Alternatives Managériales Economiques

E-ISSN : 2665-7511
https://revues.imist.ma/?journal=AME

SAHLI / Revue AME Vol 2, No 3 (Juillet, 2020) 16-36

Coronavirus (Covid19) : Quel impact sur le comportement d’achat

en ligne des consommateurs tunisiens ?, SAHLI,F. 1
1. Enseignante universitaire, ISET de Zaghouan, Tunisie, faouzia.sahli@yahoo.fr

Date de soumission : 11/06/2020 Date d’acceptation : 28/07/2020

Résumé :
Avec la fermeture de plusieurs magasins physiques, outre le potentiel danger de sortir de chez soi
depuis l’apparition du premier cas Covid-19 en Tunisie, les consommateurs se sont tournés en
ligne pour trouver les produits dont ils avaient besoin. L’objectif de notre travail est d’analyser le
comportement d’achat en ligne des tunisiens pendant la crise Covid-19. Pour atteindre cet
objectif, une étude quantitative a été menée auprès d’un échantillon de 300 interrogés tunisiens
et tunisiennes de divers profils. Les questionnaires ont été administré par internet. Au final., nous
avons reçu 164 questionnaires remplis, soit un taux de réponse de 54 ,66%. Les résultats ont
montré que le risque financier, l’âge, le revenu et le niveau intellectuel influencent le
comportement d’achat en ligne pendant la pandémie. Ce qui n’est pas le cas pour d’autres
variables telles que le risque physique, l’expérience antérieure et le sexe.
Mots- clés : Covid-19 ; Achat en ligne ; comportement de crise ; variables sociodémographiques ;
risques.

Coronavirus (Covid19): What impact on the online shopping behavior

of Tunisian consumers?
Summary :
With the closure of several physical stores, in addition to the potential danger of leaving home
since the appearance of the first Covid-19 case in Tunisia, consumers have turned online to find
the products they need. The aim of our work is to analyze the online shopping behavior of
Tunisians during the Covid-19 crisis. To achieve this objective, a quantitative study was conducted
with a sample of 300 Tunisian respondents of various profiles. The questionnaires were
administered over the internet. In the end, we received 164 completed questionnaires,
representing a response rate of 54.66%. The results showed that financial risk, age, income and
intellectual level influence online shopping behavior during the pandemic. This is not the case for
other variables such as physical risk, previous experience and gender.
Key words: Covid-19 ; Online shopping ; crisis behavior ; socio-demographic variables ; risks.

Revue ame, Vol 2, No 3 (Juillet, 2020) 16-36 Page 16

Introduction

COVID-19 est la maladie infectieuse causée par le coronavirus le plus récemment découvert. Ce
nouveau virus et cette nouvelle maladie étaient inconnus avant le début de l'épidémie à Wuhan,
en Chine, en décembre 2019. COVID-19 est maintenant une pandémie affectant de nombreux pays
dans le monde, (OMS, 27 AVRIL 2020). Cette épidémie a infecté des personnes dans 185 pays. Alors
que de plus en plus des villes sont fermées à clé, des entreprises non essentielles doivent aussi
fermer et les clients évitent généralement les lieux publics. Les consommateurs évitent la foule,
quittent leurs maisons moins souvent à cause du coronavirus. Limiter les achats pour tous les
produits essentiels, mais nécessaires, devient une nouvelle norme. Avec la fermeture de nombreux
magasins physiques, la stratégie de commerce électronique a gagné en importance au cours de
cette période.

Des études ont montré que l'utilisation des applications de vente au détail en ligne et des
applications mobiles de commerce électronique ont connu une augmentation significative des
utilisateurs inactifs et nouveaux. L'augmentation du nombre d'audience en ligne a été mise en
évidence pour la première semaine de mars de l'exercice 2020 (Jebril, 2020). Le développement
de nouveaux publics actifs dans les applications mobiles en ligne s’est fait principalement sur des
sites Web qui offrent des services et des livraisons de produits alimentaires. Ce qui est le cas pour
les pays de l'Asie du Sud-Est, tels que la Malaisie, Taïwan, la Thaïlande, Singapour et Hong Kong
(Zarchi et al., 2020).

Ainsi, notre étude vise à examiner les facteurs qui influencent l'intention d'achat en ligne des
tunisiens pendant la crise covid-19. En fait, de nombreuses études précédentes, dont celles d'al-
Debei et al. (2015), Lim et al. (2016), ainsi que SHEIKH et al. (2015) ont montré qu'il existe une
relation significative entre l'expérience passée et l’intention d'acheter en ligne. D’autres ont
confirmé que ce comportement est influencé par les variables socio-démographiques (Al-Debei et
al., 2015 ; Dhanapal et al., 2015 ; Lissitsa et Kol, 2016). Ces derniers ont même affirmé que les
consommateurs à revenus élevés ont tendance à acheter davantage en ligne que les
consommateurs à faible revenu. D’autres recherches ont montré que les achats en ligne
constituent une menace pour les consommateurs qui continuent à percevoir que l'utilisation
d'Internet pour acheter des produits ou des services quel que soit leurs natures est toujours
risquée (Bourlakis et al., 2008 ; MCCole et al 2010 ; Bianchi et Andrews, 2012).

L’objectif de notre étude est d’analyser le comportement d’achat en ligne des tunisiens pendant la
crise Covid-19 et d’examiner l’influence des risques perçus (en particulier les risques financiers et
physiques), de l’expérience d’achat antérieure, et des variables sociodémographiques sur ce
comportement. Afin de répondre à notre objectif, nous présentons dans un premier temps le cadre
théorique de notre recherche à travers une revue de la littérature portant sur le Modèle

Revue ame, Vol 2, No 3 (Juillet, 2020) 16-36 Page 17

d’Acceptation de la Technologie (TAM), les risques perçus de l’achat en ligne, l’expérience d’achat
antérieure et les variables sociodémographiques. Dans un deuxième temps nous étalons notre
méthodologie de travail et nous exposons nos résultats. Dans un dernier temps, les résultats sont
discutés.

1- Cadre théorique

Dans la littérature sur l'adoption des technologies innovantes, de nombreuses approches sont
élaborées et plusieurs modèles visant à prédire et à comprendre l’intention, le comportement et
l’attitude des gens face à l’utilisation d’une technologie ont été développés. Ces modèles s’avèrent
aussi pertinentes pour expliquer l’adoption des achats en ligne.

1.1. Le Modèle d’Acceptation de la Technologie

Le modèle d'acceptation de la technologie (TAM) de Davis est l'une des approches les plus
influentes pour expliquer et prédire l'acceptation par les utilisateurs des systèmes d'information
(Davis, 1989). Il est devenu l'un des modèles les plus largement utilisés et validés empiriquement
dans la recherche dans ce domaine (KING et HE, 2006). Ce modèle (TAM) est basé sur la théorie
de l'action raisonnée (TRA) et jusqu'à un certain point sur la théorie du comportement planifié en
tant qu'extension de la TRA proposée par Ajzen (Ajzen et FISHBEIN, 1980).

