pdf xchange c# : Change font size pdf form reader SDK control service wpf web page html dnn paper10-part1752

Journal of Electronic Commerce Research, VOL. 6, NO.2, 2005 
Page 79
WEB-BASED SHOPPING: CONSUMERS’ ATTITUDES TOWARDS ONLINE 
SHOPPING IN NEW ZEALAND 
Gurvinder S Shergill 
Massey University 
Auckland, New Zealand 
G.S.Shergill@massey.ac.nz
Zhaobin Chen 
Global Integration Ltd 
Auckland, New Zealand 
ben_chen46@hotmail.com
ABSTRACT 
The growing use of Internet in New Zealand provides a developing prospect for E-marketers. If E-marketers 
know the factors affecting online New Zealand buyers’ behaviour, and the relationships between these factors and 
the type of online buyers, then they can further develop their marketing strategies to convert potential customers into 
active ones, while retaining existent online customers.  This  paper is part of larger study, and focuses on factors 
which online New Zealand buyers keep in mind while shopping online.  It also investigates how different types of 
online buyers perceive websites differently. This research found that website design, website reliability/fulfilment, 
website  customer  service  and  website security/privacy  are  the  four  dominant  factors which  influence  consumer 
perceptions of online purchasing. The four types of online New Zealand buyers; i.e., trial, occasional, frequent and 
regular online buyers; perceived  the four website factors differently. These  buyers  have  different  evaluations  of 
website design and website reliability/fulfilment but similar evaluations of website security/privacy issues, which 
implies that security/privacy issues are important to most online buyers. The significant discrepancy in how online 
purchasers  perceived  website  design  and  website  reliability  accounts  for  the  difference  in  online  purchase 
frequencies. 
Key words: Internet, website, online New Zealand buyers, shopping behaviour. 
1. Introduction 
It  has  been  more  than  a  decade  since  business-to-consumer  E-commerce  first  evolved.  Scholars  and 
practitioners  of  electronic  commerce  constantly  strive  to  gain  an  improved  insight  into  consumer  behaviour  in 
cyberspace. Along  with the  development  of E-retailing, researchers  continue  to  explain E-consumers’  behaviour 
from different  perspectives. Many of  their studies have  posited  new emergent factors or  assumptions which are 
based  on  the  traditional  models  of consumer  behaviour,  and  then examine  their  validity  in  the  Internet  context. 
Butler and Peppard [1998], however, explained the failure of IBM’s sponsored web shopping malls by the naive 
assumption of the true nature of online consumer behaviour. A critical understanding of consumer behaviour in the 
virtual environment, as in the physical world, cannot be accomplished if the factors affecting the purchase decision 
are  ignored  or  misunderstood.  For  instance,  online  consumers’  concerns  about  lack  of  opportunity  to  examine 
products prior to purchase are regarded as the specific factor affecting the online buying decision. Therefore, several 
researchers proposed that consumers’ shopping behaviour in online shops may be fundamentally different from that 
in the traditional environment [Alba et al., 1997; Winer et al., 1997]. More frequent online buyers are expected to 
use online shopping more frequently as it enhances their trust in the respective website than for less frequent online 
buyers.  Clearly, electronic markets have some unique economic characteristics. If E-marketers intend to ignore the 
fundamental truths about consumer behaviour due to this point, most of the promises of E-marketing in the business-
to-consumer context will not be fulfilled [Nunes, 2001]. 
Internet is changing the way consumers shop and buy goods and services, and has rapidly evolved into a global 
phenomenon.  Many companies have  started using  the  Internet  with  the  aim of cutting  marketing  costs, thereby 
reducing the price of their products and services in order to stay ahead in highly competitive markets.  Companies 
Change font size pdf form reader - extract form data from PDF in C#.net, ASP.NET, MVC, Ajax, WPF
Help to Read and Extract Field Data from PDF with a Convenient C# Solution
vb extract data from pdf; export excel to pdf form
Change font size pdf form reader - VB.NET PDF Form Data Read library: extract form data from PDF in vb.net, ASP.NET, MVC, Ajax, WPF
Convenient VB.NET Solution to Read and Extract Field Data from PDF
how to extract data from pdf file using java; extract data from pdf table
Shergill & Chen: Consumers’ Attitudes towards Online Shopping in New Zealand 
Page 80
also use the Internet to convey, communicate and disseminate information, to sell the product, to take feed back and 
also to conduct satisfaction surveys with customers.  Customers use the Internet not only to buy the product online, 
but also to compare prices, product features and after sale service facilities they will receive if they purchase the 
product  from  a  particular  store.  Many  experts  are  optimistic  about  the  prospect  of  online  business.  Forrester 
Research predicted that the amount of E-commerce activities worldwide will reach US$6.8 trillion by 2004, from 
US$43 billion in 1998 [Greenberg, 2000]. During 2001, 497.7 million Internet users worldwide generated US$615.3 
billion in revenue from E-commerce  transactions  [IDC, 2002]. In addition to the tremendous potential  of the  E-
commerce market, the Internet provides a unique opportunity for companies to more efficiently reach existing and 
potential  customers.  Although  most  of  the  revenue  of  online  transactions  comes  from  business-to-business 
commerce,  the  practitioners  of  business-to-consumer  commerce  should  not  lose  confidence.  Tedeschi  [2002] 
forecasted  that  the  number of  online  shoppers would reach 132 million in 2006,  compared  with the current  67 
million. 
The rapid growth of Internet users in New Zealand provides a bright prospect for E-marketers. According to a 
report by META Group [2001], New Zealand is one of the top ten countries where E-commerce can be developed. 
