KLANTTEVREDENHEID IN DE KLEDINGRETAIL BIJLAGEN

(1)

Rijksuniversiteit Groningen

Faculteit der Economische Wetenschappen Vakgroep Marktkunde en Marktonderzoek Postbus 800, 9700 AV Groningen

Tel: 050-3637069

KLANTTEVREDENHEID IN DE KLEDINGRETAIL BIJLAGEN

Masterafstudeerwerkstuk MSc BA Marketing Profiel: Marketing Management

Auteur: G.J. Houtman Studentnummer: 1405640 Groningen, februari 2006

INHOUDSOPGAVE

BIJLAGE 1 DE KLEDINGCHEQUE 92

BIJLAGE 2 BEGELEIDENDE E-MAIL 93

BIJLAGE 3 DE ENQUÊTE 94

BIJLAGE 4 UITLEG ANALYSES 97

BIJLAGE 5 UITVOER TOETSEN 103

(2)

BIJLAGE 1 DE KLEDINGCHEQUE

(3)

BIJLAGE 2 BEGELEIDENDE E-MAIL Datum: 21 oktober 2005

Onderwerp: klanttevredenheidsonderzoek Dick & Co Beste [FirstName],

Als afsluiting van mijn studie aan de Rijksuniversiteit Groningen ben ik bezig met een klanttevredenheidsonderzoek voor Dick & Co. Ik wil jou, als klant van Dick &

Co, hiervoor om je medewerking vragen.

Door middel van dit onderzoek probeer ik inzicht te krijgen in de klanttevredenheid bij Dick & Co, zodat ik hierover mijn scriptie kan schrijven.

Daarnaast kan Dick & Co aan de hand van jouw mening in de toekomst beter aan jouw wensen en behoeften voldoen.

Om te achterhalen hoe de klanten over Dick & Co denken is er een online vragenlijst opgesteld. Het invullen is heel eenvoudig en neemt hooguit tien minuten in beslag.

IEDEREEN DIE DE VRAGENLIJST VOOR 7 NOVEMBER INVULT ONTVANGT EEN KLEDINGCHEQUE TER WAARDE VAN 10 EURO!

De vragenlijst is via de volgende link te bereiken: [SurveyLink]

De gegevens die je achterlaat om de kledingcheque te ontvangen worden uiteraard losgekoppeld van de vragen, waardoor je antwoorden altijd anoniem blijven.

Alvast bedankt voor je medewerking!

Met vriendelijke groet,

Johan Houtman

(g.j.houtman@student.rug.nl)

P.s. Wil je niet meer door Dick & Co worden benaderd, klik dan op de volgende link: [RemoveLink]

(4)

BIJLAGE 3 DE ENQUÊTE

1: Redenen om te winkelen

De onderstaande stellingen geven mogelijke redenen weer om te gaan winkelen, naast de reden dat je kunt gaan winkelen omdat je echt kleding nodig hebt. Geef per stelling aan in hoeverre jij het er mee eens bent. (7-punt Likertschaal: ‘helemaal mee oneens’ –

‘helemaal mee eens’)

- Ik winkel om de trends bij te houden

- Ik winkel om de nieuwe mode bij te houden

- Ik winkel om te zien welke nieuwe producten beschikbaar zijn - Ik winkel met mijn vrienden of familie voor de gezelligheid - Ik houd van de contacten met anderen als ik winkel

- Winkelen met anderen schept een onderlinge band - Meestal ga ik winkelen als er uitverkoop is

- Ik houd van het zoeken naar korting als ik winkel - Ik houd van het zoeken naar koopjes als ik winkel

- Als ik in een sombere stemming ben, ga ik winkelen om mij beter te voelen - Voor mij is winkelen een manier om stress te verminderen

- Ik ga winkelen als ik mijzelf op iets speciaals wil trakteren - Voor mij is winkelen een avontuur

- Ik vind winkelen spannend

- Tijdens het winkelen waan ik mij in mijn eigen wereld

- Ik houd ervan te winkelen voor anderen, want als zij zich goed voelen voel ik mij ook goed - Ik houd ervan te winkelen voor vrienden en familie

- Ik houd ervan te winkelen om het perfecte cadeau voor iemand te vinden 2: De belangrijkheid van verschillende factoren bij het kopen van kleding

Geef van de onderstaande factoren je top 3 aan van welke je het belangrijkst vindt voor je tevredenheid bij het kopen van kleding (waarbij je de belangrijkste factor een 1 geeft).

Top 3 - Het contact met het personeel ...

- De klachtenafhandeling ...

- De presentatie van de producten in de winkel ...

- De atmosfeer in de winkel ...

- De locatie van de winkel ...

- Het aanwezige assortiment ...

- Het spaarsysteem ...

- Het prijsniveau ...

3: Algehele tevredenheid

Geef hieronder aan hoe tevreden je in het algeheel over Dick & Co bent, door een rapportcijfer van 1 t/m 10 te geven (1=’heel erg ontevreden’ en 10=’heel erg tevreden’).

