• No results found

Het voorspellen van online koopgedrag: De invloed van Online Customer Experience en Perceived Risk op Purchase Intention

N/A
N/A
Protected

Academic year: 2021

Share "Het voorspellen van online koopgedrag: De invloed van Online Customer Experience en Perceived Risk op Purchase Intention"

Copied!
45
0
0

Bezig met laden.... (Bekijk nu de volledige tekst)

Hele tekst

(1)

Het voorspellen van online koopgedrag:

De invloed van Online Customer Experience en Perceived Risk

op Purchase Intention

Elmer Schürfeld 10275754

Inleverdatum: 19 juli 2018 Begeleider: Dick Heinhuis 2e Examinator: Tom van Engers Bachelorscriptie Informatiekunde

Faculteit der Natuurwetenschappen, Wiskunde en Informatica Universiteit van Amsterdam

(2)

Samenvatting

In deze bachelorscriptie wordt onderzoek gedaan naar online koopgedrag. Er wordt onderzocht hoe online koopintentie voorspeld kan worden. Dit wordt gedaan aan de hand van het

Stimulus-Organism-Response model. Volgens dit model wekken stimuli (website quality, price, website brand, en social environment) een gevoel (online customer experience, perceived risk) op bij een organisme en dit gevoel leidt tot een respons (purchase intention). De onderlinge relaties tussen deze

constructen worden weergegeven in een conceptueel model. Dit conceptuele model is empirisch getoetst door een vragenlijst af te nemen bij 122 respondenten. Hieruit kwam naar voren dat er een negatief significant verband bestaat tussen website quality en perceived risk. Price had een positief significant effect op online customer experience. Purchase intention werd significant negatief

beïnvloed door perceived risk. Voor de overige relaties is geen significant bewijs gevonden. Met deze resultaten draagt dit onderzoek bij aan een bredere kennis over het complexe vraagstuk hoe online koopgedrag voorspeld kan worden. Daarnaast kunnen managers dit onderzoek gebruiken om meer inzicht te krijgen in consumentengedrag en daar hun marketingstrategie op aanpassen. Er is een convenience sample gebruikt voor dit onderzoek, wat er toe geleid heeft dat er mogelijk belangrijke groepen van de populatie missen. Dit maakt het onderzoek beperkt generaliseerbaar.

(3)

INHOUDSOPGAVE

1. Inleiding ... 3

2. Theoretisch kader ... 6

2.1 Determinanten ... 6

2.1.1 Online customer experience ... 7

2.1.2 Perceived risk ... 8

2.1.3 Website quality / service quality ... 9

2.1.4 Price ... 10

2.1.5 Website brand / reputation ... 10

2.1.6 Social environment ... 11 2.2 Conceptueel model ... 11 2.3 Hypotheses ... 13 3. Methode ... 19 3.1 Deelnemers ... 19 3.2 Materialen ... 19 3.3 Procedure ... 23 4. Resultaten ... 24 4.1 Algemene gegevens ... 24 4.2 Analyse ... 26 4.2.1 Correlatieanalyse ... 26

4.2.2 Lineaire meervoudige regressieanalyse ... 26

5. Conclusie ... 32 6. Discussie ... 35 6.1 Exploratief onderzoek ... 35 6.2 Limitaties ... 37 7. Referenties ... 39 8. Bijlagen ... 41

(4)

1. Inleiding

Het aantal mensen dat online aankopen doet stijgt al jaren en er wordt verwacht dat dit aantal ook de komende jaren zal blijven stijgen. In 2017 werd globaal 10,1% van alle aankopen online gedaan, dit gaat om een bedrag van $2,29 biljoen. Shoppen is een van de meest populaire bezigheden op het internet. Het aantal bezoekers van een website, dat ook daadwerkelijk wat koopt is nog relatief laag. De online conversieratio van het derde kwartaal van 2017 lag op 2,71%. Veel consumenten bezoeken wel websites, maar gaan uiteindelijk niet over tot koop. Dit betekent dat ruim 97% van de bezoekers om een of andere reden afhaakt. Vaak is het niet precies duidelijk waarom de bezoekers uiteindelijk besluiten om toch niks te kopen. Het zou kunnen dat ze het internet gebruiken om informatie in te winnen en vervolgens hun koop toch in de fysieke winkel doen. Een mogelijke reden hiervoor zou kunnen zijn dat er online minder persoonlijk contact is, waardoor er een groter risico ervaren zou kunnen worden. Er kunnen ook andere redenen zijn waarom consumenten online afhaken. Bijvoorbeeld omdat de website te langzaam is, omdat het product ergens anders goedkoper aangeboden wordt, omdat het bedrijf niet goed bekend staat, of omdat de website negatieve reviews heeft. Dit zijn allemaal factoren die het koopgedrag van consumenten zouden kunnen beïnvloeden. Het is belangrijk dat de consument zo min mogelijk risico ervaart, dit zal de kans op aankoop vergroten. Naast dat er online risico’s zijn, is de concurrentie online enorm groot. Waar een verkoper met een fysieke winkel voornamelijk concurreert met winkels uit de buurt, concurreert een online verkoper in principe met verkopers over de hele wereld. Het is voor een e-retailer daarom extra belangrijker om op te vallen. In het verleden deden verkopers dit voornamelijk door te focussen op prijs en service. Tegenwoordig staat steeds vaker de totale experience van de consument centraal. Bedrijven proberen zich te onderscheiden door consumenten een unieke ervaring aan te bieden. Alle momenten waarin een consument met een bedrijf in aanraking komt worden uitgetekend in een zogenoemde customer journey1. Het doel van de marketeers is om de consument bij elk aanrakingspunt een optimale ervaring te laten beleven. De prijs en service zijn slechts onderdelen in de customer journey. Samen met allerlei andere factoren bepalen deze twee onderdelen de totale customer experience. Een positieve customer experience zou moeten leiden tot een hogere koopintentie en dus tot meer winst.

Het is de taak van marketeers om consumenten te stimuleren aankopen te doen. Om de consumenten te kunnen stimuleren is het voor de marketeer van belang te weten wat consumenten aanzet tot koop. Dit is een zeer lastige taak want daarvoor is een grote kennis van consumentengedrag nodig. Een marketeer moet weten waardoor een consument geprikkeld wordt en hoe hij deze prikkels met een website kan oproepen. Hoe de consument online gestimuleerd kan worden tot een koop is een

1 Er worden in dit onderzoek veel Engelse vaktermen gebruikt. Omdat dit termen uit de literatuur zijn, is er voor gekozen deze niet te vertalen.

(5)

complex vraagstuk en de intentie van dit onderzoek is om deze vraag te beantwoorden. De onderzoeksvraag van dit onderzoek die bij dit complexe vraagstuk hoort is:

Welke factoren voorspellen online koopgedrag?

Om de onderzoeksvraag te beantwoorden wordt er eerst gekeken naar wat de bestaande literatuur over koopgedrag zegt en vervolgens moet onderzocht worden of er een model ontwikkeld kan worden dat koopgedrag voorspelt. Dit wordt gedaan aan de hand van de volgende deelvragen:

1. Wat zegt de theorie over online koopgedrag?

2. Kan er gebaseerd op de bestaande theorie een conceptueel model ontwikkeld worden dat online koopgedrag voorspelt?

3. Kan dit model empirisch getoetst worden om de voorgestelde causale relaties te bewijzen?

Dit onderzoek focust zich puur op de online retail. Er wordt onderzocht hoe consumenten gestimuleerd kunnen worden om online aankopen te doen. Dit wordt gedaan door te kijken naar de online experience die deze consumenten beleven. Veelal wordt customer experience beschouwd als de totale ervaring van een consument over de gehele customer journey. De consument doorloopt een cyclus van aanrakingspunten (touchpoints) met een bedrijf. Verhoef et al. (2009) noemen search, purchase, consumption en after-sale phases als touchpoints die samen de customer experience bepalen. Zij zien customer experience dus als de gehele ervaring van de consument op alle mogelijke touchpoints. Dit onderzoek limiteert zich tot het deel van de customer experience dat plaatsvindt voor de purchase. Alle ervaringen na de purchase zijn niet meer van belang bij het voorspellen van koopintentie.

