Factoren die van invloed zijn op de bereidbaarheid van gebruikers om te betalen in F2P app-games

Factoren die van invloed zijn op de bereidbaarheid van gebruikers

om te betalen in F2P app-games

Patrick Akil - 10668411

Supervisor Dr. J. Sandberg

Informatiekunde

Universiteit van Amsterdam

04-07-2016

Abstract

De factoren die van invloed zijn op de bereidbaarheid van gebruikers om te betalen in F2P app-games zijn onderzocht. Dit is gedaan aan de hand van het onderzoek van Barnes en Guo (2007, 2009A, 2009B). Barnes en Guo (2009B) hebben een model ontwikkeld dat inzicht geeft in de factoren die van invloed zijn op de aankoopintentie in virtuele werelden. Er is onderzocht of dit model generaliseerbaar is naar F2P app-games. Verwacht werd dat dit model generaliseerbaar zou zijn. Doormiddel van een online-enquête zijn verschillende factoren, gedefinieerd door Barnes en Guo (2007, 2009A, 2009B), onderzocht in context van F2P app-games. Vervolgens is een Principle Component Analysis, regressieanalyse en SEM-PLS toegepast op de data. Het blijkt dat het model van Barnes en Guo (2009B) niet

generaliseerbaar is naar F2P app-games. Door de resultaten te combineren met de literatuur is echter een alternatief model ontwikkeld. Dit model geeft inzicht in factoren met betrekking tot de aankoopintentie in F2P app-games. De factoren perceived enjoyment, in-app purchase stimulator en in-app purchase effectiveness hebben mogelijk invloed op de behavioral intention. Dit onderzoek onderbouwt de relaties die de factor perceived enjoyment heeft met de factoren game comprehension, social influence en perceived game quality.

Dankwoord

Na deze lange periode van drie maanden is het zover. Met het schrijven van dit dankwoord leg ik de laatste hand aan mijn scriptie. Ik wil graag stil staan bij de mensen die mij de afgelopen periode enorm hebben gesteund en geholpen.

Jacobijn Sandberg, voor het feit dat je mijn begeleider was en wilde zijn. Ik heb onze samenwerking als zeer prettig ervaren. Je feedback die eerlijk en kritisch was, heeft enorm bijgedragen aan het stuk wat er nu ligt. Na elk bezoekje aan je kantoor, voor het bespreken van mijn werk, had ik altijd weer nieuwe en positieve energie om verder te gaan.

Mijn ouders, jullie staan altijd voor me klaar, hebben het volledige vertrouwen in alles wat ik doe en respecteren de keuzes die ik maak. De hoge verwachtingen die jullie van mij hebben, zorgen ervoor dat ik extra hard werk en jullie vertrouwen in mij helpt me met het nastreven van mijn doelen.

Mijn familie en vrienden. Jullie staan altijd voor mij klaar en bleven gedurende de periode enthousiast vragen naar de vorderingen van mijn onderzoek. Dit gaf me niet alleen motivatie, maar het eindproduct is er uiteindelijk aanzienlijk beter van geworden.

Tot slot wil ik alle mensen bedanken die aan dit onderzoek hebben deelgenomen. Dit onderzoek was nooit mogelijk geweest zonder jullie bijdrage.

Inhoudsopgave

1. Inleiding ... 5

2. Het Free-to-Play Model ... 6

2.1 'Free-to-Play' ... 6

2.2 Genres ... 7

3. Het Theoretische Model ... 9

3.1 Het theoretische model (2007) ... 9

3.2 Het theoretische Model (2009A) ... 11

3.3 Het onderzoeksmodel toegepast in Second Life ... 12

4. Onderzoeksmethode ... 16 4.1 Participanten ... 16 4.2 Middel en Materiaal ... 16 4.3 Procedure ... 17 4.4 Analysemethode ... 17 5. Resultaten ... 20

5.1 Principle Component Analysis ... 20

5.3 SEM-PLS modellering ... 21 6. Discussie ... 23 7. Conclusie ... 25 Literatuur ... 26 Appendix ... 29 Appendix A ... 29 Appendix B ... 31 Appendix C ... 33 Appendix D ... 33 Appendix E ... 34 Appendix F ... 35

1. Inleiding

Free-to-play (F2P) games zijn booming. Vooral in de app-game-industrie wordt dit soort games aangeboden. Zoals de naam al aangeeft zijn F2P games gratis te downloaden. F2P app-games genereren omzet door middel van in-app aankopen, dit komt overeen met het micro-transactiemodel. Dit model is een verdienmodel waarbij gebruikers virtuele goederen kunnen kopen via micro-transacties. Een micro-transactie is een financiële transactie waarbij een klein geldbedrag wordt uitgegeven aan een product. Deze transactie vindt meestal online plaats. Oftewel bij F2P app-games is het mogelijk virtuele goederen aan te kopen. De virtuele goederen die beschikbaar zijn in F2P games bestaan meestal uit de valuta van de game

(kristallen, goud, diamanten etc.) of in-game items. In-app aankopen resulteren voornamelijk in een snellere vooruitgang binnen de game, je kunt hiermee namelijk wachttijden passeren of extra items kopen. Er zijn ook in-app aankopen waarmee je verschillende objecten (karakters, auto's etc.) kan aanpassen qua uiterlijk. Deze aankopen worden skins genoemd. Ook in het ontwikkelingsproces van een game, wordt rekening gehouden met het micro-transactiemodel: games worden ontwikkeld met specifieke gamefuncties die niet alleen bedoeld zijn om in-app aankopen mogelijk te maken maar ook om ze aantrekkelijk te maken voor de gebruiker.

Er is een enorm aanbod van F2P games, echter is er een beperkt aantal dat daadwerkelijk aanslaat bij gebruikers. Daarnaast is winst niet gegarandeerd, aangezien veel gebruikers geen gebruik maken van de in-app aankopen. Populaire games hebben de juiste combinatie van verschillende gamemechanismes die zijn geïmplementeerd. Gamemechanismes zijn mechanismes die interacties mogelijk maken tussen de gebruiker en de game. Deze

mechanismes beïnvloeden mogelijk ook de bereidbaarheid van een gebruiker om te betalen. Welke gamemechanismes de bereidbaarheid versterken zijn echter onbekend. Andere factoren zoals het genre en sociale aspecten zijn mogelijk ook van invloed op de bereidbaarheid om te betalen.

In dit onderzoek wordt onderzocht welke factoren effect hebben op de bereidbaarheid van gebruikers om te betalen binnen F2P app-games. Om dit te realiseren wordt gebruik gemaakt van het theoretische model van Barnes en Guo (2007) en de aanvulling op het model (2009A). Deze modellen geven inzicht in de factoren die van invloed zijn op de beslissing om virtuele items te kopen in een virtuele gemeenschap. Het eerdere model (2007) komt voort uit verschillende acceptatiemodellen en theorieën. Vervolgens is het model gereviseerd (Barnes en Guo, 2009A).

Een aantal factoren uit het gereviseerde model zijn geselecteerd en onderzocht in de context van de game Second Life in een empirisch onderzoek (Barnes en Guo, 2009B). De resultaten uit dit onderzoek zullen gebruikt worden om te onderzoeken of het gebruikte model

generaliseerbaar is naar F2P app-games. De verwachtingen zijn dat het model

generaliseerbaar is naar F2P app-games en dat sociale aspecten en grafische kwaliteit een grote rol spelen in de beslissing om een in-app product te kopen.

Dit onderzoeksverslag is als volgt georganiseerd. In de volgende sectie zullen het free-to-play model en de verschillende gamegenres worden beschreven. Vervolgens zullen in sectie drie het theoretische model, de aanvulling op het model en het toegepaste onderzoek resulterend in het uiteindelijke model van Barnes en Guo worden toegelicht. Sectie vier beschrijft de

onderzoeksprocedure en de toegepaste analysemethoden. De resultaten volgen in sectie vijf, deze is opgedeeld in de gevonden factoren die van invloed zijn bij F2P app-games en de generaliseerbaarheid van het model. Tot slot rondt de paper af met een discussie en conclusie.

