UNIVERSITEIT GENT FACULTEIT POLITIEKE EN SOCIALE WETENSCHAPPEN
Kinderen en merken: Vanaf welke leeftijd ontwikkelt “brand awareness” zich als keuzeheuristiek?
Wetenschappelijk artikel
aantal woorden: 9941
Baken Barbara
MASTERPROEF COMMUNICATIEWETENSCHAPPEN afstudeerrichting COMMUNICATIEMANAGEMENT
PROMOTOR: (PROF.) DR. Vyncke COMMISSARIS: (PROF.) DR. Vanwynsberghe ACADEMIEJAAR 2012 – 2013
-1-
Inhoudsopgave
Dankwoord
4
Abstract
5
1
Probleemstelling
6
2
Literatuurstudie
7- 23
2.1. Kinderen als consument
7
2.1.1. De ontwikkeling van kinderen tot consument
7
2.1.2. Kinderen als doelgroep van de marketeers
8
2.2. “Advertising literacy”
9
2.2.1. Wat is “advertising literacy”?
9
2.2.2. De ontwikkeling van “advertising literacy”
9
2.2.3. Het belang van “advertising literacy”
10
2.3. “Dual process theories” en heuristieken
10
2.3.1. De impact van “dual process theories”
10
2.3.2. Het “Elaboration Likelihood Model”
11
2.3.3. De “Two Systems theory” van Kahneman
12
2.3.4. De heuristieken van Systeem 1
12
2.4. Merken als heuristieken
13
2.4.1. “Brand awareness” als heuristiek
13
2.4.2. “Top of mind awareness” bij het aankopen
13
2.4.3. Merknamen als “recognition heuristic”
14
2.4.4. Kritiek op de “recognition heuristic”
15
2.5. Heuristieken vs. Attitudes
15
2.5.1. De rol van impliciete attitudes
15
op ons consumentengedrag 2.5.2. De link tussen heuristieken en impliciete attitudes
16
2.5.3. De invloed van tijdsdruk op onze attitudes
16
2.5.4. Aanpassing van het reclamebeleid
17
-2-
2.6. “Brand awareness” en de ontwikkeling van het kind
18
2.6.1. Vroeger: de fases van Piaget
18
2.6.2. Nu: “theory of mind” & “executive functioning”
19
2.7. “Brand awareness” en de betekenis van merken voor kinderen
20
2.7.1. “ Brand recognition” vs. “Brand recall”
20
2.7.2. “Brand awareness” en geslacht
21
2.7.3. Merkvoorkeur
21
2.7.4. Merkevaluaties en betekenis
21
2.8. Conclusie
23
- research questions
3
Methodologie
24-30
3.1.Onderzoeksmethode
24
3.2. Materiaal
24 3.2.1. PowerPoint presentatie 3.2.2. Pretest
3.3.Procedure
28
3.4. Verwerking
30
3.5. Respondenten
30
4
Resultaten
31-43
5
Discussie
44-47
6
Bibliografie
48-57
7
Bijlagen
58-einde
7.1. SPSS tabellen
58-105
7.2. Pretest resultaten tabel
106-107
7.3. Antwoordformulier & Powerpoint presentatie
108-einde
-3-
Dankwoord
Zonder de medewerking van de directie, leerkrachten en leerlingen van Leefschool De Vlieger Oostende, Vrije Basisschool Sint-Rembert Wijnendale, Sint-Godelievecollege Gistel en Gemeentelijke Basisschool ’t Mozaïek Eernegem had ik dit experiment nooit kunnen uitvoeren. Daarom wil ik graag eerst en vooral deze scholen bedanken voor hun tijd en inspanning. De interactie met de klassen was zeker en vast het hoogtepunt van mijn onderzoek.
Ook had ik deze paper niet kunnen schrijven zonder de raad van mijn promotor Prof. Dr. Patrick Vyncke, die me meermaals hielp mijn eigen werk kritisch en vanuit een ander perspectief te bekijken.
Ten slotte wil ik ook graag Eveline Vincke bedanken voor de motivatie en haar grote geduld bij het beantwoorden van mijn vragen.
-4-
Abstract
Nowadays children are increasingly becoming the target audience of many brands and their marketeers. They are surrounded by all kinds of marketing and because of the covert nature of the new techniques, children are often influenced without even realizing it. These developments should make policy makers rethink the advertising regulation. Several authors argue that once children have developed “advertising literacy” they are protected from the effects of advertising, but experiments show that in a consumer context our rational knowledge about the aims of advertising often isn’t implemented. This can be explained by the dual process theories and more particularly the use of heuristics. In situations with limited time or capacity to think we will use “mental shortcuts” to help us make decisions and satisfy our need for cognitive ease. When shopping, “brand awareness” is the most popular application of the “recognition heuristic”. The aim of this paper was to investigate starting from what age brand awareness develops to a heuristic in a consumer context. We conducted a PowerPoint experiment in 4 schools with a total of 252 respondents between the age of 7 and 14. The pupils were asked make a choice, under time pressure, between a known and less-known brand for 20 products, based on 2 very similar photos and 2 logos per slide. The results show that in general there is a preference for the well-known brands. For most products there is a strong relation between age and the use of brand awareness as heuristics. The most noticeable trends is the strong development of brand awareness between the age of 9 and 12. The impact of gender is limited to a few specific products. Further research, including a few of extra variables such as peer influence, media-usage and cognitive development,… is definitely recommended.
295 words
-5-
1.Probleemstelling
Zowel in het academisch als in het politiek veld wordt er steeds vaker de vraag gesteld hoe de consument zijn weg kan vinden in het overaanbod van producten en de daarbij horende persuasieve informatie. Al van kinds af aan worden we omringd door allerlei marketing-acties, van traditionele reclame tot gesponsorde evenementen en advergames. Beleidsmakers gaan er van uit dat vanaf het moment we begrip hebben van de doelstellingen van marketeers, we ook beschermd zijn tegen de grote invloed ervan. Maar steeds meer onderzoeken tonen aan dat dit uitgangspunt niet klopt. De kloof tussen onze rationele kennis over reclame en de toepassing ervan, is mogelijk te verklaren door de verschillende “dual process theories”. Petty en Cacioppo (1986) bijvoorbeeld gaan er in hun Elaboration Likelihood Model van uit dat de verwerking van persuasieve informatie een duaal proces is. Wanneer de consument de informatie uit de reclame zonder meer aanvaardt of zich bij zijn keuze baseert op heuristieken, dan volgt hij onbewust de “peripheral route”. Heuristieken worden door Gigerenzer en Todd gedefinieerd als efficiënte vereenvoudigingsmechanismen met een sterk selectief karakter, waardoor de consument met weinig informatie een beslissing kan maken (1999). Een van de meest gebruikte heuristieken bij het winkelen is “brand awareness”. Dit is een toepassing van de ruimere “recognition heuristic” : het bekende is het meest waard (Gigerenzer, 2007, p.112-113) Oxoby en Finnigan spreken zelfs van “blocking”: het onbewust negeren van relevante informatie over het product door een te hoge focus op het merk (2007). Natuurlijk spelen de marketeers in op onze manier van denken door vooral aandacht te geven aan het merk en zijn herkenbaarheid. Door enkele sociaaleconomische veranderingen zijn ook kinderen steeds meer het doelpubliek van deze “brandawareness” verhogende advertenties (Moore & Rideout, 2007, p. 202). Hoewel het reeds bekend is dat kinderen al op zeer jonge leeftijd bepaalde merken herkennen (Achenreiner & John, 2003, p. 206) en er ook al vanaf 8 jaar sprake is van “advertising literacy” (Livingstone & Helsper, 2006, p. 562), is er weinig kennis over de leeftijd waarop “brand awareness” zich echt ontwikkeld en, al dan niet bewust, een invloed heeft op de consumentenbeslissingen. Het doel van deze paper is om meer inzicht te krijgen in de ontwikkeling van “brand awareness” als keuzeheuristiek om zo te kunnen bijdragen tot een verbetering van het marketing bewustzijn bij kinderen en het reclamebeleid.
-6-
2. Literatuurstudie
2.1. Kinderen als consument Tien jaar geleden publiceerde Dewitte (2003) al een artikel getiteld “Nadenken heeft een prijs. Hoe efficiënt springen consumenten om met hun schaarse mentale bronnen?” Hij vroeg zich af hoe de consument zich kan redden in het overaanbod van informatie. Er bestaat geen twijfel over dat er ondertussen nog meer commerciële informatie op ons afgevuurd wordt. Ook jonge kinderen worden al dagelijks onderworpen aan vele persuasieve boodschappen en een overweldigende keuze aan producten (O’Barr, 2008; Cook, 2004; Buckingham, 2007). Toch denken we vooral aan de beslissingen en aankopen van volwassenen, wanneer we het hebben over consumentengedrag. Nochtans zijn kinderen in onze huidige maatschappij ook al op jonge leeftijd consument (Mc Neal, 1992).
2.1.1. De ontwikkeling van kinderen tot consument Naar de ontwikkeling van een kind tot consument wordt vaak verwezen als de “consumer socialization”. Het is een bijna moeiteloos proces waarbij kinderen de vaardigheden, kennis en attitudes ontwikkelen, om te kunnen functioneren als een consument (Ward, 1974). Mowen en Minor (1998) beschrijven een consument als iemand die in staat is om behoeften en voorkeuren te voelen, zoekt om deze te vervullen, keuzes maakt, aankopen doet en producten en hun alternatieven evalueert. Op basis van deze definitie hebben Cantor en Valkenburg (2001)
de ontwikkeling van
consumentengedrag opgedeeld in 4 fases.
Tussen de leeftijd van 0 tot 2 jaar, kunnen peuters al voorkeuren uitdrukken in verband met wat ze willen eten, dragen of mee spelen. Bij het bekijken van reclame en bij het winkelen zijn ze vooral gevoelig voor visuele en auditieve stimuli (Bartsch & Wellman, 1995). Hun gedrag is hoofdzakelijk reactief en niet-intentioneel. In de tweede fase, van 2 tot 5 jaar, beginnen kleuters al te zeuren over het krijgen van bepaalde producten. Ze hebben weinig oog voor kwaliteit of details (Cantor & Valkenburg, 2001, p. 65), maar hebben het toch erg moeilijk om de in hun ogen aantrekkelijke producten te weerstaan. Hierdoor komen ze vaak in conflict met hun ouders. Vanaf gemiddeld 5 jaar beginnen kinderen met het doen van eigen aankopen, alleen of in het bijzijn van hun ouders. Tussen 8
-7-
en 12 jaar bereiken ze de fase waarin ze producten en productinformatie kritisch kunnen evalueren. De vraag naar geadverteerde producten vermindert, maar ze hechten grote waarde aan de meningen van hun “peers” (Cantor & Valkenburg, 2001, p. 68). Algemeen beschouwd, voldoen kinderen vanaf 12 jaar aan de basisbeginselen van consumentengedrag (Cantor & Valkenburg, 2001, p. 69).
2.1.2. Kinderen als doelgroep van de marketeers
Als het gevolg van sociale en sociaaleconomische veranderingen, zowel in de maatschappij als binnen het individuele gezin, zijn kinderen nog nooit zo geëmancipeerd, welbespraakt en “market-mature” geweest als vandaag (Furnham & Gunter, 1998; Cantor & Valkenburg, 2001, p. 62). Ook de merken en hun marketeers hebben dit opgemerkt. Enkele concrete tendensen hebben de interesse van adverteerders voor deze doelgroep opvallend doen stijgen (Calvert, 2008, p. 205).
Ten eerste is de koopkracht van kinderen en jongeren de voorbije jaren exponentieel gestegen (Gootman, Mc Ginnis & Kraak, 2006; Marshall, 2010). Ze hebben een groter budget om zelf uit te geven en een groeiende invloed op de aankooppatronen van hun ouders (Kunkel, 2004; Calvert, 2008, p. 205).
Ten tweede wordt het, dankzij internet en niche tv-zenders, steeds makkelijker om met aangepaste boodschappen de jeugd rechtstreeks te bereiken. Vooral de meer recente “stealth marketing” technieken zijn uiterst geschikt om in te spelen op het mediagebruik van een gefragmenteerd publiek (Kaikati & Kaitkati, 2004, p. 6-8). Verschillende onderzoeken hebben al aangetoond dat kinderen door hun hoger gebruik van nieuwe media en hun beperktere kennis over marketing kwetsbaarder zijn voor geïntegreerde vormen van reclame waarbij de lijn tussen entertainment en reclame zeer vaag is (Cauberghe, Panic, De Pelsmacker & Destoop, 2012; Lye, Swanepoel & Rugimbana, 2009; Moore, 2004, p. 163). Vooral advergames zijn erg misleidend (Choi, Cole, Lee & Taylor, 2009).
Een andere reden voor de grote aandacht voor kinderen, is dat ze beschouwd worden als de markt van de toekomst. Marketeers willen al op jonge leeftijd merktrouw creëren (Moore, Lutz & Wilke, 2002; Lindstrom & Seybold, 2004).
-8-
2.2. “Advertising literacy” bij kinderen 2.2.1. Wat is “advertising literacy”?
Omdat kinderen steeds jonger de doelgroep worden van marketeers rijzen er ook steeds meer vragen naar de ethische aanvaardbaarheid van verschillende reclame praktijken. De mate van regulering die toegepast moet worden door de overheden blijft een actueel vraagstuk. De voorbije jaren heeft men, zowel in het academisch als in het politiek veld, vooral gefocust op het niveau van “advertising literacy” van de kinderen (Nairn & Fine, 2008, p. 447). “Advertising literacy” heeft verschillende dimensies, maar in deze paper beschouwen we het als: de vaardigheid in het herkennen, analyseren en evalueren van persuasieve boodschappen in verschillende contexten en media, met als doel een kritischere houding tegenover reclame (O’Donohoe & Tynan, 1998; Livingstone & Helsper, 2006; Young, 2003). 2.2.2. De ontwikkeling van “advertising literacy”
Jammer genoeg werden de meeste onderzoeken naar de kennis van kinderen over reclame uitgevoerd in de jaren ’70, ’80 en ’90. Butter, Popovich, Stackhouse en Garner (1981, p. 53) toonden aan dat begin de jaren ’80 kinderen tegen hun 5e verjaardag meestal het onderscheid konden maken tussen reclame en gewone tv programma’s, maar enkel op basis van perceptuele kenmerken. Volgens Rubin (1974, p. 409-418) konden kinderen vanaf 8 jaar ook het perspectief van anderen innemen en beseften ze stilaan het doel van reclame. Eind de jaren ’90 toonden Bijmolt, Claassen en Brus (1998, p. 189) aan dat er bij kinderen tussen 5 en 8 jaar een positief effect is van leeftijd op het herkennen van televisie reclame en het begrijpen van de persuasieve doelstellingen ervan. Geslacht had geen impact.
