Розроблення інноваційної системи індикаторів оцінювання ризиків для e-commerce

Автори:
Вероніка Гросу1, Маріан Соколюк1, Єлена Хлачук1, Чуботарю Маріус Сорін1, Міхаела Тулвінщі1
1. Сучавський університет ім. Штефана чел Маре (Румунія)
Сторінки:
186 - 201
Мова оригіналу:
Англійська
Цитувати як:
Grosu, V., Socoliuc, M., Hlaciuc, E., Corin, C. M., & Tulvinschi, M. (2022). Design of an Innovative Dashboard for Assessment of Risks that are Specific to E-Commerce Activity. Marketing and Management of Innovations, 1, 186-201. http://doi.org/10.21272/mmi.2022.1-14
Отримано:
23.03.2022
Прийнято:
29.03.2022
Опубліковано:
30.03.2022


Анотація

Глобальна криза, викликана пандемією, спровокувала стрімкий розвиток електронної комерції у світі. Своєю чергою це сприяло зростанню кількості ризиків, оскільки компанії мають швидко адаптуватися до нових умов ринку. Метою статті є виявлення та оцінювання ризиків у сфері електронної комерції, а також попередження неетичної поведінки у секторі електронної комерції. Систематизація наукових напрацювань засвідчила, що електронна комерція має позитивний взаємозв’язок із організаційними інноваціями та безпосередньо впливає на продуктивність і стійкість бізнесу. При цьому авторами наголошено, що оцінювання характеру та інтенсивності ризиків, пов’язаних з операційною діяльністю є складним завданням, що є однією з головних причин зростання недовіри серед споживачів та зацікавлених сторін. Таким чином, у статті запропоновано інструменти для попередження, зниження та усунення ризиків, характерних сектору електронної комерції, а також підвищення стійкості бізнесу та довіри споживачів до інтернет-магазинів. Для досягнення поставленої мети, дослідження здійснено в наступній логічній послідовності: визначено головні категорії ризиків та їх тригери; встановлено звʼязки між робочими гіпотезами та мінімальною пороговою аргументацією, яка пов’язана з ними. Авторами зазначено, що для кожної категорії ризику може бути встановлена певна функція ризику. Для визначення мінімального порогу впливу ризику застосовано методологію їх оцінювання з використанням шкали значень від 1 до 5 залежно від ступеня впливу на операційну діяльність, продуктивність та стійкість електронної комерції. Якісне дослідження проведено на основі панельних даних, сформованих для вибірки з 208 господарських суб'єктів сектору електронної комерції. Статистичною базою дослідження є фінансова звітність та внутрішня інформація компаній. Відповідно до результатів дослідження авторами розроблено набір тригерів для моніторингу ризиків за їх сегментами. Запропонований набір тригерів може бути основою для прийняття рішень керівництвом щодо забезпечення стійкості бізнесу та удосконалення бізнес-моделі відповідно до прийнятих стратегій. Також, це може стати основою для своєчасного виявлення та контролювання загроз операційній діяльності в онлайн-середовищі, що сприятиме консолідації бізнесу та проникненню на нові онлайн-ринки.


Ключові слова
захист прав споживачів, електронна комерція, інноваційна панель, оцінка ризиків, тригерні фактори.