- Gebaseerd op al je ervaringen, welk rapportcijfer geef je Dick & Co? …………

(5)

4: Tevredenheid over het aanbod van Dick & Co

Geef bij de onderstaande stellingen aan in hoeverre jij bij Dick & Co tevreden bent over de genoemde aspecten. (5-punt Likertschaal: ‘heel erg ontevreden’ – ‘heel erg tevreden’)

Hoe tevreden ben je bij Dick & Co over:

- Het gemak waarmee producten te vinden zijn - De ruimte om te kunnen winkelen

- De manier waarop de producten worden gepresenteerd

- De geschiktheid van de publieke ruimten (zoals paskamers) in de winkel - De belichting in de winkel

- De gebruikte kleuren in de winkel - De achtergrondmuziek in de winkel - De geur in de winkel

- De moderniteit van de faciliteiten in de winkel - De aantrekkelijkheid van de faciliteiten in de winkel - De uitstraling van kwaliteit in de winkel

- De bereikbaarheid van de winkel - De beschikbare parkeergelegenheden

- De afstand tussen de winkel en de beschikbare parkeergelegenheden - Het aantal verschillende soorten producten (broeken/truien enz.) - De grootte van het assortiment binnen elke productsoort

- De kwaliteit van het assortiment - De merken die de winkel voert - De aanwezigheid van de laatste mode

- De aantrekkelijkheid van de tassen die je meekrijgt bij een aankoop - De media die wordt gebruikt om de klanten te bereiken

- Het spaarsysteem

- Het prijsniveau van de producten ten opzichte van de kwaliteit 5: Tevredenheid over de klantservice van Dick & Co

Geef bij de onderstaande stellingen aan in hoeverre jij het eens bent met het genoemde aspect, ten opzichte van wat je van Dick & Co verwacht. (5-punt Likertschaal: ‘helemaal mee oneens’ – ‘helemaal mee eens’)

Vergeleken met je verwachtingen van Dick & Co, in hoeverre ben je het eens met de volgende stellingen:

- Dick & Co heeft producten beschikbaar wanneer de klanten het willen - Verkooptransacties bij Dick & Co verlopen foutloos

- Dick & Co komt zijn beloften op tijd na

- Dick & Co geeft klanten persoonlijke aandacht

- Dick & Co is bereid producten terug te nemen en te ruilen - Dick & Co heeft geschikte openingstijden

- Dick en Co biedt geschikte betalingsmogelijkheden aan

- Dick & Co toont oprechte belangstelling om problemen op te lossen wanneer deze zich voordoen - Dick & Co voert de service de eerste keer meteen goed uit

- Personeel van Dick & Co geeft vlot service aan klanten

- Personeel van Dick & Co houdt klanten op de hoogte over te verlenen services - Personeel van Dick & Co heeft de kennis om vragen van klanten te beantwoorden - Personeel van Dick & Co straalt vertrouwen in klanten uit

- Personeel van Dick & Co is nooit te druk om te reageren op verzoeken van klanten - Personeel van Dick & Co is altijd beleefd tegen klanten

- Personeel van Dick & Co behandelt klachten van klanten direct

(6)

6: Algemeen

Als laatste word je gevraagd enkele gegevens over jezelf in te vullen.

a) Wat is je leeftijd? ………jaar

b) Wat is je woonplaats? ………

c) Hoe lang ben je al klant bij Dick & Co? ………jaar

d) Wat is je geslacht? man/vrouw

e) Welk(e) merk(en) koop je bij Dick & Co? (Meestal/Soms/Nooit)

f) Heb je nog op- of aanmerkingen met betrekking tot je tevredenheid over Dick & Co?

………

***Einde***

Bedankt voor het invullen van de vragenlijst. Om de kledingcheque thuis te ontvangen, kun je hier je gegevens invullen:

Naam:………

Adres:………

Woonplaats:………

Man Vrouw

- Diesel - Diesel

- Lee - G-Star

- G-Star - Levi’s

- Pall Mall - Esprit

- Levi’s - Replay

- Replay - Indian Rose

- Lee

- Only

- Dept

- Raze

(7)

BIJLAGE 4 UITLEG ANALYSES

Hieronder worden van de factor-, regressie- en clusteranalyse de verschillende stappen en gemaakte keuzes verder uitgewerkt.

Factoranalyse

De factoranalyse wordt gebruikt om de onderlinge relaties tussen een groot aantal attributen te analyseren en deze te verklaren aan de hand van hun gemeenschappelijke onderliggende dimensies (Hair e.a. 1992: 223). Het doel van een factoranalyse is datareductie en samenvatting. Het kan hierbij gaan om het identificeren van onderliggende dimensies die de correlaties tussen een groep attributen verklaren, of het identificeren van een kleinere groep attributen om te gebruiken voor verdere multivariate analyse (Malhotra 1999: 586).

Bij een factoranalyse worden een aantal verschillende stappen doorlopen. Als eerste wordt een correlatiematrix gemaakt (Malhotra 1999: 589). Om een factoranalyse uit te voeren moeten de attributen gecorreleerd zijn. Verwacht wordt dat attributen die sterk met elkaar correleren, ook sterk correleren met dezelfde factor. Om de geschiktheid van het factormodel te bepalen wordt de

“Bartlett’s test of sphericity” uitgevoerd, waarmee de nulhypothese dat de attributen niet gecorreleerd zijn wordt getest. Wanneer deze significant is, kan de nulhypothese worden verworpen en mag een factoranalyse worden uitgevoerd. Ook een KMO-waarde hoger dan 0,5 geeft aan dat een factoranalyse geschikt is.

