1
De kunst van de dialoog:
Hoe gaan organisaties om met berichten van stakeholders op
social media?
Bobby Jacobs 10018034
Docent: W.J.L. Elving
Afstudeerproject Corporatie Communicatie Aantal woorden: 5889 woorden
2
Samenvatting
In dit onderzoek is een inhoudsanalyse uitgevoerd om uit te zoeken hoe organisaties reageren op berichten van stakeholders op social media. Van de corporate Facebook- en Twitteraccounts zijn beide 30 random berichten geselecteerd van 29 organisaties uit diverse bedrijfssectoren, die geanalyseerd zijn met een codeboek. Belangrijke resultaten zijn dat maatschappelijke organisaties formeler reageren dan commerciële organisaties, terwijl het gebruiken van een informele toon een positievere invloed heeft op de reacties van stakeholders dan een formele toon. Maatschappelijke organisaties blijken wel sneller te reageren dan commerciële organisaties, maar halen daarentegen ook vaker klachten uit de openbaarheid. Organisaties kunnen tenslotte niet goed overweg met een groot aantal klachten. Dit onderzoek is relevant voor organisaties omdat het aantoont dat er nog ruimte voor verbetering is in het aangaan van de dialoog met stakeholders in webcare. Dit zal uiteindelijk positief zijn voor het imago van een organisatie.
3
Inleiding
Het gebruik van social media is in de laatste jaren sterk toegenomen, ook onder organisaties (CBS, 2016). De voornaamste strategieën die gebruikt worden door organisaties op social media zijn het verstrekken van informatie en het aangaan van de dialoog met stakeholders (Lovejoy & Saxton, 2012). Het wordt volgens Chief Executive Officers (CEO’s) steeds belangrijker om met stakeholders te binden en social media is daarvoor een belangrijk middel (IBM, 2010). Ondanks dat organisaties het binden met stakeholders als één van hun prioriteiten stellen, blijkt in de praktijk dat het aangaan van de dialoog op social media onderontwikkeld is (Postma & Elving, 2016; Einwiller & Steilen, 2015).
De meeste organisaties zijn voornamelijk bezig met het zenden van informatie op hun eigen social mediakanalen (Valentini, Elving & Zoonen, 2015), echter is het luisteren naar stakeholders minstens even belangrijk (Nair, 2011; Smith, 2009). De dialoog aangaan met stakeholders is de eerste stap naar stakeholder engagement (Valentini et al., 2015). Voor een goede dialoog is het belangrijk dat de organisatie vriendelijk overkomt, bereid is om te luisteren naar de stakeholder, dat de organisatie open staat voor suggesties en bereid is hiernaar te handelen (Johansen & Nielsen, 2011). Daarnaast is een succesvolle tweeweg symmetrische communicatie essentieel in het bereiken van excellentie (Grunig & Grunig, 1992). Als een organisatie de dialoog aangaat, groeit de tevredenheid bij stakeholders. De ontevredenheid van stakeholders neemt toe bij het uitblijven van een reactie op een vraag die
stakeholders op social media hebben gesteld (Gu & Ye, 2014).
Uit de literatuur blijkt dat de online stakeholderdialoog van de meeste organisaties verbeterd kan worden (Nair, 2011; Postma & Elving, 2016; Smith, 2009; Valentini et al., 2015). Het is van belang om inzicht te krijgen in de wijze waarop organisaties reageren op berichten van stakeholders op social media. De onderzoeksvraag luidt als volgt: Hoe reageren organisaties op berichten van stakeholders op social media? Hiertoe zal een inhoudsanalyse worden opgezet. Alvorens deze inhoudsanalyse te beschrijven zal ik eerst ingaan op de wetenschappelijke literatuur.
4
Theoretisch kader
In de literatuur heb ik onderscheid gemaakt in de dialoogvorm die door organisaties worden toegepast en de inhoudelijke reactie die organisaties geven. De dialoogvorm is van toepassing op de aard van het bericht. De inhoudelijke dialoog omvat hoe organisaties daadwerkelijk ingaan op de berichten van stakeholders. In het onderstaande deel worden er aan de hand van literatuur hypotheses opgesteld voor de dialoogvorm en de inhoudelijke dialoog.
Dialoogvorm
De definitie van dialoog is: “to jointly create meaning and shared understanding between participants through conversation” (Franco, 2006, p.814). Voor deze definitie is gekozen omdat de dialoog tussen stakeholder en organisatie ook gaat om wederzijds begrip door middel van conversatie. Online dialoog betekent dat deze conversatie via websites of social media plaatsvindt. Er is veel onderzoek gedaan naar de online dialoog met behulp van de term webcare. Webcare wordt hierbij aangeduid als term voor het online reageren op klachten, vragen en opmerkingen (Huibers & Verhoeven, 2014; Willemsen, Neijens & Bronner, 2013). In veel webcare-dialogen komen elementen voor van
conversational human voice (CHV) zoals tutoyeren. CHV, ofwel met een menselijke stem spreken, is een communicatiestijl waarmee een organisatie minder als organisatie spreekt en meer als individueel persoon (Noort & Willemsen, 2012). Het verschilt echter per organisatie in welke mate dit wordt toegepast en in sommige berichten worden zowel de zakelijke als de menselijke toon door elkaar gebruikt (Noort & Willemsen, 2012; Hooijdonk & Liebrecht, 2015). Naast het gebruik van een menselijke toon kunnen organisaties ook gebruik maken van personalisatie. Dit betekent dat organisaties niet formeel reageren, maar meer in een conversationele stijl (Mayer, 2014). Deze informele stijl kan bijvoorbeeld worden toegepast door gebruik te maken van hashtags,
tussenwerpsels (een uitroep of kreet) en emoticons. Het gevoel om menselijk behandeld te worden en persoonlijke aandacht te krijgen hebben een positief effect op de tevredenheid (Verhagen, Nes, Feldberg & Dolen, 2014). Tenslotte wordt humor toegepast door organisaties, maar alleen als stakeholders dit zelf ook gebruiken (Hooijdonk & Liebrecht, 2015).
In dit onderzoek worden verschillende organisaties met elkaar vergeleken op het gebied van social media. Een aantal organisaties hebben een belangrijke maatschappelijke functie, zoals banken, ziekenhuizen en openbaar vervoersorganisaties (OV). Andere organisaties hebben voornamelijk een commerciële functie, zoals warenhuizen, supermarkten, biermerken en loterijen. Omdat organisaties met een maatschappelijke functie een grote maatschappelijke verantwoordelijkheid hebben verwacht ik dat deze organisaties eerder formele reacties zullen geven op stakeholders, en daardoor minder gebruik maken van hashtags, tussenwerpsels, emoticons, tutoyeren en humor. Om deze reden luidt de
5 eerste hypothese, die wordt geanalyseerd aan de hand van drie subhypotheses, als volgt:
H1: Organisaties met een maatschappelijke functie reageren formeler op Twitter dan organisaties met een puur commerciële functie.
H1a. Organisaties met een maatschappelijke functie reageren op Twitter minder met hashtags, tussenwerpsels en emoticons dan organisaties met een puur commerciële functie.
H1b. Organisaties met een maatschappelijke functie tutoyeren in hun reacties op Twitter minder dan organisaties met een puur commerciële functie.
