria publicitaria y para los medios de comunicación. En España, en el sector de las agencias de medios, empresas que asumen funciones de investigación y planificación, solo 20 firmas gestionan más del 75% de la inversión publicitaria. La inversión de medios total representa un 1,06% del PIB (Infoadex, 2019).

La investigación, estrategia y planificación de los medios publicitarios está cambiando aunque los planes de medios siguen estimando la cobertura (personas a las que se llega con la acción realizada), la frecuencia de impactos (las veces que se llega) y la rentabilidad (el coste al que se llega). Son tres pilares fundamentales para el diseño de las estrategias de medios en publicidad, de los planes y para la evaluación de las acciones llevadas a cabo. Todo ello tiene un origen común: la correcta identificación de público objetivo, para la que es precisa la investigación. En el caso de la planificación de medios esta definición sigue siendo operativa, es decir, ajustada a las fuentes de información, en la que destacan los rasgos demográficos y socioeconómicos de la población y se pregunta por la frecuencia de contacto con el canal, a la espera de la irrupción de modelos más innovadores de captura y gestión de datos masivos.

En este punto, es preciso reflexionar sobre la relación que la población establece con el medio digital, más allá de la identificación de sus principales características y frecuencia de exposición a los medios. La frecuencia de uso es una variable que refleja un hábito crucial para la planificación, al permitir estimar la probabilidad de exposición; pero otras variables, que pudieran ser consideradas afectivas, pueden estar interviniendo en la eficacia de la acción comunicativa (Kelley, Jugenheimer y Sheehan, 2015). En concreto, crear un entorno de confianza es decisivo para establecer una comunicación efectiva (e.g. Bleier y Eisenbeiss, 2015) en los nuevos medios; con, en definitiva, la misma finalidad comercial (Urban, Sultan y Quails, 2000; Kumar y Gupta, 2016).

Este estudio se ubica entre las propuestas que exploran otros marcos para la investigación y planificación de medios publicitarios, que contribuyan a elaborar un encuadre teórico desde diferentes ópticas en esta disciplina, profundizando en la relación que establece la población con las tecnologías digitales.

1.2. A falta de un clic. De usuarios a compradores

Desde el marco de la IAM, la compra online formaría parte del conjunto de los posibles usos que ofrece el medio digital, que explicarían la frecuencia de contacto con Internet, y en los que también intervienen un conjunto de condicionantes relevantes que ayudan a comprender la presencia de ciertos perfiles en este medio; información clave para las estrategias digitales.

De igual forma, desde la óptica de las competencias digitales, la compra online podría incorporarse como uno de sus posibles usos para su medición tomando como referencia el marco europeo Digcomp2.0. (Vuorikari, Punie, Carretero y Van den Brande, 2016), de acuerdo con un estudio previo (autor, año). El modelo citado contribuye, desde la óptica de las competencias, al estudio de las brechas digitales.

En este sentido, existe un conjunto de factores externos que influye en el acceso al medio y, por tanto, al uso del servicio. Algunos son de orden primario, como es disponer de un dispositivo con conexión a internet, y otros responden a aspectos que pudieran favorecer la frecuencia de uso al centrarse en elementos clave de la comunicación. Por ejemplo, la imagen que el consumidor tiene de la empresa es crucial para confiar en el servicio ofrecido y, además, puede verse condicionado, de forma indirecta, por las redes sociales (Higueras, Alard y Mercado, 2016). La accesibilidad/usabilidad de las webs o la oferta de contenidos atractivos y comprensibles también son elementos a tener en cuenta (Wagner, Hassanein y Head, 2014) que estarían relacionados con la comunicación digital. Hay otros rasgos específicos por servicio ofrecido que emergen cuando son observados atendiendo a la edad. Por ejemplo, para la compra online, destacan las ventajas del producto, los descuentos o la veracidad de los servicios para realizar la transacción en edades maduras (e.g. Kwon y Noh, 2010; Kuo, Fu y Hsu, 2013). En estos grupos, las TIC pueden contribuir a elevar la calidad de vida de la población, al facilitar el acceso a servicios sociales (e.g. Czaja y Sharit, 2009; Cresci, Yarandi y Morrell, 2010) o la realización de las tareas de la vida cotidiana (e.g. compra de alimentos, ropa, gestiones bancarias) (Aldridge, 2009). Otras investigaciones centradas en la compra online, observan diferencias significativas intragrupo por sexo, estudios y media de edad, según servicio utilizado entre los mayores de 59 años que participaban en una determinada oferta educativa en España (e. g. Peral-Peral, Arenas-Gaitán y Ramón-Jerónimo, 2013).

Los estudios centrados en el usuario y consumidor online suelen incorporar características demográficas y socioeconómicas, tales como la edad, el sexo, el nivel educativo, los ingresos y la situación laboral, pero otras propuestas también introducen procesos cognitivos y condicionantes afectivos, como puede ser la confianza (Martínez, Ortigueira y Pérez, 2006) sin olvidar la actitud ante el medio.

