Het was toch wel een chatbot?

(1)

HET WAS TOCH WÈL EEN CHATBOT?

Experimenteel onderzoek naar partikelgebruik van chatbots in webcare van

for-profit vs non-for-profit organisaties

It was a chatbot right?

An experimental study on the use of discourse particles in webcare from non-profit and for-profit organizations.

Radboud Universiteit in Nijmegen

Faculteit Letteren

MA Communicatie & informatiewetenschappen: Communicatie & beïnvloeding

Master scriptie 2019/2020

Annabel Sikkes S1025385 1e lezer: dr. M.B.P Starren 2e lezer: dr. L. Hogeweg Aantal woorden: 6395

(2)

2 VOORWOORD

Voor u ligt mijn masterscriptie. Deze scriptie is geschreven ter afronding van mijn

masteropleiding Communicatie- en informatiewetenschappen met als richting Communicatie & Beïnvloeding aan de Radboud Universiteit te Nijmegen. Deze scriptie heb ik geschreven van februari 2020 tot juli 2020. Ten tijde van het schrijven brak de coronacrisis uit wat erin

resulteerde dat de begeleiding vooral digitaal heeft plaatsgevonden. Ik wil mijn eerste begeleider, dr Marianne Starren bedanken voor de flexibiliteit en het voorkomen van vertraging in het

scriptie proces. Daarnaast wil ik dr Joske Piepers bedanken voor het meedenken over de methode en de statische analyses. Als laatste wil ik alle respondenten bedanken voor hun deelname, vooral in deze coronacrisis was het niet makkelijk voldoende respondenten te vinden. Dankzij hen heb ik deze scriptie volledig kunnen maken en de resultaten valide kunnen maken

Annabel Sikkes Zeewolde, 3 juli 2020

(3)

3 SAMENVATTING

Uit een onderzoek van het Centraal Bureau voor de Statistiek (2019) blijkt dat 51% van de consumenten een klacht heeft over zijn online bestelling. Deze klachten worden vaak via webcare kenbaar gemaakt aan organisaties. Voor het beantwoorden van deze vragen worden steeds vaker chatbots ingezet aangezien deze tot 40 % efficiënter kunnen zijn dan

personeelsleden (Witbaard, 2020). Verschillende onderzoeken laten zien dat het menselijker maken van een chatbot kan leiden tot meer vertrouwen en gunstigere attitudes bij consumenten (Pütten, Krämer, Gratch en Kang, 2010; Liebrecht en Van der Weegen ,2019; Araujo, 2018). Volgens Go en Sundar bleken vooral conversationele signalen aan de menselijkheid bij te dragen, dit noemt men ook wel conversational human voice (CHV). CHV bestaat uit drie onderdelen waarvan, volgens Liebrecht en Van Der Weegen (2020), informeel taalgebruik nog het minste wordt toegepast. Dit in tegenstelling tot Go en Sundar (2019) die stellen dat het informele taalgebruik leidt tot gunstige effecten. Non-profit organisaties blijken minder

informeel taalgebruik toe te passen en zich hier minder comfortabel bij te voelen dan for-profit organisaties. Overvloedig informeel taalgebruik blijkt niet te werken voor organisaties (Liebrecht & Van Der Weegen, 2019). Een gulden middenweg in het toepassen van informeel taalgebruik lijkt de ideale oplossing voor beide typen bedrijven. Dit kan gerealiseerd worden door het toepassen van partikels. Middels een experiment is gekeken of partikels en het type profit een effect hadden op de social presence, gepercipieerde CHV en de evaluatie van het webcare gesprek. Partikels bleken niet tot een hoofdeffect of interactie-effect te leiden. Het type profit deed dit op alle drie de afhankelijke variabelen wel. De rode draad hierin was dat de non-profit organisatie op alle aspecten beter presteerde dan de for-profit organisatie. Dit laat zien dat ook al passen non-profit bedrijven informeel taalgebruik nog weinig toe en voelen ze zich minder comfortabel dit te doen, het levert wel gunstige effecten op en is dus wel raadzaam om toe te passen.

(4)

4 AANLEIDING

Cijfers bevestigen dat de online markt in Nederland sterk groeit. In 2019 is er 7% meer online gekocht dan in 2018, deze stijging staat gelijk aan een totaalbedrag van 25,8 miljard euro (Welie, 2020). Niet alleen het bedrag is hoog ook het percentage consumenten dat online besteld. 96% van alle Nederlanders boven de vijftien jaar heeft in 2019 minstens één online aankoop gedaan. Een onderzoek van het Centraal Bureau voor Statistiek (CBS) (2019) toont aan dat van alle Nederlandse consumenten, 51% een klacht heeft over zijn of haar bestelling. Deze klachten worden tegenwoordig steeds vaker online gemaakt. Het gebruik van (online) webcare wordt daarmee voor organisaties op de Nederlandse markt steeds belangrijker. Webcare wordt door Van Noort en Willemsen (2012) beschreven als het aangaan van online interactie met

stakeholders door klachten, complimenten of vragen te signaleren en te behandelen. Deze interactie wordt tegenwoordig steeds vaker door robots (chatbots) uitgevoerd in plaats van door personeelsleden zelf. Een chatbot is namelijk veel efficiënter dan een personeelslid en kan in gunstige omstandigheden tot 40% van de conversaties afhandelen (Witbaard, 2020). Door deze digitale klachtafhandeling komt het voor dat consumenten zich afvragen met wie ze nu een gesprek hebben. Is Henk van Mediamarkt een persoon of een chatbot? In de afgelopen jaren is er veel onderzoek gedaan naar het menselijk maken van chatbots op allerlei manieren. Organisaties zijn hier ook mee aan de slag gegaan door te kijken hoe ze een zo menselijk mogelijke ervaring kunnen leveren voor hun consumenten. Dit onderzoek keek naar het toepassen van partikels als onderdeel van informeel taalgebruik door chatbots. Hierbij is ook gekeken of er een voorkeur is voor een bepaald partikel bij for-profit organisaties ten opzichte van non-profit organisaties.

CHATBOTS

Chatbots worden voornamelijk ingezet voor reactieve webcare. Reactieve webcare is volgens Van Noort, Willemsen, Kerkhof en Verhoeven (2015) ‘gevraagde webcare’. Consumenten vragen om een reactie door organisaties te taggen of ze rechtsreeks aan te spreken. Een chatbot reageert alleen als er een vraag wordt gesteld en dus is er alleen sprake van reactieve webcare. Chatbots zijn geen mensen maar toch krijgen consumenten de neiging chatbots als mensen te zien. Deze neiging, ook wel bekend als antropomorfisme is volgens Nass en Moon (2000) een gedachteloos en automatisch proces. Dit leidt ertoe dat consumenten zich na een gesprek

(5)

5 afvragen of Henk van Mediamarkt nu een persoon was of dat er sprake was van een gesprek met een chatbot. Antropomorfisme kan verklaard worden door de theorie van Computers Are Social Actors (CASA) van Nass, Steuer en Tauber (1994). In de theorie van CASA komt naar voren dat ook al weet de consument dat hij met een computer communiceert en vindt deze consument dat sociale regels hierom niet gelden, een consument toch sociaal zal reageren op de computer. Consumenten reageren dus automatisch sociaal op computers en daardoor ook op chatbots. Dit betekent niet dat consumenten alle chatbots ook als echte mensen zien. Araujo (2018) vond dat bij menselijke chatbots meer antropomorfisme optreedt dan bij machinale chatbots.

Menselijkheid in een robot leidt op andere afhankelijke variabelen ook tot een gunstig effect. Zo blijkt dat wanneer een robot menselijker is, de social presence hoger wordt bij consumenten (Liebrecht & Van Der Weegen, 2019). Social presence is het gevoel dat communicatie plaatsvindt met een ander mens en wordt bepaald door de mate van intimiteit, gevoel van nabijheid en synchroniteit. In hetzelfde onderzoek van Liebrecht en Van Der Weegen (2019) komt naar voren dat een menselijkere chatbot zorgt voor meer ervaren warmte en net zo competent wordt gezien als een corporate chatbot, oftewel een chatbot die geen menselijke trekken laat zien. Liebrecht en Van der Weegen (2019) kwamen tot deze bevinding op basis van taalgebruik van chatbotgesprekken aangezien zij geen menselijke foto of naam gebruikte. In het artikel van Pütten, Krämer, Gratch en Kang (2010) werd ook evidentie gevonden voor het feit dat wanneer een chatbot meer menselijke karakteristieken laat zien, de sociale reactie van consumenten hoger wordt. Deze bevindingen waren tevens gebaseerd op het taalgebruik en interactie van de chatbot.

