Online Behavioral Advertising: het effect van personalisatieniveau op de effectiviteit van de
advertentie
Lisa van Helmondt 10444238 Master’s thesis
Graduate School of Communication
Master’s programme Communication Science – Persuasive Communication Mw. Dr. G. van Noort
Samenvatting
Het doel van dit onderzoek was het verkrijgen van meer inzicht in het effect van verschillende
OBA-personalisatieniveaus op de effectiviteit van OBA en de onderliggende mechanismen van dit effect. Middels een nieuw perspectief op personalisatie zijn de verschillende de effecten van single-device, cross-device en in-app retargeting op gedrag responsen van consumenten onderzocht. Tevens werd onderzocht in hoeverre vier
onderliggende mechanismen hiervoor een verklaring zijn: privacy zorgen, kwetsbaarheid, reactance en waargenomen relevantie. Hiertoe is een experiment uitgevoerd onder 117 respondenten, waarin zij werden blootgesteld aan een scenario en een daarop aansluitende advertentie van Airbnb. Aangetoond is dat het OBA-personalisatieniveau enkel van invloed is op de ervaren kwetsbaarheid en waargenomen relevantie van een consument. Er bleek geen effect te zijn van het OBA-personalisatieniveau op de privacy zorgen die een consument heeft of de reactance die hij of zij ervaart. Ook de kennis van de consument heeft geen invloed op de mate van privacy zorgen die deze persoon heeft. De privacy zorgen, reactance en relevantie blijken voorspellend voor de gedragsresponsen van de consument. Het ervaren van kwetsbaarheid was dit niet.
Inleiding
Gepersonaliseerde advertenties worden gezien als de toekomst van adverteren (Kumar & Gupta, 2016; Rust, 2016; Schultz, 2016). Door de inhoud van hun communicatie aan te passen op individuele gebruikers proberen bedrijven op een persoonlijk niveau contact te leggen met hun consument (Aguirre, Roggeveen, Grewal, & Wetzels, 2016). Dit doen zij omdat digitale communicatie, ondanks de groeiende populariteit, niet garandeert dat de consument daadwerkelijk bereikt wordt (Aguirre et al., 2016); consumenten kijken namelijk nauwelijks naar digitale
advertenties (Simola, Kuisma, Öörni, Uusitalo, & Hyönä, 2011) en er wordt weinig op geklikt (Goldfarb & Tucker, 2011). Een van de manieren waarop bedrijven hun communicatie kunnen personaliseren is op basis van onlinedata, zoals bezochte websites. Dit wordt Online Behavioural Advertising (OBA) genoemd (Boerman, Kruikemeier & Zuiderveen-Borgesius, 2017).
OBA heeft voor- en nadelen. Het grootste voordeel is dat het gebruik van onlinedata ervoor kan zorgen dat advertenties beter passen bij de voorkeuren en interesses van een consument (Leon et al., 2012; Wang, Yan, Chen & Zhang, 2015;) waardoor de relevantie van de advertentie toeneemt. Een nadeel is dat het verzamelen van data over de onlineactiviteiten van consumenten hun privacy kan schenden (Leon et al., 2012). Prince (2018) stelt dat in het huidige tijdperk van Big Data de zorgen over privacy aanzienlijk toegenomen zijn. De gebrekkige kennis van internetgebruikers over OBA en cookies speelt hier een rol in (Smit, van Noort, & Voorveld, 2014).
Binnen OBA zijn er verschillende personalisatieniveaus te onderscheiden. Om deze te definiëren wordt de aanname van Boerman et al. (2017) overgenomen, welke gebaseerd is op een systematische literatuurstudie. Zij stellen dat het niveau van personalisatie gebaseerd is op (a) het type persoonlijke data dat gebruikt wordt om de advertentie te targeten: browsing data of zoekgeschiedenis en (b) de hoeveelheid data die wordt gebruikt: een enkele zoekterm of een combinatie van browsing data en zoekgeschiedenis. Om het browsing gedrag van consumenten te kunnen volgen wordt er gebruik gemaakt van zogenaamde cookies. Cookies verzamelen gedetailleerde informatie over consumenten (Boerman et al., 2017). Door middel van cookies kunnen adverteerders opnieuw in contact kunnen met consumenten via het device waarmee deze gebrowsed hebben (Marvin, 2016), dit is single-device retargeting.
Een innovatieve en verdergaande vorm van personalisatie binnen OBA is cross-device retargeting. Cross-device retargeting is een strategie die bezoekers via cookies en inloggegevens identificeert en deze retarget via alle devices die zij gebruiken. Dit is mede mogelijk gemaakt door de komst van Google cross-device tracking in 2017 en het cross-device tracking systeem van Facebook in 2015 en is een zeer belangrijke ontwikkeling voor adverteerders. Gebleken is namelijk dat de meerderheid van de online conversies wordt voltooid via meer dan één device – een Google/Ipsos studie vond dat zestig procent van de online conversies in de Verenigde Staten begint op één device en eindigt op een ander device (Marvin, 2016). Door de komst van cross-device retargeting zijn adverteerders nu in staat om een advertentie te tonen op de smartphone van een consument tijdens zijn of haar reis naar werk en via een
follow-up advertentie te retargeten wanneer hij of zij in de avond aan het browsen is op een tablet of laptop. Cross-device retargeting wordt beschouwd als een verdergaande vorm van personalisatie dan single-Cross-device retargeting, aangezien er zowel cookies als inloggegevens worden gebruikt.
Een tweede innovatieve en tevens verdergaande vorm van personalisatie binnen OBA is in-app retargeting. In-app retargeting is een vorm van cross-device retargeting waarbij een advertentie niet alleen op een ander device, maar ook via een ander platform getoond wordt. De twee verschillen in de zin dat in-app retargeting de advertentie niet toont via een internetbrowser maar via een app die iemand op zijn mobiele device heeft geïnstalleerd,
bijvoorbeeld binnen de Instagram app. In-app retargeting is van groot belang voor adverteerders. Onderzoek heeft namelijk uitgewezen dat smartphone gebruikers meer tijd doorbrengen op hun apps dan op het internet (via een browser) (Hirose, Mineo, & Tabe, 2017). In-app retargeting is een verdergaande vorm van personalisatie dan cross-device retargeting omdat het niet enkel cross-devices maar ook applicaties aan één consument koppelt.
Cross-device en in-app retargeting zijn verdergaande vormen van personalisatie dan voorheen zijn getoetst en verschillen in hun niveau van personalisatie. De relevantie van het onderzoeken van deze niveaus ligt in het feit dat studies met betrekking tot verschillende personalisatieniveaus binnen OBA beperkt zijn (Boerman et al., 2017). Studies onderzochten wel personalisatie op basis van leeftijd, locatie (Aguirre, Mahr, Grewal, De Ruyter, & Wetzels, 2015), opleidingsniveau (Tucker, 2014), interesses (Aguirre et al., 2015; Tucker, 2014), online shopping gedrag (Bleier & Eisenbeiss, 2015a) en zoekgeschiedenis (Van Doorn & Hoekstra, 2013), maar geen enkele studie heeft de
effecten van cross-device en in-app retargeting onderzocht. Daarom is het eerste doel van deze studie om het effect van verschillende OBA-personalisatieniveaus op de effectiviteit van OBA te onderzoeken aan de hand van deze twee nieuwe dimensies. De effectiviteit van een advertentie wordt hierbij bepaald door de doorklik- en koopintentie van een consument. Dit zijn gewenste gedragsresponsen voor adverteerders en zijn veelgebruikte evaluatietools voor de effectiviteit van gepersonaliseerde advertenties (Aguirre et al., 2015; Bright & Daugherty, 2012; De Keyzer, Dens, & Pelsmacker, 2015).
Niet alleen effecten van OBA-personalisatieniveaus op de effectiviteit zijn interessant, er is ook veel ruimte voor verbetering in het begrijpen van deze effecten aan de hand van onderliggende mechanismen (Boerman et al., 2017; Rodgers & Thorson, 2017). Voorgaande studies hebben aangetoond dat het personalisatieniveau niet enkel van invloed is op de privacy zorgen en waargenomen relevantie van een consument, maar ook op hun gevoelens van reactance en kwetsbaarheid (Boerman et al., 2017). Deze vier percepties verklaarden in voorgaande studies de gedragsresponsen doorklikintentie (Aguirre, 2015; Bleier & Eisenbeiss, 2015a; Bleier & Eisenbeiss, 2015b; Tucker, 2014) en koopintentie (Van Doorn & Hoekstra, 2014; Pavlou & Stewart, 2000). Echter, het is nog niet aangetoond dat deze vier mechanismen ook de effecten van personalisatie in termen van cross-device en in-app retargeting verklaren. Het is tevens interessant om te onderzoeken hoe de kennis van een consument de relatie tussen het OBA-personalisatieniveau en de privacy zorgen beïnvloedt. Privacy zorgen resulteren namelijk uit een interactie met een informatietechnologie en de kennis die iemand hierover heeft (Dinev & Hart, 2015). Het tweede doel van deze studie is daarom het begrijpen van de effecten door onderzoek te doen naar deze vier onderliggende mechanismen, waarbij tevens de modererende rol van kennis wordt onderzocht.