2. Het Free-to-Play Model

De term 'Free-to-Play' (F2P) zegt iets over de toegankelijkheid voor consumenten. Het is een product of service die consumenten toegang geeft tot alle content (inhoud) of een significant gedeelte ervan zonder dat ze hoeven te betalen (Osathanunkul, 2015). Er zijn verschillende soorten F2P modellen waaronder Freemium, Shareware, Freeware en Open source.

Videogames maken gebruik van Freemium. Dit refereert naar een volledig functionele game die gratis gedownload kan worden. Met betalingen kunnen extra virtuele goederen worden gekocht. Omzet wordt vaak gegenereerd door middel van het micro-transactiemodel.

Het micro-transactiemodel wordt vaak toegepast in online games waar er een mogelijkheid bestaat om virtuele valuta of virtuele items te verkopen in ruil voor in-game content (Whitson, 2011). Deze virtuele valuta of items kunnen worden gekocht met valuta uit de werkelijkheid (euro's, dollars etc.). Gebruikers kunnen echter niet de virtuele valuta of items, ruilen of terugverkopen voor valuta uit de werkelijkheid. Deze micro-transacties genereren omzet voor de F2P games.

Er zijn twee hoofdredenen voor bedrijven om het F2P model te gebruiken. Ten eerste is de game beschikbaar voor een groter segment gebruikers aangezien de game gratis te verkrijgen is (Paavilainen et al., 2013). Ten tweede biedt het de mogelijkheid flexibele prijzen op te stellen. Hierdoor wordt de afzetmarkt vergroot omdat er gericht wordt op meerdere lagen van de maatschappij (Alha et al, 2014).

Aan de andere kant van het spectrum staat het Pay-to-Play (P2P) model. Het P2P model is het traditionele model in de videogame industrie. In dit model moeten gebruikers eerst betalen voor ze de game kunnen spelen. In de videogame industrie worden de termen F2P en P2P gebruikt om het model van een game aan te duiden. Gamers gebruiken de termen vaak om aan te geven of iemand in-app aankopen heeft gekocht, of de game gratis speelt.

In dit onderzoek wordt er gekeken worden naar F2P games op het smartphone- en

tabletplatform die gebruik maken van het micro-transactiemodel. Het platform verwijst naar het systeem waarop de videogame gespeeld wordt (Apperley, 2006). Dit omvat pc's,

verschillende consoles en 'smart' apparatuur zoals de smartphone en tablet.

De games die gespeeld worden op smart apparatuur worden gedownload via de beschikbare appstores en worden app-games of game apps genoemd. Apparatuur met het iOS

besturingssysteem van Apple maakt gebruik van de Appstore. Daarnaast maakt de apparatuur met het Android besturingssysteem van Google gebruik van de Google Play Store (Fu et al., 2013). Veel app-games maken gebruik van het micro-transactiemodel en verzorgen in-game items en valuta die de gebruiker kan kopen. De microtransacties in app-games worden ook wel in-app aankopen genoemd. Het gebruik van in-app aankopen is een effectieve methode om niet betalende klanten over te halen betalende klanten te worden (Pettey en van der Meulen, 2012). Vervolgens wordt geprobeerd klanten te behouden door te zorgen voor een goede gebruikerservaring (user experience) en door continue product- en content-updates te leveren. In-app aankopen worden mogelijk gemaakt door de appstores, dit zorgt ervoor dat alle betalingen met betrekking tot apps via de appstores gaan waardoor het veiliger en betrouwbaarder is voor de klant. Dit geldt voor zowel F2P games, als voor P2P games. De soorten in-app aankopen die zijn toegestaan bestaan uit inhoud, functionaliteit, diensten en

abonnementen (Garg en Telang, 2012). Tijdens het ontwikkelen van een game en het implementeren van in-app aankopen moeten F2P game ontwikkelaars met verschillende dingen rekening houden. Ze moeten balans houden tussen het maken van een leuke game en het genereren van omzet, en vooral ook proberen gebruikers te behouden in verband met de continuïteit van de game (Alha et al., 2014).

2.2 Genres

Videogamegenres kunnen gebruikt worden als categorisering om de verschillen tussen games te verduidelijken. In dit onderzoek zal de genre-taxonomie van Wolf (2001, p114) gebruikt worden. Deze concentreert zich op verschillende type interacties en beschikbaar in games en onderscheidt dit van de visuele iconografie. Wolf classificeert 42 videogame categorieën, dit toont onder andere de diversiteit van videogames aan. Om de genrecategorieën beknopt te houden binnen het onderzoek zullen vijf van de meer populaire videogamegenres worden behandeld: simulatie, strategie, actie, role-playing en puzzel.

Apperley (2006) doet een onderzoek naar genres binnen videogames. Hierin behandelt hij de simulatie, strategie, actie en role-playing genres. Hij beschrijft de volgende kenmerken per genre:

Simulatie

Het simulatiegenre omvat simulatie videogames zoals sport-, vlieg- en racegames. Dit genre omvat ook games die de dynamiek van een dorp, stad en gemeenschap simuleren, zoals de Sims en Farmville.

Strategie

Het strategiegenre is opgedeeld in twee subgenres: real time strategy (RTS) en turn-based strategy (TBS). Zowel RTS als TBS games hebben overeenkomende esthetiek, een fotorealistische uitbeelding en soortgelijke 'god's-eye-view' (perspectief) van alle

gebeurtenissen in het spel. Bij RTS games worden de beurten van de spelers tegelijkertijd (real time) uitgevoerd. Terwijl bij TBS games de beurten worden afgewisseld (turn-based). Voorbeelden van strategie app-games zijn Clash Royale (RTS) en Civilization Revolution (TBS).

Actie

Het actiegenre bestaat voornamelijk uit twee subgenres: first-person games en third-person games. First- en third-person refereren naar het grafische perspectief die het karakter in het spel heeft. Bij first-person games komt het kijkpunt van de gebruiker op het scherm overeen met het kijkpunt van zijn karakter. Third-person games worden gespeeld met een karakter die volledig zichtbaar is voor de gebruiker. De app-games Fruit Ninja (first-person game) en Jetpack Joyride (third-person game) zijn voorbeelden van het actiegenre.

Role-Playing

Het genre van 'role-playing games' (RPG), ook wel het avontuurgenre genoemd, is nauw verwant aan het literaire fantasiegenre. In een RPG maakt de speler onderdeel uit van de fantasiewereld en controleert hij de acties van een karakter dat een belangrijke rol in het verhaal speelt. RPG's maken gebruik van verhaalelementen, niveausystemen, immersie en herspeelbaarheid. Het niveausysteem is vaak verbonden aan de statistische waardes van karakters. Deze bestaan meestal uit aanvallende en verdedigende waardes (afbeelding 1). Wanneer de speler met zijn karakter hogere niveaus behaalt, krijgt deze meestal hogere

statistische waardes en mogelijk nieuwe vaardigheden. Het niveau van een karakter toont de ontwikkeling en voortgang aan, dit is goed te zien in de app-game Summoners War (afbeelding 1).

Een vertakking van het RPG genre is het 'massive multiplayer online role-playing-game' genre (MMORPG). Dit is een RPG die volledig online wordt gespeeld samen met andere spelers. Games zoals Second Life die gebruik maken van een online virtuele wereld vallen binnen het MMORPG genre.

Puzzel

Games uit het puzzelgenre bevatten voornamelijk puzzels. Het doel van de speler is om deze puzzels op te lossen. Hierbij moet hij zich aan de regels houden die in de game zijn vastgesteld (Marshall et al., 2013). Om deze puzzels op te lossen zijn logisch nadenken, deductie, patroonherkenning en

intrinsieke/extrinsieke kennis van belang. Het belang van deze

vaardigheden correleert met de moeilijkheidsgraad. De app-game Candy Crush is hier een goed voorbeeld van.

