Zoals hierboven duidelijk werd komen de benodigde data voor dit onderzoek van verschillende respondenten en uit verschillende datasets. Voor deze scriptie is het noodzakelijk enkele aanpassingen te doen zodat de data van de verschillende bronnen met elkaar kunnen worden vergeleken.
3.4.1 Categorieën
De dataset zal bestaan uit de secundaire data betreffende merkbeoordelingen. Niet alle 50 merken zullen echter worden meegenomen in het vervolgonderzoek. Alleen die merken die op een logische manier kunnen worden ingedeeld in categorieën zullen geanalyseerd worden. Hiervoor is gekozen omdat
aankoopgedrag binnen categorieën veel beter vergeleken kan worden; zo hangt aankoopfrequentie af van het soort product (Dhar e.a., 2001).
De categorieën zijn samengesteld uit een aantal subcategorieën. Door te kijken welk percentage van de omzet ieder merk in welke (sub)categorie behaalt, kan bepaald worden welke merken samen als categorie kunnen worden
meegenomen in de analyse. Merken worden alleen ingedeeld in een categorie als zij daar minimaal 70% van hun omzet behalen. De volgende indeling kan dan
gemaakt worden.De tabel geeft weer welke merken samen in een categorie
vallen en ook welk percentage van de omzet de merken binnen die categorie behalen. Een overzicht van de subcategorieën binnen elke hoofdcategorie is terug te vinden in bijlage 3.
Categorieën Merk & percentage omzet binnen categorie
Frisdrank Appelsientje 100% Dubbelfrisss 100% Fanta 100% Hero 75,06% Spa 96,57% Coca Cola 100% Zuivel Campina 83,90% Danone 91,77% Friesche Vlag 81,31% Mona 98,56% Bier Bavaria 78,97% Grolsch 86,66% Heineken 92,28% Amstel 91,70%
72,41% 80,20% Kaas Maaslander 98,23% Milner 99,64% Diepvries Iglo 75,16% Mora 95,72%
Koek & beschuit Bolletje
74,78% Lu 78,52% Peijnenburg 100% Verkade 83,16% Liga 100% Zoutjes Duyvis 82,86% Smiths 85,79% Lay’s 100% Wasmiddelen/ wasverzachters Ariel 89,21% Robijn 98,70%
Warme dranken Douwe Egberts
99,43%
Nescafe 99,09%
Pickwick 96,28%
Tabel 3.4.1: samenstelling categorieën
3.4.2 Aggregatieniveau
Omdat de effecten van brand equity en channel equity op merkniveau gemeten zullen worden is het niet nodig individuele respondenten mee te nemen in de database. Brand equity en channel equity zullen worden bepaald voor elk merk als geheel. Waarbij nog onderscheid kan worden gemaakt tussen totaal
Nederland, district (noord, oost, zuid, west, randstad), type huishouden (jong/ oud, met/ zonder kinderen), type primaire supermarkt (service/ midden) en primaire supermarkt (Albert Heijn, Edah, Jumbo, etc.).
De effecten binnen het aankoopgedrag waarop de merken worden vergeleken zijn: marktaandeel, kopersaandeel, trouw, aankoopfrequentie en prijs premium. Deze zullen per merk worden bepaald. De totale/ gemiddelde scores per merk zullen worden opgenomen in de database.
3.5 Analysemethoden
terug komen. Alle analyses worden uitgevoerd met het statistische programma SPSS. Bij alle toetsen wordt een betrouwbaarheidsgrens van 95% gehanteerd. 3.5.1 Brand equity en channel equity scores
Voor de toetsing van de hypothesen is het noodzakelijk per merk een totaal score op brand equity en channel equity te bepalen. Daarnaast is het voor aanbevelingen omtrent de invulling van push- en pullstrategieën interessant om per merk ook onderliggende dimensies van brand equity en channel equity te bepalen (Yoo e.a., 2000).
Cronbach’s alpha
Brand equity zal bepaald worden aan de hand van de 18 gemeten aspecten die genoemd werden in tabel 3.3.1 en channel equity aan de hand van de 5
aspecten in tabel 3.3.2. Van elke stelling is per merk de gemiddelde score opgenomen in de database. Het is niet handig met zoveel onderliggende
aspecten rekening te houden bij het uitvoeren van analyses. Daarom zullen deze worden ingedeeld in kleinere groepen die de onderliggende dimensies van brand equity en channel equity kunnen weergeven. Deze dimensies kunnen een extra verklarende waarde bieden bij het beoordelen van de effecten van brand equity en channel equity (Yoo e.a., 2000).