According to International Data Corporation [IDC, 2004, p.1], “…..IT solutions in New Zealand will account for 
29.6% of the total spending in the IT market during 2004 and it is expected to grow rapidly over the 2000-2008 
period”.  On the other hand, according to the 2001 New Zealand Census, 37% of households have access to the 
Internet. Moreover, the percentage of individuals with access to the Internet has increased steadily from 42% at the 
beginning of 1998 to 72% by the end of 2001 [Statistics New Zealand, 2002]. These figures show that New Zealand 
has  literate,  educated,  technologically  savvy  netizens  who  are  willing  to  spend  money  over  the  Internet.  If  E-
marketers  know  the  factors  affecting  consumers’  online  purchase  decisions,  and  how  consumers  make  these 
decisions, they can develop their marketing strategies to convert potential customers to real ones, and also to retain 
existing customers.  This study is expected to improve our understanding of online consumer behaviour. In addition, 
some  valuable  insights  on  how  to  develop  effective  strategies  to  obtain  success  in  the  intensive  electronic 
marketplace will be presented to E-marketers. 
In this paper we identify four different factors; including website design, website reliability/fulfilment, website 
customer service and website security/privacy as perceived by online buyers; that affect online purchase behaviour. 
We used a factor analysis technique to classify these four factors which buyers keep in mind while shopping online. 
We  classified  online  buyers  into  different  categories;  including  trial  online  buyers,  occasional  online  buyers, 
frequent online buyers and regular buyers; on the basis of purchase frequency. Based on a survey of 102 respondents 
we investigated how these various categories of online buyers perceived these four factors. We found that it is a 
challenge for E-marketers to convert low frequency online buyers into regular buyers through successful website 
design and by addressing concerns about reliable performance.  
2. Literature Review 
The  current literature on  consumer online purchasing  decisions  has mainly  concentrated  on  identifying  the 
factors  which  affect  the  willingness  of  consumers  to  engage  in  Internet  shopping.  In  the  domain  of  consumer 
behaviour research, there are general models of buying behaviour that depict the process which consumers use in 
making a purchase decision. These models are very important to marketers as they have the ability to explain and 
predict consumers’ purchase behaviour. 
The classic consumer purchasing decision-making theory can be characterized as a continuum extending from 
routine  problem-solving  behaviours,  through  to  limited  problem-solving  behaviours and  then  towards  extensive 
problem-solving behaviours [Schiffman et al., 2001]. The traditional framework for analysis of the buyer decision 
process  is  a  five-step  model.  Given the model,  the  consumer progresses  firstly  from  a  state  of  felt  deprivation 
(problem recognition), to the search for information on problem solutions. The information gathered provides the 
basis for the evaluation of alternatives. The development and comparison of purchasing evaluation criteria result in 
the actual decision to buy. Finally, post-purchase behaviour is critical in the marketing perspective, as it eventually 
affects consumers’ perception of satisfaction/dissatisfaction with the product/service. This classic five stage model 
comprises  the essence  of consumer behaviour under most contexts.  Nevertheless, the  management  of marketing 
issues at each stage in the virtual environment has to be resolved by individual E-marketers. Peterson et al. [1997] 
commented that it is an early stage in Internet development in terms of building an appropriate dedicated model of 
consumer  buying  behaviour.  Decision  sequences  will  be  influenced  by  the  starting  point  of  the  consumer,  the 
relevant market structures and the characteristics of the product in question. 
Consumers' attitude towards online shopping is a prominent factor affecting actual buying behaviour. Jarvenpaa 
C# PDF File Compress Library: Compress reduce PDF size in C#.net
can help to reduce PDF file size effectively. RasterEdge.Imaging.Font.dll. ops.MonochromeImageOptions.TargetResolution = 150F; // to change image compression
extracting data from pdf forms to excel; extract table data from pdf
VB.NET PDF File Compress Library: Compress reduce PDF size in vb.
can help to reduce PDF file size effectively Reduce font resources: Font resources will also take up too TargetResolution = 150.0F 'to change image compression
save pdf forms in reader; flatten pdf form in reader
Journal of Electronic Commerce Research, VOL. 6, NO.2, 2005 
Page 81
and Todd [1997] proposed a model of attitudes and shopping intention towards Internet shopping in general. The 
model  included  several  indicators,  belonging  to  four  major  categories;  the  value  of  the  product,  the  shopping 
experience, the quality of service offered by the website and the risk perceptions of Internet retail shopping. In the 
research conducted by Vellido et al. [2000], nine factors associated with users' perception of online shopping were 
extracted. Among those factors the risk perception of users was demonstrated to be the main discriminator between 
people  buying  online  and  people  not  buying  online.  Other  discriminating  factors  were;  control  over,  and 
convenience  of,  the  shopping  process,  affordability  of  merchandise,  customer  service  and  ease  of  use  of  the 
shopping site.  In another study, Jarvenpaa et al. [2000] tested a model of consumer attitude towards specific web-
base stores, in which perceptions of the store's reputation and size were assumed to  affect consumer trust of the 
retailer.  The  level  of  trust  was  positively  related  to  the  attitude  toward  the  store,  and  inversely  related  to  the 
perception of the risks involved in buying from that store. Jarvenpaa et al. [2000] concluded that the attitude and the 
risk perception affected the consumer's intention to buy from the store. 
Consumers’ perceived risks associated with online shopping have a critical effect on their decision making. 
