De invloed van een slechte start op de verdere verkoopcijfers
Een verklaring van de motivatiecurve
Bachelorscriptie Econometrie
Universiteit van Amsterdam
Auteur:
Casper Mantje
Studentnummer:
10197672
Begeleider:
dr. M.J.G. (Maurice) Bun
2
Inhoudsopgave
1. Inleiding p.3
2. Theoretisch kader p.4
2.1 Motivatie p.4
2.2 Motivatie en vorige successen leiden tot prestatie p.5
2.3 Criteria voor het motivatieniveau p.5
2.4 Hypothesen p.6 3. Onderzoeksmethode p.6 3.1 Dataset p.6 3.2 Onderzoeksmodel p.7 4. Resultaten en analyse p.8 4.1 Afhankelijke variabele p.9 4.2 Hypothese 1 p.10 4.3 Hypothese 2 p.14 5. Beleidsimplicaties p.16 6. Conclusie p.17 Bibliografie p.19
3
1. Inleiding
In de huidige economie is het niet makkelijk om een baan te vinden. Voor sommige vacatures zijn tientallen tot honderden sollicitanten. Dan kan je als bedrijf niet anders dan veel mensen afwijzen. Echter, deze afwijzing heeft in veel van de gevallen een nadelig effect op de volgende sollicitatie van de afgewezen persoon. Mensen stellen namelijk na een afwijzing lagere doelstellingen en zijn minder gemotiveerd (Campion en Lord, 1982). Deze verlaagde motivatie heeft tot gevolg dat de afgewezen persoon een lagere productiviteit krijgt (Bechetti, Castriota en Tortia, 2013).
Mensen die dagelijks met tientallen afwijzingen te maken krijgen, zijn deur-tot-deurverkopers. Ze proberen hun product te verkopen, maar krijgen in het grootste deel van de gevallen te horen dat de potentiële koper geen interesse heeft. Voor de werkgever is het interessant om te kijken of het effect dat afwijzingen leiden tot een afnemende motivatie ook van toepassing is op deur-tot-deurverkopers. Er kunnen dan eventueel beleidsimplicaties, zoals een verplichte pauze na een aantal tegenslagen, getroffen worden om dit effect tegen te gaan. Daarom geeft deze empirische studie een antwoord op de vraag: in hoeverre heeft het aantal afwijzingen dat een verkoper te horen krijgt in het begin van de shift invloed op het verkoopsucces in de rest van de shift?
Voor het beantwoorden van deze centrale vraag is gebruikgemaakt van data van het bedrijf Pepperminds Marketing Company. Dit is een Nederlands marketingbureau dat jaarlijks 300.000 abonnementen werft voor verschillende opdrachtgevers. Pepperminds werft abonnees via verschillende kanalen, zoals bijvoorbeeld in winkelcentra, op straat of via telemarketing. In dit onderzoek wordt echter alleen gekeken naar deur-tot-deurverkoop. Om de data te
verzamelen, hebben verkopers gedurende drie maanden op een Ipad bijgehouden bij welk huis op welke tijd ze zijn geweest en wat de status (wel/geen verkoop) van dit huis was. In totaal zijn er 18.434 huizen bezocht door 37 verkopers. Om deze dataset te verwerken tot bruikbare resultaten wordt een kwantitatief onderzoek uitgevoerd.
De indeling van deze paper is als volgt: in hoofdstuk 2 wordt de achterliggende theorie over motivatiepsychologie uitgelicht en worden twee hypothesen opgesteld. Daarna wordt in hoofdstuk 3 de onderzoeksmethode uitgelegd. In hoofdstuk 4 worden de resultaten toegelicht en geanalyseerd. In hoofdstuk 5 worden de resultaten verwerkt tot mogelijke beleidsimplicaties. Tot slot staat in hoofdstuk 6 de conclusie.
4
2. Theoretisch kader
Om een antwoord te geven op de centrale vraag wordt in dit hoofdstuk de achterliggende literatuur besproken. Eerst wordt besproken wat motivatie inhoudt en wordt de achievement goal theory (Elliot & Dweck, 2005) uitgelegd. Vervolgens wordt de relatie tussen motivatie en prestatie verklaard. Daarna worden de factoren besproken die het motivatieniveau bepalen. Tot slot wordt de theorie als uitgangspunt genomen om hypothesen op te stellen.
2.1 Motivatie
Omdat motivatie één van de belangrijkste factoren voor een hoge productiviteit is (Bagozzi, 1976), wordt in deze paragraaf motivatie gedefinieerd en wordt de achievement goal theory besproken.