Las investigaciones que se sitúan en el modelo de aceptación tecnológica asumen, asimismo, una estrecha relación entre la intención del uso de la tecnología con la utilización real de la misma (Bagozzi y Davis, 1992). Según este modelo, la intención de uso quedaría explicada por la percepción de su utilidad y, de nuevo, la facilidad de su manejo, proporcionando un marco para predecir conductas basándose en la intención de llevarlas a cabo.

A este respecto, partir de las generaciones digitales puede ayudar a comprender la predisposición al uso de la tecnología de la población. Las generaciones nacidas antes de 1964 (Pew Research Center, 2018), conocidas como Boomers (BB) y Silent, supuestamente son, en muchos aspectos, antagónicas a las generaciones nativas, nacidas después de 1980 (Prensky, 2001), pues la experiencia de los jóvenes con la tecnología favorece la adopción de los entornos digitales en su vida cotidiana hasta el punto de atribuirles, como generación, una gran capacidad de transformación de los procesos productivos (S.W. Ng y Parry, 2016).

En cualquier caso, en España, se observa una tendencia creciente en el uso de internet en todos los grupos etarios, tanto en la frecuencia (con alguna excepción ) como en la compra online (gráfica 1 y 2).

8

9

Gráfico 1. Evolución del porcentaje de personas según frecuencia de uso diaria por grupo de edad.

Fuente: Elaboración propia a partir de los datos del INE (2019).

10

En cuanto al perfil del comprador, el último informe del Observatorio Nacional de las Telecomunicaciones y de la Sociedad de la Informació (ONTSI, 2019) lo sitúa en las poblaciones de 35 a 44 años, con niveles de estudios superiores e ingresos en el hogar entre 900 y 2.500 euros. Suelen tener una ocupación remunerada. En este último informe, por primera vez, se aprecia una leve proporción a favor de la población femenina (52%). El perfil del comprador, dos años antes, estaba formado por las edades entre 35 y 49 (aunque se detectaba un aumento en el grupo de 25 a 34 años), hombres, con estudios principalmente universitarios y clases sociales media alta y alta (ONTSI, 2017). Estos datos apuntan a la necesidad de profundizar en el análisis conjunto de otras variables y en las diferencias inter e intrageneracionales.

La edad también aparece en los estudios especializados como un factor relevante en el perfil de la población que no realiza la acción (e. g. Iglesias-Pradas, Pascual-Miguel, Hernández-García y Chaparro-Peláez, 2013). En los informes mencionados (ONTSI, 2017, 2019) se observa que los no compradores son más mayores, aunque se advierten diferencias en el nivel de estudios y en el sexo. De nuevo, la falta de confianza en el medio, por no considerarse el medio de pago suficientemente seguro, parece ser la principal razón (ONTSI, 2017).

En consecuencia, a la luz de lo expuesto, este estudio propone explorar los efectos de las variables de relación y otras características básicas, demográficas y socioeconómicas, de la población usuaria de Internet en España, sobre una acción específica (la compra online), que representaría el objetivo clásico de la comunicación comercial. La aproximación de esta investigación se realiza, en particular, desde el marco de la eficacia de la planificación de medios, situándose en la primera fase, es decir, en la de investigación de audiencias, al ser necesaria para tomar decisiones adecuadas en etapas posteriores. En concreto, persigue:

1. Conocer la capacidad explicativa sobre la acción (compra online) de las seis variables: frecuencia de uso y confianza con el medio, como variables de hábito y componente afectivo, y sexo, edad, nivel de estudios y situación laboral de los usuarios españoles, como variables clásicas de segmentación.
2. Observar y comparar el efecto de las características anteriores por género de la población española usuaria y por generaciones digitales (Y, X y BB).
3. Estimar la capacidad predictiva del modelo como punto de partida para otros estudios.

2. Material y métodos

Se propuso un estudio de carácter exploratorio, dada su pretensión por conocer la relación que se establece entre una serie de variables clásicas en la definición del público de medios, la frecuencia y la confianza, cuya observación quedaría justificada por los resultados aportados en los informes y estudios revisados.

A este respecto, si bien la confianza relacionada tanto con la compra digital como con los medios es un constructo multidimensional (Kim y Peterson, 2017; Kohring y Matthes, 2017) se encuentran investigaciones que incorporan una medición más sencilla al analizar la confianza con el medio publicitario (Soh, Reid y King, 2007). Este estudio aborda la misma desde esta última aproximación.

Se utilizó la Encuesta anual sobre Equipamiento y Uso de Tecnologías de Información y Comunicación de 2017 (TIC-H’17) del Instituto Nacional de Estadística (INE). Se pretendió profundizar en la relación de la población con el medio digital contribuyendo, desde otra óptica, a la medición de las competencias digitales de las últimas generaciones (autor, año), dando continuidad a un proyecto iniciado con anterioridad.

