---
Sociale of asociale media?
Een onderzoek naar de taalgebruikskenmerken van
word-of-mouth op Twitter
Auteur: Despina Eliza Charalabidis Studentnummer: 1731475
E-mailadres: despinacharalabidis@hotmail.com Plaats: Leeuwarden
Onderdeel: Masterscriptie
Studie: Communicatie- en Informatiewetenschappen Rijksuniversiteit Groningen
Begeleidend docent: L.M. Bosveld – de Smet
III
Samenvatting
Mond-tot-mond reclame (ook wel word-of-mouth) bestaat al sinds mensenheugenis, maar heeft sinds de komst van het Internet en Sociale Media een enorm groot bereik gekregen. Zowel negatieve als positieve berichten waarin gepraat wordt over merken, organisaties, producten en services verspreiden zich in een razendsnel tempo via de microbloggingservice Twitter. In dit onderzoek worden dit soort berichten op hun talige karakteristieken onderzocht. Daarmee wordt gepoogd te achterhalen welke bedoelingen men heeft met het plaatsen van dit soort uitingen.
Het plaatsen van berichten op Twitter met daarin word-of-mouth (vanaf nu: WOM-tweets) is een vorm van Computer-Mediated Communication (CMC): communicatie die plaatsvindt tussen mensen met behulp van een computer of een ander apparaat. Computer-Mediated Discourse, de teksten die geplaatst worden in CMC, kunnen onderzocht worden met behulp van de Computer-Mediated Discourse Analysis (CMDA) van Herring (2004). Binnen CMDA kunnen verschillende theorieën en methoden gebruikt worden om taaluitingen te onderzoeken. Het onderzoek gedaan in deze scriptie maakt gebruikt van drie verschillende analyses om de kenmerken van WOM-tweets te achterhalen. De eerste analyse richt zich op de interactieve kenmerken van een tweet en bestudeert het gebruik van het apenstaartje, de hashtag en hyperlinks. Het doel daarvan is te achterhalen in welke mate een tweet gericht is op uitwisseling. Vervolgens wordt in een tweede analyse de attitude nader onderzocht met behulp van de Appraisal Theory. De Appraisal Theory is een tekstanalytische methode die bestudeert welke attitude er zich in een taaluiting bevindt. Daarnaast wordt uitgezocht hoe deze geuit wordt. Wordt de attitude versterkt of afgezwakt? En hoe sterk is men verbonden met zijn of haar eigen uitspraak? Ook de laatste analyse waaraan de tweets onderworpen worden is een tekstanalytische methode. Door, met behulp van de taalhandelingstheorie, de taalhandelingen in een tweet te achterhalen wordt getracht vast te stellen welke bedoelingen men heeft met het plaatsen van de WOM-tweets. De resultaten van de drie analyses worden vervolgens aan elkaar gekoppeld met behulp van het CMC-Competence Model van Spitzberg (2006). Er wordt in het bijzonder gekeken naar de interpersonal skills, de vaardigheden die men zou moeten bezitten om communicatie in een CMC-omgeving succesvol te laten verlopen. Tot slot worden in de conclusie de resultaten in relatie gebracht met het onderzoek van Hennig-Thurau et al. (2004) naar motieven om eWOM te uiten. De onderzoeksvraag die centraal staat in deze scriptie is:
Wat zijn de taalgebruikskenmerken van WOM-tweets, en wat onthullen deze over de bedoelingen die mensen hebben met het plaatsen van deze tweets?
IV twee websites waar automatisch tweets worden verzameld, waarin (negatief of positief) wordt gepraat over merken, organisaties, producten of services. Op 15 verschillende dagen zijn op verschillende tijdstippen tweets opgeslagen. Vervolgens zijn per moment waarop de tweets verzameld zijn, de eerste vijftien bruikbare geselecteerd. Bij de positieve tweets bleek het niet altijd mogelijk te zijn 15 tweets te verzamelen. Deze subset komt daarom uit op een totaal van 218, in plaats van de beoogde 225 tweets. De negatieve subset bevat wel 225 tweets. Op kwalitatieve wijze zijn de tweets vervolgens bestudeerd en gecodeerd. Door de tweets op kwantitatieve wijze te ordenen is het vervolgens mogelijk vast te stellen hoe vaak een bepaald fenomeen (zoals een apenstaartje of een taalhandeling) voorkomt in een tweet. Bovendien is het mogelijk combinaties te bestuderen en daardoor patronen vast te stellen. De resultaten worden daarna op kwalitatieve wijze geïnterpreteerd en beschreven.
In de resultaten zijn zowel overeenkomsten als verschillen te zien in de positieve en de negatieve tweets. Allereerst zijn er een aantal algemene talige kenmerken van WOM-tweets vast te stellen. Zo zijn de uitingen in de berichten kort, vaak elliptisch en bevatten ze veel spelfouten en afkortingen. Uitingen worden veelal versterkt en bevatten veel scheldwoorden. Veel tweets zijn daarnaast ambigu en dubbelzinnig, en daardoor lastig te interpreteren en te karakteriseren.
Over het algemeen kan gesteld worden dat Twitter geen medium is waar interactie plaatsvindt over eWOM. De eWOM-uitingen die geplaatst worden, zijn vooral gericht op de gebruiker zelf. Er wordt geen poging gedaan om echt te communiceren, en dus om communicatie succesvol te laten verlopen. Wanneer de tweets bestudeerd worden aan de hand van de interpersonal skills van Spitzberg (2006) is er een grote mate van self-promotion aanwezig. In de meeste negatieve tweets wordt er geklaagd over het uitblijven van gedrag van een organisatie. Tegelijkertijd worden in deze tweets gevoelens geuit, die zich uitdrukken in gevoelens die betrekking hebben op de zender zelf, zoals frustratie (ontevredenheid) of verdriet (ongeluk). Vaak gaat dit gepaard met scheldwoorden of andere tekenen van expressiveness, zoals uitroeptekens of hoofdlettergebruik. De mate waarin aandacht besteed wordt aan de ander in de communicatie (other-orientation) is erg klein. In de positieve tweets besteedt men iets vaker aandacht aan de ander dan in de negatieve tweets. Ook is de mate van coordination hier iets groter. Apenstaartjes, hashtags en hyperlinks komen vaker voor in positieve WOM-tweets. De mate van self-promotion is echter over het algemeen nog steeds erg groot.
Ook uit de resultaten van de taalhandelingsanalyse blijkt dat de tweets vooral georiënteerd zijn op de gebruiker zelf. Men heeft met de meeste tweets niet de intentie de lezer in actie te krijgen. In de WOM-tweets worden vooral stellingen en meningen geplaatst. Het lijkt er dus op dat de schrijver vooral zijn (eventuele) publiek wil laten zien hoe hij over iets denkt, en daarmee deze personen wil overtuigen. In de bedoelingen die men heeft voor het uiten van WOM-tweets zijn vooral overeenkomsten aanwezig.
VI
Voorwoord
Tijdens mijn opleiding, die vooral gericht is op taal, merkte ik dat ik de behoefte had de link te leggen met het bedrijfsleven. Dit deed ik in de eerste plaats door vakken te volgen aan de faculteit van Economie- en Bedrijfskunde. Hierdoor kwam ik in aanraking met het fenomeen word-of-mouth. Ineens begon ik het overal om me heen te zien. Vooral op Sociale Media trok het mijn aandacht. Soms zag ik dat mensen berichten over een organisatie plaatsten op Facebook of Twitter, maar ik kon niet goed achterhalen wat ze hier nu eigenlijk mee wilden bereiken. Ik besloot mijn kennis die ik had opgedaan tijdens mijn studie communicatie- en informatiewetenschappen te gebruiken om dit verschijnsel te bestuderen. De scriptie die voor u ligt is daarvan het resultaat.
Het schrijven van mijn scriptie is een drukke, soms stressvolle tijd geweest waarin ik erg veel geleerd heb. Veel mensen hebben mij bijgestaan in deze periode. Bij deze wil ik mijn begeleider, Leonie Bosveld - de Smet bedanken voor haar prettige begeleiding. Altijd was ik welkom bij haar. Niet alleen om zaken omtrent mijn afstudeeronderzoek te bespreken, maar ook voor andere adviezen en interessante gesprekken. Dit heeft me veel plezier opgeleverd tijdens het schrijven van mijn scriptie.
Daarnaast wil ik mijn familie bedanken dat zij altijd voor me klaar staan en me altijd hebben gesteund tijdens mijn opleiding. Mamma en papa, Alexia en Moetske: zonder jullie had ik het niet gekund.
Tot slot wil ik al mijn lieve vrienden bedanken voor het geduld dat ze met me hebben gehad. Altijd hebben ze begrip getoond wanneer ik weer eens niet bij een afspraak kon wezen omdat ik wilde werken aan mijn scriptie. Gelukkig zijn er genoeg momenten geweest dat zij hebben gezorgd voor afleiding en de nodige gezelligheid. Ik weet zeker dat er nog genoeg momenten zullen volgen.