Motivatie in algemene zin bestaat volgens Ford (1992, pp.2-3) uit drie delen. Het eerste deel is de direction of behaviour (wat probeert men te bereiken), het tweede deel de energization of behaviour (hoe raakt men gemotiveerd) en tot slot de regulation of behaviour (hoe probeert men hun doel te bereiken). In dit onderzoek wordt dieper ingegaan op de vraag hoe mensen gemotiveerd of gedemotiveerd raken. Dit deel van de motivatiepsychologie wordt deels beschreven door de achievement goal theory. Achievement goals zijn gewenste
cognitieve uitkomsten van een individu (Elliot & Dweck, 2005, pp. 385). Deze theorie houdt in dat de mens doelstellingen stelt en deze gebruikt als motivatie. In de literatuur zijn
verschillende onderzoeken die vermelden dat de mate van het gebruik van achievement goals verschilt tussen geslacht. Rond 1960 was men in de veronderstelling dat vrouwen lagere doelstellingen stelden dan mannen (Hoffman, 1972; Tyler, 1965). Als verklaring hiervoor werd de socialisatie bij vrouwen gegeven. Dit houdt in dat vrouwen meer de
cultuurkenmerken van de groep aannemen en dus niet als individu eruit springen door hogere doelstellingen te stellen. Een tweede verklaring was dat vrouwen meer behoefte hadden aan verwantschap en sociale contacten dan aan hoge doelen bereiken (Hoffman, 1972). Echter, deze motivatie is bij vrouwen in 1967 tot 1981 flink gestegen. De reden hiervoor is de mogelijkheid om als vrouw carrière te maken (Jenkins 1987). In de meest recente onderzoeken is geen consensus over welk geslacht hogere doelstellingen stelt. Veel onderzoekers (bijv. Barron & Haramckiewicz, 2001; Fukada, Fukada, & Hicks, 1993; Gernigon & Le bars, 2000) denken dat er geen verschil zit tussen de geslachten. Maar er zijn ook onderzoeken waarin wordt gesteld dat vrouwen hogere doelstellingen stellen dan mannen. Deze onderzoeken zijn wel gedaan in domeinen waar vrouwen dominant zijn, zoals
5
psychologie en artistieke taal. De onderzoeken waaruit blijkt dat mannen hogere
doelstellingen stellen, zijn gedaan in domeinen waar mannen dominant zijn, zoals wiskunde. (Elliot & Dweck, 2005)
2.2 Motivatie en vorige successen leiden tot prestatie
Als verkoper heb je ook vaak te maken met achievement goals. Dit kunnen persoonlijke verkoopdoelen zijn of verkooptargets van het bedrijf. Om succesvol te zijn als verkoper moet je erg gemotiveerd zijn om deze doelstellingen te halen. Motivatie leidt namelijk bij verkopers tot een hoger prestatieniveau (Gilbert et all., 1985). In hun onderzoek hebben zij een meta-analyse uitgevoerd om te verklaren welke factoren de grootste invloed hebben op de prestatie van een verkoper. De factoren die zij hebben onderzocht zijn: geschiktheid, vaardigheid, motivatie, functie, persoonlijke factoren en omgevingsfactoren. Motivatie is na functie en vaardigheid het meest gecorreleerd met het prestatieniveau van de verkoper.
Naast motivatie leiden ook voorgaande successen volgens Diener en Dweck (1978) tot een hoger prestatieniveau. Mensen presteren beter op dezelfde taak als ze vorige keer op eenzelfde soort taak een succes hebben behaald. Echter, Bélanger, Lafreniere, Vallerand en Kruglanski (2013) spreken dit tegen. Zij denken dat dit afhangt van het soort taak en dat het effect van een voorgaand succes niet bij elke taak gelijk is.
2.3 Criteria voor het motivatieniveau
Het motivatieniveau wordt bepaald door intrinsieke en extrinsieke motivatie. Intrinsieke motivatie is motivatie die ervoor zorgt dat je een activiteit doet, omdat de activiteit interessant en aangenaam is. Dit in tegenstelling tot extrinsieke motivatie. Extrinsieke motivatie is
motivatie die ervoor zorgt dat je een activiteit doet om een reden die los staat van de activiteit zelf (Van Steenkiste, Ryan en Deci, 2008). Verkopers worden in veel gevallen gemotiveerd door extrinsieke motivatie, namelijk de beloning die ze krijgen voor de verkopen.
Het motivatieniveau kan echter worden beïnvloed door het wel of niet slagen in de vooraf gestelde doelstelling. Een eerste tegenslag op weg naar het doel maakt de motivatie van de persoon vaak groter, omdat hij de doelstelling wil halen. Echter, bij een serie van tegenslagen slaat de motivatie om en wordt de persoon gedemotiveerd of stopt hij helemaal met het nastreven van zijn doelstelling (Elliot en Dweck, 2005, pp. 532).
Volgens Ng en Feldman (2013) is werkervaring een tweede factor die invloed heeft op het motivatieniveau. Volgens de humancapitaltheorie leert een individu die langer dezelfde baan heeft meer vaardigheden die specifiek gericht zijn op het werk dat hij doet. In dit geval
6
zou dit kunnen betekenen dat iemand met meer ervaring beter om kan gaan met de tegenslagen en gemotiveerder blijft.
2.4 Hypothesen
Op basis van de hiervoor besproken onderzoeken zijn twee hypothesen gevormd. De eerste hypothese komt voort uit het feit dat het motivatieniveau wordt beïnvloed door vorige successen.
(1) De kans op een verkoop wordt na het eerste aantal afwijzingen groter, maar neemt na een groot aantal afwijzingen af.
De tweede hypothese komt voort uit de theorie over het effect van werkervaring op werk specifieke vaardigheden. Deze theorie zegt dat een individu die langer dezelfde baan heeft, meer vaardigheden leert die specifiek gericht zijn op zijn werk.