Esta investigación se centró en las respuestas proporcionadas por los miembros de los hogares de entre 21 y 71 años, por pertenecer a las generaciones Y, X y BB, que afirmaban haber accedido a internet, al menos, una vez en los últimos tres meses anteriores a la encuesta (n= 10.696).

2.1. Características relacionadas con el medio

Se incluyó la frecuencia de uso de la pregunta 17 (P17) en su forma dicotómica para diferenciar a los usuarios intensivos (0. menos de 5 días/semana, 1.al menos 5 días/semana). La confianza se extrajo de la P13 también recodificada en dos valores (0. Poco o nada, 1. Bastante y Mucho). La compra online se midió a través de la P34: “¿Ha comprado algún producto o servicio a través de Internet?” (INE, 2017b: p.18) (0. No, 1. Sí).

2.2. Características demográficas y socioeconómicas

Se observaron las siguientes variables: Edad (21-36, 37-52, 53-71), sexo (1. Mujer, 0. Hombre), estudios terminados (1. Sin estudios, educación primaria y primera etapa de educación secundaria-<2ES-, 2. Segunda etapa de educación secundaria, enseñanza post-secundaria no superior y formación profesional de grado superior-2ESyS-, 3. Enseñanza universitaria–EU-), situación profesional (1. Trabajando, 2. Jubilado, 3. Labores del hogar, 4. Otra situación) e ingresos netos mensuales del hogar (1. <900e, 2. 901-1600e, 3. 1601-2500e, 4. > 2500e).

En cuanto a la edad, la encuesta recogía el año declarado. Para este análisis fueron eliminados los casos de los extremos haciéndolos coincidir con la generación digital más joven y más madura. A este respecto, el marco de las generaciones digitales ofrece “una herramienta para analizar los cambios en las perspectivas a lo largo del tiempo” (Dimock, 2018, s.p.), por lo que enriquece el análisis. Como se puede apreciar, las respuestas del nivel educativo fueron agrupadas para tener suficiente frecuencia. Se definieron cuatro categorías para la situación laboral y los dos niveles de ingresos más altos se agregaron. Los cierres “ns/nc” se consideraron valores perdidos.

2.3. Análisis estadísticos aplicados

En primer lugar se aplicaron análisis bivariables utilizando la prueba chi-cuadrado de Pearson para conocer la independencia de las variables de relación con el medio, las demográficas y socioeconómicas con la compra online. Todos los resultados ofrecieron niveles significativos (p<0,001). Se procedió de igual forma con la confianza, la frecuencia y las variables demográficas y socioeconómicas, entre sí. Todos los niveles de significación fueron muy altos (p<0,001) excepto entre el sexo y la confianza, y el sexo y la frecuencia de uso (p=0,006 y p=0,034, respectivamente). Las demográficas mostraron un reparto muy similar y no concluyeron en niveles de independencia.

Se aplicó el análisis de regresión logística binaria (modelo Logit) “por pasos hacia adelante” (condicional), para conocer la probabilidad de compra online (variable dependiente) por cada una de las variables restantes, que actuaron como independientes. Las categorías de referencia en las nominales y ordinales fueron: grupo de 53-71, nivel universitario, ingresos >2500 euros y situación “trabajando”.

Se calcularon los principales valores entre los que destacan los Odds Ratio (OR) (e.g. López-Roldán y Fachelli, 2015), que indican la asociación entre las variables predictoras y la dependiente. Este análisis se aplicó al total de la población, por mujeres y hombres y por grupo de edad. Para estos tres últimos casos, se observó también la edad sin agrupar, en su forma continua. Para el modelo se solicitó la tabla de clasificación y, como estadísticos de bondad de ajuste, el indicador de Hormer-Lemeshow y la R2 de Nagelkerke. Todos los cálculos se realizaron con el programa estadístico SPSS.

3. Resultados

3.1. Capacidad explicativa y predictiva de los rasgos seleccionados

Los resultados de la regresión logística mostraron que todas las variables tenían un efecto significativo sobre la acción de comprar (tabla 1). Entre ellas destacaba el grupo de edad más joven con un efecto sobre la misma de OR21-36 = 3,789 (IC95%= 3,187-4,505) en comparación con la generación más madura. A este respecto, el grupo de la generación X también concluía en un efecto alto y positivo.

Las variables relacionadas con el medio digital destacaron por encima de “ser mujer” (ORfrec>4v = 2,709, IC95%= 2,382-3,081 y ORconfianza = 2,379, IC95%= 2,130-2,658).

Además, los niveles de estudios inferiores a universitarios mostraban una asociación negativa con la compra online al igual como los ingresos. Un comportamiento similar se observa en las situaciones laborales distintas a estar “trabajando”.

Gráfico 2. Evolución del porcentaje de personas según compra online por grupo de edad.

Fuente: Elaboración propia a partir de los datos del INE (2019).

