De invloed van last-mile oplossingen op de aankoopintentie van online consumenten Een online consument koopt eerder bij een webshop die keuzes in verzendmethodes aanbiedt
Open Universiteit Nederland Faculteit Opleiding
: Management, Science & Technology : Master of Science in Supply Chain Management
Begeleider/examinator
: Dr. Paul Ghijsen
Mede-beoordelaar
: Prof. Dr. Ir. Harold Krikke
Naam student
: Philip Bleijlevens
Studentnummer
: 850227283
Mei, 2015
Samenvatting Door de opkomst van het wereldwijde internetgebruik, neemt de hoeveelheid aankopen via internet ook constant toe. Doordat de hoeveelheid aankopen via internet groeien, groeit ook het totale aantal kleine pakketten die geleverd dienen te worden bij klanten thuis in plaats van levering bij de retail in de winkelstraten. Het logistieke landschap verandert van een puur B2B wereld naar een steeds groter B2C aandeel. Met de term ‘Last-mile oplossingen’ wordt het laatste fysieke stuk dat goederen in de Supply Chain afleggen naar de consumenten bedoeld, het traject vanaf het laatste fysieke sorteercentrum tot bij de klant thuis. Tegenwoordig ligt de regie veel meer bij de consument zelf, die veeleisender wordt en het hebben van keuzes eerder een eis dan een wens lijkt te zijn. In dit onderzoek worden keuzes voor wat betreft afleverlocatie (thuislevering of pakket zelf afhalen in afhaalpunt) en aflevermoment (zelf afleverdag en aflevertijdstip kiezen) gekoppeld aan de aankoopintentie van online consumenten. Last-mile oplossingen werden niet eerder onderzocht als mogelijke drijfveren voor consumenten om tot een online aankoop over te gaan. De probleemstelling van het onderzoek luidt daarom als volgt: Welke invloed heeft het aanbieden van last-mile oplossingen (keuze uit afleverlocatie en keuze uit aflevermoment) op de aankoopintentie van online consumenten? Alvorens de vragenlijst via een online enquete tool uitgezet is onder de respondenten heeft eerst een pre-test plaatsgevonden. De online enquete tool is daarna verstuurd naar een groep willekeurige klanten van webshops in Nederland, die in de drie maanden voorafgaand aan het ontvangen van de vragenlijst online een aankoop hebben gedaan. In totaal is de enquete uitgestuurd naar 6.239 personen, waarvan er in totaal 670 de vragenlijst correct ingevuld hebben (respons percentage van 10,7%). De data is verzameld in december 2014, de enquete is voor de respondenten beschikbaar geweest gedurende een periode van twee weken. De resultaten van het onderzoek (na toetsing van 22 hypotheses) staan vermeld in figuur 1.
Philip Bleijlevens – 2015
1
Figuur 1: Resultaten onderzoeksmodel
Uit het onderzoek komt als belangrijkste conclusie naar voren dat het aanbieden van last-mile oplossingen leidt tot een hogere aankoopintentie. Daarnaast blijkt dat het aanbieden van last-mile oplossingen bij online consumenten bestaande risico’s laat afnemen. Ook vermindert het feit dat online consumenten ervaring hebben met last mile oplossingen de perceptie van risico’s bij het doen van een online aankoop. Ten slotte is aangetoond dat het beschikken over relevante ervaring met last-mile oplossingen ervoor zorgt dat de kans groter is dat een online consument overgaat tot een aankoop zodra last-mile oplossingen aangeboden worden door een webshop. Deze bevindingen vormen dan ook de theoretische implicaties en vormen daarmee het wetenschappelijke belang van dit onderzoek. Op het praktische of management vlak is de belangrijkste aanbeveling die in de richting van webshops. Online consumenten blijken namelijk een hogere aankoopintentie te hebben indien ze de keuze hebben om zelf te bepalen hoe de last-mile van de aflevering er uit komt te zien. Dit heeft tegelijkertijd ook implicaties voor logistiek dienstverleners die de last-mile richting de consument verzorgen. Zij die nu enkel een standaard afleverpoging kunnen aanbieden zullen op zoek moeten gaan naar mogelijkheden om te differentiëren, waardoor ook bijvoorbeeld in een afhaalpunt of bij de klant thuis op de gewenste dag en in het gewenste tijdvenster afgeleverd kan worden. Voor online consumenten zullen de conclusies uit het onderzoek betekenen dat er in de toekomst nog meer keuzes voor de klant zullen ontstaan. Ten slotte blijkt dat ervaren risico’s nog steeds zorgen voor een afname van de aankoopintentie bij online consumenten, maar tegelijkertijd blijkt ook hier dat het aanbieden van last-mile oplossingen deze risico’s weer kan verminderen.
Philip Bleijlevens – 2015
2
Inhoudsopgave Samenvatting........................................................................................................................................... 1 1.
2.
Inleiding ........................................................................................................................................... 5 1.1
Maatschappelijke relevantie ................................................................................................... 5
1.2
Wetenschappelijke bijdrage .................................................................................................... 6
1.3
Probleemstelling en onderzoeksvragen .................................................................................. 7
1.4
Structuur onderzoeksrapport .................................................................................................. 8
Literatuuronderzoek........................................................................................................................ 9 2.1
Aankoopintentie online consument ........................................................................................ 9
2.2
Consument karakteristieken ................................................................................................. 10
2.2.1
Geslacht ......................................................................................................................... 10
2.2.2
Leeftijd ........................................................................................................................... 11
2.2.3
Inkomen......................................................................................................................... 11
2.2.4
Opleidingsniveau ........................................................................................................... 12
2.2.5
Gezinssituatie ................................................................................................................ 12
2.3
Ervaren waarde ..................................................................................................................... 12
2.4
Ervaren risico ......................................................................................................................... 14
2.4.1
Product risico ................................................................................................................. 14
2.4.2
Financieel risico ............................................................................................................. 14
2.4.3
Privacy risico .................................................................................................................. 15
2.5
3.
4.
Last-Mile oplossingen ............................................................................................................ 15
2.5.1
Locatie ........................................................................................................................... 16
2.5.2
Aflevermoment ............................................................................................................. 17
2.6
Online aankoop ervaring ....................................................................................................... 19
2.7
Ervaring met Last-mile oplossingen ...................................................................................... 20
2.8
Bestedingsgedrag online consument .................................................................................... 20
2.9
Onderzoeksmodel ................................................................................................................. 22
Methodologie ................................................................................................................................ 23 3.1
Kenmerken van de vragenlijst ............................................................................................... 23
3.2
Data-collectie......................................................................................................................... 26
3.3
Steekproefgrootte ................................................................................................................. 26
3.4
Statistische analyse ............................................................................................................... 29
Resultaten ..................................................................................................................................... 30
Philip Bleijlevens – 2015
3
4.1
4.1.1
Statistische kenmerken variabelen ............................................................................... 30
4.1.2
Betrouwbaarheid........................................................................................................... 32
4.1.3
Verklaren variantie (R2) ................................................................................................. 33
4.1.4
Correlaties ..................................................................................................................... 33
4.2
5.
6.
Meetmodel ............................................................................................................................ 30
Conceptuele model ............................................................................................................... 34
4.2.1
Onderlinge relaties variabelen ...................................................................................... 34
4.2.2
De resultaten van het model ......................................................................................... 36
Conclusie, discussie en aanbevelingen.......................................................................................... 37 5.1
Conclusie ............................................................................................................................... 37
5.2
Discussie ................................................................................................................................ 38
5.3
Aanbevelingen, beperkingen en suggesties voor verder onderzoek .................................... 41
5.3.1
Wetenschappelijke aanbevelingen ............................................................................... 41
5.3.2
Management aanbevelingen......................................................................................... 41
5.3.3
Beperkingen en suggesties voor verder onderzoek ...................................................... 42
Literatuurlijst ................................................................................................................................. 44
Bijlage I – Vragenlijst ............................................................................................................................. 50
Philip Bleijlevens – 2015
4
1. Inleiding 1.1 Maatschappelijke relevantie In 2013 gaf 83 procent van de 12- tot 75-jarige internetgebruikers in Nederland aan online te winkelen. Dat komt neer op 10,3 miljoen mensen, 0,4 miljoen meer dan in 2012. Het aandeel frequente e-shoppers nam toe van 57 naar 60 procent, het aandeel minder frequente kopers bleef gelijk op 22 procent, zie hiervoor figuur 2 (CBS, 2014).
Figuur 2: Internetgebruikers van 12 tot 75 jaar
De Nederlandse e-commerce omzet, de online verkoop van producten en diensten, kwam in 2012 uit op €9,8 miljard. Dit was een groei van 9% ten opzichte van 2011 (Thuiswinkel.org, 2013), zie hiervoor figuur 3.
Figuur 3: Bestedingen Nederlandse e-commerce
Wereldwijd zijn dezelfde patronen overduidelijk merkbaar. Waar nu nog 5-15% van de wereldbevolking haar aankopen online doet, zal dat in de komende jaren groeien naar 25-35% (Capgemini, 2013). Vanuit het perspectief van de klant heeft online winkelen de ongemakken, zoals drukte in winkelgebieden, in de rij staan voor de kassa en het zoeken naar een parkeerplaats,
Philip Bleijlevens – 2015
5
weggenomen. Dit wordt ondersteund door Rowley (1996), die stelt dat klanten door de komst van online winkels beter in staat zijn om producten en de prijzen van producten te vergelijken, zonder dat dit al te veel tijd of ongemak oplevert. De consument heeft sinds de komst van het internet nog meer keuzes binnen handbereik, en dat keuzefenomeen lijkt nu ook door te dringen in de keuze van fysieke aflevering aan huis. Tot een aantal jaren geleden was het heel normaal om vandaag te bestellen en het pakket in de aankomende werkdag(en) thuis te mogen verwachten op een moment dat werd uitgevoerd aan de hand van het optimale rooster van de logistieke planner. Het verwachtingspatroon van de consument neemt echter op alle vlakken toe, dus ook op het vlak van de fysieke distributie. Daarnaast is het voor een webshop een manier om zich te kunnen onderscheiden van concurrenten als er keuzes aangeboden worden die concurrenten (nog) niet kunnen aanbieden, om op die manier meer omzet te genereren. Ten slotte is een niet onbelangrijk aspect van het slagen van een fysieke levering aan de consument het verhogen van de afleverconversie, die het percentage van succesvol afgeleverde orders weergeeft ten opzichte van het totaal aantal orders. Met name webshops hebben te kampen met hoge retourpercentages, die de nodige operationele kosten met zich meebrengen, enerzijds doordat een vervoerder bij een 2e aanleverpoging additionele kosten maakt en anderzijds omdat een order van een klant die de zending retourneert additionele kosten met zich meebrengt in de retourverwerking. Een succesvolle last-mile oplossing kan er voor zorgen dat het aantal consumenten, waarbij de levering niet door kan gaan door afwezigheid van de consument, verlaagd kan worden, waarmee een ogenschijnlijk duurdere verzendmethode kan leiden tot lagere kosten dan een goedkopere variant, waarbij consumenten mogelijk tevredener zijn en loyaler zijn geworden aan de webshop, dan wanneer de aflevering mislukt zou zijn, of wanneer ze geen keuze in aflevermogelijkheden zouden hebben. Het onderwerp speelt zich af in de wereld van logistieke dienstverlening, en in het speciaal ‘the last mile’ van een home-delivery naar online consumenten. Het andere onderzoeksdomein gaat over drijfveren voor online aankoopgedrag door consumenten. Het thema is te plaatsen in de onderzoekswereld van fysieke distributie en logistiek management, maar heeft ook aansluiting bij onderzoek naar service in de logistiek en het aankoopgedrag en drijfveren van online consumenten naar aanleiding van beschikbare keuzemogelijkheden.
1.2 Wetenschappelijke bijdrage Door de opkomst van het wereldwijde internetgebruik, neemt de hoeveelheid aankopen via internet ook constant toe. Doordat de hoeveelheid aankopen via internet groeien, groeit ook het totale aantal kleine pakketten die geleverd dienen te worden bij klanten thuis. Onderzoek heeft aangetoond dat de groei van online winkelen zal bijdragen aan meer vrachtbeweging en meer transport kilometers (Cohen, 2000); (Golob en Regan, 2001); (Anderson et al., 2003); (Mokhtarian, 2004); (Rotem-Mindali en Salomon, 2007). Deze verschuiving in het pakket afleveraanbod zorgt voor een forcering in de fysieke distributie om de online aankopen te ondersteunen (Hesse, 2002). Het correct reageren op de groeiende aantallen kleine pakketten zorgt bovendien voor grote en nieuwe uitdagingen voor het distributienetwerk van logistiek dienstverleners (Huppertz, 1999) en (Anderson et al., 2003). Het vergt voor de logistiek dienstverlener veel om zich aan te passen aan de veranderende wereld, waar een koerier of pakketbezorger voorheen grote pakketten kon leveren in Retail gebieden, dienen de kleine (vaak individueel verpakte goederen) nu bij de consument aan huis afgeleverd te worden.
Philip Bleijlevens – 2015
6
Anderson en Leinbach (2007) constateerden dat het voor een logistieke dienstverlener cruciaal is om kostenefficiënt en met een hoog klanttevredenheidsniveau het distributienetwerk te onderhouden om in de online business competitief te kunnen blijven zijn. Het is voor de logistiek dienstverlener van belang om mee te kunnen groeien met het stijgende aanbod en de continu veranderende vraag van de e-commerce omgeving. Het is van groot belang dat de logistiek dienstverlener inspeelt op de vraag van de webshops en aansluit bij het verwachtingspatroon van de online consument. Cho (2004) geeft aan dat bijna 95% van de internetgebruikers die een webshop bezoeken dit niet in de eerste plaats doen met de intentie om een aankoop te gaan doen. Nog kenmerkender, zelfs de meest bekende webshops hebben veel moeite om klanten aan zich te binden als het gaat om het doen van aankopen. Het is dus van groot belang om de drijfveren van de online consument te kennen als het gaat om het aankoopgedrag. Jiang en Rosenbloom (2005) hebben aangetoond dat de prijsperceptie, als die op vergelijkbare basis gemeten is, een direct positief effect heeft op de algehele klanttevredenheid en de intentie om opnieuw een aankoop te doen. Daarnaast hebben zij aangetoond dat het tevredenheidsniveau van een online consument, na ontvangst van het bestelde product, veel meer invloed heeft op zowel de algehele klanttevredenheid als op de intentie om opnieuw een aankoop te doen dan het tevredenheidsniveau direct na het bestelproces. Vooral dit laatste toont aan dat een online consument niet enkel tevreden is met een goede en duidelijke webshop, maar dat de afhandeling van de bestelling en het afleverproces nog belangrijker zijn voor klanten om bij een webshop over te gaan tot een (her)aankoop. Er is onderzoek gedaan naar drijfveren van klanten op het gebied van online aankoopgedrag en wat er logistiek gezien voor een mogelijkheden en oplossingen zijn, echter is de combinatie nog niet eerder gemaakt zoals deze in dit onderzoek uitgevoerd zal worden. Het onderzoek wordt uitgevoerd onder bestaande online consumenten die uitleg krijgen over wat er onder last-mile oplossingen verstaan wordt en daarom ook gefundeerd aan zouden moeten kunnen geven of dit een substantiële drijfveer is in de aankoopintentie. Aankoopintenties geven aan wat een klant denkt te gaan kopen (Blackwell et al., 2001). Dit onderzoek zorgt er voor dat ‘drijfveren’ van online consumenten gemeten kunnen worden in relatie met de keuzes die zij bewust gemaakt hebben m.b.t. de fysieke distributie van hun aankoop. Het is daarmee een empirisch onderzoek dat er voor kan zorgen dat er een beter begrip van online consumentengedrag kan komen. Uiteraard biedt het onderzoek ook kennis voor webshops en logistiek dienstverleners die hier hun bestaande servicemodellen op kunnen aanpassen en hun marktpositie daarmee zouden kunnen versterken, door beter in te spelen op de daadwerkelijke wensen en behoeftes van de online consument.
1.3 Probleemstelling en onderzoeksvragen Er is onderzoek gedaan naar de impact van e-commerce op de logistiek dienstverleners, hoe zij hierop kunnen inspelen, hoe zij zich kunnen inrichten en wat de beste manier is om de business te runnen en zo efficiënt mogelijk te werken (Lim en Shiode, 2011). Kijkende naar nieuwe logistieke diensten dan zijn ook op dat gebied heel wat onderzoeken uitgevoerd. Zo onderzochten Agatz et al.(2007) en Agatz et al.(2010) in een tweetal onderzoeken het effect van time-slot management op home-delivery dienstverlening, men beschreef de uitdagingen en opportuniteiten hiervan, echter koppelde men dat niet aan het consumentengedrag en het effect van de keuze op de klantbeleving.
