How Long

Machine Translated by Google
Pesquisa de Transporte Parte A 154 (2021) 270–286
Listas de conteúdos disponíveis em ScienceDirect
Pesquisa de Transporte Parte A

página inicial da revista: www.elsevier.com/locate/tra
Adoção de serviços de entrega à luz da pandemia de COVID:

Quem e até quando?
a b a
Xiaokun (Cara) Wang , Woojung Kim a, *, José'e Holguín-Veras , Joshua Schmid
a
Departamento de Engenharia Civil e Ambiental, Rensselaer Polytechnic Institute, 110 8th Street, 4032 JEC Building, Troy, NY 12180, EUA b
Centro de Excelência VREF para Sistemas de Frete Urbano Sustentável, Rensselaer Polytechnic Institute, 110 8th St, Room JEC 4030, Troy, NY 12180,
cervo
INFORMAÇÕES DO ARTIGO ABSTRATO
Palavras-chave: Um crescimento significativo na demanda por compras on-line devido à crise da doença de coronavírus (COVID)
Intenção de continuação
recebeu atenção de profissionais de transporte, formuladores de políticas e pesquisadores.
COVID
No entanto, surge uma questão importante neste aumento das compras online e consequentes entregas: Quanto tempo
Entrega
isto vai durar? Muito pouco se sabe se essa popularidade duraria muito tempo. Para responder a essa questão, os
Pandemia
autores realizaram uma pesquisa com 915 indivíduos residentes nos Estados Unidos e os classificaram em quatro tipos
Adoção de tecnologia
distintos de consumidores (ou seja, o adotante anterior, o adotante temporário e o novo adotante permanente e o não-
adotante), dependendo de seu uso de serviços de entrega antes, durante e depois (esperado) da crise do COVID. Esta
pesquisa visa obter uma visão comportamental, explorando as diferenças entre os quatro tipos de consumidores e
investigando os fatores que afetam a adoção inicial e a intenção de continuidade do uso de serviços de entrega. A
análise descritiva revelou que existem diferenças claras não apenas entre os quatro tipos de consumidores, mas
também entre os quatro tipos de produtos (ou seja, mercearia, alimentos, produtos domésticos e outras embalagens)
considerados na pesquisa. Os modelos descobriram que os fatores que afetam a adoção inicial e a intenção de
continuidade são diferentes dos estudos anteriores conduzidos antes da pandemia de COVID. Implicações para
planejamento e formulação de políticas também são discutidas.
1. Motivação
A crise da Doença de Coronavírus (COVID) transformou a maneira como as pessoas comem, trabalham, viajam, fazem compras e se divertem. Além disso,
reformulou não apenas o transporte de passageiros, mas também os sistemas de carga. Particularmente, o aumento das compras online é um efeito notável.
As vendas no varejo via e-commerce nos Estados Unidos (EUA) aumentaram 31,8% do primeiro trimestre para o segundo trimestre de 2020, enquanto as vendas
totais no varejo diminuíram 3,9% no mesmo período (US Census Bureau, 2020) . Durante a Black Friday de 2020, as vendas em compras online aumentaram 21,6%,
enquanto as vendas nas lojas físicas diminuíram 52,1% em comparação com 2019 (Thomas, 2020). De acordo com pesquisas globais realizadas pela McKinsey.
(2020a,b), Boston Consulting Group (2020) e Deloitte (2020), consumidores de todo o mundo revelaram uma tendência de compras online para compras offline em
resposta ao COVID. Essa mudança resultou em um aumento nas entregas em domicílio, principalmente entregas de mercearia e alimentos. Por exemplo, 22,5% dos
entrevistados aumentaram a frequência dos serviços de entrega de alimentos durante a pandemia devido à sua conveniência e razões de segurança (por exemplo,
redução do risco de infecção) (Deloitte, 2020).
Até mesmo os Centros de Controle e Prevenção de Doenças (CDC) dos EUA agora recomendam o uso de serviços de compras e entrega online e
* Autor correspondente.
Endereços de e-mail: wangx18@rpi.edu (X.(C. Wang), kimw6@rpi.edu (W. Kim), jhv@rpi.edu (J. Holguín-Veras), schmij5@rpi.edu (J. Schmid).
https://doi.org/10.1016/j.tra.2021.10.012 Recebido
em 29 de dezembro de 2020; Recebido no formulário revisado em 7 de agosto de 2021; Aceito em 15 de outubro de 2021
Disponível online em 2 de novembro de 2021
0965-8564/© 2021 Elsevier Ltd. Todos os direitos reservados.
X. (C. Wang et al. Pesquisa de Transporte Parte A 154 (2021) 270–286
evite fazer compras em lojas (Centros de Controle e Prevenção de Doenças, 2020b).

Há uma grande necessidade de entregas e as estatísticas mostram que os serviços de entrega estão crescendo durante a pandemia. Uma questão
importante surge nessa popularidade sem precedentes das compras online: quanto tempo isso vai durar? Responder a essa pergunta é essencial para
estimar a demanda atual e futura de entregas. Muitas pesquisas presumiram que as pessoas ainda confiariam nos serviços de entrega mesmo após o
término da crise do COVID. Porém, na realidade, a aceitação da tecnologia pelos consumidores é muito mais dinâmica e complexa durante uma pandemia
do que em dias normais, ou seja, não se trata de um problema de 'adotar ou não adotar'. Uma pesquisa do Rensselaer Polytechnic Institute descobriu que
mais de 90% dos entrevistados voltariam ao canal de compras original assim que o COVID terminasse (Rensselaer Poly technic Institute, 2020). A provável
razão é que o aumento do uso do comércio eletrônico não é resultado da competição de mercado, onde o concorrente mais eficiente supera os demais.
Nesse caso, uma perturbação externa – um grande desastre – alterou significativamente o campo de jogo. É provável que, uma vez removido esse efeito
externo, alguns dos giros feitos pelo e-commerce sejam revertidos. Assim, há um comportamento heterogêneo na intenção de adoção e permanência.
Assim, os consumidores podem ser classificados nos quatro tipos, dependendo de seus comportamentos, conforme mostrado na Tabela 1.
Os não adotantes não adotariam serviços de entrega, não importa o quê. Os adotantes anteriores já os adotaram antes do COVID e continuariam a
usar durante e após o COVID. Os novos adotantes são aqueles que adotaram os serviços de entrega durante o COVID. Esses novos adotantes podem ser
classificados em dois tipos distintos, dependendo de sua intenção de permanência: os novos adotantes permanentes e os temporários. Os novos adotantes
temporários começaram a usar serviços de entrega durante o COVID, mas não continuariam a usá-los depois que a pandemia acabar. Uma das possíveis
razões é que os serviços de entrega sob demanda normalmente cobram mais dos clientes do que a compra na loja, por exemplo, cobrança extra de taxa
de serviço para manter uma plataforma de entrega, taxa de entrega e gorjetas ao motorista. Mão e outros. (2009) argumentaram que o preço e a qualidade
do produto podem afetar a decisão de descontinuar as compras online. Além disso, também há preocupações com itens perdidos (Brown, 2020). Devido
ao comportamento de novos adotantes temporários, o efeito de longo prazo do COVID nos serviços de entrega não será tão grande quanto o efeito de
curto prazo. Em contraste, os novos adotantes permanentes estabeleceriam seu novo canal de compras e continuariam a usar os serviços de entrega
mesmo após o fim da pandemia.
É importante classificar os clientes de acordo com sua adoção inicial e intenção de continuidade ao investigar os impactos da pandemia e prever a
demanda futura. Eles podem ter características diferentes que afetariam não apenas o lado da demanda, mas também as questões de equidade e
preocupações com a saúde. Por exemplo, enquanto a maioria das pessoas está se tornando virtual, ainda haverá algumas pessoas forçadas a fazer
compras nas lojas com grande risco de infecção. Apesar da importância da heterogeneidade do comportamento dos consumidores, até agora não houve
um exame detalhado dela. Os estudos existentes são limitados e fornecem apenas informações fragmentárias sem considerar a heterogeneidade da
adoção inicial e intenção de continuação. Tratar os consumidores como eles se comportam da mesma maneira levaria a resultados imprecisos.
As compras online e as entregas resultantes estão direta e indiretamente ligadas aos sistemas de transporte, particularmente a atividade de caminhões,
comportamento de viagem, milhas percorridas por veículos (VMT) e gerenciamento de demanda de frete em áreas urbanas (Cao, 2009; Chen et al., 2017a ,
b; Jaller e Pahwa, 2020; Lin et al., 2018; Schmid et al., 2018; Xi et al., 2020). Além disso, os órgãos públicos relacionados ao transporte desempenham um
papel crítico na era da pandemia, conforme descrito em Matherly et al. (2020). Para minimizar a propagação do vírus e mitigar os problemas decorrentes
da pandemia, por exemplo, questões de patrimônio, é importante que as agências de transporte identifiquem possíveis ameaças e problemas associados à
pandemia. Assim, uma compreensão dos comportamentos de compra juntamente com a pandemia é oportuna e vale a pena investigar para obter insights
comportamentais.
O objetivo geral desta pesquisa é entender melhor o comportamento dos consumidores durante a pandemia. Para atingir a meta, os seguintes objetivos
devem ser alcançados: (1) identificar as diferenças entre os quatro tipos de consumidores e (2) obter informações sobre os fatores que afetam a adoção
inicial e a intenção de continuidade usando dados de pesquisa coletados pelos autores. As contribuições desta pesquisa são duplas: primeiro, este é o
primeiro estudo abrangente a investigar a adoção inicial e a intenção de continuidade do uso de serviços de entrega durante uma pandemia para uma
ampla gama de tipos de produtos (por exemplo, mercearia, alimentos, produtos domésticos, e outros pacotes). Uma compreensão do comportamento de
adoção e pós-adoção fornece uma visão comportamental importante sobre o planejamento de transporte de carga e a formulação de políticas à luz da
situação do COVID. Em segundo lugar, as percepções sobre o comportamento de adoção e continuidade não se limitam aos serviços de entrega durante
a pandemia de COVID. Eles lançam luz sobre pesquisas futuras sobre outras novas formas de serviço de transporte (por exemplo, veículo autônomo,
serviços de entrega não tripulados) e outros eventos disruptivos futuros (por exemplo, desastres, recessão).
O restante deste artigo está organizado da seguinte forma: a próxima seção revisa os estudos existentes sobre aceitação de tecnologia, determinantes
de entregas e mudanças nos comportamentos de compra durante eventos disruptivos. A terceira seção descreve um projeto de pesquisa. A quarta seção
apresenta a descrição dos dados da pesquisa coletados. A seção cinco apresenta uma abordagem de modelagem. As seções seis e sete apresentam os
resultados e implicações para planejamento e política. A última seção conclui esta pesquisa.
Tabela 1
Tipos de consumidores por utilização de serviços de entrega.
antes do COVID durante o COVID Depois do COVID Tipo
Não Não Não Não adotar