11

12

Tabla 1. Estimadores del análisis de regresión logística (modelo último paso)

Nota: *p=<0,05, **p<0,001

Fuente: Datos del SPSS a partir de TIC-H’17

13

Anotaciones: (1) El valor de corte es 0,500. Se considera mejor cuanto más cerca esté el % correcto de 100%. (2) El modelo ajusta si la significación es mayor o igual a 0,05. Código: T. Todos; M. Mujeres; H. Hombres; ES. Estudios; F. Frecuencia; GE. Grupo edad; C. Confianza; I. Ingresos; SL. Situación laboral; S. Sexo.

Fuente: Datos del SPSS a partir de TIC-H’17

Los datos que proporcionan información sobre la validez del modelo en su conjunto se recogen en la tabla 2. En el paso siete, la especificidad estaba cerca del 50% (56,8%) aunque la sensibilidad era muy alta (87,8%), lo que conducía a un porcentaje global del 72,2%. El modelo ofrecía una R2 de Nagelkerke del 0,377, por lo que logra explicar cerca del 40% de la variabilidad de la dependiente y la Hosmer-Lemeshow también muestra valores por encima del límite. El modelo, en su conjunto, es aceptable aunque tiene limitaciones para predecir la conducta de los no compradores.

El método “por pasos hacia adelante” desveló el orden de las variables según su contribución al modelo (tabla 2). La primera variable introducida fue el nivel de estudios, luego la frecuencia, los grupos de edad, la confianza, los ingresos, la situación laboral y, por último, ser mujer. Aunque se aprecia en todos los estadísticos que la variable sexo es significativa, su aporte al modelo no es relevante.

De hecho, se observó que la operación ofrecía un modelo en el cuarto paso que superaba el 75% en su porcentaje corregido, con tan sólo cuatro variables incluidas. Los estadísticos calculados mostraron, comparativamente, mejores resultados sin la última variable. El principio de parsimonia cuestionaría, así, la introducción de la situación laboral y los ingresos.

Tabla 2. Ajuste de los modelos toda la población y por sexo

14

3.2. Análisis por mujeres y hombres

Con respecto a las mujeres, los resultados demostraron posibles efectos indirectos entre el sexo y la situación laboral (tabla 1).

La situación “Trabajo del Hogar” perdió significación en el análisis aplicado en el grupo de mujeres (p=0,888). Los ingresos del hogar entre 1.601 y 2.500 mostraron una leve reducción de su capacidad explicativa (p=0,026). En esta ocasión, además, el orden de las variables se alteró sutilmente: nivel de estudios, frecuencia, confianza, edad, ingresos y situación laboral. La confianza entró en tercer lugar.

El resumen de los indicadores mostró una R2 de Nagelkerke de 0,362 y la prueba de Hosmer y Lemeshow concluyó en 0,101. Si se observan los porcentajes correctos del paso seis, el global del modelo fue bastante elevado (77,9%), con sensibilidad alta (89%) (tabla 2). Al tener en cuenta los datos en su conjunto, el modelo óptimo para las mujeres contendría todas las variables seleccionadas.

Con respecto a los hombres, se apreciaron similitudes con las mujeres, tales como la dirección de la asociación de cada variable predictora con la dependiente en 11 de las 12, pero también diferencias. La situación “Trabajo del Hogar” mostró una relación negativa con la probabilidad de compra y significativa en los hombres. Además, los ingresos intermedios perdían significación en este caso (p=0,94). Los ODD ratios de todos los grupos de edad eran mayores en los hombres, aunque la intensidad en la frecuencia de uso de internet tenía menor fuerza en ellos (tabla 1).

En cuanto al modelo, el orden de entrada de las variables a la ecuación fue distinto, a saber: estudios, edad, confianza, frecuencia, situación laboral e ingresos. Los porcentajes y la R2 ofrecían pocas diferencias entre el quinto y el sexto paso (tabla 2). El paso seis presentaba el mejor modelo para los hombres.

3.3. Aproximación a las generaciones. Selección de Modelos

El análisis de la edad mostró diferencias y similitudes inter e intragrupo. En esta ocasión, se optó por incluir los datos del modelo considerado óptimo en la tabla 3 (en el encabezado).

La variable sexo no aparecía en la ecuación en las edades más jóvenes. Los ingresos y la edad fueron incluidos en el modelo tras el cuarto paso, por lo que no aparecen en la tabla 3. De hecho, el modelo que incorporaba los ingresos (paso seis) tenían una asociación negativa con la compra online y la franja intermedia-alta (1.601-2.500) perdía significación (p=0,270). La edad también actuaba de forma negativa con un OREdad = 0,947 (IC95%= 0,919-0,975) en este último modelo. Como era de esperar, la situación “Trabajo del Hogar” tampoco fue significativa para el grupo más joven (p=0,127) y el estatus de “Jubilado” no procedía.