Ik wil u veel plezier wensen tijdens het lezen van mijn scriptie,
VII
Inhoudsopgave
SAMENVATTING ... III VOORWOORD ... VI 1. INLEIDING... 1 1.1AANLEIDING ... 11.2PROBLEEMSTELLING &ONDERZOEKSVRAAG ... 1
1.3RELEVANTIE ... 3
1.4OPBOUW VAN HET ONDERZOEK ... 3
1.5LEESWIJZER ... 4
2. THEORETISCH KADER ... 5
2.1COMPUTER-GEMEDIEERDE COMMUNICATIE ... 6
2.1.1CMC EN CMD ... 6
2.1.2CMC-COMPETENCE MODEL ... 7
2.1.3COMPUTER MEDIATED DISCOURSE ANALYSIS ... 8
2.2SOCIALE MEDIA ... 9 2.2.1MICROBLOGGING EN TWITTER ... 9 2.2.2TWITTER ... 10 2.2.3HOE WERKT TWITTER? ... 10 2.2.3.1 Adresseren en vermelden ... 11 2.2.3.2 Retweets ... 11 2.2.3.3 Privéberichten ... 12 2.2.3.4 Hashtags en Hyperlinks ... 12 2.3WORD-OF-MOUTH ... 15
2.3.1TRADITIONELE WORD-OF-MOUTH ... 15
2.3.2ELECTRONIC WORD-OF-MOUTH (EWOM) ... 15
2.3.3SOCIALE MEDIA EN EWOM ... 16
2.3.4MICROBLOGGING EN EWOM ... 16
2.3.4.1 Onderzoek naar Microblogging en eWOM ... 17
2.3.4.2 Onderzoek naar Twitter en eWOM ... 17
2.3.4.3 Motieven om eWOM te uiten ... 18
2.4ANALYSEMETHODEN VOOR WOM-TWEETS ... 19
2.4.1APPRAISAL-ANALYSE ... 20 2.4.1.2 Attitude ... 21 2.4.1.2.1 Affect ... 21 2.4.1.2.2 Affect herkennen ... 21 2.4.1.2.3 Judgements ... 22 2.4.1.2.4 Judgements herkennen ... 23 2.4.1.2.5 Appreciation... 23 2.4.1.2.6 Appreciations herkennen ... 23
2.4.1.2.7 Appreciation, Judgement of Affect? ... 24
2.4.1.3 Engagement ... 24
2.4.1.4 Graduatie... 24
2.4.2TAALHANDELINGSANALYSE ... 25
VIII
2.4.2.2 Taalhandelingen ... 26
2.4.2.3 Indirecte taalhandelingen ... 27
2.4.2.4 Taalhandelingen herkennen ... 27
2.4.2.5. Taalhandelingen in dit onderzoek ... 28
2.4.2.6 Taalhandelingen en Twitter ... 29
2.5SAMENVATTING THEORETISCH KADER ... 30
3. METHODE ... 32 3.1ONDERZOEKSVRAAG EN DEELVRAGEN ... 33 3.2ONDERZOEKSDOELEN ... 33 3.3ANALYSEMETHODE ... 34 3.4DATAVERZAMELING ... 34 3.5ANALYSES ... 35 3.5.1UITWISSELINGSANALYSE ... 36 3.5.2APPRAISAL-ANALYSE ... 37 3.5.2.1 Operationalisatie ... 38 3.5.2.2 Werkwijze ... 39 3.5.3TAALHANDELINGSANALYSE ... 39 3.5.3.1 Operationalisatie ... 40 3.5.3.2 Werkwijze ... 41 3.6TERUGKOPPELING THEORIE ... 42 3.7BETROUWBAARHEID ... 42 4. RESULTATEN ... 44 4.1INLEIDING ... 44 4.2UITWISSELINGSANALYSE ... 44 4.2.1APENSTAARTJE ... 45 4.2.1.1 Gebruik apenstaartje ... 45
4.2.1.2 Gebruik apenstaartje in combinatie met # en hyperlinks ... 46
4.2.2HASHTAG ... 47
4.2.3HYPERLINKS ... 49
4.2.4SAMENVATTING UITWISSELINGSANALYSE ... 50
4.3APPRAISAL THEORY ... 51
4.3.1ATTITUDE ... 51
4.3.1.1 Attitudes in gehele dataset ... 52
IX 4.3.6.3 Samenvattend ... 67 4.4TAALHANDELINGSANALYSE ... 67 4.4.1DIRECTIEVEN ... 69 4.4.2EXPRESSIEVEN ... 71 4.4.3INFORMATIEVEN ... 73 4.4.4PERSUASIEVEN ... 75 4.4.5OVERIGE TAALHANDELINGEN ... 76 4.4.6SAMENVATTEND ... 76
4.5VERGELIJKING RESULTATEN MET INTERPERSONAL SKILLS ... 78
5. CONCLUSIE ... 81 5.1UITWISSELINGSANALYSE ... 81 5.2APPRAISAL-ANALYSE ... 82 5.3TAALHANDELINGSANALYSE ... 84 5.4ALGEMENE CONCLUSIES... 84 5.5 ANTWOORD OP DE ONDERZOEKSVRAAG ... 86
5.6 AANBEVELINGEN VOOR ORGANISATIES ... 88
5.7VERGELIJKING MET EERDER ONDERZOEK ... 89
6. DISCUSSIE ... 90
6.1EVALUATIE ... 90
6.2VERVOLGONDERZOEK ... 90
REFERENTIES ... 92
LIJST VAN FIGUREN EN TABELLEN ... 97
BIJLAGE I: ANALYSE VAN UITWISSELINGSMOGELIJKHEDEN ... 100
BIJLAGE II: APPRAISAL-ANALYSE ... 102
BIJLAGE III: TAALHANDELINGSANALYSE ... 106
1
1. Inleiding
1.1 AanleidingOp 4 november 2011, de dag voor het 85-jarige bestaan van de HEMA, werd de website van de keten zo druk bezocht dat deze nauwelijks meer bereikbaar was. Het bedrijf had ‘per ongeluk’ een gratis taart in de webshop geplaatst. De bosvruchtentaart kostte eigenlijk vier euro, maar door een fout stond hij nu afgeprijsd op de site voor ‘slechts’ nul euro. Op internet ging de fikse afprijzing snel de wereld in. Het bericht werd op Twitter geplaatst en al snel werd het door honderden mensen doorgestuurd. Er werden uiteindelijk miljoenen taarten besteld. De volgende dag werd in allerlei kranten, TV- en radioprogramma’s gesproken over de ‘fout’, én over hoe HEMA het opgelost had: iedereen die taart besteld had op de website, zou er namelijk één gratis krijgen. Heel Nederland sprak vol lof over de HEMA, en zo bleek de kleine fout te zorgen voor een gigantische hoeveelheid (goedkope) positieve aandacht, en dat precies op de dag van HEMA’s verjaardag.
Het voorbeeld van de HEMA kan gezien worden als positieve mond-tot-mond reclame via het Internet (ook wel electronic word-of-mouth of eWOM). Maar naast de voordelen van het Internet, kan dit medium ook heel gemakkelijk zorgen voor het razendsnel verspreiden van negatieve berichten. Een voorbeeld is de ‘Twitteroorlog’ tussen cabaretier Youp van ’t Hek en T-mobile die bij iedereen wel bekend is. Alle pogingen van Youp en zijn zoon om de klantenservice van T-mobile te bereiken leken te mislukken. Lange wachttijden en valse beloftes zorgden ervoor dat hij uit frustratie een bericht op Twitter plaatste: “de terreur van t-mobile is grappig. Bij iedere fout melden ze sorry en verwijzen je naar de klantenservice. Wachttijd 4 uur..”. De ‘Twitteroorlog’ barstte los. Volgers bleven maar retweeten (meer dan 45.000 keer), het bericht verspreidde zich razendsnel over het hele internet. Na het Internet waren ook de traditionele media aan de beurt. Youp schreef een column in het NRC, het bericht verscheen in nieuwsprogramma’s, radioprogramma’s en Van ’t Hek werd uitgenodigd in programma’s als De Wereld Draait Door en Pauw & Witteman. Alle ogen in Nederland waren op T-mobile gericht. Uiteindelijk gaf T-T-mobile toe: er waren fouten gemaakt en ja, er moest iets drastisch veranderen. Maar het mocht al niet meer baten. De reputatieschade was op dat moment al opgelopen tot in de tonnen (Buzzcapture, 2010).
1.2 Probleemstelling & Onderzoeksvraag
2 Uit onderzoek blijkt dat we een slechte ervaring aan ongeveer tien mensen verder vertellen, terwijl we een goede ervaring slechts vertellen aan vier of vijf mensen (Hoyer & MacInnis, 2008). De komst van het Internet en Sociale Media, zoals Twitter, Facebook, Foursquare en Instagram, hebben hier echter grote verandering in gebracht. Via Sociale Media hebben gebruikers de mogelijkheid hun mening digitaal en publiekelijk te delen met anderen, waar (in de supermarkt, op de sportschool, in de auto) of wanneer dan ook. De ‘anderen’ waarmee de berichten gedeeld worden zijn in dat geval niet vijf of tien personen, maar honderden of zoals in het voorbeeld van Youp of de HEMA, zelfs duizenden. Mond-tot-mond reclame heeft zich verplaatst naar het Internet en heeft de consument mondiger en daarmee machtiger gemaakt. Met de mogelijkheid elke klacht te verspreiden naar een zo groot mogelijk publiek, is de macht verschoven van de organisatie naar de consument.
