Czynniki wpływające na wzrost liczby zamówień w modelu dropshipping w czasie pandemii COVID-19

Main Article Content

Aleksandra Górecka
Paulina Zborowska


Słowa kluczowe : dropshipping, polski rynek, COVID-19
Abstrakt

Celem artykułu było zbadanie najważniejszych czynników wpływających na wzrost zamówień w modelu dropshipping w Polsce. Badania przeprowadzono w okresie pandemii COVID-19 i porównano z wynikami w zakresie poziomów zamówień w 2019 roku. Czynniki mające wpływ na wzrost poziomu zamówień (zmienne) podzielono na dwie grupy: B2B i B2C. Wyniki wskazują, że poza rodzajem produktu kluczowe dla wzrostu zamówień w modelu biznesowym dropshipping były: dostępne sposoby płatności, rozwiązania marketingowe, dostawcy oraz liczba dostawców sklepu.

Article Details

Jak cytować
Górecka, A., & Zborowska, P. (2020). Czynniki wpływające na wzrost liczby zamówień w modelu dropshipping w czasie pandemii COVID-19. Ekonomika I Organizacja Logistyki, 5(3), 77–91. https://doi.org/10.22630/EIOL.2020.5.3.22
Bibliografia

Breiman L., Friedman J.H., Olshen R.A., Stone C.J., 1993: Classification and Regression Trees, Chapman and Hall, Boca Raton, FL.

Church E.M., Oakley R.L., 2018: Etsy and the long-tail: How microenterprises use hyper-differentiation in online handicraft marketplaces, Electronic Commerce Research and Applications 18, 883–898. (Crossref)

Dobosz K., 2012: Handel elektroniczny, Polsko-Japońska Wyższa Szkoła Technik Komputerowych, Warszawa.

Donthu N., Gustafsson A., 2020: Effects of COVID-19 on business and research, Journal of Business Research Volume 117, 284–289. https://doi.org/10.1016/j.jbusres.2020.06.008 (Crossref)

eCommerceFuel, 2020: eCommerce Trends Report, [electronic source] https://www.ecommercefuel.com/ecommerce-trends/

Gatnar E., 2001. Nieparametryczna metoda dyskryminacji i regresji, Wydawnictwo Naukowe PWN, Warszawa.

https://www.code-ship.com/en/Blog/dropshipping-explained/

Israfilzade K., 2017: Advantages and disadvantages of drop-shipping, Eкономічні науки, Молодий вчений 7(47), 410–413.

Kamalapur R., Lyth D., 2020: Impact of stockout compensation in e-commerce drop-shipping supply chain, Operations and Supply chain Management 13(1), 82–93. (Crossref)

Łapczyński M., 2002: Przyczynowa interpretacja drzew klasyfikacyjnych, [in:] Zależności przyczynowo-skutkowe w badaniach rynkowych i marketingowych, S. Mynarski (ed.), Wydawnictwo AE w Krakowie, Kraków, 47–60.

Luo M.M., Chea S., Chen J.-S., 2011: Web-based information service adoption: a comparison of the motivational model and the uses and gratifications theory, Decision Support Systems 51(1), 21–30. (Crossref)

OECD, 2020a: COVID-19 and the retail sector: impact and policy responses, OECD Policy Responses to Coronavirus (COVID-19), [electronic source] http://www.oecd.org/coronavirus/policy-responses/covid-19-and-the-retail-sector-impact-and-policy-responses-371d7599/

OECD, 2020b: E-commerce in the time of COVID-19, OECD Policy Responses to Coronavirus (COVID-19), [electronic source] http://www.oecd.org/coronavirus/policy-responses/ecommerce-in-the-time-of-covid-19-3a2b78e8/#endnotea0z2

Park C., 2016: A partial backordering inventory model with a drop-shipping option under purchase dependence, Korean Management Science Review 33(1), 1–16. (Crossref)

Reuschke D., Mason C., 2020: The Engagement of Home-Based Businesses in the Digital Economy, Futures 102542, 1–13. https://doi.org/10.1016/j.futures.2020.10254 (Crossref)

Robusté F., 2005: Logística del transporte, 10th ed., Edicions UPC, Barcelona.

Shoper Blog eXperience, 2020: Handel vs koronawirus: Jak sprzedaż przeniosła się do internetu [RAPORT], [electronic source] https://www.shoper.pl/blog/handel-vs-koronawirus-jaksprzedaz-przeniosla-sie-do-internetu/

Singh G., Kaur H., Singh A., 2018: Dropshipping in E-Commerce: A Perspective. Proceedings of the 2018, 9th International Conference on Ebusiness, Management and Economics, 7–14. (Crossref)

Trong Thuy Tran L., 2021: Managing the effectiveness of e-commerce platforms in a pandemic, Journal of Retailing and Consumer Services 58(2021), 102287, 1–9. https://doi.org/10.1016/j.jretconser.2020.102 (Crossref)

Whitley A., 2015: Using statistical learning to predict survival of passengers on the RMS Titanic, Kansas State University Manhattan, Kansas.

Zair F., Sefiani N., Fourka M., 2018 : Advanced optimization model of resource allocation in the B2C supply chain, Engineering Review 38(3), 328–337. (Crossref)

Statystyki

Downloads

Download data is not yet available.