Risk perception refers to the “……trustor’s belief about likelihoods of gains and losses outside of considerations 
that involve the relationships with the particular trustee” [Mayer et al., 1995, p.726]. Although some early research 
suggests that risk perception may play a minor role in the adoption of online shopping [Jarvenpaa and Todd, 1997], 
recent results from several studies have identified that consumers’ risk perception is a primary obstacle to the future 
growth of online commerce [Culnan, 1999]. Consumer risk perceptions and concerns regarding online shopping are 
mainly  related  to  aspects  involving  the  privacy  and  security  of  personal  information,  the  security  of  online 
transaction systems and the uncertainty of product quality. 
Trust  is  interwoven  with  risk  [McAllister,  1995].  One  of  the  consequences  of  trust  is  that  it  reduces  the 
consumer’s perception of risk associated with opportunistic behaviour by the seller [Ganesan, 1994]. Lack of trust is 
frequently  reported  as  the  reason  for  consumers  not  purchasing  from  Internet shops,  as  trust  is  regarded  as an 
important factor under conditions of uncertainty and risk in traditional theories. Kim and Benbasat [2003] identified 
four categories of trust related issues: “personal information, product quality and price, customer service, and store 
presence” (p.49).  As a new form of commercial activity, Internet shopping involves more uncertainty and risk than 
traditional shopping. In the virtual environment, a consumer cannot physically check the quality of a product before 
making a purchase, or monitor the safety and security of sending sensitive personal and financial information; e.g., 
credit card details; through the Internet to a party whose behaviours and motives may be hard to predict. 
Mayer  et  al.  [1995]  developed  a  model  which  combines  traditional  marketing  philosophy  on  consumer 
motivation to buy and the trust model. In  this model, trust propensity; which is a  personality trait  possessed  by 
buyers; is an important antecedent of trust. In Internet shopping, there is not much information available to the buyer 
regarding  the  seller,  prior  to  purchase. A  buyer  with a  high  propensity  to  trust will  more  likely  be  a potential 
customer than a buyer with a lower propensity. Mayer et al. [1995] proposed that ability, benevolence and integrity 
constitute the main elements of trustworthiness. Ability refers to skills, competencies and characteristics that a seller 
has in a specific domain. In this context, sellers need to convince buyers of the competence of their companies in the 
Internet shopping business. Benevolence is the extent to which the seller is perceived by the buyer as wanting to ‘do 
good’.  Sellers  have  to  convince  buyers  that  they genuinely want  to  do  good things  for  buyers, rather than  just 
maximize profit. Integrity refers to the buyer’s perception that the seller adheres to a set of principles which the 
buyer  finds  acceptable.  A  high  level  of  trust  by  buyers  has  been  found  to  stimulate  favourable  attitudes  and 
behaviour [Schurr and Ozanne, 1985; Anderson and Narus, 1990]. 
 consumer’s  trust  in  an  Internet  store  can  be  thought  as  the  consumer’s  trust  directly  in  the  store. 
Nevertheless, Hoffman et al. [1999] argued that the effectiveness of third-party trust, certification bodies and the 
public  key  encryption  infrastructure  for  ensuring  financial  security,  are  the  central  success  factors  for  building 
consumer trust  in Internet  shopping. Kini  and Choobineh [1998]  suggested  that trust  in  the Internet business is 
necessary,  but  not sufficient,  for  an Internet  buying behaviour to take place.  The  consumer  must  also trust  the 
transaction medium for online shopping. 
In addition to the impact of trust and perceived risks associated with online shopping, enjoyment of the online 
shopping  experience  is  also  an  important  determinant  of  retaining  online  shoppers  [Rice,  1997].  Many  online 
purchasers said that they would not shop on a particular website next time if they had an unpleasant experience with 
it. On the web, shopping enjoyment is positively and significantly related both to attitudes and intentions toward 
shopping on the  web [Eighmey, 1997]. Online  shopping is,  however, a different  experience  from shopping in a 
physical retail store. One major point of difference deals with store atmospherics [Engel et al., 1990]. This term 
describes the  physical  aspects  of  a  store;  such as colours,  music  type, music  volume  and  tempo  and  layout  of 
C# PDF insert text Library: insert text into PDF content in C#.net
without adobe reader installed in ASP.NET. Powerful .NET PDF edit control allows modify existing scanned PDF text. Ability to change text font, color, size and
pdf form save in reader; extract data from pdf forms
C# PDF Annotate Library: Draw, edit PDF annotation, markups in C#.
reader installed. Support to add text, text box, text field and crop marks to PDF document. Able to edit and change PDF annotation properties such as font size
pdf data extraction; extracting data from pdf to excel
Shergill & Chen: Consumers’ Attitudes towards Online Shopping in New Zealand 
Page 82
products. Store atmospherics have a direct effect on customer mood and behaviour [East, 1997]. Web stores so far 
cannot fully simulate the ambiance of a physical store on account of the limitations of devices. So, the system design 
of the E-retailing experience must compensate for the loss of traditional in-store ambiance. 