3. Het Theoretische Model

De belangrijkste basis van dit onderzoek is het empirische onderzoek (Barnes en Guo, 2009B) en het model van Barnes en Guo (2009A). Het model is een aanvulling op het oorspronkelijke model (2007). Beide modellen geven inzicht in de factoren die van invloed zijn op de

beslissing om virtuele items te kopen in een virtuele wereld. Vervolgens zijn een aantal factoren uit het gereviseerde model samen met nieuwe factoren onderzocht in de context van de game Second Life in een vervolgonderzoek van Barnes en Guo (2009B).

3.1 Het theoretische model (2007)

Het theoretische model van Barnes en Guo (2007) komt voort uit een combinatie van verschillende modellen en theorieën zoals de theory of reasoned action (TRA) (Azjen en Fishbein, 1988), theory of planned behavior (TPB) (Azjen, 1991), technology acceptence model (TAM) (Davis Jr, 1986), trust theory (McKnight et al., 2002) en de unified theory of acceptance and use of technology (UTAUT) (Venkatesh et al., 2003). Het model van Barnes en Guo geeft negen factoren weer die van invloed zijn op de "behavioral intention". Barnes en Guo definiëren behavioral intention als volgt: "an individual' own estimated probability that he or she will be participant in virtual item transactions within virtual game communities" (Barnes en Guo, 2007, p.72). Kortom de kans dat een individu gebruik maakt van virtuele transacties in een virtuele game gemeenschap.

In dit onderzoek zal de behavioral intention (aankoopintentie) in de context van F2P app-games worden onderzocht, dit geldt ook voor de factoren die mogelijk van invloed zijn hierop (afbeelding 2). De aankoopintentie zal de kans aangeven waarin een individu gebruik maakt van de in-app aankoopmechanismes. Van de overige factoren zal de definitie worden

Performance expectancy. De mate waarin een gebruiker gelooft dat in-app aankopen zijn

vooruitgang met betrekking tot de game/karakter zal bevorderen. Voordat de gebruiker een in-app item koopt, moet hij geloven dat hij voldoende baat zal hebben bij de aankoop. Hierdoor is performance expectancy een belangrijke factor die effect heeft op de aankoopintentie.

Effort expectancy. De mate van het gemak met betrekking tot in-app aankopen. Alle

transacties met betrekking tot apps gaan via de respectievelijke appstores,zo zal een gebruiker weinig moeite ondervinden met betrekking tot het betalen. Hierdoor zal de effort expectancy waarschijnlijk een minder grote rol spelen dan bij het aangaan van transacties binnen een virtual community.

Social Influence. De mate waarin de gebruiker wordt beïnvloed door andere gebruikers. Het

sociale aspect varieert per game, sommige games zijn online en bieden de mogelijkheid voor gebruikers om met elkaar te converseren terwijl andere games ook offline en volledig zonder interactie met andere gebruikers worden gespeeld.

Character Competence. De mate van progressie (vooruitgang) die een gebruiker ervaart met

betrekking tot zijn game ten opzichte van zijn medespelers. Wanneer een gebruiker ontevreden is met zijn progressie in de game, bieden de in-app aankopen vaak de

mogelijkheid voor een versnelde progressie. Echter wanneer een gebruiker ten opzichte van anderen veel verder is in de game en een hoger niveau heeft bereikt, doet dit het verlangen naar progressie verminderen (Kim et al., 2005).

Perceived Enjoyment. De mate waarin plezier wordt ervaren door het spelen van de game.

Barnes en Guo stellen dat gebruikers die participeren in een virtuele game gemeenschap, en plezier ervaren in het spelen van de game, meer geneigd zijn om virtuele items te kopen. De aankopen bevorderen vervolgens hun progressie en resulteren in meer plezier voor de gebruiker. Hetzelfde geldt voor F2P app-games.

Trust (Composite). De mate van vertrouwen. Barnes en Guo stellen deze factor samen uit

verschillende vertrouwensfactoren zoals het vertrouwen in andere spelers, in intuïtie en bekendheid met de game. Barnes Guo nemen aan dat de vertrouwensfactor relevant is voor de aankoopintentie, aangezien vertrouwen van belang is bij de beslissingen die te maken hebben met risico en onzekerheden. Vooral in RPG's is dit relevant aangezien deze veel variërende elementen bevatten. De in-app aankopen kunnen verschillende uitkomsten hebben, toch moet de gebruiker geloven dat de aankopen zullen resulteren in een gewenste uitkomst.

Perceived Information Asymmetry. "The perception of whether or not an individual lacks

enough information resources to perform intended behavior." (Barnes en Guo, 2007, p. 73). Het gebrek aan informatie kan een negatief effect hebben op de aankoopintentie. Vooral wanneer een gebruiker nieuw is, kan een gebrek aan informatie hem ervan weerhouden een in-app item te kopen. De gebruiker zal bijvoorbeeld nog niet weten of de in-app aankopen het waard zijn.

Critical Mass. "The extent to which a person believes that most members will purchase

virtual items through community transaction platforms." (Barnes en Guo, 2007, p. 73). De mate waarin de gebruiker gelooft dat het merendeel van de gebruikers gebruik maken van de beschikbare in-app aankopen. Wanneer een gebruiker zich realiseert dat het merendeel van de gebruikers gebruik maakt van in-app aankopen zal de drang toenemen om ook daadwerkelijk gebruik te maken van de in-app aankopen.

Perceived Virtual Game Community Quality. De gamekwaliteit die de gebruiker observeert.

Dit wordt gemeten aan de hand van de kwaliteit van het informatiesysteem. Deze wordt onderverdeeld in het virtuele transactiesysteem, de kwaliteit van de virtuele gemeenschap en de kwaliteit van game content. De perceived virtual game community quality heeft invloed op perceived enjoyment, effort expectancy en performance expectancy (afbeelding 2). In dit onderzoek wordt de Perceived Virtual Game Community Quality onderzocht onder de naam: 'Perceived Game Quality'

3.2 Het theoretische Model (2009A)

In 2009 hebben Barnes en Guo een vervolgonderzoek gedaan naar de effecten die de aankoop van virtuele items in een virtuele wereld beïnvloeden. Het theoretische model uit 2007 werd in dit onderzoek als basis gebruikt. In het onderzoek werden participanten geïnterviewd in focusgroepen. Elke participant had in de afgelopen zes maanden een MMORPG game gespeeld waarin virtuele transacties mogelijk zijn. De participanten hadden ervaring met verschillende populaire MMORPG games zoals World of Warcraft, Zhengtu en Popkart. Met behulp van hun persoonlijke ervaring werden de factoren uit het eerdere model (Barnes en Guo, 2007) besproken. Eveneens kwam een aantal nieuwe factoren naar voren. Er waren vier groepen in totaal, met elk zes personen. Op basis van de informatie uit de focusgroepen is het model aangepast (afbeelding 3).

Wat opvalt, is dat Barnes en Guo onderscheid hebben gemaakt tussen de aankoopintentie en daadwerkelijk koopgedrag (actual purchase behavioral). Daarnaast valt op dat de

aankoopintentie onderverdeeld is in andere factoren. Net als de reeds behandelde factoren zal per nieuwe factor de definitie worden toegelicht. Deze definities zullen net als de voorgaande factoren gelden in de context van F2P app-games.

Motivation for pursuing virtual items. De motivatie voor een gebruiker om virtuele items te

requirements of quest system en the quality of virtual world (perceived virtual game community quality).

The requirements of the quest system. Het belang van een 'quest' systeem. Deze factor is

voornamelijk gebonden aan het (MMO)RPG genre. Hierdoor zal het niet behandeld worden in dit onderzoek naar F2P app-games.

