Startups op sociale media
Een inhoudsanalyse naar het verband tussen content en de
betrokkenheid op Facebook-berichten
__________________________________________________________________________________
Master thesis
University of Amsterdam Graduate School of Communication Master’s programme Communication Science
Persuasive Communication
Mirte van Maanen 11339187
Thesis supervisor: Sandra Zwiers 22-01-2018
1
Abstract
In een tijdperk waar consumenten voortdurend online zijn is het belang van sociale media voor bedrijven exponentieel toegenomen. Eerdere studies gericht op het onderzoeken van sociale media strategieën van bedrijven hebben hierbij tot nu toe voornamelijk gekeken naar de grote gevestigde merken, onderzoek specifiek gericht op startups is schaars. In deze studie is daarom onderzocht welke diverse sociale media strategieën startups toepassen op Facebook en wat de effecten hiervan zijn op de ontvangen betrokkenheid op berichten,
geoperationaliseerd als de som van likes, shares en comments. Een inhoudsanalyse is uitgevoerd van 200 Facebookberichten gepubliceerd door tien pas beginnende startups. De data is geanalyseerd op drie verschillende dimensies gebaseerd op eerdere onderzoeken, namelijk mediarijkheid, interactiviteit en conversatie-gerichtheid. Lineaire regressieanalyses zijn uitgevoerd om de relaties tussen de afhankelijke en onafhankelijke variabelen te
begrijpen en om de voorgestelde hypotheses te toetsen. Uit de resultaten bleek dat zowel een hoge mediarijkheid, de aanwezigheid van een vraag en berichten gericht op conversatie een significant positief effect hadden op de totale betrokkenheid op de Facebook-berichten. De resultaten dragen bij aan de schaarse wetenschappelijke kennis rondom het onderwerp. Daarbij kan het huidige onderzoek gebruikt worden door startups om hen te helpen beslissen welk type content ze publiceren op Facebook om zo hun sociale media strategie te
2
Introductie
Sociale media zoals Facebook en Instagram zijn het afgelopen decennium bijna niet meer weg te denken uit het dagelijks leven. Niet alleen consumenten, maar ook bedrijven weten hun weg er steeds beter te vinden (Chen, Ji & Men, 2017). De laatste jaren zijn sociale media dan ook een integraal onderdeel van de marketingmix geworden voor bedrijven.
Het toegenomen belang van sociale media als onderdeel van de marketingmix heeft een aantal veranderingen met zich meegebracht. Waar bij traditionele marketing de focus voornamelijk lag op ‘push’-technieken en consumenten veelal blootgesteld werden aan reclames of ze dat wilden of niet, zijn consumenten tegenwoordig meer in staat om reclame te kiezen, bekritiseren of te negeren. (Fournier & Avery, 2011). De effectiviteit van de
eenrichtingsboodschap is dus afgenomen en eenzijdige communicatie tussen bedrijven en consumenten is geëvolueerd naar wederzijdse interactie tussen de organisatie en consumenten (Peters, Chen, Kaplan, Ognibeni, & Pauwels, 2013). In plaats van dat een consument
ongevraagd geconfronteerd wordt met bijvoorbeeld televisiereclames, kiezen mensen op sociale media er meer bewust voor om een merk leuk te vinden of te volgen. Hierdoor hebben is er vaak meer aandacht en betrokkenheid bij het bedrijf of merk (Kujur & Singh, 2016).
Daarnaast blijft het aantal sociale media gebruikers maar groeien. Een van de meest populaire platformen is Facebook, dat in 2017 nog steeds bij uitstek het meest gebruikte sociale medium ter wereld is (Facebook newsroom, 2017). Mark Zuckerberg, CEO van Facebook, kondigde op 27 juni (2017) aan dat Facebook de mijlpaal van meer dan twee miljard gebruikers had overschreden. Het is daarom niet verrassend dat Facebook een steeds belangrijker platform wordt voor bedrijven waar ze informatie op kunnen verspreiden, betrokkenheid kunnen vergroten en loyaliteit en relaties met klanten op kunnen bouwen (Achen, 2015).
3
Ondanks dat sociale media een relatief nieuw fenomeen zijn in de marketingwereld, is er al veel onderzoek over dit onderwerp uitgevoerd. Eerdere studies naar sociale media van bedrijven hebben positieve effecten laten zien van sociale media gebruik op relationele en gedragsuitkomsten van consumenten (Li & Stacks, 2015; Chen et al., 2017).Echter, de meeste van deze studies hebben zich gefocust op grote en gevestigde bedrijven. Er is tot op heden nog weinig onderzoek gedaan naar het strategisch gebruik van sociale media en de betrokkenheid van consumenten bij startups. Startups verschillen van grote gevestigde bedrijven vanwege een aantal unieke karakteristieken. Over het algemeen is het grootste verschil het gebrek aan middelen, dat wil zeggen personeel, financiën, expertise en tijd (Durst & Edvardsson, 2012). Juist deze onderscheidende eigenschappen geven het belang aan van de ontwikkeling van een sterke sociale media strategie voor startups, in plaats van enkel de richtlijnen te volgen die vaak door gevestigde bedrijven worden gebruikt (Bresciani & Eppler, 2010; Chen et al., 2017).
Om Facebook goed te kunnen benutten is het voor startups dus van belang om te weten hoe zij hun sociale media marketing zo effectief mogelijk vorm kunnen geven. In dit onderzoek wordt hierbij gekeken naar de relatie tussen diverse content en betrokkenheid op Facebookberichten, geoperationaliseerd als de hoeveelheid likes, shares en comments die een bericht ontvangt.
Dit onderzoek draagt bij aan de bestaande literatuur over marketingstrategieën en betrokkenheid van consumenten op sociale media door een beeld te schetsen van het verband tussen content van Facebookberichten en de hoeveelheid likes, shares en comments. Als bepaalde content populairder blijken te zijn dan andere kunnen startups hun
Facebookberichten aanpassen om hun berichten zo effectief mogelijk vorm te geven. Het doel van deze scriptie is om te onderzoeken welke verschillende Facebookstrategieën startups
4
gebruiken en welke type berichten de meeste betrokkenheid genereren. Hiervoor is de volgende onderzoeksvraag opgesteld:
RQ: Wat is het effect van verschillende sociale media strategieën op betrokkenheid bij
Facebook-berichten van startups?
In dit onderzoek worden de Facebookpagina’s van tien verschillende startups geanalyseerd om het verband te bekijken tussen content en online betrokkenheid. Het onderzoek bestaat uit vijf hoofdstukken met de volgende structuur: in het tweede hoofdstuk wordt een overzicht gegeven van het theoretische kader, bestaande uit een literatuurstudie, samenvatting van de hypotheses en het conceptuele model. Het daaropvolgende hoofdstuk is gericht op de
onderzoeksmethodologie, met een uitleg van het onderzoeksdesign en gebruikte methodes. In hoofdstuk vier worden de resultaten van de analyse uiteengezet die vervolgens worden besproken in het laatste hoofdstuk, bestaande uit de conclusie, discussie, wetenschappelijke en praktische implicaties, beperkingen en suggesties voor toekomstig onderzoek.
Theoretisch kader
In dit hoofdstuk worden de belangrijkste concepten van dit onderzoek uitgelicht. Allereerst zal aan de hand van literatuur de definitie van een startup uitgewerkt worden. Vervolgens worden de karakteristieken van sociale media platformen beschreven en het gebruik van Facebook als marketingtool voor startups. Tenslotte wordt de relevantie van online
betrokkenheid voor startups benadrukt en komen diverse sociale media strategieën aan bod.
Startups
Er is tot op heden geen duidelijke consensus wat precies de definitie van een startup is. Over het algemeen wordt uitgegaan van bedrijven die minder dan vijf jaar oud zijn, een innovatief
5
idee hebben en nog moeten groeien (Robehmed, 2013). Luger en Koo (2014) voegen hieraan toe dat een startup tevens onafhankelijk moet zijn en niet aangestuurd door een ander bedrijf.