De intentie om iets te kopen kan gezien worden als reflectie op daadwerkelijk koopgedrag (Nasermoadeli, Ling, & Maghnat, 2013). Er is vanuit de psychologie veel onderzoek gedaan naar het gedrag van mensen. Twee heel bekende theorieën zijn de Theory of Reasoned Action (TRA) (Fishbein en Ajzen, 1975) en de Theory of Planned Behavior (TPB) (Ajzen en Madden, 1986). Deze theorieën worden ook in de marketing vaak gebruikt om het gedrag van consumenten te voorspellen. Beide theorieën verklaren het gedrag van mensen. Er wordt vanuit gegaan dat een gedragsintentie leidt tot daadwerkelijk gedrag. De intentie wordt bepaald door een attitude en een subjective norm. De TRA gaat ervan uit dat mensen volledige controle hebben over hun eigen wil. TPB is een verlengde van de de TRA en neemt ook mee dat mensen niet altijd deze controle hebben. Voor de marketeer is het genoeg om te zorgen dat de purchase intention bij een consument wordt opgewekt. Het gedrag, in dit geval dus de koop, volgt hierna vanzelf. Het is lastig het daadwerkelijke gedrag van consumenten te onderzoeken, vandaar dat er in onderzoeken vaak voor wordt gekozen om genoegen te nemen met

(6)

het onderzoeken van een intentie. Volgens de TRA en TPB theorie leidt een intentie veelal tot de daadwerkelijke actie. In dit onderzoek wordt, net als in veel voorgaande onderzoeken, de koopintentie onderzocht als voorspeller voor koopgedrag.

Figuur 1: The Theory of Reasoned Action (TRA) (Fishbein & Ajzen, 1975))

Met het beantwoorden van de deelvragen en uiteindelijk de hoofdvraag draagt dit onderzoek bij aan het inzichtelijker maken van het complexe fenomeen online koopgedrag. Dit wordt gedaan door eerst de bestaande literatuur samen te vatten. Hier worden allerlei verschillende determinanten van purchase intention genoemd die uit eerder onderzoek naar voren zijn gekomen. Vervolgens worden de determinanten gebundeld en worden waar nodig nieuwe variabelen toegevoegd. Uit al deze determinanten wordt een nieuw conceptueel model gepresenteerd. Doordat dit model ontstaan is door eerder onderzoek te bundelen en een aantal nieuwe relaties toe te voegen, zou dit model completer moeten zijn dan de modellen die tot nu toe gepresenteerd zijn in voorgaande literatuur. Daarnaast heeft dit onderzoek nog praktische implicaties voor de e-retailing. Met de resultaten van dit onderzoek kunnen marketeers en verkopers een beter inzicht verschaffen in het online consumentengedrag. Ze kunnen ontdekken welke factoren van (groot) belang zijn voor de consumenten bij een online koop. Met deze kennis kunnen ze betere keuzes maken waaraan ze hun aandacht en geld besteden wat betreft de website en de marketing.

Het eerste onderdeel van dit onderzoek is het theoretisch kader. Hier wordt besproken wat er reeds in de literatuur te vinden is over het beïnvloeden van online purchase intention bij consumenten. Vervolgens wordt aan de hand van eerdere onderzoeken een conceptueel model gepresenteerd. Door dit model empirisch te toetsen wordt antwoord gegeven op de onderzoeksvraag.

(7)

Dit model wordt in het tweede deel getoetst door opgestelde hypotheses te accepteren of te verwerpen.

2. Theoretisch kader

In dit hoofdstuk worden de eerste twee deelvragen beantwoord. Allereerst wordt de bestaande literatuur over koopintentie besproken. Vervolgens wordt een conceptueel model gepresenteerd dat koopintentie zou moeten voorspellen. Tot slot worden de hypotheses, passend bij het conceptuele model, geformuleerd.

Volgens de theorie leidt een intentie dus veelal tot de daadwerkelijke actie. Dan is het van belang te achterhalen waardoor een purchase intention opgewekt wordt. In dit geval moeten bepaalde stimulansen een consument aanzetten tot koop. Een model dat veel gebruikt wordt om het consumentengedrag in kaart te brengen is het Stimulus-Organism-Response (S-O-R) model (Mehrabian en Russel,1974), zie Figuur 2. Het S-O-R model geeft aan dat een consument eerst gestimuleerd wordt door verschillende stimuli. Deze stimuli beïnvloeden de cognitieve en emotionele staat van de consument. Vervolgens heeft de consument een reactie op dit gevoel. Op een website zijn er verschillende stimuli die het gevoel van het individu beïnvloeden, waarop het individu vervolgens een respons heeft. De gewenste respons van de consument voor verkopers is een purchase intention. Het is dus belangrijk te onderzoeken welke gevoelens een purchase intention voorafgaan en door welke stimuli deze gevoelens beïnvloed worden. In dit onderzoek is het S-O-R model gebruikt bij het opstellen van het conceptueel model dat in hoofdstuk 2.2 gepresenteerd wordt.

Figuur 2: S-O-R model van Mehrabian en Russel (1974)

2.1 Determinanten

Er is al veel onderzoek gedaan naar purchase intention en de determinanten van purchase intention. Het koopgedrag van consumenten en in het specifiek de purchase intention, is een zeer complex

(8)

concept. In voorgaande onderzoeken zijn veel variabelen onderzocht die mogelijk van invloed zijn op de koopintentie. Er zijn een aantal variabelen, zoals website quality en perceived risk, die in de meeste onderzoeken terugkomen, maar veel onderzoeken dragen ook weer nieuwe variabelen aan die niet in andere onderzoeken meegenomen zijn. Vaak wordt gefocust op slechts een paar variabelen, terwijl er uit eerder onderzoek is gebleken dat er meerdere variabelen meespelen. In sommige gevallen worden zelfs tegenstrijdige resultaten gevonden, terwijl dezelfde variabelen onderzocht zijn.

In de volgende paragrafen worden verschillende (mogelijke) determinanten van purchase intention behandeld. In sommige gevallen is de benaming in de onderzoeken verschillend, maar zijn de variabelen vergelijkbaar. In deze gevallen worden de variabelen hier gekoppeld. In tabel 1 worden mogelijke determinanten van purchase intention genoemd, met de bijbehorende literatuur. Deze variabelen worden vervolgens nader toegelicht.

Tabel 1: Mogelijke determinanten van purchase intention en de bijbehorende literatuur Mogelijke determinanten

van purchase intention

Genoemd in eerdere literatuur Online customer experience

/ Consumer’s emotion

Verhoef, Lemon, Parasuraman, Roggeveen, Tsiros, & Schlesinger,

(2009); Nasermoadeli et al. (2013); Rose, Clark, Samouel, & Hair, (2012); Kim & Lennon (2013)

Perceived risk Hsin Chang & Wen Chen (2008); Kim & Lennon (2013); Kim, Ferrin, & Rao (2008); Wu, Yeh, & Hsiao (2011)

Website quality / service quality

Kim & Lennon (2013); Hsin Chang & Wen Chen (2008); Ling, Chai, & Piew (2010); Chang & Wildt (1994); Wu et al. (2011); Verhoef et al. (2009)

Price Verhoef et al. (2009); Moon, Chadee, & Tikoo (2008); Wu et al. (2011); Chang & Wildt (1994)

Website brand / reputation / store image

Hsin Chang & Wen Chen (2008); Wu et al. (2011); Ling et al. (2010); Verhoef et al. (2009); Kim & Lennon (2013); Kim et al. (2008)

Social environment Verhoef et al. (2009); Nasermoadeli et al. (2013)

2.1.1 Online customer experience

Laatste jaren focussen de marketeers zich steeds vaker op de customer experience. Volgens Pine en Gilmore (1999) kan een hoogwaardige customer experience zorgen voor grotere economische waarde. Jarenlang lag de focus van grote bedrijven op de prijs en service om zichzelf te onderscheiden. Pine en

(9)

Gilmore (1999) raden bedrijven tegenwoordig aan te focussen op het creëren van een onderscheidende customer experience. Steeds meer bedrijven doen dit ook. Toch is er nog weinig onderzoek gedaan naar het effect van customer experience op de purchase intention. Ook is er weinig onderzoek gedaan naar de variabelen die bepalend zijn voor de customer experience. Allereerst is het belangrijk om te onderzoeken wat online customer experience precies betekent. Online customer experience kan worden samengevat als de psychologische staat waarin een consument zich bevindt als reactie op het bezoeken van een website (Meyer en Schwager, 2007). Via een website komen er bij consumenten verschillende stimuli binnen. Op een website ziet de consument in de meeste gevallen tekstuele informatie, afbeeldingen en in sommige gevallen ook video of audio content. Al deze data wordt verwerkt door de consument. Deze stimuli roepen een gevoel op en er wordt een impressie opgewekt bij de consument. Al deze online ervaringen samen behoren tot de online customer experience. Novak, Hoffman, en Yung (2000) definiëren online customer experience als volgt: ‘The cognitive state experienced during navigation’.

Dit is enigszins beknopt, hier wordt enkel de cognitieve staat genoemd. De definitie van Verhoef et al. (2009) is meer alomvattend en luidt als volgt:

‘The customer experience construct is holistic in nature and involves the customer’s cognitive, affective, emotional, social and physical responses to the retailer. This experience is created not only by those elements which the retailer can control (e.g., service interface, retail atmosphere, assortment, price), but also by elements that are outside of the retailer’s control (e.g., influence of others, purpose of shopping).’