Dit onderzoek zal antwoord geven op de volgende onderzoeksvraag:
In hoeverre wordt het effect van het OBA-personalisatieniveau op de (a) doorklikintentie en (b) koopintentie van de ontvanger verklaard door de (c) privacy zorgen, (d) kwetsbaarheid, (e) reactance en (f) waargenomen relevantie van de ontvanger en in hoeverre wordt het effect op privacy zorgen beïnvloedt door de (g) kennis van de ontvanger?
Deze studie heeft belangrijke praktische implicaties. Cross-device en in-app retargeting zijn recente ontwikkelingen die in toenemende mate worden toegepast door adverteerders. Volgens eMarketeer (2015) zal de
wereldwijde markt voor mobiele advertenties, met name voor in-app advertenties, naar verwachting verdrievoudigen van een markt ter waarde van 69 miljard USD in 2015 naar een markt ter waarde van 196 miljard USD in 2019. Het is daarom voor adverteerders van groot belang te weten of deze nieuwe strategieën effectief zijn. Deze studie zal daar inzicht in geven.
Daarnaast heeft deze studie belangrijke maatschappelijke implicaties. OBA-activiteiten hebben veel aandacht en kritiek gekregen van overheidsinstanties, zoals de Federal Trade Commission (2012), en consumentenorganisaties door het issue van privacy schending (Kim & Huh, 2016). Veel privacy wetten streven naar consumer empowerment door bedrijven te verplichten hun consument transparantie en zeggenschap over hun dataverzameling te bieden (Boerman et al., 2017). Echter, consumenten hebben onvoldoende kennis over OBA en het gebruik van persoonlijke data (Smit et al., 2014, Marreiros, Gomer, Vlassopoulos, & Tonin 2015; McDonald & Cranor 2010). Consumenten met onvoldoende begrip over OBA kunnen geen gefundeerde beslissingen maken met betrekking tot hun privacy (Boerman et al., 2017). Deze studie moet aantonen of onvoldoende kennis resulteert in meer privacy zorgen. Mocht dit het geval zijn dan ligt er voor de overheidsinstanties de taak in het verschiet om kennis van consumenten te vergroten en de relevante wet- en regelgeving over online dataverzameling aan te passen.
Theoretisch kader OBA-personalisatieniveaus en gedragsresponsen
Voorgaande studies hebben het niveau van personalisatie gedefinieerd op basis van persoonlijke informatie zoals leeftijd, geslacht, locatie (Aguirre et al., 2015), interesses (Aguirre et al., 2015; Tucker, 2014), online shopping gedrag (Bleier & Eisenbeiss, 2015b), opleidingsniveau (Tucker, 2014) en zoekgeschiedenis (van Doorn & Hoekstra, 2013). Hierbij zijn er personalisatieniveaus gecreëerd door een of meerdere soorten persoonlijke informatie te
combineren. Dit onderzoek definieert de niveaus op basis van het device en platform waarop een advertentie getoond wordt. Hierbij zijn er vier niveaus gedefinieerd: (1) niet-gepersonaliseerde advertenties, (2) single-device retargeting, (3) cross-device retargeting en (4) in-app retargeting. Single-device, cross-device en in-app retargeting zijn elk een personalisatieniveau hoger dan de voorgaande omdat er per niveau een grotere hoeveelheid data van de consument nodig is.
Het personalisatieniveau van OBA lijkt een invloed te hebben op de percepties van consumenten over OBA. De percepties die in deze studie onderzocht gaan worden zijn de privacy zorgen, reactance, kwetsbaarheid en de waargenomen relevantie van een consument. Van deze percepties wordt verwacht dat zij negatief (privacy zorgen, reactance en kwetsbaarheid), of positief (waargenomen relevantie) bijdragen aan de effectiviteit van OBA. De verwachting dat deze vier percepties een verklarende rol spelen in het effect van OBA-personalisatieniveau op de effectiviteit is in lijn met het Stimulus-Organism-Response model, dat stelt dat stimuli de cognitieve en affectieve responsen van iemand beïnvloeden en zich zo vertalen in een bepaald gedrag (Bleier & Eisenbeiss, 2015b; Jai, Burns, & King, 2013). OBA activeert eerst affectieve responsen, zoals gevoelens van kwetsbaarheid, relevantie, reactance en zorgen om privacy, waarna het de gedragsresponsen van de consument bepaalt (Boerman et al., 2017).
Privacy zorgen als verklaring voor het effect van het OBA-personalisatieniveau
Het afgelopen decennium zijn consumenten zich meer zorgen gaan maken over OBA-praktijken en hun privacy (Boerman et al., 2017). Westin (1967) definieerde zorgen om privacy als de mate waarin een consument bezorgd is over mogelijke schending van het recht om de openbaring van persoonlijke informatie te voorkomen. In de context van OBA is het de mate waarin een consument bezorgd is over potentieel misbruik van zijn of haar
online-geschiedenis die verzameld is door adverteerders (Kim & Huh, 2017).
De meest effectieve vormen van gepersonaliseerde advertenties zijn erop gericht om zo nauw mogelijk te matchen met de interesses en behoeftes van een consument. Juist hierdoor hebben ze de neiging om serieuze privacy zorgen op te roepen bij de consument (Baek & Morimoto 2012; Phelan, Lampe, & Resnick, 2016; Phelps, Nowak, & Ferrell 2000; Tucker 2014). In de context van OBA wordt verwacht dat een hoger personalisatieniveau meer
bewustzijn van de dataverzameling oproept bij een consument, waardoor deze zich meer zorgen gaat maken over zijn of haar privacy. Wanneer een consument OBA ontvangt op een ander device of platform, beseft deze persoon
mogelijk de kennis van adverteerders verder reikt dan enkel weten wat hij of zij heeft bekeken maar ook welke devices en apps deze persoon nog meer in gebruik heeft. Daarnaast is gebleken is dat consumenten bezorgder zijn om hun privacy op hun mobiele telefoons dan op hun laptops (Chin, Felt, Sekar, & Wagner, 2012). Dit zou kunnen
betekenen dat cross-device en in-app retargeting meer privacy zorgen oproepen dan single-device en
niet-gepersonaliseerde advertenties. Daarom is de verwachting dat de privacy zorgen met elk OBA-personalisatieniveau zullen toenemen.
Er wordt verwacht dat de privacy zorgen die een consument ervaart naar aanleiding van OBA een invloed hebben op de gedragsresponsen op OBA. Wanneer privacy zorgen toenemen, vertonen consumenten eerder negatieve responsen tegenover een onlineadvertentie (Sheehan & Hoy, 1999; Phelps, D’Souza & Nowak, 2001) en neemt hun koopintentie af (Milne & Boza, 1990). Recenter onderzoek bevestigt deze bevindingen (Baek & Morimoto, 2012; Van Doorn & Hoekstra, 2013). Een inbreuk op privacy en zorgen om veiligheid met betrekking tot een draadloos medium zijn dan ook vastgesteld als een van de grootste obstakels van succesvol online adverteren(Leppaniemi & Karjaluoto, 2005). Daarom is de verwachting dat privacy zorgen negatief samenhangen met de gedragsresponsen. Dit leidt tot de volgende hypothese:
H1: Een hoger OBA-personalisatieniveau leidt tot meer privacy zorgen (a), wat resulteert in een lagere doorklikintentie en koopintentie (b).
Reactance als verklaring voor het effect van het OBA-personalisatieniveau
Een tweede perceptie die beïnvloed wordt door het OBA-personalisatieniveau is reactance. Reactance wordt door Burgoon et al. (2002) gedefinieerd als ‘’A form of psychological arousal, reactance is considered a motivational state directed towards the reestablishment of free behaviors that have been eliminated or threatened with
elimination’’. De Psychological Reactance Theory (Brehm, 1966) stelt dat mensen gemotiveerd zijn om verandering tegen te werken wanneer zij het gevoel hebben dat hun persoonlijke vrijheden worden bedreigd, door hun attitudes en gedrag zodanig aan te passen dat zij hun vrijheid en autonomie herstellen.
Wanneer advertenties als te persoonlijk worden ervaren, zullen consumenten een staat van reactance ervaren. Dit omdat zij zullen vermoeden dat hun recht om autonoom te beslissen over hun persoonlijke data bedreigd wordt door onbekende adverteerders of derden (Baek & Morimoto, 2012), het gevoel hebben dat zij niet kunnen voorkomen geobserveerd te worden door bedrijven (Bleier & Eisenbeiss, 2015a) en omdat zij het idee hebben dat zij te
gemakkelijk te identificeren zijn door bedrijven (White et al., 2008). De verwachting is dat een hoger
OBA-personalisatieniveau consumenten meer het gevoel geven dat zij beperkt worden in hun vrijheden en controle dan een lager OBA-personalisatieniveau zou doen, waardoor de reactance met elk OBA-personalisatieniveau zal toenemen.
Er wordt verwacht dat de reactance die een consument naar aanleiding van OBA ervaart een invloed heeft op de gedragsresponsen op OBA. Reactance representeert namelijk de motivatie van een consument om weerstand te tonen tegenover berichten die een persuasieve intentie hebben (Brehm, 1966; Knowles & Linn, 2004), zoals OBA-advertenties. Dit betekent dat de consument hierdoor niet het gewenste gedrag zal vertonen. Tucker (2014) vond, in lijn met de Psychological Reactance Theory, dat gepersonaliseerde advertenties het effectiefst waren wanneer zij zo min mogelijk reactance opriepen bij de consument. Dit leidt tot de volgende hypothese:
H2: Een hoger OBA-personalisatieniveau leidt tot meer reactance (a), wat resulteert in een lagere doorklikintentie en koopintentie (b).