Het hogere ‘antropomorfisme’ dat optreedt door de chatbot meer menselijk te maken kan dus zorgen voor een hogere social presence bij de consument, meer ervaren warmte en een hogere social reactie zonder iets af te doen aan de competentie van de chatbot. Het menselijk maken van de chatbot lijkt dus een goed idee. Go en Sundar (2019) onderscheiden in hun onderzoek drie typen signalen waarmee chatbots menselijker gemaakt kunnen worden: visuele signalen, identiteit signalen en conversationele signalen. Onder visuele signalen vallen zaken zoals een menselijke profielfoto. Identiteit signalen werden omschreven als het gebruik van menselijke namen. Als laatste werden conversationele signalen gedefinieerd als het spiegelen van

(6)

6 gesprek. In het onderzoek van Go en Sundar (2019) werd alleen een significant effect van

conversationele signalen gevonden, namelijk dat meer interactie leidt tot een hogere social

presence, gevoel van gelijkheid en ervaren dialoog. Op basis van

De ervaren hogere social presence, het gevoel van gelijkheid en de ervaren dialoog leidden vervolgens ieder individueel tot meer gewenste attitudes, zoals de attitude ten opzichte van het merk en attitude ten opzichte van de spreker. Maar ook leiden ze tot hogere gedragsintenties om terug te keren naar de website van het merk. Een goede interactie kan dus erg belangrijk zijn om invloed uit te oefenen op gedragsintenties en attitudes. Een foto van een mens (visueel signaal) en een menselijke naam (identiteit signaal) geven nauwelijks effect, taal en interactie doen dit wel (Go & Sundar, 2019). Daarentegen stellen Park en Lee (2013) dat visuele en identiteit signalen het effect van de conversationele signalen vergroten en het dus wel raadzaam is altijd een menselijke foto en naam te gebruiken in de online communicatie. Desalniettemin geven de conversationele signalen vaker effect. Een chatbot menselijker maken door conversationele signalen toe te voegen wordt ook wel het gebruik van conversational human voice genoemd.

CONVERSATIONAL HUMAN VOICE

Conversational human voice (CHV) wordt gedefinieerd als een persoonlijke communicatiestijl

die zich kenmerkt door het persoonlijke aanspreken van mensen, informeel taalgebruik en uitnodigende retoriek (Van Noort et al., 2015). CHV heeft een positieve invloed op de evaluatie van webcare en de betrouwbaarheid van een organisatie (Van Hooijdonk & Liebrecht, 2018; Van Noort & Willemsen, 2012). Daarnaast zorgt CHV in gesprekken ervoor dat er meer social

presence wordt ervaren door ontvangers, wat vervolgens leidt tot meer ervaren competentie van

de zender (Liebrecht & Van Der Weegen, 2019). In het onderzoek van Liebrecht en Van Der Weegen (2019) werd ook aangetoond dat het gebruik van CHV leidt tot positievere

merkattitudes. Dit wordt verklaard door de verhoogde social presence. Het gebruik van CHV blijkt beter te werken voor chatbots dan voor mensen. Zo vinden Li, Chan en Kim (2018) dat de professionaliteit van een merk afneemt als een medewerker CHV-elementen toepast maar stellen Liebrecht en Van Der Weegen (2019) dat dit niet plaatsvindt wanneer chatbots dit doen.

(7)

7 CHV bestaat uit drie kenmerken: personalisatie, informeel taalgebruik en uitnodigende retoriek. Personalisatie wordt gekenmerkt door de mate waarin een persoon naar voren komt in de conversatie (Liebrecht & Van Hooijdonk, 2018). Dit betekent concreet dat berichten worden verstuurd met gebruik van een menselijke naam, worden afgesloten met een groet en ook door het gebruiken van een menselijke foto. Het tweede kernmerk is informeel taalgebruik en wordt gekenmerkt door het toepassen van spreektaal in conversaties. Dit kan op veel verschillende manieren worden toegepast, zoals herhaaldelijke interpunctie (!!!!), gebruik van emoticons (☺), het gebruik van tussenwerpsels (oh,) en het gebruik van afkortingen (sws in plaats van sowieso). Informeel taalgebruik is dus op veel verschillende manieren toe te passen in een gesprek. Het laatste kenmerk van CHV is uitnodigende retoriek. Uitnodigende retoriek kenmerkt zich door het uitnodigen tot conversatie door bijvoorbeeld vragen te stellen. Het gaat bij dit kenmerk vooral om de open houding tegenover de consument, maar ook het tonen van empathie en

verontschuldigen dragen bij aan uitnodigende retoriek en de open houding van de spreker.

Van de drie kenmerken van CHV blijkt personalisatie het meest gebruikt te worden (Liebrecht & Van Hooijdonk, 2018). Personalisatie werkt volgens Liebrecht en Van Hooijdonk (2020) het beste op hoe consumenten CHV percipiëren vergeleken met informeel taalgebruik en

uitnodigende retoriek. Dit zou eventueel toe te schrijven zijn aan het feit dat dit onderdeel van CHV het meeste wordt gebruikt. Liebrecht en Van Hooijdonk (2018) vonden ook dat

personalisatie door organisaties als de meest ‘veilige’ manier van menselijk geluid wordt gezien. Personalisatie wordt dus het meest gebruikt en werkt daardoor eventueel het beste op

gepercipieerde CHV. Dit is in strijd met Go en Sundar (2019) die stellen dat conversationele signalen toevoegen, ofwel informeel taalgebruik toevoegen juist bijdraagt aan een hogere social

presence, dynamischere dialoog en meer gevoel van gelijkheid. Personalisatie wordt dus het

meeste toegepast maar het lijkt dat informeel taalgebruik meer effecten losmaakt bij consumenten.

Informeel taalgebruik kan dus voor bepaalde doelen heel belangrijk zijn. Informeel taalgebruik heeft ook de meeste onderdelen, waarvan tot nu toe nog maar enkele zijn onderzocht. Zo blijkt volgens het corpusonderzoek van Liebrecht en Van Hooijdonk (2020) dat informeel taalgebruik het minste voorkomt ten opzichte van personalisatie en uitnodigende retoriek. Zij hebben in hun onderzoek enkel gekeken naar afkortingen, non verbale signalen en tussenwerpsels. Informeel

(8)

8 taalgebruik bestaat uit veel meer onderdelen dan enkel deze drie. Al deze onderdelen zouden daarom eventueel kunnen bijdragen aan CHV (Van Hooijdonk en Liebrecht, 2018). Er dient dus beter gekeken te worden naar welke onderdelen van informeel taalgebruik een invloed hebben op gepercipieerde CHV. Zo is bijvoorbeeld te zien bij Li, Kim en Chan (2018) dat emoticons, zowel afgebeelde als getypte, bijdragen aan de gepercipieerde warmte van een service medewerker. Volgens de theorie van CASA zou dit dus ook voor chatbots moeten gelden. Immers worden chatbots volgens deze theorie als mens gezien. Meer warmte zorgt vervolgens voor een meer menselijk gevoel. In het onderzoek van Grety, Horvath, Belei en Van Riel (2017) komt naar voren dat consumenten die informeel taalgebruik vanuit een merk ontvingen, meer vertrouwen hadden in het merk dan de consumenten die met formele taal bejegend werden. Ook is volgens Morgan en Hunt (1994) vertrouwen het allerbelangrijkste om loyaliteit en gedragsintenties te beïnvloeden. Informeel taalgebruik kan dus indirect leiden tot gunstigere gedragsintenties en merkloyaliteit.

FOR-PROFIT VS NON-PROFIT

Het gebruik van informeel taalgebruik blijkt voor for-profit organisaties makkelijker te zijn dan voor non-profit organisaties (Liebrecht en Van Hooijdonk, 2018). Volgens de onderzoekers komt dit doordat non-profit organisaties het moeilijk vinden ‘gewaagd’ taalgebruik te hanteren in hun online communicatie. Ze zijn zich bewust van hun rol in de samenleving en vinden hier

informeel taalgebruik minder goed bij passen. De bevraagde gemeenten in het onderzoek van Liebrecht en Van Hooijdonk (2018) gebruikten enkel afkortingen als onderdeel van informeel taalgebruik in hun online klantencontact maar dit gebruik schrijven de auteurs toe aan de limitatie van karakters op Twitter. De gemeenten gebruikten daarentegen de

personalisatietechniek van CHV meer dan for-profit organisaties. De gemeenten lijken dus wel gebruik te willen maken van CHV maar durven dit mogelijk nog niet. Informeel taalgebruik is het meest subtiele onderdeel van CHV en zou dus voor non-profit organisaties een goed

beginpunt zijn om hier meer op in te zetten. In het onderzoek van Park en Lee (2013) komt aan bod dat for-profit organisaties eerder een waargenomen CHV toegeschreven krijgen dan non-profit organisaties. Voor for-non-profit organisaties is het dus makkelijker en lijkt het meer geaccepteerd om informeel taalgebruik toe te passen.