Maar gaat het ook echt om macht wanneer gebruikers deze berichten online plaatsen? Na het voorval met T-mobile en Youp zijn veel organisaties gestart met het monitoren van berichten op Sociale Media. Op dit moment zijn 88% van de bekende winkelketens online te vinden (Molblog, 2012). Op Twitter, de microbloggingservice die centraal staat in dit onderzoek, lijken bedrijven de dialoog aan te willen gaan met consumenten. Er worden officiële webcare-accounts opgericht waar consumenten zich aan kunnen richten met hun klachten en problemen. Toch worden twitterberichten vaak niet gericht aan deze officiële accounts. Er wordt geklaagd over organisaties, producten, merken en services, zonder dat deze er weet van hebben. De berichten komen onder ogen van (vele) volgers, maar hulp kan lastig geboden worden als ze de organisatie niet bereiken. De vraag is dan waarom gebruikers ze toch online plaatsen. Willen ze wel iets bereiken bij de organisatie? Of willen ze enkel hun ervaringen delen met anderen?
Daarnaast is een interessante verschijning het plaatsen van positieve WOM-berichten op Twitter. Soms worden marketinguitingen van organisaties doorgestuurd, reclames gepost of gewoonweg positieve ervaringen geplaatst. Maar waarom gebeurt dit? Zitten er voordelen aan voor de gebruiker om dit soort berichten te plaatsen? Wil men ervaringen delen? Of wil men misschien adviezen geven en producten aanraden aan zijn of haar netwerk?
3 Eerder onderzoek naar word- of-mouth (Hennig-Thurau et al, 2004, Jansen et al., 2009, Richins, 1983) heeft zich vooral gericht op de persoon en zijn motieven om WOM te verspreiden. Onderzoeken naar eWOM richten zich op fora, en zijn experimenten waar deelnemers expliciet wordt gevraagd naar de motieven die zij hebben om deel te nemen aan mond-tot-mond reclame. Nadeel daarvan is dat mensen vaak niet goed in staat zijn achteraf te vertellen waarom zij nu eigenlijk iets gedaan hebben. De taaluitingen die mensen doen kunnen hier een uitkomst in bieden. Ook in buitenlandse onderzoeken naar microbloggingservices en WOM wordt er nauwelijks gekeken naar de functie die taal heeft in het achterhalen van bedoelingen of intenties van mensen, terwijl het gebruik van taal veel kan verklaren over de gebruiker en de bedoeling die hij heeft met zijn taaluitingen. In dit onderzoek worden daarom met behulp van tekstanalytische methodes de berichten op het online platform Twitter bestudeerd. Daarmee wordt een antwoord getracht te geven op de volgende onderzoeksvraag:
Wat zijn de taalgebruikskenmerken van WOM-tweets, en wat onthullen deze over de bedoelingen die mensen hebben met het plaatsen van deze tweets?
1.3 Relevantie
Eerder tekstanalytisch onderzoek dat bestudeert hoe men word-of-mouth uit op het Sociale Media Platform Twitter is tot noch toe niet te vinden. Een eerste doel van het onderzoek is daarom het bijdragen aan de huidige theorie die beschikbaar is over Sociale Media. Daarnaast kunnen de resultaten van het onderzoek praktisch zijn voor organisaties en bedrijven. Inzicht in hoe en waarom men WOM-tweets plaatst, kan organisaties allereerst kennis bieden over het onderwerp waarover geklaagd wordt of positief gepraat wordt. Daarnaast kan deze informatie organisaties handvatten aanreiken om adequaat antwoorden te formuleren op vragen en klachten.
1.4 Opbouw van het onderzoek
4 onderzocht of deze versterkt of afgezwakt wordt, en hoe overtuigd men is van zijn eigen attitude. Vervolgens wordt aan de hand van de taalhandelingstheorie van Austin (1962) en Searle (1969) geprobeerd te achterhalen welke bedoelingen men heeft met het plaatsen van de tweets. Tot slot zullen de resultaten van de analyses samengevoegd worden met behulp van het CMC-competence Model van Spitzberg (2006). Het model van Spitzberg (2006) is speciaal ontwikkeld om gedrag in computergemedieerde discourse (CMC) te verklaren, en vast te stellen hoe succesvol deze communicatie verloopt. CMC zal gedurende dit onderzoek voortdurend op de achtergrond aanwezig zijn. Het plaatsen van de tweets gebeurt namelijk via een computer of een telefoon. Dit is een belangrijk aspect van de interactie omdat deze daardoor op een andere manier verloopt dan de traditionele Face-to-Face communicatie.
1.5 Leeswijzer
Om tot een antwoord op de onderzoeksvraag te komen wordt in dit verslag eerst een theoretisch kader geschetst waarmee de WOM-tweets beschreven en geanalyseerd kunnen worden. Hierin worden begrippen als social media, microblogging en word-of-mouth toegelicht. Vervolgens wordt er een beschrijving gegeven van de theorieën die centraal staan in dit onderzoek: de Appraisal Theory en de Taalhandelingstheorie. In het volgende hoofdstuk, de Methode, wordt beschreven hoe de data verzameld worden en hoe de analyses uitgevoerd zullen worden. Vervolgens worden in hoofdstuk 4 de belangrijkste resultaten daarvan weergegeven. Per analyse worden de resultaten afzonderlijk beschreven. Er wordt daarbij constant een vergelijking gemaakt tussen positieve en negatieve WOM-tweets. Vervolgens worden de drie analyses samengevoegd met behulp van het CMC-Competence Model van Spitzberg (2006). In de Conclusie zullen een aantal motieven besproken worden die men zou kunnen hebben voor het uiten van WOM op Twitter. Ten slotte worden in de Discussie mogelijkheden besproken voor verder onderzoek, en de beperkingen beschreven die het huidige onderzoek ondervindt.
5
2. Theoretisch kader
Om een antwoord te geven op de vraag wat de taalgebruikskarakteristieken zijn van tweets waarin word-of-mouth plaatsvindt en met welke bedoelingen deze geplaatst worden, wordt er in dit hoofdstuk een kader geschetst waarbinnen de tweets beschreven en geanalyseerd kunnen worden. Het uiten van mond-tot-mond reclame kan bestudeerd worden vanuit verschillende wetenschapsgebieden. In dit hoofdstuk wordt geprobeerd deze gebieden samen te brengen om uiteindelijk een zo compleet mogelijk beeld te kunnen schetsen van de WOM-tweets. Het plaatsen van deze tweets is een vorm van Computer-Mediated Communication (CMC). Dit is een vorm van communicatie die in plaats van de traditionele communicatie niet Face-to-Face verloopt maar via een computer of een ander apparaat. Dit zorgt ervoor dat de manier van communiceren die centraal staat in dit onderzoek een aantal karakteristieke kenmerken heeft. Deze zullen in de eerste paragraaf besproken worden. Begrippen als Computer-Mediated Discourse (CMD) en Computer-Mediated Discourse Analysis (CMDA) worden hierbij toegelicht. CMDA is de benadering die Herring (2004) voorstelt om gedrag in CMC te kunnen bestuderen. Binnen CMDA kunnen verschillende theorieën en methoden gebruikt worden om uitingen te onderzoeken. Voordat de theorieën besproken worden zal echter eerst de omgeving gedefinieerd worden waarbinnen de berichten geplaatst worden. Sociale Media zijn een relatief nieuwe vorm van CMC. Er wordt daarom eerst uitgelegd wat dit begrip inhoudt, wat microblogging is en hoe Twitter in zijn werk gaat. Er wordt beschreven welke mogelijkheden en acties men kan uitvoeren op dit specifieke Sociale Media platform. Dit is belangrijk omdat aan de hand van deze kennis de algemene karakteristieken van WOM-tweets vastgesteld kunnen worden. Vervolgens zal er een licht geworpen worden op het plaatsen van WOM-berichten vanuit een sociaal perspectief. Wat is word-of-mouth eigenlijk? Wat is het verschil met de elektronische vorm, eWOM? En welke motieven heeft men om dit soort communicatie te uiten?
6 2.1 Computer-gemedieerde Communicatie
Het uiten van mond-tot-mond reclame op het Internet is een vorm van computer-gemedieerde communicatie (CMC). Om de overige theorie goed te kunnen interpreteren wordt er daarom nu eerst een uitleg gegeven van deze vorm van communicatie en de mogelijkheden die men heeft om CMC te onderzoeken.
2.1.1 CMC en CMD
Door de komst van de computer en het Internet zijn er steeds meer verschillende mogelijkheden om te communiceren ontstaan. Waar vroeger een brief werd verstuurd of een telefoontje gepleegd sturen we nu een e-mail of een smsje. Steeds meer communicatie verloopt via chatrooms, webfora, e-mail en instant messaging programma’s zoals MSN. Maar ook hebben we tegenwoordig onze ‘computer’ altijd bij de hand. E-mail ontvangen we via de telefoon, en via berichtenapplicaties (zoals WhatsApp) houden we elkaar constant op de hoogte van alles wat we meemaken en tegenkomen, met tekstberichten, foto’s en video’s. Herring (2007) definieert deze communicatie als CMC: Computer-Mediated Communication. Alle interactie die plaatsvindt tussen mensen via computers en mobiele apparaten valt onder dit soort communicatie.
