De opkomst van een nieuw digitaal medium? Een drieledig onderzoek naar de consumentenacceptatie van merk gerelateerde mobiele apps

De opkomst van een nieuw digitaal medium? Een drieledig onderzoek naar de consumentenacceptatie van merk gerelateerde mobiele apps

Naam:

Rik Groot

ANR:

88 58 20

Begeleider:

Dr. Marie Postma

Tweede lezer:

Dr. Per van der Wijst

Datum:

Augustus 2011

Master Bedrijfscommunicatie en Digitale Media Faculteit Geesteswetenschappen Universiteit van Tilburg In opdracht van Blue Mango Interactive

Samenvatting Deze scriptie beschrijft de invloed van de aanwezigheid van eigenschappen in een merk gerelateerde app op de gebruiksintentie van een potentiële gebruiker. De studie maakt gebruik van een unieke onderzoeksaanpak: er wordt aan de hand van van drie complementaire onderzoeksmethodes onderzoek gedaan om tot een conclusie te komen. In het eerste onderzoek wordt een content analyse uitgevoerd waarmee 14 verschillende eigenschappen van een mobiele app worden gevonden. Op basis van deze eigenschappen wordt in de tweede studie aan de hand van het Kano model onderzoek gedaan naar de invloed van de aan- of afwezigheid van deze eigenschappen op de tevredenheid en de ontevredenheid van de gebruiker ten opzichte van de merk gerelateerde app. Op basis van de resultaten van deze tweede studie zijn twee prototypes van apps ontworpen. Door deze prototypes aan respondenten voor te leggen is in de derde studie onderzoek gedaan naar gebruiksintentie aan de hand van een gebruikersadoptiemodel. De resultaten wijzen uit dat het verwachte nut van een merk gerelateerde app de hoofdfactor is die de gebruikersintentie verhoogt. Daarnaast zijn de eigenschappen waar een merk gerelateerde app uit moet bestaan afhankelijk van het bedrijf waar de app voor wordt ontwikkeld.

iii

Voorwoord Eindelijk klaar. Na een studietijd van zeven jaar zit het er eindelijk op. Hoewel ik in de eerste twee jaar een slow-starter ben geweest ben ik uiteindelijk toch trots op wat ik heb bereikt. Marie, allereerst bedankt voor de prettige begeleiding. Toen ik nog rond aan het neuzen was naar een begeleider stond je meteen voor me klaar met een mooie afstudeerstage bij Blue Mango Interactive. Hiermee bood je me het afstudeeronderwerp aan waar ik zo hard naar op zoek was. Hier ben ik ook Blue Mango Interactive erg dankbaar voor en in het bijzonder mijn begeleider Kim. Ik heb heel erg veel geleerd van BMI en van jou en ik zal die ervaringen zeker gaan toepassen bij mijn toekomstige werk. Tot slot wil ik mijn dispuut, mijn vriendin en mijn ouders bedanken. Ik kon gelukkig niet elk moment aan mijn scriptie zitten en op die momenten kon ik altijd bij jullie afleiding vinden.

Rik Groot

iv

Inhoudsopgave 1.

2.

Inleiding .................................................................................................................... 1 1.1.

Aanleiding ..........................................................................................................1

1.2.

Doelstelling en onderzoeksvraag ...................................................................... 2

1.3.

Relevantie .......................................................................................................... 2

Theoretisch kader .................................................................................................... 4 2.1.

Mobiele apps ..................................................................................................... 4

2.1.1.

Achtergrond ................................................................................................ 4

2.1.2.

De grote diversiteit tussen apps ................................................................. 6

2.1.3.

De communicatieve kenmerken van apps ................................................. 7

2.2.

Consumentenbehoeften .................................................................................... 8

2.2.1. 2.3.

Het Kano model.......................................................................................... 9

Gebruikersbehoeften per branche ...................................................................12

2.4.

Consumentenacceptatie van een nieuwe IT-toepassing ..............................12

2.4.1.

Het UTAUT model.....................................................................................13

2.4.1.1. 2.5. 3.

4.

Variabelen .............................................................................................. 15

Deelonderzoeksvragen en hypothesen .........................................................16

Studie 1 - De eigenschappen van apps ....................................................................19 3.1.

Methode............................................................................................................19

3.2.

Resultaten ....................................................................................................... 20

3.3.

Perspectief ....................................................................................................... 20

Studie 2 - Klantenbehoeften .................................................................................. 22 4.1.

Respondenten ................................................................................................. 22

4.2.

Onderzoeksdesign ........................................................................................... 22

4.3.

Instrument ...................................................................................................... 22

4.4.

Procedure ........................................................................................................ 25

4.5.

Resultaten ....................................................................................................... 25

4.6.

Perspectief ....................................................................................................... 30 v

5.

Studie 3 – De gebruiksintentie ten opzichte van een app ..................................... 32 5.1.

Respondenten ................................................................................................. 32

5.2.

Onderzoeksdesign ........................................................................................... 33

5.3.

Instrument ...................................................................................................... 33

5.3.1.

Ervaring webwinkel .................................................................................. 33

5.3.2.

Verwacht nut ............................................................................................ 34

5.3.3.

Verwacht gebruiksgemak ......................................................................... 35

5.3.4.

Sociale invloed .......................................................................................... 35

5.3.5.

Gebruiksintentie ....................................................................................... 37

5.4.

Procedure ........................................................................................................ 37

5.5.

Resultaten ....................................................................................................... 38

5.5.1.

Verschillen tussen de condities ................................................................ 38

5.5.2.

Conditie 2 – Accountbeheer app telecomprovider .................................. 39

5.5.3.

Conditie 3 – Winkel app webwinkel .........................................................41

5.5.4.

Condities 1 en 4 ........................................................................................ 43

5.5.5.

Perspectief ................................................................................................ 47

6. Conclusie en discussie............................................................................................ 49 6.1.

De eigenschappen van apps ............................................................................ 49

6.2.

De behoefte naar eigenschappen .................................................................... 50

6.3.

De consumentenacceptatie van een merk gerelateerde app .......................... 52

6.4.

Vervolgonderzoek ........................................................................................... 54

6.5.

Limitaties......................................................................................................... 56

Literatuur ...................................................................................................................... 57 Bijlage A ........................................................................................................................ 62 Bijlage B ........................................................................................................................ 63 Bijlage C ........................................................................................................................ 69 Bijlage D ........................................................................................................................ 70

vi

1. Inleiding 1.1. Aanleiding Smartphones worden het ‗Zwitserse zakmes‘ onder de mobiele telefoons genoemd vanwege de grote variëteit aan mogelijkheden die ze bieden. Ze hebben sinds de introductie van Apple‘s iPhone 3G in juli 2008, in combinatie met de opening van de bijbehorende ‗App Store‘, het huidige landschap van mobiele applicaties (apps) vormgegeven (West & Mace, 2010). Apps zijn stukjes software die ontworpen zijn om de gebruiker bepaalde taken uit te laten voeren op een smartphone. Ze kunnen worden gedownload en geïnstalleerd op smartphones via platform gebonden appmarkten. In 2010 downloadden gebruikers van smartphones 7.9 miljard keer een app (ABIresearch, 2011) en in 2014 zal er naar verwachting 185 miljard keer een app zijn gedownload sinds de oprichting van de App Store (Gartner, 2010). Hoewel smartphones enkele beperkingen met zich meedragen, waaronder de geringe grootte van het scherm, de veranderende gebruikscontext en de onbetrouwbaarheid van de verbinding (Zhang & Adipat, 2005) worden ze overal en op elk moment gebruikt (Ballagas, Borchers, Rohs, & Sheridan, 2006). De diversiteit aan hardware en sensoren van smartphones zorgt voor een enorme hoeveelheid beschikbare data wat veelzijdige apps mogelijk maakt. Apps kunnen utilitair zijn: apps maken medische toepassingen mogelijk die gebruik maken van de camera om moedervlekken te analyseren. Apps kunnen daarentegen ook ter vermaak dienen: apps bestaan in de vorm van 3D spellen die gebruik maken van de actuele locatie van de gebruiker aan de hand van het GPS-signaal van de smartphone. De genoemde groei- en gebruikscijfers zijn voor bedrijven de aanleiding geweest om te participeren in deze nieuwe markt. Een blik in de verschillende appmarkten leert ons dat steeds meer bedrijven merk gerelateerde apps lanceren voor verschillende doeleinden zoals ter promotie van een evenement of ter ondersteuning bij opgelopen autoschade. Bedrijven die apps ontwikkelen ervaren echter twee problemen. Allereerst worden apps slechts enkele keren gebruikt alvorens ze weer worden verwijderd (Localytics, 2011). Ten tweede laat een recent rapport zien dat slechts 1% van merk gerelateerde apps succesvol is in termen van het aantal keer dat ze worden gedownload (Deloitte, 2011). Deze onderzoeken tonen aan dat apps problemen ondervinden in termen van gebruikersretentie en gebruiksintentie. Gebruikersadoptiemodellen leren ons dat het verwachte nut van 1

een IT-toepassing een voorspeller is van de gebruiksintentie van die IT-toepassing (Venkatesh, Morris, Davis, & Davis, 2003). Een oorzaak van de resultaten van het rapport van Deloitte kan zijn dat huidige merk gerelateerde apps niet voldoen aan de verwachtingen van de potentiële gebruikers. Zodra de behoeften van deze gebruikers helder zijn kan er een merk gerelateerde app worden ontwikkeld die aansluit bij de wensen van deze gebruikers. Dit kan als gevolg hebben dat de gebruiker het nut van de app inziet wat zal leiden tot een hogere gebruiksintentie (Venkatesh, et al., 2003). Daarnaast kan dit leiden tot de retentie van de gebruiker omdat de app zal voldoen aan de voor de gebruiker fundamentele eigenschappen. Door aan deze behoefte te voldoen wordt de loyaliteit ten opzichte van het product en het bedrijf vergroot (Matzler & Hinterhuber, 1998; Witell & Löfgren, 2007). In het verlengde hiervan is het aannemelijk dat er geen generieke behoeften bestaan voor eigenschappen die een merk gerelateerde app moet bezitten. De eigenschappen waaraan gebruikers behoeften hebben in een digitaal medium blijken afhankelijk te zijn van het type bedrijf (Zhang & Von Dran, 2002). Bovenstaande maakt het duidelijk dat de potentiële gebruiker van een merk gerelateerde app centraal zal staan in deze scriptie.

1.2. Doelstelling en onderzoeksvraag Het doel van deze scriptie is om inzichtelijk te maken welke eigenschappen van een app bijdragen aan het succes van een merk gerelateerde app. Dit succes wordt in deze scriptie gedefinieerd als een app waar individuen een bovengemiddelde gebruikersintentie voor hebben. Hierbij wordt tevens verondersteld dat er per bedrijf een verschil bestaat in de eigenschappen waaruit een merk gerelateerde app moet bestaan. Om te achterhalen welke factoren bijdragen aan een verhoogde gebruiksintentie is de volgende hoofdonderzoeksvraag opgesteld:  Welke factoren dragen bij aan een verhoogde gebruiksintentie van een merk gerelateerde mobiele applicatie? Op basis van de literatuur zullen enkele deelonderzoeksvragen en hypothesen worden opgesteld welke de beantwoording van de hoofdonderzoeksvraag mogelijk zullen maken.

1.3. Relevantie Het onderzoek wordt uitgevoerd in samenwerking met online marketing bedrijf Blue Mango Interactive (BMI). Het zal worden uitgevoerd worden voor een tweetal 2

klanten van BMI. Dit onderzoek zal hierdoor een praktijkgerichte wetenschappelijke bijdrage leveren aan de literatuur ('t Hart, Boeije, & Hox, 2005). Dit houdt in dat de uitkomsten wel een wetenschappelijke bijdrage hebben maar niet generaliseerbaar zijn buiten het onderzochte domein. Het onderzoek zal één van de eerste toevoegingen zijn aan de literatuur over digitale communicatie met betrekking tot het onderwerp apps. Vooralsnog is er vrijwel geen onderzoek uitgevoerd naar dit relatief nieuwe digitale medium. Digitale communicatie is een onderzoeksveld dat volgens Newhagen en Rafaeli (1996) enkele unieke communicatieve kenmerken bezit. Op basis van een literatuurstudie over digitale communicatie zullen er bij deze studie methodes worden gebruikt die zichzelf al hebben bewezen in eerdere (digitale) onderzoeksvelden. Er zal aan de hand van deze methodes een drietal studies worden uitgevoerd waarvan de resultaten van elke afzonderlijke studie een basis kunnen vormen voor vervolgonderzoek in dit tot dusverre onderzoeksgebied. De samenwerking met BMI biedt ons de gelegenheid om het onderzoek uit te voeren met behulp van twee verschillende bedrijven met een groot klantenbestand. Dit biedt de unieke mogelijkheid om gericht onderzoek te kunnen doen naar de klanten van deze verschillende bedrijven wat representatieve data oplevert over het onderzoeksonderwerp. Vervolgonderzoek kan hierdoor worden aangepast aan de werkelijke behoeften van klanten van desbetreffende bedrijven wat een realistisch beeld zal verschaffen van de werkelijke gebruiksintentie ten opzichte van een merk gerelateerde app. Deze uitkomsten zullen ons betrouwbare inzichten verschaffen welke eigenschappen van belang zijn in merk gerelateerde apps.

3

2. Theoretisch kader In paragraaf 2.1 zal worden ingegaan op het fenomeen ―mobiele apps‖. Aan de hand van een korte geschiedenis zal het duidelijk worden welke impact ze hebben op de huidige maatschappij. Daarnaast worden enkele voorbeelden gegeven over de uiteenlopende functionaliteiten van apps en tot slot zal er worden ingegaan op de communicatieve kenmerken die ze bevatten. Gebruikers van een product of dienst baseren hun tevredenheid hierover op de combinatie van de (on)tevredenheid over de afzonderlijke eigenschappen waaruit het product of de dienst bestaat. Paragraaf 2.2 zal ingaan op de grondslag van deze theorie en zal uitwijden over het Kano model. Dit model is in diverse domeinen toegepast om (on)tevredenheid te toetsen over afzonderlijke eigenschappen en kan ook nuttig zijn in het bepalen van de (on)tevredenheid over de eigenschappen van een merk gerelateerde mobiele app. In paragraaf 2.3 wordt ingegaan op het verschil in gebruikersbehoeften ten opzichte van digitale media met betrekking tot de eigenschappen waar ze uit bestaan. Het type bedrijf kan bepalend zijn voor de eigenschappen die het meest geschikt zijn voor een merk gerelateerde app. Tot slot zal paragraaf 2.4 ingaan op de theorie die de gebruikersadoptie van nieuwe IT-toepassingen beschrijft. Hier geldt dat gebruiksintentie de belangrijkste voorspeller is van het daadwerkelijke gebruik van een nieuwe IT-toepassing. Het model dat zal worden toegepast is het UTAUT model. Dit model is in de literatuur veelvuldig gebruikt met betrekking tot de mate van gebruikersadoptie van nieuwe ITtoepassingen.

2.1. Mobiele apps 2.1.1. Achtergrond Een mobiele app is software ontworpen om de gebruiker taken uit te laten voeren op een mobiele computer zoals een mobiele telefoon of tablet PC. Er kan onderscheid gemaakt worden tussen native apps en web apps. Native apps kunnen alleen worden geïnstalleerd op het mobiele besturingssysteem waar het voor is geschreven. Web apps zijn niet gebonden aan een besturingssysteem en kunnen door alle moderne mobiele telefoons worden uitgevoerd. Apple heeft met de introductie van de iPhone 3G in combinatie met de opening van de Apple App Store in juli 2008 het huidige applandschap vormgegeven (West & Mace, 2010). Waar het vroeger ongebruikelijk 4

was om extra apps te installeren op een mobiele telefoon introduceerde Apple de App Store waar gebruikers van een iPhone op een simpele wijze native apps konden downloaden. De App Store maakt het daarnaast voor iedereen mogelijk om zelf apps toe te voegen aan het bestaande aanbod. Dit had grote gevolgen voor het aanbod van apps in de App Store. In de eerste zes maanden steeg dit aantal van 500 naar 15.000 en inmiddels is het aanbod gestegen tot 425.000 apps. Deze explosieve groei bracht een schok teweeg en andere bedrijven verfijnden hun besturingssysteem of introduceerden hun eigen besturingssystemen en openden hun eigen appmarkten (Tabel 1). Hoewel de verdeling duidelijke vormen aan heeft genomen zal het landschap de komende jaren blijven veranderen (Gartner, 2010). Tabel 1 Het huidige aanbod van de vijf grootste mobiele appmarkten Naam

OS

Datum oprichting

Eigenaar

Aantal apps

App Store1

iOS

10 juli 2008

Apple

425.000

Android Market2 App World3

Android

22 oktober 2008

Google

BlackBerry OS

1 april 2009

RIM

Ovi Store4

Symbian, Nokia Touch, Nokia QWERTY Windows Phone

26 mei 2009

Nokia

21 oktober 2010

Windows 29.000

Windows Phone Marketplace5

Aantal gebruikers

222 miljoen 460.000 130 miljoen 37.000 46 miljoen 83.000 825 miljoen

3.5 miljoen

Apps worden in deze appmarkten op basis van hun gebruikerswaardering en het aantal downloads gerangschikt in de ‗hitlijsten‘. De gebruikerswaardering vertegenwoordigt een waarde van 1 tot en met 5 sterren. Deze waarde is gebaseerd op de gemiddelde beoordeling van alle gebruikers die de app hebben geïnstalleerd en Resultaten voor juli 2011: http://www.macrumors.com/2011/07/19/apple-reports-record-breakingq3-2011/ 2 Resultaten voor augustus 2011: http://www.androlib.com/appstats.aspx 3 Resultaten voor juli 2011: http://www.distimo.com/appstores/app-store/20BlackBerry_App_World 4 Resultaten voor juli 2011: http://www.distimo.com/appstores/stores/view/21-Nokia_Ovi_Store/ 5 Resultaten voor augustus 2011: http://www.windowsphoneapplist.com/ 1