Посилання
  1. Aboul-Dahab, S., Agag, G., & Abdelmoety, Z. H. (2021). Examining the influence of cultural and ethical ideology on consumers’ perceptions about the ethics of online retailers and its effects on their loyalty. Journal of Retailing and Consumer Services61, 102559. [Google Scholar] [CrossRef]
  2. Acar, E., & Ozkan, S. (2017). Corporate governance and provisions under IAS 37. EuroMed Journal of Business. [Google Scholar] [CrossRef]
  3. Akram, U., Fülöp, M. T., Tiron-Tudor, A., Topor, D. I., & Căpușneanu, S. (2021). Impact of digitalization on customers’ well-being in the pandemic period: Challenges and opportunities for the retail industry. International Journal of Environmental Research and Public Health18(14), 7533. [Google Scholar] [CrossRef]
  4. Ariffin, S. K., 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. [Google Scholar] [CrossRef]
  5. Babenko, V., Kulczyk, Z., Perevosova, I., Syniavska, O., & Davydova, O. (2019). Factors of the development of international e-commerce under the conditions of globalization. In SHS Web of Conferences (Vol. 65, p. 04016). EDP Sciences. [Google Scholar] [CrossRef]
  6. Bazhanov, R. S., & Shaytura, S. V. (2013). Key performance indicators of internet project as the basis of measurement in web analytics. In Slavic Forum, 2(4), 13-22. [Google Scholar]
  7. Bińczak, T., Kaczmarek, F., & Rybacki, J. (2018). Determinants of E-Commerce Turnover in Europe: Consumer Protection Matters. Gospodarka Narodowa. The Polish Journal of Economics295(3), 125-141. [Google Scholar] [CrossRef]
  8. Botha, J., Bothma, C. H., & Geldenhuys, P. (2008). Managing E-commerce in Business. Juta and Company Ltd. [Google Scholar]
  9. Burinskas, A., & Burinskienė, A. (2019). Cash-flow model for efficiency evaluation in multinational trade enterprises applying e-commerce. Inžinerinė ekonomika30(5), 515-529. [Google Scholar] [CrossRef]
  10. Cao, Y., Shao, Y., & Zhang, H. (2021). Study on early warning of E-commerce enterprise financial risk based on deep learning algorithm. Electronic Commerce Research, 1-16. [Google Scholar] [CrossRef]
  11. Cazabat, G., Paraschiv, D. M., Călin, A. C., & Popovici, O. C. (2019). A Contemporaneous Statistical Note on E-Commerce Adoption in Romania–Based SMEs. Amfiteatru Economic21(50), 177-193. [Google Scholar]
  12. Chang, B. Y., Magobe, M. J., & Kim, Y. B. (2015). E-commerce applications in the tourism industry: A Tanzania case study. South African Journal of Business Management46(4), 53-64. [Google Scholar] [CrossRef]
  13. Chen, F. H., Hsu, T. S., & Tzeng, G. H. (2011). A balanced scorecard approach to establish a performance evaluation and relationship model for hot spring hotels based on a hybrid MCDM model combining DEMATEL and ANP. International Journal of Hospitality Management30(4), 908-932. [Google Scholar] [CrossRef]
  14. Chen, J. V., Rungruengsamrit, D., Rajkumar, T. M., & Yen, D. C. (2013). Success of electronic commerce Web sites: A comparative study in two countries. Information & management50(6), 344-355. [Google Scholar] [CrossRef]
  15. Ciubotariu, M. S., Socoliuc, M., Grosu, V., Mihaila, S., & Cosmulese, C. G. (2021). Modeling the relationship between integrated reporting quality and sustainable business development. Journal of Business Economics and Management22(6), 1531-1550. [Google Scholar] [CrossRef]
  16. Crespo, Á. H., Del Bosque, I. R., & de los Salmones Sánchez, M. G. (2009). The influence of perceived risk on Internet shopping behavior: a multidimensional perspective. Journal of Risk Research12(2), 259-277. [Google Scholar] [CrossRef]
  17. Eskafi, S., Roghanian, E., & Jafari-Eskandari, M. (2015). Designing a performance measurement system for supply chain using balanced scorecard, path analysis, cooperative game theory and evolutionary game theory: A Case Study. International Journal of Industrial Engineering Computations6(2), 157-172. [Google Scholar]
  18. Fuchs, M., Höpken, W., Föger, A., & Kunz, M. (2010). E-business readiness, intensity, and impact: An Austrian destination management organization study. Journal of Travel Research49(2), 165-178. [Google Scholar] [CrossRef]
  19. Grigoroudis, E., Orfanoudaki, E., & Zopounidis, C. (2012). Strategic performance measurement in a healthcare organisation: A multiple criteria approach based on balanced scorecard. Omega40(1), 104-119. [Google Scholar] [CrossRef]
  20. Habib, S., & Hamadneh, N. N. (2021). Impact of perceived risk on consumers technology acceptance in online grocery adoption amid covid-19 pandemic. Sustainability13(18), 10221. [Google Scholar] [CrossRef]
  21. Harish, A. R., Liu, X. L., Zhong, R. Y., & Huang, G. Q. (2021). Log-flock: A blockchain-enabled platform for digital asset valuation and risk assessment in E-commerce logistics financing. Computers & Industrial Engineering151, 107001. [Google Scholar] [CrossRef]
  22. Hu, H. Y., Lee, Y. C., Yen, T. M., & Tsai, C. H. (2009). Using BPNN and DEMATEL to modify importance-performance analysis model–A study of the computer industry. Expert systems with applications36(6), 9969-9979. [Google Scholar]
  23. Huang, J., Jiang, X., & Tang, Q. (2009). An e-commerce performance assessment model: Its development and an initial test on e-commerce applications in the retail sector of China. Information & Management46(2), 100-108. [Google Scholar] [CrossRef]