Personal real resources. De persoonlijke beschikbare middelen. Voornamelijk geld en tijd

wordt besteed door gebruikers van F2P app-games. Om sommige doelen te behalen en bepaalde items te verkrijgen zal de gebruiker zijn tijd moeten besteden aan de game.

Sommige items zijn echter schaars in vergelijking met andere items. Het verkrijgen van deze items kost meer tijd. Wanneer de gebruiker hier geen tijd aan wilt besteden bieden in-app aankopen de oplossing. Resulterend in de afweging tussen tijds- en geldbesteding.

Virtual item resources. De virtuele beschikbare middelen. Zoals beschreven bij de personal

real resources zal een afweging gemaakt worden tussen tijds- en geldbesteding. Deze

afweging zal worden gemaakt met onder andere de huidige virtuele beschikbare middelen in gedachte.

Perceived profit-making opportunities. De mogelijke winst die gebruikers maken middels de

transacties. Dit is echter niet relevant binnen F2P app-games, aangezien in-game valuta's niet ingewisseld kunnen worden voor valuta uit de echte wereld.

Habit. De gewoonte met betrekking tot koopgedrag. In het onderzoek van Barnes en Guo

(2009A) vonden maar twee van de vier focusgroepen deze factor belangrijk. Daarom is dit in afbeelding 3 omgeven door een stippellijn.

Trust. De mate van vertrouwen. De vertrouwensfactor werd niet als belangrijke factor

beschouwd door de focusgroepen. Deze is daarom in afbeelding 3 omgeven met een rode stippellijn. Echter stellen Barnes en Guo dat de vertrouwensfactor wel belangrijk wordt beschouwd door andere theorieën. Daarnaast stellen ze dat de risico's van online transacties niet langer relevant zijn voor virtuele werelden. Virtuele producten zullen meestal correct en naar behoren functioneren. Opvallend was dat de participanten het fijner vonden om een transactie aan te gaan met bekenden. Dit kan voorkomen in MMORPG games, maar niet in F2P app-games. Zoals beschreven in het onderzoek van Barnes en Guo (2007) bestaat de trust factor ook uit het vertrouwen in andere gebruikers, game intuïtie en bekendheid met de game. Daarom zal de trust factor ook onderzocht worden in dit onderzoek naar F2P app-games.

3.3 Het onderzoeksmodel toegepast in Second Life

In een vervolgonderzoek van Barnes en Guo (2009B) is het gereviseerde model als basis gebruikt in de opbouw van het onderzoeksmodel. Het onderzoek is toegepast op de game 'Second Life'. Second Life is een game met een sociaal georiënteerde virtuele wereld waar gebruikers zich, zijnde als karakter, in bevinden. De virtuele wereld werd bewoond door ongeveer 16 miljoen bewoners in 2008 (Second Life, 2008) en was de meest populaire sociaal georiënteerde virtuele wereld destijds (KZero, 2008).De factoren die zijn onderzocht staan

beschreven in tabel 1.

Verwacht werd dat de aankoopintentie invloed had op het daadwerkelijke aankoopgedrag. Bovendien werd verwacht dat de overige factoren invloed hadden op de aankoopintentie. Het toegepaste model verschilt met het gereviseerde model (Barnes en Guo, 2009A) als

volgt: Op basis van de resultaten uit 2009 is de vertrouwensfactor weggelaten. De factoren perceived profit-making opportunities, virtual item rescources, personal real resources, the requirements of quest system zijn eveneens weggelaten. Daarnaast zijn de 'customisation' en 'advancement' factoren toegevoegd. Customisation, de mogelijkheid om aanpassingen aan het virtuele uiterlijk aan te brengen, is specifieker voor het (MMO)RPG genre en vandaar ook relevant in de game Second Life. De vooruitgangfactor (advancement) geeft de mate aan waarin een speler plezier ervaart gebaseerd op zijn vooruitgang in de game.

Barnes en Guo hebben de motivatietypologie van Verhagen et al. (2008) toegepast in het onderzoek, resulterend in het model in afbeelding 4. Aan de hand van deze motivatietypologie zijn de factoren perceived enjoyment, advancement en customization geïdentificeerd als intrinsieke motivators. Daarnaast zijn de factoren effort expectancy, performance expectancy en perceived value geïdentificeerd als extrinsieke motivators (afbeelding 4). Intrinsieke motivatie is de motivatie die vanuit de persoon zelf komt, iemand is intrinsiek gemotiveerd wanneer hij een prestatie levert omdat hij het graag doet. Daarentegen is extrinsieke motivatie de bron van handelen gelegen in de factoren die buiten de persoon liggen. Iemand is

bijvoorbeeld extrinsiek gemotiveerd als hij een handeling uitvoert op basis van een beloning die wordt voorgehouden.

Het onderzoek werd uitgevoerd met een online enquête, deze werd verspreid onder de

gebruikers van Second Life. In totaal waren er 262 respondenten, waarvan er 12 niet gebruikt werden in het verdere onderzoek. Dit bracht het totale aantal geldige respondenten op 250. Van tevoren is gebruik gemaakt van het programma G*Power 3.0 (Faul et al. 2007) om de benodigde steekproefomvang te computeren. Deze omvang is gebaseerd op de 'power analysis' techniek. Dit is een techniek die gebruikt wordt om de minimale steekproefomvang te bepalen (MacCallum et al., 1996). Voor het conceptuele model en een middelmatige effectgrootte (1-β=0.8, α=0.05) is een minimale steekproefomvang van 160 personen nodig.

In de enquête waren stellingen met betrekking tot verschillende aspecten verwerkt. De stellingen waren gerelateerd aan de factoren (tabel 1) die werden onderzocht met betrekking tot Second Life. Bovendien waren de stellingen opgebouwd uit informatie uit voorgaand empirisch onderzoek gerelateerd aan de domesticatie van informatiesystemen (Taylor en Todd, 1995; Venkatesh et al., 2003; Guo en Barnes 2007, 2009A; Davis et al., 1992). De definitieve enquête bestond uit 43 vragen. Deze waren onderverdeeld in 13 demografische vragen en 30 vragen gerelateerd aan de factoren die onderzocht werden. De factoren 'perceived enjoyment' en 'perceived social status' werden gemeten met behulp van een semantisch differentiaal. Dit is een schaal met op de twee uitersten tegenovergestelde

begrippen zoals koud en warm, zwak en sterk, et cetera. De overige factoren werden gemeten met behulp van een 7-punts Likertschaal. Hierin stond een score van 7 voor 'strongly agree' en een score van 1 voor 'strongly disagree'. Een 7-punts schaal is goed in het vastleggen van kleine verschillen, dit is van belang in het behalen van een hoge betrouwbaarheid (Nunally,

1978). Het onderzoek gebruikte de aankoopfrequentie van virtuele items van respondenten als maatstaf voor de daadwerkelijke aankopen.

De hypothetische relaties, uitgaande van Barnes en Guo (2009B), tussen de aankoopintentie en de overige factoren zijn onderzocht met SEM-PLS modelleren in het SmartPLS 2.0M programma. Partial Least Squares (PLS) is een methode van Structural Equation Modeling (SEM). SEM is een analysemethode die wordt gebruikt bij data bestaande uit twee of meer variabelen. Hierdoor wordt het vinden van relaties vereenvoudigd. Vaak wordt SEM toegepast in marketingonderzoek aangezien het lineaire en causale modellen kan verifiëren (Chin, 1998; Haenlein en Kaplan, 2004. PLS is een modelleertechniek die populair is in modern bedrijfsonderzoek. PLS heeft specifieke voordelen, zoals minimale eisen met

betrekking tot meetschalen en populatiegroottes (Chin, 1998). Daarnaast is PLS geschikt voor causale en voorspellende analyses waarin de hypothetische relaties complex en nog niet empirisch bevestigd zijn (Gefen et al., 2007).