Er zijn een aantal karakteristieken waarop startups verschillen van gevestigde bedrijven. Zo beschikken ze over het algemeen bijvoorbeeld over gelimiteerde financiële middelen en expertise (Amimbola, 2001; Durst & Edvardson, 2012), weinig tijd (Wong & Merrilees, 2015) en moeten ze nog een bedrijfsidentiteit en reputatie opbouwen (Bresciani & Eppler, 2010; Rode & Vallaster, 2005).
De ontwikkeling en uitvoering van een goede marketingstrategie en bedrijfsplan vereisen een aanzienlijke financiële investering. In tegenstelling tot gevestigde bedrijven hebben startups vaak minder personeel en financiële mogelijkheden, waardoor hun gebruik van marketingkanalen verschilt van grote organisaties. Startups kiezen vanwege
bovengenoemde belemmerende factoren vaak voor marketingkanalen die weinig investering behoeven. Waar grote bedrijven vaak op allerlei diverse platformen aanwezig zijn, beschikken startups vaak over een enkel media platform dat tegelijkertijd dient voor bijvoorbeeld
verkoop, pr, klantondersteuning en branding (Durst & Edvardsson, 2012). Platformen die hiervoor bij uitstek geschikt zijn, zijn de sociale media. In de volgende paragraaf zal de relevantie van sociale media voor startups verder uiteengezet worden.
Sociale media
In het snel evoluerende landschap van marketingcommunicatie is het belang van sociale media exponentieel gegroeid (Pinto & Yagnik, 2016). Onderzoekers definiëren sociale media als communicatiemiddel dat het delen van meningen en informatie stimuleert en de productie en circulatie van door gebruikers gecreëerde content toestaat (Go & You, 2016). Sociale media combineren mobiele- en internet-gebaseerde technologieën om interactieve platformen te creëren waarbinnen individuen en gemeenschappen content delen, creëren, bediscussiëren en aanpassen (Kietzmann, Hermkens, McCarthy & Silvestre, 2011). Binnen deze definitie
6
bestaan diverse types sociale media, waarvan waarschijnlijk de meest bekende Facebook en Instagram zijn.De marketing- en managementliteratuur benoemt een aantal voordelen van sociale media voor bedrijven, zoals de mogelijkheid om consument attitudes en product evaluaties te beïnvloeden, verhoogde klantbetrokkenheid en loyaliteit te creëren en marktkennis te vergaren (Leung, Bai & Stahura, 2015; Schivinski & Dabrowski, 2015).
Om sociale media te beschrijven hebben Kietzmann et al. (2011)een kader opgesteld, het zogeheten Honeycomb Framework. Dit kader tracht sociale media te definiëren door het gebruik van zeven functionele bouwblokken: identiteit, conversaties, delen, aanwezigheid, relaties, reputatie en groepen. Elk van deze blokken kunnen implicaties hebben voor hoe bedrijven met sociale media moeten omgaan. Zo draait Facebook voornamelijk om relaties, en in mindere mate om reputatie, conversaties, identiteit en aanwezigheid, terwijl op LinkedIn identiteit en reputatie erg belangrijk zijn (Kietzmann et al., 2011). Een implicatie van het gebruik van Facebook voor een bedrijf is dan bijvoorbeeld dat gebruikers direct interactie kunnen hebben met elkaar en het bedrijf, waardoor het belangrijk is strategieën te
ontwikkelen over wanneer je de conversatie met je publiek aan wilt gaan. Begrip van het sociale media landschap kan bedrijven dus helpen om de juiste strategie te bepalen. In de volgende paragraaf zal verder worden ingegaan op het specifieke belang van Facebook voor startups.
Startups en Facebook
Anno 2017 is Facebook nog steeds bij uitstek het meest gebruikte sociale media platform ter wereld. Het netwerk telt 2,01 miljard gebruikers, waarvan 1,32 miljard dagelijks inloggen (Facebook newsroom, 2017). Dit betekent dat Facebook als sociaal netwerk meer dan een derde van alle internetgebruikers samenbrengt. De Facebookpagina van een merk wordt hiermee een steeds belangrijker klantcontactpunt.
7
Bedrijven moedigen de klant-merk betrokkenheid op Facebook aan zodat
consumenten op Facebook met merken op dezelfde manier interactie kunnen hebben als met vrienden en familie (Pinto & Yagnik, 2016). Anders gezegd, merken gedragen zich op Facebook als ieder ander individu door het invullen van persoonlijke (merk)informatie, het plaatsen van updates en het bieden van mogelijkheden tot conversatie. Pinto en Yagnik (2016) benadrukken dat door organisaties aangemoedigde betrokkenheid van klanten interactiviteit vereist. Bedrijven kunnen niet passief afwachten tot klanten al het werk doen om
betrokkenheid bij het merk te genereren (Wong & Merrilles, 2015).
Juist voor pas beginnende bedrijven zoals startups kan een goed uitgewerkte
consistente communicatiestrategie van belang zijn (Rode & Vallaster, 2005). Sociale media zijn daarbij een strategisch hulpmiddel bij uitstek voor startups vanwege het feit dat er geen toegangsbelemmeringen zijn, er lage kosten aan verbonden zijn en ze een groot potentieel bereik hebben (Bresciani & Eppler, 2010). Tevens is het een geschikt platform om in dialoog te treden met consumenten (Cvijikj, Spiegler, & Michahelles, 2011). Een van de belangrijkste eigenschappen van een effectieve sociale media strategie is dat het positieve online
betrokkenheid van consumenten genereert. In deze studie zal online betrokkenheid worden geanalyseerd als de interacties die gebruikers hebben met een post in de vorm van likes, shares en comments.
Het is tevens van belang de mogelijke nadelen te erkennen van het integreren van Facebook in een marketing strategie. De dagelijkse directe communicatie zorgt ervoor dat organisaties relevant en innovatief moeten blijven (Parise & Guinan, 2008). Berichtinhoud moet zorgvuldig gecreëerd worden, het is namelijk moeilijk om van merk schade te herstellen als een merk eenmaal als oneerlijk wordt bestempeld. Daarnaast belemmert de vrije
informatiestroom bedrijven namelijk om totale controle over hun berichten te hebben. Als een boodschap niet juist is afgesteld op de interesses en motivaties van consumenten neemt de
8
kans toe dat de doelgroep het bericht niet te zien krijgt (Peters et al., 2013). Een resultaat van niet succesvolle marketing kan zijn dat de content genegeerd, overgeslagen of zelfs
geblokkeerd wordt. Ondanks het feit dat bedrijven in grote getalen aanwezig zijn op sociale media, worden ze daarnaast niet altijd verwelkomd door gebruikers die sociale media zien als een omgeving voor hun eigen conversaties en niet als een kanaal voor marketeers (Fournier & Avery, 2011).
Deze studie tracht de diverse sociale media strategieën van startups in kaart te brengen als voorspellers van berichtbetrokkenheid. Berichtbetrokkenheid is een belangrijke maatstaf voor de populariteit van een Facebookbericht. De literatuur die online berichtbetrokkenheid op Facebook beschrijft is voornamelijk gericht op informatie die toegankelijk is voor het publiek, dat wil zeggen de ‘likes, shares en comments’, inhoud van het bericht en tijd (Houk
& Thornhill, 2013). Berichtbetrokkenheid wordt daarom vaak gemeten in likes, comments en shares, wat een door academici breed geaccepteerde evaluatiemethode is (De Vries, Gensler & Leeflang, 2012).
Voorspellers van berichtbetrokkenheid
Juist voor startups biedt online betrokkenheid op sociale media kansen. In die eerste beginperiode is het bouwen van online relaties belangrijk. Elke interactie en communicatie tussen consument en organisatie kan van waarde zijn om lange-termijn relaties op te bouwen (Grönroos, 2004) en onderzoek heeft uitgewezen dat verhoogde betrokkenheid op sociale media effectief klant relaties kan verbeteren (Rishika, Kumar, Janakiraman & Bezawada, 2013). Daarbij zullen betrokken consumenten op sociale media meer geneigd zijn content te delen, waar een startup van kan profiteren door toegenomen bereik en zichtbaarheid (Achen, 2015). Online bericht interactie verschijnt namelijk niet alleen op het Facebook
9
Fodor, 2010). Daarnaast hebben Calder, Malthouse and Schaedel (2009) aangetoond dat online betrokkenheid positief gerelateerd is aan koopintenties en positievere merkattitudes.