5

een waardering hebben gegeven. Het aantal downloads is het cumulatieve aantal keer dat een app is gedownload sinds het moment dat hij in de appmarkt werd geplaatst. De eerder genoemde hitlijsten maken het voor gebruikers makkelijker om populaire apps te vinden. Het grote aantal apps in combinatie met de diversiteit tussen apps zorgt er echter voor dat de appmarkten ook onderscheid maken tussen verschillende categorieën apps. Dit heeft als doel dat gebruikers apps met een bepaalde functionaliteit makkelijker kunnen vinden. 2.1.2. De grote diversiteit tussen apps De grote diversiteit tussen apps blijkt uit het gegeven dat de grootste aanbieder van apps, de Android Market, onderscheid maakt tussen 34 verschillende categorieën variërend van games tot productiviteit. Het meest gebruikte type apps zijn spelletjes. Op de tweede plaats gevolgd door apps die gericht zijn op het nieuws/weer (Pew Internet, 2010). De grote diversiteit wordt mogelijk gemaakt door de mogelijkheden die het platform biedt waarop apps kunnen worden uitgevoerd. Moderne smartphones zijn uitgerust met diverse sensoren (o.a. een gyroscoop, een versnellingsmeter, een GPS-antenne, een nabijheids-sensor, een camera en een Wi-Fi verbinding) waardoor er veel data beschikbaar is voor apps. Deze data kan vervolgens worden gecombineerd met de mobiliteit van een mobiele telefoon wat apps voor diverse toepassingen geschikt maakt. Een aansprekend voorbeeld van een succesvolle app is Google Maps. Deze app maakt volledig gebruik van de unieke kenmerken van een smartphone. Allereerst maakt hij gebruik van de GPS-antenne om de actuele locatie van de gebruiker te bepalen. Daarnaast kan de gebruiker deze locatie met behulp van de app op elk willekeurig moment weergeven en aan de hand van deze locatie relevante plaatsen in de buurt opzoeken. Google Maps krijgt in de Android Market een gebruikerswaardering van 4.4/5 ster en is tussen de 100- en 500 miljoen keer gedownload. Een aansprekend voorbeeld van een succesvolle Nederlandse merk gerelateerde app is de Appie App van Albert Heijn. Deze app maakt het voor klanten van Albert Heijn onder andere mogelijk om hun boodschappenlijst met familieleden te synchroniseren waardoor ze in de winkel een actuele boodschappenlijst hebben. Tevens bezit de app een loopservice waardoor de klant op de juiste route door de winkel wordt geleidt. De app wordt in de Android Market gewaardeerd met 4.5/5 ster en is tussen de 100- tot 500 duizend keer geïnstalleerd. Een voorbeeld van een minder succesvolle merk gerelateerde app is de app van de Bijenkorf. Via deze app is 6

het mogelijk om informatie te vinden over mode, lifestyle en trends. Ook zijn de actuele aanbiedingen van de Bijenkorf te bekijken. Deze app wordt gewaardeerd met 2.9/5 ster en is tussen de 5.000 en 10.000 keer gedownload. Al deze apps maken gebruik van de communicatieve kenmerken van een digitaal medium. De volgende paragraaf zal duidelijk maken dat apps buiten deze communicatieve kenmerken zelf ook twee unieke communicatieve kenmerken bezitten. 2.1.3. De communicatieve kenmerken van apps Er zijn vijf unieke communicatieve kenmerken die digitale media onderscheidend maken ten opzichte van conventionele media (Newhagen & Rafaeli, 1996). Allereerst zorgt de multimodaliteit van digitale media ervoor dat tekst, geluid, video en afbeeldingen allemaal tegelijk kunnen worden overgebracht. De hypertekstualiteit van digitale media geeft de gebruiker de mogelijkheid om zelf de volgorde van de verkregen informatie te bepalen. De pakketschakeling zorgt ervoor dat boodschappen overal heen kunnen worden gestuurd omdat ze geen vaste route hebben zoals traditionele communicatie. De synchroniciteit maakt het mogelijk dat boodschappen vrijwel direct overgedragen kunnen worden over de gehele wereld. Tot slot zijn digitale media interactief. Deze interactiviteit maakt directe reflectie over voorgeschotelde informatie mogelijk. Ook mobiele apps zijn een digitaal medium en bezitten deze vijf kenmerken. Apps onderscheiden zich echter doordat ze twee extra eigenschappen bezitten die mogelijk worden gemaakt door het platform waarop ze worden uitgevoerd: de smartphone. Allereerst zijn apps sensorisch. Smartphones zijn uitgerust met diverse soorten hardware en sensoren. Dit heeft als gevolg dat ze ―slim‖ zijn. Deze gegenereerde data is op elk moment toegankelijk voor een app waardoor apps een breed toepassingsveld krijgen waaronder de eerder genoemde apps van Google en Albert Heijn. Ten tweede zijn apps alomtegenwoordig. Mobiele telefoons kunnen overal en op elk moment worden gebruikt (Ballagas, et al., 2006). Dit heeft als gevolg dat apps niet afhankelijk zijn van een vaste locatie waarop ze kunnen worden gebruikt. Uit bovenstaande blijkt dat een app een complex medium is. De synergie tussen de genoemde kenmerken heeft als gevolg dat apps een breder toepassingsveld dan vroegere digitale media zoals websites wat blijkt uit de gegeven voorbeelden. Waarom bepaalde apps succesvoller worden ontvangen dan andere apps hangt echter

7

af van de eindgebruiker van de app. Als een app niet aan zijn behoeften voldoet dan wordt deze na enkele keren gebruiken verwijderd (Localytics, 2011).

2.2. Consumentenbehoeften Consumenten beoordelen producten en diensten op basis van een gelimiteerd aantal eigenschappen. Hier geldt dat enkele eigenschappen van invloed zijn op de tevredenheid over een product terwijl andere eigenschappen van invloed zijn op de ontevredenheid over een product (Swan & Combs, 1976). Deze eigenschappen verschillen in de mate waarin ze kunnen leiden tot (on)tevredenheid (Vargo, Nagao, He, & Morgan, 2007). Deze beoordelingen over de verschillende eigenschappen zijn onafhankelijk van elkaar en kunnen tot conflicterende gevoelens leiden. Uit een studie van Giese en Cote (2000) blijkt dat respondenten aangaven tevreden te zijn over de functionaliteit van een product maar dat ze tegelijkertijd ontevreden waren over het aankoopproces van dat product. Deze bevindingen spreken eerdere bevindingen tegen waarin wordt gesuggereerd dat consumententevredenheid het bipolair tegenovergestelde is van consumentenontevredenheid (e.g., Mittal, Kumar, & Tsiros, 1999). De resultaten van Giese en Cote (2000) ondersteunen echter onderzoeken waarbij tevredenheid en ontevredenheid als twee losstaande dimensies worden gezien (e.g., Mano & Oliver, 1993). De Two-Factor-Theory (Herzberg, Mausner, & Snyderman, 1959) is de eerste theorie die dit verschijnsel, waarbij tevredenheid en ontevredenheid los van elkaar staan, in de praktijk beschrijft. De resultaten van de onderzoekers suggereren dat er voor arbeiders zogenoemde motivators en hygienes bestaan. De motivators zijn bepaalde eigenschappen van werkomstandigheden, zoals de mate van waardering en de verantwoordelijkheden die men krijgt op de werkvloer, die leiden tot tevredenheid. Daarentegen zijn de hygienes eigenschappen van de werkomstandigheden, zoals het bedrijfsbeleid en de mate van supervisie, die leiden tot ontevredenheid. In andere onderzoeken wordt aangetoond dat deze beoordeling op basis van evaluatie van de afzonderlijke eigenschappen niet alleen geldt voor werkomstandigheden maar eveneens van toepassing is op de beoordeling van producten (Maddox, 1981; Swan & Combs, 1976). Ook is de theorie van toepassing op digitale media zoals websites. Hiervoor geldt dat onder andere de aanwezigheid van multimedia en humor zorgen voor tevredenheid en de afwezigheid van een duidelijke navigatie en regelmatige updates leiden tot ontevredenheid (Zhang & Von Dran, 8

2000). Een punt van kritiek ten opzichte van deze theorie is dat er slechts wordt uitgegaan van twee dimensies (Pollack, 2007). En model dat uitgaat van slechts twee dimensies sluit eigenschappen uit waarbij de mate van de (on)tevredenheid van een consument proportioneel stijgt of daalt in relatie tot de aan- of afwezigheid van een eigenschap (Cadotte & Turgeon, 1988; Friman, Bo, & Gärling, 2001). Deze ontbrekende dimensie wordt wel benoemd door theorieën die uitgaan van drie dimensies. 2.2.1. Het Kano model Het Kano model beschrijft een dergelijke theorie die uit gaat van drie dimensies (Kano, Seraku, Takahashi, & Tsuji, 1984). Het model beschrijft (1) eigenschappen die van invloed zijn op de tevredenheid van de consument, (2) eigenschappen die van invloed zijn op de ontevredenheid van de consument en (3) eigenschappen die zowel van invloed zijn op de tevredenheid als op de ontevredenheid van de consument. Het model biedt enkele voordelen ten opzichte van de op de Two-Factor-Theory gebaseerde theorieën die uitgaan van twee dimensies (Matzler & Renzl, 2007). Allereerst kent het Kano model de extra dimensie waaronder eigenschappen vallen die zowel invloed hebben op de tevredenheid als op de ontevredenheid van de consument. Ten tweede hangt de classificatie van de eigenschappen in het Kano model af van de verwachtingen van de consument terwijl deze eigenschappen in de Two-Factor-Theory a priori worden geclassificeerd. Tot slot is het model van Kano dynamisch; eigenschappen van een product zijn niet definitief gebonden aan een bepaalde classificatie maar migreren naar een andere classificatie naar gelang de tijd (Kano, 2001). De meest voorkomende trend is een eigenschap die van attractief naar eendimensionaal migreert en tot slot als fundamenteel eindigt (Kano, 2001). Deze migratie treedt op omdat consumenten steeds meer gewend raken aan een bepaalde eigenschap waardoor hij naar gelang van tijd als normaal wordt beschouwd (Zhao & Dholakia, 2009). Figuur 1 geeft het model en de relatie tussen de eigenschappen en de (on)tevredenheid weer.

9

Figuur 1 Het Kano model

De horizontale as geeft de mate van de aanwezigheid van een eigenschap aan. De verticale as geeft de mate van de (on)tevredenheid van een consument aan. In de grafiek lopen vijf verschillende lijnen die aangeven in welke mate de aan- of afwezigheid van een bepaalde eigenschap invloed heeft op de (on)tevredenheid van een consument. De curve fundamenteel beschrijft eigenschappen die niet van invloed zijn op de tevredenheid maar wel op de ontevredenheid (Kano, et al., 1984). Consumenten staan niet stil bij dit type eigenschappen omdat dit in hun ogen de fundamentele eigenschappen van een product zijn (Witell & Löfgren, 2007). Het ontbreken van dergelijke eigenschappen in een product zorgt voor een verlaagde loyaliteit waardoor de consument op zoek gaat naar een alternatief product (Matzler & Hinterhuber, 1998). Zo zal een intact pak melk niet leiden tot tevredenheid maar een lekkend pak melk wel leiden tot ontevredenheid. De attractief curve duidt op eigenschappen die niet van invloed zijn op de ontevredenheid maar wel van invloed zijn op de tevredenheid (Kano, et al., 1984). Dit zijn eigenschappen die consumenten niet verwachten in een product en de aanwezigheid van een dergelijke eigenschap zal consumenten op een positieve manier verrassen en zodoende de tevredenheid verhogen. Een consument zal bijvoorbeeld niet verwachten dat hij gebruik kan maken 10

van zijn mobiele telefoon tijdens een vlucht. Als dit wel mogelijk is zal hij hier tevreden over zijn. Het ontbreken van deze mogelijkheid zal echter niet leiden tot ontevredenheid. De lijn eendimensionaal beschrijft eigenschappen die zowel van invloed zijn op de tevredenheid als de ontevredenheid (Kano, et al., 1984). Dit zijn eigenschappen waar consumenten zich actief bewust van zijn waardoor bedrijven er een competitief voordeel mee kunnen behalen (Witell & Löfgren, 2007). Een verkorte houdbaarheid op een pak melk zal voor een toename van de mate van ontevredenheid zorgen terwijl een verlengde houdbaarheid zal leiden tot een toename van de mate van tevredenheid. De onverschillig lijn heeft betrekking op eigenschappen die zowel geen invloed hebben op de tevredenheid als op de ontevredenheid van de consument (Kano, et al., 1984). Het type karton waarvan een pak melk is gemaakt is een eigenschap die voor de meeste consumenten in deze categorie valt. Tot slot heeft de lijn omgekeerd betrekking op eigenschappen die een averechts effect hebben op de tevredenheid van de consument (Kano, et al., 1984). De aanwezigheid van een (verplichte) sequentiële transmissie in een auto zal in veel gevallen leiden tot een verhoogde ontevredenheid. De combinatie van de invloed van deze vijf eigenschappen bepalen de uiteindelijke (on)tevredenheid over een product of dienst. Hoewel het model zijn oorsprong vindt in de mechanische bouwkunde vindt het steun in diverse andere domeinen waarbij de ontwikkeling van een product centraal staat (Matzler & Hinterhuber, 1998; Min, Kim, Kwon, & Sohn, 2011). Deze domeinen beperken zich niet alleen tot fysieke producten maar strekken zich ook uit tot digitale omgevingen. Zhao en Dholakia (2009) beschrijven de behoeften van consumenten ten opzichte van acht interactieve eigenschappen van een website aan de hand van het Kano model. Ze tonen aan dat ook voor digitale eigenschappen geldt dat de relatie tussen de mate van de aan- of afwezigheid van een eigenschap en de mate van (on)tevredenheid niet lineair hoeft te zijn. Ook Witell en Löfgren (2007) tonen aan via een onderzoek naar een e-service dat eigenschappen van digitale diensten van invloed kunnen zijn op de tevredenheid, de ontevredenheid of op beiden. Hieruit wordt duidelijk dat het model ook toepasbaar is op digitale media. Bovengenoemde onderzoeken hebben allen echter betrekking op een generiek product of generieke dienst. Het is echter aannemelijk dat de klanten van een telecomprovider andere behoeften hebben dan klanten van een webwinkel.

11

2.3. Gebruikersbehoeften per branche De impact op de wijze waarop een bedrijf een nieuwe technologie kan toepassen is afhankelijk van het type bedrijf en het productaanbod dat ze bieden (Palmer & Griffith, 1998). De manier waarop een bedrijf een website wil inzetten bepaalt de eigenschappen die vereist zijn om de website te laten functioneren volgens de door het bedrijf gestelde doelen. Deze eigenschappen zijn uiteenlopend en variëren van gebruiksvriendelijkheid van de website tot aan de interactiviteit van de website (Chiou, Lin, & Perng, 2010). De kwaliteit van deze eigenschappen bepaalt vervolgens de gebruikerservaring van de desbetreffende website (e.g. Nielsen, 1994; Gehrke & Turban, 1999). Enkele van deze eigenschappen zijn universeel en beïnvloeden de gebruikerservaring onder verschillende omstandigheden op dezelfde manier (Nielsen, 1994). Er bestaan ook eigenschappen die bij websites van bedrijven van een bepaalde branche als belangrijker worden beoordeeld dan bij websites van bedrijven uit een andere branche (Zhang & Von Dran, 2002). Eindgebruikers hechten bij websites van financiële bedrijven de meeste waarde aan de snelheid waarmee informatie wordt geüpdatet en de uitvoerigheid van die informatie. Voor e-commerce bedrijven worden de veiligheid van de transactie en de navigatie als belangrijkste punten gezien (Zhang & Von Dran, 2002). Ook in de praktijk blijkt dat websites van bedrijven uit verschillende branches uit verschillende eigenschappen bestaan (Huizingh, 2000; Liao, To, & Shih, 2006; Robbins & Stylianou, 2003). Bij mobiele diensten is er eveneens sprake van een verschil tussen de behoeften voor bepaalde eigenschappen bij de gebruikers. Verkasalo (2009) beargumenteert dat specifieke mobiele diensten zoals GPS slechts worden gebruikt door een klein segment eindgebruikers. Dit in tegenstelling tot generieke mobiele diensten zoals sms die door vrijwel alle eindgebruikers worden gebruikt. Dit heeft als gevolg dat apps ontwikkeld dienen te worden met de behoeften van de te bedienen doelgroep als uitgangspunt. Door aan deze behoeften te voldoen zullen gebruikers de app nuttig vinden wat een verhoogd gebruik als gevolg heeft (Venkatesh, et al., 2003). 2.4. Consumentenacceptatie van een nieuwe IT-toepassing Bij de gebruiksintentie staat het individuele besluitvormingsproces centraal: ga ik gebruik maken van een innovatie of niet? Deze vraag is kenmerkend voor onderzoek naar consumentenacceptatie van nieuwe toepassingen waar in de afgelopen dertig jaar verschillende theorieën en modellen over zijn ontwikkeld (e.g., Davis, 1989; 12

Rogers, 1995). Van alle modellen die consumentenacceptatie beschrijven is het UTAUT model het meest geschikt om de acceptatie van merk gerelateerde apps te onderzoeken. Allereerst verklaart het model een groot deel van de variantie. Ten tweede is het model diverse contexten nuttig gebleken. Op deze voordelen zal in de volgende paragraaf kort worden ingegaan. 2.4.1. Het UTAUT model Het Unified Theory of Acceptance and Use of Technology model (UTAUT model, Venkatesh, et al., 2003) is een model waarmee de acceptatie en het gebruik van nieuwe IT-toepassingen in organisaties kan worden verklaard. Het UTAUT model is op basis van acht theorieën opgesteld welke alle gedragsintentie of gedrag als afhankelijke variabele gebruiken:  Theory of Reasoned Action (TRA, Fishbein & Ajzen, 1975)  Technology Acceptance Model (TAM, Davis, 1989)  Motivational Model (MM, Davis, Bagozzi, & Warshaw, 1992)  Theory of Planned Behavior (TPB, Ajzen, 1991)  Combinatie van TAM en TPB (C-TAM-TPB, Taylor & Todd, 1995)  Model of PC Utilization (MPCU, Thompson, Higgins, & Howell, 1994)  Innovation Diffusion Theory (IDT, Rogers, 1995)  Social Cognitive Theory (SCT, Bandura, 1986) Zoals voorgaand is aangegeven biedt het UTAUT model enkele voordelen ten opzichte van andere modellen. Allereerst verklaart het UTAUT model 70 procent van de variantie in gebruiksintentie en gebruik, terwijl de verklaarde variantie van de oorspronkelijke modellen tussen de 17 en 53 procent ligt (Venkatesh, et al., 2003). Ten tweede is het model toegepast in diverse contexten zoals bij onderzoek naar de gebruiksadoptie van een open software systeem in een ziekenhuis (Dulle & MinishiMajanja, 2011) en de gebruikersadoptie van internetbankieren (AbuShanab & Pearson, 2007). Naast deze overige contexten is het model ook specifiek toegepast bij het onderzoek naar de gebruikersadoptie van mobiele diensten (Carlsson, Carlsson, Hyvönen, Puhakainen, & Walden, 2006; Shin, 2009; Zhou, 2008; Zhou, Lu, & Wang, 2010). In voorgenoemde onderzoeken naar de adoptie van mobiele diensten wordt echter de gebruiksintentie van generieke mobiele diensten onderzocht. Onderzoek naar de gebruikersadoptie van mobiele diensten als generiek concept brengt echter 13

problemen met zich mee aangezien elke mobiele dienst specifieke kenmerken bezit waardoor de diensten afzonderlijk dienen te worden onderzocht (Verkasalo, LópezNicolás, Molina-Castillo, & Bouwman, 2010). Aangezien een toepassing wordt ontwikkeld voor een specifieke functie moet er per functie worden onderzocht wat de gebruiksintentie van die toepassing is. Deze gebruiksintentie is volgens het UTAUT model de grootste voorspeller van gebruik. De gebruiksintentie zelf wordt beïnvloed door drie onafhankelijke variabelen. Een vierde onafhankelijke variabele is daarnaast ook van invloed op gebruiksgedrag. Deze relaties worden gemodereerd door vier overige variabelen (Figuur 2).

