Impact of User Experience and Trust on Satisfaction and Their Effect on Loyalty in Last-Mile Delivery Services within Electronic Commerce in Metropolitan Lima, 2025

GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 133 Impacto de la experiencia del usuario y la confianza en la satisfacción y su efecto en la lealtad en los servicios de última milla dentro del comercio electrónico en Lima Metropolitana 2025 Lisbeth Fiorela Palomino Salazar Universidad de Lima https://orcid.org/0009-0000-7578-9921 [email protected].edu.pe Roxana Giovanna Perez Castañeda Universidad de Lima https://orcid.org/0009-0000-6021-0681 [email protected].edu.pe Resumen La entrega de última milla se ha convertido en un factor decisivo para moldear la satisfacción del usuario y el uso continuado de las plataformas de comercio electrónico. Tras la pandemia, el aumento de las compras en línea aceleró la adopción de soluciones logísticas más flexibles, como los puntos de recogida y los sistemas automatizados. Sin embargo, la satisfacción del usuario sigue dependiendo de elementos como la puntualidad, la comunicación y la percepción de seguridad durante la entrega, especialmente en mercados digitales emergentes como Lima. Este estudio tiene como objetivo determinar cómo la experiencia del usuario y la confianza en los servicios de entrega influyen en la satisfacción del usuario, y cómo dicha satisfacción impulsa la lealtad hacia los proveedores de servicios de última milla dentro del comercio electrónico en las zonas 6 y 7 de Lima Metropolitana. La investigación se desarrolló bajo un enfoque cuantitativo, con un alcance correlacional–causal, y se basó en un muestreo no probabilístico por conveniencia aplicado a 387 participantes. Los datos fueron analizados mediante el modelo de ecuaciones estructurales por mínimos cuadrados parciales (PLS-SEM). Los resultados revelan que la confianza en el servicio de entrega actúa como el principal impulsor de la satisfacción del usuario. En cuanto a la experiencia del usuario, la dimensión contacto de recogida emergió como el predictor positivo más relevante, mientras que la eficiencia, el seguimiento de paquetes y el atractivo visual no mostraron efectos significativos. Además, los resultados confirman que la satisfacción constituye un antecedente importante de la lealtad del usuario, independientemente del contexto cultural. Estos hallazgos subrayan la necesidad de que las empresas prioricen acciones que fortalezcan la confianza y el componente humano del servicio de entrega, al tiempo que amplían la comprensión del comportamiento del consumidor digital en un mercado emergente y poco representado como el peruano. Palabras clave: Experiencia del usuario, confianza en el servicio de entrega, satisfacción, lealtad, última milla, comercio electrónico. GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 134 GECONTEC Vol. 13(2). 2025 © Creative Commons Attribution 4.0 ISSN 2255-5684 Recibido el 20 de Septiembre, 2025 gecontec.org Aceptado el 17 de Noviembre, 2025 Introducción El comercio electrónico ha experimentado una rápida expansión gracias a los avances en la tecnología de Internet, que han posibilitado la creación de iniciativas de negocio en línea (German et al., 2023). Este crecimiento se aceleró durante la pandemia de coronavirus, cuando los usuarios se adaptaron a nuevas formas de adquirir productos (RPP, 2021). Aunque la emergencia sanitaria ha concluido, las compras en línea continúan manteniéndose como una alternativa preferida (German et al., 2023). En consecuencia, la entrega de última milla se ha convertido en un componente vital para garantizar una experiencia positiva en el comercio electrónico (Nguyen et al., 2016). Según Ismail y Jokonya (2023), este concepto—que implica transportar productos desde los centros de distribución hasta su destino final—ha pasado de ser un proceso meramente logístico a un factor esencial que impulsa la diferenciación y la lealtad del cliente. A nivel internacional, la entrega de última milla desempeña ahora un rol estratégico en la logística (Hillyer, 2021). Por ejemplo, el auge de servicios como Glovo y Rappi durante el confinamiento evidenció su relevancia operativa y comercial (Inga, 2021). La mayoría de investigaciones sobre satisfacción y lealtad en la entrega de última milla provienen de mercados desarrollados con infraestructura estable y opciones como puntos de recogida o casilleros automatizados que permiten entregas rápidas y predecibles (Corejova et al., 2022). En contraste, la experiencia del usuario en contextos emergentes depende en mayor medida de la interacción y la confianza en el agente de entrega, dada la variabilidad existente y las limitaciones logísticas (Trung et al., 2025). Estas disparidades sugieren que los impulsores de la satisfacción y la lealtad podrían funcionar de manera diferente en Lima Metropolitana, donde la adopción digital coexiste con expectativas de interacción personalizada—una combinación que justifica el análisis del contexto peruano. En este escenario, el modelo de satisfacción de Oliver (1980) ofrece un marco útil para comprender cómo la comparación entre expectativas y desempeño configura la satisfacción del usuario y la lealtad. El presente estudio emplea dicho modelo para evaluar cómo la experiencia del usuario y la confianza en los servicios de entrega influyen en la satisfacción del usuario, y cómo esta satisfacción, a su vez, afecta la lealtad hacia los proveedores de servicios de entrega de última milla (LMD). Vrhovac et al. (2024) señalan que la experiencia del usuario desempeña un papel crucial en la configuración de la satisfacción del usuario a lo largo del proceso de entrega de última milla. Arhippainen y Tähti (2003) definen la experiencia del usuario como el conjunto de percepciones, emociones y sensaciones que surgen durante la interacción con un producto o servicio. Norman (2013) amplía este concepto integrando aspectos emocionales y funcionales. Actualmente, esta experiencia posee una relevancia estratégica porque moldea directamente la percepción de la marca: una experiencia positiva fortalece la relación con el cliente (Mofokeng, 2021), mientras que una negativa puede debilitar la lealtad y reducir la intención de recompra (Prahiwan et al., 2021). Vrhovac et al. (2024) destacan además su influencia en la satisfacción general y en la percepción de todo el recorrido de compra. Esto coincide con Kotler y Armstrong (2020), GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 135 quienes sostienen que la satisfacción surge cuando el servicio cumple o supera las expectativas. En el contexto del comercio electrónico, Vrhovac et al. (2023) identifican seis dimensiones clave de la experiencia del usuario: eficiencia de entrega, seguimiento de paquetes, atractivo visual, anticipación gozosa, contacto de recogida y conveniencia. La confianza en el servicio de entrega constituye otro factor crítico en la configuración de la satisfacción del usuario. Ejdys y Gulc (2020) describen la confianza como la percepción de los consumidores respecto a la integridad, honestidad y capacidad de los proveedores de entrega para cumplir sus compromisos y ofrecer un servicio de alta calidad. Nguyen et al. (2024) subrayan la importancia de garantizar un servicio seguro y confiable para asegurar la satisfacción del usuario y, posteriormente, la lealtad. Asimismo, Davis et al. (2021) concluyen que la confianza influye directamente en la satisfacción y en la intención de recompra. Huang y Nuangjamnong (2023) sostienen que una alta satisfacción del usuario, sustentada en la calidad del producto, el servicio al cliente y la eficiencia de la entrega, fomenta la lealtad hacia la marca. Vakulenko et al. (2019) agregan que medir la satisfacción ayuda a las empresas a identificar oportunidades de mejora y construir relaciones rentables a largo plazo. En América Latina, el Perú destaca como el país con mayor crecimiento del comercio electrónico, alcanzando un incremento del 92% (Euromonitor, 2021). En el contexto nacional, Lima Metropolitana lidera la actividad de comercio electrónico debido a su alta penetración de Internet y al uso extendido de teléfonos inteligentes (Centro Nacional de Planeamiento Estratégico [CEPLAN], 2025). Dado que concentra cerca del 80% de la demanda de comercio electrónico del país (IPE, 2023), se seleccionó Lima Metropolitana como área de estudio. La investigación se enfoca en las Zonas 6 y 7, ya que distritos como San Isidro, Surco, Miraflores, Lince y San Miguel registran el mayor uso de estos servicios (Huertas, 2023). Lima Metropolitana se beneficia de una sólida conectividad y del crecimiento de los métodos de pago digitales, los cuales han facilitado la interacción entre oferta y demanda, reduciendo las barreras de entrada (CEPLAN, 2025). Sin embargo, Lima también ocupa el primer lugar en congestión vehicular en América Latina y enfrenta importantes desafíos en infraestructura vial que complican la distribución urbana y afectan la eficiencia de las entregas. El tráfico saturado de la ciudad—impulsado por el rápido crecimiento urbano y la alta demanda de entregas rápidas—impacta las operaciones logísticas al incrementar los tiempos y costos de transporte (Business Empresarial, 2025). A diferencia de Europa, donde tecnologías de última milla como drones, robots y vehículos autónomos ya están transformando las expectativas de los consumidores, mejorando la eficiencia y reduciendo costos (Aljohani, 2024; Karli & Tanyas, 2024), iniciativas como los vehículos autónomos o los casilleros inteligentes aún se encuentran en fase piloto en Lima Metropolitana (Acuña, 2025). En los últimos años, el comportamiento del consumidor en Lima ha evolucionado hacia una preferencia por la conveniencia, la rapidez y la disponibilidad constante de productos y servicios, reforzando la importancia de los canales digitales. Los millennials y centennials limeños operan cada vez más dentro de marcos temporales específicos, lo que eleva sus expectativas respecto a la conveniencia e inmediatez en las entregas (García, 2025). Sin embargo, la confianza continúa guiando la adopción digital: los consumidores valoran la transparencia en los precios, la seguridad al recibir entregas y la opción de pagar contra entrega. Aunque el uso de tarjetas y billeteras GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 136 digitales ha crecido significativamente, el pago contra entrega sigue siendo común, pues muchos consumidores lo perciben como una protección frente al fraude (García, 2025). De hecho, el 95% de los consumidores limeños utiliza billeteras digitales, pero el 84% considera que no cuenta con una protección adecuada frente al fraude en línea—una señal de adopción digital acompañada de desconfianza (Comercio, 2025). A pesar de los avances logísticos, persiste una brecha en la comprensión de cómo la experiencia del usuario configura la satisfacción, particularmente en el Perú, donde los estudios suelen centrarse en aspectos operativos y descuidan variables emocionales clave. Académicamente, este estudio contribuye a la literatura sobre entrega de última milla en el contexto peruano al incorporar dimensiones emocionales poco exploradas, como la anticipación gozosa y el atractivo visual. En el plano práctico, ofrece a las empresas de comercio electrónico de Lima Metropolitana información para fortalecer la confianza, la interacción con el agente de entrega y la conveniencia del servicio. Socialmente, evidencia las expectativas de una audiencia joven, contribuyendo a alinear las experiencias de consumo con las necesidades reales de los usuarios. Considerando estos aspectos, el estudio tiene como objetivo examinar cómo la experiencia del cliente y la confianza en los servicios de entrega configuran la satisfacción del usuario, y cómo dicha satisfacción influye en la lealtad hacia los proveedores de entrega de última milla en las Zonas 6 y 7 de Lima Metropolitana. Entrega de última milla La entrega de última milla corresponde a la fase final de la distribución, en la cual los paquetes se trasladan desde un centro de entrega hasta el consumidor final, funcionando como un eslabón crítico debido a su impacto en la eficiencia en tiempo y costos (Masorgo et al., 2024). En el contexto actual—y motivadas por los nuevos patrones de consumo surgidos durante la pandemia de la COVID-19—las empresas dependen cada vez más de tecnologías como drones y vehículos autónomos para acelerar las entregas de última milla, especialmente en zonas urbanas (Lemardelé et al., 2021). En esta línea, Min (2023) sostiene que la integración de drones y vehículos autónomos agiliza las entregas y alivia la congestión en entornos urbanos densos, mientras que Akdoğan y Özceylan (2022) destacan cómo la inteligencia artificial fortalece la logística de última milla mediante algoritmos que asignan pedidos, planifican rutas en tiempo real y optimizan el uso de los recursos logísticos. Otra innovación importante en la logística de última milla es el auge de las aplicaciones móviles de entrega, las cuales han transformado la manera en que los usuarios interactúan con las empresas y realizan compras (Karimov, 2023). Por ejemplo, aplicaciones como Rappi y Pedidos Ya han alterado la experiencia de compra al permitir que los usuarios realicen pedidos y sigan sus entregas en tiempo real (Euromonitor, 2022). En el contexto peruano, el IPE (2023) señala que las aplicaciones de entrega representaron cerca de un tercio del total de ingresos comerciales durante el período analizado. De igual modo, SmartMe Analytics (citado en Fritas, 2024) indica que el 61% de los consumidores utiliza estas plataformas como su principal canal para adquirir bienes, gastando en promedio más de 400 soles por semana. Esta tendencia evidencia no solo la consolidación de la entrega de última milla GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 137 como un componente central del comercio electrónico en el país, sino también la creciente dependencia de su eficiencia en soluciones tecnológicas avanzadas. Experiencia del usuario Según Arhippainen y Tähti (2003), la experiencia del usuario se refiere a las percepciones y emociones que las personas desarrollan mientras interactúan con un producto o servicio en un contexto específico. En el ámbito de la entrega de última milla, este proceso se presenta como uno de los desafíos más complejos y costosos, ya que la satisfacción del usuario puede variar entre la etapa de compra en línea y la fase posterior al envío. Incluso cuando la compra online genera una alta satisfacción, dicha percepción puede disminuir si el cliente experimenta insatisfacción durante el proceso de entrega (Risberg, 2022). Para medir esta variable, el estudio adoptó las seis dimensiones propuestas por Vrhovac et al. (2023). Eficiencia (UX1) Los servicios de entrega generan oportunidades para ofrecer productos de manera personalizada, conveniente y eficiente, lo que contribuye a construir relaciones duraderas con los usuarios, generar ventajas competitivas y fortalecer la satisfacción del usuario (Uzir et al., 2021). Según Vrhovac et al. (2023), el concepto se refiere a la preferencia de los usuarios por la precisión y el profesionalismo en la entrega de sus pedidos. La eficiencia en la entrega abarca diversos aspectos clave, entre los cuales destaca la confiabilidad. Esta exige que los productos lleguen en las condiciones prometidas—un elemento que sustenta la confianza del usuario y refuerza su satisfacción. Además, la entrega oportuna y precisa de los productos, coherente con las condiciones establecidas por el vendedor en línea, ejerce un impacto directo y significativo en la satisfacción del usuario (Lai et al., 2022). Minimizar errores a lo largo del proceso logístico también resulta esencial para garantizar una entrega eficiente. Shrinivas y Shafighi (2022) señalan que la precisión en la entrega funciona como un factor decisivo en el desempeño logístico, ya que moldea la satisfacción del usuario. Bajo esta perspectiva, las ineficiencias logísticas durante el proceso de entrega afectan negativamente las percepciones de los clientes tanto sobre los minoristas electrónicos como sobre las empresas que brindan servicios de entrega de última milla (Shrinivas & Shafighi, 2022). De manera similar, Merkert et al. (2022) encontraron que los clientes valoran la eficiencia en la