Kwetsbaarheid als verklaring voor het effect van het OBA-personalisatieniveau
Een gevoel van kwetsbaarheid treedt op wanneer consumenten het gevoel hebben dat zij te weinig controle over de situatie hebben en hierdoor een staat van machteloosheid ervaren (Baker, Gentry & Rittenburg, 2005). Volgens Aguirre et al. (2015) roepen gepersonaliseerde advertenties gevoelens van kwetsbaarheid op doordat men zich gaat beseffen dat er data over hen verzameld is. Dit is in lijn met de Psychological Ownership Theory (Boerman et al., 2017). Psychological Ownership is een mentale staat waarbij een persoon het gevoel heeft in het bezit te zijn van bepaalde externe objecten doordat zij hier sterk aan gehecht zijn, zowel cognitief als affectief (Pierce, Kostova, & Dirks, 2001). Door het besef van de dataverzameling ervaren zij een verlies in controle over hun informatie en ervaren zij een gevoel van kwetsbaarheid (Aguirre et al., 2015). De verwachting is dat dit effect ook zal optreden bij advertenties die gepersonaliseerd zijn op basis van onlinedata, dus in de context van OBA. Daarom is de verwachting dat de ervaren kwetsbaarheid met elk OBA-personalisatieniveau zal toenemen.
Er wordt verwacht dat de gevoelens van kwetsbaarheid die een consument naar aanleiding van OBA ervaart een invloed hebben op de gedragsresponsen op OBA. Aguirre et al. (2015) toonde namelijk aan dat de effecten van
OBA gemedieerd worden door het gevoel van kwetsbaarheid van de consument. Gevoelens van kwetsbaarheid zijn zeer onwenselijk, daarom ontwijken consumenten objecten die deze gevoelens creëren of hiermee samenhangen. Hierdoor zullen zij minder snel geneigd zijn op een link of een OBA te klikken en vervolgens een aankoop te voltooien. Dit leidt tot de volgende hypothese:
H3: Een hoger OBA-personalisatieniveau leidt tot meer kwetsbaarheid (a), wat resulteert in een lagere doorklikintentie en koopintentie (b).
Waargenomen relevantie als verklaring voor het effect van het OBA-personalisatieniveau
De waargenomen relevantie van een advertentie, wordt verondersteld, in tegenstelling tot privacy zorgen, reactance en kwetsbaarheid, een positief effect te hebben op de percepties van een consument. De waargenomen relevantie van een advertentie is de mate waarin consumenten een OBA-boodschap gerelateerd aan hunzelf vinden, of deze als nuttig beschouwen in het bereiken van hun aankoop-doelen (Kim & Huh, 2017).
Uit de studie van de Keyzer et al. (2015) is gebleken dat in de context van Facebook een hogere personalisatie resulteert in een grotere waargenomen relevantie van de advertentie. Echter, deze resultaten hebben betrekking op personalisatie op basis van geslacht en de gevonden effecten gelden voor de waargenomen personalisatie door de ontvanger, niet voor daadwerkelijke personalisatieniveaus. Kim en Huh (2017) stellen dat OBA sterk
gepersonaliseerde boodschappen levert aan de consument waardoor deze boodschappen relevanter voor hen zijn. Binnen deze studie is het personalisatieniveau niet gemanipuleerd maar is de respondenten gevraagd een OBA te bedenken die zij onlangs gezien hadden en op basis daarvan de vragen te beantwoorden. Op basis van deze studies wordt verwacht dat de waargenomen relevantie met elk OBA-personalisatieniveau zal toenemen.
Er wordt verwacht dat de waargenomen relevantie van OBA een positieve invloed heeft op de
gedragsresponsen op OBA. Dit kan verklaard worden aan de hand van het Elaboration Likelihood Model (ELM) (Cacioppo & Petty, 1984). Het ELM stelt dat wanneer iemand gemotiveerd en in staat is om een boodschap te verwerken deze persoon de centrale route van informatieverwerking zal volgen, welke leidt tot sterkere en meer blijvende attitudes. Wanneer een boodschap als meer persoonlijk relevant wordt beschouwd, bijvoorbeeld doordat het
van een hoger niveau van personalisatie is, leidt deze dus niet alleen tot meer aandacht maar ook tot diepere verwerking en uiteindelijk tot meer persuasie (Bright & Daugherty; De Keyzer et al., 2015). De waargenomen relevantie is een belangrijk verklarend mechanisme in het effect van OBA op doorklikintenties (Bleier & Eisenbeiss, 2015a; Kim & Huh, 2017; de Keyzer et al., 2015) en koopintenties (Pavlou & Stewart, 2000). Deze verwachting op basis van deze studies is dat de relevantie positief samenhangt met de gedragsresponsen van een consument. Dit leidt tot de volgende hypothese:
H4: Een hoger OBA-personalisatieniveau leidt tot een grotere waargenomen relevantie (a), wat resulteert in een hogere doorklikintentie en koopintentie (b)
Privacy zorgen als verklaring voor reactance
Reactance kan veroorzaakt worden door gepersonaliseerde advertenties, maar mogelijk ook door privacy zorgen. Consumenten kunnen reactance ervaren als reactie op een schending van hun privacy (Tucker, 2014) of naar aanleiding van te persoonlijke advertenties (Baek & Morimoto, 2012). Dit effect kan verklaard worden doordat zij het gevoel hebben dat hun privacy bedreigd wordt omdat hun persoonlijke data gebruikt wordt door adverteerders. Ook de bevinding van White et al. (2008) dat consumenten reactance ervaren door sterk gepersonaliseerde
advertenties heeft een link met privacy zorgen. Zij stellen namelijk dat de reactance voortkomt uit het gevoel van consumenten dat zij te goed te identificeren en te observeren zijn door bedrijven. Zij vonden dat de reactance af nam wanneer de consumenten meer controle gegeven werd over hun privacy. Hieruit blijkt dat privacy zorgen mogelijk een voorspeller zijn voor reactance.
Dit leidt tot de volgende hypothese:
H5: Hoe groter de privacy zorgen van een ontvanger naar aanleiding van een hoger OBA-personalisatieniveau, des te meer reactance zij hierdoor zullen ervaren.
De invloed van kennis op privacy zorgen
Het effect van het OBA-personalisatieniveau op de privacy zorgen van een consument kan mogelijk beïnvloed worden door de kennis die een consument heeft over OBA, cookies en cross-device retargeting. De mate van privacy zorgen die een individu ervaart is het resultaat van interactie met een bepaalde informatietechnologie, wat vraagt om bepaalde vaardigheden en technische kennis (Dinev & Hart, 2005). Hoe minder kennis men heeft over deze
informatietechnologie, des te meer zij zich zorgen zullen maken over hun privacy. In dit geval vindt er een interactie plaats met OBA en zal de kennis van de consument vervolgens bepalen in welke mate zij zich hierdoor zorgen gaan maken over hun privacy. In-app en cross-device retargeting zijn gebaseerd op recentelijke technologische
ontwikkelingen, consumenten hebben hier wellicht minder kennis over dan over single-device retargeting, waardoor deze niveaus meer privacy zorgen zullen oproepen dan single-device retargeting en niet-gepersonaliseerde
advertenties. De verwachting is daarom dat kennis over OBA, cookies en cross-device retargeting bepaalt in welke mate OBA privacy zorgen oproept bij een consument. Om deze verwachting te toetsen is de volgende hypothese opgesteld:
H6: Hoe lager de kennis over OBA, cookies en cross-device retargeting, des te groter de privacy zorgen van de ontvanger zullen zijn naar aanleiding van een hoger OBA-personalisatieniveau.
In figuur 1 zijn de hypothesen samengevat in een conceptueel model.
Figuur 1. Conceptueel model OBA-personalisatieniveau - geen personalisatie - single device - cross-device - in-app Privacy zorgen Kwetsbaarheid Relevantie Kennis Gedragsresponsen - Doorklikintentie - Koopintentie Reactance H2a H1a H3a H4a H6 H5 H1b H2b H3b H4b
Methode Stimulusmateriaal & Design
Dit onderzoek heeft gebruik gemaakt van een tussen-proefpersonen ontwerp met vier condities: (1) niet-gepersonaliseerd, (2) single-device, (3) cross-device en (4) in-app.
Om het effect van verschillende personalisatieniveaus in OBA op de percepties en gedragsresponsen van de consument te toetsen, is er gekozen voor het gebruik van op bestaande OBA gebaseerd stimulusmateriaal. Deze studie maakt hierbij gebruik van de meest voorkomende vorm van OBA (Kim & Huh, 2017): een banneradvertentie die exact het product of merk toont die de consument eerder online heeft bekeken. Er is gekozen voor een advertentie afkomstig van Airbnb omdat deze zowel vrouwen als mannen kan aanspreken. Op basis van bestaande Airbnb
advertentie zijn er vier advertenties gemaakt met behulp van Photoshop. Dit is gedaan zodat de advertentie overeen zou komen met de accommodatie die aan de respondenten getoond werd. Zie Bijlage 2 voor het stimulusmateriaal per conditie.