Selon Davis (1989), le but du TAM est de fournir une explication des déterminants de l'acceptation
des ordinateurs, qui est généralement capable d'expliquer le comportement des utilisateurs dans
un large éventail de technologies informatiques d'utilisateurs finaux et de populations
d'utilisateurs. Ce modèle est basé sur l'hypothèse que les principaux facteurs influençant
l'intention d'utiliser toute technologie sont liés à l'utilité et la facilité d'utilisation perçue (Davis et
al., 1989). Le TAM a été testé dans différents contextes, il est un modèle générique qui peut faciliter
l'explication des facteurs qui influencent l'acceptation de la technologie, ou dans notre cas le
comportement d'achat en ligne.

Dans la littérature, il existe plusieurs tentatives d'utilisation de ce modèle (de base ou étendue)
pour déterminer les facteurs qui influencent le comportement d'achat en ligne. Certaines études
utilisent différentes combinaisons de facteurs pour explorer l'adoption des achats en ligne dans
différents pays (Fayad et Paper, 2015 ; Ingham et al., 2015 ; Lim et Ting, 2012 ; Pantano et Pietro,
2012). Mais la plupart de ces études est généralement axée sur l’expérience des pays développés.
La revue de la littérature a montré qu'il y a un manque de preuves empiriques si ces facteurs
s'appliquent aux pays en développement, comme le reconnaît Achraf et al. (2014).

Revue ame, Vol 2, No 3 (Juillet, 2020) 16-36 Page 18

1.2. Les risques de l’achat en ligne pendant la période de la crise COVID19

Depuis les années 1960, la perception du risque par les consommateurs a été largement discutée
dans la littérature et il a été démontré qu'elle affecte toutes les décisions d'achat, ainsi que le
comportement des consommateurs (Chaudari, 1997 ; Cox, 1967 ; Cunningham, 1967 ; Taylor,
1974). Le risque perçu guide considérablement le comportement des consommateurs, car les gens
souhaitent éviter de faire des erreurs (Mitchell, 1999). Un risque acceptable n'a qu'un effet minime
sur le comportement prévu (Mitchell, 1999), tandis que des risques importants provoquent
l'évitement ou l'abandon de l'activité. Les situations sont considérées comme risquées si la prise
de décision implique une incertitude (Engel et al ,1990), une gêne, une inquiétude (Taylor, 1974)
ou une ambiguïté (Bettman, 1973). Les risques liés aux situations familières sont considérés
comme mineurs par rapport aux situations nouvelles (Roselius, 1971 ; Shimp, 1982 ; Tan, 1999).
Selon Liao et al. (2010), les gens sont généralement plus enclins à éviter les erreurs plutôt qu'à
maximiser l'utilité lorsqu'ils s'engagent dans des activités où il y’a un risque lors de la prise d’une
décision d’achat. De plus, les consommateurs sont généralement inquiets lorsqu'ils ne peuvent pas
être sûrs que les achats leur permettront de réaliser leurs objectifs.

Des recherches ont montré que les achats en ligne constituent une menace pour les
consommateurs. De nombreuses sources soulignent le fait que les consommateurs continuent à
percevoir que l'utilisation d'Internet pour acheter est risquée (Bourlakis et al., 2008; Drennan et
al., 2006; Ha et Coghill, 2008; Kuhlmeier et Knight, 2005; Mccole et al., 2010; Bianchi et Andrews,
2012). Le défi pour les détaillants de nos jours est de minimiser les risques pour les consommateurs
dans leurs achats en ligne. Certains auteurs ont mené des études sur le comportement
d'acceptation et d'utilisation de ce type d’achat dans plusieurs pays tout en mettant en évidence
le risque perçu (Driediger et Bhtiasevi, 2019, Hong et Yi, 2012), le risque de représentation
subjective dans le processus d’achat en ligne (Costa, 2007), et les stratégies de réduction de ces
risques (Vos et al., 2014). Des efforts récents ont mis aussi en évidence l'influence du risque
psychologique et social sur l'intention d'achat du produit (Swiegers, 2018) et l'influence du risque
financier sur la décision d'achat dans le profil des femmes qui achètent des produits de marque de
luxe en ligne (Wahab et al., 2019).

1.2.1. Le risque physique

Le risque physique fait référence à la menace potentielle pour la sécurité d'un individu, la santé
physique et le bien-être (Lu et al., 2005). Comme il devient encore plus clair à quel point le COVID-
19 est infectieux, Des études ont montré que ce virus peut survivre jusqu'à 72 heures sur le
plastique et l'acier inoxydable, moins de 4 heures sur le cuivre et moins de 24 heures sur le carton.
(OMS, 2020). Puisqu’il est probable que le COVID-19 puisse survivre sur les articles achetés entre
le moment où ils ont été emballés et le moment où le client reçoit le colis (en particulier avec le

Revue ame, Vol 2, No 3 (Juillet, 2020) 16-36 Page 19

ralentissement du système de livraison). Certains acheteurs, peuvent soulever des questions sur la
sécurité de la réception de leurs commandes en ligne.

Selon le CDC (Mars 2020), le risque de contamination par des produits ou des emballages expédiés
sur une période de plusieurs jours ou semaines à température ambiante est probablement faible.
La déclaration du CDC fait référence à des colis qui ont été expédiés pendant au moins plusieurs
jours et n’ont été en contact avec aucune source de contamination après l’emballage.
L'Organisation mondiale de la santé affirme que la probabilité qu'une personne infectée contamine
des marchandises commerciales est faible et le risque d'attraper le virus qui cause COVID-19 à
partir d'un colis qui a été déplacé, voyagé et exposé à différentes conditions et températures est
également faible (OMS, 2020).

La question qui se pose est si la peur d’être contaminé a une influence sur le comportement
d’achat, l’hypothèse H1-a est alors avancée comme suit :
H1-a : Le risque physique pendant la crise Covid-19 a un effet négatif sur l’intention d’acheter en
ligne.

1.2.2. Le risque financier

Le risque financier est défini comme la probabilité d’une perte monétaire associée à l'achat d'un
produit (Horton, 1976). Il est également défini comme la probabilité que le produit ne vaudra pas
son prix (Schiffman et Kanuk, 2004) ou aurait été disponible plus ailleurs à moindre coût (Lu et al.,
2005). Le risque financier peut aussi implique l'incertitude de ne pas recevoir du tout le produit,
même après l'avoir payé (Biswas et Biswas, 2004), ainsi que la possibilité que les informations de
sa carte de crédit soient mal utilisées (Forsythe et Shi, 2003). Le problème de sécurité ne s'arrête
pas au stade de l'achat mais se poursuit jusqu'au stade post-achat car les informations personnelles
peuvent être utilisées à mauvais escient (Comegys et al., 2009 ; Wand et al., 2005). Pour étudier
l’effet du risque financier sur le comportement d’achat en ligne pendant la pandémie, nous
avançons l’hypothèse suivante :
H1-b : Le risque financier pendant la crise Covid-19 a un effet négatif sur l’intention d’acheter en
ligne.

