INTRODUCCIÓN

La conducta de compra de un consumidor es el resultado de un proceso complejo de decisión donde intervienen factores en distintos momentos que abarcan desde el reconocimiento de la necesidad, búsqueda de información, evaluación de opciones y finalmente la compra y evaluación en la post compra (Kotler et al., 2015).

Uno de los modelos extensamente usados para dar cuenta de la configuración de los factores que influyen en la conducta del consumidor es el modelo S-O-R propuesto originalmente para la psicología ambiental y trasladado luego al área de mercadeo por Donovan & Rossiter (1982) quienes lo aplicaron para explicar la conducta de compra en tiendas físicas, y por Eroglu et al. (2003) los que lo adaptaron a la compra en tiendas en línea. El modelo S-O-R postula que los estímulos del contexto (S) resultan antecedentes de la conducta de compra que afectan al consumidor (O) que funge de mediador de estos estímulos al procesarlos cognitiva y emocionalmente y por esta vía influir sobre la conducta del consumidor (R). Mientras otros modelos como el TAM (Modelo de Aceptación de la Tecnología) y el TPB (Teoría de la acción planeada) son excelentes para entender facetas específicas del comportamiento, como el impacto de elementos tecnológicos de usabilidad y utilidad (TAM) y el efecto mediador de actitud, norma y control percibido (TBP) (Kimiagari & Malafe, 2021), el modelo S-O-R proporciona un marco integrado para evaluar las variables propuestas aquí y además enfatiza en el papel crítico del cliente como procesador de experiencias tanto a nivel emocional como cognitivo.

Con este marco S-O-R de referencia, se han analizado distintas variables de mercadeo junto con características individuales y entre las variables consideradas como antecedentes (S) destaca el precio del producto o servicio considerado tanto en su dimensión monetaria como en la percepción del consumidor sobre la relación costo-beneficio o imagen del precio (Cakici & Tekeli, 2021). Aunque se reconoce el impacto del precio sobre la intención de compra, no existe un modelo integrado de imagen de precio lo cual constituye una oportunidad para aportar coherencia al área y estrechar brechas en el conocimiento (Echeverría Ríos et al., 2021). La imagen de precio de una tienda tiene efectos directos sobre el riesgo percibido y las respuestas emocionales del consumidor. De esta manera, el primer propósito de este estudio es verificar si los clientes construyen la imagen de precio de una tienda como la configuración de distintas dimensiones; y el segundo propósito es investigar cómo esta imagen de precio multidimensional funge de estímulo que impacta cómo el cliente procesa afectiva y cognitivamente el precio, todo esto en el contexto de una cadena de farmacias venezolana, Farmatodo C.A., con una trayectoria de más de cien años de funcionamiento en el país. El sector farmacéutico en Venezuela ha mostrado una recuperación a partir del 2023 con un crecimiento anual del 7.6%. A principios del 2024 se registró un crecimiento interanual del 46.41% en la disponibilidad de medicamentos. Estos datos son generales pues no hay información específica del sector; sin embargo, puede afirmarse la recuperación y el aumento del comercio en línea, en un contexto socioeconómico marcado por la inflación y la disminución de la demanda (enFarma, 2024; Banca y Negocios, 2024). Es decir, esta investigación busca entender qué es la imagen de precio y cómo ésta afecta al consumidor y media en su decisión final de compra.

REVISIÓN DE LA LITERATURA

En el modelo S-O-R ampliamente aplicado en el comercio en línea a partir del trabajo de Eroglu et al. (2003) se han incorporado distintas variables como estímulos o elementos de la atmósfera y se han ampliado los aspectos mediadores entre la atmósfera y la respuesta de compra (Le et al., 2022).

El presente estudio se enfoca en la influencia del precio y la percepción del consumidor en la decisión de compra. El precio, dentro de la mezcla de mercadeo, es el único instrumento que proporciona ingresos, es flexible, y puede cambiar con rapidez, lo que lo constituye un poderoso factor competitivo y con importantes repercusiones psicológicas en el consumidor, jugando un papel crucial en la construcción de relaciones con el cliente (Kotler et al., 2015; Levrini & Jeffman dos Santos, 2021).

El precio es la cantidad de dinero que un consumidor ofrece para disfrutar de un producto que le proporciona una utilidad y, más allá del costo monetario, se vincula con la percepción del consumidor sobre la calidad recibida, es decir, si ese bien vale el precio que pagó, si cumple con sus expectativas (Büyükdağ, 2020; Zhao et al., 2021). La evidencia señala que diversos aspectos vinculados con el precio tienen impacto directo e indirecto sobre la intención de compra que van desde el nivel y percepción de valor, imagen del precio hasta precio justo (Wiedmann et al., 2018; De Toni et al., 2021; Isbahi, 2023). Sin embargo, los estudios actuales no ofrecen una visión integrada que considere todos los aspectos relacionados con el precio, lo cual señala la necesidad de resolver esta brecha en el conocimiento.

