Análisis de la Decisión de Compra en Internet de las Empresas Españolas

Transcripción

1 Francesco D. Sandulli Departamento de Organización de Empresas Cátedra UCM-DMR Consulting de Administración de Negocios en Internet Universidad Complutense de Madrid Análisis de nuevas tecnologías de la información a la empresa Dirección de Contacto Departamento de Organización de Empresas Facultad de Ciencias Económicas y Empresariales Universidad Complutense de Madrid Madrid Tfno Fax sandulli@ccee.ucm.es

2 Análisis de la Decisión de Compra en Internet de las Empresas Españolas. Resumen: En los últimos tiempos, algunas empresas han decidido empezar a realizar transacciones comerciales de compra a través de Internet. El presente estudio define un modelo de utilidad que explica la decisión de compra en Internet en una muestra de 2350 empresas españolas. Los resultados del trabajo empírico permiten concluir que la utilidad obtenida por menores precios y por la reducción de costes de transacción son los factores más determinantes en la decisión de compra en Internet. Abstract: During the last years, several firms adopted the Internet in the corporate procurement process. This paper describes a utility model that explains the Internet procurement adoption on a sample of 2350 Spanish firms. The results show that lower prices and lower transaction costs are the most determinant factors on the Internet procurement adoption. Palabras Clave: Comercio Electrónico entre Empresas, Mercados Electrónicos, Internet, Modelos de Utilidad, Decisión Discreta. JEL: O33, C25, L21, M21, O14 1

3 Análisis de la Decisión de Compra en Internet de las Empresas Españolas Introducción. Muy pocos dudan de que Internet y las Tecnologías de la Información tendrán un considerable impacto sobre el entorno económico actual. De hecho, ya se pueden empezar a observar algunos de los cambios que estas nuevas tecnologías producirán sobre el diseño de los procesos o incluso de los modelos de negocio, los tamaños y los límites de los mercados o incluso la dinámica competitiva dentro de un sector (Porter, 2001). En este sentido, uno de los fenómenos que mayor atención ha despertado en los ámbitos académico y empresarial es el incremento en el número de transacciones comerciales realizadas a través de Internet. En la realización de sus transacciones comerciales algunas empresas y consumidores están empezando a sustituir un medio físico de negociación por un medio electrónico y virtual, en el que ya no es necesario el mismo grado de contacto físico (Rayport y Sviokla, 1995). Este trabajo va a centrar su atención sobre este proceso de sustitución de medios físicos por medios virtuales en la realización de transacciones comerciale s por parte de las empresas. Aunque el fenómeno de sustitución de medios virtuales por medios físicos se viene observando desde hace algún tiempo, todavía no se tienen claras las razones más importantes que llevan a las empresas a comprar en Internet, en lugar de utilizar otros medios alternativos como las tiendas físicas, el fax, el teléfono o el correo entre otros. Por tanto el principal objetivo de este trabajo será la identificación de estas razones. Para lograr este objetivo utilizaremos, al igual que un gran número de estudios sobre el comportamiento de compra de agentes económicos, un enfoque basado en modelos de utilidad. El resto del trabajo se estructura en los siguientes apartados: en primer lugar, describimos desde el punto de vista teórico cuáles son los factores tenidos en cuenta por las empresas a la hora de decidir la compra en Internet 1. Más explícitamente, este desarrollo teórico se basará en el concepto de proposición de valor de Keeney (1999). En segundo lugar, elaboramos un modelo de utilidad que explica la decisión de compra en Internet de las empresas. En tercer lugar, analizamos la validez del modelo y la relevancia de cada uno de sus componentes del mismo a través de un trabajo empírico realizado sobre una muestra de empresas españolas. Finalizamos el trabajo con las conclusiones 2

4 obtenidas de los resultados del trabajo empírico y sus posibles implicaciones tanto desde el punto de vista académico como empresarial, sus limitaciones y las líneas futuras de investigación que surgen del mismo. Marco Teórico. Bakos (1997:1676) afirma que un mercado electrónico es un sistema de información interorganizativo que permite a los compradores y vendedores participantes en un determinado mercado intercambiar información sobre los precios y la oferta de los productos. Atendiendo a esta definición podemos afirmar que también Internet es un mercado electrónico porque es sistema de información que a través de tecnologías basadas en el protocolo de red IP permite intercambiar información sobre los precios y la oferta de numerosos productos. Por tanto, a la hora de decidir cómo comprar un producto, las empresas deberán tener en cuenta la posibilidad de hacerlo a través de Internet. La empresa, suponiendo que tiene un comportamiento maximizador de su utilidad, decidirá comprar en Internet si la compra de un determinado producto en este medio le reporta mayor valor que la compra del mismo producto en otros mercados diferentes, que de aquí en adelante denominaremos mercados convencionales siguiendo la terminología de Keeney (1999). En este trabajo vamos a construir un modelo de utilidad que explique cómo Internet puede contribuir a la maximización de la utilidad asociada a la compra de un producto por parte de una empresa. Este modelo va a estar basado en el concepto de proposición de valor dee Keeney (1999). Este autor afirma que la proposición de valor de un cliente es la combinación de los beneficios esperados derivados de comprar un determinado producto y el precio de dicho producto (Keeney, 1999: 533). Aplicando este concepto al comercio en Internet, Keeney (1999) afirma que la proposición de valor de un producto en Internet es igual al valor neto de los beneficios y de los costes tanto del producto como de su proceso de compra, incluyendo dentro de estos costes, los de búsqueda de información, los de elaboración de l pedido y los de entrega del producto. A partir del concepto de proposición de valor identificamos los primeros tres elementos de nuestro modelo de utilidad: los beneficios del producto, los costes del producto y los costes de la 3