La variable “sexo” tampoco contribuía de forma relevante al modelo del segundo perfil (37-52 años) aunque sí fue incorporada en el último paso (tabla 4). La generación intermedia incluyó el sexo con un ORsexo=1,259 (IC95%= 1,065 - 1,488). Pierde significación el item “Jubilado” (p=397) y el nivel de ingresos de 1.601 a 2.500 euros (p=0,070). El “Trabajo del Hogar” reduce su valor en el paso seis (p=0,54) (tabla 4).

Finalmente, el estudio de las pruebas sobre el modelo llevaría a seleccionar el último de los siete. La situación laboral no es significativa ni en “Jubilado” (p=0,901 ), ni en “Otros” (p=0,607). Solo mantiene la significación el “Trabajo del Hogar” (p=0,003). Los ingresos entre 1.601 y 2.500, ni explicaban, ni predecían la compra online (p=0,053).

Si se observan las tablas de clasificación y la bondad de ajuste de los modelos (tabla 4), la selección de variables realizada predice adecuadamente la acción de las edades más mayores. Sin embargo, la especificidad del modelo en los grupos intermedios es baja (47% en el paso seis) y lo es aún más cuando se trata de los más jóvenes (22% en el paso cuatro) por lo que en estos casos los modelos no muestran potencia en la predicción de la acción de los no compradores.

15

Tabla 3. Estimadores del análisis de regresión logística (modelo del último paso)

Nota: * p<0,05, **p<0,001

Fuente: Datos del SPSS a partir de TIC-H’17.

16

Tabla 4. Ajuste de los modelos por grupos de edad (según generaciones Y, X, BB)

Anotaciones: Código: T. Todos; M. Mujeres; H. Hombres; ES. Estudios;

F. Frecuencia; GE. Grupo edad; C. Confianza; I. Ingresos; SL. Situación laboral; S. Sexo.

Fuente: Datos del SPSS a partir de TIC-H’17.

17

4. Discusión

La posibilidad de acceso a las nuevas tecnologías de los grupos sociales, la frecuencia de uso y las diferentes acciones que en internet pueden realizar los usuarios son relevantes para la publicidad, en particular, y para la comunicación, en general, pues contribuyen a conocer y explicar la relación de la población con las TIC. A este respecto, el enfoque de las generaciones digitales ofrece un marco para comprender la aceptación de los avances y el uso de los nuevos medios y permite, a su vez, hacer proyecciones a medio plazo.

Con este punto de partida, el presente estudio profundiza en la capacidad explicativa y predictiva de un conjunto de características de la audiencia de internet sobre la compra online, como acción concreta cuyo análisis podría proporcionar información para una estrategia de medios cuyo objetivo sea la respuesta directa. Examina, por tanto, variables demográficas y socioeconómicas, que han sido utilizadas por la publicidad para definir grupos poblacionales de interés. Tales características se incluyen en la definición del target clásico de medios. También observa otros aspectos de relación con el medio, cada vez más reconocidos y estudiados en el marco de la sociedad digital. En concreto, se selecciona la frecuencia de uso de internet, relevante para la planificación de medios, y la confianza, aspecto afectivo a modo de propuesta de indagación a la luz de los datos de otros estudios.

Los resultados ponen de manifiesto que todos los rasgos seleccionados de la población de 21 a 71 años intervienen en la probabilidad de realizar una compra por internet, aunque con distinta intensidad y dirección. Igualmente, el análisis por sexo y por grupos de edad desvelan diferencias que enriquecen estos primeros resultados. Se destacan los siguientes cuatro hallazgos:

En primer lugar, el análisis diferenciado por grupos de edad, de acuerdo con las cohortes generacionales digitales, es el que más diferencias hace emerger en la conducta de las variables independientes sobre la compra. Tomadas en conjunto, pone de manifiesto que el modelo permite predecir tanto la acción (comprar) como la no acción (no comprar) de los Boomers. También muestra que las generaciones y las edades más jóvenes tienen un mayor efecto en la realización de la acción, atendiendo a la relación que las mismas establecen con las nuevas tecnologías y con el canal digital, tal y como se aprecia en los resultados de la frecuencia de uso de internet y de la confianza, y haciendo desaparecer incluso otras consideradas elementales. Estudios descriptivos previos respaldan estos hallazgos, al mostrar cómo las franjas jóvenes son las que más participan en e-commerce, frente a los mayores; aunque el presente estudio calcula el peso intragrupo de otras variables que se alejan de los criterios básicos de clasificación (edad y sexo).

En segundo lugar, las dos variables de relación con el medio incluidas en este estudio son claves para explicar y predecir la compra online en todas las poblaciones. La probabilidad de compra online será mayor si la frecuencia supera los cuatro días a la semana. También lo será si se confía bastante o mucho en el medio. Así, la frecuencia de uso del medio y la confianza en el medio sobresalen por la fuerza de la asociación, que es positiva; pero también por ser las primeras variables introducidas para la formación del modelo en todos los análisis realizados, tras el nivel educativo. Otros estudios sugieren que los factores que intervienen positivamente en el uso de internet favorecen la compra.