entrega, pues buscan evitar demoras, errores en los productos y paquetes extraviados; de este modo, un proceso de entrega eficiente contribuye a una experiencia positiva del usuario que influye directamente en la satisfacción. Sin embargo, Vrhovac et al. (2024) concluyen que, aunque la eficiencia de la entrega ejerce un efecto positivo en la experiencia del usuario, esta dimensión desempeña un papel menos decisivo en comparación con otras. H1: La experiencia del usuario en la dimensión eficiencia ejerce una influencia positiva y significativa en la satisfacción del usuario final con los servicios de entrega de última milla en el contexto del comercio electrónico. GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 138 Seguimiento de paquetes (UX2) El seguimiento de paquetes se refiere al comportamiento de monitorear activamente el estado del artículo solicitado (Vrhovac et al., 2023). En la actualidad, el uso de sistemas de rastreo de envíos en las compras en línea desempeña un papel fundamental para los clientes, ya que estas herramientas les permiten seguir de cerca sus pedidos y acceder a información precisa sobre los tiempos y lugares de entrega (Vrhovac, 2024). Los estudios sobre las preferencias de los usuarios al comprar mediante canales digitales revelan un creciente interés en obtener un mayor control sobre el proceso de entrega y en supervisar el estado del envío a través de tecnologías avanzadas (Rajendran & Wahab, 2022). Por ello, tecnologías como el seguimiento de paquetes en tiempo real se perciben como esenciales: no solo incrementan la satisfacción del usuario, sino que también proporcionan datos valiosos para mejorar los servicios de entrega de última milla (Aljohani, 2024). En esta línea, De Souza et al. (2022) encontraron que la integración de aplicaciones móviles para gestionar y rastrear pedidos influye positivamente en la satisfacción del usuario. De manera similar, Nguyen et al. (2016) reportaron que la disponibilidad de opciones de rastreo del paquete moldea significativamente la satisfacción del usuario, dado que el seguimiento reduce la incertidumbre sobre la entrega y brinda a los consumidores una sensación de control sobre sus pedidos durante el periodo de espera. Cheng et al. (2021) también concluyeron que el seguimiento de paquetes ejerce una influencia positiva y significativa en la satisfacción del usuario. En esa misma línea, Kawa y Swiatowiec-Szczepanska (2021) encontraron que el seguimiento de paquetes afecta positiva y significativamente la satisfacción del usuario, reforzando la necesidad de que las empresas que buscan destacar en el comercio electrónico prioricen la transparencia y la precisión al comunicar el estado del pedido y los lugares de entrega o recogida. Sin embargo, Vrhovac et al. (2024) concluyeron que el seguimiento de paquetes no predijo significativamente la satisfacción del usuario. H2: La experiencia del usuario en la dimensión seguimiento de paquetes ejerce una influencia positiva y significativa en la satisfacción del usuario final con los servicios de entrega de última milla en el contexto del comercio electrónico. Atractivo Visual (UX3) En su estudio, Olsson et al. (2021) examinan múltiples dimensiones de la experiencia del usuario en el contexto de entregas de productos sin contacto. Entre ellas destaca la dimensión sensorial, que abarca experiencias táctiles, térmicas y visuales que estimulan los sentidos del consumidor. Específicamente, dentro de la dimensión visual, los autores se centran en el diseño y el tamaño de la caja de recepción del producto. Sus hallazgos muestran que los usuarios valoran un diseño moderno y visualmente atractivo en la caja utilizada para recoger sus paquetes, lo que indica que un empaquetado bien diseñado mejora la satisfacción general del usuario. Según Vrhovac et al. (2023), el atractivo visual refleja la importancia que los usuarios asignan al diseño estético de las empresas de servicios de entrega, considerando elementos como la apariencia del vehículo de entrega, la apariencia del repartidor de última milla y el diseño del empaquetado del producto. Esta dimensión adquiere relevancia para los usuarios de entregas de última milla porque, como argumentan Cheng et al. (2021), el atractivo visual—manifestado a GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 139 través de la importancia percibida de la apariencia del personal de entrega, incluida la limpieza del uniforme y el estado del contenedor de entrega—ejerce un fuerte y favorable efecto sobre la satisfacción del usuario. Por el contrario, Vrhovac et al. (2024) reportan que el atractivo visual tiene una influencia estadísticamente significativa pero negativa sobre la satisfacción del usuario, lo cual sugiere que los usuarios que otorgan menor importancia a los aspectos visuales del proceso de entrega tienden a experimentar mayor satisfacción con el servicio. Del mismo modo, Macías et al. (2021) encuentran que durante el confinamiento por la COVID-19, el atractivo visual—evaluado mediante preocupaciones relacionadas con la apariencia personal del agente de entrega y su interacción verbal—generó evaluaciones más favorables del servicio de entrega; sin embargo, su influencia sobre la satisfacción del usuario perdió significancia estadística. H3: La experiencia del usuario en la dimensión atractivo visual ejerce una influencia positiva y significativa en la satisfacción del usuario final con los servicios de entrega de última milla en el contexto del comercio electrónico. Anticipación gozosa (UX4) Según Vrhovac et al. (2023), la anticipación gozosa se refiere al estado emocional que los consumidores experimentan mientras esperan la llegada de sus pedidos. Esta emoción puede evaluarse a través de las expectativas relacionadas con recibir la entrega y la alegría asociada al proceso. En esta línea, Olsson et al. (2023) señalan que la experiencia del usuario abarca una dimensión emocional moldeada por estados de ánimo, sentimientos y respuestas afectivas. Dentro de este contexto emocional, Kamis et al. (citado en Vrhovac et al., 2024), sostienen que la anticipación gozosa—expresada mediante el disfrute que los usuarios sienten al comprar en plataformas digitales—influye de manera positiva y significativa en la satisfacción del usuario, dado que cuando los usuarios se sienten cómodos durante el proceso de compra, tienden a experimentar emociones como felicidad, autoconfianza y curiosidad. No obstante, Vrhovac et al. (2024) reportan que la anticipación gozosa ejerce un impacto positivo y significativo sobre la satisfacción, dado que los usuarios que experimentan emociones positivas como alegría y felicidad durante el periodo de espera evalúan el servicio de manera más favorable. Sin embargo, los autores también concluyen que esta dimensión desempeña un papel menos influyente en comparación con otros factores que configuran la satisfacción del usuario. H4: La experiencia del usuario en la dimensión anticipación gozosa ejerce una influencia positiva y significativa en la satisfacción del usuario final con los servicios de entrega de última milla en el contexto del comercio electrónico. Contacto de recogida (UX5) Vrhovac et al. (2023) describen esta variable como la interacción fluida entre el usuario y el agente de entrega en el momento de recibir un paquete. Este aspecto se alinea con los hallazgos de Olsson et al. (2023), quienes sostienen que la entrega de última milla implica una dimensión social que refleja las respuestas de los usuarios ante las interacciones humanas que tienen lugar durante la experiencia de entrega. Su estudio destaca la importancia del personal de entrega en GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 140 la configuración de una experiencia positiva del usuario, dado que, a lo largo de todas las etapas del proceso de compra digital—desde que se realiza el pedido hasta que el paquete es entregado—el agente de entrega es la única persona que interactúa directamente con los clientes (Ejdys & Gulc, 2020). En este contexto, Masorgo et al. (2023) señalan que comportamientos inapropiados o inflexibles por parte de los agentes de entrega pueden provocar sentimientos más intensos