IMPORTANCIA DE LAS REDES SOCIALES EN EL TURISMO RURAL

Transcripción

1 IMPORTANCIA DE LAS REDES SOCIALES EN EL TURISMO RURAL Casaló Ariño, Luis Vicente (Escuela Universitaria de Estudios Empresariales de Huesca, Universidad de Zaragoza): Flavián Blanco, Carlos (Facultad de Ciencias Económicas y Empresariales, Universidad de Zaragoza): cflavian@unizar.es Guinalíu Blasco, Miguel (Facultad de Ciencias Económicas y Empresariales, Universidad de Zaragoza): guinaliu@unizar.es

2 IMPORTANCIA DE LAS REDES SOCIALES EN EL TURISMO RURAL Casaló, Luis V.; Flavián, Carlos; Guinalíu, Miguel (Universidad de Zaragoza) RESUMEN: Las redes sociales son un creciente fenómeno que está motivando grandes cambios en el comportamiento del consumidor en general y del viajero en particular. Centrándonos en el sector del turismo rural, este trabajo trata de analizar algunos de los principales precursores de la intención de seguir el consejo obtenido en una red social de turismo rural. Los datos ponen de manifiesto la importancia de la actitud hacia el consejo obtenido, la confianza en la red social que lo proporciona y la utilidad percibida de dicha información a la hora de explicar la intención de seguir el consejo obtenido en la red. Así mismo, confianza y utilidad se revelan como determinantes claves de la actitud, mientras que la utilidad se ve también afectada por la confianza en la red emisora del consejo. PALABRAS CLAVE: Redes sociales, turismo rural, confianza, utilidad, intención de seguir el consejo ABSTRACT: Online networks are an increasing phenomenon that is motivating great changes in consumer behavior, especially in the travel sector. Focusing on rural tourism, this work analyzes some of the precursors of the consumer intention to follow the advice obtained in an online network of rural tourism. Data show the relevant role of attitude toward the advice, trust in the online network that provides the advice and perceived usefulness of this information in order to determine the consumer intention to follow the advice obtained in the network. As well, trust and usefulness have been found to influence consumer attitude, and usefulness is also directly affected by trust in the network that provides the advice. KEYWORDS: Online networks, rural tourism, trust, usefulness, intention to follow the advice 1. INTRODUCCIÓN Las redes sociales son una herramienta cada vez más utilizada por los viajeros a la hora de planificar viajes y elegir destinos turísticos. En concreto, las redes sociales suponen una gran oportunidad para los viajeros ya que en ellas es posible encontrar las

3 opiniones sobre destinos turísticos potenciales y los servicios que nos podemos encontrar allí (e.g. hoteles, restaurantes, etc.). Por ello, los propios viajeros pueden influir en la percepción de otros consumidores a través de los comentarios realizados y el contenido creado en dichas redes sociales. De hecho, en el sector turístico el efecto de las recomendaciones puede ser muy importante ya que cada año millones de viajeros tienen que planificar sus vacaciones. En este sentido, un estudio de Chadwick Martin Bailey (2005) predijo que, para el año 2006, las recomendaciones, opiniones y sugerencias de otros consumidores podían influenciar de forma directa en 30 billones de dólares las ventas en el sector turístico y, de forma indirecta, en más de 250 billones, lo que muestra la importancia de las recomendaciones de otros viajeros en este sector. Esta tendencia también se observa en el sector del turismo rural (especialmente relacionado con el turismo de montaña), donde redes como Escapada Rural ( o Ruralon ( han comenzado a experimentar un fuerte desarrollo recientemente dado que en ellas es posible encontrar una gran cantidad de información relativa a casas rurales y su entorno que no es fácil de obtener a partir de otras fuentes. Sin embargo, a pesar de la creciente importancia del turismo rural (según el Instituto de Estudios Turísticos (2008), esta clase de turismo representa ya un 4,5% de la oferta turística en España y sigue en continuo crecimiento), desde un punto de vista académico no se ha tratado de investigar el efecto que las opiniones de otros viajeros pueden tener en el consumidor de este tipo de servicios turísticos. Es más, a pesar de que las recomendaciones de otros usuarios en el sector servicios tienen una gran influencia debido a su intangibilidad y mayor riesgo percibido (e.g. Murray y Schlacter, 1990), en ocasiones se ha encontrado que diferentes motivaciones pueden moderar la influencia de un consejo (e.g. Sen y Lerman, 2007). Por ello, con el ánimo de avanzar en esta temática, el objetivo de este trabajo es modelizar la intención del viajero a seguir el consejo obtenido en una red social de turismo rural, lo que puede ayudar a comprender el comportamiento del consumidor en este sector y desarrollar estrategias que permitan garantizar la sostenibilidad de negocios centrados en el turismo rural y de montaña. En primer lugar, en este trabajo se sigue la secuencia motivaciones, actitud hacia el comportamiento e intención de comportamiento, ampliamente utilizada para explicar

