We(b)care?
Onderzoek naar de invloed van eWOM en berichttijd op de reactiesnelheid
en het gebruik van CHV van organisaties.
Esther Hakvoort 10374655 06-06-2016 Msc. Anne Kroon
Afstudeerproject Corporate Communicatie Communicatiewetenschap
Universiteit van Amsterdam Word Count: /
2 Inhoudsopgave Blz. Inhoudsopgave 2 Samenvatting 3 Inleiding 4 Theoretisch Kader 6 Methode 10 Resultaten 12 Conclusie en discussie 12 Literatuurlijst 14 Bijlage 1: Codeboek 16
3 We(b)care?
In korte tijd zijn sociale media voor organisaties uitgegroeid tot populaire
communicatiemiddelen. Anno 2015 gebruikte 63 procent van de organisaties ten minste één vorm van sociale media (CBS, 2015). In 2012 was dit slechts 41 procent. Er is dus een forse stijging van de verschillende sociale mediaplatformen onder organisaties en deze trend zal naar verwachting nog verder stijgen. Er zijn dan ook vele succesverhalen te vinden over het gebruik van sociale media onder bedrijven, maar helaas ook vele missers (Safko, 2010). Deze missers worden groot in de media toegelicht in tegenstelling tot de succesverhalen. Deze missers op het gebied van sociale media kan de tevredenheid van (toekomstige) consumenten verminderen en op langer termijn ook de reputatie van een organisatie aantasten. En daarom willen organisaties, koste wat het kost dit voorkomen.
Een bekend voorbeeld van een organisatie die een grote sociale media misser maakte, was de telefoonprovider T-Mobile. Destijds was T-Mobile wel actief op sociale media, maar onderschatte haar kracht. T-Mobile kwam namelijk in opspraak, nadat cabaretier Youp van ‘t Hek klagende tweets over de telefoonprovider op Twitter had geplaatst (van Hoek, 2010). De zoon van de cabaretier had namelijk problemen bij T-Mobile, maar werd van het kastje naar de muur gestuurd met zijn problemen. Van ‘t Hek had hier genoeg van en heeft daar toen via zijn Twitter account negatieve berichten over geplaatst. T-Mobile werd slecht afgeschilderd door van ‘t Hek en veel mensen, inclusief de media, namen dit beeld over. Het imago van T-Mobile verslechterde door dit incident. De grote vraag hier zou zijn of T-T-Mobile dit anders had moeten aanpakken, zodat T-Mobile de imagoschade had kunnen voorkomen. Één van de oplossingen zou kunnen zijn het beter instrueren van het ‘webcareteam’.
Met de term ‘webcare’ wordt de online communicatie van organisaties met de stakeholders verstaan (Huibers & Verhoeven, 2014). Binnen een webcareteam houden
mensen zich bezig met het monitoren van het web en het reageren op relevante berichten over de desbetreffende organisatie. In de tijd rondom de rel omtrent T-Mobile was webcare vrij onschuldig en werd het niet relevant gevonden door organisaties. Maar na verschillende grote sociale media blunders, werd het begrip steeds belangrijker binnen een organisatie. Ook is er veel kritiek geuit op de response van T-Mobile op de tweet van van ’t Hek. Deze was vrij formeel en defensief geschreven. Wellicht had T-Mobile met een sneller en persoonlijker bericht, de rel rond hen kunnen voorkomen.
En dat laatste geldt als een belangrijk aspect, waarbinnen de huidige literatuur nog veel kennis mist. Er is veel over webcare in de literatuur gepubliceerd, maar veel onderzoeken zijn
4
namelijk gekeken naar Electronic Word-of-Mouth (eWOM) berichten. Dit zijn de positieve en/of negatieve berichten van consumenten op internet over een product of dienst van een organisatie (Park & Lee, 2009). Een voorbeeld hiervan is de tweet van van ’t Hek die
hierboven is besproken. Dit is dus een voorbeeld van negatieve eWOM, of te wel nWOM. Er wordt zowel in de praktijk als vanuit de wetenschap vooral gekeken naar nWOM (East, Hammond & Lomax, 2008). Organisaties streven naar tevreden consumenten en willen negatieve aandacht voorkomen. Toch is het opmerkelijk dat er weinig onderzoek gedaan is naar positieve eWOM, of te wel pWOM. Dit omdat onderzoek heeft uitgewezen dat de meerderheid van zowel offline als online berichten positief is (Berger & Milkman, 2012). Tevens heeft pWOM een grote invloed op de attitude en aanschaf van producten/diensten van consumenten; in enkele gevallen zelfs een grotere invloed dan nWOM (East, Hammond & Lamox, 2008). Er is binnen de huidige literatuur een gebrek aan inzichten omtrent de meest doeltreffende afhandeling van pWOM. Ook de tijd van het plaatsen van een eWOM is nooit eerder onderzocht. Het is relevant de tijd van het bericht ook mede te onderzoeken, aangezien er geconcludeerd kan worden dat mensen tussen s’middags na 17 uur het vaakst op sociale media te vinden zijn (CBS, 2014).
Op dit moment is er veel onderzoek gedaan naar het gebruik van Conversational Human Voice (CHV). Dit houdt in dat een organisatie een persoonlijke stem gebruikt bij het antwoorden van consumentberichten op sociale media (Kelleher, 2009). Er kan geconcludeerd worden dat het gebruik van CHV zorgt voor een hogere geloofwaardigheid en tevredenheid van consumenten (Coombs, 1995;Kelleher, 2009). Tevens zorgt het snel reageren van een organisatie (reactiesnelheid) ook voor hogere tevredenheid bij consumenten. Toch kan hier een keerzijde aanzitten. Organisaties reageren soms te snel, waardoor het bericht niet juist afgehandeld wordt. Hierdoor komen consumenten sceptisch tegen de desbetreffende organisatie te staan (Van Noort, Willemsen, Kerkhof & Verhoeven, 2015). De
veronderstelling zou zijn dat de combinatie van deze beide variabelen positief is, maar aangezien er nog geen inzichten zijn over deze combinatie kan hier nog geen uitspraak over gedaan worden. Tevens is CHV en reactiesnelheid vaak gemeten als een onafhankelijke variabele en niet als een afhankelijke variabele.