  24. Kabango, C. M., & Asa, A. R. (2015). Factors influencing e-commerce development: Implications for the developing countries. International Journal of Innovation and Economic Development1(1), 64-72. [Google Scholar]
  25. Li, M., & Zhang, X. (2021). Information acquisition and its incentives in an E-commerce supply chain under the offline showroom model. Journal of Theoretical and Applied Electronic Commerce Research16(5), 1791-1804. [Google Scholar] [CrossRef]
  26. Li, Q., and Liu, H. (2012). The Strategies of Human Resource Management in E-Commerce Enterprise. In Proceedings of the 2012 International Conference on Management Innovation and Public Policy ((ICMIPP 2012), Chongqing, China, 1-6, 1608–1611. Retrieved from [Link]
  27. Lim, N. (2003). Consumers’ perceived risk: sources versus consequences. Electronic commerce research and applications2(3), 216-228. [Google Scholar] [CrossRef]
  28. Manasa, K. V. L., & Reddy, N. (2009). Role of Training in Improving Performance. IUP Journal of Soft Skills3. [Google Scholar]
  29. Maximov, D. A., & Khalikov, M. A. (2016). Prospects of institutional approach to production corporation assets assessment. Aktual'ni Problemy Ekonomiky= Actual Problems in Economics, (183), 16. [Google Scholar]
  30. Mehregan, M. R., Razavi, S. M., & Anvari, M. R. A. (2012). Identification and Evaluation of Strategic Decisions in Gas Industry Using DEMATEL Method. Iranian Journal of Management Studies (IJMS)5(2), 49-65. [Google Scholar]
  31. Morosan, C., Hua, N., & Defranco, A. (2017). E-commerce expenses and financial performance of American upper-midscale hotels. Tourism Analysis22(3), 295-308. [Google Scholar] [CrossRef]
  32. Mou, J., Cui, Y., & Kurcz, K. (2020). Trust, risk and alternative website quality in B-buyer acceptance of cross-border E-commerce. Journal of Global Information Management (JGIM)28(1), 167-188. [Google Scholar]
  33. Nacif, S. S. (2018). Disclosure level and compliance with IAS 37: is there any residual legal tradition effect among companies cross-listed in the US? (Doctoral dissertation). [Google Scholar]
  34. Olsina, L., & Rossi, G. (2002). A quantitative method for quality evaluation of web sites and applications. IEEE Multimedia9(4), 20-29. [Google Scholar]
  35. Popa, S., Soto-Acosta, P., & Perez-Gonzalez, D. (2018). An investigation of the effect of electronic business on financial performance of Spanish manufacturing SMEs. Technological Forecasting and Social Change136, 355-362. [Google Scholar] [CrossRef]
  36. Šaković Jovanović, J., Vujadinović, R., Mitreva, E., Fragassa, C., & Vujović, A. (2020). The relationship between E-commerce and firm performance: The mediating role of internet sales channels. Sustainability12(17), 6993. [Google Scholar] [CrossRef]
  37. Mohamed, I. S., Marthandan, G., Norzaidi, M. D., & Chong, S. C. (2009). E-commerce usage and business performance in the Malaysian tourism sector: empirical analysis. Information and Computer Security17(2), 166. [Google Scholar] [CrossRef]
  38. Sharp, J. A. (2007). Evaluating the effect of sourcing decisions on e-commerce process operations risk. European journal of operational research180(2), 815-833. [Google Scholar] [CrossRef]
  39. Thompson, F. M., Tuzovic, S., & Braun, C. (2019). Trustmarks: Strategies for exploiting their full potential in e-commerce. Business Horizons62(2), 237-247. [Google Scholar] [CrossRef]
  40. Tsai, Y. C., & Cheng, Y. T. (2012). Analyzing key performance indicators (KPIs) for E-commerce and Internet marketing of elderly products: A review. Archives of gerontology and geriatrics55(1), 126-132. [Google Scholar] [CrossRef]
  41. Tsvetkov, V. Y. (2014a). Assessment of quality of vectorization based information. Biosciences biotechnology research Asia11(S), 211-213. [Google Scholar]
  42. Tsvetkov, V. Y. (2014b). Opposition variables as a tool of qualitative analysis. World Applied Sciences Journal30(11), 1703-1706. [Google Scholar]
  43. Turban, E., King, D., Lee, J., & Viehland, D. (2006). Electronic Commerce A Managerial Perspective Prentice Hall. New Jersey. [Google Scholar]
  44. Ukko, J., Nasiri, M., Saunila, M., & Rantala, T. (2019). Sustainability strategy as a moderator in the relationship between digital business strategy and financial performance. Journal of Cleaner Production236, 117626. [Google Scholar] [CrossRef]
  45. Wai, K., Dastane, O., Johari, Z., & Ismail, N. B. (2019). Perceived risk factors affecting consumers’ online shopping behaviour. The Journal of Asian Finance, Economics and Business6(4), 246-260. [Google Scholar] [CrossRef]
  46. Wong, M. S., Hideki, N., & George, P. (2011). The use of importance-performance analysis (IPA) in evaluating Japan's e-government services. Journal of theoretical and applied electronic commerce research6(2), 17-30. [Google Scholar] [CrossRef]
  47. Wu, S. I., & Tsou, H. Y. (2008). The performance evaluation indicators and relationship model of Internet marketing based balanced on scorecard—a study of travel agency. Commerce & Management Quarterly9(4), 443-464. [Google Scholar]
  48. Zhenova, N. A. (2017). Economic and Mathematical Model of the Online Store. Slav. Forum, 2(16), 13–22.
  49. Zhu, K., & Kraemer, K. L. (2005). Post-adoption variations in usage and value of e-business by organizations: cross-country evidence from the retail industry. Information systems research16(1), 61-84. [Google Scholar]