Una alternativa en este sentido, es el modelo de imagen de precio según Zielke (2006, 2011) para quien esta imagen está compuesta por 5 dimensiones: 1) Percepción de nivel de precio que es la apreciación del precio sin considerar su calidad dado que refleja que tan barato o caro se percibe el producto o la tienda. 2) Relación calidad-precio: se trata del balance entre lo que se da y lo que se recibe a cambio. Esta dimensión considera, además del precio real, los costos físicos, psíquicos y temporales invertidos en el proceso de compra 3) Perceptibilidad: representa la facilidad con la que un cliente puede encontrar o ver los precios de los productos en la tienda. 4) Procesabilidad: se trata de la facilidad de los consumidores para procesar cognitivamente y comparar los precios de los diferentes productos en las tiendas y 5) Certidumbre de la evaluación: qué tan fácilmente se pueden verificar y comparar los precios de los diferentes productos, lo cual reduce la percepción de riesgo y aumenta la certeza sobre los juicios realizados.

Zielke (2018) evaluó este modelo y encontró que estas dimensiones afectan de modo significativo la intención de compra. Sin embargo, y tal como afirman Echeverría Ríos et al. (2021) la verificación de este modelo de imagen de precio de Zielke (2006, 2011) y aplicada al contexto Latinoamericano es muy poca y para el caso de Venezuela, inexistente.

En este estudio, se conceptualiza la imagen de precio como “una variable latente multidimensional que consiste en creencias y sentimientos subjetivos sobre las actividades de fijación de precios de la tienda” (Zielke et al., 2022, p.750) y se propone que tal imagen es un antecedente (S) que influye sobre el organismo y este, a su vez, impacta en la conducta de compra de los consumidores. Así, se pretende contrastar tanto el poder de la imagen del precio como variable multidimensional y su papel de antecedente dentro de un marco más general que es el modelo S-O-R.

Con respecto al papel mediador del organismo (O), Zielke (2011) destacó la necesidad de considerar las emociones al analizar cómo la imagen de un producto o marca influye en la decisión de compra. La mayoría de las personas experimentan emociones como satisfacción, disgusto o ira al comprar en diferentes tiendas. Incluso pueden sentir vergüenza por comprar en lugares económicos o culpa por pagar precios altos por artículos no esenciales y estas emociones afectan la respuesta del consumidor, sea para promover una compra o para alejar al consumidor de concretarla.

Cakici & Tekeli (2021) llevaron a cabo un estudio para confirmar las relaciones causales entre la percepción de precio y las emociones sobre la compra en supermercados. Argumentaron que la percepción del nivel de precios, como antecedente, afecta las emociones las cuales median en la respuesta de compra y, detectaron que la percepción sobre lo barato o caro de los productos tiene impacto positivo en las emociones que se tienen hacia los supermercados: los consumidores tienden a tener emociones más positivas hacia los supermercados que perciben como económicos y, asimismo, al percibir la tienda como de bajo costo son menos propensos a experimentar emociones como disgusto o desconfianza.

Así, los consumidores confían en sus emociones al evaluar una tienda. La emoción, junto con la actitud, la valoración hedónica y utilitaria y la percepción de riesgo son variables que se han considerado como mediadoras en el modelo S-O-R (Karim et al., 2021). Cheah et al. (2020), mostraron que la imagen de precio en una tienda minorista tiene un efecto positivo sobre las personas, como el valor percibido y la actitud, elementos mediadores de la intención de compra. Además, estos investigadores reportaron en su estudio el efecto moderador del riesgo percibido de engaño por parte del minorista.

La conceptualización de precio contempla tanto elementos racionales como emocionales, lo cual permite hacer inferencias acerca de la probabilidad de que las dimensiones impacten en las emociones positivas o negativas, así como prever una relación entre la evaluación de la calidad del producto y el riesgo percibido: cuando el consumidor evalúa al producto como de alta calidad está dispuesto a pagar un mayor precio porque reduce su riesgo percibido y por esta vía afecta la intención de compra (De Toni et al., 2021).

En el mundo de las compras online, el riesgo percibido es una de las principales reacciones cognitivas que pueden experimentar los consumidores. Kamalul et al. (2018) indican que el riesgo percibido hace referencia a aquellas percepciones negativas de ciertos resultados no previstos en los productos comprados, y cuanto mayores sean estas percepciones mayor riesgo percibido.

Entre las categorías de riesgo estudiadas se encuentran el riesgo financiero, de tiempo, de privacidad, social, psicológico, de desempeño, de pago en línea y de producto (Kamalul et al., 2018; Kaur & Arora, 2020). En esta investigación, se utilizaron las dimensiones de riesgo propuestas por Flavián & Guimalíu (2007), para quienes el riesgo percibido “hace referencia a las posibles pérdidas resultantes de las decisiones que el consumidor ha de tomar en contextos de incertidumbre” (p. 163 y 164), y proponen una estructura dimensional conformada por: riesgo funcional o temor a que el producto o servicio no funcione bien o no alcance el resultado esperado; riesgo social como el temor a que la elección del producto no sea bien vista por amigos, familia o terceros; riesgo psicológico definido como la posibilidad de no sentirse a gusto consigo mismo por la elección del producto y riesgo temporal: expectativa de la cantidad de tiempo necesaria para adquirir un producto o repararlo en caso que falle.