Over het algemeen bevestigen de resultaten de invloed van de factoren op de aankoopintentie zoals beschreven in het model van Barnes en Guo (2009B). Voor elke factor zijn ook de T-waarden berekend voor de hypothetische relaties. Een T-waarde resulteert uit een T-test waarin wordt bepaald of de nulhypothese behouden of verworpen moet worden. Binnen het onderzoek geeft de T-waarde aan dat er hoogstwaarschijnlijk een relatie bestaat tussen de aankoopintentie en de desbetreffende factor. Bovendien is het significantieniveau per pad ook gecalculeerd. De variantie (R²) en pad significantieniveaus resulteerden uit het PLS algoritme. De variantie in aankoopintentie werd voor 45,3% verklaard (R²=0.453). Bovendien werd de variantie in het daadwerkelijke aankoopgedrag voor 25,8% verklaard (R²=0.258).

De extrinsieke motivatiefactoren hebben een zeer significante T-waarde (P<0.001)

(afbeelding 4). Ook customisation heeft een zeer significante T-waarde (P<0.001). Daarnaast is voor perceived enjoyment en advancement een significante T-waarde gevonden (P<0.05). De T-waarde voor advancement is echter negatief (P<0.1). Barnes en Guo stellen dat Second Life gebruikers meer neigen te ontwerpen in plaats van virtuele items te kopen om

advancement (tabel 1) te bereiken, dit ging tegen de verwachtingen in. Uit de resultaten bleek verder geen relatie te bestaan tussen sociale invloed en de aankoopintentie. Echter stellen Barnes en Guo (2009B) dat sociale invloed nog steeds een rol kan spelen in specifieke beslissingen gerelateerd aan de aankopen van virtuele items. De gewoontefactor had een positief effect op het daadwerkelijke aankoopgedrag (P<0.001), maar bleek geen invloed uit te oefenen op de relatie tussen de aankoopintentie en het daadwerkelijke aankoopgedrag. Dit is inconsistent met eerder gepubliceerd onderzoek van Limayem et al. (2007).Volgens Barnes en Guo is toekomstig onderzoek op dit gebied nodig om de tegenstrijdigheid in de resultaten te verklaren.

4. Onderzoeksmethode

Dit onderzoek naar de factoren die van invloed zijn op de aankoopintentie en het

aankoopgedrag in F2P app-games betrof een correlationeel onderzoek. Getracht werd valide correlaties aan te tonen tussen de bovengenoemde factoren en de overige factoren zoals beschreven in sectie drie. Verwacht werd dat het model van Barnes en Guo (2009B) generaliseerbaar is naar F2P app-games en dat sociale aspecten en grafische kwaliteit een grote rol spelen in de beslissing om een in-app product te kopen.

4.1 Participanten

De enquête was door 2487 respondenten ingevuld. Echter 94 enquêtes waren niet volledig ingevuld. Dit resulteerde in 2393 ingevulde enquêtes die werden onderzocht. De enquête was voor 93,4% ingevuld door mannen (appendix A). Bijna de helft van de respondenten (49,9%) was tussen de 18 en 24 jaar oud en ruim 30% was tussen de 25 en 34 jaar oud (Appendix A). Daarnaast gaf 59,9% aan dat ze erg frequent videogames spelen en 33,1% gaf aan videogames frequent te spelen (appendix A).

De respondenten hadden allemaal een F2P app-game in gedachte die ze gespeeld hadden of nog steeds speelden. Aan de hand van hun ervaring in deze game hadden ze de enquête ingevuld. 64,6% van de participanten hadden aangegeven dat de F2P app-game in gedachte in het RPG genre lag. Daarnaast had 30,4% aangegeven dat ze de enquête hadden ingevuld met een F2P app-game uit het strategiegenre in gedachte (appendix B). Verder gaf 58,1% van de respondenten aan de desbetreffende F2P app-game langer dan 12 maanden gespeeld te hebben (appendix B). 67,7% van de respondenten had in-game aankopen gekocht. Hiervan gaf 42,1% aan tussen de 0 en 100 euro te hebben uitgegeven aan de F2P app-game en 33,7% gaf aan zelden in-app producten te kopen (Appendix B).

4.2 Middel en Materiaal

In dit onderzoek is gebruik gemaakt van een anonieme online enquête om data te verzamelen. Hiermee is onderzocht welke factoren van invloed zijn op de aankoopintentie en het

aankoopgedrag in F2P app-games. Om meer toegankelijk te zijn voor een groot publiek was ervoor gekozen om de enquête volledig Engelstalig te maken. De enquête bestond totaal uit 32 vragen, 5 demografische vragen en 27 vragen gebaseerd op de besproken factoren (tabel 2). De vijf demografische vragen waren meerkeuzevragen. Hier had de respondent keuze uit een aantal vaste opties. De overige vragen betroffen de factoren van Barnes en Guo (2007, 2009A, 2009B). In tabel 2 staat aangegeven hoe deze factoren zijn verwerkt in de enquête. De factoren 'Actual Purchase Behavior', 'Habit', en 'Behavioral Intention' werden onderzocht aan de hand van meerkeuzevragen. De overige factoren werden onderzocht aan de hand van stellingen die beantwoord werden met behulp van een beoordelingsschaal. Hierin gaf de respondent aan in hoeverre hij het eens of oneens was met de stelling. Hiervoor was gebruik gemaakt van een 7-punts Likertschaal. Een score van 7 stond voor 'strongly agree' en een score van 1 voor 'strongly disagree'.

Factoren Vraagsoort Aantal vragen

Advancement 7-punts Likertschaal 2

Customisation 7-punts Likertschaal 2

Effort Expectancy 7-punts Likertschaal 2

Trust 7-punts Likertschaal 2

Perceived Enjoyment 7-punts Likertschaal 3

Perceived Game Quality 7-punts Likertschaal 3

Performance Expectancy 7-punts Likertschaal 3

Social Influence 7-punts Likertschaal 3

Actual Purchase Behavior Meerkeuze 2

Habit Meerkeuze 2

Behavioral Intention Meerkeuze 3

Tabel 2: De factoren die zijn onderzocht in dit onderzoek, met bijbehorende methode en aantal vragen.

4.3 Procedure

Voordat de enquête online werd geplaatst, was deze eerst kleinschalig verspreid. Hierdoor werd duidelijk wat er eventueel miste en waar toelichting nodig was. Aan de hand van deze feedback werden er vragen toegevoegd, aangepast en eventueel toegelicht. De reacties werden verwijderd, vervolgens kon de enquête online worden geplaatst. Dit werd gedaan op de

website www.reddit.com (reddit). Reddit is een forumwebsite en een bron van informatie wat betreft verschillende onderwerpen. Dit komt omdat elk onderwerp een aparte pagina heeft, genaamd 'subreddit'. Deze subreddits hebben elk een eigen onderwerp, gedragsregels, gebruikers en moderators (beheerders en toezichthouders). Alle gebruikers kunnen verhalen, links, media en indien toegestaan ook enquêtes plaatsen op de subreddits. Overige gebruikers kunnen de content beoordelen en commentaar geven. Aan de hand van de beoordelingen komt content hoger op de pagina te staan. De enquête was geplaatst op verschillende subreddits met centrale onderwerpen: smartphone games, algemene games en smart apparatuur.

