Buscar en
Investigaciones Europeas de Dirección y Economía de la Empresa
Toda la web
Inicio Investigaciones Europeas de Dirección y Economía de la Empresa El índice cuantitativo de calidad web como instrumento objetivo de medición de...
Información de la revista
Vol. 19. Núm. 1.
Páginas 16-30 (Enero - Abril 2013)
Compartir
Compartir
Descargar PDF
Más opciones de artículo
Visitas
8588
Vol. 19. Núm. 1.
Páginas 16-30 (Enero - Abril 2013)
DOI: 10.1016/j.iedee.2012.07.004
Open Access
El índice cuantitativo de calidad web como instrumento objetivo de medición de la calidad de sitios web corporativos
Quantitative Web Quality Index: An objective approach to website quality assessment
Visitas
...
Óscar R. González López??
Autor para correspondencia
orodrigo@unex.es

Autor para correspondencia. Facultad de Ciencias Económicas y Empresariales, Campus Universitario, Avenida de Elvas s/n, 06071 Badajoz, España.
, Tomás M. Bañegil Palacios, María Buenadicha Mateos
Departamento de Dirección de Empresas y Sociología, Universidad de Extremadura, Badajoz, España
Información del artículo
Resumen
Texto completo
Bibliografía
Descargar PDF
Estadísticas
Tablas (16)
Tabla 1. Principales factores (criterios) en los estudios de calidad web
Tabla 2. Dimensiones de las principales escalas de medición de la calidad del servicio electrónico
Tabla 3. Estadísticos descriptivos de las variables seleccionadas
Tabla 4. Varianza total explicada. Método de extracción: análisis de componentes principales
Tabla 5. Top ten en función del índice cuantitativo de calidad web (ICCW)
Tabla 6. Matriz de componentes rotados. Método de extracción: análisis de componentes principales. Método de rotación: normalización varimax con Kaiser. La rotación ha convergido en 9 iteraciones
Tabla 7. Top ten de las empresas analizadas en función del índice de accesibilidad
Tabla 8. Top ten de las empresas analizadas en función del índice de popularidad
Tabla 9. Top ten de las empresas analizadas en función del índice de entrada
Tabla 10. Top ten de las empresas analizadas en función del índice de calidad de dominio
Tabla 11. Promedio, por países, de las 100 compañías analizadas
Tabla 12. Posición que ocupa la empresa en la clasificación en función de los diversos criterios analizados
Tabla 13. Posición que ocupa la nacionalidad de las 100 compañías analizadas en función de los diversos índices propuestos
Tabla 14. Posición que ocupan los sectores de las 100 compañías analizadas en función de los diversos índices propuestos
Tabla 15. Correlaciones entre índices
Tabla 16. Índice de popularidad deflactado (IPW2) y posición que ocupan las empresas en función del mismo
Mostrar másMostrar menos
Resumen

El nuevo entorno marcado por la crisis económica hace imprescindible conocer la eficiencia de las acciones online llevadas a cabo por la empresa. Este trabajo propone una serie de indicadores para evaluar los sitios web de las compañías de todo el mundo.

Para ello se ha diseñado la investigación del problema a tratar, basada en la evaluación manual y automática de una serie de variables objetivas, con la posterior aplicación de un análisis factorial para la elaboración de indicadores.

El índice cuantitativo de calidad web (ICCW) es una herramienta versátil que nos permite comparar cualquier tipo de organización y detectar los puntos fuertes y débiles del sitio web de la compañía.

Palabras clave:
Evaluación de sitios web
Calidad del sitio web
Análisis del sitio web
E-strategia
Códigos JEL:
M15
Abstract

In the current economic crisis accurate assessment of the efficiency of the online strategy implemented by companies is a crucial issue. This paper proposes a number of indicators for the evaluation of the websites of companies all over the world.

Our research examines the manual and automatic evaluation of a series of objective variables concerning website. To obtain the indicators we applied a factor analysis to the relevant variables.

The Quantitative Web Quality Index is a versatile tool that permit us to compare any kind of organizations and detect the strong and weak points of the company's website.

Keywords:
Website evaluation
Website quality
Website analysis
E-strategy
JEL classification:
M15
Texto completo
1Introducción

Internet se ha convertido en una tecnología con enorme crecimiento y penetración tanto en número de servidores (más de 880 millones, según datos de Internet Systems Consortium) como de usuarios (más de 2.250 millones, según datos de Internet World Stats). Actualmente, las organizaciones son conscientes de la importancia de estar presentes en la web. En concreto, en España, según datos de la «Encuesta de uso de TIC y Comercio Electrónico (CE) en las empresas 2010-2011», confeccionada por el INE, el 67% poseen conexión a internet y sitio web, y el principal propósito de la página (90,7%) es la presentación de la empresa. Sin embargo, la mera presencia en internet no es suficiente. Por un lado, es necesario que la organización realice una estrategia relacionada con dicha sede online, principalmente basada en la atracción y retención de usuarios. Por otro lado, la compañía debe ir más allá de la red tradicional y asumir el cambio de paradigma centrado en poner especial énfasis en la interacción y colaboración online, la conectividad y la posibilidad de generar y compartir contenidos por parte de los usuarios (web 2.0).

Dentro de este contexto, surge la necesidad de realizar mediciones relacionadas con la calidad de la sede web de la organización. Sin embargo, la calidad de un sitio web es todavía un constructo sin definir, y existen numerosas interpretaciones relacionadas con dicho concepto. Una de las principales razones es la existencia de diferentes tipos de sitios web; así, por ejemplo, Michael Rappa (2005) establece 9 categorías básicas de modelos de negocios: corretaje (brokerage), publicidad (advertising), infomediario (infomediary), comerciante (merchant), fabricante (manufacturer, direct), afiliación (affiliate), comunidad (community), suscripción (subscription) y utilidad (utility). Por lo tanto, es complejo establecer una medición genérica de la calidad aplicable a todos los sitios web.

Este trabajo propone una serie de indicadores para evaluar la calidad de sedes web corporativas, es decir, sitios web no transaccionales. En primer lugar, se especifican los objetivos del estudio para, a continuación, exponer la literatura más relevante en relación a la calidad de páginas web. A continuación se recoge la metodología empleada, para más adelante proceder a la construcción de los índices. Por último, se presentan la discusión de los resultados, principales conclusiones, implicaciones y futuras investigaciones.

1.1Objetivos del estudio

Teniendo en cuenta las consideraciones anteriormente expuestas, con ciertas peculiaridades adaptadas al nuevo entorno web 2.0, en este trabajo se confeccionará un indicador que mide la calidad de la sede web de la compañía, desde un punto de vista objetivo: el índice cuantitativo de calidad web (ICCW). Así, se propone un índice que mide una parte de la estrategia web relacionada con la sede online, es decir, que estudia las acciones que permiten que el usuario sea atraído a la página de la compañía y pueda utilizarla de forma sencilla.

En concreto, los objetivos perseguidos por el estudio son los siguientes:

  • Hacer hincapié en la importancia de la estrategia relacionada con el sitio web de la organización.

  • Elaborar una serie de indicadores que resuman la información extraída de una serie de variables objetivas relacionadas con el sitio web de la compañía.

  • Utilizar estos indicadores para comparar las empresas seleccionadas e identificar las mejores en función de los diversos aspectos analizados.

  • Identificar los puntos débiles de cada organización como propuesta de mejora de su sede web.

2Revisión de la literatura

Los estudios relacionados con la medición de las páginas web han sido etiquetados de muchas maneras (evaluación del sitio web, e-satisfacción, calidad web, e-calidad, e-lealtad, calidad de los servicios electrónicos, etc.); no obstante, aunque difieren en sus planteamientos, los conceptos fundamentales son muy similares. Las principales metodologías de investigación se basan fundamentalmente en encuestas, evaluación experimental y análisis de contenido. La mayoría de los estudios hacen referencia a una serie de indicadores que podemos agrupar en 4 grandes tipos: técnicos, comerciales, relacionados con el contenido y relacionados con el diseño. La tabla 1 muestra los principales factores y criterios utilizados en estos estudios.

Tabla 1.

Principales factores (criterios) en los estudios de calidad web

Factores (criterios)  Diseño  Contenido 
Técnicos  • Facilidad de uso (usabilidad, accesibilidad, navegabilidad, estructura lógica, interfaz amigable, velocidad de carga, enlaces correctos, facilidad de acceso, facilidad de búsqueda de información específica)• Calidad de la información (legibilidad)• Apariencia visual (criterios de diseño de la interfaz: estética, estilo consistente de presentación, adecuada presentación multimedia, capacidad de captar la atención, imágenes adecuadas)• Seguridad/privacidad (protección de la información)• Capacidad de respuesta (accesibilidad de los servicios, ayuda en línea intuitiva)• Confianza (notoriedad de marca, consistencia, intenciones, credibilidad)• Integración tecnológica (integración de nuevas tecnologías)  • Calidad de la información (relevancia, utilidad, amplia cobertura, actualidad, precisión, variedad, alcance, concisión, autoridad, fiabilidad, singularidad)• Facilidad de uso (buscador)• Seguridad/privacidad (declaración de privacidad)• Capacidad de respuesta (correo electrónico, respuesta a clientes, información de contacto)• Personalización (personalización de la información)•Interactividad (preguntas frecuentes, libro de visitas, chat)• Alegría (entretenimiento, diversión, placer, flujo) 
Comerciales  Fulfillment (transacción en línea, proceso de pedido o reserva en línea, confirmación)• Seguridad/privacidad (seguridad en la compra en línea)• Confianza (reconocimiento de la marca, la consistencia, las intenciones y la credibilidad)  • Calidad de la información (especificaciones de productos y precios)• Fulfillment (seguimiento del estado del pedido, cumplimiento de la promesa de servicio, facturación, entrega)• Publicidad/persuasión (marketing, contenidos promocionales, sugerencia de productos, recomendaciones, incentivos)• Personalización (atención individualizada, personalización de la oferta) 

Elaboración propia a partir de Park y Gretzel (2007) y Chiou, Lin y Perng (2010).

Además, por un lado, un sitio web es un software, es decir, un producto y, por otro lado, un sitio web ofrece una serie de servicios a sus usuarios. Por ello la calidad de un sitio web comparte algunos atributos comunes con la calidad del producto y con la calidad del servicio. De hecho, por lo general, los modelos de evaluación de la calidad de los sitios web se basan en 3 enfoques: calidad del producto, calidad del servicio y aceptación de la tecnología.

2.1Calidad del producto (software)

Desde un punto de vista técnico, un sitio web es un software. En este caso, el concepto de calidad hace referencia a las características internas del producto y se centra en el proceso de desarrollo, en el que los aspectos primordiales son el mantenimiento, las actualizaciones y la eficiencia de la página web. La calidad del software se basa en el concepto de calidad como «conformidad con las especificaciones técnicas del producto», relacionadas con el desarrollo y programación de la página web.

La mayoría de estos trabajos toman como referencia la norma ISO 9126 o, la más reciente, ISO/IEC 25000, estándares internacionales para la evaluación de la calidad del software. Entre las aportaciones más relevantes dentro de este enfoque se encuentran las de Olsina, Godoy, Lafuente y Rossi, 1999; Olsina, Sassano y Mich, 2008, Nielsen (1999) y Bevan (1999).