Li et al. (2020) en un meta-análisis, afirmaron que el impacto de la percepción del riesgo en el comportamiento de compra ha sido ampliamente estudiado, aunque la asociación sigue siendo un tema discutido. La evidencia señala una influencia significativa y negativa del riesgo percibido sobre la intención de compra, pero el efecto del precio sobre el riesgo no ha sido firmemente establecido.

A la luz de la breve revisión anterior, el primer propósito de este estudio es evaluar el comportamiento del modelo multidimensional de Imagen de precio de Zielke (2006, 2011). Por otro lado, la integración de las variables mencionadas en el modelo S-O-R ofrece una perspectiva más completa sobre cómo los estímulos del entorno minorista se procesan a nivel cognitivo y emocional, llevando finalmente a una acción de compra y la verificación de estas relaciones constituye el segundo propósito de esta investigación previendo que:

• Una percepción de precio favorable en cualquiera de sus dimensiones se relaciona negativamente con los tipos de riesgo que se podrían asociar a una compra.

• Las distintas dimensiones de la imagen de precio se asocian positivamente con las emociones positivas y negativamente con las emociones negativas.

• Los riesgos percibidos y las emociones positivas y negativas actúan como variables mediadoras entre la imagen de precio y la intención de compra.

• Los diferentes riesgos percibidos tienen una relación negativa con la Intención de Compra.

• Las emociones positivas tienen una relación directa y positiva con la Intención de Compra, mientras que las emociones negativas tienen una relación inversa y negativa con la Intención de Compra.

El contraste de estas relaciones se llevó a cabo a partir de la información recopilada en clientes de una tienda minorista dedicada a la venta de productos farmacéuticos y de cuidado personal. Se optó por este tipo de comercio debido a que representa un contexto de estudio poco explorado en la literatura, la que se ha concentrado principalmente en minoristas como supermercados, tiendas de ropa y accesorios. Al enfocarse en un comercio distinto, se busca ampliar la evidencia sobre estas relaciones en nuevos contextos de compra. Adicionalmente, la cadena de farmacias seleccionada cuenta con presencia en línea, lo que la convirtió en una opción idónea para la investigación. El estudio se realizó con usuarios de Farmatodo C.A., una cadena de farmacias de autoservicio líder en Venezuela, con presencia en Colombia y Argentina, que fue fundada en 1962 y actualmente cuenta con más de 160 tiendas en todo el país, ofreciendo una amplia gama de productos para la salud, belleza, cuidado personal y cuidado del bebé.

METODOLOGÍA

Esta investigación es de carácter cuantitativo y explicativo con un diseño causal-comparativo (Malhotra, 2016). Se empleó el PLS-SEM (modelización por ecuaciones estructurales basadas en mínimos cuadrados parciales), un método estadístico que permite evaluar el modelo de medida donde se describe la relación entre las variables latentes (las que no se observan directamente) y sus indicadores observados (las variables que sí se pueden medir), en este caso, entre los ítems del cuestionario y las variables asociadas a percepción de precio, riesgo, emoción e intención de compra; y un modelo estructural entre las variables latentes mismas. El modelo estructural propuesto se presenta en la Figura 1.

Figura 1
Modelo S-O-R de relaciones entre Imagen de Precio, Riesgo Percibido y Estados emocionales sobre Intención de Compra
Fuente: Elaboración propia.

El PLS-SEM es idóneo para modelos complejos con muchas variables, es eficaz con muestras pequeñas y no exige normalidad en los datos (Hair et al., 2017), esto resulta fundamental en el estudio, que cuenta con 12 variables latentes y 39 variables observables, sin posibilidad de asegurar la normalidad de los mismos, ni de forma empírica ni a través del teorema central del límite, por limitaciones en la muestra. El PLS-SEM se fundamenta en una secuencia de regresiones basadas en vectores de pesos. El proceso de estimación es iterativo y converge para satisfacer ecuaciones de punto fijo (Esposito Vinzi et al., 2010).

Para validar el modelo se calcularon varias medidas: la confiabilidad compuesta (rho_a) y la confiabilidad congenérica (rho_c), estas medidas indican el grado de correlación que hay entre preguntas que se utilizan para medir un mismo constructo. Un rho alto (>0.70) significa que los indicadores están midiendo el mismo concepto subyacente y, por lo tanto, la puntuación general del constructo es confiable. El Average Variance Extracted (AVE) es una medida que evalúa la convergencia de la validez de un constructo en un modelo de ecuaciones estructurales. Un AVE alto (>0.50) significa que la mayor parte de la varianza en las variables observadas se debe al constructo latente que representan, lo que indica una buena convergencia. Por el contrario, un AVE bajo sugiere que el error de medición contribuye más que el constructo mismo a la varianza de las variables observadas.