Allereerst was aan de moderators van de desbetreffende subreddits gevraagd om toestemming. Een paar dagen later was de enquête geplaatst op de subreddits waar toestemming was verkregen. Voordat de participanten op de enquêtelink konden klikken werden ze verwelkomd en werd uitgelegd wat het onderwerp van de enquête was (Appendix C). De enquête was opgedeeld in 3 secties en de vragen binnen de secties waren

gerandomiseerd. Eerst kwam het gedeelte waar de participant achtergrondinformatie kon geven over de F2P app-game en zijn eventuele koopgedrag. In dit gedeelte kon de participant aangeven in welke genre de F2P app-game lag. Om consistentie in de genreselectie te houden werd een korte toelichting gegeven voor elke genre. Vervolgens kwamen de stellingen en tot slot de demografische vragen. Wanneer de respondent zijn antwoorden had verzonden werd hij/zij hartelijk bedankt.

4.4 Analysemethode

Allereerst werd de data van de negatief geformuleerde stellingen omgedraaid: één werd zeven, twee werd zes enzovoorts. Hierdoor was de data over het algemeen meer consistent. Vervolgens is er een betrouwbaarheidsanalyse uitgevoerd voor op de data van alle stellingen

(tabel 2). Hiervoor was Cronbach's alpha berekend. Cronbach's alpha wordt gebruikt om de betrouwbaarheid van een set items te bepalen. Dit wordt getoetst op basis van de onderlinge correlatie van verschillende items (Santos, J. R. A. 1999). De vragen blijken onderling inconsistent te zijn wanneer Cronbach's alpha kleiner is dan 0.7 (α < 0.7). Aan de hand van Cronbach's alpha bleken de vragen onderling inconsistent (Appendix D). Dit kwam door de stelling: "Players that buy in-app purchases have a big advantage over players that don't.", deze stelling is niet meegenomen in de opvolgende analyses. Na het verwijderen van de stelling bleken de vragen wel onderling consistent te zijn (α = 0.704) (Appendix D).

Vervolgens is een Principle Component Analysis (PCA) uitgevoerd. Dit is een analysemethode om grote hoeveelheden gegevens te reduceren tot een kleiner aantal hoofdcomponenten (factoren). De factoren en de bijbehorende vragen zijn weergegeven in Appendix E en tabel 4.

De PCA resulteerde in zeven factoren (tabel 3). De factor aankoopintentie was niet

goed naar voren gekomen als factor. In tegenstelling tot het daadwerkelijke aankoopgedrag (actual purchase behavior). Vervolgens is een (multivariabele) regressieanalyse uitgevoerd. Hierin was de factor daadwerkelijke aankoopgedrag onderzocht als onafhankelijke variabele. Een (multivariabele) regressieanalyse geeft de relaties tussen meerdere factoren weer. De regressieanalyse gaf ook een ANOVA tabel (Apendix F).

Indien, bij een ANOVA, het significantieniveau kleiner is dan 0.05 (α < 0.05) kan over het algemeen worden gesteld dat de afhankelijke variabele, actual purchase behavior (APB), hoogstwaarschijnlijk wordt voorspeld door de onafhankelijke variabele (de overige factoren). Daarnaast was onderzocht of er een significant sterke correlatie (R) bestond tussen de APB en de overige factoren. Ten slotte is onderzocht welke afhankelijke variabelen significante invloed uitoefenen op de onafhankelijke variabele. Uit de correlatiematrix was opgevallen dat de factoren die niet van invloed waren op het daadwerkelijke aankoop gedrag, wel van

invloed waren op de factor 'perceived enjoyment' (PE). Naar aanleiding van dit resultaat is er ook een regressieanalyse uitgevoerd met de factor PE als onafhankelijke variabele. De tabellen van beide regressieanalyses zijn weergegeven in Appendix F.

De gevonden factoren die van invloed waren op de desbetreffende onafhankelijke variabelen waren vervolgens gebruikt bij het SEM-PLS modelleren in het SmartPLS 3 programma. Er was gekeken naar de T-waarden, de significantieniveaus per pad en de effectgroottes (R²). De effectgrootte geeft de mate van variantie aan van de afhankelijke variabele, wat verklaard kan worden door de onafhankelijke variabele. Vervolgens is onderzocht of de gevonden resultaten overeenkwamen met de resultaten van Barnes en Guo (2009B).

Om de validiteit en betrouwbaarheid van de factoren te testen is gebruik gemaakt van de average variance extracted (AVE) en composite reliability (CR). AVE meet de mate van variantie in een component vanuit de variabelen waaruit deze is opgebouwd (Chin, 1998). Een AVE van 50% of hoger is over het algemeen acceptabel. De CR is een maat (norm) voor de interne consistentie van de variabelen die samen een component vormen. Over het algemeen geeft een CR van hoger dan 0.7 aan dat de component intern consistent en betrouwbaar is (Fornell en Larcker, 1981). Tabel 3 geeft de AVE en CR waardes per component. Het

gemiddelde van de AVE was 64,5% (0.645) en het gemiddelde van de CR was 0.778. Dit gaf aan dat de gevonden factoren betrouwbaar waren voor de analyses.

Factoren CR AVE Actual Purchase Behavior (APB) 0.916 0.845 In-app Purchase Effectiveness (IPE) 0.704 0.560 In-app Purchase Stimulator (IPS) 0.778 0.648 Game Comprehension (GC) 0.737 0.585 Perceived Enjoyment (PE) 0.725 0.572 Perceived Game Quality (PGQ) 0.766 0.623 Social Influence (SI) 0.798 0.667

5. Resultaten

Allereerst worden de factoren van de PCA toegelicht, vervolgens worden de regressieanalyses behandeld. Tot slot wordt de SEM-PLS modellering besproken en vergeleken met het model van Barnes en Guo (2009B).

5.1 Principle Component Analysis

Uit de PCA kwamen zeven factoren. De factoren met bijbehorende vragen zijn weergegeven in tabel 4. De factoren APB, PE, PGQ en SI komen overeen met beschreven factoren. Er zijn echter ook nieuwe factoren gevonden. Deze zijn benoemd op basis van de stellingen die de desbetreffende factor vormen. De 'in-app purchase stimulator' zegt iets over de mate van stimulators rondom in-app aankopen. Dit kan zijn het gebrek aan virtuele items, het aanbod van (unieke) in-app producten, et cetera. De 'in-app purchase effectiveness' zegt iets over de effectiviteit van de in-app aankopen. Zowel effectiviteit in progressie als in verkoop maken hier deel van uit. De 'game comprehension' geeft de mate van begrip aan wat betreft de game en haar mechanismes.

Factor Stelling

Perceived Enjoyment (PE) _{My enjoyment of the game does not fluctuate.} I enjoy playing the game.

I am happy with my overall progression within the game. I trust other players not to cheat within the game. There are a lot of social aspects within the game.

Perceived Game Quality (PGQ) There is a lot of information of the game available to me. The game is well thought out.

The content is of high quality.

The in app purchases available are easy to purchase. I have faith in my gaming intuition.

Purchase Behavior (PB) Money spent.

In-app purchase frequency.

In-app Purchase Stimulator (IAS) The game gives out plentiful virtual items to all players. The in app purchases available support customization.

I can reach the endgame without purchasing in-app products. (inverse) Social Influence (SI) The decisions other players make influence me.

I generally look at other players to get an idea of my overall progression.

In-app Purchase Effectiveness (IPE) The in app purchases available support general progression. I have noticed that a lot of fellow players buy in app purchases. Game Comprehension (GC) The in app purchases available are relatively cheap.

The game is easy to understand for newer players.

5.2 Regressieanalyse resultaten

Het daadwerkelijke aankoopgedrag (APB) correleert zwak positief met de vergeleken factoren (R = 0.159). De factoren in-app purchase stimulator (IPS) en in-app purchase

effectiveness (IPE) hebben een zwakke positieve correlatie met het aankoopgedrag (R(IPS) = 0.100, R(IPE) = 0.232). De factor game comprehension (GC) heeft een zwakke negatieve correlatie met het aankoopgedrag, R(GC) = -.132.