de enojo y tristeza en los clientes, reduciendo significativamente la satisfacción y las intenciones de recompra. Asimismo, Cheng et al. (2021) afirman que el contacto de recogida, medido a través de la experiencia y la capacitación del agente de entrega, ejerce una influencia directa y estadísticamente significativa sobre la satisfacción del usuario. De manera similar, Uzir et al. (2021) encontraron que el contacto de recogida —evaluado mediante la precisión, cortesía, comunicación y cuidado durante la entrega—influye positivamente en la satisfacción del usuario. Vrhovac et al. (2024) también reportan que esta interacción ejerce un efecto positivo y significativo en la satisfacción del usuario y, notablemente, que esta dimensión generó el impacto más fuerte entre todas las evaluadas, lo que subraya su relevancia en el contexto de la entrega de última milla. H5: La experiencia del usuario en la dimensión contacto de recogida ejerce una influencia positiva y significativa en la satisfacción del usuario final con los servicios de entrega de última milla en el contexto del comercio electrónico. Conveniencia (UX6) La conveniencia se refiere a la creencia de los usuarios sobre la utilidad y la facilidad de comprar en línea en comparación con la compra tradicional en tiendas físicas (Vrhovac et al., 2023). La conveniencia constituye una de las principales razones que impulsan a los consumidores a optar por compras en línea en lugar de transacciones presenciales, ya que las compras digitales demandan menos tiempo y esfuerzo. En particular, los millennials—cuyos estilos de vida suelen ser acelerados—buscan opciones que simplifiquen sus rutinas diarias y les ahorren tiempo (Vinish et al., 2021). En este contexto, la entrega a domicilio surge como una solución atractiva en el comercio electrónico, a pesar de los impactos ambientales y logísticos que genera. Aunque existen alternativas más sostenibles—como los casilleros automatizados o los puntos de recogida—la entrega a domicilio sigue siendo la opción preferida debido a la percepción de conveniencia asociada a este método (Kiba Janiak et al., 2021). Jih señala que el aumento de la conveniencia de los servicios en línea conduce a una mayor satisfacción del usuario (citado en Vrhovac et al., 2024). Por su parte, Markowska y Marcinkowski (2022) enfatizan que la entrega a domicilio mejora significativamente la experiencia de los consumidores rurales debido a la facilidad que proporciona. De manera similar, Duarte et al. (2018) concluyeron que la conveniencia ejerce un impacto positivo y significativo en la satisfacción del usuario. En la misma línea, Vinish et al. (2021) destacan la conveniencia—expresada a través de la importancia que los usuarios otorgan a la facilidad para realizar un pedido—como un impulsor clave de la satisfacción del usuario, confirmando el valor que los consumidores asignan a la simplicidad y rapidez del proceso de compra. GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 141 Sin embargo, Vrhovac et al. (2024) concluyen que, aunque la conveniencia influye positiva y significativamente en la satisfacción general del usuario con los servicios de entrega, su efecto es más débil en comparación con otras dimensiones, como la interacción con el agente de entrega o la confianza en los proveedores de última milla. H6: La experiencia del usuario en la dimensión conveniencia ejerce una influencia positiva y significativa en la satisfacción del usuario final con los servicios de entrega de última milla en el contexto del comercio electrónico. Confianza en el Servicio de Entrega (CS) Esta variable se refiere a las percepciones de los usuarios sobre la integridad, honestidad y capacidad de los proveedores de servicios de entrega para cumplir sus compromisos y ofrecer un servicio de alta calidad. Abarca tanto las interacciones directas con el proveedor del servicio como la confianza de los usuarios en las tecnologías empleadas a lo largo del proceso de entrega (Ejdys & Gulc, 2020). Uzir et al. (2021) encontraron que la confianza en el servicio de entrega ejerce un impacto directo y positivo en la satisfacción del usuario. Asimismo, señalan que la confianza se desarrolla a partir de interacciones previas, el boca a boca y las recomendaciones de otros clientes, elementos que contribuyen a formar una percepción de confiabilidad. De manera similar, un estudio realizado en China por Lai et al. (2022) confirma el efecto positivo de la confianza en el servicio de entrega sobre la satisfacción del usuario. Sin embargo, aunque Vrhovac et al. (2024) confirman estadísticamente el efecto positivo de la confianza sobre la satisfacción, los autores argumentan que esta variable posee un peso relativamente menor en comparación con otros factores que ejercen una influencia más fuerte en la satisfacción del usuario. Por tanto, si bien la confianza sigue siendo relevante, no emerge como un impulsor prioritario. H7: La confianza en el servicio de entrega ejerce una influencia positiva y significativa en la satisfacción del usuario final con los servicios de entrega de última milla en el contexto del comercio electrónico. Satisfacción (SATIS) y Lealtad (LEAL) La satisfacción se refiere al grado en que el desempeño de un producto o servicio coincide o supera las expectativas del cliente (Kotler & Armstrong, 2020). La lealtad, por su parte, describe un vínculo emocional entre un individuo y un producto o servicio—un vínculo que impulsa a las personas a elegir repetidamente las mismas ofertas brindadas por una empresa (Kotler & Keller, 2016). De acuerdo con Rosenberg y Czepiel (1984), la lealtad y la satisfacción del usuario siguen siendo esenciales para las empresas modernas, ya que retener a un cliente existente resulta más fácil que adquirir uno nuevo, dado que los clientes constituyen un recurso limitado. La literatura de marketing reconoce que las experiencias satisfactorias acumuladas desempeñan un papel crucial en transformar episodios aislados de satisfacción en evaluaciones holísticas que, en última instancia, influyen en la lealtad (Garbarino & Johnson, 1999; Oliver, 1999). Cuando GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 148 Tabla 5. Cuestionario final Nota. UX1 - UX6 son adaptados de Vrhovac et al (2023); CS son adaptados de Vrhovac et al (2024); SATIS son adaptados de Lai et al (2021) y LEAL son adaptados de Pal et al (2021). Resultados Los datos fueron recolectados entre el 15 de abril y el 1 de mayo de 2025. El cuestionario se distribuyó a 3,389 personas a través de canales digitales, obteniéndose 506 respuestas, lo que corresponde a una tasa de respuesta del 14.9%. Tras aplicar los criterios de selección, se obtuvieron 387 respuestas válidas para el análisis. La muestra estuvo conformada principalmente por mujeres (55.3%). En cuanto a la edad, solo se incluyeron adultos, siendo el grupo de 18 a 23 años el más numeroso, con 64.34% de los participantes. Esta sobrerrepresentación de personas entre 18 y 23 años no refleja de manera GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 149 proporcional la distribución etaria de la población objetivo y podría influir en la interpretación de los resultados. Respecto al lugar de residencia, la mayoría de los encuestados vivía en la Zona 7, representando el 66.15% de la muestra. Tabla 6. Perfil de los encuestados Fuente: Elaboración propia Los datos recolectados fueron procesados y analizados utilizando la plataforma SmartPLS 4. Los ítems correspondientes a cada variable fueron codificados de acuerdo con sus respectivos indicadores y se desarrolló un modelo de ecuaciones estructurales mediante análisis multivariado. Es esencial evaluar el modelo de medición mediante un indicador de ajuste global. Para ello, se utilizó el Standardized Root Mean Square Residual (SRMR), un índice de ajuste absoluto que refleja la diferencia estandarizada entre las correlaciones observadas y las predichas por el modelo (Henseler et al., 2016). En este estudio, el valor de SRMR alcanzó 0.071, lo que indica un buen ajuste del modelo, ya que se encuentra por debajo del umbral recomendado de 0.08 (Henseler et al., 2016). Para evaluar la consistencia interna, inicialmente