La validez discriminante se evalúa mediante tres criterios. El criterio de Fornell-Larcker establece que la raíz cuadrada de la varianza media extraída (AVE) de cada constructo debe ser superior a su correlación con cualquier otro constructo. Esto asegura que cada constructo explique más varianza de sus propios indicadores que la que comparte con otros constructos, confirmando su singularidad (Esposito Vinzi et al., 2010).

Posteriormente se evalúo la matriz HTMT que debe estar por debajo de uno. Y por último se obtuvo el modelo de medida y de ruta, evaluado con un nivel de significancia del 5% Los cálculos se hicieron con el programa Smart-PLS.

Instrumentos

Se diseñó la encuesta en Google Forms y se restringió la participación a personas residentes en Venezuela y que hicieron al menos una compra en línea en Farmatodo C.A. en los últimos tres meses. El cuestionario incluyó ítems para evaluar la imagen de precio, el riesgo percibido, las emociones (positivas y negativas) y la intención de compra medidos en escala Likert de desacuerdo acuerdo 1-5, así como preguntas demográficas para caracterizar la muestra: sexo, edad, máximo nivel educativo alcanzado, ocupación e ingreso promedio. Aunque las escalas estaban validadas previamente se realizó una validación de expertos y se incorporaron sus sugerencias en la versión final, con una prueba piloto se procedió a verificar sus propiedades psicométricas obteniendo alfas de cronbach mayores o iguales a 0.6 para todas las dimensiones y cargas factoriales de al menos 0.4 para cada variable.

Participantes

Los datos corresponden a hombres y mujeres residentes en Venezuela que compraron en Farmatodo C.A. en los últimos 3 meses y fueron recopilados en línea entre el 25 de abril y 19 de junio 2024. El 97.7% de las encuestas (303 de 310) cumplieron el criterio de inclusión. El muestreo fue no probabilístico por conveniencia, dado que no se contaba con un marco muestral completo, por lo que los hallazgos se restringen solo a los participantes del estudio y no es posible la generalización. Esta limitación, derivada del muestreo, implicó ciertas consideraciones con respecto al análisis. Primero, y siendo el estudio exploratorio, se eligió el método PLS-SEM para aprovechar su robustez ante violaciones de normalidad y su menor exigencia en cuanto al tamaño y distribución de datos y, segundo, respecto al tamaño muestral, se siguió la recomendación de que el tamaño debe ser al menos diez veces el número de ítems de la ruta más compleja en el modelo o diez veces el número máximo de antecedentes de una variable latente y dado que el modelo del estudio incorpora 39 ítems, una N=303 supera este umbral, asegurando la estabilidad de las estimaciones y fiabilidad de los resultados (Hair et al., 2017). Se reitera, que esta muestra limita la generalización de los resultados, y las conclusiones no deben extrapolarse a una población más amplia o distinta.

Del total, 203 son mujeres (67%) y 100 son hombres (33%), con edades entre 18 y 81 años, (M=37.5, SD=0.8) La mayoría (64%) posee estudios universitarios, seguidos por un 21% con postgrados. El 12% son bachilleres, para finalizar con menos personas con doctorado y técnico superior. En ocupación, 52% son empleados, 19% son trabajadores independientes y 13% estudia y trabaja, 9% solo estudia y el resto son jubilados. En relación a ingresos mensuales, el 24% gana entre $251 y $500, 24% entre $100 y $250. Un 15% supera los $1000, el 10% está entre $751 y $1000, y el resto gana menos de $100 o entre $501 y $750.

Análisis de datos

En primer lugar, se evaluó la normalidad de todos los ítems que componen cada una de las variables incluidas en el estudio. Se usó el test de Shapiro Wilks el cual indicó que solo unos pocos ítems resultaron normales y corresponden a la dimensión de Nivel de Percepción de Precio y a la dimensión de Procesabilidad del Precio.

Para estimar la Intención de Compra, se trabajó con modelos PLS-SEM por varios motivos, entre ellos: es apropiado para modelos complejos con muchas variables, puede utilizarse con muestras de tamaño pequeño, y no asume normalidad en los datos (a diferencia de otros métodos) (Hair et al., 2017). Esto era muy importante, ya que como se observó anteriormente la mayor parte de las variables observables no son normales, adicionalmente se cuenta con 12 variables latentes y 39 observables, pero una muestra de tamaño igual a 303, lo que no cumple con la regla empírica de tener 20 individuos por ítem, lo que dificulta obtener resultados haciendo uso de otras técnicas. Todos los cálculos se hicieron a través del programa Smart-PLS.