Não Sim Sim Novo adotante Permanente
Não Temporário
Sim Sim Sim adotante anterior
271
2. Literatura relevante
2.1. Adoção de tecnologia e teoria da continuação
Com o advento de várias tecnologias de informação e comunicação (TIC) na década de 1990 , os pesquisadores prestaram atenção à aceitação das TIC, ou seja, como
vários fatores, como satisfação, utilidade percebida, atitude em relação à tecnologia, etc. consumidores (Davis, 1985, 1989; Venkatesh, 2000; Venkatesh et al., 2003; Venkatesh
e Bala, 2008; Venkatesh e Davis, 2000). Posteriormente, o foco mudou para os comportamentos pós-adoção, ou seja, a intenção de permanência dos consumidores em relação
à tecnologia. Por exemplo, alguns estudos desenvolveram os modelos de continuidade tecnológica para investigar quais fatores afetam a intenção dos consumidores de continuar
a usar as TIC regularmente no futuro (Bhattacherjee, 2001; Liao et al., 2009; Zhou, 2013). No campo do transporte, a teoria da continuidade tecnológica tem sido aplicada a
muitas áreas, como compartilhamento de bicicletas (Peng et al., 2019), check-in online de voos (Lin e Filieri, 2015) e aplicativo de reserva de táxi (Weng et al. ., 2017).
2.2. Fatores que afetam a demanda por entregas
Desde a década de 1990, vários estudos investigaram os determinantes da demanda por partos, conforme resumido na Tabela 2.
Com relação aos determinantes significativos do uso de serviços de entrega, há um consenso. Em geral, independentemente do tipo de produto, os indivíduos com alta renda,
alto nível de escolaridade e grande tamanho familiar eram mais propensos a usar serviços de entrega do que outros. A idade afetou negativamente o uso, ou seja, os jovens
tendem a usar mais serviços de entrega do que outros.
Primeiro na literatura, Hand et al. (2009) investigaram a adoção inicial e a intenção de continuidade do uso de compras online em Londres, Reino Unido. Eles argumentaram
que fatores situacionais podem afetar a decisão de adoção e descontinuação. No entanto, apenas fatores situacionais, não fatores sociodemográficos, foram investigados.
2.3. Comportamento de compra durante a pandemia
O comportamento de compra do consumidor durante a pandemia é diferente do que ocorre em condições normais. Por exemplo, vários comportamentos de compra
incomuns (para necessidades ou remédios/vacinas) foram testemunhados durante a gripe aviária, a pandemia de gripe espanhola, a pandemia de gripe de Hong Kong, etc.
(Taylor, 2019) . Cientistas comportamentais explicam que tais comportamentos podem ser desencadeados por efeitos psicológicos como “aversão à perda”, “efeito bandwagon”
e “negligência da probabilidade” (Lappeman, 2020). Embora seja um comportamento incomum, um especialista em pandemia argumentou que tal comportamento nos ajuda a
ter uma sensação de controle (Lufkin, 2020). De acordo com um estudo de Chen et al. (2017a,b), os consumidores tendem a comprar “produtos utilitários” em vez de “produtos
hedônicos” quando sentem uma baixa percepção de controle.
Além de esgotar os estoques em todas as lojas, a crise também está influenciando o canal de compras dos consumidores. De acordo com
Tabela
2 Resumo da literatura sobre os fatores que afetam a demanda por entregas.
Referência Área Resultado Tipo Fatores significativos
Dias e cols. Puget Sound Frequência Pacote (+) Renda, tamanho do domicílio, densidade residencial, compras presenciais; (–) Disponibilidade de
(2020) Região, WA veículos, domicílios que moram em apartamentos
Frequência Mercado (+) Renda, dimensão do agregado familiar, densidade residencial, disponibilidade de viaturas, compras
de refeições presenciais; (–) Domicílios que moram em apartamentos, fazem compras presenciais
Frequência Comida (+) Renda, tamanho da família, densidade residencial, disponibilidade de veículos
Spurlock et ai. Área da Baía, Califórnia Escolha do canal de Pacote (+) Rendimento, filhos; (-) Idade
(2020) compras Mercado (+) Renda
Comida (+) Rendimento, densidade populacional; (-) Idade
Renda familiar (+), filhos; (-) Idade
Schmid et ai. NÓS Frequência Todos
(+) Dimensão do agregado familiar; (–) Idade, alta renda
(2020)
Lee e outros. (2017) Davis, CA Wang e Frequência Pacote (+) Rendimento, percepção positiva; (–) Disponibilidade do veículo
Zhou EUA (2015) Escolha do canal de Pacote (+) Uso de internet, educação, renda, área rural, feminino, densidade residencial,
compras Branco, criança; (–) Idade, tamanho da família, afro-americano, hispânico
Frequência Pacote (+) uso de internet, escolaridade, feminino, raça (branca), renda, número de veículos, densidade
residencial, zona rural; (–) afro-americano, hispânico
Mão e outros. Reino Unido
Adoção inicial Mercado (+) Fatores situacionais (sem tempo para fazer compras, conveniência, sem carro, etc)
(2009) continuação Mercado (–) Fatores situacionais (taxa de entrega, contato social, qualidade do produto, etc)
Ren e Kwan (2009) Colombo, Ohio Adoção inicial Todos
(+) Feminino, usuária de internet, branca; (–) Horas de trabalho, densidade da loja
Todos
Frequência (+) Idade, sexo feminino, renda, uso de internet, Branco, densidade populacional, número de filhos; (–)
Densidade da loja
Farag et ai. Holanda Escolha do canal de Pacote (+) Educação, área urbanizada, uso de internet; (-) Fêmea
(2006) compras
Frequência Pacote (+) Estatuto do trabalhador, utilização da internet; (–) Densidade da loja
Hiser et al. Estação da faculdade, Disposição Comida (+) Familiaridade, educação; (-) Idade
(1999) Texas
Nota: (+) e (–) referem-se a um impacto positivo e negativo, respetivamente.
272
pesquisas globais com consumidores realizadas pela McKinsey. (2020a,b), Boston Consulting Group (2020) e Deloitte (2020), consumidores de todo o mundo
revelaram uma tendência de compras online para compras offline em resposta ao COVID. Essa mudança resultou no uso de mercearias e entregas de
alimentos. Por exemplo, 22,5% dos entrevistados aumentaram a frequência dos serviços de entrega de alimentos durante a crise devido à sua conveniência e
razões de segurança (por exemplo, redução do risco de infecção) (Deloitte, 2020). Baig et ai. (2020) descobriram que aproximadamente 31% e 13% dos
entrevistados são usuários iniciantes de compras online de supermercado e roupas, respectivamente.
Os desastres não influenciam apenas os consumidores, mas também as empresas. Algumas empresas vulneráveis sofrem perdas nas receitas de vendas
ou podem ser forçadas a fechar devido a restrições governamentais relacionadas a desastres (Tierney, 2007). De acordo com o US Census Bureau (2020), as
vendas no varejo (excluindo e-commerce) nos EUA diminuíram significativamente devido à mudança para o e-commerce durante a pandemia de COVID. Além
disso, muitas empresas importantes nos EUA, desde lojas de varejo, academias, aluguel de carros, cinema e lojas de departamento, entraram com pedido de
falência devido à diminuição substancial da demanda (Pandise, 2020).
Recentemente, houve uma quantidade significativa de pesquisas acadêmicas. Uma pesquisa do Rensselaer Polytechnic Institute descobriu que 30% dos
entrevistados nos EUA mudaram seu canal de compras de offline para online durante a COVID (Rensselaer Polytechnic Institute, 2020). No entanto, eles
também destacaram que mais de 90% dos entrevistados comprariam suprimentos básicos em seu canal de compras original, assim que o COVID passasse.
Shabanpour et ai. (2020) desenvolveram um modelo probit ordenado multivariado para identificar fatores que afetam o número de entregas de supermercado
antes, durante e depois do COVID. O nível de escolaridade afetou positivamente a frequência de entrega antes e depois do COVID, enquanto não afetou
durante o COVID. Famílias de baixa renda eram menos propensas a receber entregas de supermercado. Grashuis et ai. (2020) desenvolveram modelos logit
multinomiais com diferentes cenários (casos de COVID subindo, constantes e diminuindo) e descobriram que um número crescente de casos confirmados na
região está associado a um aumento nas entregas em domicílio e uma diminuição na calçada e na loja escolher. Unnikrishnan e Figliozzi (2020) compararam
as compras com entrega em domicílio durante o COVID e as anteriores ao COVID.
Em seu estudo, as famílias de renda mais alta provavelmente receberam mais partos antes e durante o COVID. Aqueles que estavam preocupados com
problemas de saúde eram mais propensos a receber partos durante o COVID. Shamshiripour et ai. (2020) pesquisou residentes em Chicago e argumentou que
a maioria dos entrevistados provavelmente usará mais mercearias e compras de alimentos online após a situação de pandemia do que antes.
2.4. Resumo
Em todos os estudos revisados na Tabela 2, permanece a necessidade de investigar a adoção inicial e a intenção de continuidade que não foram estudadas
em profundidade. Recentemente, os avanços na tecnologia, por exemplo, aplicativos convenientes para smartphone, entrega no mesmo dia, entrega
colaborativa, estão transformando os ambientes de compras online. Assim, a forma como os consumidores compram online e como eles reagem às novas
tecnologias mudou muito em comparação com uma década atrás. À luz da crise do COVID, há outra necessidade atual de estudos que investiguem os fatores
que influenciam a adoção inicial e a intenção de continuidade do uso de serviços de entrega. Com relação aos estudos anteriores relacionados ao COVID, eles
se concentraram em tentar entender uma mudança nos canais de compras de lojas físicas para online. No entanto, não apenas o comportamento de
descontinuação após uma pandemia ainda foi investigado, mas também a adoção inicial pode ser analisada considerando a heterogeneidade da intenção de
continuação. Sem levar em conta o comportamento de descontinuidade dos consumidores, a atual popularidade das compras online vai enganar o planejamento
pós-pandemia. Por exemplo, uma pesquisa em Shamshiripour et al. (2020) concluíram que a atual tendência crescente de entrega de mercearias e alimentos
duraria muito tempo após a pandemia.
Além disso, a maioria das pesquisas acadêmicas se concentrou em entregas de supermercado. É necessário investigar outros tipos de entregas, pois a
pandemia tem diferentes impactos em bens necessários e não necessários (Chen et al., 2017a,b; McKinsey, 2020b). A presente pesquisa preencherá essas
lacunas de conhecimento.
3. Descrição da pesquisa
A fonte de dados para esta pesquisa é uma pesquisa sobre o efeito da pandemia de COVID nas atividades de viagens, compras e comunicações nos
Estados Unidos. A pesquisa foi realizada pelos autores por meio da plataforma Amazon Mechanical Turk (Amazon, 2020).
Dois lotes separados de dados foram coletados, um em meados de maio de 2020 e outro no final de junho de 2020. Entre esses dois lotes, foram coletadas
1.163 observações, que foram reduzidas para 915 após a limpeza dos dados para remover observações incompletas e defeituosas. As observações foram
removidas do conjunto de dados se o respondente deixou a pesquisa antes de responder a todas as perguntas ou se forneceu valores que não eram lógicos.
Em geral, as distribuições das variáveis-chave foram consistentes com as dos dados do Censo. No entanto, certos grupos demográficos (por exemplo, baixo
nível educacional, grupos de baixa e alta renda) estavam sub-representados, ou seja, não correspondiam aos dados demográficos de toda a população.
Assim, os pesos amostrais foram gerados usando o procedimento Iterative Proportional Fitting em Stata (Bergmann, 2011) para melhorar os resultados. Este
comando gera pesos de amostragem comparando a distribuição de variáveis especificadas com estatísticas populacionais especificadas. Em nossa pesquisa,
os pesos foram gerados usando o sexo, o nível de escolaridade, a idade e a renda familiar do entrevistado.
Nesta pesquisa, os autores consideram três períodos de tempo distintos: “antes”, “durante” e “depois” da pandemia. “Antes da pandemia” refere-se às
atividades do respondente antes do início das paralisações e “durante a pandemia” refere-se às atividades no momento da pesquisa.
Além disso, os autores pediram aos entrevistados que previssem seu nível de atividade assim que a pandemia terminasse, então “após a pandemia” representa
um tempo após todas as paralisações e restrições serem suspensas e todas as atividades normais poderem ser retomadas. Embora os autores não tenham
especificado além disso na pesquisa e deixado “após a pandemia” aberto à interpretação, pode-se supor que esse seria o caso apenas após a descoberta de
uma vacina ou tratamento para COVID.
Como parte desta pesquisa, foram feitas perguntas aos entrevistados em quatro áreas: atividade de compras, informações sobre emprego, atividades
online e dados demográficos. Para detalhar a seção de atividade de compras, os entrevistados relataram o número médio de viagens de compras
273
X.
(C.
Tabela 3
Estatísticas resumidas das variáveis-chave (média/porcentagem).
entrega de supermercado Entrega de alimentos Entrega de mercadorias em casa Entrega de outros pacotes
N ponderado 176 110 88 541 475 27 48 365 260 95 91 469 745 3 27 140
Variável Temporário Prévio Perm Não Temporário Prévio Perm Não Temporário Prévio Perm Não Anterior Temp Perm Não
Idade 43,54 49,32 45,32 46,43 43,69 51.10 45,87 48,93 45,34 52.31 45,80 45,36 45,42 36,54 52,52 48,73
Género masculino) 0,54 0,51 0,64 0,46 0,50 0,59 0,48 0,51 0,50 0,46 0,56 0,50 0,50 0,52 0,51 0,50
status hispânico 0,18 0,07 0,08 0,04 0,09 0,09 0,12 0,05 0,08 0,03 0,16 0,06 0,08 0,00 0,02 0,06
Tamanho da família 3.23 3.34 2.35 2.69 3.19 2,55 3.17 2.36 3.12 2.66 2,95 2,70 2,94 2,85 2.38 2.37
Emprego de tempo integral) 0,62 0,49 0,41 0,44 0,48 0,43 0,55 0,47 0,60 0,47 0,50 0,41 0,47 0,92 0,47 0,51
Renda familiar (US$ 1.000)* 92,69 96,18 64.18 75,45 89,98 92,78 98,18 64.11 84,32 94,82 101,5 70,79 82,42 86.09 97,34 64,73
Casa (apartamento) 0,00 0,17 0,35 0,13 0,20 0,13 0,22 0,14 0,16 0,08 0,21 0,19 0,15 0,31 0,31 0,26
Casa (unifamiliar independente) 0,63 0,70 0,54 0,75 0,68 0,85 0,69 0,71 0,69 0,80 0,54 0,72 0,73 0,69 0,41 0,60
Nível de educação
Menos que ensino médio 0,0% 0,0% 18,2% 17,8% 11,1% 0,0% 0,0% 16,3% 7,0% 0,0% 0,0% 20,1% 12,9% 0,0% 0,0% 11,5%
Ensino médio completo 36,0% 41,8% 41,1% 47,6% 45,6% 22,9% 34,6% 44,9% 38,3% 44,3% 48,0% 46,4% 43,4% 0,0% 24,6% 51,8%
grau de associado 14,0% 20,6% 7,8% 12,2% 11,6% 13,3% 21,4% 14,0% 13,5% 20,9% 12,0% 11,6% 13,4% 20,8% 22,8% 9,5%
diploma de bacharel 33,6% 23,7% 24,7% 13,0% 20,5% 41,7% 16,5% 16,5% 24,8% 22,7% 30,7% 13,5% 18,2% 38,3% 43,9% 20,4%
pós-graduação 16,5% 13,9% 8,2% 9,4% 11,1% 22,1% 27,6% 8,3% 16,4% 12,2% 9,3% 8,4% 12,0% 40,9% 8,7% 6,8%
grupo de corrida
Branco 75,0% 84,5% 87,2% 87,0% 80,0% 79,3% 81,2% 90,9% 79,5% 87,8% 85,2% 86,2% 83,7% 72,3% 87,6% 87,7%
Afro-americano 13,1% 2,6% 5,5% 4,5% 8,4% 7,2% 6,2% 2,8% 11,8% 1,9% 4,2% 4,0% 5,4% 19,5% 9,6% 8,7%
asiático 9,1% 9,8% 3,2% 6,0% 8,4% 10,7% 11,6% 3,8% 6,6% 5,7% 8,2% 6,8% 7,9% 8,2% 2,8% 1,7%
Outros 2,6% 3,0% 4,1% 2,5% 3,1% 2,8% 1,0% 2,5% 1,9% 4,6% 2,4% 2,9% 3,0% 0,0% 0,0% 1,9%
Número de viagens em um dia de trabalho (antes) 3,45 2,80 2.83 2.66 2,95 3.41 3.06 2.63 3,72 2.38 2,75 2.45 2,95 2.16 2.25 2.56
Pesquisa
Número de viagens em dia não útil (antes)
Freq. de compras na loja
Sem alteração
Compre com mais frequência durante a COVID
Compre com menos frequência durante a COVID
Nota:
2,00
0,29
0,14
0,57
2.61
0,24
0,03
0,73
1,73
0,14
0,06
0,80
2.21
0,32
0,04
0,65
2.46
0,29
0,08
0,63
2.30
0,22
0,03
0,75
2.01
0,26
0,09
0,64
1) Non, Temp, Perm e Prior referem-se aos não adotantes, novos adotantes temporários, novos adotantes permanentes e adotantes anteriores, respectivamente.
1,80
0,28
0,03
0,69
2.33
0,27
0,10
0,63
2.28
0,27
0,02
0,72
1,86
0,20
0,04
0,76
2.12
0,31
0,05
0,64
2.25
0,28
0,06
0,66
1,99
0,31
0,11
0,58
2.12
0,28
0,06
0,66
1,75
0,31
0,03
0,66
2) * A renda familiar foi relatada como uma variável categórica (menos de $ 15 mil; entre $ 15 mil e $ 25 mil; entre $ 25 mil e $ 35 mil; entre $ 35 mil e $ 50 mil; entre $ 50 mil e $ 75 mil; entre $ 75 mil e $ 100 mil ; entre $ 100 mil e $ 150 mil; entre $ 150 mil e $ 200 mil; $ 200 mil ou
mais). Em seguida, foi obtido o valor médio da categoria.
de
por mês, bem como o número médio de entregas por mês para quatro tipos distintos de itens. Os entrevistados dos tipos de itens foram solicitados a fornecer
frequências para mantimentos incluídos, alimentos preparados, artigos domésticos (por exemplo, suprimentos domésticos, incluindo produtos de papel,
material de limpeza, etc.) e outras entregas de pacotes (por exemplo, roupas, livros, acessórios, eletrônicos, etc.). Essas quatro categorias foram escolhidas
porque não apenas representam o universo de itens que as pessoas podem ter entregue em casa, mas também porque os padrões de compra dessas quatro
categorias podem ser significativamente diferentes. Por exemplo, uma pessoa pode ter preparado comida entregue em sua casa, mas não pedirá mantimentos
online para entrega. As perguntas se concentraram em uma decisão em nível individual, em vez de uma decisão em nível familiar. Ao desenvolver um modelo
de nível individual, pode-se investigar mais detalhadamente quais fatores afetam o uso de serviços de entrega, por exemplo, sexo, idade, raça, status de
emprego, escolaridade, etc. As políticas correspondentes podem atingir grupos específicos de forma eficaz.
Com base no número médio de partos antes, durante e depois da COVID, foi possível categorizar as entrevistadas em um dos três grupos para cada tipo
de parto. Por exemplo, se um entrevistado relatou zero entregas antes, durante e depois da COVID, pode-se presumir que ele não é um adotante.
• “Adotantes anteriores”: aqueles que receberam entregas de um determinado tipo antes da pandemia de COVID.
• “Novos adotantes”: aqueles que não usavam e-commerce antes da pandemia de COVID, mas começaram a usar e-commerce durante a COVID
pandemia
• “Não adotantes”: aqueles que não receberam nenhuma entrega de um determinado tipo de item antes, durante e depois da pandemia de COVID.
Curiosamente, alguns entrevistados relataram que começariam a usar serviços de entrega após o COVID. Vale a pena investigar esses entrevistados,
mas eles foram classificados como não adotantes no estudo atual devido a um número muito pequeno de observações.
Novos adotantes podem ser subdivididos em “novos adotantes temporários”, ou seja, respondentes que começaram a receber entregas de um tipo de
item durante a pandemia, mas esperam parar de receber entregas quando a pandemia terminar; e “novos adotantes permanentes”, ou seja, entrevistados que
começaram a receber entregas de um tipo de item durante a pandemia e esperam continuar recebendo entregas após o fim da pandemia. Essa subdivisão foi
feita com base nas previsões do entrevistado sobre como eles comprariam após o fim da pandemia
sobre.
A Tabela 3 apresenta um resumo das estatísticas das variáveis-chave. Apenas as variáveis-chave são apresentadas devido ao limite de espaço. Outras
variáveis, incluindo o número de lojas em uma área (US Census Bureau, 2016) e o número de casos de COVID em nível estadual (Centers for Disease Control
and Prevention, 2021) também foram investigadas.
Deve-se notar que a precisão da classificação pode ser melhorada perguntando diretamente aos entrevistados se eles nunca usaram serviços de entrega
em um determinado período de tempo (antes, durante e depois do COVID). Ao investigar a adoção inicial de uma tecnologia, em alguma literatura, eles
perguntaram diretamente aos entrevistados se eles nunca usaram serviços antes (Alemi et al., 2018). Algumas outras literaturas usaram um método
semelhante com o presente artigo, por exemplo, se o tempo gasto em compras online em uma semana típica for maior que zero, então adoção = 1; caso
contrário, adoção = 0 (Ren e Kwan, 2009). Devido à extensão da pesquisa, informações mais detalhadas não puderam ser coletadas. Para reduzir a
sobrecarga e a fadiga dos entrevistados, os autores coletaram a quantidade limitada de informações por categoria, uma vez que a presente pesquisa coletou
uma longa e ampla gama de informações, incluindo informações relacionadas ao trabalho e a viagens (por exemplo, comportamento de trabalho em casa,
comportamento de compras, comportamento de viagem, etc).
4. Análise descritiva
Na seção, as semelhanças e diferenças entre grupos (os adotantes anteriores, novos adotantes temporários e permanentes e
não-adotantes) são discutidos.
4.1. Participação de cada tipo de adotante
A Tabela 4 apresenta a participação de cada tipo de consumidor. Os serviços de entrega de outras embalagens foram amplamente adotados pelos
entrevistados antes mesmo da pandemia, ou seja, os adotantes anteriores representavam a maior parcela de outras embalagens em comparação com outros
tipos de mercadorias, seguidos por entregas de alimentos, artigos domésticos e mercearia. Em geral, as evidências mostraram que a intenção inicial de
adoção e continuidade varia de acordo com o tipo de produto. As entregas de mantimentos tiveram a maior proporção de novos adotantes, incluindo os novos
adotantes temporários e permanentes em 21,8%, seguidos por produtos domésticos em 20,3%, alimentos em 8,1% e outros pacotes em apenas 3,3%. Esses
resultados indicam que a pandemia de COVID teve um impacto maior nos canais de compra de itens essenciais (mercearia e utensílios domésticos) do que
itens menos essenciais (alimentos e outras embalagens). Além disso, para os itens essenciais, os novos adotantes temporários representaram uma parcela
maior do que os novos adotantes permanentes, enquanto os novos adotantes permanentes representaram uma parcela maior do que os novos adotantes
temporários para itens menos essenciais.
Tabela
4 Parcela de cada tipo de adotante (N = 915).
Tipo de adotante Mercado Comida Bens do Lar Outros pacotes
adotante anterior 19,2% 51,9% 28,4% 81,5%