Aan de hand van deze definitie wordt er een conceptueel model gepresenteerd met mogelijke determinanten van customer experience. Dit model is niet empirisch getoetst. Er wordt genoemd dat er onderzoek nodig is naar de invloeden van deze determinanten op de customer experience en dat er onderzoek nodig is naar de invloed van customer experience op de financiële opbrengsten van bedrijven. Dit model wordt als basis gebruikt voor het huidige onderzoek.

Customer experience kan op meerdere manieren gemeten worden. Nasermoadeli et al. (2013) hebben onderzoek gedaan naar de relatie tussen customer experience en purchase intention. In dit onderzoek worden drie verschillende soorten customer experiences onderscheiden, namelijk sensory, emotional en social experience. Rose et al. (2012) hebben online customer experience opgedeeld in Cognitive Experiential State (CES) and Affective Experiential State (AES).

2.1.2 Perceived risk

Bij het verklaren van consumentengedrag wordt perceived risk vaak als factor meegenomen. De term komt uit de psychologie. Consumenten proberen altijd risico’s te vermijden (Bauer ,1960). Dat

(10)

betekent dat als er aan een koop risico’s kleven, de consument eerder geneigd zal zijn om van de koop af te zien. Consumenten wegen de voor -en nadelen af alvorens zij overgaan tot koop. Aan een online aankoop kleven altijd risico’s. Vaak mist het persoonlijk contact, wat offline verkoop wel heeft en daardoor neemt het risico op een negatieve uitkomst toe. Het is voor een consument online moeilijker in te schatten of een verkoper betrouwbaar is. Kim et al. (2008) definiëren perceived risk als volgt: ‘A consumer's belief about the potential uncertain negative outcomes from the online transaction.’ Als er aan een online aankoop een hoog risico kleeft is het dus waarschijnlijk dat de purchase intention laag is. Er zijn bij een online aankoop meerdere risico’s. Stone en Grønhaug (1993) noemen dat er zes dimensies van perceived risk zijn. Dit zijn financial- , social- , time- , performance- , psychological- en physical risks. Deze risico’s hebben invloed op de purchase intention.

Er zijn ook verschillende factoren die de grootte van het risico van een online aankoop beïnvloeden. Deze determinanten zullen in de volgende paragrafen besproken worden.

2.1.3 Website quality / service quality

Een zeer belangrijke stimulus in de online ervaring is de website zelf. Een goede website kan voor een positieve ervaring zorgen, maar omgekeerd kan een slechte website veel ergernis opwekken. Website quality heeft waarschijnlijk een grote invloed op de customer experience. Verhoef et al. (2009) noemen retail atmosphere en assortment als determinanten van customer experience. Deze twee concepten kunnen gezien worden als onderdelen van website quality. De kwaliteit van de website is voor de consument erg belangrijk. Vandaar dat website quality ook in veel onderzoeken wordt genoemd als determinant van purchase intention. Aladwani en Palvia (2002) definiëren website quality als volgt: ‘Users’ evaluation of a web site’s features meeting users’ needs and reflecting overall excellence of the web site’.

Over hoe website quality gemeten moet worden bestaan veel verschillende meningen en interpretaties. Hsin Chang en Wen Weng (2008) meten bijvoorbeeld de website quality door de technical adequacy, content quality, specific content en appearance te beoordelen, maar zij noemen dat vervolgstudie met andere meetinstrumenten nodig is om het verband tussen website quality en purchase intention aan te tonen. Aladwani en Palvia (2002) identificeren drie dimensies van website quality: technical adequacy, web content, en web appearance. Wolfinbarger en Gilly (2003) identificeren vier verschillende dimensies van website quality: web site design, customer service, fulfillment/reliability, en security/privacy.

Liu en Arnett (2000) meten website quality aan de hand van de volgende factoren: accuracy, completeness, relevancy, security, reliability, customization, interactivity, ease of use, speed, search functionality, en organization.

(11)

Wu et al. (2011) spreken over service quality. Er zijn volgens hen drie dimensies van de service quality, namelijk: interaction quality, service environment quality, en outcome quality. Als deze drie dimensies bekeken worden vanuit een online perspectief dan vallen veel van deze punten onder de website quality. De website neemt voor een groot deel de service taken die het personeel in fysieke winkels heeft over. De consument interacteert met de website en de uitstraling van de website bepaalt de atmosfeer. Er zijn dus veel verschillende manieren om website quality te meten en elke manier heeft zijn voor -en nadelen.

2.1.4 Price

Er is nog maar weinig onderzoek gedaan naar de invloed van price op purchase intention. Verhoef et al. (2009) noemen price wel als determinant van Customer experience, maar hebben niet getoetst of deze twee constructen daadwerkelijk invloed op elkaar hebben. Chang en Wildt (1994) spreken over perceived price en definiëren deze als volgt: ‘The consumer's perceptual representation or subjective perception of the objective price of the product’. Deze definitie geeft direct een belangrijk aspect aan waar rekening mee gehouden moet worden, als er gesproken wordt over price. Een prijs op zich zelf heeft niet zo veel betekenis voor een consument. Het krijgt pas betekenis door het te vergelijken. Een consument hangt een waardeoordeel op aan een prijs door deze te vergelijken met andere prijzen, zoals bijvoorbeeld prijzen van andere winkels voor hetzelfde product, of prijzen van andere producten. Voor de consument is een prijs een ingewikkeld construct. Een consument heeft pas een oordeel over een objective price zodra hij deze vergelijkt met een reference price (Winer, 1986). Een andere manier om naar de prijs is te kijken is door de prijs/kwaliteitverhouding in ogenschouw te nemen (Monroe & Chapman ,1987). Vandaar dat ook vaak over perceived price gesproken wordt.

2.1.5 Website brand / reputation

Een ander veelgenoemde determinant voor zowel customer experience als purchase intention is de website brand. Aaker (1991) definieert brand als volgt: ‘A brand is a name and/or symbol-like logo, trademark and package design that uniquely identifies the products or services of a seller, and differentiates them from those of its competitors’

Deze definitie gaat niet specifiek over de website van een merk maar het is aannemelijk dat deze definitie ook voor de website van een merk opgaat. Kim & Lennon (2013) spreken over reputation als belangrijke factor bij het voorspellen van consumentengedrag. Zij noemen dat reputation een belangrijke risico verlagende factor zou kunnen zijn. Consumenten zullen eerder een aankoop doen bij een online verkoper die een goede reputatie heeft. Website brand en reputation zijn vergelijkbare

(12)

concepten. In het vervolg van dit onderzoek zal gesproken worden over website brand, omdat Verhoef et al. (2009) dit ook noemen als determinant van customer experience.

2.1.6 Social environment

Verhoef et al. (2009) noemen social environment als determinant van customer experience. In een fysieke winkel is het sociale contact meer aanwezig dan in een webshop. Consument en verkoper hebben meestal persoonlijk contact, dit is online vaak minder het geval. Sommige webshops hebben tegenwoordig wel chat functies, waarmee gecommuniceerd kan worden met de verkoper, maar over het algemeen is de online consument afhankelijk van de website.

In een fysieke winkel kom je als consument ook makkelijk in contact met andere consumenten. Er zijn vaak meerdere klanten tegelijk in een winkel en deze klanten kunnen elkaars ervaring beïnvloeden. Online zijn er ook vaak meerdere consumenten tegelijk op een website, maar daar is over het algemeen niks van te merken. De consumenten komen niet met elkaar in contact zoals dat bij een fysieke winkel gebeurt. Waar je bij een fysieke winkel bijvoorbeeld samen in de rij staat om af te rekenen, gaat dat online allemaal gescheiden. Daarnaast gaat men ook vaak met vrienden of familie naar een winkel, maar online shoppen is toch iets wat men over het algemeen alleen doet. Toch heeft de social environment ook online een belangrijk aandeel in de customer experience. Consumenten kunnen ook online met elkaar communiceren. Bijvoorbeeld door reviews op de website zelf of door blogs of andere review sites. Veel online consumenten laten zich informeren door andere consumenten alvorens zij een product online kopen. Online word-of-mouth is dus erg belangrijk. Uit onderzoek van Duan et al. (2008) is gebleken dat er in de filmindustrie een positieve relatie is tussen online word-of-mouth en ticketverkoop. Het is aannemelijk dat ook in andere branches positieve word of mouth leidt tot hogere verkoopcijfers, maar dit moet nog wel onderzocht worden. Duan et al. (2008) noemen dat er vervolgonderzoek nodig is naar de invloed van online word-of-mouth informatie op het besluitvormingsproces van consumenten.