H1c. Organisaties met een maatschappelijke functie reageren op Twitter minder met humor dan organisaties met een puur commerciële functie.
In de literatuur wordt verondersteld dat het toepassen van CHV en personalisatie een positief effect hebben op de tevredenheid onder stakeholders (Verhagen et al., 2014). Om deze reden verwacht ik dat wanneer het gebruik van hashtags, tussenwerpsels, emoticons en tutoyeren worden toegepast, de reacties van de stakeholders over het algemeen positiever zullen zijn. Tevens worden de aspecten humor en het openstaan voor reacties door organisaties onderzocht omdat ik veronderstel dat deze ook een positieve invloed uitoefenen. Om dezelfde reden verwacht ik dat er een sterk verband is tussen deze zes aspecten van de dialoog en de kans op klachten. Hypothese 2a en 2b luiden als volgt:
H2a: Hoe meer gebruik wordt gemaakt van hashtags, tussenwerpsels, emoticons, tutoyeren, humor en het openstaan voor reacties, hoe positiever de reacties van stakeholders onder een bericht van de organisatie zijn.
H2b: Er is een verband tussen het toepassen van hashtags, tussenwerpsels, emoticons, tutoyeren, humor en het openstaan voor reacties en de kans op klachten tussen de reacties van stakeholders.
Inhoudelijke dialoog
Er is veel literatuur beschikbaar over webcare en hoe met klachten en problemen van stakeholders op social media wordt omgegaan (Noort & Willemsen, 2012; Grégoire, Salle & Tripp, 2015; Pfeffer, Zorbach & Carley, 2014; Einwiller & Steilen, 2015). Er zijn in de literatuur vijf verschillende reacties bekend: (1) organisaties kunnen het probleem ontkennen door te zeggen dat het probleem niet door hen is veroorzaakt; (2) verantwoordelijkheid vermijden door te stellen dat ze geen controle hadden over de situatie; (3) reduceren van de ernst van de situatie door te stellen dat de situatie niet heel erg is of dat het probleem in het verleden wel heel vaak goed is gegaan en weinig voorkomt; (4) beloven om actie te ondernemen en het probleem op te lossen en (5) zich verontschuldigen voor het probleem (Einwiller & Steilen, 2015). Er zit overlap in deze indeling en de Situationele Crisis Communicatie
6 Theorie van Coombs (2007): (1) “Deny” betekent dat organisaties het probleem ontkennen; Dit komt overeen met punt één van Einwiller en Steilen (2015); (2) “Diminish” betekent dat de organistie de schade probeert te beperken; (3) “Rebuild” betekent dat de organisatie de relatie met de stakeholder probeert te herstellen. Dit hangt sterk samen met punt vijf van Einwiller en Steilen (2015); (4) “Bolstering” betekent dat de organisatie de ernst van de situatie probeert te reduceren. Dit komt overeen met punt drie van Einwiller en Steilen (2015).
Organisaties reageren weinig tot matig op klachten en wanneer ze wel reageren, geven ze vaak aan dat ze via social media geen hulp kunnen bieden (Einwiller & Steilen, 2015). Dit sluit aan bij het idee dat het aangaan van de dialoog op social media met stakeholders onderontwikkeld is (Postma & Elving, 2016; Einwiller & Steilen, 2015). Dit terwijl webcare interventies zorgen voor een positiever effect op de evaluatie van een organisatie dan wanneer er geen dialoog ontstaat (Huibers & Verhoeven, 2014; Noort & Willemsen, 2012; Xia, 2013). Stakeholders kunnen ook negatieve publiciteit op social media plaatsen omdat ze vinden dat de organisatie een bepaalde klacht niet goed heeft verwerkt (Grégoire, Laufer & Tripp, 2010). Het voornaamste doel is om de organisatie in een negatief daglicht te stellen. Een voorbeeld is van Nestlé, dat eiste dat een filmpje verwijderd zou worden waarin Greenpeace claimde dat de producten niet duurzaam waren. Door deze reactie werd het filmpje juist veel bekeken, wat ertoe heeft geleid dat Nestlé toch is overgestapt op duurzame producten (Coombs & Holladay, 2012). Naast bekende mensen en Non Gouvernementele Organisaties (NGO’s) hebben ook
journalisten grote invloed op het imago van een organisatie. Het opbouwen van een goede band met journalisten kan negatieve publiciteit voorkomen (Westphal & Deephouse, 2011).
Stakeholders kunnen ook suggesties geven aan organisaties. Organisaties hebben verschillende manieren van omgaan met werknemers die hun eigen ideeën over de organisatie delen via social media. Sommige organisaties moedigen werknemers aan om zich te mengen in de online dialoog over de organisatie, terwijl andere organisaties veel meer controle uitoefenen op het social mediagebruik van hun werknemers (Rokka, Karlson & Tienari, 2014). NGO’s kunnen ook suggesties geven en hebben een sterke invloed op het MVO-beleid van een organisatie (Trapp, 2014). Organisaties maken vaak gebruik van samenwerkingsverbanden met NGO’s in ontwikkelingslanden: De NGO kent de sociale, politieke en economische situatie van ontwikkelingslanden vaak beter en tegelijkertijd heeft de NGO op deze manier meer invloed op het MVO-beleid van de organisatie (Dahan, Doh, Oetzel & Yaziji, 2010).
De literatuur die betrekking heeft op de inhoudelijke dialoog bevestigd het idee dat het aangaan van de dialoog op social media met stakeholders onderontwikkeld is (Postma & Elving, 2016; Einwiller & Steilen, 2015). Voor hypothese 3 wordt onderzocht of er een verschil is tussen verschillende
7 bedrijven worden onderzocht bij hypothese 3. Deze aspecten omvatten of er wordt gereageerd op klachten van stakeholders en of ze deze klachten uit de openbaarheid proberen te halen. Als derde aspect wordt geanalyseerd of bedrijven binnen 8 uur reageren op berichten van stakeholders. Net als bij hypothese 1 maak ik een onderscheid tussen organisaties met een voornamelijk maatschappelijke functie en organisaties met een puur commercieel doeleinde. Dit omdat ik verwacht dat organisaties met een maatschappelijke functie meer het verantwoordelijkheidsbesef hebben om klachten en andere berichten naar behoren te beantwoorden dan organisaties met een puur commerciële insteek. Deze hypothese wordt geanalyseerd door middel van drie subhypotheses:
H3: Organisaties met een maatschappelijke functie reageren inhoudelijk vaker op berichten van stakeholders dan organisaties met een puur commerciële functie.
H3a. Organisaties met een maatschappelijke functie reageren vaker op klachten dan organisaties met een puur commerciële functie.
H3b. Organisaties met een maatschappelijke functie proberen klachten minder vaak uit de openbaarheid te halen dan organisaties met een puur commerciële functie.
H3c. Organisaties met een maatschappelijke functie geven vaker snelle feedback op berichten dan organisaties met een puur commerciële functie.