1.3. L’expérience d’achat en ligne avant la crise Covid-19

Festervand et al. (1986) ont constaté que l'expérience antérieure via un canal d'achat donné était
négativement liée aux risques perçus associés aux achats futurs dans ce canal. Avec l'extension de
cette constatation au contexte des achats en ligne, l’expérience devrait conduire à une réduction
des risques perçus associés à ce type d’achat et les perceptions du risque associées diminuent à
mesure que les expériences augmentent (Forsythe et Shi 2003). La recherche montre aussi qu’une

Revue ame, Vol 2, No 3 (Juillet, 2020) 16-36 Page 20

expérience d’achat en ligne positive influence positivement la perception qu'ont les acheteurs de
ce canal. (Chaudaryet et al., 2014 ; Nwaizugbo et Ifeanyichukwu, 2016) et leur intention d'acheter
en ligne (Forsythe et Shi 2003 ; Kuhmmeier et Knight 2005). Cependant, si ces expériences passées
sont jugées négativement, les consommateurs hésitent à s'engager dans l’avenir. Selon Dai et al.
(2014), avec l'augmentation de l'expérience d'achat en ligne pour les produits non numériques, les
acheteurs perçoivent une réduction des risques liés aux produits, aux finances et à la vie privée.
Puisqu’ils développent une base de connaissances concernant la capacité des détaillants en ligne
à répondre aux commandes et aux attentes des acheteurs en matière de performances des
produits. Ces expériences acquises dans le passé dureront plus longtemps et resteront dans la
mentalité des consommateurs (Aziz et al., 2018).

Dans notre contexte actuel, la question qui se pose ici, est si l’expérience d’achat en ligne avant la
pandémie a un effet sur le comportement d’achat pendant la pandémie ?. L’hypothèse H2 est alors
avancée ainsi :
H2 : L’expérience d’achat en ligne avant la crise Covid-19 a un effet positif sur l’intention d’achat
pendant la pandémie.

1.4. Les variables sociodémographiques

L'étude des influences démographiques sur les décisions d'achat en ligne a eu lieu depuis 1995
(Fram et Grady, 1997 ; Sultan et Henrichs, 2000 ; Stafford et al., 2004 ; Punj, 2011 ; Richa, 2012 ;
Rahaman, 2014). Beneke et al. (2010) ont conclu que les variables démographiques telles que le
revenu, l'éducation et le sexe sont susceptibles d'avoir un effet significatif sur l'intention d'achat
en ligne. Des recherches antérieures indiquent que l'âge aussi joue un rôle important dans ce type
d’achat (Punj, 2011). Selon Haver (2008), les jeunes appelés « acheteurs verts » ou génération
débutante, sont plus habitués aux achats en ligne. Ils ne veulent pas passer leur temps à aller de
magasin en magasin pour faire des comparaisons. Ils feront leurs achats en ligne chaque fois que
possible. Schiffman et Kanuk (2006) ont déclaré que ces jeunes sont plus sensibles à l'innovation
et à l’utilisation de cet achat et selon Safitri et al. (2017) la génération Y n'est pas encore pleinement
consciente de la présence de boutiques en ligne.

Sharma et Batra (2016) ont tenté d'étudier l'impact des facteurs démographiques sur le
comportement d'achat en ligne des consommateurs de la ville de Delhi. Les résultats de l'étude
ont montré une différence significative dans ce type de comportement en fonction de l'âge et du
sexe. Alors que le revenu et l’état matrimonial n'ont pas un impact significatif. Selon Lian et Yenb
(2014), les principaux facteurs poussant les personnes âgées vers les achats en ligne sont les
attentes de performance et l'influence sociale qui sont les mêmes que pour les plus jeunes. Alors
que, les principaux obstacles incluent la valeur, le risque et la tradition qui est différente des plus
jeunes. Pour ces deux auteurs, les personnes âgées ne présentent aucune différence entre les

Revue ame, Vol 2, No 3 (Juillet, 2020) 16-36 Page 21

sexes en ce qui concerne les motivations et les obstacles. Anjana et Naidu (2016) dans leur
recherche ont tenté d’étudier la différence entre les hommes et les femmes dans les achats en
ligne. Ils ont conclu que bien que le nombre d'acheteuses en ligne soit moins élevé que les
acheteurs en ligne masculins, elles dépensent plus en ligne. Pour Law et Mark (2016), les
utilisateurs âgés de 41 à 50 ans ont une facilité d'achat perçue plus élevée que les utilisateurs plus
âgés (51 à 70 ans), et les hommes ont une plus grande capacité d'innovation personnelle et une
utilité perçue que les femmes.

D’un autre côté, la réponse à la crise Covid19 n'a pas été ressentie universellement d'une
génération à l'autre, les consommateurs de différents groupes d'âge ont réagi différemment à
cette crise. Une enquête auprès des consommateurs américains et britanniques a révélé que 96%
des milléniaux et des générations Z sont préoccupés par la pandémie et ses effets sur l'économie
(Meyer, 2020). Cette préoccupation les amène à changer leur comportement de façon plus
spectaculaire que les autres générations. Bien qu'elles soient toujours préoccupées par le
coronavirus et ses effets sur l'économie, les générations plus âgées sont légèrement moins
concernées que les générations plus jeunes et laissent moins d'impact sur leurs habitudes d'achat.
Par exemple, 24% des baby-boomers et 34% de la génération X ont déclaré laisser les événements
actuels influer sur les articles qu'ils achètent, contre près de la moitié des milléniaux (Meyer, 2020).

Des variations de comportement en fonction du sexe ont été aussi constaté pendant la période de
l’épidémie. Bien que les données de l'enquête montrent que les femmes sont plus susceptibles
d'être préoccupées par les effets du COVID-19, elles montrent également que les hommes sont
plus susceptibles que cela affecte leur comportement d'achat. En fait, il a été constaté que les
hommes faisaient leurs achats en ligne et évitaient davantage les expériences en magasin que les
femmes (Meyer, 2020). Les hypothèses suivantes sont alors avancées :
H3-a : Le comportement d’achat en ligne pendant la crise Covid-19 varie selon l’âge.
H3-b : Le comportement d’achat en ligne pendant la crise Covid-19 varie selon le revenu.
H3-c : Le comportement d’achat en ligne pendant la crise Covid-19 varie selon le niveau
intellectuel.
H3-d : Le comportement d’achat en ligne pendant la crise Covid-19 varie selon le sexe.

2. Le modèle d’analyse

2.1. Le modèle de recherche

L’objectif de notre recherche est d’analyser le comportement des tunisiens en matière d’achat en
ligne pendant la crise COVID-19, d’examiner l’incidence des risques perçus (principalement le
risque de contamination et le risque financier), de l’expérience d’achat antérieure ainsi que les
variables sociodémographiques (l’âge, le sexe, le niveau intellectuel et le revenu) sur ce type

Revue ame, Vol 2, No 3 (Juillet, 2020) 16-36 Page 22

d’achat. Nous avons décidé d'utiliser le modèle d'acceptation de la technologie (TAM) modifié lors
de l'étude de l'adoption des achats en ligne car cette méthodologie est largement utilisée pour
analyser l’attitude de chacun vis-à-vis de l’intention d’utiliser les nouvelles technologies puisque
l’acte d’achat est un acte comportemental et que l’achat en ligne dépend de l’internet
(technologie).