Philip Bleijlevens – 2015
7
De probleemstelling van het onderzoek luidt daarom als volgt: Welke invloed heeft het aanbieden van last-mile oplossingen (keuze uit afleverlocatie en keuze uit aflevermoment) op de aankoopintentie van online consumenten? Het onderzoek betreft een verklarend onderzoek naar de drijfveren van consumenten bij de keuze van het servicelevel van de fysieke distributie van de aangekochte goederen. Tot op heden is er in de wetenschap onderzoek gedaan naar fysieke distributie, modellen waarmee logistieke dienstverleners routes kunnen optimaliseren, of zo efficiënt mogelijk de dienstverlening uit kunnen voeren (Lim & Shiode, 2011). Ook is er onderzoek verricht naar mogelijke drijfveren van consumenten die online bestellen. Waardoor worden keuzes in het bestelproces beïnvloed? Waartoe zijn klanten bereid tijdens de online aankoop (Jiang en Rosenbloom, 2005)? Hier is slechts in geringe mate het aspect fysieke distributie en een mogelijke keuze van de consument aan toegevoegd. Zijn verbanden te leggen tussen aankoopgedrag en keuzemogelijkheden van fysieke distributie aan huis? Wat heeft de voorkeur voor een consument, locatie of snelheid? En als de klant dan bepaalde keuzes voor de levering heeft, bepaalt dat dan ook zijn drijfveren in het aankoopgedrag? Het onderzoek geeft antwoord op de vraag waarmee aankoopintenties te beïnvloeden zijn van online consumenten oftewel: Welke invloed heeft het aanbieden van last-mile oplossingen (keuze uit afleverlocatie en keuze uit aflevermoment) op de aankoopintentie van online consumenten? Om deze probleemstelling te kunnen beantwoorden zijn er een aantal onderzoeksvragen opgesteld die in de literatuurstudie behandeld zullen worden. Iedere onderzoeksvraag komt in hoofdstuk 2 in een aparte paragraaf aan bod. A. Welke drijfveren hebben invloed op het aankoopgedrag van online consumenten? B. Welke consument karakteristieken worden in verband gebracht met het aankoopgedrag van online consumenten? C. Welke ervaren waardes worden in verband gebracht met het aankoopgedrag van online consumenten? D. Welke ervaren risico’s worden in verband gebracht met het aankoopgedrag van online consumenten? E. Welke keuzes in last-mile opties zijn er te onderscheiden, kijkende naar afleverlocatie en aflevermoment, en hoe kunnen die in verband gebracht worden met het aankoopgedrag van online consumenten? F. Op welke manier kan de online aankoop ervaring getoetst worden? G. Hoe kan de ervaring die een online consument al heeft met de keuze in last-mile oplossingen beschreven worden? H. Heeft het bestedingsgedrag van de online consument effect op het aankoopgedrag?
1.4 Structuur onderzoeksrapport Dit rapport is als volgt opgebouwd: hoofdstuk twee presenteert een overzicht van de beschikbare literatuur binnen het onderzoeksgebied. Deze literatuurstudie vormt een basis voor de hypotheses en het onderzoeksmodel dat getoetst zal worden. Hoofdstuk drie beschrijft de onderzoeksmethode, waarna in hoofdstuk vier de empirische onderzoeksresultaten weergegeven worden. Ten slotte zullen de conclusies van het onderzoek en de beperkingen en aanbevelingen voor verder onderzoek beschreven worden in hoofdstuk vijf.
Philip Bleijlevens – 2015
8
2. Literatuuronderzoek Het literatuuronderzoek zal een synthese weergeven van de zaken die op het van toepassing zijnde onderzoeksgebied al beschreven zijn. Zo zal er in deze literatuurstudie aandacht besteed worden aan aankoopgedrag van online consumenten en de drijfveren die van invloed zijn op de aankoopintentie van deze online consumenten. In dit onderzoek worden drie traditionele drivers gekenmerkt, namelijk: de consument karakteristieken, de door de klant ervaren waarde en de door de klant ervaren risico’s. Hier wordt een vierde drijfveer aan toegevoegd: namelijk de logistieke last-mile oplossingen. Ook wordt er aandacht besteed aan de online aankoop ervaring van online consumenten, de ervaring met het gebruik van last-mile oplossingen en het bestedingsgedrag van consumenten. Bij iedere paragraaf wordt de onderzoeksvraag beantwoord en wordt er afgesloten met de van toepassing zijnde hypothese(s). Ten slotte wordt het onderzoeksmodel schematisch weergegeven als basis voor het verdere onderzoek.
2.1 Aankoopintentie online consument De onderzoeksvraag die centraal staat in deze paragraaf: A. Welke drijfveren hebben invloed op het aankoopgedrag van online consumenten? Ondanks dat internet een ontzettend grote rol is gaan spelen in consumentengedrag, staat het onderzoek hiervan nog in de kinderschoenen. Online ervaren consumenten geen interactie op persoonlijk vlak, de levering van de aangekochte producten aan huis is daarmee een niet te onderschatten element in de servicebeleving van de consument. Een webshop, maar zeker ook een logistiek dienstverlener moet zich bewust zijn van die bijkomende rol van menselijke interactie voor de consument. Eerder onderzoek illustreert de substantiële impact van technologie en de daarmee samenhangende afnemende mate van menselijke interactie in de servicebeleving op het gedrag en de houding van consumenten (Meuter et al., 2000), (Parasuraman en Grewal, 2000) en (Shankar et al., 2003). Door het wegvallen van de menselijke interactie zijn andere aspecten, zoals privacy, op tijd leveren en gebruiksgemak van de website, kritieke succesfactoren geworden voor de online aankoop ervaring (Holloway en Beatty, 2003) en (Wolfinbarger and Gilly, 2003). Onderzoek naar ‘satisfiers’ en ‘dissatisfiers’ in de online omgeving is gedaan door Holloway en Beatty (2008). Het artikel van Seiders et al. (2005) is een door velen geciteerd onderzoek waarin de vraag wordt beantwoord of tevreden klanten meer online kopen? De uitkomst van dit onderzoek zal niet tot de verbeelding staan, tevreden klanten kopen online meer. Francis (2007) deed onderzoek naar diversiteit online, conclusie daaruit is dat niet iedere consument met eenzelfde dienstverlening content is. In deze studie wordt onderzocht welke drijfveren invloed hebben op de aankoopintentie van een online consument. Het onderzoek zal afgebakend worden door enkel de aanschaf van niet-digitale producten in beschouwing te nemen. Onder digitale producten worden zaken als vliegtickets, of mp3 muziek verstaan, waarbij geen fysiek afleverproces noodzakelijk is. Dai et al. (2014) onderzochten dat de invloed van ervaren risico’s op het aankoopgedrag van online consumenten kleiner is bij digitale producten dan bij niet-digitale producten.
Philip Bleijlevens – 2015
9
2.2 Consument karakteristieken In heel veel studies worden consument karakteristieken gebruikt om te onderzoeken of er verschillen in populaties aan te treffen zijn. Ook als het gaat om de aankoopintentie van online consumenten zijn er verschillen waar te nemen tussen diverse consumenten profielen. Daarom worden de consument karakteristieken in dit onderzoek als basis voor de analyse gebruikt, om aan te tonen of deze verschillende consument karakteristieken invloed hebben op de aankoopintentie bij online aankopen. Er is veel onderzoek gedaan waarbij is aangetoond dat factoren als geslacht, leeftijd, inkomen, opleiding en gezinssituatie invloed hebben op het online aankoopgedrag van consumenten (Liebermann en Stashevsky, 2009). Maar volgens onderzoek van Hernandez et al. (2011) hebben sociaaleconomische factoren als leeftijd, geslacht en inkomen geen invloed op het online aankoopgedrag van consumenten. Voor dit onderzoek reden genoeg om deze factoren mee te nemen, om te kunnen onderbouwen of consument karakteristieken wel of geen invloed hebben op de aankoopintentie van online consumenten. De deelvraag die hierbij opgesteld is en in deze paragraaf beantwoord zal worden, luidt als volgt: B. Welke consument karakteristieken worden in verband gebracht met het aankoopgedrag van online consumenten? 2.2.1
Geslacht
Het verschil tussen het mannelijke en het vrouwelijke geslacht is in veel onderzoeken aan bod gekomen. Als het gaat om online winkelen beschrijft Zhou et al. (2007) dat er drie verklaringen zijn voor verschillen tussen de twee geslachten als het gaat om online winkelen. Allereerst is de manier van winkel oriëntatie bij vrouwen anders dan bij mannen. Waar mannen gemak belangrijker vinden dan sociale interactie, vinden vrouwen de emotionele beleving en de sociale interactie belangrijker. Ten tweede is volgens Van Slyke et al. (2002) het productaanbod dat online beschikbaar is (elektronica, cd’s, boeken) meer favoriet bij het mannelijke geslacht. Vrouwen zijn eerder geïnteresseerd in kleding, accessoires en woninginrichting producten, die minder online verkrijgbaar zijn. Reden om de karakteristiek ‘geslacht’ op te nemen in dit onderzoek, aangezien het online aanbod de afgelopen jaren een behoorlijke vlucht genomen heeft, waardoor vrouwen mogelijk wel hun favoriete producten online kunnen kopen. Ten slotte hebben vrouwen volgens Cho (2004) en Dittmar et al. (2004) meer behoefte aan het fysiek vasthouden en voelen van de producten voordat ze tot aanschaf over gaan dan mannen. Gong et al. (2013) heeft in zijn onderzoek, uitgevoerd in China, verworpen dat mannelijke consumenten meer intentie hebben om online aankopen te doen dan vrouwen. Mogelijk dat het verschil tussen de resultaten van dit onderzoek en de resultaten van de onderzoeken van tien jaar geleden te verklaren zijn doordat online assortimenten enorm veel groter zijn geworden en meer de vraag van het vrouwelijke geslacht beantwoorden. Ook zijn manieren waarop producten online gepresenteerd kunnen worden vele malen beter geworden in de loop der jaren. In het onderzoek wordt dan ook de volgende hypothese getoetst: H1a: De intentie om een online aankoop te doen zal bij vrouwelijke online consumenten hoger liggen dan bij mannelijke online consumenten.
Philip Bleijlevens – 2015
10
2.2.2
Leeftijd
Net als het geslacht is er ook te verwachten dat de leeftijd van invloed is op de aankoopintentie van online consumenten. Er zijn meerdere onderzoeken die aangetoond hebben dat een hogere leeftijd van online consumenten een negatieve invloed heeft op de aankoopintentie. Gong et al. (2013) concludeert uit zijn onderzoek dat er een significant verband is op te maken tussen de leeftijd van een online consument en de aankoopintentie. Hoe hoger de leeftijd, des te lager de aankoopintentie bleek te zijn. Hiermee bevestigt hij wat Doolin et al. (2005) en Liebermann en Stashevsky (2009) eerder ook al aangetoond hebben, namelijk een vergelijkbaar verband tussen de leeftijd van een online consument en de intentie om online aankopen te doen. Het verband lijkt ook verklaarbaar aangezien jongere mensen over het algemeen genomen meer affiniteit hebben met nieuwe technologie, zoals het internet, en het daarom ook vaker zullen gebruiken, echter weerlegt Akman (2010) deze stelling in zijn onderzoek, aangezien hij concludeert dat leeftijd geen significante invloed meer heeft op het internet gebruik. Resultaten lijken dus tegenstrijdig, echter moet in ogenschouw genomen worden dat het onderzoek van Akman (2010) gedaan is onder een groep respondenten die bij één organisatie aan het werk waren, en dus mogelijk geen goede weerspiegeling van de bevolking vormen, daarnaast kan het internetgebruik nog niet altijd iets hoeven te zeggen over de aankoopintentie van online consumenten. Volgend op deze literatuurstudie zal in dit onderzoek de volgende hypothese getoetst worden: H1b: De intentie om een online aankoop te doen zal bij consumenten met een hogere leeftijd lager zijn dan bij consumenten met een lagere leeftijd. 2.2.3
Inkomen
Bij het gebruik van de onderzoeksvariabele ‘inkomen’ in combinatie met geslacht en leeftijd moet altijd de kanttekening gemaakt worden dat deze zaken met elkaar verband kunnen houden. Volgens onderzoek van Hernandez et al. (2011) hebben sociaaleconomische factoren als leeftijd, geslacht en inkomen geen invloed op het online aankoopgedrag van consumenten. Volgens dit onderzoek is het veel belangrijker wat iemands ervaringen zijn met het internet en het doen van aankopen via het internet, dan een variabele als inkomen. Deze redenatie lijkt ook plausibel te zijn omdat het aanbod van online webshops steeds groter wordt, en er juist ook vaak ‘prijsvechters’ opstaan online, waardoor prijzen van producten lager zijn dan van vergelijkbare producten in de traditionele Retail (Punj, 2012). Uit ditzelfde onderzoek van Punj (2012) komt naar voren dat inkomen, als onderzoek gedaan wordt naar online aankoopintentie vanuit twee invalshoeken bekeken kan worden. Mensen met een hoger inkomen hebben mogelijk een intentie om online aankopen te doen, omdat ze hiermee tijd kunnen besparen, terwijl mensen met een relatief lager inkomen juist een intentie hebben om online aankopen te doen, omdat ze daarmee geld kunnen besparen. Uit onderzoek van onder andere Doolin et al. (2005) blijkt dat online consumenten een hoger inkomen hebben dan traditionele Retail consumenten. Hieruit zal in dit onderzoek de volgende hypothese getoetst worden: H1c: De intentie om een online aankoop te doen zal bij consumenten met een hoger inkomen groter zijn dan bij consumenten met een lager inkomen.
Philip Bleijlevens – 2015
11
2.2.4
Opleidingsniveau
Algemeen bekend is het dat mensen met een hoger opleidingsniveau meer in contact staan met internet en daardoor meer vertrouwen hebben in het internet als medium om te winkelen (Hui en Wan, 2007). Román en Riquelme (2014) hebben in hun onderzoek bevestigd dat het opleidingsniveau een positieve invloed heeft op de internet expertise van de consument en een negatieve invloed op de mate waarin zij gefrustreerd raken, mogelijk omdat zij beter snappen dat de complexiteit die nodig is om een webshop goed te laten functioneren ook wel eens tot een fout of vertraging kan leiden. Hieruit volgt voor dit onderzoek de volgende hypothese: H1d: De intentie om een online aankoop te doen zal bij consumenten met een hoger opleidingsniveau groter zijn dan bij consumenten met een lager opleidingsniveau. 2.2.5
Gezinssituatie
Als het gaat om de gezinssituatie is het interessant om te onderzoeken of er verschillen waar te nemen zijn tussen mensen die alleenstaand zijn of samenwonend, of tussen mensen die wel of geen kinderen hebben. Hashim et al. (2009) concludeerden dat de gezinssituatie significante invloed heeft op de aankoopintentie van online consumenten. Mensen die gescheiden of weduwe zijn (alleenstaand) hebben een hogere intentie om online aankopen te doen dan getrouwde of samenwonende mensen. Het onderzoek nam niet in overweging of er wel of geen kinderen in een gezin aanwezig waren. Kim en Kim (2004) deden hier wel onderzoek naar en toonden daarbij aan dat mensen met kinderen een hogere online aankoopintentie hebben dan mensen zonder kinderen, een mogelijke verklaring hiervan is dat mensen met kinderen minder tijd hebben om tijdens openingstijden van traditionele retail winkels hun aankopen te doen en daarom eerder de keuze maken om de aankopen online te doen. Ook Gong et al (2013) hebben aangetoond dat getrouwde mensen met kinderen een grotere intentie hebben om online aankopen te doen dan getrouwde mensen zonder kinderen of alleenstaanden. Hieruit wordt voor dit onderzoek de volgende hypothese geformuleerd: H1e: De intentie om een online aankoop te doen zal bij consumenten die getrouwd zijn en kinderen hebben groter zijn dan bij consumenten die getrouwd zijn en geen kinderen hebben of alleenstaanden.