The impact of perceived ease of using the website and of transactional control, vary with the type of task the 
consumer is undertaking. Li et al. [1999] examined the effects of three perceived channel utilities; communication, 
distribution  and  accessibility;  and  four  types  of  consumer  shopping  orientations;  recreational,  experiential, 
convenience and economic. Their results showed that online buying behaviour was affected by a mix of consumer 
shopping  orientation  and  perceived  channel  utilities.    Hoffman  and  Novak  [1996]  proposed  that  two  broad 
categories  of  behaviour  in  which  consumers  engage  during  the  phase  of  pre-purchase on the Internet  are  goal-
directed and experiential behaviour. They also indicated that the flow experience is a crucial antecedent of online 
purchase behaviour. When shoppers are in the flow state, irrelevant thoughts and perceptions are screened out and 
they are immersed in the interaction with the websites. As flow experience occurs during network navigation, an 
issue E-marketers must consider is whether consumers’ skills are competent to meet the challenges of the virtual 
environment. In Novak et al. [1999]’s research it was found that skill, challenge and focused attention are significant 
antecedents of flow, and playfulness is regarded as an important indicator of flow. The optimal stimulation level 
theory  may  be  applicable  to  achieve  the  perception  of  playfulness.  Zuckerman  [1979]  defined  the  optimal 
stimulation level in that “……an intermediate level of stimulation obtained from the environment corresponds to the 
most favourable affective reaction” [1979, p.37]. The adoption of this theory can result in the perception of ease of 
use and a positive attitude toward the website, as well as an actual purchase.  On the other hand, the potential for 
information overload arising from the free flow of product information increases consumers’ sense of uncertainty, 
which causes  the  search  activity to become psychologically  costly [Wilkie,  1994].  Therefore,  the  best-designed 
information package will generate a competitive advantage. 
Information technology provides online consumers with tremendous access to information about products and 
services  from anywhere  in  the  world  and  from  different  sources other than  solely  from  the  product seller. The 
combination of less time available for shopping, limited information-processing capability and the explosive amount 
of information on the web has, however, led customers to demand more control, less effort and greater efficiency 
during  shopping  [Jarvenpaa  and  Todd,  1997].  In  order  to  respond  to  the  customers’  desire  for  control  and 
convenience, web stores have to design an efficient system to enable consumers to easily find what they need, learn 
more about it and quickly make a purchase decision [Baty and Lee, 1995]. 
Design  characteristics  of a web page  were found  to affect consumers’ online  buying decision. Ho and  Wu 
[1999] found that homepage presentation is a major antecedent of customer satisfaction. The other antecedents; such 
as  logical  support,  technological  characteristics,  information  characteristics  and  product  characteristics;  are  also 
predictive factors to satisfaction. By using a sample of 214 online shoppers, Ranganathan and Ganapathy [2002] 
found four key dimensions of B2C web sites; information content, design, security and privacy. They concluded 
that, though all these dimensions have an impact on the purchase intention, security and privacy were found to have 
greater impact on the purchase intent of online buyers. Dholakia and Rego [1998] investigated the factors which 
make commercial web pages popular. They found that a high daily hit-rate is strongly influenced by the number of 
updates made to the website in the preceding three month period. The number of links to other websites was also 
found to attract visitor traffic. Lohse and Spiller [1998] used a regression model to predict store traffic and sales 
revenues,  as  a  function  of  interface  design  features  and  store  navigation  features.  The  findings  indicated  that 
including additional products  in the store and adding a FAQ section attracted more traffic. Providing a feedback 
section for customers will lead to higher sales. Finally, they found that improved product lists significantly affected 
sales. 
Lohse et al. [2000] used panel data to explore the predictors of online purchasing behaviour. They found that 
the  typical  online  consumers  are  characterized  by  their  wired  lifestyle,  and  are  time  starved.  Therefore,  they 
suggested providing customized information for the online shoppers who buy standard or repeat items, which can 
lead to shoppers gaining a feeling of increased convenience, and allow them to make quick purchase decisions. In 
Koufaris et al. [2002]’s research, it was proposed that two types of information; non-value-added and value-added; 
should be used by search mechanisms in web-based stores. Jarvenpaa and Todd [1997] also found that the existence 
of value-added information at a commercial website can be an important incentive for people to shop online, and 
provides a key source of diversity. Finally, they suggested that specific information available to support consumer 
search, and multiple search, mechanisms with a positive challenge will increase shopping enjoyment. 
The explosive growth in usage of the Internet provides a great number of potential consumers to E-marketers. 
Whether or not marketers can convert their potential customers into real ones and retain them depends, to a very 
C# PDF Sticky Note Library: add, delete, update PDF note in C#.net
enable users to annotate PDF without adobe PDF reader control installed. Able to add notes to PDF using C# source Able to change font size in PDF comment box.
extracting data from pdf files; how to save editable pdf form in reader
C# PDF Field Edit Library: insert, delete, update pdf form field
Able to add text field to specified PDF file position in C#.NET class. Support to change font size in PDF form. Able to delete form fields from adobe PDF file.
extract data from pdf form; extracting data from pdf into excel
Journal of Electronic Commerce Research, VOL. 6, NO.2, 2005 
Page 83
large extent,  on the service  they  offer and on  the  perceived  customer  satisfaction of consumers  [Churchill  and 
Surprenant, 1982; Oliver, 1980;  Luarn  and  Lin, 2003].  The  concept  of  customer satisfaction  occupies a  central 
position  in  marketing  theory  and  practice  [Churchill  and  Surprenant,  1982].  Satisfaction  is  important  to  the 
individual consumer because it reflects a positive outcome from the outlay of scarce resources, and/or the fulfilment 
of previously unmet needs [Bearden and Teel, 1983]. From the perspective of antecedents and the consequences of 
satisfaction, Oliver [1980] proposed a model that expresses consumer satisfaction as a function of expectation and 
expectancy disconfirmation. Moreover, satisfaction significantly affected customer’s attitudes and their intention to 
purchase. Many  researchers have found  the  quality of  web  retailing  sites  is  a dominant  antecedent  of customer 
satisfaction within the online shopping environment.  Assuming web design as an important issue in web shopping, 
Wolfinbarger  and  Gilly  [2002]  developed  a  four-dimensional  scale;  .comQ;  that  included  website  design, 
reliability/fulfilment, customer service and privacy/security to measure the quality of an online retailing site.  They 
found  that  website  design  quality  was  an  important  issue  in  customer  satisfaction.  This  scale  was  tested  and 
validated, and they recommended its use in any further study dealing with the measurement of online quality.   