La revue de la littérature sur les facteurs exerçant une influence sur le comportement d’achat en
ligne nous a permis d’avancer les hypothèses suivantes :
H1-a : Le risque physique pendant la crise Covid-19 a un effet négatif sur l’intention d’acheter en
ligne.
H1-b : Le risque financier pendant la crise Covid-19 a un effet négatif sur l’intention d’acheter en
ligne.
H2 : L’expérience d’achat en ligne avant la crise Covid-19 a un effet positif sur l’intention d’achat
pendant la pandémie.
H3-a : Le comportement d’achat en ligne pendant la crise Covid-19 varie selon l’âge.
H3-b : Le comportement d’achat en ligne pendant la crise Covid-19 varie selon le revenu.
H3-c : Le comportement d’achat en ligne pendant la crise Covid-19 varie selon le niveau
intellectuel.
H3-d : Le comportement d’achat en ligne pendant la crise Covid-19 varie selon le sexe.
L’ensemble de ces hypothèses nous permet de présenter le modèle de recherche suivant :

Figure 1 : Représentation du modèle de recherche

Le risque physique

Le risque
H1-a
Le risque financier

H2
H1-b
H3-a
L’expérience d’achat
H3-b Le comportement d’achat
en ligne

H3-c
L’âge
H3-d

Le revenu
Variables
sociodémographiques
Revue ame, Vol 2, No 3 (Juillet, 2020) 16-36 Page 23
Le niveau
intellectuel
 Source : L’auteur

2.2. Le collecte des données

Pour construire notre instrument de mesure, nous avons puisé dans la littérature, afin de
sélectionner nos propres items, à partir d’un ensemble d’items utilisés par des chercheurs, qui sont
assez représentatifs des concepts étudiés. Ainsi, nous avons choisi six items qui sont présentés
dans le tableau n°1, avec les auteurs de référence.

Tableau n°1 : Les variables et leurs items

Variables Les auteurs Items
I1. Je pense que les informations de ma carte de crédit peuvent
être compromises et utilisées à mauvais escient si je fais des
achats en ligne
Swinyard & Smith I2. Je pourrais être surfacturé si je fais des achats en ligne car le
Risque financier (2003) ; Forsythe détaillant a les informations de ma carte de crédit
et al. (2006) I3. Je pense que mes informations personnelles données au
détaillant peuvent être compromises par des tiers.
I4. Il se peut que je ne reçoive pas le produit commandé en ligne.
I5. Je pourrais recevoir des marchandises défectueuses.
I1- Pendant la crise du Covid19, il y’a le risque de contamination
Risque physique
- lors de la réception de la commande en ligne
Expérience Forsythe et Shi I1- J’ai l’habitude de passer des commandes en ligne avant la crise
d’achat (2003) Covid19
Les intentions I1- J’ai l’intention de passer des commandes en ligne pendant la
Ajzen (1991)
d’achat en ligne crise Covid19
L’achat en ligne
pendant la crise I1-Pendant la crise Covid19, j’ai passé une commande en ligne
Covid19 -
Source : L’auteur

L’enquête a été réalisée auprès d’un échantillon de convenance, constitué de 300 interrogés
tunisiens et tunisiennes de divers profils. Les questionnaires ont été administrés par internet (les
réseaux sociaux et les e-mails) pendant la période du fin Mars 2020 au 15 Mai 2020, Au final., nous
avons reçu 164 questionnaires remplis, soit un taux de réponse de 54 ,66%, un taux relativement
acceptable puisque pendant la période de l’enquête (période de confinement), tous les interrogés
étaient chez eux et connectés aux réseaux sociaux. Ceci a donné un échantillon (tableau n°2)
composé de 93 femmes et 71 hommes, majoritairement âgés entre 17 et 55 ans avec un niveau
d’étude Bac, licence et master, et un revenu mensuel compris entre 500 DT et 2000 DT.

Revue ame, Vol 2, No 3 (Juillet, 2020) 16-36 Page 24

 Tableau n°2 : Analyse descriptive : Profil des répondants
Variable Effectif % Variable Effectif %
Sans Bac 0 0 [17,25[ 32 19.5
Niveau Baccalauréat 72 43.9 [26,35[ 42 25.6
d’étude Licence ou maîtrise 51 31.1 Age [36,45[ 50 30.5
Master 41 25 [46,55[ 32 19.5
[500,1000[ 34 20.7 Plus que 55 8 4.9
Revenu [1000, 1500[ 80 48.8 Homme 71 43.3
Sexe
mensuel [1500 - 2000[ 50 30.5 Femme 93 56.7
Plus que 2000 0 0
Source : Logiciel SPSS

3. Résultats et discussion

3.1. Le risque financier et son influence sur l’achat en ligne pendant la crise Covid-19

3.1.1. Résultats de l’ACP

Pour construire notre instrument de mesure, pour la variable « risque financier » nous avons
cherché dans la littérature, et à partir d’un ensemble d’items utilisés par des chercheurs, qui sont
assez représentatifs du concept, nous avons pu développer nos propres items. Nous avons choisi
cinq items présenté dans le tableau n°1.

Avant de procéder à l’ACP et pour vérifier si la structure des données est propice à ce type
d’analyse, nous avons dû vérifier si les 5 items sont inter-corrélés dans la matrice des corrélations
de Pearson. Nous avons testé la fiabilité de notre instrument de mesure, et procéder à la
vérification de la valeur de l’Alpha de CRONBACH, nous avons trouvé égale à 0,914, comme indiqué
dans le tableau n°3. Une valeur qui correspond aux normes statistiques recommandées dans les
recherches en marketing, ainsi que dans le domaine du comportement du consommateur
(Peterson, 1994).

Tableau n°3 : Statistiques de fiabilité

Alfa de Cronbach basé sur des
Alfa de Cronbach Nombre d’éléments
éléments normalisés
0,914 0,913 5
Source : Logiciel SPSS

Nous avons procédé par la suite au test de sphéricité de Bartlett, nous avons trouvé une
signification de 0,000. Ainsi, nous pouvons réaffirmer qu’il existe des corrélations significatives
entre les items. Ce résultat nous autorise ainsi à rejeter l’hypothèse nulle, qui indique l’absence de
corrélations fortes entre les items, qui peuvent être contraignantes pour procéder à l’analyse
factorielle (Pett et al., 2003).

Revue ame, Vol 2, No 3 (Juillet, 2020) 16-36 Page 25

D’un autre côté la mesure de Kaiser-Meyer-Olkin (KMO) nous a donné un résultat de 0,602, une
valeur dépassant le seuil de 0.50 (Kaiser, 1974). Ce qui montre la possibilité d’un ajustement moyen
des items choisis à la variable risque financier (Pett et al., 2003).

Les 5 items peuvent donc être conservés dans l’analyse factorielle. Nous pouvons alors procéder
à l’analyse en composante principale (ACP).

Tableau n°4 : Indice KMO et test de Bartlett

Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin. ,602
Khi-deux approximé 784,939
Test de sphéricité de Bartlett Ddl 10
Signification de Bartlett ,000
Source : Logiciel SPSS

L’analyse factorielle ACP a porté sur cinq items et a donné une seule composante,
expliquant 74,517% de l’information initiale.