(2) Als de verkoper langer in dienst is, wordt hij minder negatief beïnvloed door afwijzingen.
In dit hoofdstuk zijn verschillende theorieën besproken over motivatie, die hebben geleid tot twee hypothesen. Hiermee is een basis gelegd voor het model dat wordt opgesteld in het volgende hoofdstuk.
3. Onderzoeksmethode
Om de hypothesen die in het theoretisch kader zijn afgeleid te toetsen, is een kwantitatief onderzoek uitgevoerd. In dit hoofdstuk wordt de onderzoeksmethode besproken en uitgelegd. In het eerste deel van dit hoofdstuk wordt de data besproken. Daarna wordt het model
opgesteld en uitgelegd welke variabelen hierin zijn opgenomen. 3.1 Dataset
De steekproef is afkomstig uit de database van Pepperminds. Om de terminologie van Pepperminds aan te houden, wordt deze eerst uitgelegd. Ten eerste zijn er verschillende verkoopkanalen. In dit onderzoek wordt alleen data gebruikt van deur-tot-deurverkoop. Daarnaast bestaat een verkoopteam uit verschillende rangen: ‘Promotor’, ‘Talent’ of
7
Pepperminds doet aan marketingconversie voor meerdere klanten, zoals Nationale Postcode Loterij, Wereld Natuur Fonds of HelloFresh. Een team werft op een dag echter maar voor één klant abonnees. De klant waarvoor een team abonnees werft heet het ‘Project’. Als een teamlid een dag heeft gewerkt op een project wordt dat een shift genoemd.
Het unieke aan deze dataset is dat het informatie bevat over slechts één project in één stad gemeten over een periode van drie maanden. Het eerste datumpunt is waargenomen op 24 februari 2015 en het laatste datumpunt is waargenomen op 14 april 2015. Gedurende deze drie maanden zijn verkopers lang de huizen gegaan en hebben na elk huis een status
doorgegeven. De volgende statussen zijn mogelijk: ‘geen interesse’, ‘goed gesprek (geen interesse)’, ‘inschrijving’, ‘is klant’, ‘niet thuis’ of ‘warm’.
De dataset bevat informatie over 232 shifts. In figuur 1 wordt meer informatie weergegeven over het aantal huizen dat de verkopers zijn langsgegaan gedurende de shifts. Het aantal waargenomen huizen varieert per shift van ongeveer 10 tot 200, met een
gemiddelde van 79,5. In totaal zijn er 18.434 huizen waargenomen. Gedurende de periode Figuur 1. Verdeling van het aantal huizen per shift
dat de data is verzameld, zijn 37 verkopers actief geweest. Over deze verkopers is in de algemene database van Pepperminds veel meer bekend. Door het linken van het shiftnummer tussen de databases is er bijvoorbeeld informatie te achterhalen over het aantal jaar dat iemand al werkt bij Pepperminds, het salaris van de specifieke shift en welke rang hij heeft. 3.2 Onderzoeksmodel
Om een antwoord te geven op de vraag in hoeverre het aantal afwijzingen in het begin van de shift invloed heeft op de verkopen in de rest van de shift is een regressiemodel opgesteld. In deze paragraaf worden de elementen van dit model besproken.
Omdat uit de theorie niet blijkt met welke afhankelijke variabele de centrale vraag het best kan worden beantwoord, zijn er twee afhankelijke variabelen gekozen. De afhankelijke
0% 2% 4% 6% 8% 10% 12% 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200
8
variabele in het eerste regressiemodel is PVx. PVx is gedefinieerd als het aantal verkopen na huis x gedeeld door het aantal huizen dat is langsgegaan na huis x. Omdat PVx de kans op verkoop meet in de gehele shift na huis x, is er gekozen voor een tweede afhankelijke variabele HTVx. HTVx is gedefinieerd als het aantal huizen tot de eerstvolgende verkoop vanaf huis x. Er is voor deze twee afhankelijke variabelen gekozen, omdat ze allebei een goed, maar mogelijk verschillend, beeld geven van het effect van niet verkopen in het begin van de shift op de rest van het verkoopsucces. De eerste verklarende variabele in het model is een dummyvariabele die aangeeft of er voor huis x een verkoop heeft plaatsgevonden (DVx). Daarnaast bevat het model meerdere controlevariabelen om voor de effecten van leeftijd, werkervaring, geslacht en rang te corrigeren. In figuur 2 is een beschrijvend overzicht weergegeven van de verklarende variabelen in het model.