Wanneer bepaald is dat een factoranalyse geschikt is, moet de juiste techniek voor het analyseren van de data worden bepaald (Malhotra 1999: 591). De

“common factor analysis” is gebruikelijk wanneer het doel van het onderzoek identificatie van de onderliggende dimensies en de gemeenschappelijke variantie is. In dit onderzoek wordt de factoranalyse uitgevoerd om het minimum aantal factoren te bepalen, die staan voor de maximale variantie in de data, om deze te gebruiken voor vervolganalyse. Daarmee valt de keuze op de principale componenten analyse. Deze analysemethode heeft een aantal resultaten. Vooral de eigenwaarden van de factoren zijn van belang, omdat deze aangeven hoeveel van de variantie door de factoren wordt verklaard. Daarnaast geven de communaliteiten aan hoeveel variantie van een attribuut wordt verklaard door het aantal factoren (Malhotra 1999: 594). De minimale waarde van de communaliteit van een attribuut is 0,4. Wanneer een attribuut een lagere communaliteit heeft, mag deze niet in de factoranalyse meegenomen worden.

Vervolgens moet eerst bepaald worden hoeveel factoren worden meegenomen (Malhotra 1999: 593). Het aantal factoren kan vooraf worden bepaald door de onderzoeker op basis van kennis over het aantal te verwachten factoren of op basis van verschillende resultaten van de analysemethode. Van deze resultaten is het meest gebruikelijk te kijken naar de factoren waarvan de eigenwaarden groter zijn dan 1. Een eigenwaarde groter dan 1 betekent dat de factor meer variantie verklaart dan een enkel attribuut. Daarnaast kan het aantal factoren ook bepaald worden aan de hand van de volgende manieren:

- Het percentage van de verklaarde variantie. Bij deze methode worden factoren toegevoegd, totdat het cumulatieve percentage van de verklaarde variantie door de factoren een aanvaardbaar niveau heeft bereikt. Dit niveau ligt op minstens 60% van de variantie.

(8)

- Een “scree plot” van de eigenwaarden. Door de eigenwaarden uit te zetten tegen het aantal factoren ontstaan een lijn. Normaal heeft deze lijn een breekpunt en dit punt bepaald het aantal factoren dat wordt meegenomen.

Dit aantal ligt in het algemeen één tot enkele factoren hoger dan bepaald op basis van de eigenwaarden.

- Op basis van de kennis van de onderzoeker. Op basis van de theorie kan de onderzoeker op de hoogte zijn van het aantal te verwachten factoren.

- Door de “split half reliability”. De steekproef wordt in tweeën gedeeld en op elke helft wordt een factoranalyse uitgevoerd. Alleen de factoren met een hoge overeenkomst tussen de twee steekproeven worden gehouden.

- Een significantietest van de eigenwaarden. Alleen de factoren waarvan de afzonderlijke eigenwaarden statistisch significant zijn worden gehouden.

Nadeel van deze methode is dat bij steekproeven groter dan 200 veel factoren significant worden, terwijl veel daarvan slechts een klein deel van de totale variantie verklaren.

Voordat het uiteindelijke aantal factoren wordt bepaald moet eerst gekeken worden naar de factormatrix. In de factormatrix worden de correlaties tussen de factoren en de attributen weergegeven aan de hand van factorladingen (Malhotra 1999: 595). Doordat de factoren correleren met veel attributen resulteert de factormatrix zelden in interpreteerbare factoren. Dit wordt opgelost door de factormatrix te roteren. Door de rotatie krijgt elke factor een significante lading met slechts enkele attributen. Er zijn twee verschillende manieren van rotatie te onderscheiden. Bij de “oblique rotation” zijn de factoren aan elkaar gecorreleerd.

Deze manier wordt gebruikt als verwacht wordt dat de factoren in de populatie sterk correleren. In deze studie is echter gekozen voor de “othogonal rotation”, omdat deze resulteert in factoren die ongecorreleerd zijn aan elkaar, waardoor deze gemakkelijker te interpreteren zijn en geschikt om te gebruiken in vervolganalyses. De meest gebruikte manier om de “othogonal rotation” uit te voeren is de “varimax procedure”. Deze methode minimaliseert het aantal attributen met een hoge lading op een factor, waardoor de interpreteerbaarheid van de factoren verbetert.

De geroteerde factormatrix vormt vervolgens de basis voor de interpretatie van de factoren. Elke factor kan geïnterpreteerd en beschreven worden aan de hand van de attributen waarmee deze een hoge lading (>0,5) heeft (Malhotra 1999:

595). Om de gevonden factoren in vervolganalyses te gebruiken worden de factorscores voor elke respondent berekend. Factorscores worden berekend aan de hand van de gemiddelde scores op de aan de factor toegewezen attributen.

Deze scores worden in plaats van de originele attributen gebruikt in multivariate vervolganalyses.

De laatste stap bij de factoranalyse vormt de bepaling van de fit van het model.

De fit van het model wordt bepaald aan de hand van het verschillen tussen de geobserveerde en de gereproduceerde correlaties van de attributen, ook wel residuen genoemd. Wanneer er te veel grote (>0,05) residuen zijn past het factormodel niet goed bij de data en moet het model worden heroverwogen.

(Malhotra 1999: 597).

Betrouwbaarheid

De betrouwbaarheid van de meetschalen om de mening van de klanten over de motieven, het aanbod en de klantservice te achterhalen wordt getest aan de

(9)

hand van de interne consistentie van de meetschalen. Deze methode is geschikt voor het achterhalen van de betrouwbaarheid van meetschalen waarvan meerdere attributen samengevoegd worden tot een totale score (Malhotra 1999:

282). Omdat elk attribuut een aspect van de factor meet die door de totale schaal wordt gemeten, moeten de attributen consistent zijn in wat zij over de factor aangeven. De interne consistentie van de attributen wordt gemeten aan de hand van Cronbach’s Alpha.