Kortom, bij deze thesis geldt zowel een maatschappelijke als een wetenschappelijke relevantie. De verkregen kennis in deze thesis kan worden overgedragen aan andere
wetenschappers. Andere onderzoekers kunnen cumulatief voortborduren op de verkregen kennis, aangezien er weinig bekend is over de combinatie van de variabelen die centraal staan in deze thesis. Ook kunnen organisaties zich bewust worden van hun webcare en de eventuele
5
positieve/negatieve gevolgen (Veil, Buehner & Palenchar, 2011). Organisaties kunnen zo hun webcarestrategie aanpassen om het gewenste resultaat te krijgen; tevreden consumenten. Tevens kunnen organisaties in de toekomst eventuele crisissen voorkomen met verkregen kennis van deze thesis. Zij kunnen hierop hun strategie afstemmen en hun webcareteam beter en compacter organiseren.
Deze thesis kan dus als een goed startpunt dienen voor al deze tekortkomingen omtrent webcare. wordt er onderzocht of er een mogelijk verband bestaat tussen eWOM en berichttijd op het gebruik van CHV en de reactiesnelheid van organisatie. Dit leidt vervolgens tot de centrale vraagstelling:
In hoe verre heeft eWOM en berichttijd invloed op de reactiesnelheid en het gebruik van CHV van organisaties?
Om deze vraagstelling te kunnen beantwoorden, kan er aan de hand van verschillende concepten, theorieën en variabelen een beter beeld worden geschetst van de huidige situatie. In het theoretisch kader zal dit verder besproken worden, waar ook alle begrippen met
definities besproken zal worden. Om antwoord te kunnen geven op de vraagstelling zal er een inhoudsanalyse bestaande uit Nederlandse Twitterberichten uitgevoerd worden. Er is gekozen voor het medium Twitter, omdat webcareteam zich het meest tot Twitter richten (Bekkers, Edwards & Kool, 2013). Er is een voorkeur gegeven aan een inhoudsanalyse aangezien, want het gaat hier over bestaand en natuurlijk materiaal, waardoor het materiaal niet beïnvloed is.
Theoretisch Kader
Om de centrale vraagstelling te kunnen beantwoorden, moet er eerst een duidelijk beeld zijn van de variabelen die centraal staan in deze thesis. Allereerst zal er gesproken worden over Situational Crisis Communication Theory. Deze dekt de lading van het ruime begrip webcare Vervolgens zullen de onafhankelijke variabele eWOM en berichttijd besproken worden, gevolgd door de afhankelijke variabele CHV en reactiesnelheid van organisaties. Ook hier zullen de definities besproken worden en eventuele theorieën die daarbij samenhangen, zullen nader toegelicht worden.
6 Situational Crisis Communication Theory
Webcare wordt tegenwoordig door organisaties niet meer onderschat. Om een crisis van een organisatie op te lossen, houden webcareteams zich aan bepaalde protocollen. Deze
protocollen zijn afgestemd op het zogeheten Situational Crisis Communication Theory. Het is een framework voor crisiscommunicatie management in het veranderde medialandschap (Liu, Austin & Jin, 2011). Dit framework laat zien hoe een organisatie hun maximale reputatie kan behouden door middel van post-crisis communicatie (Coombs, 2007). Het is belangrijk om als organisatie inzicht te krijgen in crisiscommunicatie, zodat zij hun consumenten tevreden houden. Situational Crisis Communication Theory stelt dat ze de reactie van consumenten kunnen voorspellen aan de hand van de gemaakte strategie van het webcareteam (Coombs, 2007). Zo concluderen Huiberts & Verhoeven (2014) dat er een verband is tussen de gekozen webcarestrategie en de corporate reputatie. Als de webcare strategie onder individueel
tegemoetkomende strategie valt, is deze het meest effectief. Defensieve webcarestrategieen worden minder gewaardeerd door consumenten. De corporate reputatie is vervolgens op te delen in verschillende variabelen, waaronder de tevredenheid van consumenten (Jeong, 2009).
eWOM
Wanneer consumenten online positieve of negatieve berichten plaatst over een product of dienst van een organisatie, wordt dit eWOM genoemd (Kim et al, 2015; Park & Lee, 2009). Dit kan variëren van positief (pWOM) tot negatief (nWOM). Aangezien eWOM online geschreven is door consumenten, kan de content bekeken worden door andere consumenten en organisaties. De berichten worden vaak meegenomen om een afweging in aanschaf te maken over het desbetreffende product of dienst. Consumenten beïnvloeden elkaar dus bewust, maar ook onbewust. Een bedrijf kan dit proces bijsturen, maar kan er geen absolute controle over hebben (Huibers & Verhoeven, 2014). Consumenten zijn namelijk eerder geneigd te denken dat een product of dienst populair is, als er veel positieve reviews zijn in vergelijking met weinig reviews (Park & Lee, 2009).
Onderzoek toont aan dat eWOM invloed uitoefent op de merkattidude (Kim et al, 2015) en koopintentie (East, Hammond & Lomax, 2008). Dit leidt tot de volgende hypotheses:
H1: Bij een bericht met nWOM zal er meer CHV gebruikt worden, dan bij een bericht met pWOM.
7
H2: Bij een bericht met nWOM zal er sneller gereageerd worden door de organisatie dan bij een bericht met pWOM.
Conversational human voice
De corporate voice van een organisatie is te verdelen in twee soorten: voice is: de persoonlijke stem (CHV) of de formele/corporate stem. De organisatie maakt zelf de afweging welke vorm zij het liefst gebruikt, ter afweging van de identiteit van de desbetreffende organisatie
(Kelleher, 2009). Het is aannemelijk om te denken dat organisaties die zakelijk zijn ingesteld, een corporate stem gebruiken tijdens hun webcare. En dat persoonlijkere organisaties de voorkeur geven aan de conversational human voice. Dit zorgt voor een hoge
geloofwaardigheid onder consumenten (Kwon & Sung, 2011). Het is verstandig om onderzoek te doen naar dit begrip aangezien het nog niet voor elke organisatie duidelijk is welke corporate voice zij het beste zou kunnen gebruiken. Het zou bijvoorbeeld kunnen dat mensen liever formeel aangesproken willen worden i.p.v. persoonlijk omdat zij toch een beeld hebben van een organisatie en niet van een persoon (Kelleher & Miller, 2006). Je kunt dit dan goed vergelijken met de tevredenheid van consumenten en de reactiesnelheid van
consumenten. Het zou bijvoorbeeld kunnen dat mensen met een persoonlijker antwoord, zich zo persoonlijk aangesproken voelen, dat ze ook sneller geneigd zijn om antwoord te geven dan in tegenstelling tot een corporate stem. In het onderzoek van Kelleher en Miller (2006) wordt zelfs geconcludeerd dat consumenten die blootgesteld waren aan conversational human voice significant hoger scoorde in vertrouwen, loyaliteit en voldoening. Dit ligt nauw samen met de tevredenheid van consumenten in het algemeen. Dit zou tot de volgende hypothese kunnen leiden:
H2: Het gebruik van conversational human voice heeft een positieve invloed op de tevredenheid van consumenten.