Boush, Wright en Friestad (2005, p. 222) argumenteren dat door de grote generatieverschillen deze resultaten tegenwoordig mogelijk niet meer geldig zijn. Ook op de grote methodologische verschillen tussen deze onderzoeken is veel kritiek. Volgens Moses en Baldwin zou de variantie in de resultaten, namelijk de verschillende leeftijden waarop reclame kennis zich zogezegd ontwikkelt, grotendeels kunnen verklaard worden door het type respons dat gevraagd werd in het experiment (2005, p. 196).
-9-
Meer recente resultaten van het onderzoek naar de ontwikkeling van “advertising literacy” kunnen we vinden in een artikel van Buijzen, Rozendaal en Valkenburg. Hun doel was om te kijken in welke mate en vanaf wanneer kinderen de tactieken van adverteerders, zoals humor, herhaling, kortingen,..., herkennen. De conclusie was dat men tussen 8 en 12 jaar het basisbegrip van de tactieken ontwikkelt. Vooral rond de leeftijd van 10 jaar was er een sterke begripstoename en beseft men dat adverteerders je attitude tegenover een product proberen te veranderen, met als ultieme doel het product aan je te verkopen (2011, p. 329- 331). Een andere term die vaak gebruikt wordt in de literatuur om te verwijzen naar de kennis over de persuasieve doelstellingen van reclame is “persuasion knowledge”. 2.2.3. Het belang van “advertising literacy” In het verleden benadrukten verschillende auteurs het grote belang van “advertising literacy” omdat ze er vanuit gingen dat wanneer men reclame goed herkent men ze ook kritischer zal beoordelen (Cantor, Kunkel, Wilcox, Palmer, Linn & Dowrick, 2004, pg. 1-2). Brucks, Armstrong en Goldberg (2008, p. 480) ontdekten echter dat tijdens het kijken van een reclame, de meeste 10-jarigen hun kennis over misleidende reclame technieken niet gebruiken. Ook een experiment van Mallinckrodt en Mizerski (2007) bevestigde dat de effecten van advergames niet teniet gedaan worden door een hogere “persuasion knowledge”. De oudere groep heeft een significant hogere voorkeur voor het gepromote merk dan de jongere groep.
Tegenwoordig lijken steeds meer onderzoeken erop te duiden dat kinderen met een hogere “persuasion knowledge” niet minder beïnvloed worden door reclame dan jongere kinderen (Nairn & Fine, 2008). De oorzaak van deze kloof tussen onze rationele kennis over reclame en onze makkelijk manipuleerbare attitudes kan verklaard worden door de inzichten van de “dual process theories”. 2.3. “Dual process theories” en heuristieken 2.3.1. De impact van “dual process theories”
In ons dagelijks leven maken we onze keuzes niet altijd in optimale omstandigheden. Soms denken we uren na over een bepaalde beslissing en zijn kritisch, op andere momenten staan we onder tijdsdruk of vergeten we bepaalde kennis en eerdere ervaringen in achting te nemen.
- 10 -
Verschillende auteurs verklaren deze zeer uiteenlopende manieren van informatieverwerking aan de hand van “dual process theories”.
Deze theorieën gaan ervan uit dat de menselijke cognitie bestaat uit twee multifunctionele redeneringssystemen (Frankish, 2010, p. 914). Vanuit verschillende vakgebieden zijn er meerdere toepassingen ontstaan, maar er zijn enkele kenmerken die aan de systemen worden toegeschreven waarmee de meeste auteurs akkoord gaan.
Systeem 1 wordt beschreven als het evolutionair oud systeem met snelle en automatische processen. Het wordt onbewust en moeiteloos ingeschakeld en heeft een hoge capaciteit. Systeem 1 staat los van onze algemene intelligentie en er zijn weinig individuele of culturele verschillen. Dit systeem wordt ook geassocieerd met heuristieken en impliciete attitudes. Deze twee onderwerpen komen later in deze paper aan bod.
Systeem 2 daarentegen is veel recenter en wordt beschouwd als uniek aan de mens. De processen zijn bewust, traag en gecontroleerd. Het kost moeite om Systeem 2 in te schakelen en het heeft maar een beperkte capaciteit. Dit systeem is zeer persoonlijk en hangt samen met zowel ons analytisch als ons abstract denken. Het wordt ook geassocieerd met onze expliciete attitudes (Frankish, 2010, p. 922). 2.3.2. Het “Elaboration likelihood model” Al in de jaren’ 80 pasten Petty en Cacioppo (1984) het concept van duale systemen en processen toe op de werking van persuasieve overtuiging via het “Elaboration Likelihood Model”. Het “ELM” gaat er vanuit dat de verwerkingsmethode afhangt van onze motivatie en capaciteit. In situaties van lage elaboratie volgen we de “peripheral route” en focussen we op “cues”. Cues zijn opvallende, maar meestal oppervlakkige, kenmerken. Bij een hoge elaboratie volgen we de “central route” en gaan we ook aandacht geven aan relevante productinformatie.
Wanneer we reclame bekijken is er meestal slechts een lage elaboratie met als gevolg dat onze “advertising literacy” niet ingeschakeld wordt en “ad likeability” een grotere invloed heeft op onze beoordeling van het merk of product dan de eigenschappen van het product zelf (Vyncke, 2011).
- 11 -
2.3.3. De “Two System Theory” van Kahneman Het staat vast dat het “ELM” één van de meest invloedrijke modellen is die gebaseerd zijn op de principes van duale verwerking, maar eigenlijk kan duale verwerking veel breder worden toegepast dan enkel op het omgaan met persuasieve informatie. Een relevant voorbeeld hiervan is de “Two Systems Theory” van Kahneman (2011, p. 21), een pionier in het onderzoek naar beslissingsprocessen.
Volgens Kahneman zorgt de taakverdeling van de 2 systemen, zoals beschreven bij punt 2.3.1., voor een lagere inspanning en geoptimaliseerde denkcapaciteit. Maar voor een grondige beoordeling van bepaalde kwesties is het toch noodzakelijk dat ofwel onmiddellijk ofwel na Systeem 1 ook Systeem 2 ingeschakeld wordt. Het probleem is dat dit systeem vaak lui is, waardoor bepaalde foute intuïties van Systeem 1 niet gecorrigeerd worden (Kahneman, 2011, p. 39-49). Het zijn dan ook de automatische reacties van Systeem 1 die vaak de grootste invloed hebben. We vallen er op terug als we op korte tijd een grote hoeveelheid informatie moeten verwerken, bijvoorbeeld tijdens het winkelen.
2.3.4. De heuristieken van Systeem 1
De inzichten over Systeem 1 zorgen ervoor dat steeds meer wetenschappers aandacht geven aan de onbewuste processen die mogelijk een grote rol spelen bij onze consumentenbeslissingen (Bargh, 2002 ; Fitzsimons, Hutchinson & Williams, 2002). Een van die processen is het gebruik van heuristieken.
Gigerenzer
en
Todd
(1999)
definiëren
heuristieken
als
efficiënte
vereenvoudigingsmechanismen met een sterk selectief karakter, waardoor de consument met weinig informatie een beslissing kan maken (1999). Deze “rules of thumb” ontstaan door het gebruik van onze geëvolueerde capaciteiten binnen een bepaalde omgeving en produceren onze “gut feelings”. Belangrijk is dat deze intuïties niet per se goed of slecht, rationeel of irrationeel, zijn. De waarde ervan hangt volledig af van de context (Gigerenzer, 2007, p. 47-48). Simon heeft het over het “satisficing principle” (1955; Hatchuel, 2001, p. 261-262). Een complex probleem vraagt niet altijd om een ingewikkelde strategische aanpak, soms zijn cognitieve “shortcuts” minstens even succesvol en bovendien energiebesparend (Gaissmaier, Gigerenzer & Marewski, 2010, p. 104-105).
- 12 -
De mens streeft onbewust naar “cognitive ease”: zo weinig mogelijk mentale inspanning. Dit zorgt er voor dat we een voorkeur hebben voor duidelijke, vaak herhaalde informatie. Ook de leeftijd waarop we kennis verwerven speelt een grote rol (Ellis, Holmes & Wright, 2010). Merknamen, net zoals gewone woorden, zullen we sneller herkennen wanneer we ze reeds op jonge leeftijd hebben geleerd (2010). Reclame onthouden we beter als kind dan als volwassene (Dubow, 1994).
2.4. Merken als heuristieken 2.4.1. “Brand awareness” als heuristiek
Merken en hun marketeers spelen natuurlijk in op deze eigenschappen van de mens. Ze gebruiken verschillende tactieken om hun herkenbaarheid te verhogen: een opvallend logo, makkelijk te onthouden slogans,... Wanneer men er in slaagt de consument het merk te doen herkennen op basis van een stimulus, bijvoorbeeld de verpakking, dan is er sprake van “brand recognition”. Wanneer men het merk rechtstreeks vanuit het geheugen kent, dan is er sprake van “brand recall” (Rossiter & Percy, 1987). Beiden zijn een vorm van “brand awareness”. Hoe sneller en beter de consument de producten van een bepaald merk herkent, hoe hoger de “brand awareness” (Aaker, 1991; Holden, 1993).
Doordat de marketeers van grote bedrijven hun marketingstrategie zo sterk aanpassen aan onze neiging tot “cognitive ease” worden merken eigenlijk een heuristiek op zich. Hoyer en Brown (1999, p. 295-296) verwijzen zelfs naar “brand awareness” als een dominante keuze heuristiek. Een voorbeeld hiervan is het feit dat zoveel van ons een voorkeur hebben voor Coca-Cola, hoewel we tijdens een test vaak niet proeven welke frisdrank van welk merk is (De Chernatony, Macdonald & Wallace, 1992). Ook Stokes deed een onderzoek, met rijst als stimulus, die aantoonde dat wanneer we vertrouwen op Systeem 1 we de mate van “brand awareness” als een indicator van de kwaliteit zien (1985). 2.4.2. “Top of mind awareness” bij het aankopen Wanneer we winkelen kiezen we vaak uit een “consideration set”, een verzameling van merken waar we reeds enige kennis over hebben. Bij het kopen van alledaagse producten zullen we weinig moeite doen om ons te informeren over alternatieven, wanneer we al enkele merken kennen die voldoen aan
- 13 -
de verwachte criteria (MacDonald & Sharp, 2003, p. 1). Dickson en Sawyer (1986) ontdekten dat er gemiddeld slechts 12 seconden wordt besteed aan het uitkiezen van “low-involvement products”. Het lijkt duidelijk dat “brand awareness”, “brand attitude” en “intention to buy” met elkaar verbonden zijn (Rossiter, Donovan & Percy, 1991). Wilson en Woodside (1985, p. 42) hebben het zelfs over “top of mind awareness”: “the higher the position of the brand in the consumer’s mind measured by unaided recall, the higher the purchase intention and the higher the relative purchase of the brand”. Fazio, Powell en Williams (1989, p. 287) bevestigen dat wanneer we een eenduidige positieve attitude hebben over een product, deze rechtstreeks ons gedrag zal beïnvloeden. 2.4.3. Merknamen als “recognition heuristic” Merken herkennen en onthouden we meestal op basis van hun naam en logo. Deze “brand name recognition” is eigenlijk een onderdeel van de ruimere “recognition heuristic”. Deze luidt: “If one of two objects, a or b, is recognized, then infer that the recognized object has the higher value with respect to the criterion”. Dat wil zeggen dat wat we herkennen een hogere waarde zal hebben bij het nemen van onze beslissingen (Gigerenzer, 2007, p. 112-113). De voorwaarde is natuurlijk het bestaan van een ecologische correlatie tussen de herkenning en het criterium (Gigerenzer & Goldstein, 2002, p. 78). Een andere heuristiek, die nog specifieker van toepassing is bij dit onderzoek, is de “fluency heuristic”. Deze luidt: “If two objects, A and B, are recognized, and one of the two objects is more fluently retrieved, then infer that this object has the higher value with respect to the criterion” (Hertwig, Herzog, Reimer & Schooler, 2008, p. 1191-1192). Een hoge “fluency” zorgt, afhankelijk van de context en verwachtingen, voor een gevoel of illusie van familiariteit (Higham & Vokey, 2000, p. 575, 582) en speelt zo een rol in het beslissingsproces (Whittlesea & Leboe, 2003, p. 62-63). In situaties van “bounded rationality”, situaties waar de cognitieve inspanning beperkt is en er niet voldoende tijd en informatie beschikbaar is (Gigerenzer & Goldstein, 1996, p. 651), zal men idealiter de “recognition heuristic” inschakelen wanneer men slechts 1 object herkent en de “fluency heuristic” wanneer men meerdere objecten herkent (Hertwig & Schooler, 2005, p. 626).
- 14 -
2.4.4. Kritiek op de “recognition heuristic”
Er moet wel vermeld worden dat niet alle wetenschappers geloven in het non-compensatorisch aspect van de “recognition heuristic”. Oppenheimer (2003) bijvoorbeeld aanvaardt dat herkenning de kans op een bepaald antwoord via de “availability heuristic” verhoogt. “Availability” betekent hier het gemak waarmee je voldoende voorbeelden of punten kan vinden die je antwoord ondersteunen (Kahneman & Tversky, 1973). Maar hij zegt dat er geen bewijs is dat “brand recognition” als enige cue gebruikt wordt bij een beoordeling. Hij betwist of er in dit geval nog van “fast & frugal reasoning” gesproken kan worden. Newell and Shanks zijn wel in grote mate akkoord met het “take the best”-principe van Gigerenzer en Goldstein (1996). Dit principe zegt dat we enkel het beste stuk informatie gebruiken om een keuze te maken. Maar ze benadrukken wel dat hun experimenten aantonen dat deze heuristiek zeker niet universeel gebruikt wordt, ook niet in situaties waar het verzamelen van meer informatie een hoge kost heeft. Bovendien blijken er ook individuele verschillen te zijn bij de toepassing ervan (2003).