Novo adotante temporário 12,1% 2,9% 10,4% 0,3%
Novo adotante permanente 9,7% 5,2% 9,9% 3,0%
Não adotar 59,1% 39,9% 51,3% 15,3%
275
4.2. Perfis dos quatro tipos de adotantes
As distribuições das principais variáveis socioeconômicas são discutidas nesta seção para obter insights sobre semelhanças e diferenças entre os quatro
tipos de consumidores. A idade média para os novos usuários temporários de produtos de mercearia, alimentos e artigos para o lar variou de 49 a 52 anos.
Esses números foram maiores do que os outros tipos de consumidores. Por outro lado, os adotantes anteriores tendiam a ser mais jovens do que os outros
tipos de consumidores. Com relação à renda, os novos adotantes permanentes e os não adotantes (de alimentos, artigos domésticos e outras embalagens)
relataram a maior e a menor renda do que os outros tipos de consumidores, respectivamente. Em contraste, os novos usuários permanentes de entregas de
supermercado tiveram o nível de renda mais baixo do que os outros tipos. Os novos adotantes permanentes eram mais propensos a morar em um apartamento
do que os outros, independentemente do tipo de produto. Quanto ao nível de escolaridade, os adotantes anteriores de bens essenciais (mercearia e utensílios
domésticos) tendiam a ser altamente qualificados (ou seja, aqueles com bacharelado ou pós-graduação). Por outro lado, os novos adotantes de bens menos
essenciais (alimentos e outras embalagens) eram mais propensos a ser altamente educados do que os outros tipos de consumidores. No geral, os não
adotantes provavelmente não eram altamente qualificados, independentemente do tipo de produto.
4.3. Número médio de entregas
A Figura 1 apresenta o número médio de entregas por mês recebidas por cada tipo de consumidor. No geral, o número de entregas recebidas pelos
adotantes anteriores provavelmente não seria muito afetado pelo COVID. Os números médios dos adotantes anteriores aumentaram ligeiramente durante o
COVID para todos os tipos de bens, então eles cairiam para o nível anterior após o término da pandemia. Esperava-se que os números médios dos novos
adotantes permanentes fossem ligeiramente maiores do que os dos novos adotantes temporários.
Com relação ao número médio de entregas de supermercado, os adotantes anteriores costumavam receber 3,1 entregas por mês. Esse número aumentou
para 4,1 durante a COVID, enquanto os novos adotantes permanentes e temporários passaram a receber 3,4 e 2,2 partos, respectivamente. Após o fim da
pandemia, o número médio de entregas para adotantes anteriores e novos adotantes permanentes deveria cair para 3,6 e 3,0, respectivamente.
As entregas de alimentos apresentaram um padrão diferente de qualquer outro tipo de mercadoria. O número de entregas para os novos adotantes
permanentes aumentou em um ritmo acelerado, ultrapassando o dos adotantes anteriores durante a COVID. No entanto, após o término do COVID, o número
médio de novos adotantes permanentes diminuiria drasticamente e eles receberiam menos entregas do que os adotantes anteriores. O número médio de
novos adotantes temporários durante o COVID também aumentou para 3,2, próximo ao dos adotantes anteriores.
As entregas de produtos domésticos exibiram as menores diferenças entre os tipos de consumidores durante e após a COVID. O número médio não
diferiu muito por tipo de consumidor durante a COVID. Os novos adotantes temporários e permanentes receberam quase o mesmo número de partos durante
a pandemia (aproximadamente 2,3 partos). Após a pandemia, os novos adotantes permanentes receberiam o mesmo número de entregas aos adotantes
anteriores.
Fig. 1. Número médio de partos por mês.
276
Durante esta pandemia, as pessoas trabalham em casa, aprendem remotamente ou saem remotamente. O tempo gasto em casa, é claro, quase dobrou e
os suprimentos domésticos correspondentes, mantimentos, alimentos, etc. em casa aumentaram. Além disso, devido às restrições de compras físicas nas lojas,
os consumidores confiam mais nas compras online do que antes da pandemia. No entanto, espera-se uma ligeira diminuição nas compras online após o COVID.
Isso se deve em parte a uma menor dependência do canal online. Como as compras físicas têm suas vantagens únicas (Mokhtarian, 2004), as compras online
nunca podem dominar e os consumidores voltariam ao canal físico. Outra razão possível é uma diminuição nos suprimentos/mantimentos/alimentos necessários
em casa, pois as pessoas não trabalham mais em casa ou no e-learning, ou seja, o tempo gasto em casa será reduzido pela metade.
Ao contrário dos itens essenciais, de acordo com a McKinsey, é menos provável que usemos outras embalagens (por exemplo, roupas, cosméticos) durante
a pandemia (McKinsey, 2020a). Esta é provavelmente a razão pela qual houve as maiores diferenças entre os tipos de consumidores para outras embalagens.
Os adotantes anteriores receberam 3,2 e 1,8 entregas a mais do que os novos adotantes temporários e permanentes durante o COVID, respectivamente.
Terminada a situação de pandemia, ainda haveria uma diferença notável entre os adotantes anteriores (4,3 partos) e os novos adotantes permanentes (2,9
partos). No entanto, deve ser interpretado com cautela devido ao pequeno número de observações para os novos adotantes temporários.
4.4. Número agregado de usuários e entregas
A Tabela 5 apresenta o número agregado de usuários e entregas. Vale a pena examinar a taxa de crescimento para ver quantos usuários e entregas na
população aumentam ou diminuem com o tempo. Antes da pandemia, apenas os adotantes anteriores usavam serviços de entrega. Durante a pandemia, no
entanto, o número de usuários e entregas aumentou à medida que os novos adotantes começaram a usar os serviços de entrega. Após a pandemia, apenas os
adotantes anteriores e os novos adotantes permanentes permaneceriam para usar os serviços de entrega. Em geral, um aumento substancial no número de
usuários e na demanda durante o COVID não parece durar muito tempo. Esperava-se que os efeitos de longo prazo (ou seja, diferenças entre antes e depois
do COVID) fossem aproximadamente metade dos efeitos de curto prazo (ou seja, diferenças entre antes e durante o COVID). Isso ocorre porque o atual aumento
nas compras online é impulsionado por um evento disruptivo, não por uma competição de mercado. É provável que assim que essa pandemia passar, algumas
das rotações feitas pelo e-commerce sejam revertidas. No entanto, a taxa de crescimento variou muito conforme o tipo de mercadoria. As taxas de crescimento
dos bens essenciais (mercearia e artigos domésticos) foram superiores às dos bens menos essenciais (alimentos e outras embalagens).
Embora as entregas de supermercado tivessem o menor número de usuários e entregas antes do COVID entre outros tipos, aumentaram à taxa mais alta
durante o COVID. Mais tarde, no entanto, diminuiria na taxa mais alta após o COVID. As evidências sugerem que as entregas de supermercado provavelmente
serão as mais afetadas pela pandemia. A entrega de comida foi o segundo tipo de entrega mais popular antes do COVID.
O número de usuários para entrega de alimentos durante o COVID aumentou apenas 15,7% e diminuiria ligeiramente após o fim da pandemia. Embora o
crescimento de usuários tenha sido mínimo, o número de partos aumentou 28,6% durante o COVID. A entrega de artigos para o lar teve a segunda maior taxa
de crescimento. O número de usuários e entregas aumentou mais de 70% durante o COVID. Embora os números diminuíssem após o COVID, ainda haveria um
aumento líquido de usuários e entregas com a situação anterior ao COVID. A entrega de outros pacotes era o tipo de entrega mais popular antes do COVID. No
entanto, o número de usuários aumentou apenas 4% durante o COVID e permaneceria quase o mesmo após o COVID. Curiosamente, apesar de quase estável,
o número de partos aumentou 31,5% durante o COVID. Isso implica que a pandemia não afeta muito a adoção inicial de outras entregas de pacotes, mas os
usuários existentes aumentam sua frequência de compras devido à pandemia.
5. Abordagem de modelagem
O esforço de modelagem contou com modelos de regressão logística binária de duas decisões diferentes: adoção inicial devido ao COVID e intenção de
continuidade. O primeiro modelo identifica fatores significativos que influenciam a adoção inicial para responder às seguintes perguntas: quem adotará novos
serviços de entrega durante a pandemia de COVID? e quem ficará para trás? O segundo modelo foi desenvolvido para investigar o comportamento pós-adoção
daqueles que adotaram recentemente serviços de entrega à luz da pandemia de COVID, ou seja, para identificar fatores que afetam a intenção de continuar
usando serviços de entrega após o término da crise do COVID. A estrutura conceitual desta pesquisa é apresentada na Fig. 2.
Para a parte de modelagem, uma regressão logística binária é estimada com os dados. Quando uma variável dependente é codificada em binário, os
modelos de regressão logística e Probit são duas das formas de modelo mais comumente usadas (Washington et al., 2020). No presente estudo, um logit
Tabela 5
Número agregado de usuários e entregas.
antes do COVID durante o COVID Depois do COVID
Mercado Número de usuários 176 374 (+113,3%) 264 (+50,4%)