El PLS-SEM es una secuencia de regresiones en términos de vectores de pesos. Los vectores de pesos obtenidos en la convergencia satisfacen las ecuaciones de punto fijo. Primero, la estimación iterativa de las puntuaciones de las variables latentes consiste en un procedimiento iterativo de 4 etapas, que se repite hasta que se ha obtenido la convergencia (o se ha alcanzado el número máximo de iteraciones), en segundo lugar, se procede a la estimación de los pesos/cargas exteriores y de los coeficientes de trayectoria, en tercer lugar, la estimación de los parámetros de localización

RESULTADOS

En la Tabla 1 se observan los coeficientes del Modelo de Medida, y una medida de la consistencia interna de las variables latentes en la confiabilidad compuesta (rho_a) y la confiabilidad congenérica (rho_c), en general, puede observarse que los AVE de todas las variables latentes son superiores a 0.5, lo que indica que la variabilidad observada se debe de hecho a los ítems que definen cada constructo, por su parte, en términos de la consistencia interna se observan algunos valores menores a 0.7 para riesgo social, perceptibilidad, calidad-precio y certidumbre, en todas las demás variables hay una buena medida de consistencia interna. Por otra parte, las cargas factoriales son todas mayores a 0.4, y para la mayor parte de los ítems son mayores a 0.7 indicando que los ítems miden adecuadamente a la dimensión.

Posteriormente, se analizan los coeficientes de determinación (Tabla 2), aunque los coeficientes de determinación se encuentran cercanos al 20% en el mejor de los casos, indicando que las variables observadas explican el 20% (aproximadamente) de la variabilidad en la variable latente.

En la Tabla 3, se muestra la raíz cuadrada del AVE en la diagonal y puede observarse que para todos los constructos es mayor a los valores que se encuentran por debajo de ella, indicando así la presencia de validez discriminante.

En el análisis de la matriz de cargas cruzadas, se verificó que cada ítem presentaba una carga factorial mayor en el constructo al que corresponden y los valores de HTMT oscilaron entre 0.032 y 0.729, lo que respalda la validez discriminante del modelo.

Como paso siguiente, se procedió a evaluar el modelo de ruta, cuyas cargas pueden ser observadas en la Tabla 4. En relación a la variable de Imagen de Precio, se confirma la influencia de Calidad de Precio sobre el Riesgo funcional indicando que, a mayor calidad de precio, los consumidores perciben menor riesgo funcional y, asimismo, la Calidad de Precio impactó sobre las emociones positivas y negativas. La dimensión Nivel de Precio solo tuvo una influencia significativa sobre las emociones negativas: los precios de Farmatodo C.A., referencialmente, producen malestar en los consumidores.

La perceptibilidad del precio impacta negativamente en el riesgo psicológico, social y en las emociones negativas: cuando el consumidor no puede encontrar fácilmente el precio aumenta su incomodidad y dudas y también le genera enojo y disgusto.

En el caso de Procesabilidad de Precios, se encontraron relaciones de dirección positiva con riesgo funcional, riesgo temporal y con estados emocionales negativos, es importante recordar aquí que valores altos en esta dimensión implican mayor esfuerzo cognitivo, y es sensato que esto aumente el riesgo y las emociones negativas; lo cual se corrobora al obtener relación inversa con estados emocionales positivos. Finalmente, al analizar los resultados para la última dimensión de Imagen de precio, Certidumbre, se halló un impacto positivo sobre las dimensiones de riesgo psicológico, social y funcional: al aumentar la dificultad para evaluar los precios de una tienda aumenta el riesgo percibido con excepción del riesgo temporal.

De seguido, el contraste de la influencia de las variables organísmicas sobre la intención de compra, a saber, Riesgo y Emociones, señala que sólo el riesgo Psicológico y las emociones de carácter positivo influyen en la intención de compra, e indica que al disminuir el riesgo psicológico y aumentar el estado emocional positivo también aumenta la Intención de Compra, en otras palabras, sentirse a gusto con la elección realizada de comprar en una tienda específica y sentir felicidad y tranquilidad son precursores de la compra en línea.

La evaluación del ajuste global del modelo estimado en PLS-SEM revela hallazgos mixtos que merecen atención. El SRMR se sitúa en 0.070 para el modelo saturado, lo cual es indicativo de un buen ajuste (inferior al umbral de 0.080). Sin embargo, para el modelo estimado, el SRMR asciende a 0.107, superando el umbral aceptable e indicando un ajuste global insatisfactorio. Este hallazgo sugiere que existe una discrepancia significativa entre la matriz de correlación observada y la predicha por el modelo propuesto, lo cual requiere una reevaluación de la especificación del modelo. Por otro lado, el NFI muestra valores de 0.703 para el modelo saturado y 0.662 para el modelo estimado. Ambos valores se encuentran por debajo del umbral comúnmente aceptado de 0.900, lo que indica que el modelo no explica una proporción sustancialmente alta de la varianza en comparación con un modelo nulo. En conjunto, estos resultados subrayan la necesidad de revisar la estructura y las relaciones propuestas en el modelo estimado para mejorar su ajuste global.

DISCUSIÓN

El estudio logró su primer objetivo: confirmar que la imagen de precio se estructura a partir de las dimensiones propuestas por Zielke (2006, 2018). Los ítems incluidos resultaron pertinentes de las dimensiones que buscan medir y se obtuvieron valores adecuados de confiabilidad y validez. Esto tiene valor tanto teórico como práctico pues permitiría reconocer cuáles dimensiones, en un contexto aplicado particular, tienen mayor o menor impacto y a partir de allí planear tácticas de mercadeo que se reviertan en rentabilidad para el negocio.