Figuur 2 Het UTAUT model (Venkatesh, et al., 2003)

Het UTAUT model beschrijft de gebruikersadoptie van een nieuwe informatietechnologie. Aan de hand van het model wordt het daadwerkelijke gebruik van een IT-toepassing van een gebruiker verklaard. Deze variabele wordt beïnvloed door de variabelen faciliterende voorwaarden en gebruiksintentie. De variabele gebruiksintentie is een afhankelijke variabele die wordt beïnvloed door de variabelen verwacht nut, verwacht gebruiksgemak en sociale invloed. Deze variabelen 14

ondergaan een modererend effect van de variabelen geslacht, leeftijd, ervaring en vrijwilligheid. In de volgende paragraaf zullen deze variabelen worden beschreven. 2.4.1.1. Variabelen Verwacht nut Aan de hand van het verwachte nut wordt onderzocht in hoeverre men een ITtoepassing bruikbaar vindt bij het uitvoeren van een taak ten opzichte van de beschikbare substituten. Het verwachte nut is de sterkste voorspeller van gebruiksintentie (Venkatesh, et al., 2003) en komt terug in zes van de acht theorieën waarop het UTAUT model is gebaseerd. Adoptiemodellen zijn echter niet toepasbaar op generieke diensten maar moeten worden toegepast op specifieke diensten (Verkasalo, et al., 2010). De app zal daarom een specifieke functie moeten krijgen zodat het model toepasbaar wordt. Verwacht gebruiksgemak Het verwachte gebruiksgemak is de mate van gebruiksgemak die met het gebruik van de toepassing wordt geassocieerd. Ook deze variabele heeft een directe relatie met de gebruiksintentie (Venkatesh, et al., 2003). De relatie tussen het verwachte gebruiksgemak en de gebruiksintentie wordt volgens Venkatesh et al. (2003) gemodereerd door het geslacht en de leeftijd. De onderzoekers vonden een sterker verband voor vrouwen dan voor mannen en eveneens was het effect sterker naarmate de respondenten jonger waren. Sociale invloed De sociale invloed is volgens Venkatesh et al. (2003) de mate waarin men denkt dat belangrijke andere mensen vinden dat hij een IT-toepassing zou moeten gebruiken. De verspreiding van apps is op een bijzondere manier onderhevig aan sociale invloed. In paragraaf 2.1.1. staat vermeld dat apps via appmarkten worden verspreid. De informatie over de app wordt in deze appmarkten vergezeld van diverse vormen van sociale invloed. Ten eerste worden slechts de apps met de hoogste gebruikerswaarderingen getoond in de hitlijsten van de appmarkt. Buiten deze lijsten om wordt de gebruikerswaardering van elke app ook direct getoond in combinatie met het aantal waarderingen. Tevens valt de verdeling van de gegeven waarderingen ook te zien. Tot slot is het voor gebruikers ook mogelijk om een review achter te laten bij elke app. Deze vorm van sociale invloed wordt ook wel eWOM (electronic word-ofmouth) genoemd (Zhang, Craciun, & Shin, 2010). Onderzoek naar dit verschijnsel laat zien dat online gebruikerswaarderingen invloed hebben op de aankoopintentie 15

van producten. Producten met een hoge gebruikerswaardering en veel reviews worden populairder geschat dan producten met een lage gebruikerswaardering en een gering aantal reviews (Park & Lee, 2008). De hoeveelheid reviews en de gebruikerswaardering hebben daarnaast een positieve invloed op aankoopintentie (Park & Lee, 2009; Park & Lee, 2008). In dit onderzoek wordt verondersteld dat de sociale invloed bij apps de gebruikerswaardering in de appmarkten is. Er wordt verondersteld dat gebruikers die meer waarde hechten aan waarderingen sneller gebruik zullen maken van merk gerelateerde apps. Faciliteiten In het UTAUT model is het construct faciliteiten een directe voorspeller van gebruik. Het construct heeft betrekking op de mate waarin een individu denkt dat een organisatorische en technische infrastructuur bestaat die het gebruik van het systeem kan ondersteunen (Venkatesh, et al., 2003). Een deel van het construct faciliteiten wordt door het construct verwacht nut omvat. Indien het construct verwacht nut wordt opgenomen in het model zal er geen significant effect van faciliteiten bestaan (Venkatesh, et al., 2003). Gebruiksintentie Gebruiksintentie wordt door Venkatesh et al. (2003) niet expliciet gedefinieerd. Fishbein en Ajzen (1975) noemen deze intentie de ‗subjectieve kans op bepaald gedrag‘. Binnen het onderzoek naar consumentenacceptatie wordt deze definitie veelvuldig gebruikt (e.g., Rogers, 1995). In het UTAUT model van Venkatesh et al. (2003) wordt een direct positief verband tussen intentie en gedrag voorgesteld. 2.5. Deelonderzoeksvragen en hypothesen Op basis van de literatuur kan er worden gesteld dat de afzonderlijke eigenschappen van een digitaal medium een verschillende invloed hebben op de (on)tevredenheid van de consument (Kano, et al., 1984). Daarbij nemen we ook aan dat de invloed hebben die deze eigenschappen hebben op de (on)tevredenheid verschilt per type bedrijf waarvoor het medium wordt ontwikkeld (Zhang & Von Dran, 2002). Op basis van het Kano model stellen we de volgende deelonderzoeksvragen op:  Uit welke eigenschappen bestaat een mobiele applicatie?  Welke eigenschappen van een mobiele applicatie van Typhone en Vodafone leiden tot tevredenheid bij zijn gebruikers?

16

 Welke eigenschappen van een mobiele applicatie Typhone en Vodafone leiden tot ontevredenheid bij zijn gebruikers?  Welke eigenschappen van een mobiele applicatie Typhone en Vodafone leiden zowel tot tevredenheid als tot ontevredenheid bij zijn gebruikers? In het UTAUT model staat de variabele verwacht nut voor de mate waarin een individu verwacht dat hij baat heeft bij het gebruik van een toepassing ten opzichte van beschikbare alternatieven (Venkatesh, et al., 2003). Eendimensionale eigenschappen zijn in het Kano model eigenschappen waar consumenten zich actief bewust van zijn dat een product ze kan bezitten (Kano, et al., 1984). Met de promotie van de aanwezigheid van deze eigenschappen in een product kunnen bedrijven een competitief voordeel behalen ten opzichte van bedrijven waarbij het product deze eigenschappen niet bezit omdat ze een positieve invloed hebben op tevredenheid van de consument (Witell & Löfgren, 2007). Op basis van het bovenstaande kunnen we de volgende hypothese opstellen:  H1: Merk gerelateerde mobiele applicaties waarin de voor het bedrijf geldende eendimensionale eigenschappen wel zijn verwerkt hebben een hoger verwacht nut dan merk gerelateerde mobiele applicaties waarin deze eendimensionale eigenschappen niet zijn verwerkt. Volgens Venkatesh, et al. (2003) zijn bij IT-toepassingen het verwachte nut en het verwachte gebruiksgemak van de toepassing de grootste voorspellers van de gebruiksintentie. Op basis hiervan stellen we de volgende hypothesen op:  H2: Het verwachte nut van een merk gerelateerde applicatie heeft een positieve invloed op de gebruiksintentie.  H3: Het verwachte gebruiksgemak van een merk gerelateerde applicatie heeft een positieve invloed op de gebruiksintentie. Ook de sociale invloed is een voorspeller van de gebruiksintentie van een ITtoepassing (Venkatesh, et al., 2003). Onderzoek naar de invloed van gebruikerswaarderingsystemen in online omgevingen laat zien dat de gebruikerswaarderingen van invloed zijn op de aankoopintentie van een product (Park & Lee, 2008). Vanwege de grote invloed van deze waarderingssystemen in appmarkten gaat dit onderzoek er vanuit dat de invloed van deze omgevingen een 17

voorspeller zijn van de gebruiksintentie. Op basis hiervan stellen we de volgende hypothese op:  H4: De sociale invloed van de appmarkt waaruit een merk gerelateerde app moet worden geïnstalleerd heeft een positieve invloed op de gebruiksintentie. Drie van de vier opgestelde hypothesen kunnen worden vereenvoudigd in een conceptueel model welke hieronder wordt weergegeven (Figuur 3). Figuur 3 Vereenvoudigd conceptueel model van de verwachtingen en hypothesen Verwacht nut

Verwacht gebruiksgemak

Sociale invloed

H2

Gebruiksintentie

H3 H4

Alvorens de hypothesen getoetst kunnen worden dient er een exploratief onderzoek uitgevoerd te worden naar de eigenschappen waaruit het onderzochte digitale medium bestaat. Deze eigenschappen zijn in talloze andere onderzoeken naar overige digitale media zoals websites het uitgangspunt geweest voor vervolgonderzoek (e.g., Chiou, et al., 2010; Huizingh, 2000; Liao, et al., 2006). Aangezien dergelijke eigenschappen voor mobiele apps niet beschreven zijn zullen deze eerst in kaart moeten worden gebracht.

18

3. Studie 1 - De eigenschappen van apps De eigenschappen van een app zullen in kaart worden gebracht aan de hand van een kwalitatieve content analyse. Het uitvoeren van een kwalitatieve content analyse is een methode om de eigenschappen van een medium te bepalen aan de hand van de latente betekenis die aan de oppervlakte ligt van de uitgedragen boodschappen (Potter & Levine-Donnerstein, 1999). Door de latente betekenis van elke eigenschap van een app te analyseren en te coderen is het mogelijk om een uitputtende lijst met eigenschappen in kaart te brengen. Deze inductieve onderzoeksmethode is daarom uitermate geschikt voor een onderzoek van deze aard (Berg, 2008).

3.1. Methode Er zijn aselect 100 verschillende Engels- en Nederlandstalige apps aangewezen uit de hitlijsten met de meest populaire apps van de App Store en de Android Market; de twee grootste app markplaatsen van dit moment (Tabel 1). Elke app is geïnstalleerd op een HTC Desire (Android) of een iPhone 4 (iOS) en uitvoerig getest en geanalyseerd. Elke eigenschap is vervolgens op basis van zijn functionaliteit gecodeerd wat resulteerde in een initiële lijst van 45 eigenschappen. In samenspraak met design experts van BMI is deze lijst ingekort tot 14 eigenschappen door overlappende eigenschappen samen te voegen. Deze 14 eigenschappen zijn door twee codeurs onafhankelijk getest op de intercoder reliability om de validiteit van de content analyse te waarborgen. Het is cruciaal voor een kwalitatieve content analyse waarbij de latente betekenis wordt onderzocht om deze intercoder reliability te testen vanwege de subjectieve aard van elke benoemde betekenis (Lombard, Snyder-Duch, & Bracken, 2002). De intercoder reliability is getoetst aan de hand van Cohen‘s Kappa. De twee externe codeurs kregen voor de beoordeling een uitgebreide uitleg waarin werd uitgelegd welke eigenschappen ze moesten gaan beoordelen en welke procedure er gevolgd diende te worden. Na enkele voorbeelden werd bepaald dat er geen onduidelijkheden meer bestonden over de opdracht. Vervolgens beoordeelden de codeurs 150 functies op basis van het type eigenschap dat ze vertegenwoordigen. De codeurs kregen screenshots van verschillende apps te zien en moesten beoordelen in hoeverre een eigenschap bij de getoonde functie hoorde. De codeurs gaven een ―0‖ aan als ze vonden dat een getoonde functie geheel niet overeenkwam met de gegeven eigenschap en gaven een ―3‖ aan als ze vonden dat de getoonde functie volledig

19

overeenkwam met de gegeven eigenschap. De uiteindelijke validiteit van elke eigenschap wordt uitgedrukt met de waarde Cohen‘s Kappa.

3.2. Resultaten Tabel 2 geeft de gevonden eigenschappen weer. Eigenschappen met een Kappa hoger dan .70 zijn bruikbaar in een exploratieve studie van deze aard (Lombard, et al., 2002). Dit maakt alle beschreven eigenschappen geschikt voor verder onderzoek. Tabel 2 De eigenschappen van mobiele apps Eigenschap Aanbiedingen

Aankoop Entertainment

Feedback Gegevensbeheer Informatie app Integratie technologie Nieuws Personalisatie Privacy Productinformatie Social media Routeweergave Zoekfunctie

Betekenis Weergave van aanbiedingen en/of kortingsacties van bepaalde producten of diensten die het bedrijf aanbiedt. Functie waarbij direct producten of diensten kunnen worden aangeschaft. Vormen van vermaak, zoals de mogelijkheid tot het spelen van spelletjes of het afspelen van muziek of video‘s. Functie om direct feedback te geven. Functie waarbij persoonlijke gegevens beheerd kunnen worden. Algemene informatie over de app. Integratie van nieuwe technologische eigenschappen van een mobiel apparaat. Actuele ontwikkelingen over voor de app relevante zaken. Functie om de app aan te passen naar eigen voorkeur. Duidelijkheid over omgang met persoonlijke gegevens. Beschrijving over producten of diensten. Integratie van sociale netwerken. Functie waarbij een route naar een voor de app relevante bestemming kan worden getoond. Mogelijkheid om te zoeken door middel van een zoekbalk.

κ .88

1.00 .84

1.00 .78 1.00 .90 1.00 .90 .79 .92 .86 1.00 1.00

3.3. Perspectief Deze studie heeft zich gericht op de algemene eigenschappen waar een app uit kan bestaan. De uitgevoerde content analyse wijst uit dat bij apps onderscheid gemaakt 20

kan worden tussen 14 verschillende eigenschappen. Hoewel er binnen de beschreven eigenschappen nog de mogelijkheid bestaat tot verdere differentiatie wijst de intercoder reliability van elke eigenschap uit dat deze verdere differentiatie niet leidt tot een geheel nieuwe eigenschap. Dit houdt in dat de gevonden eigenschappen de hoofdeigenschappen zijn van mobiele apps. Op basis van deze lijst met algemene eigenschappen van een app kunnen we onderzoek doen naar de invloed van deze eigenschappen op de tevredenheid van de consument.

21

4. Studie 2 - Klantenbehoeften In deze tweede studie zal aan de hand van het Kano model worden getoetst in welke mate eigenschappen afzonderlijk bijdragen aan de (on)tevredenheid van de consument over een merk gerelateerde app. Het onderzoek wordt uitgevoerd onder klanten van twee verschillende bedrijven die werkzaam zijn in verschillende branches.

4.1. Respondenten Er zijn in totaal 418 klanten bereid gevonden om deel te nemen aan de online enquête waarvan 117 klanten van Typhone en 301 klanten van Vodafone. Beide bedrijven zijn zeer sterk gerelateerd aan mobiele telefonie wat deze groep respondenten geschikt maakt als doelgroep. Bij Typhone hebben 89 mannen en 28 vrouwen de enquête ingevuld. Bij Vodafone hebben 226 mannen en 75 vrouwen de enquête ingevuld. De gemiddelde leeftijd van de respondenten is bij Typhone 44 jaar (M = 44.15, SD = 13.48) en bij Vodafone 39 jaar (M = 39.41, SD = 15.10). De ervaring die de respondenten zichzelf toedichten is bij Typhone gemiddeld (M = 3.08, SD = 1.23) en bij Vodafone bovengemiddeld (M = 3.90, SD = 0.99).

4.2. Onderzoeksdesign Er is sprake van een tussen-proefpersoon ontwerp met twee condities van de variabele Type Bedrijf. Het eerste bedrijf was een webwinkel, Typhone. Het tweede bedrijf was een telecomprovider, Vodafone. De afhankelijke variabele was de Tevredenheid. De controle variabelen waren Geslacht en Ervaring.