En tercer lugar, las variables socioeconómicas actúan de forma diferenciada excepto el nivel de estudios, que es determinante en los modelos de todas las poblaciones analizadas. Niveles de estudios más elevados predicen la realización de la compra en todos los casos. Tanto la magnitud como el signo (la dirección) de la asociación también respaldarían esta conclusión en el caso del nivel de ingresos, en la línea de otras investigaciones (e.g. Leppel y McCloskey, 2011). Sin embargo, en este caso, el análisis por sexo y grupos de edad muestra una conducta distinta de la franja intermedia-alta de los ingresos, pues deja de ser significativa en hombres y en todos los grupos generacionales. En cuanto a la situación laboral, los usuarios de entre 21 y 71 años que declaran otra situación diferente a estar “Trabajando” predicen la no acción (no compra). Sin embargo, también en esta ocasión esta variable actúa de forma diferente cuando se observa por sexo y por grupos generacionales. Solo cuando se trata de mujeres, la categoría “Trabajo del Hogar” pierde significación aunque persiste en las dos últimas generaciones, por lo que debe quedar condicionada no solo por el sexo sino también por la edad. Es evidente la estrecha relación que tienen algunas situaciones laborales con la edad, como estar jubilada o jubilado.

En definitiva, el nivel de ingresos y la situación laboral, pese a ser introducidas por el análisis de regresión efectuado, se incluyen en los últimos pasos sin grandes mejoras en los indicadores asociados al modelo por lo que, en algunos casos, se podría optar por un modelo sin su incorporación. El comportamiento de los datos de estas variables podría ser explicado por el sexo o la edad de la población.

Finalmente, el efecto de ser mujer u hombre parece, en su conjunto, ser indeterminado. Sin embargo, el análisis de la variable sexo requiere de una interpretación más pausada con enfoque de género pues, pese a que se puedan advertir las relaciones de género en los datos, sobre todo en el grupo BB, los resultados muestran que no aporta significativamente a ningún modelo elaborado. El sexo es la única variable que queda fuera de uno de los modelos generados en su último paso: el de los Millennials. Además, cuando el modelo la incluye queda en el último lugar, salvo en la generación BB, que ocupa el penúltimo, pues para esta generación la situación laboral es menos explicativa. En consecuencia, se debe considerar que el signo positivo de la asociación entre el sexo y la compra online, cuando se analiza el conjunto de la población (21-71), indica que la proporción de jóvenes de la muestra, cuya situación laboral está aún por definir, no contrarresta las mayores diferencias por sexo de las generaciones más maduras. A este respecto, algunos estudios también muestran que el sexo no siempre es una variable significativa para el e-commerce incluso en poblaciones maduras (e. g. Lian y Yen, 2014) y, en particular, en España, no actúa de igual forma en todos los casos, pues depende de la dimensión del acceso a internet observada (Arenas-Gaitán, Peral-Peral y Ramón-Jerónimo, 2014).

No obstante, si el comportamiento del sexo se observa en comunión con la situación laboral, entonces emergen las relaciones de género al vislumbrarse la adscripción de los roles en la población femenina con el paso de las generaciones. Para ello, como punto de partida, se ha de comparar el comportamiento de la categoría “Trabajo del Hogar” entre el grupo de mujeres y el grupo de hombres. El “Trabajo del Hogar” pierde significación en ellas pero sigue presente en ellos. Se comprende que si una categoría no explica la compra online, como es el caso, se puede deber a que hay una proporción similar entre personas que compran y que no compran en esa situación en comparación, además, de la categoría tomada como referencia, que en este caso es “trabajando” por cuenta ajena o propia. Para los hombres el “Trabajo del Hogar” actúa de forma negativa, es decir, con respecto a los que afirman estar trabajando, los hombres que se dedican a su hogar, no compran. Se precisaría, con todo, profundizar en mayor medida en los productos adquiridos para poder averiguar si las mujeres y hombres están proyectando los roles de género a través de la compra online, en la línea de lo sugerido en el último informe publicado por el Observatorio Nacional de las Telecomunicaciones y de la Sociedad de la Información (ONTSI, 2019).

5.Conclusiones

En definitiva, de la regresión logística se extrae tanto la capacidad explicativa como la predictora de las variables seleccionadas. En términos generales, los modelos muestran que tener mayores niveles de estudios y de ingresos, menos edad, y ser mujer en los grupos más maduros, hace incrementar la probabilidad de que se lleve a cabo la compra online. Sin embargo, son las variables relacionadas con el medio las que, junto con el nivel de estudios, forman los pilares de los modelos que, a su vez, cobran sentido en el marco de las generaciones digitales. Especialmente significativa podría ser la aportación de la confianza.