Respondenten en procedure
Een scenario-based online survey met experimentele setting is afgenomen onder 117 respondenten. De respondenten waren allen tussen de leeftijd van 18 en 65 (M = 27,34, SD = 8,97), waarvan 55% vrouw. Respondenten zijn
verkregen via Facebook en via de persoonlijke kring van de onderzoeker. Voorafgaand aan de survey dienden zij via een informed consent formulier aan te geven kennis genomen te hebben van de inhoud van het getoonde
informatieblad en toestemming te geven voor het gebruik van hun gegevens. Respondenten zijn random toegewezen aan een van de vier condities. Respondenten uit de niet-gepersonaliseerde conditie kregen een scenario te lezen waarin hen werd verteld dat zij op Coolblue.nl naar een Macbook pro hadden gezocht maar de website hebben verlaten zonder een aankoop te voltooien. Vervolgens werd hen op de website van nu.nl een Airbnb advertentie getoond. Respondenten uit de gepersonaliseerde condities (single-device, cross-device en in-app) kregen een scenario te lezen waarin hen verteld werd dat zij op Airbnb.com een villa op Bali, Indonesië hebben bekeken en verder zijn gaan internetten zonder een aankoop te voltooien. Deze respondenten kregen een van de drie gepersonaliseerde
Airbnb advertenties te zien: op hun laptop (single-device), op hun smartphone in de browser (cross-device) of op hun smartphone in de Instagram app (in-app). De respondenten konden zelf bepalen wanneer zij de afbeelding lang genoeg hadden bestudeerd, met een minimum van tien seconden. Hierna beantwoordden zij vragen met betrekking tot hun percepties, gedrag intenties en kennis. Tevens is er een manipulatie check toegevoegd aan de survey en is de respondenten gevraagd naar hun demografische kenmerken.
Meetinstrument per concept
De privacy zorgen zijn gemeten aan de hand van een 7-punts Likert schaal, met 6 items (Dolnicar & Jordaan, 2007; zie Tabel 1 in Bijlage 1 voor alle items), M = 5,18, SD = 1,18, EV = 3,73, = 0,87. Een hogere score representeert grotere privacy zorgen (1 = sterk mee oneens – 7 = sterk mee eens).
De reactance is gemeten aan de hand van een 7-punts Likert schaal, met 7 items (White et al., 2008; zie Tabel 1 in Bijlage 1 voor alle items). Een principale componentenanalyse met Varimax rotatie gaf aan dat de zeven items een tweedimensionale schaal vormen: twee componenten hadden een EV boven de 1 (4,32 en 1,33). Er zijn twee schalen geconstrueerd. Op basis van de eerste vier items voor reactancegevoel (M = 4,90, SD = 1,43; = 0,90) en op
basis van de laatste drie items voor reactancegedrag (M = 4,76, SD = 1,36; = 0,89). Een hogere score representeert
een grotere mate van reactance (1 = sterk mee oneens – 7 = sterk mee eens).
De kwetsbaarheid is gemeten aan de hand van een 7-punts Likert schaal, met 5 items (Aguirre et al., 2015; zie Tabel 1 in Bijlage 1 voor de items), M = 4,16, SD = 1,43, EV = 3,57, = 0,90. Een hogere score representeert een grotere mate van kwetsbaarheid (1 = sterk mee oneens – 7 = sterk mee eens).
De relevantie is gemeten aan de hand van een 7-punts Likert schaal, met 10 items (Laczniak & Muehling, 1993; zie Tabel 1 in Bijlage 1 voor alle items), M = 4,15, SD = 1,44, EV = 7,00, = 0,95. Een hogere score representeert een grotere relevantie (1 = sterk mee oneens – 7 = sterk mee eens).
De doorklik-intentie is gemeten aan de hand van de stelling ‘’I would like to click on the advertisement to gain more information’’. Respondenten gaven op een 7-punts Likert schaal aan in hoeverre zij het eens waren met
deze stelling, M = 3,53, SD = 1,74. Een hogere score representeert een grotere doorklikintentie (1 = sterk mee oneens – 7 = sterk mee eens).
De koopintentie is gemeten aan de hand van een 7-punts semantisch-differentiaal schaal gebaseerd op die van Spears en Singh, met drie items (2004; zie Tabel 2 in Bijlage 1 voor alle items), M = 4,72, SD = 1,40, EV = 3,45, = 0,95. Een hogere score representeert een grotere koopintentie.
Kennis is op drie manieren gemeten, namelijk als kennis over OBA, kennis over cookies en kennis over cross-device retargeting. De kennis over OBA en kennis over cookies zijn gemeten aan de hand van twee schalen (Smit et al., 2014; zie Tabel 3 in Bijlage 1 voor alle stellingen). Respondenten dienden per type kennis (OBA of cookies) aan te geven of zij dachten dat 8 stellingen waar of onwaar waren. Correcte antwoorden zijn gecodeerd als 1, onjuiste antwoorden zijn gecodeerd als 0. Daardoor lag de totaalscore van respondenten voor beide metingen tussen 0 en 8. Deze totaalscore diende als de waarde voor de OBA kennis (M = 6,34, SD = 1,03) en voor de cookie kennis (M = 4,37, SD = 1,43). Een hogere score representeert meer kennis over OBA meer kennis over cookies. Gebaseerd op de schalen voor kennis over OBA en cookies van Smit et al. (2014) is er een schaal geconstrueerd voor de kennis over cross-device retargeting. Respondenten dienden aan te geven of zij dachten dat 5 stellingen waar of onwaar waren (zie Tabel 4 in Bijlage 1 voor alle stellingen). Respondenten kregen voorafgaand aan deze stellingen een korte tekst over cross-device retargeting te lezen, zie bijlage 3. Juiste antwoorden zijn gecodeerd als 1, onjuiste antwoorden zijn gecodeerd als 0, daardoor lag de totaalscore van respondenten tussen 0 en 5. Deze totaalscore diende als de waarde voor de cross-device retargeting kennis schaal (M = 3,58, SD = 0,90). Een hogere score representeert meer kennis over cross-device retargeting. De totaalscores van alle drie de metingen zijn bij elkaar opgeteld en gedeeld door het totaalaantal stellingen, dit getal is vermenigvuldigd met 10 zodat er een score tussen de 0 en 10 voor elke respondent berekend werd. Deze score representeert de algehele kennis van een consument over OBA, cookies en cross-device retargeting en een hogere score representeert meer kennis, M = 6,76, SD = 1,01.
Controle variabelen en manipulatiecheck
Om alternatieve verklaringen voor mogelijke effecten uit te sluiten is er gekozen om een aantal controlevariabelen toe te voegen.
Interesse in de productcategorie
Respondenten werden gevraagd naar hun interesse in de productcategorie door middel van een 7-punts Likert schaal, gebaseerd op die van Boerman, Reijmersdal en Neijens (2012; zie Tabel 5 in Bijlage 1 voor alle items), M = 5,39, SD = 1,32, EV = 2,45, = 0,89. Een hogere score op deze schaal representeert een grotere interesse in de
productcategorie.
Demografische kenmerken
Er is gevraagd naar de leeftijd, het geslacht en het opleidingsniveau van de respondenten.
Manipulatiecheck
Een manipulatiecheck is uitgevoerd voor de personalisatie. De personalisatie is gemeten aan de hand van een 7-punts Likert schaal (Dijkstra, 2005; zie Tabel 5 in Bijlage 1 voor de items), M = 4,56, SD = 1,57, EV = 3,25, = 0,92. Een hogere score op deze schaal representeert een hogere waargenomen personalisatie (1 = sterk mee oneens – 7 = sterk mee eens).
Om te toetsen of de manipulatie succesvol is geweest is er een eenwegs-variantieanalyse uitgevoerd. Er is een significant, groot effect van de conditie op de personalisatie, F (3,113) = 18,77, p < 0,001, eta2 = 0,33. Respondenten uit conditie 1 (geen personalisatie) scoorden gemiddeld 2,94 (SD = 1,63), respondenten in de single-device conditie scoorden gemiddeld 4,79 (SD = 1,28), respondenten in de cross-device conditie scoorden gemiddeld 5,17 (SD = 1,23) en respondenten uit de in-app conditie scoorden gemiddeld 5,14 (SD = 1,03). Een post-hoc
meervoudige-vergelijkingstoets wijst uit dat enkel het verschil tussen de controle conditie (niet-gepersonaliseerd) en de drie gepersonaliseerde condities (single-device, Mverschil = -1,84, p < 0,001; cross-device, Mverschil = -2,23, p < 0,001;
in-app, Mverschil = -2,20, p < 0,001) significant is. Dit betekent dat de respondenten de condities niet beschouwden als
hogere niveaus van personalisatie.
Ook voor het device is een manipulatiecheck uitgevoerd. Respondenten gaven allereerst aan op welk device zij gezocht hadden naar een accommodatie op Airbnb.com (zie Tabel 6 in Bijlage 1 voor de antwoordopties). Ten tweede werd hen gevraagd op welk device zij de advertentie gezien hebben (zie Tabel 7 in Bijlage 1 voor de
antwoordopties). De manipulatie was succesvol, er is geen significant verschil tussen de groepen met betrekking tot het device waarop zij gezocht hebben, χ2 (9) = 11,49, p = 0,243 (zie tabel 1 voor percentages en aantallen). Er is een significant verschil tussen de groepen met betrekking tot het device waarop hen de advertentie getoond is, χ2 (9) = 87,79, p <0,001 (zie tabel 2 voor percentages en aantallen).