4.3. Instrument De invloed van de afzonderlijke eigenschappen op de (on)tevredenheid van de respondenten is getoetst aan de hand van de Kano vragenlijst (Kano, et al., 1984). Allereerst toetst deze vragenlijst (Tabel 3) het gevoel van de respondent indien een eigenschap aanwezig. Met deze vraagstelling kunnen de attractieve kenmerken worden gevonden (Witell & Löfgren, 2007). Daarnaast toetst de vragenlijst eveneens het gevoel van de respondent indien een eigenschap afwezig is. Aan de hand van deze tweede vraagstelling kunnen de onbewuste fundamentele kenmerken worden onderscheiden. Door de antwoorden op beide vraagstellingen te combineren kunnen tevens de eendimensionale eigenschappen worden gevonden (Kano, et al., 1984).

22

Tabel 3 Voorbeeld van een Kano vraagstelling Eigenschap aanwezig

Wat is uw gevoel over de mobiele app van Vodafone als deze de mogelijkheid biedt om uw persoonlijke gegevens te kunnen beheren?

Eigenschap afwezig

Wat is uw gevoel over de mobiele app van Vodafone als deze niet de mogelijkheid biedt om uw persoonlijke gegevens te kunnen beheren?

De vragen worden beantwoord aan de hand van een 5-punts Likert schaal (Tabel 4) waarvan de antwoordmogelijkheden specifiek zijn voor het Kano model (Kano, et al., 1984). De antwoordschaal is vertaald naar het Nederlands en in de vertaling is rekening gehouden met het feit dat de tweede stelling voor sommige respondenten krachtiger lijkt dan de eerste stelling (Walden, 1993). Dit probleem valt op te lossen door meer nadruk te leggen op de tevredenheid bij de eerste en de vijfde stelling, daarbij dienen de tweede en de vierde stelling nadruk te leggen op het voorkomen van ontevredenheid (Walden, 1993, p. 26). Tabel 4 Antwoordenopties in een Kano vragenlijst 1. Dat zou ik een pluspunt vinden 2. Dat hoort zo te zijn 3. Neutraal 4. Dat is ongewenst maar kan er wel mee leven 5. Dat zou ik een minpunt vinden De Kano classificatie van elke eigenschap wordt berekend aan de hand van de Kano matrix welke gevonden kan worden in Figuur 4 (Kano, et al., 1984). Aan de hand van deze matrix worden de individuele scores van de tevredenheid en de ontevredenheid voor elke eigenschap gecombineerd waardoor ze geclassificeerd kunnen worden in een Kano categorie. Dit maakt het mogelijk om de mate van invloed van elke eigenschap op de (on)tevredenheid van de respondent te beschrijven. In de matrix zijn de vijf eerder genoemde categorieën attractief (A), eendimensionaal (O) , 23

fundamenteel (M), onverschillig (I) en omgekeerd (R) terug te vinden. Naast deze vijf categorieën bestaat de categorie twijfelachtig (Q). Deze categorie heeft geen directe betrekking op een eigenschap zelf maar geeft aan dat de respondent de vraag zeer waarschijnlijk verkeerd heeft begrepen omdat de gegeven antwoorden elkaar tegenspreken. De groep waarin de meeste respondenten vallen bepaalt de uiteindelijke Kano classificatie (Sauerwein, 1999). Figuur 4 De Kano matrix Consumenten Eigenschap behoeften afwezig Eigenschap aanwezig 1. 2. 3. 4. 5.

1.

2.

3.

4.

5.

Q R R R R

A I I I R

A I I I R

A I I I R

O M M M Q

Tabel 5 Overige opgenomen eigenschappen van een app Eigenschap

Betekenis

Aantrekkelijkheid De mate waarin de app visueel aantrekkelijk wordt gevonden. Gratis

De prijs van de app in de appmarkt.

Navigatie

De mate waarin het duidelijk is voor de gebruiker om te navigeren binnen de app.

Update

De regelmatigheid waarmee de app wordt geüpdatet.

In de vragenlijst zijn alle eigenschappen opgenomen die in de eerste studie zijn gevonden (Tabel 2). Naast deze latente eigenschappen van apps zijn er ook enkele bovenliggende eigenschappen in de vragenlijst opgenomen. Deze extra eigenschappen zijn in overleg met design experts van BMI geselecteerd omdat ze in andere digitale omgevingen ook van invloed zijn op de beoordeling van de gebruiker over de betreffende omgeving (Chiou, et al., 2010). Deze extra geselecteerde

24

eigenschappen zijn in Tabel 5 terug te vinden. Het aantal gebruikte eigenschappen komt daarmee uit op 18.

4.4. Procedure Twee versies van de vragenlijst zijn verspreid waarbij de vraagstelling van elke vragenlijst is aangepast aan het type bedrijf (Bijlage B). De eigenschap route is bij de vragenlijst van Typhone weggelaten aangezien dit bedrijf niet in het bezit is van een winkel op een fysieke locatie. De vragenlijsten zijn getest in een pilotstudie (n = 14) waarin onduidelijkheden in de uitleg en in de vraagstelling zijn aangepast. Via een mail verstuurd uit naam van beide bedrijven zijn klanten benaderd om deel te nemen aan het onderzoek. De vragenlijst is online gehost in een omgeving die is aangepast aan de huisstijl van beide bedrijven (Bijlage A). Allereerst kregen de respondenten een korte uitleg met daarin de uitleg van het onderzoek. Vervolgens kregen ze de Kano stellingen over de eigenschappen te zien. Tot slot werden enkele algemene vragen over de respondent gesteld waaronder vragen over geslacht, leeftijd en ervaring met mobiele apps. Na afloop van de vragenlijst werden de respondenten bedankt voor hun deelname. De vragenlijst van Typhone viel voor de respondenten via de link http://www.typhone.nl/klantenonderzoek te bezoeken en de vragenlijst van Vodafone viel via de link http://landing.vodafone.nl/klantenonderzoek te bezoeken.

4.5. Resultaten In Tabel 6 worden de gemiddelde scores weergegeven samen met de classificatie volgens het Kano model welke berekend zijn volgens de methode uitgelegd in paragraaf 4.3. De tabel maakt duidelijk dat voor klanten van Typhone de eigenschappen aanbiedingen, handleiding, navigatie, privacy en zoekfunctie fundamentele eigenschappen zijn. Daarnaast zijn de eigenschappen gratis en productinformatie eendimensionaal. Voor klanten van Vodafone zijn de eigenschappen handleiding, integratie technologie, navigatie, privacy, update, aantrekkelijkheid en zoekfunctie de fundamentele eigenschappen. De eigenschappen gegevensbeheer en gratis zijn hier de eendimensionale eigenschappen. Op basis van de classificatie volgens het Kano model kan worden gesteld dat de invloed van de eigenschappen van een merk gerelateerde app op de tevredenheid van een consument afhankelijk is van het type bedrijf. In de merk gerelateerde app van Typhone is de eigenschap aanbiedingen fundamenteel en de eigenschap 25

productinformatie eendimensionaal terwijl in de merk gerelateerde app van Vodafone de eigenschappen integratie technologie, update en aantrekkelijkheid fundamenteel zijn en de eigenschap gegevensbeheer eendimensionaal is. De fundamentele eigenschappen handleiding, navigatie, privacy en zoekfunctie komen wel voor beide bedrijven overeen evenals de eendimensionale eigenschap gratis. Met een onafhankelijke t-test is het verschil van de invloed van de aan- en afwezigheid van de eigenschappen op de tevredenheid tussen mannen en vrouwen getoetst. Tabellen 7 en 8 geven de significante resultaten voor de onderlinge sekseverschillen weer. Kano resultaten kunnen niet worden weergegeven vanwege het geringe aantal vrouwelijke respondenten. Om te controleren op de invloed van de ervaring is er een één-weg ANOVA toegepast. De tabellen 9 en 10 geven de significante resultaten weer.

26

Tabel 6 Scores op Tevredenheid per eigenschap Typhone Vodafone (n = 117) (n = 301) M (SD) K M (SD) K 3.90 (1.11) 3.29 (1.17) Aanbiedingen M I 1.91 (1.28) 2.68 (1.19) 3.85 (0.95) 3.77 (0.98) Aankoop I I 2.20 (1.23) 2.30 (1.01) 2.90 (1.29) 3.08 (1.23) Entertainment I I 2.70 (1.23) 2.82 (1.24) 3.98 (0.96) 3.99 (0.80) Feedback I I 2.06 (1.01) 1.91 (0.81) 3.55 (1.19) 4.48 (0.77) Gegevensbeheer I O 2.41 (1.25) 1.45 (0.80) 3.66 (1.13) 3.88 (0.87) Handleiding M M 1.73 (1.06) 1.71 (0.87) 3.86 (0.96) 4.18 (0.82) Integratie technologie I M 2.33 (0.94) 1.77 (0.92) 4.15 (0.90) 4.37 (0.62) Navigatie M M 1.61 (0.86) 1.39 (0.66) 3.48 (1.18) 3.64 (0.94) Nieuws I I 2.32 (1.21) 2.30 (0.97) 3.49 (1.13) 3.74 (1.08) Personalisatie I I 2.32 (1.01) 2.17 (1.04) 4.37 (0.87) 4.57 (0.56) Gratis O O 1.44 (0.86) 1.19 (0.52) 3.87 (1.08) 4.37 (0.59) Privacy M M 1.88 (1.31) 1.34 (0.65) 4.07 (1.26) 3.61 (0.97) Productinformatie O I 1.86 (1.10) 2.22 (0.98) 3.18 (1.01) 3.34 (1.12) Social media I I 2.48 (1.00) 2.59 (1.17) 3.96 (1.08) 4.03 (0.79) Software update I M 2.04 (1.06) 1.72 (0.95) -3.92 (1.15) Routeweergave -I -2.59 (1.07) 3.68 (1.14) 4.19 (0.72) Aantrekkelijkheid I M 2.26 (1.19) 1.66 (0.76) 3.98 (0.84) 4.10 (0.70) Zoekfunctie M M 1.62 (0.89) 1.64 (0.81) Noot: De bovenste rij van elke eigenschap geeft de score weer indien de aanwezigheid is. Eigenschap

De onderste rij geeft de score weer indien de eigenschap afwezig is. K= Classificatie volgens het Kano-model

27

Tabel 7 Verschil in Tevredenheid eigenschappen Typhone tussen mannen en vrouwen Mannen

Vrouwen

(N = 89)

(N = 28)

M (SD)

M (SD)

t

p

Entertainment

2.66 (1.18)

3.64 (1.36)

t(115)=-3.70

<.001

Entertainment afwezig

2.83 (1.21)

2.29 (1.24)

t(115)=2.07

<.05

Personalisatie

3.34 (1.08)

3.96 (1.17)

t(115)=-2.63

<.05

Personalisatie afwezig

2.48 (0.97)

1.79 (0.96)

t(115)=3.34

<.01

Social media

2.98 (0.92)

3.82 (1.09)

t(115)=-4.13

<.001

Social media afwezig

2.58 (0.96)

2.14 (1.04)

t(115)=2.07

<.05

Integratie technologie

4.09 (0.83)

3.39 (0.79)

t(115)=3.91

<.001

Integratie technologie afwezig

2.12 (0.85)

2.93 (0.90)

t(115)=-4.18

<.001

Handleiding

3.53 (1.19)

4.04 (1.11)

t(115)=-2.00

<.05

Feedback

3.88 (0.98)

4.32 (0.82)

t(115)=-2.18

<.05

Eigenschap

t-test

Tabel 8 Verschil in Tevredenheid eigenschappen Vodafone tussen mannen en vrouwen Mannen

Vrouwen

(N = 226)

(N= 75)

M (SD)

M (SD)

t

p

Entertainment

2.93 (1.19)

3.51 (1.27)

t(299)=-3.56

<.001

Entertainment afwezig

2.92 (1.23)

2.49 (1.25)

t(299)=2.63

<.01

Gegevensbeheer

4.56 (0.69)

4.24 (0.96)

t(100)=2.70

<.01

Gegevensbeheer afwezig

1.38 (0.74)

1.64 (0.94)

t(106)=-2.14

<.05

Social media

3.20 (1.08)

3.76 (1.11)

t(299)=-3.86

<.001

Social media afwezig

2.68 (1.16)

2.33 (1.16)

t(299)=2.25

<.05

Integratie technologie

4.26 (0.83)

3.91 (0.90)

t(299)=3.09

<.01

Integratie technologieafwezig

1.73 (0.91)

2.01 (1.05)

t(299)=-2.13

<.05

Handleiding

3.89 (0.80)

4.11 (0.76)

t(299)=-2.07

<.05

Privacy afwezig

1.37 (0.70)

1.23 (0.45)

t(196)=2.08

<.05

Eigenschap

t-test

28

Tabel 9 Invloed ervaring op Tevredenheid eigenschappen Typhone (n = 117) Eigenschap

F

p

ω²

Integratie technologie a

F(4,112)=2.72

<.05

.24

Handleiding b

F(4,112)=3.73

<.01

.29

Handleiding afwezig a

F(4,112)=4.34

<.01

.32

Aanbiedingen a

F(4,112)=4.80

<.01

.34

Aanbiedingen afwezig b

F(4,112)=2.62

<.05

.23

Entertainment b

F(4,112)=2.64

<.05

.23

Zoekfunctie afwezig b

F(4,112)=2.86

<.05

.24

Gratis a

F(4,112)=3.49

<.05

.28

Niet gratis b

F(4,112)=2.78

<.05

.24

a=

Eigenschap waarvan de invloed op de tevredenheid groter is naarmate de ervaring

van de respondent toeneemt. b=

Eigenschap waarvan de invloed op de tevredenheid groter is naarmate de ervaring

van de respondent afneemt. Noot: ‗Afwezig‘ heeft betrekking op de vraagstelling volgens het Kano model waarin gesteld wordt hoe tevreden de respondent is indien de eigenschap afwezig is.

29

Tabel 10 Invloed ervaring op Tevredenheid eigenschappen Vodafone (N = 301) Eigenschap

F

p

ω²

Integratie technologie a

F(4,296)=7.36

<.001

.28

Integratie technologie afwezig b

F(4,296)=3.07

<.05

.16

Software update a

F(4,296)=9.16

<.001

.31

Software update afwezig b

F(4,296)=5.56

<.001

.24

Handleiding b

F(4,296)=6.46

<.001

.26

Gegevensbeheer a

F(4,296)=11.32

<.001

.35

Gegevensbeheer afwezig b

F(4,296)=11.32

<.001

.35

Entertainment b

F(4,296)=3.19

<.05

.17

Entertainment afwezig a

F(4,296)=3.65

<.01

.18

Aankoop afwezig b

F(4,296)=2.46

<.05

.14

Productinformatie a

F(4,296)=3.25

<.01

.18

Feedback b

F(4,296)=4.07

<.01

.20

Visueel aantrekkelijk a

F(4,296)=5,13

<.01

.23

Visueel aantrekkelijk F(4,296)=3,81 <.01 .19 b afwezig a = Eigenschap waarvan de invloed op de tevredenheid groter is naarmate de ervaring van de respondent toeneemt. b=

Eigenschap waarvan de invloed op de tevredenheid groter is naarmate de ervaring

van de respondent afneemt. Noot: ‗Afwezig‘ heeft betrekking op de vraagstelling volgens het Kano model waarin gesteld wordt hoe tevreden de respondent is indien de eigenschap afwezig is.

4.6. Perspectief Deze tweede studie heeft voor twee verschillende bedrijven de invloed van de verschillende fundamentele eigenschappen van een app in kaart gebracht. Om klanten de app te laten blijven gebruiken dienen deze, volgens de klanten, fundamentele eigenschappen in de app te worden verwerkt (Matzler & Hinterhuber, 1998). Daarnaast zijn er voor elk bedrijf ook verschillende eendimensionale eigenschappen gevonden. Hoewel deze eigenschappen eveneens fundamenteel en de tevredenheid verlagen indien ze aanwezig zijn verhoogt een toename in aanwezigheid van deze eigenschappen daarnaast de tevredenheid van de klant. De app kan aan de 30

hand van deze eigenschappen worden gepromoot en de aanwezigheid van deze eigenschappen kan zodoende zorgen voor een verhoogde gebruiksintentie (Witell & Löfgren, 2007). Aan de hand van een gebruikersadoptiemodel kan onderzoek worden gedaan of de aanwezigheid van deze eigenschappen daadwerkelijk leidt tot een verhoogde gebruiksintentie. In hoofdstuk 5 zal dit worden onderzocht.

31

5. Studie 3 – De gebruiksintentie ten opzichte van een app In deze derde studie wordt onderzoek gedaan naar de gebruiksintentie van consumenten ten opzichte van een merk gerelateerde app. De gebruiksintentie wordt onderzocht door de app aan de respondent te tonen aan de hand van twee schetsen die de eigenschappen van een app simuleren. Het onderzoek bestaat uit vier condities die alle gericht zijn op het onderzoek naar gebruiksintentie. In twee condities wordt voor elk bedrijf een schets van een app getoond die bestaat uit de in studie twee gevonden eendimensionale eigenschappen. In de twee controle condities wordt voor elk bedrijf een schets van een app getoond waarvan de kenmerken niet overeenkomen met de in studie twee gevonden eendimensionale eigenschappen. Door deze vier condities met elkaar te vergelijken kan worden onderzocht of de gevonden eendimensionale eigenschappen daadwerkelijk de gebruiksintentie verhogen.