2.2 Conceptueel model

In voorgaande paragrafen zijn verschillende factoren genoemd die (mogelijk) effect hebben op de purchase intention. Om de vraag hoe online purchase intention voorspeld kan worden te beantwoorden, wordt in dit onderzoek een conceptueel model gepresenteerd. Dit model is ontwikkeld aan de hand van eerdere onderzoeken. In dit model worden online customer experience en perceived risk gemeten aan de hand van een aantal determinanten/voorspellers. Deze determinanten zijn website quality, price, website brand en social environment. Ook wordt met dit model gesuggereerd dat perceived risk een negatieve invloed heeft op de online customer experience. Vervolgens

(13)

suggereert het model dat de online customer experience en de perceived risk samen resulteren in een purchase intention bij een consument. Dit voorgestelde conceptuele model wordt getoetst door opgestelde hypotheses te testen. Het conceptuele model is te zien in Figuur 3.

Figuur 3: Voorgesteld conceptueel model

In deze paragraaf wordt de totstandkoming van dit voorgestelde conceptuele model toegelicht. Allereerst is het eerdergenoemde S-O-R model gebruikt, dit model wordt in veel onderzoeken naar purchase intention gebruikt. De onafhankelijke variabelen (website quality, price, website brand, social environment) zijn de stimuli die een bij de consument binnenkomen als hij een website bezoekt. Deze stimuli beïnvloeden de emotionele en cognitieve staat (online customer experience, perceived risk) van het organisme, in dit geval de consument. Deze gevoelens van het organisme zetten een respons (purchase intention) in gang.

Er zijn een aantal variabelen die in de meeste eerdere onderzoeken naar voren komen als determinant van purchase intention. In sommigen gevallen is dit direct, in andere gevallen is dit indirect via andere variabelen. Naar de directe relatie tussen online customer experience en purchase intention is nog weinig onderzoek gedaan. Zoals in 2.1.1 is toegelicht is het echter wel waarschijnlijk dat er een positieve relatie is tussen online customer experience en purchase intention, vandaar dat er gekozen is om de directe relatie tussen online customer experience en purchase intention te toetsen in het model. De andere variabele met een directe invloed op purchase intention is perceived risk. In tegenstelling tot online customer experience is er al wel veel onderzoek gedaan naar de relatie tussen

(14)

perceived risk en purchase intention. Zoals in 2.1.2 aangekaart is, is er uit meerdere onderzoeken gebleken dat er een negatieve relatie is tussen perceived risk en purchase intention. Aangezien het uit meerdere onderzoeken naar voren gekomen is dat perceived risk een determinant is van purchase intention, wordt ook in dit onderzoek perceived risk als directe voorspeller van purchase intention opgenomen. Naast de twee genoemde directe voorspellers van purchase intention, zijn er meerdere indirecte voorspellers. Om deze te bepalen is voor een groot deel het model van Verhoef et al. (2009) als voorbeeld gebruikt. Dit is een nog niet getest model met verschillende variabelen die customer experience zouden moeten bepalen. Verhoef et al. (2009) noemen social environment, service interface, retail atmosphere, assortment, price, customer experience in alternative channels, retail brand en previous customer experience. Er is in dit onderzoek voor gekozen om service interface, retail atmosphere en assortment samen te vatten als website quality. Dit is namelijk een variabele die ook in vele andere onderzoeken genoemd wordt als (indirecte) determinant van purchase intention (zie 2.1.3). Price wordt ook Verhoef et al. (2009) ook gezien als voorspeller van customer experience. Daarnaast is het aannemelijk dat de prijs ook invloed heeft op perceived risk, vandaar dat price is opgenomen in het conceptueel model. Verhoef et al. (2009) noemen ook Website brand als onafhankelijke variabele. Deze variabele komt ook in andere onderzoeken vaak terug als determinant van perceived risk danwel purchase intention (zie 2.1.5). De benaming is vaak verschillend in onderzoeken. De ene onderzoeker spreekt over website brand, waar een ander spreekt over reputation. Er is ook voor gekozen om social environment op te nemen in het conceptueel model. Verhoef et al. (2009) noemen dit als determinant van customer experience, maar dit is nog niet gevalideerd. Uit onderzoek van Nasermoadeli et al. (2013) is wel gebleken dat social experience een positieve invloed heeft op purchase intention.

2.3 Hypotheses

De volgende hypotheses worden getoetst om het voorgestelde conceptuele model te valideren. Voor elke hypothese wordt onderbouwd hoe de hypothese gevormd is en of het al eerder onderzocht is.

Hypothese 1: Website quality heeft een positieve invloed op online customer experience.

De invloed van website quality op online customer experience is wel deels eerder onderzocht. Er is echter geen eenduidige methode voor het meten van website quality. Rose et al. (2012) hebben vastgesteld dat ease-of-use, customization en connectedness een positieve invloed hebben op perceived control, wat vervolgens een positieve invloed heeft op de Affective Experiential State (AES). Er zijn dus onderdelen van website quality die een significant effect hebben op een deel van de online customer experience.

(15)

Uit onderzoek van Kim & Lennon (2013) is gebleken dat de relatie tussen customer service en emotion niet significant is. Website design, fulfillment/reliability, en security/privacy hadden daarentegen wel een positieve significante invloed op emotion. Zoals in 2.1.1 genoemd is volgens Nasermoadeli et al. (2013) emotional experience slechts één van de drie customer experiences. Wederom zijn er dus onderdelen van website quality die een positieve invloed hebben op een deel van de online customer experience. Er kan dus niet met zekerheid gezegd worden dat website quality een positieve invloed heeft op de online customer experience. Dit zal verder onderzocht worden in dit onderzoek.

Hypothese 2: Website quality heeft een negatieve invloed op perceived risk.

Naast dat de kwaliteit van de website van invloed is op de customer experience is het ook aannemelijk dat het een invloed heeft op perceived risk. Als de kwaliteit hoog is, wordt er minder risico ervaren door consumenten (Kim & Lennon, 2013).

Opvallend is het resultaat van het onderzoek van Hsin Chang en Wen Weng (2008). Zij vonden namelijk geen significant verband tussen website quality en perceived risk. De resultaten van deze twee onderzoeken spreken elkaar dus tegen. Dit zou verklaard kunnen worden door het eerdergenoemde verschillend meten van website quality. De elkaar tegensprekende resultaten roepen om nader onderzoek naar de relatie tussen website quality en perceived risk.

Hypothese 3: Price heeft een positieve invloed op online customer experience.

In het model van Verhoef et al. (2009) wordt price genoemd als determinant van online customer experience. Dit is echter niet door hen getoetst.

Het is aannemelijk dat als een consument een

negatieve ervaring heeft bij de prijs, dit ook invloed heeft op de gehele customer experience.

Moon et al. (2008) hebben het effect van prijs onderzocht op de purchase intention voor gepersonaliseerde producten. Consumenten waren bereid meer geld te betalen voor gepersonaliseerde producten. De prijs had tot een bepaalde hoogte geen effect op de purchase intention van gepersonaliseerde producten.

Wu et al. (2011) hebben het effect van price consciousness op purchase intention van een Private Label Brand product onderzocht. Er bleek geen significante relatie tussen deze twee variabelen te bestaan. Moon et al. (2008) hebben dus het effect van de prijs van gepersonaliseerde producten op purchase intention onderzocht en Wu et al. (2011) hebben het effect van de prijs van Private Label Brand (PLB) producten op purchase intention onderzocht. Het effect van de prijs van standaardproducten op purchase intention is nog niet onderzocht. Het is aannemelijk dat de prijs voor standaardproducten wel invloed heeft op de purchase intention. Consumenten zijn vaak bereid meer te betalen als het

(16)

product gepersonaliseerd is of van een PLB komt. Deze bereidheid is waarschijnlijk een stuk lager bij standaardproducten.

Hypothese 4: Price heeft een negatieve invloed op perceived risk.

Er is nog weinig onderzoek gedaan naar de relatie tussen price en perceived risk. Het is echter waarschijnlijk dat deze twee variabelen wel invloed op elkaar hebben. Zoals eerdergenoemd is financial risk één van de risico dimensies die Stone en Grønhaug (1993) noemen. Het is aannemelijk dat hoe lager de perceived price voor een consument is, hoe lager het financiële risico is en hoe sneller de consument dus het product zal kopen. Uit onderzoek van Wu et al. (2011) is wel gebleken dat perceived risk een negatief effect heeft op price consciousness. De invloed van price op perceived risk is niet meegenomen in dat onderzoek.

Hypothese 5: Website brand heeft een positieve invloed op online customer experience.

Verhoef et al. (2009) noemen dat de retail brand van invloed is op de customer experience. Deze relatie is echter niet getoetst. Kim en Lennon (2013) hebben wel onderzocht wat de invloed van reputation (wat vergelijkbaar is met website brand) is op consumers emotion (wat gezien kan worden als onderdeel van customer experience). Uit dit onderzoek kwam een positief significant verband tussen de twee constructen. Als een merk als positief ervaren wordt, volgt ook een positieve experience.