4 diversos comportamientos del consumidor como la adopción de una nueva tecnología (e.g. Davis, 1989), la aceptación del comercio electrónico (e.g. Gefen y Straub, 2000) o la intención de uso de servicios gubernamentales electrónicos (e.g. Wu y Chen, 2005). En segundo lugar, la utilidad percibida se considera como una de las principales motivaciones que determinan la actitud e intención de seguir el consejo obtenido en una red social, ya que la utilidad es el único sentimiento que recurrentemente ha demostrado ser adecuado en entornos tecnológicos para determinar el desarrollo de sentimientos afectivos (e.g. Liao et al., 2007) y la intención de uso futuro (e.g. Davis et al., 1989; Karahanna et al., 1999). Al mismo tiempo, se incluye también la confianza como factor antecedente ya que la intención de seguir un consejo se ve claramente influenciada por la confianza depositada en el individuo u organización que proporciona el consejo (e.g. McKnight et al., 2002). Teniendo en cuenta las consideraciones previas, el presente trabajo se estructura de la siguiente manera. En primer lugar, se analiza la literatura previa referida a las cuatro variables que forman parte del trabajo. A continuación, se realiza el planteamiento de las hipótesis. Seguidamente se expone el proceso de recogida de datos y validación de las escalas utilizadas. Para terminar, se muestran los resultados, conclusiones, limitaciones y futuras líneas de investigación. 2. REVISIÓN DE LA LITERATURA 2.1. Confianza Tradicionalmente, se ha pensado que el cocepto confianza está formada por dos componentes básicos: el cognitivo y el comportamental (Geyskens et al., 1996; Kumar et al., 1995; Siguaw et al., 1998). Así, mientras el componente cognitivo asocia el concepto de la confianza con una serie de creencias que tiene el consumidor, el componente comportamental identifica a la confianza con la voluntad y el deseo de seguir un determinado comportamiento. Sin embargo, Morgan y Hunt (1994) reflejan que la inclusión del componente comportamental puede ser una consecuencia del componente cognitivo y no un elemento distintivo de la confianza. Por ello, la literatura refleja un uso más habitual del componente cognitivo.

5 Centrando la atención en el componente cognitivo, varios autores (e.g. Flavián et al., 2006; Mayer et al., 1995) han propuesto que dicho componente es el resultado de la evaluación que una parte realiza de la competencia, honestidad y benevolencia de la otra parte de la relación. La competencia hace referencia a la destreza y la habilidad que se percibe en la otra parte. Así, en el contexto de las redes sociales virtuales, que siempre están basadas en un interés específico común entre sus miembros, la competencia hace referencia a los conocimientos, capacidades y habilidades de los miembros de la red con respecto a ese interés común (Ridings et al., 2002). La honestidad, en cambio, hace referencia a la creencia en la sinceridad y el mantenimiento de las promesas del socio (e.g. Doney y Cannon, 1997). Por último, la benevolencia se refiere a la voluntad que tiene la otra parte de realizar un esfuerzo con el fin de alcanzar objetivos comunes. En el contexto de las redes sociales virtuales, la benevolencia hace referencia a la creencia en que los miembros de una red tienen la intención y el deseo de ayudar, apoyar y cuidar del resto de miembros de dicha red social virtual (Ridings et al., 2002). Teniendo en cuenta todo lo anterior, en este trabajo proponemos que la confianza en una red social debe de ser considerada como un constructo formado por tres dimensiones distintas: honestidad, benevolencia y competencia percibidas en dicha red social Utilidad percibida La utilidad percibida fue definida en primer lugar por Davis (1989) en un entorno laboral como el grado en que un trabajador considera que utilizar un sistema va a ayudar a mejorar su rendimiento profesional. En concreto, un sistema que presentase altos niveles de utilidad sería aquél del que el trabajador espera obtener un rendimiento positivo al usarlo (e.g. Davis, 1989). Centrándonos en nuestro contexto de análisis, la utilidad percibida se podría definir de forma análoga como el grado en que un consumidor considera que la información obtenida en una red social de viajes le proporcionará una serie de beneficios que difícilmente podría obtener si no participase en la misma.

6 De forma específica, la utilidad percibida es, junto con la facilidad de uso, una variable clave del Modelo de Aceptación Tecnológica (e.g. Davis, 1989). Sin embargo, la importancia de la utilidad percibida es mayor que la de la facilidad de uso ya que mientras la utilidad ejerce un efecto positivo y significativo, la facilidad de uso presenta un impacto directo inconsistente en la fase de aceptación que se vuelve no significativo en las decisiones de uso posteriores (e.g. Davis et al., 1989; Karahanna et al., 1999). Este resultado reafirma la importancia de la utilidad esperada a la hora de formar las intenciones de comportamiento y nos hace considerar únicamente la utilidad percibida como motivación derivada del Modelo de Aceptación Tecnológica en nuestro modelo Actitud La actitud refleja un juicio evaluativo que permite al individuo responder consistentemente de manera favorable o desfavorable con respecto a un objeto específico (Dillon y Morris, 1996), en este caso hacia la información obtenida en una red social de viajes. No obstante, la definición de esta variable presenta cierta controversia en la literatura, siendo numerosos los autores que tienden a identificar el concepto de actitud con el de satisfacción (e.g. Latour y Peat, 1979). Sin embargo, tal y como afirma Hunt (1977), la actitud es un sentimiento (e.g. placer) mientras que la satisfacción es la evaluación de ese sentimiento (si ese placer ha sido el que se esperaba). Así pues podemos tener una experiencia placentera con un servicio sin estar satisfechos con el mismo (Bhattacherjee, 2001). Esta idea se asocia a la Teoría de Confirmación de las Expectativas propuesta por Oliver (1980), donde el usuario se mostrará satisfecho con un servicio cuando la percepción del resultado para el individuo confirme sus expectativas Intención de seguir el consejo obtenido La intención de seguir el consejo obtenido es una variable muy importante dentro de las intenciones de comportamiento del consumidor ya que representa la proyección anticipada que el individuo realiza de cómo va a comportarse en el futuro (McKnight et al., 2002). En este caso, la intención de seguir el consejo obtenido en una