Tableau n° 5 : Variance totale expliquée

Extraction Sommes des carrés des
Valeurs propres initiales
facteurs retenus
Composante
% de la % de la
Total % cumulés Total % cumulés
variance variance
1 3,726 74,517 74,517 3,726 74,517 74,517
2 ,689 13,783 88,300
3 ,359 7,180 95,480
4 ,181 3,619 99,099
5 ,045 ,901 100,000
Source : Logiciel SPSS

3.1.2. Le test de Spearman

« L’intention d’acheter en ligne » et « Le risque financier perçu pendant la crise Covid-19 », sont
deux variables qualitatives ordinales, pour vérifier notre hypothèse H1, nous avons eu recours au
test de Spearman. Nous avons trouvé une signification de l’ordre de 0,000 soit une valeur
inférieure à 0,05 et une corrélation négative de l’ordre de -0,272. Ce qui montre que le risque
financier en période de la crise Covid-19 influence négativement le comportement d’achat en ligne
pendant cette période et par la suite l’hypothèse H1-a est vérifiée.

3.2. Le risque physique de l’achat en ligne (risque de contamination) et son influence sur l’intention
d’achat

« Le risque de contamination lors de la réception de la commande en ligne pendant la crise Covid-

19 » et « L’intention de passer une commande en ligne », sont deux variables qualitatives

Revue ame, Vol 2, No 3 (Juillet, 2020) 16-36 Page 26

ordinales, pour étudier leur degré de dépendance, l’utilisation du test de Spearman est alors
indispensables. Ce dernier nous a donné une signification de l’ordre de 0,359 une valeur nettement
supérieure au seuil de 0,05, donc pas de relation de dépendance entre ces variables et par la suite
l’hypothèse H1-b est rejetée.

3.3. L’expérience d’achat en ligne et son influence sur les intentions d’achat pendant la crise Covid-
19

Pour étudier l’influence de l’expérience d’achat en ligne avant la crise Covid19, sur le
comportement du consommateur tunisien pendant la crise, nous avons eu recours aussi au test de
Spearman et nous l’avons appliqué sur les variables « J’ai l’habitude de passer des commandes en
ligne avant la crise Covid19 » et « l’intention d’acheter en ligne pendant la crise », nous avons
trouvé une signification de 0,672 une valeur qui est nettement supérieur au seuil de 5% , ce qui
montre qu’il n’y’a aucune relation entre le comportement d’achat en ligne du consommateur
tunisien avant et pendant la crise. D’ailleurs, 34,14% des interrogés (56 répondants) n’ont jamais
commandé un produit en ligne, mais pendant la crise ils ont l’intention de lancer des commandes
en ligne. Donc l’hypothèse H2 n’est pas soutenue.

3.4. Les variables socio démographiques et leur influence sur le comportement d’achat en ligne
pendant la crise Covid19

3.4.1. L’âge

Pour examiner l’influence de l’âge (une variable quantitative) sur le comportement d’achat en ligne
en Tunisie pendant la crise Covid19 (une variable qualitative nominale), nous avons utilisé le test
ANOVA, nous avons trouvé un taux de signification de l’ordre de 0 %; qui est un taux nettement
inférieur au seuil de 5% et par la suite nous pouvons retenir l’hypothèse H3-a et dire que l’âge a
une influence sur le comportement d’achat en ligne pendant la crise Covid19.

3.4.2. Le revenu

La relation entre la variable « revenu » et « le comportement d’achat en ligne des consommateurs

tunisiens pendant la crise Covid19 » a été étudiée en utilisant le test d’ANOVA qui a donné un taux
de signification de l’ordre de 0 %, une valeur inférieure à 5% et par la suite la première variable
influence la deuxième et l’hypothèse H3-b est retenue.

3.4.3. Le sexe

Pour étudier la relation entre les deux variables qualitatives nominales, « le sexe » et « l’achat en
ligne pendant la crise Covid19 », nous avons utilisé le test de Khi-deux, nous avons trouvé un taux

Revue ame, Vol 2, No 3 (Juillet, 2020) 16-36 Page 27

de signification ayant une valeur de 8,1%, une valeur nettement supérieure à 5%. Ce qui prouve
l’absence d’une relation de dépendance entre les deux variables et par la suite l’hypothèse H3-c
est rejetée.

3.4.4. Le niveau d’étude

La relation entre les deux variables « Achat en ligne pendant la crise Covid19 » et « Le sexe » a été
étudiée en utilisant le test de khi-deux. La signification est de l’ordre de 0,000 une valeur inférieure
au seuil de signification 5%, ce qui montre que le niveau d’étude a une influence sur cette décision
d’achat. Les licenciés sont les plus intéressés par l’achat en ligne. L’hypothèse H3-d est retenue.

Les résultats empiriques de notre étude ont montré que H1 est soutenue, en d’autres termes le
risque financier a une influence sur le comportement d’achat en ligne pendant la crise du Covid-
19. Contrairement à ce qui a été avancé par plusieurs auteurs tels que Swinyard et Smith (2003),
Forsythe et al. (2006), qui dans leurs recherches ont insisté sur le fait que ce type de risque
comprend principalement la peur que les informations de la carte de crédit peuvent être
compromises et utilisées à mauvais escient.

Notre recherche a montré que la peur d’une mauvaise utilisation de la carte de crédit pendant la
crise Covid-19 n’a pas été évoquée par les répondants, puisque beaucoup de sites marchands tel
que « Jumia-Tunisie », proposent à leurs clients la possibilité de payer la facture à la réception de
la marchandise. Par contre, le risque de non réception du produit ou la réception d’un produit
défectueux étaient les explications les plus avancées par les répondants pour expliquer ce type de
risque pendant la crise covid-19, surtout avec la fermeture de plusieurs villes, l’interdiction des
déplacements et la pénurie qui a été constatée surtout au niveau de plusieurs produits
alimentaires.

D’un autre côté, malgré que l’idée du risque de contamination par le coronavirus pendant la
réception des marchandises achetées en ligne a été largement diffusée sur les réseaux sociaux
(surtout sur Facebook), les résultats du test de l’hypothèse H1-b ont montré que ce type de risque
n’a pas d’influence sur les intentions de commander en ligne pendant la crise Covid-19. Ceci peut
être expliqué par le fait que se déplacer et être en contact avec plusieurs personnes dans les
magasins ou les épiciers du quartier, pendant la crise est plus risqué que d’être en contact avec
une ou deux personnes lors de la réception de la marchandise commandée en ligne. Concernant
notre hypothèse H2, et malgré que beaucoup de recherches ont confirmé la relation de
dépendance entre l’expérience d’achat en ligne et les intentions d’achat (Forsythe et Shi, 2003 ;
Kuhlmeier et Knight, 2005), les résultats de nos recherches ont rejeté cette hypothèse.

Revue ame, Vol 2, No 3 (Juillet, 2020) 16-36 Page 28

En fait, c’est vrai une expérience d’achat en ligne positive avant la crise Covid-19 influence
positivement le comportement d’achat pendant la crise. Mais nos résultats ont montré que même
ceux qui n’ont jamais vécu cette expérience d’achat, compte aussi acheter en ligne pendant cette
crise (34,14% des répondants), pour minimiser leurs déplacements.