Hypothese 6: Website brand heeft een negatieve invloed op perceived risk.

Website brand heeft een negatief effect op perceived risk (Hsin Chang & Wen Chen, 2008). Als een website of het bedrijf achter de website een goede naam heeft, ervaren consumenten minder risico. Uit het onderzoek van Hsin Chang & Wen Chen (2008) bleek zelfs dat website brand een sterker effect heeft op de keuze van de consument dan website quality.

Reputation heeft een negatieve invloed op perceived risk (Kim & Lennon, 2013). Als een bedrijf goed bekend staat, nemen de risico’s af. Een bedrijf krijgt een goede naam door in het verleden positieve experiences opgeleverd te hebben. Het is dan aannemelijk dat het dit in de toekomst ook zal doen, waardoor het risico voor de consument afneemt. De verwachte relatie tussen website brand en perceived risk is dus uit meerdere onderzoeken reeds naar voren gekomen. Een kanttekening hierbij is wel dat voor het onderzoek van Kim en Lennon (2013) een convenience sample gebruikt waardoor de sample uit voornamelijk vrouwen bestond.

(17)

Hypothese 7: Social environment heeft een positieve invloed op online customer experience.

In het model van Verhoef et al. (2009) wordt social environment ook genoemd als determinant van customer experience. Zoals genoemd in 2.1.1 delen Nasermoadeli et al. (2013) customer experience op in sensory, emotional en social experience. Zij hebben een positieve relatie gevonden tussen social experience en purchase intention. Het sociale gedeelte van de experience heeft dus invloed op de purchase intention. Wat de invloed van social environment op de online customer experience is, is nog niet eerder onderzocht. Het is aannemelijk dat consumenten die een sociaal gevoel ervaren op een website over het algeheel een positieve customer experience hebben. Het contact met andere consumenten kan zorgen voor een betere ervaring.

Hypothese 8: Social environment heeft een negatieve invloed op perceived risk.

Verhoef et al. (2009) noemen social environment als determinant van online customer experience, maar het is ook aannemelijk dat het een determinant is van perceived risk. Reviews van andere consumenten kunnen de risico’s verkleinen of wegnemen. Als er veel positieve reviews online staan van andere consumenten is het waarschijnlijker dat de koop ook voor jou positief uit zal pakken. Er is nog weinig onderzoek gedaan naar deze relatie.

Hypothese 9: Perceived risk heeft een negatieve invloed op online customer experience.

Zoals genoemd in 2.1.2 proberen consumenten altijd zo veel mogelijk risico’s te vermijden. Risico’s kunnen voor consumenten leiden tot negatieve ervaringen. Kim & Lennon (2013) hebben een negatief verband gevonden tussen perceived risk en emotion. Als consumenten risico’s ervaren, zal de algehele customer experience slechter zijn.

Hypothese 10: Online customer experience heeft een positieve invloed op purchase intention.

Nasermoadeli et al. (2013) hebben onderzoek gedaan naar de relatie tussen customer experience en purchase intention. Zij onderscheiden drie verschillende soorten customer experiences, namelijk sensory, emotional en social experience. Voor alle drie de dimensies is de relatie tot purchase intention onderzocht. Hieruit is gebleken dat de emotional en social experience een directe positieve significante invloed hebben op purchase intention. Sensory experience heeft geen directe significante invloed op purchase intention, slechts een indirecte invloed via de mediërende variabelen emotional en social experience. Een limitatie van dat onderzoek is echter dat er een judgemental sample gebruikt is, waardoor het lastig te generaliseren is. Nasermoadeli et al. (2013) noemt vandaar dat het in de toekomst wenselijk is om de relatie tussen customer experience en purchase intention nogmaals te onderzoeken met een probability sampling techniek om hun bevindingen te verifiëren.

(18)

Uit onderzoek van Kim en Lennon (2013) bleek dat Emotion een positieve invloed heeft op purchase intention. Dit komt overeen met de eerdergenoemde resultaten van Nasermoadeli et al. (2013), waarin emotional experience een positieve invloed heeft op purchase intention.

Rose et al. (2012) hebben ook onderzoek gedaan naar de (indirecte) invloed van online customer experience op purchase intention. Zij hebben Online customer experience opgedeeld in Cognitive Experiential State (CES) and Affective Experiential State (AES). Online shopping satisfaction en trust zijn als mediërende variabelen gebruikt tussen CES, AES en purchase intention. Er was geen direct verband tussen CES, AES en purchase intention. Via de mediërende variabele Satisfaction was er wel een indirect verband tussen zowel CES als AES met purchase intention. Het is opvallend dat CES en AES geen direct verband hebben met purchase intention. Dit lijkt de resultaten van Nasermoadeli et al. (2013) en Kim en Lennon (2013) tegen te spreken.

Doordat er uit meerdere onderzoeken is gebleken dat een positieve customer experience zorgt voor een grotere purchase intention, is er in dit onderzoek voor gekozen om deze relatie in het conceptueel model op te nemen.

Hypothese 11: Perceived risk heeft een negatieve invloed op purchase intention.

Als het risico laag is, zijn consumenten sneller geneigd online aankopen te doen. Dat dit inderdaad zo is kwam naar voren uit onderzoeken van Hsin Chang en Wen Chen (2008), Kim et al. (2008), Wu et al. (2011), en Kim en Lennon (2013). Zij hebben allen een negatieve relatie gevonden tussen perceived risk en purchase intention. Zoals eerder genoemd proberen consumenten risico’s zo veel mogelijk te vermijden. Als er een een online aankoop veel risico’s kleven, is het dus zeer aannemelijk dat de consument eerder af zal zien van de koop.

(19)

In

Tabel 2

is een samenvatting te zien van dit hoofdstuk. De ondersteunende literatuur wordt

per hypothese aangegeven en er wordt aangegeven of de hypothese al eerder getest is.

Tabel 2: Hypotheses met ondersteunende bijbehorende literatuur

Hypothese Ondersteunende literatuur Eerder getest (soms deels)

H1: Website quality heeft een positieve invloed op online customer experience.

Verhoef et al. (2009), Kim & Lennon (2013), Rose et al. (2012), Ling et al. (2010)

Website quality -> Emotion (Kim & Lennon (2013)) Rose et al. (2012) H2: Website quality heeft een

negatieve invloed op perceived risk.

Hsin Chang & Wen Chen (2008), Kim & Lennon (2013)

Hsin Chang & Wen Chen (2008), Kim & Lennon (2013)

H3: Price heeft een positieve invloed op online customer experience.

Verhoef et al. (2009), Moon et al. (2008), Chang & Wildt (1994)

Nieuw

H4: Price heeft een negatieve invloed op perceived risk.

Wu et al. (2011), Stone en Grønhaug (1993)

Nieuw

H5: Website brand heeft een positieve invloed op online customer experience.

Verhoef et al. (2009), Ling et al. (2010)

Reputation -> Emotion (Kim & Lennon (2013))

H6: Website brand heeft een negatieve invloed op

Perceived risk.

Hsin Chang & Wen Chen 2008, Kim & Lennon (2013), Wu et al. (2011), Ling et al. (2010)

Hsin Chang & Wen Chen (2008), Reputation -> Perceived risk (Kim & Lennon (2013)) H7: Social environment heeft

een positieve invloed op Online customer experience.

Verhoef et al. (2009), Nasermoadeli et al. (2013)

Nieuw

H8: Social environment heeft een negatieve invloed op perceived risk.

Verhoef et al. (2009) Nieuw

H9: Perceived risk heeft een negatieve invloed op Online customer experience.

Wu et al. (2011), Kim & Lennon (2013)

Perceived risk - > Emotion (Kim & Lennon (2013))

H10: Online customer experience heeft een

positieve invloed op purchase intention.

Verhoef et al. (2009),

Nasermoadeli et al. (2013), Kim & Lennon (2013), Rose et al. (2012)

Nasermoadeli et al. (2013), Kim & Lennon (2013), Rose et al. (2012)

H11: Perceived risk heeft een negatieve invloed op

purchase intention.

Hsin Chang & Wen Chen (2008), Kim & Lennon (2013), Kim et al. (2008), Wu et al. (2011)

Hsin Chang & Wen Chen (2008), Kim & Lennon (2013), Kim et al. (2008), Wu et al. (2011)

(20)

3. Methode

In dit deel van het verslag wordt het onderzoeksdesign beschreven. In hoofdstuk 2 is aan de hand van de literatuur een conceptueel model opgesteld en aan de hand van dit model zijn hypotheses geformuleerd, hiermee zijn de eerste en tweede deelvraag beantwoord. In het volgende hoofdstuk wordt het conceptueel model empirisch getoetst, hiermee wordt de derde deelvraag beantwoord. Allereerst wordt beschreven hoe het onderzoek uitgevoerd is en vervolgens worden in hoofdstuk 4 de resultaten besproken.