2.3 Ervaren waarde De door een consument ervaren waarde is op het onderzoeksgebied van marketing al vele jaren een belangrijk thema. Dat de ervaren waarde positief in verband gebracht kan worden met de intentie om opnieuw een aankoop te doen in de online wereld werd aangetoond door Wu et al. (2014), waardoor het gerechtvaardigd is om te verwachten dat de ervaren waarde een belangrijke drijfveer is voor een consument om over te gaan tot een online aankoop. De door de consument ervaren waarde is altijd een combinatie van een aantal factoren die voor een consument van belang zijn, vertrouwen en prijs spelen daarbij een belangrijke rol volgens Oliver en DeSarbo (1988). Als het effect op het online aankoopgedrag gemeten wordt, blijkt uit onderzoek dat er ook andere factoren een rol spelen op het aankoopgedrag, zoals de ervaring die men met het medium heeft, alsook de ervaren risico’s (Sinha et al., 1998). Om die reden wordt in dit onderzoeksmodel de ervaren waarde als een mogelijke variabele gezien, maar worden ook de genoemde relaties tussen ervaren risico’s en online aankoop ervaring aan de ene kant vergeleken met de online aankoopintentie aan de andere
Philip Bleijlevens – 2015
12
kant. In navolging op de literatuur is de ervaren waarde te definiëren als het ervaren voordeel t.o.v. de ervaren prijs van de transactie met de online webshop. De deelvraag die hierbij opgesteld is en in deze paragraaf beantwoord zal worden, luidt als volgt: C. Welke ervaren waardes worden in verband gebracht met het aankoopgedrag van online consumenten? Voor een online retailer is het belangrijk dat een consument terug komt om opnieuw een aankoop te doen. Vertrouwen in de online retailer speelt hierbij een vitale rol volgens Reichheld en Schefter (2000). Vertrouwen is al sinds lange tijd een zeer belangrijke factor gebleken als het gaat om de intentie van een consument om online een aankoop te doen (Hoffmann et al., 1999) en (Lee en Turban, 2001). Bij een traditionele handelstransactie is het voor de aankopende partij mogelijk om een gevoel van vertrouwen te krijgen door intermenselijke relaties . Bij een online aankoop zijn deze intermenselijke relaties niet of nauwelijks aanwezig, waardoor een consument op een andere manier vertrouwen in de online retailer zal moeten zien te krijgen. Online vertrouwen is op te bouwen bij een online consument door, a) het gevoel te wekken dat de online verkoper niets te winnen heeft als hij zou frauderen, b) het gevoel dat er veiligheidsmaatregelen ingebouwd zijn in de webshop en c) als een webshop op een herkenbare manier opgebouwd is en gebruikt kan worden (Gefen et al., 2003). Lee en Turban (2001) hanteren een vergelijkbare opbouw, maar wijken daarbij iets af. Zij stellen dat de betrouwbaarheid van de online webshop, de betrouwbaarheid van het gebruikte internet medium en effecten van derde partijen die zorgen voor de beveiliging, de belangrijkste waardes zijn die vertrouwen vergroten voor online consumenten. In dit onderzoek verwacht ik eenzelfde positieve relatie aan te treffen tussen het ervaren vertrouwen en de aankoopintentie, zoals bij eerder onderzoek van Kim et al. (2012) ook aangetoond werd. De prijs van een product wordt al lang beschouwd als een van de belangrijkste drijfveren in het keuzegedrag van een consument. De prijs kan beschouwd worden als het bedrag dat voldaan moet worden om een product of dienst te verkrijgen (Zeithaml, 1988). Webshops verkopen de producten over het algemeen tegen lagere prijzen dan fysieke winkels. De besparingen kunnen gerealiseerd worden, aangezien er lagere overhead kosten zijn door het ontbreken van de kosten van de fysieke winkel(s). Consumenten kunnen daarnaast de technische specificaties van een product en de aangeboden prijzen via internet gemakkelijker vergelijken dan binnen traditionele verkoopkanalen (Santos, 2003). Als een klant voor eenzelfde product voor zijn gevoel een te hoge prijs aangerekend krijgt, zal dit zijn intentie om het product te kopen doen afnemen (Dodds et al., 1991). Zoals Koyuncu en Bhattacharya (2004) al aantoonden, geven consumenten de voorkeur om meer via Internet te kopen aangezien webshops lagere prijzen hanteren. Grewal et al. (2003) concludeerden dat de transparantie van de prijs sinds de opkomst van webshops een vlucht genomen heeft, waardoor webshops op een andere manier zullen moeten differentiëren, om voor de online consument aantrekkelijk te zijn. De hypothese die hieruit opgesteld kan worden luidt als volgt:
H2: Ervaren waarde in een webshop heeft een positief effect op de aankoopintentie van online consumenten.
Philip Bleijlevens – 2015
13
2.4 Ervaren risico In consumentengedrag speelt het door de consument ervaren risico een belangrijke rol als het gaat om het maken van keuzes en beslissingen (Mitchell, 1999). De vraag of ervaren risico’s ook een rol spelen wanneer consumenten de intentie hebben om over te gaan tot het doen van online aankopen kan positief beantwoord worden, te meer omdat er gebruik gemaakt wordt van nieuwe onbekende technologie en het feit dat er weinig tot geen menselijke interactie plaatsvindt bij een online aankoop (Bart et al., 2005) en (Zhou et al., 2007). Ervaren risico’s lijken hiermee een onmiskenbaar element in het onderzoek naar drijfveren van consumenten als het gaat om de online aankoopintentie. De deelvraag die hierbij opgesteld is en in deze paragraaf beantwoord zal worden, luidt als volgt: D. Welke ervaren risico’s worden in verband gebracht met het aankoopgedrag van online consumenten? 2.4.1
Product risico
Het eerste te onderscheiden risico betreft het product risico. Product risico is gedefinieerd als de kans dat een product niet voldoet aan de originele kwaliteitsverwachting (Peter en Tarpey, 1975). Al sinds mensenheugenis kopen consumenten producten. Waar dat eerst gebeurde nadat een consument een product had kunnen zien, voelen en vasthouden, moet een online consument vanaf een foto en een beschrijving van het product beoordelen of het product aan de gewenste specificaties voldoet (Yu et al., 2012). Product risico wordt gerapporteerd als de meest genoemde reden om niet online te winkelen. Zo toonden ook Forsythe en Shi (2003) aan dat product risico een significante impact heeft op de frequentie van online winkelen, voldoende reden dus om product risico ook in dit onderzoek mee te nemen als één van de mogelijke drijfveren die van invloed is op het online aankoopgedrag van consumenten. Dai et al. (2014) concluderen in hun onderzoek dat product risico een negatieve relatie heeft met de online aankoopintentie. Hierbij valt wel onderscheid te maken tussen niet-digitale producten, waarbij het risico groter is dan bij digitale producten, waarbij het risico als gering bestempeld wordt. Aangezien dit onderzoek focust op de aankoop van niet-digitale producten mag ook hier verwacht worden dat het product risico invloed heeft op de aankoopintentie van online consumenten. Om die reden is de volgende hypothese geformuleerd: H3: Product risico heeft een negatief effect op de aankoopintentie van online consumenten. 2.4.2
Financieel risico
Financieel risico is al zo oud als de eerste vormen van ruilhandel en transacties met geld en is te definiëren als de kans om geld te verliezen bij het doen van een aankoop (Peter en Tarpey, 1975). Onderzoek uit het verleden heeft laten zien dat online consumenten met meer internet ervaring minder financiële risico’s ervaren dan consumenten zonder deze ervaring (Miyazaki en Fernandez, 2001). Ook Dai et al. (2014) bevestigen dit beeld dat consumenten die meer online winkelervaring opgedaan hebben minder financieel risico ervaren, waardoor de aankoopintentie dan ook minder beïnvloedt zal worden door het ervaren financiële risico. Er moet dus in ogenschouw genomen worden dat de ervaren risico’s in verband staan met de ervaring die een consument heeft met het doen van aankopen via het internet. Vanuit een iets andere invalshoek is er onderzoek gedaan door
Philip Bleijlevens – 2015
14
Ltifi et al. (2012) die aangetoond hebben dat er geen negatieve impact op online tevredenheid waar te nemen is door toedoen van financieel risico. Online tevredenheid is daarna in het betreffende onderzoek in verband gebracht met online loyaliteit, maar het geeft in ieder geval wel aan dat er voorzichtig omgegaan moet worden met de interpretatie van wat als financieel risico ervaren wordt door online consumenten. Ook kan er verwezen worden naar de uitkomst van het onderzoek van Dai et al. (2014) die aangetoond hebben dat financieel risico, dat door online consumenten ervaren wordt, de aankoopintentie van de online consument negatief beïnvloedt. Pi et al. (2011) geven zelfs aan dat financieel risico één van de sterkste negatieve drijfveren is voor de aankoopintentie van online consumenten. Uit deze synthese is de volgende hypothese opgesteld: H4: Financieel risico heeft een negatief effect op de aankoopintentie van online consumenten. 2.4.3
Privacy risico
Privacy risico kan gedefinieerd worden als de kans dat persoonlijke informatie onttrokken wordt aan de klant tijdens een online transactie (Garbarino en Strahilevitz, 2004). Uit onderzoek van Miyazaki en Fernandez (2001) blijkt dat online consumenten zeer geïnteresseerd zijn in zowel privacy als beveiliging issues tijdens het online winkelen. Daarnaast wordt potentieel frauduleus gedrag door online retailers ook gezien als een grote zorg onder online consumenten, en hebben daarmee invloed op het aankoopgedrag van deze online consumenten. De beveiliging van informatie en privacy gerelateerde data is voor online consumenten een fundamentele zorg op het moment dat ze een keuze gaan maken voor het doen van een online aankoop. De studie van Tsjai en Yeh (2010) toont aan dat het door de consument ervaren risico van informatie en privacy beveiliging op een website een sterke negatieve relatie heeft ten opzichte van de aankoopintentie. Dai et al (2014) hebben aangetoond dat klanten bij de aankoop van niet-digitale producten meer privacy risico ervaren dan bij de aanschaf van digitale producten, genoemde reden daarvoor is dat een klant bij de aankoop van niet-digitale producten meer persoonlijke informatie moet afstaan, zoals bijvoorbeeld adresgegevens voor het afleverproces. Hieruit volgt de volgende hypothese: H5: Privacy risico heeft een negatief effect op de aankoopintentie van online consumenten.
2.5 Last-Mile oplossingen Een door de consument gekocht product legt binnen de supply chain diverse stappen af. Zo wordt er eerst grondstof gewonnen, wordt het product geproduceerd, geëxporteerd of geïmporteerd, opgeslagen bij een tussenhandelaar en uiteindelijk vervoerd naar het magazijn van een webshop. Nadat er een bestelling gedaan is start het pick- en packproces binnen het magazijn en vertrekt het product op zijn weg richting de consument. Op deze reis passeert het product één of meerdere logistieke sorteercentra van bij het proces betrokken logistiek dienstverleners. Online retailing, kent drie hoofd-verwerkingsstappen, namelijk: order acceptatie, order selectie en order aflevering (Boyer en Hult, 2006). Dit onderzoek richt zich specifiek op de laatste stap de order aflevering. Met de term ‘Last-mile oplossingen’ wordt het laatste fysieke stuk dat goederen in de supply chain afleggen naar de consumenten bedoeld, het traject vanaf het laatste fysieke sorteercentrum tot bij de klant thuis. Voor de gemiddelde consument was er vroeger niet veel te kiezen op het gebied van Last-mile oplossingen. Je bestelde iets, eerst nog via een catalogus en later online via een website, waarna het
Philip Bleijlevens – 2015
15
als consument vaak onduidelijk was of de goederen wel degelijk op voorraad waren en laat staan wanneer de bestelling dan thuis afgeleverd zou worden? Diverse studies hebben in het verleden onderzoek gedaan naar de ‘Last-mile’ aflevering, zoals Abukhader en Johnson (2003), Sarkis et al. (2004), Farag et al. (2006) en Edwards et al. (2010) echter heeft geen van deze studies het verband tussen de last-mile keuzemogelijkheden van de consument en het aankoopgedrag onderzocht. Er lijkt op het vlak van last-mile oplossingen dan ook een veelvoud aan mogelijkheden te zijn ontstaan in de afgelopen jaren. Vanuit het onderzoek van Heinonen (2004) wordt aangegeven dat ‘tijd’ en ‘plaats’ twee belangrijke waardes zijn voor een consument in het online afleverproces. Binnen het afleversegment mogen deze twee waarden voor zowel klant als logistiek dienstverlener daarom als zeer belangrijk omschreven worden. De deelvraag die beantwoord wordt in deze paragraaf is: E. Welke last-mile opties zijn er te onderscheiden, kijkende naar afleverlocatie en aflevermoment, en hoe kunnen die in verband gebracht worden met het aankoopgedrag van online consumenten?
2.5.1 Locatie In de traditionele retail opzet is de last-mile oplossing eenduidig voor de consument wat betreft locatie. De klant zal de aankoop die gedaan is zelf moeten meenemen vanuit de winkel. Afleveropties waarbij de winkelier de producten alsnog aan huis bezorgd zijn er, maar worden lokaal georganiseerd. Bij online winkelen heeft de afleverlocatie een heel andere dimensie gekregen, de consument is immers niet meer in staat om het product zelf af te halen bij de webshop. Weltevreden (2009) deed onderzoek naar de afleverlocatie na een online aankoop en wist daarbij tien manieren te onderscheiden: 1. 2. 3. 4. 5. 6. 7. 8.
Digitaal afgeleverd Ophalen in winkel Ophalen in centraal pick-up punt Ophalen in een post-punt Ophalen bij een privéadres (populair bij C2C) Geleverd op het werk adres Geleverd op het privéadres, in de brievenbus Geleverd op het privéadres, afgeleverd bij persoon aan de deur (met handtekening voor ontvangst) 9. Geleverd bij de buren 10. Overige aflevermethodes
Philip Bleijlevens – 2015
16
In dit onderzoek worden de bovenstaande afleverlocatie mogelijkheden gecomprimeerd tot een drietal hoofdstromen weergegeven in figuur 4.
Categorie
Locatie
Opties
Voordelen voor consument
Aflevering aan huis
Gemak. De consument hoeft de deur niet uit om zijn aankoop te ontvangen.
Pick-up in centraal afhaalpunt
Flexibiliteit hoog i.v.m. keuze locatie en vaak ruime openingstijden.
Afhalen in winkel
Lage kosten voor de consument (wordt vaak gratis aangeboden).
Figuur 4: Locatie mogelijkheden
2.5.2
Aflevermoment
Voor de keuze in het aflevermoment zijn er net zoals voor de keuze in de afleverlocatie diverse mogelijkheden. Zo onderzochten Agatz et al.(2007) en Agatz et al.(2010) in een tweetal onderzoeken het effect van time-slot management op home-delivery dienstverlening, men beschreef de uitdagingen en opportuniteiten hiervan. Campbell en Savelsbergh (2006) onderzochten hoe logistieke dienstverleners omgaan met het kosten en opbrengsten model van time-slot leveringen en aanverwante dienstverlening, hetgeen het onderzoeksperspectief plaatst aan de kant van de logistiek dienstverlener. De last-mile aflever oplossingen zijn als volgt onder te verdelen (figuur 5). Het eerste onderscheid dat er gemaakt kan worden is de partij die het aflevermoment bepaalt. Kiest de verzender, dan wordt er gesproken van een standaard levering, kiest de ontvanger (consument) dan kan er gesproken worden van een aflevering op afspraak. Het tweede onderscheid dat gemaakt kan worden als verdere uitsplitsing geldt in het geval de ontvanger het aflevermoment bepaalt, dan kan er de splitsing gemaakt worden of de ontvanger enkel de afleverdag mag kiezen, of ook het aflevermoment (in een tijdvenster afleveren) mag kiezen (Agatz, 2009).
Philip Bleijlevens – 2015
17
Figuur 5: Opties aflevermoment
Voor de Logistiek dienstverlener is het vaak een grote uitdaging om bij een logistieke dienstverlening, waarbij klanten mogen kiezen uit krappe tijdvensters, de wispelturige vraag van de consument te vertalen in efficiënte logistieke oplossingen. Campbell en Savelsbergh (2006) deden onderzoek naar het gebruik van ‘consumenten-prikkels’ om klantgedrag te beïnvloeden om zo de logistieke afleverkosten te reduceren. Door middel van een simulatiemodel hebben zij aangetoond dat het ‘relatief’ eenvoudig is om kosten te besparen door klanten te stimuleren om bepaalde keuzes te maken. Onderzoek van Goebel et al. (2012) was gebaseerd op keuzegedrag van consumenten, als een bepaald serviceniveau: ‘time-based leveringen’ zouden hebben bestaan. Het is daarom een hypothetisch onderzoek naar gedrag van consumenten als de service er geweest zou zijn, maar ook in dit onderzoek bleek dat klanten geïnteresseerd zijn in het zelf kunnen kiezen van de afleverdag en het aflevermoment. Een vertraagde levering zorgt niet alleen voor algemene ontevredenheid bij de online consument die het artikel gekocht heeft, maar creëert ook additionele onzekerheid over het product omdat online consumenten het al lastig genoeg vinden om de kwaliteit van een product te voorspellen (Liu en Wei, 2003). Koyuncu en Bhattacharya (2004) hebben ook aangetoond dat een lange levertijd een van de redenen is waarom online consumenten minder aankopen doen via het internet, voldoende reden om de keuze in last-mile oplossingen en zeker ook de keuze in het aflevermoment in relatie te brengen tot de aankoopintentie van de online consument. De theorie, van zowel de keuze in afleverlocaties als in aflevermomenten, in beschouwing genomen kan de volgende hypothese afgeleid worden: H6: Het bieden van keuzemogelijkheden in last-mile oplossingen draagt positief bij aan de aankoopintentie van een online consument.