(9)

9 Eerder onderzoek onder for-profit organisaties van Grety et al., (2017) laat zien dat informeel taalgebruik helpt bij het opbouwen van merkvertrouwen bij merken die bekend zijn bij de klant. Bij merken die niet bekend waren bij klanten had het informele taalgebruik juist een tegengesteld effect. Een kanttekening hierbij is dat het onderzoek van Grety et al., (2017) uitsluitend gebruik maakte van informeel taalgebruik en dus wordt er door Liebrecht en Van Der Weegen (2019) gesuggereerd dat dit overvloedig kan overkomen en dit bij onbekende organisaties als onprettig wordt ervaren. Liebrecht en Van Der Weegen vonden namelijk in hun onderzoek dat bekendheid van een bedrijf geen significante mediator is tussen tone of voice (corporate vs CHV) en

merkattitude. Overvloedig informeel taalgebruik is dus geen aanrader. Een subtielere manier om dit te integreren lijkt op basis van de literatuur een gulden middenweg. Het gebruik van

informeel taalgebruik zou dus kunnen leiden tot meer merkvertrouwen mits toegepast op een subtiele manier. Dit kan voor non-profit organisaties gunstig uitpakken doordat zij informeel taalgebruik als ‘gewaagd’ zien en zich dus wellicht comfortabeler voelen bij subtieler informeel taalgebruik. Volgens Biber (1986) wordt informeel taalgebruik vooral geassocieerd met

spreektaal wat inhoudt dat er linguïstische kenmerken in zitten die worden geassocieerd met spreektaal. Partikels zijn onderdeel van informeel taalgebruik omdat het woorden zijn die een gesprek structureren (Van Der Wouden, 2001). Partikels zijn kleine woorden die een mens van een robot onderscheiden en juist kunnen bijdragen aan een meer menselijk stemgeluid en meer merkvertrouwen door de consument.

PARTIKELS

Partikels wijzigen niks aan de conditionele betekenis van de zin maar kunnen wel de nadruk op bepaalde aspecten in de zin leggen. Zo bleek uit onderzoek van Hogeweg en Van Bergen (te verschijnen) dat de partikels wel en toch vooral werden gebruikt in face-to-face communicatie, face-to-face interviews en telefonische interviews. Dit waren allemaal communicatievormen waarbij voornamelijk spreektaal wordt toegepast. Het partikel wel werd in 64% procent van alle teksten gevonden binnen het corpusonderzoek van Hogeweg en Van Bergen, het partikel toch in 24% van alle teksten. Het partikel wel wordt dus veel gevonden in conversaties en het meest gebruikt in spontane gesprekken.

(10)

10 In bijna alle gevallen duidt het partikel wel op een ontkenning. Aangezien 51% van de

consumenten klachten heeft en deze via webcare uit, kan het partikel wel een goede bijdrage leveren aan een webcare conversatie. Het partikel wel is contrastief, het gaat dus mogelijk in tegen hetgeen wat de ander zegt (Hogeweg, 2009). In webcare zou het gebruikt kunnen worden als bijvoorbeeld een consument zegt: “ik heb mijn pakketje nog niet ontvangen”. Een chatbot zou dan de volgende reactie kunnen geven: “wat vervelend, ons systeem zegt dat het wel is aangekomen, ik ga het even voor je uitzoeken”. In het artikel van Hogeweg en Van Bergen (te verschijnen) is te zien dat het partikel toch ook als contrastief partikel wordt gezien net als het partikel wel. Hogeweg en Van Bergen vinden dat de partikels wel en toch het beste kunnen worden gebruikt als er sprake is van een dialoog tussen gelijken, in webcare zijn de consument en de medewerker gelijk aan elkaar. Dit omdat er geen sprake is van bijvoorbeeld een manager en een werknemer, dat zou een gesprek tussen ongelijken zijn.

Voor dit onderzoek is er gefocust op reactieve webcare en informeel taalgebruik. Hierbij werd uitgegaan van een gelijkwaardig gesprek. Om die reden is er gekeken naar de partikels wel en

toch. Het verschil tussen het gebruik van wel en toch zit volgens Hogeweg en Van Bergen (te

verschijnen) onder andere in de sociale afstand tussen gesprekspartners. Zij vonden dat het partikel wel vaker gebruikt werd bij een kleinere sociale afstand zoals een gesprek tussen vrienden en het partikel toch vaker werd gebruikt bij gesprekspartners die een grote sociale afstand hebben zoals een vergadering. Aangezien non-profit organisaties vaak formeler reageren en dus een grotere sociale afstand bewaren dan for-profit organisaties zou het partikel toch voor non-profit organisaties beter kunnen werken en het partikel wel beter voor for-profit organisaties. Tevens zeggen Hogeweg en Van Bergen dat toch beleefder is. Aan de ene kant is toch dus gebruikelijker in formele contexten maar dit is misschien ook te wijden aan het feit dat het beleefder is ten opzichte van wel. Om de verschillende theorieën aan elkaar te verbinden is er een experimenteel onderzoek uitgevoerd. Een experimentele studie paste het beste aangezien veel zaken al geoperationaliseerd zijn maar er nog geen connectie gemaakt was tussen deze

onderdelen. Op basis van de bovenstaande onderzoeken zijn de volgende hypothesen opgesteld:

H1a: Non-profit en for-profit organisaties krijgen door het gebruik van partikels meer social

(11)

11 H1b: Door het gebruik van het partikel wel zullen for-profit organisaties een hogere social

presence toegeschreven krijgen vergeleken met het partikel toch of het weglaten van een

partikel. Het gebruik van het partikel toch zal bij non-profit organisaties zorgen voor een hogere

social presence vergeleken met het partikel wel of het weglaten van een partikel.

H2a: Non-profit en for-profit organisaties krijgen door het gebruik van partikels meer CHV toegeschreven dan bij de afwezigheid van partikels

H2b: Door het gebruik van het partikel wel zullen for-profit organisaties meer gepercipieerde CHV toegeschreven krijgen vergeleken met het partikel toch of het weglaten van een partikel. Het gebruik van het partikel toch zal bij non-profit organisaties zorgen voor meer gepercipieerde CHV vergeleken met het partikel wel of het weglaten van een partikel.

H3a: Non-profit en for-profit organisaties krijgen door het gebruik van partikels een positievere evaluatie van hun webcare dan bij de afwezigheid van partikels

H3b: Door het gebruik van het partikel wel zullen for-profit organisaties een hogere evaluatie van hun webcare verkrijgen vergeleken met het partikel toch of het weglaten van een partikel. Het gebruik van het partikel toch zal bij non-profit organisaties zorgen voor een hogere evaluatie van hun webcare vergeleken met het partikel wel of het weglaten van een partikel.

(12)

12 METHODE

Materiaal

In dit onderzoek zijn webcare berichten van for-profit en non-profit organisaties gemanipuleerd. De berichten bevatten geen partikel, het partikel wel of het partikel toch. In dit onderzoek is gebruik gemaakt van één op één webcare gesprekken in de vorm van facebook messenger. Er is bewust voor deze vorm gekozen omdat Liebrecht en Van Der Weegen (2018) stellen dat één op één media, zoals facebook messenger of een chatbox op websites, over het algemeen beter een dialoog uitlokken en meer veiligheid bieden voor een menselijke toon.

De chatbot was een vrouw met een menselijke naam maar geen menselijke foto en zal ook geen persoonlijke groet hebben. De keuze om enkel een menselijke naam aan de chatbot te geven is gebaseerd op eerder onderzoek van Liebrecht en Van Hooijdonk (2018). Hieruit bleek dat personalisatie het meest wordt gebruikt en het meest bijdraagt aan CHV. Als er in dit onderzoek een foto en een groet zou worden toegevoegd is het niet uit te sluiten dat dit geen invloed heeft op de resultaten. De chatbot krijgt wel een naam zodat er toch enige vorm van menselijkheid wordt nagebootst. Daarnaast is er expliciet gekozen voor een vrouwelijke chatbot omdat Feine, Gnewuch, Morana en Maedche (2020) vonden dat er een voorkeur blijkt te zijn voor vrouwelijke chatbots ten opzichte van mannelijke chatbots. Voorafgaand aan het onderzoek is expliciet vermeld dat het om een chatbot gaat om zo enige verwarring te voorkomen.

Er waren in totaal zes versies van de stimuli. Bij de for-profit organisatie zijn er drie versies gemaakt: één zonder partikel, één met het partikel wel en één met het partikel toch, dit is ook gedaan bij de non-profit organisatie. De for-profit organisatie die is gebruikt is Bol.com en de non-profit organisatie was de fictieve gemeente Oosterdonk. Er is gekozen voor een bestaande for-profit organisatie om herkenbaarheid te krijgen en een zo realistisch mogelijke stimuli te maken. Er is tevens bewust voor een fictieve non-profit organisatie gekozen om participanten uit een bepaalde stad niet te benadelen. Er kon van tevoren niet uitgesloten worden dat mensen uit een bepaalde regio de enquête niet invulden dus is er een fictieve gemeente verzonnen. Het viel niet op onder participanten omdat ervan uit is gegaan dat geen van alle participanten alle gemeenten in Nederland kent. Participanten zijn op het einde van de vragenlijst ingelicht over het feit dat het een fictieve gemeente betrof.