se examinó el alfa de Cronbach. Aunque este indicador suele requerir valores de 0.70 o superiores para asegurar una fiabilidad interna aceptable (Lacave et al., 2015), algunas dimensiones en este estudio arrojaron valores menores: eficiencia (0.377), atractivo visual (0.663), contacto de recogida (0.483) y conveniencia (0.626). Sin embargo, dado que el modelo fue estimado mediante PLS-SEM, Hair et al. (2017) recomiendan priorizar la fiabilidad compuesta (CR), una medida más adecuada y robusta que no asume cargas iguales entre los indicadores y que funciona bien con escalas de pocos ítems. En consonancia con esta recomendación, todos los valores de CR cumplieron o superaron el umbral mínimo de 0.70 (Hair et al., 2017), lo que permitió confirmar una consistencia interna adecuada en todas las dimensiones. GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 150 Figura 1. Modelo propuesto Fuente: Elaboración propia Respecto a la validez convergente, se examinó la Varianza Promedio Extraída (AVE). Este indicador, recomendado por Fornell y Larcker (1981), evalúa si los indicadores de cada constructo comparten una cantidad suficiente de varianza común. Un valor de AVE igual o superior a 0.50 indica que el constructo explica al menos el 50% de la varianza de sus indicadores, respaldando así la validez convergente. En este estudio, todas las dimensiones cumplieron o superaron este criterio, demostrando una validez convergente satisfactoria dentro del modelo. GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 151 Tabla 7. Ajuste del modelo Fuente: Elaboración propia Como parte de la evaluación del modelo de medición, se examinó la colinealidad entre los indicadores mediante el Factor de Inflación de la Varianza (VIF). Según Hair et al. (2017), este indicador permite identificar posibles problemas de multicolinealidad que pueden distorsionar las cargas factoriales y la cantidad de varianza explicada. Asimismo, Kock y Lynn (2012) recomiendan que, en el contexto del PLS-SEM, los valores de VIF se mantengan por debajo de 3.3 para garantizar la ausencia de colinealidad significativa entre los indicadores. En este estudio, los resultados muestran que los valores promedio de VIF en todos los ítems de cada dimensión oscilaron entre 1.057 y 1.824, ubicándose ampliamente dentro de los umbrales aceptables, lo que indica que no existe colinealidad problemática entre las dimensiones del modelo. Tabla 8. Estadísticas de colinealidad Fuente: Elaboración propia La validez discriminante se evaluó mediante el índice Heterotrait–Monotrait (HTMT), una medida más precisa que el criterio tradicional de Fornell–Larcker (Henseler et al., 2014). Este índice compara las correlaciones entre los ítems de diferentes constructos con las correlaciones entre ítems del mismo constructo. Según Henseler et al. (2014), valores de HTMT inferiores a 0.90 indican una validez discriminante adecuada. Como se muestra en la tabla siguiente, todos GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 152 los coeficientes HTMT se encuentran por debajo del umbral de 0.90, lo que confirma que los constructos del modelo se mantienen conceptualmente distintos. Tabla 9. Validez discriminante Fuente: Elaboración propia Como parte de la evaluación del modelo estructural, se examinaron los valores de R² y R² ajustado. Según Cohen (1988), los coeficientes que oscilan entre 0.30 y 0.50 indican un nivel moderado de poder explicativo, mientras que valores superiores a 0.50 reflejan una capacidad explicativa sustancial. La tabla siguiente presenta los coeficientes correspondientes. Por un lado, el valor de R² indica el grado en que las variables independientes influyen en la varianza de la variable dependiente (Cohen et al., 2003; Hair et al., 2019). En este estudio, la satisfacción del usuario explica 50.2% de la varianza en la lealtad del usuario, lo que representa una proporción sustancial (Cohen, 1988). Mientras tanto, la experiencia del usuario y la confianza en el servicio de entrega explican conjuntamente el 47.5% de la varianza en la satisfacción del usuario, lo que indica un nivel moderado de capacidad explicativa (Cohen, 1988). Por otro lado, el R² ajustado corrige el R² estándar penalizando la inclusión de predictores que no contribuyen de manera significativa al modelo. Esta métrica resulta particularmente relevante cuando intervienen múltiples predictores, ya que el R² tiende a aumentar con cada variable adicional, incluso cuando el nuevo predictor aporta poco valor explicativo (Hair et al., 2019). En este estudio, los valores de R² ajustado se alinean estrechamente con los coeficientes originales de R²: 0.501 para la lealtad del usuario y 0.465 para la satisfacción del usuario. Esta similitud indica que los predictores incluidos en el modelo poseen una fuerte capacidad explicativa sin evidencia de sobreajuste (overfitting). GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 153 Tabla 10. R² Fuente: Elaboración propia Además de evaluar el poder explicativo del modelo, se examinó su capacidad predictiva mediante el coeficiente Q² (Shmueli et al., 2016). Los resultados muestran que el valor de Q² para la satisfacción del usuario alcanzó 0.450, mientras que el valor de Q² para la lealtad del usuario fue de 0.424. Dado que ambos valores superan cero, el modelo demuestra relevancia predictiva para cada una de las variables dependientes (Henseler et al., 2009). Tabla 11. Q² Fuente: Elaboración propia Para complementar la evaluación del modelo, se examinó el coeficiente de tamaño del efecto F². Esta estadística evalúa la magnitud de la influencia que cada variable independiente ejerce sobre la variable dependiente dentro del modelo propuesto (Cohen, 1988). Cohen establece que un valor de F² igual o mayor a 0.02 refleja un efecto pequeño, valores iguales o superiores a 0.15 indican un efecto medio y valores iguales o superiores a 0.35 representan un efecto grande. En relación con la confianza en el servicio de entrega, el valor de F² alcanzó 0.277. De acuerdo con los criterios de Cohen (1988), este valor representa un efecto medio, lo que indica que este predictor incrementa significativamente el poder explicativo del modelo respecto a la satisfacción del usuario. Las dimensiones contacto de recogida y conveniencia obtuvieron valores F² de 0.046 y 0.02, respectivamente, los cuales corresponden a efectos pequeños sobre la satisfacción del usuario. En contraste, las dimensiones anticipación gozosa, atractivo visual, eficiencia y seguimiento de paquetes arrojaron valores F² de 0.012, 0.001, 0.001 y 0.006, respectivamente. Estos valores se sitúan por debajo del umbral para efectos pequeños y, por tanto, reflejan influencias despreciables sobre la satisfacción del usuario (Cohen, 1988), lo que sugiere que su contribución a la explicación de la satisfacción es altamente limitada. Finalmente, la relación entre satisfacción del usuario y lealtad del usuario produjo un valor F² de 1.009, que supera ampliamente el umbral para un efecto grande según Cohen (1988). Este hallazgo respalda la propuesta teórica de Oliver (1999), quien sostiene que la satisfacción funciona como un fuerte antecedente de la lealtad del usuario. GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 154 Tabla 12. F² Fuente: Elaboración propia Los coeficientes de regresión y su significancia estadística también fueron analizados. Según Gede (2024), un valor t superior a 1.96 y un valor p inferior a 0.05 indican una influencia significativa entre las variables estudiadas. La dirección del efecto depende del coeficiente de trayectoria (β), el cual puede reflejar una relación positiva o negativa (Gede, 2024). En el caso de la relación entre eficiencia y satisfacción del usuario, el valor t fue 0.744 y el valor p 0.457, lo que evidencia la ausencia de una relación estadísticamente significativa. No obstante, el coeficiente β alcanzó 0.034; aunque positivo, el efecto es débil, ya que no supera el umbral de 0.10 (Hair et al., 2017). Con base en ello, la primera hipótesis se apoya parcialmente: la eficiencia ejerce una influencia positiva sobre la satisfacción del usuario, pero la falta de significancia estadística indica que el efecto observado