Om effectief gebruik te maken van de kansen die Facebook biedt op het gebied van sociale media marketing is een grondig begrip nodig van waarom klanten betrokken raken bij berichten op sociale media. Echter is er tot op heden weinig bekend over wat gebruikers precies betrokken maakt (Gummerus, Liljander, Weman, & Pihlstrom, 2012). Deze studie probeert de schaarse kennis aan te vullen door te onderzoeken welke strategieën succesvolle startups in hun eerste jaar hebben toegepast, en welke strategiekenmerken de meeste
betrokkenheid genereerden.
Een theorie die tracht te verklaren hoe populariteit van content op sociale media ontstaat is de uses and gratifications theory (Katz, Blumler & Gurevitch, 1973). Deze theorie is gebaseerd op de assumptie dat het publiek de controle heeft over de boodschappen waar zij aan blootgesteld willen worden en dat individuen bewust zijn van hun keuzes voor informatie en entertainment (Potter, 2012). Om ervoor te zorgen dat het publiek er bewust voor kiest blootgesteld te worden aan de boodschap die een bedrijf verspreidt, is het dus van belang dat de sociale media content van een startup aansluit op de behoeftes van de consument (Quan-Haase & Young, 2010).
Een van de voorspellers van berichtbetrokkenheid daarbij is mediarijkheid. Volgens de media richness theory is rijkere content effectiever voor communicatiedoeleinden dan minder rijke content (Daft & Lengel, 1986). (Live)video’s worden gezien als rijkste content, gevolgd door foto’s, links naar websites/blogs en tenslotte tekst als armste content. De rijkheid van
content heeft vervolgens weer een positief effect op betrokkenheid van het publiek. De werking van deze theorie wordt onderstreept door de Vries et al. (2012). Zij hebben onderzoek gedaan naar de berichtbetrokkenheid van bedrijfspagina’s en
10
hoe klanten het bericht accepteren- met andere woorden, de betrokkenheid. De onderzoekers toonden aan dat een bericht meer betrokkenheid genereerde als het levendig en interactief is door de aanwezigheid van een foto of video. Diverse andere studies hebben tevens
aangetoond dat het gebruik van visuele content zoals foto of video de berichtbetrokkenheid kunnen vergroten (Kujur & Singh, 2016). Om de relatie tussen mediarijkheid van
Facebookberichten van startups en berichtbetrokkenheid te onderzoeken is de volgende hypothese opgesteld:
H1: Facebookberichten van startups met hoge mediarijkheid door foto of video leiden
tot hogere bericht betrokkenheid in termen van likes, shares en comments.
Als het doel van een bericht is om betrokkenheid te vergroten, wordt verder vaak aangeraden de content dusdanig te vormen dat het discussie en conversatie stimuleert. Onderzoek toont aan dat content die betrokkenheid stimuleert de meeste reacties ontvangt (Achen, 2015). Een van de meest effectieve manieren om het aantal reacties te vergroten is door het stellen van vragen aan het publiek (Achen, 2015; de Vries et al., 2012). Het stellen van vragen is een gemakkelijke manier om verbinding te leggen en mensen uit te nodigen deel te nemen aan de conversatie, wat mogelijk resulteert in verhoogde betrokkenheid. Om te analyseren wat het effect van hoge interactiviteit door het gebruik van vragen is op berichtbetrokkenheid bij startups op Facebook is de volgende hypothese geformuleerd:
H2: Facebookberichten van startups met een vraag leiden tot hogere
berichtbetrokkenheid in termen van likes, shares en comments
Een ander kenmerk dat van invloed kan zijn op berichtbetrokkenheid is het
11
bedrijven de neiging hebben op twee manieren te communiceren met hun
Facebookgebruikers. Aan de ene kant kan een bericht gefocust zijn op marketinginhoud en verkoop. Voorbeelden zijn de welbekende winacties, of berichten waarbij de inhoud specifiek gericht is op de verkoop of prijs van een product. De andere categorie zijn berichten die niet direct geassocieerd zijn met verkoop of marketing, maar die als doel hebben gebruikers te informeren of uit te nodigen tot conversatie.
Om dit onderscheid nader te onderzoeken hebben Kwok en Yu (2013) geprobeerd om verkoop en marketing berichten te vergelijken met meer conversationele berichten. Ze analyseerden 982 Facebookberichten van 20 restaurants en hun resultaten lieten zien dat conversationele berichten vaak populairder zijn dan verkoop- en marketingberichten in termen van likes en comments. Het lijkt erop dat traditionele marketingberichten gefocust op verkoop vaak niet werken op sociale media (Kwok & Yu, 2013; Kaplan & Haenlein, 2010). Veel sociale media marketeers geloven dan ook dat consumenten op sociale media meer behoefte hebben aan conversaties en stabiele relaties met een bedrijf dan dat ze constant geconfronteerd willen worden met reclame. Hierop gebaseerd is de volgende hypothese voorgesteld:
H3: Conversationele Facebookberichten van startups leiden tot meer
berichtbetrokkenheid dan berichten gefocust op marketing en verkoop
Tenslotte is er een controlevariabele geïntroduceerd, namelijk de tijd waarop een bericht gepubliceerd is op Facebook. Sabate, Berbegal-Mirabent, Cañabate en Lebherz (2014) hebben de correlatie getest tussen bericht betrokkenheid, publicatie dag (weekend en
werkdagen) en publicatie tijd (kantooruren of niet). Ze vonden alleen significante verbanden voor berichten die gepubliceerd zijn tijdens kantooruren, deze berichten genereerden meer betrokkenheid. Verwacht wordt dat publicatietijd mogelijk een interactie-effect heeft op berichtbetrokkenheid.
12 Conceptueel model
Het conceptueel model is ontworpen gebaseerd op de hierboven besproken maatstaven van berichtbetrokkenheid en de beïnvloedende factoren:
.
Figuur 1. Conceptueel model
Onderzoeksmethode
Om sociale mediastrategieën van succesvolle startups te onderzoeken is een inhoudsanalyse van Facebookberichten uitgevoerd. Deze onderzoeksmethode maakt het mogelijk om
karakteristieken van een Facebookbericht te identificeren op een objectieve en systematische manier (Krippendorff, 2004). De details van de uitgevoerde inhoudsanalyse zullen hieronder worden besproken.
Steekproef
De onderzoekseenheden zijn de Facebookberichten van tien representatieve startups. De geselecteerde startups voldoen allemaal aan de volgende criteria: ze zijn minder dan vijf jaar oud (Robehmed, 2013), onafhankelijk en niet aangestuurd door een ander bedrijf (Luger &
Mediatype Interactiviteit Conversatie-gerichtheid Publicatietijd Controlevariabele Berichtbetrokkenheid Likes Shares Comments
13
Koo, 2014) en ze opereren business-to-consumer. Eerder onderzoek van Swani, Milne, Brown, Assaf en Donhtu (2016) heeft namelijk aangetoond dat sociale mediagebruikers meer geneigd zijn business-to-consumer berichten dan business-to-business te lezen/volgen. Het laatste criterium is dat de gekozen startups gebruik maken van een Facebookpagina. Een overzicht van de geselecteerde startups en hun kenmerken is te vinden in Tabel 2 (zie bijlage).
Van elk van deze tien startups zijn 20 Facebookberichten verzameld. Omdat het eerste jaar van een startup voornamelijk bepalend is voor het succes ervan zijn de 20 berichten geselecteerd uit het eerste jaar van de startup. De selectie is begonnen bij het eerste geplaatste bericht van de startups, vervolgens is elk vijfde bericht geselecteerd tot er 20 waren
verzameld. De totale steekproef bestond daarmee uit 200 Facebookberichten.
Van iedere startup zijn de Facebookberichten uit het eerste jaar verzameld met behulp van de datatool Netvizz. Netvizz is een hulpmiddel om data te verzamelen en te onttrekken van verschillende secties van Facebook (Rieder, 2013). De gedownloade bestanden zijn vervolgens geüpload op een Jupyter notitieblok en de benodigde data is geüpload in Excel. Vanuit daar zijn de gedownloade bestanden gecodeerd in IBM SPSS, waar de data vervolgens verder zijn geanalyseerd.