Resultaten
Voor ieder proces is er een apart mediatiemodel getoetst aan de hand van de PROCESS macro in SPSS, (Hayes, 2013). Voor het toetsen van het mechanisme privacy zorgen is er een afwijkend PROCESS model toegepast omdat hier een interactie met kennis werd verondersteld. De resultaten zullen per verklarend mechanisme besproken worden aan de hand van deze PROCESS analyses.
Randomisatie
De respondenten uit de vier condities verschillen niet van elkaar op basis van geslacht, χ2
(6) = 3,33, p = 0,767, leeftijd F (3, 112) = 0,30, p = 0,826 en opleidingsniveau, χ2 (15) = 20,45, p = 0,155. Daarnaast verschillen ze ook niet van elkaar op basis van interesse in de productcategorie, F (3, 112) = 0,78, p = 0,506. Dit betekent dat de bovenstaande variabelen de effecten van het OBA-personalisatieniveau niet zullen verstoren.
Effect van OBA-personalisatieniveau op gedragsresponsen via privacy en kennis
Om hypothese 1 en hypothese 6 te toetsen is er gebruik gemaakt van de PROCESS macro in SPSS, Model 7 (Hayes, 2013). De onafhankelijke variabele was het OBA-personalisatieniveau en de afhankelijke variabelen waren de doorklikintentie en koopintentie, mediator was de privacy zorgen en de moderator was kennis (zie figuur 2). Dit model is twee keer getoetst, één keer voor elke afhankelijke variabele.
Figuur 2.
Gemodereerde mediatiemodel: effect van het OBA-personalisatieniveau op de gedragsresponsen, gemedieerd door privacy zorgen.
De resultaten tonen aan dat er, onder controle van kennis, geen significant direct effect is van OBA-personalisatieniveau op privacy zorgen, b = 0,78, t = 1,26, p = 0,212. De resultaten bieden hiermee geen
ondersteuning voor hypothese 1a. Er is geen significant interactie-effect tussen het OBA-personalisatieniveau en kennis, b = -0,15, t = -1,59, p = 0,114. De resultaten geven hiermee geen onderbouwing voor hypothese 6. Er is een marginaal significant direct effect van privacy zorgen op doorklikintentie (b = -0,26, t = -1,97, p = 0,052) en een significant effect op koopintentie (b = -0,24, t = -2,15, p = 0,033). De resultaten geven hiermee ondersteuning voor hypothese 1b. De resultaten tonen daarnaast aan dat er een significant, direct effect is van OBA-personalisatieniveau op doorklikintentie (b = -0,15, t = -1,59, p = 0,114) maar niet op koopintentie (b = 0,03, t = 0,23, p = 0,815). Zie Tabel 8 in Bijlage 1 voor alle coëfficiënten.
Privacy zorgen (M) OBA-personalisatieniveau (X) Gedragsresponsen (Y) - doorklikintentie - koopintentie Kennis (W) A1 A2 A3 c, c’ b
De resultaten bieden geen volledige onderbouwing voor hypothese 1: een hoger OBA-personalisatieniveau leidt niet tot hogere privacy zorgen, hogere privacy zorgen resulteert wel in een lagere doorklikintentie en
koopintentie.
Effect van OBA-personalisatieniveau op gedragsresponsen via reactance
Om hypothese 2 te toetsen is er gebruik gemaakt van de PROCESS macro in SPSS, Model 4 (Hayes, 2013). De onafhankelijke variabele was het OBA-personalisatieniveau en de afhankelijke variabelen waren de doorklikintentie en koopintentie, mediator was de reactance (zie figuur 3). Dit model is vier keer getoetst, gezien de opsplitsing van reactance in twee metingen: reactancegevoel en reactancegedrag. Voor deze twee metingen is de toets één keer voor elke afhankelijke variabele uitgevoerd.
Figuur 3.
Mediatiemodel: effect van het OBA-personalisatieniveau op de gedragsresponsen, gemedieerd door privacy zorgen.
De resultaten tonen aan dat er geen significant direct effect is van OBApersonalisatieniveau op reactancegevoel, b = -0,08, t = -0,68, p = 0,500. De resultaten bieden hiermee geen ondersteuning voor hypothese 2a voor reactancegevoel. De resultaten tonen aan dat er een significant direct effect is van OBA-personalisatieniveau op reactancegedrag, b = -0,27, t = 2,47, p = 0,015. Echter, dit effect is negatief in plaats van positief, waarmee de resultaten geen
ondersteuning bieden voor hypothese 2a voor reactancegedrag.
Er is een significant direct effect van zowel reactancegevoel (b = -0,45, t = -4,58, p < 0,001) als reactancegedrag (b = -0,60, t = -5,88, p < 0,001) op de doorklikintentie. Er is tevens een significant direct effect van reactancegevoel (b
Reactance OBA-personalisatieniveau Gedragsresponsen - doorklikintentie - koopintentie c, c’ b a
= -0,25, t = -2,85, p = 0,005) en reactancegedrag b = -0,30, t = -3,20, p = 0,002) op koopintentie. De resultaten bieden hiermee ondersteuning voor hypothese 2b.
Er is, zonder reactancegevoel als mediator, geen significant direct effect van OBA-personalisatieniveau op doorklikintentie, b = 0,48, t = 3,81, p < 0,001. De verklaarde variantie van de regressie was significant, R2 = 0,25, F (2, 114) = 18,9, p < 0,001. Bootstrapping bevestigd dat de mediatie niet significant is, indirect effect van
reactancegevoel = 0,04, 95% BCBCI [-0,07, 0,17]. Er is, zonder reactancegevoel als mediator, ook geen significant direct effect van OBA-personalisatieniveau op de koopintentie, b = 0,06, t = 0,51, p = 0,280. De verklaarde variantie van de regressie was significant, R2 = 0,07, F (2, 114) = 4,29, p = 0,016. Bootstrapping bevestigd dat de mediatie niet
significant is, indirect effect van reactancegevoel = 0,02, 95% BCBCI [-0,04, 0,11].
Er is, zonder reactancegedrag als mediator, een significant direct effect van OBA-personalisatieniveau op de
koopintentie, b = 0,35, t = 2,88, p = 0,005. De verklaarde variantie van de regressie was significant, R2 = 0,32, F (2, 114) = 26,63, p < 0,001. Bootstrapping bevestigd dat de mediatie niet significant is, indirect effect van reactancegedrag = 0,16, 95% BCBCI [0,04, 0,33]. Er is, zonder reactancegedrag, geen significant direct effect van
OBA-personalisatieniveau op koopintentie, b = 0,00, t = 0,04, p = 0,966. De verklaarde variantie van de regressie was significant, R2 = 0,09, F (2, 114) = 5,35, p = 0,006. Bootstrapping bevestigd dat de mediatie niet significant is, indirect effect van reactancegedrag = 0,08, 95% BCBCI [0,02, 0,19].
De resultaten bieden geen volledige onderbouwing voor hypothese 2: een hoger OBA-personalisatieniveau leidt niet tot hogere reactance, hogere reactance resulteert wel in een lagere doorklik- en koopintentie.
Effect van OBA-personalisatieniveau op gedragsresponsen via kwetsbaarheid
Om hypothese 3 te toetsen is er gebruik gemaakt van de PROCESS macro in SPSS, Model 4 (Hayes, 2013). De onafhankelijke variabele was het OBA-personalisatieniveau en de afhankelijke variabelen waren de doorklikintentie en koopintentie, mediator was de kwetsbaarheid (zie figuur 4). Dit model is twee keer getoetst, één keer voor elke afhankelijke variabele.
Figuur 4.
Mediatiemodel: effect van het OBA-personalisatieniveau op de gedragsresponsen, gemedieerd door kwetsbaarheid.
De resultaten tonen aan dat OBA-personalisatieniveau een marginaal significant effect heeft op kwetsbaarheid (b = 0,20, t = 1,72, p < 0,088). De resultaten bieden hiermee onderbouwing voor hypothese 3a. De resultaten tonen aan dat er geen significant direct effect is van kwetsbaarheid op doorklikintentie (b = -0,07, t = -0,65, p = 0,514) en koopintentie (b = -0,02, t = -0,26, p = 0,795). De resultaten bieden hiermee geen onderbouwing voor hypothese 3b.
Er is, zonder kwetsbaarheid als mediator, een significant direct effect van OBA-personalisatieniveau op doorklikintentie, b = 0,53, t = 3,84, p <0,001. De verklaarde variantie van de regressie was significant, R2 = 0,28, F (2, 114) = 22,70, p < 0,001. Bootstrapping bevestigd dat de mediatie niet significant is, indirect effect van
kwetsbaarheid = -0,01, 95% BCBCI [-0,08, 0,02]. Daarnaast is er, zonder kwetsbaarheid als mediator, geen
significant direct effect van OBA-personalisatieniveau op koopintentie, b = 0,08, t = 0,70, p = 0,487. De verklaarde variantie van de regressie was significant, R2 = 0,00, F (2, 114) = 0,26, p = 0,775. Bootstrapping bevestigd dat de mediatie niet significant is, indirect effect van kwetsbaarheid = -0,00, 95% BCBCI [-0,07, 0,03].