3.1 Deelnemers

Er hebben 122 respondenten meegedaan aan het onderzoek. Een sample size van 122 zou groot genoeg moeten zijn om een hoge statistische power te genereren. Bij het bepalen van de minimale sample size voor regressieanalyses wordt gekeken naar het aantal voorspellende variabelen. In de literatuur wordt vaak de vuistregel 10 of 15 respondenten per voorspellende variabele gebruikt. In dit onderzoek zijn er 6 variabelen die purchase intention moeten voorspellen, namelijk website quality, price, website brand, social environment, online customer experience, en perceived risk. Volgens deze vuistregel zou de sample size dus tussen de 60 en 90 personen moeten liggen. Volgens Field (2009) is het echter ook van belang om naast het aantal voorspellers ook naar de gewenste effect size te kijken. Field (2009) geeft aan dat bij 6 voorspellende variabelen er bij een medium effect (R² = 0,13) een sample size van 98 nodig is. Als er een groot effect (R² = 0,26) wordt verwacht dan is een sample size van 46 voldoende. Hiervoor zijn de benchmarks van Cohen (1988); aangehaald door Field (2009) gebruikt: statistische power van 0,8. In het huidige onderzoek wordt voor de meeste verbanden een groot effect verwacht. De verbanden zijn namelijk op eerder onderzoek gebaseerd en in sommige gevallen ook al eerder getoetst. Sommige verbanden die nog niet eerder onderzocht zijn zoals het effect van price en social environment op online customer experience en perceived risk zouden mogelijk een minder groot effect kunnen hebben. De verwachting is echter dat deze relaties minstens een medium effect zullen hebben, omdat ze gebaseerd zijn op eerdere literatuur. Er is dus geprobeerd een steekproef van minimaal 98 personen te verkrijgen om een betrouwbare lineaire regressieanalyse uit te kunnen voeren. De steekproef van 122 respondenten is dus geschikt om een hoge statistische power te bewerkstelligen.

3.2 Materialen

Het empirisch toetsen van het conceptueel model wordt gedaan door het uitvoeren van kwantitatief onderzoek. Er is een vragenlijst opgesteld met vragen over de ervaringen van mensen met een webshop die zij als laatst bezochten. De vragenlijst bestaat uit vragen die de variabelen uit het

(21)

conceptueel model meten. De vragen zijn overgenomen uit verschillende eerdere onderzoeken. Hier is voor gekozen omdat bewezen is uit eerder onderzoek dat deze vragen een hoge betrouwbaarheid hebben (α > 0,7). Al deze vragen zijn vanuit het Engels vertaald naar het Nederlands. De vragenlijst bestaat uit drie delen: een inleiding, stellingen over de ervaringen, en socio-demografische vragen. De vragenlijst is terug te vinden de bijlage.

Het eerste deel is inleidend. De respondenten worden gevraagd terug te denken aan hun meest recente onlinekoopervaring. Er wordt vermeld dat het toegestaan is even de website te bezoeken om de herinnering op te halen. Er is voor gekozen om naar de meest recente onlinekoopervaring te vragen omdat deze ervaring waarschijnlijk nog het best in het geheugen ligt. De respondent kent de site en heeft er ervaring mee. Om te toetsen of de respondent daadwerkelijk ervaring heeft met de website worden er nog vier vragen gesteld over de bekendheid met de website. Een andere belangrijke reden voor de keuze voor meest recente ervaring in plaats van een zelfgekozen ervaring, heeft te maken met het verschil in beoordelingen van de ervaring. De kans bestaat dat als respondenten zelf een website uit mogen kiezen, ze hun favoriete website gaan beoordelen. Dit zou dan voornamelijk positieve reacties opleveren. Maar negatieve beoordelingen zijn minstens zo belangrijk bij het bestuderen van koopgedrag. In de vragenlijst worden de respondenten dus gevraagd naar hun meest recente koopervaring. Voor het gemak is ervoor gekozen om de respondenten te laten kiezen uit de vier grootste online webshops of zelf een webshop in te vullen onder de optie ‘anders’. De keuze bestaat uit Bol.com, Coolblue, Wehkamp, Zalando of anders.

Het tweede deel is het daadwerkelijke onderzoek. De respondenten worden gevraagd hun mening te geven over verschillende stellingen aan de hand van een 7-punts Likertschaal (1 = helemaal niet mee eens, 2 = niet mee eens, 3 = enigszins mee oneens, 4 = noch eens noch oneens, 5 = enigszins mee eens, 6 = mee eens, 7 = helemaal mee eens).

De website quality wordt gemeten aan de hand van veertien vragen, die zijn overgenomen van Wolfinbarger & Gilly (2003). Wolfinbarger & Gilly (2003) hebben een vragenlijst opgesteld voor onderzoekers en managers om de website quality te meten bij bezoekers van websites. Deze vragenlijst hebben ze opgesteld door allereerst via focusgroepen erachter te komen wat mensen belangrijk vinden op een website. Vervolgens zijn ze de bevindingen uit de focusgroepen gaan sorteren in verschillende categorieën. Hier kwamen uiteindelijk veertig vragen uit voort. Deze veertig vragen zijn via een survey verspreid over een sample van 1013 respondenten. Met de data van deze survey hebben ze een exploratory en confirmatory factor analyse uitgevoerd. Aan de hand van deze analyses hebben ze uiteindelijk veertien vragen over gehouden die website quality moeten meten. Deze vragen zijn op te delen in vier factoren van website quality: fulfillment/reliability, website design, customer service, en security/privacy.

(22)

Onder fulfillment/reliability wordt verstaan dat het bedrijf doet wat het belooft. De producten op de website worden goed weergegeven en komen overeen met het daadwerkelijke product dat consumenten ontvangen. Ook wordt het juiste product geleverd in de beloofde levertijd.

Website design bevat alle elementen van de website zelf. Dit zijn de ervaringen die een persoon met de website heeft. Hieronder vallen navigatie, zoeken van informatie, personalisatie, productselectie, en het koopproces.Onder customer service valt de bereidheid van het bedrijf om snel in te spelen op de behoeften van de klant en snel hun problemen op te lossen. Security/privacy gaat over de beveiligingsfuncties van de site die de privacy van consumenten moeten waarborgen en de transacties moeten beschermen.

Na een goed en uitgebreid onderzoek presenteren Wolfinbarger & Gilly (2003) een vragenlijst van veertien vragen die website quality meten. Hun onderzoek wordt vaak in andere onderzoeken gebruikt, bijvoorbeeld in het onderzoek van Kim & Lennon (2013). Zoals genoemd in 2.1.3 zijn er veel verschillende manieren in het meten van website quality en een andere meting kan ook verschillende resultaten opleveren (zie 2.3 hypothese 2). In het huidige onderzoek is er voor gekozen om de website quality schaal van Wolfinbarger & Gilly (2003) over te nemen, omdat deze een hoge betrouwbaarheid heeft: website design α = 0,83; fulfillment/reliability α = 0,79; security/privacy α = 0,88; customer service α = 0,84. Daarnaast is de vragenlijst opgesteld aan de hand van een uitgebreid en degelijk onderzoek.

Price wordt gemeten met behulp van vier stellingen, die zijn overgenomen van Chiang & Jang (2007). De stellingen worden beoordeeld met 7-punts Likertschaal van tegengestelden. De consumenten moeten stellingen beantwoorden wat zij van de prijzen in het algemeen vinden op de site. Aan de ene kant staan de negatieve beoordelingen: duur, onredelijk, ongepast en onbetaalbaar. Aan de andere kant de positieve beoordelingen: goedkoop, redelijk, gepast en betaalbaar. In het onderzoek van Chiang & Jang (2007) genereerden deze stellingen een hoge betrouwbaarheid voor het meten van de price (α = 0,84).

Wat de respondenten van de website brand vinden wordt gemeten met drie vragen over de reputatie van de website. Deze vragen zijn overgenomen van Kim & Lennon (2013), die hun vragen gebaseerd hebben op onderzoek van Doney & Cannon (1997). De drie vragen van Kim & Lennon (2013) over reputation leverden een hoge betrouwbaarheid op (α = 0,90).

Of de website als een social environment beoordeeld wordt, is gemeten met drie vragen van Gefen & Straub (2004). Zij hebben perceived social presence gemeten aan de hand van deze vragen. Dit leverde een hoge betrouwbaarheid op (PLS composite reliability = 0,84). Hassanein & Head (2007) gebruikten ook deze schaal en vonden ook een zeer hoge betrouwbaarheid (α = 0,94). Het is dus gerechtvaardigd te stellen dat deze schaal betrouwbaar is om perceived social presence te meten. De perceived social

(23)

presence geeft aan of de website ervaren wordt als een social environment, vandaar dat er voor gekozen is om deze schaal over te nemen.

