Ad 4 Innoverend vermogen van een klant
6. Uitkomsten
6.1.5. Interpretatie van de clusters
De interpretatie van de clusters is gedaan door over de gevonden clusters een discriminantenanalyse te doen. Dit is gedaan door in SPSS als ‘grouping’ variabele het lidmaatschap aan de clusters in te voeren. Als onafhankelijke variabelen zijn de variabelen ingevoerd waarop geclusterd is.
De discriminantenanalyse geeft twee functies. Dit is te verklaren omdat het aantal ingevoerde clusters drie is. De significantie van de functies is voor functie één 100% en voor functie twee 98,2%. Dit is logisch aangezien op basis van de variabelen geclusterd is. Deze clusters vormden weer de basis voor de discriminantenanalyse waardoor een goede fit het gevolg is.
Onderstaande tabel 6.6 beschrijft welke invloed de variabelen hebben op de functies. Vervolgens wordt gekeken hoe de functies de clusters verklaren.
Functie Variabelen 1 2 Opzoek advertenties ,643 -,166 Opzoek relaties ,075 ,445 Opzoek contact opnemen -,145 ,261 Opzoek internet ,668 ,463 Opzoek leveranciers ,626 -,695
Functie één wordt gedomineerd door drie variabelen, namelijk ‘internet’, ‘advertenties‘ en ‘leveranciers’. Met name de eerste twee variabelen zijn variabelen die vallen in de categorie ‘traditionele marketing’. ‘Leveranciers’ houdt in dat mensen op het moment dat ze op zoek zijn eerst contact opnemen met de leverancier van de oplossing om te horen wie de resellers in de regio zijn. Dat deze ook naar voren komt in deze functie is te verklaren, omdat er in advertenties en op internet veel informatie gegeven wordt over oplossingen. Beslissers die veel van deze kanalen gebruik maken, zullen eerder geneigd zijn contact op te nemen met leveranciers omdat ze al weten welke oplossing ze willen hebben. ‘Relaties’ en ‘contact opnemen’ hebben veel minder invloed. Hieruit blijkt dat naarmate het belang van ‘traditionele marketing’ groter wordt, ‘direct contact’ en ‘mond-tot-mond’ reclame minder invloed hebben. Samengevat beschrijft deze functie zoekgedrag wat heel erg informatie gedreven is. Zowel oplossingsgericht als prijsgericht zoekgedrag vallen onder deze functie. Daarom dat de functie ‘informatie gedreven’ wordt genoemd.
Functie twee wordt gedomineerd door ‘relaties’ en ‘internet’ en in mindere mate door ‘contact opnemen’. ‘Leveranciers’ en ‘advertenties’ hebben een negatieve invloed. Dit houdt in dat deze variabelen minder mee gaan spelen op het moment dat de dominerende variabelen groter worden. Het zoekgedrag in functie twee is meer op vertrouwen en relaties berust. Daarom dat deze functie ‘vertrouwen’ wordt genoemd.
Opvallend is dat internet zowel bij functie één als bij functie twee hoog scoort. Hieruit blijkt dat zowel in de eerste functie als in de tweede functie internet als een belangrijk kanaal gezien wordt. Dit is waarschijnlijk te verklaren, omdat het onderwerp van het onderzoek gericht is op automatisering. Mensen die verantwoordelijk hiervoor zijn zullen waarschijnlijk meer gebruik maken van internet, aangezien dit natuurlijk een kanaal is dat zeer veel met internet te maken heeft.
Op zich zijn de functies een interessant gegeven. Op het moment dat gebruikers op relaties vertrouwen dan maken ze minder gebruik van advertenties. Wanneer er in de markt veel gebruik gemaakt wordt van advertenties, dan wordt er minder vaak direct contact opgenomen als men op zoek is naar een nieuwe partij. Door deze functies te koppelen aan de clusters kan gekeken worden wat voor groepen consumenten zich in de markt bevinden. Onderstaande tabel 6.7 geeft weer wat de invloed van de clusters op de functies is.
Functie Cluster 1 2 1 ,219 -,220 2 -2,404 ,322 3 3,002 ,511
Tabel 6.7: Invloed van de functies op de clusters
Cluster één scoort positief op functie één ‘informatie’ en negatief op functie twee ‘vertrouwen’. De mensen in dit cluster zijn dus vooral op zoek naar informatie en vinden een relatie en een band minder belangrijk in dit proces.