De resultaten bieden geen volledige onderbouwing voor hypothese 3: een hoger OBA-personalisatieniveau leidt tot hogere kwetsbaarheid, maar hogere kwetsbaarheid resulteert niet in een lagere doorklikintentie en
koopintentie.
Effect van OBA-personalisatieniveau op gedragsresponsen via relevantie
Om hypothese 4 te toetsen is er gebruik gemaakt van de PROCESS macro in SPSS, Model 4 (Hayes, 2013). De onafhankelijke variabele was het OBA-personalisatieniveau (geen personalisatie, single-device, cross-device en
in-Kwetsbaarheid OBA-personalisatieniveau Gedragsresponsen - doorklikintentie - koopintentie c, c’ a b
app) en de afhankelijke variabelen waren de doorklikintentie en koopintentie, mediator was de relevantie (zie figuur 5). Dit model is twee keer getoetst, één keer voor elke afhankelijke variabele.
Figuur 5.
Mediatiemodel: effect van het OBA-personalisatieniveau op de gedragsresponsen, gemedieerd door waargenomen Relevantie.
De resultaten tonen aan dat er een significant direct effect is van OBA-personalisatieniveau op waargenomen relevantie, b = 0,60, t = 5,72, p < 0,001. De resultaten bieden hiermee onderbouwing voor hypothese 4a. De
resultaten tonen daarnaast aan dat er een significant, direct effect is van waargenomen relevantie op doorklikintentie (b = 0,57, t = 5,26, p <0,001) en de koopintentie (b = 0,43, t = 4,55, p < 0,001). De resultaten bieden hiermee
onderbouwing voor hypothese 4b.
Er is, zonder relevantie als mediator, geen significant direct effect van OBA-personalisatieniveau op
doorklikintentie (b = -0,17, t = 1,24, p = 0,216). De verklaarde variantie van de regressie was significant, R2 = 0,28, F (2,114) = 22,70, p < 0,001. Bootstrapping bevestigd dat de mediatie significant is, indirect effect van relevantie = 0,34, 95% BCBCI [0,18, 0,57]. Daarnaast is er, zonder relevantie als mediator, geen significant direct effect van OBA-personalisatieniveau op koopintentie (b = -0,18, t = -1,50, p = 0,135). De verklaarde variantie van de regressie was significant, R2 = 0,16, F (2,114) = 32,67, p < 0,001. Bootstrapping bevestigd dat de mediatie significant is, indirect effect van relevantie = 0,26, 95% BCBCI [-0,42, 0,06].
Uit de resultaten is gebleken dat de waargenomen relevantie een significant mediërend effect heeft op de doorklikintentie en koopintentie van een consument. Dit betekent dat het effect van OBA-personalisatieniveau op de doorklik- en koopintentie wordt verklaard door de waargenomen relevantie.
Relevantie OBA-personalisatieniveau Gedragsresponsen - doorklikintentie - koopintentie a b c, c’
Het effect van OBA-personalisatieniveau op reactance, via privacy zorgen
Om hypothese 6 te toetsen is er gebruik gemaakt van de PROCESS macro in SPSS, model 4 (Hayes, 2013). De onafhankelijke variabele was het OBA-personalisatieniveau, de afhankelijke variabelen was de reactance en de mediator was privacy zorgen (zie figuur 6). Dit model is twee keer getoetst, één keer voor elke vorm van reactance.
Figuur 6.
Mediatiemodel: effect van het OBA-personalisatieniveau op de reactance, gemedieerd door privacy zorgen.
De resultaten tonen aan dat het OBApersonalisatieniveau een significante voorspeller is voor privacy zorgen, b = -0,21, t = -2,18, p = 0,031. De resultaten tonen tevens aan dat er een significant direct effect is van privacy zorgen op reactancegevoel (b = 0,69, t = 7,09, p < 0,001) en reactancegedrag (b = 0,43, t = 4,35, p < 0,001). De resultaten bieden hiermee onderbouwing voor hypothese 6.
Het directe effect van OBApersonalisatieniveau op reactancegevoel is niet significant, b = 0,06, t = 0,62, p = -0,536. De verklaarde variantie van de regressie was significant, R2 = 0,31, F (2, 114) = 25,46, p < 0,001.
Bootstrapping bevestigd dat de mediatie significant is, indirect effect van privacy = -0,14, 95% BCBCI [-0,30, -0,02]. Het directe effect van OBA-personalisatieniveau op reactancegedrag is marginaal significant, b = -0,18, t = -1,74, p = 0,085. De verklaarde variantie van de regressie was significant, R2 = 0,19, F (2, 114) = 12,99, p < 0,001.
Bootstrapping bevestigd dat de mediatie significant is, indirect effect van privacy = 0,09, 95% BCBCI [ 0,21, -0,02].
Uit de resultaten is gebleken dat privacy zorgen een significant mediërend effect heeft op reactancegevoel en
reactancegedrag. Dit betekent dat het effect van OBA-personalisatieniveau op reactance wordt verklaard door privacy
zorgen. OBA-personalisatieniveau Reactance Privacy zorgen c, c’ a b
Conclusie en discussie
Het doel van dit onderzoek was het verkrijgen van meer inzicht in het effect van verschillende personalisatieniveaus van OBA en in de onderliggende mechanismen. Dit onderzoek heeft een aantal sterke kanten. Zo is de steekproef niet beperkt tot studenten maar bevat deze ook respondenten uit andere leeftijdsgroepen. Deze studie is daarnaast de eerste die personalisatieniveaus heeft gedefinieerd aan de hand van het device en het platform waarop een OBA getoond wordt en levert zo een bijdrage aan de bestaande kennis over OBA. Er zijn onderliggende mechanismen onderzocht die negatief en positief bijdragen aan de effectiviteit van OBA. Meer specifiek werden privacy zorgen, reactance, kwetsbaarheid en relevantie onderzocht als mogelijk verklarende mechanismen. De kennis van
consumenten over OBA, cookies en cross-device retargeting is onderzocht als moderator voor het effect van OBA-personalisatieniveau op privacy zorgen. De bevindingen worden hieronder per onderliggend mechanisme besproken worden.
De resultaten tonen allereerst aan dat een hoger OBA-personalisatieniveau niet resulteert in meer privacy zorgen. Dit is in tegenstelling tot de eerdere bevindingen (Baek & Morimoto, 2012; Phelan et al., 2016; Phelps et al., 2000; Tucker, 2014). Ook is gebleken dat de kennis van een consument geen invloed heeft op de relatie tussen OBA-personalisatieniveau en privacy zorgen. Het is dus niet zo dat mensen met meer kennis over OBA, Cookies en cross-device retargeting zich minder zorgen maken om hun privacy. Dit is in tegenstelling tot eerdere bevindingen (Dinev & Hart, 2005; McDonald & Cranor, 2010; Smit et al., 2014; Ur et al., 2012). Dat de data de verwachtingen niet ondersteunen kan mogelijk verklaard worden door de hoge gemiddelde score voor privacy zorgen, dit zorgt voor een plafondeffect. Meer variantie in deze variabele had kunnen resulteren in het vinden van het verwachtte effect. Ook kan het mogelijk verklaard worden door de gebruikte schaal voor privacy zorgen (Dolnicar & Jordaan, 2007). De gebruikte items waren algemeen geformuleerd waardoor respondenten mogelijk hebben geantwoord op basis van hun privacy zorgen in het algemeen en niet specifiek voor het soort advertentie waaraan zij zijn blootgesteld. De items waren wellicht te weinig gerelateerd aan de context van OBA waardoor privacy zorgen nu niet als mediator heeft opgetreden.
De resultaten tonen aan dat privacy zorgen van consumenten een negatief effect te hebben op hun doorklik- en koopintenties. Dit is in lijn met eerdere bevindingen (Baek & Morimoto, 2012; Van Doorn & Hoekstra, 2013; Milne & Boza 1990; Phelps et al., 2001).
Ten tweede tonen de resultaten aan dat consumenten niet meer reactance ervaren wanneer zij worden blootgesteld aan een hoger OBA-personalisatieniveau. Dit is in tegenstelling tot eerdere bevindingen (Baek & Morimoto, 2012; Bleier & Eisenbeiss, 2015b) en het Psychological Reactance Model (Brehm, 1966). Dat de data de verwachtingen niet ondersteunen kan mogelijk verklaard worden door de hoge gemiddelde scores voor reactance, dit zorgt voor een plafondeffect. Meer variantie in deze variabele had kunnen resulteren in het vinden van het verwachtte effect.
Wel is gebleken dat hogere reactance ervoor zorgt dat consumenten een lagere doorklik- en koopintentie hebben, wat in lijn is met het Psychological Reactance model (Brehm, 1966).
Ten derde tonen de resultaten aan dat er een relatie is tussen het OBA-personalisatieniveau en de gevoelens van kwetsbaarheid van consument. Hoe hoger het OBA-personalisatieniveau, des te kwetsbaarder de consument zich voelt. Dit is in overeenstemming met eerdere bevindingen (Aguirre et al., 2015; Andreasen, Cooper-Martin & Smith, 1994) en de Psychological Ownership Theory. Echter, de gevoelens van kwetsbaarheid van een consument blijken geen effect te hebben op de doorklik- en koopintentie, dit is in tegenstelling tot de bevindingen van Aguirre et al. (2015) en de Psychological Ownership Theory.