7 red social virtual implica la intención de comportarse de una manera determinada, siguiendo los consejos obtenidos en dicha red social virtual a través de las recomendaciones de otros miembros. De hecho, dado que múltiples autores han reconocido la posible influencia que sobre las percepciones, decisiones y elecciones del consumidor puede tener la información obtenida en una red social virtual (e.g. Kozinets, 2002; Sen y Lerman, 2007; Dellarocas y Narayan, 2007), el análisis de la intención de seguir el consejo obtenido en una red social virtual adquiere especial relevancia. 3. FORMULACIÓN DE HIPÓTESIS 3.1. Influencia de la confianza en la utilidad percibida, actitud e intención de seguir el consejo obtenido En primer lugar, la confianza se ha relacionado con la utilidad ya que la confianza en la otra parte de una relación representa una garantía sobre la que basar el nivel utilidad percibida que se espera obtener de dicha relación (Wu y Chen, 2005). Centrándonos en el comercio electrónico, Gefen et al. (2003) señalaron que para que un servicio online sea útil para el consumidor, éste debe confiar primero en el proveedor de dicho servicio y pensar que el uso del servicio le va a reportar una serie de beneficios. Esto es, la confianza sirve para garantizar la obtención de la utilidad esperada durante una interacción o la prestación de un servicio (Pavlou, 2003). Teniendo en cuenta estas ideas, se propone la primera hipótesis de trabajo: H1: La confianza en una red social ejerce una influencia positiva sobre la utilidad percibida de la información obtenida en dicha red social. Por otra parte, la confianza se ha relacionado también con la actitud en múltiples estudios previos, especialmente en un contexto electrónico (e.g. Wu y Chen, 2005). En concreto, la confianza en un vendedor online afecta directamente la actitud del consumidor hacia un comportamiento de compra, ya que la confianza hace que se perciban mayores beneficios y menores riesgos asociados a la realización de dicha compra (e.g. Pavlou, 2003). Así, teniendo en cuenta que el paradigma Coste-Beneficio

8 afecta en gran medida las creencias y actitudes de los individuos, es razonable pensar que la confianza puede ser un predictor de la actitud del consumidor hacia un comportamiento (Davis et al., 1989). Esto es, los resultados positivos asociados a la confianza sirven para desarrollar una actitud favorable en el consumidor para llevar a cabo un comportamiento específico. Por tanto, proponemos la siguiente hipótesis de trabajo: H2: La confianza en una red social ejerce una influencia positiva sobre la actitud del consumidor hacia la información obtenida en dicha red social. Así mismo, la intención de seguir un consejo se ha visto influenciada por la confianza depositada en el individuo u organización que proporciona el consejo (e.g. McKnight et al., 2002). En concreto, estos autores proponen que un consumidor se fiará de los consejos recibidos por un vendedor en el caso de que perciba que éste: (1) es competente, por lo que proporcionará consejos de valor para el consumidor; (2) no tiene comportamientos oportunistas, ofreciendo consejos honestos sin tratar de aprovecharse de la situación; y (3) es benevolente, ya que brinda los consejos que mejor se adaptan a las necesidades del consumidor. De esta forma, se motiva la intención del consumidor de seguir el consejo recibido. Así, trasladando este planteamiento al contexto de análisis de este trabajo (redes sociales en el sector del turismo rural), resulta razonable pensar que un individuo seguirá los consejos recibidos en una red social y tendrá en cuenta la información obtenida en la misma a la hora de planificar sus viajes y elegir destinos turísticos cuando confíe en el resto de miembros de la red. De esta forma, se propone la tercera hipótesis de trabajo: H3: La confianza en una red social ejerce una influencia positiva sobre la intención del consumidor de poner en práctica los consejos obtenidos en la red Influencia de la utilidad percibida en la actitud e intención de seguir el consejo obtenido En este trabajo se adapta también una de las aportaciones más relevantes del Modelo de Aceptación Tecnológica, la relación entre utilidad y actitud (e.g. Davis, 1989). Básicamente, esta relación se basa en la creencia de que una mejora en el

9 resultado esperado incrementa los sentimientos positivos del usuario hacia el uso de un sistema o la realización de un comportamiento específico (Davis, 1989). En el ámbito empresarial esa utilidad se refería a la productividad del trabajador. Análogamente, la utilidad de la información obtenida en una red social de turismo rural hará referencia a la productividad del propio individuo en su propósito de planificar un viaje o elegir un destino turístico. Teniendo en cuenta este razonamiento, se propone la siguiente hipótesis de trabajo adaptada a nuestro contexto de análisis: H4: La utilidad percibida de la información obtenida en una red social ejerce una influencia positiva sobre la actitud del consumidor hacia dicha información. Así mismo, el Modelo de Aceptación Tecnológica propone que la utilidad percibida es un determinante directo de la intención de adoptar un sistema informático. Tal y como señala Davis (1989), los individuos forman sus intenciones de comportamiento en función de la productividad esperada asociada a dicho comportamiento. Centrándonos en el sector turístico, los individuos pueden decidir tener en cuenta la información obtenida en una red social virtual en función del rendimiento que esperan obtener de dicha información. De esta forma, una información más útil puede servir para mejorar la organización de un viaje. Esto es, la información obtenida en redes sociales de viajes puede ser vista como un medio para mejorar la planificación de un viaje de forma que se fomente la intención de tener en cuenta dicha información durante el proceso de organización del viaje. Por todo ello, se propone la siguiente hipótesis de trabajo: H5: La utilidad percibida de la información obtenida en una red social ejerce una influencia positiva sobre la intención del consumidor de poner en práctica dicho consejo Influencia de la actitud en la intención de seguir el consejo obtenido Por último, el concepto de actitud, entendido como el sentimiento favorable o desfavorable hacia el uso de una tecnología, ejerce una influencia directa y positiva sobre la intención de uso (Taylor y Todd, 1995). En otras palabras, un individuo incrementa la intención de ejercer un comportamiento si siente un afecto positivo hacia