Reactiesnelheid van organisaties
Ook de reactiesnelheid van organisaties een belangrijke onafhankelijke variabele die bij het begrip webcare komt kijken. Veel consumenten hechten namelijk een waarde aan de reactiesnelheid van organisaties. Zo voelen consumenten zich gehoord en begrepen en dit alles zal de reputatie van een organisatie ten goede komen. Toch kunnen hier ook vraagtekens bij ontstaan. Want er is alleen maar onderzoek gedaan naar de reactiesnelheid van
organisaties, maar niet verder gekeken naar de daadwerkelijke reactie die de organisatie geplaatst heeft. Een onvolledige reactie zorgt namelijk voor verwarring in tegenstelling tot
8
een volledige reactie. Dan zou het beter zijn als de organisatie even wacht met een antwoord geven en eerst de klacht nader onderzoekt. Toch kan de variabele reactiesnelheid als een relevante variabele gezien worden, aangezien de reactiesnelheid zorgt voor een positieve reputatie van een organisatie (Van Noort, Willemsen, Kerkhof & Verhoeven, 2015).
Aangezien tevredenheid van consumenten samenhangt met de reputatie van een organisatie, zou de volgende aanname gemaakt kunnen worden:
H3: Een snellere reactiesnelheid van een organisatie zorgt voor een hogere tevredenheid bij consumenten
Ook is er veel literatuur te vinden over de reactiesnelheid van de organisatie op een crisis. Een organisatie wil dat een crisis snel verholpen wordt, zodat eventuele schade beperkt blijft of voorkomen wordt. De reactiesnelheid van organisaties speelt dus een belangrijke rol. Als consumenten namelijk snel geholpen worden, kan eventuele reputatieschade voorkomen worden (Kelleher & Miller, 2006). Aangezien de kwestie snel afgehandeld wordt, kunnen organisaties hun voornaamste doelen bewerkstellen; winsten behalen en consumenten tevreden houden. Maar consumenten tevreden houden bestaat echter niet alleen uit een positieve waardering geven van de service, dus het sentiment (Schamari & Schaefers, 2015). Maar ook het snel (en dus positief) reageren van een klant heeft te maken met de tevredenheid van consumenten. Deze komt in geen één studie naar voren.
Het zou natuurlijk voor een organisatie fijn zijn als een kwestie zo snel mogelijk opgelost wordt en doordat de klant snel en positief bericht (op een eerdere klacht), worden zo crisissen uit de wereld geholpen.
Tevredenheid van consumenten
De tevredenheid van consumenten speelt een grote rol bij organisaties. Het voornaamste doel van webcare is het voorkomen en beperken dat een kwestie zich resulteert in een
organisatiecrisis. Ook zou webcare ervoor moeten zorgen dat de consumenten tevreden blijven met de organisatie en dat zij de ruimte krijgen om de dialoog aan te kunnen gaan met de organisatie, zodat er een (vertrouwens)band tussen organisatie en hun stakeholders kan ontstaan (Gruen, Osmonbekov & Czaplewski, 2006). Een organisatie zal er alles aan doen om hun consumenten tevreden te houden en wil dan ook een crisis zo snel mogelijk oplossen. Aangezien een crisis de tevredenheid en op later termijn ook de reputatie aanpast van een
9
organisatie (Benoit, 1997). Toch kan de afhankelijke variabele tevredenheid van consumenten in twee domeinen worden gesplitst; sentiment en reactiesnelheid. Het sentiment binnen tevredenheid kan variëren van positief tot negatief en heeft te maken met de houding van een persoon tot de boodschap (Schamari & Schaefers, 2015).
Reactiesnelheid van consumenten
Dit is een variabele waar nog weinig literatuur over te vinden is. Er wordt namelijk alleen gesproken over de reactiesnelheid van organisaties en de reactiesnelheid van consumenten wordt buiten beschouwing gehouden. Toch is deze variabelen een belangrijk aspect binnen webcare. De reactiesnelheid van organisatie is namelijk een belangrijke vraag binnen de inrichting van webcare, maar het heeft geen officiële standaarden. De vraag zou men simpel kunnen beantwoorden, aangezien zo snel mogelijk reageren als positief bestempeld kan worden door consumenten. Dit mechanisme zou ook kunnen gelden voor de variabele
reactiesnelheid van consumenten. Organisaties willen vanzelfsprekend dat zij positief in beeld gebracht worden. Als er in tijden van een crisis snel gehandeld wordt, zou eventuele
imagoschade voorkomen kunnen worden. Een crisiskwestie wordt pas echt opgelost, doordat een klant kenbaar maakt dat hij/zij (weer) tevreden is met de organisatie. Dit kunnen zij kenbaar maken door middel van een Twitterbericht, waarbij zij berichten over de positieve (of negatieve) ervaring met het bedrijf. De consumenten reageren dus op de reactie van het webcareteam. Als andere Twittergebruikers, mogelijke consumenten van het desbetreffende organisatie, deze positieve berichtgeving zien, wordt hun mening over de organisatie
onbewust beïnvloedt. Het zou denkbaar zijn, dat de tijd waarin positieve terugkoppeling gegeven wordt naar het webcareteam cruciaal is. Een organisatie streeft ernaar dat de tijd van een crisis zo klein mogelijk gehouden wordt, waarbij een positieve terugkoppeling van de klant zo snel mogelijk gezien wordt.
Methode
Om een antwoord te kunnen formuleren op de onderzoeksvraag is er gebruik gemaakt van een kwantitatieve inhoudsanalyse. In dit onderzoek werd gekeken naar Twitterberichten van organisaties en reacties van volgers op deze berichten. Er werd onderzocht of er sprake was van CHV en monitoren in de berichten en hoe de organisatie en de stakeholders hier
vervolgens op reageren. Er werd vervolgens gekeken naar de reactiesnelheid van organisaties, maar ook naar de tevredenheid van de stakeholders. Hiervoor was het van belang dat naar de
10
inhoud van de tekst van de berichten en de reacties werd gekeken. Om deze reden is gekozen voor het gebruik van een kwantitatieve inhoudsanalyse. Deze veelgebruikte methode staat bekend om teksten systematisch te analyseren en te interpreteren (Krippendorff, 2004). Tevens gaat het bij een kwantitatieve inhoudsanalyse over bestaand materiaal. Het is dus niet door een onderzoeker of derde beïnvloedt, waardoor het een goed beeld schets van de
werkelijkheid.