Variabelen
Onafhankelijke variabelen
De eerste gecodeerde onafhankelijke variabele is mediarijkheid. Een Facebookbericht kan diverse typen inhoud bevatten, namelijk tekst, een foto, video, link of evenement. Elk Facebookbericht werd beoordeeld om te zien of bovenstaande categorieën aanwezig waren ja (1) of nee (0). Na inspectie van de variabele werd duidelijk dat de tekst en video categorie onvoldoende cases bevatten (zie Tabel 1). Om deze reden is besloten de variabele
Mediarijkheid te verdelen in twee categorieën: laag (tekst/link) en hoog (foto/video) De nieuwe frequentieverdeling van de variabele is te zien in Tabel 2 hieronder.
14 Tabel 1 Oorspronkelijke verdeling
variabele mediarijkheid Mediarijkheid N Tekst 9 Link 76 Foto 108 Video 6
De tweede voorspeller van berichtbetrokkenheid is interactiviteit. Deze variabele is geoperationaliseerd als de aanwezigheid van een vraag in het bericht om conversatie te stimuleren (Achen, 2015; de Vries et al, 2012). Elk bericht werd beoordeeld om te zien of er een vraag aanwezig was (1) of niet (0). De keuze is gemaakt om retorische vragen niet mee te tellen als vragen, aangezien een retorische vraag geen interactiviteit stimuleert. In Tabel 3 op hieronder is de frequentieverdeling van de variabele te zien.
Tabel 3 Frequentieverdeling variabele interactiviteit
Interactiviteit N %
Geen vraag aanwezig 155 77.5 Vraag aanwezig 45 22.5
Totaal 200 100
Van eerder onderzoek van Kwok en Yu (2013) zijn twee bericht categorieën overgenomen: marketing en conversatie. Bij elk bericht is op een 5-punts Likertschaal aangegeven in hoeverre deze gericht is op marketing/sales (1) of op conversatie (5). Een bericht is gecodeerd als gericht op marketing/sales als het is opgebouwd als traditionele reclame voor producten en services of als het bericht over algemene informatie over het merk
Tabel 2 Nieuwe samengestelde variabele mediarijkheid
Mediarijkheid N Laag (tekst/link) 85 Hoog (foto/video) 114
15
of bedrijf gaat. Een bericht viel onder de conversationele categorie als de content niet direct refereert naar het merk, de producten of services, maar gerelateerd is aan een bredere entertainment context, met het doel betrokkenheid te stimuleren media (Kwok & Yu, 2013; Kaplan & Haenlein, 2010). Omdat er zeer weinig cases waren met de uiterste waarden 1 of 5 is besloten de variabele te verdelen in 3 verschillende groepen in plaats van 5. De waardes 1 en 2 vormen samen de berichten gericht op marketing/sales, 3 zijn berichten die er tussen in vallen en de 4 en 5 zijn de berichten gericht op conversatie. De nieuwe frequentieverdeling van de variabele is hieronder in Tabel 4 te zien.
Afhankelijke variabele
De afhankelijke variabele is berichtbetrokkenheid. Deze variabele is numeriek en is geoperationaliseerd als de som van likes, shares en comments. De combinatie van likes, shares en comments is een populaire manier om bericht betrokkenheid te evalueren (De Vries et al., 2012). In Tabel 5 op de volgende pagina is de verdeling te zien van deze variabele in de uiteindelijke dataset.
Tabel 4 Nieuwe verdeling variabele conversatie-gerichtheid
Conversatie-gerichtheid N %
1 84 42.0
2 70 35.0
3 46 23.0
16
Tabel 5 Frequentieverdeling afhankelijke variabele berichtbetrokkenheid
Berichtbetrokkenheid Minimum Maximum Mean SD
Likes 0 373 26.9 53.4
Comments 0 215 6.3 24.0
Shares 0 96 1.3 7.7
Totale betrokkenheid 0 514 30.9 65.2
Controlevariabele
Tenslotte is er een controlevariabele geïntroduceerd, aangezien verwacht werd dat deze mogelijk invloed heeft op hoeveel mensen een Facebook-bericht liken, delen of erop
reageren. Gebaseerd op het onderzoek van Sabate et al. (2014) is de publicatietijd verdeeld in kantooruren en buiten kantooruren. Omdat alle geanalyseerde startups opereren in Nederland zijn de typische Nederlandse kantooruren gehanteerd, namelijk van 9 tot 5 maandag tot en met vrijdag. Alle overige uren vallen onder geen kantooruren. Bij elk Facebookbericht is afgelezen op welke dag en tijdstip deze geplaatst is, om zo te beoordelen of het bericht tijdens kantooruren (0) of buiten kantooruren (1) op Facebook is gezet. In Tabel 6 hieronder is af te lezen hoe vaak tijdens en buiten kantoortijden voorkwam in de steekproef als geheel.
Tabel 6 Frequentieverdeling controlevariabele publicatietijd
Publicatietijd N %
Tijdens kantooruren 126 63.0 Buiten kantooruren 74 37.0
Totaal 200 100
17
Om de bepalen of de concepten in het codeboek op een betrouwbare manier zijn gecodeerd is een willekeurig geselecteerd subsample van 15% (n = 30) van de Facebookberichten dubbel gecodeerd. Op basis daarvan is door middel van Krippendorff’s Alpha de
intercodeursbetrouwbaarheid bepaald (Krippendorff, 2004). De uitkomsten van deze analyse zijn te vinden in Tabel 3 (zie bijlage).
Om de betrouwbaarheid te beoordelen is uitgegaan van de richtlijn voorgesteld door Riffe, Lacy en Fico (2014). Zij stellen dat variabelen met een Krippendorff’s Alpha waarde vanaf 0.8 zeer betrouwbaar zijn en variabelen met waardes tot 0.667 nog voldoende zijn om voorzichtige conclusies te trekken. Gebaseerd op deze richtlijnen kan gezegd worden dat nagenoeg alle gecodeerde variabelen een zeer goede intercodeur-betrouwbaarheid hadden met waardes boven de 0.8. De variabele berichttype had een betrouwbaarheidswaarde van 0.73, en hierover moeten daarom voorzichtige uitspraken gedaan worden.
Analyse
Het huidige onderzoek is voornamelijk gebaseerd op kwantitatieve analyse van de verzamelde data. Meervoudige lineaire regressies zijn uitgevoerd in SPSS om na te gaan wat de effecten van mediarijkheid, interactiviteit, conversatie-gerichtheid en publicatietijd zijn op de
berichtbetrokkenheid. Een regressieanalyse is geschikt voor het testen van hypotheses en het maken van voorspellingen betreffende de waarschijnlijkheid van positieve, negatieve of neutrale effecten in relaties tussen geteste variabele. Resultaten van de analyses worden in het volgende hoofdstuk gepresenteerd.
Resultaten
Allereerst zijn descriptieve analyses uitgevoerd om de informatie van de 200 observaties samen te vatten. Uit de resultaten bleek dat sommige berichten, namelijk 5.5%, geen enkele like, share of comment ontvangen hebben. Gemiddeld ontvingen de berichten de meeste likes
18
(M=26.92, SD=53.36), gevolgd door comments (M=6.28, SD=23.98) en slechts 1.4% van de berichten is gedeeld (M=1.43, SD=7.68).
Verder is in Tabel 7 hieronder te zien dat bijna elk bericht (96%) tekst bevatte (M=0.96, SD=0.21), in 63% was een link aanwezig (M=0.63, SD=0.84), iets meer dan de helft (54%) bevatte een foto (M=0.54, SD=0.50), en in slechts 3% van de berichten was een video aanwezig (M=0.03, SD=0.17). Daarnaast is uit de tabel te lezen dat ongeveer een vijfde (22%) van de gecodeerde berichten een vraag bevatte (M=0.22, SD=0.42)) en dat de inhoud van de berichten gemiddeld gesproken net iets meer gericht was op conversatie dan op marketing (M=2.78, SD=0.98 op een 5-puntsschaal lopende marketing/sales tot conversatie).