2.5. Heuristieken VS. Attitudes Heuristieken zijn bovendien niet het enige antwoord op de vraag waarom “persuasion knowledge” ons niet verhindert beïnvloed te worden door reclame. Nairn en Fine (2008) verklaren deze kloof tussen onze kennis en de toepassing ervan door de rol van impliciete attitudes.
2.5.1. De rol van impliciete attitudes op ons consumentengedrag
Mensen beschikken over expliciete attitudes, die ze inzetten bij intentioneel en overwogen gedrag, en impliciete attitudes, die aan de basis liggen van spontaan gedrag (Friese, Wänke & Plessner, 2006, p. 727; Lindsey, Schooler & Wilson, 2000, p. 101). De tweede soort wordt beschreven als evaluatieve responsen op een object die in tegenstelling tot de expliciete attitudes niet onderworpen zijn aan introspectie. Men heeft geen bewuste controle over de activatie ervan. Vaak kan men deze attitudes ook niet verbaal uitdrukken (Rydell & McConnell, 2006, p.995; Friese et al., 2006, p. 727). Belangrijk is dat de impliciete attitudes kunnen veranderen zonder dat de expliciete attitudes wijzigen (Nairn & Fine, 2008, p.457).
- 15 -
Hedendaagse advertentie formats en reclame technieken maken meestal gebruik van subtiele affectieve associaties in plaats van rationele boodschappen. Deze impliciete overtuiging overstijgt onze expliciete “persuasion knowledge”. Vooral in situaties waarover we beperkte controle hebben, bijvoorbeeld wanneer beoordelingen spontaan of onder tijdsdruk gemaakt moeten worden, hebben deze impliciete attitudes een grotere invloed op ons gedrag (Perugini, 2005; Friese et al. , 2006).
2.5.2. De link tussen heuristieken en impliciete attitudes
Omdat de concepten binnen andere vakgebieden zijn ontstaan, hebben tot nu toe weinig auteurs een poging ondernomen om heuristieken en attitudes met elkaar te verbinden verder dan het feit dat ze beiden geassocieerd worden met Systeem 1. Townsend en Spence analyseerden de gelijkenissen tussen impliciete attitudes en de “affect heuristics”: emotie gebaseerde shortcuts die gebruikt worden om beslissingen te maken (2007, p. 83; Slovic, Finucane, Peters & MacGregor, 2007, p. 1335-1336). Ze argumenteren dat beide verbonden zijn aan gevoelens en spontaan ingezet worden (2007, p. 87). Experimenteel onderzoek is noodzakelijk om de concrete relatie tussen de twee concepten te bepalen, maar er wordt vermoed dat impliciete attitudes de evaluatieve associaties zijn die men heeft en de heuristieken de toepassingen ervan (Townsend & Spence, 2007, p. 91).
2.5.3. De invloed van tijdsdruk op onze attitudes Frieze en zijn collega’s (2006) gingen aan de hand van een experiment na wat de invloed is van tijdsdruk op onze consumentenkeuzes en hoe deze verbonden zijn met onze attitudes. Eerst werden expliciete attitudes tegenover merken en generische producten gemeten aan de hand van een vragenlijst. Hierbij gaf slechts 33% van de respondenten aan een voorkeur te hebben voor de merken. 35% hadden geen voorkeur en 32% verkoos generische producten boven merkproducten. Daarna werden op basis van de Implicit Association Test, ontwikkeld door Greenwald, McGhee en Schwartz (1998), de impliciete attitudes gemeten. Bij deze test bleek wel een zeer grote voorkeur te zijn voor de merken. Van alle respondenten die een duidelijke voorkeur hadden bij de expliciete attitude metingen, bleek slechts bij 58% een congruente voorkeur vast te stellen bij de IAT.
- 16 -
Toen achteraf gevraagd werd een keuze te maken uit 2 foto’s van manden gevuld met ofwel generische producten of merkproducten, maar wel met dezelfde monetaire waarde, koos ongeveer 80% van de respondenten met de congruente voorkeur zowel onder tijdsdruk als niet onder tijdsdruk voor de producten die ze eerder expliciet verkozen hadden. Bij de respondenten met de incongruente voorkeur koos 90 % voor de mand met producten die ze eerder expliciet verkozen hadden, maar onder tijdsdruk daalde dit percentage tot slechts 38% (Frieze, Wänke & Plessner, 2006).
Hoewel er in het echte leven niet altijd tijdsdruk is, worden er volgens Bargh (2002, p. 281-282) toch vele consumentenbeslissingen gemaakt zonder veel cognitieve moeite. Ook in deze gevallen is het mogelijk dat de impliciete attitudes de keuzes beter verklaren.
2.5.4. Aanpassing van het reclamebeleid
Nairn en Fine (2008, p. 460) concluderen dat als we akkoord gaan met het bestaan van afwijkende impliciete attitudes en de invloed ervan, het niet langer is logisch om enkel de mate van “persuasion knowledge” en het niveau van
“advertising literacy” als criteria voor de aanvaardbaarheid van
reclame bij kinderen te gebruiken.
Verschillende vormen van “stealth marketing”, bijvoorbeeld
“advergames” en “word of mouse” reclame, worden steeds populairder (Sprott, 2008, p. 4; Lye, Swanepoel & Rugimbana, 2009, p. 9-10). Deze formats gebruiken impliciete overtuiging en kunnen opdringend en misleidend zijn (Martin & Smith, 2008, p. 45).
Er zou moeten nagegaan worden vanaf wanneer kinderen voldoende cognitieve controle hebben om ook impliciete overtuiging in de meeste gevallen te kunnen herkennen en weerstaan. Jammer genoeg wordt er wel vermoed dat dit moeilijk aan 1 leeftijd te linken is en dat het ook afhankelijk is van het precieze format. Zelfs volwassenen kunnen bepaalde vormen van “covert marketing” moeilijk herkennen (Nairn & Fine, 2008). Wei, Fischer en Main (2008, p. 42) nuanceren bovendien het idee dat het bewustzijn van “covert marketing” resulteert in weerstand tegenover de boodschap of het merk.
Tot dat hierover meer bekend is raden Nairn en Fine de beleidsmakers aan om bij het opstellen van de wetgeving veel meer aandacht te geven aan de verschillende formats en om ook te investeren in
- 17 -
campagnes die zowel kinderen als volwassen informeren over het grote gebruik van “covert marketing” (2008, p. 460-463). 2.6. “Brand awareness” en de ontwikkeling van het kind
Tot nu toe hebben we het in deze paper vooral gehad over kinderen en reclame, maar eigenlijk is reclame slechts een middel. Het echte doel van de marketeers is om via “brand awareness” de “brand equity” te verhogen en uiteindelijk meer producten te verkopen.
Al moeten we voor de volledigheid vermelden dat merkvoorkeuren niet alleen door reclame bepaald worden, maar ook door sociale invloed. Wanneer de ouders bijvoorbeeld vaak voor een bepaald merk kiezen, is de kans veel groter dat het kind het ook als goed zal beschouwen (Hite & Hite, 1994, p. 186187).
In de literatuur rond kinderen en merken proberen veel auteurs om marketing en psychologie aan elkaar te koppelen. De ontwikkeling van “brand awareness” koppelt men aan de cognitieve en sociale ontwikkeling van het kind.
2.6.1. Vroeger: de fases volgens Piaget In haar paper “Consumer socialization of children”, gepubliceerd in 1999, vat John de conclusies samen van 25 jaar onderzoek. Tussen 3 en 7 jaar worden bepaalde merknamen, op basis van perceptuele kenmerken, al herkend en ook geassocieerd met bepaalde productcategorieën. Een voorbeeld is het experiment van Derscheid, Kwong en Fang (1996) die aantoonde dat kinderen al vanaf gemiddeld 3 jaar de voor hen relevante merken, bijvoorbeeld McDonalds, kunnen herkennen (1996). Pas in de fase van 7 tot 11 jaar zou er echt sprake zijn van “brand awareness” voor de producten gericht op kinderen. Vanaf 7 jaar begint ook het basisbegrip van de merksymboliek te ontwikkelen (John, 1999, p. 204).
Deze fases komen overeen met de traditionele theorie over cognitieve ontwikkeling van Piaget. Hij verdeelt de ontwikkeling op in 4 fases, waarbij slechts in de derde fase (van 7 tot 11 jaar) kinderen zich kunnen engageren in mentale operaties die hen toelaten om acties, objecten en ideeën te ordenen,
- 18 -
combineren, onderscheiden en transformeren. Voor deze fase begint, zijn ze niet in staat om over abstracte concepten, zoals symbolen, na te denken (Mc Alister & Cornwell, 2010, p. 204). 2.6.2. Nu: “theory of mind” & “executive functioning”
Tegenwoordig wordt door vele auteurs het model van Piaget als verouderd beschouwd en focust men op modellen die meer aandacht geven aan de individuele verschillen binnen de fases van de ontwikkeling (McAlister et al., 2010, p. 205; Moses & Baldwin, 2005, p. 188).
Recente resultaten in verband met kinderen en merken kunnen we vinden in het onderzoek van McAlister en Cornwell over merkherkenning bij kinderen op basis van visuele stimuli en het begrip van merksymbolisme. Zij linkten hun data, zoals voorgesteld door Moses en Baldwin, met de ontwikkeling van “theory of mind” en “executive functioning”. Een eerder onderzoek van deze wetenschappers bewees al het belang van deze concepten. Zelfs bij kinderen van minimum 3 jaar kon “theory of mind” 59% van de variantie in “persuasion knowledge” verklaren (2009, p. 180). “Theory of mind” verwijst eigenlijk naar een vorm van sociale ontwikkeling: “When a child has a theory of mind, it has the capacity to think about the mental states of others in addition to being able to think about their own mental states” (McAlister & Peterson, 2006, 2007; Wellman, Cross & Watson, 2001). “Exective functioning” omvat het plannen van gedrag, het volgen van regels, mentale flexibiliteit en inhibitie. Wanneer “executive functioning” nog niet aanwezig is bij kinderen, meestal voor ze de leeftijd van 3 jaar bereiken, dan letten ze enkel op het meest opvallende kenmerk of informatie (Frye, Zelazo & Palfai, 1995). Het onderzoek toonde aan dat er een verband is tussen leeftijd, “theory of mind” en het begrip van merksymbolisme. Ook kon weerlegd worden dat kinderen pas vanaf 7 jaar begrip ontwikkelen over merksymbolisme. De 3- tot 5-jarigen vertonen al een groeiende capaciteit. (McAlister & Cornwell, 2010, p. 218-223).
- 19 -
De concepten van “theory of mind” en “executive functioning” kunnen dus in grote mate de individuele verschillen verklaren tussen kinderen binnen dezelfde leeftijdsgroep op het vlak van “persuasion knowledge”, “brand awareness” en begrip van “brand symbolism”. Ook is het een bijkomende uitleg waarom de latente aanwezigheid van bijvoorbeeld “advertising literacy” geen garantie is dat men zich niet laat manipuleren door reclame (Moses & Baldwin, 2005, p. 196-197). 2.7. “Brand awareness” en de betekenis van merken voor kinderen Hoewel de hierboven besproken theorieën benadrukken dat de ontwikkeling van “brand awareness” eigenlijk afhankelijk is van persoon tot persoon, hebben verschillende wetenschappers toch geprobeerd een gemiddelde leeftijd te bepalen waarop kinderen merken kunnen herkennen en herinneren. Aangezien merken niet kunnen functioneren als heuristiek zonder de aanwezigheid van “brand awareness”, kunnen de resultaten van deze experimenten een indicator zijn voor de leeftijd waarop “brand awareness” zich ontwikkelt tot keuzeheuristiek. 2.7.1. “Brand recognition vs. Brand recall”
Valkenburg en Buijzen publiceerden in 2005 een onderzoek specifiek gericht op de ontwikkeling van “brand awareness” bij kinderen van 2 tot 8 jaar, verdeeld in 4 groepen. Opvallend was het grote verschil tussen “brand recall” en “brand recognition”. Twee- tot drie-jarigen konden zich slechts 1 van de 12 merken zelf opnoemen, maar ze herkenden er wel 8 van de 12. De mate van “brand recognition” steeg significant voor de 3 jongste leeftijdsgroepen, maar niet voor de twee oudste. De opvallendste stijging was tussen 3 en 5 jaar, dit kan te verklaren zijn door een betere informatieverwerking van de 5-jarigen en een langere concentratie capaciteit. “Brand recall” steeg het meest tussen 7 en 8 jaar. Waarschijnlijk omdat we vanaf die leeftijd betere strategieën hebben om merken te onthouden en een grotere aanwezige kennisstructuur om nieuwe informatie mee te associëren en zo beter op te slaan (Valkenburg et al., 2005, p. 462, 464).
- 20 -
2.7.2. “Brand awareness” en geslacht Volgens O’Cass & Clarke (2001) is er geen verschil tussen jongens en meisjes in het aantal merken die ze herinneren of herkennen. Wel heeft geslacht invloed op het soort merken die ze kennen. Dit werd grotendeels bevestigd in het onderzoek van Valkenburg en Buijzen (2005, p. 464). Enkel voor de logo’s van Shell en Mercedes, vermoedelijk eerder mannelijke merken, werden er significante verschillen gevonden. Adab, Kopelman en Roberts (2007, p. 362-363) focusten op de herkenning van logo’s uit de categorie voeding. Ze deden een logo quiz bij 476 Britse kinderen tussen 9 en 11 jaar. Iets meer dan 88% van de kinderen herkende minstens 16 van de 20 logo’s. De gemiddelde scores waren significant hoger bij de meisjes.
2.7.3. Merkvoorkeur Hogg en haar collega’s (1998, p. 297-298) gingen dieper in op de herkenning van “fashion brands” bij kinderen tussen 7 en 10 jaar. Er werd gevraagd aan de kinderen om collages te maken met daarin de merken om zo een beeld te krijgen van de associaties die ze hebben. De meeste kinderen herkenden alle merken, maar er leek toch een opvallende voorkeur te zijn voor de bekendere sportmerken zoals Adidas, Nike en Reebok tegenover de “high street store brands” zoals Marks & Spencer. De logo’s werden vaak gebruikt om de merken te representeren in hun collages.