In het theoretische kader van deze scriptie is uitgebreid ingegaan op de
dimensies die aan brand equity en channel equity ten grondslag liggen. Op basis hiervan zullen de beschikbare variabelen ingedeeld worden in kleinere groepen. Met behulp van Cronbach’s alpha wordt vervolgens gekeken of de groepjes variabelen voldoende met elkaar correleren om dezelfde dimensie weer te geven. Cronbach’s alpha is een betrouwbaarheidscoëfficiënt die weergeeft in hoeverre een (meet)schaal consistent is (Hair e.a., 2006). Een schaal is consistent wanneer de Cronbach’s alpha minimaal 0,7 is (Hair e.a., 2006).
Wanneer dit zo blijkt te zijn zullen er ‘summated scales’ worden gemaakt van de variabelen die een dimensie weergeven. Dit houdt in dat van de variabelen die onder een dimensie vallen het gemiddelde wordt genomen (Hair e.a., 2006). Dit gemiddelde vervangt dan de originele variabelen, hierdoor krijgt elk merk een score op elke onderliggende dimensie van brand equity en channel equity. Een totaal score op brand equity en channel equity wordt weer bepaald door het gemiddelde van de dimensies te nemen.
Factor analyse
De analyse met Cronbach’s alpha zal er toe leiden dat de originele variabelen die de oordelen van consumenten en winkeliers weergeven worden vervangen door samenvattende variabelen; dimensies. De te ontwikkelen schaal is voor een groot deel gebaseerd op theorie. Cronbach’s alpha is een bevestiging van de indeling gemaakt op basis van theorie. Een andere methode om variabelen samen te voegen is factor analyse. Deze methode is meer gebaseerd op patronen in data/ variabelen dan op theorie (Hair e.a., 2006). Factor analyse kijkt puur naar
correlaties tussen variabelen en deelt de variabelen die het sterkst met elkaar correleren bij elkaar in (Hair e.a., 2006). Dit betekent dat er altijd iets uit zal komen ongeacht de relevantie of juistheid van de indeling (Hair e.a., 2006). Het is nuttig factor analyse te gebruiken als ondersteuning voor de Cronbach’s alpha schaal. Wanneer de factor analyse tot eenzelfde indeling komt als de analyse met Cronbach’s alpha is dit een extra bevestiging van de juistheid van de schaal. Mochten de twee niet overeenkomen dan zal er nog steeds gewerkt worden met de Cronbach’s alpha schaal omdat deze sterk gefundeerd is in theorie.
3.5.2 Beschrijvende statistieken
Om een goed beeld te krijgen van de data zullen eerst een aantal beschrijvende statistieken worden opgesteld.
Voordat de hypothesen getoetst kunnen worden is het noodzakelijk eerst een aantal andere aspecten te specificeren. De scores op brand equity, channel equity en de onderliggende dimensies zullen worden weergegeven. Omdat de merken binnen categorieën op een aantal kenmerken van aankoopgedrag met elkaar vergeleken zullen worden is het nuttig eerst wat categoriekarakteristieken te laten zien. Hierbij kan gedacht worden aan de relatieve prestaties van de merken.
3.5.3 Regressieanalyse
De in hoofdstuk 2 opgestelde hypothesen zullen worden getoetst door merken binnen categorieën met elkaar te vergelijken. De waarden per merk voor het marktaandeel, het percentage kopende huishoudens, de trouw, de
aankoopfrequentie en het prijs premium zullen worden vergeleken met
categoriegemiddelden, onderzocht wordt of afwijkingen (positief of negatief) zijn toe te schrijven aan brand equity en/ of channel equity. Ook de scores op brand equity en channel equity zullen worden vergeleken met categoriegemiddelden. Doordat de scores van de 33 gekozen merken zijn gecorrigeerd voor de
categorieën waaronder ze vallen is het mogelijk alle merken tegelijkertijd met elkaar te vergelijken.