10 el mismo. De hecho, esta relación ha sido ampliamente constatada en varios modelos explicativos del comportamiento humano como el Modelo de Aceptación Tecnológica (Davis, 1989), la Teoría de la Acción Razonada (Fishbein y Ajzen, 1980) o la Teoría del Comportamiento Planificado (Ajzen, 1991). En consecuencia, proponemos nuestra última hipótesis de trabajo: H6: La actitud del consumidor hacia la información obtenida en una red social ejerce una influencia positiva sobre su intención de poner en práctica dicho consejo. En resumen, el modelo propuesto puede observarse en la figura PROCESO DE RECOGIDA DE LA INFORMACIÓN La obtención de los datos necesarios para realizar este estudio se realizó mediante una encuesta a través de Internet hecha a miembros de redes sociales relacionadas con el turismo rural en España. Con el fin de obtener el mayor número de respuestas posible, se incluyó un banner en es.lastminute.com, una de las agencias de viajes online más importantes en España. Así mismo, se publicaron varios post en sitios web con elevado tráfico, listas de distribución y foros de discusión relacionados con la temática del turismo rural. A la hora de rellenar el cuestionario se siguieron las recomendaciones de Roberts et al. (2003), permitiendo al sujeto elegir la red social a analizar ya que el objetivo del presente trabajo era entender la intención de seguir el consejo obtenido en una red social de turismo rural sin importar en que red se había obtenido la información. Sin embargo, se requirió que el individuo fuese miembro de la red social seleccionada. La mayoría de las redes sociales elegidas eran bien conocidas dentro del turismo rural en España y entre las mismas se encontraban: Escapada Rural ( Ruralon ( Rural on-line ( o Toprural ( Concretamente, los individuos tuvieron que responder varias cuestiones sobre sus niveles de confianza en la red social elegida, la utilidad esperada de la información obtenida en dicha red, su actitud hacía esa información así como sobre su intención de seguir el consejo obtenido. Todas las preguntas fueron medidas mediante una escala tipo Likert de 7 puntos.

11 Este método de recogida de datos a través de individuos voluntarios generó 263 cuestionarios válidos (se eliminaron casos atípicos, respuestas repetidas y cuestionarios incompletos). Ya que este método no utiliza una muestra aleatoria no fue posible asegurar estadísticamente la fiabilidad de la muestra. Por ello, en este tipo de situaciones se recomienda comparar el perfil medio de los encuestados con los perfiles obtenidos en estudios similares. Concretamente, comparamos nuestros resultados con los ofrecidos por la Asociación para la Investigación de Medios de Comunicación y el Observatorio de las Telecomunicaciones y de la Sociedad de la Información (AIMC 2008; OTSI-RED.ES, 2008). Los resultados obtenidos tras la comparación fueron muy similares. 5. VALIDACIÓN DE LAS ESCALA El proceso de validación de las escalas propuestas para la medición de las variables incluidas en el modelo de investigación se compone de las siguientes fases Validez de contenido y validez aparente El desarrollo de las escalas de medida se basó en una amplia revisión de la literatura previa más relevante en el campo del marketing de relaciones y el marketing en Internet (ver tabla 1). Gracias a esta profunda revisión fue posible realizar una primera propuesta de escalas. No obstante, muchas de ellas debieron ser adaptadas al contexto de las redes sociales de turismo rural. El objetivo de esta adaptación era el de garantizar la validez aparente, que se define como el hecho por el cual la escala de medida refleja aquello que se pretende medir. La validez aparente se confunde en multitud de ocasiones con el concepto de validez de contenido. Sin embargo, la validez de contenido es el grado en el que los ítems representan correctamente el contenido teórico del constructo y que está garantizada gracias a la profunda revisión bibliográfica efectuada. El nivel de validez aparente fue contrastado a partir de una variación del modelo de Zaichkowsky (1985) en el que cada ítem es calificado por un grupo de expertos como claramente representativo, algo representativo o no representativo. Finalmente, de acuerdo