Sample
Er is gezocht naar organisaties die een goede afspiegeling zijn voor organisaties die
communiceren via het medium Twitter. Er was een aantal criteria bij het selecteren van deze organisaties. Het was namelijk van belang dat de organisaties de verschillende branches zouden dekken, zodat de invloed van het soort branche uit te sluiten was. Er kon hierdoor geen vertekening van de resultaten ontstaan. Er zijn in totaal twaalf verschillende organisaties geselecteerd. Het sample bestaat uit zes branches, namelijk de bankensector, de
luchtvaartindustrie, de spoorwegenbranche, de zorg, overheidsinstellingen en detailhandel. Per branche zijn er twee organisaties meegenomen in het sample. In tabel 1 zal dit duidelijk worden. In dit onderzoek zijn er in totaal 600 Twitterberichten gecodeerd. Er is gekozen voor het medium Twitter, aangezien veel webcareteams van grote organisaties zich daar op Twitter focussen. Consumenten stellen ook vaker vragen bij het medium Twitter, dan de andere mediums.
Tabel 1: Organisatie sample
Branche Bedrijfsnaam
Bankensector ING Rabobank
Luchtvaartindustrie KLM Transavia
Spoorwegenbranche NS ProRail
Zorgsector OLVG VU Medisch Centrum
Overheidsinstellingen Gemeente Amsterdam Belastingdienst
Detailhandel H&M Coolblue
Analyse-instrument
In dit onderzoek stonden meerdere variabelen centraal. Er werd gekeken of er sprake was van CHV in de Twitterberichten van organisaties, maar ook of er gebruik gemaakt was van proactieve of reactieve webcare. De aanwezigheid van CHV in een Twitterbericht van een
11
organisatie is een nominale onafhankelijke variabele. CHV in een Twitterbericht is gemeten aan de hand van personalisatie (Huiberts & Verhoeven, 2014). Het monitoren is ook een onafhankelijke nominale variabele. De nominale variabele monitoren is gecodeerd als reactief of proactief (Huiberts & Verhoeven, 2014; Van Noort & Willemsen, 2012; Van Noort et al., 2015). De reactiesnelheid van organisaties is een onafhankelijke variabele die op ratio meetniveau is gemeten. Deze variabele is gemeten door de datum en tijd in te voeren van de reactie van de desbetreffende organisatie.
Tevredenheid van consumenten is de afhankelijke variabele en deze is op nominaal meetniveau gemeten. Er kan hierbij onderscheid gemaakt worden tussen het sentiment en reactiesnelheid van consumenten. Het sentiment wordt gemeten op een nominaal meetniveau. De reactiesnelheid van consumenten wordt echter op ratio meetniveau gemeten.
Om een antwoord te kunnen formuleren op de onderzoeksvraag is er een codeboek opgesteld dat codeurs moet begeleiden tijdens de kwantitatieve inhoudsanalyse. Het codeboek bestaat uit de verschillende variabelen die samen het begrip webcare meten. Er zullen
variabelen gemeten worden die niet centraal staan in dit onderzoek, maar deze variabelen worden buiten beschouwing gehouden.
Procedure
Er is eerst een intercodeursbetrouwbaarheidsanalyse uitgevoerd, voordat de 600 Twitterberichten geanalyseerd konden worden. Het team van codeurs bestond uit drie onderzoekers, die samen het sample moesten analyseren. Er werd door de drie personen in sessies van zes keer een half uur coderen, met een kwartier pauze tussen de sessies. De codeurs mochten zelf beslissen welke datum zij aan de slag gingen met coderen, als het maar voor een bepaalde deadline af was. Elke codeur codeerde alle berichten van Rabobank, KLM en H&M om de intercodeursbetrouwbaarheid uit te kunnen rekenen. De reacties van de organisaties die centraal staan in dit onderzoek waren random voor de
betrouwbaarheidsanlyse geselecteerd. De intercodeursbetrouwbaarheid werd berekend aan de hand van Krippendorff’s Apha. Tevens codeerde elke codeur 200 berichten van de
organisaties. De toewijzing van deze 200 berichten aan de codeurs was random. Bij het coderen werd het hele Twitterbericht gelezen en geanalyseerd aan de hand van het codeboek die in het programma Qualtrics is gezet. In bijlag 1 is het codeboek toegevoegd.
Betrouwbaarheid
12
In hoe verre heeft eWOM en berichttijd invloed op de reactiesnelheid en het gebruik van CHV van organisaties?
De hypotheses zijn als volgt.
H1: Bij een bericht met nWOM zal er meer CHV gebruikt worden, dan bij een bericht met pWOM.
H2: Bij een bericht met nWOM zal er sneller gereageerd worden door de organisatie dan bij een bericht met pWOM.
H3: Bij een bericht tussen kantoortijden zal er eerder gereageerd worden dan bij een bericht buiten kantoortijden.
H4: Bij een bericht buiten kantoortijden zal er minder gebruikt worden van CHV dan bij een bericht tussen kantoortijden.
Resultaten
Om een goed beeld te krijgen van de relatie tussen de vier variabelen die centraal staan in deze thesis, is er als eerst gekeken naar de correlatie tussen eWOM en het gebruik van CHV. Om dit te realiseren moest er eerst een interval variabele gemaakt worden van CHV. CHV werd gemeten aan de hand van tien deelvragen of te wel de tien dichotome variabelen. De variabelen werden bij elkaar opgeteld als één interval variabele, om zo de waarde van CHV te kunnen meten. De waarden 0 tot en met 3 vertegenwoordigt ‘laag gebruik’ in CHV en deze is aangegeven met een waarde 0. De waarden 4 tot en met 10 vormen samen ‘hoog gebruik’ van CHV en deze is aangegeven met een waarde 1.
H1: Bij een bericht met nWOM zal er meer CHV gebruikt worden, dan bij een bericht met pWOM.
Om deze hypothese te kunnen toetsen is er gebruik gemaakt van een Chi square test. Omdat eWOM en CHV nominale variabelen zijn met beide twee uitkomstcategorieën. Er is een geen significante verband gevonden tussen eWOM en het gebruik van CHV, p = 0.40. Er kan dus geconcludeerd worden dat hypothese 1 niet bevestigd wordt. (ik had fishers exact gedaan, maar die kreeg ik niet goed in spss. Of moet ik wel hier fishers exact uitrekenen?)