Ten vierde tonen de resultaten aan dat een hoger OBA-personalisatieniveau resulteert in een hogere
waargenomen relevantie van een consument. Dit is in overeenstemming met eerdere bevindingen (de Keyzer et al., 2015; Kim & Huh, 2017). De relevantie van de boodschap hangt positief samen met zowel de doorklik- als met de koopintentie. Dit is in overeenstemming met eerdere bevindingen (Bleier & Eisenbeiss, 2015a; Kim & Huh, 2017; De Keyzer et al., 2015; Pavlou & Stewart, 2000) en het Elaboration Likelihood Model (Cacioppo & Petty, 1984). Dit onderzoek toont aan dat de relatie tussen het personalisatieniveau van OBA en de doorklik- en koopintentie verklaart kan worden door de relevantie van de advertentie.
Samengevat blijkt dat het OBA-personalisatieniveau enkel van invloed is op de ervaren kwetsbaarheid en waargenomen relevantie van een consument. Er bleek geen effect te zijn van het OBA-personalisatieniveau op de
privacy zorgen die een consument heeft of de reactance die hij of zij ervaart. Ook de kennis van de consument heeft geen invloed op de mate van privacy zorgen die deze persoon heeft. De privacy zorgen, reactance en relevantie blijken voorspellend voor de gedragsresponsen van de consument. Het ervaren van kwetsbaarheid was dit niet.
Ondanks dat deze studie belangrijke inzichten biedt, zijn er ook een aantal beperkingen. Allereerst is er een zogenaamde scenario-based approach toegepast. Dit is een veelgebruikte methode binnen dit onderzoek domein (Bleier & Eisenbeiss, 2015b; Van Doorn & Hoekstra, 2013; Jai et al., 2013). Echter, Het is hierdoor niet met zekerheid te zeggen dat respondenten dezelfde responsen zouden hebben wanneer zij in het dagelijks leven worden geconfronteerd met OBA. Ten tweede zijn alle effecten onderzocht voor één enkele adverteerder: Airbnb. Een overnachting in het buitenland wordt vaak als iets positiefs beschouwd waardoor consumenten wellicht minder negatieve percepties en responsen ervaren op dit soort reclames. Daarbij is een vakantie een search good waar consumenten veel tijd en aandacht in steken. Hierdoor is de generaliseerbaarheid van de gevonden resultaten naar andere productcategorieën waarbij aankoopgedrag is gebaseerd op impuls of gewoonte mogelijk beperkt (Lambrecht & Tucker, 2013). Toekomstig onderzoek naar de in deze studie gedefinieerde OBA-personalisatieniveaus zou
daarom meerdere OBA-advertenties moeten tonen per conditie, zodat effecten voor verschillende productcategorieën en afzenders vergeleken kunnen worden.
Ten derde komt OBA voor in veel verschillende formats, afhankelijk van het type en de hoeveelheid
onlinedata die wordt gebruikt. Voor OBA kan data gebruikt worden over de merken en productcategorieën waar een consument naar gezocht heeft, maar ook over de producten die in de winkelmand zijn geplaatst of zijn opgeslagen als favoriet. De gebruikte data bepaalt de inhoud van de advertentie. In het huidige onderzoek is er een OBA getoond waarvan de inhoud gebaseerd is op data over één specifiek bekeken accommodatie op de Airbnb website. Hierdoor is de generaliseerbaarheid van de gevonden resultaten naar OBA gebaseerd op andere onlinedata over consumenten mogelijk beperkt. Om een beter beeld te krijgen van de effecten van single-device, cross-device en in-app retargeting zou toekomstig onderzoek deze dimensies kunnen combineren met OBA waarvoor verschillende soorten onlinedata over consumenten gebruikt is en dus verschillen qua content. De laatste beperking is dat de conclusies getrokken zijn op basis van één exposure in één specifieke fase van de consumer decision making process, dus vonden deze niet
plaats in de context van een customer journey. Conclusies zijn daarmee beperkt tot de fase waarin de consument al een idee heeft van wat hij of zij wilt. De Customer Journey is belangrijk want deze blijkt een grote rol te spelen in de responsen van consumenten op OBA (Bleier & Eissenbeis, 2015a; Lambrecht &Tucker, 2013). Daarom is het aan te raden om in vervolgonderzoek naar de in deze studie gedefinieerde OBA-personalisatieniveaus wel rekening te houden met deze factor.
Gebleken is dat de effectiviteit van OBA afhangt van de relevantie van de reclame en van de mate waarin de advertentie reactance en privacy zorgen oproept bij de consument. Dit zijn dus belangrijke factoren waar
adverteerders rekening mee dienen te houden. Wanneer zij eventuele reactance en privacy zorgen verlagen door bijvoorbeeld het toevoegen van privacy controls (Tucker, 2014; White et al., 2008) zou OBA een effectieve strategie kunnen zijn voor het bereiken van de doelgroep en het behalen van marketing- en bedrijfsdoelstellingen. Het maakt hierbij geen verschil of zij hun advertentie single-device, cross-device of in-app tonen. Er is gebleken dat
consumenten redelijk goede kennis hebben over OBA en cross-device retargeting, maar minder over cookies. Er ligt voor de overheidsinstanties de taak in het verschiet om met name de kennis van consumenten over cookies te
vergroten en de wetgeving over OBA en dataverzameling aan te passen zodat ook mensen met onvoldoende kennis voldoende beschermd zullen zijn.
Literatuurlijst
Aguirre, E., Mahr, D., Grewal, D., de Ruyter, K., & Wetzels, M. (2015). Unraveling the personalization paradox: The effect of information collection and trust-building strategies on online advertisement effectiveness. Journal of Retailing, 91(1), 34-49.
Aguirre, E., Roggeveen, A. L., Grewal, D., & Wetzels, M. (2016). The personalization-privacy paradox: implications for new media. Journal of Consumer Marketing, 33(2), 98-110.
Baek, T. H., & Morimoto, M. (2012). Stay away from me: examining the determinants of consumer avoidance of personalized advertising. Journal of advertising, 41(1), 59-76.
Baker, S. M., Gentry, J. W., & Rittenburg, T. L. (2005). Building understanding of the domain of consumer vulnerability. Journal of Macromarketing, 25(2), 128-139.
Bleier, A., & Eisenbeiss, M. (2015a). Personalized online advertising effectiveness: The interplay of what, when, and where. Marketing Science, 34(5), 669-688.
Bleier, A., & Eisenbeiss, M. (2015b). The importance of trust for personalized online advertising. Journal of Retailing, 91(3), 390-409.
Boerman, S. C., Kruikemeier, S., & Zuiderveen Borgesius, F. J. (2017). Online Behavioral Advertising: A Literature Review and Research Agenda. Journal of Advertising, 46(3), 363-376.
Chin, E., Felt, A. P., Sekar, V., & Wagner, D. (2012). Measuring user confidence in smartphone security and privacy. In Proceedings of the Eighth Symposium on Usable Privacy and Security (p. 1). Communications of the ACM.
Dinev, T., & Hart, P. (2005). Internet privacy concerns and social awareness as determinants of intention to transact. International Journal of Electronic Commerce, 10(2), 7-29.
Dolnicar, S., & Jordaan, Y. (2007). A market-oriented approach to responsibly managing information privacy concerns in direct marketing. Journal of Advertising, 36(2), 123-149.
eMarketer. (2015, 2 april). Mobile ad spend to top $100 billion worldwide in 2016, 51% of digital market. Geraadpleegd van http://www.emarketer.com/Article/
Mobile-Ad-Spend-Top-100-Billion-Worldwide-2016-51-of-Digital-Market/1012299.
Federal Trade Commission (2012). Protecting Consumer Privacy in an Era of Rapid Change: Recommendations for Businesses and Policymakers. Geraadpleegd van
https://www.ftc.gov/sites/default/files/documents/reports/federal-trade-commission-report-protecting-consumer-privacy-era-rapid-change-recommendations/120326privacyreport.pdf
Goldfarb, A., & Tucker, C. (2011). Online display advertising: Targeting and obtrusiveness. Marketing Science, 30(3), 389-404.
Hirose, M., Mineo, K., & Tabe, K. (2017). The Influence of Personal Data Usage on Mobile Apps. In Advances in Advertising Research, 7, 101-113.
Jai, T. M. C., Burns, L. D., & King, N. J. (2013). The effect of behavioral tracking practices on consumers’ shopping evaluations and repurchase intention toward trusted online retailers. Computers in Human Behavior, 29(3), 901-909.
De Keyzer, F., Dens, N., & De Pelsmacker, P. (2015). Is this for me? How consumers respond to personalized advertising on social network sites. Journal of Interactive Advertising, 15(2), 124-134.
Kim, H., & Huh, J. (2017). Perceived Relevance and Privacy Concern Regarding Online Behavioral Advertising (OBA) and Their Role in Consumer Responses. Journal of Current Issues & Research in Advertising, 38(1), 92-105.
Kumar, V., & Gupta, S. (2016). Conceptualizing the Evolution and Future of Advertising. Journal of Advertising, 45(3), 302–17.
Lambrecht, A., & Tucker, C. (2013). When does retargeting work? Information specificity in online advertising. Journal of Marketing Research, 50(5), 561-576.
Leon, P., Ur, B., Shay, R., Wang, Y., Balebako, R., & Cranor, L. (2012). Why Johnny can't opt out: a usability evaluation of tools to limit online behavioral advertising. In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, 589-598.