Tabel 7 Descriptieve statistieken van de variabelen
Noot: N=200;
* Type inhoud is gemeten op een 5-puntsschaal lopende marketing/sales tot conversatie * Totale betrokkenheid is de som van likes, shares en comments
Hypotheses
Om het effect van mediarijkheid, interactiviteit en conversatie-gerichtheid op de
betrokkenheid bij Facebook-berichten van startups te toetsen is een meervoudige lineaire
Variabele Minimum Maximum Gemiddelde Std.
Afwijking Publicatietijd 0 (tijdens kantoortijden) 1 (buiten kantoortijden) 0.37 0.48
Tekst aanwezig 0 (nee) 1(ja) 0.96 0.21
Link aanwezig 0 (nee) 1(ja) 0.63 0.84
Foto aanwezig 0 (nee) 1 (ja) 0.54 0.50
Video aanwezig 0 (nee) 1 (ja) 0.03 0.17
Vraag aanwezig 0 (nee) 1(ja) 0.22 0.42
Conversatie-gerichtheid * 1 5 2.78 0.98
Aantal likes 0 373 26.92 53.36
Aantal comments 0 215 6.28 23.98
Aantal shares 0 96 1.34 7.68
19
regressie uitgevoerd. De variabelen mediarijkheid, interactiviteit en conversatie-gerichtheid zijn meegenomen in deze regressie als voorspellers en de totale berichtbetrokkenheid was de afhankelijke variabele. Publicatietijd is oorspronkelijk meegenomen als controlevariabele, maar het model kon zonder deze controlevariabele een groter deel van de variatie in
berichtbetrokkenheid verklaren. Om deze reden is publicatietijd uiteindelijk niet meegenomen als controlevariabele. De volledige resultaten van deze analyse zijn te vinden in Tabel 8. Het regressie model was statistisch significant (F = 8.104, p< 0.01), en kon een dus betekenisvol gedeelte van de betrokkenheid van consumenten bij de berichten van startups verklaren. Een klein deel van de variatie in berichtbetrokkenheid kon verklaard worden door verschillen in mediarijkheid, interactiviteit en conversatie-gerichtheid van de berichten, namelijk 11,1% (R2 = 0.111).
Tabel 8 Resultaten regressieanalyse: Voorspellers van betrokkenheid bij Facebook-berichten startups
Variabele B SEB β t Sig. Mediarijkheid 31.60 8.95 0.241 3.51 0.001 Tekst 18.52 21.91 0.059 0.87 0.386 Link -9.24 10.45 -0.069 -0.885 0.377 Foto* 25.66 10.19 0.196 2.52 0.013 Video* 96.68 27.37 0.254 3.52 0.010 Combinatie (meerdere elementen)* 25.05 5.74 0.233 2.57 0.011 Interactiviteit* 23.11 10.59 0.149 2.17 0.030 Conversatie-gerichtheid* 12.39 5.67 0.149 2.24 0.028
Noot. *p<.05; B = ongestandaardiseerde regressie coëfficiënt; SEB = Standard error van de coëfficiënt; β = gestandaardiseerde coëfficiënt
20 Effecten van mediarijkheid
De eerste hypothese stelde dat Facebookberichten van startups met hoge mediarijkheid door foto of video leiden tot hogere bericht betrokkenheid in termen van de som van likes, shares en comments. De resultaten laten zien dat de relatie tussen mediarijkheid en
berichtbetrokkenheid significant was. Gecontroleerd voor de effecten van interactiviteit en conversatie-gerichtheid leidde elke toename van een eenheid in mediarijkheid ertoe dat het bericht 31, 60 keer zoveel tekenen van berichtbetrokkenheid ontving (B = 0.240, p= 0.01).
Tevens zijn de effecten van de losse elementen van mediarijkheid op
berichtbetrokkenheid gemeten. Uit de resultaten bleek dat enkel de aanwezigheid van een foto of video een significant effect had op berichtbetrokkenheid. De aanwezigheid van een video had het grootste effect en zorgde ervoor dat een bericht gemiddeld 96.68 keer zoveel tekenen van berichtbetrokkenheid ontving (B = 0.254, p = 0.01). Als er een foto in het bericht
aanwezig was ontving het bericht 25.66 keer meer tekenen van berichtbetrokkenheid dan wanneer er geen foto aanwezig was (B = 0.196, p = 0.013). Daarnaast bleek dat de aanwezigheid van een link geen positief, maar juist een negatief effect had op berichtbetrokkenheid, echter dit effect was niet significant (B = -0.069, p = 0.377).
Tenslotte bleek uit de resultaten dat de aanwezigheid van meerdere elementen, dus bijvoorbeeld een combinatie van tekst en foto, leidde tot een hogere betrokkenheid dan de aanwezigheid van slechts een van de elementen. Elke toevoeging van een extra element in het bericht had als effect dat er 25.05 keer vaker op gereageerd werd (B = 0.233, p = 0.011). Naarmate de mediarijkheid hoger was, nam de berichtbetrokkenheid dus toe. Hypothese 1 wordt hiermee bevestigd.
Effecten van interactiviteit
De tweede hypothese keek naar het effect van de aanwezigheid van een vraag op
21
vraag in het bericht aanwezig was een bericht gemiddeld 23.11 keer zoveel tekenen van betrokkenheid genereerde dan wanneer er geen vraag in het bericht stond (B = 0.149, p = 0.03). Een vraag aan het publiek in het bericht had dus een significant positief effect op de berichtbetrokkenheid. Hypothese 2 wordt hiermee bevestigd.
Effecten van conversatie-gerichtheid
De derde en laatste hypothese richtte zich op het onderscheid tussen twee soorten inhoud, namelijk meer gericht op marketing/sales of meer gericht op conversatie. De resultaten laten zien dat als een bericht meer was gericht op conversatie er gemiddeld 12.39 keer zoveel likes, comments en shares werden ontvangen (B=0.149, p=0.028). Er was dus een significant positief verband tussen de toonzetting van een Facebookbericht en berichtbetrokkenheid. Hypothese 3 wordt hiermee tevens bevestigd.
Effect van berichtvoorspellers op likes, shares en comments
In voorgaande analyses is een enkele variabele gebruikt die berichtbetrokkenheid meet, bestaande uit de som van het aantal likes, comments en shares. Om meer inzicht te krijgen in welke berichtkenmerken van startups specifiek leiden tot meer likes, welke tot meer
comments en welke tot meer shares zijn tevens lineaire regressies uitgevoerd met steeds een van de drie als afhankelijke variabele.
Om het effect van mediarijkheid, interactiviteit en type inhoud op het aantal likes te toetsen is een meervoudige lineaire regressie uitgevoerd (zie Tabel 4 in de bijlage). Het regressie model was statistisch significant (F = 5.640, p < 0.01), en kon een betekenisvol gedeelte van het aantal likes bij berichten verklaren. Ongeveer 8,5% van de variatie in likes kon verklaard worden door verschillen in mediarijkheid, interactiviteit en
conversatie-gerichtheid van de berichten (R2 = 0,85). De resultaten laten zien dat enkel mediarijkheid een significant effect had op het aantal likes, maar dit effect is minder groot dan dat op
22
berichtbetrokkenheid in het algemeen. Elke stijging in eenheid mediarijkheid had als gevolg dat een bericht 28.39 keer zoveel geliked werd (B = 0.27, p < 0.01).
Om het effect van mediarijkheid, interactiviteit en conversatie-gerichtheid op het aantal comments te meten is tevens een meervoudige lineaire regressie uitgevoerd (zie Tabel 4 in de bijlage). Het regressiemodel was statistisch significant (F = 4.253, p = 0.03) en kon ongeveer 6,5% van de variatie in comments verklaren (R2=0.65). Enkel de variabelen mediarijkheid en interactiviteit hadden een significant effect op het aantal comments. Elke stijging van mediarijkheid zorgde ervoor dat er 7,48 keer vaker op het bericht werd
gereageerd (B = 0.15, p = 0.03). De aanwezigheid van een vraag had als gevolg dat er 11.44 keer vaker op een bericht werd gereageerd (B = 0.20, p = 0.04).