13
H2: Bij een bericht met nWOM zal er sneller gereageerd worden door de organisatie dan bij een bericht met pWOM.
Om hypothese 2 te kunnen toetsen is er gebruik gemaakt van Chi square test. Er is gebruik gemaakt van een Chi square test omdat de variabele eWOM een nominale variabele is en reactiesnelheid een ratio variabele is.
14 Literatuurlijst
Bekkers, V., Edwards, A., & de Kool, D. (2013). Social media monitoring:
Responsive governance in the shadow of surveillance? Government Information Quarterly, 30(4), 335-342.
Benoit, W. L. (1997). Image repair discourse and crisis communication. Public relations review, 23(2), 177-186.
Berger, J., & Milkman, K. L. (2012).What Makes Online Content Viral? Journal of Marketing Research, 49(2), 192–205.
CBS: Twee derde van de bedrijven gebruikt nu sociale media. (2015, 28 oktober). Centraal Bureau van de Statistiek. Verkregen op:
http://www.cbs.nl/nl- NL/menu/themas/bedrijven/publicaties/artikelen/archief/2015/twee-derde-van-de-bedrijven-gebruikt-nu-sociale-media.htm
Coombs, W. T. (1995). Choosing the right words the development of guidelines for the selection of the “appropriate” crisis-response strategies. Management Communication Quarterly, 8(4), 447-476.
Coombs, W. T. (2007). Protecting organization reputations during a crisis: The
development and application of situational crisis communication theory. Corporate reputation review, 10(3), 163-176.
Doh, S. J., & Hwang, J. S. (2009). How consumers evaluate eWOM (electronic word-of-mouth) messages. CyberPsychology & Behavior, 12(2), 193-197.
East, R., Hammond, K., & Lomax, W. (2008). Measuring the impact of positive and negative word of mouth on brand purchase probability. International Journal of Research in Marketing, 25(3), 215–224.
Gruen, T.W., Osmonbekov, T. & Czaplewski, A.J. (2006). eWOM: The impact of customer-to-customer online know-how exchange on customer value and loyalty. Journal of Business Research, 59(4), 449-456.
Huibers, J., & Verhoeven, J. (2014). Webcare als online reputatiemanagement. Tijdschrift voor Communicatiewetenschap, 42(2), 165.
Jeong, S. H. (2009). Public's Responses to an oil spill accident: A test of the attribution theory and situational crisis communication theory. Public Relations Review, 35(3), 307-309.
Kelleher, T. (2009). Conversational voice, communicated commitment, and public relations outcomes in interactive online communication. Journal of Communication, 59(1), 172-188.
15
Kelleher, T. & Miller, B.M. (2006). Organizational blogs and the human voice:
relational strategies and relational outcomes. Journal of Computer-Mediated Communication, 11, 395-414.
Kim, S. J., Wang, R. J. H., Maslowska, E., & Malthouse, E. C. (2015). Understanding a furyin your words: The effects of posting and viewing electronic negative word-of-mouth on purchase behaviors. Computers in Human Behavior, 54, 511-521.
Krippendorff, K. (2004). Reliability in content analysis. Human Communication Research, 30(3), 411-433. doi: 10.1111/j.1468-2958.2004.tb00738.x
Kwon, E.S. & Sung, Y. (2011). Follow me! Global marketers’ Twitter use. Journal of Interactive Advertising, 12(1), 4-16.
Liu, B. F., Austin, L., & Jin, Y. (2011). How publics respond to crisis communication strategies: The interplay of information form and source. Public Relations Review, 37(4), 345-353. doi: 10.1016/j.pubrev.2011.08.004
Park, D. H., & Lee, J. (2009). eWOM overload and its effect on consumer behavioral intention depending on consumer involvement. Electronic Commerce Research and
Applications, 7(4), 386-398.
Safko, L. (2010). The social media bible: Tactics, tools, and strategies for business success. John Wiley & Sons.
Schamari, J., & Schaefers, T. (2015). Leaving the home turf: how brands can use webcare on consumer-generated platforms to increase positive consumer engagement. Journal of Interactive Marketing, 30, 20-33.
Van Hoek, C. (2010, 26 oktober). T-Mobile geeft Youp van ’t Hek gelijk. Nu.nl. Verkregen op: http://www.nu.nl/internet/2364467/t-mobile-geeft-youp-van-t-hek-gelijk.html
Van Noort, G., & Willemsen, L. M. (2012). Online damage control: The effects of proactive versus reactive webcare interventions in consumer-generated and brand-generated platforms. Journal of Interactive Marketing, 26(3), 131-140.
Van Noort, G., Willemsen, L. M., Kerkhof, P., & Verhoeven, J. W. (2015). Webcare as an integrative tool for customer care, reputation management, and online marketing: a literature review. Integrated communications in the postmodern era (pp. 77-99). London: Palgrave Macmillan UK.
Veil, S. R., Buehner, T., & Palenchar, M. J. (2011). A work‐in‐process literature review: Incorporating social media in risk and crisis communication. Journal of contingencies and crisis management, 19(2), 110-122.
16 Bijlage 1 - Codeboek
A. Algemene informatie A1: Noteer het itemnummer.
Branche.Bedrijf.Nummertweet
Overzicht nummers Branche en Bedrijven 1. Bankensector 1. ING 2. Rabobank 2. Vliegtuigmaatschappij 1. KLM 2. Transavia 3. Detailhandel 1. H&M 2. Coolblue 4. Zorgzegtor 1. OLVG 2. Vu Medisch Centrum 5. Spoorwegbedrijf 1. NS 2. Pro Rail 6. Overheidsinstelling 1. Gemeente Amsterdam 2. Belastingdienst NS Tweet nummer 12: 5.1.12 A2: Codeur ID 1. Stefanie 2. Esther 3. Britt
A3: Datum van het bericht* dd/mm/jj
*Dit is de datum waarop het bericht is verschenen. Wanneer er een conversatie is en er meerdere berichten zijn, noteer dan de datum van het eerst verschenen bericht. Het not
17
A4: Naam van het Twitter account van de organisatie* 1. @ INGnl 2.@ Rabobank 3. @KLM 4. @Transavia 5. @H&M Netherlands 6. @Coolblue NL 7. @OLVG 8. @VumcAmsterdam 9. @NS online 10. @Pro Rail 11. @Amsterdam NL 12. @Belastingdienst
*Dit is de naam van de organisatie waaraan het bericht is gericht.