El estándar ISO 9126 propone un modelo de calidad dividido en 3 vistas: interior, exterior y en uso1. El modelo clasifica la calidad del software en un conjunto estructurado de características y subcaracterísticas. En concreto, establece 10 características: 6 comunes a las vistas interna y externa y 4 propias de la vista en uso. Las características que definen las vistas interna y externa son:

  • Funcionalidad, capacidad de suministrar los servicios necesarios para cumplir con los requisitos funcionales. Incluye la adecuación, la corrección, la interoperabilidad, la seguridad y el cumplimiento de la funcionalidad.

  • Fiabilidad, capacidad de mantener las prestaciones requeridas del sistema durante un tiempo establecido y bajo una serie de condiciones definidas. Incluye la madurez, la tolerancia a fallos, la capacidad de recuperación y el cumplimiento de la fiabilidad.

  • Usabilidad, esfuerzo requerido por el usuario para utilizar de forma satisfactoria el producto. Incluye la inteligibilidad, la facilidad de aprendizaje, la operatividad, el atractivo y el cumplimiento de la usabilidad.

  • Eficiencia, relación entre las prestaciones y los requisitos necesarios para su utilización. Incluye el comportamiento en el tiempo, la utilización de recursos y el cumplimiento de la eficiencia.

  • Mantenibilidad, esfuerzo necesario para adaptarse a las nuevas especificaciones y requisitos. Incluye la analizabilidad, la variabilidad, la estabilidad, la facilidad de prueba y el cumplimiento de la mantenibilidad.

  • Portabilidad, capacidad de ser transferido de un entorno a otro. Incluye la adaptabilidad, la facilidad de instalación, la coexistencia, la intercambiabilidad y el cumplimiento de la portabilidad.

Las características que definen la vista en uso son:

  • Efectividad, capacidad de facilitar al usuario el alcanzar objetivos con precisión y completitud.

  • Productividad, capacidad de permitir a los usuarios invertir la cantidad apropiada de recursos en relación a la efectividad obtenida.

  • Seguridad, capacidad para cumplir con los niveles de riesgo permitidos tanto para posibles daños físicos como para posibles riesgos de datos.

  • Satisfacción, capacidad de cumplir con las expectativas de los usuarios en un contexto determinado.

La norma ISO/IEC 25000 proporciona una guía para el uso de las nuevas series de estándares internacionales conocidos como SQuaRE (Requisitos y Evaluación de Calidad de Productos de Software), basados en la ISO 9126 y en la ISO 14598. Este estándar también define 3 vistas diferenciadas en el estudio de la calidad de un producto: vista interna, que se encarga de las propiedades del software; vista externa, que analiza el comportamiento del software en ejecución y estudia sus atributos, y vista en uso, que mide la productividad y la efectividad del usuario final cuando utiliza el software.

La metodología Web QEM (Quality Evaluation Method) de Olsina et al. (1999) parte de un modelo jerárquico de calidad de producto basado en el estándar ISO 9126-1; de esta forma, la calidad de producto queda definida por las características siguientes: usabilidad, funcionalidad, confiabilidad, eficiencia, mantenibilidad y portabilidad. Una de las principales críticas a este método se centra en el elevado número de atributos evaluados, lo que puede ocasionar problemas en análisis posteriores. Por ello, autores como Bauer y Scharl (2000) recomiendan emplear un menor número de atributos, pero de mayor relevancia.

Nielsen (1999) establece una serie de normas de usabilidad aplicables al diseño de sitios web; en concreto, entre las razones de un usuario para volver a visitar el sitio web destacan un contenido de alta calidad, frecuente actualización, tiempo de descarga mínimo, sencillez de uso, relevancia del contenido para las necesidades del usuario, aprovechamiento de las características del entorno online y que la web refleje una organización centrada en la red.

2.2Calidad del servicio

Desde el punto de vista del usuario, un sitio web presta una serie de servicios. Este segundo concepto de calidad del sitio web hace referencia a la calidad externa, desde la perspectiva del usuario. La mayoría de estos estudios derivan de los estudios clásicos de calidad del servicio.

Existen 2 grandes escuelas de investigación en calidad de servicio: la escuela nórdica, en la que destacan los trabajos de Grönroos (1982,1984) y Lehtinen y Lehtinen (1991), y la escuela norteamericana, en la que destacan la escala SERVQUAL de Parasuraman, Zeithaml y Berry, 1985; Parasuraman, Zeithaml y Berry, 1988 y la escala SERVPERF de Cronin y Taylor (1992). La escala SERVQUAL utiliza 2 cuestionarios con 22 ítems, uno para medir las expectativas y otro para medir las percepciones; este modelo establece 5 dimensiones integrantes del constructo calidad de servicio: elementos tangibles, fiabilidad, capacidad de respuesta, seguridad y empatía. Por otro lado, la escala SERVPERF tiene en cuenta tan solo las percepciones de los clientes, por 2 principales razones: posee mejores propiedades psicométricas que el cuestionario SERVQUAL y reduce el número de ítems a la mitad.

Sin embargo, las definiciones y la importancia relativa de cada una de las 5 dimensiones de la calidad del servicio, establecidas por SERVQUAL, cambian cuando los consumidores interactúan con la tecnología en lugar de hacerlo con personas, por lo que tienen que ser reformuladas para aplicarse adecuadamente a entornos online, ya que los servicios en línea poseen características únicas que puede afectar la percepción de la calidad.

Numerosos estudios han surgido con el objeto de identificar los atributos de la calidad del servicio más relevantes en los entornos online. Debido a ello, algunos investigadores proponen desarrollar escalas que permitan realizar evaluaciones fiables y consistentes del constructo calidad del servicio percibida en entornos online. Las principales, por su utilización en estudios relacionados con la materia, son: e-SQ/e-SERVQUAL/e-S-QUAL —Zeithaml (2000, 2002), Zeithaml, Parasuraman y Malhotra (2002), Parasuraman, Zeithaml y Malhotra (2005)— y .comQ/eTailQ —Wolfinbarger y Gilly (2003)—, aunque existen otras, como WEBQUAL —Loiacono, Watson y Goodhue (2007)—, WEBQUAL 4.0 —Barnes y Vidgen (2002), SiteQUAL —Yoo y Donthu (2001)— o Etransqual —Bauer, Falk y Hammerschmidt (2006)—. La tabla 2 recoge las dimensiones de las principales escalas de medición de la calidad del servicio electrónico.

Tabla 2.

Dimensiones de las principales escalas de medición de la calidad del servicio electrónico

e-SQ/e-SERVQUAL/e-S-QUAL (Zeithaml, 2000, 2002; Zeithaml et al., 2002; Parasuraman et al., 2005Escala principal (e-S-QUAL core scale) 
  • Eficiencia (efficiency) 
  • Cumplimiento (fulfillment) 
  • Disponibilidad del sistema (system availability) 
  • Privacidad (privacity) 
  Escala de recuperación (e-RecS-QUAL) 
  • Capacidad de respuesta (responsiveness) 
  • Compensación (compensation) 
  • Contacto (contact) 
WebQUAL (Loiacono et al., 2007• Utilidad (usefulness) 
  • Facilidad de uso (ease of use) 
  • Entretenimiento (entertainment) 
  • Relación complementaria (complimentary relationship) 
SiteQUAL (Yoo y Donthu, 2001• Facilidad de uso (ease of use) 
  • Diseño (aesthetic design) 
  • Rapidez de procesamiento (processing speed) 
  • Seguridad (security) 
ComQ/eTailQ (Wolfinbarger y Gilly, 2003• Diseño del sitio web (website design) 
  • Fiabilidad/cumplimiento (reliability/fulfillment) 
  • Privacidad/seguridad (privacy/security) 
  • Atención al cliente (customer service) 
WebQual 4.0 (Barnes y Vidgen, 2002• Usabilidad (usability) 
  • Calidad de la información (information quality) 
  • Calidad de la interacción (interaction quality) 
Etransqual (Bauer et al., 2006• Funcionalidad/diseño (functionality/design) 
  • Disfrute (enjoyment) 
  • Proceso (process) 
  • Fiabilidad (reliability) 
  • Capacidad de respuesta (responsiveness) 

Elaboración propia.

Sin embargo, muchas de estas escalas han sido establecidas para sitios web transaccionales y algunas dimensiones no son aplicables a todos los sitios web. Así por ejemplo, la dimensión de cumplimiento de la escala eTailQ o la escala de recuperación no serían aplicables a las sedes web corporativas objeto de nuestro estudio.

2.3Aceptación de la tecnología

Un tercer enfoque dentro de los estudios de calidad de los sitios web se centra en los modelos relacionados con la aceptación tecnológica. La mayoría de estos estudios se basan en la innovación y suelen enfocarse desde el punto de vista de la difusión o desde el punto de vista de la adopción; en el caso de la difusión, intentan entender cómo se propaga una innovación entre los miembros de una comunidad, y en el caso de la adopción, evalúan la receptividad y los cambios de una organización o sociedad ante una innovación. Entre los modelos de difusión de la innovación se encuentran el modelo de Bass (1969) y el modelo basado en la dinámica de sistemas de Milling y Maier (2002). Entre los modelos de adopción de la innovación se encuentran la teoría de la difusión de la innovación de Rogers (2003), el marco conceptual de adopción de Frambach y Schillewaert (2002) y el modelo dinámico de implementación de innovaciones de Repenning (2002).

Además de los modelos de difusión y adopción, existen otros modelos centrados específicamente en el uso de sistemas de información; estos estudian los factores determinantes de la aceptación de las tecnologías de la información y de su utilización entre los usuarios. Los principales son el modelo de éxito de sistemas de información de DeLone y McLean (1992, 2003) y el modelo de aceptación de la tecnología (TAM) —Davis, Bagozzi y Warshaw (1989)—, TAM2 —Venkatesh y Davis (2000)—, teoría unificada de la aceptación del uso de la tecnología —Venkatesh, Morris, Davis y Davis (2003)— y TAM3 —Venkatesh y Bala (2008)—.

DeLone y McLean (1992), en su modelo del éxito de los sistemas de información, identificaron 6 dimensiones clave para la evaluación del éxito de un sistema de información: la calidad de la información, la calidad del sistema, el uso, la satisfacción del usuario, el impacto individual y el impacto organizacional. Diez años más tarde DeLone y McLean (2003) revisaron el modelo, incluyendo algunos factores importantes para la evaluación del éxito de un sistema de información, aplicables sobre todo en sistemas de comercio electrónico.

El modelo TAM se basa en la teoría de la acción razonada2 y postula que el uso de una tecnología viene determinado por la intención de uso, la cual depende de la actitud del usuario frente a su utilización. Esta actitud hacia el uso de un sistema de información está basada en 2 variables previas: la utilidad percibida y la facilidad de uso percibida. Posteriores ampliaciones del modelo, como TAM2, incluyeron otras variables condicionantes de la intención de uso, como la norma subjetiva.