(13)

13 In het gemanipuleerde gesprek stelde de consument een vraag over een besteld product. Als product zijn mondkapjes gebruikt. Er is gekozen voor mondkapjes omdat ten tijde van de enquête dit een zeer relevant product was waar elke Nederlander mee bekend was vanwege de COVID-19 crisis. Tevens was er gedurende de afname van de enquête veel vraag naar dit product. Er is ook rekening gehouden met gender door het feit dat mondkapjes een

genderneutraal product zijn. Als laatste was dit een product wat ook door beide organisaties verkocht werd. De prijs van het product werd beschreven en was bij beide organisaties hetzelfde om variantie in de antwoorden te voorkomen. Bij beide organisaties werd de vraag gesteld waarom het product nog niet in huis was terwijl dit wel zo had moeten zijn. Als antwoord werd bij beide organisaties een contrasterend antwoord gegeven, betekenende dat het product wel was geleverd. In het antwoord van de organisatie is de manipulatie van partikels toegepast. In bijlage 5 zijn de stimuli opgenomen. De gesprekken waren ongeveer even lang wat zorgde voor meer vergelijkbaarheid onder de condities.

Proefpersonen

Het onderzoek is uitgevoerd onder participanten tussen de 18 en 30 jaar. Er is bewust voor deze leeftijd gekozen omdat volgens Van der Goot en Pilgrim (2020) oudere participanten liever spreken met een mens dan met een chatbot. Dit zou de uitkomsten van dit onderzoek kunnen beïnvloeden. In totaal zijn 155 respondenten begonnen aan de enquête, na verwijdering van non respons bleven er 95 respondenten over. Vervolgens zijn er nog drie respondenten verwijderd vanwege een te hoge leeftijd. De totaal 92 participanten hadden een leeftijd tussen de 18 en 30 jaar oud (M = 24.41, SD = 2.85). Van de participanten waren 59 vrouw en 33 man. Binnen de participanten hadden 13 het niveau van een mbo-opleiding, 38 een hbo-opleiding, 18 een wo-bachelor en 23 een wo-master. De verdeling per partikel conditie was scheef. Er hebben in totaal 26 participanten meegedaan in de conditie met het partikel wel, 33 participanten hebben

meegedaan bij het partikel toch en tevens 33 participanten die hebben meegedaan bij geen partikel. Dit verschil valt te verklaren door het verwijderen van de niet volledig ingevulde enquêtes en de drie te oude participanten. De randomisatie was namelijk ingesteld om de groepen gelijk te houden.

Er zijn χ2_{-toetsen uitgevoerd om na te gaan of de verschillen in geslacht, leeftijd en} opleidingsniveau ervoor zorgden dat er geen gelijke groepen waren. Uit de χ2-toets tussen

(14)

14 geslacht en partikel bleek geen significant verband te bestaan (χ2 _{(2) = 2.40, p = .302), de}

verdeling van geslacht over de conditiegroepen week dus niet significant af van een gelijke verdeling. Uit de χ2-toets tussen opleidingsniveau en partikel bleek tevens geen significant verband te bestaan (χ2 (6) = 5.40, p = .494). Als laatste bleek er uit de χ2-toets tussen leeftijd en partikel ook geen significant verband te bestaan (χ2 (26) = 29.36, p = .295). Doordat er geen significante verschillen zijn gevonden tussen de condities wat betreft leeftijd, geslacht en opleidingsniveau mogen de groepen gezien worden als homogene groepen.

Onderzoeksontwerp

Het betreft een 2 x (for-profit organisatie; non-profit organisatie) x 3 (partikel: wel; toch; geen) mixed design. Waarbij type profit de binnen-proefpersoon factor is en type partikel de tussen-proefpersoon factor. Het analysemodel is opgenomen in bijlage 1. Beide onafhankelijke variabelen waren nominaal waarbij type profit twee niveaus had en partikel drie niveaus.

Instrumentatie

De afhankelijke variabele social presence is uitgevraagd op basis van de nieuw ontwikkelde schaal van Liebrecht en Van Der Weegen (2019) Deze schaal bestond uit de 5 subitems: het

contact met de chabtot voelde als menselijk contact/ persoonlijk/ sociaal/ warm en de chatbot leek menselijke gevoeligheid te hebben. Gepercipieerde CHV is uitgevraagd op basis van de elf

items uit het onderzoek van Kelleher (2009). De items waren: de chabot… nodigt uit tot

conversatie/ staat open voor dialoog/ gebruikt gespreksstijl in haar communicatie/ probeert te communiceren met een menselijke stem/ probeert interessant te zijn in haar communicatie/ gebruikt humor in haar communicatie/ biedt links naar concurrenten/ probeert de communicatie plezierig te maken/ zou eventuele fouten toegeven/ geeft snelle feedback en pakt kritiek aan op een snelle en kritiekloze manier/ behandelt mij en anderen als mens. De attitude ten opzichte van

het webcare gesprek (evaluatie) is gemeten op basis van Hendriks, Van Meurs en Behnke (2019) welke bestond uit 5 subtiems. De subitems waren: ik vind het webcaregesprek tussen de chabtot en de klant leuk/ boeiend/ origineel/ aantrekkelijk/ interessant. Alle vragen zijn beantwoord op zevenpuntsschalen die van ‘geheel mee oneens’ naar ‘geheel mee eens’ liepen. Alle afhankelijke variabelen waren hierdoor qua meetniveau ratio.

(15)

15 Alle afhankelijke variabelen bestonden uit meerdere subitems. Deze subitems zijn getest op interne betrouwbaarheid en vervolgens samengevoegd. Social presence bestond uit vijf subitems, CHV bestond uit elf items en evaluatie van het webcaregesprek bestond tevens uit vijf items. De betrouwbaarheidsscores staan in tabel 1.

Tabel 1: Cronbach’s α van alle afhankelijke variabelen

Non-profit For-profit Wel Toch Geen Wel Toch Geen

Social presence .923 .912 .914 .908 .957 .871 Gepercipieerde CHV .776 .758 .765 .763 .788 .879 CHV – verwijderd subitem .781 .802 .805 .782 .792 .879 Evaluatie webcare .943 .857 .820 .886 .867 .865

Alle Cronbach’s α waren boven de .750, wat duidt op zeer adequate en betrouwbare meetschalen. Bij gepercipieerde CHV bleek dat het verwijderen van een subitem de betrouwbaarheid op alle schalen verhoogde, dit item is verwijderd en dit zorgde voor de aangepaste Cronbach’s α die te zien zijn in Tabel 1. De verschillende items per afhankelijke variabelen zijn samengevoegd binnen hun partikelconditie en zijn in de rest van het onderzoek op zichzelf staande afhankelijke variabelen.

Procedure

De vragen en stimuli zijn geïntegreerd in een online vragenlijst gemaakt met Qualtrics en online verspreid. De online verspreiding vond plaats via facebook, WhatsApp en via de website

surveyswap. Iedere participant heeft twee webcare gesprekken gezien. Eén van een for-profit organisatie met willekeurig geen partikel, het partikel wel of het partikel toch en één van een non-profit organisatie met hetzelfde partikel waarvan ze het gesprek in de for-profit conditie zagen. De vragen over de onafhankelijke variabelen zijn direct na het zien van de stimuli bevraagd. De volgorde waarin ze de non-profit en de for-profit organisatie zien was willekeurig

(16)

16 om zo ook het leereffect in de vragen te randomiseren. De gehele hoofdenquête is opgenomen in bijlage 6.

Statistische toetsing

Voor het analyseren van de resultaten is gebruik gemaakt van SPSS 26. Er zijn tweeweg mixed design ANOVA’s uitgevoerd waarbij is gekeken of aan alle assumpties was voldaan. Er zijn in totaal drie analyses uitgevoerd, één voor elke afhankelijke variabele in combinatie met het partikel. Om de kans op een type 1 fout te verkleinen is een Bonferroni correctie toegepast om te controleren op het meermaals toetsen.

RESULTATEN

Allereerst is gekeken naar alle descriptieve statistieken zoals hieronder in tabel 2 is weergeven.

Tabel 2: Gemiddelden van alle afhankelijke variabelen per conditie met de standaarddeviatie tussen haakjes

Non-profit For-profit

Wel Toch Geen Wel Toch Geen n=26 n=33 n=33 n=26 n=33 n=33 Social 4.29 (1.31) 4.62 (1.08) 4.72 (1.18) 4.08 (1.06) 4.46 (1.49) 4.07 (1.08) Presence CHV 4.40 (0.70) 4.61 (0.73) 4.61 (0.73) 4.20 (0.72) 4.16 (0.81) 4.15 (0.89) Evaluatie 3.69 (1.12) 4.16 (1.15) 4.29 (1.05) 3.52 (1.10) 3.91 (1.14) 3.70 (1.07) Webcare

(17)

17 Social presence

Uit de tweeweg mixed design variantie-analyse voor social presence met als

binnen-proefpersoon factor Type profit en als tussen-binnen-proefpersoon factor Partikel bleek een significant hoofdeffect voor Type profit (F (1,89) = 4.95, p = .029). De non-profit organisatie (M = 4.57, SD = 1.19) kreeg gemiddeld meer social presence toegeschreven dan de for-profit organisatie (M = 4.22, SD =1.24). Dit resultaat was niet meer significant na de Bonferroni-correctie.

Er bleek geen significant hoofdeffect voor Partikel (F (2,89) < 1), hiermee kan H1a niet worden bevestigd. Als laatste was er ook geen significant interactie-effect tussen Type profit en Partikel (F (2,89) = 1.07, p = .347), hiermee wordt tevens H1b niet bevestigd.