Número total de entregas 548,7 1265,0 (+130,6%) 550 903,6 (+64,7%) 523
Comida Número de usuários 475 (+15,7%) 2243,0 (+10,1%) 1859,7
Número total de entregas 1743,5 (+28,6%) 446 (+6,7%) 351
Bens do Lar Número de usuários 260 (+71,2%) 1186,4 (+34,8%) 951,8
Número total de entregas 683,8 (+73,5%) 775 (+4,0%) (+39,2%) 773
Outros pacotes Número de usuários 745 3757,0 (+31,5%) (+3,6%) 3316,5
Número total de entregas 2856,7 (+16,1%)
Observação: as porcentagens entre parênteses mostram a taxa de crescimento em comparação com antes do COVID.
277
Fig. 2. Estrutura conceitual.
A estrutura foi selecionada devido à sua vantagem de uma interpretação mais fácil sobre um modelo probit. Usando o odds ratio (que será discutido mais adiante nesta
seção), o impacto de cada variável pode ser facilmente calculado. Foram comparadas diferentes formas de modelo, incluindo um modelo de regressão logística binária
simples e um modelo logit aninhado. Ao selecionar a melhor forma de modelo, os autores consideraram a significância de cada coeficiente (usando um valor-p e
intuição das magnitudes dos coeficientes), bem como o desempenho geral do modelo (usando um teste qui-quadrado e o valor pseudo-R-quadrado). No final, um
modelo logístico binário simples foi escolhido por ter o melhor desempenho entre os outros. Um modelo logit aninhado não teve um bom desempenho devido à falta
de observações no segundo nível para alguns tipos de produtos (por exemplo, apenas alguns novos adotantes temporários para outros pacotes). Em outras palavras,
o tamanho amostral pequeno no segundo nível acabou piorando o desempenho de todo o modelo. Em todos os casos, os autores conduziram um teste sistemático e
abrangente de variáveis significativas, incluindo termos de interação. Quanto ao processo de seleção de variáveis, cabe ressaltar que o valor de alfa (nível de
significância) foi aumentado para 0,30 ao selecionar variáveis significativas. Devido ao tamanho relativamente pequeno da amostra no presente estudo, isso foi
inevitável para acomodar mais erros do tipo 1. Essa estratégia às vezes é usada por estudos que sofrem com o pequeno número de observações (consulte Zou et al.
(2016) como exemplo).
A probabilidade da variável dependente ter y = 1 em um modelo logit pode ser expressa como na Equação (1) (Washington et al., 2020):
exp[ ÿ0 + ÿ1x1 + ÿ + ÿpxp ]

P(y = 1) = 1 (1)
+ exp[ ÿ0 + ÿ1x1 + ÿ + ÿpxp ]
Além dos coeficientes, o odds ratio, exp(ÿÿp) também foi calculado para melhor interpretação dos resultados. Aumento de uma unidade em
a variável independente, x 1,0) , está associado a um aumento (se a razão de chances for maior que 1,0) ou uma diminuição (se a razão de chances for menor que
nas probabilidades de um resultado.
Para modelar a adoção inicial de entregas no modelo 1, a variável dependente assume valor um se o respondente for um novo adotante e zero se o respondente
for um não adotante. Para modelar a intenção de continuidade no modelo 2, a variável dependente é um e zero se o respondente for um novo adotante permanente e
um novo adotante temporário, respectivamente.
6. Resultados de modelagem
Esta seção apresenta as especificações dos modelos finais. Modelos com diferentes combinações de variáveis foram desenvolvidos e comparados para determinar
o melhor modelo considerando as correlações entre as variáveis, as medidas de qualidade do ajuste e estatísticas
Tabela 6
Modelo final para a adoção inicial de entregas de supermercado.
Variáveis Coef. Razão de probabilidade Padrão robusto. Errar. Com P>z
Género masculino) 0,356 1.428 0,282 1.265 0,206
status hispânico 0,526 1.692 0,461 1.141 0,254
Casa (apartamento) 0,529 1.697 0,441 1.200 0,230
Número de pessoas com mais de 65 anos no domicílio 0,346 1.413 0,190 1.821 0,069
Registro da densidade populacional 0,147 1.158 0,069 2.139 0,032

(constante) ÿ 2.463 0,536 ÿ 4.598 0,000
Resumo
N não ponderado 660 Log-pseudoprobabilidade ÿ 408,9