Figuur 2. Beschrijvende statistiek over de verklarende variabelen
Naam variabele Definitie Gem. S.D Min Max
P Promotor (dummy) 0.50 0.50 0 1 T Talent (dummy) 0.25 0.43 0 1 C Leidinggevende (dummy) 0.25 0.43 0 1 L Leeftijd in jaren 21.98 2.15 18 30 WE Werkervaring in maanden 5.91 5.23 0 23 F Vrouw (dummy) 0.28 0.45 0 1
De motivatietheorie uit hoofdstuk 2 leidt tot de volgende basisspecificatie:
(1) 𝑃𝑉𝑥 = 𝛽0 + 𝛽1 ∗ 𝐷𝑉𝑥 + 𝛽2 ∗ 𝐶 + 𝛽3 ∗ 𝑃 + 𝛽4 ∗ 𝐿 + 𝛽5 ∗ 𝑊𝐸 + 𝛽6 ∗ 𝐹 + 𝜀
De regressie wordt meerdere malen uitgevoerd, elke keer met een andere waarde voor x. Hierdoor wordt bij een bepaalde x gemeten wat het effect is van het feit dat je voor huis x nog niks hebt verkocht op de kans op verkoop na huis x.
4. Resultaten en analyse
In dit hoofdstuk worden de resultaten getoond van het model dat in hoofdstuk drie is
9
variabele. Daarna worden de resultaten van de regressies, die gebruikt worden om hypothese 1 te toetsen, getoond en verklaard. Tot slot wordt hypothese 2 getoetst aan de hand van de resultaten van een aanpassing op basisspecificatie (1).
4.1 Afhankelijke variabele
Zoals in het vorige hoofdstuk uitgelegd, zijn er meerdere regressies uitgevoerd om het effect van het aantal afwijzingen op de kans op verkoop in het vervolg van de shift te meten. Er is Figuur 3. Beschrijvende statistiek over de afhankelijke variabele
x Aantal observaties Gemiddelde PVx Gemiddelde DVx
5 231 0.050 0.962 10 230 0.056 0.835 15 228 0.068 0.759 20 223 0.062 0.677 25 219 0.059 0.580 30 211 0.063 0.507 35 203 0.078 0.473 40 189 0.064 0.407 45 180 0.057 0.367 50 167 0.063 0.335 60 149 0.053 0.295 70 127 0.057 0.268 80 105 0.069 0.229 90 83 0.051 0.253 100 59 0.041 0.288
gekozen om acht regressies te doen met x’en variërend van vijf tot veertig. Deze waarden zijn gekozen naar aanleiding van de lengte van de shift, waarover meer informatie te vinden is in figuur 1. De kans op verkoop na huis x (PVx) varieert van 4,1 tot 7,8 procent. In het begin
10
stijgt de kans op verkoop van 5,0 procent bij PV5 tot 7,8 procent bij PV35, maar daarna daalt
hij tot 4,1 procent bij PV100. Uitgebreidere informatie over de afhankelijke variabele is te
vinden in figuur 3. In dit onderzoek wordt niet nader ingegaan op de veranderende kans op verkoop, maar alleen op het effect van een slechte start op deze kans op verkoop. Naast informatie over PVx is in figuur 3 meer informatie te zien over de belangrijkste verklarende variabele, DVx. Dit is een dummyvariabele die aangeeft of een verkoper voor huis x wel of geen verkoop heeft gemaakt. Het gemiddelde is te interpreteren als de fractie verkopers uit de steekproef die voor huis x geen product heeft verkocht.
4.2 Hypothese 1
Om de afhankelijke variabele te verklaren, is gebruik gemaakt van de verklarende variabelen die genoemd zijn in hoofdstuk 3. Om voor heteroskedasticiteit te corrigeren is bij alle
regressies gebruik gemaakt van robuuste standaardfouten. De eerste regressie die is uitgevoerd is specificatie (1). Aan de hand van de uitkomsten van deze regressie wordt de volgende hypothese getoetst:
De kans op een verkoop wordt na het eerste aantal afwijzingen groter, maar neemt na een groot aantal afwijzingen af.
Een mogelijke grafische weergave van deze hypothese staat in figuur 4 (groene lijn). Ook zijn in figuur 4 de resultaten van specificatie (1) (blauwe lijn) en de resultaten van de regressie van de resultaten op het aantal huizen zonder constante (rode lijn). Deze rode lijn geeft de best mogelijke lineaire fit aan van de resultaten. Als de verwachte theoretische curve wordt vergeleken met de resultaten van de regressie, is te zien dat deze niet geheel overeenkomen. Figuur 4. Motivatiecurve volgens de theorie en de resultaten
-0.08 -0.06 -0.04 -0.02 0 0.02 0 5 10 15 20 25 30 35 40 45
11
In de uitkomsten van de regressies, weergegeven in figuur 5, daalt de coëfficiënt van PVx van 0 bij x = 0 tot ongeveer -0.044 bij x = 40. Dit wijst op een afname van motivatie door een groter aantal teleurstellingen.
Deze lineaire daling in motivatie komt niet overeen met de theorie van Elliot en
Dweck (2005). Zij beweren dat na de eerste mislukkingen richting een doelstelling de persoon gemotiveerder is. Dit zou in het geval van de verkoper ertoe leiden dat hij meer verkoopt. Echter, wat wel overeenkomt met de theorie, is het negatieve effect van opvolgende
afwijzingen op de motivatie. Er lijkt een lineair verband te zitten tussen het aantal afwijzingen en de afname van motivatie. De richtingscoëfficiënt van het gefitte resultaat is -0,0011. Dit houdt in dat voor elke extra afwijzing die een verkoper aan het begin van de shift krijgt, zijn verkoopkans met 0,11% daalt.