Gepercipieerde CHV

Uit de tweeweg mixed design variantie-analyse voor gepercipieerde CHV met als binnen-poefpersoon factor Type profit en als tussen-proefpersoon factor Partikel bleek een significant hoofdeffect voor Type profit (F (1,89) = 13.87, p = < .001). De non-profit organisatie (M = 4.55,

SD = 0.72) kreeg meer gepercipieerde CHV toegeschreven dan de for-profit organisatie (M =

4.16, SD = 0.81).

Er bleek geen significant hoofdeffect van Partikel (F (2,89) < 1), hiermee wordt H2a niet

bevestigd. Als laatste bleek er ook geen significant interactie-effect tussen Type profit en Partikel (F (2,89) < 1), hiermee wordt tevens H2b niet bevestigd.

Evaluatie webcare

Uit de tweeweg mixed design variantie-analyse voor evaluatie webcare met als

binnen-poefpersoon factor Type profit en als tussen-proefpersoon factor Partikel bleek een significant hoofdeffect voor Type profit (F (1,89) = 9.47, p = .003). De non-profit organisatie (M = 4.08, SD = 1.12) bleek positiever te worden geëvalueerd dan de for-profit organisatie (M = 3.72, SD = 1.10).

Er bleek geen significant hoofdeffect voor Partikel (F (2,89) = 1.70, p = 1.88), hiermee wordt H3a niet bevestigd. Tevens bleek er ook geen significant interactie-effect tussen Type profit en Partikel (F (2,89) = 1.33, p = .270), hiermee wordt tevens H3b niet bevestigd.

(18)

18 CONCLUSIE & DISCUSSIE

Allereerst is te zien dat alle hypothesen verworpen zijn die waren gesteld binnen dit onderzoek. Dit betekent niet dat er geen effecten waren. Het type profit bleek een significante voorspeller voor alle afhankelijke variabelen. De rode draad in deze resultaten is dat non-profit organisaties een hogere social presence toegeschreven kregen, meer CHV toegeschreven kregen en een hogere evaluatie van het gesprek kregen van de participanten. Dit onderzoek kan non-profit organisaties dan ook des te meer motiveren om wel stappen te maken in het gebruik van informeel taalgebruik in hun webcare. Alleen social presence bleek na de Bonferroni correctie niet meer significant. Dit zou eventueel verklaard kunnen worden aan de hand van het feit dat er geen visuele signalen zijn gebruikt, oftewel er is geen foto gebruikt. Bij Park en Lee (2013) is namelijk te zien dat de visuele en identiteit signalen het effect van conversationele signalen versterken. In het huidige onderzoek is enkel een identiteit signaal toegevoegd maar geen visueel signaal. Dit had eventueel kunnen zorgen voor een groter effect op social presence. Het risico van het toevoegen van andere signalen is dat het onduidelijk wordt of het effect alleen toe te schrijven was aan het partikel gebruik. Zo was het identiteit signaal ook een limitatie aan dit onderzoek; dit signaal kan voor een versterking hebben gezorgd van het effect van het

conversationele signaal. Dit was uit te sluiten geweest als er nog een versie was geweest zonder naam bij de chatbot. Hier is niet voor gekozen omdat bleek dat juist het toevoegen van identiteit signalen kan bijdragen aan de menselijkheid. Het doel was dan ook om de chatbot zo menselijk mogelijk te laten overkomen. Toekomstig onderzoek zou zich kunnen richten op het verder onderzoeken van de resultaten van Park en Lee (2013). In hoeverre dragen visuele en identiteit signalen bij aan het effect van conversationele signalen en valt dit uit te sluiten van elkaar?

Daarnaast heeft dit onderzoek aangetoond dat informeel taalgebruik heel subtiel kan worden toegepast. Partikels zijn namelijk een subtiele manier om de stem van een robot meer

menselijkheid te geven. In eerder onderzoek van Liebrecht en Van Hooijdonk (2018) worden er een aantal onderdelen van informeel taalgebruik omschreven. Deze onderdelen zijn minder subtiel, zoals bijvoorbeeld herhaalde interpunctie, afkortingen of emoticons. Dat soort onderdelen vallen meer op dan een partikel. De onopvallendheid van de partikels heeft er misschien toe geleid dat de partikels geen significant effect gaven in dit onderzoek. Een andere verklaring voor het uitblijven van een hoofdeffect van type partikel is dat de gesprekken te lang

(19)

19 waren om de partikels op te laten vallen. Hier is bewust voor gekozen bij het ontwerpen van de stimuli om de authenticiteit van de gesprekken te waarborgen. Toekomstig onderzoek zou zich kunnen richten op kleinere gesprekken waarin de partikels duidelijker aanwezig zijn of het meermaals herhalen van de partikels in een gesprek. Door het uitblijven van een hoofdeffect van type partikel kon er ook geen interactie-effect optreden waardoor alle b-hypothesen niet konden worden bevestigd. Als laatste zijn er in het huidige onderzoek enkel twee partikels gebruikt die contrastief van aard zijn. Volgens Van Der Wouden (2001) zijn er naast de discourse-partikels waaronder wel en toch vallen, nog drie andere categorieën partikels, namelijk focuspartikels, modale partikels en tijdspartikels. Wellicht zijn deze partikels meer gunstig om een hoofdeffect te creëren of zorgt juist een combinatie van allen voor een hoofdeffect. Een combinatie van de verschillende categorieën kan er toe leiden dat het gesprek niet ingekort hoeft te worden en er ook geen partikels continue herhaald hoeven te worden waardoor de authenticiteit verloren gaat. Vervolgonderzoek is nodig om combinaties van partikelcategorieën te exploreren.

Partikels zijn in dit onderzoek gezien als onderdeel van informeel taalgebruik maar zouden bijvoorbeeld ook onder uitnodigende retoriek kunnen vallen omdat de gebruikte partikels (wel en

toch) contrasterende partikels zijn en daarom oproepen tot conversatie en de openheid van een

chatbot benadrukken. Dit onderzoek heeft ten minste aangetoond dat het voor non-profit organisaties gunstig kan zijn om een chatbot in te zetten, weliswaar met een zo menselijk

mogelijk geluid. Liebrecht en Van Hooijdonk (2018) vonden namelijk dat non-profit organisaties minder informeel taalgebruik toepassen omdat ze dit niet gepast vonden in hun rol. Het huidige onderzoek laat zien dat non-profit organisaties gewaardeerd worden om dit subtiele informeel taalgebruik. Dit sluit aan op het onderzoek van Liebrecht en Van Der Weegen (2019) die stellen dat informeel taalgebruik in overvloed niet helpt bij merkvertrouwen of gunstigere attitudes. Subtiel informeel taalgebruik dus wel.

Dit onderzoek laat zien dat een gulden middenweg gunstig kan zijn voor non-profit organisaties en de organisaties eventueel ook kan helpen informeel taalgebruik als minder ‘gewaagd’ te zien zoals werd gevonden in het onderzoek van Liebrecht en Van Hooijdonk (2018). Juist de non-profit organisaties werden meer gewaardeerd in dit onderzoek dan de for-non-profit organisaties terwijl de gesprekken gelijk waren en er evenveel informeel taalgebruik werd toegepast. Een vervolgstudie zou kunnen kijken naar de verhoudingen tussen informeel taalgebruik bij

(20)

non-20 profit en for-profit organisaties. Het zou eventueel mogelijk kunnen zijn dat een for-profit

organisatie meer informeel taalgebruik moet toepassen om dezelfde resultaten te halen als een non-profit organisatie met minder informeel taalgebruik. Dit sluit aan bij Park en Lee (2013) die vonden dat een for-profit organisatie meer CHV toegeschreven kreeg dan een non-profit

organisatie. Het gebruik van informeel taalgebruik bij for-profit organisaties is meer getolereerd en meer verwacht door consumenten. Wellicht zullen zij dus meer informeel taalgebruik moeten tonen om zich te onderscheiden van de normale verwachting van de consument.

Tegelijkertijd blijft er nog veel onduidelijk over de exacte definities van de onderdelen van CHV. Partikels zijn officieel niet gedefinieerd, ze geven geen significant effect maar dat wil niet zeggen dat ze geen onderdeel van CHV kunnen zijn. In de praktijk wordt nu voortgezet op enkel één onderzoek die de drie kenmerken definieert als personalisatie, informeel taalgebruik en uitnodigende retoriek. Vervolgonderzoek is nodig om dit te bevestigen en om verder te kijken wat hoort onder de drie of eventueel meer kenmerken van CHV. Zo is te zien dat onder informeel taalgebruik veel zaken vallen, van smileys tot aan tussenwerpsels maar onder

personalisatie of uitnodigende retoriek valt veel minder. De onderdelen zijn dus ook ongelijk qua grootte aan elkaar. Zo zou het kunnen zijn dat informeel taalgebruik beter kan worden

opgesplitst in twee onderdelen, bijvoorbeeld tekstueel taalgebruik en beeldend taalgebruik. Immers voortbordurend op Biber (1986) lijkt informeel taalgebruik op spreektaal en bevat het dus linguïstische kenmerken die worden geassocieerd met spreektaal. Emoticons worden bijvoorbeeld niet gebruikt in spreektaal en ook niet alle afkortingen en herhaalde interpunctie zijn hierin terug te vinden. Een verdeling voor informeel taalgebruik zou dus ook spreektaal en overig informeel taalgebruik kunnen zijn. Onder spreektaal zouden zaken vallen die ook terug te vinden zijn in een face-to-face conversatie en onder overig informeel taalgebruik zouden zaken vallen die niet voorkomen in een face-to-face conversatie zoals emoticons, herhaalde

interpunctie en sommige afkortingen. Nieuw exploratief onderzoek zou met factoranalyses meer onderdelen kunnen onderzoeken in alledaags face-to-face taalgebruik tussen mensen en hier nieuwe elementen voor het informeel taalgebruik uit kunnen halen. Ook zou na het achterhalen van nieuwe factoren een factoranalyse gedaan kunnen worden om te achterhalen welke

onderdelen van informeel taalgebruik het meest bijdragen aan CHV, is dit bijvoorbeeld het gebruik van emoticons of juist eerder het gebruik van afkortingen?