Les résultats de notre recherche sur les variables sociodémographiques ont montré que l’âge a une
influence sur le comportement d’achat en ligne pendant la crise Covid-19, et ceci confirme les
résultats de recherches antérieures menées avant la crise covid-19. En fait, selon Silverman (2000)
et Kwon et al. (2007), l'âge influence l'achat en ligne et plus particulièrement les utilisateurs
d'Internet sont des jeunes, une population moderne, enthousiastes et éduqués. À l'inverse, de
nombreuses études ont démontré que les consommateurs les plus âgés ont tendance à prendre
des décisions plus sûres lorsqu'ils achètent en ligne et sont moins susceptibles de prendre des
risques (Kwon et Noh, 2010 ; Laukkanen et al., 2007). Le revenu aussi a une influence sur le
comportement d’achat en ligne pendant la crise (H3-b est retenu). En outre, la littérature existante
a montré que les hauts revenus sont principalement engagés comme acheteurs en ligne
(Mahmood et al., 2004 ; SUSSKIND, 2004 ; Doolin et al., 2005).

Les résultats de nos recherches menées pendant la crise covid-19, étaient aussi conformes à ceux
de recherches antérieures, qui ont également montré que les consommateurs qui ont un niveau
d'éducation et de connaissances plus élevé ont plus accès aux services Internet et sont plus
susceptibles d'avoir un effet achats en ligne (Hui et Wan, 2007). Mais n’étaient pas conformes aux
résultats de recherches qui ont montré que le sexe a une influence sur le comportement d’achat
en ligne, telles que ceux de Anjana et Naidu (2016), qui dans leurs recherches ont conclu que bien
que le nombre d'acheteuses en ligne soit moins élevé que les acheteurs en ligne masculins, elles
dépensent plus en ligne.

Conclusion et perspectives

Malgré le fait que l’inclusion digitale est forte, le commerce électronique en Tunisie était
caractérisé par une croissance timide et un manque d’offres structurées. Face à la crise du
coronavirus, l'une des réponses que nous avons vues à la façon dont les gens abordent cette
période d'isolement et d'incertitude est l'énorme changement du jour au lendemain de leurs
comportements d'achat. Dans le monde entier, de nouveaux usages du digital se sont développés
pour réduire les effets de cette pandémie. Dans le présent article nous avons étudié le
comportement d’achat en ligne du consommateur tunisien pendant la crise.

Les résultats de cette étude démontrent que le risque financier a une influence négative sur les
intentions d’achat en ligne, par contre le risque physique et la peur d’être contaminé suite à la
réception de la marchandise n’a aucun effet. De plus, nous avons conclu que l’expérience d’achat

Revue ame, Vol 2, No 3 (Juillet, 2020) 16-36 Page 29

en ligne avant la pandémie n’est pas un facteur déterminant pour acheter. D’ailleurs plusieurs
consommateurs ont lancé des commandes en ligne juste pendant la période de la pandémie. Des
variations de comportement en fonction des variables sociodémographiques ont été aussi
constatées pendant la période de l’épidémie.

Les résultats de notre recherche ont montré que l’âge, le revenu et le niveau d’éducation ont
exercé une influence sur le comportement d’achat en ligne pendant la crise Covid-19. En fait, plus
les revenus et les niveaux d’éducation sont élevés, plus les consommateurs ont la chance de faire
leurs achats en ligne. Concernant le sexe, il est intéressant de mentionner ici, que nous n’avons
pas enregistré une relation de dépendance entre cette variable et le comportement d’achat en
ligne pendant la pandémie.

En conclusion, nous pouvons affirmer que cette crise liée à la propagation de la pandémie a incité
les entreprises à développer leur e-commerce pour faciliter la vie des consommateurs. Mais cette
digitalisation ne doit pas être limitée à la gestion de la crise de Cocid-19, ces entreprises doivent
plutôt prendre ce type de commerce au sérieux via la réorganisation de leur structure.

Dans cette étude, Il y a certaines limites qui peuvent être considérées par de futures recherches.
En fait la période consacrée à notre étude était relativement courte, et le nombre de répondants
n’était pas très important. Des recherches supplémentaires sont nécessaires pour étudier le
comportement d’achat en ligne du consommateur tunisien sur une longue période (pendant et
après la pandémie), un intérêt spécial peut être accordé surtout aux interrogés qui ont pris le risque
d’acheter en ligne pour la première fois pendant la période de confinement (pas d’expérience
antérieure). Pour voir s’ils ont leur intention de rester fidèle à ce type d’achat ou non. Concernant
la méthode d’échantillonnage, nous avons été obligés vu le contexte de la crise covid-19 de choisir
un échantillon de convenance de taille réduite, Certes, le profil des répondants correspond aux
critères et aux profils que nous avons ciblés, néanmoins, nous pensons qu’un échantillon plus large
de consommateurs peut nous donner des résultats plus pertinents. Des futures recherches
peuvent même s’intéresser à l’étude du comportement d’achat en ligne au niveau des pays du
Maghreb.

Bibliographie :
Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision
Processes/ Volume 50, Issue 2, December 1991, Pages 179-211/ https://doi.org/10.1016/0749-
5978(91)90020-T
Ajzen, I. and Fishbein, M. (1980). Understanding Attitudes and Predicting Social Behavior,
Englewood Cliffs, NJ: Prentice-Hall.

Revue ame, Vol 2, No 3 (Juillet, 2020) 16-36 Page 30

Al-Debei, M. M., Akroush, M. N. and Ashouri, M. I. (2015). Consumer attitudes towards online
shopping: The effects of trust, perceived benefits, and perceived web quality. Internet Research,
25(5), 707–733.
Anjana, R. and Naidu, G. (2016). A Study of the Impact of the Select Demographic Variables on Men
and Women Online Buyers. MERC Glob Int J Soc Sci Manag, 3(1). pp. 26-34.
Ashraf, A.R., Thongpanl, N.T. and Auh., S. (2014). The Application of the Technology Acceptance
Model under Different Cultural Contexts: The Case of Online Shopping Adoption, Journal of
International Marketing, 22 (3), 68-93.)
Aziz, N. N. A. and Wahid, N. A. (2018). Factors Influencing Online Purchase Intention among
University Students. International Journal of Academic Research in Business and Social Sciences,
8(7), 702–717.).
Beneke, J., Scheffer, M.K. and Du, W. (2010). Beyond Price – An Exploration into the Factors That
Drive Young Adults to Purchase Online. International Journal of Marketing Studies Vol.2, No.2.
Bettman, J. (1973): Perceived risk and its components: a model and empirical test. Journal of
Marketing Research, vol. 10, pp. 184190. Cited in Featherman, M. S. & Pavlou
Bianchi, C. and Andrews, L. (2012). Risk, trust, and consumer online purchasing behaviour: A
Chilean perspective. International Marketing Review, 9(3). Pp. 253-276.
Biswas, D. and Biswas, A. (2004). The diagnostic role of signals in the context of perceived risks in
online shopping: Do signals matter more on the Web. Journal of Interactive Marketing 18(3).pp.
30 – 45.
Bourlakis, M., Papagiannidis, S. and Fox, H. (2008). Econsumer behaviour: past, present and future
trajectories of an evolving retail revolution. International Journal of E-Business Research, 4(3). Pp.
64-76.
Centers for Disease Control and Prevention (CDC). Foire aux questions et réponses du CDC. 19 mars
2020, URL : https://www.cdc.gov/coronavirus/2019-ncov/faq.html.
Chaudary, M.W.T., Ahmed, F., Gill, M.S. and Rizwan, M. (2014). The determinants of purchase
intention of consumers towards counterfeit shoes in Pakistan. Conference paper.Researchgate.
Chaudhuri, A. (1997): Consumption emotion and perceived risk: a macroanalytic approach. Journal
of Business Research, vol. 39, no. 2, pp. 8192.
Comegys, C., Hannula, M. and Vaisanen, J. (2009). Effects of Consumer Trust and Risk on Online
Purchase Decision-Making: A comparison of Finnish and the United States Students” International
Journal of Management, Vol.26, No.2, pp 295-308
Costa, R.S. (2007). Processo de compra corporativa de software: um estudo exploratório dos
atributos que influenciam na decisão. Dissertação de mestrado, Universidade Federal do Rio
Grande do Sul, Porto Alegre
Cox, D.F. (1967). Risk Taking and Information Handling in Consumer Behaviour. Boston: Harvard
University Press.