Cluster twee scoort zeer negatief op functie één ‘informatie’, maar juist positief op functie twee ‘vertrouwen’. Mensen in dit cluster vertrouwen dus vooral op goede relaties die hun de partij met de juiste oplossing kunnen adviseren. Gezien de heel negatieve score op de eerste functie vertrouwen ze eigenlijk heel weinig op ‘informatie’ en richten ze zich vooral op het vertrouwen van andere partijen zoals relaties.
Cluster drie scoort positief op functie één ‘informatie’ en ook positief op functie twee ‘vertrouwen’. De mensen in dit cluster zoeken dus zowel zelf veel informatie, maar leggen ook veel vertrouwen in een goede relatie met de partijen met wie ze contact hebben. Opvallend is dat dit cluster zowel op functie één als op functie twee de meest extreme score geeft. Door de ontzettend hoge score op functie één vergeleken met functie twee neigt dit kanaal, ondanks dat het positief tegenover beide functies staat, meer naar functie één dan functie twee. Dit wordt ook onderstreept als er gekeken wordt naar het cluster proces, waar cluster drie in de volgende stap bij cluster één gevoegd wordt (zie tabel 6.4).
Dit geheel kan in een kwadrant worden samengevat om het op deze manier overzichtelijker te maken:
Figuur 6.1: Clusterkwadrant
Bovenstaande interpretatiemethode is overgenomen van Cray et al. (1988), maar is in dit onderzoek iets complexer dan hierboven voorgesteld. Aangezien cluster één verrreweg het grootste cluster is en in de inleidende hoofdstukken steeds gesproken werd over het belangrijker worden van mond-tot-mond reclame, zou het vreemd zijn om aan te nemen dat bij de grootste groep respondenten relaties een ondergeschikte rol vertolken. Om hier meer over te weten te komen zijn er in tabel 6.8 tot en met tabel 6.12 univariate samenvattingen van de clusters opgenomen. Dit geeft een dieper inzicht in de clusters waardoor betere conclusies getrokken kunnen worden.
Cluster 1 Belangrijk Advertenties Internet Leveranciers Minder belangrijk Relaties Omschrijving Prijzenkoper Cluster 3 Belangrijk
Eigenlijk alle kanalen
Omschrijving Oplossingskoper Cluster 2 Belangrijk Relaties Internet Minder belangrijk Advertenties Leveranciers Omschrijving Partnership
+
=
+
=
Informatie V e rtr o u w e nDe volgende tabellen zijn frequentietabellen met daarin de aantallen van de antwoorden die respondenten hebben gegeven. In de kolom met het gemiddelde staat het gemiddelde wat het cluster scoort op de zoekvariabele. Opzoek relaties Cluster Nooit Bijna nooit Soms wel /
soms niet Vaak Heel vaak
# % # % # % # % # % Gemiddelde Totaal
1 3 3,30 20 21,98 31 34,07 35 38,46 2 2,20 3,14 91 2 6 18,75 3 9,38 9 28,13 9 28,13 5 15,63 3,13 32 3 0 0,00 1 5,26 5 26,32 9 47,37 4 21,05 3,84 19 Totaal 9 6,34 24 16,90 45 31,69 53 37,32 11 7,75 3,23 142 Tabel 6.8: Frequentietabel ‘opzoek relaties’
Opzoek contact opnemen Cluster Nooit
Bijna nooit
Soms wel /
soms niet Vaak Heel vaak
# % # % # % # % # % Gemiddelde Totaal
1 3 3,30 7 7,69 25 27,47 49 53,85 7 7,69 3,55 91 2 4 12,50 3 9,38 8 25,00 13 40,63 4 12,50 3,31 32 3 0 0,00 0 0,00 2 10,53 12 63,16 5 26,32 4,16 19 Totaal 7 4,93 10 7,04 35 24,65 74 52,11 16 11,27 3,58 142 Tabel 6.9: Frequentietabel ‘opzoek contact opnemen’
Opzoek internet Cluster Nooit
Bijna nooit
Soms wel /
soms niet Vaak Heel vaak
# % # % # % # % # % Gemiddelde Totaal
1 8 8,79 33 36,26 39 42,86 7 7,69 4 4,40 2,63 91 2 19 59,38 10 31,25 2 6,25 1 3,13 0 0,00 1,53 32 3 0 0,00 0 0,00 0 0,00 12 63,16 7 36,84 4,37 19 Totaal 27 19,01 43 30,28 41 28,87 20 14,08 11 7,75 2,61 142 Tabel 6.10: Frequentietabel ‘opzoek internet’
Opzoek leveranciers Cluster Nooit
Bijna nooit
Soms wel /
soms niet Vaak Heel vaak
# % # % # % # % # % Gemiddelde Totaal
1 6 6,59 13 14,29 38 41,76 30 32,97 4 4,40 3,14 91 2 15 46,88 8 25,00 9 28,13 0 0,00 0 0,00 1,81 32 3 0 0,00 2 10,53 6 31,58 6 31,58 5 26,32 3,74 19 Totaal 21 14,79 23 16,20 53 37,32 36 25,35 9 6,34 2,92 142 Tabel 6.11: Frequentietabel ‘opzoek leveranciers’
Opzoek advertenties Cluster Nooit
Bijna nooit
Soms wel /
soms niet Vaak Heel vaak
# % # % # % # % # % Gemiddelde Totaal
1 16 17,58 36 39,56 31 34,07 7 7,69 1 1,10 2,35 91
2 24 75 8 25 0 0 0 0 0 0 1,25 32
3 0 0,00 0 0,00 9 47,37 8 42,11 2 10,53 3,63 19 Totaal 40 28,17 44 30,99 40 28,17 15 10,56 3 2,11 2,27 142 Tabel 6.12: Frequentietabel ‘opzoek advertenties’
De gemiddelden op de clusters geven inderdaad een beter inzicht in hoe de uitkomsten van de discriminantenanalyse geïnterpreteerd moeten worden.
