ปัจจัยที่ส่งผลให้เกิดความตั้งใจซื้อเครื่องสำอางช่องทางออฟไลน์และช่องทางออนไลน์ของผู้บริโภคในเขตกรุงเทพมหานคร
Article Sidebar
Main Article Content
บทคัดย่อ
บทความวิจัยนี้เป็นการวิจัยเชิงคุณภาพมีวัตถุประสงค์ 1) ศึกษาพฤติกรรมการซื้อเครื่องสำอางทั้งทางออฟไลน์และออนไลน์ของผู้บริโภคชาวไทยที่อาศัยอยู่ในเขตกรุงเทพมหานคร 2) ศึกษาปัจจัยที่ส่งผลให้ผู้บริโภคเปลี่ยนพฤติกรรมมาซื้อเครื่องสำอางช่องทางออนไลน์ เก็บข้อมูลโดยการสัมภาษณ์เชิงลึกจากกลุ่มตัวอย่างจำนวน 60 คน โดยคัดเลือกตัวอย่างผู้ให้ข้อมูลหลักด้วยวิธีการสุ่มตามความสะดวก
ผลการวิจัยพบว่า 1) ด้านพฤติกรรม สถานที่ที่ซื้อเครื่องสำอางช่องทางออฟไลน์ คือร้าน Watson และสถานที่ที่ซื้อเครื่องสำอางช่องทางออนไลน์ คือร้านค้าออนไลน์ Karmart 2) ปัจจัยที่ส่งผลให้เกิดความตั้งใจซื้อเครื่องสำอางช่องทางออฟไลน์ตามปัจจัยส่วนประสมการค้าปลีก คือด้านทำเลที่ตั้งมีความสะดวกสบาย การจัดแต่งร้านสะอาดสวยงาม และปัจจัยที่ส่งผลให้เกิดความตั้งใจซื้อเครื่องสำอางช่องทางออนไลน์ คือ จากการรีวิวของอินฟูลเอนเซอร์ด้านเครื่องสำอาง การมีส่วนลดจากร้านค้า และประหยัดเวลาในการเดินทาง
Article Details
เอกสารอ้างอิง
ปัทมวรรณ เกื้อโกมลเดช. (2564). การศึกษาส่วนประสมการค้าปลีกของห้างสรรพสินค้าเซ็นทรัลที่มีความสัมพันธ์กับความจงรักภักดีของลูกค้าในเขตกรุงเทพมหานคร. วิทยานิพนธ์ปริญญามหาบัณฑิต. มหาวิทยาลัยกรุงเทพ.
ศูนย์วิจัยกสิกรไทยออนไลน์ (2559). E-Commerce เนื้อหอม รายใหญ่รุกหนัก SME เร่งปรับตัว. K SME Analysis,” เรียกใช้เมื่อ 1 กรกฎาคม 2559 จาก http://www.thansettakij. com/content/ 118867.
ศิริอุมา ศิริกาญจนวงษ์. (2560). รูปแบบการนำเสนอ Content Marketing และความตั้งใจซื้อเสื้อผ้าแฟชั่นสตรีผ่านช่องทางอินสตาแกรม. สารนิพนธ์ปริญญาการจัดการมหาบัณฑิต. วิทยาลัยการจัดการ: มหาวิทยาลัยมหิดล.
ศิริวรรณ เสรีรัตน์. 2546. การบริหารการตลาด. กรุงเทพมหานคร : พัฒนาศึกษา.
Baker Qureshi, et al. (2019). The impact of social media on impulse buying behaviors in Hyderabad Sindh Pakistan. International Journal of Entrepreneurial Research. 2(2), 8-12.
Kemp, L., et al. (2022). Climate endgame: Exploring catastrophic climate change scenarios. Proceedings of the National Academy of Sciences. 119(34), e2108146119.
Liu, J., et al. (2022). Heat exposure and cardiovascular health outcomes: a systematic review and meta-analysis. The Lancet Planetary Health. 6(6), 484-495.
Pham, T. H., et al. (2021). A deep learning framework for high-throughput mechanism-driven phenotype compound screening and its application to COVID-19 drug repurposing. Nature machine intelligence. 3(3), 247-257.
Yuan, H., et al. (2016). The traditional medicine and modern medicine from natural products. Molecules. 21(5), 559.