Philip Bleijlevens – 2015
18
Daarnaast is er in het onderzoek opgenomen of er een effect waar te nemen is tussen het aanbieden van last-mile oplossingen en de door de klant ervaren waarde. H7: Het bieden van keuzemogelijkheden in last-mile oplossingen heeft een positief effect op de ervaren waarde van een online consument. Waar mogelijk is er daarnaast nog een verband aan te tonen tussen ervaren risico’s, zowel product risico’s, financiële risico’s als privacy risico’s en het wel of niet aanbieden van meerdere last-mile oplossingen? Zo toonden Javadi et al. (2012) aan dat de kans om een product niet afgeleverd te krijgen een significant risico vormt en daarmee de aankoopintentie kan beïnvloeden. Online consumenten vinden het zo blijkt uit dit onderzoek dus van groot belang om zeker te zijn van het daadwerkelijk ontvangen van het bestelde product. Het hebben van keuzemogelijkheden zal positief bijdragen aan de ervaren risico’s aangezien consumenten door het bieden van de keuzes minder risico’s zullen ervaren. Vandaar dat er ten behoeve van deze drijfveer een aantal hypotheses opgesteld zijn die in dit onderzoek getoetst zullen worden: H8a: Het bieden van keuzemogelijkheden in last-mile oplossingen heeft een positief effect op het ervaren product risico. H8b: Het bieden van keuzemogelijkheden in last-mile oplossingen heeft een positief effect op het ervaren financiële risico. H8c: Het bieden van keuzemogelijkheden in last-mile oplossingen heeft een positief effect op het ervaren privacy risico.
2.6 Online aankoop ervaring Uit onderzoek blijkt dat de ervaring die een persoon heeft met het doen van online aankopen effect kan hebben op de intentie om opnieuw een aankoop uit te voeren. Mensen die vaker gebruik gemaakt hebben van internet en die meer online aankoop ervaring opgedaan hebben zullen een grotere online aankoopintentie hebben (Forsythe en Shi, 2003). Onderzoek naar het verband tussen online aankoop ervaring en de door de consument ervaren risico’s is uitgevoerd door Dai et al (2014). In dit onderzoek wordt geconcludeerd dat online aankoop ervaring negatief in verband gebracht kan worden met de ervaren risico’s van de online consument, mensen die nog weinig ervaring hebben met het doen van online aankopen zullen eerder risico’s ervaren en afgeschrikt worden om online een aankoop te doen. F. Op welke manier kan de online aankoop ervaring getoetst worden? Om tot een goed beeld van het online aankoopgedrag van een consument te komen wordt er in het onderzoek een variabele meegenomen die aangeeft hoe frequent een online consument gebruikt maakt van het internet voor het doen van aankopen. Hieruit kan de volgende hypothese gevormd worden: H9: Een consument met een hogere online aankoop frequentie, heeft een positieve relatie ten opzichte van de online aankoopintentie.
Philip Bleijlevens – 2015
19
2.7 Ervaring met Last-mile oplossingen Online consumenten zijn gewend geraakt aan het feit dat ze online iets bestellen en dit aan huis geleverd krijgen, terwijl men voorheen zelf de winkelstraat moest bezoeken om een aankoop in huis te halen. Met Last-mile oplossingen is vanzelfsprekend, omdat het om een nieuw soort dienstverlening gaat, minder bekendheid bij de online consument, zo onderschrijven ook Goebel et al (2012). G. Hoe kan de ervaring die een online consument al heeft met de keuze in last-mile oplossingen beschreven worden? Om tot een goed beeld van de ervaring van een consument met last-mile oplossingen te komen zijn er een aantal variabelen die meegenomen kunnen worden, die iets zeggen over de bekendheid en ervaring met Last-Mile oplossingen. • De bekendheid met Last-Mile oplossingen; • De intentie om een Last-Mile oplossing te gebruiken als die aanwezig zou zijn; • Het daadwerkelijke gebruik van een last-mile oplossing in het verleden. Hieruit kan de volgende hypothese gevormd worden: H10: Consumenten met meer bekendheid en ervaring op het vlak van last-mile oplossingen laten een meer positieve relatie zien ten opzichte van het gebruik van last-mile oplossingen dan in het geval ze minder bekend zijn met en ervaring hebben op dat vlak. Daarnaast zal het feit dat een online consument bekend is met en/of ervaring heeft met last-mile oplossingen een effect hebben op de ervaren risico’s en op het ervaren vertrouwen. Daartoe zijn de volgende vier hypotheses geformuleerd: H11a: Bekendheid en ervaring met last-mile oplossingen zal een positief effect hebben op het ervaren product risico van een online consument. H11b: Bekendheid en ervaring met last-mile oplossingen zal een positief effect hebben op het ervaren financiële risico van een online consument. H11c: Bekendheid en ervaring met last-mile oplossingen zal een positief effect hebben op het ervaren privacy risico van een online consument. H11d: Bekendheid en ervaring met last-mile oplossingen zal een positief effect hebben op het ervaren vertrouwen van een online consument.
2.8 Bestedingsgedrag online consument Als het gaat om aankoopgedrag van consumenten zijn hier altijd financiële transacties mee gemoeid. Xing et al. (2010) toonden aan dat de prijs één van de belangrijkste criteria is als het gaat om het doen van online aankopen. Daarom wordt in deze paragraaf antwoord gegeven op de volgende vraag: H. Heeft het bestedingsgedrag van de online consument effect op het aankoopgedrag?
Philip Bleijlevens – 2015
20
Enerzijds wordt dit in een hypothese gevat om te toetsen of online consumenten bereid zijn om een toeslag te betalen voor een last-mile oplossing: H12: Online consumenten die bereid zijn om een toeslag te betalen voor een last-mile oplossing zullen een positief effect hebben op de aankoopintentie indien last-mile oplossingen aangeboden worden. Anderzijds wordt ook bekeken of het online bestedingsniveau effect heeft op het aankoopgedrag. Hoe hoger het gemiddelde bestedingsbedrag online, hoe groter de online aankoopintentie zal zijn. Hiervoor wordt de volgende hypothese gehanteerd: H13: Online consumenten met een hogere besteding bij online aankopen hebben een positief effect op de aankoopintentie.
Philip Bleijlevens – 2015
21
2.9 Onderzoeksmodel Om de onderlinge samenhang en relaties aan te tonen tussen de verschillende drijfveren in relatie tot de aankoopintentie van online consumenten is het onderzoeksmodel schematisch weergegeven in figuur 6. De geformuleerde hypotheses zijn eveneens schematisch weergegeven in het getoonde onderzoeksmodel.
Figuur 6: Onderzoeksmodel
Philip Bleijlevens – 2015
22
3. Methodologie In dit hoofdstuk zullen een aantal onderwerpen aan bod komen. Zo zal er in de eerste paragraaf aandacht besteed worden aan de kenmerken en de gebruikte opbouw van de vragenlijst, die voor het onderzoek gebruikt is. Daarna zal er in paragraaf 3.2 ingegaan worden op de data-collectie. Paragraaf 3.3 behandelt de gekozen steekproefgrootte en paragraaf 3.4 zal tenslotte ingaan op de statistische analyses die gebruikt zijn gedurende het onderzoek.
3.1 Kenmerken van de vragenlijst In dit kwantitatieve onderzoek is een vragenlijst gebruikt die bestaat uit vier onderdelen. Allereerst zijn er ter introductie vier zelf samengestelde vragen die de respondenten kennis moeten verschaffen (als die er nog niet zou zijn) van de mogelijkheden rondom keuzes in verzendmethodes. De respondent wordt gevraagd ook de voorkeuren voor de betreffende keuzes middels een meerkeuzevragen te beantwoorden. Voor wat betreft de afleverlocatie keuze valt uit figuur 7 op te maken dat 85% van de respondenten de voorkeur geeft om de zending thuis (of op een ander gewenst adres) af te laten leveren. 11% geeft de voorkeur aan het afhalen van de zending in een centraal afhaalpunt.
Figuur 7: Keuze afleverlocatie
Philip Bleijlevens – 2015
23
Bij de snelheid van levering blijkt dat 11% van de respondenten een voorkeur heeft voor het ontvangen van de zending op de dag van bestelling. 33% van de respondenten geeft aan het pakket bij voorkeur geleverd te willen hebben op de volgende werkdag. Bij een meerderheid van 51% gaat de voorkeur uit naar het zelf kunnen kiezen van de gewenste afleverdag in de aankomende dagen. Zie figuur 8 voor de grafische weergave hiervan.
Figuur 8: Keuze snelheid van levering
Voor wat betreft de afleverdag, werd de respondenten een meerkeuzevraag voorgelegd waarbij meerdere antwoorden mogelijk waren. Hierdoor zijn er voor deze vraag meer antwoorden gegeven dan dat er respondenten waren (in totaal 1332 antwoorden). Er valt te concluderen dat 28% geen voorkeur heeft voor een specifieke afleverdag. De werkdagen in de week variëren tussen de 9% en 13%. De populairste dag van de week is de zaterdag als mensen mogen kiezen, met 14% van de respondenten. De populariteit van de zondag blijft met 6% iets achter ten opzichte van de overige dagen in de week. De grafiek in figuur 9 geeft de resultaten schematisch weer.
Figuur 9: Keuze afleverdag
Philip Bleijlevens – 2015
24
Bij de vraag welk aflevermoment (tijdvak gedurende de dag) de voorkeur zou hebben voor de aflevering van de online aankoop valt te concluderen dat maar 6% van de respondenten geen tijdvak zou kiezen en dat 41% (vrijwel gelijke verdeling over de aangeboden tijdvakken) een tijdvak gedurende de dag zou kiezen. Meest opvallende conclusie is dat een meerderheid van 53% bij voorkeur de flexibiliteit zou willen hebben om zelf het tijdvak te kunnen bepalen (zie figuur 10).
Figuur 10: Keuze aflevermoment (tijdvak)
Het tweede onderdeel van de vragenlijst is gebruikt om de online ervaring van de respondent te meten middels drie meerkeuzevragen afkomstig uit het onderzoek van Dai et al. (2014). In de derde sectie volgen de onderzoekstellingen die gebruikt worden om de hypotheses rondom, Last-mile oplossingen, de ervaring met last-mile oplossingen, de ervaren waarde, het ervaren risico en de aankoopintentie van online consumenten te toetsen. Alle stellingen worden gemeten met gebruik van een 7-punts Likert schaal (antwoordmogelijkheden zijn “Helemaal mee eens”, “Gedeeltelijk mee eens”, “Beetje mee eens”, “Neutraal”, “Beetje mee oneens”, “Gedeeltelijk mee oneens”, “Helemaal mee oneens”). De aankoopintentie van online consumenten wordt getoetst, gebruik makende van vier stellingen afkomstig uit het onderzoek van Kim et al. (2012) die zich voor zijn onderzoek baseerde op vragen uit het onderzoek van Dodds et al. (1991). Het wel of niet aanbieden van last-mile oplossingen wordt getoetst middels zes stellingen die zelf samengesteld zijn. Ook de negen stellingen die gebruikt zijn om de ervaring met Last-mile oplossingen te meten zijn zelf samengesteld. Deze zelf samengestelde stellingen zijn voorgelegd aan een kleine groep kritische beoordelaars van de enquete, om er zeker van te zijn dat de vraagstelling door de respondenten correct geïnterpreteerd zal worden. Deze groep is uitgesloten van deelname aan het onderzoek. De ervaren waarde is getoetst middels het gebruik van dertien stellingen uit het onderzoek van Kim et al. (2012). Hierbinnen zijn drie deelthema’s te beschrijven, te weten, ervaren vertrouwen, waarbij voor vijf gebruikte stellingen gerefereerd kan worden aan Grazioli en Jarvenpaa (2000), ervaren prijs, waarbij voor de vier gebruikte stellingen gerefereerd kan worden aan Gefen en Devine (2001), en totaal ervaren waarde, waarbij voor de vier gebruikte stellingen gerefereerd kan worden aan Sirdeshmukh et al. (2002),
Philip Bleijlevens – 2015
25
Het ervaren risico, dat onderverdeeld kan worden in het product risico, financieel risico en privacy risico wordt getoetst aan de hand van antwoorden op in totaal negen stellingen, drie voor elk deelonderwerp, afkomstig uit het onderzoek van Dai et al. (2014). Ten slotte worden de consument karakteristieken (geslacht, leeftijd, bruto inkomen, opleidingsniveau en gezinssituatie) getoetst middels vijf meerkeuzevragen gebaseerd op onderzoek van Gong et al. (2013).
3.2 Data-collectie Alvorens de vragenlijst via een online enquete tool uitgezet is onder de respondenten heeft er eerst een pre-test plaatsgevonden. Deze pre-test heeft plaatsgevonden om er zeker van te zijn dat de vragen en stellingen correct geïnterpreteerd worden door de respondenten. Onder de deelnemers van de pre-test bevonden zich drie collega’s (private onderneming), één oud studente bedrijfswiskunde, één docent aan een HBO opleiding Technische Bedrijfskunde, één familielid en één persoon werkzaam voor een overheidsinstelling. De deelnemers in de pre-test zijn niet meer uitgenodigd om aan het definitieve onderzoek deel te nemen. De online enquete tool is verstuurd naar een groep willekeurige klanten van webshops in Nederland, die in de drie maanden voorafgaand aan het ontvangen van de vragenlijst online een aankoop hebben gedaan. Respondenten zijn bereikt via de organisatie waar ik werkzaam voor ben, die als logistiek dienstverlener een aantal (grote) webshops als klant heeft. Respondenten zijn dus de klanten van deze klanten en ook de daadwerkelijke online consumenten die voor het onderzoek noodzakelijk zijn. Het gaat op die manier in ieder geval om een willekeurige groep respondenten die gewenning heeft op het vlak van internetgebruik en het doen van aankopen via een webshop. De webshops verkopen niet-digitale producten die bij klanten thuisbezorgd dienen te worden. Kenmerk van de webshops is dat sommigen één vaste verzendmethode hanteren en anderen meerdere verzendmethodes hanteren. De data is verzameld in december 2014, de enquete is voor de respondenten beschikbaar geweest gedurende een periode van twee weken.
3.3 Steekproefgrootte De populatie van mensen die online winkelen in Nederland is in de afgelopen jaren sterk gegroeid. In 2013 gaf 83 procent van de 12- tot 75-jarige internetgebruikers in Nederland aan online te winkelen. Dat komt neer op 10,3 miljoen mensen (CBS, 2014). Dit is ook direct te omschrijven als ‘de populatie’ voor het uitgevoerde onderzoek. De inschatting van de populatiegrootte is te bestempelen als nauwkeurig genoeg, aangezien de grootte van de populatie bij het bereiken van een bepaalde omvang geen of nauwelijks meer invloed zal hebben op de benodigde steekproefgrootte. Om een generaliserende uitspraak te kunnen doen over de gehele populatie is het van belang de juiste steekproefgrootte te bepalen. Bij het bepalen van de steekproef zijn naast de grootte van de populatie, het betrouwbaarheidsniveau en de foutmarge van belang. Voor het betrouwbaarheidsinterval is gekozen voor 95%, en voor de foutmarge is gekozen voor 5%. Een minimale steekproefgrootte van 384 respondenten zal resulteren in een betrouwbare uitspraak over de gehele populatie.
Philip Bleijlevens – 2015
26
In totaal is de enquete uitgestuurd naar 6.239 personen, waarvan er in totaal 670 de vragenlijst correct ingevuld hebben (respons percentage van 10,7%). Met dit aantal heeft de vragenlijst het gewenst aantal respondenten ruimschoots overschreden, waaruit geconcludeerd mag worden dat er voldoende reacties zijn om de statistische analyses uit te voeren. Het aantal respondenten toont daarnaast aan dat het een thema is dat leeft bij online consumenten, gezien de responspercentages. Van de 670 respondenten is 63% mannelijk en 37% vrouwelijk, zoals weergegeven in figuur 11.
Figuur 11: Geslacht verdeling respondenten
Figuur 12: Verdeling leeftijd respondenten
Figuur 12 geeft de leeftijdsverdeling weer van de 670 respondenten. Figuur 13 geeft de verdeling van het door de respondenten opgegeven bruto maandinkomen weer. Ruim een kwart van de respondenten heeft gekozen om geen uitspraak te doen over het bruto maandinkomen. Het grootste gedeelte (24%) van de respondenten die wel het bruto maandinkomen opgegeven hebben, vallen in de categorie tussen € 2.000 en € 3.000 bruto, oftewel hebben een modaal inkomen volgens het CBP.
Philip Bleijlevens – 2015
27
Figuur 13: Verdeling bruto maandinkomen
Wat betreft opleidingsniveau (weergegeven in figuur 14) valt op dat 89% een MBO opleiding of hoger heeft afgerond. In totaal 60% van de respondenten heeft een HBO of Universitair diploma op zak. Volgens (CBS, 2014) heeft gemiddeld 35% een hoog opleidingsniveau in Nederland. De groep respondenten die geantwoord heeft op het onderzoek heeft daarmee een beduidend hoger opleidingsniveau dan de gemiddelde Nederlander.
Figuur 14: Verdeling opleidingsniveau
Philip Bleijlevens – 2015
28
De verdeling van de gezinssituatie onder de respondenten is schematisch weergegeven in figuur 15. Bijna driekwart van de respondenten blijkt gehuwd of samenwonend te zijn. 22% van de respondenten is alleenstaand.
Figuur 15: Verdeling gezinssituatie
3.4 Statistische analyse Het overgrote deel van de vragen die in de enquete gebruikt zijn, zijn zoals beschreven afkomstig vanuit bestaande literatuur. Een gering deel van de vragen zijn zelf samengesteld en in een pre-test fase getest. Alle variabelen zijn middels Cronbach’s Alpha statistisch onderzocht. Voor een aantal variabelen heeft er een beschrijvende analyse plaatsgevonden, hierbij valt te denken aan frequenties, percentages en visuele weergave middels grafieken. De statistische toetsen zijn uitgevoerd met SPSS-20. Hiermee zijn voor alle variabelen de gemiddeldes en de standaarddeviatie hierop geanalyseerd. Ook zijn de loadings, de P-value, de zvalue skewness en de z-value kurtosis geanalyseerd. Correlatie analyses en de opbouw van het onderzoeksmodel om de hypotheses te toetsen zijn gebeurd middels WarpPLS 5.0.