De perceived enjoyment factor correleert matig positief met de vergeleken factoren (R = 0.486). De factoren social influence (SI) en game comprehension (GC) hebben een zwakke positieve correlatie met de perceived enjoyment (R(SI) = 0.133, R(GC) = 0.263). De factor perceived game quality (PGQ) heeft een matig positieve correlatie met de perceived

enjoyment (R(PGQ) = 0.529).

5.3 SEM-PLS modellering

De T-waarden en significantieniveaus voor het daadwerkelijke aankoopgedrag en de perceived enjoyment zijn verkregen dor de bootstrap methode (n = 1000). De effectgrootte (R²) is verkregen door het PLS algoritme. De resultaten zijn weergegeven in afbeelding 5. De perceived enjoyment heeft een effectgrootte van 31,2% (R² = 0.312). Daarnaast heeft het daadwerkelijke aankoopgedrag een effectgrootte van 2,6% (R² = 0.026). Het grootste padcoëfficiënt is die van de perceived game quality naar perceived enjoyment (R = 0.509). Verder zijn alle paden zeer significant en positief (p<0.001), behalve het pad van game comprehension naar de daadwerkelijke aankopen (APB).

Dit model en deze resultaten komen niet overeen met de resultaten van Barnes en Guo (2009B). Naast het ontbreken van factoren zijn er ook nieuwe gevonden. De nieuwe factoren hebben significante padrelaties met de factor daadwerkelijke aankopen. Aan de hand van de gevonden resultaten en de literatuur is het volgende model in afbeelding 6 opgesteld. De opbouw van dit model zal worden besproken in de discussie.

6. Discussie

Uit de resultaten bleek dat het aantal factoren dat resulteert uit de PCA lager ligt dan het aantal factoren beschreven door Barnes en Guo (2007, 2009A, 2009B). Dit zou kunnen doordat het aantal vragen per factor vrij laag was (2 tot 3 per factor). Hierdoor zijn aspecten van de vertrouwensfactor en de factor effort expectancy terug te vinden in perceived

enjoyment en perceived game quality. Een factor die volledig ontbrak was de

aankoopintentie. Deze bleek uit het literatuuronderzoek echter wel van groot belang. Bovendien heeft deze factor effect op de daadwerkelijke aankopen. Het ontbreken van de aankoopintentie kan een mogelijke verklaring geven voor de kleine effectgrootte van de daadwerkelijke aankopen. De aankoopintentie zou, net als in het onderzoek van Barnes en Guo (2007, 2009A, 2009B), beïnvloed worden onder anderen door de factor perceived enjoyment. Aan de hand van de resultaten heeft de perceived enjoyment echter ook relaties met de factoren social influence, perceived game quality en game comprehension.

Uit de resultaten bleek ook dat de factoren in-app purchase stimulator en effectiveness een relatie hebben met de daadwerkelijke aankopen. Deze relaties zijn echter zeer zwak. Op basis van deze resultaten en de informatie uit de literatuur wordt gesteld dat deze factoren meer van invloed zijn op de aankoopintentie. De aankoopintentie zal van invloed zijn op de

daadwerkelijke aankopen.

Over het algemeen kwamen de resultaten uit dit onderzoek niet overeen met de resultaten van Barnes en Guo (2009B). De factoren zijn maar gedeeltelijk teruggevonden. Het model van Barnes en Guo (2009B) is dus niet generaliseerbaar naar F2P app-games. Dit heeft twee mogelijke oorzaken: het model van Barnes en Guo (2009B) is geen betrouwbare representatie voor de factoren die van invloed zijn op de aankoopintentie in een virtuele wereld. Of het model is wel betrouwbaar, maar niet generaliseerbaar naar F2P app-games. Mogelijk doordat er andere factoren meer van belang zijn.

Met behulp van de resultaten uit dit onderzoek en de informatie uit de literatuur is een

alternatief model ontwikkeld (afbeelding 7). Dit model geeft de factoren weer met betrekking tot de aankoopintentie in een F2P app-game en de bijbehorende relaties. De rode paden en de factor aankoopintentie (behavioral intention) zijn niet bevestigd binnen dit onderzoek. Dit alternatieve model kan als basis dienen voor vervolgonderzoek.

Wat verder opviel was dat de factor perceived game quality veruit de grootste correlatie- en padcoëfficiënt had in de relatie met perceived enjoyment. Dit zou kunnen komen doordat de factor veel verschillende aspecten bevat met betrekking tot de gebruikerservaring in de game. De perceived game quality omvat ook de grafische aspecten van een game. Verwacht werd dat deze gerelateerd zou zijn aan de aankoopintentie. Perceived enjoyment is mogelijk gerelateerd aan aankoopintentie, hierdoor zou de perceived game quality indirect gerelateerd zijn. Hetzelfde werd verwacht van social influence. Deze zou ook indirect verbonden kunnen zijn aan de aankoopintentie, echter bleek er een significante maar zwakke correlatiecoëfficiënt te zijn met perceived enjoyment. Dus de mate van invloed verschilt met de perceived game quality.

Ten slotte viel op dat het RPG genre en het strategiegenre veruit het meest geselecteerd waren. Dit zou kunnen komen doordat deze genres vaak games betreffen die meer sociale aspecten bevatten dan de overige genres. Zo zijn dit soort gebruikers vaker actief op bepaalde forumwebsites waarop discussies worden gehouden over verschillende game aspecten en

gamenieuws. Reddit is een platform waarop dit mogelijk is. Dit zou een verklaring kunnen zijn voor de selectie in gamegenres.

7. Conclusie

Het doel van dit onderzoeksverslag was inzicht te geven in de factoren die van invloed zijn op de bereidbaarheid van gebruikers om te betalen in F2P app-games. Verder is ook onderzocht of het model van Barnes en Guo (2009B) generaliseerbaar is naar F2P app-games. Een belangrijke factor, de aankoopintentie, kwam niet naar voren uit de resultaten. Door de resultaten te combineren met de literatuur is een alternatief model ontwikkeld. Dit model geeft inzicht in factoren met betrekking tot de aankoopintentie. De factoren perceived enjoyment, in-app stimulator en in-app effectiveness hebben mogelijk invloed op de aankoopintentie. Daarnaast blijkt er een significante relatie te bestaan tussen de factoren perceived game quality, social influence en game comprehension met de factor perceived enjoyment. Bovendien blijkt er een significante relatie te bestaan tussen de factoren in-app purchase stimulator en in-app purchase effectiveness met de factor daadwerkelijke

aankoopgedrag. Op basis van de resultaten is gesteld dat het model van Barnes en Guo (2009B) niet generaliseerbaar is naar F2P app-games. Dit heeft twee mogelijke oorzaken: het model is niet generaliseerbaar naar F2P app-games doordat er andere factoren meer van belang zijn, met name perceived enjoyment. Of het model is geen betrouwbare representatie voor de factoren die van invloed zijn op de aankoopintentie in een virtuele wereld. De literatuur op het gebied van F2P app-games erg beperkt. Hierdoor biedt dit onderzoek een goede basis voor vervolgonderzoek.

Literatuur

Ajzen, I., & Fishbein, M. (1988). Theory of reasoned action-Theory of planned behavior. University of South Florida.

Ajzen, I. (1991). The theory of planned behavior. Organizational behavior and human decision processes, 50(2), 179-211.

Alha, K., Koskinen, E., Paavilainen, J., Hamari, J., & Kinnunen, J. (2014). Free-to-play games: Professionals’ perspectives. Proceedings of Nordic Digra, 2014.

Apperley, T. H. (2006). Genre and game studies: Toward a critical approach to videogame genres. Simulation & Gaming, 37(1), 6-23.

Chin, W. W. (1998). The partial least squares approach to structural equation modeling. Modern methods for business research, 295(2), 295-336.

Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1992). Extrinsic and intrinsic motivation to use computers in the workplace1. Journal of applied social psychology, 22(14), 1111-1132.

