An Empirical Investigation for Better Business Targeting of Indian Gen Z Consumers in E-Commerce

Sintesi Tecnica: Un'indagine empirica per un migliore targeting commerciale dei consumatori indiani della Generazione Z nell'e-commerce

Definizione del problema
La rapida espansione della disponibilità di Internet e della penetrazione degli smartphone in India, accelerata dalla "spinta digitale" del 2014 e dalla pandemia di COVID-19, ha alterato fondamentalmente il comportamento dei consumatori. La Generazione Z (nati tra il 1995 e il 2009), caratterizzata da un'elevata esposizione digitale e da una preferenza per la comodità, rappresenta un segmento critico e in crescita della spesa dei consumatori in India. Mentre i principali attori dell'e-commerce (ad es. Amazon, Flipkart, Myntra) stanno attivamente prendendo di mira questo gruppo demografico, la letteratura esistente offre limitati approfondimenti empirici sui fattori specifici che determinano le decisioni di acquisto online della Gen Z indiana. Molti studi precedenti sono descrittivi, basandosi su approfondimenti qualitativi o analisi statistiche di base, fallendo nel rivelare i legami sistemici sottostanti e le relazioni gerarchiche tra i vari attributi che influenzano questi consumatori. Questa ricerca affronta tale lacuna identificando sistematicamente i fattori chiave e mappando le loro interdipendenze per consentire un migliore processo decisionale gestionale.

Metodologia
Lo studio impiega un disegno di ricerca quantitativa utilizzando un approccio induttivo a metodi misti.

• Raccolta dati: I dati primari sono stati raccolti tramite un questionario strutturato utilizzando una scala Likert a 5 punti. La popolazione target era composta da consumatori indiani della Generazione Z con esperienza di acquisti online. È stata utilizzata una tecnica di campionamento non probabilistico intenzionale. Su 1.520 questionari distribuiti, 1.019 sono stati restituiti; dopo aver rimosso 208 risposte incomplete o non valide, il dataset finale comprendeva 811 risposte valide. La raccolta dei dati è avvenuta tra dicembre 2024 e maggio 2025.
• Validazione dello strumento: Uno studio pilota con 78 risposte e una revisione da parte di esperti hanno garantito la chiarezza e la validità del questionario. L'analisi della affidabilità ha prodotto un Alpha di Cronbach di 0,961 (0,963 per gli item standardizzati), indicando un'eccellente coerenza interna.
• Framework analitico: Lo studio utilizza un processo analitico in tre fasi:
  1. Analisi Fattoriale Esplorativa (EFA): Effettuata utilizzando SPSS per ridurre i 30 attributi identificati (derivati dalla letteratura) in costrutti sottostanti.
  2. Modellazione Strutturale Interpretativa (ISM): Utilizzata per determinare le relazioni gerarchiche e i legami sistemici tra i fattori estratti. Ciò ha comportato lo sviluppo di una Matrice di Auto-Interazione Strutturale (SSIM) con il contributo di 15 esperti provenienti da importanti aziende di e-commerce (ad es. Meesho, Nykaa, Amazon).
  3. Analisi MICMAC: (Matrix Impact Cross-reference Multiplication Applied to a Classification) Utilizzata per classificare i fattori in base al loro potere di guida e di dipendenza, categorizzandoli in cluster autonomi, dipendenti, di collegamento e indipendenti.

Risultati Chiave

• Estrazione dei fattori (EFA): I 30 attributi iniziali sono stati ridotti a sette fattori distinti:
  1. Comodità ed Efficienza
  2. Disponibilità e Accessibilità
  3. Sensibilità al prezzo e Offerte
  4. Percepita Qualità-Valore del Prodotto
  5. Opzioni di Pagamento e Finanziarie
  6. Servizio Post-Acquisto e Influenza della Community
  7. Percezione del Brand
• Struttura Gerarchica (ISM): L'analisi ISM ha rivelato una gerarchia a cinque livelli:
  • Livello 5 (Driver Radice): Comodità ed Efficienza e Opzioni di Pagamento e Finanziarie. Questi sono abilitatori fondamentali che non dipendono da altri fattori, ma guidano l'intero sistema.
  • Livello 4 (Driver Intermedio): Disponibilità e Accessibilità.
  • Livello 3 (Proposta di Valore): Sensibilità al prezzo e Offerte e Percepita Qualità-Valore del Prodotto. Questi fattori presentano un'interdipendenza bidirezionale.
  • Livello 2 (Esito Esperienziale): Servizio Post-Acquisto e Influenza della Community.
  • Livello 1 (Esito Ultimo): Percezione del Brand. Questa è la variabile più dipendente, plasmata da tutti i fattori precedenti.
• Classificazione MICMAC:
  • Variabili Indipendenti (Driver): Comodità, Accessibilità e Opzioni di Pagamento. Queste hanno un alto potere di guida e una bassa dipendenza, agendo come i principali leve di cambiamento.
  • Variabili di Collegamento: Sensibilità al prezzo e Valore percepito. Queste sono instabili e altamente interattive; i cambiamenti qui influenzano ed sono influenzati da altri fattori.
  • Variabili Dipendenti: Servizio Post-Acquisto e Percezione del Brand. Questi sono esiti del sistema con alta dipendenza e basso potere di guida.
  • Variabili Autonome: Nessuna è stata identificata in questo studio.

Contributi Chiave
Il documento contribuisce all'attuale corpo di conoscenze attraverso:

1. Identificazione Empirica: Rivelare gli attributi specifici che influenzano il comportamento di acquisto online della Gen Z indiana attraverso un rigoroso' analisi statistica (EFA).
2. Approfondimento Sistemico: Andare oltre la statistica descrittiva per mappare le relazioni causali e gerarchiche tra i fattori utilizzando ISM e MICMAC. Ciò chiarisce che, sebbene la Percezione del Brand sia l'obiettivo ultimo, essa è un esito dipendente guidato da fattori fondamentali come la Comodità e la flessibilità di Pagamento.
3. Framework Strategico: Fornire un modello strutturato che aiuti le imprese a comprendere quali fattori dare priorità (i driver radice) per influenzare indirettamente gli esiti dipendenti come la fedeltà al marchio e la soddisfazione.

Significato e Rivendicazioni
Lo studio sostiene di offrire una base basata sui dati per le imprese che intendono sviluppare strategie mirate per la "prossima ondata di consumatori" in India. Stabilendo che Comodità, Accessibilità e Opzioni di Pagamento sono i driver radice, la ricerca suggerisce che le piattaforme di e-commerce devono dare priorità a questi elementi fondamentali per innescare un effetto a cascata positivo sulla percezione del valore, la sensibilità al prezzo e, infine, sulla percezione del brand.

Gli autori osservano che lo studio è modesto nella sua portata, riconoscendo limitazioni quali la forte dipendenza del campione dagli studenti universitari urbani, che potrebbe non rappresentare appieno le popolazioni della Gen Z rurali o semi-urbane. Inoltre, lo studio si basa su dati trasversali, il che significa che non traccia i cambiamenti comportamentali nel tempo o attraverso diversi stadi economici della vita. Gli autori suggeriscono che le ricerche future dovrebbero incorporare studi longitudinali ed espandersi per includere confronti regionali e generazionali (ad es. Millennials vs. Gen Z) per perfezionare ulteriormente questi approfondimenti. Il documento conclude che, sebbene i fattori identificati governino il processo decisionale, la natura dinamica della tecnologia (ad es. AI, AR) richiede un adattamento continuo di queste strategie.