Según el modelo S-O-R contrastado, se previó que las dimensiones de la imagen de precio impactarían sobre riesgo percibido y emociones y esto se verificó parcialmente. Precio-Calidad es una de las dimensiones más estudiadas y en consistencia con De Toni et al. (2021), la percepción favorable de precio disminuye el riesgo funcional percibido y promueve el disfrute y reduce el malestar como efecto del balance entre lo que se da y se recibe (Zielke, 2011).

Los precios de Farmatodo C.A., generaron malestar en los consumidores, efecto que mencionan Cakici & Tekeli (2021) quienes agregan que cuando los consumidores perciben una tienda como de precios caros son más propensos a experimentar disgusto o malestar en vista de que el nivel de precios es una ruta indirecta de estimación de la calidad y cuando la percepción es que la calidad no es la mejor y los precios no son accesibles, experimentan disgusto y malestar.

A partir de los resultados de las dimensiones de perceptibilidad y procesabilidad se puede afirmar que la claridad y la facilidad con la que los clientes perciben y comparan los precios son tan cruciales como el precio mismo. Específicamente, una alta perceptibilidad del precio reduce los riesgos psicológicos y sociales asociados a la compra online, así como las emociones negativas. Además, facilitar la evaluación de los precios disminuye riesgos percibidos, mientras que el esfuerzo cognitivo elevado aumenta el malestar y el riesgo funcional. La sugerencia derivada para el marketing es simplificar el proceso de comparación y comprensión del precio para el cliente, transformando la experiencia de compra y aumentando la rentabilidad. Es importante destacar que la mayor parte de las investigaciones se han ocupado de la influencia directa de las dimensiones de precio sobre la intención de compra (Franjkovic, 2025) mientras que en este estudio, se revela que también esta influencia está mediada por el riesgo percibido (Bebber et al., 2017). Asimismo, fue posible identificar que el riesgo funcional, social y psicológico son los más vinculados a las dimensiones de precio (Kim & Lennon, 2013), mientras que el riesgo temporal parece preocupar al consumidor sólo cuando se trata de comparar precios de diferentes productos lo cual tomaría más tiempo.

La última parte del modelo destaca que el riesgo psicológico y las emociones de carácter positivo influyen en la intención de compra. Tal como señala Zielke (2011), las emociones se ven afectadas por la imagen de precios de una tienda minorista y median el impacto de la calidad percibida, perceptibilidad y procesabilidad de precios en la intención de compra, hallazgo que también es respaldado por el trabajo de Cakici & Tekeli (2021) quienes señalan que los consumidores tienden a tener emociones más positivas hacia los tiendas que perciben como económicas y asimismo, al percibir la tienda como de bajo riesgo hay menos posibilidad de experimentar emociones negativas como disgusto o desconfianza. Esta última parte del modelo contemplaba la predicción de que todas las dimensiones de las variables consideradas mediadoras influían en la intención de compra y esto no se evidenció en este conjunto de resultados pero, al igual que en el caso del impacto de la imagen de precio, es posible identificar más específicamente cuáles dimensiones tienen un impacto estadísticamente significativo y esto es de valor heurístico para futuras investigaciones. Por último, se ha verificado, que la percepción de riesgo y las emociones actúan como variables mediadoras entre la imagen de precio y la intención de compra.

CONCLUSIONES Y RECOMENDACIONES

En el marco propuesto por el modelo S-O-R se incorporaron nuevas variables antecedentes, como es la imagen de precio, y mediadoras, como la percepción de riesgo, que mostraron su valor predictivo en la intención de compra y, de esta manera, se confirma la flexibilidad y utilidad del modelo S-O-R para explicar el comportamiento del consumidor en tiendas online

Primeramente, se ha confirmado que la imagen de precio, como constructo multidimensional y como antecedente, ejerce un efecto significativo en el procesamiento cognitivo y afectivo del consumidor. Si bien todas las previsiones de este estudio no se cumplieron, las relaciones halladas son heurísticamente valiosas pues permiten identificar qué dimensiones de la imagen de precio tienen mayor impacto sobre el consumidor. Por otro lado, se ha verificado de forma consistente que la percepción de riesgo y las emociones positivas y negativas fungen como variables mediadoras de la intención de compra y fue posible identificar cuáles específicamente de las dimensiones estudiadas, tanto de la imagen de precio como de estas variables mediadoras, tienen un real impacto lo cual es un valioso precedente para construir modelos más precisos en el futuro.

Los dueños de tiendas minoristas, y especialmente de farmacias, podrían monitorear de forma continua la percepción de los clientes sobre estas dimensiones de imagen de precio, especialmente y a la luz de los presentes resultados, la imagen de los clientes sobre la calidad de los productos ofrecidos y la presentación de la información sobre precios de forma clara y directa de modo que los consumidores puedan procesarlos y hacer una evaluación rápida y con menos esfuerzo cognitivo. Intervenir en la forma de comunicar estas dimensiones de la imagen de precio tiene impacto en el riesgo y las emociones de los consumidores, dado que la facilidad para encontrar y procesar información de precios reduce el riesgo y las emociones negativas. Estos resultados son una guía para implementar tácticas enfocadas en las dimensiones que mostraron impacto relevante sobre las variables mediadoras y la intención de compra.