Una vez expuestos los 3 principales enfoques relacionados con la investigación en calidad de sitios web, es necesario aclarar que nuestra investigación se basa en el estudio de las variables mencionadas en los 3, aunque, por su planteamiento, guarda mayor relación con el primer marco conceptual, el de calidad de sitio web como producto. Esto es debido principalmente al carácter práctico que se ha perseguido al realizar el estudio; además de los problemas derivados de la subjetividad y fiabilidad de las respuestas, el diseño de la investigación y el proceso de recopilación de información basados en encuestas, opiniones y percepciones, utilizados principalmente en los enfoques de calidad de servicio y de aceptación de la tecnología, son largos y laboriosos, máxime para las organizaciones no especializadas en dichas tareas. Por eso, se ha optado por la utilización de una serie de indicadores objetivos gratuitos y de fácil acceso, para que cualquier compañía interesada pueda, como punto de partida y sin perjuicio de un análisis posterior más profundo, medir una serie de aspectos relevantes relacionados con la calidad de su sede online.

3Metodología

Como hemos mencionado anteriormente, el objetivo principal del estudio se centra en confeccionar un índice objetivo general que mida la calidad de los sitios web corporativos y una serie de índices parciales que resuman la información extraída de una serie de variables objetivas relacionadas con las sedes online de la compañía. A través de ellos, se podrán comparar las empresas seleccionadas e identificar las mejores en función de los diversos aspectos analizados, poniendo de manifiesto los puntos fuertes y débiles de cada organización.

Para lograr estos objetivos, se utilizará el análisis factorial de componentes principales, por su capacidad de sintetizar grandes cantidades de información. Esta técnica permite identificar las dimensiones y/o indicadores más significativos del concepto sometido a examen y obtener ponderaciones de las variables sin tener que recurrir a consideraciones subjetivas3.

Como en otros estudios sobre temas similares —Jenamani, Mohapatra y Ghose (2006), Liu y Arnett (2000)—, para la selección de las compañías a analizar se utilizarán los datos publicados por la revista Fortune; en concreto, los referentes a las 100 mayores empresas4 a nivel mundial en el año 2010. De esta forma se podrá verificar si son realmente las mayores empresas las que mayor importancia otorgan a sus sedes web.

Varias páginas en internet (popuri.us, Dnfame.com, xinureturns.com) y determinados programas informáticos (Link Popularidad Check) realizan mediciones de una serie de aspectos relacionados con los sitios web. Tras un exhaustivo estudio de estas herramientas, y basándonos en la revisión de la literatura efectuada, se han seleccionado las variables más relevantes (su significado será aclarado en posteriores apartados de este trabajo)5:

  • Número de palabras clave.

  • Número de palabras en la descripción.

  • Tamaño del nombre de dominio.

  • Backlinks en AllTheWeb, AltaVista, MS Live/Bing, Google y Yahoo.

  • Clasificaciones de Alexa, Compete, Google (Pagerank) y Quantcast.

  • Marcadores sociales en Twitter, Digg y Delicious.

  • Tiempo de carga en segundos de la web.

  • Número de objetos totales.

  • Tamaño en kilobytes de la página.

  • Advertencias de validación HTML y CSS.

  • Problemas de accesibilidad prioridades 1, 2 y 3 automáticos y manuales6.

Para la medición de dichas variables se ha utilizado como referencia la página principal (home page) de la compañía o, en su caso, la correspondiente a su redirección automática. La tabla 3 recoge los estadísticos descriptivos de las variables utilizadas en el estudio.

Tabla 3.

Estadísticos descriptivos de las variables seleccionadas

  Mínimo  Máximo  Media  Desviación típica 
Palabras clave  140  11,86  20,766 
Palabras en la descripción  71  13,13  15,449 
Tamaño de URL  24  11,48  4,138 
Backlinks en AllTheWeb  186  5.430.000  261.025,78  699.248,784 
Backlinks en AltaVista  2.500  5.450.000  377.682,10  825.727,956 
Backlinks en MS live/Bing  668.000.000  26.990.425,54  87.450.007,766 
Backlinks en Google  8.470  1.325,78  1.328,123 
Backlins en Yahoo  24.799.922  470.590,39  2.513.132,302 
Ranking de Alexa  146  1.733.839  136.356,93  270.758,672 
Ranking Compete  4.091.102  434.626,05  839.320,467 
Ranking de Google (Pagerank)  6,61  1,222 
Ranking Quantcast  32  1.000.000  312.899,35  407.238,794 
Marcadores sociales en Twitter  8.692  213,45  923,007 
Marcadores sociales en Digg  65  2,98  8,347 
Marcadores sociales en Delicious  7.375  155,21  774,197 
Tiempo de carga en segundos  0,40  26,20  6,5680  5,05341 
Objetos totales  431  91,41  75,804 
Tamaño Kb  27,6  5.144,7  736,167  861,0259 
Errores de validación HTML  1.916  90,43  247,363 
Advertencias de validación HTML  1.479  50,75  162,425 
Errores de validación CSS  407  46,33  70,390 
Advertencias de validación CSS  15.350  1.063,47  2.598,558 
Problemas de accesibilidad prioridad 1 automático de taw  340  15,37  55,061 
Problemas de accesibilidad prioridad 1 manual de taw  779  131,90  148,890 
Problemas de accesibilidad prioridad 2 automático de taw  1.564  70,72  245,948 
Problemas de accesibilidad prioridad 2 manual de taw  1.071  175,85  211,817 
Problemas de accesibilidad prioridad 3 automático de taw  179  11,28  29,152 
Problemas de accesibilidad prioridad 3 manual de taw  310  36,62  51,698 

Una de las decisiones más complejas a la hora de elaborar los índices es la ponderación que deben recibir las distintas características que la integran, sobre todo en casos como el de este trabajo, en el que no existe en la literatura un consenso sobre la importancia relativa de las dimensiones. El análisis factorial de componentes principales ofrece una solución al dividir estas características en componentes que se pueden considerar índices aditivos en sí. Además, para interpretar más fácilmente las asociaciones entre las variables y los componentes se ha realizado una rotación varimax, que se centra en simplificar las columnas de la matriz de componentes, ya que es un método que ha demostrado tener más éxito como aproximación analítica para lograr una rotación ortogonal de factores, Hair, Anderson, Tatham y Black (1999).

Antes de aplicar este método se han llevado a cabo 2 tipos de estandarización. Para las variables cuyos valores altos implican, a priori, mejor calidad del sitio web (número de palabras clave, número de palabras en la descripción, backlinks, clasificación de Google [Pagerank], marcadores sociales) se aplica una estandarización normal (Z). Para las variables cuyos valores altos implican, a priori, peor calidad del sitio web (tamaño del nombre de dominio, clasificaciones de Alexa, Compete y Quantcast, tiempo de carga en segundos de la web, número de objetos totales, tamaño en kilobytes de la página completa, errores y advertencias de validación y problemas de accesibilidad) se aplica una estandarización inversa (Zinv.); es decir, se utiliza la media aritmética (μ) menos el valor de la variable (X) dividido por la desviación estándar (σ).

La selección de los componentes se llevó a cabo con la regla de Kaiser-Guttman (eigenvalor mayor que 1). Un primer indicador de la calidad de la representación de la información en los factores seleccionados es la comunalidad, que expresa la proporción de varianza de una variable explicada por los factores seleccionados. Estudiando la extracción realizada se descartan, siguiendo a Hair et al. (1999), las variables con comunalidades bajas, inferiores a 0,5 (Digg Social Bookmarks: 0,4989; Alexa Ranking: 0,4757; URL Size: 0,465; Google Pagerank: 0,464) y se aplica de nuevo la técnica factorial a las variables restantes.

En este caso, la medida de adecuación muestral de Kaiser-Meyer-Olkin es 0,685 (superior a 0,6) y la prueba de esfericidad de Bartlett es de 0,000 (menor que 0,05), por lo que se contrasta la hipótesis nula de esfericidad y, en consecuencia, se puede afirmar que el modelo factorial es adecuado para explicar los datos.

4Índice cuantitativo de calidad web

El ICCW es un indicador global elaborado partir de las variables seleccionadas.

Una vez aplicado el análisis factorial, se obtienen una serie de componentes que se multiplican por el porcentaje de varianza explicado; la suma de estos valores da como resultado el índice buscado. Por tanto, la expresión matemática genérica de los indicadores sería:

donde Ci son los componentes, Vi el porcentaje de varianza explicado por cada uno de ellos y n el número de componentes extraídos. La tabla 4 recoge el porcentaje de varianza explicado por cada uno de los factores extraídos.

Tabla 4.

Varianza total explicada. Método de extracción: análisis de componentes principales

Componente  Suma de las saturaciones al cuadrado de la rotación
  Total  % de la varianza  % acumulado 
5,475  22,814  22,814 
2,600  10,835  33,649 
2,584  10,767  44,416 
1,912  7,968  52,384 
1,910  7,957  60,341 
1,563  6,512  66,852 
1,428  5,950  72,802 
1,388  5,783  78,585 
1,138  4,743  83,328 

De esta forma, en este caso en concreto, el ICCW se define con la siguiente expresión matemática:

A continuación, con el objeto de poder interpretar de forma más sencilla los resultados, se estandariza el índice, ya que la multiplicación por los pesos factoriales ha desestandarizado la variable resultante; de esta forma se obtiene de nuevo una serie de promedio 0 y varianza 1. Así, una puntación de 0 indicaría que la compañía se encuentra en el promedio; los valores positivos indicarían una buena calidad del sitio web (según hemos delimitado antes conceptualmente), mejor que la media, y valores negativos indicarían que estas compañías se encuentran por debajo del estándar.

Con los resultados obtenidos se ha elaborado una primera clasificación de las 10 empresas que han logrado una mejor puntuación en el índice. Como puede observarse en la tabla 5, 5 de esas compañías son estadounidenses, una japonesa, 3 europeas y una china.

Tabla 5.

Top ten en función del índice cuantitativo de calidad web (ICCW)

  ICCW  Compañía  País  Sector 
3,09  IBM  EE.UU.  Information Technology Services 
2,78  AT&T  EE.UU.  Telecommunications 
1,65  Hewlett-Packard  EE.UU.  Computers, Office Equipment 
1,51  Sony  Japón  Electronics, Electrical Equipment 
1,2  General Electric  EE.UU.  Diversified Financials 
1,16  Tesco  Reino Unido  Food and Drug Stores 
1,14  Industrial & Commercial Bank of China  China  Banks: Commercial and Savings 
0,94  Siemens  Alemania  Electronics, Electrical Equipment 
0,93  Royal Dutch Shell  Países Bajos  Petroleum Refining 
10  0,92  U.S. Postal Service  EE.UU.  Mail, Package and Freight Delivery 

El siguiente paso en el estudio consiste en desglosar el indicador global en una serie de indicadores parciales que permitan analizar aspectos específicos de las páginas web seleccionadas. Para ello utilizaremos la matriz de componentes rotados, que recogemos en la tabla 6.

Tabla 6.