Bijvoorbeeld: ‘Piet’ stuurt een tweet naar KLM, dit doet hij door het op hun wall te plaatsen, door @KLM te vermelden in zijn twitter bericht. De naam van de organisatie is dan KLM. Er wordt uitsluitend gekeken naar @[organisatie], wanneer er #[organisatie] staat vermeld, vul dan 99 in en stop met coderen.
A5: Branche 1. Bankensector *ING, RABO. 2. Vliegtuigmaatschappij *KLM, Transavia. 3. Detailhandel *H&M, Coolblue. 4. Zorgsector
*OLVG, VU Medisch centrum 5. Spoorwegbedrijf
*NS, ProRail. 6. Overheidsinstelling
*Gemeente Amsterdam, Belastingdienst.
18 B1: Reactiesnelheid*
Codeer de reactiesnelheid van de betrokken organisatie * Toelichting:
De term reactiesnelheid houdt in, binnen hoeveel minuten de eerste reactie is aangeven in minuten.
Schrijf van beide de verschillende tijdstippen en de (verschillende) data op, achteraf wordt er in SPSS een extra variabele gemaakt waarbij de reactiesnelheid precies wordt berekend.
B 1.1 Wordt er gereageerd door de betrokken organisatie? 0 = Nee*
1 = Ja
*Toelichting: Indien nee en er dus niet wordt gereageerd door de betrokken organisatie, stop dan met coderen.
B1.2 Datum van de WOM Tweet* dd/mm/jj
*Toelichting: Dit is het datum waarop de stakeholder het (eerste) bericht heeft gericht aan de betrokken organisatie. Noteer is de dag, daarna de maand en tot slot het jaartal.
Bijvoorbeeld: 02/06/15
B1.3 Tijdstip van de WOM Tweet* hh:mm
*Toelichting: Dit is de tijdstip waarop de stakeholder het (eerste) bericht geeft gericht aan de betrokken organisatie. Noteer het uur en daarna de minuten. Bijvoorbeeld: 13:02
B1.4 Datum (eerste) reactie van de betrokken organisatie* dd/mm/jj
*Toelichting: Dit is het datum waarop de organisatie voor het eerst reageert om het bericht van de stakeholder. Noteer is de dag, daarna de maand en tot slot het jaartal. Bijvoorbeeld: 02/06/14.
B1.5 Tijdstip (eerste) reactie van betrokken organisatie* hh:mm
*Toelichting: Dit is de tijdstip waarop de organisatie voor het eerst reageert op het bericht van de stakeholder. Noteer het uur en daarna de minuten. Bijvoorbeeld 13:02
19 B2: Webcarestrategieën
Codeer de soort webcarestrategie(ën) waarvan de organisatie gebruikt maakt. Communicatiestrategieën zijn manieren waarop een bedrijf kan reageren op een crisis
(Huibers & Verhoeven, 2014). Huibers en Verhoeven (2014) hebben deze manieren ingedeeld aan de hand van de volgende zeven strategieën: informatiestrategie,
verontschuldigingstrategie, sympathiestrategie, ontkenningsstrategie,
rechtvaardigingstrategie, compensatiestrategie en corrigerende actiestrategie. De combinatie van onderstaande strategieën is mogelijk.
B2.1 Informatie
Verschaft het bedrijf informatie in zijn reactie aan degene die een klacht heeft?
Het geven van objectieve informatie door de betrokken organisatie aan de stakeholder die een tweet richting de organisatie heeft geplaatst. De betrokken organisatie kan bijvoorbeeld informatie geven over de oorzaak van het probleem, hoe de klacht genoteerd staat in het systeem, we maken er een melding vanetc.
0 = Nee 1 = Ja
B2.2 Verontschuldiging
Verontschuldigt het bedrijf zich in de reactie?
De betrokken organisatie neemt de verantwoordelijkheid op zich voor hetgeen waarover geklaagd wordt, er kan eventueel om vergeving worden gevraagd. Wanneer er een
verantwoordelijkheid wordt genomen en/of er om vergeving wordt gevraagd, noteer dan 1 (Ja). Wanneer geen van beide voorkomen in het bericht, noteer dan 0 (nee). De organisatie gebruikt bijvoorbeeld woorden als; sorry, het spijt ons, vergeef ons, mijn excuses.
0 = Nee 1 = Ja
B2.3 Sympathie
Toont het bedrijf sympathie in de reactie?
De betrokken organisatie toont sympathie naar de stakeholder die een Twitter bericht richting de organisatie gericht heeft, door leed of vreugde van de stakeholder mee te voelen zonder te veel inhoudelijk op het bericht in te gaan. Bijvoorbeeld door medeleven voor de stakeholder te tonen en de volgende uitdrukkingen te gebruiken; wat vervelend voor je, ik leef met je mee,
dat is niet prettig om mee te maken, dat komt inderdaad net even zuur uit. Of juist
positiever als bedankt, dank je wel, dank, wat leuk om te horen, wat fijn voor je, sterkte etc.
20 1 = Ja
B2.4 Ontkenning
Ontkent het bedrijf dat het probleem door hen veroorzaakt is in de reactie?
De betrokken organisatie ontkent dat een probleem zich voordoet of dat de oorzaak van het probleem niet bij de betrokken organisatie ligt. De organisatie kan bijvoorbeeld de schuld of verantwoordelijkheid ontkennen. Indien een van deze twee of beide (ontkenning schuld en/of de verantwoordelijkheid ontkennen) voorkomen, noteer dan 1 (Ja). Indien geen van beide voorkomen, noteer dan 0 (Nee). Voorbeelden hiervan zijn: dat is niet onze schuld, helaas ligt de schuld niet bij ons, hier kunnen wij niks aan doen, hier hebben wij niks mee te maken, dit is niet onze verantwoordelijkheid etc.
0 = Nee 1 = Ja
B2.5 Rechtvaardiging
Rechtvaardigt het bedrijf het probleem in de reactie?
De betrokken organisatie reageert op de stakeholder op een manier dat de oorzaak (van de klacht) niet zo erg is als het lijkt (Huibers & Verhoeven, 2014). De organisatie kan
uitdrukkingen gebruiken als; het valt wel mee, dit is niet wat het lijkt en het is niet zo ernstig
als dat het lijkt.
0 = Nee 1 = Ja
B2.6 Compensatie
Komt het bedrijf met een compenserende oplossing in de reactie
De betrokken organisatie biedt een vergoeding, een terugbetaling of stelt voor om de schadeloos te stellen van de stakeholder die een Twitter bericht heeft geplaatst richting de organisatie. Er kan bijvoorbeeld het volgende gezegd worden door de betrokken organisatie:
we zullen het aankoopbedrag terugstorten, bij de volgende aankoop krijgt u 10% korting, de rekening zal komen te vervallen etc.