Philip Bleijlevens – 2015
29
4. Resultaten In dit hoofdstuk zullen de resultaten van het onderzoek beschreven worden. De eerste paragraaf gaat in op het meetmodel dat gebruikt is en richt zich op zaken als betrouwbaarheid en validiteit van het meetmodel. In de tweede paragraaf worden de resultaten van het conceptuele model duidelijk gemaakt.
4.1 Meetmodel De eerste stap in de analyse van het conceptuele model is het bekijken en vaststellen van de validiteit en betrouwbaarheid van de verschillende variabelen. Allereerst worden de statistische kenmerken van de items weergegeven, daarna wordt de betrouwbaarheid van de variabelen beschreven. Ook worden van de latente variabelen de varianties beschreven en ten slotte komen in de laatste sub paragraaf de correlaties van de variabelen aan bod. 4.1.1
Statistische kenmerken variabelen
In het onderzoek zijn in totaal 45 items onderzocht, dat is exclusief een aantal vragen met betrekking tot consument karakteristieken en een aantal inleidende vragen om respondenten meer informatie te verschaffen over last-mile oplossingen. Deze 45 items zijn weergegeven in tabel 1 (vervolg op volgende pagina).
Variabele
ID Item
Internet gebruik Frequentie online aankopen
7 Hoe lang gebruikt u het internet al om online aankopen te doen?
Besteding online
9
8
10 11 Aankoop intentie 12 13 14 15 16
Hoe vaak heeft u de afgelopen zes maanden online een aankoop gedaan?_RECODED Wat is het gemiddeld bestede bedrag per aankoop bij uw online aankopen in de afgelopen zes maanden?_RECODED De kans dat ik mijn volgende aankoop online doe is groot. Als ik weer een product nodig zou hebben, zou ik overwegen dat online aan te schaffen. De waarschijnlijkheid dat ik mijn volgende product aanschaf bij een webshop is klein_RECODED De wil om mijn producten online aan te schaffen is groot. Voor mij is het waardevol dat ik bij een webshop tijdens het bestelproces de keuze voor de afleverlocatie kan bepalen. Een webshop komt meer betrouwbaar over als ik een keuze heb tussen een aantal afleverlocaties. Als ik bij een webshop een afleverlocatie kan kiezen, zal ik daardoor eerder opnieuw een aankoop doen bij deze webshop.
Het kunnen kiezen van een afleverdag tijdens een online aankoop is voor mij waardevol. Het kunnen kiezen van een aflevertijdvak tijdens een online 18 aankoop is voor mij waardevol.
Last Mile oplossingen 17
z-value z-value skewness kurtosis
Mean
St. Dev.
Loading
p-value
3,30
1,61
-
-
-0,01
-1,06
3,49
1,61
-
-
-0,04
-0,90
4,07
1,15
-
-
-0,40
0,52
2,07
1,31
0,896
< 0,001
1,48
2,13
1,91
1,23
0,905
< 0,001
1,68
3,04
2,64
1,65
0,679
< 0,001
0,92
-0,01
2,56
1,59
0,837
< 0,001
1,08
0,61
1,88
1,35
0,676
< 0,001
1,93
3,67
3,50
1,85
0,686
< 0,001
0,47
-0,71
3,05
1,82
0,757
< 0,001
0,76
-0,37
1,96
1,30
0,744
< 0,001
1,74
3,07
1,80
1,17
0,707
< 0,001
1,92
4,26
19
Een webshop komt meer betrouwbaar over als ik een keuze heb tussen een aantal aflevermomenten en aflevertijdvakken.
3,14
1,76
0,733
< 0,001
0,68
-0,32
20
Als ik bij een webshop geen aflevermoment kan kiezen, koop ik mijn volgende product liever ergens anders.
3,64
1,73
0,653
< 0,001
0,28
-0,84
Philip Bleijlevens – 2015
30
Variabele
ID Item 21
22 23 24 25 26
Ervaren waarde
27 28 29
Een webshop die geen keuze aanbiedt in verzendmethodes is in staat een goede dienstverlening te leveren op transportgebied_RECODED
Een webshop die keuzes in verzendmethodes aanbiedt, komt de gemaakte beloftes en afspraken beter na. Een webshop die keuzes in verzendmethodes aanbiedt, geeft meer om haar klanten. Een webshop die keuzes in verzendmethodes aanbiedt, vervult haar taken beter. Een webshop die keuzes in verzendmethodes aanbiedt, is betrouwbaarder. Aankopen die ik doe bij een webshop met keuzemogelijkheid voor verzendmethodes zijn mogelijk duurder dan bij webshop zonder deze keuzes. Ik bespaar mogelijk meer geld als ik de aankopen bij een webshop zonder keuzemogelijkheden voor verzending zou doen. Bij een webshop zonder keuzemogelijkheden voor verzending krijg ik mogelijk meer korting. Mogelijk is het goedkoper om bij een webshop zonder keuzemogelijkheden voor verzending mijn aankopen te doen dan bij een webshop met deze mogelijkheden.
1,63
-
-
-0,26
-0,58
3,51
1,62
0,608
< 0,001
0,44
-0,35
2,93
1,61
0,688
< 0,001
0,89
0,23
3,03
1,60
0,713
< 0,001
0,78
0,05
3,85
1,63
0,699
< 0,001
0,36
-0,35
3,86
1,49
0,633
< 0,001
0,29
-0,24
4,06
1,48
0,62
< 0,001
0,19
-0,31
4,14
1,45
0,605
< 0,001
0,19
-0,21
3,94
1,47
0,593
< 0,001
0,28
-0,20
0,491
< 0,001
0,96
0,75
31
De moeite die ik neem om bij een webshop iets te bestellen in acht nemende, is online winkelen voor mij waardevol.
2,37
1,30
0,521
< 0,001
1,25
1,91
2,59
1,30
0,470
< 0,001
0,99
0,73
2,51
1,31
0,474
< 0,001
1,15
1,43
3,12
1,62
0,896
< 0,001
0,71
-0,26
3,44
1,71
0,910
< 0,001
0,43
-0,76
3,70
1,56
0,794
< 0,001
0,37
-0,45
4,21
1,66
0,798
< 0,001
-0,08
-0,88
4,28
1,64
0,794
< 0,001
-0,06
-0,98
4,07
1,46
0,671
< 0,001
0,09
-0,42
3,27
1,52
0,862
< 0,001
0,50
-0,21
2,56
1,33
0,817
< 0,001
1,06
1,28
3,26
1,57
0,833
< 0,001
0,67
-0,08
2,52
1,80
0,545
< 0,001
1,06
0,05
35
38 39 40 41 42
Het is moeilijk voor mij om de kwaliteit van het product te beoordelen bij een webshop. Het is moeilijk voor mij om de kwaliteit van vergelijkbare producten te vergelijken bij een webshop. Het bij een webshop aangekochte product voldoet mogelijk niet aan de verwachtingen. Mijn betaalmogelijkheid is mogelijk niet goed beveiligd bij een webshop. Ik ben bezorgd dat ik het bij een webshop aangekochte product niet zal ontvangen. Ik kan het bij een webshop aangekochte product mogelijk ergens anders tegen een lagere prijs kopen. Online webshops stellen mijn gegevens (adres, e-mail adres, etc) mogelijk beschikbaar aan andere bedrijven Online webshops bekijken mijn gewoontes en historische aankopen. Mogelijk word ik gecontacteerd door online webshops zonder dat er toestemming voor gegeven wordt tijdens de aankoop.
Ik heb nog nooit gezien dat het online mogelijk is om de verzendmethode te kiezen_RECODED Ik ben bekend met het kiezen van de verzendmethode bij een 44 webshop. 43
2,18
1,50
0,696
< 0,001
1,60
2,21
Ik zou af en toe gebruikmaken van keuzes in de verzendmethode als een 45 webshop deze zou aanbieden.
2,63
1,67
-
-
1,19
0,67
Ik zou altijd gebruikmaken van keuzes in de verzendmethode 46 als een webshop deze zou aanbieden.
2,34
1,57
0,567
< 0,001
1,17
0,63
Afhankelijk van het product en de aankoopwaarde zou ik gebruik maken van een 48 keuze in de verzendmethode.
2,54
1,56
0,496
< 0,001
1,20
1,01
2,37
1,91
0,695
< 0,001
1,36
0,65
2,66
2,09
0,572
< 0,001
0,96
-0,51
2,38
1,88
0,648
< 0,001
1,37
0,70
4,08
1,90
-
-
0,13
-1,13
49 50 51 Bereidheid betalen toeslag
4,27
1,37
37
Ervaring last mile oplossingen
p-value
2,60
36
Privacy risico
Loading
Als ik het bedrag dat ik voor mijn aankoop betaal bij een webshop vergelijk met het bedrag bij een fysieke winkel (retail), is online winkelen een goede deal.
34
Financieel risico
St. Dev.
30
Het risico van online winkelen in acht nemende, is online winkelen voor mij 32 betrouwbaar. In het algemeen krijg ik een goed gevoel als ik bij een webshop mijn aankopen 33 doe.
Product risico
z-value z-value skewness kurtosis
Mean
47
Ik heb tijdens een online aankoop wel eens gebruik gemaakt van een keuze voor de afleverlocatie. Ik heb tijdens een online aankoop nog nooit gebruik gemaakt van een keuze voor de afleverdag_RECODED Ik heb tijdens een online aankoop wel eens gebruik gemaakt van een keuze voor het aflever tijdvak. Ik zou het geen probleem vinden om een toeslag te betalen voor een aflevering die aan mijn wensen voldoet.
Tabel 1: Statistische waardes items
Philip Bleijlevens – 2015
31
Van de 45 gemeten items zijn er 7 niet meegenomen in de toetsing van het conceptuele model. Alle items die niet meegenomen zijn bij de schattingen van het conceptuele model zijn verwijderd uit de analyse omdat zij een negatieve invloed hadden op de Cronbach’s Alpha van de variabele waarbij ze behoorden, of omdat de loading van het desbetreffende item te laag was (onder 0,5). De items die niet meegenomen zijn bij de schattingen van het conceptuele model zijn voor de volledigheid wel vermeld in tabel 1, maar dan cursief gedrukt en in rood weergegeven. De items waarvoor een hercodering noodzakelijk was, zijn weergegeven middels een toevoeging ‘_RECODED’. Geconcludeerd kan worden dat de resultaten voldoen aan de ondergrens voor wat betreft de Loadings, alle items die in het conceptuele model meegenomen zijn hebben een loading die groter is dan 0,5. Voor wat betreft de scheefheid (oftewel Z-Value Skewness in tabel 1) blijkt dat er geen waardes boven de grens van 2,0 te herkennen zijn, waardoor aangetoond is dat er geen scheefheid in de data aanwezig is. Aangaande de meertoppigheid (oftewel Z-Value Kurtosis in tabel 1) kan vermeld worden dat er een zestal items een waarde hoger dan 2,0 hebben, waardoor er voor deze items sprake is van meertoppigheid. 4.1.2
Betrouwbaarheid
In totaliteit zijn er in dit onderzoek zeven variabelen te onderscheiden. Deze zeven latente variabelen zijn weergegeven in tabel 2. Om de betrouwbaarheid van de variabelen te toetsen zijn de Cronbach’s Alpha geanalyseerd. Hoe hoger Cronbach’s Alpha, hoe accurater de meetmethode en de bijbehorende schaal. Cronbach’s Alpha van 0,7 of hoger geeft aan dat het om een consistente schaal gaat. Alle gemeten variabelen voldoen hier aan. Latente variabelen Last Mile oplossingen Ervaring met Last-Mile oplossingen Totale ervaren waarde Product risico Financieel risico Privacy risico Aankoopintentie
Cronbach's Alpha 0,83 0,70 0,83 0,84 0,73 0,79 0,84
Items 7 6 9 3 3 3 4
Tabel 2: Cronbach's Alpha
Voor de variabele ‘Ervaring met Last-Mile oplossingen’ zijn in totaal 2 items verwijderd (ID 45 en ID 48), daarnaast is ID 47 als aparte variabele meegenomen in het conceptuele model, waardoor die ook buiten de ‘Ervaring met Last-Mile oplossingen’ om, gemeten is. Daarnaast zijn er bij de variabele ‘Totale ervaren waarde’ 4 items verwijderd in de Cronbach’s Alpha analyse (ID 21, 30, 32 en 33).
Philip Bleijlevens – 2015
32
4.1.3
Verklaren variantie (R2)
Voor alle latente variabelen die een inkomende relatie hebben in het conceptuele model kan de variantie (R2) bepaald worden. In tabel 3 zijn de waarden (de determinatiecoëfficiënten) weergegeven hiervan.
Latente variabelen Ervaren waarde Product risico Financieel risico Privacy risico Aankoop intentie Tabel 3: Variantie R
4.1.4
2
R 0,28 0,05 0,08 0,09 0,26
2
Correlaties
De correlaties van de variabelen die in het conceptuele model getoetst worden zijn weergegeven in onderstaande tabel 4. Er kan geconcludeerd worden dat alle waardes op de diagonaal (weergegeven in kleur) hoger zijn dan de waardes links van of beneden deze gekleurde waardes.
Correlations among l.vs. with sq. rts. of AVEs Erv LM Ris. Aank. Freq. InToeslag Oplei- Gezins- Ris. Risico Aank. Ervaren Erv LM Freq. Toeslag Aank. VARIABELEN LM Opl opl Product Intentie Aank. komen betalen Geslacht Leeftijd ding situatie Financ. Privacy Bedrag waarde opl Aank. betalen Bedrag last mile oplossingen 0,709 Ervaring last mile oplossingen 0,336 0,635 Risico Product 0,172 -0,010 0,868 Aankoop intentie 0,183 0,334 -0,201 0,834 Frequentie aankopen 0,074 0,267 -0,098 0,495 1,000 Inkomen -0,027 -0,018 0,013 0,084 -0,005 1,000 Bereidheid betalen toeslag 0,270 0,089 0,157 0,103 0,037 0,045 1,000 Geslacht 0,016 -0,053 -0,155 0,188 0,113 -0,028 0,058 1,000 Leeftijd 0,037 0,243 0,025 0,181 0,172 0,149 0,098 -0,129 1,000 Opleiding -0,041 -0,177 -0,001 -0,027 -0,159 0,094 -0,075 -0,055 -0,106 1,000 Gezinssituatie -0,025 0,049 0,026 -0,003 -0,007 0,095 0,084 -0,061 0,253 0,040 1,000 Risico Financieel 0,227 -0,152 0,501 -0,293 -0,200 -0,091 0,192 -0,115 -0,080 0,046 0,050 0,757 Risico Privacy 0,278 0,145 0,331 -0,049 -0,056 -0,090 0,204 0,044 -0,006 -0,076 -0,009 0,403 0,837 Aankoop bedrag 0,172 0,122 -0,095 0,197 0,151 -0,074 0,051 0,072 -0,102 0,002 -0,076 -0,026 0,016 1,000 Ervaren waarde 0,523 0,031 0,207 0,049 0,001 0,006 0,359 0,108 0,000 -0,025 -0,001 0,325 0,321 0,068 0,663 Ervaring last mile oplossingen 0,314 0,264 0,121 0,079 0,064 -0,057 0,100 0,048 0,021 -0,039 0,024 0,107 0,184 0,096 0,100 0,487 Frequentie aankopen 0,004 0,073 -0,024 0,122 0,040 -0,038 0,010 -0,041 0,058 0,023 -0,011 -0,003 0,030 0,072 0,021 0,239 0,720 Bereidheid betalen toeslag 0,259 0,114 0,007 0,037 0,010 -0,065 0,014 0,075 -0,044 -0,070 -0,040 0,042 0,066 0,060 0,070 0,150 -0,092 0,709 Aankoop bedrag 0,108 0,123 0,047 0,079 0,080 0,074 0,067 0,000 0,104 -0,113 0,024 -0,004 0,090 -0,059 0,047 0,204 0,120 0,098 0,699
Tabel 4: Correlaties
Op één waarde na zijn alle waarden op de diagonaal hoger dan 0,5, die als ondergrens getypeerd mag worden. De samenhang binnen de variabele die onder de 0,5 zit (gearceerd in oranje en met een waarde van 0,487) wordt wel meegenomen in het model, ook al mag dat als een schending van de variantie gezien worden. De samenhang binnen deze variabele is net niet sterk genoeg om aan de voorwaarde van 0,5 te voldoen, maar op inhoudelijke gronden is deze variabel wel meegenomen in het onderzoek, aangezien de waarde zeer dicht tegen de 0,5 aanzit.