podría haberse producido por azar. Respecto al seguimiento de paquetes y la satisfacción del usuario, los resultados arrojaron un valor t de 1.516, un valor p de 0.130 y un β de 0.078. Estos valores indican una relación positiva pero débil, ya que el coeficiente no supera el umbral de 0.10 (Hair et al., 2017). Además, la relación no alcanza significancia estadística porque los valores no cumplen con los criterios mínimos de t > 1.96 y p < 0.05 (Gede, 2024). En consecuencia, la segunda hipótesis se apoya parcialmente: la dirección del efecto es positiva, pero la evidencia es insuficiente para descartar que la relación sea producto del azar (Creswell J. & Creswell D., 2018). Para el atractivo visual y la satisfacción del usuario, el coeficiente β alcanzó −0.024, lo que indica una relación inversa (Gede, 2024). El efecto es débil porque está por debajo de 0.10 (Hair et al., 2017). Los resultados muestran que cuando los usuarios asignan menor importancia al atractivo visual, tienden a experimentar mayor satisfacción. Sin embargo, al igual que en las relaciones anteriores, este efecto carece de significancia estadística (t = 0.538; p = 0.591), situándose fuera de los límites aceptables (Gede, 2024). Con base en ello, la tercera hipótesis se rechaza, dado que el efecto negativo y no significativo podría deberse simplemente a variación aleatoria (Creswell J. & Creswell D., 2018). Para la anticipación gozosa, el análisis produjo un valor t de 2.144 y un valor p de 0.032, lo que indica una relación estadísticamente significativa con menos del 5% de probabilidad de ser atribuida al azar (Gede, 2024). El coeficiente β de 0.095 sugiere un efecto positivo pero débil, ya que no supera 0.10 (Hair et al., 2017). Estos resultados implican que una mayor anticipación gozosa antes de recibir un pedido se asocia con mayores niveles de satisfacción. Por lo tanto, la cuarta hipótesis se apoya. GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 155 Asimismo, la relación entre contacto de recogida y la satisfacción mostró un valor t de 3.986 y un valor p de 0.000, superando los umbrales requeridos para confirmar la significancia estadística (Gede, 2024). Según Fisher (1934), un valor p muy bajo indica que el resultado es altamente improbable de surgir por azar. El coeficiente β alcanzó 0.192, lo que refleja un efecto positivo y moderado porque supera 0.10 pero se mantiene por debajo de 0.30 (Hair et al., 2017). Por consiguiente, la quinta hipótesis se apoya. En cuanto a la conveniencia, el coeficiente β alcanzó 0.125, lo que indica una relación positiva y moderada con la satisfacción del usuario, situándose entre 0.10 y 0.30 (Hair et al., 2017). Este efecto logró significancia estadística, reflejada en un valor t de 2.575 y un valor p de 0.01 (Gede, 2024). Por tanto, la sexta hipótesis se apoya. La confianza en el servicio de entrega produjo un coeficiente β de 0.430, indicando un efecto positivo fuerte sobre la satisfacción del usuario, ya que el valor supera ampliamente el umbral de 0.30 (Hair et al., 2017). El valor t alcanzó 9.682 y el valor p fue 0.0; dado que ambos valores exceden los criterios propuestos por Gede (2024), el efecto es estadísticamente significativo. Fisher (1934) también señala que valores p extremadamente bajos implican que el resultado es altamente improbable de surgir por azar. Estos hallazgos apoyan la hipótesis correspondiente: una mayor confianza en los proveedores de entrega incrementa la satisfacción del usuario. Finalmente, la satisfacción del usuario ejerció una influencia fuerte y positiva sobre la lealtad del usuario, con un coeficiente β de 0.709, muy por encima del umbral de 0.30 (Hair et al., 2017). El valor t alcanzó 19.068 y el valor p fue 0.0, superando ampliamente los estándares de significancia establecidos por Gede (2024). Estos resultados apoyan la octava hipótesis. En conjunto, los resultados del PLS-SEM apoyan parcialmente la hipótesis general. El análisis identificó una influencia significativa de la confianza en el servicio de entrega sobre la satisfacción del usuario. Sin embargo, solo algunas dimensiones de la experiencia del usuario—contacto de recogida, conveniencia y anticipación gozosa—mostraron efectos significativos sobre la satisfacción. Esto indica que no todos los componentes de la experiencia del usuario contribuyen de la misma manera a la satisfacción. Además, la satisfacción del usuario ejerce un efecto fuerte y estadísticamente significativo sobre la lealtad del usuario. Tabla 13. β, Valor t & p GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 156 Discusión Los hallazgos respaldan parcialmente H1, ya que la relación entre la eficiencia y la satisfacción es positiva, pero débil y no significativa. Este hallazgo coincide parcialmente con otros estudios que indican que la eficiencia, manifestada en el profesionalismo y precisión de las entregas tiene un impacto positivo y significativo en la satisfacción del usuario (Lai et al, 2022; Shrinivas & Shafighi, 2022). No obstante, los resultados en el contexto limeño evidencian una relación débil entre la eficiencia y la satisfacción del usuario (β = 0.034), lo que contrasta con los resultados de Vrhovac et al (2024), quienes reportaron un impacto moderado de la eficiencia en la satisfacción (β = 0.286). Esta diferencia podría explicarse por el distinto grado de madurez del comercio electrónico, ya que mientras el mercado europeo se encuentra consolidado con consumidores que valoran la precisión, el mercado limeño aún es emergente y con pocos competidores relevantes, por lo que la variabilidad en la calidad del servicio podría hacer que los usuarios ajusten sus expectativas y prioricen otros atributos. La H2 se confirma parcialmente, ya que la relación entre el seguimiento de paquetes y la satisfacción del usuario resulta positiva, pero débil y no significativa. Este resultado coincide parcialmente con estudios previos que encontraron un impacto positivo y estadísticamente significativo del seguimiento sobre la satisfacción (De Souza et al, 2022; Kawa & SwiatowiecSzczepańska, 2021; Nguyen et al, 2016; Cheng et al, 2021). Asimismo, los resultados coinciden completamente con Vrhovac et al (2024), quienes también reportaron una relación positiva, débil y no significativa entre ambas variables (β = 0.041). No obstante, al comparar los coeficientes, se observa que en Lima (β = 0.078) el seguimiento de paquetes presenta una ligera mayor influencia sobre la satisfacción, que podría deberse al perfil del consumidor, que otorga mayor valor a los atributos de confianza y seguridad, ya que le permite tener mayor control sobre el proceso de entrega y tener la capacidad de supervisar el estado de su pedido. La H3 se rechaza, ya que la dimensión de atractivo visual no influye positiva ni significativamente en la satisfacción del usuario. Estos resultados coinciden parcialmente con Macías et al (2021) en Ecuador, quienes concluyeron que, aunque la apariencia personal y la interacción verbal del repartidor, genera evaluaciones más favorables del servicio, su impacto sobre la satisfacción no fue significativo. De manera similar, los resultados coinciden parcialmente con Vrhovac et al (2024), quienes concluyeron que el atractivo visual tiene una relación moderada, negativa (β = - 0.167) y significativa con la satisfacción del usuario; mientras que en el contexto limeño se evidencia una relación débil, negativa (β = -0.024) y no significativa. Estos resultados indican que los usuarios que otorgan menor importancia a los aspectos visuales del proceso de entrega tienden a experimentar una mayor satisfacción con el servicio. En este sentido, los consumidores limeños parecen valorar aún menos los atributos estéticos, probablemente porque Lima Metropolitana es un mercado digital emergente, donde el perfil del limeño valora atributos funcionales del servicio sobre el diseño visual. La H4 se confirma, ya que la dimensión de anticipación gozosa influye positiva y significativamente en la satisfacción. Estos hallazgos coinciden con lo planteado por Kamis et al (2010) quienes señalan que la anticipación gozosa influye positiva y significativamente en la satisfacción, ya que cuando los