(21)

21 Tevens blijft een interessante vervolgvraag om te kijken naar verschillen tussen non-profit en for-profit organisaties. Er zijn duale proces-modellen voor producten met hoge betrokkenheid en lage betrokkenheid zoals het ELM (Petty & Cacioppo, 1986). Zo zou er ook een model gemaakt kunnen worden voor de benadering van consumenten bij een non-profit organisatie en een for-profit organisatie. De doelen van deze organisaties zijn nu eenmaal anders en consumenten zullen ook vaak om andere redenen in aanraking komen met deze organisaties. Een gemeente die online vragen beantwoordt over een aangevraagd rijbewijs dient een andere ‘tone of voice’ te gebruiken dan een consument die een vraag heeft over de aanbetaling van zijn vakantie.

Het effect van de non-profit organisaties is eventueel ook te wijten aan het gemanipuleerde gesprek. Het gesprek was bij de non-profit organisatie net wat anders dan bij de for-profit

organisatie. Zo ging het bij de non-profit organisatie over een product wat thuis werd bezorgd en nu bij de buren afgeleverd was en bij de for-profit organisatie over een pakket dat naar een verkeerd afhaalpunt was verstuurd. Dit is gedaan omdat type profit een binnen proefpersoon factor was en er anders een leereffect zou ontstaan. Het zou kunnen dat participanten de situatie bij de for-profit organisatie meer als een ‘fout’ zien en bij de non-profit organisatie als meer normaal zien. Consumenten zouden eventueel meer tolerantie hebben voor de situatie van de non-profit organisatie wat kan zorgen voor het opgetreden effect. Een pre-test voor enkel de gesprekken zonder manipulatie van type profit had dit uit kunnen sluiten. In deze pre-test was dan verder geen merk toegevoegd of vorm van personalisatie. Voor vervolgonderzoek is het dus goed om hier rekening mee te houden.

Als laatste bleek bij de interne betrouwbaarheid van de schaal van Kelleher (2009) dat door het verwijderen van één subitem de betrouwbaarheid op alle schalen hoger werd. Het betreft het subitem; de chatbot biedt links aan naar concurrenten. Het is logisch dat in dit onderzoek dit niet werd ervaren omdat er geen links naar concurrenten of überhaupt links in de tekst stonden. Waarom hoort dit subitem dan bij gepercipieerde CHV? Kan een chatbot alleen maar menselijk overkomen als hij een link naar een concurrent aanbiedt? Vervolgonderzoek is nodig om uit te vinden of dit subitem eventueel verwijderd dient te worden uit de gevalideerde schaal van Kelleher (2009).

(22)

22 BIBLIOGRAFIE

Araujo, T. (2018). Living up to the chatbot hype: The influence of anthropomorphic design cues and communicative agency framing on conversational agent and company perceptions.

Computers in human Behavior, 85, 183-189. Doi: 10.1016/j.chb.2018.03.051

Biber, D. (1986). Spoken and written textual dimensions in English: Resolving the contradictory.

Language, 62, 384-414.

CBS. (2019, December 2). Helft online shoppers heeft klachten. Opgeroepen op Maart 17, 2020, van CBS: https://www.cbs.nl/nl-nl/nieuws/2019/49/helft-online-shoppers-heeft-klachten

Feine, J., Gnewuch, U., Morana, S., & Maedche, A. (2020). Gender Bias in Chatbot Design. In A. Følstad, T. Araujo, S. Papadopoulos, E. Lai-Chong Law, O.-C. Granmo, & E. Luger,

What Chatbot Developers Could Learn from Webcare Employees in Adopting a Conversational Human Voice (pp. 79-93). Cham: Springer. Doi:

10.1007/978-3-030-39540-7

Go, E., & Sundar, S. (2019). Humanizing chatbots: The effects of visual, identity and conversational cues. Computers in Human Behavior, 304-316. Doi:

10.1016/j.chb.2019.01.020

Grety, A., Horvath, C., Belei, N., & Van Riel, A. C. (2017). “Don't pretend to be my

friend!”When an informal brand communication style backfires on social media. Journal

of Business Research, 74, 77-89. Doi: 10.1016/j.jbusres.2017.01.012

Hendriks, B., Van Meurs, F., & Behnke, G. (2019). The Effect of Different Degrees of Regional Accentedness in Radio Commercials: An Experiment with German Consumers. Journal

of International Consumer Marketing, 31(4), 302-316. Doi:

10.1080/08961530.2018.1544530

Hogeweg, L. (2009). The meaning and interpretation of the Dutch particle wel. Journal of

Pragmatics, 41, 519-539. Doi:10.1016/j.pragma.2008.06.012

Hogeweg, L., & Van Bergen, G. (te verschijnen). Managing interpersonal discourse expectations:A comparative analysis of contrastive discourse particles in Dutch.

(23)

23 Kelleher, T. (2009). Conversational Voice, Communicated Commitment, and Public Relations

Outcomes in Interactive Online Communication. Journal of Communication, 59, 172-188. Doi: 10.1111/j.1460-2466.2008.01410.x

Li, X., Chan, K. W., & Kim, S. (2018). Service with emoticons: How customers interpret

employee use of emoticons in online service encounters. Journal of Consumer Research,,

45(5), 973-987. Doi: 10.1093/jcr/ucy016

Liebrecht, C., & Van Der Weegen, E. (2019). Menselijke chatbots: een zegen voor online

klantcontact?: Het effect van conversational human voice door chatbots op social pesence en merkattitude. Tijdschrift voor Communicatiewetenschap, 46(3-4), 217-238.

Liebrecht, C., & Van Hooijdonk, C. (2018). “Wat vervelend dat de fiets niet is opgeruimd!^EK".

Tijdschrift voor Taalbeheersing, 40(1), 45-81. Doi: 10.5117/TVT2018.1.HOOI

Liebrecht, C., & Van Hooijdonk, C. (2020). Creating Humanlike Chatbots: What Chatbot

Developers Could Learn from Webcare Employees in Adopting a Conversational Human Voice. In A. Følstad, T. Araujo, S. Papadopoulos, E. Lai-Chong Law, O.-C. Granmo, & E. Luger, Chatbot Research and Design (pp. 51-64). Cham: Springer. Doi: 10.1007/978-3-030-39540-7

Morgan, R.M., & Hunt, S. D. (1994). The commitment-trust theory of relationshipmarketing.

Journal of Marketing, 58, 20–38.

Nass, C., & Moon, Y. (2000). Machines and Mindlessness: Social Responses to Computers.

Journal of Social Issues, 56(1), 81-103.

Nass, C., Steuer, J., & Tauber, E. R. (1994). Computers are Social Actors. Proceedings of the SIGCHI conference on Human factors in computing systems, 72-78.

Park, H., & Lee, H. (2013). Show Us You Are Real: The Effect of

Human-Versus-Organizational Presence on Online Relationship Building Through Social Networking Sites. Cyberpsychology, Behavior, and Social Networking, 16(4), 265-271. Doi: 10.1089/cyber.2012.0051

Petty, R. E., & Cacioppo, J. T. (1986). Central and peripheral routes to attitude change.

(24)

24 Van Der Goot, M. J., & Pilgrim, T. (2020). Exploring Age Differences in Motivations for and

Acceptance of Chatbot Communication in a Customer Service Context. In A. Følstad, T. Araujo, S. Papadopoulos, E. Lai-Chong Law, O.-C. Granmo, & E. Luger, Chatbot

Research and Design (pp. 173-186). Cham: Springer. Doi: 10.1007/978-3-030-39540-7

Van Der Wouden, T. (2001). Partikels: naar een partikelwoordenboek voor het Nederlands.

https://tonvanderwouden.nl/index_files/papers/nt-partwdb.pdf

Van Noort, G., Willemsen, L., Kerkhof, P., & Verhoeven, J. (2015). Webcare as an integrative tool for customer care, reputation management, and online marketing: A literature review. In P. Kitchen, & E. Uzunoglu, Integrated Communications in the Postmodern

Era (pp. 77-99). UK: Palgrave Macmillan. Doi: 10.1057/9781137388551_4

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.

