โซเชียลแบงค์กิ้งในประเทศไทย
Social Banking in Thailand
Keywords:
โซเชียลแบงค์กิ้ง, โซเชียลมีเดียแบงค์กิ้ง, อันดับโลจิสติกโมเดล, Social Banking, Social Media Banking, Ordered Logistics RegressionAbstract
การศึกษาเรื่องโซเชียลแบงค์กิ้งในประเทศไทยนั้น ได้ทำการศึกษาข้อมูลจากประชากรที่มีอายุตั้งแต่ 20 ปีขึ้นไป โดยจะต้องเป็นผู้ที่ใช้อินเตอร์เน็ตทุกวันอย่างน้อยวันละ 1 ชั่วโมง โดยมีจำนวนประชากรในการทำวิจัยครั้งนี้จำนวน 801 คน การศึกษาครั้งนี้ทดสอบสมมติฐานโดยใช้สถิติ Ordered Logistics Regression (OLR) เพราะตัวแปรตามมีการเรียงลำดับกัน ได้แก่ ระดับการยอมรับมาก (3) , ระดับการยอมรับปานกลาง (2) และระดับการยอมรับน้อย (1) โดยมี เพศ อายุ ระดับการศึกษา อาชีพ รายได้เฉลี่ยต่อเดือน เงินออมเฉลี่ยต่อเดือน เครื่องมือสื่อสังคมออนไลน์ที่ใช้มากที่สุด และค่าคะแนนความรู้ เป็นตัวแปรอิสระ และพบระดับนัยสำคัญเพียง 2 ตัวแปร คือ ระดับการศึกษาและค่าคะแนนความรู้ (SCORE) โดยหากมีค่าคะแนนความรู้เพิ่มมากขึ้นเพียง 1 คะแนน จะทำให้เกิดการยอมรับที่เพิ่มขึ้นถึง 0.241 หน่วย และอธิบายระดับการศึกษาได้ว่า การมีการศึกษาสูงกว่าระดับปริญญาตรีไม่มีระดับนัยสำคัญ แต่การเพิ่มขึ้นจากระดับต่ำกว่าปริญญาตรีไปสู่ระดับปริญญาตรีนั้น จะทำให้เกิดการยอมรับเพิ่มมากขึ้นถึง 0.820 หน่วย ซึ่งมีค่า R-Square ของ Cox & Snell สามารถอธิบายตัวแปรตามได้เท่ากับ 6.8% การสร้างแพลตฟอร์มให้เหมาะสมกับผู้ใช้งานทั้งในเรื่องของความสะดวกและง่ายต่อการเข้าถึงนั้น เป็นเรื่องที่เจ้าของธุรกิจที่เกี่ยวข้อง ควรให้ความสำคัญในการประชาสัมพันธ์และให้ความรู้ที่ถูกต้อง ซึ่งจะส่งผลให้โซเชียลแบงค์กิ้งได้รับความสนใจมากขึ้น และเนื่องจากในการศึกษาพบว่า ระดับการศึกษาและค่าคะแนนความรู้มีความสำคัญต่อการใช้โซเชียลแบงค์กิ้ง การวางแผนกลยุทธ์ทางการตลาดจึงควรที่จะเข้าถึงกลุ่มการศึกษาทุกระดับทั่วประเทศด้วย The study of social banking in Thailand was study data from population aged 20 years or above and must be people who use the internet every day for at least 1 hour a day. The population of this research is 801 people. This study tested the hypothesis by using Ordered Logistics Regression (OLR)statistics because the following variables are arranged in order of the highest level of acceptance (3), moderate acceptance level (2) and low acceptance level (1). There are gender, age, education level, occupation, average monthly income, average savings per month, the most social media tools and knowledge score are an independent variable and found only 2 significant levels of variables which are education level and knowledge score (SCORE). If only 1 knowledge points were added, the acceptance would increase to 0.241 units was explain the education level that having a higher education than a bachelor degree does not have a significant level but the rise from high school to undergraduate education will increase acceptance by 0.820 units. There is Cox & Snell R-Square value and concludes that the variable can be described as 6.8% Therefore, designing products to be suitable for users both in terms of convenience and easy access. It is a matter that business owners or businesses concerned should give importance to public relations and provide correct knowledge. Which will result in increasing interest in social banking. The study found that Education levels and knowledge points are important for using social banking. Marketing strategy planning should therefore reach secondary or vocational groups nationwide as well.References
เกรียง กิจบำรุงรัตน์. (2013). ตัวแบบการถดถอยลอจีสติกเชิงอันดับสาหรับคณะวิชาและการวิเคราะห์เกรดนักศึกษา. Veridian E-Journal, 6(1), 869-873.
วสุธิดา นุริตมนต์ และทรงวิทย์ เจริญกิจธนลาภ. (2561). ปัจจัยที่มีอิทธิพลต่อการยอมรับเทคโนโลยี และความตั้งใจใช้บริการชำระเงินของผู้บริโภครุ่นใหม่ด้วยโปรแกรมประยุกต์คิวอาร์โค้ดผ่านโทรศัพท์เคลื่อนที่สมาร์ทโฟน. วารสารวิชาการนวัตกรรมสื่อสารสังคม, 6(2), 40-50.
Afolabi, I., Ezenwoke, A., & Ayo, C. (2017). Competitive analysis of social media data in the banking industry. International Journal of Internet Marketing and Advertising, 11(3), 183.
Danaiata, D. et al. (2015). Communication Management in Electronic Banking. Better Communication for Better Relationship. Procedia - Social and Behavioral Sciences, 124, 361-370.
Meadows, R. (2015). ASB extends profit boom. Retrieved November 22, 2020, from https://www.pressreader.com/new-zealand/the-press/20150212/281788512488967
Namahoot, K. S. (2018). การวิเคราะห์การยอมรับการใช้บริการธนาคารดิจิทัลโดยใช้ทฤษฎีการแพร่กระจายนวัตกรรม. วารสารพฤติกรรมศาสตร์, 24(2), 43-64.
Parusheva, S. (2017). Social Media Banking Models: a Case Study of а Practical Implementation in Banking Sector. Ikonomicheski Izsledvania, 3, 125-141