Figuur 5. Resultaten voor specificatie (1)
Regressie DVx Standaardfout P-waarde R2
PV5 0.000 0.009 0.968 0.045 PV10 -0.026 0.018 0.163 0.053 PV15 -0.020 0.022 0.353 0.017 PV20 -0.025 0.019 0.195 0.051 PV25 -0.031 0.015 0.034 0.064 PV30 -0.037 0.015 0.013 0.082 PV35 -0.048 0.021 0.026 0.072 PV40 -0.029 0.017 0.092 0.021
Om ervoor te zorgen dat bovenstaande resultaten een zo realistisch mogelijk beeld geven over de regressie is gekozen voor de controlevariabelen leeftijd, werkervaring, rank en geslacht. Door deze controlevariabelen toe te voegen, wordt de kans op vertekening door vergeten variabelen klein. De controlevariabelen zijn zelden significant. Echter, leeftijd komt in sommige regressies significant positief naar voren. Dit komt overeen met de resultaten van Otten (2015).
Doordat gewerkt wordt met een percentage als afhankelijke variabele heeft deze een restrictie tussen nul en één. Echter, de OLS schatter houdt hier geen rekening mee. Om hier wel rekening mee te houden, is de data getransformeerd tot een fractielogitmodel. Vergeleken
12
met basisspecificatie (1) is alleen de afhankelijke variabele verandert in 𝐿𝑁( 𝑃𝑉𝑥
1−𝑃𝑉𝑥). Door
deze transformatie wordt het bereik van de waarnemingen niet meer begrensd tussen nul en één en is het mogelijk om OLS toe te passen. Om ook de waarnemingen met PVx = 0 mee te kunnen nemen in de regressie is hier een klein getal bij opgeteld, zodat er geen LN(0)
uitkomt. De interpretatie van de coëfficiënten verandert door de transformatie. Het marginale effect wordt nu weergegeven door 𝛽𝑗 ∗ (𝑃𝑉𝑥 ∗ (1 − 𝑃𝑉𝑥)). Waarbij voor 𝑃𝑉𝑥 het
steekproefgemiddelde wordt ingevuld. De resultaten van de fractielogitregressie (figuur 6) ondersteunen het resultaat van specificatie (1). Het negatieve marginale effect komt iets minder sterk naar voren dan in specificatie (1), maar de meeste
Figuur 6. Resultaten voor het fractielogitmodel
x DVx Marginaal effect Standaardfout P-waarde R2
5 -0.313 -0.015 0.416 0.452 0.048 10 -0.668 -0.033 0.331 0.045 0.062 15 -0.455 -0.029 0.334 0.174 0.051 20 0.094 0.006 0.366 0.797 0.047 25 -0.142 -0.009 0.367 0.699 0.049 30 -0.401 -0.025 0.363 0.271 0.047 35 -0.191 -0.013 0.382 0.618 0.021 40 0.105 0.007 0.399 0.793 0.016
coëfficiënten zijn negatief. Echter moeten de resultaten zeer voorzichtig worden
geïnterpreteerd, omdat de p-waarde zelden in de buurt van het 95% betrouwbaarheidsinterval komt.
Omdat uit de motivatietheorie niet blijkt wat de beste afhankelijke variabele is om mee te nemen in het model, is gekozen om een alternatieve regressie uit te voeren en te kijken of de resultaten consistent zijn met de hierboven gevonden resultaten. De afhankelijke variabele in het tweede model is het aantal huizen tot de volgende verkoop vanaf huis x (HTVx). De specificatie wordt nu als volgt:
13
Omdat de afhankelijke variabele enkel uit geheeltallige waarden bestaat, is een
poissonregressie uitgevoerd. De resultaten van de regressie staan weergegeven in figuur 7. Omdat er een poissonregressie is uitgevoerd, kunnen de coëfficiënten niet direct worden geïnterpreteerd, maar het marginale effect kan worden geschat door 𝛽𝑗 ∗ 𝑒𝜇′𝛽, want:
Marginale effect = 𝛽𝑗 ∗ 𝑒𝑋′𝛽 ≈ 𝛽𝑗 ∗ 𝑒𝜇′𝛽. Waarbij 𝜇 een vector met steekproefgemiddeldes
is. Uit de resultaten blijkt dat er een duidelijk positief marginaal effect is van de dummy DVx op het aantal huizen dat moet worden langsgegaan tot de volgende verkoop. Dit komt overeen met de resultaten uit voorgaande regressies. Een marginaal effect bij DV25 van 7.18 is als
volgt te interpreteren: als er nog niet is verkocht voor huis 25, duurt het 7.18 huizen langer tot de volgende verkoop ten opzichte van als er wel is verkocht voor huis 25. Het lijkt alsof dit marginale effect bij x=5 het grootst is en dan sterk afneemt tot x=15. Dit is geen logische gebeurtenis, want dit zou impliceren dat de motivatie eerst veel lager wordt en daarna weer een beetje toeneemt. Een mogelijke verklaring voor deze hoge waardes bij x=5 en x=10 is de kleine fractie verkopers die voor huis 5 respectievelijk 10 iets hebben verkocht.