En este mismo sentido, y reconocido que las compras en línea suelen generar más temor que las compras en tiendas tradicionales, es imperativo incorporar elementos que reduzcan esta preocupación en los clientes. En resumen, para triunfar en el mundo del retail online, hay que abordar el desafío del riesgo percibido y, al mismo tiempo, crear una experiencia emocionalmente atractiva para los consumidores.

A pesar de las limitaciones inherentes al uso de una muestra no probabilística, que conlleva la imposibilidad de generalizar los resultados y el riesgo de sesgos debidos a la participación voluntaria de las personas de la muestra, el valor de este estudio reside en su capacidad para analizar el efecto de la imagen de precio como antecedente y el riesgo percibido y las emociones como variables mediadoras, en la intención de compra ende una cadena de farmacias. Enmarcar el estudio en una cadena de farmacias reconocida en Venezuela como Farmatodo C.A. es especialmente relevante pues este sector se dedica a la venta de productos indispensables para la salud y de cuidado personal donde el comportamiento del consumidor tiene características únicas; asimismo, esta cadena es pionera en la integración al comercio electrónico en un entorno macroeconómico complejo como el venezolano lo cual agrega significancia y pertinencia a los resultados de esta investigación.

Para futuras investigaciones y para superar algunas de las limitaciones mencionadas, se sugiere continuar explorando el efecto de las variables incluidas en esta investigación y una vía para esto es revisar y optimizar los indicadores de los constructos para obtener una medición válida y confiable de los mismos. Igualmente, aplicar el instrumento a muestras más amplias y diversas para aumentar la generalización de los resultados. Por último, y en vista de la confirmación de la flexibilidad e idoneidad del modelo S-O-R se sugiere considerar la inclusión de otras variables que puedan aumentar el conocimiento sobre los determinantes de la compra en línea.

REFERENCIAS

Banca y Negocios. (2024, mayo 28). Mercado farmacéutico acumula crecimiento interanual de 46,41% en primer cuatrimestre de 2024. Banca y Negocios. Recuperado de https://www.bancaynegocios.com/mercado-farmaceutico-acumula-crecimiento-interanual-de-4641-en-primer-cuatrimestre-de-2024/

Bebber, S., Milan, G. S., De Toni, D., Eberle, L., & Slongo, L. A. (2017). Antecedents of purchase intention in the online context. Journal of Relationship Marketing, 16(1), 82-98. https://doi.org/10.1080/15332667.2016.1242396

Büyükdağ, N., Soysal, A., & Ki̇tapci, O. (2020). The effect of specific discount pattern in terms of price promotions on perceived price attractiveness and purchase intention: An experimental research. Journal of Retailing and Consumer Services, 55, 102112. https://doi.org/10.1016/j.jretconser.2020.102112

Cakici, A.C, & Tekeli, S. (2021). The mediating effect of consumers’ price level perception and emotions towards supermarkets. European Journal of Management and Business Economics, 31(1), 57-76. https://doi.org/10.1108/EJMBE-12-2020-0344

Cheah, J. H., Waller, D., Thaichon, P., Ting, H., & Lim, X. J. (2020). Price image and the sugrophobia effect on luxury retail purchase intention. Journal of Retailing and Consumer Services, 57, 102188. https://doi.org/10.1016/j.jretconser.2020.102188

De Toni, D., Tormen, A., Milan, G. S., Eberle, L., Lazzari, F., & Graciola, A. P. (2021). Price level and brand knowledge and its effects on purchase behavior. Revista de Administração da UFSM, 14, 632-654. https://doi.org/10.5902/1983465944193

Donovan, R. J., & Rossiter, J. R. (1982). Store atmosphere: an environmental psychology approach. Journal of retailing, 58(1), 34-57.

Echeverría Ríos, O.M., Martínez Hernández, M., & López Hernández, I. (2021). Precio en mercadotecnia: Una revisión bibliográfica desde la percepción en Latinoamérica. Recai Revista de estudios en contaduría, administración e informática, 10(29), 44-64. https://www.redalyc.org/articulo.oa?id=637968300004

enFarma. (2024, enero 3). Mercado farmacéutico venezolano creció 7.6% en 11 meses de 2023. enFama. Recuperado de https://enfarma.lat/index.php/noticias/8549-mercado-farmaceutico-venezolano-crecio-7-6-en-11-meses-de-2023

Eroglu, S. A., Machleit, K. A., & Davis, L. M. (2003). Empirical testing of a model of online store atmospherics and shopper responses. Psychology and Marketing, 20(2), 139–150. https://doi.org/10.1002/mar.10064

Esposito Vinzi, V., Chin, W. W., Henseler, J., & Wang, H. (Eds.). (2010). Handbook of Partial Least Squares: Concepts, Methods and Applications. Springer

Flavián, C., & Guimalíu, M. (2007). Un análisis de la influencia de la confianza y del riesgo percibido sobre la lealtad a un sitio web. El caso de la distribución de servicios gratuitos. Revista europea de dirección y economía de la empresa, 16(1), 159-178.