This review of empirical studies has embodied different factors which influence online purchasers’ behavior. 
The antecedents of online purchase include many attitudinal components; for example, attitude towards a website 
and perceived risk of an online purchase. Consumers’ online shopping experiences, website design and fulfillment 
of  quality expectations  are  deemed  as the major components to successful  online  transactions. The  review  also 
presented the fact that good customer service led to customer satisfaction, which in turn resulted in consumer loyalty 
to such websites. Many researchers have also conducted studies to measure how online consumers perceived web 
shop quality. The review of studies on quality measurement showed that the four-dimensional online quality scale; 
.comQ; developed by Wolfinbarger and Gilly [2002], could be adopted as it has already been tested and validated. 
Therefore, it has been adopted in this research as the main measurement system, with an addition of three more 
items to adapt its parameters to the current research objectives. 
The review of above studies indicated that there has been  no systematic  research done  in this  area in  New 
Zealand and the objective of this paper is to fill this gap. 
3. Research Objectives 
E-business is fundamentally changing the way consumers buy goods and services. This is the first study to have 
been  conducted  to  investigate  the  online  buying  behaviour  of  New  Zealand  consumers.  A  study  on  how  New 
Zealand online buyers act in an ever-changing electronic market environment, therefore, becomes necessary. What 
factors affect online New Zealand purchasers’ behaviour? Also, what factors can explain the differences in online 
buying behaviour among different online buyers? Figure 1 below more clearly explains how the website design and 
type  of online buyers are investigated in this paper.  The  purpose  of this research study  is to investigate  online 
consumer behaviour, which in turn will provide E-marketers with a constructional framework for fine-tuning their 
E-businesses’ strategies.  The specific objectives of this research are: 
1.  To identify key factors influencing New Zealanders’ online shopping purchase behaviour; and 
2.  To identify whether different categories of online New Zealand buyers; e.g., trial buyers, occasional buyers, 
frequent  buyers  and  regular buyers;  perceive  website factors  and  website  elements  differently, and whether 
these perceptions affect buying behavior in different ways. 
Website Design Factors                Type of Online Buyers              Outcome 
Website Design                                                  Trial 
Website Reliability/Fulfillment                         Occasional                     Online Purchase Behavior  
Website Customer Service                                Frequent 
Website Security/Privacy                                 Regular 
Figure 1 The Research Framework 
Based upon these objectives we develop the following hypotheses: 
H1: The online buyers will perceive website design factors differently; and 
H2: Based upon the usage level, different types of online buyers will perceive these factors differently. 
C# PDF Convert to Word SDK: Convert PDF to Word library in C#.net
PDF document, keeps the elements (like images, tables and chats) of original PDF file and maintains the original text style (including font, size, color, links
sign pdf form reader; how to save pdf form data in reader
Generate Barcodes in Web Image Viewer| Online Tutorials
Set barcode orientation and rotation angle; Change barcode image width & height; Colorize Set human-readable text font style, color, size; Resize barcode
fill in pdf form reader; save data in pdf form reader
Shergill & Chen: Consumers’ Attitudes towards Online Shopping in New Zealand 
Page 84
4. The Questionnaire  
4.1 Questionnaire Constructs 
We  used  the  scale  .comQ  developed  by  Wolfinbarger  and  Gilly  [2002],  as  it  has  already  been  tested  and 
validated.   The  .comQ  scale  includes fourteen items to  measure the quality of  an online retail  site.   To suit our 
research objectives, a further three items; which were employed by Chen et al. [2002] and Srinivasan et al. [2002] in 
their  studies; were introduced.  The  items were rated by  using five point  Likert  scales anchored by  1  = strongly 
disagree and 5 = strongly agree.   The frequency of online buying was measured by asking how many times the 
respondent had made purchases on the web in the most recent year. There were no research reports referring to such 
categories of online buyers. Therefore, in order to create these categories, consumers who purchased online once 
yearly, 2-4 times  yearly,  5-10 times yearly  and more than 10  times yearly  were categorized as trial, occasional, 
frequent and regular online purchasers, respectively. 
4.2 Questionnaire Design 
A structured questionnaire was used for this research, as the data collection method involved a mall intercept 
survey. As items in the questionnaire included demographic questions (such as income, age and education level), 
respondents  were  allowed  to  gather  information  and  work  at  their  own  pace  through  a  self-administered 
questionnaire [McDaniel and Gates, 2002].  The questionnaire was divided into three sections, which were used to 
collect online buyers’ behavioural and attitudinal information, demographic information, and also to measure their 
perception of online shopping. The structured questionnaire consisted of fixed-alternative questions. Respondents 
were  given  a  number  of  alternative  responses  to  choose  from.  The  fixed-alternative  questions  allowed  for 
standardized administration. 
5. Research Methodology 
5.1 Population and Sample 
This paper targets a sample population drawn from consumers who have experienced online purchasing in New 
Zealand.    Statistics  New  Zealand  [2002]  reported  that  54%  of  New  Zealanders  have  access  to  the  Internet. 
