ปัจจัยที่มีอิทธิพลของแอปพลิเคชัน TikTok ต่อการตัดสินใจซื้ออาหารพร้อมทานแช่แข็งของผู้บริโภคในกรุงเทพมหานคร

Abstract

การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อศึกษาอิทธิพลของแอปพลิเคชัน TikTok ต่อการตัดสินใจซื้ออาหารพร้อมทานแช่แข็งของผู้บริโภคในกรุงเทพมหานคร เก็บข้อมูลจากกลุ่มตัวอย่าง 384 คน ใช้วิธีการสุ่มตัวอย่างแบบบังเอิญ (Accidental Sampling) เก็บข้อมูลด้วยแบบสอบถามออนไลน์ วิเคราะห์ข้อมูลด้วยสถิติเชิงพรรณนา ได้แก่ ค่าร้อยละ (Percentage) ค่าเฉลี่ย (Mean) ส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation) สถิติเชิงอ้างอิงเพื่อทดสอบสมติฐาน ได้แก่ การทดสอบ Independent t-test ทดสอบความแตกต่างระหว่างค่าเฉลี่ยชายกับหญิง และการวิเคราะห์ความแปรปรวน (Analysis of Variance: ANOVA, F-test) และการวิเคราะห์ถดถอยพหุคูณ (Multiple Regression Analysis, MRA) ผลการทดสอบสมมติฐาน พบว่า ปัจจัยส่วนบุคคลของผู้บริโภค ได้แก่ ระดับการศึกษา และรายได้เฉลี่ยต่อเดือน มีอิทธิพลต่อการตัดสินใจซื้ออาหารพร้อมทานแช่แข็งของผู้บริโภคในกรุงเทพมหานคร และส่วนปัจจัยส่วนประสมทางการตลาด 4Es อันประกอบด้วย พบว่า การสร้างประสบการณ์ การสร้างคุณค่า การเข้าถึงง่าย และการสร้างลูกค้าประจำ มีอิทธิพลต่อการตัดสินใจซื้ออาหารพร้อมทานแช่แข็งของผู้บริโภคในกรุงเทพมหานครที่ระดับนัยสำคัญ 0.05 โดยร่วมกันส่งผลด้วยอำนาจพยากรณ์ของสมการ (Adjusted R2) ร้อยละ 35.45

This study aims to explore the influence of the TikTok application on consumers' decisions to purchase frozen ready-to-eat meals in Bangkok. Data from a sample of 384 participants were collected using accidental sampling and online questionnaires. Statistical analysis included percentages, means, standard deviations, independent t-tests for gender differences, ANOVA (F-test) for education and monthly income influences, and Multiple Regression Analysis (MRA). The results indicate that consumers' personal factors, specifically education levels and average monthly income, significantly influence decisions to purchase frozen ready-to-eat meals in Bangkok. Regarding marketing factors, the 4Es—Experience, Economic value, Ease of access, and Engagement— collectively impact consumers' decisions at a statistically significant level of 0.05. The predictive ability of the model (Adjusted R2) is 35.45%.