Davis Jr, F. D. (1986). A technology acceptance model for empirically testing new end-user information systems: Theory and results (Doctoral dissertation, Massachusetts Institute of Technology).

Faul, F., Erdfelder, E., Lang, A. G., & Buchner, A. (2007). G* Power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences. Behavior research methods, 39(2), 175-191.

Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of marketing research, 39-50.

Fu, B., Lin, J., Li, L., Faloutsos, C., Hong, J., & Sadeh, N. (2013, August). Why people hate your app: Making sense of user feedback in a mobile appstore. In Proceedings of the 19th ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 1276-1284). ACM.

Garg, R., & Telang, R. (2012). Inferring app demand from publicly available data. MIS Quarterly, Forthcoming.

Gefen, D., Straub, D., & Boudreau, M. C. (2000). Structural equation modeling and

regression: Guidelines for research practice. Communications of the association for information systems, 4(1), 7.

Guo, Y., & Barnes, S. (2007). Why people buy virtual items in virtual worlds with real money. ACM SIGMIS Database, 38(4), 69-76.

Guo, Y., & Barnes, S. (2009A). Virtual item purchase behavior in virtual worlds: an exploratory investigation. Electronic Commerce Research, 9(1-2), 77-96.

Guo, Y., & Barnes, S. J. (2009B). Why do people buy virtual items in virtual worlds? An empirical test of a conceptual model.

Haenlein, M., & Kaplan, A. M. (2004). A beginner's guide to partial least squares analysis. Understanding statistics, 3(4), 283-297.

Iris, J. A., Kimball, A. S., & Oster, J. (2008). U.S. Patent Application No. 12/122,225.

Kim, Y. Y., Oh, S., & Lee, H. (2005). What makes people experience flow? Social characteristics of online games. International Journal of Advanced Media and Communication, 1(1), 76-92.

KZero. (2008). The updated Radar graph for Q3 2008, Retrieved on September 19, 2008, from http://www.kzero.co.uk/blog/?p=2492

Limayem, M., Hirt, S. G., & Cheung, C. M. (2007). How habit limits the predictive power of intention: The case of information systems continuance. Mis Quarterly, 705-737.

MacCallum, R. C., Browne, M. W., & Sugawara, H. M. (1996). Power analysis and determination of sample size for covariance structure modeling. Psychological methods, 1(2), 130.

Marshall, D., Coyle, D., Wilson, S., & Callaghan, M. (2013). Games, gameplay, and BCI: the state of the art. Computational Intelligence and AI in Games, IEEE Transactions on, 5(2), 82-99.

McKnight, D. H., Choudhury, V., & Kacmar, C. (2002). Developing and validating trust measures for e-commerce: An integrative typology. Information systems research, 13(3), 334-359.

Nunnally, J. (1978). C.(1978). Psychometric theory.

Osathanunkul, C. (2015). A classification of business models in videogame industry. International Journal of Management Cases, 17, 35-44.

Paavilainen, J., Hamari, J., Stenros, J., & Kinnunen, J. (2013). Social network games: Players’ perspectives. Simulation & Gaming, 1046878113514808.

Pettey, C., & van der Meulen, R. (2012). Gartner says free apps will account for nearly 90 percent of total mobile appstore downloads in 2012. Gartner),[Online] September, 11. Santos, J. R. A. (1999). Cronbach’s alpha: A tool for assessing the reliability of scales.

Journal of extension, 37(2), 1-5.

Second Life. (2008). Economic statistics. Retrieved on September 1, 2008, from http://secondlife.com/whatis/economy_stats.php.

Taylor, S., & Todd, P. A. (1995). Understanding information technology usage: A test of competing models. Information systems research, 6(2), 144-176.

Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS quarterly, 425-478.

Verhagen. T., Feldberg, F., Hooff, V. D. B., & Meents, S. (2008). Explaining user adoption of virtual worlds: towards a multipurpose motivational model. Vrije Universiteit, Faculty of Economics and Business Administration.

Whitson, J. R., & Dormann, C. (2011). Social gaming for change: Facebook unleashed. First Monday, 16(10).

Appendix

Appendix C

Appendix E

Factor Stelling

Perceived Enjoyment (PE) My enjoyment of the game does not fluctuate. I enjoy playing the game.

I am happy with my overall progression within the game. I trust other players not to cheat within the game. There are a lot of social aspects within the game.

Perceived Game Quality (PGQ) There is a lot of information of the game available to me. The game is well thought out.

The content is of high quality.

The in app purchases available are easy to purchase. I have faith in my gaming intuition.

Purchase Behavior (PB) Money spent.

In-app purchase frequency.

In-app Purchase Stimulator (IAS) The game gives out plentiful virtual items to all players. The in app purchases available support customization.

I can reach the endgame without purchasing in-app products. (inverse)

Social Influence (SI) The decisions that other players make influence me.

I generally look at other players to get an idea of my overall progression.

In-app Purchase Effectiveness (IPE) The in app purchases available support general progression.

I have noticed that a lot of fellow players buy in app purchases.

Game Comprehension (GC) The in app purchases available are relatively cheap.

Appendix F

Actual Purchase Behavior

Model R R Square Adjusted R Square

Std. Error of the Estimate

1 ,159a ,025 ,022 4,20274

a. Predictors: (Constant), Perceived Enjoyment (PE), In-app Purchase Stimulator (IPS), Social Influence (SI), In-app Purchase Effectiveness (IPE), Game Comprehension (GC), Perceived Game Quality (PGQ)

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 709,276 6 118,213 6,693 ,000b Residual 27342,379 1548 17,663

Total 28051,655 1554 a. Dependent Variable: Actual Purchase Behavior (APB)

b. Predictors: (Constant), Perceived Enjoyment (PE), In-app Purchase Stimulator (IPS), Social Influence (SI), In-app Purchase Effectiveness (IPE), Game Comprehension (GC), Perceived Game Quality (PGQ)

Actual Purchase Behavior

Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta (Constant) 4,105 1,173 3,499 ,000

Perceived Game Quality (PGQ) -,015 ,037 -,011 -,393 ,694 In-app Purchase Stimulator (IPS) ,100 ,041 ,062 2,434 ,015 Social Influence (SI) -,010 ,045 -,006 -,227 ,821 In-app Purchase Effectiveness (IPE) ,232 ,050 ,122 4,628 ,000 Game Comprehension (GC) -,132 ,050 -,069 -2,631 ,009 Perceived Enjoyment (PE) -,030 ,029 -,030 -1,036 ,300

Perceived Enjoyment

Model R R Square Adjusted R Square

Std. Error of the Estimate

1 ,486a ,237 ,234 3,72460

a. Predictors: (Constant), Game Comprehension (GC), Social Influence (SI), Actual Purchase Behavior (APB), In-app Purchase Stimulator (IPS), Perceived Game Quality (PGQ), In-app Purchase Effectiveness (IPE)

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 6656,637 6 1109,439 79,973 ,000b Residual 21474,861 1548 13,873

Total 28131,498 1554 a. Dependent Variable: Perceived Enjoyment (PE)

b. Predictors: (Constant), Game Comprehension (GC), Social Influence (SI), Actual Purchase Behavior (APB), In-app Purchase Stimulator (IPS), Perceived Game Quality (PGQ), In-app Purchase Effectiveness (IPE)

Perceived Enjoyment Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta (Constant) 6,62 5 1,030 6,431 ,000

Perceived Game Quality (PGQ) ,529 ,030 ,410 17,596 ,000 Actual Purchase Behavior (APB) -,023 ,023 -,023 -1,036 ,300 In-app Purchase Stimulator (IPS) ,019 ,037 ,012 ,518 ,605 Social Influence (SI) ,133 ,040 ,077 3,353 ,001 In-app Purchase Effectiveness (IPE) ,054 ,045 ,028 1,211 ,226 Game Comprehension (GC) ,263 ,044 ,138 5,982 ,000