Revue ame, Vol 2, No 3 (Juillet, 2020) 16-36 Page 31

Cunningham, S. M. (1967). Perceived risk and brand loyalty. In Cox, D. F. (ed.): Risk-taking and
information handling in consumer behavior. Boston University Press, Boston, pp. 507-523.
Dai, B., Forsythe, S. and Kwon, W.S. (2014). The impact of online shopping experience on risk
perceptions and online purchase intentions : Does product category matter ?. Journal of Electronic
Commerce Research, vol 15, n° 1.
Davis, F. D., (1989). Perceived usefulness, perceived ease of use, and user acceptance of
information technology, MIS Quarterly, 13(3), 319-340.
Davis, F. D., Bagozzi, R. P. and Warshaw, P. R. (1989). User acceptance of computer technology: A
comparison of two theoretical models, Management Science, 35(8), 982-1003).
Dhanapal., S., Vashu, D. and Subramaniam, T. (2015). Perceptions on the challenges of online
purchasing: A study from “baby boomers”, generation “X” and generation “Y” point of views.
Contaduria Y Administracion, 60, 107–132.
Doolin, B., Dillon, S., Thompson, F. and Corner, J.L. (2005). Perceived Risk, the Internet Shopping
Experience and Online Purchasing Behavior: A New Zealand Perspective. Journal of Global
Information Management.
Drennan, J., Sullivan, M.G. and Previte, J. (2006). Privacy, risk perception, and expert online
behaviour: an exploratory study of household end-users. Journal of Organisational and End User
Computing, 18(1). pp. 1-21.
Driediger, F. and Bhatiasevi, V. (2019). Online grocery shopping in Thailand: consumer acceptance
and usage behavior. J Retail Consum Serv 48:224–237.
Engel, J., Blackwell, R. and Miniard, P. (1990): Consumer behavior. Chicago, Bryden Press,p.789.
Fayad, R. and Paper, D. (2015). The Technology Acceptance Model E-Commerce Extension: A
Conceptual Framework, Proceedings of the 4th World Conference on Business, Economics and
Management, WCBEM, p.68.
Festervand, T. A. and Snyder., H. D. (1986), Influence of Catalogue vs. Store Shopping and Prior
Satisfaction on Perceived Risk”, Academy of Marketing Science, Vol. 14, No. 4.pp. 28-36.
Forsythe, S. and Shi, B. (2003), Consumer Patronage and Risk Perceptions in Internet Shopping.
Journal of Business Research 56(11), pp.867-875.
Forsythe, S., Liu, C., Shannon, D. and Gardner, L. C. (2006). Development of a scale to measure the
perceived benefits and risk of online shopping. Journal of Interactive Marketing, 20(2), 55-75.
http://dx.doi.org/10.1002/dir.20061
Forsythe, S.M. and Shi, B. (2003). Consumer patronage and risk perceptions in Internet shopping.
Journal of Business Research, 56: 867-875.
Fram, E.H. and Grady, D.B. (1997), Internet shoppers: Is there a surfer gender gap? Direct
Marketing, 59(9), pp. 46-51.
Ha, H. and Coghill, K. (2008), Online shoppers in Australia: dealing with problems. International
Journal of Consumer Studies, 32(1). pp. 5-17.

Revue ame, Vol 2, No 3 (Juillet, 2020) 16-36 Page 32

Haver, K. (2008). Why be on the internet. Furniture Today, 33(17), pp.2-3.
Hong, Z., Yi, L. (2012). Research on the influence of perceived risk in consumer online purchasing
decision. Phys Procedia 24(Part B). pp.1304–1310.
Horton, R.L. (1976), The Structure of Perceived Risk: Some Further Progress. Journal of the
academy of marketing science. Vol4, issue 3.
Hui, T.K and Wan. D. (2007), Factors Affecting Internet Shopping Behaviour in Singapore: Gender
and Educational Issues, International IJC 31(3) ·
Ingham, J., Cadiaux, J. and Berrada, M.A. (2015), e-Shopping acceptance: A qualitative and
metaanalytic review, Journal of Information and Management, 52(1), 44-60.
Jebril, N. (2020), World Health Organization declared a pandemic public health menace: A
systematic review of the "COVID-19", up to 26th March 2020.
Kaiser, H. F (1974), An index of factorial simplicity, Psychometrika, 39, 1, 31-36.
Karimi-Zarchi, M., Neamatzadeh, H., Dastgheib, S., Abbasi, H., Mirjalili, S. and Behforouz, A. (2020).
Vertical Transmission of Coronavirus Disease 19 (COVID-19) from Infected Pregnant Mothers to
Neonates: A Review. Fetal And Pediatric Pathology, 1-5).
KUHLMEIER, D., KNIGHT, G. (2005). Antecedents to internet-based purchasing: a multinational
study. International Marketing Review, 22 (4). Pp. 460-73.
Kwon, H.H., Trail, G.T. and James, J.D. (2007), The Mediating Role of Perceived Value: Team
Identification and Purchase Intention of Team-Licensed Apparel. Journal of Sport Management
21(4), pp. 540-554 ·
Kwon, W.S., Noh, M. (2010), The influence of prior experience and age on mature consumers'
perceptions and intentions of internet apparel shopping. Journal of Fashion Marketing and
Management. Volume 4 Issue 3
Laukkanen, T., Sinkkonen, S., Marke, K. and Laukkanen, P. (2007). Innovation resistance among
mature consumers. Journal of Consumer Marketing 24(7).
Law, M. (2016). Age and gender differences: Understanding mature online users with the online
purchase intention model, Monica Law &Mark Ng, Journal of Global Scholars of Marketing Science,
Bridging Asia and the World, Volume 26, Issue 3.
Lian, J.W. and Yenb, D.C. (2014). Online shopping drivers and barriers for older adults: Age and
gender differences Author links open overlay panel. Computers in Human Behavior. Volume 37,
pp. 133-143.
Lim, W.M. and Ting, D.H. (2012). E-shopping: an Analysis of the Technology Acceptance Model,
Modern Applied Science, 6 (4), 49 – 62.
Lim, Y. J., Osman, A., Salahuddin, S. N., Romle, A. R. and Abdullah, S. (2016). Factors influencing
online shopping behavior: the mediating role of purchase intention. Procedia Economics and
Finance, 35 (October 2015), 401–410.