Cronbach’s Alpha, of de alpha, varieert van 0 tot 1 en in het algemeen geeft een waarde hoger dan 0,6 aan dat de interne consistentie acceptabel is. In dit onderzoek bestaan de meetschalen uit verschillende groepen attributen die elk een andere dimensie van de totale factor meten. Omdat deze dimensies enigszins onafhankelijk zijn mag, wanneer meerdere attributen gebruikt worden om de dimensie te meten, de interne consistentie voor elke dimensie apart worden berekend.

Naast de alpha voor de gehele factor wordt ook per attribuut aangegeven wat die alpha wordt als het desbetreffende attribuut wordt verwijderd. Wanneer verwijdering van het attribuut een grote stijging van de alpha van de factor tot gevolg heeft, moet het desbetreffende attribuut uit de factor worden verwijderd en wordt het als alleenstaande factor in de verdere analyses worden meegenomen.

Regressieanalyse

Regressieanalyse is een techniek die wordt gebruikt om een lineair verband tussen een afhankelijke en één min of meer onafhankelijke variabelen te schatten (Huizingh 2002: 303). Net als bij de correlatieanalyse dienen deze variabelen metrisch te zijn. In tegenstelling tot de correlatieanalyse wordt bij de regressieanalyse een causaal verband verondersteld. De afhankelijke variabele wordt verklaard door de onafhankelijke variabele(n).

Het resultaat van een regressieanalyse is een regressievergelijking waarmee de afhankelijke variabele kan worden voorspeld op basis van de onafhankelijke variabele(n). Wanneer er meerder onafhankelijke variabele zijn, ziet de regressievergelijking er als volgt uit: Y = β0 + βnXn + ℮. Uitleg van de symbolen:

- Y = De afhankelijke variabele.

- Xn = De n^e onafhankelijke variabele.

- β0 = De constante regressiecoëfficiënt.

- βn = De n^e regressiecoëfficiënt die de helling van de regressielijn weergeeft.

- ℮ = De foutterm.

Voordat de regressieanalyse wordt uitgevoerd moet eerst de geschikte methode van regressieanalyse worden gekozen. Naast de standaardmethode, die één regressievergelijking berekent met alle opgegeven variabelen, zijn er nog vier andere varianten. Deze varianten dienen de voorkeur wanneer er veel variabelen zijn die van invloed kunnen zijn op de afhankelijke variabele, zoals in dit onderzoek het geval is. Deze varianten bepalen namelijk eerst aan de hand van een opname- of verwijdercriterium welke variabelen in de vergelijking worden opgenomen of verwijderd. Dit criteria zijn de F-toets of het bijbehorende overschrijdingsniveau, wat aangeeft of de variabele een significante verandering in de verklaarde variantie veroorzaakt. Van deze varianten wordt de methode

(10)

“stepwise” veel gebruikt, zo ook in dit onderzoek. Bij deze methode worden de variabelen zowel aan een opname- als aan een verwijdercriterium onderworpen.

Voorafgaand aan de uitvoer van de regressieanalyse geeft SPSS een overzicht van de correlaties tussen de opgegeven variabelen. De belangrijkste onderdelen van de uitvoer worden hieronder besproken. Als eerste wordt aangegeven welke variabelen op basis van de aangegeven criteria in het model zijn opgenomen en verwijderd. Als tweede wordt de kwaliteit van het model aangegeven. Het belangrijkste kengetal is hier de determinatiecoëfficiënt R², die weergeeft welk deel van de variantie van de afhankelijke variabele wordt verklaard door de onafhankelijke variabele(n). Een R²-waarde van 0 betekent dat er geen lineair verband is.

Het derde deel omvat de resultaten van de uitgevoerde variantieanalyse. De nulhypothese bij deze analyse gaat ervan uit dat de regressiecoëfficiënten, met uitzondering van de constante, gelijk zijn aan nul. De alternatieve hypothese stelt dat ten minste één van de regressiecoëfficiënten niet gelijk is aan nul. De totale variantie in de afhankelijke variabele wordt hier opgesplitst in een deel dat verklaard wordt door de onafhankelijke variabelen en een deel dat niet wordt verklaard, ofwel het residu. Om de hypothese te toetsen wordt een F-toets uitgevoerd. Wanneer de bij de F-waarde horende overschrijdingskans lager (hoger) is dan de gestelde α, dan wordt de nulhypothese verworpen (geaccepteerd), wat betekent dat er minimaal één (niet één) regressiecoëfficiënt significant verschilt van nul.

Het vierde deel van de resultaten geeft de geschatte regressievergelijking weer.