5 transacción. Además de las variables identificadas por Keeney, añadimos a nuestro modelo una nueva variable que consideramos especialmente relevante dentro las transacciones comerciales en Internet: las rentas de intermediación. Las rentas de intermediación son aquellas rentas que deben pagar las empresas por realizar sus compras a través de intermediarios ya sean o no electrónicos 1. La necesidad de considerar dentro de nuestro modelo las rentas de intermediación se explica por el importante impacto que tiene Internet sobre el papel que desempeñado por los intermediarios en el proceso de compra (Chircu y Kauffman, 2000). En este sentido, la sustitución de mercados convencionales por Internet ha implicado la eliminación de algunos intermediarios : los compradores y los vendedores utilizan Internet para ponerse en contacto directamente y evitar así la participación de intermediarios en el proceso de compra. En otros casos, los intermediarios de los mercados tradicionales han sido reemplazados por otros intermediarios diferentes en Internet. Por estas razones, Internet obliga a los intermediarios a redefinir sus servicios y las rentas que se derivaban de ellos 2. Una modificación adicional al modelo de proposición de valor de Keeney va a ser la eliminación en nuestro modelo de los beneficios obtenidos del producto, es decir el conjunto de recompensas materiales e inmateriales que obtiene un individuo por la compra de un producto. La eliminación de esta variable se justifica por el hecho de que normalmente el valor neto de los beneficios de un producto, definido como la diferencia entre el beneficio del producto comprado en Internet y el beneficio del mismo producto adquirido en un mercado convencional, es igual a cero. El producto del que disfruta una empresa, suele ser exactamente igual independientemente del mercado en el que se adquiere, ya sea Internet o un mercado convencional. Esta afirmación, aunque válida para la mayor parte de las transacciones realizadas en Internet, limitará nuestro modelo en dos aspectos. En primer lugar, nuestro modelo no podrá recoger el proceso de compra de productos que De Figueiredo (2001) define como productos de calidad variable. El elemento característico de un producto de calidad variable es que cada producto es único: dentro de esta categoría podemos incluir los coches usados analizados por Garicano y Kaplan (2001), la fruta, las obras de arte o incluso los proyectos de consultoría estratégica. Como cada producto de calidad variable es único, es imposible encontrar dos iguales y que por tanto generen los mismos beneficios. En el caso de estos productos, Internet puede ayudar al comprador a encontrar coches usados de mejor calidad que en los mercados convencionales 4

6 (Lee, 1998) o fruta tropical más fresca (De Figueiredo, 2001) y por tanto el beneficio neto de Internet podría ser distinto a cero. Sin embargo, el propio De Figueiredo (2001) considera que la ausencia de contacto físico con el producto en la compra de Internet, hace muy improbable la compra de estos productos a través de la red, y por tanto nuestro modelo de utilidad seguiría siendo válido en la gran mayoría de los casos. La segunda limitación derivada de la eliminación del beneficio neto del producto de nuestro modelo de utilidad se refiere a la imposibilidad de recoger el fenómeno de las complementariedades de producto en Internet. Amit y Zott (2001) afirman que una de las principales fuentes de creación de valor en los negocios en Internet son precisamente las complementariedades entre productos. Éstas se producen cuando la oferta conjunta de un grupo de productos le reporta mayor utilidad al comprador que la suma de la oferta individual de cada uno de los productos (Amit y Zott, 2001: 504). Las complementariedades entre productos en Internet son especialmente significativas cuando los productos se basan en información. Por tanto, nuestro supuesto de valor neto del beneficio del producto igual a cero será más restrictivo para los productos que más basados en información. 3 En la definición de proposición de valor de Keeney se incluyen también los costes de transacción. El concepto de coste de transacción recoge costes de naturaleza muy dispar, como los costes de búsqueda de información o los costes derivados del comportamiento oportunista de los participantes en una transacción. En este sentido, los estudios anteriores sobre el impacto de Internet sobre los costes de transacción observan que dicho impacto es muy diferente dependiendo de la clase de coste de transacción analizada. Por tanto, no podemos analizar los costes de transacción en su conjunto, sino que debemos realizar un análisis pormenorizado para cada clase de coste. A la hora de determinar cuáles son las distintas clases de coste de transacción vamos a emplear la clasificación de costes de transacción de Milgrom y Roberts (1992: 36-37) 4. Esta clasificación identifica dos grandes categorías de costes de transacción: 1) Los costes de coordinación, que nacen de la necesidad de determinar los precios y otros detalles de la transacción, de hacer que la existencia y localización de compradores y vendedores potenciales sea recíprocamente conocida y de reunir a compradores y vendedores para negociar en un lugar físico o virtual; y 2) Los costes de motivación que recogen los 5