Over de online customer experience worden negen vragen gesteld, die zijn overgenomen van Novak, Hoffman, & Yung (2000) en ook zijn gebruikt door Rose et al. (2012). Hierin wordt online customer experience opgedeeld in cognitive experiential state (CES) en affective experiential state (AES). De eerste vraag gaat over een mogelijk ervaren ‘flow’. Er wordt de respondent eerst uitgelegd wat ‘flow’ inhoudt en vervolgens wordt gevraagd of deze flow ervaren is tijdens de meest recente online koopervaring. Deze vraag meet het cognitieve gedeelte van de experience (CES). Het emotionele gedeelte (AES) van de experience wordt gemeten aan de hand van acht stellingen. In deze stellingen wordt de respondent gevraagd welke gevoelens hij had bij het bezoeken van de website. Hier stonden telkens twee tegengestelden tegenover elkaar. Deze tegengestelden komen van de PAD (Pleasure, Arousal, Dominance) schaal (Mehrabian en Russell, 1974). Rose et al. (2012) vonden een hoge betrouwbaarheid voor deze schaal (Composite reliability ρc = 0,87).

Perceived risk wordt gemeten aan de hand van zes vragen. Deze zes vragen zijn op te delen in vijf risico categorieën: performance, financial, social, psychological en time. Deze schaal is ontworpen door Corbitt, Thanasankit, & Yi (2003) en is ook gebruikt door Hsin Chang en Wen Weng (2008). Deze schaal leverde een hoge betrouwbaarheid op in het onderzoek van Hsin Chang en Wen Weng (2008) (α = 0,93).

Tot slot bestaat de schaal van purchase intention uit een drietal vragen, die zijn overgenomen uit onderzoek van Pavlou (2003). De schaal van Pavlou (2003) leverde een hoge betrouwbaarheid op (α = 0,94).

Het derde deel van de vragenlijst bestaat uit een aantal demografische vragen. De respondenten worden gevraagd naar hun geslacht, leeftijd, opleidingsniveau en tot slot worden ze gevraagd hoe ze hun eigen online koopgedrag zouden bestempelen. Ook deze vraag heeft een 7-punts Likertschaal (1 = ver onder het gemiddelde, 2 = onder het gemiddelde 3 = enigszins onder het gemiddelde, 4 = gemiddeld, 5 = enigszins boven het gemiddelde, 6 = boven het gemiddelde, 7 = ver boven het gemiddelde).

Om te bepalen of de verschillende vragen samengevoegd kunnen worden tot één schaal is een betrouwbaarheidsanalyse uitgevoerd. Voor de verschillende variabelen is de Cronbach’s Alpha berekend. Op één na hebben alle variabelen een hoge betrouwbaarheidsindex (α > 0,7), zie Tabel 3. Dit betekent dat de vragen daadwerkelijk het construct meten. Het construct online customer experience heeft echter een relatief lage betrouwbaarheid (α = ,63). Deze wordt niet hoger door het weglaten van vragen. Vaak wordt in de literatuur genoemd dat een Cronbach’s Alpha waarde van

(24)

boven de 0,7 betrouwbaar is en dat onder de 0,7 minder betrouwbaar is. Kline (1999); aangehaald door Field (2009) noemt echter dat voor psychologische constructen een waarde van onder de 0,7 realistisch is. De lage waarde bij psychologische constructen kan verklaard worden door de hoge diversiteit van de gemeten constructen. Dit zou kunnen verklaren waarom de Cronbach’s alpha van online customer experience een stuk lager is dan de Cronbach’s alpha van de andere constructen. De online customer experience meet de cognitive experiential state en de affective experiential state van mensen; en kan dus gezien worden als een psychologisch construct. De Cronbach’s alpha van de overige variabelen zou in sommige gevallen iets hoger kunnen worden door het weglaten van vragen. Er is echter voor gekozen dit niet te doen, omdat de betrouwbaarheid hoog genoeg is (α > 0,8). Ook zou het aantal vragen dat de variabele meet dan aan de lage kant worden. Alle vragen van het onderzoek zijn dus meegenomen in de analyse.

Tabel 3: Betrouwbaarheidsanalyse

Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items Website Quality ,812 ,812 14 Price ,788 ,792 4 Website Brand ,871 ,877 3 Social Environment ,862 ,823 3 OCE ,604 ,631 9 Perceived Risk ,835 ,845 6 Purchase Intention ,866 ,868 3 3.3 Procedure

De vragenlijst is gemaakt met behulp van de online tool Qualtrics. De vragen zijn opgedeeld in blokken van maximaal 5 vragen. Op deze manier bleef het overzichtelijk voor respondenten wat zij moesten doen. Respondenten konden aan een voortgangsbalk zien op welk punt in de enquête zij zich bevonden. Qualtrics creëerde een anonieme link voor de enquête die vervolgens via Whatsapp, Facebook en mail verspreid is. De vragenlijst kon zowel op een mobiel als op de computer worden ingevuld. In de oproep is vermeld dat het invullen van de vragenlijst ongeveer vijf minuten duurt en dat het volledig anoniem is. Het invullen van de vragenlijst was geheel vrijwillig, er stond geen beloning tegenover. Niet volledig ingevulde vragenlijsten werden door Qualtrics verwijderd. Tot slot is met Qualtrics een SPSS-bestand van de data geëxporteerd.

(25)

4. Resultaten

In het volgende hoofdstuk zullen de resultaten van het onderzoek besproken worden. Allereerst worden de algemene gegevens van de respondenten geanalyseerd om een beeld te krijgen van de sample. Vervolgens wordt het consumentengedrag van de respondenten geanalyseerd. Dit wordt gedaan door eerst een correlatieanalyse uit te voeren om de verbanden tussen de verschillende variabelen te ontdekken. Vervolgens wordt er door middel van regressieanalyses dieper ingegaan op deze verbanden. Alle data is geanalyseerd met SPSS.

4.1 Algemene gegevens

Er hebben 122 respondenten meegedaan aan het onderzoek. Hiervan waren 74 van het mannelijk geslacht (60,7%) en 48 van het vrouwelijk geslacht (39,3%). De leeftijden van de respondenten zijn te zien in Tabel 4. Wat opvalt is dat de leeftijdsgroepen 25-34 en 55-64 hoge frequenties hebben, terwijl de leeftijdsgroep 35-44 een lage frequentie heeft. De hoogst afgeronde opleiding van de respondenten is te zien in Tabel 5. Het grootste deel van de steekproef is hoger opgeleid (63,9%). Dit is te verklaren doordat de vragenlijst onder veel studenten is verspreid.

Tabel 4: Leeftijd in jaren

Frequentie Percentage Jonger dan 18 3 2,5% 18-24 35 28,7% 25-34 20 16,4% 35-44 7 5,7% 45-54 21 17,2% 55-64 32 26,2% 65 of ouder 4 3,3% Totaal 122 100%

Tabel 5: Hoogst afgeronde opleiding

Frequentie Percentage

Basisonderwijs 2 1,6%

Lager / voorbereidend beroepsonderwijs (lbo / vmbo) 3 2,5% Hoger algemeen voortgezet onderwijs (havo) 11 9,0% Voorbereidend wetenschappelijk onderwijs (vwo) 17 13,9%

Middelbaar beroepsonderwijs (mbo) 11 9,0%

Hoger beroepsonderwijs (hbo) 42 34,4%

Wetenschappelijk onderwijs (wo) 36 29,5%

(26)

De respondenten konden kiezen tussen de vier grootste online webwinkels of ze konden zelf een andere webshop invullen. De meeste respondenten hebben Bol.com beoordeeld (45,9%). Verder waren er een aantal websites buiten de top vier die door meer dan één respondent zijn beoordeeld. Dit zijn Amazon, Ebay en Marktplaats. De overige genoemde websites onder de optie ‘anders’ kwamen niet vaker dan één keer voor. De beoordeelde websites zijn te zien in Tabel 6. De

respondenten is ook gevraagd naar hoe zij hun eigen online koopgedrag zouden bestempelen. Het gemiddelde van deze vraag was 3,32 en de standaardafwijking 1,42. De respondenten beoordeelden hun eigen online koopgedrag dus enigszins onder het gemiddelde.