Prob>chi2 0,02 Pseudo-R2 0,05
278
significância dos coeficientes. Odds ratio, ou seja, coeficientes exponenciados, também foram calculados para melhor interpretar o impacto de uma variável.
6.1. entrega de supermercado
As Tabelas 6 e 7 apresentam os modelos finais para a adoção inicial e intenção de continuidade das entregas de supermercado durante a COVID, respectivamente.
Os resultados na Tabela 6 mostram que podem ser interpretados como sendo 1,413 vezes mais provável que os homens adotem entregas de supermercado do que as mulheres durante
a COVID. Curiosamente, os entrevistados hispânicos eram quase duas vezes mais propensos a adotar entregas de supermercado do que os entrevistados não hispânicos. Esta constatação
foi o resultado oposto dos estudos anteriores (Ren e Kwan, 2009; Wang e Zhou, 2015).
Normalmente, grupos desfavorecidos são menos propensos a usar serviços de entrega do que indivíduos brancos. Além disso, um idoso adicional (com mais de 65 anos) no domicílio foi
associado a um aumento na adoção inicial de entregas de supermercado. A razão plausível é que eles tentam evitar as visitas às lojas devido ao risco de contágio. Isso também foi contrário
aos estudos anteriores que sugeriram que a idade está negativamente associada ao uso de serviços de entrega. Essas novas descobertas podem ser interpretadas como se o grupo racial
desfavorecido ou de alto risco, ou seja, aqueles que requerem precauções extras contra o vírus, tenham maior probabilidade de começar a receber entregas de bens essenciais, como
mantimentos, para evitar visitas às lojas. Os Centros de Controle e Prevenção de Doenças (2020a) argumentaram que (a) adultos com mais de 65 anos têm maior risco de morte e
hospitalização do que aqueles entre 18 e 29 anos e (b) raças desfavorecidas correm maior risco devido a limitações acesso aos sistemas de saúde. Uma possível razão para a adoção de
entregas é que elas podem ter canais seguros limitados para compras que não sejam entregas. Devido à distribuição altamente distorcida da densidade populacional no CEP, a variável foi
transformada em logaritmo. A densidade populacional afetou positivamente a adoção inicial de entregas de supermercado. Isso possivelmente se deve ao motivo pelo qual os entrevistados
podem querer evitar visitar supermercados em áreas densamente povoadas devido ao risco de COVID. Vale ressaltar que as variáveis renda e escolaridade, que foram os fatores significativos
na maioria dos estudos anteriores, não foram significativas no modelo. Em estudos anteriores, a renda familiar e o nível de escolaridade foram associados a um aumento no uso de serviços
de entrega, como pode ser visto na Tabela 2. Independentemente da renda familiar e do nível de escolaridade, as pessoas adotaram recentemente as entregas de supermercado devido à
necessidade durante o COVID pandemia.
O modelo para a intenção de continuidade apresenta resultado diferente daquele para a adoção inicial. O impacto da variável idade foi consistente com os estudos anteriores. A idade
associou-se negativamente com a intenção de continuidade. Em outras palavras, entre os novos adotantes, os jovens entrevistados provavelmente continuariam seu comportamento após o
COVID. Novos adotantes do sexo masculino tinham 1,8 vezes mais chances de continuar recebendo entregas de supermercado. A renda familiar não foi relevante para a adoção inicial, mas
afetou negativamente o comportamento de continuidade. Maior renda levou a uma menor probabilidade de comportamento continuado. Em outras palavras, aqueles com maior renda tendiam
a adotar temporariamente as entregas de supermercado durante o COVID e voltariam ao seu canal original de compras. A densidade de mercearias em sua área foi associada a uma
diminuição na intenção de continuidade. Os entrevistados que tinham maior acessibilidade aos supermercados eram mais propensos a desistir de receber entregas de supermercado. Aqueles
que fizeram mais viagens em um dia não útil teriam menos probabilidade de continuar recebendo entregas de supermercado após o fim da pandemia.
6.2. Entrega de alimentos
As Tabelas 8 e 9 apresentam os modelos finais para a adoção inicial e intenção de continuidade das entregas de alimentos durante a COVID, respectivamente.
Em geral, os resultados foram diferentes daqueles para a adoção inicial de entregas de supermercado. Isso possivelmente se deve à diferença entre gastos essenciais e menos
essenciais. Jantar fora é normalmente considerado um gasto menos essencial, enquanto as compras de supermercado são essenciais para a família.
Na Tabela 8, o número de menores de 18 anos no domicílio aumenta a probabilidade de adoção inicial de entrega de alimentos. Esse impacto foi semelhante ao impacto das crianças
na família nos estudos anteriores, que sugeriram que as crianças afetam positivamente o uso de serviços de entrega (Spurlock et al., 2020; Wang e Zhou, 2015). O impacto do nível
educacional também foi consistente com o impacto previamente conhecido do nível educacional (Hiser et al., 1999). Aqueles com alta escolaridade (pós-graduação) tiveram 3,2 vezes mais
chances de começar a receber entrega de alimentos do que os demais segmentos populacionais. Em contraste, hispânicos e africanos
Tabela 7
Modelo final para a intenção de continuidade das entregas de supermercado.
Idade ÿ 0,020 0,980 0,012 ÿ 1.681 0,093

Género masculino) 0,572 1.772 0,402 1.425 0,154
Renda familiar (US$ 1.000) ÿ 0,009 0,991 0,004 ÿ 2.093 0,036
Densidade da mercearia ÿ 0,041 0,960 0,035 ÿ 1,162 ÿ 0,245
Número de viagens em dia não útil (constante) ÿ 0,144 0,866 0,093 1,549 0,121
1.524 – 0,806 1.891 0,059
Resumo

Prob>chi2 0,01 Pseudo R2 0,10
279
Tabela 8
Modelo final para a adoção inicial de entregas de alimentos.
status hispânico 1.153 3.168 0,572 2.014 0,044
Número de menores de 18 anos no domicílio 0,333 1.395 0,148 2.243 0,025
Nível de escolaridade (graduação) 1.178 3.248 0,434 2.717 0,007

Raça (afro-americana) 1.017 2.765 0,605 1.683 0,092
Renda familiar (US$ 1.000) 0,005 1.005 0,003 1.589 0,112
ÿ 2.438 – 0,299 ÿ 8.146 0,000
(constante)
Resumo

Tabela 9
Modelo final da intenção de continuidade da entrega de alimentos.
Número de pessoas com mais de 65 anos no domicílio ÿ 1.125 0,325 0,409 ÿ 2.754 0,006
Densidade do restaurante ÿ 0,021 0,979 0,016 ÿ 1,349 0,177

1,125 – 0,339 3,322 0,001
(constante)
Resumo

Nota: O resultado pode não ser confiável devido ao pequeno número de observações.
Os entrevistados americanos eram mais propensos a adotar entregas de alimentos do que outras raças. Normalmente, nos estudos anteriores, as raças
desfavorecidas eram menos propensas a usar serviços de entrega. Isso significa que eles são obrigados a comer com segurança em lojas ou buscar sua comida
em restaurantes. Ao contrário das entregas de mercearia, a renda foi relevante para a adoção inicial de entregas de alimentos. O modelo final mostra que a
receita afetou positivamente a adoção inicial de entregas de alimentos durante o COVID. Este efeito renda é consistente com os estudos anteriores sobre os
determinantes da entrega de alimentos durante os dias habituais. Aqueles que costumavam ir mais aos restaurantes (ou seja, jantar fora com mais frequência)
eram mais propensos a adotar a entrega de comida durante o COVID.
O modelo final para a intenção de permanência na Tabela 9 mostra que o número de idosos no domicílio afetou negativamente a intenção de permanência. A
densidade do restaurante, como medida de acessibilidade aos restaurantes, afetou negativamente a intenção de permanência.
Em outras palavras, aqueles que tinham melhor acesso a restaurantes eram menos propensos a continuar usando serviços de entrega após o COVID. Os
resultados da Tabela 9 devem ser vistos com cautela devido ao pequeno número de observações.
6.3. Entrega de mercadorias em casa
As Tabelas 10 e 11 apresentam os modelos finais para a adoção inicial e intenção de continuidade de entregas domiciliares durante
COVID, respectivamente.
Na Tabela 10, à semelhança do impacto dos idosos nas entregas de mercearia que são despesas essenciais, o impacto da idade foi diferente dos estudos
anteriores. A idade afetou positivamente a adoção inicial de entregas de mercadorias em casa durante a COVID, pois os idosos têm maior risco de infecção e
doenças graves. Assim como nas duas entregas anteriores (mercearia e comida), os entrevistados hispânicos tiveram duas vezes mais chances de adotar
entregas de produtos em casa do que os entrevistados não hispânicos. Aqueles com maior renda eram mais propensos a adotar a entrega de bens em casa. Esse
resultado é consistente com os estudos anteriores que indicam que a renda tem um impacto positivo nos partos.
No entanto, por outro lado, as famílias de baixa renda provavelmente não adotariam entregas de bens domésticos essenciais, incluindo produtos de papel ou
material de limpeza durante a pandemia. Isso sugere que o fosso entre os grupos sociodemográficos se torna maior, agravando a questão da desigualdade,
durante uma pandemia.
Tabela 10
Modelo final para a adoção inicial de entregas em domicílio.
Idade 0,022 1.022 0,009 2.470 0,014
status hispânico 0,614 1.848 0,565 1.085 0,278

ÿ 2.661 – 0,515 ÿ 5.162 0,00
(constante)
Resumo

280
Tabela 11
Modelo final para a intenção de continuidade das entregas de bens em casa.
Número de menores de 18 anos no domicílio 0,334 1.396 0,204 1.636 0,102

Casa (apartamento) 1.361 3.899 0,546 2.490 0,013
Densidade da loja de ÿ 0,002 0,998 0,001 ÿ 1.201 0,230

ÿ 0,381 – 0,257 ÿ 1.482 0,138
varejo (constante)
Resumo

O modelo final da Tabela 11 mostra que os impactos das variáveis são consistentes com os estudos anteriores. O número de menores de 18 anos no domicílio
associou-se positivamente com a intenção de permanência. Aqueles que moram em um apartamento têm quatro vezes mais chances de manter seu comportamento
do que os outros. Assim como os modelos de intenção de continuidade de mercearia e entrega de alimentos, a acessibilidade às lojas (densidade de lojas de
varejo) afetou negativamente a intenção de continuidade.
6.4. Entrega de outros pacotes
As Tabelas 12 e 13 apresentam os modelos finais para a adoção inicial e intenção de continuidade de outras entregas de pacotes durante
COVID, respectivamente.
Embora apenas algumas variáveis tenham sido significativas no modelo final, elas foram consistentes com os estudos anteriores. Na Tabela 12, aqueles que
moram em uma casa isolada unifamiliar provavelmente não adotarão outras entregas de encomendas. Uma maior densidade de lojas de roupas e acessórios
levou a uma menor probabilidade de adoção inicial. Em outras palavras, aqueles que tinham melhor acesso a lojas físicas de roupas, acessórios etc. provavelmente
não usariam serviços de entrega. Semelhante às entregas de alimentos e bens domésticos, a renda afetou positivamente a adoção inicial. No geral, a maioria das
variáveis identificadas como significativas nos estudos anteriores (por exemplo, idade, sexo e raça) não foram significativas no modelo final. Isso destaca que os
fatores que afetam outras entregas de pacotes durante uma pandemia são diferentes daqueles em condições normais.
O resultado da Tabela 13 deve ser interpretado com cuidado devido ao número relativamente pequeno de observações. Trabalhadores em tempo integral
eram menos propensos a continuar recebendo outras entregas de pacotes. O tamanho da família foi negativamente associado com a intenção de continuidade.
A receita afetou positivamente a intenção de continuar recebendo outras entregas de pacotes após o COVID. A densidade de lojas de roupas e acessórios
associou-se negativamente à intenção de permanência.
7. Implicações para planejamento e política
Os resultados desta pesquisa fornecem implicações críticas para o planejamento e a formulação de políticas em resposta à atual pandemia e aos próximos
eventos perturbadores. Em primeiro lugar, os resultados da análise descritiva destacam a importância de diferenciar os quatro tipos de consumidores: o adotante
anterior, o novo adotante temporário e permanente e o não adotante. A análise confirmou que existem semelhanças e diferenças claras não apenas entre os tipos
de bens, mas também entre os quatro tipos de consumidores. Em condições normais, haveria os mesmos quatro tipos de consumidores. No entanto, uma melhor
compreensão desses tipos de consumidores durante uma pandemia é muito mais importante, pois pode estar associada à questão da equidade e às preocupações
com a saúde. Curiosamente, as mudanças no número agregado de usuários e entregas mostraram que o atual aumento da demanda é uma bolha que vai estourar
assim que a pandemia acabar. Se os planejadores e pesquisadores de transporte confiarem apenas na popularidade atual dos serviços de entrega sem considerar
(a) uma quantidade substancial de pessoas que não continuarão a usar serviços de entrega após o fim da pandemia e (b) diferentes taxas de crescimento para os
quatro tipos de mercadorias , a demanda por entregas após a pandemia estaria superestimada.
Os resultados do esforço de modelagem mostram que um ponto de vista tradicional não funciona em uma situação de pandemia devido a razões psicológicas
e comportamentais, ou seja, as evidências destacam que a modelagem de demanda, planejamento e formulação de políticas durante uma pandemia devem ser
diferentes daqueles durante condições normais. Por exemplo, fatores socioeconômicos previamente identificados como determinantes das compras online não
têm necessariamente o mesmo impacto durante uma pandemia. Os efeitos de algumas variáveis (por exemplo, renda e loja
Tabela 12
Modelo final para a adoção inicial de outras entregas de pacotes.
Casa (unifamiliar independente) ÿ 1.336 0,263 0,574 ÿ 2.330 0,020