Figuur 7. Resultaten voor specificatie (2)
X DVx Standaardfout Marginaal effect P-waarde Pseudo R2
5 0.616 0.204 17.70 0.003 0.091 10 0.576 0.185 14.91 0.002 0.120 15 0.401 0.167 9.74 0.017 0.090 20 0.196 0.151 9.90 0.194 0.051 25 0.298 0.143 7.18 0.037 0.060 30 0.388 0.155 8.93 0.012 0.073 35 0.368 0.171 7.47 0.032 0.073 40 0.388 0.158 8.28 0.014 0.069
Samenvattend kunnen we concluderen dat er een overduidelijk negatief verband bestaat tussen het niet verkopen voor huis x en de verkopen na huis x. Zowel uit de resultaten van specificatie (1) en (2) komen significante waarden die wijzen op dit verband. In regressie 1 komt naar voren dat de kans op verkoop in de rest van de shift met 0,11% afneemt per huis dat je niet verkoop. Ook is geprobeerd specificatie (1) verder uit de werken met het
14
fractielogitmodel. Hier werden echter geen significante waarden gevonden. Het belangrijkste resultaat uit specificatie (2) is dat het ongeveer 7 tot 10 huizen langer duurt voordat een verkoop wordt gemaakt als tot huis x nog niet is verkocht.
4.3 Hypothese 2
In bovenstaande paragraaf is aangetoond dat er een significant negatief effect is van het aantal huizen zonder verkoop op de verkoopkans in de rest van de shift. Echter, volgens de
humancapitaltheorie hangt dit effect af van het aantal jaar dat je bij een bedrijf werkt. Om dit effect te meten, is de kruisvariabele 𝑊𝐸 ∗ 𝐷𝑉𝑥 toegevoegd aan specificatie (1). Dit leidt tot de volgende regressieformule:
(3) 𝑃𝑉𝑥 = 𝛽0 + 𝛽1 ∗ 𝐷𝑉𝑥 + 𝛽2 ∗ 𝐶 + 𝛽3 ∗ 𝑃 + 𝛽4 ∗ 𝐿 + 𝛽5 ∗ 𝑊𝐸 + 𝛽6 ∗ 𝐹 + 𝛽7 ∗ 𝑊𝐸 ∗ 𝐷𝑉𝑥 + 𝜀
De resultaten van deze regressie worden weergegeven in figuur 8. Van de acht regressies die zijn gedaan, is geen van de coëfficiënten van DVx*WE significant op basis van een vijf
procent betrouwbaarheidsinterval. Deze resultaten ondersteunen hypothese 2 niet, omdat de Figuur 8. Resultaten voor specificatie (3)
Regressie DVx Standaardfout DVx*WE Standaardfout R2
PV5 0.001 0.019 -0.0002 0.0019 0.045 PV10 -0.030 0.022 0.0007 0.0020 0.053 PV15 -0.024 0.031 0.0005 0.0021 0.017 PV20 -0.030 0.023 0.0008 0.0018 0.051 PV25 -0.032 0.025 0.0002 0.0026 0.064 PV30 -0.043 0.027 0.0010 0.0032 0.082 PV35 -0.030 0.040 -0.0032 0.0050 0.074 PV40 -0.020 0.030 -0.002 0.0039 0.023
Coëfficiënten niet significant van nul verschillen. Om dit te controleren zijn nog een aantal regressies uitgevoerd. In specificatie (4) zijn in plaats van de kruisvariabele DVx*WE twee nieuwe kruisvariabelen toegevoegd: DVx*C en DVx*P. Dit om te kijken of het effect wel zichtbaar is als er in plaats van naar het aantal maanden werkervaring gekeken wordt naar
15
welke rang een verkoper heeft. In specificatie (5) en (6) zijn dezelfde kruistermen toegevoegd, maar dan met afhankelijke variabele 𝐻𝑇𝑉𝑥.
(4) 𝑃𝑉𝑥 = 𝛽0 + 𝛽1 ∗ 𝐷𝑉𝑥 + 𝛽2 ∗ 𝐶 + 𝛽3 ∗ 𝑃 + 𝛽4 ∗ 𝐿 + 𝛽5 ∗ 𝑊𝐸 + 𝛽6 ∗ 𝐹 + 𝛽7 ∗ 𝐶 ∗ 𝐷𝑉𝑥 + 𝛽8 ∗ 𝑃 ∗ 𝐷𝑉𝑥 + 𝜀 (5) 𝐻𝑇𝑉𝑥 = 𝛽0 + 𝛽1 ∗ 𝐷𝑉𝑥 + 𝛽2 ∗ 𝐶 + 𝛽3 ∗ 𝑃 + 𝛽4 ∗ 𝐿 + 𝛽5 ∗ 𝑊𝐸 + 𝛽6 ∗ 𝐹 + 𝛽7 ∗ 𝑊𝐸 ∗ 𝐷𝑉𝑥 + 𝜀 (6) 𝐻𝑇𝑉𝑥 = 𝛽0 + 𝛽1 ∗ 𝐷𝑉𝑥 + 𝛽2 ∗ 𝐶 + 𝛽3 ∗ 𝑃 + 𝛽4 ∗ 𝐿 + 𝛽5 ∗ 𝑊𝐸 + 𝛽6 ∗ 𝐹 + 𝛽7 ∗ 𝐶 ∗ 𝐷𝑉𝑥 + 𝛽8 ∗ 𝑃 ∗ 𝐷𝑉𝑥 + 𝜀
Uit de resultaten van specificatie (4) komt naar voren dat het feit dat iemand een captain of een promotor is geen significant van nul verschillend effect heeft op DVx. Dit ondersteunt hypothese 2 niet. Ook specificatie (5) geeft geen significante resultaten. Sommige resultaten van specificatie (6) (figuur 9) daarentegen zijn wel significant. De negatieve coëfficiënt van DV5*C, DV10*C en DV5*P komen overeen met de theorie. De negatieve coëfficiënt zegt dat
een captain / promotor minder beïnvloed wordt door het nog niet hebben verkocht dat een talent.