Von Der Pütten, A. M., Krämer, N. C., Gratch, J., & Kang, S.-H. (2010). It doesn’t matter what you are!” Explaining social effects of agents and avatars. Computers in Human Behavior

, 26(6), 1641-1650. Doi: 10.1016/j.chb.2010.06.012

Welie, R. v. (2020, maart 10). Nederlandse consumenten geven online € 25,8 miljard uit in 2019. Opgeroepen op maart 17, 2020, van Thuiswinkel:

https://www.thuiswinkel.org/nieuws/4358/nederlandse-consumenten-geven-online-25-8-miljard-uit-in-2019

Witbaard, L. (2020, Februari 27). Chatbots: een gamechanger voor klantcontact, webcare en appcare. Opgeroepen op Maart 17, 2020, van Obi4wan: https://www.obi4wan.com/nl/chatbots-een-gamechanger-voor-klantcontact-webcare-en-appcare/

(25)

25 BIJLAGEN

Bijlage 1: Analysemodel

Bijlage 2: Tijdspad

Week 15: inleveren onderzoeksvoorstel

Week 16/17: feedback onderzoeksvoorstel + begeleidingsgesprek

Indien No Go: snelle revisie binnen 5 werkdagen → week 18 inleveren en week 19 hopelijk alsnog een Go

Week 18: Stimuli maken + vragenlijst

Week 19: stimuli maken + vragenlijst + begeleidingsgesprek

Week 20: ruimte voor uitloop maken stimuli + vragenlijst & begin online verspreiding Week 21 & 22: verspreiding

Week 23, 24 en 25: Analyse van resultaten en schrijven eindproduct + 2 x begeleidingsgesprek Week 25: vroege deadline – inleveren master scriptie

(26)

26 Bijlage 3: Vragenlijst ethische toetsing

Checklist Ethische Toetsing

Naam: Annabel Sikkes Studentnummer: s1025385

Titel van het scriptie-onderzoeksproject: Het was toch wel een chatbot? Eerste begeleider en verantwoordelijke onderzoeker: Marianne Starren Datum waarop de checklist is ingevuld: 9-4-2020

Je vult de vragen in door bij het gekozen antwoord te klikken op het vierkantje. ☐ Na klikken verschijnt er in dit vierkantje een kruis ☒

Medisch-ethisch onderzoek

1. Is er op één van de volgende manieren een zorginstelling bij het onderzoeksproject betrokken? Dit is het geval als één van de situaties a/b/c hierna van toepassing is op het onderzoek:

A. één of meer medewerkers van een zorginstelling is bij het onderzoek betrokken als opdrachtgever of verrichter/uitvoerder

B. het onderzoek vindt plaats binnen de muren van de zorginstelling, en dient naar de aard van het onderzoek normaliter niet buiten de muren van de zorginstelling plaats te vinden

C. aan het onderzoek nemen patiënten/cliënten van de zorginstelling (i.h.k.v. behandeling) deel X Nee, op geen van de manieren a/b/c → doorgaan met vragenlijst

☐ Ja, op manier a / b / c (omcirkel wat van toepassing is)

→ Heeft een Medisch-Ethische Toetsingcommissie (METC) het onderzoek al beoordeeld?

☐ Ja, en het oordeel was dat het onderzoek wordt toegestaan → Voeg een verklaring hiervan door je begeleidend docent bij je onderzoeksvoorstel en vragenlijst toch afmaken

☐ Nee → Deze aanvraag moet door een erkende Medisch-Ethische

Toetsingscommissie (METC) behandeld worden, bijvoorbeeld de CMO Regio Arnhem Nijmegen (cmo-regio-arnhem-nijmegen) → einde checklist → zie ccmo.nl

(27)

27 2. Is er sprake bij dit project sprake van een medisch-wetenschappelijk onderzoek dat mogelijk

gezondheidsrisico’s met zich meebrengt voor de deelnemende personen? X Nee → doorgaan met vragenlijst

☐ Ja → Deze aanvraag moet door een erkende Medisch-Ethische Toetsingscommissie

(METC) behandeld worden, bijvoorbeeld de CMO Regio Arnhem Nijmegen (cmo-regioarnhem-nijmegen ) → einde checklist → zie ccmo.nl

Standaard-onderzoeksmethode

3. De Ethische Toetsingscommissie Geesteswetenschappen (ETC-GW) heeft een aantal standaardonderzoeken beschreven, te vinden via ETC-GW standaarden (zie na doorklikken de rechterkolom voor pdf) → Valt de methode van het beoogde onderzoeksproject onder een van deze beschreven standaardonderzoeken?

X Ja → 1. Standaard evaluatie- en attitudeonderzoek

☐ Nee → toetsing door ETC-GW noodzakelijk, einde checklist → ga naar toetsprocedure Deelnemende personen

4. Gaat het bij het voorgenomen onderzoek om een gezonde populatie? X Ja → doorgaan met vragenlijst

☐ Nee → toetsing door ETC-GW noodzakelijk, einde checklist → ga naar toetsprocedure 5. Is er sprake van onderzoek bij minderjarigen (< 18 jaar) of bij wilsonbekwamen ?

X Nee → doorgaan met vragenlijst

☐ Ja → toetsing door ETC-GW noodzakelijk, einde checklist → ga naar toetsprocedure

Aard van het onderzoek

6. Wordt er een onderzoeksmethode gebruikt die het mogelijk maakt dat bij toeval een bevinding over de gezondheidssituatie van een deelnemende persoon wordt gedaan, waarvan hij of zij op de hoogte zou moeten worden gesteld op een manier die niet beschreven is in de standaardmethode die van toepassing is?

(28)

28 7. Moeten deelnemende personen handelingen doen of meemaken, die ongemak kunnen inhouden op een manier die niet beschreven is in de standaardmethode die van toepassing is?

8. Zijn de in te schatten risico’s verbonden aan het onderzoek voor deelnemende personen groter dan beschreven is in de standaardmethode die van toepassing is?

☐ Ja → toetsing door ETC-GW noodzakelijk, einde checklist → ga naar toetsprocedure 9. Wordt aan deelnemende personen een andere vergoeding geboden dan gebruikelijk binnen de standaardmethode die van toepassing is?

10. Indien er misleiding plaatsvindt, voldoet de misleidingsprocedure dan aan de eisen zoals beschreven in het protocol van de ETC-GW? (zie misleiding)

X Ja → doorgaan met vragenlijst

☐ Nee → toetsing door ETC-GW noodzakelijk, einde checklist → ga naar toetsprocedure

11. Wordt voldaan aan de standaardregels in verband met anonimiteit en privacy zoals beschreven in het protocol van de ETC-GW? (zie anonimiteit)

X Ja → doorgaan met vragenlijst

Afname van het onderzoek

12. Wordt het onderzoek bij een externe instelling (bijv. school, ziekenhuis) uitgevoerd? X Nee → doorgaan met vragenlijst

(29)

29 ☐ Ja → doorgaan met vragenlijst (document met toestemming bijvoegen)

13. Is aan de volgende voorwaarden voldaan (zie toelichting over informatie en toestemming en voorbeelddocumenten):

- het is duidelijk wie aanspreekpunt is waar deelnemende personen terecht kunnen met vragen over het onderzoek

X Ja

- het is duidelijk waar deelnemende personen klachten over deelname aan het onderzoek kunnen uiten en hoe deze behandeld zullen worden?

X Ja

- het is duidelijk dat deelnemende personen volledig vrij zijn om deel te nemen aan het onderzoek, en om hiermee op elk moment te stoppen wanneer zij dat willen, om welke reden dan ook

X Ja

- het is duidelijk voor deelnemende personen en/of hun vertegenwoordigers voorafgaand aan deelname wat doel, aard en duur, risico's en bezwaren van de studie zijn

X Ja

Vier keer Ja → doorgaan met vragenlijst (bijvoegen: je eigen, aangepaste versie van het

informatiedocument en de toestemmingsverklaring, eventueel gecombineerd tot één document; of het deel van je online vragenlijst dat gaat over informatie en toestemming)

14. Deze checklist ging over onderzoek met personen. Veel onderzoek vindt tegenwoordig plaats met Internetdata. Als het onderzoeksproject data gebruikt die op openbare plaatsen van het internet beschikbaar staan, is in principe geen toestemming van de mensen die het geplaatst hebben nodig, maar ook dan geldt dat je moet afwegen of je met het publiek maken van bepaalde gegevens de belangen van deze mensen op een onevenredige manier zou kunnen schaden. Is dit laatste in het voorgenomen onderzoek het geval?

☐ Ja → toetsing door ETC-GW noodzakelijk, einde checklist → ga naar toetsprocedure X Nee → checklist afgerond

(30)

30 Leg aan het eind gekomen van de checklist de ingevulde resultaten vast door het ingevulde bestand op te slaan onder een nieuwe naam, en voeg dit bestand met, indien van toepassing, andere verklaringen (zoals het informatie/toestemmingsverklaring) bij je onderzoeksvoorstel.