5.1. Respondenten De vragenlijst is via Facebook en Twitter verspreid. De hoofdgebruikers van Facebook en Twitter zijn twintigers welke eveneens de grootste groep gebruikers van mobiele apps vertegenwoordigen (Pew Internet, 2010). Daarnaast kan er via deze manier kan snel een grote groep respondenten worden bereikt. Er hebben in totaal 318 respondenten aan het onderzoek deelgenomen waarvan 251 mannen en 67 vrouwen. De gemiddelde leeftijd was 27 jaar (M=26.72, SD=6.39). De ervaring van de respondenten met apps was bovengemiddeld (M=3.65. SD=1.20). De demografische gegevens per conditie staan in Tabel 11. Tabel 11 Demografische gegevens per conditie Leeftijd

Sekse

Ervaring

Conditie #

N

M (SD)

M

F

M (SD)

1

72

26.19 (4.79)

62

10

3.83 (1.21)

2

80

27.30 (8.64)

68

12

3.74 (1.10)

3

82

26.20 (3.56)

61

21

3.43 (1.23)

4

84

27.13 (7.22)

60

24

3.63 (1.25)

32

5.2. Onderzoeksdesign Er is voor een tussen-proefpersoon ontwerp gekozen bestaande uit vier condities. Er is sprake van een 2 x 2 ontwerp waarbij respondenten willekeurig worden toegewezen aan één van de vier condities. Elke conditie bestaat uit een vragenlijst gericht op één van de twee bedrijven (Bijlage D) in combinatie met één van de twee gebruikte sets schetsen (Bijlage C). In condities 1 en 2 hebben de vragen betrekking op de app van een telecomprovider en in condities 3 en 4 hebben de vragen betrekking op de app van de webwinkel. Daarbij wordt in conditie 1 en 3 gebruik gemaakt van de set schetsen met de gevonden eigenschappen van een webwinkel en in conditie 2 en 4 wordt gebruik gemaakt van de set schetsen met de gevonden eigenschappen van een telecomprovider. Tabel 12 geeft een overzicht weer van de gebruikte condities.

Tabel 12 Overzicht gebruikte condities Conditie #

Type branche

Set eigenschappen

Type conditie

1

Telecom

Webwinkel

Controle

2

Telecom

Telecom

3

Webwinkel

Webwinkel

4

Webwinkel

Telecom

Controle

5.3. Instrument Het effect van de getoonde schetsen wordt gemeten aan de hand van aanvullende vragenlijsten. De schetsen zijn ontworpen met het programma Balsamiq. Het uitvoeren van een onderzoek met behulp van een simpele schets wordt low-fidelity prototyping genoemd. Het voordeel van low-fidelity prototyping is dat het prototype veel makkelijker is te maken dan een werkend prototype en ondanks het uiterlijk kunnen respondenten de applicatie goed beoordelen op de functionaliteit van het uiteindelijke product (Coyette, Kieffer, & Vanderdonckt, 2007). 5.3.1. Ervaring webwinkel Met de vraag ―Heeft u wel eens een telefoon gekocht of abonnement afgesloten via een webwinkel?‖ wordt in de relevante condities (1, 3 en 4) gecontroleerd op

33

eventuele invloeden van de onervarenheid met het doen van aankopen bij webwinkels. Deze vraag wordt benoemd tot variabele APP_ERVARING. 5.3.2. Verwacht nut Het verwachte nut meet de mate waarin een individu denkt dat de toepassing beter presteert dan beschikbare alternatieven (Venkatesh, et al., 2003). In deze studie wordt de merk gerelateerde app beschouwd als vervanger van de website van het bedrijf. Hier is in de stellingen rekening mee gehouden. De stellingen waarmee het verwachte nut is gemeten zijn afgeleid van eerder onderzoek aan de hand van het UTAUT model (Venkatesh, et al., 2003). Het verwachte nut is getoetst voor twee verschillende soorten apps met als gevolg dat er twee verschillende aangepaste sets met stellingen zijn gebruikt. De respondenten kunnen antwoorden aan de hand van een 7-punts Likert schaal variërend van ―helemaal mee oneens‖ (1) tot ―helemaal mee eens‖ (7). Deze gebruikte stellingen worden weergegeven in de tabellen 13 en 14. Tabel 13 Verwacht nut in condities 1 en 3 Het bezoeken van de webshop via een app is erg nuttig. Ik kan sneller de webshop bezoeken met behulp van deze app dan via de website. Met deze app kan ik gemakkelijker de webshop bezoeken dan via de website. Ik denk niet dat het handiger is om via deze app de webshop te bezoeken in vergelijking met de website. (RC)* *=Vraag is in de omgekeerde volgorde gesteld Tabel 14 Verwacht nut in de condities 2 en 4 Het inzien van mijn gegevens via een app is erg nuttig. Ik kan sneller mijn gegevens inzien met behulp van deze app dan via de website. Met deze app kan ik gemakkelijker mijn gegevens inzien dan via de website. Ik denk niet dat het handiger is om via deze app mijn gegevens te beheren in vergelijking met de website. (RC)* *=Vraag is in de omgekeerde volgorde gesteld

34

De twee versies van de stellingen houden rekening met de conditie waarin de respondent zich bevindt. De interne consistentie van de schaal was goed (Cronbach‘s α = .91). Er is ter controle een factoranalyse uitgevoerd. De Kaiser-Meyer-Olkin Measure of Sampling Adequacy liet zien dat de steekproefgrootte goed was (KMO = .83) en de Bartlett‘s test of sphericity liet zien dat de correlatie tussen de items groot genoeg was (χ²(6)=849.49 p<.001). De stellingen zijn samengevoegd tot variabele APP_VN. 5.3.3. Verwacht gebruiksgemak Het verwachte gebruiksgemak meet de mate waarin een individu denkt dat de toepassing eenvoudig te bedienen is (Venkatesh, et al., 2003). In de vragenlijst zijn vier stellingen opgenomen om het verwachte gebruiksgemak te meten. Deze stellingen zijn afgeleid van het onderzoek van Venkatesh, et al. (2003). De schaalindelingen lopen hierbij van ―helemaal mee oneens‖ (1) tot ―helemaal mee eens‖ (7). De gebruikte stellingen worden weergegeven in Tabel 15.

Tabel 15 Verwacht gebruiksgemak Het zal me weinig moeite kosten om de werking van deze app onder de knie te krijgen. Ik denk dat het me makkelijk afgaat om met deze app mijn gegevens in te zien. De bediening van deze app lijkt me ingewikkeld. (RC)* Ik zou deze app kunnen gebruiken zonder dat iemand mij daarbij hoeft te helpen. *=Vraag is in de omgekeerde volgorde gesteld De stellingen waren voor de vier condities gelijk. De interne consistentie van de schaal was goed (Cronbach‘s α = .83). Er is ter controle een factoranalyse uitgevoerd. De Kaiser-Meyer-Olkin Measure of Sampling Adequacy liet zien dat de steekproefgrootte goed was (KMO = .79) en de Bartlett‘s test of sphericity liet zien dat de correlatie tussen de items groot genoeg was (χ²(6)=587.29 p<.001). De stellingen zijn samengevoegd tot variabele APP_VG. 5.3.4. Sociale invloed De sociale invloed meet de mate waarin een individu denkt dat anderen die belangrijk zijn voor hem denken dat hij of zij van de applicatie gebruik moet maken 35

(Venkatesh, et al., 2003). In dit onderzoek wordt de invloed van de beoordelingen in de appmarkten op de gebruiksintentie ten opzichte van een app onderzocht. In de vragenlijst zijn vier stellingen opgenomen die afgeleid zijn van eerder onderzoek naar de invloed van gebruikerswaarderingen (Park & Lee, 2008). Deze stellingen worden voorwaardelijk getoond en zijn afhankelijk van het antwoord op de vraag ―Heeft u wel eens een app geïnstalleerd op een smartphone?‖ die de respondenten in het begin van de vragenlijst krijgen gesteld. Een negatief antwoord op deze vraagstelling houdt in dat de respondent geen kennis heeft van de omgeving van een appmarkt waardoor er geen betrouwbaar antwoord op de stellingen kan worden gegeven. De stellingen kunnen worden beantwoord aan de hand van een 7-punts Likert schaal variërend van ―helemaal mee oneens‖ (1) tot ―helemaal mee eens‖ (7). De gebruikte stellingen zijn in Tabel 16 terug te vinden. Tabel 16 Sociale invloed Deze app zal kwalitatief goed zijn als hij een hoge gebruikerswaardering heeft. Als deze app in de top 10 van de App Store staat zal hij daar thuishoren. Ik zal eerst de gebruikersreviews lezen van deze app voordat ik hem zal installeren. Als deze app een lage gebruikerswaardering heeft zal hij niet nuttig zijn. (RC)* *=Vraag is in de omgekeerde volgorde gesteld De interne consistentie van de stellingen bleek te laag waardoor de vier items niet konden worden samengevoegd tot één variabele (Cronbach‘s α = .43). Uit een factoranalyse bleek dat er gekozen kon worden voor het samenvoegen van item 1 en item 4 (Tabel 17). De twee overige items zijn elk tot een aparte variabele benoemd. Stellingen 1 en 4 zijn samengevoegd tot variabele APP_SI (Cronbach‘s α = .81). Stelling 2 is benoemd tot variabele APP_TOP en stelling 3 is benoemd tot variabele APP_REV.

36

Tabel 17 Factoranalyse van de stellingen over sociale invloed Item #

Factor lading

1

.90

2

.43

3

.10

4

.88

5.3.5. Gebruiksintentie De gebruiksintentie meet de verwachting van de gebruiker met betrekking tot het in gebruik nemen van de applicatie (Venkatesh, et al., 2003). De variabele is gemeten aan de hand van drie stellingen en is afgeleid van eerder onderzoek aan de hand van het UTAUT model (Venkatesh, et al., 2003). De drie gebruikte stellingen zijn in Tabel 18 terug te vinden. Tabel 18 Gebruiksintentie Ik voorspel dat ik deze app in de toekomst ga gebruiken. Ik denk dat ik deze app zal aanraden bij anderen. Ik ben van plan om deze app in de toekomst te gaan gebruiken.

De interne consistentie van de schaal was goed (Cronbach‘s α = .92). Er is ter controle een factoranalyse uitgevoerd. De Kaiser-Meyer-Olkin Measure of Sampling Adequacy liet zien dat de steekproefgrootte goed was (KMO = .76) en de Bartlett‘s test of sphericity liet zien dat de correlatie tussen de items groot genoeg was (χ²(3)=667.62 p<.001). De drie stellingen zijn samengevoegd en benoemd tot variabele APP_GI.

5.4. Procedure De vragenlijsten zijn getest in een pilotstudie (N = 11) waarin onduidelijkheden in de uitleg en in de vraagstelling zijn aangepast. Respondenten werden via Facebook of Twitter gevraagd de link http://client.bluemango.nl/mobieleapps/ te volgen waarna de respondent werd doorverwezen naar één van de vier condities. Deze doorverwijzing werd gedaan door Google Website Optimizer. Dit is een programma waarmee internetverkeer gelijkmatig tussen verschillende versies van een website 37

verdeeld kan worden. De vragenlijst begon met een algemene uitleg waarna de respondenten de set schetsen kregen te zien van de te beoordelen app. Vervolgens diende de respondent antwoord te geven op stellingen betreffende het verwachte nut, het verwachte gebruiksgemak en de gebruiksintentie. Tevens werd de respondenten gevraagd of ze wel eens een app hebben geïnstalleerd. Werd deze vraag met ―ja‖ beantwoord dan kregen ze nog enkele stellingen over de sociale invloed te zien. Ter controle werd in de condities 1, 3 en 4 de vraag gesteld of de respondent ooit een keer een aankoop heeft gedaan via een webwinkel zodat eventuele invloeden hiervan kunnen worden uitgesloten. Tot slot werd de respondent gevraagd leeftijd, geslacht en ervaring met mobiele apps in te vullen. Bij het afsluiten van het onderzoek werd de respondent bedankt en in de gelegenheid gesteld om de link te delen via Twitter en/of Facebook.

5.5. Resultaten 5.5.1. Verschillen tussen de condities Aan de hand van een twee-weg ANOVA zijn de verschillende invloeden van de onafhankelijke variabelen op gebruiksintentie (Tabel 19) en op verwacht nut getoetst (Tabel 20). Er blijkt een significant hoofdeffect te bestaan tussen het type branche op de gebruiksintentie van een merkgerelateerde app, F(1, 314) = 59.68, p < .001, partial ŋ² = .16. Ook is er sprake van een significant hoofdeffect tussen het type eigenschappen waar een app uit bestaat en de gebruiksintentie F(1,314) = 6.24, p < .01, partial ŋ² = .02. Tot slot is er sprake van een significant interactie-effect tussen het type branche en het type eigenschappen waar een app uit bestaat, F(1,314) = 180.57 , p < .001, partial ŋ² = .42. Dit betekent dat het type branche verschillend beïnvloed wordt door het type eigenschappen waar de app uit bestaat. Er blijkt een significant hoofdeffect te bestaan tussen het type branche op het verwachte nut van een merkgerelateerde app, F(1, 314) = 39.46, p < .001, partial ŋ² = .15. Ook is er sprake van een significant hoofdeffect tussen het type eigenschappen waar een app uit bestaat en het verwachte nut F(1,314) = 4.44, p < .05, partial ŋ² = .01. Tot slot is er sprake van een significant interactie-effect tussen het type branche en het type eigenschappen waar een app uit bestaat, F(1,314) = 382.64 , p < .001, partial ŋ² = .55. Ook voor het verwachte nut geldt dat het type branche verschillend beïnvloed wordt door het type eigenschappen waar waar de app uit bestaat.

38

Tabel 19 Waarden gebruiksintentie per conditie Type branche

Set eigenschappen

N

M (SD)

Telecom

Webwinkel

72

3.22 (1.07)

Telecom

80

5.01 (0.95)

Totaal

152

4.17 (1.35)

Webwinkel

82

3.96 (0.56)

Telecom

84

2.73 (0.68)

Totaal

166

3.33 (0.99)

Webwinkel

154

3.61 (1.03)

Telecom

164

3.84 (1.41)

Totaal

318

3.73 (1.24)

Webwinkel

Totaal

Tabel 20 Waarden verwacht nut per conditie Type branche

Set eigenschappen

N

M (SD)

Telecom

Webwinkel

72

3.46 (0.75)

Telecom

80

5.48 (0.89)

Totaal

152

4.53 (1.31)

Webwinkel

82

4.57 (0.91)

Telecom

84

2.95 (0.75)

Totaal

166

3.75 (1.16)

Webwinkel

154

4.06 (1.01)

Telecom

164

4.19 (1.51)

Totaal

318

4.12 (1.29)

Webwinkel

Totaal

5.5.2. Conditie 2 – Accountbeheer app telecomprovider In Tabel 21 zijn de Pearson correlaties tussen de verschillende variabelen uit de studie opgenomen. Uit de tabel blijkt duidelijk welke constructen met elkaar samenhangen.

39

Tabel 21 Correlaties conditie 2 1.

2.

3.

4.

5.

6.

7.

8.

1.APP_GI 2.APP_VN

.54***

3.APP_VG

.42***

.26*

4.APP_SI

.11

-.03

.30**

5.APP_TOP

.36**

.30**

.33**

.42***

6.APP_REV

.21*

.10

.60***

.43***

.18

7.Sekse

-.56*** -.48*** -.12

-.05

-.21*

8.Ervaring

-.16

-.07

-.43*** -.40*** -.55*** -.53*** .05

9.Leeftijd

.13

.07

-.02

-.20

-.13

-.06

.21*

-.13

-.02

***p<.001, **p<.01 *p<.05 APP_GI = Gebruiksintentie, APP_VN = Verwacht nut, APP_VG = Verwacht gebruiksgemak, APP_SI = Sociale invloed, APP_TOP = Invloed positie ranglijst, APP_REV = Invloed reviews

Er is een hiërarchische multipele regressie analyse uitgevoerd met APP_GI als afhankelijke variabele. In het eerste model zijn APP_VG en APP_VN als voorspellers opgenomen. Eerder onderzoek laat zien dat dit de twee grootste voorspellers zijn van gebruiksintentie (Venkatesh, et al., 2003). Tabel 22 laat zien dat dit model een aanzienlijk deel (37%) van de totale variantie verklaart. Het blijkt dat APP_VP van invloed is op APP_GI (β = .46, p < .001). Ook APP_VG blijkt een voorspeller te zijn van APP_GI (β = .30, p < .01). In de tweede stap zijn de scores van alle sociale invloeden ingevoerd (APP_SI, APP_TOP en APP_REV). Dit model is geen significante verbetering ten opzichte van het tweede model. In de derde stap zijn de persoonsgebonden kenmerken als voorspellers in het model opgenomen (Sekse, Ervaring en Leeftijd). Dit model is een verbetering van het tweede model en verklaart 52% van de variantie (F-change = 5.20, p < .01). Het geslacht blijkt hier een voorspeller te zijn van APP_GI (β = -.37, p < .01).

40

Tabel 22 Hiërarchische multipele regressie met APP_GI als afhankelijke variabele (N = 69) Model1 B

SE B

Model 2 Β

B

SE B β

Model 3 B

SE B

β

APP_VN

0.48 .11

.46*** 0.44

.11

.42*** 0.24

.12

.22*

APP_VG

0.34 .12

.30**

.15

.27*

0.36

.14

.31*

APP_SI

-0.03 .13

-.03

-0.01

.12

-.02

APP_TOP

0.14

.10

.16

0.16

.10

.20

APP_REV

-0.01

.09

-.01

-0.00

.10

-.01

Sekse

-1.12

.32

-.37**

Ervaring

.10

.12

.11

Leeftijd

.01

.01

.10

0.31

R²

.37

.39

.52

R² change

.37

.02

.13

F-change

19.51***

0.68

5.20**

Noot: Geslacht is weergegeven in de vorm van een dummy variabele met ‗vrouw‘ als vergelijkingsgroep. ***p<.001, **p<.01 *p<.05 APP_GI = Gebruiksintentie, APP_VN = Verwacht nut, APP_VG = Verwacht gebruiksgemak, APP_SI = Sociale invloed, APP_TOP = Invloed positie ranglijst, APP_REV = Invloed reviews

5.5.3. Conditie 3 – Winkel app webwinkel In Tabel 23 zijn de Pearson correlaties tussen de verschillende variabelen uit de studie opgenomen. Uit de tabel blijkt duidelijk welke constructen met elkaar samenhangen.