Renda familiar (US$ 1.000) 0,010 1,010 0,005 2.120 0,034
Densidade de lojas de roupas e acessórios ÿ 0,186 0,830 0,110 ÿ 1.686 0,092

ÿ 1.324 – 0,551 ÿ 2.403 0,016
(constante)
Resumo

281
Tabela
13 Modelo final para a intenção de continuidade de outras entregas de pacotes.
Emprego de tempo integral) ÿ 2.005 0,135 1.347 ÿ 1.488 0,137

Tamanho da família ÿ 0,377 0,686 0,248 ÿ 1.524 0,128
Densidade de lojas de roupas e acessórios ÿ 0,201 0,818 0,075 ÿ 2.689 0,007

(constante) 4.437 84,52 1.176 3.774 0,000
Resumo

Nota: O resultado pode não ser confiável devido ao pequeno número de observações.
densidade) na adoção de serviços de entrega foram consistentes com os estudos anteriores, conforme resumido na Tabela 14. No entanto, os efeitos de
algumas outras variáveis (por exemplo, idade e grupos desfavorecidos) foram contrários aos estudos anteriores que sugeriram que eles estão negativamente
associados com o uso de serviços de entrega. Os resultados do modelo no presente estudo mostraram que a idade e os idosos afetam positivamente a
adoção de serviços de parto. A intenção de continuidade é muito importante tanto quanto a adoção inicial, especialmente devido aos medos e restrições
pandêmicos. Os modelos para a intenção de continuidade fornecem novos insights, uma vez que não foram descobertos até agora. Os fatores significativos
foram diferentes dos modelos para a adoção inicial. A acessibilidade às lojas foi um dos principais fatores determinantes para determinar a intenção de
continuidade. Quem tem melhor acesso às lojas desistiria das compras online assim que a pandemia chegar
sobre.
Mais informações sobre a formulação de políticas podem ser extraídas desta pesquisa. A equidade está se tornando mais importante à medida que a
participação de mercado das compras online aumenta (Dias et al., 2020). Durante uma pandemia, no entanto, é mais importante à medida que a lacuna
existente entre os grupos sociodemográficos se torna maior, agravando a questão da desigualdade. Famílias de baixa renda, idosos e grupos raciais
desfavorecidos sem acesso a recursos durante a COVID são uma grande preocupação dos órgãos públicos (Goger, 2020). Os resultados do estudo atual
apóiam essa visão. Um grupo de alto risco (idosos com mais de 65 anos) afetou positivamente a adoção inicial de entregas de mercearia e a variável idade
associou-se positivamente às entregas de bens ao domicílio. Em contraste, um grupo de alto risco parecia ter um impacto negativo na intenção de
continuidade. Por um lado, o aumento da probabilidade de adoção inicial de bens essenciais e a diminuição da intenção de continuidade implicam que
tenham alternativas limitadas durante a pandemia, ou seja, sem acesso seguro às compras físicas. Por outro lado, essa evidência também pode ser vista
como um sinal positivo, pois eles têm, pelo menos, uma forma alternativa de compra física. Uma investigação mais aprofundada é necessária para ver uma
lógica por trás da adoção de serviços de entrega. Por exemplo, uma pesquisa futura pode investigar se um entrevistado tem acesso seguro a recursos
durante uma pandemia. Embora o argumento em relação aos idosos seja discutível, evidentemente ainda haveria quem ficasse para trás, não podendo usar
os serviços de entrega durante o COVID. Uma diferença de renda de fato piora os problemas de desigualdade, ou seja, a diferença de renda existente se
torna maior durante a pandemia. Como nos estudos anteriores, as famílias de baixa renda ainda não eram propensas a adotar serviços de entrega durante
a pandemia. Isso se deve em parte ao alto custo monetário das entregas. Muitos estudos provaram que os custos associados à entrega (por exemplo, taxa
de entrega, taxa de serviço, taxa de manuseio, gorjeta do motorista etc. ) ). Assim, eles têm um maior potencial de exposição ao risco do que outros. Em
outras palavras, eles não têm escolha e são forçados a fazer compras em lojas físicas, correndo o risco de infecção.
Conforme destacado em Matherly et al. (2020), as cidades e as agências relacionadas ao transporte podem desempenhar um papel importante em
várias maneiras de fornecer um serviço igualitário a todos na pandemia. Por exemplo, as evidências no presente estudo sugerem que uma expansão
temporária de espaços designados para retirada na calçada (consulte Montgomery County DOT, 2020; Seattle DOT, 2020 como exemplos) pode oferecer
uma maneira mais segura para aqueles que têm alternativas limitadas para fazer compras além de depender apenas de serviços de entrega.
Além de fornecer espaços para coleta, também é necessária a colaboração de uma ampla gama de agências durante uma pandemia.
Por exemplo, a cidade de Nova York executa programas especiais para manter o distanciamento social e a administração de empresas. O programa Open
Restaurants do New York City Department of Transportation (NYC DOT) permite que os restaurantes da cidade expandam seus assentos para áreas
externas adjacentes, por exemplo, em calçadas ou estradas, enquanto o serviço de jantar é restrito para manter o distanciamento social (NYC DOT, 2020a).
Outro programa semelhante do NYC DOT, chamado Open Storefronts, permite que estabelecimentos, incluindo lojas de varejo, administrem seus negócios
em um espaço ao ar livre adjacente à loja (NYC DOT, 2020b). Esses programas oferecem uma ampla gama de opções de compras para os consumidores,
mantendo a comunidade segura. Essas estratégias podem funcionar de forma eficaz, especialmente para aqueles com baixa renda. Como (a) a propriedade
de veículos está positivamente associada à renda nos EUA (FHWA, 2017) e (b) indivíduos de baixa renda relutam em usar serviços de entrega devido ao
alto custo, tais políticas podem fornecer aos indivíduos de baixa renda um ambiente seguro e acesso seguro aos recursos.
Além de oferecer canais de compras mais amplos para as pessoas, algumas cidades fizeram um esforço para entregar itens essenciais diretamente às
pessoas-alvo, incluindo famílias de baixa renda, idosos e pessoas com deficiência. Por exemplo, San Francisco está executando um programa gratuito de
entrega de alimentos, chamado Great Plates Delivered Meal Program, para pessoas vulneráveis, incluindo idosos, pessoas com deficiência e famílias de
baixa renda durante o COVID (San Francisco Human Services Agency, 2020) . A cidade de Smyrna, na Geórgia, e o condado de Los Angeles, na Califórnia,
executam um programa semelhante para entregar mantimentos, utensílios domésticos e remédios a pessoas vulneráveis (City of Smyrna, 2020; WDACS,
2020). A colaboração com empresas de entrega para oferecer benefícios especiais ou com Empresas de Rede de Transporte (TNC) ou autoridades de
trânsito para auxiliar os vulneráveis a uma viagem mais segura às lojas também pode ser uma forma de mitigar os impactos negativos da pandemia do
ponto de vista do transporte. Por exemplo, idosos que usam um cartão de trânsito especial em San Francisco pagam um desconto
282
X.
(C.
283
Tabela 14
Comparação dos resultados.
Literatura Essa pesquisa
Adoção inicial Intenção de continuação
Positivo Negativo Positivo Negativo Positivo Negativo
Mercado Renda, tamanho da família, densidade residencial Apartamento Masculino, hispânico, apartamento, idosos, densidade Macho Idade, renda, densidade de lojas,
pop viagens físicas
Comida Educação, renda, tamanho da família, densidade Idade hispânico, educação, afro-americano, renda, filhos Idosos, densidade de lojas
populacional
Lar Renda Idade Idade, hispânico, renda crianças, Densidade da loja
bens apartamento
Outros PKG Renda, educação, tamanho da família, uso da internet, feminino, Idade, disponibilidade de veículos, Renda, casa unifamiliar Loja Renda Trabalhador em tempo integral, tamanho da
Pesquisa branco densidade de lojas, hispânico densidade família, densidade da loja
de
preço de uma viagem de táxi para supermercados (SFMTA, 2020). Motoristas de táxi em Los Angeles e Nova York entregam mantimentos e alimentos para
pessoas vulneráveis durante a pandemia de COVID em colaboração com as autoridades da cidade (Carpenter, 2020; Rivoli, 2020).
8. Conclusões
As compras online e as entregas resultantes são parte integrante da vida diária na era da pandemia para evitar visitas às lojas. Embora os serviços de
entrega estejam crescendo em todos os lugares, a atual popularidade deles pode não durar muito tempo devido à heterogeneidade do comportamento dos
consumidores. Esta pesquisa realizou um levantamento e analisou a adoção inicial e a intenção de continuidade do uso de serviços de entrega que não foram
investigados em profundidade.
Os resultados da análise descritiva apresentaram diferenças claras não apenas entre os quatro tipos de consumidores (ou seja, o adotante anterior, o
novo adotante temporário e permanente e o não-adotante), mas também entre os quatro tipos de produtos (mercearia, alimentação, produtos domésticos, e
outros pacotes). Em termos de número médio de entregas por tipo de consumidor, o número médio para o adotante anterior foi maior do que para os outros
tipos em geral. O número médio de entregas de bens em casa não apresentou diferenças significativas entre os quatro tipos de consumidores. Por outro lado,
o número médio de outras entregas de pacotes diferiu muito entre os tipos de consumidores. Os adotantes anteriores receberiam significativamente mais
entregas de pacotes do que os novos adotantes durante e após o COVID. Com relação ao número agregado de usuários e entregas ao longo do tempo,
espera-se que os efeitos de longo prazo do COVID nos serviços de entrega sejam aproximadamente metade dos efeitos de curto prazo. Por exemplo, o
número de usuários para entregas de supermercado aumentou 113% durante o COVID. No entanto, quase metade desses novos adotantes não continuaria a
usá-lo depois que a pandemia terminasse.
Isso ocorre porque o aumento da demanda por entregas não é resultado da concorrência de mercado, mas de uma disrupção externa ou de um grande
desastre. Os efeitos de curto e longo prazo também variaram de acordo com o tipo de produto. Por exemplo, o crescimento dos bens essenciais (mercearia e
artigos para o lar) foi mais rápido do que o dos bens menos essenciais (alimentos e outras embalagens). Curiosamente, o número de usuários para outras
entregas de pacotes não diferiu muito ao longo do tempo, mas os usuários existentes provavelmente aumentariam a frequência de entrega de pacotes durante
e após o COVID. A análise confirmou que existem semelhanças e diferenças claras entre os quatro tipos de consumidores e destacou a importância de
considerar todos os quatro tipos no planejamento e na política.
Os modelos de regressão logística também foram desenvolvidos para examinar os fatores que influenciam a adoção inicial e a intenção de continuidade
do uso de serviços de entrega. Como resultado, os fatores contribuintes foram diferentes não apenas dos estudos anteriores, mas também entre os quatro
tipos de produtos. Por exemplo, os efeitos de renda e densidade de lojas foram consistentes com os estudos anteriores. No entanto, os efeitos de algumas
variáveis, incluindo raças desfavorecidas, idosos e idade, foram contrários aos efeitos conhecidos anteriormente. Isso implica que o comportamento dos
consumidores durante uma pandemia é diferente dos comportamentos durante condições normais. Ao contrário de condições normais, muitos fatores
psicológicos (por exemplo, risco percebido de infecção nas lojas) possivelmente afetam o comportamento dos consumidores durante uma pandemia.
Os resultados também destacaram a importância de entender a lacuna entre o aumento das compras online e as questões de equidade. Famílias de baixa