De komst van CMC heeft veel invloed gehad op de wijze waarop mensen met elkaar communiceren. Het is niet meer nodig elkaar Face-to-Face te zien om iets te bespreken. Communicatie kan verlopen vanaf een afstand, hoe groot deze ook is. Het ontbreken van non-verbale communicatie werd echter in het begin gezien als een belemmering. Er werd daarom gezocht naar alternatieven voor non-verbaal gedrag. De emoticon, waarmee een gezichtsuitdrukking uitgedrukt wordt (bijvoorbeeld
☺), is hiervan een goed voorbeeld. Walther en Parks (2002) stelden later dat, ondanks de afwezigheid
van aanwijzingen hoe iemand eruit ziet of hoe iemand zich gedraagt, CMC toch een goed alternatief kan zijn voor Face-to-Face communicatie. Volgens hen komt dit doordat het mogelijk is via tekst impressies en percepties van iemand te krijgen zonder diegene daarbij in het echt te zien.
CMC heeft een aantal belangrijke kenmerken. Zo kan de communicatie synchroon of asynchroon verlopen. Synchrone communicatie is communicatie waarbij mensen direct op elkaars berichten kunnen reageren. Een voorbeeld daarvan is chatten. Bij asynchrone communicatie hoeft men niet op hetzelfde moment online ‘aanwezig’ te zijn. De berichten worden opgeslagen, waarna de ontvanger ze op elk moment kan lezen en beantwoorden. Een voorbeeld daarvan is e-mail.
Een ander belangrijk kenmerk van CMC is dat berichten gericht kunnen zijn aan meerdere personen (Zappavigna, 2012). In plaats van dat er één ontvanger is, zijn er meerdere mensen die het bericht kunnen lezen. Soms is dit een erg groot publiek. Wanneer men Face-to-Face communiceert, verdwijnen berichten op het moment dat ze geuit zijn. Op het Internet blijven ze echter meestal voor een langere periode bestaan. Bovendien is CMC erg snel, en daarnaast vaak anoniem.
7 noemt zij Computer Mediated Discourse (CMD). Het plaatsen van een bericht op Twitter is dus een vorm van CMD. Daarnaast maakt een CMC systeem volgens Herring (2004) ook andere kanalen beschikbaar om te communiceren. Zij doelt hiermee op visuele mogelijkheden zoals foto’s, graphics en video’s. Het onderzoek gedaan in deze scriptie richt zich op getypte tekstberichten die geplaatst worden op Twitter. Hoewel visuele beelden niet geanalyseerd worden zijn ze toch belangrijk om te noemen. De reden daarvoor is dat sommige berichten op Twitter een hyperlink bevatten waarin verwezen wordt naar bijvoorbeeld een video of een foto.
2.1.2 CMC-Competence Model
In de afgelopen jaren is er veel onderzoek verricht naar gedrag in relatie tot computer-gemedieerde communicatie (zie bijvoorbeeld Short, Williams & Christie, 1976; Walther, 1992, Walther & Parks, 2002). Spitzberg (2006) ontwikkelde een model om gedrag binnen CMC te kunnen verklaren. Hij baseert zich op eerder CMC-onderzoek en poogt op grond van de resultaten tot een model te komen dat de communicatie via de computer beschrijft, en voorspelt hoe succesvol deze is. Het model focust zich op de persoon die het medium gebruikt en gaat er vanuit dat deze verschillende eigenschappen (of competenties) moet bezitten om zich te kunnen uiten in CMC. De eerste competentie is de motivatie die men heeft om zich te willen uiten. Hoe gemotiveerder de persoon is, des te meer kennis – de tweede competentie uit het model - zal hij hebben, en des te meer vaardig (de laatste competentie: de skills) zal hij worden. Maar andersom, hoe meer kennis en vaardigheden iemand bezit, des te gemotiveerder zal hij zijn om zich te willen uiten in CMC. Er is tussen de drie onderdelen dus voortdurend een wisselwerking gaande. De skills die iemand zou moeten bezitten deelt Spitzberg (2006) vervolgens op in vier verschillende vaardigheden, namelijk attentiveness (het tonen van belangstelling voor, interesse in, en aandacht aan de andere persoon of personen in de interactie), composure (het tonen van assertiviteit, zelfverzekerdheid en in controle zijn), coordination (het controleren van de interactie, timing en topic management) en expressiveness (het tonen van levendigheid in verbale en non-verbale expressie door bijvoorbeeld gebruik te maken van emoticons en humor).
Door de resultaten van dit onderzoek te relateren aan het CMC-model van Spitzberg (2006) wordt het gedrag verklaard van de gebruikers in WOM-tweets. Daarmee zal bepaald worden in welke mate iemand zijn bericht heeft geschreven met een ander voor ogen, en of er sprake is van succesvolle communicatie. In onderstaande tabel zijn de skills kort samengevat.
Definitie Wordt zichtbaar door.. Attentiveness /
other orientation
De mate waarin iemand interesse, zorgzaamheid en aandacht schenkt aan een ander in de communicatie.
8 Composure / self
promotion
De mate waarin iemand zelfvertrouwen en gezag toont, en aandacht schenkt aan zichzelf in de communicatie.
..het overtuigd tonen van een mening, het vermijden van signalen van onzekerheid, gebruik van
directieven en imperatieven, etcetera.
Coordination / interaction management
De mate waarin iemand in staat is de interactie te beheersen door bijvoorbeeld topic management en timing.
.. het aantal berichten, de lengte van de berichten, snelheid van reageren op anderen en de relevantie van de berichten.
Expressiveness De mate waarin emoties getoond worden in de communicatie
.. het gebruik van emoticons, paralinguïstische tekens, het gebruik van humor, scherpzinnigheid, ironie en expressief taalgebruik.
Tabel 2.1: Interpersonal Skills volgens Spitzberg (2006).
2.1.3 Computer Mediated Discourse Analysis
9 worden toe te lichten volgt in de volgende paragraaf een beschrijving van Sociale Media en het platform Twitter.
2.2 Sociale Media
Het Internet is door de komst van Web 2.0 veranderd van een plek waar men simpel naar informatie zocht, naar een plek waar mensen elkaar ontmoeten en relaties beginnen. Doordat nu alle gebruikers van het internet samen de inhoud van het web kunnen bepalen (User Generated Content genoemd) zijn er allerlei platformen ontstaan die gebruikers hierbij kunnen helpen. We delen hier alle informatie over ons leven met anderen. We weten wat de buurvrouw zojuist heeft gegeten, bekijken de filmpjes en vakantiefoto’s van onze tante en volgen de avonturen van de studiegenoot die op reis is in Zuid-Amerika op de voet. De platformen waarop dit gebeurd worden Sociale Media genoemd (Safko, 2010).
Sociale media zijn media waar we simpel gezegd sociaal bezig zijn. Een eenduidige definitie van Sociale Media is in de theorie niet aanwezig. Kaplan en Haenlein (2010) gebruiken de term als een verzamelnaam voor webpagina’s (en applicaties) waarmee gebruikers zelf gecreëerd materiaal (teksten, foto’s, filmpjes) toe kunnen voegen en uit kunnen wisselen via het Internet. Anderen benadrukken vooral het sociale aspect. Volgens Safko (2010) zijn Sociale Media de media die we gebruiken om andere mensen te bereiken, relaties te beginnen en vertrouwen op te bouwen. Hij richt zich vooral op de zakenwereld, en stelt dat organisaties via Sociale Media relaties aan kunnen gaan met potentiële consumenten. Een laatste definitie komt van Boyd en Ellison (2007). Volgens hen zijn Sociale Media webgebaseerde services die mensen de mogelijkheid geven een (publiekelijk) profiel te creëren dat gedeeld kan worden met een lijst van andere gebruikers. Zij geven daarbij aan dat sociale netwerksites verschillen in hun mogelijkheden. Zo richten sommigen zich op het delen van foto’s (bijvoorbeeld Instagram of Pinterest), anderen zich op video’s (zoals YouTube), en weer anderen op het sociale netwerk (Facebook, Hyves) of op blogs (Blogger, Twitter). Het Social Media platform dat centraal staat in dit onderzoek, Twitter, richt zich op microblogs. Wat microblogs zijn en hoe Twitter in zijn werk gaat zal daarom centraal staan in de volgende paragraaf.
2.2.1 Microblogging en Twitter
10 kleine berichten: de microblog was ontstaan. Een microblog is dus vergelijkbaar met de gewone blog, maar heeft als belangrijkste verschil de grootte van de berichten. Een standaard microblog heeft als gemiddelde lengte een krantenkop met daarbij een subtitel (Jansen et al., 2009). Een bericht is daardoor zowel gemakkelijk te plaatsen als te lezen. Een ander belangrijk verschil met de normale blog is de snelheid van het medium. Doordat het mogelijk is berichten direct te plaatsen op het moment waarop een gebeurtenis plaatsvindt, wordt Twitter ook wel een ‘real-time’ medium genoemd. De meeste belangrijke gebeurtenissen zijn tegenwoordig dan ook vaak eerder bekend via Twitter dan via de normale media. Tot slot verschilt een microblog van de gewone blog door het aantal berichten dat verstuurd wordt binnen een bepaalde tijd. Omdat een microblog zo kort is, worden vaak meerdere berichten op één dag verstuurd. Een blog daarentegen wordt soms maar één keer in een maand geplaatst.