Matriz de componentes rotados. Método de extracción: análisis de componentes principales. Método de rotación: normalización varimax con Kaiser. La rotación ha convergido en 9 iteraciones

Componente 
Automatic Acces. probl. priority 2  0,942  0,036  0,010  0,043  0,026  –0,040  0,071  0,087  –0,042 
Automatic Acces. probl.priority 3  0,926  –0,020  0,021  0,060  –0,010  –0,010  –0,022  0,048  0,031 
Manual Acces. probl.priority 3  0,923  0,019  0,026  0,022  –0,056  0,045  –0,035  0,022  0,011 
Automatic Acces. probl.priority 1  0,900  0,047  0,017  0,025  0,006  –0,081  0,053  –0,077  –0,061 
Manual Acces. probl.priority 1  0,895  0,015  0,027  0,007  0,036  0,115  –0,019  0,185  0,058 
Manual Acces. probl.priority 2  0,894  –0,041  0,003  –0,075  0,065  0,235  –0,084  –0,012  0,057 
Yahoo Backlinks  0,007  0,953  –0,064  0,012  0,003  0,066  0,011  –0,020  0,038 
Alltheweb Backlinks  0,008  0,929  0,288  0,131  –0,012  –0,078  0,021  –0,023  –0,024 
Altavista Backlinks  0,036  0,836  0,451  0,110  –0,003  –0,050  0,041  –0,035  0,024 
Twitter Social Bookmarks  0,011  0,150  0,960  0,042  –0,039  0,006  –0,058  0,002  –0,087 
Delicious Social Bookmarks  0,013  0,149  0,952  0,033  –0,012  0,028  –0,025  0,030  –0,072 
Google Backlinks  0,088  0,204  0,648  0,226  –0,026  –0,058  0,228  –0,042  0,376 
Quantcast Ranking  0,026  0,125  0,101  0,887  –0,072  0,008  –0,068  –0,022  0,052 
Compete Ranking  0,025  0,064  0,078  0,863  –0,045  0,080  –0,137  –0,097  0,117 
Web Size (Kb)  –0,090  0,017  0,064  –0,140  0,800  0,022  –0,209  –0,073  0,216 
Objects  0,032  –0,074  –0,109  –0,131  0,783  0,309  0,007  –0,056  0,073 
Loading time  0,133  0,061  –0,041  0,199  0,762  0,008  0,203  0,050  –0,378 
CSS warning errors  0,021  0,011  –0,015  –0,108  0,097  0,911  0,023  –0,038  0,053 
CSS validation errors  0,156  –0,049  0,026  0,345  0,191  0,727  0,036  0,073  –0,046 
Description words  –0,093  0,048  –0,030  –0,078  –0,051  0,051  0,829  0,157  –0,176 
Keywords  0,081  0,004  0,070  –0,158  0,012  0,003  0,741  –0,261  0,257 
HTML warning errors  0,073  –0,056  0,011  –0,143  –0,079  0,030  –0,055  0,886  0,119 
HTML validation errors  0,620  –0,007  –0,002  0,063  0,013  –0,049  0,059  0,644  0,005 
MS live/Bing Backlinks  0,025  0,018  –0,034  0,146  0,049  0,027  0,010  0,117  0,801 

Las cursivas indican la alta correlación existente entre cada una de las variables independientes y el componente correspondiente.

Examinando la matriz de componentes rotados, se observa que el método aplicado ha agrupado las variables en una serie de factores:

  • El factor 1 hace referencia principalmente a los problemas de accesibilidad y, en menor medida, a los errores de validación HTML.

  • El factor 2 hace referencia principalmente a los backlinks (Yahoo, Alltheweb y Altavista).

  • El factor 3 hace referencia principalmente a los marcadores sociales de Twitter y Delicious y a los backlinks de Google.

  • El factor 4 hace referencia principalmente a las clasificaciones (Quantcast y Compete).

  • El factor 5 hace referencia principalmente al tamaño del sitio, al número de objetos que contiene y al tiempo de carga.

  • El factor 6 hace referencia principalmente a los errores de validación y advertencias CSS.

  • El factor 7 hace referencia principalmente al número de palabras clave y al número de palabras en la descripción.

  • El factor 8 hace referencia principalmente a los errores de validación y advertencias HTML.

  • El factor 9 hace referencia principalmente a los backlinks de MS Live/Bing.

Analizando esta información, y teniendo en cuenta la revisión de la literatura, se llega a la conclusión que existen una serie de conceptos relacionados con estos factores. En concreto, se observan 4:

  • El factor 1 (problemas de accesibilidad y errores de validación HTML), el factor 6 (errores de validación y advertencias CSS) y el factor 8 (errores de validación y advertencias HTML) hacen referencia a aspectos relacionados con la «Accesibilidad». Estos factores supondrían el 35,11% de la varianza explicada.

  • Los factores 2, 3 y 9 (backlinks y marcadores sociales) y el factor 4 (clasificaciones) hacen referencia a aspectos relacionados con la «Popularidad» de la sede web. Estos factores supondrían el 34,31% de la varianza explicada.

  • El factor 5 (tamaño del sitio, número de objetos que contiene y al tiempo de carga) puede denominarse «Entrada», que correspondería al 7,96% de la varianza explicada.

  • El factor 7 (número de palabras clave y número de palabras en la descripción) puede ser considerado como un indicativo de la «Calidad del dominio», que correspondería al 5,95% de la varianza explicada.

La siguiente fase del trabajo consiste en elaborar indicadores para cada uno de los conceptos anteriormente mencionados: accesibilidad, popularidad, entrada y calidad del dominio. De esta forma se podrá comparar la situación de cada organización en cada uno de los indicadores, ofreciendo una información exhaustiva que permita a las empresas conocer en qué aspectos deberían centrar sus mejoras en relación a sus sedes corporativas.

Para ello, se aplica el análisis factorial a las variables relacionadas con estos conceptos, con objeto de evitar interferencias del resto. Es necesario aclarar que estos índices son partes del índice global y como tal han de ser entendidos. Así, hacen referencia a las variables seleccionadas que miden un concepto concreto (dominio, popularidad, entrada, accesibilidad), ya que existen otras variables no incluidas (como las subjetivas) que pueden hacer referencia a dicho concepto.

A continuación se comentan los distintos índices y los resultados obtenidos en cada uno de ellos, comenzando por el índice de accesibilidad.

5Índice de accesibilidad

La accesibilidad web hace referencia a la capacidad de acceso a la página y sus contenidos por todas las personas, independientemente de la discapacidad (física, intelectual o técnica) que presenten o de las que se deriven del contexto de uso (tecnológico o ambiental). Cuando los sitios web están diseñados pensando en la accesibilidad, todos los usuarios deberían poder acceder en condiciones de igualdad a los contenidos.

Tal y como se extrae del análisis realizado al comienzo del estudio, existen 2 grupos de indicadores básicos relacionados con este concepto: los errores de validación y los problemas de accesibilidad.

5.1Validación

The Markup Validator es un servicio gratuito de W3C que permite comprobar la validez de los documentos web en relación a las especificaciones técnicas de los lenguajes en los que han sido programados. La validación se convierte de esta forma en un proceso que permite evitar errores de navegación independientemente de la plataforma, navegador o sistema operativo que utilice el internauta, por lo que garantiza esa accesibilidad. Además, esta herramienta es un sistema de validación HTML de acuerdo a las normas ISO/IEC 15445 e ISO 8879.

5.2Accesibilidad

Para medir la accesibilidad se utiliza, como en otros estudios —De Andrés, Lorca y Martínez (2010)—, el Test de Accesibilidad Web (TAW) del Centro Tecnológico de la Información y la Comunicación (CTIC): http://www.tawdis.net. Esta herramienta comprueba el nivel de accesibilidad alcanzado en el diseño y desarrollo de páginas web, con el fin de permitir el acceso a todas las personas independientemente de sus características diferenciadoras.

Los problemas de accesibilidad pueden ser de tipo 1, cuya solución es un requisito básico para que algunos grupos puedan usar estos documentos web; de tipo 2, que suponen importantes barreras de acceso a los documentos web, o de tipo 3, cuya verificación mejorará la accesibilidad de los documentos web. Además, estos errores pueden ser automáticos, es decir, pueden detectarse mediante el análisis del código HTML, o manuales, que deben ser revisados manualmente.

Al igual que en el índice anterior, puesto que valores inferiores en las variables implican mayores valores en accesibilidad del sitio web, se utiliza la normalización inversa antes de confeccionar el índice.

El análisis factorial ha agrupado la información en 3 componentes; el primero de ellos hace referencia a los problemas de accesibilidad; el segundo, a los errores y advertencias de validación CSS, y el tercero, a los errores y advertencias de validación HTML.

Una vez extraídos los factores, para la confección del índice de accesibilidad ponderaremos los componentes en función de la varianza que explican cada uno de ellos, por lo que el índice de accesibilidad viene determinado por la siguiente expresión matemática:

A continuación, con el fin de poder interpretar de forma más sencilla los resultados, se estandariza el índice. Los primeros puestos se recogen a continuación en la tabla 7, donde se observa que existen 5 compañías estadounidenses en los primeros puestos, una venezolana, 2 europeas, una china y una japonesa.

Tabla 7.

Top ten de las empresas analizadas en función del índice de accesibilidad

  Índice de accesibilidad  Compañía  País  Sector 
0,68  Berkshire Hathaway  EE.UU.  Insurance: Property and Casualty (stock) 
0,68  Verizon Communications  EE.UU.  Telecommunications 
0,68  AmerisourceBergen  EE.UU.  Wholesalers: Health Care 
0,67  PDVSA  Venezuela  Petroleum Refining 
0,66  CNP Assurances  Francia  Insurance: Life, Health (stock) 
0,63  China Mobile Communications  China  Telecommunications 
0,62  Sony  Japón  Electronics, Electrical Equipment 
0,6  Tesco  Reino Unido  Food and Drug Stores 
0,59  American International Group  EE.UU.  Insurance: Property and Casualty (stock) 
10  0,68  General Electric  EE.UU.  Diversified Financials 
6Índice de popularidad web

La popularidad es un concepto que surge para medir la importancia de una web, y es utilizada principalmente por los buscadores para sus algoritmos de jerarquización de resultados. Como se ha comentado previamente, existen diversas herramientas online para medir la popularidad de los sitios web: Popuri.us, Xinureturns, DNFAme, Link Popularidad o Link Vendor, entre otras. Partiendo de las conclusiones extraídas del análisis de componentes principales inicial, se utilizan 3 tipos de variables para medir la popularidad de la web: backlinks, clasificaciones y marcadores sociales.

6.1Backlinks

Un backlink es un enlace que recibe una determinada web desde otras páginas. El número de backlinks es importante para el posicionamiento en los buscadores y es indicativo de la popularidad o importancia de una web. Al igual que en otros estudios (Miranda y Bañegil, 2004), se utilizan los valores proporcionados por el programa Link Popularidad Check, en su versión 3.0.2. Este software ha proporcionado valores útiles para los backlinks de AllTheWeb, AltaVista, Google, MS Live/Bing y Yahoo.