De regressiecoëfficiënten worden in de β-kolom aangegeven. Een + of – teken voor deze waarden geeft aan of er een positief of een negatief verband is tussen de afhankelijke en de onafhankelijke variabelen. Alleen wanneer alle regressiecoëfficiënten in dezelfde eenheden zijn gemeten, geven deze een indruk van het relatieve belang van de variabelen. Als dit niet het geval is moet, om de regressiecoëfficiënten met elkaar te kunnen vergelijken, gekeken worden naar de gestandaardiseerde regressiecoëfficiënten. Om te achterhalen of de invloed van de regressiecoëfficiënten significant is wordt een t-toets uitgevoerd. De nulhypothese gaat er vanuit dat de betreffende regressiecoëfficiënt gelijk is aan nul. De alternatieve hypothese stelt dat de regressiecoëfficiënten niet gelijk is aan nul. Wanneer de bij de t-waarde horende overschrijdingskans lager (hoger) is dan de gestelde α, dan wordt de nulhypothese verworpen (geaccepteerd), wat betekent dat er een (geen) significant lineair causaal verband is tussen de onafhankelijke en de afhankelijke variabele.

Om de geschiktheid van het regressiemodel te onderzoeken wordt bekeken of aan de volgende aannames is voldaan (Hair e.a. 1992: 38):

- Constante variantie: In een regressie moeten de varianties gelijk zijn (homoscedasticiteit). Of dit het geval is wordt achterhaald door de gestandaardiseerde residuen uiteen te zetten ten opzichte van de voorspelde waarden van Y in het zogenaamde “nullplot”. De punten in de figuur moeten een consistent patroon hebben.

- Lineariteit: Om de lineariteit tussen de afhankelijke en de onafhankelijke variabelen te bekijken wordt in eerste instantie ook naar het “nullplot”

gekeken. De residuen mogen in deze figuur geen lineair patroon hebben.

Om de lineariteit tussen elke onafhankelijke variabele en de afhankelijke

(11)

variabele te onderzoeken wordt gekeken naar de “partial regression plots”.

De residuen in deze “plots” moeten een lineair patroon volgen. Afhankelijk van de regressiecoëfficiënt loopt de lijn door de punten omhoog of omlaag.

- Onafhankelijkheid van de residuen: In een regressie wordt aangenomen dat elke voorspelde waarde onafhankelijk is. Of dit het geval is wordt onderzocht door te kijken naar het “nullplot”. De residuen zijn onafhankelijk als ze een random patroon hebben met een gelijke verdeling rond de nullijn.

- Normaliteit: In een regressie wordt uitgegaan van normaliteit van de variabelen. Normaliteit van de onafhankelijke variabelen kan worden achterhaald door te bekijken of het histogram van de residuen er uitziet als een normale verdeling. Ook kan worden gekeken of in het “normal probability plot” de residuen dicht bij de diagonaal liggen.

Als laatste wordt gekeken of er sprake is van multicollineariteit (Hair 1992: 47).

Bij de regressieanalyse wordt uitgegaan van onafhankelijkheid tussen de onafhankelijke variabelen. Als er sprake is van multicollineariteit is dit niet het geval, waardoor de resultaten worden verstoord. De mate van collineariteit wordt bekeken aan de hand van de tolerantie en de VIF-waarde, welke aangeven in welke mate de onafhankelijke variabele wordt verklaard door de andere onafhankelijke variabelen. Lage tolerantiewaarden (<0,1) en hoge VIF-waarden (>10) geven aan dat er sprake is van hoge collineariteit.

Clusteranalyse

Het doel van clusteranalyse is om de respondenten in relatief homogene groepen te classificeren, gebaseerd op de groep overwogen variabelen (Malhotra 1999:

610). Er wordt getracht het aantal de respondenten te reduceren door deze in een kleiner aantal clusters te groeperen. Het uitvoeren van een clusteranalyse omvat een aantal stappen, welke hieronder worden uitgewerkt.

De eerste stap is het selecteren van de variabelen waarop de clusters worden gebaseerd. In dit onderzoek gaat het om de verschillende motieven om te winkelen. Vervolgens moet een geschikte methode worden gekozen om de afstand tussen de respondenten te meten, die bepaalt hoe (on)gelijk de geclusterde respondenten zijn. De meest gebruikte meetmethode hiervoor is de

“euclidean distance”, welke daarom ook in dit onderzoek wordt gebruikt. De derde stap omvat de keuze van een clusterprocedure. Wanneer er een groot aantal respondenten zijn, zoals in dit onderzoek, gaat de voorkeur uit naar de hiërarchische methoden. Binnen deze methoden is gekozen voor de veelgebruikte Ward’s procedure, welke als een van de betere presteert. Bij deze procedure start elke respondent in een apart cluster en worden clusters gevormd door respondenten bij elkaar te brengen. Hierbij wordt getracht de variantie binnen de cluster te minimaliseren. Ward’s procedure doet dit aan de hand van de “euclidean distance”. Wanneer deze stappen zijn doorlopen kan de clusteranalyse worden uitgevoerd.

De resultaten van de clusteranalyse bestaan uit een aantal onderdelen die gebruikt worden om het aantal clusters te bepalen. De keuze van het aantal clusters hangt af van de afstand van de clustering, het aantal respondenten in de clusters en de interpreteerbaarheid van de clusteroplossing.

(12)

De afstand van de clustering wordt beoordeeld vanuit het agglomeratieschema, waarin gekeken wordt naar het punt wanneer de afstand tussen de clusters ineens veel groter wordt. Daarnaast wordt het dendogram gebruikt als hulpmiddel bij het bekijken van de afstand tussen de gecombineerde clusters.

Het “icicle plot” geeft inzicht het aantal respondenten per cluster en wordt gebruikt om te bekijken of de relatieve grootte van de clusters betekenisvol is.