2.2.2 Twitter
De bekendste microbloggingservice is Twitter. Via Twitter kunnen gebruikers updates – tweets genoemd – versturen naar een netwerk van andere deelnemers. Deze deelnemers (followers of volgers) kunnen de updates vervolgens weer verspreiden onder hun eigen netwerk van volgers. De tweets zijn tekstgebaseerde posts die niet meer dan 140 karakters kunnen bevatten. Ze kunnen verstuurd worden via verschillende technieken, zoals een telefoon, een website, een PDA, de Twitterwebsite, SMS, of een applicatie zoals Facebook, Hootsuite of Tweetdeck. De standaardinstelling voor tweets is publiekelijk. Gebruikers kunnen elkaar volgen en de tweets lezen zonder dat daar wederzijdse toestemming voor nodig is. Elke gebruiker heeft een Twitterpagina waar alle updates in tegenovergestelde chronologische volgorde verzameld zijn in een afzonderlijke lijst.
Hoewel Twitter het meest populaire microbloggingplatform is, is het zeker niet de enige. Andere diensten delen echter wel dezelfde karakteristieken, namelijk (1) korte tekstberichten, (2) directe aflevering van de berichten, en (3) men moet zich aanmelden om updates te ontvangen (Jansen et al., 2009). Omdat Twitter het bekendst is en de meeste gebruikers heeft (in Nederland zijn er 5,2 miljoen geregistreerde accounts) zal deze microbloggingservice in dit onderzoek centraal staan.
2.2.3 Hoe werkt Twitter?
In de afbeelding hiernaast is een voorbeeld van een tweet geplaatst. Voor degene die geen Twitter gebruikt zijn er een aantal vreemde tekens te zien, zoals het
11 tekens die gebruikt worden op Twitter hebben een betekenis en dienen een bepaald doel. De tekens en andere kenmerkende begrippen die gebruikt worden op Twitter zullen daarom hieronder toegelicht worden.
Een tweet wordt verstuurd door een twitteraar, ook wel een tweep genoemd. Iedere twitteraar heeft een eigen timeline waar alle berichten op komen te staan van de accounts (personen, bedrijven, nieuwsorganisaties) die hij of zij volgt. Als twitteraar heb je dus de mogelijkheid andere twitteraars te volgen. Andersom kunnen zij jou weer terugvolgen. Op deze manier wordt een online sociaal netwerk gecreëerd. Wanneer iemand zijn interesse in een account verliest is het echter ook mogelijk deze persoon weer te ‘ontvolgen’ of zelfs te blokkeren.
Vervolgens zijn er binnen Twitter een beperkt aantal mogelijkheden die interactie tussen de gebruikers ondersteunen. Naast het plaatsen van een gewone tweet zijn dit de vermeldingen (mentions), retweets en privéberichten (direct messages). Ze geven informatie aan een specifiek iemand, vragen om reactie of sturen het bericht van een ander verder de wereld in. Daarnaast kan men binnen een tweet een hashtag of een hyperlink plaatsen. Met een hashtag wordt ervoor gezorgd dat een tweet aan een onderwerp gekoppeld wordt en gemakkelijk teruggevonden kan worden. In deze scriptie wordt daarom gesproken van uitwisselingsmogelijkheden, mogelijkheden die de uitwisseling tussen twitteraars bevorderen. De mogelijkheden zullen hieronder toegelicht worden.
2.2.3.1 Adresseren en vermelden
Wanneer iemand voorafgaand aan zijn bericht een apenstaartje (@) plaatst met daarachter een accountnaam wordt de tweet specifiek geadresseerd aan die bepaalde persoon. Het apenstaartje wordt op deze manier gebruikt als vocatief, waarmee de ontvanger direct aangesproken wordt (Zappavigna, 2012). De tweet verschijnt dan in de inbox, bij de mentions, van de in de adressering genoemde persoon. Wanneer men een tweet beantwoordt, verschijnt automatisch het apenstaartje aan het begin van een tweet met de naam van de ontvanger, en komt deze dus ook terecht in zijn of haar inbox. Men kan in deze inbox ook de tweets vinden die niet met het apenstaartje beginnen, maar waarin zijn of haar twitternaam wel voorkomt. Het apenstaartje dient in deze gevallen eerder als een indirecte verwijzing (Zappavigna, 2012). In onderstaande tweets wordt het gebruik van het apenstaartje uitgebeeld.
Tweet 2.1 Directe adressering @<Ontvanger> Hoelaat spreken we morgen af? Tweet 2.2 Antwoord @<Zender> is goed! Dan zie ik je morgen.
Tweet 2.3 Indirecte adressering Morgen een dagje naar Amsterdam met @<Gebruiker>
2.2.3.2 Retweets
12 twitteraar het bericht echter laten verschijnen onder zijn eigen naam. Dit doet hij door het bericht te ‘citeren’ en hier vervolgens ‘RT’ voor te plaatsen. Op deze manier kan hij er zelf ook een reactie bij geven. Dit gebeurt meestal voorafgaand aan de originele tweet en ziet er dan uit als in Tweet 2.4. Met het apenstaartje in deze tweet wordt verwezen naar de originele schrijver.
Tweet 2.4 Retweet + reactie Ik vond het ook erg gezellig! RT @Gebruiker het was erg gezellig in Amsterdam vandaag!
Door een bericht te retweeten kan het terecht komen bij veel verschillende gebruikers van Twitter. Dit is vooral het geval wanneer een bericht geretweet wordt door een bekend persoon, zoals in het geval van Youp van ’t Hek.
2.2.3.3 Privéberichten
Tot slot is het mogelijk privéberichten (direct messages) te versturen via Twitter. Deze berichten zijn alleen zichtbaar voor degene aan wie ze gestuurd worden. Het is daardoor niet mogelijk ze te onderzoeken, waardoor ze automatisch buiten de omvang van dit onderzoek vallen.
2.2.3.4 Hashtags en Hyperlinks
Er zijn vervolgens een aantal tekens die men binnen een tweet kan gebruiken. Ten eerste is dit de hashtag (#). Een hashtag dient ter verduidelijking en koppelt een tweet aan een bepaald onderwerp, bijvoorbeeld #onderzoek (Zappavigna, 2012). Wanneer een hashtag meer dan één woord bevat, worden deze vaak aan elkaar geschreven zonder gebruik te maken van spaties (#onderzoektweets). Hashtags worden meestal geplaatst aan het begin of aan het einde van een tweet, maar kunnen ook middenin geplaatst worden. Door te klikken op een bepaalde tag komt men bij een overzicht van berichten die dezelfde hashtag in hun bericht hebben staan. Ook kan men zoeken via de Twitter API op bepaalde hashtags. Het gebruik van de tags is zodoende een eenvoudige manier voor anderen om tweets te vinden over hetzelfde onderwerp. Wanneer iemand aanhoudend geïnteresseerd is in een thema, is het ook mogelijk een bepaalde hashtag te volgen, zoals #politiek. Hashtags die het meest voorkomen op Twitter in een bepaalde tijd worden getoond in een “trending topic” lijst. De meeste hashtags zijn maar tijdelijk, en verdwijnen na een tijdje weer. Sommigen blijven echter bestaan of keren terug, bijvoorbeeld #fail, #dtv1 of afkortingen van TV-programma’s of voetbalwedstrijden, zoals in het voorbeeld in de opening van deze paragraaf #grirus2.
#Fail is een bekende hashtag die vaak wordt gebruikt in tweets waarin negatieve word-of-mouth plaatsvindt. De hashtag is echter ontstaan vanuit humor. Ze werd dan geplaatst bij een foto waarop een grappige gebeurtenis plaatsvond. Nadat dit idee zich steeds verder verspreidde werd de
1 #dtv of #durftevragen wordt gebruikt als een schreeuw om hulp 2
13 term steeds meer gebruikt als een grappige vorm van (zelf)spot (Zappavigna, 2012). Tegenwoordig wordt de hashtag gebruikt in veel verschillende tweets, om humor te laten zien, aan te duiden dat iemand iets niet lukt of om aan te geven dat een bepaalde service of dienst niet goed functioneert. Tweet 2.5 hieronder is daarvan een voorbeeld.
Tweet 2.5 #fail Bestelling gedaan via Whiteboards.nl. Slechte afhandeling, geen service naar de klant. Zeggen levering binnen 24 uur, komt in juni #fail
In sommige tweets wordt naast de tekst in het bericht een hyperlink geplaatst. Een hyperlink verwijst naar een locatie buiten Twitter, zoals een tekstbericht (bijvoorbeeld een krantenbericht of een blog), een foto of een video. Volgens Zappavigna (2012) is het delen van interessante links één van de sociale functies van Twitter. Het plaatsen van een hyperlink neemt echter veel ruimte in beslag in een bericht waar slechts gebruik gemaakt kan worden van 140 karakters. Er zijn daarom applicaties ontworpen die de URL kunnen inkorten (zoals bit.ly, of t.co). In plaats van de gehele URL te laten zien, wordt in de tweet dan de verkorte link geplaatst.