Figuur 9. Resultaten voor specificatie (6)
x DVx Standaardfout DVx*C Standaardfout DVx*P Standaardfout
5 1.53 0.157*** -1.306 0.415** -0.900 0.275*** 10 1.144 0.356*** -1.100 0.9,427** -0.490 0.435 15 0.726 0.492 -0.700 0.550 -0.278 0.543 20 0.185 0.401 -0.306 0.471 0.172 0.446 25 0.212 0.271 -0.237 0.391 0.273 0.339 30 0.249 0.316 -0.064 0.438 0.284 0.368 35 0.132 0.340 0.306 0.498 0.341 0.395 40 0.202 0.294 0.287 0.425 0.270 0.355 * = p<0.05, ** = p<0.01, *** = p<0,001
Ondanks dat in de laatste regressie een aantal significante resultaten lijken te wijzen op het feit dat een captain / promotor beter om kan gaan met afwijzingen is er toch niet genoeg bewijs om hypothese twee te ondersteunen. Uit drie van de vier regressies komen geen significante resultaten en uit de laatste regressie komen slechts significante resultaten voor
16
lage x waarden. Een mogelijke verklaring voor de niet significante resultaten is dat verkopers met meer ervaring wel beter worden in het verkopen, zoals de humancapitaltheorie zegt, maar dat dit niet geldt voor het omgaan met afwijzingen.
In dit hoofdstuk zijn verschillende regressies uitgevoerd om de hypothesen die in het theoretisch kader zijn opgesteld te toetsten. De eerste hypothese kan grotendeels worden aangenomen. Alleen de motivatieboost bij het eerste aantal afwijzingen ontbreekt in de
resultaten. Hypothese twee wordt niet ondersteund vanwege het ontbreken van significant van nul verschillende resultaten.
5. Beleidsimplicaties
In het vorige hoofdstuk zijn de resultaten van de regressies uitgebreid besproken en
geanalyseerd. In dit hoofdstuk worden de resultaten omgezet in mogelijke beleidsimplicaties voor Pepperminds.
Het belangrijkste resultaat uit hoofdstuk 4 is de significante afname van de
verkoopkans als er nog geen verkoop heeft plaatsgevonden. Per huis daalt deze verkoopkans met 0,11%. Een eerste mogelijke beleidsimplicatie is het invoeren van een verplichte pauze na een x aantal afwijzingen. Het is een goede taak voor de Captain van een team om hiervoor de verantwoordelijkheid te dragen en in de gaten te houden welke verkopers in het begin van de shift slecht verkopen. De pauze zou ervoor kunnen zorgen dat de verkoper met hernieuwde Figuur 10. Motivatiecurve met pauzes
-0.018 -0.016 -0.014 -0.012 -0.01 -0.008 -0.006 -0.004 -0.002 0 0 5 10 15 20 25 30 35 40 45
17
motivatie begint aan de shift en zijn motivatieniveau weer terugkeert naar het oorspronkelijke level. Dit wordt grafisch weergegeven in figuur 10. Om een optimaal huizenaantal zonder verkoop te vinden om een pauze in te lassen, moet nader onderzoek worden gedaan naar de kosten / opbrengsten van de pauze.
Het tweede resultaat dat naar voren komt uit de resultaten is dat er geen significant verschil is tussen verschillende rangen. Er moet dus niet alleen bij de ‘Talents’ en de ‘Promotors’ worden ingegrepen als er een aantal huizen niks verkocht is, maar ook bij de mensen die er al een lange tijd werken en de ‘Captains’. De Captains zouden deze verplichte pauze aan zichzelf op moeten leggen, maar als dit niet blijkt te werken, moet hierop worden toegekeken vanuit het hoofdkantoor. Hiervoor is het werken met Ipads een vereiste. Hierdoor kan precies worden bijgehouden hoe lang iemand niet heeft verkocht en wanneer het tijd is voor een verplichte pauze.
6. Conclusie
In deze scriptie is onderzocht of het aantal afwijzingen een invloed heeft op de motivatie van de verkopers. Eerst door een theoretisch kader op te stellen en vanuit hier hypothesen op te stellen. Vervolgens is een model opgebouwd en zijn de hypothesen getoetst aan de hand van de resultaten van dit model.