According  to  Nielsen//NetRatings  [2001],  12%  of  Internet  users  bought  online  in  New  Zealand.  Moreover, 
households in Auckland city  have the highest  rate of  Internet access, at around  43%.   This implies  that a large 
percentage of the sample cluster is in Auckland, and indicates that a representative sample of the different online 
buyers’ groups can be found there. 
5.2 Data Collection Methods 
Several  methods  of  data  collection;  eg.,  telephone  surveys  and  personal  surveys;  were  compared.  The 
conclusion was that it would cost too much in time and money to obtain a random sample from the whole population 
of online shoppers in New Zealand through a random mailing survey. Web-based surveys have been used by many 
researchers as an appropriate way to collect information from Internet users, though self-selection is a significant 
limitation of this particular sampling procedure [Mathwick, 2002]. As a web-based survey was open to all Internet 
users in the world, it meant anyone who wished to complete the questionnaire could do so, which would deviate 
from our focus on New Zealand online purchasers. Moreover, the limited budget did not allow the use of a web-
based survey. Therefore, in this research we adopted non-probability convenience sampling procedures, through the 
use of mall  intercept  surveys.   We  approached  prospective  respondents  in shopping  malls with  previous online 
shopping experience in shopping areas of Auckland. A total of 149 questionnaires were distributed and 102 usable 
questionnaires were returned. 
5.3 Pilot Study 
A pilot survey was conducted with six people to evaluate how well the questionnaire was understood. During 
the interview process, some weaknesses in design were found. The ambiguity of several questions was criticized by 
the respondents. For instance, the phrasing of Question 5 was felt to imply that all shopping online happened in the 
recent past, rather than only the most recent experience.  It was amended to ‘shopped at most recently’. In Question 
1, respondents found some periods of time overlapped, such as ‘less than 1 year’ and ‘less than 6 months’. In the 
finalised questionnaire, one year was divided into ‘between 7-12 months ago’ and ‘less than 6 months ago’.  
6. Data Analysis and Results 
6.1 Sample Profile 
From  a  marketing  view of point it  is  important  to  profile the online  New  Zealand buyers  before  we  start 
discussing the results of the data analysis, as online buyers’ demographics are the basis of the market segmentation.  
VB.NET Image: Visual Basic .NET Guide to Draw Text on Image in .
Please note that you can change some of the example, you can adjust the text font, font size, font type (regular LoadImage) Dim DrawFont As New Font("Arial", 16
vb extract data from pdf; how to save filled out pdf form in reader
Generate Image in .NET Winforms Imaging Viewer| Online Tutorials
Change Barcode Properties. barcode rotation angle; Click "Width" and "Height" to set barcode size; Click "Font" to choose human-readable text font style, color
extract data from pdf form; extract pdf data into excel
Journal of Electronic Commerce Research, VOL. 6, NO.2, 2005 
Page 85
This will affect business strategy decisions. The demographic features of online New Zealand buyers are exhibited 
in Table 1 below. 
6.2 Website Factors and Online Buyers’ Perception of These Factors 
The first research objective is discussed in this section. The findings of the data analysis are discussed, and are 
instrumental in gaining an insight into online New Zealand buyers’ behaviour. In order to identify key factors which 
affect online buying behaviour (research objective 1), exploratory factor analysis was performed.  The results are 
presented below.  
In order to identify the underlying dimensions in online purchasers’ perception of the websites they shopped at 
most recently, exploratory factor  analysis was employed. The  respondents  were asked to  rate seventeen website 
variables, using a 5-point Likert scale, which ranged from strongly disagree to strongly agree. 
The inter-item consistency reliability of these seventeen variables was tested before factor analysis was carried 
out. The result for Cronbach’s Alpha test was .9325, and no item deletion significantly increased the result. The 
closer the reliability coefficient gets to the value of 1.0, the better the reliability of the measures is [Cronbach, 1951]. 
This  scale  can be  considered  to  be good.  Moreover,  the  results  of  both  the  KMO  (.897)  and  Bartlett’s  test  of 
sphericity (. 000), also indicate that it was appropriate to apply the exploratory factor analysis techniques to this data 
set.  With  principal  components analysis  and  an  eigen value  of  1.00  as  the  deciding  criterion, Varimax  rotation 
yielded  four  factors  that  explained  69%  of  the  matrix  variance.  According  to  Hair  et  al.’s  [1995]  practical 
significance criteria, individual item factor loadings have to exceed 0.4, and one factor should include at least two 
items. These practical significant criteria were fully met in the exploratory factor analysis. 
Table 1 Sample Profile 
Categories 
Count 
Percentage 
Gender 
Male 
Female 
54 
48 
52.9% 
47.1% 
Age 
Under 21 years 
21-29 years 
30-39 years 
40-49 years 
50 + years 
11 
32 
33 
19 
10.8% 
31.4% 
32.4% 
18.6% 
6.9% 
Education 
level 
Did not complete secondary school 
Completed secondary school 
Completed trade training 
Completed undergraduate degree 
Completed postgraduate degree 
20 
37 
30 
6.9% 
19.6% 
7.8% 
36.3% 
29.4% 
Occupation 
Business owner 
Manager/administrator 
Teacher/lecturer 
Self-employed/professional 
Government, or military worker 
Sales, clerical, or service worker 
Machine operator, or trade worker 
Student 
24 
11 
16 
23 
7.8% 
23.5% 
10.8% 
15.7% 
7.8% 
6.9% 
4.9% 
22.5% 
Yearly Gross 
Income 
Less than $16, 000 
$16,000 to $29,999 
$30,000 to $49,999 
$50,000 to $79,999 
$80,000+ 
22 
11 
38 
24 
21.6% 
10.8% 
37.3% 
23.5% 
6.9% 
Table 2 shows the factor analysis of the seventeen variables which New Zealand online buyers used to measure 
the quality of websites most recently visited. This factor analysis extracted four factors from the seventeen variables. 