12 con Lichtenstein et al. (1990) cada ítem era retenido si existía un alto grado de consenso entre los expertos Análisis exploratorios de fiabilidad y dimensionalidad El proceso de validación comenzó con un análisis exploratorio inicial de la fiabilidad y la dimensionalidad de los instrumentos de medida (e.g. Anderson y Gerbing, 1988). En primer lugar, el método de la alpha de Cronbach fue utilizado para valorar la fiabilidad de las escalas considerando un valor mínimo de 0,7, tal y como considera Cronbach (1970). Todas las variables consideradas superaron con comodidad el umbral mínimo de 0,7. Así mismo, se comprueba que la correlación ítem-total, donde se mide la correlación de cada ítem con la suma del resto de ítems de la escala, es superior al mínimo de 0,3 establecido por Nurosis (1993). En segundo lugar, se procedió a valorar el grado de unidimensionalidad de las escalas consideradas. Es decir, se trató de ver el grado en el que los ítems cargaban sobre los factores propuestos teóricamente. Así, la extracción de factores se basó en la existencia de autovalores superiores a la unidad, a la vez que se exigía a cada factor cargas superiores a 0,5 y que la varianza explicada por cada factor extraído fuera significativa. De esta forma, sólo se extrajo un factor de cada una de las escalas propuestas: utilidad, benevolencia, honestidad, competencia, actitud e intención de seguir el consejo obtenido Análisis confirmatorios de dimensionalidad Con el fin de confirmar la estructura dimensional de las escalas propuestas se recurrió al Análisis Factorial Confirmatorio. Para realizar los análisis se recurrió al software estadístico EQS 6.1, y como método de estimación se utilizó el de Máxima Verosimilitud Robusto debido a que permite operar con mayor seguridad en muestras que pudieran presentar algún tipo de anormalidad multivariante. Se diseño un modelo factorial que incluía la totalidad de las variables consideradas y se siguieron los criterios propuestos por Jöreskog y Sörbom (1993): El criterio de convergencia débil por el que se eliminan a los indicadores que no presenten coeficientes de regresión factorial significativos (t-student > 2,58; p =

13 0,01). El criterio de convergencia fuerte por el que se eliminan todos los indicadores cuyos coeficientes estandarizados sean inferiores a 0,5. Adicionalmente, se eliminan aquellos indicadores que menos aporten a la explicación del modelo. En concreto, se excluyeron aquellos indicadores cuya R 2 fuese inferior a 0,5. Después de realizar este proceso se obtuvieron niveles adecuados de convergencia, R 2 y ajuste en el modelo factorial por lo que ningún ítem tuvo que ser eliminado. Finalmente, con el fin de confirmar la existencia de multidimensionalidad en la variable confianza se desarrolló una Estrategia de Modelos Rivales (Hair et al., 1998) según la cual se compara un modelo de segundo orden en el que varias dimensiones miden el constructo multidimensional considerado, con otro modelo de primer orden en el que todos los ítems cargan sobre un único factor. Tras analizar los resultados se observa que el modelo de segundo orden se ajustaba mucho mejor que el de primer orden, indicando que la confianza presentaba un claro carácter multidimensional Fiabilidad de constructo Aunque el indicador generalmente aceptado para valorar la fiabilidad de las escalas es el estadístico alpha de Cronbach, algunos autores esgrimen que este indicador puede infravalorar la fiabilidad (e.g. Smith, 1974). Por ello, el uso de un estadístico adicional como la fiabilidad del constructo es recomendada por diversos autores como Jöreskog (1971). Tomando como valor mínimo 0,6 (Nunnally y Bernstein, 1994), los resultados son positivos, tal y como se muestra en la tabla Validez de constructo La validez de constructo se analizó utilizando dos criterios fundamentales de validez: Validez convergente: Indica si los ítems que componen las escalas convergen hacia un único constructo. La validez convergente se constató al observar que la

14 carga factorial de cada indicador era superior a 0,5 y significativas al nivel de 0,01 (Sanzo et al., 2003). Además, se utilizó el Análisis de la Varianza Extraída (AVE) siguiendo el criterio de Fornell y Larker (1981), que exponen que las mediciones con un nivel adecuado de validez convergente deberían contener menos de un 50% de la varianza del error (lo que supone un valor del estadístico AVE superior a 0,5). Los resultados obtenidos fueron satisfactorios, tal y como se observa en la tabla 2. Validez discriminante: Verifica si el constructo objeto de análisis esta significativamente alejado de otros constructos con los que no se encuentra relacionado teóricamente. Para valorar la validez discriminante se evidenció que las correlaciones entre los distintos constructos eran menores a 1 (Bagozzi et al., 1991). Para ello, se comprobó que el valor 1 no se encontraba en el intervalo de confianza de las correlaciones entre las distintas escalas. Los resultados son satisfactorios ya que todos los pares de constructor cumplen el criterio mencionado. 6. RESULTADOS Con el fin de contrastar las hipótesis anteriormente propuestas se desarrolló un modelo de ecuaciones estructurales, cuyos resultados se muestran en la tabla 3. Se observó que las seis hipótesis planteadas en este estudio eran aceptadas a un nivel de 0,01. Asimismo, se observó que el ajuste del modelo presentaba valores aceptables (Chi-square =175,169, 59 d.f., p< 0,001; Satorra-Bentler Scaled Chi-Square = 89,9925, 59 d.f. p = 0,00578; Bentler-Bonett Normed Fit Index (NFI) =0,978; Bentler-Bonett Nonnormed Fit Index (NNFI) =0,990; Comparative Fit Index (CFI) =0,992; Bollen Fit Index (IFI) =0,992; Root Mean Sq. Error of App. (RMSEA) =0,034; 90% Confidence Interval of RMSEA (0,019, 0,047); Chi normada= 2,9689). Por otra parte, es destacable el hecho de que la intención de seguir el consejo obtenido en una red social pudiera ser explicada en un grado tan alto (R 2 = 0,76), a través de este sencillo modelo. En concreto, se encontró que esta intención del consumidor se encuentra directamente afectada por la confianza en la red donde se obtiene el consejo (β=0,306, p<0,01), la utilidad percibida del mismo (β=0,301, p<0,01) y la actitud del consumidor hacia dicho consejo (β=0,405, p<0,01), lo que confirma