Bijlage 4: Informatie en toestemmingsverklaring

INFORMATIE EN TOESTEMMING

U wordt uitgenodigd om mee te doen aan een onderzoek naar webcare gesprekken. Dit onderzoek wordt uitgevoerd door Annabel Sikkes, student aan de Radboud Universiteit.

Wat wordt er van u verwacht?

Meedoen aan het onderzoek houdt in dat u een online vragenlijst gaat invullen. De vragen hebben betrekking op uw mening over de getoonde webcare. Het invullen van de vragenlijst kost ongeveer X minuten.

Vrijwilligheid

U doet vrijwillig mee aan dit onderzoek. Daarom kunt u op elk moment tijdens het onderzoek uw deelname stopzetten en uw toestemming intrekken. U hoeft niet aan te geven waarom u stopt. U kunt tot twee weken na deelname ook uw onderzoeksgegevens laten verwijderen. Dit kunt u doen door een mail te sturen naar annabel.sikkes@student.ru.nl.

Wat gebeurt er met mijn gegevens?

De onderzoeksgegevens die we in dit onderzoek verzamelen, zullen door wetenschappers gebruikt worden voor datasets, artikelen en presentaties. De anoniem gemaakte onderzoeksgegevens zijn tenminste 10 jaar beschikbaar voor andere wetenschappers. Als we gegevens met andere onderzoekers delen, kunnen deze dus niet tot u herleid worden.

We bewaren alle onderzoeksgegevens op beveiligde wijze volgens de richtlijnen van de Radboud Universiteit.

Heeft u vragen over het onderzoek?

Als u meer informatie over het onderzoek wilt hebben, kunt u contact opnemen met Marianne starren via m.starren@let.ru.nl.

Ethische toetsing en klachten

Dit onderzoek is goedgekeurd door de Ethische Toetsingscommissie Geesteswetenschappen van de Radboud Universiteit (ETC-GW nummer 20XX-XXXX [vul dossiernummer in])

Heeft u klachten over het onderzoek, dan kunt u contact opnemen met de verantwoordelijke onderzoeker. Ook kunt u een klacht indienen bij de secretaris van de Ethische Toetsingscommissie

Geesteswetenschappen Radboud Universiteit (etc-gw@ru.nl).

Voor vragen over de verwerking van gegevens in dit onderzoek kunt u contact opnemen met: dataofficer@let.ru.nl

(31)

31

TOESTEMMING: Geef hieronder uw keuze aan.

Door te klikken op de knop ‘Ik ga akkoord’ geeft u aan dat u: ● bovenstaande informatie heeft gelezen

● vrijwillig meedoet aan het onderzoek ● 16 jaar of ouder bent

Als u niet mee wilt doen aan het onderzoek, kunt u op de knop ‘Ik wil niet meedoen’ klikken

Bijlage 5: stimuli For profit bedrijf Bol.com & GEEN partikel Ik ga akkoord (doorgaan naar vragenlijst)

(32)

32 For profit bedrijf Bol.com & TOCH als partikel

(33)

33 For profit bedrijf Bol.com & WEL als partikel

(34)

34 Non-profit bedrijf: Gemeente Oosterdonk & GEEN partikel

(35)

35 Non-profit bedrijf: Gemeente Oosterdonk & TOCH als partikel

(36)

36 Non-profit bedrijf: Gemeente Oosterdonk & WEL als partikel Bijlage 6:

Chatbot webcare evaluatie

Start van blok: Intro

Q42 U wordt uitgenodigd om mee te doen aan een onderzoek naar de evaluatie van webcare door chatbots. Dit onderzoek wordt uitgevoerd door Annabel Sikkes, master student communicatie en beïnvloeding aan de Radboud Universiteit.

(37)

37 invullen. De vragen hebben betrekking op uw mening over gesprekken tussen een chatbot en een klant. Het invullen van de vragenlijst kost maximaal 5 minuten.

VrijwilligheidU doet vrijwillig mee aan dit onderzoek. Daarom kunt u op elk moment tijdens het

onderzoek uw deelname stopzetten en uw toestemming intrekken. U hoeft niet aan te geven waarom u stopt. U kunt tot twee weken na deelname ook uw onderzoeksgegevens laten verwijderen. Dit kunt u doen door een mail te sturen naar annabel.sikkes@student.ru.nl

Wat gebeurt er met mijn gegevens? De onderzoeksgegevens die we in dit onderzoek verzamelen, zullen door wetenschappers gebruikt worden voor datasets, artikelen en presentaties. De anoniem gemaakte onderzoeksgegevens zijn tenminste 10 jaar beschikbaar voor andere wetenschappers. Als we gegevens met andere onderzoekers delen, kunnen deze dus niet tot u herleid worden. We bewaren alle

onderzoeksgegevens op beveiligde wijze volgens de richtlijnen van de Radboud Universiteit. Heeft u vragen over het onderzoek?Als u meer informatie over het onderzoek wilt hebben, kunt u contact opnemen met Marianne starren, e-mail: m.starren@let.ru.nl

Ethische toetsing en klachtenDit onderzoek is goedgekeurd door de Ethische Toetsingscommissie Geesteswetenschappen van de Radboud Universiteit.

Heeft u klachten over het onderzoek, dan kunt u contact opnemen met de verantwoordelijke onderzoeker.

Ook kunt u een klacht indienen bij de secretaris van de Ethische Toetsingscommissie Geesteswetenschappen Radboud Universiteit (etc-gw@ru.nl).

Voor vragen over de verwerking van gegevens in dit onderzoek kunt u contact opnemen met: dataofficer@let.ru.nl

TOESTEMMING:Geef hieronder uw keuze aan.Door te klikken op de knop ‘Ik ga akkoord’ geeft u aan dat u:● bovenstaande informatie heeft gelezen● vrijwillig meedoet aan het onderzoek● 18 jaar of ouder bent

LET OP: het betreft 2 gesprekken van 2 verschillende organisaties. De vragen zijn bij beide gesprekken hetzelfde. Je vult de vragen dus twee keer in, een keer voor het eerste bedrijf en een keer voor het tweede bedrijf. De gesprekken zijn ook verschillend van elkaar.

Q43

o

Ik ga akkoord (1)

o

Ik ga niet akkoord, u kan de enquête niet invullen (2)

Ga naar: Einde enquête Als = Ik ga niet akkoord, u kan de enquête niet invullen Einde blok: Intro

(38)

38 Q4 Hoe oud ben je?

________________________________________________________________

Q6 Met welk geslacht identificeer je je het meest?

o

Man (1)

o

Vrouw (2)

Q7 Wat is je huidige/ hoogst afgeronde studie niveau?

o

Middelbare school (1)

o

MBO (2)

o

HBO (3)

o

WO bachelor (4)

o

WO master (5) Einde blok: Demographics Start van blok: NP-W

(39)

39 Q31

(40)

(41)

41 SP-NP-W Hoe voelde de communicatie met de chatbot?

geheel oneens (1) oneens (2) enigzins oneens (3) neutraal (4) enigzins mee eens (5) eens (6) geheel mee eens (7) Het contact met de chatbot voelt als menselijk contact (1)

o

Het contact met de chatbot voelt persoonlijk (2)

o

Het contact met de chatbot voelt sociaal (3)

o

Het contact met de chatbot voelt warm (4)

o

De chatbot leek menselijke gevoeligheid te hebben (5)

o

(42)

42 CHV-NP-W

(43)

43 geheel oneens (1) oneens (2) enigzins oneens (3) neutraal (4) enigzins mee eens (5) mee eens (6) geheel mee eens (7) De chatbot

nodigt uit tot

conversatie (1)

o

De chatbot staat open voor dialoog (2)

o

De chatbot gebruikt gespreksstijl in haar communicatie (3)

o

De chatbot probeert te communiceren met een menselijke stem (4)

o

De chatbot probeert interessant te zijn in haar communicatie (5)

o

De chatbot gebruikt humor in haar communicatie (6)

o

De chatbot biedt links naar concurrenten (7)

o

De chatbot probeert de communicatie plezierig te maken (8)

o

(44)

44 De chatbot zou eventuele fouten toegeven (9)

o

De chatbot geeft snelle feedback en pakt kritiek aan op een directe maar kritiekloze manier (10)

o

De chatbot behandelt mij en andere als mens (11)

o

(45)

45 EW-NP-W geheel oneens (1) oneens (2) enigzins oneens (3) neutraal (4) enigzins eens (5) eens (6) geheel eens (7) Ik vind het webcare gesprek tussen de chatbot en de klant leuk (1)

o

Ik vind het webcare gesprek tussen de chatbot en de klant boeiend (2)

o

Ik vind het webcare gesprek tussen de chatbot en de klant origineel (3)

o

Ik vind het webcare gesprek tussen de chatbot en de klant aantrekkelijk (4)

o

Ik vind het webcare gesprek tussen de chatbot en de klant interessant (5)

o

Einde blok: NP-W Start van blok: P-W

(46)

46 Q40

(47)

47 SP-P-W Hoe voelde de communicatie met de chatbot?

geheel oneens (1) oneens (2) enigzins oneens (3) neutraal (4) enigzins mee eens (5) eens (6) geheel mee eens (7) Het contact met de chatbot voelt als menselijk contact (1)