7 costes asociados a información incompleta y los costes derivados de un compromiso imperfecto. Los costes de motivación asociados a información incompleta se producen cuando las partes que participan en una transacción real o potencial no disponen de toda la información relevante y necesaria para determinar tanto si los términos de un acuerdo son mutuamente aceptables o no y si estos términos son efectivamente cumplidos. Los costes de motivación asociados al compromiso imperfecto se producen por la incapacidad de las partes de comprometerse a hacer cumplir las amenazas y promesas que quisieran hacer, pero a las que una vez hechas, les gustaría más tarde renunciar. Siguiendo el planteamiento de trabajos anteriores (Kulkarni y Heriot, 1999; Lee y Clark, 1996) realizaremos una ulterior clasificación de los costes de coordinación. De este modo, dentro del concepto de costes de coordinación distinguiremos los costes de búsqueda de la información sobre productos y precios, que denominaremos costes de búsqueda, los costes de procesamiento de la información necesaria para llevar a cabo una transacción, que denominaremos costes de procesamiento, los costes de comunicación de la información necesaria para realizar una transacción, que denominaremos costes de comunicación, los costes necesarios para reunir en un lugar físico o virtual y en un mismo momento del tiempo al comprador y al vendedor, que denominaremos costes de reunión. Recapitulando, una vez eliminados los beneficios de los productos y establecidas las diferentes categorías de coste de transacción la decisión de compra en Internet de las empresas estará determinada en nuestro modelo por los siguientes siete atributos: los costes de búsqueda, los costes de procesamiento de la información, los costes de comunicación, los costes de reunión, los costes de motivación, los costes del producto y las rentas de intermediación. Definición del modelo. Una vez que conocemos los componentes de nuestro modelo, es necesario definirlo de forma operativa. Para ello vamos a emplear un enfoque utilizado con bastante frecuencia en el análisis de las decisiones de compra: la construcción de un modelo de utilidad a partir de las preferencias de los individuos. Dentro de los diferentes modelos de utilidad, suele emplearse el modelo aditivo, por su 6

8 simplicidad y porque proporciona buenas aproximaciones a diversos tipos de estructuras de preferencia (Jia et al., 1997). Aplicando el concepto de proposición de valor a la forma más genérica de un modelo de utilidad aditivo para una empresa K se obtiene la siguiente expresión: V(r 1, r 2,., r 7 ) 1k V(r 1, r 2,, r 7 ) 0k = w 1k u 1k + w 2k u 2k + w 3k u 3k + w 4k u 4k + w 5k u 5k +w 6k u 6k + w 7k u 7k <<1>> donde la diferencia V(r 1, r 2,, r 7 ) 1k - V(r 1, r 2,, r 7 ) 0k representa la utilidad neta generada por la compra en Internet, siendo V(r 1, r 2,, r 7 ) 1k la utilidad bruta obtenida por la compra de un producto en Internet, y V(r 1, r 2,, r 7 ) 0k la utilidad bruta de la compra del mismo producto en un mercado convencional. Los valores de w ik en la ecuación 1 reflejan la importancia relativa de mover un atributo desde su peor hasta su mejor nivel. Vamos a denominar u ik a la diferencia entre la utilidad de compra en Internet y la utilidad de compra en mercados convencionales para cada atributo i en la empresa K, siendo los 7 atributos recogidos en el modelo: i=1, los costes de búsqueda, i=2, los costes de procesamiento de la información, i=3, los costes de comunicación de la información, i=4, los costes de reunión física y temporal, i=5, los costes de motivación, i=6, el coste de los productos, i=7, las rentas de intermediación. La empresa K, a la hora de decidir comprar en Internet analizará el valor de la utilidad neta de la compra en Internet. Una vez planteado nuestro modelo será necesario redefinirlo para poder contrastarlo empíricamente. De hecho, la medición en la realidad de las funciones utilidad está caracterizada por elevada incertidumbre y gran complejidad (Smith y Brynjolfsson, 2001). Por esta razón, muchos estudios que analizan el concepto de utilidad adoptan un enfoque basado en funciones de utilidad latentes o en funciones índice (Greene, 1999). Este enfoque es una práctica aceptada en la literatura económica (Smith y Brynjolfsson, 2001) y consiste en representar las decisiones de los consumidores, en nuestro caso las empresas, en términos de índices de utilidad latente. 7