Een van de belangrijke theorieën die leidde tot de eerste hypothese was die van Elliot & Dweck (2005). Deze luidde dat de mens bij de eerste teleurstelling richting een doel meer motivatie krijgt, maar dat als de teleurstellingen blijven komen dit ervoor zorgt dat de motivatie afneemt. Deze theorie heeft geleid tot de eerste hypothese: de kans op verkoop wordt na het eerste aantal afwijzingen groter, maar neemt na een groot aantal afwijzingen af. Deze hypothese is getoetst aan de hand van verschillende regressies. Zij hadden als
gemeenschappelijk resultaat dat er een significant negatief verband uitkwam tussen een slecht begin van de shift en het aantal verkopen in de rest van de shift. Echter, de motivatieboost in bij de eerste afwijzingen kwam niet terug in de resultaten.
De tweede belangrijke theorie die is besproken in het theoretisch kader is de
humancapitaltheorie. Volgens de humancapitaltheorie leer je meer werkspecifieke taken als je langer bij een bedrijf werkt. Hierdoor heeft werkervaring een impact op het motivatieniveau (Ng en Feldman, 2013). Hieruit volgde de tweede hypothese: Als de verkoper langer in dienst is, wordt hij minder negatief beïnvloedt door afwijzingen. Uit de regressies die voor deze
18
hypothese zijn opgesteld, zijn geen significante resultaten gekomen die deze hypothese ondersteunen. Een mogelijke verklaring is dat werkervaring wel de verkoopkwaliteit van de verkoper verbetert, maar niet het omgaan met teleurstellingen. Dit zou in nader onderzoek moeten worden onderzocht.
De belangrijkste resultaten uit de regressies zijn verwerkt tot mogelijke
beleidsimplicaties. De belangrijkste beleidsimplicatie is het nemen van een verplichte pauze na een aantal afwijzingen. Het effect van deze pauze en het optimale aantal huizen waarna gepauzeerd moet worden, moet worden onderzocht en zal afhangen van de kosten en opbrengsten van de verkopers.
Een mogelijk verbeterpunt in dit onderzoek is het maken van een onderscheid in afwijzing. In dit onderzoek is elke uitkomst waarbij geen verkoop werd geregistreerd, gezien als een afwijzing. Maar het is goed denkbaar dat als iemand niet thuis is, dit veel minder impact heeft dan als er daadwerkelijk met iemand is gesproken en deze geen interesse heeft.
Dit onderzoek heeft een uitgangspositie gecreëerd voor nader onderzoek naar de motivatiecurve van verkopers. Hoewel de regressies met bedrijfsspecifieke data zijn gedaan, is de negatieve correlatie tussen een slechte start en de verkoopkans in de rest van de shift te generaliseren naar andere deur-tot-deurverkopers. Nader onderzoek is nodig om de resultaten om te zetten naar de juiste beleidsimplicaties.
19
Bibliografie
Bechetti, L., Castriota, S. en Tortia, E. (2013). Productivity, Wages and intrinsic motivations. Small Business Economics. Vol.41(2), pp.379-399
Bélanger, Jocelyn J. Lafreniere, Marc-André K. Vallerand, Robert J. en Kruglanski, Arie W. (2013). Driven by Fear: The Effect of Success and Failure Information on Passionate
Individuals’ Performance. Journal of Personality and Social Psychology, Vol.104(1), pp.180-195
Bogazzi, Richard P. (1978). Salesforce Performance and Satisfaction as a Function of
Individual Difference, Interpersonal, and Situational Factors. Journal of Marketing Research, Vol.15(4), pp.517-531
Campion, Michael A. en Lord, Robert G. (1982). A Control Systems Conceptualization of the Goal-Setting and Changing Process. Organizational Behavior and Human Performance, Vol.30(2), pp.265-287
Diener, Carol I. en Dweck, Carol S. (1978). An Analysis of Learned Helplessness: Continious Changes in Performance, Strategy, and Achievement Cognitions Following Failure. Journal of Personality and Social Psychology, Vol.36(5), pp.129-135
Elliot, Andrew J. en Dweck, Carol S. (2005). Handbook of Competence and Motivation. New York, V.S.: The Guildford Press
Ford, Martin E. (1992). Motivating Humans. Newbury Park, V.S.: Sage Publications, Inc. Hoffman, L.W. (1972). Early childhood experiences and woman’s achievement motives. Journal of Social Issues, Vol.28(2), pp.129-155
Jenkins, S. R. (1987). Need for achievement and women’s careers over 14 years: Evidence for occupational structure effects. Journal of Personality and Social Psychology, Vol53, pp.922-932
Ng, Thomas W.H. en Feldman, Daniel C. (2013). Does longer job tenure help or hinder job performance? Journal of Vocational Behavior, Vol.83(3), pp.305-3014
Otten, Q. (2015). Het verband tussen leeftijd en verkoop prestaties: een empirisch onderzoek. Econometrie & Operationele research, Universiteit van Asmterdam
20
Steenkiste, M. van, Ryan, R.M., & Deci, E.L. (2008). Self-determintation theory and the explanatory role of psychological needs in human well-being. Capabilities and happiness, pp. 187-223
Tyler, L.E. (1965). The psychology of human differences. New York, V.S.: Appleton-Century-Crofts