Tweet 2.6 Hyperlink Microsoft tablet faalt bij presentatie http://t.co/GV74wBuf
In onderstaande tabel worden de uitwisselingsmogelijkheden van Twitter kort samengevat.
Teken Functie Doel
Apenstaartje (@) Verbinden met andere twitteraars. Het apenstaartje duidt op een mention (een geadresseerde tweet, een indirecte tweet of een beantwoorde tweet).
Interactie met andere twitteraars
Hashtag Tweet koppelen aan een bepaald onderwerp.
Zoeken en vinden van onderwerpen waarin men geïnteresseerd is of die op dat moment “trending” zijn.
Hyperlink Verwijzen naar een locatie buiten Twitter.
Doel hangt af van de locatie waarnaar verwezen wordt.
Tabel 2.2: Uitwisselingsmogelijkheden op Twitter.
2.2.4 Taalgebruik op Twitter
Onderzoeken die proberen microblogs automatisch te analyseren en te classificeren hebben een aantal kenmerken geïdentificeerd die ervoor kunnen zorgen dat dit type corpora lastig is om mee te werken. Zo wijzen Laboreiro et al. (2010) bijvoorbeeld op de volgende kenmerken van taalgebruik in tweets:
14 • Men maakt frequent gebruik van orale tekens en afwijkende of weggelaten interpunctie. • Er is een grote aanwezigheid van spelfouten.
Deze kenmerken wijten zij ten eerste aan de snelheid van het medium. Tweeten als ‘backchannel’ tijdens een televisieprogramma, sportwedstrijd of andere belangrijke gebeurtenis moet zo snel mogelijk gebeuren. De tweet is anders achterhaald, en daarmee zinloos geworden (Zappavigna, 2012). Door de snelheid hebben mensen weinig tijd om na te denken over wat zij typen, en dus ook hoe zij iets typen. Maar soms worden fouten ook opzettelijk gemaakt. Omdat er geen ruimte genoeg is in een bericht worden bijvoorbeeld werkwoorden als ‘lopen’, afgekort tot ‘lope’, en verschijnen afkortingen als ‘ff’ en ‘ROFL. Tegelijkertijd zorgt de beperkte ruimte voor veel elliptische, of onvolledige zinnen. In het voorbeeld is een tweet te zien die enkel uit elliptische uitingen bestaat. Te zien is dat een elliptische uiting ook samen kan verschijnen met een hashtag.
Tweet 2.7 Gretver. #KPN #internet #storing #Haarlem. Hoop dat het snel weer werkt. #Fail
Elliptische uitingen zorgen ervoor dat er zoveel mogelijk informatie in één tweet past. Maar ze zorgen tegelijkertijd voor veel onduidelijkheid en dubbelzinnigheid. Daardoor is het soms lastig een tweet te begrijpen. In voorbeeld 2.8 zien we zo’n dubbelzinnige tweet. Wat probeert de gebruiker hier nu eigenlijk te zeggen met ‘Geen internet van Ziggo’? Bedoelt hij dat hij geen internet heeft, daarvan baalt, of misschien dat hij het niet wil? Er zijn een tal van mogelijkheden, maar wat de twitteraar precies geprobeerd heeft te zeggen, zullen we nooit weten. Hoe er omgegaan wordt met tweets als deze zal besproken worden in de Methode (paragraaf 3.5.2.1).
Tweet 2.8. Geen internet van @Ziggo #fail
Ten slotte zijn er een aantal andere talige kenmerken in de tweets vast te stellen. Uit onderzoek naar beleefdheid op Twitter blijkt bijvoorbeeld dat er op dit medium meer gescholden wordt dan op andere social networkingssites zoals MySpace of Facebook (de Wildt, 2010). Zappavigna (2012) duidt bovendien het gebruik van hashtags en emoticons aan. Een emoticon is een pictogram dat dient om emoties te uiten in CMC of als vervanging van non-verbale communicatie (Thompson en Foulger, 1996). De bekendste emoticon is de smiley (bijvoorbeeld ☺). Omdat een emoticon maar uit weinig tekens bestaat is het een perfect middel om, in plaats van vele woorden te wijden aan het uitdrukken van emoties, dit te doen aan de hand van één ‘gezichtsuitdrukking’.
15
2.3 Word-of-Mouth
De komst van het Internet heeft de wijze waarop we informatie verzamelen sterk veranderd. Wanneer men vroeger een product wilde kopen was men aangewezen op Face-to-Face communicatie. Soms was er iemand in de vriendenkring die verstand had van het product en een bepaald artikel kon aanraden of juist afraden. Maar meestal moest men zich richten tot de verkoper in de winkel. Tegenwoordig is het mogelijk alle informatie die we willen hebben over een product op te zoeken via het Internet. Op aparte websites wordt productinformatie verzameld en kan men tegelijkertijd de prijzen van andere artikelen vergelijken. Ook voor hulp hoeft men niet meer speciaal naar de winkel of een klantenservice te bellen. Mensen verzamelen zich op fora om informatie in te winnen, te delen, hulp te zoeken of te klagen. Met andere woorden, mond-tot-mond reclame (word-of-mouth of WOM) heeft zich verplaatst van de straat en de winkel naar het Internet. Maar wat is WOM eigenlijk? En wat is het verschil met eWOM? Welke motieven hebben mensen om WOM te uiten? Dat zijn vragen die centraal staan in deze paragraaf.
2.3.1 Traditionele word-of-mouth
Onderzoek naar traditionele (offline) word-of-mouth heeft uitgewezen dat deze vorm van communicatie een grote rol kan spelen in de beslissingen die consumenten maken bij het kopen van producten (Richins & Root-Shaffer, 1988). Richins & Root-Shaffer (1988) definiëren WOM als het overbrengen van informatie van de ene naar de andere persoon. In commerciële situaties houdt dat in dat consumenten attitudes, opinies, of reacties over bedrijven, producten en services met anderen uitwisselen. WOM is gebaseerd op het sociale netwerk van de consument en het vertrouwen dat de consument in anderen heeft. Uit onderzoek van Nath et al. (2009) blijkt dat consumenten eerder op WOM vertrouwen dan op onpersoonlijke of commerciële bronnen wanneer zij zoeken naar informatie over producten, omdat WOM als betrouwbaarder wordt gezien. Positieve WOM wordt dan ook gezien als een machtig marketingmiddel (Jansen et al., 2009).
De opkomst van het Internet heeft de opties voor consumenten om onbevooroordeelde productinformatie in te winnen gigantisch uitgebreid. Het blijkt dat, ook wanneer consumenten op zoek gaan buiten hun directe sociale netwerk, zij eerder vertrouwen op de meningen van anderen, zolang zij niet in verbinding staan met de organisatie of service (Duana et al., 2008). Het onderzoek van Duana et al. (2008) richtte zich op online reviews, een vorm van online word-of-mouth (oWOM) of electronic word-of-mouth (eWOM).
2.3.2 Electronic word-of-mouth (eWOM)
16 product or company, which is made available to a multitude of people and institutions via the internet.’. WOM en eWOM lijken volgens hen op elkaar, maar hebben een aantal duidelijke verschillen. Zo is het communicatiebereik bij eWOM veel groter en kan men berichten plaatsen waar (achter de computer, in de winkel, onderweg naar het werk) en wanneer (in feite elk moment van de dag) men wil. WOM uitingen worden Face-to-Face gedaan en verdwijnen zodra ze geuit zijn. eWOM berichten worden daarentegen meestal voor een langere periode bewaard en zijn asynchroon. Dat betekent dat ze ook na een langere tijd nog gelezen en teruggevonden kunnen worden (mede door zoekmachines zoals Google). Ook kunnen mensen hier dan nog vragen over stellen of op reageren, zoals op veel reviewwebsites gebeurt. Daarnaast kan eWOM door nieuwe media nog gemakkelijker doorgestuurd worden naar anderen, en is het direct, soms al op het moment van consumeren, beschikbaar (Hennig-Thurau et al., 2010).
2.3.3 Sociale Media en eWOM
Sociale Media heeft ervoor gezorgd dat WOM een nog groter bereik heeft gekregen. Tekstberichten, video’s en reclame-uitingen worden gigantisch snel doorgestuurd en verspreid via media als Facebook, YouTube en Twitter. Marketingbedrijven zagen al snel de voordelen. Onderzoeken naar eWOM richten zich dan ook veel op “viral marketing” (zie bijvoorbeeld Phelps et al., 2004). Viral Marketing gebruikt consumentencommunicatie om de populariteit van een merk of product te vergroten (Hennig-Thurau et al., 2004). Pas later werden ook de nadelen van Sociale Media gezien. Negatieve berichten verspreidden zich in een razend tempo over het Internet. Sommigen daarvan bereikten ook de traditionele media. Organisaties zochten naar een oplossing en begonnen fora en Webcare-afdelingen op te zetten. Webcare kan gedefinieerd worden als het monitoren van online consumentenreacties met betrekking tot het bedrijf, waarbij wordt gereageerd op negatieve dan wel positieve posts van consumenten (Kerkhof et al., 2010). Webcare kan plaatsvinden op sociale netwerksites, blogs, fora, Twitter en andere Sociale Media. Zoals de definitie van Kerkhof et al. (2010) al zegt, richt Webcare zich niet alleen op specifieke vragen en klachten van consumenten, maar kan deze ook positieve berichten juist verder helpen verspreiden.