6.2Clasificaciones

Las clasificaciones (rankings) hacen referencia a la posición que ocupa un determinado sitio web en relación al resto. Los principales son Alexa Rank, Pagerank, Compete Rank y Quantcast Rank.

6.3Marcadores sociales

Los marcadores sociales (social bookmarks) son una forma de almacenar, clasificar y compartir enlaces en internet. Entre los más importantes, según clasificaciones elaboradas por sitios web como about.com, se encuentran: del.icio.us, Digg, Reddit, Myspace, Facebook y Twitter. Para este estudio se han obtenido valores relevantes para Twitter, del.icio.us y digg. En el resto, la inmensa mayoría de las búsquedas para los términos relacionados con la web de la compañía ofrecían valores nulos.

Para la medición de la popularidad se aplica un análisis factorial de componentes principales sobre las variables relacionadas con este concepto. Antes de la aplicación de los métodos factoriales se realiza una tipificación normal para la mayoría de las variables, salvo para aquellas cuya mayor puntuación supusiera un menor valor de la cualidad a valorar, en las que se optado por una normalización inversa. Por ejemplo, las clasificaciones de Alexa, Compete y Quancast se basan en una jerarquización tradicional, es decir, una puntuación baja implica una alta posición en la clasificación y una mayor popularidad.

Estudiando los valores de las comunalidades se descartan inicialmente las variables con comunalidades bajas: Alexa Ranking, 0,487; Digg Social Bookmarks, 0,4; Google Ranking (Pagerank), 0,372 en un primer análisis, y MS live/Bing Backlink, 0,123 en un segundo análisis. Se aplica de nuevo la técnica factorial a las variables restantes.

Una vez extraídos los 3 factores, para la confección del índice de popularidad web, se ponderan los componentes en función de la varianza explicada por cada uno de ellos:

A continuación se estandariza el índice para poder interpretar de forma más sencilla los resultados. En la tabla 8 se recogen los primeros puestos en relación a este índice. En lo que respecta a la popularidad, 6 empresas estadounidenses, una coreana, una china, una británica y una japonesa se encuentran en las primeras posiciones.

Tabla 8.

Top ten de las empresas analizadas en función del índice de popularidad

  Índice de popularidad web  Compañía  País  Sector 
5,75  International Business Machines  EE.UU.  Information Technology Services 
4,86  AT&T  EE.UU.  Telecommunications 
2,48  Target  EE.UU.  General Merchandisers 
2,29  Hewlett-Packard  EE.UU.  Computers, Office Equipment 
1,29  Home Depot  EE.UU.  Specialty Retailers 
1,2  Samsung Electronics  Corea del Sur  Electronics, Electrical Equipment 
1,18  U.S. Postal Service  EE.UU.  Mail, Package and Freight Delivery 
0,91  Industrial & Commercial Bank of China  China  Banks: Commercial and Savings 
0,73  Tesco  Reino Unido  Food and Drug Stores 
10  0,72  Sony  Japón  Electronics, Electrical Equipment 
7Índice de entrada

Para la medición del tiempo de acceso a un sitio web se puede utilizar un cronómetro, pero existen numerosos factores (hora de conexión, tráfico web, hardware empleado…) que pueden establecer importantes sesgos en las mediciones. En este estudio se propone la utilización de herramientas web (Octagate SiteTimer, Webwait, Yslow, Pingdom Tools) que permiten paliar algunos de los problemas mencionados para el caso del cronómetro.

De todas las herramientas revisadas antes de la confección del estudio, se ha seleccionado por su versatilidad y eficiencia Full Page Test de Pingdom Tools (http://tools.pingdom.com), inspirado en el OctaGate SiteTimer. Esta herramienta carga la página completa, incluidos todos los objetos (imágenes, CSS, JavaScript, RSS; Flash y Frames/iframes), imitando el proceso de un navegador. Además, cada test muestra estadísticas generales sobre la página cargada, como el número total de objetos, el tiempo total y el tamaño de la página, incluyendo todos los objetos.

Para la elaboración de este indicador se ha efectuado una normalización inversa de las variables, puesto que valores inferiores implican mayores velocidades de entrada en el sitio web. En este caso, el análisis factorial ha extraído un único factor, que constituye el índice de entrada.

La tabla 9 muestra los primeros puestos en función de este índice. En este caso, entre las 10 mejor posicionadas encontramos a 6 compañías estadounidenses y 4 europeas.

Tabla 9.

Top ten de las empresas analizadas en función del índice de entrada

  Índice de entrada  Compañía  País  Sector 
1,26  Berkshire Hathaway  EE.UU.  Insurance: Property and Casualty (stock) 
1,24  Tesco  Reino Unido  Food and Drug Stores 
1,11  Verizon Communications  EE.UU.  Telecommunications 
1,06  Cardinal Health  EE.UU.  Wholesalers: Health Care 
1,03  WellPoint  EE.UU.  Health Care: Insurance and Managed Care 
1,01  Assicurazioni Generali  Italia  Insurance: Life, Health (stock) 
1,01  Banco Santander  España  Banks: Commercial and Savings 
American International Group  EE.UU.  Insurance: Property and Casualty (stock) 
0,97  Hewlett-Packard  EE.UU.  Computers, Office Equipment 
10  0,96  CNP Assurances  Francia  Insurance: Life, Health (stock) 
8Índice de calidad del dominio

Un dominio es un conjunto de caracteres que identifica un sitio de internet accesible por un usuario. La mayor parte de la estrategia SEO (search engine optimization) relacionada con el nombre de dominio se basa en la gestión de las palabras clave, de modo que la web de la organización aparezca de forma natural, sin pagar, en las primeras posiciones de los principales buscadores. Con ese objetivo, esas palabras clave deben ser incluidas en una serie de etiquetas que posee el código en el que se programa la página web, en concreto las etiquetas Keywords y Description.

Por lo tanto, y tal como se deriva del análisis factorial realizado inicialmente, se incluyen las siguientes variables para confeccionar un indicador de calidad del nombre dominio: número de palabras en las palabras clave (keywords) y en la descripción (description), y número de caracteres del nombre de dominio.

Antes de aplicar el método factorial se realiza una tipificación normal para la mayoría de las variables, salvo para el tamaño del nombre de dominio, en la que se aplica una normalización inversa, ya que cuanto mayor es el nombre de dominio más difícil es de memorizar —Hanson (2000); Clauser (2001); Ilfeld y Winter (2002)— y mayor probabilidad existe de que el usuario cometa errores tipográficos al introducirlo, según Ries y Ries (2000); por lo tanto es recomendable, a priori, que sea corto.

Aplicamos la técnica de reducción de datos de componentes principales, con rotación varimax y normalización Kaiser. En este caso se han extraído 2 factores. Para la confección del índice de calidad de dominio se ponderan los componentes en función de la varianza explicada por cada uno de ellos.

A continuación se estandariza el índice para poder interpretar de forma más sencilla los resultados. En la tabla 10 se recogen los primeros puestos en función de este indicador, donde se observa que existen 8 compañías europeas en los primeros puestos, una china y una coreana.

Tabla 10.

Top ten de las empresas analizadas en función del índice de calidad de dominio

  Índice de calidad de dominio  Compañía  País  Sector 
2,22  Enel  Italia  Utilities 
2,08  Assicurazioni Generali  Italia  Insurance: Life, Health (stock) 
2,07  Telefónica  España  Telecommunications 
2,03  Dexia Group  Bélgica  Banks: Commercial and Savings 
1,95  Industrial & Commercial Bank of China  China  Banks: Commercial and Savings 
1,91  Électricité de France  Francia  Utilities 
1,61  Munich Re Group  Alemania  Insurance: Property and Casualty (stock) 
1,56  Royal Bank of Scotland  Reino Unido  Banks: Commercial and Savings 
1,41  Hyundai Motor  Corea del Sur  Motor Vehicles and Parts 
10  1,34  Barclays  Reino Unido  Banks: Commercial and Savings 

Para finalizar la exposición de resultados, en la tabla 11 se recoge el promedio, por país, de las 100 compañías analizadas. Teniendo en cuenta los distintos índices confeccionados y la nacionalidad de las compañías analizadas, en promedio, y haciendo referencia al índice global (ICCW), las empresas mejor valoradas pertenecen a Países Bajos, España y Estados Unidos. La tabla 13 recoge la posición que ocupa la nacionalidad de las 100 compañías analizadas en función de los diversos índices propuestos, y la tabla 14 la posición que ocupan los sectores de las 100 compañías analizadas en función de los diversos índices propuestos.

Tabla 11.

Promedio, por países, de las 100 compañías analizadas

  Global (ICCW)  Dominio (ICD)  Popularidad (IPW)  Entrada (IE)  Accesibilidad (IA) 
Países Bajos  0,59  0,76  0,20  0,76  0,34 
España  0,42  0,61  0,28  –0,33  0,30 
EE. UU.  0,35  –0,24  0,60  0,13  0,08 
Reino Unido  0,23  0,28  –0,22  –0,02  0,39 
Japón  0,16  –0,32  –0,01  0,04  0,22 
Brasil  0,05  –0,75  –0,19  –0,48  0,43 
Corea del Sur  0,03  0,22  0,35  –1,28  0,22 
Venezuela  –0,02  –0,37  –0,97  0,68  0,67 
Luxemburgo  –0,05  –1,44  –0,15  0,89  0,14 
México  –0,05  –0,37  –0,46  0,19  0,46 
Alemania  –0,19  0,29  –0,22  0,25  –0,29 
Francia  –0,21  0,04  –0,63  0,04  0,11 
Noruega  –0,34  –0,64  –0,16  –0,97  0,13 
Italia  –0,39  0,85  –0,93  0,40  –0,20 
China  –0,81  –0,10  –0,28  –0,19  –0,86 
Suiza  –0,93  0,37  –0,11  –2,77  –0,31 
Bélgica  –1,21  2,03  –1,04  0,53  –1,50 
Rusia  –1,78  –0,57  –0,54  –0,27  –1,64 

IA: índice de accesibilidad; ICCW: índice cuantitativo de calidad web; ICD: índice de calidad del dominio; IE: índice de entrada; IPW: índice de popularidad web.

Tabla 12.