usuarios se sienten a gusto durante el proceso de compra, experimentan emociones positivas (citado en Vrhovac et al, 2024, p.6). Del mismo modo, Vrhovac et al (2024) concluyen que la anticipación gozosa tiene un impacto positivo, GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 157 significativo y moderado (β = 0.237) en la satisfacción; mientras que en el contexto limeño la relación es débil (β = 0.095). Esta diferencia puede atribuirse a que, en mercados emergentes, los consumidores priorizan atributos funcionales sobre las emociones asociadas a la espera. En contraste, en contextos más consolidados, donde el comercio electrónico ofrece servicios más confiables, la espera genera emociones positivas. Respecto a H5 se confirma, ya que el contacto de recogida influye positiva y significativamente en la satisfacción. Coincide con los estudios realizados por Cheng et al (2021) y Uzir el al (2021), quienes concluyeron que el contacto de recogida reflejado en la amabilidad, comunicación y experiencia del repartidor, influyen positiva y significativamente en la satisfacción. Esto se debe a que, a lo largo de cada etapa de la adquisición digital, el personal de reparto es el único que mantiene interacción directa con los clientes (Ejdys & Gulc, 2020). No obstante, se observa que la relevancia de esta variable en el contexto limeño tiene un impacto moderado (β = 0.192), mientras que en el contexto de estudio serbio esta variable tiene el impacto fuerte (β = 0.676); sin embargo, en ambos casos el contacto de recogida es la dimensión de experiencia del usuario con mayor impacto en la satisfacción. Este contraste en los pesos puede deberse al nivel de desarrollo del comercio electrónico, ya que en mercados como el serbio, la interacción con el repartidor forma parte de una experiencia de servicio más estructurada; mientras que en Lima Metropolitana, las operaciones de última milla son más funcionales que experienciales, por lo que los usuarios valoran la seguridad por encima de la calidad del contacto interpersonal, por ello, aunque el contacto de recogida sigue siendo importante, su peso relativo es menor. En cuanto a H6 se confirma, ya que la conveniencia influye positiva y significativamente en la satisfacción del usuario final. Estos resultados confirman el valor que los consumidores otorgan a la simplicidad y rapidez del proceso de compra, lo que se alinea con estudios como los de Duarte et al (2018) y Vinish et al (2021). En esta misma línea, el estudio de Vrhovac et al (2024) coincide con el presente estudio, pero tiene matices en cuanto al peso relativo, ya que mientras en Serbia el impacto de la convivencia en la satisfacción es fuerte (β = 0.363); en el presente estudio el impacto es moderado (β = 0.125). Según Vrhovac et al (2024), estos resultados pueden explicarse porque los usuarios perciben la conveniencia de la entrega a domicilio como una característica de la última milla. No obstante, en el contexto limeño, donde el comercio electrónico aún se encuentra en consolidación y los consumidores priorizan la seguridad y confiabilidad por encima de la comodidad del proceso, la conveniencia mantiene una influencia positiva, pero con menor peso relativo en la satisfacción general. Respecto a H7 se confirma, ya que la confianza en el servicio de entrega influye de manera positiva y significativa en la satisfacción. Los resultados obtenidos coinciden con diversos estudios, los cuales concluyen que la confianza en el servicio de entrega tiene un impacto positivo y directo sobre la satisfacción del usuario (Uzir et al, 2021; Lai et al, 2022). No obstante, el estudio realizado por Vrhovac et al (2024) indica que esta variable tiene un impacto menor frente a otros aspectos de la experiencia del usuario (β = 0.504), lo que difiere del presente estudio, dado que la confianza en el servicio de entrega en este contexto de estudio representó la variable de mayor impacto en la satisfacción del usuario (β = 0.430). Esta importancia relativa se debe al perfil del consumidor limeño, donde la confianza sigue siendo el eje que define la adopción digital, ya que los consumidores valoran la transparencia en precios, la seguridad al recibir sus entregas y la posibilidad de pagar al recibir (García, 2025) GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 164 Huang, J & Nuangjamnong, C (2023). The Impact of Customer Satisfaction on Customer Loyalty in Chinese E-Commerce Platforms in China. AU E-Journal of Interdisciplinary Research, 8(2), 63-79. https://www.proquest.com/docview/2913833338/EB02A7A0208A45C7PQ/5?accountid=45 277&sourcetype=Scholarly%20Journals Huertas, V (2023). Delivery en el Perú: evolución y crecimiento moderado al 2022. Ecosistema Ecommerce. https://www.ecommercenews.pe/ecosistema-ecommerce/2023/delivery-en-elperu.html/ Inga, C (2021). Apps de delivery: ¿Cuánto ha cambiado este mercado durante la pandemia y cómo avanza su regulación?. Comercio. https://elcomercio.pe/economia/dia-1/apps-dedelivery-cuanto-ha-cambiado-este-mercado-durante-la-pandemia-y-como-avanza-suregulacion-aplicativos-envios-rappi-pedidosya-glovo-repartidores-e-commerce-courier-noticia/ Instituto Nacional de Estadística e Informática. (2024). Población estimada y proyectada por sexo y tasa de crecimiento promedio anual, según año calendario, 1980-2024. https://m.inei.gob.pe/estadisticas/indice-tematico/population-estimates-and-projections/ IPSOS. (2020). Compradores por internet. https://www.ipsos.com/es-pe/compradores-porinternet Ismail, R & Jokonya, O (2023). Factors Affecting the Adoption of Emerging Technologies in Last-Mile Delivery in the Retail Industry. Procedia Computer Science, 219, 2084-2092. https://doi.org/10.1016/j.procs.2023.01.511 Kaiser, H (1974). An index of factorial simplicity. Psychometrika, 39(1), 31–36. https://doi.org/10.1007/BF02291575 Karli, H & Tanyas, M (2024). Innovative Delivery Methods in the Last-Mile: Unveiling Consumer Preference. Future Transportation, 4(1), 152-173. https://doi.org/10.3390/futuretransp4010009 Kawa, A & Światowiec-Szczepańska, J (2021). Logistics as a value in e-commerce and its influence on satisfaction in industries: a multilevel analysis. Journal Of Business And Industrial Marketing, 36(13), 220-235. https://doi.org/10.1108/jbim-09-2020-0429 Kiba-Janiak, M, Marcinkowski, J, Jagoda, A & Skowrońska, A. (2021). Sustainable last mile delivery on the e-commerce market in cities from the perspective of various stakeholders. Literature review. Sustainable Cities And Society, 71, 102984. https://doi.org/10.1016/j.scs.2021.102984 Kline, R (2016). Principles and practice of structural equation modeling (4ta ed.). Guilford Press. https://dl.icdst.org/pdfs/files4/befc0f8521c770249dd18726a917cf90.pdf Koay, K, Cheah, C & Chang, Y (2022). A model of online food delivery service quality, customer satisfaction and customer loyalty: a combination of PLS SEM and NCA approaches. British Food Journal, 124(12), 4516-4532. https://doi.org/10.1108/bfj-10-2021-1169 Kock, N & Lynn, G (2012). Lateral Collinearity and Misleading Results in Variance-Based SEM: An Illustration and Recommendations. Journal Of The Association For Information Systems, 13(7), 546-580. https://doi.org/10.17705/1jais.00302 GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 165 Kotler, P & Keller, K (2016). Dirección de marketing (15va ed.). Pearson Education. https://wwwebooks7-24-com.ezproxy.ulima.edu.pe/stage.aspx?il=&pg=&ed=273 Kotler, P & Armstrong, G (2020). Marketing (1era ed.). Pearson Education. https://wwwebooks7-24-com.ezproxy.ulima.edu.pe/stage.aspx?il=&pg=&ed=273 Lacave, C, Molina, A, Fernández, M & Redondo, M (2015). Análisis de la fiabilidad y validez de un cuestionario docente. Revista de Investigación en Docencia Universitaria de la Informática, 9(1), 136143. http://bioinfo.uib.es/~joemiro/aenui/procJenui/Jen2015/la_anal.pdf Lai, P, Jang, H, Fang, M & Peng, K (2022). Determinants of customer satisfaction with parcel locker services in last-mile logistics. The Asian Journal Of Shipping And Logistics, 38(1), 25-30. https://doi.org/10.1016/j.ajsl.2021.11.002 Lemardelé, C, Estrada, M, Pagès, L & Bachofner, M (2021). Potentialities of drones and ground autonomous