Onder een bericht dat een organisatie plaatst op social media kunnen veel klachten van stakeholders komen. Aangezien uit de literatuur blijkt dat het aangaan van de dialoog op social media met
stakeholders onderontwikkeld is, verwacht ik dat de meeste organisaties over het algemeen niet goed weten hoe ze hiermee moeten omgaan (Postma & Elving, 2016; Einwiller & Steilen, 2015). Mijn verwachting is dat wanneer het aantal klachten groot is, organisaties eerder in ‘crisis’ zullen zijn en daardoor klachten zullen vermijden. De hypothese luidt daarom als volgt:
H4: Hoe hoger het aantal klachten van stakeholders op een bericht van een organisatie, hoe eerder organisaties klachten vermijden.
8
Methode
Onderzoekspopulatie
Er zijn 29 Nederlandse organisaties geïncludeerd in dit onderzoek. De selectie vond plaats in overleg met de studenten en met de twee onderzoekspartners (MSL en Newcom). Voorwaarde was dat de organisatie bekend moest zijn, zodat de kans groot was dat we in het panelonderzoek daadwerkelijk stakeholders vonden van de betreffende organisaties. Alleen Nederlandse organisaties waren betrokken in het onderzoek, zodat we met name (uitzonderingen daargelaten) Nederlandstalige berichten op Facebook en Twitter konden analyseren en de websites van de organisaties ook
Nederlandstalig waren. Tot slot geschiedde de selectie in een aantal branches, bijvoorbeeld financiële organisaties, energieorganisaties, universiteiten, ziekenhuizen en OV-bedrijven. Deze branches zijn gekozen op voldoende hoeveelheid berichten en dialoogloops op social media, gezien de aard van hun producten en/of diensten.
Meetinstrument
Het codeboek is ontwikkeld in nauwe samenwerking tussen elf onderzoekers. In eerste instantie werd in drie teams gewerkt aan het uitwerken van de onderzoeksvragen. In tweede instantie werd in een gezamenlijke sessie een aanzet gemaakt tot een gezamenlijk codeboek. Deze is afzonderlijk door de teamleden bekeken en van commentaar voorzien wat vervolgens verwerkt is en in een gezamenlijke bijeenkomst per item is besproken en aangepast. Het resultaat is nogmaals afzonderlijk door de teamleden bekeken, waarbij met name gelet is op de instructie en of de antwoord categorieën
uitputtend (alle mogelijke opties kunnen worden gecodeerd) waren zodat de uitsluiting van de andere categorieën gewaarborgd werd. Een inhoudsanalyse van organisaties past het beste bij mijn
onderzoeksvraagomdat op deze wijze het gedrag van organisaties bestudeerd kan worden. Met andere analysetechnieken, zoals interviews en questionnaires, is dit niet mogelijk en moet je uitgaan van de antwoorden van de organisaties/stakeholders zelf, in plaats van het daadwerkelijke gedrag te
analyseren. De delen van het codeboek die ik heb gebruikt voor mijn onderzoek staan in de bijlage.
Het codeboek omvat organisaties op Facebook, Twitter en de corporate website van organisaties. Er is hiervoor gekozen omdat dit de voornaamste kanalen zijn waar de stakeholderdialoog plaats vindt. In mijn onderzoek zal ik me alleen focussen op Facebook en Twitter, aangezien via deze kanalen een zichtbare dialoog gevoerd wordt tussen de stakeholders en de organisatie, terwijl de corporate website geen inzicht geeft in de reactie van organisaties. Iedere codeur codeerde vier tot zes organisaties, waarvan de corporate website en 30 berichten van zowel Facebook als Twitter. Hierdoor werd elke organisatie dubbel gecodeerd. De Facebook- en Twitterberichten zijn geanalyseerd met behulp van Birdsong Analytics, waarmee we alle data konden kopen die de organisaties in 2016 via Twitter of Facebook hebben verspreid (met een maximum van 3200 berichten per organisatie per medium). Dit
9 programma toont gegevens van Twitter en Facebookdata, waaronder alle berichten vanaf het ontstaan van Twitter en Facebook. In dit onderzoek beperken wij ons tot berichten van januari 2016 tot en met oktober 2016. Alle berichten van de organisaties werden ten eerste in Excel gezet en vervolgens werd er per medium gezocht op tien berichten die te maken hadden met MVO, tien berichten die de
organisatie zelf had gestuurd en tien berichten die door stakeholders geplaatst waren. Als tien niet een haalbaar aantal was, dan werd het maximaal haalbaar aantal berichten meegenomen. Als er meer dan tien berichten gevonden werden, werden door middel van een random nummer generator berichten geselecteerd om te coderen.
Intercodeursbetrouwbaarheid
De intercodeursbetrouwbaarheid (ICB) is berekend om de betrouwbaarheid van het meetinstrument te waarborgen. Met het meten van de ICB werd gecontroleerd of er herhaaldelijk dezelfde of
vergelijkbare antwoorden werden gegeven door verschillende codeurs op dezelfde berichten. In dit onderzoek werd dit gedaan door elke organisatie door twee verschillende codeurs te laten coderen. De ICB was in eerste instantie voor Facebook en Twitter samen berekend. Helaas is vervolgens bij veel voor mijn onderzoek relevante variabelen gebleken dat de ICB (berekend met Cohen’s Kappa) lager was dan de toegestane standaard van 0,6. Vervolgens is gekeken of een aantal variabelen nog wel meegenomen kon worden als voor Facebook en Twitter apart de ICB werd toegepast. Dit bleek niet het geval en om die reden zijn de waardes van de ICB van Twitter en Facebook tezamen
aangehouden. Om het aantal relevante variabelen te vergroten is de minimale benodigde ICB verlaagd naar 0,4. Volgens Landis en Koch (1977) is een score van 0,4 tot 0,6 een “redelijke” ICB.
Interne en externe validiteit
Er is geprobeerd om de interne validiteit zo goed mogelijk te waarborgen doordat alle onderzoekers nauw met elkaar hebben samengewerkt om alle relevante onderzoeksvragen in het onderzoek te verwerken. Er hebben hiervoor meerdere werkgroepen plaatsgevonden om in overeenstemming te komen over een duidelijke operationalisering van alle termen. Het codeboek is door alle onderzoekers gecontroleerd en er is wekenlang gediscussieerd om dubbelzinnigheid en onduidelijkheid in het codeboek te voorkomen. Naast de intensieve samenwerking om tot een betrouwbaar en valide
codeboek te komen is de interne validiteit versterkt door met de hele groep een pilot-test uit te voeren, om te controleren of iedereen in overeenstemming was met de gebruikte operationalisaties en de methode. Om de externe validiteit te vergroten is ervoor gekozen om verschillende type organisaties te onderzoeken. In de praktijk zijn er veel diverse organisaties en doordat wij in dit onderzoek verschillende categorieën organisaties gebruiken is dit goed generaliseerbaar.
Analyse
10 organisaties. De data is voor het analyseren gecontroleerd op fouten en een aantal waardes zijn
missing gemaakt. Voor hypothese 1 zijn alleen Twitterberichten meegenomen en voor hypothese 2, 3 en 4 zowel Facebook- als Twitterberichten. Dit komt omdat bij het selecteren van berichten voor Facebook alleen hoofdberichten meegenomen konden worden en bij Twitter konden ook reacties op berichten geanalyseerd worden. Hypothese 1 gaat gedetailleerder in op de reacties die organisaties geven waardoor alleen Twitter meegenomen kon worden.