Posición que ocupa la empresa en la clasificación en función de los diversos criterios analizados

Global (ICCW)  Compañía  Accesibilidad (IA)  Popularidad (IPW)  Entrada (IE)  Dominio (ICD)  Forbes (tamaño) 
International Business Machines  47  81  33  48 
AT&T  71  47  22  21 
Hewlett-Packard  40  12  26 
Sony  10  22  57  69 
General Electric  10  11  16  20  13 
Tesco  16  58 
Industrial & Commercial Bank of China  41  87  87 
Siemens  53  14  66  26  40 
Royal Dutch Shell  19  18  29  17 
10  U.S. Postal Service  80  31  11  92 
11  Verizon Communications  25  72  35 
12  Wells Fargo  21  24  17  48  46 
13  BP  31  16  45  15 
14  Ford Motor  65  23  34  19  23 
15  Total  34  59  90  39  14 
16  Toshiba  14  15  18  82  89 
17  Hitachi  12  22  65  42  47 
18  Vodafone  35  38  32  29  80 
19  Target  86  91  27  98 
20  Berkshire Hathaway  45  97  28 
21  General Motors  64  20  52  13  38 
22  Banco Santander  49  12  81  37 
23  Procter & Gamble  15  19  75  50  66 
24  Boeing  46  17  27  65  91 
25  China Mobile Communications  30  64  71  77 
26  Volkswagen  13  74  20  47  16 
27  Enel  44  80  43  60 
28  Deutsche Telekom  22  43  11  73  59 
29  Panasonic  50  34  49  49  65 
30  CNP Assurances  84  10  14  95 
31  HSBC Holdings  39  29  53  38  39 
32  Toyota Motor  36  33  35  56 
33  American International Group  56  89  41 
34  Exxon Mobil  29  68  55  41 
35  Metro  23  86  12  24  57 
36  Samsung Electronics  78  83  74  32 
37  Telefónica  55  36  94  68 
38  McKesson  38  53  48  30  34 
39  Hyundai Motor  62  70  60  78 
40  Legal & General Group  33  95  24  52  90 
41  ING Group  67  37  13  28  12 
42  BASF  74  27  42  32  81 
43  Barclays  30  54  86  10  96 
44  AmerisourceBergen  71  38  98  76 
45  Nippon Telegraph & Telephone  18  51  41  60  31 
46  CVS Caremark  24  58  40  88  45 
47  Bank of America Corp.  90  13  33  44  15 
48  Wal-Mart Stores  25  46  58  92 
49  Munich Re Group  57  90  36  73 
50  Petrobras  37  61  78  79  54 
51  Lloyds Banking Group  28  78  23  100  42 
52  Citigroup  51  35  56  83  33 
53  WellPoint  73  66  84  100 
54  Nissan Motor  32  47  74  93  63 
55  UnitedHealth Group  58  64  39  99  61 
56  Aviva  11  69  80  61  53 
57  PDVSA  89  26  62  56 
58  AXA  43  72  62  45 
59  Cardinal Health  75  65  80  43 
60  Archer Daniels Midland  66  60  70  21  88 
61  ArcelorMittal  69  52  14  94  99 
62  Pemex  27  75  51  63  64 
63  Peugeot  26  96  25  91  94 
64  Royal Bank of Scotland  17  67  96  55 
65  GDF Suez  59  79  71  37  29 
66  J.P. Morgan Chase & Co.  81  40  30  90  25 
67  E.ON  82  49  28  34  27 
68  Chevron  45  26  97  23  11 
69  Électricité de France  68  93  54  52 
70  Gazprom  60  82  44  75  50 
71  State Grid  16  97  46  70 
72  Carrefour  77  77  15  85  22 
73  BNP Paribas  87  44  61  40  18 
74  Deutsche Post  56  81  73  36  86 
75  Fiat  72  85  21  86  85 
76  Statoil  70  55  88  76  74 
77  Japan Post Holdings  61  57  84  69 
78  Groupe BPCE  42  83  77  53  71 
79  BMW  89  32  57  54  82 
80  Allianz  52  42  92  77  20 
81  Kroger  79  41  89  58  70 
82  LG  20  28  99  55  67 
83  ConocoPhillips  83  48  72  95  17 
84  Crédit Agricole  63  91  76  96  36 
85  Nestlé  54  39  100  31  44 
86  ENI  76  92  79  51  24 
87  Honda Motor  96  31  19  25  51 
88  Sinopec  84  88  67  78 
89  Assicurazioni Generali  93  100  19 
90  Valero Energy  88  62  82  66  84 
91  Prudential  85  99  63  59  72 
92  Nippon Life Insurance  48  98  95  64  75 
93  Zurich Financial Services  91  63  93  46  83 
94  Home Depot  95  98  87  97 
95  Dexia Group  94  94  37  49 
96  Société Générale  92  87  68  35  62 
97  Costco Wholesale  97  21  50  18  79 
98  Daimler  99  50  59  43  30 
99  Lukoil  98  76  85  67  93 
100  China National Petroleum  100  73  69  68  10 

IA: índice de accesibilidad; ICCW: índice cuantitativo de calidad web; ICD: índice de calidad del dominio; IE: índice de entrada; IPW: índice de popularidad web.

Tabla 13.

Posición que ocupa la nacionalidad de las 100 compañías analizadas en función de los diversos índices propuestos

  Global (ICCW)  Dominio (ICD)  Popularidad (IPW)  Entrada (IE)  Accesibilidad (IA) 
Alemania  11  10  14 
Bélgica  17  18  17 
Brasil  17  15 
China  15  10  12  12  16 
Corea del Sur  17 
Estados Unidos  11  12 
España  14 
Francia  12  15  10  11 
Italia  14  16  13 
Japón  12 
Luxemburgo  18 
México  10  14  13 
Noruega  13  16  16  10 
Países Bajos 
Reino Unido  11  11 
Rusia  18  15  14  13  18 
Suiza  16  18  15 
Venezuela  13  17 

IA: índice de accesibilidad; ICCW: índice cuantitativo de calidad web; ICD: índice de calidad del dominio; IE: índice de entrada; IPW: índice de popularidad web.

Tabla 14.

Posición que ocupan los sectores de las 100 compañías analizadas en función de los diversos índices propuestos

Sector  Global (ICCW)  Dominio (ICD)  Popularidad (IPW)  Entrada (IE)  Accesibilidad (IA) 
Information Technology Services  3,0914  0,4114  5,7530  –0,6651  0,3646 
Computers, Office Equipment  1,6548  1,1927  2,2879  0,9707  0,4188 
Diversified Financials  1,2030  0,8226  0,5678  0,8295  0,5830 
Telecommunications  0,7980  0,1665  0,7034  0,2435  0,4507 
Electronics, Electrical Equipment  0,5684  –0,1347  0,4722  –0,3159  0,3923 
Household and Personal Products  0,5085  0,0266  0,3737  –0,2965  0,5542 
Aerospace and Defense  0,5014  –0,5079  0,4210  0,6695  0,3682 
General Merchandisers  0,3337  –0,4202  1,1856  –0,5421  0,0184 
Mail, Package and Freight Delivery  0,3277  0,8237  0,2843  0,1851  0,0874 
Insurance  0,2814  –0,0283  –1,0854  0,7765  0,4410 
Chemicals  0,2600  0,4257  0,1420  0,4122  0,0188 
Food and Drug Stores  0,1956  –0,1531  –0,1395  0,5041  0,2867 
Wholesalers: Health Care  0,1695  –0,7316  –0,2242  0,6189  0,3722 
Utilities  –0,0014  1,1721  –0,9158  0,2917  0,3613 
Health Care: Insurance and Managed Care  –0,0025  –1,4433  –0,2007  0,7751  0,1615 
Food Production  –0,0375  0,8186  –0,1847  –0,1865  0,1796 
Banks: Commercial and Savings  –0,0432  0,1021  –0,1295  0,0089  0,0030 
Metals  –0,0456  –1,4433  –0,1456  0,8850  0,1373 
Mining, Crude-oil production  –0,0492  –0,3743  –0,4600  0,1945  0,4615 
Insurance: Property and Casualty (stock)  –0,1074  –0,4195  –0,2957  –0,0528  0,1835 
Energy  –0,1751  0,0242  –0,4377  0,2700  0,0683 
Motor Vehicles and Parts  –0,2247  0,0391  –0,1820  0,3977  –0,4384 
Insurance: Life, Health (stock)  –0,3287  0,3578  –0,6894  0,1055  0,0262 
Petroleum Refining  –0,6326  –0,1672  –0,2649  –0,4402  –0,4993 
Food Consumer Products  –0,7209  0,5290  –0,0207  –3,8870  0,2700 
Insurance: Life, Health (mutual)  –1,0820  –0,3864  –1,2208  –2,1919  0,3424 
Specialty Retailers  –1,4393  –0,0143  0,8163  –1,3125  –1,8612 

IA: índice de accesibilidad; ICCW: índice cuantitativo de calidad web; ICD: índice de calidad del dominio; IE: índice de entrada; IPW: índice de popularidad web.

Por último, la tabla 15 recoge las correlaciones entre los índices parciales elaborados. Se trata de correlaciones bajas, no significativas (p>0,189), lo cual es un indicio de validez discriminante del índice, ya que los distintos índices parciales parecen medir aspectos diferentes del constructo analizado.

Tabla 15.

Correlaciones entre índices

  Dominio (ICD)  Popularidad (IPW)  Entrada (IE)  Accesibilidad (IA) 
Dominio (ICD)
Correlación de Pearson       
Sig. (bilateral)         
Popularidad (IPW)
Correlación de Pearson  0,132     
Sig. (bilateral)  0,189       
Entrada (IE)
Correlación de Pearson  –0,111  –0,074   
Sig. (bilateral)  0,270  0,462     
Accesibilidad (IA)
Correlación de Pearson  –0,057  0,055  0,094 
Sig. (bilateral)  0,576  0,586  0,353   

IA: índice de accesibilidad; ICD: índice de calidad del dominio; IE: índice de entrada; IPW: índice de popularidad web.

9Discusión y conclusiones

A través de la confección de estos índices se han identificado las principales compañías, dentro de las 100 mayores, en cada uno de los aspectos analizados: calidad web (tabla 5), accesibilidad (tabla 7), popularidad (tabla 8), entrada (tabla 9) y dominio (tabla 10). Así por ejemplo, en relación al índice global (ICCW), se observan (tabla 5) los altos valores obtenidos por las compañías relacionadas con sectores tecnológicos (IBM, AT&T, Hewlett Packard, Sony).

Además, la popularidad de un sitio web puede que no se deba exclusivamente a la calidad del mismo sino al hecho de que la empresa sea conocida por su tamaño o por otros factores, como su imagen de marca, inversión publicitaria, etc. Por ello, para paliar los efectos que el tamaño de la organización pudiera tener en la popularidad del sitio web, en la tabla 16 se recoge un índice de popularidad deflactado en función de los ingresos de la compañía (previamente normalizados), y posteriormente normalizado para facilitar su interpretación.

Tabla 16.