2.7.4. Merkevaluaties en betekenis
Achenreiner en John (2003, p. 206-207) gingen een stap verder en voerden een kleine 10 jaar geleden een onderzoek uit naar de evaluaties van merken en de betekenis ervan voor kinderen. Ze vertrokken vanuit het standpunt dat jonge kinderen, tot ongeveer 10 jaar, merken enkel beschouwen op perceptueel niveau: als 1 specifiek product met bepaalde kenmerken. Daarna ontwikkelen ze ook een conceptuele betekenis voor merken. Dat wil zeggen dat ze een merk kunnen beoordelen op een abstracter niveau : als een bedrijf met vele producten en als een onderdeel van een bepaald imago of lifestyle.
- 21 -
De hypothese luidde: “Kinderen gebruiken merken als leidraad voor hun consumenten beslissingen, vanaf de leeftijd waarop ze een conceptuele merkbetekenis hebben ontwikkeld”. Deze werd bevestigd in het experiment.
Respondenten werden gevraagd twee identieke kledingstukken te beoordelen die ofwel gelabeled waren als van een bekend merk ofwel als van een onbekend merk. Bij de achtjarigen was er geen significant verschil tussen de productbeoordeling van het bekende en onbekende merk. Bij de 12- en 16 jarigen werd het product van het bekende merk duidelijk positiever beoordeeld (2003, p. 212-213). Hieruit concluderen de auteurs dat hoewel “brand awareness” ook al op jonge leeftijd een cue kan zijn bij het winkelen, het voor de oudere leeftijdsgroepen een grotere, inhoudelijke, betekenis heeft (2003, p. 216).
- 22 -
2.8. Conclusie
In deze literatuurstudie hebben we overlopen hoe een kind zich ontwikkelt tot consument en waarom er steeds meer aandacht is van de marketeers voor deze doelgroep. Ook hebben we uitgelegd waarom de huidige criteria die beleidsmakers benutten voor het beoordelen van de aanvaardbaarheid van reclame, namelijk “advertising literacy” en “persuasion knowledge”, vaak niet voldoende zijn. Verschillende toepassingen van de “dual process theories” kunnen de kloof tussen rationele kennis en de toepassing ervan verklaren. Het ELM leert ons dat reclame vaak slechts langs de “pheripheral route” verwerkt wordt. Bovendien worden veel van onze beslissingen gemaakt louter op basis van de intuïties van Systeem 1. We gebruiken heuristieken, voornamelijk de “recognition & fluency heuristic” en gaan voort op onze impliciete attitudes. Merken en hun marketeers zijn zich hiervan bewust en zorgen voor een hoge herkenbaarheid. Dit zorgt ervoor dat we in een consumentencontext, onder tijdsdruk, “brand awareness” gebruiken als een keuzeheuristiek bij het kiezen van producten. Het doel van dit onderzoek is om op basis van enkele “research questions” meer inzicht te krijgen in het gebruik van “brand awareness” als keuzeheuristiek en hoe dit gerelateerd is aan de algemene ontwikkeling van het kind.
RQ1: Is er een algemene voorkeur voor de bekendere merken bij de kinderen? RQ2: Is er een verband tussen leeftijd en merkvoorkeur? RQ3: Rond welke leeftijd ontwikkelt “brand awareness” zich het sterkst als keuzeheuristiek? RQ4: Heeft geslacht een invloed op de merkvoorkeur?
- 23 -
3. Methodologie
3.1. Onderzoeksmethode Bij dit experiment gaan we na vanaf welke leeftijd “brand awareness” gebruikt wordt als een keuzeheuristiek door te kijken vanaf welke leeftijd kinderen een voorkeur krijgen voor merkproducten. Omdat heuristieken vooral worden gebruikt in situaties waar er weinig tijd of mogelijkheid is om na te denken, is het belangrijk om bij de respondenten een gevoel van tijdsdruk te creëren. Een simpele methode hiervoor is een experiment op basis van een getimede PowerPoint voorstelling. Bovendien is een experiment beter geschikt voor kinderen dan een survey omdat de jongste leeftijdsgroepen moeilijk zelfstandig een (online) vragenlijst kunnen invullen. Een ander voordeel van een experiment is dat meerdere respondenten tegelijk, in groep, kunnen deelnemen.
De onafhankelijke variabelen zijn geslacht en leeftijdscategorie. De afhankelijke variabele is de merkkeuze.
3.2. Materiaal
3.2.1. PowerPoint presentatie
Het experiment bestaat uit een PowerPoint voorstelling en een simpel antwoordformulier. Er is gekozen om 20 producten uit 4 categorieën te testen: kleding en schoenen, verzorging, voeding en ontspanning. Elke slide bestaat uit 2 zeer gelijkaardige afbeeldingen maar met een ander merk logo erboven. De respondenten moeten per slide een keuze maken tussen de twee producten. Om vertekeningen van de resultaten door een algemene voorkeur voor een bepaalde afbeelding of een systematische link/rechts keuze te vermijden, zijn er vier versies van de voorstelling. Zowel de logo’s als de afbeeldingen zijn dus gespiegeld. 85 respondenten namen deel aan versie A, 59 aan versie B, 65 aan versie C en 43 aan versie D.
- 24 -
Het antwoordformulier bestaat uit een tabel met 3 kolommen voor de product naam, de linker afbeelding en de rechter afbeelding. De respondenten krijgen als opdracht een kruisje te zetten in de kolom die overeenkomt met de afbeelding van hun keuze. Ook wordt gevraagd het geslacht en de versie van de PowerPoint aan te duiden en het geboortejaar in te vullen.
3.2.2. Pretest
Om zeker te zijn dat de juiste merken geselecteerd worden, werd eerst een pretest uitgevoerd aan de hand van een korte vragenlijst via thesistools.nl. De respondenten, kinderen tussen 7 en 15 jaar, moesten aanduiden welk van de twee vernoemde merken voor 1 specifiek product ze zelf als het bekendst beschouwden. In de eerste fase hebben 13 kinderen de vragenlijst ingevuld. Er waren enkele items waarbij het merk dat als bekendste verwacht werd, door minder dan 70% van de respondenten gekozen werd. Voor deze producten is in de tweede fase van de pretest een ander merk als onbekendere concurrent gekozen. Floralys toiletpapier werd bijvoorbeeld vervangen door Solo en Sony mp3-spelers door Medion. Aan het einde van de pretest hadden in totaal 22 respondenten
- 25 -
deelgenomen en kregen alle verwachte bekendste merken een gemiddelde score van minstens 75%. Bij producten waarvan het onbekendere merk vervangen is geweest door een nog minder bekend merk, hadden de verwachte bekendste merken in de tweede fase ook een score van minstens 75% (met uitzondering van de Skullcandy hoofdtelefoon, die slechts 73,5% had). Bij 9 van de 20 producten kreeg het bekendste merk een score van 90%. Voorbeelden hiervan zijn Kellog’s cornflakes, Superdry sweaters en Oral B tandenborstels.
- 26 -
De geselecteerde producten en merken, bekend vs. onbekend zijn: Voetbal
Adidas
Asics
Potlood
Stabilo
Conti
MP3-speler
Apple
Medion
Tablet
Apple
Samsung
Hoofdtelefoon
Skullcandy
Bose
Hamburger
Mc Donalds
Burger King
Water
Vittel
Gerolsteiner
Cornflakes
Kellog’s
Jordan’s
Chocomelk
Nesquick
Cadbury’s
Snoep
Haribo
Lutti
T-shirt
Hollister
Bershka
Sneakers
Converse
New Balance
Sporttas
Adidas
Asics
Slippers
Tommy Hilfiger
Tkees
Sweater
Superdry
Esprit
Tandenborstel
Oral B
Aquafresh
Lipbalsem
Labello
Balea
Wc-papier
Lotus
Solo
Nagellak
Chanel
Essie
Zeep
Rituals
Lux
De precieze resultaten van de pretest staan opgelijst in een tabel als bijlage van deze paper.
- 27 -
3.3 Procedure
De eerste fase van het onderzoek bestond uit het vinden van scholen die bereid waren mee te werken. Deze stap heeft veel tijd in beslag genomen. Pas na enkele bezoeken aan de directie van verschillende scholen, hebben er uiteindelijk vier toegestemd om deel te nemen. Het experiment werd persoonlijk afgenomen in de verschillende klassen. Na een eenvoudige uitleg, een voorbeeld van de opdracht en een korte vragenronde, werd de PowerPoint afgespeeld op een projectiescherm in de klassen. Om de geldigheid van de data te maximaliseren, werd benadrukt dat de presentatie zeer snel gaat en een hoge focus noodzakelijk was. Ook werd herhaald dat wanneer het een product is die men zelf niet gebruikt, er toch een keuze gemaakt moet worden en dat het om een persoonlijke mening gaat.
Na het experiment werd door de onderzoeker gepolst of de respondenten konden inschatten wat het doel van het experiment was. Er werd de leerlingen dus vooraf bewust niet duidelijk gemaakt dat het onderzoek om merken ging, om de aandacht voor de logo’s niet te verhogen. De tijdsduur van het experiment was afhankelijk van de leeftijd van de kinderen. Verschillende onderzoeken van Kail (1991, p. 259) met opdrachten onder tijdsdruk tonen aan dat de snelheid van de cognitieve verwerking van kinderen, meestal zelfs exponentieel, stijgt naarmate ze ouder worden.
- 28 -
Leeftijdsgroep 1
Leeftijdsgroep 2
Leeftijdsgroep 3
Geboortejaar
1999-2000-2001-2002
2003-2004
2005-2006
Gemiddelde leeftijd op
11 tot 14 jaar
9 tot 10 jaar
7 tot 8 jaar
Zeer kort
Uitgebreid
Zeer grondige & lange
moment van onderzoek Uitleg & Vragenronde
vragenronde *1 Timing dia-overgang
4 seconden
6 seconden
Handmatig op basis van (trage) reacties
Totale duur
Max. 5 minuten
Max. 10 minuten
Ongeveer 15 minuten
Begrip doel
Goede inschatting,
Grote individuele
Geen begrip
experiment
focus op logo’s
verschillen*
experiment
Opmerkingen
Alle formulieren goed
Sommigen hadden
Focus op experiment
ingevuld
moeite met tempo
zeer afhankelijk van product/ Invloed van reacties van klasgenoten
*1 Omdat deze kinderen nog moeite hebben met het verschil tussen links en rechts en omdat ze nog niet goed kunnen lezen, werd er voor deze leeftijdsgroep een uitgebreidere procedure toegepast. De lay-out van het formulier moest grondig worden uitgelegd en ook de geboortejaren moesten worden genoteerd door de leerkracht. De namen van de producten werden voorgelezen door de onderzoeker en er werd telkens herhaald om bij een nieuwe slide naar de volgende antwoordregel op het formulier te gaan. *2 In enkele klassen maakte men onmiddellijk de link met merken en reclame, in andere klassen gokte men onder andere dat het experiment te maken had met reactiesnelheid.
- 29 -
3.4. Verwerking
Alle formulieren werden op papier, anoniem, geëvalueerd met als code nummer 1 bij een keuze voor het bekende merk en nummer 2 bij een keuze voor de minder bekende versie van het product. Alle data werden daarna in SPSS ingevoerd voor het uitvoeren van de statistische analyses. Omdat er ruim voldoende respondenten deelgenomen hadden aan het experiment, werd er besloten de incompleet of foutief ingevulde formulieren niet te coderen.
3.5. Respondenten
In totaal namen 252 respondenten deel aan het experiment, 139 meisjes (55,2%) en 113 jongens (44,8%). Op basis van hun geboortejaar werden de respondenten verdeeld in leeftijdscategorieën. Groep 1 bestaat uit 73 kinderen (29%) van 12 tot 14 jaar, groep 2 uit 69 kinderen (27,4%) van 10 tot 12, groep 3 uit 57 kinderen (22,6%) van 8 tot 10 jaar en groep 4 uit 53 kinderen (21%) van 6 tot 8 jaar. De jongeren geboren in 1999 en 2000 zijn leerlingen uit een ASO-richting van een middelbare school, de andere kinderen gaan naar 3 verschillende lagere scholen.
- 30 -
4. Resultaten Door de jonge leeftijd van de respondenten werd besloten de “brand awareness” als keuzeheuristiek te meten op basis van de merkvoorkeur. De kinderen moesten telkens kiezen tussen een product van een bekend en minder bekend merk. Hierdoor is de afhankelijke variabele van nominaal niveau en zijn er slechts een beperkt aantal analyses mogelijk. De onafhankelijk variabele, leeftijdsgroep, is van ordinaal niveau. Met behulp van SPSS hebben we per product een kruistabel opgesteld en een Chikwadraat toets uitgevoerd. De resultaten op productniveau zijn dan ook een interpretatie van de percentages in de kruistabellen en de Pearson Chi-squares.
Om de data uitvoeriger te kunnen analyseren, werd een nieuwe metrische variabele aangemaakt: de productcategorie. De categorievariabele geeft de gemiddelde score weer van de 5 producten die er deel van uit maken. Dit zorgt er voor dat we onze resultaten kunnen veralgemenen tot verschillende soorten producten en laat ons toe om verschillende Anova-toetsen uit te voeren met SPSS.
Ontspanning
Voeding
Kleding
Verzorging
Voetbal
Cornflakes
T-shirt
Lippenbalsem
Potloden
Hamburger
Sweater
Zeep
MP3-speler
Snoep
Sneakers
Tandenborstel
Tablet
Water
Sporttas
Nagellak
Hoofdtelefoon
Chocomelk
Slippers
Wc-papier
De antwoorden op de “research questions” gaan we, met uitzondering van de eerste vraag, telkens bespreken op zowel het niveau van de individuele productvariabelen als van de categorievariabelen. In de tabellen worden telkens de percentages weergegeven van de voorkeur voor het bekendste merk.