Er is tevens een meervoudige lineaire regressie uitgevoerd met shares als afhankelijke variabele. Uit de resultaten bleek dat het model niet statistisch significant was en dat geen enkele voorspeller een significant effect had op hoe vaak een bericht gedeeld werd(F = 1.193, p = 0.313)
In Tabel 9 op de volgende pagina zijn de samenvattende resultaten van de
regressieanalyses te vinden. Hierin is af te lezen dat mediarijkheid, de aanwezigheid van een foto en video, interactiviteit en conversatiegerichtheid significante voorspellers zijn voor berichtbetrokkenheid. De aanwezigheid van elk van deze elementen zorgt dus voor een stijging in tekenen van berichtbetrokkenheid. Daarnaast is te zien dat mediarijkheid en de aanwezigheid van een video een significant positief hebben op de hoeveelheid likes die de berichten van startups ontvangen. Tenslotte hebben mediarijkheid en interactiviteit een stijging op het aantal comments als resultaat.
23
Tabel 9 Samenvattende resultaten regressieanalyses: β van voorspellers van de afhankelijke variabelen bij Facebook-berichten startups
Voorspellers Betrokkenheid Likes Comments
Mediarijkheid 0.241* 0.270* 0.151* Tekst 0.059 -0.054 -0.038 Link -0.069 -0.054 -0.039 Foto 0.196* 0.196 0.124 Video 0.254* 0.220* 0.120 Combinatie (meerdere elementen) 0.233* 0.123 0.109 Interactiviteit 0.149* 0.121 0.20* Conversatie-gerichtheid 0.149* 0.963 0.831 Noot. *p<.05
Conclusie en discussie
ConclusieHet doel van dit onderzoek was om meer inzicht te krijgen in de sociale media strategieën van startups, en de effecten hiervan op betrokkenheid bij Facebook-berichten, geoperationaliseerd als de som van likes, shares en comments dat elk bericht ontving. Uit het eerste jaar van tien verschillende startups zijn 20 Facebook-berichten geselecteerd en geanalyseerd, wat leidde tot een totale steekproef van 200 Facebookberichten door startups in hun eerste jaar na
oprichting. Er zijn drie variabelen meegenomen in dit onderzoek als mogelijke voorspellers van berichtbetrokkenheid, namelijk mediarijkheid, interactiviteit en conversatie-gerichtheid. De vraag, ‘Wat is het effect van verschillende sociale media strategieën op betrokkenheid bij Facebook-berichten van startups?’, kan naar aanleiding van dit onderzoek beantwoord
24
effect hadden op berichtbetrokkenheid en resulteerden in een toegenomen aantal likes, comments en shares.
De eerste significante voorspeller van berichtbetrokkenheid was mediarijkheid. Uit de resultaten bleek dat Facebook-berichten door beginnende startups met een hogere
mediarijkheid, door aanwezigheid van een foto of video meer likes, comments en shares ontvingen dan berichten waar enkel tekst of een link aanwezig is. Deze uitkomst ligt geheel in de verwachting gebaseerd op literatuur van Daft en Lengel (1986), Vries et al. (2012) en Kujur en Singh (2016). De media richness theory (Daft & Lengel, 1986) werd oorspronkelijk gebruikt om de rijkheid van bepaalde communicatiemiddelen, zoals telefoon, video
conferenties en email, te evalueren. Via een telefoongesprek bijvoorbeeld kunnen geen
visuele beelden en gebaren weergegeven worden, waardoor dit een minder rijk medium is dan een videogesprek. Volgens de media richness theory zijn rijkere media over het algemeen een effectiever communicatiemiddel dan minder rijke media. Het is interessant om te zien dat deze theorie ook toegepast lijkt te kunnen worden in de context van beginnende startups op sociale media.
De tweede significante voorspeller van berichtbetrokkenheid was interactiviteit, geoperationaliseerd als de aan- of afwezigheid van een vraag in een Facebookbericht. Uit de resultaten bleek zoals verwacht dat de berichten van beginnende startups meer tekenen berichtbetrokkenheid ontvingen als ze een vraag bevatten. De aanwezigheid van een vraag had verder echter alleen een significant effect op de hoeveelheid comments die het bericht ontving en niet op de hoeveelheid likes of shares. Het stellen van een vraag nodigt het publiek blijkbaar uit om deel te nemen aan een conversatie via het geven van een comment en kan hierdoor een goede manier zijn om betrokkenheid te vergroten (Achen, 2015; de Vries et al. 2012).
25
Tenslotte werd gebaseerd op de eerdere resultaten van Kwok en Yu (2013) en Kaplan en Haenlein (2010), verwacht dat berichten die meer gericht zijn op conversatie meer
berichtbetrokkenheid ontvangen dan berichten gericht op marketing/sales. Zoals voorspeld hadden de meer conversationele berichten van de startups een significant positiever effect op berichtbetrokkenheid dan meer op marketing/sales georiënteerde-berichten. Het lijkt er dus op dat traditionele marketingberichten op sociale media minder goed werken en dat consumenten eerder reageren op Facebook-berichten van startups gericht op het voeren van conversaties en opbouwen van relaties dan op traditionele reclameberichten. Op dit gebied valt nog winst te behalen voor de startups, aangezien uit de resultaten bleek slechts dat net iets meer dan de helft van de berichten was gericht op conversaties, en bijna de helft dus nog vrij taditionele marketing-content bevatte. Juist voor een nieuw bedrijf zoals startups is het opbouwen van relaties met nieuwe klanten van belang (Grönroos, 2004; Rishika, Kumar, Janakiraman & Bezawada, 2013) en het gebruik van meer conversationele berichten kan dus een positief effect hebben op het succes van de startup.
Tenslotte bleek uit de resultaten dat de voorspellers slechts een klein deel van de variantie in de berichtbetrokkenheid konden verklaren. Desondanks kunnen de bevindingen bijdragen aan de schaarse kennis over sociale media strategieën van startups en de effecten op berichtbetrokkenheid.
Discussie
De focus in deze studie lag op het onderzoeken van sociale media strategieën van startups. Het belang van internet en sociale media in de marketing-communicatiewereld is de laatste jaren exponentieel gegroeid en sociale media zoals Facebook worden hierdoor een steeds belangrijker klantcontactpunt. Het merendeel van de studies gericht op het onderzoeken van
26
de sociale media heeft zich tot nu toe gefocust op sociale media strategieën van al gevestigde merken, echter uitkomsten hiervan zijn mogelijk niet toe te passen op startups.
Het succes of falen van een startup wordt voor het grootste deel in het eerste jaar bepaald, waarin het belangrijk is dat een startup groeit en rendabel wordt. Sociale media kunnen hierbij helpen omdat via deze kanalen potentieel veel mensen bereikt kunnen worden (Bresciani & Eppler, 2010). Daarnaast kan een effectieve aanwezigheid op bijvoorbeeld Facebook nieuwe bedrijven helpen met het creëren van betekenisvolle en langdurige relaties met hun publiek. Het ontwikkelen en onderhouden van relaties is belangrijk voor ieder bedrijf, maar specifiek voor startups. Betrokken consumenten op sociale media zijn meer geneigd content te liken, te delen of er op te reageren waardoor het online bereik en de zichtbaarheid kunnen toenemen en juist voor startups is deze groei belangrijk (Grönroos, 2004).
In dit onderzoek zijn startups geanalyseerd die opereren in verschillende branches en die diverse producten/services aanbieden. Omdat er niet uitsluitend naar startups in een bepaalde branche is gekeken kunnen de resultaten in principe toegepast worden op andere startups die tot dezelfde branches behoren. Echter vanwege van de korte onderzoeksperiode zijn er slechts 20 berichten van de tien verschillende startups geanalyseerd met als gevolg dat de generaliseerbaarheid mogelijk nog verder verbeterd kan worden. Daarnaast zijn in deze studie enkel Facebookberichten geanalyseerd en de resultaten kunnen om deze reden noodzakelijkerwijs niet worden gegeneraliseerd naar sociale media in het algemeen. Meer onderzoek is nodig, en het kan interessant zijn om een vergelijking te maken tussen diverse sociale netwerken om te onderzoeken of dezelfde resultaten toe te passen zijn op
verschillende sociale media platformen.