9 En nuestro estudio, el valor de la variable dependiente, es decir la utilidad neta de la compra en Internet, no es observable, pudiéndose observar sólo la decisión de cada empresa K, que vamos a representar como y k = j, siendo j = 1 en el caso de que se decida a comprar en Internet, o j = 0 en el caso de que se decida a comprar en mercados convencionales. De tal forma que, bajo el supuesto de empresas que buscan maximizar su utilidad, podemos inferir que y k = j, si y sólo si V(r 1, r 2,, r 7 ) jk = arg max [V(r 1, r 2,, r 7 ) 1k,V(r 1, r 2,, r 7 ) 0k ]. Los variables u ik de nuestro modelo, es decir la utilidad neta generada por cada atributo i para la empresa k, son también funciones de utilidad y por tanto tampoco podemos observar su valor directamente. En la realidad podemos observar solamente si u ik es mayor, igual, o menor que cero. Por tanto nos vemos forzados a transformar cada variable u ik en una variable binaria x ik para la que se cumple que: - Si u ik > 0 entonces la compra en Internet genera utilidad para el atributo i y la empresa K, tomando la correspondiente variable x ik un valor igual a 1. - Si u ik = 0 entonces la compra en Internet no genera utilidad para el atributo i y la empresa K, tomando la correspondiente variable x ik un valor igual a 0. Una vez descrito el planteamiento de las variables dependientes e independientes explicaremos su relación en nuestro modelo. Tal y como hemos comentado anteriormente, para una empresa K, la variable independiente x ik tomará un valor igual a 1 cuando la empresa considere que la compra en Internet le genera utilidad para dicho atributo i, en tanto en cuanto u ik > 0. Si además para la misma empresa K, la variable dependiente y k toma un valor igual a 1, podemos afirmar que el atributo i es determinante para la adopción de Internet en las compras de esa empresa, ya que se obtiene un beneficio neto de dicha adopción, siendo V (r 1, r 2,, r 7 ) 1k - V(r 1, r 2,, r 7 ) 0k > 0. Si por el contrario, para una empresa K, la variable independiente x ik toma un valor igual a 1, es decir, la compra en Internet genera utilidad para dicho atributo i, siendo u ik > 0, pero la variable dependiente y k toma un valor igual a 0 y por tanto la empresa no compra en Internet, podemos afirmar que el atributo i no es determinante para la adopción de Internet en las compras corporativas, ya que la utilidad generada por 8

10 el atributo i no es suficiente para generar un beneficio neto de la compra en Internet, siendo V(r 1, r 2,, r 7 ) 1k - V(r 1, r 2,, r 7 ) 0k = 0 5. Una vez realizada la transformación de las variables independientes, podemos aproximar la función de utilidad a una combinación lineal de las variables x ik, recogidos en el vector X, y las preferencias de las empresas por esos atributos, recogidas en el vector ß (McFadden, 1999): V(r 1, r 2,., r 3 ) 1k V(r 1, r 2,, r 7 ) 0k = f(xß) e <<2>> En nuestro caso, ß es un vector 1x7 de parámetros desconocidos y X es un vector 1x7 de transformaciones de u ik, y e es la desviación de f respecto a su valor esperado en la población. La perturbación e es conocida por la empresa K, pero no es conocida por nosotros, sin embargo sí conocemos su distribución acumulativa F(e). Las empresas decidirán comprar en Internet si V(r 1, r 2,, r 7 ) 1k - V(r 1, r 2,, r 7 ) 0k es mayor que cero, o bien e < X ß. La probabilidad de que esto ocurra es igual a: Prob [V(r 1, r 2,., r 3 ) 1k V(r 1, r 2,, r 7 ) 0k > 0] = Prob ( Xß- e>0) = F(Xß) <<3>> Si la distribución es simétrica, como lo son la normal y la logística: Prob [V(r 1, r 2,., r 3 ) 1k V(r 1, r 2,, r 7 ) 0k > 0] = Prob ( e < Xß) = F(Xß) <<4>> A partir de este punto podemos estimar la decisión de compra en Internet utilizando el modelo de regresión logística binaria (Hosmer y Lemeshow, 1989) siendo la variable dependiente Y, la compra en Internet: si la empresa compra en Internet la variable dependiente tomará valor 1, mientras que si la empresa no compra en Internet la variable dependiente tomará valor 0. 9

11 Partiendo del hecho de que P es la probabilidad de que a partir de un determinado conjunto de valores, capturados en el vector X, una empresa compre en Internet, podemos estimar los coeficientes del vector ß a través de técnicas de máxima verosimilitud. e ß X Prob (Y =1) = P = <<5>> 1+ e ß X Aplicando logaritmos a la fórmula <<5>> obtenemos: ln ( P/ 1-P) = ß X = ß 0 + ß 1 X 1 + ß 2 X 2 +ß 3 X 3 +ß 4 X 4 +ß 5 X 5 +ß 6 X 6 +ß 7 X 7 + e <<6>> A partir de este punto, nos centraremos en estimar los valores ß i : cuanto mayor sea ß i, más determinante será el atributo i sobre la decisión de compra en Internet. Medición de las variables independientes del modelo. En el apartado anterior se ha comentado que la variable independiente x ik será igual a uno cuando la empresa k considere que la compra en Internet le reporta utilidad en términos del atributo i. Por tanto, debemos determinar bajo qué circunstancias podemos afirmar que la compra en Internet produce mayor utilidad para un atributo i. Para poder realizar esta tarea nos apoyamos en planteamientos clásicos de los estudios sobre el comportamiento de compradores, en especial en el planteamiento realizado por Batra y Athola (1990). Según estos autores las fuentes del comportamiento de los compradores son de dos tipos, hedónicas y utilitaristas: en nuestro caso, en el que estamos intentando definir el comportamiento de los compradores a partir de su función de utilidad nos encontramos frente a fuentes de comportamiento utilitaristas. Ante fuentes utilitaristas, las preguntas en los cuestionarios se deben expresar en términos de ventaja/desventaja, útil/inútil, beneficioso / perjudicial, sensato/insensato (Batra y Athola, 1990). A partir de este razonamiento, podemos observar el signo de 10