Als er gekeken wordt naar cluster één dan geven respondenten gemiddeld bij advertenties een 2,35, een antwoord tussen ‘bijna nooit’ en ‘soms wel/soms niet’. Bij ‘relaties’ geven de respondenten van cluster één gemiddeld een 3,14, een antwoord tussen ‘soms wel/soms niet’ en ‘vaak’. Dit ligt dus hoger dan advertenties, terwijl de discriminantenanalyse een ander beeld geeft. Hieruit blijkt dat ondanks dat de discriminantenanalyse een helder beeld geeft hoe de clusters onderling zich met elkaar verhouden, de univariate gemiddelden een ander beeld geven. Namelijk dat relaties in elk cluster relatief belangrijk zijn.
Als cluster één met cluster twee vergeleken wordt, dan valt op dat ‘relaties’ gemiddeld even hoog scoort in beide clusters. Andere kanalen als advertenties, leveranciers en internet geven een heel ander beeld. Dit zijn meer de onderscheidende factoren tussen de clusters. De dicriminantenanalyse laat dus niet echt zien welke factoren het sterkst spelen in de clusters, maar meer welke factoren voor het onderscheid tussen de clusters zorgen. Dit is op zich natuurlijk logisch, maar kan door de interpretatie methode van Cray et al. (1988) wel enigszins misleidend zijn en er dient dus goed gekeken te worden naar individuele clusters hoe de variabelen zich daarin gedragen.
Cluster één vertrouwt dus vergeleken met de andere clusters relatief meer op advertenties en minder op relaties, maar vertrouwt gezien de gemiddelden nog altijd meer op relaties dan op advertenties. Cluster twee vertrouwt voor een groter gedeelte alleen op relaties en cluster drie vindt elk kanaal min of meer even belangrijk. Hiermee beantwoordt de discriminantenanalyse de eerste onderzoeksvraag: Bestaan er bepaalde segmenten potentiële klanten die meer op het ene dan het op het andere kanaal vertrouwen?
Door nogmaals een discriminantenanalyse te doen, maar dan de variabelen ‘stepwise’ in te voeren kan gekeken worden welke variabelen voor het onderscheid zorgen.
Tabel 6.13: Stepwise discriminantenanalyse
Hieruit blijkt dat de volgende marketingcommunicatiekanalen voor het onderscheid zorgen: − Advertenties
− Internet − Leveranciers
In de ‘stepwise’ discriminantenanalyse zorgen ‘relaties’ niet voor een significante onderscheidingsmanier en uit de individuele gemiddelden blijkt dat ‘relaties’ in elk cluster hoog scoren. Dit onderstreept nogmaals dat relaties dus voor elk cluster belangrijk zijn! Het verschil in afwijking vanaf het gemiddelde is te klein om voor onderscheid te kunnen zorgen. Nu bekend is hoe de clusters eruit zien, zal worden verder gegaan met het testen van de hypothesen in fase twee.
Stap Tolerantie F to Remove
Wilks' Lambda 1 Opzoek internet 1.000 68.308 2 Opzoek internet .999 36.667 .558 Opzoek advertenties .999 26.548 .504 3 Opzoek internet .993 31.651 .388 Opzoek advertenties .963 28.897 .377 Opzoek leveranciers .956 25.509 .364