Franjković, J. (2025). Exploring the Relationship of Reflective Retail Price Image, Store Patronage and Purchase Intention. In Proceedings of the 34th International Business Information Management Association Conference: Vision 2025: Education Excellence and Management of Innovations through Sustainable Economic Competitive Advantage (pp. 6621-6630). Madrid: International Business Information Management Association (IBIMA).

Hair, J., Ringle, C. & Sarstedt, M. (2017). PLS-SEM: Indeed, a silver bullet. Journal of Marketing Theory and Practice, 19(2), 137-149. https://doi.org/10.2753/MTP1069-6679190202

Isbahi, M. B. (2023). Factors Influencing Purchase Behavior: Consumer Interest, Price, and Product Quality (Literature Review HRM). Danadyaksa: Post Modern Economy Journal, 1(1), 18-36. https://doi.org/10.69965/danadyaksa.v1i1.6

Kamalul, S., Mohan, T., & Goh, Y.-N. (2018). Influence of consumers’ perceived risk on consumers’ online purchase intention. Journal of Research in Interactive Marketing, 12(3), 309-327. https://doi.org/10.1108/JRIM-11-2017-0100

Karim, M. W., Chowdhury, M. A. M., Al Masud, M. A., & Arifuzzaman, M. (2021). Analysis of factors influencing impulse buying behavior towards e-tailing sites: an application of SOR model. Contemporary Management Research, 17(2), 97-126. https://doi.org/10.7903/cmr.20457

Kaur, S., & Arora, S. (2020). Role of perceived risk in online banking and its impact on behavioral intention: trust as a moderator. Journal of Asia Business Studies, 15(1). https://doi.org/10.1108/JABS-08-2019-0252

Kimiagari, S., & Malafe, N. S. A. (2021). The role of cognitive and affective responses in the relationship between internal and external stimuli on online impulse buying behavior. Journal of Retailing and Consumer Services, 61, 102567. https://doi.org/10.1016/j.jretconser.2021.102567

Kim, J., & Lennon, S. (2013). Effects of reputation and website quality on online consumers’ emotion, perceived risk and purchase intention. Journal of Research in Interactive Marketing, 7(1), 33–56. https://doi.org/10.1108/17505931311316734

Kotler, P., Burton, S., Deans, K., Brown, L., & Armstrong, G. (2015). Marketing. Pearson Higher Education AU.

Le, T. Q., Wu, W. Y., Liao, Y. K., & Phung, T. (2022). The extended SOR model investigating consumer impulse buying behavior in online shopping: a meta-analysis. Journal of Distribution Science, 20(2), 1-9. https://doi.org/10.15722/jds.20.02.202202.1

Levrini, G. R., & Jeffman dos Santos, M. (2021). The influence of price on purchase intentions: Comparative study between cognitive, sensory, and neurophysiological experiments. Behavioral Sciences, 11, 2-16. https://doi.org/10.3390/bs11020016

Li, Z., Sha, Y., Song, X., Yang, K., Zhao, K., Jiang, Z., & Zhang, Q. (2020). Impact of risk perception on customer purchase behavior: a meta-analysis. Journal of Business & Industrial Marketing, 35(1), 76-96. https://doi.org/10.1108/JBIM-12-2018-0381

Malhotra, N. K. (2016). Investigación de mercados: Conceptos esenciales. Pearson Education.

Wiedmann, K. P., Labenz, F., Haase, J., & Hennigs, N. (2018). The power of experiential marketing: Exploring the causal relationships among multisensory marketing, brand experience, customer perceived value and brand strength. Journal of Brand Management, 25(2), 101–118. https://doi.org/10.1057/s41262-017-0061-5

Zhao, H., Yao, X., Liu, Z., & Yang, Q. (2021). Impact of pricing and product information on consumer buying behavior with customer satisfaction in a mediating role. Frontiers in Psychology, 12, 720151. https://doi.org/10.3389/fpsyg.2021.720151

Zielke, S. (2006). Measurement of retailers' price images with a multiple-item scale. Int. Rev. of Retail, Distribution and Consumer Research, 16(3), 297-316. https://doi.org/10.1080/09593960600696990

Zielke, S. (2011). Integrating emotions in the analysis of retail price images. Psychology & Marketing, 28(4), 330-359. https://doi.org/10.1002/mar.20355

Zielke, S. (2018). Effects of Price image dimensions on consumer buy intention. European Journal of Marketing, 44(6), 748-770. https://doi.org/10.1108/03090561011032702

Zielke, S., De Toni, D., & Mazzon, J. A. (2022). Cognitive, emotional and inferential paths from price perception to buying intention in an integrated brand price image model. SN Business & Economics, 3(1), 24. https://doi.org/10.1007/s43546-022-00395-z

Notas

Información adicional

redalyc-journal-id: 5608