- 31 -
RQ1: Is er een algemene voorkeur voor de bekendere merken? Product
Leeftijdsgroep
Leeftijdsgroep
Leeftijdsgroep
Leeftijdsgroep
Gemiddelde
Pearson
1
2
3
4
alle leeftijdsgroepen
Chi-square (p)
Voetbal
100
88,4
77,2
60,4
83,3
0,000
Potloden
100
89,9
54,4
54,7
77,4
0,000
MP3
87,7
89,9
63,2
49,1
74,6
0,000
Tablet
78,1
82,6
75,4
54,7
73,8
0,004
Hoofdtelefoon
47,9
59,4
61,4
62,3
57,1
0,301
Hamburger
83,6
84,1
68,4
71,7
77,8
0,072
Water
79,5
69,6
54,4
66,0
68,3
0,024
Cornflakes
84,9
81,2
57,9
67,9
74,2
0,002
Chocomelk
100
82,6
54,4
60,4
76,6
0,000
Snoep
75,3
75,4
54,4
62,3
67,9
0,027
T-shirt
100
75,4
54,4
56,6
73,8
0,000
Sneakers
86,3
78,3
54,4
50,9
69,4
0,000
Sporttas
82,2
81,2
64,9
54,7
72,2
0,001
Slippers
80,8
75,4
52,6
49,1
66,3
0,000
Sweaters
83,6
59,4
42,1
47,2
59,9
0,000
Tandenborstel
74,0
73,9
61,4
56,6
67,5
0,089
Lippenbalsem
78,1
81,2
56,1
52,8
68,7
0,000
Wc-papier
84,9
81,2
52,6
49,1
69
0,000
Nagellak
78,1
62,3
54,4
52,8
63,1
0,010
Zeep
61,6
58,0
57,9
58,5
59,1
0,965
Hoewel er enkele uitzonderingen zijn, kunnen we in het algemeen toch stellen dat bij de grote meerderheid van de respondenten de bekende merken duidelijk populairder zijn dan de minder bekende merken. De totalen per kruistabellen tonen dat de gemiddelde voorkeur voor het bekendste merk bij alle 20 producten boven de 50% ligt. De hoogste gemiddelde score, 83%, is voor de Adidas voetbal. De laagste gemiddelde score, 57,1%, is voor de Skullcandy hoofdtelefoon.
- 32 -
Bij 17 van de 20 producten kiest in minstens 1 van de leeftijdsgroepen, specifieker groep 1 of groep 2 met de oudere kinderen, minimum 75% van de respondenten voor het bekendere merk. Bij slechts 4 van de 20 producten kiest in minstens 1 van de leeftijdsgroepen, voornamelijk groep 3 en 4, minder dan de helft van de respondenten voor het bekendste merk. Tommy Hilfiger Slippers, Apple MP3spelers, Hollister sweaters en Lotus wc-papier hadden een minimum voorkeur in 1 van de groepen van net onder de 50%.
RQ 2: Is er een verband tussen leeftijd en merkvoorkeur ?
De Chi-kwadraat toets toont aan dat bij 16 van de 20 variabelen er een significant verband (p<0.05) tussen leeftijd en merkvoorkeur is. Bij dertien van de variabelen vinden we zelfs een zeer sterk significant verband (p<0.005). Uit de interpretatie van de percentages in de kruistabellen kunnen we opmaken dat het om een positief verband gaat. Naarmate de leeftijd stijgt, stijgt ook de voorkeur voor het bekende merk.
De 4 variabelen waarvan de Pearson Chi-squares niet significant waren, zijn de tandenborstel (p= 0.089), de hamburger (p=0.072), de zeep (p=0.965) en de hoofdtelefoon (p=0,301). De slechte score van de Skullcandy hoofdtelefoon is een weerspiegeling van de lage score in de pretest (73,5%).
ANOVA Categorie
P-waarde
Significant?
Ontspanning
0,000
Ja
Voeding
0,000
Ja
Kleding
0,000
Ja
Verzorging
0,000
ja
Een one-way anova toets toont aan dat ook bij alle vier de categorievariabelen er significante verschillen zijn tussen de leeftijdsgroepen.
- 33 -
RQ3: Rond welke leeftijd ontwikkelt “brand awareness” zich het sterkst als keuzeheuristiek?
Productniveau Product
Leeftijdsgroep
Leeftijdsgroep
Leeftijdsgroep
Leeftijdsgroep
1 (gemiddeld 13-14j)
2 (gemiddeld 11-12j)
3 (gemiddeld 9-10j)
4 (gemiddeld 7-8j)
Voetbal
100
88,4
77,2
60,4
Potloden
100
89,9
54,4
54,7
MP3
87,7
89,9
63,2
49,1
Tablet
78,1
82,6
75,4
54,7
Water
79,5
69,6
54,4
66,0
Cornflakes
84,9
81,2
57,9
67,9
Chocomelk
100
82,6
54,4
60,4
Snoep
75,3
75,4
54,4
62,3
T-shirt
100
75,4
54,4
56,6
Sneakers
86,3
78,3
54,4
50,9
Sporttas
82,2
81,2
64,9
54,7
Slippers
80,8
75,4
52,6
49,1
Sweaters
83,6
59,4
42,1
47,2
Lippenbalsem
78,1
81,2
56,1
52,8
Wc-papier
84,9
81,2
52,6
49,1
Nagellak
78,1
62,3
54,4
52,8
De opvallendste tendens is de kloof in merkvoorkeur tussen leeftijdsgroep 2 en 3. Bij maar liefst 13 van de 16 variabelen was er een grote stijging (minimum 15,2%) in de keuze voor het bekendste merk tussen de kinderen geboren in 2001-2002 en de kinderen geboren in 2003-2004. Dit is al een eerste signaal dat “brand awareness” zich vooral ontwikkelt tussen de leeftijd van 9 en 12 jaar.
- 34 -
De drie producten waar er geen opvallende kloof is tussen groep 2 en groep 3 zijn de tablet, de nagellak en de voetbal. Bij de tablet is er wel een grote stijging van 20,7 % in de voorkeur voor Apple tussen de leeftijd van 7 en 9 jaar. Bij nagellak en de voetbal zien we een stijgende lijn in de voorkeur voor het bekendste merk van de jongste groep tot aan de oudste groep. Dit geldt ook voor de sneakers, de sporttas, de slippers en wc-papier.
Een derde, onverwachte tendens, vastgesteld bij 5 van de 16 producten, is de grotere voorkeur voor het bekendste merk in leeftijdsgroep 4 dan in leeftijdsgroep 3. De 7 à 8 jarigen blijken vaker te kiezen voor Vitel water, Kellog’s cornflakes, Haribo snoep en Superdry sweaters dan de 9 à 10 jarigen. We vermoeden dat deze verschillen vooral te verklaren zijn door de aangepaste procedure voor de jongste groep. De 7 à 8 jarigen hadden enkele seconden extra om een keuze te maken en lieten zich, ondanks de waarschuwing het niet te doen, beïnvloeden door de keuze van hun medeleerlingen.
Als laatste kunnen we ook opmerken dat er slechts twee producten zijn waarbij we vooral tussen de 2 oudere leeftijdsgroepen een stijging zien. De Superdry sweater heeft een voorkeur van 83,6% bij de 12 à 14 jarigen en slechts 59,4% bij de 10 à 11 jarigen. Het Hollister t-shirt wordt door alle 12 à 14 jarigen gekozen, maar slechts door 75% van de 10 à 11 jarigen. Deze resultaten kunnen te verklaren zijn door het feit dat men vanaf ongeveer 12 jaar meer aandacht gaat besteden aan kleding als uitdrukking van de persoonlijkheid en als statussymbool.
Categorieniveau
ANOVA Categorie
P-waarde
Significant?
Ontspanning
0,000
Ja
Voeding
0,000
Ja
Kleding
0,000
Ja
Verzorging
0,000
Ja
Zoals reeds vermeld bij research question 2, bevestigt de one-way Anova toets dat bij alle vier de categorieën er significante verschillen zijn in merkvoorkeur tussen de leeftijdsgroepen.
- 35 -
Een post-hoc Scheffe toets geeft aan welke leeftijdsgroepen significant van elkaar verschillen per categorie.
Post-hoc Scheffe: ONTSPANNING (=mp3-speler, tablet, voetbal, potloden, hoofdtelefoon) Leeftijdsgroep
1
1
2
3
4
p=0,997
p=0,000
p=0,000
p=0,000
p=0,000
2
p=0,997
3
p=0,000
p=0,000
4
p=0,000
p=0,000
p=0,046 p=0,046
Bij de categorie ontspanning verschillende alle leeftijdsgroepen van elkaar behalve groep 1 en 2 (p=0,997). De kinderen van 13 à 14 jaar hebben dus geen significant hogere voorkeur voor het bekendste merk dan de kinderen van 11 à 12 jaar. Dit wijst er op dat kinderen al op jongere leeftijd de “brand awareness” van producten uit deze categorie ontwikkelen.
Post-hoc Scheffe: VOEDING (= cornflakes, water, snoep, chocomelk, hamburgers) Leeftijdsgroep
1
1
2
3
4
p=0,442
p=0,000
p=0,000
p=0,000
p=0,019
2
p=0,442
3
p=0,000
p=0,000
4
p=0,000
p=0,019
p=0,339 p=0,339
Bij de categorie voeding wordt vooral de opvallendste tendens van op het productniveau bevestigd, namelijk de kloof tussen leeftijdsgroep 2 en 3. Groep 1 en 2 verschillen niet significant van elkaar (p=0,442) en ook groep 3 en 4 (p=0,339) niet.
- 36 -
Post-hoc Scheffe: KLEDING (=sneakers, sweater, t-shirt, sporttas, slippers) Leeftijdsgroep
1
1
2
3
4
p=0,016
p=0,000
p=0,000
p=0,000
p=0,00
2
p=0,016
3
p=0,000
p=0,000
4
p=0,000
p=0,000
p=0,978 p=0,978
Bij kleding is er geen significant verschil tussen leeftijdsgroep 3 en 4 (p=0,978), dit is nog eens een teken dat “brand awareness” van kleding zich mogelijk slechts op latere leeftijd ontwikkelt bij kinderen.
Post-hoc Scheffe: VERZORGING (=tandenborstel, zeep, nagellak, wc-papier, lipbalsem) Leeftijdsgroep
1
1
2
3
4
p=0,761
p=0,000
p=0,000
p=0,004
p=0,001
2
p=0,761
3
p=0,000
p=0,004
4
p=0,000
p=0,001
p=0,949 p=0,949
Bij deze categorie zien we hetzelfde patroon als bij de categorie voeding. Opnieuw zijn er geen significante verschillen tussen groep 1 en 2
(p=0,761) en ook niet tussen groep 3 en groep 4
(p=0,949).
Voorlopige conclusie
Zowel op basis van de bevindingen op productniveau als op categorieniveau kunnen we vaststellen dat de grootste verschillen in merkvoorkeur zich voordoen in en tussen leeftijdsgroep 2 en 3, dus bij de kinderen van 9 tot 12 jaar.
- 37 -
Extra analyse op basis van geboortejaar
Om nog een concreter antwoord te kunnen geven op de vraag, hebben we een nieuwe variabele aangemaakt die de relevante leeftijdsgroepen, groep 2 en 3, opsplitst in 4 categorieën op basis van geboortejaar. De kinderen geboren in 2001 worden dan groep 1, 2002 wordt groep 2, 2003 wordt groep 3 en 2004 wordt groep 4.
ANOVA Categorie
P-waarde
Significant?
Ontspanning
0,000
Ja
Voeding
0,000
Ja
Kleding
0,000
Ja
Verzorging
0,000
ja
Een tweede Anova-toets toont aan dat ook tussen de leeftijdsgroepen per geboortejaar er significante verschillen zijn per categorie (p=0,000).
Post-hoc Scheffe: ONTSPANNING Geboortejaar
1
2
3
4
p=0,974
p=0,008
p=0,007
p=0,045
p=0,055
categorie 1 2
p=0,974
3
p=0,008
p=0,045
4
p=0,007
p=0,055
p=0,949 p=0,949
Tussen groep 1 en 2 (p=0,974), tussen groep 3 en 4 (p=0,949) en tussen groep 2 en 4 (p= 0,055) zijn er geen significante verschillen. Groep 1 verschilt wel significant van groep 3 (p=0,008) en van groep 4 (p=0,007) en ook groep 2 en 3 (p=0,045) verschillen significant van elkaar.
- 38 -
Post-hoc Scheffe: VOEDING Geboortejaar
1
2
3
4
p=0,997
p=0,255
p=0,000
p=0,237
p=0,055
categorie 1 2
p=0,997
3
p=0,255
p=0,237
4
p=0,000
p=0,000
p=0,272 p=0,272
Voor de categorie voeding vinden we enkel een significant verschil tussen groep 1 en groep 4 (p=0,000).
Post-hoc Scheffe: KLEDING Geboortejaar
1
2
3
4
p=0,993
p=0,024
p=0,003
p=0,075
p=0,020
categorie 1 2
p=0,993
3
p=0,024
p=0,075
4
p=0,003
p=0,020
p=0,999 p=0,999
Bij de categorie kleding zien we dat er geen verschillen zijn tussen de groepen met aan elkaar grenzende geboortejaren. De kinderen geboren in 2001 hebben een significant verschillende voorkeur van de kinderen geboren in 2003 en 2004 (p= 0,024 & p=0,003) en de kinderen geboren in 2002 hebben een significant verschillende voorkeur van de kinderen geboren in 2004 (p=0,020).
- 39 -
Post-hoc Scheffe: VERZORGING Geboortejaar
1
2
3
4
p=0,014
p=0,063
p=0,000
p=0,994
p=0,732
categorie 1 2
p=0,014
3
p=0,063
p=0,994
4
p=0,000
p=0,732
p=0,618 p=0,618
Enkel tussen groep 1 en 2 (p=0,014) en tussen groep 1 en groep 4 (p=0,000) zijn er significante verschillen.
Conclusie RQ3 De bijkomende analyse bevestigt onze voorlopige conclusie dat de verschillen in merkvoorkeur zich ontwikkelen tussen de leeftijd van 9 tot 12 jaar. Bij alle 4 de productcategorieën is er een significant verschil tussen de merkkeuzes van de kinderen geboren in 2001 en de kinderen geboren in 2004. Maar met uitzondering van de categorie verzorging zijn er geen significante verschillen tussen de kinderen geboren in 2001 en 2002. Dit laat ons toe om voor de andere 3 categorieën, namelijk kleding, voeding en ontspanning, het interval iets smaller te maken. Hier kunnen we zeggen dat de invloed van “ brand awareness” op de keuzes van de kinderen vooral stijgt tussen de leeftijd van 9 tot 11 jaar.