2.3.4 Microblogging en eWOM
17 eerdere definitie van Hennig-Thurau et al. (2004), een definitie van een WOM-tweet3. Een WOM-tweet is elke positieve of negatieve uiting van een potentiële, huidige of eerdere consument over een product of een organisatie, die beschikbaar gesteld wordt voor een groot aantal mensen en instituties via de microbloggingservice Twitter.
2.3.4.1 Onderzoek naar Microblogging en eWOM
Algemeen onderzoek naar microblogging wijst onder andere uit dat mensen vooral berichten online plaatsen voor zichzelf. In een neurologisch onderzoek bewezen onderzoekers aan de universiteit van Harvard dat het delen van informatie over jezelf positieve gevoelens opwekt (Tamir en Mitchell, 2012). In een ander onderzoek (Nardi et al., 2004) werden vijf motivaties om te bloggen gevonden. De eerste motivatie was het vastleggen van het eigen leven, gevolgd door het leveren van commentaar en opinies en het uiten van emoties. Tot slot bloggen mensen om ideeën op papier te zetten, en omdat zij online-relaties willen aangaan en onderhouden. Ook Zappavigna (2012) duidt aan dat het plaatsen van microblogs vooral gebeurt om persoonlijke gevoelens en gedachten te delen. Daarnaast wordt Twitter volgens haar gebruikt om over het alledaagse leven te klagen, humoristische berichten te plaatsen of een politieke mening te uiten. Ook zij geeft daarbij aan dat het plaatsen van microblogs gebruikt kan worden als basis voor online-relaties, en kan gelden als een bepaalde vorm van conversatie of chatten.
Hoewel er een aantal onderzoeken zijn gedaan naar eWOM, is het onderzoek van Jansen et al. (2009) het enige onderzoek dat zich richt op het karakteriseren van tweets en eWOM. Andere onderzoeken richten zich vooral op de manier waarop bedrijven gebruik maken van Twitter (Park et al., 2012; Keislair, 2011), de manier waarop WOM op Twitter beïnvloed kan worden (Oosterveer, 2011) of de manier waarop bedrijven reageren op klachten (Helmer, 2011).
2.3.4.2 Onderzoek naar Twitter en eWOM
In het onderzoek van Jansen et al. (2009) wordt geprobeerd karakteristieken van tweets en eWOM te achterhalen. Dit doen zij aan de hand van sentiment analysis (ook wel opion mining genoemd). Met sentiment analysis wordt geprobeerd met behulp van bepaalde computertechnieken automatisch het sentiment, de emoties of een mening uit een bericht te halen. Volgens Jansen et al. (2009) verschijnt in maar liefst één op de vijf van alle tweets die geplaatst worden een organisatie- of merknaam. Het bleek echter dat 80% van deze tweets geen sentiment bevatte. Dit geeft volgens hen aan dat mensen Twitter vooral gebruiken voor algemene informatie, het stellen van vragen en andere doeleinden die te maken hebben met het delen of zoeken van informatie over merken of producten (Jansen et al., 2009). Van de tweets waarin wel een sentiment gevonden werd, was 50% positief, 35% negatief en het overige gedeelte neutraal.
3 Daar waar WOM genoemd wordt in combinatie met een bepaald electronisch medium, is het overbodig te
18 Het gebruik van sentiment analysis om tweets te karakteriseren wordt door veel onderzoekers omarmd en weer door anderen bekritiseerd. Een voordeel is het snel kunnen verzamelen en analyseren van grote datasets. Nadeel is echter dat het lastig is conclusies te trekken uit de data omdat er altijd sprake is van subjectiviteit. Subjectiviteit levert voor een menselijke onderzoeker al vaak problemen op, laat staan voor een computer (Zappavigna, 2012).
2.3.4.3 Motieven om eWOM te uiten
Er zijn verschillende onderzoeken gedaan naar de motieven die men heeft om word-of-mouth te uiten (Dichter, 1966; Soetarto et al., 2009; Sundaram et al., 1998). Eén van de meest recente onderzoeken naar eWOM is gedaan door Hennig-Thurau et al. (2004). Net als in de meeste onderzoeken naar motieven is ook hier een grote groep respondenten benaderd met de rechtstreekse vraag waarom zij berichten met daarin WOM plaatsen. Het onderzoek richt zich op eWOM op webfora en stelt aan de hand van onderzoek van Balasabrumanian en Mahajan (2001) vervolgens een aantal motieven op. Deze motieven delen zij in, in vijf verschillende groepen. De eerste groep is gebaseerd op de aanname dat consumenten waarde willen toevoegen aan de gemeenschap. Dit uit zich in vier motieven, namelijk zorgen voor andere consumenten, de organisatie willen helpen, verwerven van sociale voordelen en het willen uitoefenen van macht. De tweede groep ontstaat nadat een product gekocht is, op het moment dat iemand informatie over een product of organisatie zoekt of schrijft. Dit motief wordt post-purchase advice-seeking genoemd. Vervolgens heeft de derde groep motieven te maken met de tevredenheid die ontstaat bij een consument wanneer anderen in de gemeenschap zijn of haar bijdragen goedkeuren en waarderen (Hennig-Thurau, 2004). Vergroten van de eigenwaarde en het verkrijgen van economische beloningen zijn twee motieven in deze groep. De vierde groep motieven heeft te maken met de moderator van een webpagina. Een derde partij maakt het dan gemakkelijker om te klagen. Specifieke eWOM-motieven die hier naar verwijzen zijn eenvoudigheid van klagen en hulp bij het oplossen van problemen. De laatste groep motieven is gebaseerd op het idee dat mensen een algemene wens hebben voor een balans in hun leven. Deze theorie, die Hennig-Thurau et al. (2004) hebben overgenomen van Zajonc (1971) suggereert dat mensen ernaar zullen streven hun evenwicht te herstellen nadat hun originele evenwicht uit balans is geraakt. Men kan de balans herstellen door positieve emoties te uiten of juist negatieve gevoelens te spuien.
19 Motief Uitleg
Zorgen voor andere consumenten
Andere consumenten willen helpen met beslissen welke producten wel of niet te kopen, anderen behoeden voor een negatieve ervaring, of beide.
Organisatie helpen ‘Iets terug willen doen’ voor de organisatie, als resultaat van een tevreden consument.
Verwerven van sociale voordelen
Aansluiting bij een virtuele gemeenschap kan sociale voordelen zoals groepsgevoelens en identificatie hebben.
Uiten van macht Het willen uitoefenen van (collectieve) macht op organisaties om op deze manier iets gedaan te krijgen bij de organisatie.
Advies zoeken na aankoop
Het verkrijgen van de vaardigheden om een product beter te begrijpen, gebruiken, repareren, enzovoorts.
Vergroten van eigenwaarde
Het uiten van WOM om gezien te worden als een expert of een intelligente winkelaar door andere consumenten.
Verkrijgen van
economische beloningen
Het krijgen van economische beloningen voor het uiten van WOM.
Eenvoudigheid van klagen
Klagen bij een derde partij is gemakkelijker dan het bereiken van de organisatie.
Hulp zoeken Hulp, ondersteuning of begrip zoeken bij problemen bij een derde partij.
Positieve gevoelens uiten
Het herstellen van de balans na een succesvolle ervaring door het uiten van positieve gevoelens.
Negatieve gevoelens uiten
Het herstellen van de balans na een negatieve ervaring. Dit kan ervoor zorgen dat de frustratie en kwaadheid ten opzichte van de gebeurtenis verminderd wordt.
Tabel 2.3: Motieven voor het uiten van eWOM volgens Hennig-Thurau et al. (2004).
2.4 Analysemethoden voor WOM-tweets
20 bedoelingen die mensen hebben om WOM-tweets te plaatsen kan bijvoorbeeld van belang zijn voor Webcare-afdelingen van organisaties die de reacties op de berichten vormgeven.
2.4.1 Appraisal-Analyse
De Appraisal Theory komt voort uit de Systemic Functional Linguistics (SFL). Deze benadering bestudeert verschillende taalniveaus, ook wel strata genoemd. Zo wordt er niet alleen naar de kleine taalelementen in een tekst of een uiting gekeken, maar ook naar de tekst in zijn geheel en de sociale context waarin tekst en taal plaatsvinden. De grondlegger van de SFL, M.A.K Halliday gaat er vanuit dat taal in sociale context drie belangrijke metafuncties heeft (zie bijvoorbeeld Halliday, 1994). De eerste noemt hij de ideële functie, waarmee hij bedoelt dat we taal gebruiken om onze ideeën en ervaringen te beschrijven. De tweede metafunctie is de tekstuele functie, de functie van taal om de wereld te organiseren en te structureren in betekenisvolle teksten. De laatste metafunctie is de interpersoonlijke functie. Als interpersoonlijke functie wordt taal gezien als een medium van uitwisseling: een medium waarmee we kunnen communiceren, en dus relaties kunnen aangaan en onderhouden.