Philip Bleijlevens – 2015
33
4.2 Conceptuele model Na de vaststelling van de statistische kenmerken, de betrouwbaarheid de variantie en de correlatie van het meetmodel kunnen de latente variabelen nu getest worden, waarna de hypotheses getoetst kunnen worden. 4.2.1
Onderlinge relaties variabelen
In totaliteit zijn er in dit onderzoek 22 relaties tussen variabelen gevormd die middels het onderzoeksmodel getoetst zijn. Acht van deze relaties zijn modererende variabelen te noemen. Tabel 5 (met vervolg op volgende pagina) geeft een overzicht van alle relaties. Voor alle relaties zijn de βwaardes als ook de P-waardes vermeld.
Philip Bleijlevens – 2015
34
Tabel 5: Relaties variabelen
Philip Bleijlevens – 2015
35
4.2.2
De resultaten van het model
Het onderzoeksmodel is schematische weergegeven in figuur 16. Alle variabelen zijn in het model opgenomen. De resultaten, zowel de β-waardes, alsook de R2 van de variabelen zijn in het model toegevoegd. De relaties weergegeven met een ononderbroken lijn hebben een zeer hoge zekerheidswaarde (Pwaarde <0,01). De relaties weergegeven met een grote stippellijn hebben een hoge zekerheidswaarde (P-value < 0,05). De relaties weergegeven met een stippellijn zijn niet significant (P-waarde ≥ 0,05).
Figuur 16: Resultaten onderzoeksmodel
Philip Bleijlevens – 2015
36
5. Conclusie, discussie en aanbevelingen In dit afsluitende hoofdstuk worden allereerst de conclusies van het onderzoek beschreven. Waarna er een discussie zal volgen, theoretische en management implicaties worden gepresenteerd alsook beperkingen van het onderzoek en suggesties voor verder onderzoek worden weergegeven.
5.1 Conclusie In het onderzoek zijn in totaliteit 22 hypotheses opgesteld. De toetsing van deze hypotheses heeft plaatsgevonden aan de hand van het schatten van het onderzoeksmodel. De conclusies van deze toetsing zijn weergegeven in onderstaande tabel 6 (vervolg op volgende pagina). Variabele
Hypothese
Toetsing hypothese
Geslacht
H1a: De intentie om een online aankoop te doen zal bij vrouwelijke online consumenten hoger liggen dan bij mannelijke online consumenten.
Ondersteund
Leeftijd
H1b: De intentie om een online aankoop te doen zal bij consumenten met een hogere leeftijd lager zijn dan bij consumenten met een lagere leeftijd.
Ondersteund
Inkomen
H1c: De intentie om een online aankoop te doen zal bij consumenten met een hoger inkomen groter zijn dan bij consumenten met een lager inkomen.
Ondersteund*
Opleiding
H1d: De intentie om een online aankoop te doen zal bij consumenten met een hoger opleidingsniveau groter zijn dan bij consumenten met een lager opleidingsniveau.
Niet ondersteund
Gezins-situatie
H1e: De intentie om een online aankoop te doen zal bij consumenten die getrouwd zijn en Niet ondersteund kinderen hebben groter zijn dan bij consumenten die getrouwd zijn en geen kinderen hebben of alleenstaanden.
Ervaren waarde
H2: Ervaren waarde in een webshop heeft een positief effect op de aankoop intentie van online consumenten.
Ondersteund*
Product risico
H3: Product risico heeft een negatief effect op de aankoop intentie van online consumenten.
Ondersteund
Financieel risico
H4: Financieel risico heeft een negatief effect op de aankoop intentie van online consumenten.
Ondersteund
Privacy risico
H5: Privacy risico heeft een negatief effect op de aankoop intentie van online consumenten.
Niet ondersteund
Last mile oplossingen
H6: Het bieden van keuzemogelijkheden in last-mile oplossingen draagt positief bij aan de Ondersteund aankoop intentie van een online consument.
Last mile oplossingen
H7: Het bieden van keuzemogelijkheden in last-mile oplossingen heeft een positief effect op de ervaren waarde van een online consument.
Last mile oplossingen
H8a: Het bieden van keuzemogelijkheden in last-mile oplossingen heeft een positief effect Ondersteund op het ervaren product risico.
Last mile oplossingen
H8b: Het bieden van keuzemogelijkheden in last-mile oplossingen heeft een positief effect Ondersteund op het ervaren Financiele risico.
Last mile oplossingen
H8c: Het bieden van keuzemogelijkheden in last-mile oplossingen heeft een positief effect Ondersteund op het ervaren privacy risico.
Philip Bleijlevens – 2015
Ondersteund
37
Variabele
Hypothese
Toetsing hypothese
Frequente van online aankopen
H9: Een consument met een hogere online aankoop frequentie, heeft een positieve relatie Ondersteund ten opzichte van de online aankoop intentie.
Ervaring met last-mile oplossingen
H10: Consumenten met meer bekendheid en ervaring op het vlak van last-mile oplossingen laten een meer positieve relatie zien ten opzichte van het gebruik van last-mile Ondersteund* oplossingen dan in het geval ze minder bekend zijn met en ervaring hebben op dat vlak.
Ervaring met last-mile oplossingen
H11a: Bekendheid en ervaring met last-mile oplossingen zal een positief effect hebben op het ervaren product risico van een online consument.
Ervaring met last-mile oplossingen
H11b: Bekendheid en ervaring met last-mile oplossingen zal een positief effect hebben op Ondersteund het ervaren financiele risico van een online consument.
Ervaring met last-mile oplossingen
H11c: Bekendheid en ervaring met last-mile oplossingen zal een positief effect hebben op het ervaren privacy risico van een online consument.
Ervaring met last-mile oplossingen
H11d: Bekendheid en ervaring met last-mile oplossingen zal een positief effect hebben op Niet ondersteund het ervaren vertrouwen van een online consument.
Bereid om toeslag te betalen voor Last Mile oplossing
H12: Online consumenten die bereid zijn om een toeslag te betalen voor een last-mile oplossing zullen een positief effect hebben op de aankoop intentie indien last-mile oplossingen aangeboden worden.
Niet ondersteund
Besteding online aankopen
H13: Online consumenten met een hogere besteding bij online aankopen hebben een positief effect op de aankoopintentie.
Niet ondersteund
Ondersteund
Ondersteund*
* Zekerheidswaarde > 95% i.p.v. > 99%
Tabel 6: Toetsing hypotheses
Concluderend kan gesteld worden dat 16 van de 22 hypotheses ondersteund kunnen worden, waarbij de kanttekening gemaakt dient te worden dat bij 4 van deze 16 ondersteunde hypotheses een lagere zekerheidswaarde geldt. In de discussie in de volgende paragraaf zal verder ingegaan worden op de uitkomst van het toetsen van de hypotheses.
5.2 Discussie Dit onderzoek is begonnen met de volgende probleemstelling: Welke invloed heeft het aanbieden van last-mile oplossingen (keuze uit afleverlocatie en keuze uit aflevermoment) op de aankoopintentie van online consumenten? Middels het uitgevoerde onderzoek en het toetsen van de hypotheses kan gesteld worden dat het aanbieden van last-mile oplossingen (keuze uit afleverlocatie en keuze uit aflevermoment) een positieve invloed heeft op de aankoopintentie van een online consument. De voornaamste en belangrijkste conclusies uit dit onderzoek worden gedurende deze discussie tegen het licht van de bestaande wetenschap gehouden. Op het vlak van de consument karakteristieken kan uit de ondersteuning van de hypotheses geconcludeerd worden dat vrouwen inderdaad een significant hogere kans hebben om een online aankoop te doen dan mannen. Dit bevestigt de trend die ingezet is in de laatste jaren (Gong et al., 2013), aangezien het tien jaar geleden juist nog de mannen waren die een grotere intentie hadden om online aankopen te doen (Van Slyke, 2002), (Cho, 2004) en (Dittmar et al., 2004), vanwege online-productaanbod, sociale interactie en wijze van vergelijken op websites.
Philip Bleijlevens – 2015
38
Daarnaast blijkt dat leeftijd ook een significante rol speelt bij de intentie om online een aankoop te doen. Hoe hoger de leeftijd, des te lager is de intentie om een online aankoop te doen. Dit blijkt over de jaren heen niet veranderd te zijn, aangezien Doolin (2005) dit effect tien jaar geleden ook al aangetoond had. De belangrijkste verklaring blijft hierbij de bekendheid met en het gebruik van webshops. De verwachting is overigens wel dat dit verschil in de loop der tijden zal gaan vervagen, aangezien de generatie die met internet opgegroeid is steeds groter zal worden. Een hoger inkomen blijkt volgens het onderzoek wel een hogere aankoopintentie te hebben, maar daarvan moet gezegd worden dat de bijbehorende zekerheidswaarde hoog is doch niet zeer hoog (95% versus 99%). Hier blijkt het dilemma dat ook Punj (2012) in zijn onderzoek hanteerde weer boven te komen drijven. Enerzijds hebben mensen met een hoger inkomen meer te besteden, dus van nature al een hogere aankoopintentie, echter ontstaan er de laatste jaren ook veel prijsvechters en prijsvergelijkingssites online, waardoor juist mensen met lagere inkomens online aankopen doen om kosten te kunnen besparen. Uit het onderzoek blijkt dat zowel opleidingsniveau als gezinssituatie geen significante impact hebben op de aankoopintentie van online consumenten, beide hypotheses werden niet ondersteund door de onderzoeksresultaten. Op het vlak van opleidingsniveau druist dat in tegen eerder onderzoek van Hui en Wan (2007) en Román en Riquelme (2014) die in hun onderzoeken aantoonden dat een hoger opleidingsniveau leidde tot een hoger kennisniveau van het (gebruik van) internet. De hypothese om vandaaruit te concluderen dat hoger opgeleiden dan ook een hogere online aankoopintentie hebben blijkt niet ondersteund. Uit ander recent onderzoek van Fang et al. (2014) blijkt ook dat het opleidingsniveau maar geringe impact heeft op de aankoopintentie. Net als bij het opleidingsniveau blijkt ten slotte voor wat betreft de consument karakteristieken ook de gezinssituatie niet van significante invloed te zijn op de online aankoopintentie. De verklaring ligt vermoedelijk in het feit dat het internet en het doen van online aankopen door de jaren heen dermate geworteld zit in de samenleving dat de gezinssituatie niet meer uitmaakt. Clemes et al. (2014) hebben onder anderen ook bevestigd dat de gezinssituatie kan leiden tot een andere online aankoopintentie. Dit ondersteunt de gedachte dat er niet één aantoonbare groep een grotere online aankoopintentie heeft dan de andere als het gaat om de gezinssituatie. Aangezien de ervaren waarde, opgebouwd uit ervaren vertrouwen en de ervaren prijs, zoals verwacht vanuit de literatuur en getoetst middels de hypothese, een positieve effect heeft op de aankoopintentie van online consumenten, wordt hier in deze discussie niet verder op ingegaan. De kanttekening die gemaakt kan worden is dat het met een 95% zekerheidswaarde gepaard ging. Op het aspect van ervaren risico’s is bij zowel product risico als financieel risico ondersteund dat het ervaren van dergelijke risico’s een significant negatief effect heeft op de online aankoopintentie. Uitzondering daarop blijkt het privacy risico te zijn, waarbij er geen verband is aangetoond tussen dit privacy risico en de invloed op de online aankoopintentie. Het feit dat privacy risico niet meer in verband gebracht wordt met een negatief effect op de aankoopintentie kan met een aantal zaken te maken hebben, maar is vooral opmerkelijk te noemen aangezien vanuit de literatuur altijd een sterke relatie heeft bestaan tussen het privacy risico en de online aankoopervaring (Tsjai en Yeh, 2010) en (Dai et al, 2014). Mogelijke verklaring is dat er op het gebied van privacy beleid en internet security de laatste jaren veel verbetering doorgevoerd is door webshops, waardoor online consumenten dit niet meer zien als een barrière voor het doen van een online aankoop en het risico daarmee minder zwaar laten meewegen bij het doen van een aankoop. Vos et al. (2014) geven als mogelijke verklaring hiervoor dat steeds meer websites gebruikmaken van een SSL beveiligingscertificaat. SSL is een beveiligingscertificaat gemaakt om informatie beveiligd over het internet te versturen (Bhiogade, 2002) en (Omariba et al., 2012). Veel websites gebruiken
Philip Bleijlevens – 2015
39
tegenwoordig een SSL certificaat (te herkennen aan ‘https’ in de URL om te kunnen inloggen of om te kunnen betalen), om de beveiliging van data te kunnen garanderen, waardoor het ervaren privacy risico bij online consumenten veel lager zal zijn dan in het verleden. Aangaande de mogelijke Last-mile oplossingen kan geconcludeerd worden dat alle vijf de opgestelde hypotheses ondersteund worden. Er is zowel een direct significant positief effect meetbaar tussen het aanbieden van Last-mile oplossingen en de online aankoopintentie, alsook een positief effect tussen het aanbieden van last-mile oplossingen en de ervaren waarde, het ervaren product risico, het ervaren financieel risico en het ervaren privacy risico. Belangrijke conclusie van dit onderzoek is dat hiermee het antwoord op de probleemstelling onderbouwd kan worden, namelijk dat er een positief effect is waar te nemen tussen het aanbieden van last-mile oplossingen en de aankoopintentie van online consumenten. Voor wat betreft de online aankoop frequentie kan geconcludeerd worden dat het modererende effect van deze variabele op de relatie tussen het aanbieden van last-mile oplossingen en de aankoopintentie aangetoond is. Door het meten van de ervaring die online consumenten hebben met last-mile oplossingen is het mogelijk geweest om een aantal hypotheses op dat vlak te toetsen. Concluderend kan gesteld worden dat consumenten met ervaring met last-mile oplossingen positief bijdragen aan de intentie om een last-mile oplossing in de toekomst te gebruiken, met als kanttekening dat dat met een lagere zekerheidswaarde gesteld kan worden. Daarnaast valt op te merken dat online consumenten die ervaring hebben met last-mile oplossingen significant minder product risico en financieel risico ervaren en dat het ervaren privacy risico afneemt, zij het met een lagere zekerheidswaarde. Tot slot kan er wat betreft de ervaring met last-mile oplossingen geconcludeerd worden dat deze ervaring niet bijdraagt aan de ervaren waarde van een online consument. Een andere hypotheses die niet ondersteund wordt in het onderzoek was op basis van de stelling dat online consumenten bereid zijn om een toeslag te betalen voor een last-mile oplossing en of dit effect heeft op de aankoopintentie als last-mile oplossingen aangeboden worden. Tegen de verwachting in blijkt uit de resultaten van het onderzoek dat online consumenten niet één op één bereid zijn om een toeslag te betalen voor een last-mile oplossing, om zo als een last-mile oplossing aangeboden wordt tot een hogere aankoopintentie te komen. Belangrijkste reden waarom het resultaat afwijkt van de verwachting is mogelijk omdat respondenten enkel gevraagd was of ze bereid waren om een toeslag te betalen, echter werd daarbij niet vermeld hoe hoog de toeslag zou zijn of wat de online consument er voor over zou hebben. Belangrijke aanbeveling voor vervolgonderzoek is om te vragen naar het bedrag dat een online consument bereid is te betalen voor een last-mile oplossing naar keuze. Onderzoek van Goebel et al. (2012) was gebaseerd op keuzegedrag van consumenten, inclusief de bereidheid om te betalen als een bepaald serviceniveau: ‘time-based leveringen’ zouden hebben bestaan, daarbij gaven respondenten aan bereid te zijn om meer te betalen, echter is dat niet één op één te vertalen naar de last-mile opties die in dit onderzoek behandeld zijn. Visibiliteit zou dus heel belangrijk kunnen zijn, omdat online consumenten niet meer verrast wensen te worden door kosten die na het doorlopen van de bestelling nog als een verrassing ontstaan (Lee en Lin, 2005). Als het om de bereidheid om te betalen gaat hebben Homburg et al. (2005) aangetoond dat er een verband is tussen de algehele klanttevredenheid van een klant en de bereidheid om te betalen voor een dienst. Bij een zeer hoge of zeer lage klanttevredenheid is de bereidheid om te betalen zeer hoog of juist zeer laag, terwijl bij klanttevredenheidsniveaus rondom het gemiddelde nauwelijks verschil zit tussen de bereidheid om voor een dienst te betalen.
Philip Bleijlevens – 2015
40
Uit de resultaten van het onderzoek valt als laatste te concluderen dat klanten die gemiddeld genomen hogere online bestedingsbedragen hebben geen hogere online aankoopintentie blijken te hebben. De verwachting was dat dit wel het geval zou zijn. Verklaring voor de afwijkende resultaten kan in de redenering liggen dat online consumenten ook steeds vaker voor aankopen die een kleine financiële waarde vertegenwoordigen het internet gebruiken. (Thuiswinkel.org 2014) dat zich baseert op cijfers van GFK en het CBS concludeert dat consumenten gemiddeld genomen online meer geld uitgeven, maar tegelijkertijd ook dat het gemiddelde aankoopbedrag per aankoop daalt. Punj (2012) concludeerde hierover al dat geld besparen een belangrijke reden is om online te winkelen. Dit bevestigt de aanname dat steeds meer klanten online aankopen gaan doen, al is het maar om geld te besparen. Dit heeft tot gevolg dat ook vaak aankopen voor kleinere bedragen online gedaan worden. Consumenten die juist om deze reden het internet gebruiken zullen gemiddeld genomen lagere bedragen spenderen, maar toch een hogere online aankoopintentie hebben.