41

Tabel 23 Correlaties conditie 3 1.

2.

3.

4.

5.

6.

7.

8.

1.APP_GI 2.APP_VN

.70***

3.APP_VG

-.05

-.16

4.APP_SI

.06

.16

-.16

5.APP_TOP

.07

.08

.09

.35**

6.APP_REV

-.08

-.01

-.03

.13

-.18

7.Sekse

-.38**

-.54*** -.02

-.01

.10

.06

8.Ervaring

.16

.23**

.23*

-.25*

-.38**

-.07

-.36**

9.Leeftijd

-.21

-.13

-.15

-.08

-.10

.06

-.10

.08

***p<.001, **p<.01 *p<.05 APP_GI = Gebruiksintentie, APP_VN = Verwacht nut, APP_VG = Verwacht gebruiksgemak, APP_SI = Sociale invloed, APP_TOP = Invloed positie ranglijst, APP_REV = Invloed reviews

Er is een hiërarchische multipele regressie analyse uitgevoerd met APP_GI als afhankelijke variabele. In het eerste model zijn APP_VG en APP_VN als voorspellers opgenomen. Tabel 24 laat zien dat dit model een aanzienlijk deel (49%) van de totale variantie verklaart. Het blijkt dat APP_VN een voorspeller is van APP_GI (β = .71, p < .001). In de tweede stap zijn de scores van alle sociale invloeden ingevoerd (APP_SI, APP_TOP en APP_REV). Dit model is geen significante verbetering ten opzichte van het tweede model. In de derde stap zijn de persoonsgebonden kenmerken als voorspellers in het model opgenomen (Sekse, Ervaring en Leeftijd). Dit model is eveneens geen verbetering van het voorgaande model.

42

Tabel 24 Hiërarchische multipele regressie met APP_GI als afhankelijke variabele (N = 62) Model1 B

SE B

Model 2 β

B

Model 3

SE B β

B

SE B β

APP_VN

0.68 .09

.71*** 0.69

.09

.71*** 0.67

.12

.69***

APP_VG

0.09 .14

.06

.15

.05

0.05

.17

.03

0.08

APP_SI,

-0.04 .10

-.05

-0.05 .10

-.06

APP_TOP

0.01

.02

0.01

.01

APP_REV

-0.04 .06

-.06

-0.03 .06

-.05

Sekse

-0.03 .26

-.01

Ervaring

-0.01

.10

-.01

Leeftijd

-0.03 .03

-.12

.07

.08

R²

.49

.50

.51

R² change

.49

.01

.01

F-change

28.58***

0.24

0.45

Noot: Geslacht is weergegeven in de vorm van een dummy variabele met ‗vrouw‘ als vergelijkingsgroep. ***p<.001, **p<.01 *p<.05 APP_GI = Gebruiksintentie, APP_VN = Verwacht nut, APP_VG = Verwacht gebruiksgemak, APP_SI = Sociale invloed, APP_TOP = Invloed positie ranglijst, APP_REV = Invloed reviews

5.5.4. Condities 1 en 4 In Tabel 25 en 26 zijn de Pearson correlaties tussen de verschillende variabelen uit de studie opgenomen. Uit de tabellen blijkt duidelijk welke constructen met elkaar samenhangen.

43

Tabel 25 Correlaties conditie 1 1.

2.

3.

4.

5.

6.

7.

.8

1.APP_GI 2.APP_VN

.55***

3.APP_VG

-.05

.07

4.APP_SI

-.07

-.19

-.04

5.APP_TOP

.45***

.33**

-.07

.32**

6.APP_REV

.23*

-.15

-.39**

-.21

-.15

7.Sekse

-.04

-.35**

-.18

.02

-.06

.32**

8.Ervaring

-.26*

.08

.47***

-.15

-.32**

-.37**

-.31**

9.Leeftijd

-.28*

-.21

-.64*** .12

-.04

.18

-.01

-.12

***p<.001, **p<.01 *p<.05 APP_GI = Gebruiksintentie, APP_VN = Verwacht nut, APP_VG = Verwacht gebruiksgemak, APP_SI = Sociale invloed, APP_TOP = Invloed positie ranglijst, APP_REV = Invloed reviews

Tabel 26 Correlaties conditie 4 1.

2.

3.

4.

5.

6.

7.

.8

1.APP_GI 2.APP_VN

.31**

3.APP_VG

.23*

-.13

4.APP_SI

.31**

.24*

-.06

5.APP_TOP

.23*

.00

.18

-.00

6.APP_REV .35**

.01

.59***

-.07

.24*

7.Sekse

-.21*

-.09

.15

.13

-.49***

-.16

8.Ervaring

-.48***

-.05

-.27*

-.24*

-.29**

-.29** -.07

9.Leeftijd

.41***

.20*

.23*

.20*

.20*

.20*

-.13

-.24*

***p<.001, **p<.01 *p<.05 APP_GI = Gebruiksintentie, APP_VN = Verwacht nut, APP_VG = Verwacht gebruiksgemak, APP_SI = Sociale invloed, APP_TOP = Invloed positie ranglijst, APP_REV = Invloed reviews 44

Er is voor beide condities een hiërarchische multipele regressie analyse uitgevoerd met APP_GI als afhankelijke variabele (Tabel 27 en 28). In het eerste model zijn APP_VG en APP_VN als voorspellers opgenomen. Voor conditie 1 verklaart het eerste model 31% van de totale variantie. Hier blijkt APP_VN een voorspeller te zijn van APP_GI (β = .56, p < .001). In conditie 4 wordt 17% van de totale variantie verklaard door het eerste model. Hier blijken APP_VN (β = .34, p < .01) en APP_VG (β = .27, p < .05) beide voorspellers te zijn van APP_GI. In de tweede stap zijn de scores van alle sociale invloeden ingevoerd (APP_SI, APP_TOP en APP_REV). Dit is zowel voor conditie 1 (R² = .51, F-change = 7.71, p < .001) als voor conditie 4 1 (R² = .31, F-change = 4.64, p < .01) een verbetering ten opzichte van het eerste model. In conditie 1 blijken APP_TOP (β = .35, p < .01) en APP_REV (β = .39, p < .001) voorspellers te zijn van APP_GI. In conditie 4 zijn APP_SI (β = .28, p < .05) en APP_REV (β = .28, p < .05) een voorspeller van APP_GI. In de derde stap zijn de persoonsgebonden kenmerken als voorspellers in het model opgenomen (Sekse, Ervaring en Leeftijd). Voor conditie 1 is er geen sprake van een significante verbetering van het tweede model. Bij conditie 4 is er wel sprake van een significante verbetering ten opzichte van het tweede model en er wordt 47% van de totale variantie verklaard (F-change = 6.09, p < .01). In dit model blijkt Leeftijd (β = .31, p < .05) een voorspeller te zijn van APP_GI.

45

Tabel 27 Hiërarchische multipele regressie conditie 3 met APP_GI als afhankelijke variabele (N = 63) Model1

Model 2

B

SE B

β

APP_VN

.79

.15

APP_VG

-.14 .16

B

Model 3

SE B

β

.56*** .69

.15

-.09

.16

.15

B

SE B

β

.49*** .64

.16

.45***

.10

-.15

.22

-.09

APP_SI,

-.00 .13

-.00

.02

.12

.02

APP_TOP

.30

.09

.35**

.26

.10

.31**

APP_REV

.23

.06

.39*** .20

.06

.35**

Sekse

-.03

.31

-.01

Ervaring

-.06 .12

-.06

Leeftijd

-.07

-.31*

.03

R²

.31

.51

.57

R²

.31

.20

.06

13.74***

7.71***

2.45

change F-change

Noot: Geslacht is weergegeven in de vorm van een dummy variabele met ‗vrouw‘ als vergelijkingsgroep. ***p<.001, **p<.01 *p<.05 APP_GI = Gebruiksintentie, APP_VN = Verwacht nut, APP_VG = Verwacht gebruiksgemak, APP_SI = Sociale invloed, APP_TOP = Invloed positie ranglijst, APP_REV = Invloed reviews

46

Tabel 28 Hiërarchische multipele regressie conditie 4 met APP_GI als afhankelijke variabele (N = 72) Model1

Model 2

Model 3

B

SE B

β

B

SE B

β

B

SE B

β

APP_VN

.35

.11

.34**

.25

.11

.25*

.20

.10

.20*

APP_VG

.21

.09

.27*

.07

.10

.08

.07

.10

.09

APP_SI,

.15

.06

.28*

.11

.06

.19

APP_TOP

.06

.04

.15

-.03

.04

-.08

APP_REV

.16

.07

.28*

.08

.07

.14

Sekse

-.35

.17

-.24*

Ervaring

-.21

.06

-.36**

Leeftijd

.03

.01

.18

R²

.17

.31

.47

R²

.17

.14

.16

6.86**

4.64**

6.09**

change F-change

Noot: Geslacht in weergegeven in de vorm van een dummy variabele met ‗vrouw‘ als vergelijkingsgroep. ***p<.001, **p<.01 *p<.05 APP_GI = Gebruiksintentie, APP_VN = Verwacht nut, APP_VG = Verwacht gebruiksgemak, APP_SI = Sociale invloed, APP_TOP = Invloed positie ranglijst, APP_REV = Invloed reviews 5.5.5. Perspectief In dit derde onderzoek is onderzocht wat de oorzaken zijn van gebruiksintentie. Sluit de verwachte prestatie over de functionaliteit van een app aan bij de gebruiksintentie van die app? Heeft de sociale omgeving van de appmarkten invloed op de gebruiksintentie van een app, of ligt de gebruiksintentie hoger als het verwachte gebruiksgemak van de app hoog is?

47

De condities waarin de set eigenschappen wordt gekoppeld aan het juiste bedrijf (conditie 2 en 3) scoren het op zowel het hoogst op gebruiksintentie als op verwacht nut. Tevens is in deze condities is het verwachte nut een voorspeller gebleken van de gebruiksintentie. De twee controle condities scoren lager op gebruiksintentie maar ook hier geldt dat het verwachte nut een voorspeller is van de gebruiksintentie. Het verwachte gebruiksgemak blijkt alleen in conditie 2 een voorspeller te zijn van de gebruiksintentie. De mate waarin men de positie van een app in een appmarkt van belang vindt en de mate waarin men gebruikersreviews leest zijn alleen in conditie 4 een voorspeller van gebruiksintentie. De sekse is in de condities 2 en 4 een voorspeller op de gebruiksintentie. Leeftijd is in conditie 3 een voorspeller van gebruiksintentie en ervaring is slechts in conditie 4 een voorspeller van gebruiksintentie. Deze resultaten suggereren dat het verwachte nut de belangrijkste voorspeller is voor merk gerelateerde apps. Hoewel de overige factoren in enkele condities ook meewegen is het verwachte nut in elke conditie een significante voorspeller van gebruiksintentie gebleken. Het is voor bedrijven van belang dat ze de eigenschappen van de app expliciet duidelijk maken. Indien klanten van het bedrijf vervolgens deze app als nuttig beoordelen dan is de kans groter dat de app ook daadwerkelijk gebruikt gaat worden.

48

6. Conclusie en discussie Dit onderzoek heeft aangetoond dat de gebruiksintentie van een merk gerelateerde app afhangt van de eigenschappen waar hij uit bestaat. In de eerste studie hebben we 14 hoofdeigenschappen ontleedt. Op basis van deze eigenschappen hebben we in de tweede studie onderzoek gedaan naar de invloed van deze eigenschappen op de (on)tevredenheid van de klanten van de betreffende bedrijven. Er is aangetoond dat er fundamentele eigenschappen bestaan die merk gerelateerde apps moeten bezitten. Ten tweede zijn er eigenschappen gevonden die de tevredenheid over de merk gerelateerde apps verhogen indien ze aanwezig zijn. Tot slot bleek dat de invloed van deze eigenschappen afhankelijk was van het type bedrijf. In de derde studie is er op basis van de invloed van de verschillende eigenschappen voor beide bedrijven een app ontwikkeld die aansluit bij de behoeften van hun klanten. In deze studie stond het onderzoek naar de gebruiksintentie van de app van beide bedrijven centraal. De resultaten suggereren dat de gebruiksintentie van de app zowel afhankelijk is van het type bedrijf als van de eigenschappen van de app. Hiermee is de aanname bevestigd dat de gebruiksintentie van merk gerelateerde apps hoger is als de eigenschappen waar de app uit bestaat aansluit bij de wensen van de klant. Uit deze resultaten blijkt dat merk gerelateerde apps wel degelijk een kans van slagen hebben. Op basis van de drie onderzoeken zullen er enkele aanbevelingen worden gedaan voor vervolgonderzoek.

6.1. De eigenschappen van apps In het eerste onderzoek is een kwalitatieve content analyse uitgevoerd met als doel de hoofdeigenschappen van mobiele apps te kunnen onderscheiden. Door 100 verschillende apps te analyseren is er uiteindelijk een lijst met 14 onderscheidende eigenschappen van een app opgesteld. Hiermee is de eerste deelonderzoeksvraag beantwoord. Aangezien het een eerste onderzoek naar de eigenschappen van mobiele apps betrof is de gevonden lijst op een natuurlijke wijze afgeleid van de latente betekenis van de eigenschappen zonder beïnvloed te worden door een reeds bestaande lijst. Deze natuurlijke afleiding komt de kwaliteit van de benoemde eigenschappen ten goede (Berg, 2008). De hoge Kappa van de gevonden eigenschappen wijst uit dat de beschrijving inderdaad goed aansluit bij de functionaliteit van een app.

49

Er zijn in deze studie 14 eigenschappen gevonden. Onderzoek naar websites laat echter zien dat een verdere differentiatie van bepaalde eigenschappen het medium beter kan beschrijven. Zo beschrijft Palmer (2002) websites met behulp van zes eigenschappen waaronder de interactiviteit van een website. Zhao en Dholakia (2009) delen de interactiviteit van een website op in acht subcategorieën en vinden dat er verschil is tussen de behoefte naar bepaalde vormen van interactiviteit. Ook andere onderzoeken naar websites hanteren diverse aantallen en typen eigenschappen waarmee ze websites beschrijven (e.g., Huizingh, 2000; Liao, et al., 2006; Robbins & Stylianou, 2003). Dit maakt het aannemelijk dat de 14 gevonden categorieën in deze eerste studie eveneens niet definitief zullen zijn. Wel maakt de benoeming van deze eigenschappen vervolgonderzoek op basis van deze eigenschappen mogelijk.

6.2. De behoefte naar eigenschappen In het tweede onderzoek zijn de gevonden eigenschappen op basis van het Kano model geclassificeerd. De tweede deelonderzoeksvraag luidt of er eigenschappen van een mobiele applicatie van Typhone en Vodafone leiden tot tevredenheid bij zijn gebruikers. Deze vraagstelling wordt niet bevestigd door de studie. Het Kano model (1984) noemt dit type eigenschappen attractief en de resultaten wijzen uit dat dit type eigenschappen voor beide bedrijven niet zijn gevonden. Dit kan een gevolg zijn van de brede betekenis van de gebruikte eigenschappen in deze studie. Het kenmerk van een attractieve eigenschap is dat ze verrassend zijn voor de consument (Kano, et al., 1984). De mate van algemeenheid kan deze verrassing teniet doen waardoor de consument de gebruikte eigenschappen reeds kent. De tweede deelonderzoeksvraag luidt of er eigenschappen van een mobiele applicatie van Typhone en Vodafone leiden tot ontevredenheid bij zijn gebruikers. Dit zijn de zogenoemde fundamentele eigenschappen die slechts de ontevredenheid kunnen verhogen maar geen invloed hebben op de tevredenheid van een consument (Kano, et al., 1984). Er zijn voor beide bedrijven eigenschappen gevonden die aan deze classificatie voldoen. Bij Typhone zijn dit de eigenschappen aanbiedingen, handleiding, navigatie, privacy en zoekfunctie. Bij Vodafone zijn dit de eigenschappen handleiding, integratie technologie, navigatie, privacy, software update, aantrekkelijkheid en zoekfunctie. Dit zijn in de ogen van de klanten de fundamentele eigenschappen waar een merk gerelateerde app uit moet bestaan 50

(Witell & Löfgren, 2007). Klanten staan niet stil bij de aanwezigheid van deze eigenschappen indien ze van de app gebruik gaan maken. Het ontbreken van deze eigenschappen zal tijdens het gebruik opvallen en een verhoging van de ontevredenheid als gevolg hebben. Als deze ontevredenheid niet wordt weggenomen dan zal de gebruiker de app niet blijven gebruiken (Matzler & Hinterhuber, 1998) wat overeenkomt met de beschreven tendens waarbij gebruikers hun geïnstalleerde apps na een aantal keer gebruik verwijderen (Localytics, 2011). De derde deelonderzoeksvraag luidt of er eigenschappen van een mobiele applicatie van Typhone en Vodafone zowel tot tevredenheid als tot ontevredenheid leiden bij zijn gebruikers. Dit zijn volgens het Kano model eendimensionale eigenschappen waarbij de (on)tevredenheid van een consument proportioneel stijgt of daalt in relatie tot de aan- of afwezigheid van een eigenschap (Kano, et al., 1984). Er zijn eveneens eigenschappen gevonden die voldoen aan deze classificatie. Bij Typhone zijn dit de eigenschappen gratis en productinformatie. Bij Vodafone zijn dit de eigenschappen gegevensbeheer en gratis. Dit zijn eigenschappen waar de consumenten zich bewust van zijn en waarmee bedrijven kunnen adverteren (Witell & Löfgren, 2007). Indien de bedrijven een app ontwikkelen die bestaat uit deze eigenschappen dan zal de kans dat de klanten gebruik zullen maken van de app toenemen omdat ze zich van te voren al bewust zijn van het feit dat de app aan hun verwachtingen voldoet. Op basis van de uitkomsten blijkt het dat voor beide bedrijven verschillende fundamentele en eendimensionale eigenschappen bestaan. De app van Vodafone moet ten opzichte die van Typhone de eigenschappen integratie technologie, software update en aantrekkelijkheid bezitten om ontevredenheid te voorkomen. De app van Typhone moet daarentegen ten opzichte van die van Vodafone de eigenschap aanbiedingen bezitten om ontevredenheid te voorkomen. Voor de toename van de tevredenheid (en het voorkomen van ontevredenheid) dient de app van Vodafone ten opzichte die van Typhone de eigenschap accountbeheer te bezitten. Daarentegen dient de app van Typhone ten opzichte van die van Vodafone ter bevordering van de tevredenheid de eigenschap productinformatie te bezitten. Deze resultaten suggereren dat de eigenschappen niet voor elk bedrijf dezelfde invloed op de (on)tevredenheid van de consument hebben. Dit komt overeen met de bevindingen van Zhang en Von Dran (2002) die een dergelijk verschil ook aantroffen bij hun onderzoek over de wensen van gebruikers over de eigenschappen van websites van 51

verschillende bedrijven. Hieruit kan geconcludeerd worden dat er geen vast recept bestaat voor de ontwikkeling van een merk gerelateerde app maar dat bedrijven rekening dienen te houden met de wensen van hun te bedienen doelgroep. Het is daarnaast opvallend dat de eigenschappen waaraan het meest behoefte is overeenkomen met de kerntaken die het bedrijf aanbiedt. Palmer en Griffith (1998) stellen dit ook vast na een analyse van de eigenschappen van merk gerelateerde websites. Vergelijken we de gewenste eigenschappen van de app met de huidige eigenschappen van de websites van beide bedrijven dan kunnen we stellen dat deze grotendeels overeenkomen. Klanten van Typhone hebben behoefte aan een app waarmee ze productinformatie kunnen verkrijgen en op de hoogte kunnen blijven van de nieuwste aanbiedingen. De website van Typhone bezit eveneens beide eigenschappen. Klanten van Vodafone zijn op zoek naar een app waarmee ze hun belgedrag kunnen monitoren; een functionaliteit welke eveneens mogelijk is op de website van Vodafone. De suggestie van Palmer en Griffith (1998) blijkt hiermee niet alleen te gelden voor de eigenschappen van websites maar ook voor de eigenschappen van mobiele apps. Op basis van deze constatering moet de uiteindelijke gebruiksintentie uitsluitsel geven of klanten een app een geschikt alternatief vinden voor een website.