Esta investigación contribuye al estudio de la relación de los públicos con el medio digital desde un enfoque exploratorio, pero aplicando una metodología que permite comprender en mayor medida el fenómeno observado y predecir eventos, ofreciendo resultados concluyentes al utilizar una fuente nacional. A la luz de los principales hallazgos de este estudio, es conveniente que futuras investigaciones se centren en la estimación de los efectos indirectos entre variables exógenas e intermedias. Del mismo modo, deberían profundizar en la confianza, en su multidimensionalidad, así como añadir otros efectos multiplataforma y su relación con la publicidad. A este respecto, se debe seguir prestando especial atención a la seguridad y a toda comunicación que alimente la confianza con el canal digital.

Finalmente, se propone continuar indagando en la relación entre las emociones y la planificación de los medios publicitarios, con el objeto de construir modelos en los que se introduzcan componentes afectivos significativos, desde los que se pueda trabajar para elevar la eficacia de la estrategia de medios en entornos online.

6. Referencias

Aldridge, E. (2009). Digital inclusion and older people. Enfield: Age Concern, 2009.

Arenas-Gaitán, J., Peral-Peral, B. y Ramón-Jerónimo, M.A. (2014). Gender in the Elderly Internet Users. En I. Gil-Pechuán y D. Palacios-Marqués (eds.), Strategies in E-Business, pp. 67-75. New York: Springer Science+Business Media.

Bagozzi, R.P. y Davis, F.D. (1992). Development and test of a theory of technological learning and usage. Human Relations, 45 (6), pp. 659-686.

Bleier, A. y Eisenbeiss, M. (2015). The Importance of Trust for Personalized Online Advertising. Journal of Retailing, 91 (3), pp. 390-409. DOI: 10.1016/j.jretai.2015.04.001.

Cresci, M.K., Yarandi, H.N. y Morrell, R. W. (2010). Pro-Nets Versus No-Nets: Differences in Urban Older Adults' Predilections for Internet Use. Educational Gerontology, 36, 500-520. DOI: 10.1080/03601270903212476.

Czaja, S. J. y Sharit, J. (2009). The Aging of the Population: Opportunities and Challenges for Human Factors Engineering. Technologies for an Aging Population, 39 (1), 34-40. Retrieved from: https://bit.ly/2xaa14K.

Dimock, M. (2018). Defining generations: Where Millennials end and post-Millennials begin. Washington: Pew Research Center. Retrieved from: https://goo.gl/H1NDfd.

Ephron, E. (1995). More weeks, less weight: the shelf-space model of advertising. Journal of Advertising Research, May/June, pp. 18-23.

Higueras Redecillas, J.C., Alard Josemaría, J., Mercado Idoeta, C. (2016). Las redes sociales y su efecto sobre la confianza en las tiendas online. Revista Internacional de Investigación en Comunicación aDResearch ESIC, 14 (14), 30-53. DOI: 14.7263/ADRESIC.014.002

Iglesias-Pradas, S., Pascual-Miguel, F., Hernández-García, A. y Chaparro-Peláez. J. (2013). Barriers and drivers for non-shoppers in B2C e-commerce: A latent class exploratory analysis. Journal Computers in Human Behavior, 29 (2), pp. 314-322. DOI: 10.1016/j.chb.2012.01.024.

INE (2017a). Encuesta de Equipamiento y Uso de TIC en los Hogares, TIC-H’17. (Resultados). Madrid, España: INE. Retrieved from: https://goo.gl/2zUK6W.

INE (2017b). Encuesta sobre Equipamiento y Uso de Tecnologías de Información y Comunicación en los Hogares (TIC-H). (Cuestionario). Madrid, España: INE. Retrieved from: https://goo.gl/RWPXdb.

INE (2019). Encuesta de Equipamiento y Uso de TIC en los Hogares, TIC-H’17. (Resultados). Madrid, España: INE. Retrieved from: https://cutt.ly/ru0VzaW.

INFOADEX. Estudio Infoadex de la inversión publicitaria en España. Madrid: Infoadex.

Jones, J. Ph. (1995). Whe Ads Work: New Proof That Advertising Triggers Sales. New York: Simon y Schuster, The Free Press/Lexington Books.

Kelley, L., Jugenheimber, D. W. y Sheehan, B. K. (2015). Advertising media planning: a brand management approach. New York: Routledge.

Kim Y. y Peterson, R. (2017). A Meta-analysis of Online Trust Relationships in E-commerce. Journal of Interactive Marketing, 38, pp. 44–54. DOI: 10.1016/j.intmar.2017.01.001.

Kohring, M. y Matthes, J. (2017). Trust in News Media: Development and Validation of a Multidimensional Scale. Communication Research, 34 (2), pp. 231-252. DOI: 10.1177/0093650206298071.

Kumar, V. y Gupta, Sh. (2016). Conceptualizing the Evolution and Future of Advertising. Journal of Advertising, 45 (3), pp. 302-317. DOI: 10.1080/00913367.2016.1199335.