RQ4: Heeft geslacht een invloed op de merkvoorkeur? In de literatuur rond “brand awareness” en heuristieken wordt er weinig ingegaan op de rol van geslacht. Meerdere auteurs vermelden wel dat jongens en meisjes andere merken sneller kennen (O’Cass & Clarke, 2001; Valkenburg & Buijzen, 2005; Kopelman, Roberts & Adab, 2007, p. 362363). Om na te gaan of deze verschillende merkkennis ook weerspiegeld wordt in het gebruik van “brand awareness” als keuzeheuristiek, hebben we per categorie een two-factor Anova analyse uitgevoerd.
- 40 -
Ontspanning TWO-FACTOR ANOVA P-waarde
Significant?
Geslacht
0,009
ja
Leeftijdscategorie
0,000
ja
Geslacht*Leeftijdscategorie
0,509
nee
Bij de categorie ontspanning zien we dat er significante verschillen zijn voor geslacht en voor leeftijdscategorie, maar er is geen interactie-effect tussen de twee variabelen (p=0,509). Om de verschillen tussen jongens en meisjes nader te bekijken hebben we via de “select cases”-optie ook een aparte Anova-toets uitgevoerd voor jongens en voor meisjes.
ANOVA P-waarde
Significant?
Ontspanning: MEISJES
0,000
ja
Ontspanning: JONGENS
0,000
ja
Post-hoc Scheffe-MEISJES ONTSPANNING Leeftijdscategorie
1
1
2
3
4
p=0,885
p=0,000
p=0,000
p=0,002
p=0,000 p=0,563
2
p=0,885
3
p=0,000
p=0,002
p=0,000
4
p=0,000
p=0,000
p=0,563
Bij de meisjes zijn er geen significante verschillen tussen de twee oudste groepen onderling en de twee jongste groepen onderling. Dit wijst er op dat bij meisjes “brand awareness” als keuzeheuristiek zich vooral tussen 9 en 12 jaar ontwikkelt voor de categorie ontspanning.
- 41 -
Post-hoc Scheffe-JONGENS ONTSPANNING Leeftijdscategorie
1
1
2
3
4
p=0,961
p=0,112
p=0,000
p=0,030
p=0,000 p=0,097
2
p=0,961
3
p=0,112
p=0,030
p=0,000
4
p=0,000
p=0,000
p=0,000
Bij de jongens zijn er, net zoals bij de meisjes, geen significante verschillen tussen de twee oudste groepen (p=0,961). Ook tussen groep 1 en groep 3 zijn er geen significante verschillen (p=0,112). De ontwikkeling lijkt hoofdzakelijk plaats te vinden tussen groep 3 en groep 4, dus al vanaf 7 jaar.
Voeding TWO-FACTOR ANOVA P-waarde
Significant?
Geslacht
0,445
nee
Leeftijdscategorie
0,000
ja
Geslacht*Leeftijdscategorie
0,642
nee
Jongens en meisjes verschillen niet significant van elkaar (p=0,445) voor de categorie voeding. Er is ook geen interactie-effect tussen leeftijdscategorie en geslacht (p=0,642).
Kleding TWO-FACTOR ANOVA P-waarde
Significant?
Geslacht
0,625
nee
Leeftijdscategorie
0,000
ja
Geslacht*Leeftijdscategorie
0,613
nee
Geslacht heeft geen significante impact op de merkvoorkeur in de categorie kleding (p=0,625). Er is ook geen interactie-effect tussen leeftijdscategorie en geslacht (p=0,613).
- 42 -
Verzorging TWO-FACTOR ANOVA P-waarde
Significant?
Geslacht
0,118
nee
Leeftijdscategorie
0,000
ja
Geslacht*Leeftijdscategorie
0,592
nee
Ook bij de categorie verzorging zijn er geen significante verschillen tussen jongens en meisjes in hun merkvoorkeur. We zien wel dat de p-waarde (p=0,118) een stuk lager ligt dan bij de categorieën voeding en kleding. Er is opnieuw geen interactie-effect tussen jongens en meisjes (p=0,592).
Conclusie RQ 4 Bij dit experiment kunnen we slechts bij 1 van de 4 categorieën een significant verschil vaststellen tussen de merkvoorkeur van jongens en meisjes. Bij de categorie “ontspanning” blijken jongens op jongere leeftijd in hogere mate voor het bekendste merk te kiezen. Hoogstwaarschijnlijk is dit te verklaren door een hogere interesse en dus ook een hogere “brand awareness” voor de 5 producten die deel uitmaken van de categorie “ontspanning”. Aangezien er bij geen enkele categorie een interactieeffect is kunnen we concluderen dat in het algemeen geslacht geen impact heeft op de leeftijd van de ontwikkeling van “brand awareness” als keuzeheuristiek.
- 43 -
5. Discussie Het doel van deze paper was om meer inzicht te krijgen in het gebruik van “brand awareness” als keuzeheuristiek bij kinderen. Samenvattend, kunnen we zeggen dat er over de leeftijden heen bij de grote meerderheid van de respondenten een algemene voorkeur is voor de bekendste merken. De populariteit van deze merken wordt bovendien in grote mate versterkt naarmate de leeftijd stijgt. Bij 16 van de 20 producten was er een significant verband tussen leeftijd en merkvoorkeur en ook op categorieniveau waren er telkens significante verschillen tussen 2 of meerdere leeftijdsgroepen. Onze centrale vraag kunnen we jammer genoeg niet beantwoorden met 1 specifieke leeftijd, maar we hebben wel enkele duidelijke patronen kunnen constateren. Opvallendst waren de grote stijgingen in voorkeur voor de bekendste merken, zowel op product- als op categorieniveau, tussen leeftijdsgroep 2 en 3. En ook de kleine, zelfs vaak niet significante verschillen tussen de 2 jongste groepen onderling en/of de 2 oudste groepen onderling vielen op. Hieruit kunnen we concluderen dat kinderen merken vooral in overweging beginnen te nemen bij hun consumentenkeuzes, al dan niet bewust, tussen de leeftijd van 9 en 12 jaar. Nog voor de overgang naar het secundair onderwijs hebben de meeste kinderen dus al een hoge “brand awareness” ontwikkelt voor een verzameling van zeer verscheiden merkproducten. Bij een gelijkaardig onderzoek in 2003 van Achenreicher en John werden de bekendste merken pas vanaf 12 jaar significant positiever beoordeeld (p. 212-213). De precieze leeftijd vanaf wanneer men “brand awareness” zal gebruiken als heuristiek, zal afhankelijk zijn van verschillende andere factoren zoals de invloed van “peers”, de mate van blootstelling aan reclame en de interesse voor de specifieke productcategorie,… Tijdens het experiment en in de resultaten merkten we op dat de jongste groep grote interesse had voor de keuzes van hun medeleerlingen, dat “brand awareness” voor merkkleding zich vooral ook sterk ontwikkelt ná 11 jaar en dat de Apple tablet daarentegen al heel populair is nog vóór de leeftijd van 11 jaar bereikt wordt. De reden voor deze vroege bekendheid van Apple is misschien eerder te verklaren door de status van het merk en de sterke aanwezigheid er van bij kennissen van de respondenten dan door de directe invloed van marketing acties zelf. Voor geen enkele van de vier productcategorieën vonden we een interactie-effect tussen leeftijd en geslacht. Deze variabele lijkt enkel een rol te spelen in de zin dat ze de precieze merkkennis en productinteresses bepaalt. In ons experiment zagen we bijvoorbeeld dat jongens sneller een hogere
- 44 -
voorkeur hebben voor de bekendste merken in de categorie ontspanning. Dit kan te verklaren zijn door het feit dat deze categorie onder andere bestond uit een voetbal en 2 elektronica-items. In het algemeen is de grote invloed van “brand awareness” niet meer te ontkennen. Tegenwoordig worden we van jongs af aan overspoeld door marketing en steeds meer in de vorm van impliciete overtuiging. Cantor en Valkenburg zeggen dat kinderen al vanaf 8 jaar producten kritisch evalueren en minder vragen naar geadverteerde producten (2001, p. 68). Rozendaal, Buijzen en Valkenburg voegen er aan toe dat kinderen vanaf 10 jaar een goed begrip hebben van reclame tactieken en doelstellingen (2011). Ook zouden kinderen van ongeveer 9 jaar al moeten beschikken over de concepten “theory of mind” en “executive functioning” (Moses & Baldwin, 2005). Maar het feit dat desondanks al vanaf 9 jaar bij 19 van de 20 producten het bekendste product door de meerderheid wordt gekozen, ook zonder enige bijkomende kwaliteitsinformatie of nadruk op het logo, toont toch aan dat in vele situaties ons Systeem 1 met zijn heuristieken en impliciete attitudes overheerst. In de oudste leeftijdsgroep koos meer dan 80% van de respondenten voor het bekendste merk bij 12 van de 20 variabelen. Dit wijst er op dat er in deze gevallen waarschijnlijk zelfs nauwelijks aandacht aan de bijhorende foto’s werd gegeven en we focussen op wat we herkennen. De resultaten van dit onderzoek zijn nog eens een teken, zoals al aangekaart door onder andere Nairn en Fine, dat “advertising literacy” de impact van de recentere marketingtechnieken niet teniet doet en dus niet de juiste criteria zijn om het reclamebeleid voor kinderen op te baseren. Beperkingen en suggesties voor verder onderzoek Hoewel dit experiment, ondanks zijn eerder verkennende aard, toch een duidelijke bevestiging is van de relevantie van duale verwerkingstheorieën voor het onderzoek naar consumentengedrag van kinderen, hadden enkele wijzigingen voor nog sterkere resultaten kunnen zorgen. Eerst en vooral had een uitgebreidere pretest met meer respondenten van verschillende leeftijden meer zekerheid kunnen geven dat de “bekendste” merken geselecteerd waren. De online pretest bleek moeilijk voor de jongere leeftijdsgroepen, waardoor de oudste leeftijdsgroepen en ook 15-16 jarigen, die geen deel uitmaken van het experiment oververtegenwoordigd zijn. Aangezien de oudste leeftijdsgroep eigenlijk beschouwd kan worden als een vergelijkingsgroep die in de meeste gevallen bijna de maximale “brand awareness” heeft bereikt, zorgde dit ervoor dat we bij leeftijdsgroep 1
- 45 -
telkens een zeer duidelijke voorkeur vonden. Dit was een hulpmiddel voor de interpretatie van de ontwikkelingspatronen tussen de andere leeftijdsgroepen. We zijn dan ook van mening dat de oververtegenwoordiging in de pretest van de 13-plussers geen negatieve impact heeft op de geldigheid van het experiment. Het had wel een interessante optie geweest om vooraf een aparte pretest uit te voeren bij een twintigtal 14- tot 16-jarigen om zo een beter vergelijkingscijfer te hebben en dan nog een tweede, meer toegankelijke pretest uit te voeren met foto’s bij jongere respondenten om na te gaan of het producten zijn waarmee ze ooit al in aanraking zijn gekomen. Een fout is dat de Skullcandy hoofdtelefoon die in de pretest slechts een score van 73,5% had, niet is vervangen door een ander merk of product. Hier vonden we dan ook geen significant verband tussen leeftijd en merkvoorkeur. De drie andere producten waar geen significant verband was, hadden wel een score van boven de 80% in de pretest. Een tweede beperking van dit experiment was het feit dat de respondenten slechts gevraagd werden hun geboortejaar te noteren. Hiervoor werd gekozen om het zo eenvoudig mogelijk te houden, maar bij nader inzien zijn er bij kinderen zeer grote individuele verschillen in hun algemene ontwikkeling zelfs binnen 1 bepaald geboortejaar en had ook de geboortemaand moeten opgenomen worden als onderdeel van de variabele leeftijd. Dit kan ook een bijkomende verklaring zijn waarom het leeftijdsinterval als antwoord op de centrale vraag relatief breed is. We hebben er toch voor gekozen om in deze paper voornamelijk te spreken over leeftijd in plaats van geboortejaar, maar moeten er dus aan toevoegen dat het dan de vermoedelijke gemiddelde leeftijd is van de respondenten op het moment dat het experiment werd uitgevoerd. Verder zijn we er van uit gegaan dat door de verschillende versies van het onderzoek en het gebruik van zeer gelijkaardige foto’s een keuze enkel op basis van het beeld zou leiden tot een 50-50 verdeling en dus geen impact zou hebben op de resultaten. Bij een volgend onderzoek is het zeker aangeraden ook de foto’s vooraf te testen op hun aantrekkelijkheid. Bovendien zouden we voor een volgend onderzoek zeker aanraden om meerdere variabelen op te nemen die van invloed kunnen zijn op de ontwikkeling van “brand awareness” en het gebruik van heuristieken, zoals bijvoorbeeld: de mate van blootstelling aan reclame via mediagebruik, het niveau van “advertising literacy”, de meningen over merkproducten vs. generische producten, de sociale en cognitieve ontwikkeling, de mate van gepercipieerde tijdsdruk, de mate van “peer pressure”,
- 46 -
logoherkenning,… Ook zou het interessant zijn om het experiment individueel af te nemen, zeker bij de jongste leeftijdsgroepen om “imitatiegedrag” te vermijden. Tenslotte, willen we opmerken dat niet alleen onderzoek maar vooral ook bewustmakingsacties essentieel zijn in verband met het onderwerp van kinderen, marketing en psychologie. Zelfs wanneer de grote impact van marketing algemeen aanvaard zou worden, verandert dat nog niks aan het feit dat ook jonge kinderen er al hun aankopen en gedrag op afstemmen.
- 47 -
6. Bibliografie
Aaker, D. (1991). Managing brand equity. New York: Free press.
Achenreicher, G. & John, D. (2003). The meaning of brand names to children : a developmental investigation. Journal of consumer psychology, 13 (3), p. 205-219.