Wanneer het aantal clusters en de verdeling van de respondenten over de clusters is bepaald, worden deze op basis van de gemiddelde scores op de variabelen geïnterpreteerd. Maar voordat dit gebeurt wordt eerst de validiteit van de clusteroplossing achterhaald. Dit gebeurt door de analyse nogmaals uit te voeren op beide helften van de random in tweeën gedeelde dataset en de resultaten van deze substeekproeven met elkaar te vergelijken. Daarnaast worden in dit onderzoek de gevonden clusters eerst geoptimaliseerd door de initiële resultaten van de hiërarchische methode als input te gebruiken in een niet-hiërarchische methode. De niet-hiërarchische methoden, ook wel “k-means”

methoden genoemd, maken gebruik van de vanuit de hiërarchische methode gevonden clustergemiddelden en selecteren alle respondenten binnen een bepaalde afstand van het gemiddelde. SPSS kent van de “k-means” methoden alleen de “parallel treshold” methode, welke dan ook in dit onderzoek wordt gebruikt. Bij deze methode worden de clustergemiddelden tegelijk geselecteerd en de respondenten binnen een bepaalde afstand worden toegewezen aan het dichtstbijzijnde gemiddelde. Het eindresultaat omvat de uiteindelijke gemiddelde scores van de cluster op de variabelen. De uiteindelijke toewijzing van de respondenten aan de verschillende clusters wordt als nieuwe variabele gebruikt om vervolganalyses uit te voeren.

(13)

BIJLAGE 5 UITVOER TOETSEN 5.1 Klantkenmerken

Chi-kwadraattoets verdeling over de geslachten

108 112,1 -4,1

175 170,9 4,1

283 Man

Vrouw Total

Observed N Expected N Residual

Test Statistics

,244 1 ,621 Chi-Square^a

df

Asymp. Sig.

Wat is je geslacht?

0 cells (,0%) have expected frequencies less than 5. The minimum expected cell frequency is 112,1.

a.

Chi-kwadraattoets verdeling over de woonplaatsen

89 86,9 2,1

153 159,3 -6,3

41 36,8 4,2

283 Heerde

Regio Anders Total

Observed N Expected N Residual

Test Statistics

,785 2 ,675 Chi-Square^a

df

Asymp. Sig.

Woonplaats

0 cells (,0%) have expected frequencies less than 5. The minimum expected cell frequency is 36,8.

a.

Gemiddelde leeftijd

283 47 12 59 27,23 ,57 9,608

283 Wat is je leeftijd?

Valid N (listwise)

Statistic Statistic Statistic Statistic Statistic Std. Error Statistic

N Range Minimu

m

Maximu m

Mean Std.

Deviati

(14)

Frequenties geslacht

108 38,2 38,2 38,2

175 61,8 61,8 100,0

283 100,0 100,0

Man Vrouw Total Valid

Frequency Percent Valid Percent

Cumulative Percent

Frequenties woonplaatsen

(15)

89 31,4 31,4 31,4

46 16,3 16,3 47,7

26 9,2 9,2 56,9

19 6,7 6,7 63,6

18 6,4 6,4 70,0

17 6,0 6,0 76,0

7 2,5 2,5 78,4

6 2,1 2,1 80,6

6 2,1 2,1 82,7

5 1,8 1,8 84,5

3 1,1 1,1 85,5

3 1,1 1,1 86,6

3 1,1 1,1 87,6

2 ,7 ,7 88,3

2 ,7 ,7 89,0

2 ,7 ,7 89,8

2 ,7 ,7 90,5

2 ,7 ,7 91,2

1 ,4 ,4 91,5

1 ,4 ,4 91,9

1 ,4 ,4 92,2

1 ,4 ,4 92,6

1 ,4 ,4 92,9

1 ,4 ,4 93,3

1 ,4 ,4 93,6

1 ,4 ,4 94,0

1 ,4 ,4 94,3

1 ,4 ,4 94,7

1 ,4 ,4 95,1

1 ,4 ,4 95,4

1 ,4 ,4 95,8

1 ,4 ,4 96,1

1 ,4 ,4 96,5

1 ,4 ,4 96,8

1 ,4 ,4 97,2

1 ,4 ,4 97,5

1 ,4 ,4 97,9

1 ,4 ,4 98,2

1 ,4 ,4 98,6

1 ,4 ,4 98,9

1 ,4 ,4 99,3

1 ,4 ,4 99,6

1 ,4 ,4 100,0

283 100,0 100,0

Heerde Epe Wapenveld Hattem Zwolle Wezep Oene Emst Vaassen Veessen Zalk Apeldoorn Olst Vorchten Enschede Oldebroek Utrecht Barendrecht Delft Rotterdam Haarlem Heerhugowaard Zutphen Diepenveen Elburg Welsum Sneek Twello Maastricht Oosterwolde Lelystad Den Haag Hulshorst Arnhem De Kwakel Kootwijkerbroek Schoonhoven Groningen Breda

Hattemerbroek Hoogerheide Lopikerkapel Pijnacker Totaal

Frequency Percent Valid Percent

Cumulative Percent

(16)

Gemiddeld aantal jaren klant

273 24,7 ,3 25,0 4,862 ,275 4,5376

273 Hoe lang ben je al

klant bij Dick & Co?

Valid N (listwise)

Statistic Statistic Statistic Statistic Statistic Std. Error Statistic

N Range Minimu

m

Maximu m

Mean Std.