Índice de popularidad deflactado (IPW2) y posición que ocupan las empresas en función del mismo

Compañía  IPW2  Ranking IPW2  Ranking IPW  Ranking Forbes 
BASF  27  81 
Deutsche Post  2,86  81  86 
Siemens  1,7  14  40 
Archer Daniels Midland  1,54  60  88 
Hitachi  0,47  22  47 
Panasonic  0,34  34  65 
Legal & General Group  0,26  95  90 
Toyota Motor  0,23  33 
Procter & Gamble  0,17  19  66 
Sony  0,16  10  10  69 
Verizon Communications  0,13  11  25  35 
Gazprom  0,11  12  82  50 
Exxon Mobil  0,11  13  68 
PDVSA  0,11  14  89  56 
Chevron  0,1  15  26  11 
Nippon Telegraph & Telephone  0,1  16  51  31 
Deutsche Telekom  0,09  17  43  59 
ArcelorMittal  0,08  18  52  99 
J.P. Morgan Chase & Co.  0,08  19  40  25 
Daimler  0,06  20  50  30 
China Mobile Communications  0,05  21  30  77 
AXA  0,04  22  72 
Carrefour  0,04  23  77  22 
Nippon Life Insurance  0,03  24  98  75 
ConocoPhillips  0,03  25  48  17 
Fiat  0,03  26  85  85 
Groupe BPCE  0,02  27  83  71 
BP  0,01  28  16 
LG  0,01  29  28  67 
General Motors  0,01  30  20  38 
BMW  0,01  31  32  82 
Nissan Motor  0,01  32  47  63 
Aviva  33  69  53 
Statoil  –0,01  34  55  74 
Sinopec  –0,01  35  88 
Citigroup  –0,02  36  35  33 
WellPoint  –0,02  37  66  100 
CVS Caremark  –0,03  38  58  45 
Lloyds Banking Group  –0,03  39  78  42 
Samsung Electronics  –0,03  40  32 
Pemex  –0,03  41  75  64 
Crédit Agricole  –0,03  42  91  36 
UnitedHealth Group  –0,03  43  64  61 
International Business Machines  –0,03  44  48 
Dexia Group  –0,03  45  94  49 
Prudential  –0,03  46  99  72 
U.S. Postal Service  –0,04  47  92 
Assicurazioni Generali  –0,04  48  100  19 
Bank of America Corp.  –0,04  49  13  15 
State Grid  –0,04  50  97 
Cardinal Health  –0,05  51  65  43 
Industrial & Commercial Bank of China  –0,05  52  87 
China National Petroleum  –0,05  53  73  10 
Boeing  –0,05  54  17  91 
Hewlett-Packard  –0,05  55  26 
Enel  –0,05  56  80  60 
Toshiba  –0,05  57  15  89 
Allianz  –0,05  58  42  20 
Telefónica  –0,06  59  36  68 
ENI  –0,06  60  92  24 
Électricité de France  –0,06  61  93  52 
General Electric  –0,06  62  11  13 
Honda Motor  –0,07  63  31  51 
Costco Wholesale  –0,07  64  21  79 
Royal Dutch Shell  –0,07  65  18 
Lukoil  –0,07  66  76  93 
Banco Santander  –0,07  67  12  37 
CNP Assurances  –0,07  68  84  95 
Hyundai Motor  –0,08  69  70  78 
Barclays  –0,08  70  54  96 
Petrobras  –0,09  71  61  54 
Munich Re Group  –0,1  72  90  73 
Peugeot  –0,1  73  96  94 
Tesco  –0,1  74  58 
American International Group  –0,1  75  56  41 
Valero Energy  –0,11  76  62  84 
Royal Bank of Scotland  –0,12  77  67  55 
ING Group  –0,14  78  37  12 
Target  –0,15  79  98 
Japan Post Holdings  –0,16  80  57 
Home Depot  –0,16  81  97 
Total  –0,17  82  59  14 
Volkswagen  –0,18  83  74  16 
Wal-Mart Stores  –0,19  84  46 
Zurich Financial Services  –0,19  85  63  83 
Berkshire Hathaway  –0,2  86  45  28 
AT&T  –0,23  87  21 
Kroger  –0,25  88  41  70 
AmerisourceBergen  –0,33  89  71  76 
Ford Motor  –0,44  90  23  23 
McKesson  –0,46  91  53  34 
Nestlé  –0,51  92  39  44 
HSBC Holdings  –0,52  93  29  39 
BNP Paribas  –0,59  94  44  18 
Metro  –0,59  95  86  57 
Vodafone  –1,02  96  38  80 
GDF Suez  –1,5  97  79  29 
E.ON  –1,52  98  49  27 
Wells Fargo  –2,29  99  24  46 
Société Générale  –2,78  100  87  62 

La tabla 12 permite realizar un análisis más pormenorizado. Así, por ejemplo, en el caso de IBM se observa que ocupa un buen puesto en popularidad (1), pero no tan bueno en dominio (33) ni en accesibilidad (47), y mucho menos en entrada (81); eso implicaría que si bien su sitio web goza de gran popularidad (tan elevada que ha subido a esta compañía al primer puesto del índice global), debería mejorar el resto de aspectos para mejorar la efectividad de su sitio web.

9.1Conclusiones

El trabajo realizado constata la necesidad de las organizaciones de evaluar la estrategia online relacionada con el sitio web de la compañía.

Además, es curioso comprobar que no existe relación entre el tamaño de la organización y el ICCW7. De hecho, en relación a las compañías analizadas, no son las organizaciones de mayor tamaño las que obtienen mayor puntación en el índice propuesto. Así, por ejemplo, Wallmart, la mayor compañía del 2010, ocupa el puesto 48 en la clasificación global, el 25 en accesibilidad, el 46 en popularidad, el 58 en entrada y el 92 en dominio. Berkshire Hathaway, la 28.ª mayor compañía a escala mundial, ocupa el primer puesto en accesibilidad y popularidad, pero para mejorar el índice global (puesto 20) debe mejorar aspectos relacionados con su popularidad (puesto 45) y dominio (puesto 97). La compañía con mejor índice de dominio, ocupa el puesto 27 en el índice global, el 43 en entrada, el 44 en accesibilidad, el 80 en popularidad y el 60 en la clasificación de tamaño de Forbes. Esto podría indicar que algunas organizaciones siguen sin dar la debida importancia a sus sedes web.

9.2Implicaciones

El ICCW ofrece una medición desglosada en varios indicadores que permite a investigadores y a especialistas evaluar los principales aspectos relacionados con el sitio web, utilizando variables objetivas en su elaboración.

Al no utilizar ponderaciones subjetivas de los factores, el índice propuesto puede ser aplicado a cualquier sector ya que, en cada caso, el análisis factorial de componentes principales ofrecerá ponderaciones específicas para los datos introducidos, por lo que se configura como una herramienta versátil y sencilla de aplicar.

Por un lado, al aplicar esta metodología a las 100 mayores empresas hemos puesto de manifiesto las más relevantes en los distintos aspectos analizados, así como los puntos fuertes y débiles de cada una de ellas. Por otro lado, las compañías no analizadas disponen de una serie de variables objetivas (las variables que hemos incluido en el estudio) que pueden mejorar en aras a potenciar determinados aspectos de su estrategia web.

Además, al obtener una serie de indicadores sintéticos, podemos establecer relaciones con otras variables de la organización, información vital para el diseño de futuras actuaciones estratégicas.

9.3Sugerencias para futuras investigaciones

Este índice debería considerarse como parte de un índice mayor que aglutine más conceptos relacionados con la estrategia web de la organización. En posteriores trabajos se propone, por un lado, la aplicación de estas técnicas a otras empresas y sectores públicos y privados para comprobar su adaptabilidad, y por otro lado, la confección de índices mixtos que permitan utilizar otro tipo de variables, como las dicotómicas, incluyendo aquella parte de la estrategia online que involucra el diseño y contenido de la web.

En concreto, las próximas fases de la investigación se centran en aplicar esta metodología a otro grupo de empresas en otro intervalo temporal. Este análisis se completará con un factorial confirmatorio y con un estudio de las percepciones de los usuarios en relación a la calidad del servicio, utilizando para ello la escala e-SERVQUAL de Parasuman adaptada a sitios web no transaccionales; de esta forma se podrá comprobar la relación entre las percepciones de los usuarios en relación a la calidad y el índice ICCW propuesto.