12 u ik y sus correspondientes transformaciones x ik preguntando por las ventajas de la compra en Internet. De tal forma que si una empresa k nos dice que una de las ventajas de la compra en Internet es el menor precio de los productos, nos está diciendo en realidad que la expresión u 6K es mayor que cero y por tanto x 6k = 1. Si por el contrario, la empresa no nombra como una de las ventajas de comprar a través de Internet algún factor relacionado con los menores costes de motivación, esto implicará que la expresión u 5k será menor o igual a cero, y por tanto x 5k = 0. En la Tabla 1 identificamos todos los posibles valores de las variables independientes de nuestro modelo. Insertar Tabla 1 Uno de los problemas que se nos plantea es la medición del impacto de Internet sobre los atributos del modelo. La medición del impacto de Internet sobre el coste del producto es sencilla ya que las empresas pueden comparar sin excesivas dificultades los precios de los productos en Internet y los precios de los productos en mercados convencionales. Sin embargo, la medición del impacto de Internet sobre los costes de transacción presenta mayores dificultades. La medición de los costes de transacción es normalmente una tarea ardua (Masten, 1996). De hecho, aunque en algunos casos se pueden medir de forma directa, muchos autores optan por la medición indirecta, utilizando medidas aproximadas. Los estudios que analizan el impacto de Internet sobre los costes de transacción también aplican en muchos casos este tipo de medición indirecta. A continuación pasamos a comentar cuáles son las medidas que utilizaremos en nuestro estudio para medir la relación entre uso de Internet y costes de transacción, obteniendo dichas medidas de otros estudios anteriores que estudian problemas similares. Empezaremos analizando el impacto de Internet sobre los costes de búsqueda. Algunos de los estudios que analizan la relación entre uso de Internet y costes de búsqueda (Malone et al., 1987, Lee y Clark, 1996; Bakos, 1997; Lee, 1998; Choudhury et al., 1998;) optan por plantear la medición indirecta. Concretamente, estos estudios emplean como medidas indirectas de los costes de búsqueda 11

13 el número de ofertas alternativas a las que accede un comprador en un mercado electrónico y el número de atributos necesarios para identificar satisfactoriamente el precio relevante y el producto deseado. De estos trabajos se desprende en primer lugar, que a mayor número de alternativas disponibles en Internet menores costes de búsqueda, y en segundo lugar, que a mayor número de atributos necesarios para describir un producto, mayores serán los costes de búsqueda. En nuestro estudio empírico vamos a utilizar el mismo enfoque que los estudios anteriores, y por tanto vamos a medir la reducción de los costes de búsqueda preguntando a las empresas si Internet reduce el número de atributos necesarios para describir satisfactoriamente un producto y aumenta el número de ofertas alternativas disponibles para un producto. Al medir los costes de procesamiento, debemos tener en cuenta que la utilización de tecnologías de la información como Internet en el proceso de compra permite la sustitución de tareas manuales por tareas mecánicas, aumentando la eficiencia global de dicho proceso (Truman, 2000). El impacto de los mercados electrónicos sobre los costes de procesamiento de la información ha sido medido utilizando diferentes variables. Malone et al., (1987), Truman (2000), Heizer y Render (2000), Kenney y Curry (2001) miden este impacto por medio del número de errores que se producen al introducir las órdenes de compra, de tal forma que a mayor número de errores en la introducción de órdenes de compra, mayores costes de procesamiento de información. Otros estudios utilizan como medida de los costes de procesamiento la duración del proceso de compra, cumpliéndose que a menor duración del proceso de compra, menores costes de procesamiento (Malone et al., 1987; Pekala, 2000; Garicano y Kaplan, 2001; McAfee, 2002). Por otro lado, Lucking-Reiley y Spulber (2001) miden la reducción de los costes de procesamiento de la información por medio del tiempo que la información de los productos ofertados está disponible para los compradores: a mayor disponibilidad horaria de la información, se incurrirá en menores costes de procesamiento. Por su parte Marti, (2000), Truman, (2000) y Kenney y Curry, (2001) miden la reducción de los costes de procesamiento por medio del número de tareas administrativas realizadas en el departamento de compras: si la utilización de Internet permite reducir el número de tareas administrativas realizadas en el proceso de compra, se estarán reduciendo los costes de procesamiento de la información. Finalmente, Keeney (1999) y Smith y Brynjolfsson (2001) introducen el concepto de comodidad o facilidad percibida del proceso de 12

14 compra, generalmente medida por medio de percepciones subjetivas de los encuestados. En nuestro estudio vamos a recoger todas las medidas de los costes de procesamiento descritas anteriormente y preguntaremos si a través de la compra en Internet se reduce el tiempo necesario para realizar el proceso de compra, se reduce el número de errores que se producen al introducir órdenes de compra, aumenta la disponibilidad o flexibilidad horaria de los proveedores, se reduce el número de tareas administrativas realizadas por personal del departamento de compras, o aumenta la comodidad percibida del proceso de compra. Al medir los costes de comunicación se debe reconocer el hecho de que el coste de transmisión del bit de información se ha reducido sensiblemente en las últimas décadas. La difusión de la tecnología sobre la que se apoya Internet ha permitido una ulterior reducción de los costes de comunicación de información en relación a otros medios de comunicación como pueden ser el correo, el teléfono o el fax (Malone et al., 1987; Gurbaxani y Whang, 1991; Starr, 2000; McAfee, 2001). Malone et al., (1987): siguiendo el enfoque de estos estudios preguntaremos si la compra en Internet permite aumentar la cantidad de información transmitida en un intervalo de tiempo, o bien reducir el tiempo necesario para transmitir una cantidad de información, siendo ambos indicadores de la reducción de los costes de comunicación. Son varios los estudios que han medido el impacto de Internet y los mercados electrónicos sobre los costes de reunión. Lee y Clark (1996) y Garicano y Kaplan (2001) se centran en medir los costes de reunión física y por ello miden el tiempo que emplea un comprador en llegar al lugar físico de la compra y el periodo de tiempo durante el que dicho comprador se encuentra en el mercado físico, pero no está participando en una transacción, es decir, el tiempo no aprovechado. El segundo componente de los costes de reunión está compuesto por los costes de reunión temporal. Hemos observado que de forma frecuente se utilizan los niveles de inventario como indicador de los costes de reunión temporal. En los trabajos de Milgrom y Roberts (1988), Gavirneni et al., (1999) o Pekala (2000), entre otros, se llega a la conclusión que el inventario y la información son productos sustitutivos. Si la utilización de Internet permite obtener mayor información se podrán reducir los 13

15 niveles de inventario. Un fenómeno interesante en la relación entre uso de Internet en la cadena de suministro y los niveles de inventario es el efecto Bullwhip. Este efecto consiste en el incremento de la variabilidad de los pedidos en los eslabones superiores de la cadena de suministro. La utilización de Internet para integrar los flujos de información en la cadena de suministro permite atenuar este efecto (Lee y Whang, 1998). Los beneficiosos efectos del uso de Internet y mercados electrónicos sobre el efecto Bullwhip se pueden observar a través de la reducción del tamaño medio de los pedidos (Lee et al., 1997), o de la reducción del número de errores y retrasos en la entrega de pedidos (McAfee, 2001). En función de las medidas de los costes de reunión utilizadas en los trabajos anteriores en nuestro trabajo vamos a preguntar si la compra en Internet reduce el coste de desplazamiento hasta el lugar donde se va a realizar la transacción, reduce los niveles medios de inventario y reduce el tamaño medio de los pedidos emitidos. A pesar de ser un medio en el que se reduce el contacto físico entre las partes de una transacción, Internet también puede reducir los costes de motivación de una transacción. La utilización de ciertos mecanismos como los controles de calidad o el desarrollo de comunidades virtuales o redes sociales autorreguladas pueden producir este resultado (Ba et al 2000). A pesar de la dificultad que entraña la medición de la reducción de los costes de motivación, existen ciertos indicadores que nos pueden dar una idea de la evolución de estos costes como la calidad media de los productos negociados (Lee, 1998; Garicano y Kaplan, 2001), la cantidad de información disponible sobre la fiabilidad de los proveedores, el grado de complejidad de los contratos, número de conflictos resueltos por vía judicial, etc. Otros estudios como los de Essig y Arnold (2001), Choudhury et al. (1998) o Deeter-Schmelz et al. (2001) miden los costes de motivación a partir de valoraciones subjetivas de las empresas sobre la confianza alcanzada con el proveedor, o bien por medio de la existencia o no de referencias sobre proveedores. Incluimos estas medidas en nuestro estudio de forma tal que preguntaremos si la compra en Internet mejora la calidad percibida del producto adquirido, aumenta el nivel de control sobre a quién se compra y lo que se compra, aumenta el nivel de confianza con el proveedor y permite mayor disponibilidad de referencias de transacciones anteriores de los proveedores. 14

16 Los distintos trabajos que analizan el impacto de Internet y los mercados electrónicos sobre los precios de los productos suelen centrarse en los conceptos de precio medio negociado y de dispersión de precios Clay et al., (2001), Baye et al., (2001), Lee (1998), Choudhury et al., (1998) Pekala (2000) Brynjolfsson y Smith (2000) Smith y Brynjolfsson (2001). Por simplicidad, en nuestro estudio preguntaremos si la compra en Internet permite una reducción del precio medio de los productos adquiridos. Finalmente, la medición de las rentas de intermediación es una tarea complicada. Los estudios que han tenido en cuenta el fenómeno de la intermediación en las compras a través de Internet, no han medido de forma directa dichas rentas. Por ejemplo, Rasheed y Geiger (2001), tienen en cuenta variables subjetivas como el nivel de confianza de la función de compras en Intermediarios electrónicos, y objetivas como el porcentaje de compras realizadas a través de los intermediarios. Choudhury et al., (1998) utilizan como variable la valoración por parte de las empresas compradores del grado en el que el mercado electrónico permite la reducción de la utilización de intermediarios en las compras. Lee y Clark (1996) miden cuántas empresas acuden a brokers, además de realizar compras en el mercado electrónico CATS. En nuestro estudio optaremos por la misma opción de Choudhury et al., (1998) o de Lee y Clark (1996) y preguntaremos si la compra en Internet reduce el número de intermediarios que intervienen en el proceso de compra. Asimismo, preguntaremos si las comisiones de intermediación de los intermediarios en Internet son menores que las comisiones de los intermediarios tradicionales. Además de las variables anteriores deberemos introducir algunas variables de control, porque ciertas características del sector en el que opera la empresa, al igual que determinadas variables a nivel de empresa pueden derivar en efectos que distorsionen la relación entre la probabilidad de compra en Internet y los factores definidos en nuestro modelo. Una primera variable de control interesante es el sector en el que opera la empresa: Forman (2002) encontró un efecto industria muy importante en la adopción del comercio electrónico. Este efecto, no solo captura las externalidades de red dentro de una 15

17 industria o la dinámica competitiva de dicha industria, sino que puede explicar patrones de heterogeneidad en la obtención de beneficios derivados de la adopción del comercio electrónico. En nuestro estudio, clasificaremos los sectores utilizando la clasificación CNAE 93 a dos dígitos. Para completar la información sobre el sector introduciremos también otra variable que nos permita conocer si en los sectores considerados de Alta Tecnología según el INE, existe mayor propensión a realizar compras a través de Internet. Esta variable debería explicar si la mayor base tecnológica de las empresas es un factor explicativo de las compras por Internet (Forman, 2002). El tamaño de la empresa también puede explicar distintos niveles de adopción de las compras en Internet. De hecho en el estudio de Forman (2002) existe una relación estrecha entre el tamaño de las empresas y la adopción del comercio electrónico. Esta relación se explica por el hecho de que esta adopción exige costes fijos elevados, los cuales sólo pueden ser recuperados si la empresa tiene una escala suficiente. Mediremos el tamaño por el número de empleados (Rasheed y Geiger, 2001; Martin y Hafer, 2002; Forman, 2002), aunque otros estudios también tienen en cuenta el nivel de facturación (Zaheer y Zaheer, 2001). La tercera variable de control será la familiaridad de la empresa con la tecnología relacionada con la compra en Internet. Concretamente, vamos a analizar el impacto de dos tecnologías: la tecnología de Internet y la tecnología de Interconexión con proveedores. Para medir la familiaridad de la empresa con la tecnología de Internet preguntando por la existencia o no de página web corporativa, aplicando así una versión simplificada del planteamiento de Martin y Hafer (2002). La utilización previa a la realización de compras en Internet de sistemas electrónicos de intercambio de información con proveedores como por ejemplo el Intercambio Electrónico de Datos (EDI) nos servirá para medir la familiaridad de la empresa con sistemas de interconexión con proveedores. Estudios anteriores (Deeter-Scmelz et al., 2001; Martin y Hafer, 2002; Daniel et al., 2002) indican la existencia de una fuerte relación entre la decisión de compra en Internet y esta s dos variables. Datos Utilizados en el Trabajo Empírico. Para realizar la encuesta se ha diseñado una muestra representativa de las sociedades mercantiles que con al menos un empleado operan en España. El tamaño representativo final de la 16

18 muestra ha sido de empresas para un error estándar de 5% p=q. El método de selección de unidades muestrales ha sido aleatorio, orientado por cuotas según sector de actividad y tamaño de la plantilla total 6. La distribución muestral ha sido semi proporcional por estratos de tamaño 7. Para las restantes variables la distribución muestral ha mantenido la proporcionalidad estricta. La encuesta se ha realizado mediante entrevista telefónica, con un pretest inicial de 50 entrevistas, utilizando el sistema CATI-Bellview en la gestión de las entrevistas. Normalmente, las personas encargadas de responder la encuesta han sido Gerentes (en el caso de empresas más pequeñas), Responsables Financieros o Responsables de Compras (muchas veces eran la misma persona), y Responsables Informáticos. Una vez completada la encuesta y como paso previo a la estimación econométrica fue necesario redimensionar la muestra porque se observó que uno de los estados de la variable dependiente estaba sobre-representado. Concretamente, el número de empresas que no compraban en Internet, 1.994, era mucho mayor que el número de empresas que compraban en Internet, 356. Esta divergencia en el tamaño relativo de los grupos podía dar lugar a errores en la clasificación de las observaciones (Hair et al., 1999). Por este motivo, fue necesario seguir un procedimiento de muestreo por estados (state-based-sampling) y construir una muestra compensada, incluyendo similar número de observaciones para los dos estados de la variable dependiente. Manski y McFadden (1981) afirman que el muestreo por estados permite obtener mejores estimadores que el muestreo puramente aleatorio cuando en una población uno de los estados se encuentra sobre-representado, como en nuestro caso sucede con las empresas que no compran en Internet. Además, Costlett (1981) demuestra que cuando las variables dependientes son discretas, la estimación se acerca a la estimación óptima cuando se construyen submuestras del mismo tamaño para cada estado. Por tanto, hemos decidido definir una muestra en la que la proporción de la muestra total que escoge el estado s, Hs, sea igual a 0,5. Dentro del grupo mayor, las empresas que no compran en Internet, escogemos 356 observaciones siguiendo una vez más un procedimiento aleatorio estratificado. El resultado de esta operación (state-based sampling) fue una muestra compensada en la que tenemos 712 observaciones, de las que 356 corresponden a empresas que han comprado en Internet, y 356 corresponden a empresas que no han comprado en Internet. Además, siguiendo el procedimiento propuesto por Hosmer y Lemeshow (1989), se optó por convertir las variables de control de sector y tamaño, que son variables nominales, 17

19 en un conjunto de m-1 variables de diseño dicotómicas. En la Tabla 2 se describe la composición definitiva de nuestra muestra. Insertar Tabla 2 Resultados. En la Tabla 3 se presentan los estadísticos descriptivos de la muestra: las ventajas de la compra en Internet percibidas por un mayor número de empresas españolas, independientemente de que la empresa compre o no en Internet, son la reducción de los costes de procesamiento, percibida por el 85 por ciento de las empresas de la muestra, la reducción de los costes de comunicación de información, percibida por un 84 por ciento, y la reducción de los costes de búsqueda de información, percibida por un 67 por ciento. Por otro lado, parece que el potencial de Internet para reducir las rentas de intermediación, los costes de reunión y los costes de motivación es muy limitado en España. Insertar Tabla 3 Estos resultados están en línea con gran parte de la literatura que hemos revisado en apartados anteriores, según la cual Internet producirá un importante impacto sobre los costes de búsqueda, procesamiento y comunicación. Ahora bien, el hecho de que muchas empresas consideren que Internet les permite reducir estos costes de transacción, no significa que estas empresas vayan a comprar a través de Internet. Puede que en el caso de muchas empresas la magnitud de la reducción de estos costes de transacción no sea suficiente para justificar la decisión de compra en Internet: una empresa puede considerar que Internet permite la reducción de los costes de procesamiento, pero al mismo tiempo supone un incremento en otros costes de transacción, en el precio o en las rentas de intermediación. Para analizar qué variables inciden de forma más significativa sobre la probabilidad de compra en Internet será necesario realizar la estimación del modelo por medio de la regresión 18

20 logística. Sin embargo, y como paso previo a la estimación del modelo, resulta conveniente analizar la correlación existente entre las variables que lo forman (ver Tabla 4). Insertar Tabla 4 Tal y como se puede observar en la tabla anterior, existe cierta correlación entre las variables del modelo. La correlación entre algunas variables del modelo no es sorprendente, ya que era previsible desde el punto de vista teórico: por ejemplo, parece lógico que menores costes de comunicación permitan mayor capacidad de búsqueda de información. Consideramos que el problema de multicolinealidad no es excesivamente grave ya que los coeficientes de correlación, aunque significativos, no son demasiado elevados y por tanto están lejos de niveles alarmantes de multicolinealidad 8. De todas formas, la multicolinealidad no producirá coeficientes sesgados, siendo su principal perjuicio la sobrestimación de los errores estándar de los mismos. Asimismo, una vez realizada la regresión, comprobaremos si la no significatividad de algunas variables del modelo puede deberse a un problema de multicolinealidad. De acuerdo con lo aconsejado por Hosmer y Lemeshow (1989), como el estudio empírico se refiere a un fenómeno relativamente novedoso en el que no están muy claras las relaciones entre las variables, se ha utilizado como método de inclusión de variables en el modelo, el método condicional hacia delante por pasos 9, por el que una variable entra o sale del modelo en función de valor de la probabilidad del estadístico de puntuación. En nuestro caso, el modelo de máxima verosimilitud que se obtiene tras nueve pasos está formado por todas las variables de nuestro modelo teórico: X 1, X 2, X 3, X 4, X 5, X 6, X 7 además de las variables de control Sector y Tamaño. En la Tabla 5 resumimos el modelo en el paso 9. Insertar Tabla 5 En la tabla anterior observamos como todas las variables incluidas en el modelo en el paso 9 inciden positivamente sobre la probabilidad de compra en Internet. El factor que más incide sobre esta 19