renda ou grupos desfavorecidos são uma grande preocupação dos formuladores de políticas durante uma pandemia. Como eles têm escolhas limitadas
durante uma pandemia, é importante fornecer a eles um acesso equitativo e justo aos recursos. Este artigo discutiu maneiras de mitigar os impactos negativos
do COVID considerando os resultados da pesquisa, por exemplo, fornecer espaços na calçada para coleta, uma entrega especial para pessoas vulneráveis
em colaboração com outras agências relacionadas ao transporte.
Os resultados da modelagem no presente estudo podem ser melhorados aumentando o tamanho da amostra. Ressalta-se que este estudo elevou o nível
de significância para 0,3 ao selecionar variáveis para acomodar mais erros do tipo 1 devido ao pequeno número de observações. Além disso, pesquisas
futuras devem considerar vários fatores, incluindo variáveis observáveis (por exemplo, propriedade do veículo, um meio primário para as lojas) e fatores não
observáveis (por exemplo, atitudes em relação às compras online, percepção sobre a pandemia). Os autores coletaram e testaram o número de casos
positivos em uma região como uma variável independente nos modelos (Centros de Controle e Prevenção de Doenças, 2021). No entanto, a variável não foi
significativa em nenhum dos modelos. Isso implica que os fatores não observáveis (por exemplo, a percepção do indivíduo sobre a pandemia) em vez de
números superficiais (ou seja, o número de casos em uma região) podem desempenhar um papel significativo na adoção de serviços de entrega.
Não obstante as limitações, esta pesquisa oferece informações comportamentais valiosas não apenas sobre o planejamento de frete atual e
formulação de políticas, mas também estudos futuros sobre outras novas formas de serviço de transporte e outros eventos disruptivos futuros.
Declaração de contribuição de autoria do CRediT
Xiaokun Cara Wang: Conceituação, Metodologia, Redação – rascunho original, Redação – revisão e edição, Administração do projeto. Woojung Kim:
´
Conceitualização, Metodologia, Análise formal, Redação – rascunho original. Jose Holguín-Veras: Redação – revisão e edição, Administração do projeto.
Joshua Schmid: curadoria de dados, redação – rascunho original.
Declaração de Interesse Concorrente
Os autores declaram que não têm interesses financeiros concorrentes conhecidos ou relações pessoais que possam ter parecido
influenciar o trabalho relatado neste artigo.
Reconhecimento
Esta pesquisa foi parcialmente apoiada pelo Centro de Excelência VREF para Sistemas de Frete Urbano Sustentáveis (COE-SUFS) e pelo projeto do
Departamento de Energia dos EUA (DOE) "Abordagens colaborativas do setor público-privado para fomentar a logística eficiente de energia no
284
NYC-Albany Corridor" (número do projeto: DE-EE0008259). Seu apoio é reconhecido e apreciado. Os autores agradecem aos revisores anônimos por seus valiosos
comentários e sugestões.
Referências
Alemi, F., Circella, G., Handy, S., Mokhtarian, P., 2018. O que influencia os viajantes a usar o Uber? Explorando os fatores que afetam a adoção de serviços de transporte sob demanda
Em califórnia. Travel Behavior and Society 13 (julho de 2017), 88–104. https://doi.org/10.1016/j.tbs.2018.06.002.
Amazon, 2020. Amazon Mechanical Turk. https://www.mturk.com/.
Baig, A., Hall, B., Jenkins, P., Lamarre, E., McCarthy, B., 2020. A recuperação do COVID-19 será digital: um plano para os primeiros 90 dias. McKinsey Digital. https://www.
mckinsey.com/business-functions/mckinsey-digital/our-insights/the-covid-19-recovery-will-be-digital-a-plan-for-the-first-90-days.
Bergmann, M., 2011. IPFWEIGHT: Módulo Stata para criar pesos de ajuste para pesquisas. Departamento de Economia do Boston College.
Bhattacherjee, A., 2001. Entendendo a continuidade dos sistemas de informação: um modelo de confirmação de expectativa. MIS Quarterly 25 (3), 351–370.
Boston Consulting Group, 2020. As empresas de entrega podem acompanhar o boom do comércio eletrônico pós-covid-19? https://www.bcg.com/en-kr/publications/2020/can
as empresas de entrega acompanham o boom do comércio eletrônico.aspx.
Brown, D., 2020. “Reembolsar meu dinheiro!” Os clientes acusam os compradores da Instacart de roubar suas compras. EUA HOJE. https://www.usatoday.com/story/money/2020/
04/08/customers-accuse-instacart-shoppers-stealing-their-groceries/2971586001/.
Cao, X., 2009. E-shopping, atributos espaciais e viagens pessoais: uma revisão de estudos empíricos. Registro de Pesquisa de Transporte 2135 (1), 160–169. https://doi.org/
10.3141/2135-19.
Carpenter, S., 2020. Os táxis de LA entregam refeições gratuitas para idosos por meio do programa administrado pela cidade. https://spectrumnews1.com/ca/la-west/human-interest/2020/07/14/la
táxis-entregam-refeições-gratuitas-para-idosos.
Centros de Controle e Prevenção de Doenças, 2020a. Pessoas com maior risco e outras pessoas que precisam tomar precauções extras. https://www.cdc.gov/
coronavirus/2019-ncov/need-extra-precautions/index.html.
Centros de Controle e Prevenção de Doenças, 2020b. Executando recados essenciais: compras de supermercado, take-away, bancos e abastecimento de gasolina. https://www.cdc.gov/ coronavirus/2019-
ncov/daily-life-coping/essential-goods-services.html.
Chen, CY, Lee, L., Yap, AJ, 2017a. A privação de controle motiva a aquisição de produtos utilitários. Journal of Consumer Research 43 (6), 1031–1047.
Chen, Q., Conway, A., Cheng, J., 2017b. Estacionamento para entrega residencial na cidade de Nova York: regulamentos e comportamento. Política de Transporte 54, 53–60. https://doi.org/
10.1016/J.TRANPOL.2016.12.005.
Centros de Controle e Prevenção de Doenças, 2021. Casos e mortes de COVID-19 nos Estados Unidos por estado ao longo do tempo.
Cidade de Smyrna, 2020. A Polícia de Smyrna oferece entrega gratuita de mantimentos e remédios para idosos e famílias em dificuldades em meio ao coronavírus. https://www.smyrnaga.gov/your
governo/apoio-smyrna.
Davis, FD, 1985. Um modelo de aceitação de tecnologia para testar empiricamente novos sistemas de informação do usuário final: Teoria e resultados. Instituto de Massachusetts de
Tecnologia.
Davis, FD, 1989. Utilidade percebida, facilidade de uso percebida e aceitação do usuário da tecnologia da informação. MIS Quarterly 13 (3), 319. https://doi.org/10.2307/
249008.
Deloitte, 2020. Impacto da crise do COVID-19 no comportamento do short e do consumidor. https://www2.deloitte.com/content/dam/Deloitte/de/Documents/consumer
negócios/Impacto da crise do COVID-19 no comportamento do consumidor.pdf.
Dias, FF, Lavieri, PS, Sharda, S., Khoeini, S., Bhat, CR, Pendyala, RM, Pinjari, AR, Ramadurai, G., Srinivasan, KK, 2020. Uma comparação de atividades online e presenciais engajamento: O caso de fazer
compras e comer refeições. Pesquisa em Transporte Parte C: Tecnologias Emergentes 114, 643–656. https://doi.org/10.1016/j. trc.2020.02.023.
Farag, S., Weltevreden, J., van Rietbergen, T., Dijst, M., van Oort, F., 2006. Compras eletrônicas na Holanda: a geografia importa? Meio Ambiente e Planejamento B: Planejamento e Projeto 33(1), 59–74. https://
doi.org/10.1068/b31083.
FHWA, 2017. Pesquisa Nacional de Viagens Familiares. https://nhts.ornl.gov.
Goger, A., 2020. Para milhões de idosos de baixa renda, o coronavírus é uma questão de segurança alimentar. https://www.brookings.edu/blog/the-avenue/2020/03/16/for-millions-of
O coronavírus de baixa renda é um problema de segurança alimentar /.
Grashuis, J., Skevas, T., Segovia, MS, 2020. Preferências de compras de supermercado durante a pandemia de COVID-19. Sustentabilidade 12 (13), 5369. https://doi.org/10.3390/
su12135369.
Hand, C., Riley, FDO, Harris, P., Singh, J., Rettie, R., 2009. Compras de supermercado online: a influência de fatores situacionais. Jornal Europeu de Marketing 43 (9),
1205–1219. https://doi.org/10.1108/03090560910976447.
Hiser, J., Nayga, RM, Capps, O., 1999. Uma análise exploratória da familiaridade e vontade de usar serviços de compras de alimentos online em uma área local do Texas. Diário de
Food Distribution Research 30 (1), 78–90. http://ageconsearch.umn.edu/bitstream/26794/1/30010078.pdf.
Huang, Y., Oppewal, H., 2006. Por que os consumidores hesitam em fazer compras online: uma análise experimental de escolha de compras de supermercado e o papel das taxas de entrega. Internacional
Journal of Retail and Distribution Management 34 (4/5), 334–353. https://doi.org/10.1108/09590550610660260.
Jaller, M., Pahwa, A., 2020. Avaliando os impactos ambientais das compras online: uma abordagem comportamental e de transporte. Pesquisa de Transporte Parte D:
Transporte e Meio Ambiente 80, 102223. https://doi.org/10.1016/j.trd.2020.102223.
Lappeman, J., 2020. Compras em pânico após a COVID-19 ressaltam as desigualdades na África do Sul. http://theconversation.com/panic-buying-in-the-wake-of-covid
19-sublinha-desigualdades-na-áfrica-do-sul-134172.
Lee, RJ, Sener, IN, Mokhtarian, PL, Handy, SL, 2017. Relações entre a frequência de compras online e na loja física dos residentes de Davis, Califórnia.
Pesquisa em Transporte Parte A: Política e Prática 100, 40–52. https://doi.org/10.1016/j.tra.2017.03.001.
Lewis, M., 2006. O efeito das taxas de remessa na aquisição e retenção de clientes e nas quantidades de compra. Journal of Retailing 82 (1), 13–23. https://doi.org/
10.1016/j.jretai.2005.11.005.
Liao, C., Palvia, P., Chen, J.-L., 2009. Ciclo de vida do comportamento de adoção de tecnologia da informação: Rumo a uma Teoria da Continuidade Tecnológica (TCT). Jornal Internacional de
Gerenciamento de informações 29 (4), 309–320.
Lin, J., Zhou, W., Du, L., 2018. O serviço de entrega de pacotes sob demanda no mesmo dia é ecológico? Pesquisa de Transporte Parte D: Transporte e Meio Ambiente 61, 118–139.
https://doi.org/10.1016/j.trd.2017.06.016.
Lin, Z., Filieri, R., 2015. Intenção de permanência de passageiros de companhias aéreas em serviços de check-in online: o papel da inovação pessoal e do conhecimento subjetivo.
Pesquisa de Transporte Parte E: Revisão de Logística e Transporte 81, 158–168. https://doi.org/10.1016/j.tre.2015.07.001.
Lufkin, B., 2020. Coronavírus: A psicologia da compra de pânico. https://www.bbc.com/worklife/article/20200304-coronavirus-covid-19-update-why-people-are
estocagem.
Marcucci, E., Gatta, V., Le Pira, M., Chao, T., Li, S., 2021. Tijolos ou cliques? Escolha do canal do consumidor e suas implicações ambientais e de transporte para o supermercado
mercado na Noruega. Cidades, 110(outubro 2020), 103046. Doi: 10.1016/j.cities.2020.103046.
Matherly, D., Bye, P., Benini, J., 2020. Um Manual Pandêmico para Agências de Transporte.
McKinsey, 2020a. Pesquisa: Sentimento do consumidor dos EUA durante a crise do coronavírus. https://www.mckinsey.com/business-functions/marketing-and-sales/our-insights/
pesquisa-nos-sentimento-do-consumidor-durante-a-crise-do-coronavírus.
McKinsey, 2020b. A grande mudança do consumidor: dez gráficos que mostram como o comportamento de compras nos Estados Unidos está mudando. https://www.mckinsey.com/business-functions/marketing
e-vendas/nossos-insights/a-grande-mudança-do-consumidor-dez-gráficos-que-mostram-como-o-comportamento-de-compra-está-mudando.
Mokhtarian, PL, 2004. Uma análise conceitual dos impactos de transporte do comércio eletrônico B2C. Transporte 31 (3), 257–284. https://doi.org/10.1023/B:
PORT.0000025428.64128.d3.
DOT do Condado de Montgomery, 2020. Zonas de coleta na calçada. https://www.montgomerycountymd.gov/dot-parking/CurbsideFoodPickup.html.
285
NYC DOT, 2020a. Restaurantes Abertos. https://www1.nyc.gov/html/dot/html/pedestrians/openrestaurants.shtml.