15 nuestras hipótesis 3, 5 y 6. A su vez, la confianza en la red social (β=0,600, p<0,01) y la utilidad percibida de la información obtenida (β=0,218, p<0,01) influyen directamente en la actitud del consumidor, variable que también queda explicada en gran parte con este modelo (R 2 = 0,55). Estos resultados sirven para confirmar nuestras hipótesis 2 y 4 respectivamente. Por último, el efecto positivo de la confianza en la utilidad percibida (β=0,547, p<0,01) confirma la hipótesis 1 y permite explicar parcialmente dicho concepto de utilidad (R 2 = 0,299). 7. CONCLUSIONES Cada vez con mayor frecuencia, los viajeros acuden a redes sociales con el fin de obtener información en la que basar sus decisiones de compra. Este hecho, también se está observando en el turismo rural, donde es cada vez más frecuente la visita de viajeros a las múltiples redes sociales que se han desarrollado recientemente en este contexto (e.g. Escapada Rural, Ruralon, Toprural, etc.). Sin embargo, hasta la fecha, no se ha tratado de investigar si el consumidor realmente tiene la intención de basar sus decisiones en la información obtenida en este tipo de redes. De hecho, todavía no existe un consenso claro del modo en el que las redes sociales afectan el comportamiento del consumidor en general. Por ello, en este estudio se han tratado de determinar algunas de los precursores de la intención del viajero de seguir el consejo obtenido en una red social de turismo rural. En este sentido, la actitud del viajero hacia la información obtenida en una red social se ha revelado como un factor clave a la hora de explicar este proceso, lo que es coherente con las relaciones propuestas en el Modelo de Aceptación Tecnológica (Davis, 1989), la Teoría del Comportamiento Planificado (Ajzen, 1991) o la Teoría de la Acción Razonada (Fishbein y Ajzen, 1980). Al mismo tiempo, la confianza en la red social y la utilidad percibida del consejo recibido son dos antecedentes necesarios en la formación de una actitud positiva hacia la información obtenida en la red y la intención del viajero de seguir el consejo obtenido. Esto se debe a que, a la hora de realizar una decisión de compra, los consumidores en general prefieren confiar en fuentes de comunicación personales e informales (e.g. otros consumidores) en lugar de en grandes campañas publicitarias (Bansal y Voyer, 2000). De hecho, estas recomendaciones son especialmente efectivas ya que, en principio, la fuente de información no tiene nada que

16 ganar de las acciones que se deriven en el comportamiento del consumidor que recibe el consejo (Schiffman y Kanuk, 1997) y, por tanto, el resto de consumidores son considerados como fuentes de información más objetivas (Kozinets, 2002). Al mismo tiempo, ante la falta de experiencia de primera mano, los consumidores basan sus intenciones de comportamiento en parte de acuerdo con la experiencia de otros consumidores al considerar que la información proporcionada por individuos similares se va a acercar a su futura experiencia propia, considerándola por tanto información útil para formar sus expectativas. La principal implicación que se deriva de estos resultados es que la participación en redes sociales puede influir el comportamiento del consumidor en el sector turístico. De esta forma, el poder que tradicionalmente residía en las agencias y organizaciones de viajes se desplaza a gran velocidad hacia los consumidores, quienes mediante el intercambio de opiniones y recomendaciones en este tipo de redes son capaces de condicionar el comportamiento de otros viajeros. Por ello, resulta especialmente necesario que las organizaciones dedicadas al turismo rural y de montaña inviertan parte de sus recursos en analizar los post y publicaciones en estas redes sociales, puesto que a partir de los mismos es posible averiguar los gustos, deseos y necesidades de los viajeros que interactúan en las mismas. De esta forma, sería posible identificar cuáles son las principales causas de satisfacción o insatisfacción de los individuos a la hora de realizar un viaje, elegir un hotel, etc. gracias a los comentarios realizados en estas redes. En consecuencia, sería más fácil elaborar estrategias que garantizasen la satisfacción del consumidor y la sostenibilidad del negocio en el largo plazo. De ahí, la creciente importancia de las redes sociales en el sector turístico desde la perspectiva de marketing Limitaciones y futuras líneas de investigación No obstante, a pesar de los interesantes resultados obtenidos, este trabajo presenta una serie de limitaciones que nos abre una serie de posibles líneas de investigación para el futuro. Una de las principales limitaciones del presente trabajo es el hecho de que los individuos que han participado en el estudio son de habla hispana. En consecuencia, sería conveniente validar nuevamente el modelo propuesto con una