Each factor was defined by at least three scale items. The result is consistent with the findings of Wolfinbarger and 
Gilly [2002]. The reason was probably that fourteen out of seventeen items borrowed from their scale measured the 
Shergill & Chen: Consumers’ Attitudes towards Online Shopping in New Zealand 
Page 86
four factors at a global level [Wolfinbarger and Gilly, 2002]. 
Factor 1  loaded  on  the  first  eight variables.   This factor  can be  labeled  as website  design,    as these eight 
variables revealed the perceptions of online buyers related to the components of the website design; that is, ease of 
navigation,  download  speed,  surfing  ambience,  speed  of  checkout,  order  processing,  merchandise  assortment, 
sufficient  and  useful  information  and  price  advantage.  All  these  elements  were  considered  as  the  predominant 
predictors of online consumers’ purchasing decisions. This factor alone has explained 20% of the total variation in 
the factor analysis. Factor 2 was correlated most highly with variables nine, ten and eleven; i.e., on-time delivery 
and whether the products or services received corresponded to those described on the websites. It might be labeled 
as  website reliability/fulfilment.  This  category’s results  indicated that  it  is important  to  convince  buyers  that E-
retailers can fulfill their promises, as online consumers cannot obtain promises from salespersons as in traditional 
shops. This factor has explained 18% of the total variation in the factor analysis. The third factor might be labeled 
website customer service, and includes variables twelve, thirteen and fourteen. It includes, prompt response to email 
inquiries and the ease of returning goods purchased. The fourth factor might be labeled website security/privacy. It 
indicated that security and privacy uncertainty were two main issues for those considering purchasing online. This 
factor explains 15% of the total variation, and indicates the importance of this factor in the study of online shopping 
behavior. 
Table 2 Rotated Factor Matrices of Perceived Factors Affecting Online Purchase by Online Buyers 
Variables 
Factors 
The website provides in-depth information. 
0.714  0.033  0.322 
0.27 
 The level of personalization at this site is about right, not too much or
too little. 
0.589  0.25  0.207 
0.356 
 It is quick and easy to complete a transaction at this website. 
0.664  0.144  0.006 
0.399 
This website has a good selection. 
0.461  0.369  0.363  -0.044 
 The site doesn’t waste my time. 
0.501  0.154  0.375 
0.381 
This site has competitive prices. 
0.636  0.486  0.267  -0.109 
 This website understands my needs. 
0.534  0.403  0.517 
0.077 
I feel comfortable in surfing this site. 
0.717  0.26  0.087 
0.228 
 The product that came was represented accurately by the website. 
0.259  0.763  0.0656  0.339 
10 
You get what you ordered from this website. 
0.194  0.848  0.084 
0.263 
11  The product is delivered by the time promised by the company. 
0.183  0.708  0.237 
0.318 
12  The company is willing and ready to respond to customer needs. 
0.308  0.42  0.638 
0.244 
13  When  you  have  a  problem,  the  website  shows  a  sincere  interest  in 
solving it. 
0.105  -0.058  0.869 
0.206 
14  Inquiries are answered promptly. 
0.196  0.219  0.783 
0.162 
15 
I feel that my privacy is protected at this site. 
0.162  0.293  0.108 
0.793 
16  I feel safe in my transactions with this website. 
0.262  0.318  0.35 
0.638 
17 
This website has adequate security features. 
0.371  0.224  0.304 
0.664 
Variation explained by each factor 
20.47%  17.62%  16.68%
14.50% 
Total variation explained by these factors 
69.27% 
Cronbach's Alpha 
0.9325 
Kaiser-Meyer-Olkin Measure of Sampling Adequacy 
0.897 
Bartlett's Test of Sphericity:  
Approx. Chi-Square 
1013.133
D.F. 
136 
Significance 
.000 
In  order  to  examine  how  the  consumers  perceived  website  quality;  in  terms  of  website  design,  website 
Journal of Electronic Commerce Research, VOL. 6, NO.2, 2005 
Page 87
reliability/fulfilment, website customer service and website security/privacy; the mean scores for all factors have 
been compared. The findings of online buyers’ different perceptions of the four influencing factors are presented in 
Table 3. 
Table 3 Online Buyers’ Perceptions of the Four Factors 
Website Variables 
Mean 
Std. Deviation 
It is quick and easy to complete a transaction at 
this website. 
3.44 
1.18 
This site has competitive prices. 
3.42 
1.18 
This website has a good selection. 
3.42 
1.16 
This website understands my needs. 
3.38 
1.19 
The website provides in-depth information. 
3.37 
1.13 
I feel comfortable in surfing this site. 
3.32 
1.24 
The site doesn't waste my time. 
3.24 
1.14 
The level of personalization at this site is about 
right, not too much or too little.
.
3.19 
1.15 
Website Design Factor 
Overall mean of Website Design Factor 
3.45 
1.17 
The product that came was represented accurately 
by the website. 
4.07 
1.02 
You get what you ordered from this website. 
3.94 
0.94 
The product is delivered by the time promised by 
the company. 
3.65 
1.10 
Website 
Reliability/Fulfillm
ent Factor 
Overall mean of Website Reliability/ Fulfilment 
Factor 
3.89 
1.02 
The company is willing and ready to respond to 
customer needs. 
3.55 
1.04 
Inquiries are answered promptly. 