NYC DOT, 2020b. Lojas Abertas. https://www1.nyc.gov/html/dot/html/pedestrians/openstorefronts.shtml.
Pandise, E., 2020, 23 de novembro. De Friendly's a J. Crew, as falências da Main Street continuam. NBC News. https://www.nbcnews.com/business/consumer/which
grandes empresas de varejo entraram com pedido de falência-coronavírus-pandemia hit-n1207866.
Peng, C., OuYang, Z., Liu, Y., 2019. Compreendendo o uso do compartilhamento de bicicletas ao longo do tempo, empregando a teoria de continuidade de tecnologia estendida. Pesquisa de
Transporte Parte A: Política e Prática 124, 433–443. https://doi.org/10.1016/j.tra.2019.04.013.
Ren, F., Kwan, MP, 2009. O impacto do contexto geográfico no comportamento de compras online. Ambiente e Planejamento B: Planejamento e Design 36 (2), 262–278. https://doi.
org/10.1068/b34014t.
Rensselaer Polytechnic Institute, 2020. Impactos da Pandemia de COVID-19 na Compra de Suprimentos Críticos: Raízes e Medidas para Mitigar a “Compra Pânico”. https://
cite.rpi.edu/index.php/training-and-outreach/.
Rivoli, D., 2020. Taxistas entregam refeições a idosos. https://www.ny1.com/nyc/all-boroughs/news/2020/04/18/taxi-drivers-deliver-meals-to-senior
cidadãos.
Agência de serviços humanos de São Francisco, 2020. Programa de refeições entregues com pratos excelentes. https://www.sfhsa.org/services/health-food/groceries-and-meals/great-plates
programa de refeições entregues.
Schmid, J., Wang, XC, Conway, A., 2018. Duração do estacionamento de veículos comerciais na cidade de Nova York e suas implicações para o planejamento. Pesquisa de Transporte Parte A:
Política e Prática 116 (março), 580–590. https://doi.org/10.1016/j.tra.2018.06.018.
Schmid, J., Wang, XC, Holguín-veras, J., 2020. Avaliação da frequência de compras online de usuários de internet nos Estados Unidos. Conselho de Pesquisa de Transporte 99ª Reunião Anual.
Seattle DOT, 2020. Estacionamento COVID-19. https://www.seattle.gov/transportation/projects-and-programs/programs/parking-program/covid-parking-and-curb
gerenciamento.
SFMTA, 2020. Cartão de Viagem Essencial. https://www.sfmta.com/getting-around/accessibility/paratransit/essential-trip-card.
Shabanpour, R., Shamshiripur, A., Rahimi, E., Mohammadian, A. (Kouros), 2020. Entendendo os impactos da COVID-19 nas compras eletrônicas na região de Chicago. Ponte
Conferência de Pesquisadores de Transporte (BTR 2020).
Shamshiripour, A., Rahimi, E., Shabanpour, R., Mohammadian Kouros, A., 2020. Como o COVID-19 está remodelando o comportamento de viagens de atividades? Evidências de
uma pesquisa abrangente em Chicago. Transportation Research Interdisciplinary Perspectives 7, 100216. https://doi.org/10.1016/j.trip.2020.100216.
Spurlock, CA, Todd-Blick, A., Wong-Parodi, G., Walker, V., 2020. Crianças, renda e o impacto da entrega em domicílio nas viagens de compras domésticas. Transporte
Registro de pesquisa: Journal of the Transportation Research Board. 2674 (10), 335–350. https://doi.org/10.1177/0361198120935113.
Taylor, S., 2019. A psicologia das pandemias: preparando-se para o próximo surto global de doenças infecciosas. Publicação dos estudiosos de Cambridge.
Thomas, L., 2020, 28 de novembro. As compras na Black Friday nas lojas aumentam 52% durante a pandemia, com o aumento das vendas no comércio eletrônico. CNBC. https://www.cnbc.com/
2020/11/ 28/black-friday-traffic-in-stores-craters-52percent-during-pandemic.html#:~:text=Holiday Central-,Black Friday compras nas lojas crateras 52%25 durante, à medida que as vendas
do comércio eletrônico disparam&text=Gastos online na Black Friday, para dados de.
Tierney, KJ, 2007. Negócios e desastres: Vulnerabilidade, impactos e recuperação. In: Manual de Pesquisa em Desastres. Springer, pp. 275–296.
US Census Bureau, 2020. Último relatório trimestral de comércio eletrônico. https://www.census.gov/retail/index.html.
Unnikrishnan, A., Figliozzi, MA, 2020. Um estudo do impacto do COVID-19 nas compras e despesas com entrega em domicílio. https://pdxscholar.library.pdx.edu/
cengin_fac/557/.
US Census Bureau, 2016. Padrões de negócios de código postal 2016. https://www.census.gov//data/datasets/2016/econ/cbp/2016-cbp.html.
Venkatesh, V., 2000. Determinantes da facilidade de uso percebida: Integrando controle, motivação intrínseca e emoção no modelo de aceitação de tecnologia. Informação
Pesquisa de Sistemas 11 (4), 342–365.
Venkatesh, V., Bala, H., 2008. Modelo de aceitação de tecnologia 3 e uma agenda de pesquisa sobre intervenções. Ciências da Decisão 39 (2), 273–315.
Venkatesh, V., Davis, FD, 2000. Uma extensão teórica do modelo de aceitação de tecnologia: quatro estudos de campo longitudinais. Ciência da Administração 46 (2), 186–204.
Venkatesh, V., Morris, MG, Davis, GB, Davis, FD, 2003. Aceitação do usuário da tecnologia da informação: Rumo a uma visão unificada. MIS trimestral 425-478.
Wang, XC, Zhou, Y., 2015. Entregas para unidades residenciais: uma forma crescente de transporte de carga nos EUA Pesquisa de transporte Parte C: tecnologias emergentes
58, 46–55. https://doi.org/10.1016/j.trc.2015.07.004.
Washington, S., Karlaftis, MG, Mannering, F., Anastasopoulos, P., 2020. Métodos estatísticos e econométricos para análise de dados de transporte. Imprensa CR.
WDACS, 2020. Serviço de entrega crítica. https://wdacs.lacounty.gov/wp-content/uploads/2020/04/CSD_Fact-Sheet_V.2_Final.pdf.
Weng, GS, Zailani, S., Iranmanesh, M., Hyun, SS, 2017. Intenção de uso contínuo do serviço de reserva de táxi móvel pelos usuários. Pesquisa de Transporte Parte D: Transporte e Meio Ambiente
57 (outubro), 207–216. https://doi.org/10.1016/j.trd.2017.07.023.
Xi, G., Cao, X., Zhen, F., 2020. Os impactos das compras online com entrega no mesmo dia nas compras em lojas locais em Nanjing, China. Pesquisa em Transporte Parte A: Política e Prática
136 (fevereiro), 35–47. https://doi.org/10.1016/j.tra.2020.03.030.
Zhou, T., 2013. Um exame empírico da intenção de continuidade de serviços de pagamento móvel. Sistemas de Apoio à Decisão 54 (2), 1085–1091.
Zou, W., Wang, XC, Conway, A., Chen, Q., 2016. Análise empírica do padrão de estacionamento de veículos de entrega na rua na área de Manhattan. Revista de Planejamento Urbano e
Development 142 (2), 04015017. https://doi.org/10.1061/(ASCE)UP.1943-5444.0000300.
286

How Long

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

How Long

Enviado por

Direitos autorais:

Formatos disponíveis

Machine Translated by Google

Pesquisa de Transporte Parte A 154 (2021) 270–286

Listas de conteúdos disponíveis em ScienceDirect

Pesquisa de Transporte Parte A

Adoção de serviços de entrega à luz da pandemia de COVID:

INFORMAÇÕES DO ARTIGO ABSTRATO

X. (C. Wang et al. Pesquisa de Transporte Parte A 154 (2021) 270–286

evite fazer compras em lojas (Centros de Controle e Prevenção de Doenças, 2020b).

Tipos de consumidores por utilização de serviços de entrega.

antes do COVID durante o COVID Depois do COVID Tipo

Não Não Não Não adotar

X. (C. Wang et al. Pesquisa de Transporte Parte A 154 (2021) 270–286

2.1. Adoção de tecnologia e teoria da continuação

2.2. Fatores que afetam a demanda por entregas

2.3. Comportamento de compra durante a pandemia

Nota: (+) e (–) referem-se a um impacto positivo e negativo, respetivamente.

X. (C. Wang et al. Pesquisa de Transporte Parte A 154 (2021) 270–286

Estatísticas resumidas das variáveis-chave (média/porcentagem).

X. (C. Wang et al. Pesquisa de Transporte Parte A 154 (2021) 270–286

4.1. Participação de cada tipo de adotante

Tipo de adotante Mercado Comida Bens do Lar Outros pacotes

adotante anterior 19,2% 51,9% 28,4% 81,5%

X. (C. Wang et al. Pesquisa de Transporte Parte A 154 (2021) 270–286

4.2. Perfis dos quatro tipos de adotantes

4.3. Número médio de entregas

Fig. 1. Número médio de partos por mês.

X. (C. Wang et al. Pesquisa de Transporte Parte A 154 (2021) 270–286

4.4. Número agregado de usuários e entregas

Número agregado de usuários e entregas.

antes do COVID durante o COVID Depois do COVID

Mercado Número de usuários 176 374 (+113,3%) 264 (+50,4%)

X. (C. Wang et al. Pesquisa de Transporte Parte A 154 (2021) 270–286

Fig. 2. Estrutura conceitual.

exp[ ÿ0 + ÿ1x1 + ÿ + ÿpxp ]

Género masculino) 0,356 1.428 0,282 1.265 0,206

status hispânico 0,526 1.692 0,461 1.141 0,254

Casa (apartamento) 0,529 1.697 0,441 1.200 0,230

Registro da densidade populacional 0,147 1.158 0,069 2.139 0,032

N não ponderado 660 Log-pseudoprobabilidade ÿ 408,9

X. (C. Wang et al. Pesquisa de Transporte Parte A 154 (2021) 270–286

6.1. entrega de supermercado

6.2. Entrega de alimentos

Variáveis Coef. Razão de probabilidade Padrão robusto. Errar. Com P>z

Idade ÿ 0,020 0,980 0,012 ÿ 1.681 0,093

Densidade da mercearia ÿ 0,041 0,960 0,035 ÿ 1,162 ÿ 0,245

N não ponderado 213 Log-pseudoprobabilidade ÿ 122,5

X. (C. Wang et al. Pesquisa de Transporte Parte A 154 (2021) 270–286

Variáveis Coef. Razão de probabilidade Padrão robusto. Errar. Com P>z

status hispânico 1.153 3.168 0,572 2.014 0,044

Número de menores de 18 anos no domicílio 0,333 1.395 0,148 2.243 0,025

Nível de escolaridade (graduação) 1.178 3.248 0,434 2.717 0,007

N não ponderado 412 Log-pseudoprobabilidade ÿ 182,1

Variáveis Coef. Razão de probabilidade Padrão robusto. Errar. Com P>z

Densidade do restaurante ÿ 0,021 0,979 0,016 ÿ 1,349 0,177

N não ponderado 90 Log-pseudoprobabilidade ÿ 44,0

6.3. Entrega de mercadorias em casa

Variáveis Coef. Razão de probabilidade Padrão robusto. Errar. Com P>z

Idade 0,022 1.022 0,009 2.470 0,014

status hispânico 0,614 1.848 0,565 1.085 0,278

N não ponderado 588 Log-pseudoprobabilidade ÿ 369,8

X. (C. Wang et al. Pesquisa de Transporte Parte A 154 (2021) 270–286

Número de menores de 18 anos no domicílio 0,334 1.396 0,204 1.636 0,102

Densidade da loja de ÿ 0,002 0,998 0,001 ÿ 1.201 0,230