Leppaniemi, M., & Karjaluoto, H. (2005). Factors influencing consumers' willingness to accept mobile advertising: a conceptual model. International Journal of Mobile Communications, 3(3), 197-213.
Marreiros, H., Gomer, R., Vlassopoulos, M., & Tonin, M. (2015). Exploring User Perceptions of Online Privacy Disclosures. In Proceedings of IADIS International Conference WWW/Internet.
Marvin, G. (2016, 26 september). Google (finally) launches cross-device retargeting. Geraadpleegd van https://marketingland.com/google-cross-device-remarketing-launches-192819
McDonald, A., & Cranor, L. F. (2010). Beliefs and behaviors: Internet users' understanding of behavioral advertising. in Proceedings of the 2010 Research Conference on Communication, Information and Internet Policy.
Cacioppo, J. T., & Petty, R. E. (1984). The elaboration likelihood model of persuasion. ACR North American Advances.
Phelan, C., Lampe, C., & Resnick, P. (2016). It’s Creepy, but it doesn’t bother me. Proceedings of the 2016 CHI conference on human Factors in Computing Systems, New York: Association for Computing Machinery, 5240-5251.
Phelps, J. E., D'Souza, G., & Nowak, G. J. (2001). Antecedents and consequences of consumer privacy concerns: An empirical investigation. Journal of Interactive Marketing, 15(4), 2-17.
Phelps, J., Nowak, G., & Ferrell, E. (2000). Privacy concerns and consumer willingness to provide personal information. Journal of Public Policy & Marketing, 19(1), 27-41.
Pierce, J. L., Kostova, T., & Dirks, K. T. (2001). Toward a theory of psychological ownership in organizations. Academy of management review, 26(2), 298-310.
Prince, C. (2018). Do consumers want to control their personal data? Empirical evidence. International Journal of Human-Computer Studies, 110, 21-32
Rodgers, S., & Thorson, E. (2017). Digital Advertising: Theory and Research. Taylor & Francis. Rust, R. T. (2016). Comment: Is Advertising a Zombie? Journal of advertising, 45(3), 346-347. Schultz, D. (2016). The Future of Advertising or Whatever We’re Going to
Smit, E.G., Van Noort, G., & Voorveld, H.A. (2014). Understanding online behavioral advertising: user knowledge, privacy concerns, and online coping behavior in Europe. Computers in Online Behavior, 32, 15-22.
Spears, N., & Singh, S. N. (2004). Measuring Attitude toward the Brand and Purchase Intentions. Journal of Current Issues & Research in Advertising, 26(2), 53-66.
Simola, J., Kuisma, J., Öörni, A., Uusitalo, L., & Hyönä, J. (2011). The impact of salient advertisements on reading and attention on web pages. Journal of Experimental Psychology: Applied, 17(2), 174.
Tucker, C. E. (2014). Social Networks, Personalized Advertising, and Privacy Controls. Journal of Marketing Research, 51(5), 546–62.
Ur, B., Leon, P. G., Cranor, L. F., Shay, R., & Wang, Y. (2012). Smart, useful, scary, creepy: perceptions of online behavioral advertising. In proceedings of the eighth symposium on usable privacy and security (p. 4). ACM. Van Doorn, J., & Hoekstra, J.C. (2013). Customization of online advertising: The role of intrusiveness. Marketing
Letters, 24 (4), 339-351.
White, T. B., Zahay, D. L., Thorbjørnsen, H., & Shavitt, S. (2008). Getting too personal: Reactance to highly personalized email solicitations. Marketing Letters, 19(1), 39-50.
Bijlagen Bijlage 1: Tabellen
Tabel 1.
(Geroteerde) componentladingen per construct: privacy zorgen, reactance, kwetsbaarheid en relevantie
Component
Construct Items 1 2
Privacy zorgen 1. I feel uncomfortable when information is shared without permission
0,86
2. I am concerned about misuse of personal information
0,89
3. It bothers me to receive too much advertising material of no interest
0,40
4. I feel fear that information may not be safe while stored
0,88
5. I believe that information is often misused 0,84 6. I think companies share information without
permission
0,75
Reactance I find the advertisement…
1. interfering 0,85 0,28
2. forced upon me 0,89 0,14
3. intrusive 0,89 0,19
4. unwelcomed 0,73 0,49
The advertisement makes me feel compelled to…
5. resist the message 0,17 0,85
6. ignore the message 0,23 0,86
7. dismiss the message 0,30 0,89
Kwetsbaarheid The advertisement makes me feel…
1. exposed 0,79
2. unprotected 0,88
3. susceptible 0,82
4. unsafe 0,86
Relevantie The advertisement is…
1. important to me 0,85
2. meaningful to me 0,88
3. created just for me 0,70
4. worth remembering 0,84
5. of value to me 0,90
6. relevant to my needs 0,89
7. useful to me 0,92
8. worth paying attention to 0,88
9. interesting to me 0,93
10. likely to give me new ideas 0,49
Noot. Alle items zijn gemeten aan de hand van een 7-punts Likert schaal, ‘’strongly disagree - strongly agree’’.
Tabel 2.
(Geroteerde) componentladingen voor koopintentie
Component
Construct Items 1 2
Koopintentie Indicate which statement is closest to your feelings after seeing the Airbnb advertisement:
1. I would never book – I would definitely book an accommodation on Airbnb.com
0.88
2. I have no intention – I definitely have the intention to book an accommodation on Airbnb.com
0.95
3. My interest in booking an accommodation on Airbnb.com is very low – very high
0.95
4. I would most likely not book – I would most likely book an accommodation on Airbnb.com
0.94
Noot. Alle items zijn gemeten aan de hand van een 7-punts semantisch-differentiaal schaal.
Tabel 3.
Stellingen voor OBA en cookie kennis
‘’true’’ ‘’not true’’ OBA
1. When I visit a website, I see the same ads as someone else visiting that website.
13,7 86,3 2. Companies should only gather and store information about my
internet use (such as search terms, visited website, online purchases) when I give them permission to do so.
74,4 25,6
3. The ads that appear on a website differ per visitor. 95,7 4,3 4. It is punishable for companies to gather and store information
about the Internet use of individuals.
30,8 69,2 5. Your browsing history determines which ads you are going to
see during your next visit
90,6 9,4 6. Companies are allowed to store information about internet use,
provided that it is not traceable to a person
82,9 17,1 7. Companies create different user segments based on their Internet
behavior, and they show these groups targeted ads.
98,3 1,7 8. Online content and services can be offered for free because of
online advertising revenues.
84,6 15,4 Cookies
1. Cookies collect browsing history; they save the websites you visited.
81,2 18,8 2. A virus scanner prevents companies from storing information
based on search behaviour, visited websites and online purchases.
11,1 88,9
3. My browsing history is being saved by means of cookies 71,8 28,2 4. Cookies are used to place ads based on your Internet behaviour. 93,2 6,8 5. Software can ensure that cookies are automatically removed. 72,6 27.4 6. Cookies ensure, for instance, that your passwords are being
stored.
43,6 56,4 7. Cookies are person-based; it is possible to relate the stored
information to an individual.
65,0 35,0 8. If cookies are not regularly removed, your computer will slow
down.
44,9 55,1 Noot. Schuingedrukte percentages geven het correcte antwoord weer.
Tabel 4.
Stellingen voor cross-device retargeting kennis
True Not true 1. Cross-device retargeting is limited to signed-in users. 53,0 47,0 2. If a user visits an advertiser’s website on a mobile phone, the
advertiser is not able to retarget that user later on a desktop, unless they also visit the website on that desktop.
24,8 75,2
3. A deterministic approach relies on signed-in user data to identify people across devices, and with a probabilistic
approach the tracking depends upon non-personal data such as IP addresses, statistical inferences and location data.
83,8 16,2
4. Cookies and mobile IDs don’t carry over when customers switch devices.
45,3 54,7
5. Cross-device retargeting is supported by Facebook and Google 95,7 4,3 Noot. Schuingedrukte percentages geven het correcte antwoord weer.
Tabel 5.
Componentladingen: interesse in de productgroep en personalisatie
Construct Items Component
Interesse in de productgroep
Indicate to what extent you agree with the following statements:
1. I like booking holiday accommodations 0,93 2. I enjoy searching for holiday accommodations on
the internet
0,93
3. I am interested in holiday accommodations 0,85 Personalisatie Indicate to what extent you agree with the following
statements:
1. This advertisement is directed to me personally 0,90 2. I recognize my personal situation in this
advertisement
0,91
3. This advertisement takes into account the problem that I faced
0,91
4. This advertisement takes into account my personal situation
0,88
Noot. Alle items zijn gemeten aan de hand van een 7-punts Likert schaal, ‘’strongly disagree/strongly agree’’.
Tabel 6.
Manipulatiecheck voor het device waarop men gezocht heeft.
Niet-gepersonaliseerd (n = 27) Single-device (n = 26) Cross-device (n = 32) In-app (n = 32) Laptop 17 (63%) 19 (73,1%) 26 (81,3%) 28 (87,5%) Smartphone 1 (3,7%) 2 (7,7 %) 2 (6,3%) 2 (6,3%) Tablet 3 (11,1%) 2 (7,7%) 0 (0%) 2 (6,3%
Ik kan het mij niet herinneren
6 (22,2%) 3 (11,5%) 4 (12,5%) 0 (0%)