delivery devices for last-mile logistics. Transportation Research Part E Logistics And Transportation Review, 149, 102325. https://doi.org/10.1016/j.tre.2021.102325 Macías, W, Rodríguez, K & Barriga, H (2021). COVID 19 lockdown and the satisfaction with online food delivery providers. Estudios Gerenciales, 37(159), 200-209. https://doi.org/10.18046/j.estger.2021.159.4331 Markowska, M & Marcinkowski, J (2022). Rural E-Customers’ Preferences for Last Mile Delivery: Evidence from Poland. Energies, 15(22), 8351. https://doi.org/10.3390/en15228351 Masorgo, N, Mir, S, Hofer, A (2023). You're driving me crazy! How emotions elicited by negative driver behaviors impact customer outcomes in last mile delivery. Journal Of Business Logistics, 44(4), 666-692. https://doi.org/10.1111/jbl.12356 Masorgo, N, Dobrzykowski, D, & Fugate, B (2024). Last‐Mile Delivery: A Process View, Framework, and Research Agenda. Journal Of Business Logistics, 45(4). https://doi.org/10.1111/jbl.12397 Mavrou, I. (2015). Análisis factorial exploratorio: cuestiones conceptuales y metodológicas. Revista Nebrija de Lingüística Aplicada a la Enseñanza de Lenguas, 19, 71-80. https://doi.org/10.26378/rnlael019283 Merkert, R, Bliemer, M & Fayyaz, M. (2022). Consumer preferences for innovative and traditional last-mile parcel delivery. International Journal Of Physical Distribution & Logistics Management, 52(3), 261-284. https://doi.org/10.1108/ijpdlm-01-2021-0013 Min, H. (2023). Leveraging drone technology for last-mile deliveries in the e-tailing ecosystem. Sustainability, 15(15), 11588. https://doi.org/10.3390/su151511588 Mofokeng, T. (2021). The impact of online shopping attributes on customer satisfaction and loyalty: Moderating effects of e-commerce experience. Cogent Business & Management, 8(1). https://doi.org/10.1080/23311975.2021.1968206 Nguyen, D, De Leeuw, S & Dullaert, W (2016). Consumer Behaviour and Order Fulfilment in Online Retailing: A Systematic Review. International Journal Of Management Reviews, 20(2), 255-276. https://doi.org/10.1111/ijmr.12129 Nguyen, N, Nguyen, M. T, Nguyen, T. T. C & Nguyen, M. H. (2024). Customer switching intention from home delivery to smart locker delivery: Evidence from Vietnam. Innovative Marketing, 20(2), 140-151. http://dx.doi.org/10.21511/im.20(2).2024.12 GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 166 Norman, D (2013). The Design of Everyday Things: Revised and Expanded Edition. Basic Books. https://dl.icdst.org/pdfs/files4/4bb8d08a9b309df7d86e62ec4056ceef.pdf Oliver, R (1980). A Cognitive Model of the Antecedents and Consequences of Satisfaction Decisions. Journal Of Marketing Research, 17(4), 460. https://doi.org/10.2307/3150499 Oliver, R (1999). Whence consumer loyalty? Journal Of Marketing, 63, 33-44. https://doi.org/10.1177/00222429990634s105 Olsson, J, Osman, M, Hellström, D & Vakulenko, Y (2021). Customer expectations of unattended grocery delivery services: mapping forms and determinants. International Journal Of Retail & Distribution Management, 50(13), 1-16. https://doiorg.ezproxy.ulima.edu.pe/10.1108/IJRDM-07-2020-0273 Olsson, J, Hellström, D & Vakulenko, Y (2023). Customer experience dimensions in last-mile delivery: an empirical study on unattended home delivery. International Journal Of Physical Distribution & Logistics Management, 53(2), 184-205. https://doi.org/10.1108/IJPDLM-12-20210517 Pal, D, Funilkul, S, Eamsinvattana, W & Siyal, S (2021). Using online food delivery applications during the COVID 19 lockdown period: What drives University Students’ satisfaction and loyalty? Journal Of Foodservice Business Research, 25(5), 561-605. https://doi.org/10.1080/15378020.2021.1964419 Plataformas digitales representan casi un tercio de la venta de comercios. (2023). Instituto Peruano de Economía. https://www.ipe.org.pe/portal/plataformas-digitales-representan-casi-un-terciode-la-venta-de-comercios/ Prahiawan, W, Fahlevi, M, Juliana, J, Purba, J & Tarigan, S. (2021). The role of e-satisfaction, eword of mouth and e-trust on repurchase intention of online shop. International Journal Of Data And Network Science, 5(4), 593-600. https://doi.org/10.5267/j.ijdns.2021.8.008 Rajendran, S & Wahab, S (2022). Investigating last-mile delivery options on online shoppers experience and repurchase intention. International Journal Of Electronic Marketing And Retailing, 13(2), 224. https://doi.org/10.1504/ijemr.2022.121826 Risberg, A. (2022). A systematic literature review on e-commerce logistics: towards an ecommerce and omni-channel decision framework. The International Review Of Retail Distribution And Consumer Research, 33(1), 67-91. https://doi.org/10.1080/09593969.2022.2089903 Rosenberg, L & Czepiel, J. (1984). A marketing approach for customer retention. Journal Of Consumer Marketing, 1(2), 45-51. https://doi.org/10.1108/eb008094 Rungruangjit, W & Charoenpornpanichkul, K (2024). What motivates consumers’ continued usage intentions of food delivery applications in post COVID 19 outbreak? Comparing Generations X, Y and Z. Journal of Asia Business Studies, 18(1), 224-251. https://doi.org/10.1108/JABS-06-2023-0234 Saenz, M. (2023). Conoce qué tipo de cliente compra por internet en Perú. RPP noticias. https://rpp.pe/economia/economia/conoce-que-tipo-de-cliente-compra-por-internet-enperu-noticia-1516168 GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología. ISSN 2255-5684 Palomino Salazar, L.F. y Perez Castañeda, R.G. 13(2). 2025 167 Servicio de delivery presenta un crecimiento de 200% durante el último mes. (2022). República. https://larepublica.pe/economia/2022/03/29/servicio-de-delivery-presenta-un-crecimientode-200-durante-el-ultimo-mes Shmueli, G, Ray, S, Estrada, J & Chatla, S. (2016). The elephant in the room: Predictive performance of PLS models. Journal Of Business Research, 69(10), 4552-4564. https://doi.org/10.1016/j.jbusres.2016.03.049 Shrinivas, S & Shafighi, N (2022). Green Logistics in Last-Mile Delivery: A Focus on Customers’ Requirements and Satisfaction. International Journal Of Social Sciences And Humanities Invention, 9(09), 7230-7238. https://doi.org/10.18535/ijsshi/v9i09.08 Suhartanto, D, Ali, M, Tan, K, Sjahroeddin, F & Kusdibyo, L. (2018). Loyalty toward online food delivery service: the role of e-service quality and food quality. Journal Of Foodservice Business Research, 22(1), 81-97. https://doi.org/10.1080/15378020.2018.1546076 Trung, C, Xuan, T, Thanh, H (2025). The Impact of Last-Mile Delivery Logistics Service Quality Factors on Customer Loyalty: The Case of Online Shopping in the Mekong Delta Region. International Journal Of Business And Society, 26(2), 793-805. https://doi.org/10.33736/ijbs.8294.2025 Uzir, M, Halbusi, H, Thurasamy, R, Hock, R, Aljaberi, M, Hasan, N & Hamid, M (2021). The effects of service quality, perceived value and trust in home delivery service personnel on customer satisfaction: Evidence from a developing country. Journal Of Retailing And Consumer Services, 63, 102721. https://doi.org/10.1016/j.jretconser.2021.102721 Vakulenko, Y, Shams, P, Hellström, D, & Hjort, K (2019). Online retail experience and customer satisfaction: the mediating role of last mile delivery. The International Review Of Retail Distribution And Consumer Research, 29(3), 306-320. https://doi.org/10.1080/09593969.2019.1598466 Vinish, P, Pinto, P, Hawaldar, I & Pinto, S (2021). Antecedents of behavioral intention to use online food delivery services: an empirical investigation. Innovative Marketing, 17(1), 1-15. http://dx.doi.org/10.21511/im.17(1).2021.01 Vrhovac, V, Vasić, S, Milisavljević, S, Dudić, B, Štarchoň, P & Žižakov, M. (2023). Measuring Ecommerce User Experience in the Last Mile Delivery. Mathematics, 11(6), 1482. https://doi.org/10.3390/math11061482 Vrhovac, V, Dakić, D, Milisavljević, S, Ćelić, Đ, Stefanović, D & Janković, M (2024). The Factors Influencing User Satisfaction in Last-Mile Delivery: The Structural Equation Modeling Approach. Mathematics, 12(12), 1857. https://doi.org/10.3390/math12121857 Wong, K (2013). Partial Least Square Structural Equation Modeling (PLS SEM) Techniques Using SmartPLS. Marketing Bulletin, 24, 1-32. https://marketingbulletin.massey.ac.nz/v24/mb_v24_t1_wong.pdf