Deviati

T-toets voor 2 onafhankelijke groepen geslacht en aantal jaren klant

Group Statistics

106 5,772 4,5724 ,4441

167 4,285 4,4328 ,3430

Wat is je geslacht?

Man Vrouw Hoe lang ben je al

klant bij Dick & Co?

N Mean Std. Deviation

Std. Error Mean

Independent Samples Test

1,702 ,193 2,668 271 ,008 1,487 ,5573

2,649 218,467 ,009 1,487 ,5612

Equal variances assumed Equal variances not assumed Hoe lang ben

je al klant bij Dick & Co?

F Sig.

Levene's Test for Equality of

Variances

t df

Sig.

(2-tailed)

Mean Difference

Std. Error Difference t-test for Equality of Means

(17)

(18)

5.2 Motieven om te winkelen Gemiddelden attributen

283 4,51 1,603 ,095

281 4,69 1,576 ,094

281 5,27 1,544 ,092

279 4,95 1,909 ,114

283 4,19 1,690 ,100

282 4,19 1,681 ,100

282 4,01 1,799 ,107

283 4,17 1,813 ,108

282 4,18 1,824 ,109

283 3,07 1,966 ,117

283 2,98 1,808 ,107

283 4,38 1,895 ,113

283 2,96 1,705 ,101

283 2,78 1,597 ,095

282 2,39 1,513 ,090

283 3,13 1,793 ,107

282 3,55 1,821 ,108

283 4,35 1,988 ,118

1. Ik winkel om de trends bij te houden 2. Ik winkel om de nieuwe mode bij te houden

3. Ik winkel om te zien welke nieuwe producten beschikbaar zijn 4. Ik winkel met mijn vrienden of familie voor de gezelligheid 5. Ik houd van de contacten met anderen als ik winkel 6. Winkelen met anderen schept een onderlinge band 7. Meestal ga ik winkelen als er uitverkoop is

8. Ik houd van het zoeken naar korting als ik winkel 9. Ik houd van het zoeken naar koopjes als ik winkel

10. Als ik in een sombere stemming ben, ga ik winkelen om mij beter te voelen

11. Voor mij is winkelen een manier om stress te verminderen 12. Ik ga winkelen als ik mijzelf op iets speciaals wil trakteren 13. Voor mij is winkelen een avontuur

14. Ik vind winkelen spannend

15. Tijdens het winkelen waan ik mij in mijn eigen wereld

16. Ik houd ervan te winkelen voor anderen, want als zij zich goed voelen voel ik mij ook goed

17. Ik houd ervan te winkelen voor vrienden en familie 18. Ik houd ervan te winkelen om het perfecte cadeau voor iemand te vinden

N Mean

Std.

Deviation

Std. Error Mean

Factoranalyse

KMO and Bartlett's Test

,826

3005,722 153 ,000 Kaiser-Meyer-Olkin Measure of Sampling

Adequacy.

Approx. Chi-Square df

Sig.

Bartlett's Test of Sphericity

(19)

Communalities

1,000 ,862

1,000 ,891

1,000 ,675

1,000 ,709

1,000 ,764

1,000 ,814

1,000 ,759

1,000 ,901

1,000 ,895

1,000 ,782

1,000 ,818

1,000 ,622

1,000 ,832

1,000 ,841

1,000 ,688

1,000 ,779

1,000 ,829

1,000 ,702

1. Ik winkel om de trends bij te houden 2. Ik winkel om de nieuwe mode bij te houden

17. Ik houd ervan te winkelen voor vrienden en familie

18. Ik houd ervan te winkelen om het perfecte cadeau voor iemand te vinden

Initial Extraction

Extraction Method: Principal Component Analysis.

(20)

Total Variance Explained

6,088 33,824 33,824 6,088 33,824 33,824 2,622 14,568 14,568

2,608 14,490 48,314 2,608 14,490 48,314 2,592 14,399 28,967

2,148 11,933 60,247 2,148 11,933 60,247 2,395 13,306 42,273

1,281 7,117 67,364 1,281 7,117 67,364 2,350 13,054 55,327

1,070 5,946 73,310 1,070 5,946 73,310 2,137 11,870 67,197

,968 5,380 78,689 ,968 5,380 78,689 2,069 11,492 78,689

,563 3,127 81,816

,493 2,738 84,553

,469 2,607 87,160

,412 2,291 89,451

,391 2,170 91,621

,337 1,874 93,494

,328 1,824 95,318

,246 1,367 96,686

,201 1,117 97,803

,162 ,901 98,704

,142 ,786 99,490

,092 ,510 100,000

Component 1

2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

Total

% of Variance

Cumulative

% Total

% of Variance

Cumulative

% Total

% of Variance

Cumulative

% Initial Eigenvalues

Extraction Sums of Squared Loadings

Rotation Sums of Squared Loadings

Scree Plot

Component Number

18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1

Eigenvalue

7

6

5

4

3

2

1

0

(21)