SFL gaat er vanuit dat taal bestaat uit verschillende systemen. Tijdens onze communicatie maken we bewust keuzes tussen deze verschillende systemen. De Appraisal Theory bouwt voort op SFL en valt binnen de interpersoonlijke functie van taal (Martin, 2000). We gebruiken appraisal, of waardering, om anderen te laten zien hoe we ons voelen over mensen, gebeurtenissen en objecten, oftewel: wat onze attitudes zijn. Attitude is het eerste systeem dat Martin (2000) omschrijft. Iemand kan bijvoorbeeld zeggen dat hij zich slecht voelt
over een aankoop. De attitude is dan gebaseerd op het eerste subsysteem, gevoelens (affect). Wanneer iemand iets zegt over het gedrag van een persoon of organisatie, bijvoorbeeld door te zeggen dat hij slecht behandeld is door een klantenservice, baseert hij zich op het tweede subsysteem, (judgement). Het laatste subsysteem van Attitude is gebaseerd op de waardering (appreciation) van een object en onze reactie op dingen. Een voorbeeld daarvan zou kunnen zijn ‘ik vind het een slecht product’.
Naast Attitude beschrijft Martin (2000)
vervolgens nog twee systemen, namelijk het systeem waarmee de attitude versterkt of afgezwakt kan worden – Graduation - en het systeem van Engagement, waarmee iemand kan laten zien hoe sterk hij of zij verbonden is met de attitude. Ook deze systemen bevatten ieder weer een aantal subsystemen,
21 weergegeven in figuur 2.2. In de volgende paragraaf zal eerst het systeem Attitude toegelicht worden, gevolgd door Engagement (in paragraaf 2.4.1.3) en Graduation (in paragraaf 2.4.1.4).
2.4.1.2 Attitude
Attitudes zijn evaluaties over dingen, mensen, hun karakter en hun gevoelens (Martin en White, 2005). Het systeem Attitude omvat drie subsystemen, namelijk attitudes die te maken hebben met emoties (affect), ethiek (judgement) en esthetiek (appreciation).
2.4.1.2.1 Affect
Het subsysteem affect verwijst naar de gevoelens die men heeft ten opzichte van het geëvalueerde object, de gebeurtenis, persoon of stand van zaken. Voelt iemand zich blij of verdrietig, zeker of onzeker, verveeld of juist geïnteresseerd? Wanneer er in een tekst een attitude geuit wordt op basis van emoties is er sprake van affect. De emoties die we hebben kunnen positief of negatief zijn, en we kunnen ze impliciet of expliciet uiten.
De gevoelens die we uiten kunnen volgens Martin en White (2005) opgedeeld worden in gevoelens van (on)geluk, (on)tevredenheid, (on)zekerheid of geneigdheid. De groep waarin (on)geluk valt heeft te maken met emoties die je hart aangaan, zoals verdriet, haat, blijheid en liefde. Het is de groep waar men waarschijnlijk het eerst aan zal denken wanneer gedacht wordt aan emoties. In de groep van (on)zekerheid vallen emoties die te maken hebben met het sociale welzijn, zoals angst, bezorgdheid of vertrouwen. In de laatste groep, die zich richt op gevoelens van tevredenheid en ontevredenheid, vallen emoties die te maken hebben met het behalen van doelen, zoals verveling, ongenoegen, nieuwsgierigheid en respect. Tot slot voegen Martin & White (2005) nog een aparte groep toe, waarin de attitudes vallen die te maken hebben met de intenties die iemand heeft. Het gaat in deze groep bijvoorbeeld om gevoelens als willen en wensen.
2.4.1.2.2 Affect herkennen
In onderstaande tabel worden de vier mogelijkheden van affect nader toegelicht en daarbij omschreven hoe zij volgens Martin & White (2005) te herkennen zijn in een taaluiting.
(on)geluk Gevoelens vanuit je hart: komen van binnen uit.
• Werkwoorden die op emotie duiden, zoals: haten/houden van, iets of iemand leuk/stom/aardig/gemeen/etc. vinden, zich goed/slecht/blij/etc. voelen.
• Bijwoorden die duiden op emotie, zoals: gelukkig/helaas/jammer/zonde/heerlijk
• Bijvoeglijke naamwoorden die duiden op geluk of ongeluk, zoals de verdrietige man, het gelukkige meisje.
22
• Werkwoorden die duiden op tevredenheid, zoals: blij zijn met/boos zijn op, vervelend vinden, moe/ziek zijn van, gehad hebben met, irritant/vervelend vinden, tevreden/onder de indruk zijn, interessant vinden, ergeren, verveeld zijn, complimenteren, belonen, straffen, etcetera.
(on)zekerheid On/zekerheid heeft betrekking op onze gevoelens van vrede en angst in relatie tot onze omgeving en de mensen die deze met ons delen. Het omvat gevoelens als besluiteloosheid, angst, onrust, verbazing, zekerheid en vertrouwen.
• Werkwoorden als zeker weten, vertrouwen hebben in, verbazen over, zeker zijn, etcetera.
Geneigdheid Gevoelens van geneigdheid hebben eerder te maken met de intentie die iemand heeft, dan de reactie die iemand geeft op een voorwerp, persoon of gedrag. Emoties die in deze groep vallen hebben te maken met angst en verlangen.
• Werkwoorden die duiden op angst of verlangen, zoals:
missen/wensen/willen/hopen, opzeggen (van abonnement), overstappen (naar andere organisatie),
• Modale werkwoorden zoals zullen/kunnen/moeten
Tabel 2.4: Uitingen van affect volgens Martin & White (2005).
2.4.1.2.3 Judgements
Het systeem judgement beoordeelt het karakter van een persoon of groep op basis van haar gedrag. Net als een uiting van affect kan een judgement positief of negatief, en impliciet of expliciet geuit worden. Martin & White’s (2005) beschrijving van judgements beperkt zich tot menselijk gedrag. Datgene wat geëvalueerd wordt in de uiting moet volgens hen toegeschreven kunnen worden aan een bepaalde menselijke bron. Soms behandelen we echter onmenselijke zaken als een subject dat in staat is gedrag uit te voeren. Een organisatie of een product wordt op die manier gezien als een “mens” dat een bepaald gedrag wel of niet uitvoert. Een voorbeeld daarvan is te zien in onderstaande tweet.
Tweet 2.9 Negatief Judgement TV doet het niet :S kut UPC
De schrijver van de tweet ziet hier UPC als de schuldige van het niet functioneren van de TV. Indirect wordt er dan verwezen naar (het uitblijven van) gedrag van de telecommaatschappij. Op basis daarvan krijgt UPC een slechte beoordeling (‘kut’) toebedeeld. In dit onderzoek worden daarom de uitingen die gericht zijn op het slecht functioneren, of het uitblijven van gedrag, onder judgements gerekend.
23 2.4.1.2.4 Judgements herkennen
Een uiting waarin een judgement gedaan wordt is te herkennen door het geëvalueerde gedrag in een taaluiting te onderscheiden. Martin en White (2005) delen persoonlijke judgements en morele judgements onder in verschillende groepen. Om een beoordeling op basis van gedrag te herkennen, stelt hij daarbij ter ondersteuning een aantal vragen op. Deze zijn weergegeven in tabel 2.5.
Persoonlijk judgement Gebaseerd op normen en waarden. Hebben te maken met:
• Normaliteit: hoe speciaal is iemand?
• Capaciteit: hoe bekwaam is iemand?
• Vasthoudendheid: hoe resoluut is iemand?
Morele Judgements Gebaseerd op regels en wetten. Hebben te maken met:
• Waarheidsgetrouwheid: hoe eerlijk is iemand?
• Fatsoen: hoe ethisch is iemand?
Tabel 2.5: judgements volgens Martin & White (2005).
2.4.1.2.5 Appreciation
Met een appreciation evalueren we ‘dingen’ of ‘fenomenen’ (Martin & Rose, 2007). Waarderingen van fenomenen betreffen onze attitudes over dingen, zoals boeken, films of cd’s, maar ook over gebeurtenissen, zoals toneelstukken of optredens. Daarnaast bevat deze groep ook onze waarderingen over natuurverschijnselen, bijvoorbeeld over een vallende ster, een relatie of een zonsondergang. Er wordt daarom niet gesproken van ‘dingen’, maar van ‘fenomenen’. Appreciations kunnen onderverdeeld worden in ‘reacties’ op dingen, hun ‘compositie’, en hun ‘waarde’. Net als met affect en judgements kunnen appreciations positief of negatief zijn. Appreciations kunnen alleen expliciet geuit worden.
2.4.1.2.6 Appreciations herkennen
Bij een judgement wordt een organisatie of een product als menselijke eenheid gezien. Bij een uiting van affect worden gevoelens beschreven van een menselijke eenheid. Bij een appreciation wordt het gewaardeerde fenomeen juist gezien als een abstract concept. Om een appreciation te herkennen in een uiting, stellen Martin en White (2005) hier ook een aantal punten op met daarbij verschillende vragen.
Reactie • Greep het me aan?
• Vond ik het leuk?
Compositie • Was het samenhangend?
• Was het moeilijk te volgen?
Waarde • Was het het waard?