Adab, P., Kopelman, C. & Roberts, L. (2007). Advertising of food to children: is brand logo recognition related to their food knowledge, eating behaviours and food preferences ? Journal of public health, 29 (4), p. 362-363. Armstrong, G. , Brucks, M. & Goldberg, M. ( 1988). Children’s use of cognitive defenses against television advertising. A cognitive response approach. Journal of consumer research, 14, p. 471-482. Bargh, J. (2002). Losing consciousness: Automatic influences on consumer judgement, behavior and motivation. Journal of Consumer research,29 (1), p. 280.
Bartsch,K. & Wellman, H. (1995). Children talk about the mind. Oxford: Oxford university press. Bijmolt, T., Claassen, W. & Brus, B. (1998). Children’s understanding of TV advertising: Effects of age, gender and parental influence. Journal of consumer policy, 21, p.189.
Boush, D., Friestad,M. & Wright, P. (2005). The development of marketplace persuasion knowledge in children, adolescents and young adults. Journal of public policy and marketing, 24 (2), p. 222. Brown, S . & Hoyer, W. ( 1990). Effects of brand awareness on choice for common, repeat-purchase product. Journal of Consumer Research, 17, p. 141-148.
Buckingham, D. (2007). Selling childhood ? Children and consumer culture. Journal of children and media, 1 (1), p. 15. Buijzen, M. & Valkenburg, P. (2000). The impact of television advertising on children’s Christmas wishes. Journal of broadcasting and electronic media, 44, p. 456-469.
- 48 -
Buijzen, M. & Valkenburg, P. (2005). Identifying determinants of young children’s brand awareness: Television, parents and peers. Applied developmental psychology, 26, p. 456-468. Buijzen, M., Rozendaal, E. & Valkenburg, P. ( 2011). Children’s understanding of advertiser’s persuasive tactics. International journal of advertising, 30 (2), p. 329 – 350.
Butter, E., Popovich, P. , Stackhouse, R. & Garner, R. ( 1981). Discrimination of television programs and commercials by preschool children. Journal of advertising research, 21, p. 53.
Cacioppo, J. & Petty, R. (1984). The elaboration likelihood model of persuasion. Advances in consumer research, 11, p. 673 -675.
Calvert, S. (2008). Children as consumers: Advertising and marketing. The future of children, 18 (1), p. 205. Cantor, J. & Valkenburg, P. (2001). “ The development of a child into a consumer. Journal of applied developmental psychology, 22 (1), p. 62.
Cantor, J., Kunkel, D., Wilcox, B., Palmer, E., Linn, S. & Dowrick, P. (2004). Report of the APA task force on advertising and children. Washington, DC : American Psychological Association.
Cauberghe,V., Destoop,K , De Pelsmacker, P. & Panic,K. (2012). Children and a changing media environment: investigating persuasion knowledge for integrated advertising formats. Research in Advertising, 11th International conference, Proceedings.
Chaiken,S., Chen, S. & Duckworth, K. (1999). Motivated Heuristic and Systematic Processing. Psychological Inquiry: An International Journal for the Advancement of Psychological Theory, 10 (1), p. 44-49.
Choi,Y. , Cole, R., Lee, M. & Taylor, E. (2009). Playing with food: content analysis of food advergames. Journal of Consumer Affairs, 43 (1), p. 146-148.
Cook,T. (2004). Beyond either/or. Journal of Consumer Culture, 4 (2), p. 147.
- 49 -
De Chernatony, L. , McDonald,M. & Wallace, E. (1992). Creating powerful brands. London : Butterworth- Heinemann. Derscheid, L., Fang, S. & Kwon, Y. (1996). Preschooler’s socialization as consumers of clothing and recognition of symbolism. Perceptual and Motor skills, 82, p. 1171 – 1181. Dewitte, S. (2003). Nadenken heeft een prijs. Hoe efficiënt springen consumenten om met hun schaarse mentale bronnen ? Tijdschrift voor economie en management, 47 (1), p. 5-22.
Dickson, P. & Sawyer, A. (1986). Point of purchase behavior and price perceptions of supermarket shoppers. Marketing science institute : Cambridge : MSI.
Donovan, R. , Rossiter, J. & Percy, L. (1991). A better advertising planning grid. Journal of Advertising Research, 11.
Dubow, J. (1994). Advertising recognition and recall by age-including teens. Journal of advertising research, 35, p. 57-58.
Ellis, A., Holmes, S. & Wright, R (2010). Age of acquisition and the recognition of brand names : on the importance of being early. Journal of Consumer Psychology, 20, p. 43- 51. Fazio, R., Powell, M. & Williams, C. (1989). The role of attitude accesability in the attitude- to – behaviour- process. Journal of Consumer Research, 16 (3), p. 287. Fine,C. & Nairn, N. (2008). Who’s messing with my mind ? The implications of dual-process models for the ethics of advertising to children. International journal of advertising, 27 (3), p. 447-470. Finnigan, H. & Oxoby, R. (2007). Developing heuristic – based quality judgements : blocking in consumer choice. Psychology & Marketing, 24 (4), p. 295-296.
Fischer, E., Main, K. & Wei, M. (2008). An examination of the effects of activating persuasion knowledge on consumer response to brands engaging in covert marketing. Journal of public policy and marketing, 27 (1), p. 42.
- 50 -
Fitzsimons,G., Hutchinson, J. & Williams, P. (2002). Non-conscious influences on consumer choice. Marketing letters, 13, p. 269-279.
Frankish, K. (2010). Dual-process and dual-system theories of reasoning. Philosophy Compass, 5 (10), p. 914.
Frederick, S. & Kahneman, D. (2002) Representativeness revisited: Attribute substitution in intuitive judgment. In Gilovich, T. et al. ( Eds.). Heuristics and Biases : the Psychology of Intuitive Judgment, p. 49-81. Cambridge : Cambridge University Press.
Friese, M., Wänke, M. & Plessner, H. (2006). Implicit consumer preferences and their influence on product choice. Psychology & Marketing, 23 (9), p. 727-740.
Frye, F., Zelazo, P. & Palfai, T. Theory of mind and rule-based reasoning. Cognitive development, 10 (4), p. 483-527.
Furnham, A. & Gunter, B. (1998). Children as consumers: a psychological analysis of the young people’s market. London: Routledge.
Gaissmaier, W., Gigerenzer, G., Marewski, J. (2010). Good judgements do not require complex processing. Cognitive processing, 11, p. 104-105.
Gigerenzer, G. (2007). Gut feelings. The intelligence of the unconscious. London : Penguin Books.
Gigerenzer, G. and Todd P. (1999). Simple Heuristics That Make Us Smart. Oxford : Oxford university press.
Gigerenzer, G. & Goldstein, D. (1996). Reasoning the fast and frugal way: models of bounded rationality. Psychological review, 103 (4), p. 650-659.
Gigerenzer, G. & Goldstein, D. (2002). Models of ecological rationality: the recognition heuristic. Psychological review, 109 (1), p. 75-90.
- 51 -
Goldstein, D. (2007). Getting attention for unrecognized brands. Harvard Business Review, march 2007, p. 28.
Gootman, J., Mc Ginnis, J., & Kraak, V. (2006). Institute of Medicine-Food marketing to children and youth: threat or opportunity? Washington: National Academies Press.
Greenwald, A., McGhee, D. & Schwartz, J. (1998). Measuring individual differences in implicit cognition: The implicit association test. Journal of personality and social psychology, 74, p. 14641480. Hastings, G., McDermott, L., O’Sullivan, T. & Stead, M. (2006). International food advertising, pester power and its effects. International journal of advertising, 25 (4), p. 514.
Hatchuel, A. (2001). Towards design theory and expandable rationality: the unfinished program of Herbert Simon. Journal of management and governance, 5 (3/4), p. 261-262.
Helsper, E. & Livingstone, S. ( 2006). Does advertising literacy mediate the effects of advertising on children ? A critical examination of two linked research literatures in relation to obesity and food choice. Journal of Communication, 56 (3), p. 560- 884.
Hertwig, R., Herzog, S., Schooler, L. & Reimer, T. (2008). Fluency heuristic: a model of how the mind exploits a by-product of information retrieval. Journal of experimental psychology: learning, memory and cognition, 34 (5), p. 1191- 1206.
Higham, P. & Vokey, J. (2000). Judgement heuristics and recognition memory: prime identification and target-processing fluency. Memory and cognition, 28, p. 575-582.
Hite, C. & Hite, R. (1994). Reliance on brand by young children. Journal of market research, 37 (2), p. 186-187.
Hogg, M., Bruce, M. & Hill, A. (1998). Fashion brand preferences among young consumers. International journal of retail and distribution management, 26 (8), p. 297-298.
- 52 -
Holden, S. (1994). Understanding brand awareness: let me give you a c(l)ue. In Mc Alister, L. & Rothschild, M. (Eds.), Advances in consumer research, 20, p. 383-388.
John, D. (1999). Consumer socialization of children: a retrospective look at twenty-five years of research. Journal of consumer research, 26 (3), p. 183-213.
Kahneman, D. ( 2011). Thinking, fast and slow. London: Allen Lane.
Kahneman,D. & Tversky, A.(1973). Availability: a heuristic for judging frequency and probability. Cognitive Psychology, 5 (2), p. 207-232.
Kaikati, A. & Kaitkati, J. (2004). Stealth marketing: how to reach consumers surreptitiously. California management review, p. 6-8.
Kail, R. (1991). Processing times decline exponentially during childhood and adolescence. Developmental Psychology, 27 (2), p. 259.
King, R. , Nelson, C. , Srzentic, C. & Tom, G. (2007). Mere exposure and the endowment effect on consumer decision making. The Journal of Psychology, 141 (2), p. 123.
Kunkel, D. (2004). Report of the APA task force on advertising and children: physiological issues in the increasing commercialization of childhood. Washington: American Psychological Association.
Lindsey, S., Schooler, T. & Wilson, T. (2000). A model of dual attitudes. Psychological review, 107 (1), p.101.
Lindstrom, M. & Seybold, P. (2004). BRANDchild. Londen: Kogan Page.
Linn, S. & Novosat, C. (2008). Calories for sale : Food marketing to children in the twenty-first century. Annals of the American Academy of Political and Social Science, 615, p. 133- 155.
- 53 -
Lye, A., Swanepoel, C. & Rugimbana, R. (2009). Virally inspired: A review of the theory of viral stealth marketing. Australasian Journal of Marketing,17, p. 9-10.
Macdonald, E. & Sharp, B. (2003). Management perceptions of the importance of brand awaraness as an indication of Advertising effectiveness. Marketing Bulletin, 14, art. 2. Mallinckrodt, V. & Mizerski, D. (2007). The effects of playing an advergame on young children’s perceptions, preferences and requests. Journal of advertising, 36 (2), p. 87.
Marshall, D. (Ed.) (2010). Understanding Children as Consumers. London: Sage.
Martin, K. & Smith, N. (2008). Commercializing social interactions: the ethics of stealth marketing. Journal of public policy and marketing, 27 (1), p. 45.
McNeal, J. (1992). Kids as consumers: a handbook of marketing to children. New York: Lexington books. McAlister, A. & Cornwell, B. (2009). Preschool children’s persuasion knowledge: the contribution of theory of mind. Journal of public policy and marketing, 28 (2), p. 180. McAlister, A. & Cornwell, B. (2010). Children’s brand symbolism understanding: links to theory of mind and executive functioning. Psychology and marketing journal, 27 (3), p. 203-228.
McAlister, A. & Peterson, C. (2006). Mental playmates: siblings, executive functioning and theory of mind development. Journal of developmental psychology, 24, p. 733-751.
McAlister, A. & Peterson, C. (2007). A longitudinal study of child siblings and theory of mind development. Cognitive development, 22, p. 258-270. Minor, M. & Mowen, J. (1998). Consumer Behavior. (5th ed). Londen: Prentice-Hall.
- 54 -
Moore, E. & Rideout, V. ( 2007). The online marketing of food to children : is it just fun and games ? Journal of Public Policy and Marketing, 26 (2), p. 202-220.
Moore, E. (2004). Children and the changing world of advertising. Journal of Business Ethics, 52, p. 161-167.
Moore, E., Lutz, R. & Wilke, W. (2002). Passing the torch: Intergenerational influences as a source of brand equity. Journal of Marketing, 66, p. 17-37. Moses, J. & Baldwin, D. (2005). What can the study of cognitive development reveal about children’s ability to appreciate and cope with advertising? Journal of public policy and marketing, 24 (2), p.186201. Newell, B. & Shanks, D. Take the best or look at the rest? Factors influencing “one-reason” decision making. Journal of experimental psychology: learning, memory and cognition, 29 (5), p. 53-65. O’Bar, W.(2008). Children and Advertising. Advertising and society review, 9 (4), intro. O’Cass, A. & Clarke, P. (2001). Dear Santa, do you have my brand ? A study of the brand request styles at Christmas time. Journal of Consumer behavior, 2, p. 37-53. O’Donahoe, S. & Tynan, C. (1998). Beyond sophistication: dimensions of advertising literacy. International journal of advertising, 17 (4), p. 1-2. Oppenheimer, D. (2003). Not so fast! (and not so frugal!): rethinking the recognition heuristic. Cognition, 90, B1-B9.
Percy, L. & Rossiter, J. (1987). Advertising and Promotion Management. Singapore : Mc Graw-Hill.
Perugini, M. (2005). Predictive models of implicit and explicit attitudes. British journal of social psychology, 44 (1), p. 29-45.
- 55 -
Rubin, R. (1974). The effects of cognitive development on children’s responses to television advertising. Journal of Business Research, 2, p. 409-418.
Rydell, R. & McConnell, A. (2006). Understanding implicit and explicit attitude change: a systems of reasoning analysis. Journal of personality and social psychology, 91 (6), p. 995.
Simon, H. (1955). A behavioral model of rational choice. Quarterly journal of economics, 69, p. 99118.
Slovic, P., Finucane, M., Peters, E., MacGregor, D. (2007). The affect heuristic. European journal of operational research, 177, p. 1335-1336.
Sprott, D. (2008). The policy, consumer and ethical dimensions of covert marketing: an introduction to the special section. Journal of public policy and marketing, 27 (1), p. 4.
Stokes, R. (1985). The effects of price, package design and brand familiarity on perceived quality. In Jacoby, J. & Olson, J. (Eds.). Perceived Quality. Lexington : Lexington Books.
Townsend, E. & Spence, A. Spontaneous evaluations: Similarities and differences between the affect heuristic and implicit attitudes. Cognition and emotion, 22 (1), p. 83-93.
