ส่วนประสมการตลาดและคุณค่าตราสินค้าที่มีผลต่อพฤติกรรมการซื้อผลิตภัณฑ์ดูแลผิวหน้าของผู้บริโภค

Abstract

งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษา 1) ส่วนประสมการตลาดที่มีผลต่อพฤติกรรมการซื้อผลิตภัณฑ์ดูแลผิวหน้าของผู้บริโภคในกรุงเทพมหานคร 2) คุณค่าตราสินค้าที่มีผลต่อพฤติกรรมการซื้อผลิตภัณฑ์ดูแลผิวหน้าของผู้บริโภคในกรุงเทพมหานคร 3) ความสัมพันธ์และอิทธิพลระหว่างส่วนประสมการตลาดและคุณค่าตราสินค้าที่มีผลต่อพฤติกรรมการซื้อผลิตภัณฑ์ดูแลผิวหน้าของผู้บริโภคในกรุงเทพมหานคร การวิจัยนี้เป็นการวิจัยเชิงปริมาณ (Quantitative Research) โดยเก็บข้อมูลและวิเคราะห์ข้อมูลแบบภาคตัดขวาง (Cross-Sectional Analysis) ด้วยแบบสอบถามที่กำหนดเกณฑ์การให้คะแนนแบบสอบถามซึ่งมีลักษณะเป็นมาตราส่วนประมาณค่า ซึ่งผู้วิจัยสร้างและพัฒนาขึ้นในช่วงเดือนสิงหาคม-ตุลาคม 2563 นำไปเก็บข้อมูลภาคสนามในกลุ่มตัวอย่างประชาชนที่อาศัยในกรุงเทพมหานครจำนวน 480 คน โดยมีอัตราการตอบกลับของแบบสอบถาม (Response Rate) ร้อยละ 83

ผลการวิจัยพบว่า 1) ส่วนประสมการตลาด (Marketing Mix: 4Ps) ได้แก่ ผลิตภัณฑ์ (Product) ราคา (Price) การจัดจำหน่าย (Place) และการส่งเสริมการตลาด (Promotion) ทั้งในภาพรวมและรายด้าน มีผลต่อพฤติกรรมการซื้อผลิตภัณฑ์ดูแลผิวหน้าของผู้บริโภคในกรุงเทพมหานครในระดับมาก กล่าวคือในภาพรวม (M = 3.86, SD = 0.58) ด้านผลิตภัณฑ์ (M = 3.95, SD = 0.75) ด้านราคา (M = 4.03, SD = 0.47) ด้านการจัดจำหน่าย (M = 3.85, SD = 0.52) และด้านการส่งเสริมการตลาด (M = 3.73, SD = 0.85) 2) คุณค่าตราสินค้า (Brand Equity) มีผลต่อพฤติกรรมการซื้อผลิตภัณฑ์ดูแลผิวหน้าของผู้บริโภคในระดับมาก (M = 4.17, SD = 0.42) ส่วนคุณค่าตราสินค้าในองค์ประกอบย่อยรายด้านนั้นมีผลต่อพฤติกรรมการซื้อผลิตภัณฑ์ดูแลผิวหน้าตั้งแต่ระดับมากถึงมากที่สุด 3) ส่วนประสมการตลาดและคุณค่าตราสินค้าเกือบทุกองค์ประกอบ มีความสัมพันธ์กับพฤติกรรมการซื้อผลิตภัณฑ์ดูแลผิวหน้า (Buying Behaviour) อย่างมีนัยสำคัญทางสถิติที่ระดับ 0.05 ยกเว้นส่วนประสมการตลาดในด้านการจัดจำหน่าย (iv3) และคุณค่าตราสินค้าในด้านสินทรัพย์ของตราสินค้าในกรรมสิทธิ์อื่น (iv9) ซึ่งไม่มีนัยสำคัญทางสถิติในการศึกษาความสัมพันธ์กับพฤติกรรมการซื้อผลิตภัณฑ์ดูแลผิวหน้า

ผลการวิเคราะห์สมการการถดถอยสำหรับพยากรณ์พฤติกรรมการซื้อผลิตภัณฑ์ดูแลผิวหน้าของผู้บริโภคในกรุงเทพมหานครพบว่าสามารถร่วมกันอธิบายหรือพยากรณ์พฤติกรรมการซื้อผลิตภัณฑ์ดูแลผิวหน้าของผู้บริโภคในกรุงเทพมหานครได้ร้อยละ 86 ส่วนค่าสัมประสิทธิ์การพยากรณ์ที่ปรับแล้วมีค่าเท่ากับ 0.86 (R2adj = 0.86)

The purpose of this research was to determine 1) Marketing Mix affect Buying Behaviour of facial care product in Bangkok, 2) Brand Equity affect buying Behaviour of facial care product in Bangkok, 3) the relationship and influence of Marketing Mix and Brand Equity affect buying behavior of facial care product in Bangkok. The research method of this study is quantitative approach which is cross-sectional analysis. The sample of 480 cases were drawn from Bangkok collected field data using questionnaire created by researcher during August - October 2020. Response rate of the research questionnaire is 83%.

The results of this research revealed that: 1) Marketing Mix (4Ps) include Product, Price, Place and Promotion in both overall and individual aspects affected Buying Behaviour of facial care products in Bangkok at a large extent. That is, as a whole (M = 3.86, SD = 0.58) on the Product side (M = 3.95, SD = 0.75) Price side (M = 4.03, SD = 0.47) Place side (M = 3.85, SD = 0.52) and Promotion (M = 3.73, SD = 0.85) 2) Brand Equity affects buying behavior for facial care on a large scale (M = 4.17, SD = 0.42), As for the brand value in the individual components, it influences buying behavior for facial care products at the high level to the highest. 3) The Marketing Mix and the Brand Equity of almost all components were statistically significant related to Buying Behaviour for facial care products at 0.05, except for Marketing Mix; Place (iv3) and Brand Equity; Other proprietary brand assets (iv9) are insignificantly.

Regression Equation to predict Buying Behaviour for facial care in Bangkok in raw score; Behavior = 1.20 + 0.36*iv1 + 0.11*iv2 + 0.27*iv3 + 0.24*iv4 + 0.18*iv5 + 0.29*iv6 + 0.40*iv7 + 0.35*iv8 + 0.19*iv9. Regression equation in standard score Z Behavior = 1.44*Ziv1 + 0.27*Ziv2 + 0.61*Ziv3 + 1.23*Ziv4 + 0.60*Ziv5+ 0.99*Ziv6+ 0.76*Ziv7+ 0.67*Ziv8+ 0.34*Ziv8 , Test statistics as F (9, 390) = 272.75, p = 0.00 , Forecast Coefficient Equals 0.86 (R2 = 0.86) and Adjusted Forecast Coefficient Equals 0.86 (R2adj = 0.86).