Kuo, H. M., Fu, H. H. y Hsu, C.H. (2013). Exploring the difficulties of Internet shopping behavior between the elderly and young consumers. Journal of Information and Optimization Sciences, 30 (3), pp. 447-462. DOI: 10.1080/02522667.2009.10699889.

Kwon, W.S. y Noh, M. (2010). The influence of prior experience and age on mature consumers' perceptions and intentions of internet apparel shopping. Journal of Fashion Marketing and Management: An International Journal, 14 (3), pp. 335-349. DOI: 10.1108/13612021011061825.

Lamas, C. (1999). La eficacia de los planes de medios: apuntes para un modelo general. En 15º Seminario AEDEMO de Televisión. Retrieved from: https://goo.gl/LgZPvR.

Leppel, K. y McCloskey, D. (2011). A cross-generational examination of electronic commerce adoption. Journal of Consumer Marketing, 28 (4), pp. 261-268. DOI: 10.1108/07363761111143150.

Lian, J. W., y Yen, D. C. (2014). Online shopping drivers and barriers for older adults: Age and gender differences. Computers in Human Behavior, 37, pp. 133-143. DOI: 10.1016/j.chb.2014.04.028.

López-Roldán , P. y Fachelli, S. (2015). Metodología de la investigación social cuantitativa. Barcelona: Universidad Autónoma de Barcelona.

Martínez, F. J., Ortigueira, M., y Pérez, M. (2006). Confianza del consumidor en la compra a través de Internet: una propuesta de modelización basada en la jerarquía de aprendizaje estándar. Cuadernos de Gestión, 6(2), 59-82. Retrieved from: http://hdl.handle.net/11441/16069

ONTSI (2019). Estudio sobre Comercio Electrónico B2C. Edición 2018. Madrid: ONTSI. doi: 10.30923/2172-458x/b2c/201911

ONTSI (2017). Estudio sobre comercio electrónico B2C 2016. Edición 2017. ONTSI-MEE. Retrieved from: https://goo.gl/1GiVts.

Peral-Peral, B., Arenas-Gaitán, J. y Ramón-Jerónimo, M.A. (2013). El papel de las variables sociodemográficas en el uso de las aplicaciones basadas en internet por los mayores. Innovar, 23 (48), pp. 55-66. DOI: 10.15446/innovar.

Peral-Peral, B., Arenas-Gaitán, J. y Ramón-Jerónimo, M.A. (2014). Technology Acceptance Model y mayores: ¿la educación y la actividad laboral desarrollada son variables moderadoras?. Revista Española de Investigación de Marketing, 18 (1), pp. 43-56. DOI: 10.1016/S1138-1442(14)60005-X.

Pew Research Center (2018). Internet use by age. Retrieved from: https://goo.gl/xKn3dD.

Prensky, M. (2001). Prensky, M. (2001). Digital natives, digital immigrants. On the Horizon, 9(5), 1-6.

Retrieved from: https://cutt.ly/yi8eVNp

Rodgers, Sh. y Thorson, E. (Ed.) (2000). The Interactive Advertising Model: How Users Perceive and Process Online Ads. Journal of Interactive Advertising, 1 (1), pp. 42-61. DOI: 10.1080/15252019.2000.10722043.

Rodgers, Sh. y Thorson, E. (Ed.). (2017). Digital Advertising. Theory and Research. New York: Routledge.

S.W. Ng. E. y Parry, E. (2016). Multigenerational Research in Human Resource Management. En M. R., Ronald Buckley, J., Halbesleben, y A. Wheeler (ed.) Research in Personnel and Human Resources Management, 34, pp. 1-41. Bingley: Emerald Group Publishing Limited.

Soh, H., Reid, L. y King, K. (2007). Trust in Different Advertising Media. Journalism & Mass Communication Quartely, 84 (3), pp. 455-476. DOI: 10.1177/107769900708400304.

Solana, D. (2010). Postpublicidad. Reflexiones sobre una nueva cultura publicitaria en la era digital. Barcelona: Doubleyou.

Strauss, J. y Frost, R. (2014). E-Marketing. London: Pearson.

Urban, G. L., Sultan, F., y Quails, W. J. (2000). Placing trust at the center of your Internet strategy. MIT Sloan Management Review, 42(1), pp. 39-48. Retrieved from: https://cutt.ly/lu0VXAe.

Vuorikari, R., Punie, Y., Carretero, S., y Van den Brande, G. (2016). DigComp 2.0: The Digital Competence Framework for Citizens. Update Phase 1: The Conceptual Reference Model. Sevilla: Join Research Centre. Retrieved from: https://cutt.ly/Qu0ZtNy

Wagner, N., Hassanein, K. y Head, M. (2014). The impact of age on website usability. Computers in Human Behavior, 37, pp. 270-282. DOI: 10.1016/j.chb.2014.05.003.

18

19

20

21