17 muestra de consumidores más amplia, especialmente en términos culturales. En segundo lugar, en este trabajo se analizan únicamente un tipo de redes sociales virtuales, aquéllas centradas en el turismo rural. Por ello, con el fin de generalizar los resultados, sería interesante replicar el presente estudio analizando una mayor variedad de redes sociales. En tercer lugar, otra posible limitación del presente trabajo hace referencia a la no inclusión de algunas variables que pudieran ser relevantes en la explicación de la intención del viajero de seguir el consejo obtenido en una red social. A modo de ejemplo, el grado de experiencia del individuo en relación con la decisión a tomar puede moderar la influencia que las opiniones y comentarios de otros miembros de la red tienen en el comportamiento del consumidor. Al mismo tiempo, sería interesante investigar si los comentarios positivos y negativos realizados en una red social puedan tener efectos distintos sobre la intención del consumidor de seguir el consejo obtenido en la misma, o si las opiniones del propietario de un establecimiento se tienen en cuenta por el consumidor a la hora de tomar sus decisiones. REFERENCIAS AIMC (2009): Navegantes en la Red. 11ª encuesta AIMC a usuarios de Internet, Asociación para la Investigación de Medios de Comunicación. Disponible en: AJZEN, I. (1991): «The Theory of Planned Behavior», Organizational behavior and human decision process, nº 50, pp ANDERSON, J. y GERBING, D. (1988): «Structural Modeling in Practice: A Review and Recommended Two-Step Approach», Psychological Bulletin, nº 103 (3), pp BAGOZZI, R.P., YI, Y. y PHILLIPS, L.W. (1991): «Construct Validity in Organizational Research», Administrative Science Quarterly, nº 36 (3), pp BANSAL, H.S. y VOYER, P.A. (2000): «Word-of-Mouth Processes Within a Services Purchase Decision Context», Journal of Service Research, nº 3 (2), pp BHATTACHERJEE, A. (2001): «Understanding Information Systems Continuance: An Expectation/Confirmation Model», MIS Quarterly, nº 25 (3), pp CHADWICK MARTIN BAILEY (2005): Travel Advocacy: Chadwick Martin Bailey Quantifies the Financial Power of Advocacy in the Travel and Hospitality Industry. Disponible en: CRONBACH, L.J. (1970): Essentials of psychological testing, New York, Harper and Row. DAVIS, F. (1989): «Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology», MIS Quarterly, nº 13 (3), pp DAVIS, F.D., BAGOZZI, R.P., y WARSHAW, P.R. (1989): «User Acceptance of Computer Technology: A Comparison of Two Theoretical Models», Management Science, nº 35 (8), pp DELLAROCAS, C. y NARAYAN, R. (2007): «Tall heads vs. long tails: Do consumer reviews increase the informational inequality between hit and niche products?», Working Paper No. RHS , R.H. Smith School of Business University of Maryland (EE.UU.). DILLON, A. y MORRIS, M.G. (1996): «User Acceptance of Information Technology: Theories and Models», Annual Review of Information Science and Technology (ARIST), nº 31, pp DONEY, P. y CANNON, J. (1997): «An Examination of the Nature of trust in the Buyer-Seller Relationship», Journal of Marketing, nº 61, pp FISHBEIN, M. y AJZEN, I. (1980): Understanding Attitudes and Predicting Behavior, Englewood Cliffs, NJ, Prentice-Hall.

18 FLAVIÁN, C., GUINALÍU, M. y GURREA, R. (2006): «The role played by perceived usability, satisfaction and consumer trust on website loyalty», Information & Management, nº 43 (1), pp FORNELL, C. y LARCKER, D. (1981): «Structural Equation Models With Unobserved Variables and Measurement Error», Journal of Marketing Research, nº 18, pp GEFEN, D., KARAHANNA, E. y STRAUB, D. (2003): «Trust and TAM in online shopping: an integrated model», MIS Quarterly, nº 27 (1), pp GEFEN, D. y STRAUB, D. (2000): «The relative importance of perceived ease of use in IS adoption: A study of ecommerce adoption», Journal of the Association for Information Systems, nº 1, artículo 8. Disponible en: GEYSKENS, I., STEENKAMP, J. y SCHEER, L.K. (1996): «The effects of trust and interdependence on relationship commitment. A trans- Atlantic study», International Journal of Research in Marketing, nº 13, pp HAIR, J.F. Jr., ANDERSON, R.E., TATHAM, R.L. y BLACK, W.C. (1998): Multivariate Data Analysis, Prentice Hall. HSU, M.H., YEN, C.H., CHIU, C.M. y CHANG, C.M. (2006): «A longitudinal investigation of continued online shopping behavior: An extension of the theory of planned behaviour», International Journal of Human-Computer Studies, nº 64, pp HUNT, H.K. (1977): «CS/D.Overview and Future Research Directions», en HUNT, H.K. (ed.): Conceptualizion and Measurement of Consumer Satisfaction and Dissatisfaction, Cambridge, MA, Marketing Science Institute. INSTITUTO DE ESTUDIOS TURÍSTICOS (2008). Turismo interior España. Informe anual Disponible en: JÖRESKOG, K. (1971): «Statistical analysis of sets of congeneric tests», Psychometrika, nº 36 (2), pp JÖRESKOG, K. y SÖRBOM, D. (1993): LISREL 8 Structural Equation Modeling with the SIMPLIS Command Language, Chicago-Illinois, Scientific Software International. KARAHANNA, E., STRAUB, D.W. y CHERVANY, N.L. (1999): «Information Technology Adoption Across Time: A Cross-Sectional Comparison of Pre-Adoption and Post-Adoption Beliefs», MIS Quarterly, nº 23 (2), pp KOZINETS, R.V. (2002): «The Field Behind the Screen: Using Netnography for Marketing Research in Online Communities», Journal of Marketing Research, nº 39 (1), pp KUMAR, N., SCHEER, L. y STEENKAMP, J. (1995): «The Effects of Supplier Fairness on Vulnerable Resellers», Journal of Marketing Research, nº 32 (1), pp LATOUR, S.A. y PEAT, N.C. (1979): «Conceptual and Methodological Issues in Consumer Satisfaction Research», en WILKIE, W.L. (ed.): Advances in Consumer Research, nº 6, pp , Ann Arbor, MI, Association for Consumer Research. LIAO, C., CHEN, J.L. y YEN, D.C. (2007): «Theory of planning behavior (TPB) and customer satisfaction in the continued use of e-service: An integrated model», Computers in Human Behavior, nº 23 (6), pp LICHTENSTEIN, D.R.; NETEMEYER, R.G., y BURTON, S. (1990): «Distinguishing coupon proneness from value consciousness: an acquisition transaction utility theory perspective», Journal of Marketing, nº 54, pp LIN, C.S., WU, S. y TSAI, R.J. (2005): «Integrating perceived playfulness into expectation-confirmation model for web portal context», Information & Management, 42, pp MAYER, R., DAVIS, J. y SHOORMAN, F. (1995): «An Integrative Model Of Organizational Trust», Academy Of Management Review, nº 20 (3), pp MCKNIGHT, D.H., CHOUDHURY, V. y KACMAR, C. (2002): «The impact of initial consumer trust on intentions to transact with a web site: a trust building model», Journal of Strategic Information Systems, nº 11, pp MORGAN, R. y HUNT, S. (1994): «The Commitment - Trust Theory of Relationship Marketing», Journal of Marketing, nº 58, pp MURRAY, K.B. y SCHLACTER, J.L. (1990): «The Impact of Services versus Goods on Consumers s Assesment of Perceived Risk and Variability», Journal of the Academy of Marketing Science, nº 18 (1), pp NUNNALLY, J.C. y BERNSTEIN, I.H. (1994): Psychometric theory, New York, McGraw-Hill. NUROSIS, M.J. (1993): SPSS. Statistical Data Analysis, Spss Inc.