Revue ame, Vol 2, No 3 (Juillet, 2020) 16-36 Page 33

Lio, C., Lin, H.N. and Liu, Y.P. (2010). Predicting the Use of Pirated Software: A Contingency Model
Integrating Perceived Risk with the Theory of Planned Behavior. Journal of Business Ethics, 91(2),
pp. 237-252.
Lissitsa, S. and Kol, O. (2016). Generation X vs. Generation Y - A decade of online shopping. Journal
of Retailing and Consumer Services, 31, 304–312.
Lu, H., Hsu, C. and Hsu, H. (2005). An Empirical Study of the Effect of Perceived Risk upon
Intention to Use Online Applications. Information Management and Computer Security,
13(2).pp. 106-120.
Lu, H.P. and Hsu, C.L. (2005). An empirical study of the effect of perceived risk upon intention to
use online applications. Information. Management and Computer Security, 13(2): 106-120.
Maceira, M., Carvalho, F. and Lima, V (2011). Fatores demográficos na percepção de risco de
compra pela internet. Rev Port Bras Gest 1.pp. 92–100.
Mahmood, M.A., Bagchi, K. and Ford, T.C. (2004). On-line Shopping Behavior: Cross-Country
Empirical Research. International Journal of Electronic Commerce.
Mccole, P., Ramsey, E. and Williams, J. (2010). Trust considerations on attitudes towards online
purchasing: the moderating effect of privacy and security concerns. Journal of Business Research,
63(9/10): 1018-24.
Mehta, R. and Sivadas, E. (1995). Direct marketing on the internet: An empirical assessment of
consumer attitudes. Journal of Direct Marketing, 9(3), pp. 21-32.
Meyer, S. (2020) https://www.bigcommerce.com/blog/covid-19-ecommerce/ (Understanding the
COVID-19 Effect on Online Shopping Behavior.
Mitchell, V.W. (1999), Consumer perceived risk: conceptualisations and models. European Journal
of Marketing, vol. 33, no. 12, pp. 163195.
Nwaizugbo, C. and Ifeanyichukwu, S.I. (2016). Understanding Consumers Behaviour Towards
Online Shopping. conference paper. Researchgate.
OMS, 27 AVRIL (2020). https://www.who.int/emergencies/diseases/novel-coronavirus-
2019/question-and-answers-hub/q-a-detail/q-a-coronaviruses.
Pantano, E. and Pietro, L. (2012). Understanding Consumer’s Acceptance of Technology-Based
Innovations in Retailing, Journal of Technology management and innovation, 7 (4), 1-19.
Peterson, R. A. (1994), A Meta-Analysis of Cronbach’s Coefficient Alpha, Journal of Consumer
Research, 21,2, pp. 381-391.
Pett, M.A., Lackey, N.R. and Sullivan, J.J. (2003). Making sense of factor analysis. The use of factor
analysis for instrument development in health care research, Sage Publications.
Punj, G. (2011). Effect of consumer beliefs on online purchase behaviour: The influence of
demographic characteristics and consumption values. Journal of Interactive Marketing, 25(3), pp.
134-144.

Revue ame, Vol 2, No 3 (Juillet, 2020) 16-36 Page 34

Rahaman, M.M. (2014). On-line Shopping Trends, Patterns and Preferences of University
Undergraduate Students: A Survey Study on Sylhet Region. Global Disclosure of Economics and
Business, Volume 3, No 2.
Richa, D. (2012). Impact of demographic factors of consumers on online shopping behaviour: A
study of consumers in India. International Journal of Engineering and Management Sciences, 3(1),
pp. 43-52.
Roselius, T. (1971): Consumer rankings of risk reduction methods. Journal of Marketing, vol. 35,
no. 1, pp. 5661.
Safitri, J., Gintnig, P., Rini, E.S. and Lubis, A.N. (2017). The application of Technology Acceptance
Model (TAM) on generation Y in the online purchase in Aceh province. International Journal of
Economic Research, 14(12).
Schiffman, L.G. and Kanuk, L.L. (2004). Consumer behavior, 8th International edition. Prentice Hall.
Schiffman, L.G. andt Kanuk, L.L. (2006). Consumer Behaviour. Englewood Cliffs, New Jersey, NJ:
Prentice Hall International.
Sharma, P. and Batra, M. V. (2016). A Study Of Demographic Determinants of Online Shopping
Behaviour of Consumers. International Education and Research Journal., 2(3).
Sheikh, J. A., Abbas, A. and Mehmood, Z. (2015). Design consideration of online shopping website
to reach women in Pakistan. Procedia Manufacturing, 3(Ahfe), 6298–6304.
Shimp, T. A. and Bearden, W. O. (1982): Warranty and other extrinsic cue effect on consumers’
risk perceptions. Journal of Consumer Research, vol. 9, no. 1, pp. 3846.
Silverman, S.N., Citrin, A.V., Sprott, D.E. and Stem, J.D.E. (2000). Adoption of Internet Shopping:
The Role of Consumer Innovativeness. Industrial Management & Data Systems 100(7), pp.294-300·
Stafford, T.F., Stafford, M.R. and Schkade, L.L. (2004). Determining uses and gratification for the
internet. Decision Sciences, 35(2), pp. 259-285.
Sultan, F., et Henrichs, R.B. (2000). Consumer preferences for internet services over time: Initial
explorations. The Journal of Consumer Marketing, 17(5), pp. 386-403.
Susskind, A.M. (2004). Electronic Commerce and World Wide Web Apprehensiveness: An
Examination of Consumers' Perceptions of the World Wide Web. Journal of camputer-mediated
communication, volume 9, issue 3.
Swiegers, L. (2018). Perceived risk barriers to online shopping: experiences of technologically
enabled generation y consumers. Thesis (Master of Commerce), Faculty of Economic and
Management Sciences at Stellenbosch University
Swinyard, W.R. and Smith, S.M. (2003), Why People (Don't) Shop Online: A Lifestyle Study of the
Internet Consumer. Psychology and Marketing 20(7), pp.567 – 597.
Tan, S. J. (1999), Strategies for reducing consumers’ risk aversion in Internet shopping. Journal of
Consumer Marketing, vol. 16, no. 2, pp. 163-180.

Revue ame, Vol 2, No 3 (Juillet, 2020) 16-36 Page 35

Taylor, J. W. (1974), The role of risk in consumer behavior. Journal of Marketing, vol. 38, no. 2, pp.
5456.
Vos, A., Marinagi, C., TRIVELLAS, P., EBERHAGEN, N. & GIANNAKOPOULOS, G. (2014), Risk reduction
strategies in online shopping: E-trust perspective. Procedia—Soc Behav Sci 147. Pp. 418–423.
Wahab, F.Z.A and Mokhtar., N.F. (2019). Investigating the factors of trust and risk on career women
in luxury brand purchasing intention through online in Malaysia. Int J Account Financ Bus
4(19).pp.108–122.
Wang, C.L., YE, L.R., Zhang, Y. and Nguyen, D.D. (2005). Subscription to fee-based online services:
What makes consumer pay for online content?. Journal of Electronic Commerce Research, vol. 6,
no. 4, pp.301-311.

Revue ame, Vol 2, No 3 (Juillet, 2020) 16-36 Page 36