Tabel 6: Website van meest recente koopervaring Frequentie Percentage Bol.com 56 45,9% Coolblue 8 6,6% Wehkamp 2 1,6% Zalando 9 7,4% Amazon 2 1,6% Ebay 2 1,6% Marktplaats 4 3,3% Anders 39 32,0% Totaal 122 100%

Om de variabelen te meten is het gemiddelde van de bijbehorende vragen berekend. De data is niet normaal verdeeld. Alle variabelen wijken significant af van de normaalverdeling: website quality (D(122) = .086, p < .05); price (D(122) = .105, p < .05); website brand (D(122) = .204, p < .05); social environment (D(122) = .103, p < .05); online customer experience (D(122) = .091, p < .05); perceived risk (D(122) = .141, p < .05); purchase intention (D(122) = .162, p < .05). Er zijn geen outliers in de data gevonden. In Tabel 7 zijn het gemiddelde, de standaardafwijking en de variantie van de variabelen te vinden.

Tabel 7: Beschrijvende statistiek variabelen

Gemiddelde Standaardafwijking Variantie

Website quality 5,50 ,61 ,37

Price 5,02 ,81 ,65

Website brand 5,90 1,22 1,48

Social environment 3,93 1,37 1,88

Online customer experience 4,36 ,59 ,35

Perceived risk 2,30 1,00 1,01

(27)

4.2 Analyse

In de volgende paragrafen worden meerdere analyses uitgevoerd om het voorgestelde conceptuele model te toetsen. Allereerst wordt een correlatieanalyse uitgevoerd, vervolgens meerdere meervoudige regressieanalyses. Met de meervoudige regressieanalyses worden de hypotheses getoetst.

4.2.1 Correlatieanalyse

Allereerst is er gekeken naar de correlatie tussen de variabelen. Omdat de data niet normaal verdeeld is, is er een Spearman correlatietest uitgevoerd. De resultaten van deze analyse zijn te zien in Tabel 8. In de tabel worden de correlaties tussen alle variabelen van het conceptueel model weergegeven. Er valt uit op te maken dat er veel significante verbanden te vinden zijn tussen de variabelen. De verbanden tussen de onafhankelijke variabelen website quality, price, website brand, en social environment en de afhankelijke variabelen online customer experience en perceived risk zijn belangrijk. Ook de correlaties van online customer experience en perceived risk met purchase intention zijn belangrijk. Dit zijn de verbanden die volgens het conceptueel model verwacht worden en die in de hypotheses geformuleerd zijn. De gevonden correlaties zullen in het volgende hoofdstuk aan de hand van regressieanalyses verder geanalyseerd worden.

Tabel 8: Spearman correlatie

WQ PRI WB SOC OCE PR PI

WQ

,129

,434**

,390**

,153

-,507**

,516**

PRI

-

-,155

-,196*

-,364*

-,198*

,142

WB

-

-

,158

-.073

-,230*

,351**

SOC

-

-

-

,196*

-,137

,341**

OCE

-

-

-

-

-,095

,197*

PR

-

-

-

-

-

-,333**

PI

-

-

-

-

-

-

** Correlatie is significant op 0,01 niveau (2-tailed) * Correlatie is significant op 0,05 niveau (2-tailed)

WQ = website quality; PRI = price; WB = website brand; SOC = social environment; OCE = online customer experience; PR = perceived risk; PI = purchase intention

4.2.2 Lineaire meervoudige regressieanalyse

In dit hoofdstuk worden de verbanden uit het conceptueel model statistisch getoetst door het uitvoeren van meerdere lineaire meervoudige regressieanalyses. De 11 hypotheses die de relaties

(28)

tussen de variabelen beschrijven, worden getoetst. Er wordt per afhankelijke variabele een meervoudige regressieanalyse uitgevoerd en aan de hand daarvan worden de hypotheses getoetst. Allereerst wordt er een analyse besproken met online customer experience als afhankelijke variabele, vervolgens perceived risk als afhankelijke variabele en als derde purchase intention als afhankelijke variabele. Tot slot wordt hypothese 9 getoetst door middel van een enkelvoudige regressieanalyse (wat hetzelfde is als een Pearson correlatie). Per hypothese is ook een regressieanalyse uitgevoerd met alleen mannen (N = 74) of alleen vrouwen (N = 48). Er wordt gekeken of er een verschil te zien is in de resultaten.

Online customer experience

De eerste lineaire meervoudige regressieanalyse test hypothese 1, 3, 5 en 7. De afhankelijke variabele is online customer experience en de onafhankelijke variabelen zijn website quality, price, website brand en social environment. Dit is overzichtelijk te zien in Figuur 4.

Figuur 4: Deel van conceptueel model met online customer experience als afhankelijke variabele

Allereerst zijn de assumpties voor een regressieanalyse gecontroleerd. Er is geen multicollineariteit tussen de onafhankelijke variabelen (r < 0,8; VIF < 10; tolerance > 0,2). Het is dus gerechtvaardigd om een regressieanalyse uit te voeren met deze onafhankelijke variabelen.

(29)

Tabel 9: Meervoudige regressieresultaten voor de voorspelling van online customer experience

B

SE

Beta

Sig

Constant

2,746

,540

,000**

Website quality

,129

,093

,133

,171

Price

,214

,065

,293

,001**

Website brand

-,069

,044

-,143

,120

Social environment ,060

,040

,140

,133

** = significant op 0,01 niveau * = significant op 0,05 niveau (R² = ,186; F = 6,676; p = ,000)

In Tabel 9 is te zien dat er een significant positief verband is tussen price en online customer experience. De overige causale verbanden zijn niet significant. Het model als geheel is wel significant en verklaart voor 18,6% de variantie van online customer experience.

H1: Website quality heeft een positieve invloed op online customer experience.

Aan de hand van de regressieanalyse kan geconcludeerd worden dat hypothese 1 niet geaccepteerd kan worden en de nulhypothese blijft niet verworpen. Website quality heeft geen significant positieve invloed op online customer experience (p = ,171). Er is geen verschil gevonden tussen mannen en vrouwen.

H3: Price heeft een positieve invloed op online customer experience.

Het aangetroffen verband tussen price en online customer experience is significant (p = ,001). Het verband is redelijk sterk (β = ,293). Hypothese 3 wordt dus geaccepteerd. Er is ook gekeken of dit effect nog steeds significant is als alleen mannen (N = 74) of alleen vrouwen (N = 48) worden meegenomen in de analyse. Opvallend is dat het effect onder de mannen niet meer significant is en onder de vrouwen wel (β = ,366; p = ,011).

H5: Website brand heeft een positieve invloed op online customer experience.

Er is geen significant verband tussen website brand en online customer experience (p = ,120), hypothese 5 wordt niet geaccepteerd. Er was geen verschil in significantie tussen mannen en vrouwen.

(30)

H7: Social environment heeft een positieve invloed op Online customer experience.

Tussen social environment en online customer experience is geen significant verband (p = ,133), hiermee wordt hypothese 7 niet geaccepteerd. Er is geen verschil tussen mannen en vrouwen gevonden.

Perceived risk

Met een tweede lineaire meervoudige regressieanalyse worden de hypotheses 2, 4, 6 en 8 getoetst. De afhankelijke variabele is perceived risk en de onafhankelijke variabelen zijn website quality, price, website brand en social environment. Dit is overzichtelijk te zien in Figuur 5.

Figuur 5: Deel van conceptueel model met perceived risk als afhankelijke variabele

In Tabel 10 is te zien dat alleen website quality een significant effect heeft op perceived risk. De overige variabelen hebben geen significant causaal effect op perceived risk. Het model verklaart voor 26,7% de variantie van perceived risk.

Tabel 10: Meervoudige regressieresultaten voor de voorspelling van perceived risk

B

SE

Beta

Sig

Constant

7,300

,873

,000**

Website quality

-,878

,151

-,531

,000**

Price

-,136

,105

-,110

,196

Website brand

,032

,071

,038

,658

Social environment ,082

,064

,113

,202

** = significant op 0,01 niveau * = significant op 0,05 niveau (R² = ,267; F = 10,664; p = ,000)

Referenties

Outline

GERELATEERDE DOCUMENTEN

However, if many features of a product can be manipulated, the customer needs to be supported in their decision-making by providing rich illustrations of the

To make a good impression you bring along a bottle of wine (situation 2). Please see appendix 1 for a complete overview of the manipulated occasions. In situation 2

The study produces four findings: (1) the presence of online reviews has a positive effect on consumers’ purchase intention, (2) product perception does not mediate this

Since both the constant and the direct effect of X on Y, which equals the c’-path in the statistical model, are not significant (p &gt; .05), it can be assumed that mediation

In the case of apparel product pages, it is hypothesized that including more features on the product page would decrease the feeling of risks (and increase benefits) which

o Firms have greater success when they market to consumers from more than one channel (Rangaswamy &amp; Bruggen, 2005).. THE ONLINE AND OFFLINE

The loop assured that the new created datasets report information at the level of consumers’ individual purchase journeys and only include the touchpoints related

Not only that, but also that it is more effective than some traditional media channels (TV and Radio) and that consumer journeys that consist of both online and offline