De resultaten van deze studie hebben diverse wetenschappelijke en praktische
27
bijdragen aan de beperkte kennis omtrent de inzet van sociale media strategieën door beginnende startups en de effecten hiervan op berichtbetrokkenheid bij het publiek. De resultaten van dit onderzoek kunnen de schaarse kennis tot nu toe aanvullen doordat een overzicht wordt gegeven van welke factoren berichtbetrokkenheid kunnen voorspellen bij startups.
Daarnaast laten de uitkomsten van dit onderzoek zien dat mediarijkheid, de
aanwezigheid van een vraag en berichten gericht op conversatie een positief effect hebben op de betrokkenheid bij Facebookberichten. Inzichten uit deze studie kunnen de kennis van startups omtrent de meest effectieve vormgeving van hun Facebookberichten vergroten om meer berichtbetrokkenheid van hun publiek te genereren. Startups zouden de uitkomsten van dit onderzoek kunnen toepassen op hun sociale media strategie om te kijken of deze
voorspellers ook bij hen resulteren in toegenomen hoeveel likes, comments en shares van hun berichten.
Deze studie kent tenslotte nog een aantal beperkingen, waar in vervolgonderzoek rekening mee gehouden kan worden. Allereerst is de korte onderzoeksperiode een beperking. Hierdoor zijn er slechts 20 berichten van de tien verschillende startups uit het eerste jaar van de startups geanalyseerd. Veel startups hadden op dat moment nog zeer weinig volgers, met als gevolg dat een groot deel van de berichten geen of zeer weinig betrokkenheid kreeg.Een langere onderzoeksperiode zodat er meer berichten en startups geanalyseerd kunnen worden zou een positief effect hebben op de externe validiteit.
Daarnaast is in deze studie gekeken naar het uiteindelijke effect van diverse sociale media strategieën op berichtbetrokkenheid, gemeten als de som van likes, shares en comments (De Vries et al., 2012). Hoewel er is aangetoond dat het vergroten van betrokkenheid bij Facebook-berichten een positief effect kan hebben op de online zichtbaarheid en het bereik van startups (Grönroos, 2004; Rishika et al., 2013; Achen, 2015), blijft het de vraag in
28
hoeverre online betrokkenheid resulteert in daadwerkelijke betrokkenheid van consumenten bij de startups. Het uiteindelijke doel van Facebook-marketing is uiteraard niet enkel dat mensen een bericht liken of erop reageren. Betrokkenheid is geen indicatie dat de sociale media campagnes daadwerkelijk van waarde zijn voor startups en onderzoek heeft nog niet aangetoond of – en hoe sterk – betrokkenheid correleert met bedrijfssucces zoals verkoop.
Concluderend is het belangrijk dat er meer onderzoek gedaan wordt naar de effecten van sociale media strategieën van startups op berichtbetrokkenheid, en wat het uiteindelijk effect is van berichtbetrokkenheid op verkoop. Dagelijks worden nieuwe startups opgericht en degenen die succesvol zijn in het opbouwen van een sterk merk zullen eerder in staat zijn in de markt te blijven.
Referenties
Achen, R. M. (2015). Likes, comments, and shares: A multivariate multilevel analysis of Facebook engagement. Global Sport Business Journal, 3(3), 1-16.
Abimbola, T. (2001). Branding as a competitive strategy for demand management in SMEs. Journal of Research in Marketing and Entrepreneurship, 3(2), 97–106.
doi:10.1108/14715200180001480bk_AQCmts9b
Bresciani, S., & Eppler, M. J. (2010). Brand new ventures? Insights on start-ups’ branding practices. Journal of Product & Brand Management, 19(5), 356–366.
https://doi.org/10.1108/10610421011068595.
Calder, B. J., Malthouse, E. C., & Schaedel, U. (2009). An experimental study of the relationship between online engagement and advertising effectiveness. Journal of Interactive Marketing, 23(4), 321-331.
29
Engagement in Startup Companies in China. International Journal of Strategic Communication, 11(3), 244-267.http://dx.doi.org/10.1080/1553118X.2017.1298114 Cvijikj, I. P., Spiegler, E. D., & Michahelles, F. (2011). The effect of post type, category and
posting day on user interaction level on Facebook. Proceedings - 2011 IEEE
International Conference on Privacy, Security, Risk and Trust and IEEE International Conference on Sociale Computing, PASSAT/SocialeCom 2011, 810–813.
https://doi.org/10.1109/PASSAT/SocialeCom.2011.135
Daft, R.L. & Lengel, R.H. (1986). Organizational information requirements, media richness and structural design. Management Science, 32(5), 554-571.
De Vries, L., Gensler, S., & Leeflang, P. S. H. (2012). Popularity of brand posts on brand fan pages: An investigation of the effects of sociale media marketing. Journal of
Interactive Marketing, 26(2), 83–91. https://doi.org/10.1016/j.intmar.2012.01.003. Durst, S., & Edvardsson, I. R. (2012). Knowledge management in SMEs: A literature review.
Journal of Knowledge Management, 16(6), 879-903.
Ellison, N., Steinfield, C., & Lampe, C. (2006). Spatially bounded online social networks and social capital. International Communication Association, 36(1-37).
Facebook newsroom. (2017). Geraadpleegd 04 november, 2017 van https://newsroom.fb.com/company-info/#statistics
Go, E. & You, K, H. (2016). But not all sociale media are the same: Analyzing organizations’ sociale media usage patterns. Telematics and Informatics, 33(1), 176-186.
Grönroos, C. (2004). The relationship marketing process: Communication, interaction, dialogue, value. Journal of Business & Industrial Marketing, 19, 99-113.
Gummerus, J., Liljander, V., Weman, E., & Pihlstrom, M. (2012). Customer engagement in a Facebook brand community. Management Research Review, 35, 857-877.
30
Computer-Mediated Environments: Conceptual Foundations. Journal of Marketing, 60, 50-68.
Houk, K. M., & Thornhill, K. (2013). Using Facebook Page Insights Data to Determine Posting Best Practices in an Academic Health Sciences Library. Journal of Web Librarianship, 7(4), 372388.
Katz, E., Blumler, J. G., & Gurevitch, M. (1973). Uses and gratifications research. Public opinion quarterly, 509-523.
Kaplan, A. M., & Haenlein, M. (2010). Users of the world, unite! The challenges and opportunities of Sociale Media. Business Horizons, 53(1), 59-68.
Kietzmann, J.H., Hermkens, K., McCarthy, I.P., & Silvestre, B.S. 2011. Social Media? Get Serious! Understanding the Functional Building Blocks of Social Media. Business Horizons, 54, 241-251.
Krippendorff, K. (2004). Reliability in content analysis. Human Communication Research, 30(3), 411-433.
Leung, X.Y., Bai, B. and Stahura, K.A. (2015) The marketing effectiveness of sociale media in the hotel industry: A comparison of Facebook and Twitter. Journal of Hospitality & Tourism Research, 39(2): 147-169.
Li, C., & Stacks, D. W. (2015). Measuring the impact of social media on business profit & success: A Fortune 500 perspective. New York, NY: Peter Lang Publishing, Inc. Luger, M., & Koo, J. (2014). Defining and Tracking Business Start-Ups. Small Business
Economics, 24(1), 17–28.
Mangold, W, G. & Faulds, D, J. (2009). Social media: The new hybrid element of the promotion mix. Business Horizons 52 (4): 357-65.
Moeller, S. (2017). The Ultimate Guide to Facebook Engagement in 2017. Geraadpleegd op
31
Parise, S., & Guinan, P. J. (2008). Marketing using web 2.0. Hawaii International Conference on System Sciences, Proceedings of the 41st Annual, 281-281. Peters, K., Chen, Y., Kaplan, A. M., Ognibeni, B., & Pauwels, K. (2013). Social media
metrics - A framework and guidelines for managing social media. Journal of Interactive Marketing, 27(4), 281-298. doi:10.1016/j.intmar.2013.09.007
Pinto, M, B. & Yagnik, A. (2016). Fit for life: A content analysis of fitness tracker brands use
of Facebook in sociale media marketing. Journal of Brand Management 24 (1), 49–67. Pletikosa Cvijikj, I., & Michahelles, F. (2013). Online engagement factors on Facebook brand
pages. Sociale Network Analysis and Mining, 3(4), 843–861. https://doi.org/10.1007/s13278-013-0098-8.