3.55 
1.06 
When you have a problem, the website shows a 
sincere interest in solving it. 
3.44 
1.07 
Website Customer 
Service Factor 
Overall mean of Website Customer Service 
Factor 
3.51 
1.06 
I feel safe in my transactions with this website. 
3.19 
1.14 
This website has adequate security features. 
3.17 
1.14 
I feel that my privacy is protected at this site. 
3.05 
1.12 
Website 
Privacy/Security 
Factor 
Overall mean of Website Privacy/Security 
Factor 
3.13 
1.13 
Overall mean of the four factors 
3.50 
0.3117 
Firstly, the website design factor had; as stated in Table 3; a slightly lower mean score of 3.45 than the overall 
mean score of 3.50.  Express checkout  processing,  price  advantage and diversity of  merchandise had high mean 
Shergill & Chen: Consumers’ Attitudes towards Online Shopping in New Zealand 
Page 88
scores  within this factor.  Ease of  navigation  had a  lower  mean, which implied  that online purchasers  were less 
satisfied with this area of service. This, in turn, had a less favourable effect on buyers’ online shopping experiences. 
Loshe and Spiller [1998a]  urged web designers to carefully design their  online shop  layout in  order to facilitate 
navigation. The lower mean scores of understanding the needs of customers (3.38), and in-depth information (3.37: 
Table 3), indicated that online New Zealand buyers were still less satisfied with these areas. It can be said that online 
New Zealand buyers rated the website design factor lower than the overall average. The level of personalization, in 
particular, had  a poor  rating in this  factor.  Online consumers were  relatively satisfied with checkout  processing, 
price and assortment of products, compared with the lower score in the category of level of personalization. This 
lack of personalization could result in driving potential online buyers away, as they could not always find what they 
wanted.  
Secondly, online  New Zealand buyers rated the website reliability/fulfilment factor  the highest mean  score. 
This implied that they were more satisfied with the honesty attributes of E-retailers. Both the factor mean scores and 
website variables means indicated online buyers’ satisfaction with E-retailers’ fulfillment and reputation. All of the 
variables were higher than the overall factors’ mean score of 3.50. Obviously, online buyers were fairly satisfied that 
the same products displayed online by E-retailers were delivered to them. They rated the reliability of E-retailers’ 
delivery a slightly lower mean of 3.65 (Table 3). This implies that online buyers’ were still concerned about on-time 
delivery.  
Thirdly, online New Zealand buyers rated the website customer service factor at 3.51, which was just slightly 
higher than the overall perceived average score of 3.50 (Table 3). Prompt reply and response to customers’ needs 
both had the same  mean,  with  problem  solving  rating  slightly lower.   This implies  that  online  consumers were 
satisfied with the level of customer service E-retailers provided.  
Fourthly, compared with the perceived overall perception of a website with a mean score of 3.50, online New 
Zealand buyers rated the website privacy/security factor at a considerably lower mean score. The mean score for this 
factor was 3.13 (Table 3). All three variables within this factor had lower means than the variables of the other three 
factors; at 3.19, 3.17 and  3.05. The  considerably lower  mean score of  the  privacy/security  factor suggested that 
consumers considered this factor to be a possible obstacle to their online purchasing. These findings are consistent 
with the findings of Culnan [1999], Ranganathan and Ganapathy [2002], and Gauzente [2004]. Online New Zealand 
buyers were close to neutral on the personal information and financial security factor. Hence, they must be reassured 
that the transactions are protected, though the issue of security is now more a psychological than a financial or a 
technological problem. 
The analysis in this section has aimed at exploring how online New Zealand buyers perceived the websites they 
shopped at in terms of the website design factor, website reliability/fulfilment factor, the website customer service 
factor and the website privacy/security factor. The results confirm our first hypothesis (H1), and revealed that online 
purchasers’  buying  behaviours  were  affected  by  these  four  factors.  Online  New  Zealand  consumers  have  very 
different perceptions of all four factors. It was found that the E-retailers’ competency in fulfilling their promises, and 
their  honesty  attributes,  have  satisfied  their  consumers.  The  website  reliability/fulfilment  factor  is  the  most 
satisfactory factor for online New Zealand buyers, which, in turn, is instrumental in encouraging online buying and 
retaining current online purchasers. 
The website customer service factor obtained the second highest mean score among the four factors. Its factor 
mean was higher than the perceived overall mean (3.5). This meant that online buyers were also satisfied with this 
factor, which can be seen as another positive factor affecting online purchasing. The two remaining factors (website 
design and website privacy/security) had lower factor means than the perceived overall average. Poor website design 
was the main reason for consumers not completing online purchases. On the other hand, the website privacy/security 
factor had the lowest mean score (3.13), which implied that this factor was still a possible obstacle to online buying. 
This factor can be considered as a potential impediment to consumers shopping online. These findings are consistent 
with the findings of Jarvenpaa and Todd [1997] and Vellido et al. [2000].  
6.3 Perception of Online Shopping by Four Types of Online Buyers  
The above-discussed results provided empirical evidence that online buyers have different perceptions of the 
four  factors. How  different  types of online buyers perceived all  seventeen  influential  website  variables and four 
factors is, however, still unclear. A series of ANOVA tests, and the comparison of the mean values of the variables, 
were used to address this issue. 
In this section, four types of online buyers’ perceptions of the website variables were discussed. Table 4 reports 
the average ratings of the seventeen website variables, which measured how online New Zealand buyers perceived 
their  most recently  visited  websites. Trial online buyers were defined  in  this  research  as those  who had bought 
Documents you may be interested
Documents you may be interested