5.3 Aanbevelingen, beperkingen en suggesties voor verder onderzoek De aanbevelingen worden onderverdeeld in enerzijds theoretische of wetenschappelijke aanbevelingen en anderzijds praktische of management aanbevelingen. De paragraaf wordt afgesloten met de beperkingen van het onderzoek en suggesties voor vervolgonderzoek. 5.3.1
Wetenschappelijke aanbevelingen
Wetenschappelijk gezien is de belangrijkste aanbeveling dat het interessant is om op zoek te gaan naar nieuwe drijfveren van online consumenten om over te gaan tot een aankoop. Bestaande variabelen als vertrouwen, prijs en ervaren risico’s blijken nog altijd invloed te hebben op de aankoopintentie. Door dit echter in een nieuwe context te plaatsen, het aanbieden van last-mile oplossingen in relatie tot de aankoopintentie toevoegen, blijkt dat ook deze nieuwe drijfveer van significant belang kan zijn op het online aankoopgedrag. Daarnaast blijkt dat het aanbieden van last-mile oplossingen bij online consumenten bestaande risico’s laat afnemen. Ook vermindert het feit dat online consumenten ervaring hebben met last mile oplossingen de perceptie van risico’s bij het doen van een online aankoop. Ten slotte is aangetoond dat het beschikken over relevante ervaring met het gebruik van last-mile oplossingen ervoor zorgt dat de kans groter is dat een online consument overgaat tot een aankoop indien last-mile oplossingen aangeboden worden. 5.3.2
Management aanbevelingen
Op het praktische of management vlak is de belangrijkste aanbeveling die in de richting van webshops. Online consumenten blijken namelijk een hogere aankoopintentie te hebben indien ze de keuze hebben om zelf te bepalen hoe de last-mile van de aflevering er uit komt te zien. Wordt iets aan huis afgeleverd? Of liever toch een afhaling in een afhaalpunt? En als het aan huis afgeleverd wordt wil de klant het liefst zelf de afleverdag en het aflevermoment kunnen bepalen. Dit heeft tegelijkertijd ook implicaties voor logistiek dienstverleners die de last-mile richting de consument verzorgen. Zij die nu enkel een standaard afleverpoging kunnen aanbieden zullen op zoek
Philip Bleijlevens – 2015
41
moeten gaan naar mogelijkheden om te differentiëren, waardoor ook bijvoorbeeld in een afhaalpunt of bij de klant thuis op de gewenste dag en in het gewenste tijdvenster afgeleverd kan worden. Voor online consumenten zullen de conclusies uit het onderzoek betekenen dat er in de toekomst nog meer keuzes voor de klant zullen ontstaan, waardoor het gemak van online winkelen nog verder zal gaan toenemen. De wens van de consument komt in het aankoopmodel nog verder centraal te staan. Webshops die zich op bepaalde doelgroepen richten kunnen daarnaast ook profijt hebben van de uitkomsten van dit onderzoek, zeker als zij zich realiseren dat niet iedere doelgroep dezelfde benadering nodig heeft, vrouwen moeten anders benaderd worden dan mannen en ook de leeftijd van de consument kan bepalend zijn in de kans op een herhalingsaankoop. Desondanks blijkt ook dat opleidingsniveau, de samenstelling van de gezinssituatie alsook het inkomen niet of maar gering van belang zijn als het gaat om het stimuleren van de aankoopintentie. Verklaring hiervoor is dat een steeds breder publiek het internet gebruikt om aankopen te doen, en dat het productaanbod (ook voor relatief kleine aankopen) steeds diverser wordt. Ten slotte blijkt dat ervaren risico’s nog steeds zorgen voor een afname van de aankoopintentie bij online consumenten, maar tegelijkertijd blijkt ook hier dat het aanbieden van last-mile oplossingen deze risico’s weer kan verminderen. Wat betreft privacy risico zou een goede aanbeveling voor een webshop kunnen zijn (als dat nog niet gebeurt) om een SSL certificaat te gebruiken voor de communicatie van (privacy) gevoelige informatie. 5.3.3
Beperkingen en suggesties voor verder onderzoek
De onderzoekspopulatie is groot en divers genoeg te noemen, echter blijkt de populatie relatief hoog opgeleid te zijn. Het onderzoek is afgenomen middels een online enquete, mogelijk dat dit ertoe geleid heeft dat een bepaald deel van de populatie (die minder bekend is met het gebruik van internet) daardoor niet voldoende belicht is in het onderzoek. Aanbeveling zou kunnen zijn om het onderzoek daarom op een andere manier (bijvoorbeeld door enquete aan willekeurige voorbijgangers op straat) uit te voeren om te toetsen of dat tot andere resultaten zou leiden. De ervaren waarde zou anders opgebouwd kunnen worden dan aan de hand van de gehanteerde literatuur is geoperationaliseerd in het onderzoeksmodel. In dit onderzoek wordt naar een aantal componenten gekeken die als één variabele meegenomen zijn in het onderzoeksmodel, de (totale) ervaren waarde, terwijl het mogelijk krachtiger kan zijn als de afzonderlijke componenten zoals het ervaren vertrouwen en de ervaren prijs in het model getoetst worden. Ook kan voor vervolgonderzoek geadviseerd worden om de last-mile oplossingen nog verder te verdiepen. Welk deelelement (afleverlocatie of aflevermoment) vinden online consumenten belangrijker? Dat het aanbieden van de last-mile oplossingen een positief effect heeft op de online aankoopintentie is aangetoond, maar daarmee is nog niet aangetoond welk van de twee componenten daarin mogelijk een sterkere voorkeur heeft? Daarnaast leidt de conclusie dat klanten niet bereid zijn om een toeslag te betalen voor een last-mile oplossing tot nieuwe vragen. De respondenten zijn immers niet gevraagd hoeveel ze daar dan voor over zouden willen of moeten hebben? Mogelijk dat een onderzoek, specifiek bedoelt om erachter te komen hoeveel een klant bereid zou zijn te betalen voor deze last-mile oplossing in relatie tot de aankoopintentie interessant inzicht hierover kan opleveren?
Philip Bleijlevens – 2015
42
Ten slotte zou, vanuit de invalshoek van operationeel logistieke uitvoering, het interessant kunnen zijn om in vervolgonderzoek te bepalen of het aanbieden van een last-mile oplossing, bijvoorbeeld het aanbieden van een krapper tijdslot waarbinnen geleverd wordt bij de consument, zou kunnen bijdragen aan het verlagen van de totale kosten in de logistieke keten? De meerkosten die gemaakt worden door de logistiek dienstverlener bij het aanbieden van een tijdvak wegen mogelijk op tegen de besparingen die gerealiseerd kunnen worden doordat logistiek dienstverleners in minder afleverpogingen de zending kunnen afleveren en er uiteindelijk minder retourzendingen en bijbehorende retourkosten zullen zijn in de keten. Doordat aangetoond is dat door het aanbieden van last-mile oplossingen de aankoopintentie van online consumenten positief beïnvloed wordt is de suggestie te wekken dat er mogelijk nog meer drijfveren zijn die de online aankoop intentie beïnvloeden? Zo zou het interessant kunnen zijn te onderzoeken of de door de webshop geboden retouropties van invloed zouden kunnen zijn op de aankoopintentie. In de logistieke wereld zullen in de komende jaren nog veel innovaties (moeten) gaan plaatsvinden en ook nodig zijn om de verder groeiende stroom pakketleveringen naar consumenten, die steeds veeleisender worden, in goede banen te blijven leiden. Technologie is daarbij een belangrijk onderdeel om tot innovatieve logistieke processen te komen. Voorbeelden van technologie die in de komende jaren tot uiting zullen komen zijn: het gebruik van drones voor het beleveren in afgelegen gebieden, het gebruik van Smart-glass technologie en slimme apps om efficiëntie van logistieke dienstverleners te vergroten. Milieu eisen, strengere regelgeving en verdere wereldwijde verstedelijking zullen daarnaast initiatieven voor stadsdistributie verder aanwakkeren, alsook het gebruik van zuinigere voertuigen (mogelijk elektrisch in de toekomst) en onbemande voertuigen zullen ontwikkelingen zijn die in de komende jaren een vlucht nemen. Reden genoeg om onderzoek uit te blijven voeren op het gebied van logistiek en op zoek te gaan naar innovaties waar online consumenten echt op zitten te wachten.
Philip Bleijlevens – 2015
43
6. Literatuurlijst •
Abukhader, S.M. and Jönson, G. (2003): “The environmental implications of electronic commerce: a critical review and framework for future investigation”, Management of Environmental Quality: An International Journal, Vol. 14 No. 4, pp. 460-476.
•
Agatz, N., Campbell, A.M., Fleischmann, M. and Savelsbergh, M. (2007): “Challenges and opportunities in attended homedelivery”, inGolden, B.L., Raghavan, S. andWasil, E.A. (Eds), The Vehicle Routing Problem: Latest Advances and New Challenges, Springer, NewYork,NY.
•
Agatz, N. (2009): Demand management in e-fulfillment, Erasmus University Rotterdam.
•
Agatz, N., Campbell, A.M., Fleischmann, M. and Savelsbergh, M. (2010): “Time slot management in attended home delivery”, Transportation Science, Vol. 45.
•
Akman, I., Mishra, A., (2010): “Gender, age and income differences in internet usage among employees in organizations”, Computers in Human Behavior, Volume 26, Issue 3, May 2010, Pages 482–490
•
Anderson, W.P. and Leinbach, T.R. (2007): “E-commerce, logistics and the future of globalized freight”, in Leinbach, T.R. and Capineri, C. (Eds), Globalized Freight Transport: Intermoality, E-Commerce, Logistics and Sustainability, Edward Elgar, Northampton, MA.
•
Anderson, W.P., Chatterjee, L. and Lakshmanan, T.R. (2003): “E-commerce, transportation, and economic geography”, Growth and Change, Vol. 34, pp. 415-432.
•
Bart, Y., Shankar, V., Sultan, F. and Urban, G.L. (2005): ‘‘Are the drivers and role of online trust the same for all web sites and consumers? A large-scale exploratory empirical study’’, Journal of Marketing, Vol. 69 No. 4, pp. 133-153.
•
Bhiogade, M.S. (2002): “Secure socket layer”, Proceedings of Informing Science and IT Education Conference, Cork, June, pp. 85-90.
•
Blackwell, R.D., Miniard, P.W. and Engel, J.F. (2001): “Consumer Behavior”, The Dryden Press, Orlando, FL.
•
Boyer, K. K. & Hult, G. T. M. (2009). “Customer behavioral intentions for online purchases: An examination of fulfillment method and customer experience level”, Journal of Operations Management, 24, 124-147.
•
Boyer, K. K. & Hult, G. T. M. (2009). “The Last Mile challenge: evaluating the effects of customer density and delivery window patterns”, Journal of Business Logistics, Volume 30, Issue 1, pages 185–201.
•
Campbell, A.M. and Savelsbergh, M. (2006): “Incentive schemes for attended home delivery services”, Transportation Science, Vol. 40 No. 3, pp. 327-41.
Philip Bleijlevens – 2015
44
•
Cho, J., (2004): “Likelihood to abort an online transaction: Influences from cognitive valuations, attitudes, and behavioral variables”, Information and Management, 41 (2004), pp. 827–838
•
Clemes, M.D., Gan, C., Zhang, J. (2014): “An empirical analysis of online shopping adoption in Beijing, China”, Journal of Retailing and Consumer Services, Volume 21, Issue 3, May 2014, Pages 364–375.
•
Cohen, N., (2000): “Greening the Internet: ten ways e-commerce could affect the environment”, Pollution Prevention Review 2000 (Winter), 13–29.
•
Dai, B., Forsythe, S., Kwon, W.(2014): “The Impact of Online Shopping Experience on Risk Perceptions and Online Purchase Intentions, Does product category matter?”, Journal of Electronic Commerce Research, VOL 15, NO 1, 2014, 13-24.
•
Dittmar, H., Long, K., Meek, R.,(2004): ”Buying on the Internet: Gender differences in on-line and conventional buying motivation”, Sex Roles, 50 (5–6) (2004), pp. 423–444.
•
Dodds, W. B., Monroe, K. B., and Grewal, D.(1991): “The effects of price, brand and store information on buyers’ product evaluations”, Journal of Marketing Research, 28, 3, 1991, 307–319.
•
Doolin, B., Dillon, S., Thompson, F. and Corner, J.L. (2005), ‘‘Perceived risk, the internet shopping experience and online purchasing behavior: a New Zealand perspective’’, Journal of Global Information Management, Vol. 13 No. 2, pp. 66-88.
•
Edwards, J., McKinnon, A., Cullinane, S., (2010): “Comparative analysis of the carbon footprints of conventional and online retailing, A ‘last mile’ perspective”, International Journal of Physical Distribution & Logistics Management, Vol. 40 No. 1/2, 2010 pp. 103-123.
•
Forsythe, S. M. and B. Shi (2003): “Consumer Patronage and Risk Perceptions in Internet Shopping”, Journal of Business Research, Vol. 56: 867-875, 2003.
•
Fang, Y., Qureshi, I., Sun, H., McCole, P., Ramsey, E., Lim, K. (2014): “Trust, Satisfaction, and Online Repurchase Intention”, MIS Quarterly Vol. 38 No. 2, pp. 407-427/June 2014.
•
Farag, S., Krizek, K.J. and Dijst, M. (2006): “e-Shopping and its relationship with in-store shopping: empirical evidence from the Netherlands and the USA”, Transport Reviews, Vol. 26 No. 1, pp. 43-61.
•
Garbarino, E. en M. Strahilevitz (2004): “Gender Differences in the Perceived Risk of Buying Online and the Effects of Receiving a Site Recommendation”, Journal of Business Research, Vol. 57: 768-775, 2004.
•
Gefen, D., Devine, P. (2001): “Customer loyalty to an online store: The meaning of online service quality.” In Proceedings of the Twenty-Second Annual International Conference on Information Systems, New Orleans, LA, USA, 613-5, 2001.
Philip Bleijlevens – 2015
45
•
Gefen, D., Karahanna, E., Straub, D.W., (2003): “Trust and TAM in Online Shopping: An Integrated Model”, MIS Quarterly, 03/2003, Volume 27, Volume 1, pp 51-90.
•
Goebel, P., Moeller, S., and Pibernik, R., (2012): “Paying for Convenience: attractiveness and revenue potential of time-based delivery services”, International Journal of Physical Distribution & Logistics Management, Vol. 42 No. 6, 2012 pp. 584-606.
•
Golob, T.F., Regan, A.C., (2001): “Impacts of information technology on personal travel and commercial vehicle operations: research challenges and opportunities”, Transportation Research Part C 9 (2), 87–121.
•
Gong, W., Stump, R.L., Maddox, L.M., (2013):"Factors influencing consumers' online shopping in China", Journal of Asia Business Studies, Vol. 7 Iss 3 pp. 214 – 230.
•
Grazioli, S., Jarvenpaa, S. L. (2000): “Perils of internet fraud: an empirical investigation of deception and trust with experienced internet consumers. IEEE Transactions on Systems, Man and Cybernatics-Part A: Systems and Humans”, 30, 4, 2000, 395–410.
•
Grewal, D., Iyer, G.R., Krishnan, R., Sharma, A. (2003): “The internet and the price-valueloyalty chain”, Journal of Business Research, 56 (2003), pp. 391–398.
•
Hashim, A., Ghani, K., Said, J., (2009): “Does Consumers’ Demographic Profile Influence Online Shopping?: An Examination Using Fishbein’s Theory”, Canadian Social Science, Vol.5 No.6 2009, 19-31.
•
Heinonen, K., (2004): “Reconceptualizing customer perceived value: the value of time and place”- Managing Service Quality - 2004 Vol. 14 Issue 2/3 pp. 205-215.
•
Hernández, B., Jiménez, J., José Martín, M., (2011) "Age, gender and income: do they really moderate online shopping behaviour?", Online Information Review, Vol. 35 Iss: 1, pp.113 – 133
•
Hesse, M. (2002): “Shipping news: the implications of electronic commerce for logistics and freight transport”, Resources, Conservation, and Recycling, Vol. 36, pp. 211-240.
•
Hoffman, D. L., Novak, T.P., Peralta, M., (1999): "Building consumer trust online." Communications of the ACM 42.4 (1999): 80-85.
•
Homburg, C., Koschate, N., Hoyer, W.D. (2005): “Do Satisfied Customers Really Pay More? A Study of the Relationship Between Customer Satisfaction and Willingness to Pay”, Journal of Marketing, Apr2005, Vol. 69 Issue 2, p84-96.
•
Hui, T-K. and Wan, D. (2007): ‘‘Factors affecting internet shopping behavior in Singapore: gender and educational issues’’, International Journal of Consumer Studies, Vol. 31 No. 3, pp. 310-316.