De hypothesen zullen worden getoetst met behulp van een regressieanalyse. Het regressiemodel wat hieruit voortkomt geeft weer welke combinatie van
onafhankelijke variabelen de afhankelijke variabele het beste voorspelt (Hair e.a., 2006). In dit geval zal de afhankelijke variabele steeds een aspect van het
aankoopgedrag zijn, onafhankelijke variabelen zijn brand equity en/ of channel equity. Het regressiemodel geeft ook een gewicht aan de afzonderlijke
onafhankelijke variabelen, dit gewicht geeft de relatieve contributie van elke variabele aan bij de voorspelling van de afhankelijke variabele (Hair e.a., 2006). Op die manier kan bepaald worden welke onafhankelijke variabele de grootste invloed heeft op de afhankelijke variabele. Dit is precies wat met dit onderzoek
bereikt wil worden, namelijk een waarde geven aan het belang van brand equity en channel equity bij het voorspellen van aankoopgedrag.
3.5.4 Analyse hypothesen
Zoals uit de vorige paragraaf bleek zullen de hypothesen met behulp van een regressieanalyse getoetst worden. In deze paragraaf zal voor elke hypothese een regressiemodel worden opgesteld. Zoals gezegd worden de scores op brand equity, channel equity en aankoopgedrag gecorrigeerd voor de categorieën waaronder de merken vallen, dit zal ook terug komen in de modellen. H1. Brand equity heeft een positief effect op aankoopgedrag:
Voor deze hypothese is een model nodig met als afhankelijke variabele het relevante aspect van het aankoopgedrag en als onafhankelijke variabele brand equity. De bèta die voor brand equity wordt geschat geeft het effect van brand equity op het aspect van het aankoopgedrag weer. Dit model ziet er als volgt uit.
(Aspect x merk – categoriegemiddelde aspect x) = β0+ β1(Merkscore BE –
Categoriescore BE)
H2. Channel equity heeft een positief effect op aankoopgedrag:
Deze hypothese zal op exact dezelfde manier getoetst worden als de vorige met als enig verschil dat de onafhankelijke variabele nu channel equity is. β1 zal dit keer dus het effect van channel equity op het aankoopgedrag weergeven.
(Aspect x merk – categoriegemiddelde aspect x) = β0+ β1(Merkscore CE –
H3. Brand equity en channel equityversterken elkaar wat betreft aankoopgedrag:
Om deze hypothese te toetsen zal het relevante aspect van het aankoopgedrag wederom de afhankelijke variabele zijn. Als onafhankelijke variabelen zullen brand equity en channel equity allebei worden opgenomen. Daarnaast wordt er ook een interactieeffect tussen brand equity en channel equity als onafhankelijke variabele meegenomen. Een interactievariabele geeft weer in hoeverre twee onafhankelijke variabelen effect hebben op elkaar (Leeflang e.a., 2000). De positieve β3 geeft aan dat het marginale effect van BE groter wordt met CE en andersom (Leeflang e.a., 2000). Dit interactieeffect moet weergeven in hoeverre brand equity en channel equity elkaar versterken. Het model ziet er als volgt uit.
(Aspect x merk – categoriegemiddelde aspect x) = β0+ β1(Merkscore BE –
Categoriescore BE) + β2(Merkscore CE – Categoriescore CE) + β3([Merkscore
BE – Categoriescore BE] * [Merkscore CE – Categoriescore CE])
Heeft brand equity of channel equity het sterkste effect op aankoopgedrag? Voor het beantwoorden van deze vraag is geen hypothese opgesteld omdat er geen aanwijzingen in de literatuur zijn voor de richting waarin het antwoord op deze vraag zal gaan. Om de vraag te beantwoorden zal het volgende model worden geschat waarin brand equity en channel equity beide als onafhankelijke
variabele zijn opgenomen. Wanneer β1 de hoogste waarde krijgt heeft brand
equity het grootste effect op aankoopgedrag en wanneer β2 de hoogste waarde
krijgt heeft channel equity het grootste effect op aankoopgedrag.
(Aspect x merk – categoriegemiddelde aspect x) = β0+ β1(Merkscore BE –
4. RESULTATEN
4.1 Inleiding
In dit hoofdstuk worden de resultaten van het empirische onderzoek behandeld. Eerst wordt met behulp van Cronbach’s alpha een meetschaal voor brand equity en channel equity ontwikkeld. Om een goed beeld te krijgen worden daarna een aantal beschrijvende statistieken weergegeven. Vervolgens worden de
opgestelde hypothesen getoetst met behulp van een regressieanalyse.