6.3. De consumentenacceptatie van een merk gerelateerde app In hypothese 1 wordt verondersteld dat merk gerelateerde apps waarin de eendimensionale eigenschappen wel zijn verwerkt hoger scoren op verwacht nut dan merk gerelateerde apps waarin deze eendimensionale eigenschappen niet zijn verwerkt. Deze hypothese wordt door studie drie bevestigd. In condities 2 en 3 zijn de in studie 2 gevonden eendimensionale eigenschappen verwerkt. Voor beide condities geldt dat het verwachte nut significant hoger scoort dan de tegenpolen van beide condities. De resultaten suggereren dat eendimensionale eigenschappen inderdaad de eigenschappen zijn waardoor consumenten gebruik gaan maken van een product of dienst (Witell & Löfgren, 2007). Hypothese 2 ligt in het verlengde van hypothese 1 en veronderstelt dat het verwachte nut van een merk gerelateerde app een positieve invloed heeft op de gebruiksintentie. Deze hypothese wordt door de derde studie bevestigd. Voor alle vier condities geldt dat verwachte nut een significante voorspeller is van gebruiksintentie. Hierbij geldt dat een lage score op verwacht nut (condities 1 en 4) resulteert in een 52

lage score op gebruiksintentie. Dit resultaat komt overeen met het onderzoek van Venkatesh, et al (2003). Daarbij sluit het ook aan van de bewering van Verkasalo (2009) die stelt dat individuen slechts gebruik maken van mobiele applicaties als ze het nut er van inzien. In de controle condities is bewezen dat als eigenschappen in een app die niet aansluiten bij de behoeften van de gebruiker dit leidt tot een lager dan gemiddelde gebruiksintentie. Deze bevinden steunen het onderzoek van Deloitte (2011) die suggereren dat een merk gerelateerde app meer in huis moet hebben dan een mooi uiterlijk; de app moet vooral nuttig zijn. In hypothese 3 wordt verondersteld dat het verwachte gebruiksgemak een positieve invloed heeft op de gebruiksintentie. Deze hypothese wordt slechts deels ondersteund. Alleen in conditie 2 is verwacht gebruiksgemak een significante voorspeller van gebruiksintentie. Dit kan een direct gevolg zijn van de gebruikte methode aan de hand van low-fidelity prototyping (Cayotte, et al., 2007). Het is mogelijk dat de gebruikers niet goed konden inschatten in hoeverre ze de app uiteindelijk moeten bedienen. Tot slot wordt in hypothese 4 verondersteld dat sociale invloed een positieve invloed heeft op de gebruiksintentie van een merk gerelateerde app. In deze scriptie is rekening gehouden met de omgeving waarin apps kunnen worden geïnstalleerd. In deze appmarkten is veel informatie zichtbaar over meningen en waarderingen van andere gebruikers ten opzichte van een app. Deze hypothese wordt slechts deels bevestigd in conditie 1 waarin twee van de drie variabelen die betrekking hebben op de sociale invloed een voorspeller zijn van gebruiksintentie. Een verklaring van deze geringe sociale invloed via de appmarkten kan zijn dat er voor merk gerelateerde apps geen alternatieven voor handen zijn. Zo kunnen gebruik- en persoonsgegevens van een telecomprovider alleen via dat bedrijf zelf beschikbaar worden gemaakt. Klanten zullen echter toch hun gebruiksgegevens willen inzien waardoor ze ondanks de lage waardering toch van de app gebruik moeten maken. Tabel 19 geeft enkele opvallende resultaten weer. Alleen in conditie 2 waarin de respondenten de app van de telecomprovider met de eigenschappen van een telecomprovider beoordelen scoort de app bovengemiddeld op gebruiksintentie (M = 5.01, SD = 0.95). In de andere ideale conditie (3) waarin respondenten de app van de webwinkel van de eigenschappen van een webwinkel beoordelen scoort de app slechts gemiddeld op gebruiksintentie (M = 3.96, SD = 0.56). Dit verschil in gebruiksintentie kan een gevolg zijn van de mate waarin de eigenschappen van een 53

merk gerelateerde app gebruik maken van de unieke communicatieve kenmerken van een mobiele app. De eigenschappen van de app van Typhone lijken namelijk slechts aan te sluiten bij de communicatieve kenmerken van een conventioneel digitaal medium (Newhagen & Rafaeli, 1996). De eigenschappen van de app van Vodafone lijken echter ook de twee unieke kenmerken van mobiele apps te kunnen aanspreken; het sensorisch vermogen en de alomtegenwoordigheid. Het is aannemelijk dat klanten van een webwinkel slechts het aanbod van de winkel in willen zien op het moment dat ze hun abonnement willen verlengen; een situatie die zich eens per één of twee jaar voordoet. Dit heeft als gevolg dat het aanbod in een groot tijdsbestek kan worden bekeken waardoor unieke kenmerken van een mobiele app nooit hoeven te worden aangesproken. Voor klanten van een telecomprovider kan het wel cruciaal zijn om op elk willekeurig moment hun gegevens in te zien aangezien een overschrijding van het aantal belminuten kosten met zich mee brengt. Deze resultaten maken het aannemelijk dat de voorwaarden voor een succesvolle app eveneens afhangen van de benutting van de unieke kenmerken van een smartphone. Op basis van de resultaten van alle drie de uitgevoerde studies kan de hoofdvraag van het onderzoek worden beantwoord: Welke factoren dragen bij aan een verhoogde gebruiksintentie van een merk gerelateerde mobiele applicatie? De resultaten wijzen uit dat het verwachte nut van een merk gerelateerde app de hoofdfactor is die de gebruiksintentie verhoogt. De app moet functioneel zijn voor de gebruiker eer er gebruik van wordt gemaakt. Ten tweede is de gebruiksintentie afhankelijk van het type bedrijf waar de app voor wordt ontwikkeld. Tot slot suggereren de resultaten eveneens dat de app gebruik moet maken van het sensorisch vermogen van de smartphone en de alomtegenwoordigheid die een mobiele telefoon mogelijk maakt. Overige factoren zijn in deze studie niet overwegend significant gebleken. Vervolgonderzoek kan hierover uitsluitsel geven.

6.4. Vervolgonderzoek Dit onderzoek heeft antwoord gegeven op enkele vraagstukken over mobiele apps. Aangezien dit slechts één van de eerste onderzoeken is over mobiele apps zijn er nog vele vraagstukken onbeantwoord en vele gebieden onverkend gebleven. De indrukwekkende groeicijfers van gebruikers van smartphones en apps rechtvaardigen vervolgonderzoek naar mobiele apps. De bevindingen en methodes van dit onderzoek kunnen hiervoor als basis worden gebruikt. 54

De resultaten van de derde studie werpen een belangrijke vraag op. Uit de resultaten blijkt dat zelfs in het geval van de aanwezigheid van de ideale eigenschappen de gebruiksintentie van gebruikers ten opzichte van een app van een webwinkel significant lager ligt dan de gebruiksintentie ten opzichte van een app van een telecomprovider. Het is aannemelijk dat de beschreven unieke kenmerken van een app, namelijk de alomtegenwoordigheid en het sensorisch vermogen hierbij een rol spelen. Deze scores op gebruiksintentie komen overeen met de scores van het verwachte nut. Deze ligt voor de ideale webwinkel app eveneens lager dan de score van het verwachte nut de ideale telecomprovider app. Een lage score op verwacht nut is een gevolg van het gevoel bij gebruikers dat een toepassing geen direct voordeel biedt ten opzichte van een reeds bestaand alternatief (Venkatesh, et al., 2003). Dit bestaande alternatief van een app is in dit geval een website. Het is mogelijk dat de diensten van een webwinkel niet versterkt worden door de twee unieke kenmerken van een app waardoor de app geen toegevoegde waarde biedt ten opzichte van een website. Vervolgonderzoek naar deze kenmerken van apps ten opzichte van websites kan dit inzichtelijk maken. De visuele eigenschappen van de mobiele gebruikersomgeving zijn in dit onderzoek niet aan bod gekomen. Er is bij het ontwerpen van de schetsen gebruik gemaakt van de sjablonen die het software programma aanbiedt. Er is niet specifiek rekening houden met de algemene ontwerprichtlijnen voor de (mobiele) gebruikersomgeving (Nielsen, 1994; Zhang & Adipat, 2005). Gebruiksgemak blijkt in dit onderzoek geen voorspeller van gebruiksintentie te zijn terwijl overige onderzoeken hier wel bewijs voor vinden (e.g., Zhou, 2008; Zhou, et al., 2010). Door de invloed van de verschillende eigenschappen van een gebruikersomgeving onder de loep te nemen kan een eventuele ontevredenheid over de gebruikersomgeving worden verklaard. Tot slot heeft het onderzoek zich gericht op de gebruiksintentie van een merk gerelateerde app en niet op de gebruikersretentie van een dergelijke app. De theorie stelt dat de fundamentele eigenschappen de ontevredenheid van een gebruiker wegnemen waardoor de loyaliteit ten opzichte van het product en het bedrijf vergroot (Matzler & Hinterhuber, 1998; Witell & Löfgren, 2007). Vervolgonderzoek zal echter moeten uitwijzen of dit daadwerkelijk het geval is. Door in een studie een app te vergelijken waarin de gevonden fundamentele eigenschappen aanwezig zijn met een

55

app waarin deze eigenschappen niet aanwezig zijn kan worden getoetst of de gebruikersretentie hetzelfde blijft.

6.5. Limitaties Een eerste limitatie van deze studie is de ongelijke verdeling tussen mannen en vrouwen die hebben deelgenomen aan de onderzoeken. In het tweede onderzoek is de verdeling tussen mannen en vrouwen respectievelijk 75.6% en 24.6%. In het derde onderzoek is deze verdeling tussen mannen en vrouwen respectievelijk 78.9% en 21.1%. Aangezien relatief weinig vrouwen hebben deelgenomen aan het onderzoek kan er een vertekend beeld kan optreden bij de resultaten waardoor ze niet te generaliseren zijn. Ten tweede is de respondenten via internet gevraagd de vragenlijsten in te vullen op basis van zelfreflectie. Hoewel deze methode het bereik van de populatie kan vergroten heeft deze manier van afname een negatieve invloed op de kwaliteit van de data ('t Hart, et al., 2005). De gevonden resultaten zijn niet te generaliseren naar gebieden buiten het onderzochte domein aangezien het onderzoek praktijkgericht wetenschappelijk is ('t Hart, et al., 2005). De uitkomsten zijn hierdoor niet toe te passen op andere domeinen wat het nut van dit onderzoek beperkt. De gebruikte methode kan daarentegen wel worden toegepast buiten het onderzochte domein.

56

Literatuur 't Hart, H., Boeije, H., & Hox, J. (2005). Onderzoeksmethoden. Utrecht: Boom Onderwijs. ABIresearch. (2011). Mobile Applications Downloads Approached Eight Billion in 2010. ABIresearch - Technology Market Intelligence. Retrieved from http://www.abiresearch.com/press/3634Mobile+Applications+Downloads+Approached+Eight+Billion+in+2010 AbuShanab, E., & Pearson, J. M. (2007). Internet banking in Jordan: The unified theory of acceptance and use of technology (UTAUT) perspective. Journal of Systems and Information Technology, 9(1), 78 - 97. Ajzen, I. (1991). The Theory of Planned Behavior. Organizational Behavior and Human Decision Processes, 50(2), 179-211. Ballagas, R., Borchers, J., Rohs, M., & Sheridan, J. G. (2006). The smart phone: a ubiquitous input device. Pervasive Computing, IEEE, 5(1), 70-77. Bandura, A. (1986). Social Foundations of Thought and Action: A Social Cognitive Theory. Englewood Cliffs, NJ: Prentice Hall. Berg, B. L. (2008). Qualitative Research Methods for the Social Sciences. California State University, Long Beach: Pearson. Cadotte, E. R., & Turgeon, N. (1988). Dissatisfiers and Satisfiers: Suggestions from Consumer Complaints and Compliments. Journal of Consumer Satisfaction, Dissatisfaction, and Complaining Behavior, 1, 74-79. Carlsson, C., Carlsson, J., Hyvönen, K., Puhakainen, J., & Walden, P. (2006). Adoption of Mobile Devices/Services – Searching for Answers with the UTAUT. Paper presented at the Proceedings of the 39th Hawaii International Conference on System Sciences. Chiou, W.-C., Lin, C.-C., & Perng, C. (2010). A strategic framework for website evaluation based on a review of the literature from 1995–2006. Information & Management, 47, 282-290. Coyette, A., Kieffer, S., & Vanderdonckt, J. (2007). Multi-fidelity Prototyping of User Interfaces. In C. Baranauskas, P. Palanque, J. Abascal & S. Barbosa (Eds.), Human-Computer Interaction – INTERACT 2007 (Vol. 4662, pp. 150-164): Springer Berlin / Heidelberg.

57

Davis, F., D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. M IS Quarterly, 13(3), 319-339. Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1992). Extrinsic and Intrinsic Motivation to Use Computers in the Workplace. Journal of Applied Social Psychology, 22(14), 1111-1132. Deloitte. (2011). Killer apps? Appearance isn't everything. Londen: Deloitte MCS Limited. Dulle, F., W., & Minishi-Majanja, M. K. (2011). The suitability of the Unified Theory of Acceptance and Use of Technology (UTAUT) model in open access adoption studies. Information Development, 27(1), 32-45. Fishbein, M., & Ajzen, I. (1975). Belief, Attitude, Intention and Behavior: An Introduction to Theory and Research. Reading, MA: Addison-Wesley. Friman, M., Bo, E., & Gärling, T. (2001). Frequency of negative critical incidents and satisfaction with public transport services. Journal of Retailing and Consumer Services, 8(2), 95-104. Gartner (Producer). (2010). Forecast: Mobile Application Stores, Worldwide, 20082014. Gartner Newsroom. Retrieved from http://www.gartner.com/it/page.jsp?id=1529214 Giese, J. L., & Cote, J. A. (2000). Defining consumer satisfaction. Retrieved from http://www.amsreview.org/articles/giese01-2000.pdf Herzberg, F., Mausner, B., & Snyderman, B. B. (1959). The motivation to work. New York: Wiley. Huizingh, E., K., R., E. (2000). The content and design of web sites: an empirical study. Information & Management, 37, 123-134. Internet, P. (2010). The Rise of Apps Culture. Pew Internet. Retrieved from http://pewinternet.org/Reports/2010/The-Rise-of-Apps-Culture.aspx Kano, N. (2001). Life cycle and creation of attractive quality. Paper presented at the Proceedings of the 4th QMOD Conference, Linköping, Sweden. Kano, N., Seraku, N., Takahashi, F., & Tsuji, S. (1984). Attractive quality and must be quality. Journal of the Japanese Society for Quality Control, 14(2), 147-156. Liao, C., To, P.-L., & Shih, M.-L. (2006). Website practices: A comparison between the top 1000 companies in the US and Taiwan. International Journal of Information Management, 26, 196-211.