•
Huppertz, P. (1999): “Market changes require new supply chain thinking”, Transportation & Distribution, Vol. 40, pp. 70-84.
Philip Bleijlevens – 2015
46
•
Javadi, M.H.M., Dolatabadi, H.R., Nourbakhsh, M., Poursaeedi ,A, and Asadollahi, A.R. (2012): “An Analysis of Factors Affecting on Online Shopping Behavior of Consumers”, International Journal of Marketing Studies, Vol. 4, No. 5, pp 81-98.
•
Jiang, P. and Rosenbloom, B. (2005): ‘‘Customer intention to return online: price perception, attribute-level performance, and satisfaction unfolding over time’’, European Journal of Marketing, Vol. 39 Nos 1/2, pp. 150-174.
•
Kim, E.Y., Kim, Y.K. (2004): ‘‘Predicting online purchase intentions for clothing products’’, European Journal of Marketing, Vol. 38 No. 7, pp. 883-897.
•
Kim, H.W., Xu, Y., Gupta, S. (2012): “Which is more important in Internet shopping, perceived price or trust?”, Electronic Commerce Research and Applications 11 (2012) 241–252.
•
Koyuncu, C., Bhattacharya, G., (2004): “The impacts of quickness, price, payment risk, and delivery issues on on-line shopping”, The Journal of Socio-Economics, 33 (2004), pp. 241–251.
•
Lee, M.K., Turban, E. (2001): “A Trust Model for Consumer Internet Shopping”, International Journal of Electronic Commerce, 10/2001, Volume 6, No. 1, pp 75-91.
•
Lee, G., Lin, H., (2005): "Customer perceptions of e-service quality in online shopping", International Journal of Retail & Distribution Management, Vol. 33 Iss 2 pp. 161 – 176.
•
Liebermann, Y. and Stashevsky, S. (2009), ‘‘Determinants of online shopping: examination of an early-stage online market’’, Canadian Journal of Administrative Sciences, Vol. 26 No. 4, pp. 316-331.
•
Lim, H., and Shiode, N., (2011): “The impact of online shopping demand on physical distribution networks: a simulation approach”, International Journal of Physical Distribution & Logistics Management Vol. 41 No. 8, 2011 pp. 732-749.
•
Liu, X., Wei, K.K. (2003): ”An empirical study of product differences in consumers’ Ecommerce adoption behaviour”, Electronic Commerce Research and Applications, 2 (2003), pp. 229–239.
•
Ltifi, M., and Gharbi, J.E., (2012): “ E-satisfaction and E-loyalty of consumers shopping online”, Journal of Internet Banking and Commerce, April 2012, vol. 17, no.1,
•
Mitchell, V.W., (1999): "Consumer perceived risk: conceptualisations and models", European Journal of Marketing, Vol. 33 Iss: 1/2, pp.163 – 195.
•
Miyazaki, A.,Fernandez, A.(2001): “Consumer Perceptions of Privacy and Security Risks for Online Shopping”, Journal of Consumer Affairs, 2001, Volume 35, No 1, 27-44.
•
Mokhtarian, P.L., (2004): “A conceptual analysis of the transportation impacts of b2c ecommerce”. Transportation 31 (3), 257–284.
•
Oliver, R.L. and DeSarbo, W.S. (1988): “Response determinants in satisfaction judgment”, Journal of Consumer Research, Vol. 14 No. 4, pp. 495-507.
Philip Bleijlevens – 2015
47
•
Omariba, Z.B. , Masese, N.B. and Wanyembi, G. (2012): “Security and privacy of electronic banking”, International Journal of Computer Science Issues, Vol. 9 Nos 4/3, pp. 432-446.
•
Peter, J. P. and L. X. Tarpey (1975): “A Comprehensive Analysis of Three Consumer Decision Strategies”, Journal of Consumer Research, Vol. 2: 29-37, 1975.
•
Pi, S.M., en Sangruang, J.,(2011): “The perceived risks of online shopping in Taiwan”, Social Behavior and Personality: an international Journal, 2011, 39(2), 275-285.
•
Punj, G., (2012): “Income effects on relative importance of two online purchase goals: Saving time versus saving money?”, Journal of Business Research, 65 (5) (2012), pp. 634–640.
•
Reichheld, F.F., and Schefter, P. (2000): “E-Loyalty: Your secret weapon on the web”, Harvard Business Review (78:4), 2000, pp. 105-113.
•
Román, S., Riquelme, I., (2014): “Personal Determinants of Online Frustration and its influence on consumers’ positive word of mouth”, Journal of Electronic Commerce Research, VOL 15, NO 2, 2014, 87-103.
•
Rotem-Mindali, O., Salomon, I., (2007): “The impacts of e-retail on the choice of shopping trips and delivery: some preliminary findings”, Transportation Research Part A 41 (2), 176– 189.
•
Rowley, J. (1996):, ‘‘Retailing and shopping on the Internet’’, International Journal of Retail & Distribution Management, Vol. 24 No. 3, pp. 26-37.
•
Santos, J. (2003): “E-service quality: a model of virtual service quality dimensions”, Managing Service Quality, Vol. 13 No. 3, pp. 233-46.
•
Sarkis, J., Meade, L.M. and Talluri, S. (2004): “E-logistics and the natural environment”, Supply Chain Management: An International Journal, Vol. 9 No. 4, pp. 303-312.
•
Sinha, I. and DeSarbo, W.S. (1998): “An integrated approach toward the spatial modeling of perceived customer value”, Journal of Marketing Research, Vol. 35, May, pp. 236-49.
•
Sirdeshmukh, D., Singh, S., Sabol, B.(2002): “Consumer trust, value, and loyalty in relational exchange”. Journal of Marketing, 66, 1, 15–37.
•
Tsai, Y.C., Yeh, J.C. (2010): “Perceived risk of information security and privacy in online shopping: A study of environmentally sustainable products”, African Journal of Business Management, 12/2010, Volume 4, No. 18, 4057-4066.
•
Vos, A., Marinagi , C., Trivellas, P., Eberhagen, N., Giannakopoulos, G., Skourlas, C., (2014) "Electronic service quality in online shopping and risk reduction strategies", Journal of Systems and Information Technology, Vol. 16 Iss: 3, pp.170 – 186.
Philip Bleijlevens – 2015
48
•
Van Slyke, C., Comunale, C., Belanger, F., (2002): ”Gender differences in perceptions of webbased shopping”, Communications of the ACM, 45 (8) (2002), pp. 82–86
•
Weltevreden J. ,Rotem-Mindali O. (2009): “Mobility effects of b2c and c2c e-commerce in the Netherlands: a quantitative assessment”, Journal of Transport Geography, 17 (2009) 83–92.
•
Wu, L.Y., Chen, K.Y., Chen, P.Y., Cheng, S.L., (2014): “Perceived value, transaction cost, and repurchase-intention in online shopping: A relational exchange perspective”, Journal of Business Research, Volume 67, Issue 1, January 2014, Pages 2768–2776.
•
Xing, Y., Grant, D.B., McKinnon, A.C., Fernie, J., (2010): “Physical distribution service quality in online retailing”, International Journal of Physical Distribution & Logistics Management, Vol. 40 Iss 5 pp. 415 – 432.
•
Yu, U.J., Lee, H.H., Damhorst, M.L., (2012):“Exploring Multidimensions of Product Performance Risk in the Online Apparel Shopping Context: Visual, Tactile, and Trial Risks”, Clothing and Textiles Research Journal, 10/2012, Volume 30, No. 4
•
Zeithaml, V. A. (1988): “Consumer perceptions of price, quality, and value: a means-end model and synthesis of evidence”, Journal of Marketing, 52, 3, 1988, 2–22.
•
Zhou, L. ,Dai, L., Zhang, D., (2007): ”Online shopping acceptance model – A critical survey of consumer factors in online shopping”, Journal of Electronic Commerce Research, 8 (1) (2007), pp. 41–62.
Philip Bleijlevens – 2015
49
Bijlage I – Vragenlijst SubCategorie categorie -
Item 1 2
Respondent ID Tijdstempel Thuis (of op ander Afhalen in centraal gewenst adres) afhaalpunt in de laten afleveren buurt
Afleverlocatie 3
Keuze afleverlocatie
Aflevermoment
4
Keuze snelheid van levering
5
Keuze van afleverdag
Aflevermoment 6 Internet gebruik
Keuze van aflevermoment (tijdvak)
7
Hoe lang gebruikt u het internet al om online aankopen te doen?
8
Hoe vaak heeft u de afgelopen zes maanden online een aankoop gedaan?
Besteding online 9 -
10
Aankoop intentie
Wat is het gemiddeld bestede bedrag per aankoop bij uw online aankopen in de afgelopen zes maanden?
Aankoop intentie
11 12 13
De kans dat ik mijn volgende aankoop online doe is groot. Als ik weer een product nodig zou hebben, zou ik overwegen dat online aan te schaffen. De waarschijnlijkheid dat ik mijn volgende product aanschaf bij een webshop is klein. De wil om mijn producten online aan te schaffen is groot.
2
Afhalen in winkel van retailer (bijv. een Hema winkel na bestelling bij hema.nl) 3
Geleverd op een Geleverd op de werkdag naar keuze volgende werkdag in de aankomende dagen
Geen voorkeur
4
Geen voorkeur
1 Maandag 1
2 Dinsdag 2
3 Woensdag 3
4 Donderdag 4
Vrijdag 5
Geen tijdvak, hele dag mogelijk
Ochtend tussen 7:00 en 10:00
Ochtend tussen 9:00 en 12:00
Middag tussen 12:00 en 15:00
Middag tussen 15:00 en 18:00
1
2 Korter of gelijk aan 2 jaar 2
3
4
5
6
7
2 tot 4 jaar
4 tot 6 jaar
6 tot 8 jaar
8 tot 10 jaar
10 jaar of meer
3
4
5
6
7
Ik heb de afgelopen zes maanden geen online aankoop gedaan
1 tot 2 keer
2 tot 4 keer
4 tot 6 keer
6 tot 10 keer
11 tot 15 keer
Meer dan 15 keer
1
2
3
4
5
6
7
Ik heb de afgelopen zes maanden geen online aankoop gedaan
€ 0,- tot € 25,-
€ 25,- tot € 50,-
€ 50,- tot € 100,-
€ 100,- tot € 250,-
€ 250,- tot € 500,-
Meer dan € 500,-
1
2
3
4
5
6
Nog nooit gebruikt
Frequentie online aankopen
Online aankoop ervaring
1 Geleverd op dezelfde dag van bestelling
Aflevermoment
Last Mile oplossing en
Antwoorden
Vraag
1
Gedeeltelijk mee Helemaal mee eens eens 1 2 1
2
Beetje mee eens
Neutraal
3
4
3
4
Zaterdag 6
6
8
7 Helemaal mee oneens 7 7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
Philip Bleijlevens – 2015
Geen voorkeur 8
Ik zou de Avond tussen 17:00 Avond tussen 19:00 flexibiliteit willen en 20:00 en 22:00 hebben om zelf het tijdvak te bepalen
Gedeeltelijk mee Beetje mee oneens oneens 5 6 5
Zondag 7
50
SubCategorie categorie
Item 14
Locatie keuze
15 16
Last Mile oplossing en
17 Aflever moment keuze
18 19 20 21 22
Ervaren vertrouwen
23 24 25 26
Ervaren waarde
27 Ervaren prijs 28 29
30 Ervaren waarde
31 32 33
Antwoorden
Vraag Voor mij is het waardevol dat ik bij een webshop tijdens het bestelproces de keuze voor de afleverlocatie kan bepalen. Een webshop komt meer betrouwbaar over als ik een keuze heb tussen een aantal afleverlocaties. Als ik bij een webshop een afleverlocatie kan kiezen, zal ik daardoor eerder opnieuw een aankoop doen bij deze webshop. Het kunnen kiezen van een afleverdag tijdens een online aankoop is voor mij waardevol. Het kunnen kiezen van een aflevertijdvak tijdens een online aankoop is voor mij waardevol. Een webshop komt meer betrouwbaar over als ik een keuze heb tussen een aantal aflevermomenten en aflevertijdvakken. Als ik bij een webshop geen aflevermoment kan kiezen, koop ik mijn volgende product liever ergens anders. Een webshop die geen keuze aanbiedt in verzendmethodes is in staat een goede dienstverlening te leveren op transportgebied. Een webshop die keuzes in verzendmethodes aanbiedt, komt de gemaakte beloftes en afspraken beter na. Een webshop die keuzes in verzendmethodes aanbiedt, geeft meer om haar klanten. Een webshop die keuzes in verzendmethodes aanbiedt, vervult haar taken beter. Een webshop die keuzes in verzendmethodes aanbiedt, is betrouwbaarder. Aankopen die ik doe bij een webshop met keuzemogelijkheid voor verzendmethodes zijn mogelijk duurder dan bij webshop zonder deze keuzes. Ik bespaar mogelijk meer geld als ik de aankopen bij een webshop zonder keuzemogelijkheden voor verzending zou doen. Bij een webshop zonder keuzemogelijkheden voor verzending krijg ik mogelijk meer korting. Mogelijk is het goedkoper om bij een webshop zonder keuzemogelijkheden voor verzending mijn aankopen te doen dan bij een webshop met deze mogelijkheden. Als ik het bedrag dat ik voor mijn aankoop betaal bij een webshop vergelijk met het bedrag bij een fysieke winkel (retail), is online winkelen een goede deal. De moeite die ik neem om bij een webshop iets te bestellen in acht nemende, is online winkelen voor mij waardevol. Het risico van online winkelen in acht nemende, is online winkelen voor mij betrouwbaar. In het algemeen krijg ik een goed gevoel als ik bij een webshop mijn aankopen doe.
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
Philip Bleijlevens – 2015
51
SubCategorie categorie
Item 34
Product risico
35 36 37
Ervaren risico's
Financieel risico
38 39 40
Privacy risico
41 42
Bekendheid last-mile oplossingen
43 44 45
Intentie Ervaring gebruik lastlast mile mile oplossing oplossingen en
46 47 48 49
Gebruik lastmile oplossingen
50 51
Consument karakteristieken
-
Het is moeilijk voor mij om de kwaliteit van het product te beoordelen bij een webshop. Het is moeilijk voor mij om de kwaliteit van vergelijkbare producten te vergelijken bij een webshop. Het bij een webshop aangekochte product voldoet mogelijk niet aan de verwachtingen. Mijn betaalmogelijkheid is mogelijk niet goed beveiligd bij een webshop. Ik ben bezorgd dat ik het bij een webshop aangekochte product niet zal ontvangen. Ik kan het bij een webshop aangekochte product mogelijk ergens anders tegen een lagere prijs kopen. Online webshops stellen mijn gegevens (adres, e-mail adres, etc) mogelijk beschikbaar aan andere bedrijven Online webshops bekijken mijn gewoontes en historische aankopen. Mogelijk word ik gecontacteerd door online webshops zonder dat er toestemming voor gegeven wordt tijdens de aankoop. Ik heb nog nooit gezien dat het online mogelijk is om de verzendmethode te kiezen. Ik ben bekend met het kiezen van de verzendmethode bij een webshop. Ik zou af en toe gebruikmaken van keuzes in de verzendmethode als een webshop deze zou aanbieden. Ik zou altijd gebruikmaken van keuzes in de verzendmethode als een webshop deze zou aanbieden. Ik zou het geen probleem vinden om een toeslag te betalen voor een aflevering die aan mijn wensen voldoet. Afhankelijk van het product en de aankoopwaarde zou ik gebruik maken van een keuze in de verzendmethode. Ik heb tijdens een online aankoop wel eens gebruik gemaakt van een keuze voor de afleverlocatie. Ik heb tijdens een online aankoop nog nooit gebruik gemaakt van een keuze voor de afleverdag. Ik heb tijdens een online aankoop wel eens gebruik gemaakt van een keuze voor het aflever tijdvak.
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7 7
1
2
3
4
5
6
Vrouw 2 25 - 34 jaar 2
35 - 44 jaar 3
45 - 54 jaar 4
55 - 65 5
Ouder dan 65 jaar 6
Geslacht
52
Wat is uw geslacht?
Leeftijd
53
Wat is uw leeftijd?
Man 1 18 - 24 jaar 1 € 1 - € 1.000 1
€ 1.001 - € 2.000 2
€ 2.001 - € 3.000 3
€ 3.001 - € 4.000 4
€ 4.001 - € 5.000 5
Geen opleiding
Basisschool
Middelbare school
LBO
MBO
1
2
3
Thuiswonend kind 1
Alleenstaand met kind(eren) 2
Bruto inkomen
54
Wat is uw bruto maandinkomen?
Opleidings niveau
55
Wat is uw hoogst afgeronde opleiding?
Gezins situatie -
Antwoorden
Vraag
56 57
Hoe ziet uw gezinssituatie er uit? Opmerkingen of vragen
4 5 Gehuwd/samenwo Gehuwd/samenwo Alleenstaand nend met nend zonder zonder kind(eren) kind(eren) kind(eren) 3 4 5
Philip Bleijlevens – 2015
> € 5.000 Geen inkomen 6 7 HBO/Universitair Universitair -master bachelor 6 7
Weet niet, geen mening 8
52