Quan-Haase, A. & Young, A, L. (2010). Uses and Gratifications of Social Media: A Comparison of Facebook and Instant Messaging. Bulletin of Science, Technology & Society, 30(5) 350–361.
Riffe,D., Lacy, S. & Fico, F. (2014) Analyzing Media Messages. Mahwah NJ: Erlbaum Publishers. 3rd edition. Chapter 6. Reliability p 123-159.
Rishika, R., Kumar, A., Janakiraman, R., & Bezawada, R. (2013). The effect of customers' sociale media participation on customer visit frequency and profitability: An empirical investigation. Information Systems Research, 24, 108-127.
Robehmed, N. (2013). What Is A Startup? Forbes. Geraadpleegd op
https://www.forbes.com/sites/natalierobehmed/2013/12/16/what-is-a-startup/#6239cdc84044.
Rode, V., & Vallaster, C. (2005). Corporate branding for start-ups: The crucial role of entrepreneurs. Corporate Reputation Review, 8(2), 121–135.
https://doi.org/10.1057/palgrave.crr.1540244.
32
popularity of branded content in Facebook fan pages. European Management Journal, 32(6), 1001-1011.
Schivinski, B. and Dabrowski, D. (2015) The impact of brand communications on brand equity through facebook. Journal of Research in Interactive Marketing 9(1): 31-53. Wong, H. Y., & Merrilees, B. (2005). A brand orientation typology for SMEs: A case
research approach. Journal of Product & Brand Management, 14, 155–162. doi:10.1108/10610420510601021
Zuckerberg, M. (2017, June 27th). As of this morning, the Facebook community is now
officially 2 billion people! [Facebookstatus update]. Geraadpleegd op
33
Bijlage
Codeboek
Introductie
De onderzoekseenheden in deze inhoudsanalyse zijn Facebookberichten van tien startups op Facebook. Van elke startup worden 20 berichten gecodeerd uit het eerste jaar dat de startup is opgericht. Op Facebook wordt terugescrolld naar het eerste gepubliceerde bericht, en
vervolgens wordt elk vijfde bericht gecodeerd. Dit zijn enkel de berichten die de startups zelf hebben gepubliceerd, berichten geplaatst door het publiek worden niet meegeteld.
De startups met de daarbij horende Facebookpagina‘s worden hieronder weergegeven:
Startup nummer Startup 1 Magioni 2 Blendle 3 Zazzy 4 3D Hubs 5 Babywatcher 6 Bloomon 7 United Wardrobe 8 Deliveroo
9 Personal Body Plan
10 Housing Anywhere
Tabel 1 10 startups op Facebook
1. Startup. Wat is het nummer van de startup waarvan het bericht afkomstig is?
34
2. Publicatiedatum. Op welke datum is het bericht geplaatst? Noteer als DD.MM.JJ. Voorbeeld: 29 november 2017 wordt genoteerd als 29.11.17
3. Publicatietijd. Het bericht is geplaatst:
0 Tijdens kantooruren 1 Buiten kantooruren
Een bericht is geplaatst tijdens kantooruren als het is gepubliceerd tussen 9:00 en 17:00, maandag tot en met vrijdag. Alles daarbuiten valt onder ‘buiten kantooruren’.
Door de muis boven de datum te laten zweven wordt de publicatiedag en tijd zichtbaar. In het voorbeeld hieronder (figuur 1) is te zien dat het bericht is geplaatst op zaterdag om 18.15, dit is buiten kantooruren (1).
Figuur 1 Voorbeeld van publicatietijd op Facebook
4. Mediarijkheid
Bevat het bericht: 4.1 Tekst?
0 Nee 1 Ja
4.2 Een link (naar een website/blog)?
0 Nee 1 Ja
35 4.3 Een foto? 0 Nee 1 Ja 4.4 Een (live)video? 0 Nee 1 Ja
Als een bericht een link bevat, zit daar vaak een foto in. Kies in dat geval voor ‘link’, en niet voor ‘foto’.
5. Interactiviteit
Bevat het bericht een vraag aan publiek/Facebook gebruikers? 0 Nee
1 Ja
Als er enkel een retorische vraag aanwezig is, is het antwoord 0 Nee.
6. Conversatie-gerichtheid
Is het bericht conversationeel of gericht op marketing/sales?
Sterk marketing/sales gericht sterk conversationeel
1 2 3 4 5
Een bericht wordt gecodeerd als conversationeel als het niet direct refereert naar het merk, de producten of services, maar gerelateerd is aan een bredere entertainment context, met het doel betrokkenheid te stimuleren. Een bericht is gericht op marketing/sales als het ofwel reclame is van eigen producten/services of als het bericht over algemene informatie over het merk of bedrijf gaat.
36 7. Berichtbetrokkenheid
7.1 Hoeveel ‘likes’ heeft het bericht? Zowel de duimpjes, hartjes en smiley’s worden
meegeteld.
7.2 Hoeveel ‘comments’ heeft het bericht?
7.3 Hoeveel ‘shares’ heeft het bericht?
7.4 Wat is de totale berichtbetrokkenheid? (likes + comments + shares)
Antwoord in hele getallen en zonder punten, komma’s of letters.
Sinds 2016 bestaat er op Facebook de mogelijkheid om op een bericht niet slechts te reageren met een duim (like), maar ook met. Deze tellen allemaal als ‘likes’, in deze analyse is er geen onderscheid.
Comments die de startup zelf onder het bericht heeft geplaatst worden niet meegeteld. In figuur 1 hieronder is een voorbeeld te vinden van hoe de variabele gemeten wordt: onderstaand bericht bevat 53 likes, 14 comments en is 17 keer gedeeld.
37
Resultaten in tabellen
Tabel 2 Overzicht van geselecteerde startups en kenmerken
Startup Oprichtdatum Taal
Facebookpagina
Sector Totale #
Facebookberichten
(op 18-12-2017)
Magioni 2015 Nederlands Voedsel- en
drankvoorziening
392
Blendle 2012 Nederlands Boeken en
tijdschriften
831
Zazzy 2013 Engels Techniek en
productie
38
3D Hubs 2013 Engels Techniek en
productie
2245
Babywatcher 2013 Nederlands Zwangerschapszorg 882
Bloomon 2014 Nederlands Huisdecoratie 774
United Wardrobe
2014 Nederlands Kleding 2591
Deliveroo 2015 Nederlands Voedselbezorging 757
Personal Body Plan 2012 Nederlands Persoonlijke training 3342 Housing Anywhere 2014 Engels Huisvesting 1770
Tabel 3 Intercodeursbetrouwbaarheid van de items Variabele Krippendorff’s alpha
Publicatietijd .93 Mediarijkheid tekst 1.0 Mediarijkheid link .93 Mediarijkheid foto .87 Mediarijkheid video 1.0 Interactiviteit .87 Berichttype .73 Likes 1.0 Comments .98 Shares .98 Totale betrokkenheid .93
39
Tabel 4 Resultaten regressieanalyse: Voorspellers van aantal likes en comments bij Facebook-berichten startups Afh. variabelen Voorspellers B SEB β t Sig. Likes Mediarijkheid* 28.29 7.36 0.27 3.87 0.00 Interactiviteit 15.40 8.71 0.12 1.77 0.08 Conversatie-gerichtheid 6.49 4.61 0.96 1.41 0.16 Comments Mediarijkheid* 7.48 3.35 0.15 2.23 0.03 Interactiviteit* 11.44 3.97 0.20 2.89 0.04 Conversatie-gerichtheid 2.53 2.10 0.83 1.20 0.23
Noot. *p<.05; B = ongestandaardiseerde regressie coëfficiënt; SEB = Standard error van de coëfficiënt; β = gestandaardiseerde coëfficiënt