Bibliografía
[Ajzen, 1985]
I. Ajzen.
From intentions to actions: A theory of planned behavior.
Action control: from cognition to behavior, pp. 11-39
[Ajzen y Fishbein, 1980]
I. Ajzen, M. Fishbein.
Understanding attitudes and predicting social behavior.
Prentice-Hall, (1980),
[Alimohammadi, 2005]
D. Alimohammadi.
Meta-tags: still a matter of opinion.
The Electronic Library, 23 (2005), pp. 625-631
[Barnes y Vidgen, 2002]
S.J. Barnes, R. Vidgen.
An evaluation of cyber-bookshops: The WebQual method.
International Journal of Electronic Commerce, 6 (2002), pp. 11-30
[Bass, 1969]
F. Bass.
A new product growth for model consumer durables.
Management Science, 15 (1969, 2004), pp. 215-227
[Bauer y Scharl, 2000]
C. Bauer, A. Scharl.
Quantitative evaluation of Web site content and structure.
Internet Research: Electronic Networking Applications and Policy, 10 (2000), pp. 31-43
[Bauer et al., 2006]
H. Bauer, T. Falk, M. Hammerschmidt.
eTransQual: A transaction process-base approach for capturing service quality in online shopping.
Journal of Business Research, 59 (2006), pp. 866-875
[Bevan, 1999]
N. Bevan.
Quality in Use: Meeting User Needs for Quality.
Journal of System and Software, 49 (1999), pp. 89-96
[Brin y Page, 1998]
Brin S., Page L. (1998). The anatomy of a large-scale hypertextual Web search engine. Proceedings of the 7th + International WWW Conference, Brisbane, Australia. Disponible en: http://www7.scu.edu.au/programme/fullpapers/1921/com1921.htm [consultado 2 Abr 2011]. pp. 107–17.
[Buenadicha et al., 2001]
M. Buenadicha, A. Chamorro, O.R. González, F.J. Miranda.
A new Web assessment index: Spanish universities analysis.
Internet Research, 11 (2001), pp. 226-234
[Chiou et al., 2010]
W.C. Chiou, C.C. Lin, C. Perng.
A strategic framework for Site web evaluation based on a review of the literature from 1995-2006.
Information & Management, 47 (2010), pp. 282-290
[Clauser, 2001]
R.C. Clauser.
Offline rules, online tools.
Journal of Brand Management, 8 (2001), pp. 270-287
[Craswell et al., 2005]
N. Craswell, S. Robertson, H. Zaragoza, M. Taylor.
Relevance weighting for query independent evidence.
SIGIR ‘05 Proceedings of the 28th annual international ACM SIGIR conference on Research and development in information retrieval, pp. 416-423
[Cronin y Taylor, 1992]
J.J. Cronin Jr., S.A. Taylor.
Measuring service quality: A re-examination and extension.
Journal of Marketing, 56 (1992), pp. 55-68
[Davis et al., 1989]
F.D. Davis, R.P. Bagozzi, P.R. Warshaw.
User acceptance of computer technology: A comparison of two theoretical models.
Management Science, 35 (1989), pp. 982-1003
[De Andrés et al., 2010]
J. De Andrés, P. Lorca, A.B. Martínez.
Factors influencing web accessibility of big listed firms: an international study.
Online Information Review, 34 (2010), pp. 75-97
[DeLone y McLean, 1992]
W.H. DeLone, E.R. McLean.
Information systems success: the quest for the dependent variable.
Information Systems Research, 3 (1992), pp. 60-95
[DeLone y McLean, 2003]
W.H. DeLone, E.R. McLean.
Model of information systems success: a ten-year update.
Journal of Management Information Systems, 19 (2003), pp. 9-30
[Fishbein y Ajzen, 1975]
M. Fishbein, I. Ajzen.
Beliefs, attitude, intention and behavior: an introduction to theory and research.
Addison-Wesley, (1975),
[Frambach y Schillewaert, 2002]
R.T. Frambach, N. Schillewaert.
Organizational innovation adoption: a multi-level framework of determinants and opportunities for future research.
Journal of Business Research, 55 (2002), pp. 163-176
[Grönroos, 1982]
C. Grönroos.
An applied service marketing theory.
European Journal of Marketing, 16 (1982), pp. 30-41
[Grönroos, 1984]
C. Grönroos.
A service quality model and its marketing implications.
European Journal of Marketing, 18 (1984), pp. 36-44
[Hair et al., 1999]
J.F. Hair, R.E. Anderson, R.L. Tatham, W.C. Black.
Análisis multivariante.
Prentice Hall, (1999),
[Hanson, 2000]
W. Hanson.
Principles of internet marketing.
South-Western College Publishing, (2000),
[Ilfeld y Winter, 2002]
J.S. Ilfeld, R.S. Winter.
Generating website traffic.
Journal of Advertising Research, 42 (2002), pp. 49-61
[Islam y Tsuji, 2011]
A. Islam, K. Tsuji.
Evaluation of usage of university websites in Bangladesh.
Journal of Library & Information Technology, 31 (2011), pp. 469-479
[Jenamani et al., 2006]
M. Jenamani, P.K.J. Mohapatra, S. Ghose.
Design benchmarking, user behavior analysis and link-structure personalization in commercial web sites.
Internet Research, 16 (2006), pp. 248-266
[Joho y Sanderson, 2004]
H. Joho, M. Sanderson.
The SPIRIT collection: an overview of a large web collection.
ACM SIGIR Forum, 38 (2004), pp. 57-61
[Khaled, 2006]
A.F. Khaled.
The impact of metadata in web resources discovering.
Online Information Review, 30 (2006), pp. 155-167
[Lehtinen y Lehtinen, 1991]
U. Lehtinen, J.R. Lehtinen.
Two approaches to service quality dimensions.
The Service Industries Journal, 11 (1991), pp. 287-303
[Liu y Arnett, 2000]
C. Liu, K.P. Arnett.
Exploring the factors associated with web site success in the context of electronic commerce.
Information and Management, 20 (2000), pp. 23-33
[Loiacono et al., 2007]
E.T. Loiacono, R.T. Watson, D.L. Goodhue.
WebQual: an instrument for consumer evaluation of web sites.
International Journal of Electronic Commerce, 11 (2007), pp. 51-87
[Milling y Maier, 2002]
P.M. Milling, F.H. Maier.
Dynamics of R&D and innovation diffusion.
System Dynamics Review, 18 (2002), pp. 73-86
[Miranda y Bañegil, 2004]
F.J. Miranda, T.M. Bañegil.
Quantitative evaluation of commercial web sites: An empirical study of Spanish firms.
International Journal of Information Management, 24 (2004), pp. 313-328
[Nielsen, 1999]
J. Nielsen.
Designing web usability: the practice of simplicity.
New Riders Publishing, (1999),
[Noruzi, 2006]
A. Noruzi.
The web impact factor: a critical review.
The Electronic Library, 24 (2006), pp. 490-500
[Olsina et al., 1999]
L. Olsina, D. Godoy, G. Lafuente, G. Rossi.
Assessing the quality of academic web sites: a case study.
New Review of Hypermedia and Multimedia, 5 (1999), pp. 103-122
[Olsina et al., 2008]
L. Olsina, R. Sassano, L. Mich.
Specifying quality requirements for the web 2.0 applications.
7th International Workshop on Web-Oriented Software Technologies, (2008), pp. 56-62
[Parasuraman et al., 1985]
A. Parasuraman, V.A. Zeithaml, L.L. Berry.
A conceptual model of service quality and its implications for future research.
Journal of Marketing Management, 49 (1985), pp. 41-50
[Parasuraman et al., 1988]
A. Parasuraman, V.A. Zeithaml, L.L. Berry.
SERVQUAL: a multiple-item scale for measuring consumer perceptions of service quality.
Journal of Retailing, 64 (1988), pp. 12-40
[Parasuraman et al., 2005]
A. Parasuraman, V.A. Zeithaml, A. Malhotra.
E-S-QUAL: a multi-item scale for assessing electronic service quality.
Journal of Service Research, 7 (2005), pp. 213-233
[Park y Gretzel, 2007]
Y.A. Park, U. Gretzel.
Success factors for destination marketing web sites: a qualitative meta-analysis.
Journal of Travel Research, 46 (2007), pp. 46-63
[Parmanto y Zeng, 2005]
B. Parmanto, X. Zeng.
Metric for Web accessibility evaluation.
Journal of the American Society for Information Science and Technology, 56 (2005), pp. 1394-1404
[Rappa, 2005]
Rappa M. (2005). Business models on the web. Disponible en: http://digitalenterprise.org/models/models.html [consultado 29 Ago 2011].
[Repenning, 2002]
N. Repenning.
A simulation-based approach to understanding the dynamics of innovation implementation.
Organization Science, 13 (2002), pp. 109-127
[Ries y Ries, 2000]
A. Ries, L. Ries.
The 11 immutable laws of internet branding.
HarperCollins, (2000),
[Rogers, 2003]
E.M. Rogers.
Diffusion of innovations.
5th ed., Free Press, (2003),
[Takahashi y Kitagawa, 2009]
T. Takahashi, H. Kitagawa.
A ranking method for web search using social bookmarks.
Lecture Notes in Computing Science, 5463 (2009), pp. 585-589
[Tanaka et al., 2010]
K. Tanaka, S. Nakamura, H. Ohshima, Y. Yamamoto, Y. Yanbe, M. Kato.
Improving search and information credibility analysis from interaction between web1.0 and web2.0 content.
Journal of Software, 5 (2010), pp. 154-159
[Thelwall, 2001]
M. Thelwall.
Web log file analysis: backlinks and queries.
Aslib Proceedings, 53 (2001), pp. 217-223
[Venkatesh y Bala, 2008]
V. Venkatesh, H. Bala.
Technology acceptance model 3 and a research agenda on interventions.
Decision Sciences, 39 (2008), pp. 273-315
[Venkatesh y Davis, 2000]
V. Venkatesh, F.D. Davis.
Theoretical extension of the technology acceptance model: Four longitudinal field studies.
Management Science, 46 (2000), pp. 186-204
[Venkatesh et al., 2003]
V. Venkatesh, M.G. Morris, G.B. Davis, F.D. Davis.
User acceptance of information technology: Toward a unified view.
MIS Quarterly, 27 (2003), pp. 425-478
[Wolfinbarger y Gilly, 2003]
M. Wolfinbarger, M.C. Gilly.
eTailQ: Dimensionalizing, measuring and predicting etail quality.
Journal of Retailing, 79 (2003), pp. 183-198
[Won et al., 2010]
K. Won, O. Jeong, S. Lee.
On social websites.
Information Systems, 32 (2010), pp. 215-236
[Yamamoto y Tanaka, 2011]
Y. Yamamoto, K. Tanaka.
Enhancing credibility judgment of web search results.
CHI ‘11 Proceedings of the 2011 annual conference on Human factors in computing systems, (2011), pp. 1235-1244
[Yoo y Donthu, 2001]
B. Yoo, N. Donthu.
Developing a scale to measure perceived quality of an Internet shopping site (SITEQUAL).
Quarterly Journal of Electronic Commerce, 2 (2001), pp. 31-46
[Zeithaml, 2000]
V.A. Zeithaml.
Service quality, profitability and the economic worth of customers: What we know and what we need to learn.
Journal of the Academy of Marketing Science, 28 (2000), pp. 67-85
[Zeithaml, 2002]
V.A. Zeithaml.
Service excellence in electronic channels.
Managing Service Quality, 12 (2002), pp. 135-138
[Zeithaml et al., 2002]
V.A. Zeithaml, A. Parasuraman, A. Malhotra.
Service quality delivery through web sites: A critical review of extant knowledge.
Journal of the Academy of Marketing Science, 30 (2002), pp. 362-375
[Zeng y Parmanto, 2004]
X. Zeng, B. Parmanto.
Web content accessibility of consumer health information web sites for people with disabilities: a cross-sectional evaluation.
Journal of Medical Internet Research, 6 (2004), pp. e19

Según Bevan (1999), la calidad interna hace referencia a las propiedades estáticas del código, determinada normalmente a través de la inspección del mismo; la calidad externa hace referencia a las propiedades dinámicas del código, cuando este se ejecuta; por último, la calidad en uso hace referencia al grado en que el software satisface las necesidades del usuario en el entorno de trabajo.

La Teoría de la Acción Razonada (Fishbein y Ajzen, 1975; Ajzen y Fishbein, 1980) afirma que el determinante inmediato de la conducta es la intención de llevar a cabo un determinado comportamiento. A su vez, la intención viene explicada por dos precursores: el factor personal y las influencias sociales. Tanto la actitud como la norma subjetiva están determinadas por otros factores que las anteceden. Posteriormente, Ajzen (1985) actualiza la TRA a través de la Teoría de la Conducta Planificada, añadiendo un tercer determinante de la intención: la percepción de control por parte del individuo sobre su conducta (Control Conductual Percibido).

Se ha optado en esta primera fase de la investigación, por un análisis exploratorio ya que «deja al método y a los datos definir la naturaleza de las relaciones», Hair et al. (1999).

La revista Fortune utiliza el volumen de ingresos como referencia para delimitar el tamaño de la compañía.

Como los problemas de prioridad 1 son más graves que los de prioridad 2 y estos a su vez más graves que los de prioridad 3, los hemos ponderado siguiendo las pautas establecidas en el trabajo de Parmanto y Zeng (2005) a la hora de otorgar distintos pesos a la hora de incluirlos en su fórmula WAB (Web Accessibility Barrier): un peso de 3 para los de prioridad 1, un peso de 2 para los de prioridad 2 y un peso de 1 para los de prioridad 3.

El coeficiente de correlación de Pearson entre el tamaño de la compañía y la calidad del sitio web (ICCW) no es significativo [r= 0,049 (p=0,649)]. Por tanto, no puede rechazarse la hipótesis nula de independencia entre ambas variables (H0: ρ=0).

Copyright © 2012. AEDEM
Opciones de artículo
Herramientas
es en pt

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?

Você é um profissional de saúde habilitado a prescrever ou dispensar medicamentos

es en pt
Política de cookies Cookies policy Política de cookies
Utilizamos cookies propias y de terceros para mejorar nuestros servicios y mostrarle publicidad relacionada con sus preferencias mediante el análisis de sus hábitos de navegación. Si continua navegando, consideramos que acepta su uso. Puede cambiar la configuración u obtener más información aquí. To improve our services and products, we use "cookies" (own or third parties authorized) to show advertising related to client preferences through the analyses of navigation customer behavior. Continuing navigation will be considered as acceptance of this use. You can change the settings or obtain more information by clicking here. Utilizamos cookies próprios e de terceiros para melhorar nossos serviços e mostrar publicidade relacionada às suas preferências, analisando seus hábitos de navegação. Se continuar a navegar, consideramos que aceita o seu uso. Você pode alterar a configuração ou obter mais informações aqui.