Rotated Component Matrix^a

-,023 ,208 ,894 ,014 ,028 ,137 -,060 ,147 ,911 ,124 ,027 ,140 ,100 -,119 ,712 ,133 ,295 ,199 ,150 -,111 ,360 ,226 ,306 ,632 ,084 ,108 ,152 ,215 ,085 ,818 ,070 ,196 ,130 ,095 ,028 ,863 ,862 ,025 ,025 ,044 ,022 ,112 ,944 ,036 ,017 ,054 ,026 ,062 ,941 -,001 -,032 ,083 ,018 ,045 ,030 ,299 ,138 ,177 ,800 ,027 -,050 ,385 ,118 ,091 ,792 ,134 ,087 ,103 ,062 ,375 ,661 ,148 ,045 ,834 ,106 ,201 ,233 ,167 ,098 ,854 ,079 ,192 ,233 ,071 -,060 ,754 ,067 ,281 ,178 ,037 -,022 ,361 ,069 ,775 ,180 ,106 ,135 ,228 ,090 ,820 ,197 ,196 ,098 ,156 ,127 ,767 ,169 ,186 1. Ik winkel om de trends bij te houden

2. Ik winkel om de nieuwe mode bij te houden

17. Ik houd ervan te winkelen voor vrienden en familie

18. Ik houd ervan te winkelen om het perfecte cadeau voor iemand te vinden

1 2 3 4 5 6

Component

Rotation Method: Varimax with Kaiser Normalization.

Rotation converged in 6 iterations.

a.

(22)

Interne consistentie

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Item-total Statistics

Reproduced Correlations -,025-,139-,021,020,003,001,00,012,029,013,033-,012-,032-,04,004,016,006 -,025-,096-,035,015,017,002,006,013,017,018,030-,017-,031-,01,001,010-,015 -,139-,096-,030-,016,009-,008,00-,026-,07-,035-,030,029,065,055,004-,019-,015 -,021-,035-,030-,112-,08-,007-,02,004-,03-,037-,046,025,053,049,00-,032,000 ,020,015-,016-,112-,141-,008,021-,001,037,008-,007,001-,022-,01-,01-,012,010 ,003,017,009-,078-,141-,001,005,009,025,009,013-,045-,025,001,025,031-,021 ,001,002-,008-,007-,008,00-,101-,109,00,028-,018-,030-,010,016,027,013-,019 ,000,006-,002-,023,021,005-,101-,001,024-,002-,014,008-,026,00,007-,001-,002 ,012,013-,026,004-,001,009-,109,00,00,005,015-,007-,004,006,00-,012,005 ,029,017-,071-,034,037,025-,004,024-,005-,047-,154-,037-,046-,01,017,037,003 ,013,018-,035-,037,008,009,028,00,005-,05-,123-,039-,025-,04,036,022,029 ,033,030-,030-,046-,007,013-,018-,01,015-,154-,123,048,014,023-,05-,046-,042 -,012-,017,029,025,001-,04-,030,008-,007-,04-,039,048-,008-,115-,01-,003,005 -,032-,031,065,053-,022-,02-,010-,03-,004-,05-,025,014-,008-,09-,02-,018,035 -,044-,008,055,049-,013,001,016,00,006-,01-,038,023-,115-,088-,05-,033-,003 ,004,001,004,000-,009,025,027,007-,002,017,036-,053-,015-,023-,05-,024-,155 ,016,010-,019-,032-,012,031,013,00-,012,037,022-,046-,003-,018-,03-,02-,120 ,006-,015-,015,000,010-,02-,019,00,005,003,029-,042,005,035,00-,155-,120

1 2 3 4 5 6 7 8 9 1 0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8

R e s i d u a la

123456789101112131415161718 Extraction Method: Principal Component Analysis. Residuals are computed between observed and reproduced correlations. There are 18 (11,0%) nonredundant residuals with absolute values greater than 0.05.

a.

(23)

Scale Scale Corrected

Mean Variance Item- Alpha if Item if Item Total if Item Deleted Deleted Correlation Deleted

MOTIEF1 9,9785 7,7046 ,7622 ,7341 MOTIEF2 9,7849 7,4860 ,8204 ,6753 MOTIEF3 9,1971 9,3531 ,5680 ,9133

Reliability Coefficients

N of Cases = 279,0 N of Items = 3

Alpha = ,8452

MOTIEF4 8,4014 9,3203 ,5879 ,7823 MOTIEF5 9,1577 9,8096 ,6715 ,6863 MOTIEF6 9,1434 10,0081 ,6625 ,6969

Alpha = ,7946

MOTIEF7 8,3630 12,4249 ,7403 ,9460 MOTIEF8 8,1886 11,1750 ,8783 ,8335 MOTIEF9 8,1744 11,1588 ,8675 ,8424

Alpha = ,9142

(24)

Alpha = ,7913

Alpha = ,8738

Alpha = ,8410

(25)

T-toets voor 1 steekproef motieven One-Sample Statistics

281 4,1210 1,66654 ,09942

282 2,7104 1,43753 ,08560

279 4,8268 1,37780 ,08249

282 3,6761 1,62933 ,09703

283 3,4759 1,58813 ,09440

279 4,4504 1,48394 ,08884

Motief 1: Waarde Motief 2: Avontuur Motief 3: Idee Motief 4: Rol Motief 5: Beloning Motief 6: Sociaal

N Mean Std. Deviation

Std. Error Mean

One-Sample Test

1,217 280 ,225 ,1210

-15,065 281 ,000 -1,2896

10,023 278 ,000 ,8268

-3,338 281 ,001 -,3239

-5,552 282 ,000 -,5241

5,070 278 ,000 ,4504

Motief 1: Waarde Motief 2: Avontuur Motief 3: Idee Motief 4: Rol Motief 5: Beloning Motief 6: Sociaal

t df Sig. (2-tailed)

Mean Difference Test Value = 4

T-toets voor 2 onafhankelijke groepen motieven en geslacht