0 = Nee 1 = Ja
B2.7 Corrigerende actie
Voert het bedrijf een corrigerende actie uit in de reactie?
De betrokken organisatie kan de stakeholder een oplossing aanbieden of de stappen vermelden die de organisatie gaat ondernemen om de klacht te verwerken (Huibers & Verhoeven, 2014). Een bedrijf kan bijvoorbeeld het volgende zeggen: wij gaan er een
21
melding van maken, wij zullen uw product repareren, alle producten worden teruggeroepen, wij gaan het aanpassen, dan nemen we een kijkje etc.
0 = Nee 1 = Ja
B2.8 Lead interpretatie
Gebruikt het bedrijf het bericht als aanleiding voor overige doeleinden?
De betrokken organisatie gebruikt het bericht dat aan haar is gericht als een aanleiding om de consument over meerdere producten of diensten te informeren met als doel om ze aan te schaffen of te verleiden. Voorbeeld reactie zou kunnen zijn; Is dit iets voor jou? We hebben
ook nog andere kleuren/diensten/producten.
0 = Nee 1 = Ja B2.9 Overig
Zijn alle bovenstaande strategieën niet van toepassing?
Wanneer er geen enkele van de bovenstaande webcarestrategie wordt gebruikt door de betrokken organisatie, dus wanneer bij alle bovenstaande webcarestrategieën 99 (Nee), dan graag hier een werkwoord invullen die de strategie kan beschrijven.
B3: Type Organisatie* Codeer het type organisatie 0 = Privaat
1 = Publiek *Toelichting:
· Onder publieke organisaties vallen: Gemeente Amsterdam, Belastingdienst, OLVG, VU Medisch Centrum, Pro Rail
· Onder private organisaties vallen: KLM, Transavia, H&M, Coolblue, NS, ING, Rabobank · Publieke organisatie kunnen worden omschreven als organisaties die door de overheid
worden gefinancierd of worden ondersteund en niet direct afhankelijk zijn van consumenten, deze bedrijven produceren collectieve goederen.
· Private organisatie bevinden zich in de particuliere sector, dit zijn organisaties die geen financiering en controle van de overheid ontvangen, streven naar winstmaximalisatie en direct afhankelijk zijn van consumenten.
Variabele 4
22 B4: pWOM, nWOM*
1= pWOM 2 = nWOM
99 = Niet van toepassing *Toelichting:
· Word of mouth (WOM) is een informele manier van communiceren tussen consumenten en naar bedrijven toe, het[CL1] is een instrument dat zeer veel impact kan hebben (East, Hammond & Lomax, 2008).
· pWOM is ook wel positieve word of mouth, in dit geval is het een twitter bericht met positieve uitlating over een dienst, product of over een gehele organisatie (East, Hammond & Lomax, 2008). nWOM is ook wel negatieve word of mouth, dit is een negatieve (waaronder ook sarcastisch of ironisch valt) uiting over een dienst, product of over een gehele organisatie (East, Hammond & Lomax, 2008)
· Om bij twijfel te bepalen of iets als positief of negatief wordt gezien, wordt het woordenboek geraadpleegd. Wat er wordt aangegeven in het woordenboek, is
doorslaggevend. Bij twijfel graag online www.vandale.nl raadplegen, bovenaan in het venster het woord invullen waarover de twijfel berust. Na de definitie gelezen te hebben, zal er een betrouwbaar resultaat zijn en de twijfel zijn weggenomen.
· Wanneer er in een uitzonderlijk geval zowel geen nWOM of pWOM voorkomt (ook wanneer het niet te traceren is, of omdat het Twitter account op een privé-instelling is ingeschakeld), dan dient er niet van toepassing te worden ingevoerd en niet verder te gaan met coderen.
B5. Conversational human voice
Codeer het type Conversational human voice wat wordt gebruikt.
Bij dit onderdeel zal er gekeken worden of het bedrijf gebruikmaakt van Conversational human voice (CHV) en in welke mate er gebruik van gemaakt wordt. CHV is een innemende en natuurlijke stijl van communiceren, waarin een bedrijf bijvoorbeeld humor toepast of stakeholders aanspreek met ‘je’ (Coombs, 1998; Kelleher & Miller, 2006). De verschillende categorieën die Conversational human voice meten zijn personalisatie en informeel
taalgebruik.
B5.1 Personalisatie
B5.1.1 Begint het gesprek met een informele persoonlijke begroeting?
0 = Nee (er wordt geen gebruik gemaakt van een begroeting of de begroeting is formeel zoals Geachte + voor of achternaam, Goedemiddag + achternaam, beste +achternaam)
23
1 = Ja (in de tweet van het bedrijf begint het gesprek met woorden zoals hoi, hallo, hey, yo, he, beste + voornaam, alleen voornaam, goedemiddag, beste, geachte of ergens in een tweet komt een voornaam naar voren)
B5.1.2 Gebruikt het bedrijf persoonlijke voornaamwoorden in de eerste persoon? Dit is de manier waarop het bedrijf zichzelf aanspreekt.
0 = Nee (De betrokken organisatie zonder persoonlijke voornaamwoorden)
1 = Ja (In de tweet van het bedrijf spreekt het bedrijf over zichzelf in termen van: ik, mij, mezelf, we, wij, onze, ons)
B5.1.3 Gebruikt het bedrijf persoonlijke voornaamwoorden in de tweede persoon? Dit is de manier waarop de stakeholder wordt aangesproken door het bedrijf
0 = Nee (U)
1 = Ja (In de tweet van het bedrijf spreek het bedrijf de consument aan met woorden als: je, jij, jouw, jezelf).
B5.1.4 Gebruikt het bedrijf initialen of de naam van de werknemer aan het einde van het bericht
0 = Nee (Het bedrijf sluit niet af, het bedrijf sluit af met de naam van het bedrijf, het bedrijf sluit af met groetjes ect)
1 = Ja (Bijvoorbeeld: ^JC, Gr. Ralf, )
B5.2 Informeel taalgebruik:
B5.2.1 Wordt er door het bedrijf gebruik gemaakt van informele afkortingen?
0 = Nee (er wordt geen gebruik gemaakt van afkortingen, of er wordt gebruik gemaakt van formele afkortingen zoals ect. bijv. enz. m.n.)