19 OLIVER, R. (1980): «A Cognitive Model of the Antecedents and Consequences of Satisfaction Decisions», Journal of Marketing Research, nº 14, pp OTSI-RED.ES (2008): XXI Oleada del Panel de Hogares (Julio-Septiembre 2008), Observatorio de las Telecomunicaciones y de la Sociedad de la Información. Disponible en: PAVLOU, P.A. (2003): «Consumer acceptance ofelectronic commerce integrating trust and risk with the technology acceptance model», International Journal of Electronic Commerce, nº 7 (3), pp RIDINGS, C.M., GEFEN, D. y ARINZE, B. (2002): «Some antecedents and effects of trust in virtual communities», Journal of Strategic Information Systems, nº 11, pp ROBERTS, K., VARKI, S. y BRODIE, R. (2003): «Measuring The Quality Of Relationships In Consumer Services: An Empirical Study», European Journal of Marketing, nº 37 (1/2), pp SANZO, M.; SANTOS, M.; VÁZQUEZ, R. y ÁLVAREZ, L. (2003): «The Effect of Market Orientation on Buyer-Seller Relationship Satisfaction», Industrial Marketing Management, nº 32 (4), pp SCHIFFMAN, L.G. y KANUK, L.L. (1997): Consumer Behaviour, 6 th ed., Upper Saddle River, NJ, Prentice Hall. SEN, S. y LERMAN, D. (2007): «Why are you telling me this? An examination into negative consumer reviews on the web», Journal of Interactive Marketing, nº 21 (4), pp SIGUAW, J., SIMPSON, P. y BAKER, T. (1998): «Effects of Supplier Market Orientation on Distributor Market Orientation and the Channel Relationship: the Distributor Perspective», Journal of Marketing, nº 62 (July), pp SMITH, K.W. (1974): «On estimating the reliability of composite indexes through factor analysis», Sociological Methods & Research, nº 2, pp TAYLOR, S. y TODD, P.A. (1995): «Understanding information Technology Usage: A test of competing models», Information System Research, nº 6 (2), pp WU, I.L. y CHEN, J.L. (2005): «An extension of Trust and TAM model with TPB in the initial adoption of on-line tax: An empirical study», International Journal of Human-Computer Studies, nº 62, pp ZAICHKOWSKY, J.L. (1985): «Measuring the Involvement Construct», Journal of Consumer Research, nº 12 (4), pp

20 ANEXO: TABLAS Y FIGURAS Tabla 1. Validez de contenido Variable Adaptado de Confianza Flavián et al. (2006); Kumar et al. (1995); Siguaw et al. (1998); Doney y Cannon (1997) Utilidad Bhattacherjee (2001); Lin et al. (2005) Actitud Wu y Chen (2005); Hsu et al. (2006) Intención de seguir el consejo obtenido McKnight et al. (2002) Tabla 2. Fiabilidad de constructo, validez convergente (AVE) Constructo Fiabilidad de Constructo Análisis de la Varianza Extraida (AVE) Utilidad 0,96 0,88 Honestidad 0,91 0,78 Benevolencia 0,91 0,77 Competencia 0,92 0,80 Actitud 0,95 0,86 Intencíon seguir consejo 0,94 0,80 Tabla 3. Coeficientes estimados y varianza explicada para las variables endógenas COEFICIENTES VARIABLE HIPÓTESIS t-valor R 2 ESTIMADOS ENDÓGENA H1: CONF UTI 0,547* 11,527 Utilidad 0,299 H2: CONF ACT 0,600* 9,036 Actitud 0,55 H4: UTI ACT 0,218* 3,481 H3: CONF CONSEJ 0,306* 6,846 Intención de H5: UTI CONSEJ 0,301* 5,257 0,76 seguir el consejo H6: ACT CONSEJ 0,405* 7,123 Nota: (*) Indica que los coeficientes son significativos a un nivel de 0,01.