58

Localytics. (2011). 26% of Mobile Application Users are Fickle — or Loyal. Localytics. Retrieved from http://www.localytics.com/blog/2011/26percent-of-mobileapp-users-are-either-fickle-or-loyal/ Lombard, M., Snyder-Duch, J., & Bracken, C. C. (2002). Content analysis in mass communication: Assessment and reporting of intercoder reliability. Human Communication Research, 28, 587-604. Maddox, N. R. (1981). Two Factor Theory and Consumer Satisfaction: Replication and Extension. Journal of Consumer Research, 8(1), 97-102. Mano, H., & Oliver, R., L. (1993). Assessing the Dimensionality and Structure of the Consumption Experience: Evaluation, Feeling, and Satisfaction. Journal of Consumer Research, 20(3), 451-466. Matzler, K., & Hinterhuber, H., H. (1998). How to make product development projects more succesful by integrating Kano's model of customer satisfacion into quality function deployment. Technovation, 18(1), 25-38. Matzler, K., & Renzl, B. (2007). Assessing asymmetric effects in the formation of employee satisfaction. Tourism Management, 28, 1093-1103. Min, S. H., Kim, H. Y., Kwon, Y. J., & Sohn, S. Y. (2011). Conjoint analysis for improving the e-book reader in the Korean market. Expert Systems with Applications, 38, 12923-12929. Mittal, V., Kumar, P., & Tsiros, M. (1999). Attribute-level performance, satisfaction, and behavioral intentions over time: A consumption-system approach. Journal of Marketing, 63(2), 88-101. Newhagen, J. E., & Rafaeli, S. (1996). Why communication researchers should study the Internet: A dialogue. Journal of Computer Mediated Communication, 1(4), 0. Nielsen, J. (1994). Heuristic evaluation Usability Inspection Methods. New York, NY: John Wiley & Sons. Palmer, J., W. (2002). Web Site Usability, Design, and Performance Metrics. Information Systems Research, 13(2), 151-167. Palmer, J., W., & Griffith, D., A. (1998). An emerging model of Web site design for Marketing. Communications of the ACM, 41(3), 44-51. Park, C., & Lee, T., Min. (2009). Information direction, website reputation and eWOM effect: A moderating role of product type. Journal of Business Research, 62, 61-67. 59

Park, D.-H., & Lee, J. (2008). eWOM overload and its effect on consumer behavioral intention depending on consumer involvement. Electronic Commerce Research and Applications, 7, 386-398. Pollack, B., Leisen. (2007). The nature of the service quality and satisfaction relationship: Empirical evidence for the existence of satisfiers and dissatisfiers. Managing Service Quality, 18(6), 537-558. Potter, W. J., & Levine-Donnerstein, D. (1999). Rethinking validity and reliability in content analysis. Journal of Applied Communication Research, 27(3), 258284. Robbins, S., S., & Stylianou, A., C. (2003). Global corporate web sites: an empirical investigation of content and design. Information & Management, 40, 205-212. Rogers, E. (1995). Diffusion of Innovations. New York: Free Press. Sauerwein, E. (1999). Experiences with the reliability and validity of the Kanomethod: comparison to alternate forms of classification of product requirements. Paper presented at the The eleventh symposium on quality function deployment. Shin, D.-H. (2009). Towards an understanding of the consumer acceptance of mobile wallet. Computers in Human Behavior, 25, 1343-1354. Swan, J. E., & Combs, L. J. (1976). Product performance and consumer satisfaction: A new concept. The Journal of Marketing, 40(2), 25-33. Taylor, S., & Todd, P. A. (1995). Understanding Information Technology Usage: A Test of Competing Models. Information Systems Research, 6(4), 144-176. Thompson, R. L., Higgins, C. A., & Howell, J. M. (1994). Personal Computing: Toward a Conceptual Model of Utilization. M IS Quarterly, 15(1), 124-143. Vargo, S., L., Nagao, K., He, Y., & Morgan, F., W. (2007). Satisfiers, Dissatisfiers, Criticals, and Neutrals: A Review of Their Relative Effects on Customer (Dis)Satisfaction. Academy of marketing science review, 11(2), 1-19. Venkatesh, V., Morris, M., G., Davis, G., B., & Davis, F., D. (2003). User Acceptance of Information Technology: Toward a Unified View. MIS Quarterly, 27(3), 425-478. Verkasalo, H. (2009). Handset-based analysis of mobile service usage. Helsinki: Department of Communications and Networking, Helsinki University of Technology.

60

Verkasalo, H., López-Nicolás, C., Molina-Castillo, F., J, & Bouwman, H. (2010). Analysis of users and non-users of smartphone applications. Telematics and Informatics, 27, 242-255. Walden, D. (1993). Kanoʼs methods for understanding customer-defined quality. The Center for Quality of Management Journal, 2(4), 3-36. West, J., & Mace, M. (2010). Browsing as the killer app: Explaining the rapid success of Apple‘s iPhone. Telecommunications Policy, 34, 270-286. Witell, L., & Löfgren, M. (2007). Classification of quality attributes. Managing Service Quality, 17(1), 54-73. Zhang, D., & Adipat, B. (2005). Challenges, Methodologies, and Issues in the Usability Testing of Mobile Applications. International Journal of HumanComputer Interaction, 18(3), 293-308. Zhang, J., Q., Craciun, G., & Shin, D. (2010). When does electronic word-of-mouth matter? A study of consumer product reviews. Journal of Business Research, 63(12), 1336-1341. Zhang, P., & Von Dran, G. M. (2000). Satisfiers and dissatisfiers: a two-factor model for website design and evaluation. Journal of the American Society for Information Science, 51(14), 1253-1268. Zhang, P., & Von Dran, G. M. (2002). User Expectations and Rankings of Quality Factors in Different Web Site Domains. International Journal of Electronic Commerce, 6(2), 9-33. Zhao, M., & Dholakia, R. R. (2009). A multi-attribute model of web site interactivity and customer satisfaction: An application of the Kano model. Managing Service Quality, 19(3), 286-307. Zhou, T. (2008). Exploring Mobile User Acceptance Based on UTAUT and Contextual Offering. Paper presented at the International Symposium on Electronic Commerce and Security. Zhou, T., Lu, Y., & Wang, B. (2010). Integrating TTF and UTAUT to explain mobile banking user adoption. Computers in Human Behavior, 26, 760-767.

61

Bijlage A Omgeving waarin vragenlijst is afgenomen

62

Bijlage B Onderzoek aan de hand van het Kano model

Inleiding Het onderzoek wordt uitgevoerd met behulp van een lijst met vragen over potentiële eigenschappen van een mobiele app van [naam bedrijf]. Er zullen vragen worden gesteld over uw gevoel met betrekking tot bepaalde eigenschappen die deze mobiele app kan hebben. Tevens zullen er vragen worden gesteld over uw gevoel met betrekking tot diezelfde eigenschappen indien ze ontbreken. Per vraag kunt u 1 van de 5 antwoordmogelijkheden kiezen. Kies bij elke vraag de antwoordmogelijkheid die het eerste in u opkomt. Er zullen in totaal 18 vragen over de aanwezigheid van eigenschappen en 18 vragen over de afwezigheid van eigenschappen worden gesteld. Deze vragen zijn verdeeld over 4 secties. Door antwoorden van veel verschillende gebruikers te verzamelen kunnen we gedetailleerde informatie afleiden om zo een optimale mobiele app te kunnen ontwikkelen.

Deel 1/4: Aanwezige eigenschappen [naam bedrijf] kan bepaalde eigenschappen gebruiken in haar mobiele app. Door middel van de volgende vragen kunt u aangeven in hoeverre u deze eigenschappen wenst. Selecteer het antwoord wat voor u het beste overeenkomt met uw gevoel. Laat uzelf niet afleiden door antwoorden die niet van toepassing zijn, kies simpelweg voor het antwoord dat u het meest geschikt lijkt. Antwoordmogelijkheden: 1. Dat zou ik een pluspunt vinden 2. Dat hoort zo te zijn 3. Neutraal 4. Dat is ongewenst maar kan er wel mee leven 5. Dat zou ik een minpunt vinden

(route)informatie kan weergeven waar u producten en/of diensten van Vodafone kunt verkrijgen? [antwoord] aanbiedingen of kortingsacties kan laten zien van diensten en/of producten van [naam bedrijf]? 63

[antwoord] regelmatig een software update krijgt? [antwoord] de mogelijkheid biedt om uw persoonlijke gegevens of uw gebruiksgegevens van uw abonnement/belbundel te kunnen beheren? [antwoord] spelelementen of overige vormen van vermaak, zoals de mogelijkheid tot het afspelen van muziek of video’s, bevat? [antwoord] de mogelijkheid biedt om producten en/of diensten van [naam bedrijf] direct te kunnen bestellen? [antwoord] een handleiding of helpfunctie bevat? [antwoord] gedetailleerde informatie bevat over de producten en/of diensten die [naam bedrijf] aanbiedt? [antwoord] te personaliseren is, bijvoorbeeld door de mogelijkheid om het uiterlijk aan te kunnen passen? [antwoord]

Deel 2/4: Ontbrekende eigenschappen Geef aan wat uw gevoel over een eigenschap zou zijn als ze in de mobiele app van [naam bedrijf] zouden ontbreken. geen (route)informatie kan weergeven waar u producten en/of diensten van Vodafone kunt verkrijgen? [antwoord] geen aanbiedingen of kortingsacties kan laten zien van diensten en/of producten van [naam bedrijf]? [antwoord] niet regelmatig een software update krijgt? 64

[antwoord] niet de mogelijkheid biedt om uw persoonlijke gegevens of uw gebruiksgegevens van uw abonnement/belbundel te kunnen beheren? [antwoord] geen spelelementen of overige vormen van vermaak, zoals de mogelijkheid tot het afspelen van muziek of video’s, bevat? [antwoord] niet de mogelijkheid biedt om producten en/of diensten van [naam bedrijf] direct te kunnen bestellen? [antwoord] geen handleiding of helpfunctie bevat? [antwoord] geen gedetailleerde informatie bevat over de producten en/of diensten die [naam bedrijf] aanbiedt? [antwoord] niet te personaliseren is? [antwoord]

Deel 3/4: Aanwezige eigenschappen Geef aan wat uw gevoel over een eigenschap zou zijn als ze in de mobiele app van [naam bedrijf] aanwezig zouden zijn. de mogelijkheid biedt om informatie te delen via een sociaal netwerk zoals Hyves of Facebook? [antwoord] de mogelijkheid biedt om feedback te geven over de werking van de app, bijvoorbeeld als u denkt dat er iets verbeterd kan worden? [antwoord] van de nieuwste technologische kenmerken van een smartphone gebruik kan maken, zoals GPS of de camera? [antwoord]

65

de laatste nieuwtjes kan weergeven met betrekking tot de producten en/of diensten die Vodafone aanbiedt? [antwoord] een zoekfunctie heeft? [antwoord] visueel aantrekkelijk is? [antwoord] een duidelijke navigatiestructuur heeft zodat u altijd weet waar u zich bevindt in de app? [antwoord] duidelijk aangeeft hoe de app omgaat met uw gegevens? [antwoord] gratis is om te downloaden?

Deel 4/4: Ontbrekende eigenschappen Geef aan wat uw gevoel over een eigenschap zou zijn als ze in de mobiele app van [naam bedrijf] zouden ontbreken. geen mogelijkheid biedt om informatie te delen via een sociaal netwerk zoals Hyves of Facebook? [antwoord] geen mogelijkheid biedt om feedback te geven over de werking van de app? [antwoord] geen gebruik kan maken van de nieuwste technologische kenmerken van een smartphone, zoals GPS of de camera? [antwoord] geen laatste nieuwtjes kan weergeven met betrekking tot de producten en/of diensten die Vodafone aanbiedt? [antwoord] geen zoekfunctie heeft? [antwoord] 66

visueel niet aantrekkelijk is? [antwoord] geen duidelijke navigatiestructuur heeft? [antwoord] niet duidelijk aangeeft hoe de app omgaat met uw gegevens? [antwoord] niet gratis is om te downloaden? [antwoord]

Uw ervaring Tot slot zouden we graag wat over uzelf en over uw ervaring met smartphones en mobiele apps willen weten: Wat is uw geslacht? Man Vrouw Wat is uw leeftijd? [antwoord] In hoeverre vindt u zichzelf een ervaren gebruiker van mobiele apps? Niet ervaren

1

2

3

4

5

Zeer ervaren

Bent u zelf in het bezit van een smartphone, zo ja, welk type? Nee, ik ben niet in het bezit van een smartphone. Ja, ik ben in het bezit van een iPhone. Ja, ik ben in het bezit van een Android smartphone. Ja, ik ben in het bezit van een BlackBerry. Ja, ik ben in het bezit van een smartphone. Deze valt echter niet onder de bovengenoemde typen. Ik weet niet of ik in het bezit ben van een smartphone / Ik weet niet welk type smartphone ik heb. Indien u reeds van mobiele apps gebruik maakt, waar gebruikt u ze dan voornamelijk voor? Ik maak (nog) geen gebruik van mobiele apps Voornamelijk doelmatig (bv. voor het beheren van mijn agenda) Voornamelijk voor mijn plezier 67

Doelmatig en voor mijn plezier Weet niet

Feedback Heeft u eventueel nog verdere op– of aanmerkingen over de mobiele app van [naam bedrijf]? [antwoord]

68

Bijlage C Set schetsen met eigenschappen telecomprovider

Set schetsen met eigenschappen webwinkel

69

Bijlage D Onderzoek naar gebruiksintentie In dit onderzoek gaat u de functionaliteit van een mobiele app van [type bedrijf] beoordelen. Een mobiele app is een softwareprogramma dat speciaal is ontwikkeld voor gebruik op een smartphone. Met deze app kunt u [afhankelijk type conditie] Uw [type bedrijf] wil de app ontwikkelen zodat men niet de website hoeft te bezoeken om [afhankelijk type conditie] Op basis van een eerder klantenonderzoek heeft [type bedrijf] schetsen ontworpen van de beoogde mobiele app. U krijgt in dit onderzoek twee schetsen van het prototype te zien. Het onderzoek zal een kleine 5 minuten van uw tijd in beslag nemen. Het onderzoek is volledig anoniem. Hartelijk dank voor uw deelname! [volgende pagina‘s gerelateerd aan condities 1 en 3 of condities 2 of 4] Condities 1 en 3 In de onderstaande schets ziet u het venster shop, bestaande uit de tabbladen abonnementen, telefoons en nieuw. In het openstaande tabblad telefoons kan het huidige aanbod van mobiele telefoons van uw telecomprovider worden bekeken. Er kan gedetailleerde informatie over de toestellen worden opgevraagd door op de knop onder info te drukken. In het venster abonnementen is het huidige aanbod van alle abonnementen te zien. In het venster nieuw zijn de nieuwste aanbiedingen van telefoons én abonnementen te zien. [schets horende bij conditie] [volgende pagina] In de onderstaande schets ziet u het venster instellingen. Hier wordt algemene informatie over de werking van de app getoond. Tevens kan er via dit venster contact worden gezocht met het bedrijf. [schets horende bij conditie] [volgende pagina] Condities 2 en 4 70

In de onderstaande schets ziet u het venster beheer, bestaande uit de tabbladen status en persoonlijk. In het huidige tabblad persoonlijk kunnen persoonlijke gegevens en voorkeuren worden beheerd. In het venster status valt o.a. de status van een geplaatste bestelling te zien. [schets horende bij conditie] [volgende pagina] In de onderstaande schets ziet u het venster instellingen. Er kan bijvoorbeeld worden ingesteld of er een melding moet worden gegeven bij een verandering in de status van de geplaatste bestelling. Tevens wordt algemene informatie over de werking van de app verstrekt. Tot slot kan er via dit venster contact worden gezocht met het bedrijf. [schets horende bij conditie] [volgende pagina zelfde voor beide condities] Hier ziet u nogmaals de twee eerder getoonde schetsen. Onderstaande vragen en stellingen hebben betrekking op de werking van de gehele app. [schetsen horende bij conditie] Heeft u wel eens een app geïnstalleerd op een smartphone? Ja

Nee

[condities 1, 3 en 4] Heeft u wel eens een telefoon gekocht of abonnement afgesloten via een webwinkel? Ja

Nee

De volgende stellingen hebben betrekking op uw verwachtingen ten opzichte van de functionaliteit van de app. Beoordeel de onderstaande stellingen aan de hand van de volgende schaal (1 = helemaal mee oneens, 7 = helemaal mee eens). Het bezoeken van [afhankelijk conditie] is erg nuttig. Ik kan sneller [afhankelijk conditie] bezoeken met behulp van deze app dan via hun website. Met deze app kan ik gemakkelijker [afhankelijk conditie] dan via hun website.

71

Ik denk niet dat het handiger is om via deze app [afhankelijk conditie] in vergelijking met hun website. Het zal me weinig moeite kosten om de werking van deze app onder de knie te krijgen. Ik denk dat het me makkelijk afgaat om met deze app de webshop te bezoeken. De bediening van deze app lijkt me ingewikkeld. Ik zou deze app kunnen gebruiken zonder dat iemand mij daarbij hoeft te helpen. Ik voorspel dat ik deze app in de toekomst ga gebruiken. Ik denk dat ik deze app zal aanraden bij anderen. Ik ben van plan om deze app in de toekomst te gaan gebruiken. De volgende stellingen hebben betrekking op de App Store waarmee apps kunnen worden gevonden en geïnstalleerd. Beoordeel de onderstaande stellingen aan de hand van de volgende schaal (1 = helemaal mee oneens, 7 = helemaal mee eens). Deze app zal kwalitatief goed zijn als hij een hoge gebruikerswaardering heeft. Als deze app in de top 10 van de App Store staat zal hij daar thuishoren. Ik zal eerst de gebruikersreviews lezen van deze app voordat ik hem zal installeren. Als deze app een lage gebruikerswaardering heeft zal hij niet nuttig zijn. Tot slot willen we graag nog wat over uzelf weten: Wat is uw geslacht? Man Vrouw Wat is uw leeftijd? [antwoord] In hoeverre vindt u zichzelf ervaren met mobiele apps? zeer onervaren

1

2

3

4

5

ervaren

Hartelijk dank voor uw deelname! Share deze survey op Facebook of op Twitter en help me mee om het aantal respondenten te verhogen!

72