Voor hypothese 1 en 3 worden de verschillende organisaties in branches ingedeeld. Zo worden Albert Heijn en Jumbo samengevoegd tot ‘Supermarkten’ en het UMC Utrecht en het VUMC worden samengevoegd tot ‘Ziekenhuizen’. Uiteindelijk zijn er op deze manier veertien verschillende groepen gecreëerd. In de hypotheses is vervolgens onderscheid gemaakt tussen ‘organisaties met een
maatschappelijke functie’ en ‘organisaties met een puur commerciële functie’. De Koninklijke Luchtvaartmaatschappij (KLM) en telefoon/internetmaatschappijen zijn bij ‘organisaties met een maatschappelijke functie’ gevoegd omdat deze organisaties naast hun commerciële functie ook een belangrijke maatschappelijke inbreng hebben (vervoer en goede internet/telefoonnetwerken). Uiteindelijk zijn de organisaties ingedeeld zoals te zien is in tabel 1.
Tabel 1. Organisaties gecategoriseerd.
Organisaties met een maatschappelijke functie Organisaties met een puur commerciële functie
Telefoon/Internetmaatschappijen Biermerken
Energiemaatschappijen Philips
Openbaar vervoersbedrijven Loterijen
KLM Warenhuizen
Banken Supermarkten
Verzekeringsmaatschappijen Webwinkels
Ziekenhuizen Universiteiten
Voor deze hypotheses worden meerdere t-toetsen op 1 proportie uitgevoerd. Allereerst wordt gekeken wat het gemiddelde van alle organisaties is per variabele. Er wordt bijvoorbeeld gekeken in welke mate alle organisaties gemiddeld reageren met humor. Vervolgens worden alle organisaties aan de hand van dit gemiddelde getoetst of er bepaalde organisaties zijn die significant afwijken van dit gemiddelde. Hypothese 1 onderzoekt door middel van drie subhypotheses vijf univariate variabelen die het gebruik van humor, hashtags, emoticons, tussenwerpsels en tutoyeren meten (allen dichotoom met 0=nee en 1=ja). Hypothese 3 bestaat uit drie univariate subhypotheses (allen dichotoom met 0=nee en 1=ja), die meten of de organisatie reageert op klachten, of ze klachten uit de openbaarheid proberen te halen en of de organisatie een snelle reactie geeft. Ook deze hypothese wordt getoetst aan
11 de hand van t-toetsen op 1 proportie.
Voor de reacties van stakeholders, gebruikt in hypothese 2 en 4, is een schaal geconstrueerd. De variabelen “de reacties van de stakeholders onder hoofdbericht zijn…” (1 = zeer negatief tot 5 = zeer positief), “de reacties van de stakeholders zijn over het algemeen afkeurend” (1 = helemaal mee oneens tot 5 = helemaal mee eens) en “er wordt veel steun gegeven op het bericht” (1 = helemaal mee oneens tot 5 = helemaal mee eens) zijn samengevoegd. Uit de factoranalyse blijkt dat de drie items samen één component kunnen vormen, met allen een lading van ruim 0,90. Het component heeft een eigenwaarde van 2,58 en de drie items verklaren samen 85,86% van de variantie. De variabele “de reacties van de stakeholders zijn over het algemeen afkeurend” had een negatieve lading en moest dus gehercodeerd worden. De nieuwe schaal “mate van positieve reacties onder stakeholders” heeft een alpha van 0,92 en is dus zeer betrouwbaar. Voor de nieuwe schaal is het gewogen gemiddelde berekend door de drie variabelen bij elkaar op te tellen en door drie te delen. Hierdoor ontstonden er ook niet afgeronde getallen zoals 1,33 en 3,66. Voor hypothese 4 is het echter moeilijk om een trend te ontdekken met deze niet afgeronde getallen aangezien deze geen eenduidige lijn laten zien door de minimale verschillen tussen de niet afgeronde getallen. Het is daarom belangrijk om deze getallen te categoriseren, zodat het wel mogelijk is om trends te ontdekken. Een gewogen gemiddelde van 1 t/m 1,49 werd 1, een gewogen gemiddelde van 1,50 t/m 2,49 werd 2 etc., waardoor de variabele “mate van positieve reacties onder stakeholders” een schaal heeft met afgeronde getallen 1 (helemaal niet positief) tot en met 5 (zeer positief).
Voor hypothese 2a is gemeten of een goede dialoogvorm een positief effect heeft op de reacties van stakeholders. Hiervoor is een multipele regressieanalyse uitgevoerd, omdat het doel is om te
voorspellen wat het effect is van de onafhankelijke variabelen op de positiviteit in de reacties van stakeholders. Tenslotte is er voor hypothese 2b gemeten of er een verband is tussen de onafhankelijke variabelen en de aanwezigheid van klachten. Goodman en Kruskall’s tau wordt berekend om te onderzoeken of de afhankelijke variabele voorspeld kan worden en er sprake is van twee dichtome variabelen met een asymmetrisch verband. Voor hypothese 4 wordt Eta berekend, omdat er wordt onderzocht in hoeverre de groepen verschillend scoren en er sprake is van een assymetrisch verband met een nominale en een interval variabele.
12
Resultaten
Het is allereerst interessant om voor de relevante variabelen van hypothese 1 en 2 de gemiddeldes over alle organisaties te vermelden. De variabelen met de gemiddeldes over alle organisaties staan vermeld in tabel 2, en worden berekend op de schaal van 0 (nee) tot 1 (ja).
Tabel 2. Gemiddeldes en standaarddeviaties hypothese 1 en 2.
Variabelen M SD
Hashtags 0,10 0,31
Tussenwerpsels 0,02 0,15
Emoticons 0,12 0,32
Staat de organisatie open voor reactie?
0,16 0,37
Tutoyeren 0,57 0,50
Humor 0,04 0,20
Uit tabel 1 blijkt dat het hoogste gemiddelde het tutoyeren is. In meer dan de helft van de berichten wordt de stakeholder aangesproken met je en jij. Slechts in 16% van de gevallen staat de organisatie open voor reacties, wat relatief laag is. De overige variabelen zijn nog lager en komen niet of nauwelijks voor bij de organisaties als het gaat om hun berichten op Twitter.
Voor hypothese 1a blijkt dat geen van de organisaties significant afwijkt van het gemiddelde op het gebruik van tussenwerpsels. Bij het gebruik van hashtags is dit wel het geval. Energiemaatschappijen (M = 0,03; SD = 0,16) maken bijvoorbeeld significant minder gebruik van hashtags dan het
gemiddelde over alle organisaties (M = 0,10; SD = 0,31), t = -2,70; p = 0,010. Naast
energiemaatschappijen maken ook KLM, supermarkten, loterijen, verzekeringsmaatschappijen, webwinkels en ziekenhuizen significant minder gebruik van hashtags dan het gemiddelde.
Biermerken en warenhuizen maken significant meer gebruik van hashtags. Supermarkten (M = 0,22, SD = 0,42) gebruiken significant meer emoticons dan het gemiddelde (M = 0,12, SD = 0,32), t = 2,24; p = 0,028. Biermerken en loterijen maken daarentegen significant minder gebruik van emoticons. Uit de resultaten van de eerste hypothese blijkt dat de meeste organisaties met een maatschappelijke functie (energiemaatschappijen, verzekeringsmaatschappijen, ziekenhuizen) significant lager scoren dan het gemiddelde gebruik van hashtags. Commerciële organisaties scoren enerzijds significant lager op hashtags (loterijen en webwinkels) en emoticons (biermerken en loterijen), anderzijds significant hoger op het gebruik van hashtags (biermerken en warenhuizen) en emoticons (supermarkten). Hypothese 1a kan deels worden aangenomen omdat maatschappelijke organisaties op Twitter voornamelijk significant lager scoren op hashtags, waar commerciële organisaties zowel significant
13 hoger als lager kunnen scoren op hashtags en emoticons.
Ook uit hypothese 1b blijkt dat organisaties met een maatschappelijke functie voornamelijk significant lager scoren dan het gemiddelde. Zo tutoyeren universiteiten (M = 0,07, SD = 0,26) significant minder in hun reactie dan het gemiddelde (M = 0,57, SD = 0,50), t = -7,55, p < 0,001. Dit geldt ook voor ziekenhuizen en verzekeringsmaatschappijen. Energiemaatschappijen maken als uitzondering juist significant meer gebruik van tutoyeren, evenals loterijen. Hypothese 1b wordt deels aangenomen. Voor het gebruik van humor zijn geen significante verschillen gevonden. Er kan dus niet gesteld worden dat organisaties met een maatschappelijke functie minder gebruik maken van humor en daarom wordt hypothese 1c verworpen. Alle significante resultaten van de eerste hypothese staan vermeld in tabel 3.
Tabel 3. Significante uitkomsten bij hypothese 1.
Hashtags M SD t p (sig.) Energie 0,03 0,16 -2,70 0,010 OV* 0,00 0,00 X X KLM 0,02 0,14 -3,80 <0,001 Biermerken 0,65 0,48 6,90 <0,001 Loterijen* 0,00 0,00 X X Verzekering* 0,00 0,00 X X Warenhuis 0,40 0,50 3,92 <0,001 Supermarkt 0,01 0,11 -7,60 <0,001 Webwinkels* 0,00 0,00 X X Ziekenhuizen* 0,00 0,00 X X Emoticons M SD t p (sig.) Biermerken 0,03 0,16 -3,44 0,001 Loterijen 0,03 0,18 -3,71 <0,001 Supermarkten 0,22 0,42 2,24 0,028 Tutoyeren M SD t p (sig.) Energie 0,81 0,40 3,69 0,001 Loterij 0,70 0,46 2,18 0,033 Verzekering 0,38 0,49 -2.24 0,032 Ziekenhuis 0,38 0,49 -2,52 0,016 Universiteit 0,07 0,26 -7,55 <0,001
* Noot. Bij de t-toets voor hashtags hadden een aantal organisaties als resultaat dat het gemiddelde en de standaarddeviatie 0 waren, wat
betekent dat in geen van de berichten van deze organisaties hashtags voorkwamen. Doordat het getal 0 de uitkomst was, kon de t-toets en de significantie niet berekend worden. Echter, zoals is af te leiden uit de tabel bij hashtags, valt te zien dat een gemiddelde van 0,03 al significant lager is dan het gemiddelde. Om deze reden wordt aangenomen dat voor de organisaties die lager scoren dan dit gemiddelde van 0,03 significantie ook geldt.
14 Voor hypothese 2a is een multipele regressieanalyse uitgevoerd. Het regressiemodel met de reactie van stakeholders als afhankelijke variabele en het gebruik van humor, hashtags, emoticons,
tussenwerpsels, tutoyeren en of de organisatie openstaat voor reacties als onafhankelijke variabelen is significant, F = 4,84, p < 0,001. Het regressiemodel is dus bruikbaar om de reactie van stakeholders te voorspellen. De verschillen in de reactie van stakeholders kunnen voor 3,1% voorspeld worden op grond van het gebruik van humor, hashtags, emoticons, tussenwerpsels, tutoyeren en of de organisatie openstaat voor reacties (R2 = 0,031). Het open staan voor reacties heeft een significant effect op de positiviteit onder stakeholders, t = 3,19, p = 0,001. Ook het gebruik van hashtags en tutoyeren hebben een significant effect op de positiviteit onder stakeholders. Bij al deze effecten wordt ervan uitgegaan dat de overige onafhankelijke variabelen constant worden gehouden. Hypothese 2a wordt
aangenomen. De resultaten worden vermeld in tabel 4.
Tabel 4. Resultaten onafhankelijke variabelen van multipele regressie analyse bij hypothese 2a.
Beta t p (sig.)
Humor 0,044 1,340 0,181
Hashtag 0,087 2,614 0,009
Org. staat open voor reactie 0,108 3,188 0,001
Emoticons -0,055 -1,664 0,096
Tussenwerpsels -0,020 -0,606 0,544
Tutoyeren 0,089 2,580 0,010
F p (sig.) R²
Regressiemodel 4,84 <0,001 0,031
Er zijn voor hypothese 2b geen verbanden gevonden. Het relatief sterkste verband is het verband tussen het gebruik van hashtags (modus = nee) en het klagen van stakeholders (Goodman en Kruskalls tau = 0.04). Hypothese 2b wordt verworpen. De resultaten staan in tabel 5.
Tabel 5. Goodman en Kruskall’s tau voor hypothese 2b.
Goodman en Kruskall’s tau
Humor 0,02
Hashtag 0,04
Organisatie staat open voor reacties 0,00
Emoticons 0,01
Tussenwerpsels 0,01
15 Het is voor hypothese 3 en 4 interessant om voor de relevante variabelen de gemiddeldes over alle organisaties te vermelden. De variabelen met de gemiddeldes over alle organisaties staan vermeld in tabel 6, en worden berekend op de schaal van 0 (nee) tot 1 (ja).
Tabel 6. Gemiddeldes en standaarddeviaties hypothese 3en 4.
M SD
Reageert de organisatie op klachten?
0,67 0,47
Probeert de organisatie klachten uit de openbaarheid te halen?
0,33 0,47
Geeft de organisatie een snelle reactie?
0,83 0,38
Uit tabel 6 blijkt dat het hoogste gemiddelde het geven van een snelle reactie is. Organisaties geven vaak snelle feedback, namelijk op 83% van de berichten van stakeholders. Organisaties reageren daarnaast op twee derde van de klachten van stakeholders en organisaties halen één derde van de klachten uit de openbaarheid.
Voor hypothese 3a zijn er een aantal significante verschillen gevonden tussen sommige branches en het gemiddelde over alle organisaties. Zo reageren KLM en biermerken significant vaker op klachten, maar reageren loterijen en verzekeringen signicant minder op klachten. Er wordt bij deze hypothese niet aangetoond dat organisaties met een maatschappelijke functie vaker reageren op klachten dan organisaties met een puur commerciële functie. Hypothese 3a wordt verworpen. Ook voor hypothese 3b zijn er een aantal significante afwijkingen van het gemiddelde. Zo probeert KLM (M = 0,92; SD = 0,27) significant vaker een klacht uit de openbaarheid te halen dan gemiddeld (M = 0,33; SD = 0,47), t = 13,72, p < 0,001. Naast KLM proberen ook energiemaatschappijen en
telefoon/internetmaatschappijen significant vaker klachten uit de openbaarheid te halen. Biermerken (M = 0,03; SD = 0,17) proberen significant minder vaak klachten uit de openbaarheid te halen dan gemiddeld (M = 0,33; SD = 0,47), t = -3,44, p = 0,001. Naast biermerken proberen ook loterijen en supermarkten significant minder vaak klachten uit de openbaarheid te halen. Opvallend is dat
organisaties met een puur commerciële functie klachten minder vaak uit de openbaarheid proberen te halen dan organisaties met een maatschappelijke functie. Aangezien dit het tegenovergestelde is van de verwachte uitkomst wordt hypothese 3b verworpen.
OV-bedrijven (M = 0,93; SD = 0,25) geven significant vaker snelle feedback dan het gemiddelde over alle organisaties (M = 0,83; SD = 0,38), t = 2,23, p = 0,034. Dit geldt ook voor KLM en
16 feedback dan het gemiddelde (M = 0,83; SD = 0,38). Uit deze resultaten blijkt dat maatschappelijke organisaties vaker snelle feedback geven dan puur commerciële organisaties. Hypothese 3c wordt aangenomen. De significante resultaten die horen bij hypothese 3, staan vermeld in tabel 7.
Tabel 7. Significante resultaten bij hypothese 3.
Reageert de organisatie op klachten? M SD t p (sig.) KLM 0,98 0,16 12,20 <0,001 Biermerken 0,94 0,23 7,09 <0,001 Loterijen 0,51 0,51 -2,37 0,022 Verzekering 0,22 0,42 -5,49 <0,001 Probeert de organisatie klachten uit de openbaarheid te halen? Telefoon/Internet Energie KLM M 0,53 0,87 0,92 SD 0,50 0,35 0,27 t 3,27 5,91 13,72 p (sig.) 0,002 <0,001 <0,001 Biermerken 0,03 0,17 -3,44 0,001 Loterijen 0,04 0,19 -3,71 <0,001 Supermarkten 0,04 0,20 2,24 0,028
Geeft de organisatie snelle feedback? M SD t p (sig.) OV KLM 0,93 0,94 0,25 0,24 2,23 3,14 0,034 0,003 Loterij 0,58 0,50 2,18 <0,001 Verzekering 0,94 0,25 -2.24 0,019
Voor hypothese 4 is eta berekend. Er is een positief verband tussen de reactie van stakeholders en in hoeverre een organisatie reageert op klachten (eta = 0,21). Dit betekent dat hoe positiever de reacties van stakeholders, hoe groter de kans dat de organisatie reageert op klachten. De gemiddeldes op de scores 2 tot en met 5 aanzienlijk hoger dan het gemiddelde bij 1 (zeer negatief). Er is een negatief verband tussen de reactie van stakeholders en in hoeverre een organisatie een klacht uit de
openbaarheid probeert te halen (eta = 0,13). Dit betekent dat hoe positiever de reacties van
stakeholders, hoe kleiner de kans dat de organisatie een klacht uit de openbaarheid probeert te halen. De gemiddeldes op de scores 1 en 2 (negatief) liggen hoger dan de gemiddeldes bij 4 en 5 (positief). Hypothese 4 wordt geaccepteerd. De gemiddelde scores, waardoor de verbanden duidelijk zichtbaar zijn, staan in figuur 1.
17 Figuur 1. Mate van positiviteit onder stakeholders en invloed op de reactie van de organisatie en het proberen een klacht uit de openbaarheid te halen.
Conclusie en discussie
Belangrijkste bevindingen
Er zijn een aantal interessante resultaten uit het onderzoek gekomen. Hypothese 1 stelde dat
organisaties met een maatschappelijke functie formeler reageren op Twitter dan organisaties met een puur commerciële functie. Uit de resultaten is gebleken dat dit gedeeltelijk klopt. Maatschappelijke organisaties maken aanzienlijk minder gebruik van hashtags en tutoyeren ook aanzienlijk minder dan commerciële organisaties. Het gebruik van humor, tussenwerpsels en emoticons ligt niet lager bij maatschappelijke organisaties dan bij commerciële organisaties. Uit de resultaten blijkt, evenals de literatuur, dat het gebruik van deze dialoogtechnieken zeer verschilt per organisatie (Noort & Willemsen, 2012; Hooijdonk & Liebrecht, 2015). Zowel maatschappelijke als commerciële organisaties maken echter over het algemeen weinig gebruik van deze dialoogtechnieken. Een verklaring dat maatschappelijke organisaties weinig gebruik maken van dialoogtechnieken, zoals personalisatie en CHV, kan zijn dat ze formeel en deskundig willen overkomen.
0,41 0,37 0,38 0,25 0,27 0,45 0,69 0,68 0,76 0,69 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 1 2 3 4 5 Gemiddelde score (M): Probeert de organisatie de klacht uit de openbaarheid te halen? Gemiddelde score (M): Reageert de organisatie op klachten?
Mate van positiviteit onder stakeholders
18 Uit hypothese 2 is gebleken dat door het gebruik van personalisatietechnieken, humor en het open staan voor reacties van stakeholders de reacties van stakeholders positiever worden. Dit suggereert dat de tevredenheid ten aanzien van het bedrijf wordt verhoogd, al bleek dit verband niet zeer sterk. Dit komt overeen met de bevindingen van Verhagen et al. (2014) die stellen dat het gebruik van deze personalisatietechnieken de tevredenheid van stakeholders verhoogd. Daarnaast blijkt uit de resultaten dat het niet gebruiken van deze technieken door een organisatie in de dialoog niet de kans op klachten van stakeholders onder een bericht van de organisatie voorspelt. Uit hypothese 2 blijkt dus dat het gebruiken van deze dialoogtechnieken de positiviteit van stakeholders ten aanzien van het bedrijf vergroot maar dat het gebruiken van deze technieken geen voorspeller zijn voor het wel of niet krijgen van klachten op berichten van een organisatie.
Voor hypothese 3 kan geconcludeerd worden dat maatschappelijke organisaties even vaak reageren op klachten als commerciële organisaties. Opvallend is dat maatschappelijke organisaties sneller
reageren dan commerciële organisaties, maar ook over het algemeen vaker proberen klachten uit de openbaarheid te halen. Dit resultaat suggereert dat maatschappelijke organisaties graag willen overkomen als behulpzaam door snel te reageren, maar vervolgens wel klachten uit de openbaarheid halen om imagoschade te voorkomen. De vierde hypothese geeft ook interessante resultaten. Uit deze hypothese blijkt dat als een organisatie geconfronteerd wordt met veel klachten, ze minder vaak reageren op klachten en ook vaker proberen klachten uit de openbaarheid te halen. Dit resultaat zou in vervolgonderzoek aan de hand van de Situationele Crisis Communicatie Theorie geanalyseerd kunnen worden (Coombs, 2007). Door middel van deze theorie kan verder onderzocht worden welke technieken gebruikt worden en welke technieken geschikter zijn in het geval van crisiscommunicatie.
Conclusie
De hoofdvraag “Hoe reageren organisaties op berichten van stakeholders op social media?” kan beantwoord worden door te stellen dat maatschappelijke organisaties formeler reageren dan
commerciële organisaties (hypothese 1), terwijl het gebruiken van een informele toon een positievere invloed heeft op de reacties van stakeholders dan een formele toon (hypothese 2). Maatschappelijke organisaties blijken wel sneller te reageren dan commerciële organisaties, maar halen daarentegen ook vaker klachten uit de openbaarheid (hypothese 3). Organisaties kunnen tenslotte niet goed overweg met een groot aantal klachten (hypothese 4), wat bevestigd dat organisaties niet goed weten hoe ze de dialoog moeten aangaan met stakeholders (Postma & Elving, 2016; Einwiller & Steilen, 2015).
Sterke punten
De externe validiteit is gewaarborgd. Er waren veel organisaties uit verschillende bedrijfssectoren die meegenomen werden in de analyse. Omdat er diverse bedrijfssectoren zoals banken,
19 groot. Dit komt omdat deze diversiteit een redelijk realistisch beeld geeft van de verschillende type organisaties in de maatschappij. Een ander sterk punt van dit onderzoek is dat dit onderzoek een nog relatief onbekend terrein onderzoekt. Zover ik heb kunnen nagaan is er nog relatief weinig literatuur beschikbaar die ingaat op de reactie van bedrijven. Daarnaast zijn verschillende dialoogtechnieken gedetailleerd onderzocht waardoor er ook specifieker aanpassingen kunnen worden gemaakt in de praktijk. De generaliseerbaarheid, het toevoegen van kennis op een relatief onbekend terrein en de gedetailleerde resultaten bieden organisaties duidelijke handvaten om praktische aanpassingen toe te passen in hun dialoogtechnieken. Zo kan aan loterijen geadviseerd worden om meer gebruik te maken van dialoogtechnieken en dat ze sneller en vaker kunnen reageren op klachten. Dit zou de
klanttevredenheid kunnen verhogen.
Limitaties
Er zijn een aantal limitaties in dit onderzoek. Veel relevante variabelen bleken niet meegenomen te kunnen worden wegens een te lage ICB. Hieruit blijkt dat de interne validiteit betrekkelijk laag lag, omdat de codeurs een aantal berichten verschillend hebben geïnterpreteerd. Het verbeteren van de ICB had op een aantal manieren gekund. Een eerste oplossing zou zijn om een intensievere en langere training te geven aan de codeurs, zodat de codeurs beter op één lijn zouden zitten. Een tweede oplossing zou zijn dat de operationalisatie van het codeboek kritischer wordt bekeken en dat
variabelen nauwkeuriger worden opgeschreven. Naast de lage ICB bleek het vaak niet mogelijk om betrouwbare schalen te kunnen vormen. Om dit te verbeteren zou er een ten eerste een pre-test uitgevoerd kunnen worden, om te testen of verschillende variabelen wel hetzelfde concept meten. Daarnaast had er beter en uitgebreider onderzoek gedaan kunnen worden naar bestaande betrouwbare schalen in de literatuur. Wegens het meenemen van ‘losse’ variabelen zijn onderdelen onderzocht van personalisatietechnieken en CHV, maar niet de termen zelf. In vervolgonderzoek zouden meer van deze onderdelen of betrouwbare schalen onderzocht kunnen worden.
Vervolgonderzoek
Er zou naar aanleiding van de vierde hypothese verder onderzocht kunnen worden hoe organisaties omgaan met crisiscommunicatie. Een optie is om te onderzoek of er een verband is tussen het aantal klachten dat stakeholders plaatsen en de verschillende soorten reacties van organisaties zoals beschreven volgens de Situationele Crisis Communicatie Theorie (Coombs, 2007). Daarnaast kan er in de toekomst onderscheid worden gemaakt in soorten berichten die stakeholders sturen, door bijvoorbeeld berichten van stakeholders op te delen in vragen, klachten en het geven van feedback. Aan de hand van zo’n categorisatie kan dan worden onderzocht hoe organisaties reageren op verschillende soorten berichten. Naast kwantitatief onderzoek is het ook een optie om kwalitatief onderzoek te doen naar de reactie van organisaties (door bijvoorbeeld stakeholders te interviewen). Het zou kunnen dat een aantal van de variabelen in dit onderzoek, die wegens de lage ICB niet
20 konden worden meegenomen, moeilijk te kwantificeren zijn en daardoor geschikter zijn voor
kwalitatief onderzoek (bijvoorbeeld: “de organisatie laat ergernissen zien” of “de organisatie laat duidelijk zien in dialoog te willen treden”).
Literatuurlijst
Centraal Bureau voor de Statistiek (2016). Gebruik professionele sociale netwerken stijgt. Geraadpleegd op 19 september 2016, van https://www.cbs.nl/nl-nl/nieuws/2016/04/gebruik-professionele-sociale-netwerken-stijgt
Coombs, W. T. (2007). Protecting Organization Reputations During a Crisis: The Development and Application of Situational Crisis Communication Theory. Corporate Reputation Review, 10(3), 163 - 176.
Coombs, W.T. & Holladay, J.S. (2012). The paracrisis: The challenges created by publicly managing crisis prevention. Public Relations Review, 38(3): 408 - 415.
Dahan, N.M., Doh, J.P., Oetzel, J. & Yaziji, M. (2010). Corporate-NGO Collaboration: Co-creating New Business Models for Developing Markets. Long Range Planning, 43, 326 - 342
Einwiller, S.A., Steilen, S. (2015). Handling complaints on social networking sites – An analysis of complaints and complaint responses on Facebook and Twitter pages of large US companies. Public Relations Review, 41(2), 195-204.
Franco, L.A. (2006). Forms of Conversation and Problem Structuring Methods: A Conceptual Development. The Journal of the Operational Research Society, 57(7), 813-821.
Grégoire, Y., Laufer, D. & Tripp, T.M. (2010). A comprehensive model of customer direct and indirect revenge: understanding the effects of perceived greed and customer power. Journal of the academy of marketing science, 38(6), 738 – 758.
Grégoire, Y., Salle, A. & Tripp, M.T. (2015). Managing social media crises with your customers: The good, the bad and the ugly. Business horizons, 58, 173 – 182.
Grunig, J. E., & Grunig, L. A. (1992). Models of public relations and communication. In J. E. Grunig (Ed.), Excellence in public relations and communication management (pp. 285-325). Hillsdale, NJ: LEA.
21 Gu, B. & Ye, Q. (2014). First step in social media: measuring the influence of online management responses on customer satisfaction. Production and operations management society: 23(4), 570 – 582.
Hooijdonk, C. van. & Liebrecht, C. (2015). Kijk, de consument praat terug! Een onderzoek naar de strategie en toonzetting in webcaredialogen tussen instituties en hun klanten op Twitter. Tekstblad, 21(5/6), 22-27.
Huibers, J. & Verhoeven, J. (2014). Webcare als online reputatiemanagement: Het gebruik van webcarestrategieën en conversational human voice in Nederland, en de effecten hiervan op de corporate reputatie. Tijdschrift voor Communicatiewetenschap,42(2): 165-189.
IBM (2010). Capitalizing on complexity: insights from the global chief executive officers study. Geraadpleegd op 20 september 2016, van
https://www.hrbartender.com/images/Capitalizing_on_Complexity.pdf
Johansen, T.S. & Nielsen, A.E. (2011). Strategic stakeholder dialogues: a discursive
perspective on relationship building. Corporate Communications: An International Journal, 16(3), 204-217
Landis, J.R. & Koch, G.G. (1977). The Measurement of Observer Agreement for Categorical Data Koch Biometrics, 33(1), 159-174.
Lovejoy, K. & Saxton, G. D. (2012). Information, Community, and Action: How Nonprofit Organizations Use Social Media. Journal of Computer-Mediated Communication, 17, 337-353.
Mayer, R.E. (2014). The Cambridge Handbook of Multimedia learning. New York: Cambridge University Press.
Nair, M. (2011). Understanding and measuring the value of social media. The Journal of Corporate Accounting and Finance, 22(3), 45 - 51.
Noort, G. van, & 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, 131 – 140.
22 Postma, R.M. & Elving, W.J.L. (2016). Social Media: the dialogue myth? How organizations use social media for stakeholder dialogue. Paper presented at Bled.com 2016, June 30 – July 1, Bled, Slovenia
Rokka, J. Karlsson, K. & Tienari, J. (2014) Balancing acts: Managing employees and reputation in social media. Journal of Marketing Management, 30(7-8), 802 - 827.
Smith, T. (2009). The social media revolution. International Journal of Market Research, 51(4), 559-561.
Trapp, N.L. (2014). Stakeholder involvement in CSR strategy-making? Clues from sixteen Danish companies. Public Relations Review, 40, 42–49
Valentini, C., Elving, W.J.L. & Zoonen, W. van. (2015). S.O.S. Send our stuff. How big European companies are using social media to communicate on CSR. Paper presented at the 3rd CSR Communication conference, Ljubljana, September 17 – 20, 2015, Ljubljana Slovenia.
Verhagen, T. Nes, J. van, Feldberg, F. & Dolen, W. van (2014). ‘Virtual customer service agents: using social presence and personalization to shape online service encounters’. Journal of Computer-Mediated Communication, 19 (3), 529-545.
Westphal, J.D. & Deephouse, D.L. (2011). Avoiding Bad Press: Interpersonal Influence in Relations Between CEOs and Journalists and the Consequences for Press Reporting About Firms and Their Leadership. Organization Science, 22(4), 1061 - 1086.
Willemsen, L., Neijens, P.C. & Bronner, F.A. (2013). Webcare as Customer Relationship and Reputation Management? Motives for Negative Electronic Word of Mouth and Their Effect on Webcare Receptiveness. In S. Rosengren, M. Dahlén, S. Okazaki. (Red.), Advances in advertising research, 55 – 69. Wiesbaden: Springer Gabler.
Xia, L. (2013). Effects of Companies’ Responses to Consumer criticism in Social Media. International Journal of Electronic Commerce, 17(4), 73 - 100.
23
Bijlage: Codeboek
Wegens een lage ICB zijn er veel variabelen die niet konden worden meegenomen in mijn onderzoek, die ik wel had willen meenemen. In het onderstaande codeboek laat ik zien welke relevante variabelen ik allemaal had willen gebruiken voor mijn onderzoek. In zwart gekleurd staan de variabelen die ik wel heb kunnen gebruiken, in rood gekleurd staan de variabelen die niet zijn meegenomen wegens een te lage ICB (Cohen’s Kappa). Bij de variabelen die ik wel heb gebruikt staat bovendien de score op de ICB aangegeven. De minimale ICB die ik heb meegenomen is 0.4, aangezien ik anders nog minder relevant variabelen mee had kunnen nemen.
ICB
1. Bevat het bericht humor? (Grapjes of woordspelingen. Gaat er niet
om of je het ook grappig vindt) JA/NEE 0,58
2. Wordt in het bericht aangegeven dat organisatie openstaat
voor reacties? JA/NEE 0,50
3. Worden er één of meer afkortingen gebruikt (aub, pls, b/c, iig, sws)? JA/NEE
4. Worden er in het bericht één of meer emoticons
gebruikt (Echte (gele) emoticons: of tekens: ;-) )? JA/NEE 0,66 5. Worden er in het bericht één of meer
tussenwerpsels gebruikt (‘Oei’, ‘haha’, ‘oh’ en ‘wow’)? JA/NEE 0,80 6. Worden er in het bericht één of meer bijwoorden van graad
gebruikt (heel, zeer, nogal, enigszins, hartstikke)? JA/NEE
7. Wordt er in het bericht gebruik gemaakt van hashtags? JA/NEE 0,91 8. Staat er in het bericht een persoonlijke begroeting?
(geldt niet voor @naam in Twitter) JA/NEE 9. Wordt het bericht afgesloten met een naam (bijv. ^WE, of ^Wim of ^Wim Elving)? JA/NEE
10. Worden er één of meer persoonlijke voornaamwoorden in
het bericht gebruikt (ik, jij, hij, wij, jullie)? JA/NEE 0,65 11. Laat de organisatie empathie zien? (Bijvoorbeeld: ‘Dat vinden we
heel leuk voor je’ of ‘we begrijpen dat dit heel vervelend voor je is’) 12. Biedt de organisatie excuses aan in het bericht en/of
geeft zij haar fouten toe? JA/NEE/n.v.t.
13. Biedt de organisatie snelle feedback?(binnen 8 uur: dit is dus alleen als het bericht een reactie is op een vraag/klacht/tweet van iemand anders; in Twitter zelf kun je op het bericht klikken als het een
24 conversatie betreft, je krijgt dan de hele conversatie te zien) JA/ NEE 0,64
14. Zijn er klachten onder de reacties (comments)
van stakeholders? JA/NEE 0,70
15. Zo ja, reageert de organisatie op deze klachten? JA/NEE 0,72 16. In geval van een klacht: Probeert de organisatie de klacht uit de
openbaarheid te halen? (door om een direct message/personal message te vragen)/Wordt de klager (over het algemeen) gevraagd om details
in een persoonlijk bericht te sturen? JA/NEE 0,48
17. Hieronder staan een aantal stellingen. Wil je over het geheel van alle reacties/comments aangeven wat volgens jou het meest van toepassing is?
Helemaal oneens Oneens Niet oneens / niet eens Eens Helemaal eens
De organisatie reageert veel op de reacties die zijn gegeven 0 0 0 0 0 Als ik de reacties overzie dan vind ik dat de organisatie
duidelijk laat blijken met stakeholders in dialoog te willen treden
0 0 0 0 0
Als ik de reacties overzie dan vind ik dat de organisatie ergernissen laat zien
0 0 0 0 0
ICB 18. De reacties van stakeholders onder het hoofdberich
0,48
0,44
0,40 De reacties zijn over het
algemeen Zeer Positief 0 Positief 0 Neutraal 0 Negatief 0 Zeer negatief 0 n.v.t. Helemaal oneens Oneens Niet oneens / niet eens Eens Helemaal eens n.v.t.
De meerderheid van de reacties is afkeurend
0 0 0 0 0 n.v.t.
De meerderheid van de reacties zijn niet gerelateerd aan oorspronkelijk bericht
0 0 0 0 0 n.v.t.
Er wordt veel steun gegeven op het bericht