1 = Ja (bijvoorbeeld ‘lol’ voor laughing out loud of ‘YOLO’ voor you only live once, DM voor direct message)?
B5.2.2 Wordt er door het bedrijf gebruik gemaakt van non-verbale cues? 0 = Nee
1 = Ja (In de tweet van het bedrijf komen emoticons :) of overmatig gebruik van interpunctie (…..,?????,!!!!) of overmatig gebruik van letters (neeeeee, waaaaat) of het gebruik van hoofdletters (NEE, WAT), overbodig gebruik van éé .
B5.2.3 Maakt het bedrijf gebruik van samenvoegingen? 0 = Nee
1 = Ja (samenvoegingen is het afkorten van 1 woord, zoals ’t voor het en pls voor please, zo’n, ‘m )
24 0 = Nee
1 = Ja (in de tweet van het bedrijf wordt gebruik gemaakt van ten minste één tussenwerpsel. Voorbeelden van tussenwerpsels zijn: ‘oh’, ‘wow’, ‘haha’, ‘he’, huh’, ‘hihi’, ‘oeps’).
B5.3 Gebruik van humor
B5.3.1 Maakt het bedrijf gebruik van humor in zijn Tweet? Indicatoren van humor zijn vaak non-verbale cues.
0= Nee
1= Ja (Bijvoorbeeld: wat flauw van dat gras;-) om welk veldje gaat het?)
B5.4 Verontschuldigen/ toegeven van fouten (verontschuldigen)
B.5.4.1 Geeft het bedrijf expliciet aan dat er een fout is gemaakt door het bedrijf. 0= Nee
1= Ja (Bijvoorbeeld: excuus voor het ongemak. Dit is nooit onder bedoeling geweest. Wij gaan het nakijken voor u)
C. Einde
Dit is het einde van het coderen van dit item, klik rechtsonder aan de pagina op ‘verzenden van de vragenlijst’. Hierdoor zal de analyse worden opgeslagen, dit is een belangrijke stap dus vergeet dit niet. Hierna zul je direct doorgeschakeld worden naar het coderen van het
volgende item. Wanneer item nummer 600 bereikt is, klik dan niet op volgende, maar maak een notitie in het logboek dat alle items gecodeerd zijn.
25 Bijlage 2
Appendix A
AANVRAAGFORMULIER ETHISCHE TOESTEMMING VOOR STUDENTENONDERZOEK IN HET KADER VAN ONDERWIJS
Studenten vragen ethische toestemming aan de docent van de onderwijsmodule.
In geval van twijfel vraagt de docent advies aan de coördinator van zijn haar vak. Indien de coördinator ook twijfelt kan deze via de route voor onderzoek onder minderjarigen advies vragen.
Bij minderjarige (<18 jaar) respondenten of proefpersonen legt de docent altijd de aanvraag voor ethische goedkeuring voor:
- bij mastermodule aan de gedelegeerde van de ethische commissie van zijn/haar programmagroep
- bij bachelor module aan Bas van den Putte.
De aanvraag bestaat uit: 1. Onderstaand formulier.
2. Het informatieblad en het informed consent formulier.
(indien meerdere methoden, dan alle informed consent formulieren meesturen). 3. Indien van toepassing: De methode van debriefing.
4. Indien van toepassing: De tekst voor de werving van deelnemers.
Een voorbeeld van een informatieblad en informed consent formulier is te vinden in Appendix B.
In deze checklist wordt gesproken van deelnemers. Hiermee worden respondenten of proefpersonen bedoeld die aan je onderzoek deelnemen.
26
Checklist ethische toestemming voor onderzoek door studenten in kader van onderwijsmodule
1) Titel van het onderzoeksproject: We(b)care?
2) Onderdeel van de opleiding (Bachelor of Master / Naam module): Afstudeerproject Corporate Communicatie
3) Student(en) die het onderzoek uitvoeren: Esther Hakvoort
4) Docent(en) die het onderzoek begeleiden: Christine Liebrecht en Anne Kroon
5) Korte omschrijving van het onderzoek (max. 200 woorden)
In dit onderzoek staat webcare centraal. Er wordt specifiek gekeken naar de invloed van type crisisresponse, conversational human voice en de reactiesnelheid van organisaties op de tevredenheid van consumenten. Het onderzoek is relevant aangezien de variabelen eerder onderzocht zijn, maar nooit in combinatie met elkaar.
6) Onderzoeksmethode (max. 100 woorden):
Er zal in dit onderzoek een inhoudsanalyse gebruikt worden om data te analyseren. Deze onderzoeksmethode stond voor deze scriptie al van te voren vast.
7) Waar wordt het onderzoek uitgevoerd (bv. online, locatie, via organisatie, etc.): Het onderzoek zal online worden uitgevoerd.
8) Duur van het onderzoek (van begin werving tot sluiting dataverzameling): Dit zal ongeveer 4 tot 6 weken bedragen.
27 9) Wie zijn de deelnemers? En hoe worden ze geworven?
Er zullen geen deelnemers zijn, maar Twitterberichten. Deze Twitterberichten zullen centraal staan in dit onderzoek. Ze worden geworven via Coosto, een tool voor sociale monitoring, webcare en publishing.
10) Zijn alle deelnemers volwassen (18 jaar of ouder) wilsbekwame personen? O nee
O ja
Indien nee, leg uit hoe actieve of passieve toestemming van de ouders wordt verkregen.
11) Aantal deelnemers dat wordt geworven:
Er zullen 600 Twitterberichten geworven en gecodeerd worden.
12) Hoe wordt de anonimiteit en privacy van de deelnemers gewaarborgd? Leg uit.
De berichten zullen anoniem gecodeerd worden. Dit betekent dat de naam van de stakeholder in het Twitterbericht niet vermeld wordt. Zo wordt de anonimiteit en privacy van de stakeholder gewaarborgd.
13) Krijgen deelnemers een compensatie voor deelname aan het onderzoek? O nee
O ja
28 14) Vindt er misleiding plaats?
O nee O ja
Zo ja, licht toe hoe en waarom. Leg ook uit hoe en wanneer deelnemers een debriefing krijgen.
15) Is het mogelijk dat sommige deelnemers/proefpersonen deelname aan het onderzoek niet prettig of vervelend vinden om een of andere reden, of in aanraking komen met informatie, materiaal of vragen waarmee ze liever niet worden geconfronteerd?
O nee O ja
Zo ja, licht toe.
Handtekening uitvoerend student(en): Handtekening begeleidend docent(en): Esther Hakvoort
Datum: 14-03-2016 Datum:
