Aangesproken door je eigen hashtag
Een onderzoek naar de invloed van personalisatie op de attitude en koopintentie ten opzichte van het merk en de rol van zorgen omtrent privacy en persuasieve kennisLotte Hendriks (11632887)
Master Thesis Persuasieve Communicatiewetenschap
Graduate School of Communication Master’s programme Communication Science
Begeleidster: Annemiek Linn
2
Abstract
Marketeers willen op een effectieve manier de consument kunnen bereiken. Personalisatie is een communicatiestrategie die hierbij kan helpen, doordat advertenties op basis van interesses van de consument aangepast kunnen worden. Instagram is een platform dat een grote populariteit kent en een enorme schatkist aan datagegevens biedt. Er is niet eerder onderzoek gedaan naar personalisatie op basis van hashtags op Instagram en daarom draagt dit onderzoek bij aan bestaande literatuur over personalisatie. Naast het effect van gepersonaliseerde advertenties op basis van hashtags op de attitude en koopintentie van het merk, is ook de rol van zorgen omtrent privacy en persuasieve kennis hierin bekeken. Door middel van een experiment is een 2 (gepersonaliseerd vs. generiek) between subject design uitgevoerd. Hieruit blijkt dat gepersonaliseerde advertenties gebaseerd op hashtags geen invloed hebben op zowel de attitude als koopintentie. Daarnaast hebben privacy zorgen en persuasieve kennis geen effect op de relatie tussen gepersonaliseerde advertenties gebaseerd op hashtags en de attitude en koopintentie. Voor deze onverwachte bevindingen worden mogelijke verklaringen besproken en worden suggesties gedaan voor vervolgonderzoek.
3
Inleiding
Wat is de meest effectieve manier om de consument te bereiken? Een vraag die elke marketeer bezighoudt. De enorme verandering in het medialandschap heeft ervoor gezorgd dat marketeers sociale media hebben omarmd als een middel om te interacteren met hun klant (Kumar et al., 2016). De uitgaven aan sociale media zijn de afgelopen twee jaar meer dan verdubbeld, namelijk van 95 miljoen euro in 2014 naar 203 miljoen euro in 2016 (IAB Nederland, z.d.). Een voordeel van het inzetten van sociale media is dat gebruikersgegevens gebruikt kunnen worden om de advertentie te personaliseren (Lambrecht & Tucker, 2013).
Het sociale media platform dat de grootste stijging in populariteit kent is Instagram (Kamil, Pratama & Hidayatulloh, 2016). Op dit online platform kunnen onder andere foto’s geplaatst worden. De gebruiker kan deze foto’s taggen aan de hand van verschillende hashtags (#) (Lee et al., 2017). Vervolgens kan via de zoekmachine van Instagram op bepaalde hashtags gezocht worden. Met deze zoekstrategie kunnen foto’s bekeken worden die gekoppeld zijn aan de gezochte hashtags. Zo krijgen gebruikers een overzicht van foto’s die met het gezochte onderwerp te maken hebben. Op deze foto’s kunnen gebruikers vervolgens reageren of aangeven dat ze de foto leuk vinden, oftewel liken. Het platform is uitgegroeid tot een schatkist aan gegevens voor sociale wetenschappers en marketeers (Kamil, Pratama & Hidayatulloh, 2016). Een voorbeeld van dataverzameling via Instagram is het onderzoek van Kamil, Pratama en Hidayatulloh (2016) naar de reacties van mensen na de aardbeving in Nepal. Via de hashtags hebben deze onderzoekers data verzameld over de emoties van Instagramgebruikers. Door deze verschillende emoties te verzamelen is een overzicht gecreëerd over hoe de wereld via sociale media reageert op een ramp zoals in Nepal.
Deze manier van dataverzameling zou een veelbelovende strategie kunnen zijn om een advertentie aan te passen aan de interesses van de gebruiker; ook wel personalisatie genoemd
4 (Aguirre et al., 2015). Personalisatie houdt in dat een boodschap informatie bevat die uniek is voor de persoon die de boodschap ontvangt (Latimer et al., 2010). Deze informatie kan gebaseerd zijn op demografische, gedragsmatige of psychologische gegevens. Er is een grote hoeveelheid aan bewijs in de literatuur over de effectiviteit van gepersonaliseerde boodschappen op de attitude en intentie in vergelijking met generieke boodschappen (Kumar et al., 2016; Lustria et al., 2013; Noar, Benac, & Harris, 2007; Rust & Chang, 2006; Sohl & Moyer, 2007). Omdat sociale media tegenwoordig een belangrijk deel zijn geworden van ons dagelijks leven, biedt sociale media een nieuwe mogelijkheid om advertenties aan te passen aan actuele interesses van de gebruiker. Naast demografische, gedragsmatige of psychologische gegevens, kunnen geplaatste hashtags op Instagram veelbelovende input leveren om een advertentie te personaliseren. Via hashtags kan er data verzameld worden die verschillende interesses, attitudes en gedragingen van de Instagramgebruiker spiegelt (Kumar et al., 2016). Resultaten van dit onderzoek zullen daarom voor marketingstrategen interessant zijn, omdat dit onderzoek inzicht biedt in de effectiviteit van deze manier van data verzamelen op belangrijke voorwaarden van gedragsverandering, namelijk attitudes en koopintenties.
Hoewel het verzamelen van dit soort data veel voordelen met zich meebrengt, zoals de mogelijkheid om in te kunnen spelen op de voorkeuren en behoeften van de consument (Vesanen, 2007), kan het ook een keerzijde hebben. Consumenten maken zich namelijk zorgen over welke informatie wordt verzameld en voor welke doeleinden dit gebruikt wordt (Punj, 2017; Palmer, 2005). Hierdoor hebben zij het gevoel dat hun privacy geschonden wordt. Wanneer consumenten daadwerkelijk het gevoel krijgen dat hun persoonlijke informatie wordt misbruikt voor marketingdoeleinden kan dit een negatieve invloed hebben op de attitude en gedragsintentie (Phelps, D’souza & Nowak, 2001). Daarnaast kan kennis over persuasieve doelen van marketeers ervoor zorgen dat gepersonaliseerde advertenties
5 niet de volledige aandacht krijgen van de consument, wat invloed heeft op de gewenste attitude en gedragsintentie (Bright & Daugherty, 2012).
Dit onderzoek beoogt te beantwoorden wat het effect is van een gepersonaliseerde advertentie gebaseerd op hashtags op de attitude en koopintentie van het merk. Daarnaast wordt bekeken welke rol het gevoel van privacy en de persuasieve kennis hierin spelen.
Theoretisch Kader
Personalisatie
Een veelgebruikte communicatiestrategie door marketeers is het creëren van een boodschap op maat voor de consument (Lambrecht & Tucker, 2013). Binnen de literatuur worden verschillende theoretische concepten en bijbehorende definities gebruikt om deze communicatiestrategie te beschrijven (Noar, Benac & Harris, 2007; Vesanen, 2007). Zo beschrijven Maslowska, Smit en van den Putte (2016) verschillende definities als targeting, content matching, segmentatie, personalisatie en tailoring. Tailoring is een veelvoorkomend concept, die in de literatuur vaak als containerbegrip voor verschillende vormen van tailoring wordt gebruikt. Dit concept is gebaseerd op het verzamelen van persoonlijke gegevens gerelateerd aan verschillende determinanten van het gedrag om een zo effectief mogelijke strategie te creëren (Brug, Campbell & van Assema, 1999; Dijkstra & De Vries, 1999; Kreuter et al., 2013). Met deze data kan een getailorde boodschap persoonlijke feedback geven, meer aandacht creëren, dieper verwerkt worden en als sympathieker ervaren worden dan een generieke boodschap (Kreuter et al., 2013). Het is hierdoor waarschijnlijker dat getailorde boodschappen beter gelezen en herinnerd worden en als persoonlijk relevanter gezien worden in vergelijking met generieke boodschappen (Lustria et al., 2009; Noar, Benac & Harris, 2007). Personalisatie is een van de strategieën van tailoring, die
6 gedefinieerd kan worden als een communicatiestrategie die gebaseerd is op de persoonlijke karakteristieken van de ontvanger, zoals naam, geslacht en gedrag (Baek & Morimoto, 2012; Dijkstra & Ballast, 2012; Maslowska, Smit & van den Putte, 2016; White et al., 2008). Bij gepersonaliseerde communicatie verandert de content van de boodschap niet, maar wordt een persoonlijke cue verwerkt in de boodschap (Dijkstra, 2005; Hawkins et al., 2008). Deze manier impliceert dat de boodschap gepersonaliseerd is, terwijl in feite alleen de context gepersonaliseerd is (Dijkstra & Ballast, 2012). De focus op de context van de boodschap, in plaats van de boodschap zelf, onderscheidt personalisatie van andere vormen van tailoring strategieën. Waar het begrip tailoring meerdere determinanten kan beschikken, is er bij personalisatie slechts sprake van één determinant van een individu (Linn et al., 2011). In lijn met het onderzoek van Linn et al. (2011) wordt in dit onderzoek de definitie gehanteerd waarin gepersonaliseerd wordt op basis van één determinant.
Instagram en Personalisatie
Volgens Boyd en Ellison (2008) is een Sociale Netwerk Site (SNS) een dienst op het web waarmee gebruikers een openbaar profiel kunnen creëren binnen een gesloten systeem. Daarnaast is er de mogelijkheid om een lijst met gebruikers op te bouwen met wie de gebruiker zich verbonden voelt. Ook kunnen SNS-gebruikers connecties van henzelf en anderen binnen het systeem bekijken. Instagram is een platform dat aansluit op de definitie van Boyd en Ellison (2008) van een SNS.
Wat maakt Instagram uniek in vergelijking met andere netwerken? Facebook is voornamelijk een vriendennetwerk (Ellison, Steinfield & Lampe, 2007) en Twitter focust zich op de actualiteiten (Kwak et al., 2010). Bij Instagram ligt de nadruk voornamelijk rond interesses, waar verschillende thema’s als sport, gezondheid en trends centraal staan (Li et al., 2015). Op Instagram kunnen gebruikers onder andere foto’s plaatsen en een onderschrift
7 toevoegen. Andere gebruikers kunnen reageren of eenvoudigweg op de knop ‘like’ aangeven dat ze de foto leuk vinden. Het platform biedt dus de ruimte voor gebruikers om zichzelf te uiten en te interacteren met anderen over bepaalde interesses. Een belangrijk component op Instagram is de hashtag. Dit zijn woorden of zinnen die worden gebruikt om de post te karakteriseren. Hashtags beginnen met het symbool #. De gebruiker kan bijvoorbeeld een foto delen over stress rondom tentamens, een dag ziek op de bank of van een vakantie en hier bijbehorende hashtags aan toevoegen. Aan de hand van deze hashtags kan informatie over verschillende interesses van de Instagramgebruiker worden verzameld (Sheldon et al., 2017). Daarnaast heeft Instagram het onlangs mogelijk gemaakt om gebruik te maken van API (Application Programming Interface), waar alle data door het publiek gedownload kan worden (Kamil, Pratama & Hidayatulloh, 2016). Aan de hand van de verzamelde data kunnen marketeers een advertentie aanpassen op persoonlijke interesses van de consument. Met ruim 600 miljoen actieve Instagramgebruikers biedt dit kansen voor marketeers om een grote hoeveelheid aan persoonlijke informatie te verzamelen en vervolgens effectief een groot publiek te bereiken (Oosterveer, 2017).
Wanneer een gepersonaliseerde boodschap wordt geïmplementeerd op een SNS wordt dit social advertising genoemd (Bakshy, et al., 2012). Naast gegevens over de gebruiker, kan bij social advertising ook informatie over leeftijdsgenoten, voorkeuren voor een merk, organisatie of product worden gebruikt om de advertentie aan te passen aan de gebruiker(Antheunis & Van Noort, 2011). Dataverzameling via Instagram is nauwelijks onderzocht. Voorgaand onderzoek over social advertising focust zich voornamelijk op andere SNS’s, zoals Facebook (Dehghani & Tumer, 2015; Dehghani et al., 2016). In dit onderzoek zal daarom het effect van een gepersonaliseerde advertentie op basis van hashtags van een Instagramgebruiker centraal staan.
8
Personalisatie en attitude
Verwacht wordt dat een gepersonaliseerde boodschap effectiever is dan een generieke boodschap. Een verklaring hiervoor kan gevonden worden in het Elaboration Likelihood Model of persuasion (ELM) van Petty en Cacioppo (1986). Dit model stelt dat er twee mogelijke routes te volgen zijn wat betreft informatieverwerking: de centrale en de perifere route. De route die wordt afgelegd hangt af van de motivatie en het vermogen van de ontvanger om de boodschap te verwerken. Wanneer een ontvanger zowel de motivatie als het vermogen om de boodschap te verwerken bevat, wordt de centrale route gevolgd (Petty & Cacioppo, 1986). Als de ontvanger de boodschap via de centrale route verwerkt heeft hij/zij meer motivatie voor het verwerken van de boodschap, wat ervoor zorgt dat de gevormde attitude blijvend zal zijn (Tam & Ho, 2006). Wanneer de ontvanger daarentegen nauwelijks tot geen motivatie bezit of niet in staat is om de inhoud in detail te kunnen verwerken wordt de perifere route gevolgd. Om ervoor te zorgen dat de ontvanger de boodschap centraal verwerkt, is het dus van belang dat de ontvanger gemotiveerd is. Deze motivatie kan beïnvloed worden aan de hand van personalisatie. Volgens de Cognitive Response Theory (CRT) zijn ontvangers actieve participanten in het persuasieve proces, waarbij de boodschap gekoppeld wordt aan bestaande gedachten. Deze gedachten kunnen de attitudes over de boodschap beïnvloeden (Petty, Briñol & Priester, 2009). Wanneer een boodschap gekoppeld wordt aan bestaande informatie, zoals persoonlijk relevante informatie, zal de ontvanger meer aandacht besteden aan de boodschap en wordt de informatie via de centrale route verwerkt (Petty en Cacioppo, 1996). Hashtags op Instagram zijn een voorbeeld van persoonlijk relevante informatie en worden in dit onderzoek gebruikt om de attitude ten opzichte van de gepersonaliseerde advertentie positief te beïnvloeden.
Verschillende studies tonen aan dat een gepersonaliseerde boodschap een positievere invloed heeft op attitude in vergelijking met een generieke boodschap. Zo stellen Tam en Ho
9 (2006) dat een persoonlijk relevante boodschap leidt tot een positievere attitude in vergelijking met een persoonlijk irrelevante boodschap. Daarnaast hebben Kalyanamaran en Sundar (2006) drie verschillende niveaus (laag, medium en hoog) van personalisatie op websites onderzocht. Hieruit blijkt dat een hoge mate van personalisatie leidt tot een positievere attitude dan een lage mate van personalisatie. Ook beschrijven Maslowska, Smit en van den Putte (2016) dat personalisatie in een e-mail nieuwsbrief leidt tot een positieve attitude ten opzichte van de boodschap. Daarentegen stellen Yu en Cude (2009) en Tsang et al. (2004) dat gepersonaliseerde online advertenties tot negatieve attitudes leiden tegenover de adverteerders. Ondanks de gemixte resultaten, ligt de nadruk in de literatuur voornamelijk op de positieve effecten van personalisatie op de attitude.
Op basis van bovenstaande wordt verwacht dat personalisatie op basis van hashtags een positiever effect heeft op de attitude ten opzichte van het merk vergeleken met een generieke boodschap. Gebaseerd op deze informatie wordt de volgende hypothese geformuleerd:
H1: Gepersonaliseerde advertenties gebaseerd op hashtags leiden tot een positievere
attitude ten opzichte van het merk in vergelijking met generieke advertenties.
Personalisatie en koopintentie
Naast een positieve attitude is een belangrijke voorwaarde voor gedragsverandering dat de doelgroep een positieve intentie heeft ten opzichte van het merk. De intentie kan worden verhoogd door middel van personalisatie, omdat personalisatie de persoonlijke relevantie van een boodschap verhoogt (Aguirre et al., 2015). Een persoonlijk relevante boodschap zorgt ervoor dat consumenten niet worden blootgesteld aan overbodige informatie, die vervolgens moeilijk te verwerken is (Ansari & Mela, 2003). Een passende boodschap op
10 basis van persoonlijke gegevens heeft een positief effect op het keuzegedrag van de consument (Tam & Ho, 2006).
Verschillende studies hebben aangetoond dat personalisatie kan leiden tot een positieve gedragsintentie (Kim et al., 2011; Kim & Han, 2014; Bull et al., 1999; Nowak et al., 1999; Pavlou & Stewart, 2000). Zo beschrijven Neal en Kate (2004) dat een gepersonaliseerde boodschap de intentie tot alcoholgebruik vermindert. Verder hebben Lee en Kwon (2008) geconcludeerd dat een gepersonaliseerde advertentie leidt tot een hogere intentie om een dienst van de adverteerder te gebruiken, dan wanneer er niet wordt gepersonaliseerd. Daarentegen zijn er studies die het tegendeel bewijzen. Yu en Cude (2009) beschrijven dat een gepersonaliseerde advertentie tot een lage koopintentie leidt ten opzichte van het product. Maslowska, van den Putte en Smit (2011) concluderen dat er geen verschil bestaat tussen een gepersonaliseerde en generieke boodschap wat betreft de intentie om contact op te nemen met de adverteerder. Ondanks verschillende resultaten die naar voren komen uit diverse studies, pleit de meerderheid voor de positieve effecten van personalisatie op de intentie.
Op basis van bovenstaande wordt verwacht dat gepersonaliseerde advertenties leiden tot een positievere koopintentie in vergelijking met generieke advertenties. Gebaseerd op deze informatie wordt de volgende hypothese geformuleerd:
H2: Gepersonaliseerde advertenties gebaseerd op hashtags leiden tot een positievere
koopintentie ten opzichte van het merk in vergelijking met generieke advertenties.
Privacy zorgen
SNS’s bevatten een enorme hoeveelheid aan persoonlijke informatie die door derden gebruikt kunnen worden, waardoor consumenten zich kwetsbaarder voelen. Dat
11 consumenten zich hierdoor kwetsbaarder voelen, kan toegelicht worden aan de hand van de Psychological Ownership Theory. Deze theorie stelt dat consumenten persoonlijke informatie beschouwen als informatie dat slechts tot hen toebehoort (Pierce, Kostova & Dirks, 2003). Wanneer consumenten geconfronteerd worden met persoonlijke informatie in een advertentie zonder dat zij hiervan op de hoogte waren, kan dit vragen oproepen over hoe marketeers aan deze informatie komen (Sheehan, 2002). Dit staat in lijn met de tegenwoordig veelbesproken vraag wanneer marketeers te ver gaan met het verzamelen van persoonlijke data. Regelmatig wordt er gepleit tegen bedrijven die enorme winst behalen uit het verzamelen, delen en analyseren van persoonlijke data (Chester, 2007). Volgens Gangadharan (2017) is er nauwelijks onderzoek gedaan naar de controle wat betreft dataverzameling door bedrijven, waardoor er onduidelijkheid blijft bestaan bij sociale media gebruikers over wat er precies met de data wordt gedaan. Dit maakt dat men steeds bewuster omgaat met het delen van persoonlijke informatie op sociale media (Osatuyi, 2015).
Naast de verwachte positieve effecten van gepersonaliseerde boodschappen, kan ook een boomerang effect verondersteld worden: afkeer tegenover de boodschap door zorgen omtrent privacy. Zorgen omtrent privacy (privacy zorgen) zijn de mate waarin de consument zich zorgen maakt over onrechtmatig gebruik en openbaarmaking van persoonlijke gegevens (Baek & Morimote, 2012). Data die gebruikt worden om deze boodschappen te personaliseren is persoonlijk. Doordat deze data gebruikt worden om een boodschap te personaliseren en consumenten zich niet altijd bewust zijn van welke informatie door marketeers gebruikt wordt (Lokhande & Meshram, 2015), bestaat de kans dat gebruikers zich hierdoor in hun privacy aangetast voelen (Jamal, Coughlan & Kamal, 2013; Lee & Cranage, 2011; Smit, Van Noort & Voorveld, 2014). Dat gebruikers zich in hun privacy aangetast voelen kan verklaard worden door het Personalisation Privacy Paradox (Aguirre
12 et al., 2015). Deze paradox veronderstelt dat ondanks de positieve effecten van personalisatie (meer aandacht) de zorgen rondom privacy worden aangewakkerd.
Verschillende studies hebben de rol van privacy zorgen op het effect van personalisatie bestudeerd (Dinev & Hart, 2006; Milne & Boza, 1999; Chellappa & Sin, 2005). Zo beschrijven Phelps, D’souza en Nowak (2001) het effect van directe marketing op basis van persoonlijke informatie op de attitude en koopintentie. Dit onderzoek toont aan dat een hoge mate van privacy zorgen een negatief effect heeft op de attitude. Ook zijn consumenten met een hoge mate van privacy zorgen minder geneigd om een aankoop te doen (Phelps, D’souza & Nowak, 2001). Daarnaast tonen Goldfarb en Tucker (2011) aan dat verhoogde privacy zorgen de effectiviteit van personalisatie doen afnemen, wat leidt tot een lagere koopintentie. Bovenstaande studies hanteren privacy zorgen als mediator in de effectiviteit van personalisatie. Het onderzoek van Maslowska (2013) heeft privacy zorgen meegenomen als moderator en tegen verwachting in aangetoond dat personalisatie effectiever is voor personen met grote bezorgdheid rondom privacy. Privacy zorgen als moderator is echter nauwelijks onderzocht in onderzoek naar personalisatie (Ho, Davern & Tam, 2008).
Op basis van bovenstaande wordt verwacht dat een gepersonaliseerde advertentie bij een hoge mate van privacy zorgen voor een negatievere attitude en koopintentie zorgt dan bij een lage mate van privacy zorgen. De mate van privacy fungeert in dit onderzoek als moderator en leidt tot de volgende hypotheses:
H3a: Het effect van gepersonaliseerde advertenties gebaseerd op hashtags op de attitude
van het merk wordt gemodereerd door de zorgen om privacy. Het effect van een gepersonaliseerde advertentie op attitude is lager voor mensen met veel zorgen over hun privacy dan voor mensen met weinig zorgen over hun privacy.
13
H3b: Het effect van gepersonaliseerde advertenties gebaseerd op hashtags op de
koopintentie van het merk wordt gemodereerd door de zorgen om privacy. Het effect van een gepersonaliseerde advertentie op koopintentie is lager voor mensen met veel zorgen over hun privacy dan voor mensen met weinig zorgen over hun privacy.
Persuasieve kennis
In de loop der tijd hebben consumenten kennis kunnen ontwikkelen over de tactieken die marketeers gebruiken om hun consumenten te overtuigen van hun merk. Deze kennis wordt beschreven als persuasion knowledge, oftewel persuasieve kennis (Friestad & Wright, 1994). De consument kan deze kennis gebruiken om te begrijpen hoe, wanneer en waarom marketeers consumenten proberen te beïnvloeden met advertenties (Panic, Cauberghe & De Pelsmacker, 2012). De persuasieve kennis komt in verschillende niveaus voor: waar de een meer kennis bezit over de persuasieve doelen achter een advertentie, heeft de ander dit nauwelijks door. Iedereen reageert hierdoor anders op persuasieve boodschappen (Friestad & Wright, 1994). Consumenten met een hoge mate van persuasieve kennis zijn zich meer bewust van de overtuigende tactieken die achter een advertentie schuilen. Het Persuasion Knowledge Model van Friestad en Wright (1994) beschrijft hoe persuasieve kennis van een consument invloed kan hebben op de reactie op een advertentie van persuasieve aard. Een vorm van een advertentie met persuasieve communicatiestrategieën is een gepersonaliseerde advertentie, omdat deze is aangepast aan het individu voor verschillende marketingdoeleinden (Franke, 2009; Goldfarb en Tucker, 2011). Wanneer de consument zich bewust is van de persuasieve doelen van de marketeer, zal de consument zich kritischer opstellen tegenover de advertentie dan een persoon die zich hiervan nauwelijks tot niet bewust is (Bright & Daugherty, 2012).
14 Een aantal studies hebben zich gefocust op het effect van persuasieve kennis in advertenties (Campbell & Kirmani, 2008; Ham & Nelson, 2016). Wei, Fischer en Main (2008) tonen aan dat het activeren van persuasieve kennis een negatief effect heeft op de merkevaluatie. Van Reijmersdal et al. (2016) beschrijven het effect van online advertenties in de vorm van gesponsorde content op blogs. Deze sponsormeldingen activeren de persuasieve kennis, waardoor de overtuiging ten opzichte van de boodschap afneemt. Hierdoor wordt de attitude tegenover het gesponsorde merk negatiever en de koopintentie tegenover het gesponsorde merk lager. Daarnaast beschrijven Tutaj en Van Reijmersdal (2012) dat de mate van bewustheid tegenover een advertentie met persuasieve doelen per persoon verschilt, waardoor de een de marketingdoelen eerder doorheeft dan de ander. Het is daarom interessant om in dit onderzoek persuasieve kennis als moderator mee te nemen op het effect van personalisatie op attitude en koopintentie, zodat het verschil tussen mensen met een hoge en lage mate van persuasieve kennis onderzocht kan worden. Daarnaast is het effect van persuasieve kennis nauwelijks onderzocht in onderzoek naar personalisatie op sociale media (Rozendaal, Buijzen & Valkenburg, 2010).
Op basis van bovenstaande wordt in dit onderzoek verwacht dat een gepersonaliseerde advertentie gebaseerd op hashtags bij een hoge mate van persuasieve kennis voor een lagere attitude en koopintentie zorgt dan bij een lage mate van privacy zorgen. De mate van persuasieve kennis fungeert in dit onderzoek als moderator. Gebaseerd op deze informatie worden de volgende hypotheses geformuleerd:
H4a: Het effect van gepersonaliseerde advertenties gebaseerd op hashtags op de attitude
van het merk wordt gemodereerd door de mate van persuasieve kennis. Het effect van een gepersonaliseerde advertentie op attitude is lager voor mensen met een hoge mate van persuasieve kennis dan voor mensen met een lage mate van persuasieve kennis.
15
H4b: Het effect van gepersonaliseerde advertenties gebaseerd op hashtags op de
koopintentie van het merk wordt gemodereerd door de mate van persuasieve kennis. Het effect van een gepersonaliseerde advertentie op koopintentie is lager voor mensen met een hoge mate van persuasieve kennis dan voor mensen met een lage mate van persuasieve kennis.
H3+H4
H1 + H2
Figuur 1: conceptueel model
Methode
Onderzoeksdesign
Op basis van de literatuur werd verwacht dat de gepersonaliseerde advertentie een positief effect heeft op attitude en koopintentie ten opzichte van het merk. Om dit effect te onderzoeken is gekozen voor een 2 (gepersonaliseerd vs. generiek) between subject experimental design. De participanten (N=115) werden random toegewezen aan ofwel de conditie waarin de participant een gepersonaliseerde advertentie te zien kreeg (de aangepaste conditie) (n=61) of een niet-aangepaste conditie (n=54). Het experiment heeft een ethische toetsing ondergaan met een positief oordeel.
Gepersonaliseerd vs. Generiek Attitude Koopintentie Privacy zorgen Persuasieve kennis
16
Stimulus materiaal
Voor dit onderzoek is een Instagramprofiel en bijbehorende tijdlijn gecreëerd dat zowel aansloot op vrouwelijke als mannelijke participanten. Voorafgaand kregen de participanten informatie over de persoon waar dit fictieve profiel op gebaseerd was. Om een zo realistisch mogelijke setting te creëren is de informatie in de vorm van een scenario gebracht, waarin het dagelijkse leven van Sam centraal stond. Daarnaast werd beschreven hoe Sam dit dagelijkse leven op Instagram weergaf. Deze informatie was voor beide condities gelijk, in bijlage 1 wordt de volledige tekst over Sam beschreven. Vervolgens werd het Instagramprofiel en de bijbehorende tijdlijn (met advertentie) van Sam gepresenteerd, waar de lay-out een exacte replica vormde van accounts op Instagram. Nadat de participanten het profiel van Sam hadden bekeken werden zij random toegewezen aan de experimentele of controle conditie. De experimentele conditie bevatte een advertentie die gebaseerd was op de hashtags die Sam had geplaatst bij zijn/haar laatste post. De laatste post van Sam bevatte een afbeelding waar tissues gepresenteerd waren, waarbij de hashtags #bah #griep #ziek #verkouden #Netflix werden geplaatst. De advertentie waarmee de experimentele conditie werd blootgesteld sloot hierop aan, er werd namelijk een advertentie van een medicijnenmerk in de tijdlijn van Sam gepresenteerd met de tekst: ‘Ah nee Sam, de griep te pakken? Wat vervelend! Laat Dimetapp je helpen om zo snel mogelijk weer de oude te zijn!’. De controlegroep kreeg een advertentie te zien van een chocolademerk, die een generieke boodschap bevatte: ‘December, de maand van celebrations!’. Deze advertentie had geen overeenkomsten met het profiel van Sam. In de bijlagen worden het profiel van Sam (bijlage 2), de gepersonaliseerde advertentie (bijlage 3) en de generieke advertentie (bijlage 4) getoond.
17
Participanten
Om deel te nemen aan dit experiment zijn participanten in de directe en indirecte omgeving van de onderzoeker benaderd. Via een oproep op diverse sociale media platformen (Facebook, Instagram en LinkedIn) werd de link naar de vragenlijst verspreid. Op deze manier kon een divers en groot aantal participanten worden bereikt. Om deel te kunnen nemen aan dit experiment moesten de participanten Nederlands kunnen spreken en een Instagramgebruiker van achttien jaar en ouder zijn. Er werd specifiek gekozen voor Instagramgebruikers, omdat deze groep bekend was met het platform dat in dit onderzoek centraal staat. Deze kennis was noodzakelijk zodat participanten zich zoveel mogelijk in konden leven in het gebruikersprofiel en de tijdlijn die gepresenteerd werden in de vragenlijst. In totaal hebben 162 participanten op vrijwillige basis geparticipeerd aan het onderzoek, waarvan 115 participanten (71,0%) de vragenlijst volledig hebben ingevuld. Redenen van uitval waren: het niet hebben van een Instagramaccount (n=9), een leeftijd onder de achttien jaar (n=2) of een incomplete vragenlijst (n=36).
Procedure
Bij aanvang van de vragenlijst werden de participanten als eerste verzocht om het informed consent formulier te tekenen. Vervolgens werd er naar een aantal demografische gegevens gevraagd, zoals leeftijd, geslacht en opleidingsniveau. Tot slot werd het gebruik van Instagram bevraagd.
In het tweede deel van de vragenlijst werden de participanten eerst geïnstrueerd met informatie over Sam en werd nadrukkelijk gevraagd om zichzelf zo goed mogelijk te verplaatsen in Sam. Het was hierbij de bedoeling dat het profiel gezien werd alsof het een eigen account van de participant was. Vervolgens werd het profiel van
18 Instagramgebruik(st)er Sam gepresenteerd. Na het bekijken van het profiel van Sam werden de participanten random toegewezen aan de experimentele of de controle conditie. In beide condities werd de tijdlijn (inclusief advertentie) van Sam gepresenteerd.
Na het zien van de tijdlijn volgden verschillende vragen over de attitude en koopintentie ten opzichte van het merk in de gepresenteerde advertentie. Ook werden de participanten gevraagd naar hun zorgen rondom privacy. Vervolgens werden er vragen gesteld over de kennis rondom persuasieve doelen van marketeers (persuasieve kennis). Tot slot kwamen er een aantal controle vragen aan bod. De volledige vragenlijst is te vinden in bijlage 5.
Pre-test
Om na te gaan of de manipulatie van het personaliseren van een advertentie op basis van hashtags was gelukt, is een pre-test uitgevoerd. Het stimulusmateriaal is vooraf getoetst in een online vragenlijst (N=11) met een gepersonaliseerde conditie (n=7) en een generieke conditie (n=4). Ten eerste werd de mate van personalisatie gemeten. Hiervoor is de 7-punt Likertschaal met vier items van Dijkstra (2005) gebruikt. De antwoordcategorieën liepen op van 1 (helemaal mee eens) tot 7 (helemaal mee oneens). Deze schaal is gehercodeerd van ‘helemaal mee oneens’ tot ‘helemaal mee eens’, wegens interpretatiedoeleinden. Een voorbeeld item van deze schaal is: ‘Deze advertentie is persoonlijk op mij gericht’. Een lage score (1) betekent een lage mate aan personalisatie en een hoge score (7) betekent een hoge mate aan personalisatie. Uit betrouwbaarheidsanalyse bleek dat dit een betrouwbare schaal was: α=0,89; M=4,66; SD=5,39. Aan de hand van een onafhankelijke t-test bleek dat er een significant verschil bestond tussen de experimentele groep met de gepersonaliseerde advertentie (M=5,39, SD=0,497) en de controle groep met de generieke advertentie (M= 3,38, SD=1,451), t(10)=-3,459, p=0,007. Participanten in de gepersonaliseerde conditie
19 ervaarden de advertentie als persoonlijker in vergelijking met de generieke conditie. Hieruit bleek dat de manipulatie succesvol was.
Daarnaast gaven participanten in beide condities (N=11) bij de vraag: ‘Is de advertentie opgevallen?’, aan dat zij de advertentie gezien hadden. Tot slot werd de vraag gesteld of het merk in de advertentie bekend was bij de participanten. Bij de gepersonaliseerde conditie kenden de participanten (n=7) het merk in de advertentie niet. In de generieke conditie kende echter de meerderheid van de participanten (n=3) het merk in de advertentie wel. Om ervoor te zorgen dat mogelijke effecten van bekendheid met het merk uitgesloten werden, is ervoor gekozen om een nieuw onbekend merk in de generieke conditie te gebruiken. Daarnaast gaf een ruime meerderheid van de participanten (90,9%) aan zich te kunnen identificeren met het profiel van Sam. Er werd hierdoor verwacht dat de participanten zich goed konden inleven in het profiel en tijdlijn van Sam.
Meetinstrumenten
Attitude
De attitude werd gemeten aan de hand van zes items (Phua & Sun, 2014). De participanten werden gevraagd naar hun attitude tegenover het merk in de advertentie op Sam’s tijdlijn. Hierbij werd nogmaals nadrukkelijk aangegeven dat de participant zich zoveel mogelijk moest inleven in Sam’s situatie. Op basis van een zeven-punts-Likertschaal liepen de antwoordcategorieën op van 1 (helemaal mee oneens) tot 7 (helemaal mee eens). Voorbeelden van antwoordopties waren ‘onaantrekkelijk’ (1) tot ‘aantrekkelijk’ (7) en ‘saai’ (1) tot ‘interessant’ (7). Een lage score (1) betekent een negatieve attitude en een hoge score (7) betekent een positieve attitude. Uit betrouwbaarheidsanalyse bleek dat de zes items een betrouwbare schaal vormden voor de merkattitude: α=0,8; M=4,09; SD=5,93.
20 Koopintentie
De afhankelijke variabele koopintentie is aan de hand van vijf items gemeten gebaseerd op de schalen van Van Reijmersdal et al. (2016), Teng en Laroche (2007) en Spears en Singh (2004). Voorbeelden van items waren ‘Ik wil het merk van de advertentie kopen’ en ‘Ik zal opzoek gaan naar het merk in de advertentie’. Op basis van een zeven-punts-Likertschaal liepen de antwoordcategorieën op van 1 (helemaal mee oneens) tot 7 (helemaal mee eens). Een lage score (1) betekent een negatieve koopintentie en een hoge score (7) betekent een positieve koopintentie. Om te controleren of de items een betrouwbare en valide schaal vormden is er een factoranalyse (Principal Component Analysis) uitgevoerd. Hieruit bleek dat de vijf items laadden op één factor en een betrouwbare en valide schaal vormden voor de koopintentie (EV=4,20; R2=0,84; α=0,95; M=3,44; SD=7,35).
Privacy zorgen
De moderator privacy zorgen is gemeten aan de hand van vijf items (Baek & Morimoto, 2012). Voorbeelden van items zijn: ‘Ik maak me zorgen over mogelijk misbruik van mijn persoonlijke data’ en ‘Ik voel me niet prettig wanneer persoonlijke data zonder mijn toestemming wordt gedeeld’. Op basis van een zeven-punts-Likertschaal liepen de antwoordcategorieën op van 1 (helemaal mee oneens) tot 7 (helemaal mee eens). Een lage score (1) betekent een lage mate aan privacy zorgen en een hoge score (7) betekent een hoge mate aan privacy zorgen. Na het uitvoeren van een betrouwbaarheidsanalyse bleken de vijf items een betrouwbare schaal voor de variabele privacy zorgen: α=0,82; M=5,03; SD=5,81.
Persuasieve kennis
Persuasieve kennis is gemeten aan de hand van zes items van Tutaj en Van Reijmersdal (2012). Bij de items werden de participanten gevraagd naar het doel van de advertentie. Een voorbeeld van deze schaal is: ‘Het doel van de advertentie is het beïnvloeden van mijn
21 mening’. Op basis van een zeven-punts-Likertschaal liepen de antwoordcategorieën op van 1 (helemaal mee oneens) tot 7 (helemaal mee eens). Een lage score (1) betekent een lage mate van persuasieve kennis en een hoge score (2) betekent een hoge mate van persuasieve kennis. Uit een betrouwbaarheidsanalyse bleek dit een betrouwbare schaal om de variabele persuasieve kennis te meten; α=0,86; M=5,31; SD=6,37.
Controlevariabelen
Er zijn een aantal controlevariabelen opgenomen in de vragenlijst om externe storende factoren op de afhankelijke variabelen uit te kunnen sluiten. Deze variabelen bestonden uit: leeftijd, opleiding en geslacht. De leeftijd van de participanten varieerde van 18 tot 52 jaar (M=24,8, SD=5,70). Ruim de helft van de participanten was hoogopgeleid (68,5%), 28,2% was middelhoogopgeleid en 3,1% was laagopgeleid. Verder was 39,5% man en 60,5% vrouw.
Daarnaast is aan het einde van de vragenlijst gevraagd naar de bekendheid van het merk in de advertentie. Het bleek dat 90,2% van de participanten in de experimentele conditie het merk (Dimetapp) niet kende en 94,4% van de controle conditie het merk (Seed and Bean) niet kende. Daarnaast stonden participanten in beide condities neutraal tot negatief tegenover de vraag of participanten zich konden identificeren met Sam. Dat participanten zich niet goed hebben kunnen identificeren met Sam kan ervoor gezorgd hebben dat het account van Sam niet als eigen account ervaren werd, waardoor de persoonlijke relevantie van de gepersonaliseerde advertentie op basis van hashtags van Sam laag was. Verder werden de participanten gevraagd of het woord ‘gesponsord’ was opgevallen. Hieruit bleek dat 51,6% van de participanten het woord niet had opgemerkt, waardoor het voor ruim de helft van de participanten onduidelijk was dat er sprake was van een advertentie in de tijdlijn van Sam. Dit kan ervoor gezorgd hebben dat deze participanten de advertentie niet hebben gezien, waardoor de vragen over de advertentie niet naar behoren ingevuld konden worden.
22 Analysevoorstel
Zowel de afhankelijke als de onafhankelijke variabelen werden aan de hand van een 7-punts Likert schaal gemeten, met uitzondering op de controle variabelen. In verband met interpretatiedoeleinden is gekozen om de schaal te hercoderen van 1 (helemaal mee oneens) tot 7 (helemaal mee eens). Een hogere score resulteert hierbij in een positieve uitkomst.
Om te controleren of de gepersonaliseerde conditie als persoonlijker werd ervaren dan de generieke conditie, is een onafhankelijke t-toets uitgevoerd. Een voorbeeld item van deze schaal is: ‘Deze advertentie is persoonlijk op mij gericht’. Een lage score (1) betekent een lage mate van personalisatie en een hoge score (7) betekent een hoge mate van personalisatie. Uit betrouwbaarheidsanalyse bleek dat dit een betrouwbare schaal was: α = 0,83, M=4,86, SD=5,4. Hieruit bleek dat de manipulatie succesvol was: er was een significant verschil tussen de gepersonaliseerde conditie (M=5,75; SD=0,99) en de generieke conditie (M=3,78; SD=0,94), t(120)=-10,88, p=0,000.
Om de hypothesen te toetsen is gebruik gemaakt van regressieanalyse. Allereerst wordt het directe effect van gepersonaliseerde advertenties gebaseerd op hashtags op attitude (H1) en koopintentie (H2) ten opzichte van het merk aan de hand van enkelvoudige regressieanalyse getoetst. Daarnaast wordt gekeken of de moderatoren het effect van personalisatie op attitude en koopintentie beïnvloeden. Uit een meervoudige regressieanalyse zal blijken of de variabele privacy zorgen invloed heeft op het effect van personalisatie op de attitude (H3a) en intentie (H3b). Ook zal blijken of persuasieve kennis invloed heeft op het effect van personalisatie op de attitude (H4a) en intentie (H4b). In de analyse worden attitude en koopintentie meegenomen als afhankelijke variabelen en personalisatie, privacy zorgen en persuasieve kennis als onafhankelijke variabelen.
23
Resultaten
Randomisatiecheck
Om vast te stellen of de participanten (N=115) aselect verdeeld waren over de experimentele groep (n=61) en de controle groep (n=54) zijn verschillende randomisatiechecks gedaan. ANOVA’s zijn uitgevoerd om te controleren of leeftijd (F(1,114)=0,16, p=0,690) en instagramgebruik in uren per week (F(1,127)=0,11, p=0,742) aselect verdeeld waren over de condities. Een chikwadraattoets werd gebruikt voor de variabelen opleidingsniveau (χ2=0,05, p=0,974) en geslacht (χ2=2,96, p=0,085). Uit deze resultaten bleek dat de participanten volledig random verdeeld waren. Het was dus niet nodig om deze variabelen te controleren en zijn dan ook in de verdere analyses niet meegenomen.
Personalisatie en attitude
Allereerst werd verwacht dat gepersonaliseerde advertenties gebaseerd op hashtags leiden tot een positievere attitude ten opzichte van het merk in vergelijking met generieke advertenties (H1). In tabel 1 is te zien dat uit de regressieanalyse geen significant effect blijkt van personalisatie op basis van hashtags op attitude, F(1,125)=0,11, p=0,740. Op basis van deze bevinding wordt H1 niet aangenomen: het aanpassen van de advertentie aan de hashtags die iemand op Instagram post, leidt niet tot een significant positievere attitude dan advertenties die niet zijn aangepast.
Personalisatie en koopintentie
Ook werd verwacht dat gepersonaliseerde advertenties gebaseerd op hashtags leiden tot een positievere koopintentie ten opzichte van het merk in vergelijking met generieke advertenties (H2). In tabel 1 is te zien dat er geen significant effect blijkt tussen het wel of niet personaliseren van een advertentie en de koopintentie ten opzichte van het merk,
24 F(1,120)=0,01, p=0,945. Gebaseerd op deze bevinding kan H2 niet worden aangenomen: een gepersonaliseerde advertentie gebaseerd op hashtags heeft geen positiever effect op de koopintentie dan een generieke advertentie.
Tabel 1
Regressieanalyse met attitude en koopintentie als afhankelijke variabelen Attitude Koopintentie B SE b* B SE b* Constant 3,98 0,29 3,43 0,43 Personalisatie 0,06 0,16 0,03 0,02 0,27 0,01 F 0,11 F 0,01 R 2 0,03 R 2 0,01 Adjusted R 2 -0,01 Adjusted R 2 -0,01 p 0,740 p 0,945
Noot. N=115, B=ongestandaardiseerde coëfficiënt, SE=standaardfout van de ongestandaardiseerde coëfficiënt, b*=gestandaardiseerde coëfficiënt, **p <0,05.
Privacy zorgen
Daarnaast werd verwacht dat het effect van gepersonaliseerde advertenties gebaseerd op hashtags op de attitude van het merk gemodereerd wordt door privacy zorgen (H3a). In tabel 2 is te zien dat privacy zorgen geen modererende rol blijkt te spelen tussen de condities (gepersonaliseerd of generiek) en attitude, F(3,120)=0,91, p=0,440. Op basis van dit resultaat kan H3a niet worden aangenomen: het effect van een gepersonaliseerde advertentie op attitude is niet lager voor mensen met veel zorgen over hun privacy dan voor mensen met weinig zorgen over hun privacy.
25 Ook werd verwacht dat het effect van gepersonaliseerde advertenties gebaseerd op hashtags op de koopintentie van het merk gemodereerd wordt door de zorgen om privacy (H3b). In tabel 2 is te zien dat privacy zorgen ook geen moderator blijkt tussen de condities (gepersonaliseerd of generiek) en de koopintentie ten opzichte van het merk, F(3,120)=0,50, p=0,686. H3b wordt dus niet aangenomen, het effect van een gepersonaliseerde advertentie op koopintentie is niet lager voor mensen met veel zorgen over hun privacy dan voor mensen met weinig zorgen over hun privacy.
Tabel 2
Regressieanalyse met attitude en koopintentie als afhankelijke variabelen en privacy zorgen als moderator Attitude Koopintentie B SE b* B SE b* Constant 3,41 1,44 5,96 2,13 Personalisatie 0,71 0,82 0,35 -1,41 1,22 -0,48 Privacy zorgen -0,13 0,16 -0,42 -0,49 0,41 -0,41
Personalisatie *Privacy zorgen 0,12 0,27 0,14 0,28 0,23 0,60
F 0,91 F 0,50
R 2 0,02 R 2 0,05
Adjusted R 2 0,02 Adjusted R 2 -0,01 p 0,440 p 0,686
Noot. N=115, B=ongestandaardiseerde coëfficiënt, SE=standaardfout van de ongestandaardiseerde coëfficiënt, b*=gestandaardiseerde coëfficiënt, **p <0,05.
26
Persuasieve kennis
Naast privacy zorgen staat ook persuasieve kennis als moderator centraal in dit onderzoek. Verwacht werd dat een hogere mate van persuasieve kennis een negatieve rol zou hebben op het effect tussen de conditie (gepersonaliseerd of generiek) en de attitude ten opzichte van het merk in vergelijking met een persoon met een lagere mate van persuasieve kennis (H4a). In tabel 3 is te zien dat persuasieve kennis geen modererende rol speelt in het effect van de conditie (gepersonaliseerd of generiek) op de attitude, F(3,117)=1,54, p=0,999. H4a wordt dus niet aangenomen: het effect van een gepersonaliseerde advertentie op attitude is niet lager voor mensen met een hoge mate van persuasieve kennis dan voor mensen met een lage mate van persuasieve kennis.
Tot slot werd verwacht dat het effect van gepersonaliseerde advertenties gebaseerd op hashtags op de koopintentie van het merk gemodereerd wordt door de mate van persuasieve kennis (H4b). Uit tabel 3 blijkt dat persuasieve kennis geen modererende rol speelt in het effect van de conditie (gepersonaliseerd of generiek) op de koopintentie, F(3,117)=0,34, p=0,799. H4b wordt dus ook niet aangenomen: het effect van een gepersonaliseerde advertentie op koopintentie is niet lager voor mensen met een hoge mate van persuasieve kennis dan voor mensen met een lage mate van persuasieve kennis.
27
Tabel 3
Regressieanalyse met attitude en koopintentie als afhankelijke variabelen en persuasieve kennis als moderator
Attitude Koopintentie B SE b* B SE b*
Constant 4,81 0,60 4,06 0,89
Personalisatie 0,05 0,19 0,02 0,03 0,27 0,01
Persuasieve kennis -0,08 0,15 -0,08 -0,09 0,22 -0,06
Personalisatie *Persuasieve kennis -0,02 0,02 -0,13 -0,01 0,26 -0,03
F 1,54 F 0,34
R 2 0,04 R 2 0,01
Adjusted R 2 0,01 Adjusted R 2 -0,02 p 0,999 p 0,799
Noot. N=115, B=ongestandaardiseerde coëfficiënt, SE=standaardfout van de ongestandaardiseerde coëfficiënt, b*=gestandaardiseerde coëfficiënt, **p <0,05.
Conclusie en discussie
Het personaliseren van advertenties is een veelvoorkomende communicatiestrategie voor marketeers. Gepersonaliseerde advertenties zijn gebaseerd op persoonlijke karakteristieken, waardoor de boodschap aangepast wordt aan de behoeften van de consument. In dit onderzoek stond een gepersonaliseerde advertentie op basis van hashtags centraal. Het doel van dit onderzoek was een antwoord vinden op de vraag: wat is het effect van een gepersonaliseerde advertentie gebaseerd op hashtags, op de attitude en koopintentie ten opzichte van het merk? Daarnaast is nagegaan of privacy zorgen en persuasieve kennis effect hebben op deze relaties.
28 Tegen verwachting in bleek een gepersonaliseerde advertentie gebaseerd op hashtags geen invloed uit te oefenen op de attitude ten opzichte van het merk. Instagramgebruikers die blootgesteld worden aan een gepersonaliseerde advertentie op basis van hashtags hebben geen positievere attitude dan Instagramgebruikers die blootgesteld worden aan een generieke advertentie. Deze bevinding komt niet overeen met eerdere studies die laten zien dat personalisatie een positief effect heeft op attitudevorming (Kalyanamaran & Sundar, 2006; Tam & Ho, 2006; Maslowska et al., 2016). Een mogelijke verklaring hiervoor is dat Instagramgebruikers in dit onderzoek de gepersonaliseerde advertentie gebaseerd op hashtags niet direct hebben gekoppeld aan bestaande informatie (persoonlijk relevante informatie). Volgens eerder onderzoek zou een koppeling aan bestaande informatie zorgen voor meer aandacht voor de boodschap, waardoor attitudes beïnvloed kunnen worden (Petty, Briñol, & Priester, 2009; Petty & Cacioppo, 1986). Dat de koppeling aan bestaande hashtags mogelijk niet door iedereen wordt gemaakt, kan ervoor zorgen dat een gepersonaliseerde advertentie op basis van hashtags niet tot een positievere attitude leidt in vergelijking met een generieke advertentie.
Daarnaast blijkt een gepersonaliseerde advertentie op basis van hashtags ook geen invloed te hebben op de koopintentie ten opzichte van het merk. Instagramgebruikers hebben geen positievere koopintentie bij het zien van een gepersonaliseerde advertentie gebaseerd op hashtags in vergelijking met een generieke advertentie. Dit komt overeen met de studie van Maslowska, van den Putte en Smit (2011), die concluderen dat er geen verschil bestaat tussen een gepersonaliseerde en generieke boodschap wat betreft intentie. Dit staat echter niet in lijn met de meerderheid aan studies die pleiten voor de positieve effecten van personalisatie op intentie, waar de verwachting op gebaseerd was (Lee & Kwon, 2008; Maslowska, van den Putte & Smit, 2011). Een mogelijke verklaring hiervoor is de lage mate van persoonlijke relevantie die werd ervaren bij de gepersonaliseerde advertentie op basis
29 van hashtags. Wanneer hashtags door Instagramgebruikers niet als persoonlijk relevant worden ervaren, heeft het personaliseren op basis van hashtags geen invloed op de koopintentie (Tam & Ho, 2006).
Een ander verschil met eerder onderzoek naar personalisatie, is de rol van privacy zorgen. De mate van privacy zorgen bleek geen invloed te hebben op het effect van personalisatie op attitude en koopintentie. Mensen met veel zorgen over hun privacy hebben geen negatievere attitude en koopintentie na het zien van een gepersonaliseerde advertentie gebaseerd op hashtags, in vergelijking met mensen met weinig zorgen over hun privacy. Dit komt niet overeen met eerdere studies die concluderen dat zorgen omtrent privacy een negatieve invloed hebben op de relatie tussen personalisatie en de attitude en intentie (Phelps, D’souza & Nowak, 2001; Goldfarb & Tucker, 2011). Een mogelijke verklaring hiervoor kan zijn dat het gebruik van persoonlijke informatie in de vorm van hashtags niet als dusdanig persoonlijk relevant worden ervaren, waardoor zorgen omtrent privacy niet worden aangewakkerd (Aguirre et al., 2015).
Tot slot kan geconcludeerd worden dat persuasieve kennis geen invloed uitoefent op de attitude- en intentievorming bij gepersonaliseerde advertenties gebaseerd op hashtags. Een gepersonaliseerde advertentie leidt niet tot een negatievere attitude en koopintentie voor mensen met een hoge mate van persuasieve kennis dan voor mensen met een lage mate van persuasieve kennis. Dit komt niet overeen met eerder studies die stellen dat wanneer de consument zich bewust is van de persuasieve doelen van de marketeer, de consument zich kritischer op zal stellen tegenover de advertentie dan een persoon die zich hiervan nauwelijks tot niet bewust is (Bright & Daugherty, 2012; Friestad & Wright, 1994). Dit verschil kan mogelijk worden verklaard door het feit dat de gepersonaliseerde advertentie in dit onderzoek niet als opvallend werd ervaren, waardoor kennis over persuasieve doelen niet toegepast werd op de advertentie.
30
Beperkingen van het onderzoek
Tegen verwachting in blijkt dat een gepersonaliseerde advertentie gebaseerd op hashtags geen invloed heeft op zowel attitude als koopintentie. Een mogelijke verklaring voor deze bevinding kan gevonden worden in de lage mate waarin respondenten zich konden identificeren met Sam. In dit onderzoek is gebruik gemaakt van een fictief Instagramprofiel met bijbehorende tijdlijn, waarbij de participanten werden gevraagd om zich zoveel mogelijk te verplaatsen in het profiel alsof het hun eigen account was. In de pre-test gaf een ruime meerderheid van de participanten (90,9%) aan zich te kunnen identificeren met het profiel van Sam. In het huidige onderzoek stonden participanten in beide condities echter neutraal tot negatief tegenover de vraag of participanten zich konden identificeren met Sam. Een mogelijk gevolg hiervan zou kunnen zijn dat de gepersonaliseerde advertentie als niet persoonlijk relevant werd ervaren wat een lage mate van motivatie met zich meebrengt. Op basis van het ELM wordt er bij een lage mate van motivatie minder aandacht besteed aan de boodschap door de ontvanger (Petty & Cacioppo, 1986). Dit staat in lijn met de studie van Dijkstra (2008), die stelt dat het verwerken van een gepersonaliseerde boodschap via de centrale route alleen werkt wanneer de ontvanger zelf de informatie als persoonlijk relevant ervaart. Dit roept de volgende vraag op: wanneer is persoonlijke informatie relevant voor de consument? Verschillende studies concluderen dat personalisatie aan de hand van persoonlijke informatie tot positieve attitudes en intenties leidt (Kalyanamaran & Sundar, 2006; Lee & Kwon, 2008; Maslowska et al., 2016; Neal & Kate, 2004; Tam & Ho, 2006). Deze studies bevatten verschil in specifieke persoonlijke gegevens die gebruikt worden voor het personaliseren. Het is echter niet bekend of er verschil bestaat in gevoeligheid van deze persoonlijke informatie. Mogelijk zijn consumenten minder gevoelig voor het personaliseren op basis van hashtags dan bij andere vormen van persoonlijke informatie. Het gebrek aan
31 persoonlijke relevantie in dit onderzoek zou het effect van personalisatie op de attitude en koopintentie beïnvloed kunnen hebben.
Hoewel uit de pre-test bleek dat alle participanten de advertentie als opvallend hebben ervaren, bleek dit in huidig onderzoek niet het geval. Volgens het Limited Capacity Model hebben mensen een beperkte hoeveelheid capaciteit voor het verwerken van informatie (Lang, 2006). Wellicht hebben de participanten zich meer gefocust op de plaatjes, de kleuren of het onderschrift wat bij de verschillende foto’s op de tijdlijn stond. Dat meerdere participanten (39,5%) aan hebben gegeven het woord ‘gesponsord’ niet gezien te hebben bij de advertenties op de tijdlijn, kan mogelijk verklaren waarom persuasieve kennis en privacy zorgen geen rol spelen in het effect van personalisatie gebaseerd op hashtags op attitude en koopintentie. Wanneer hierop was gecontroleerd in de analyse had er aangetoond kunnen worden of dit een storende factor is in het model. De mate van persuasieve kennis kan namelijk slechts geactiveerd worden wanneer de consument de boodschap ziet als een advertentie met achterliggende persuasieve doelen. Het missen van de advertentie in dit onderzoek heeft er mogelijk voor gezorgd dat participanten hun persuasieve kennis niet hebben toegepast en nauwelijks het gevoel hadden dat zij in hun privacy werden geschonden. Een mogelijke oorzaak voor het missen van het woord ‘gesponsord’ kan banner blindheid zijn (Hervet et al., 2011). Dit houdt concreet in dat consumenten online banners ontwijken of er gewoonweg geen aandacht aan schenken (Drèze & Hussherr, 2003). Een andere mogelijke verklaring is dat advertenties in het algemeen steeds minder effectief zijn. Het onderzoek van Hadjia et al. (2012) is een voorbeeld van een studie waaruit bleek dat advertenties op SNS’s genegeerd worden. De enorme verandering in het medialandschap heeft ervoor gezorgd dat marketeers in overvloed online adverteren naar consumenten (Kumar et al., 2016). Is hierdoor misschien een tijd aangebroken waarin consumenten
32 minder gevoelig zijn voor online advertenties, waarbij het verschil tussen een gepersonaliseerde of generieke advertentie geen verschil meer maakt?
Vervolgonderzoek
Op basis van dit onderzoek worden twee suggesties voor vervolgonderzoek benoemd. Allereerst werd eerder benoemd dat er gebruik is gemaakt van een fictief Instagramprofiel. Alhoewel participanten nadrukkelijk meerdere malen in de vragenlijst werden verzocht om zichzelf zo goed mogelijk te verplaatsen in de situatie van Sam, zal er altijd een verschil bestaan met de werkelijkheid waar participanten een eigen Instagramaccount hebben. Verder was het niet mogelijk om een Instagramaccount te creëren waarbij de participanten het account interactief hadden kunnen gebruiken, wat het gat met de werkelijkheid had kunnen verkleinen. Om te zorgen dat de persoonlijke relevantie in vervolgonderzoek hoger zal zijn is het van belang dat een eigen Instagramprofiel van de participanten wordt gebruikt in onderzoek naar personalisatie in advertenties op Instagram.
Daarnaast is er voor het stimulusmateriaal gekozen voor een pijnstiller van het merk Dimetapp en voor de controle conditie een chocoladereep van het merk Seed and Bean. Deze producten vergen een lage betrokkenheid in het keuzeproces volgens de FCB-matrix van Vaughn (1986). Bij een lage betrokkenheid wordt er minder nagedacht over de aankoop van het product in vergelijking met een hoge betrokkenheid. Er spelen minder cognitieve of affectieve overwegingen mee, waardoor de drempel om het product te kopen laag is. Het product kan echter ook als minder belangrijk worden ervaren. Wanneer het product als minder belangrijk wordt ervaren kan dit ervoor zorgen dat de consument minder aandacht besteed aan het product, zoals de pijnstiller van Dimetapp in dit onderzoek. Blootstelling aan een product die een hoge betrokkenheid eist roept een diepere informatieverwerking op
33 (centrale route), waardoor er meer aandacht wordt besteed aan het product dat als persoonlijk relevant wordt ervaren (Petty & Cacioppo, 1986; Zaichkowsky, 1985). Dit staat in lijn met de studie van Lee et al. (2015), deze studie concludeert dat een product met een hoge betrokkenheid tot een positievere attitude en intentie leidt in vergelijking met een product met een lage betrokkenheid. Voor vervolgonderzoek is het interessant om een product te gebruiken dat een hoge betrokkenheid van de Instagramgebruiker vereist.
Referentielijst
Aguirre, E., Mahr, D., Grewal, D., de Ruyter, K., & Wetzels, M. (2015). Unraveling the Personalization Paradox: The Effect of Information Collection and Trust-Building Strategies on Online Advertisement Effectiveness. Journal of Retailing, 91(1), 34-49. doi: 10.1016/j.jretai.2014.09.005.
Ansari, A., & Mela, C. F. (2003). E-customization. Journal of Marketing Research, 40(2), 131-145. doi:10.1509/jmkr.40.2.131.19224.
Antheunis, M. L., & Noort, G. (2011). Interactivity effects in social media marketing on brand engagement: an investigation of underlying mechanisms. http://dare.uva.nl/record/446168.
Baek, T. H., & Morimoto, M. (2012). Stay away from me. Journal of advertising, 41(1), 59-76. doi: 10.2753/JOA0091-3367410105.
Bakshy, E., Eckles, D., Yan, R. & Rosenn, I. (2012). Social influence in social advertising: Evidence from field experiments. Proceedings of the 13th ACM Conference on Electronic Commerce, 146-161. New York, NY: ACM.
34 Boyd, D., & Ellison, B. (2008). Social networking sites: Definition, history, and
scholarship. Journal of Computer-Mediated Communication, 13, 210-230. doi:10.1111/j.1083-6101.2007.00393.x.
Bright, L. F., & Daugherty, T. (2012). Does customization impact advertising effectiveness? An exploratory study of consumer perceptions of advertising in customized online environments. Journal of Marketing Communications, 18(1), 19-37. doi:10.1080/13527266.2011.620767.
Brug, J., Campbell, M. & van Assema, P. (1999). The application and impact of computer generated personalized nutrition education: a review of the literature. Patient Educ Couns, 36 (2), 145–156. doi: 10.1016/S0738-3991(98)00131-1.
Bull, F. C., Kreuter, M. W., & Scharff, D. P. (1999). Effects of tailored, personalized and general health messages on physical activity. Patient education and counseling, 36(2), 181-192. doi: 10.1016/S0738-3991(98)00134-7.
Campbell, M. C., & Kirmani, A. (2008). I know what you’re doing and why you’re doing it: the use of the persuasion knowledge model in consumer research. Handbook of consumer psychology, 549-574.
Chellappa, R.K., & Sin, R.G. (2005). Personalization versus privacy: An empirical
examination of the online consumer’s dilemma. Information Technology and Management, 6 (2-3), 181-202.
Chester, J. (2007) Digital Destiny: New Media and The Future of Democracy. New York: New Press.
35 Dehghani, M., Niaki, M. K., Ramezani, I., & Sali, R. (2016). Evaluating the influence of
YouTube advertising for attraction of young customers. Computers in Human Behavior, 59, 165-172. doi: 10.1016/j.chb.2016.01.037.
Dehghani, M., & Tumer, M. (2015). A research on effectiveness of Facebook advertising on enhancing purchase intention of consumers. Computers in Human Behavior, 49, 597-600. doi: 10.1016/j.chb.2015.03.051.
Dijkstra, A. (2005). Working mechanisms of computer-tailored health education: Evidence from smoking cessation. Health Education Research, 20(5), 527–539. doi:10.1093/her/cyh014.
Dijkstra, A. (2008). The psychology of tailoring‐ingredients in computer‐tailored persuasion. Social and personality psychology compass, 2(2), 765-784. doi: 10.1111/j.1751-9004.2008.00081.x.
Dijkstra, A. & Ballast, K. (2012), “Personalization and Perceived Personal Relevance in Computer-Tailored Persuasion in Smoking Cessation,” British Journal of Health Psychology, 17, 60–73. doi: 10.1111/j.2044-8287.2011.02029.x.
Dijkstra, A. & De Vries, H. (1999). The development of computer-generated tailored interventions. Patient Education and counseling, 36, 193–203. doi: 10.1016/S0738-3991(98)00135-9.
Dinev, T. & Hart, P. (2006). Privacy concerns and levels of information exchange: An empirical investigation of intended e-services use. E - Service Journal, 4(3), 25-57.
Drèze, X., & Hussherr, F. X. (2003). Internet advertising: Is anybody watching?. Journal of interactive marketing, 17(4), 8-23. doi: 10.1002/dir.10063.
36 Ellison, N. B., Steinfield, C., & Lampe, C. (2007). The benefits of Facebook “friends:”
Social capital and college students’ use of online social network sites. Journal of Computer‐Mediated Communication, 12(4), 1143-1168. doi:10.1111/j.1083-6101.2007.00367.x.
Franke, M. (2009). Signal to act: Game theory in pragmatics. Institute for Logic, Language and Computation.
Friestad, M., & Wright, P. (1994). The persuasion knowledge model: How people cope with persuasion attempts. Journal of consumer research, 21(1), 1-31.
Gangadharan, S. P. (2017). The downside of digital inclusion: Expectations and experiences of privacy and surveillance among marginal Internet users. new media & society, 19(4), 597-615.
Goldfarb, A. and C. Tucker (2011). Online display advertising: targeting and obtrusiveness. Marketing Science, 30 (3), 389-404. doi: 10.1287/mksc.1100.0583.
Hadjia, Z., Barnes, S. B. & Hair, N. (2012). Why we ignore social networking advertising. Qualitative Market Research: An International Journal, 15, 19-32. doi: 10.1108/13522751211191973.
Ham, C. D., & Nelson, M. R. (2016). The role of persuasion knowledge, assessment of benefit and harm, and third-person perception in coping with online behavioral advertising. Computers in Human Behavior, 62, 689-702. doi: 10.1016/j.chb.2016.03.076.
Hawkins, R., Kreuter, M., Resnicow ,K., Fishbein, M., & Dijkstra, A. (2008), “Understanding Tailoring in Communicating about Health,” Health Education Research, 23, 454–66. doi: 10.1093/her/cyn004.
37 Hervet, G., Guérard, K., Tremblay, S., & Chtourou, M. S. (2011). Is banner blindness
genuine? Eye tracking internet text advertising. Applied cognitive psychology, 25(5), 708-716. doi: 10.1002/acp.1742.
Ho, S. Y., Davern, M. J., & Tam, K. Y. (2008). Personalization and choice behavior: the role of personality traits. Database for Advances in Information Systems, 39(4), 31-47. doi: 10.1145/1453794.1453800.
IAB Nederland. (z.d.). Online advertentiemarkt in 2016 opnieuw explosief gegroeid. Geraadpleegd op 1 november 2017, van https://iab.nl/nieuws/online-ad-spend-study-2016/
Jamal, A., Coughlan, J., & Kamal, M. (2013). Mining social network data for personalisation and privacy concerns: a case study of Facebook’s Beacon. International Journal of Business Information Systems, 13, 173-198.
Kalyanamaran, S. & Sundar, S. S. (2006). The Psychological Appeal of Personalized Content in Web Portals: Does Customization Affect Attitudes and Behavior? Journal of Communication, 56, 110-132. doi: 10.1111/j.1460-2466.2006.00006.x.
Kamil, P. I., Pratama, A. J., & Hidayatulloh, A. (2016). Did we really# prayfornepal? Instagram posts as a massive digital funeral in Nepal earthquake aftermath. AIP Conference Proceedings, 1730(1). doi: 10.1063/1.4947419.
Kim, Y. J., & Han, J. (2014). Why smartphone advertising attracts customers: A model of Web advertising, flow, and personalization. Computers in Human Behavior, 33, 256-269. doi: 10.1016/j.chb.2014.01.015.
38 Kim, Y., Sohn, D., & Choi, S. M. (2011). Cultural difference in motivations for
using social network sites: a comparative study of American and Korean college students. Computers in Human Behavior, 27(1). doi: 10.1016/j.chb.2010.08.015.
Kreuter, M. W., Farrell, D. W., Olevitch, L. R. & Brennan, L. K. (2013) Tailoring Health Messages:Customizing Communication With Computer Technology. Routledge.
Kumar, A., Bezawada, R., Rishika, R., Janakiraman, R., & Kannan, P. K. (2016). From social to sale: The effects of firm-generated content in social media on customer behavior. American Marketing Association. doi: 10.1509/jm.14.0249.
Kwak, H., Lee, C., Park, H., & Moon, S. (2010, April). What is Twitter, a social network or a news media? In Proceedings of the 19th international conference on World wide web, 591-600. ACM. doi: 10.1145/1772690.1772751.
Lambrecht, A., & Tucker, C. (2013). When does retargeting work? Information specificity in online advertising. Journal of Marketing Research,50(5), 561-576. doi: 10.1509/jmr.11.0503.
Lang, A. (2006). Using the limited capacity model of motivated mediated message
processing to design effective cancer communication messages. Journal of communication, 56 (1). doi: 10.1111/j.1460-2466.2006.00283.x.
Latimer, A. E., Brawley, L. R., & Bassett, R. L. (2010). A systematic review of three approaches for constructing physical activity messages: What messages work and what improvements are needed? International Journal of Behavioral Nutrition and Physical Activity, 7, 1–17. doi:10.1186/1479-5868-7-36.
39 Lee, C. H., & Cranage, D. A. (2011). Personalisation–privacy paradox: The effects of
personalisation and privacy assurance on customer responses to travel Web sites. Tourism Management, 32(5), 987-994. doi: 10.1016/j.tourman.2010.08.011.
Lee, A. S., Hart, J. L., Sears, C. G., Walker, K. L., Siu, A. & Smith, C. (2017). A picture is worth a thousand words: Electronic cigarette content on Instagram and interest. Tobacco prevention & cessation, 3.
Lee, S., Kim, K. J., & Sundar, S. S. (2015). Customization in location-based advertising: Effects of tailoring source, locational congruity, and product involvement on ad attitudes. Computers in Human Behavior, 51, 336-343. doi: 10.1016/j.chb.2015.04.049.
Lee, K. C., & Kwon, S. (2008). Online shopping recommendation mechanism and its influence on consumer decisions and behaviors: A causal map approach. Expert Systems with Applications, 35(4), 1567-1574. doi:10.1016/j.eswa.2007.08.109.
Li, X., Pham, T. A. N., Cong, G., Yuan, Q., Li, X. L., & Krishnaswamy, S. (2015). Where you instagram?: Associating your instagram photos with points of interest. In Proceedings of the 24th ACM International on Conference on Information and Knowledge Management, 1231-1240. ACM. doi: 10.1145/2806416.2806463.
Linn, A. J., Vervloet, M., van Dijk, L., Smit, E. G., & Van Weert, J. C. (2011). Effects of eHealth interventions on medication adherence: a systematic review of the literature. Journal of medical Internet research, 13(4). doi: 10.2196/jmir.1738.
Lokhande, P. S., & Meshram, B. B. (2015). Analysis and design of web personalization systems for E-Commerce. International Journal of Web Technology, 4, 187-193.