Vyncke, P. (2011). The heart and the mind: on advertising and consumption. Zelzate: University Press.
Ward, S. , Wackman, D. & Wartella, E. (1977). How children learn to buy. Beverly Hills, CA : Sage.
Ward, S. (1974). Consumer socialization. Journal of consumer research, 1, p. 1-16.
Wellman, H., Cross, D. & Watson, J. (2001). Meta-analysis of theory of mind development: The truth about false belief. Child development, 75, p. 655-684.
- 56 -
Whittlesea, B. & Leboe, J. (2003). Two fluency heuristics (and how to tell them apart). Journal of memory and language, 49 (1), p. 62-63.
Woodside, A. & Wilson, E. (1985). Effects on consumer awareness of advertising on preference. Journal of Advertising Research, 25, p. 42. Young, B. (2003). Does food advertising influence children’s food choices? A critical review of some of the most recent literature. International journal of advertising, 22, p. 441-459.
Zajonc, R. (1968). Attitudinal effects of mere exposure. Journal of Personality and Social Psychology, 9, p. 1-28.
- 57 -
7. Bijlagen Bijlage 1: SPSS OUTPUT
Onafhankelijke variabelen : frequencies
Statistics POWERPOINT N
Valid Missing
GESL
GJ
LFTCAT
252
252
252
252
0
0
0
0
POWERPOINT Cumulative Frequency Valid
Percent
Valid Percent
Percent
A
85
33,7
33,7
33,7
B
59
23,4
23,4
57,1
C
65
25,8
25,8
82,9
D
43
17,1
17,1
100,0
252
100,0
100,0
Total
GJ Cumulative Frequency Valid
Percent
Valid Percent
Percent
1999
34
13,5
13,5
13,5
2000
39
15,5
15,5
29,0
2001
41
16,3
16,3
45,2
2002
28
11,1
11,1
56,3
2003
21
8,3
8,3
64,7
2004
36
14,3
14,3
79,0
2005
33
13,1
13,1
92,1
2006
20
7,9
7,9
100,0
Total
252
100,0
100,0
- 58 -
GESL Cumulative Frequency Valid
Percent
Valid Percent
Percent
meisje
139
55,2
55,2
55,2
jongen
113
44,8
44,8
100,0
Total
252
100,0
100,0
LFTCAT Cumulative Frequency Valid
Percent
Valid Percent
Percent
1,00
73
29,0
29,0
29,0
2,00
69
27,4
27,4
56,3
3,00
57
22,6
22,6
79,0
4,00
53
21,0
21,0
100,0
Total
252
100,0
100,0
Case Processing Summary Cases Valid N
Missing Percent
N
Total
Percent
N
Percent
LFTCAT * voetb
252
100,0%
0
,0%
252
100,0%
LFTCAT * potl
252
100,0%
0
,0%
252
100,0%
LFTCAT * mp3
252
100,0%
0
,0%
252
100,0%
LFTCAT * tab
252
100,0%
0
,0%
252
100,0%
LFTCAT * hfdtel
252
100,0%
0
,0%
252
100,0%
- 59 -
Kruistabellen & Chi-kwadraat toetsen afhankelijke variabelen
VOETBAL - Crosstab voetb bekend LFTCAT
1,00
Count
0
73
60,8
12,2
73,0
100,0%
,0%
100,0%
34,8%
,0%
29,0%
61
8
69
57,5
11,5
69,0
% within LFTCAT
88,4%
11,6%
100,0%
% within voetb
29,0%
19,0%
27,4%
44
13
57
47,5
9,5
57,0
% within LFTCAT
77,2%
22,8%
100,0%
% within voetb
21,0%
31,0%
22,6%
32
21
53
44,2
8,8
53,0
% within LFTCAT
60,4%
39,6%
100,0%
% within voetb
15,2%
50,0%
21,0%
210
42
252
210,0
42,0
252,0
83,3%
16,7%
100,0%
100,0%
100,0%
100,0%
% within LFTCAT % within voetb Count Expected Count
3,00
Count Expected Count
4,00
Count Expected Count
Total
Total
73
Expected Count
2,00
onbekend
Count Expected Count % within LFTCAT % within voetb
Chi-Square Tests Asymp. Sig. (2Value
df
sided)
a
3
,000
Likelihood Ratio
45,189
3
,000
Linear-by-Linear Association
37,031
1
,000
Pearson Chi-Square
N of Valid Cases
37,535
252
- 60 -
POTLODEN potl bekend LFTCAT
1,00
Count
0
73
56,5
16,5
73,0
100,0%
,0%
100,0%
37,4%
,0%
29,0%
62
7
69
53,4
15,6
69,0
% within LFTCAT
89,9%
10,1%
100,0%
% within potl
31,8%
12,3%
27,4%
31
26
57
44,1
12,9
57,0
% within LFTCAT
54,4%
45,6%
100,0%
% within potl
15,9%
45,6%
22,6%
29
24
53
41,0
12,0
53,0
% within LFTCAT
54,7%
45,3%
100,0%
% within potl
14,9%
42,1%
21,0%
195
57
252
195,0
57,0
252,0
77,4%
22,6%
100,0%
100,0%
100,0%
100,0%
% within LFTCAT % within potl Count Expected Count
3,00
Count Expected Count
4,00
Count Expected Count
Total
Total
73
Expected Count
2,00
onbekend
Count Expected Count % within LFTCAT % within potl
Chi-Square Tests Asymp. Sig. (2Value
df
sided)
a
3
,000
Likelihood Ratio
72,574
3
,000
Linear-by-Linear Association
52,848
1
,000
Pearson Chi-Square
N of Valid Cases
60,247
252
- 61 -
MP3-SPELER mp3 bekend LFTCAT
1,00
Count
9
73
54,5
18,5
73,0
% within LFTCAT
87,7%
12,3%
100,0%
% within mp3
34,0%
14,1%
29,0%
62
7
69
51,5
17,5
69,0
% within LFTCAT
89,9%
10,1%
100,0%
% within mp3
33,0%
10,9%
27,4%
36
21
57
42,5
14,5
57,0
% within LFTCAT
63,2%
36,8%
100,0%
% within mp3
19,1%
32,8%
22,6%
26
27
53
39,5
13,5
53,0
% within LFTCAT
49,1%
50,9%
100,0%
% within mp3
13,8%
42,2%
21,0%
188
64
252
188,0
64,0
252,0
74,6%
25,4%
100,0%
100,0%
100,0%
100,0%
Count Expected Count
3,00
Count Expected Count
4,00
Count Expected Count
Total
Total
64
Expected Count
2,00
onbekend
Count Expected Count % within LFTCAT % within mp3
Chi-Square Tests Asymp. Sig. (2Value
df
sided)
a
3
,000
Likelihood Ratio
37,294
3
,000
Linear-by-Linear Association
31,579
1
,000
Pearson Chi-Square
N of Valid Cases
37,248
252
- 62 -
TABLET tab bekend LFTCAT
1,00
Count
16
73
53,9
19,1
73,0
% within LFTCAT
78,1%
21,9%
100,0%
% within tab
30,6%
24,2%
29,0%
57
12
69
50,9
18,1
69,0
% within LFTCAT
82,6%
17,4%
100,0%
% within tab
30,6%
18,2%
27,4%
43
14
57
42,1
14,9
57,0
% within LFTCAT
75,4%
24,6%
100,0%
% within tab
23,1%
21,2%
22,6%
29
24
53
39,1
13,9
53,0
% within LFTCAT
54,7%
45,3%
100,0%
% within tab
15,6%
36,4%
21,0%
186
66
252
186,0
66,0
252,0
73,8%
26,2%
100,0%
100,0%
100,0%
100,0%
Count Expected Count
3,00
Count Expected Count
4,00
Count Expected Count
Total
Total
57
Expected Count
2,00
onbekend
Count Expected Count % within LFTCAT % within tab
Chi-Square Tests Asymp. Sig. (2Value Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases
df
sided)
a
3
,004
12,730
3
,005
8,365
1
,004
13,525
252
a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 13,88.
- 63 -
HOOFDTELEFOON hfdtel bekend LFTCAT
1,00
Count
38
73
41,7
31,3
73,0
% within LFTCAT
47,9%
52,1%
100,0%
% within hfdtel
24,3%
35,2%
29,0%
41
28
69
39,4
29,6
69,0
% within LFTCAT
59,4%
40,6%
100,0%
% within hfdtel
28,5%
25,9%
27,4%
35
22
57
32,6
24,4
57,0
% within LFTCAT
61,4%
38,6%
100,0%
% within hfdtel
24,3%
20,4%
22,6%
33
20
53
30,3
22,7
53,0
% within LFTCAT
62,3%
37,7%
100,0%
% within hfdtel
22,9%
18,5%
21,0%
144
108
252
144,0
108,0
252,0
57,1%
42,9%
100,0%
100,0%
100,0%
100,0%
Count Expected Count
3,00
Count Expected Count
4,00
Count Expected Count
Total
Total
35
Expected Count
2,00
onbekend
Count Expected Count % within LFTCAT % within hfdtel
Chi-Square Tests Asymp. Sig. (2Value
df
sided)
a
3
,301
Likelihood Ratio
3,639
3
,303
Linear-by-Linear Association
2,787
1
,095
Pearson Chi-Square
N of Valid Cases
3,658
252
- 64 -
HAMBURGER hamb bekend LFTCAT
1,00
Count
12
73
56,8
16,2
73,0
% within LFTCAT
83,6%
16,4%
100,0%
% within hamb
31,1%
21,4%
29,0%
58
11
69
53,7
15,3
69,0
% within LFTCAT
84,1%
15,9%
100,0%
% within hamb
29,6%
19,6%
27,4%
39
18
57
44,3
12,7
57,0
% within LFTCAT
68,4%
31,6%
100,0%
% within hamb
19,9%
32,1%
22,6%
38
15
53
41,2
11,8
53,0
% within LFTCAT
71,7%
28,3%
100,0%
% within hamb
19,4%
26,8%
21,0%
196
56
252
196,0
56,0
252,0
77,8%
22,2%
100,0%
100,0%
100,0%
100,0%
Count Expected Count
3,00
Count Expected Count
4,00
Count Expected Count
Total
Total
61
Expected Count
2,00
onbekend
Count Expected Count % within LFTCAT % within hamb
Chi-Square Tests Asymp. Sig. (2Value
df
sided)
a
3
,072
Likelihood Ratio
6,938
3
,074
Linear-by-Linear Association
4,761
1
,029
Pearson Chi-Square
N of Valid Cases
7,008
252
- 65 -
WATER Crosstab wat bekend LFTCAT
1,00
Count
15
73
49,8
23,2
73,0
% within LFTCAT
79,5%
20,5%
100,0%
% within wat
33,7%
18,8%
29,0%
48
21
69
47,1
21,9
69,0
% within LFTCAT
69,6%
30,4%
100,0%
% within wat
27,9%
26,3%
27,4%
31
26
57
38,9
18,1
57,0
% within LFTCAT
54,4%
45,6%
100,0%
% within wat
18,0%
32,5%
22,6%
35
18
53
36,2
16,8
53,0
% within LFTCAT
66,0%
34,0%
100,0%
% within wat
20,3%
22,5%
21,0%
172
80
252
172,0
80,0
252,0
68,3%
31,7%
100,0%
100,0%
100,0%
100,0%
Count Expected Count
3,00
Count Expected Count
4,00
Count Expected Count
Total
Total
58
Expected Count
2,00
onbekend
Count Expected Count % within LFTCAT % within wat
Chi-Square Tests Asymp. Sig. (2Value
df
sided)
a
3
,024
Likelihood Ratio
9,511
3
,023
Linear-by-Linear Association
5,038
1
,025
Pearson Chi-Square
N of Valid Cases
9,459
252
- 66 -
CORNFLAKES Crosstab corn bekend LFTCAT
1,00
Count
11
73
54,2
18,8
73,0
% within LFTCAT
84,9%
15,1%
100,0%
% within corn
33,2%
16,9%
29,0%
56
13
69
51,2
17,8
69,0
% within LFTCAT
81,2%
18,8%
100,0%
% within corn
29,9%
20,0%
27,4%
33
24
57
42,3
14,7
57,0
% within LFTCAT
57,9%
42,1%
100,0%
% within corn
17,6%
36,9%
22,6%
36
17
53
39,3
13,7
53,0
% within LFTCAT
67,9%
32,1%
100,0%
% within corn
19,3%
26,2%
21,0%
187
65
252
187,0
65,0
252,0
74,2%
25,8%
100,0%
100,0%
100,0%
100,0%
Count Expected Count
3,00
Count Expected Count
4,00
Count Expected Count
Total
Total
62
Expected Count
2,00
onbekend
Count Expected Count % within LFTCAT % within corn
Chi-Square Tests Asymp. Sig. (2Value Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases
df
sided)
a
3
,002
14,960
3
,002
9,501
1
,002
15,146
252
- 67 -
CHOCOMELK chocom bekend LFTCAT
1,00
Count
0
73
55,9
17,1
73,0
% within LFTCAT
100,0%
,0%
100,0%
% within chocom
37,8%
,0%
29,0%
57
12
69
52,8
16,2
69,0
% within LFTCAT
82,6%
17,4%
100,0%
% within chocom
29,5%
20,3%
27,4%
31
26
57
43,7
13,3
57,0
% within LFTCAT
54,4%
45,6%
100,0%
% within chocom
16,1%
44,1%
22,6%
32
21
53
40,6
12,4
53,0
% within LFTCAT
60,4%
39,6%
100,0%
% within chocom
16,6%
35,6%
21,0%
193
59
252
193,0
59,0
252,0
% within LFTCAT
76,6%
23,4%
100,0%
% within chocom
100,0%
100,0%
100,0%
Count Expected Count
3,00
Count Expected Count
4,00
Count Expected Count
Total
Total
73
Expected Count
2,00
onbekend
Count Expected Count
Chi-Square Tests Asymp. Sig. (2Value
df
sided)
a
3
,000
Likelihood Ratio
60,770
3
,000
Linear-by-Linear Association
39,480
1
,000
Pearson Chi-Square
N of Valid Cases
47,146
252
- 68 -
SNOEP snoep bekend LFTCAT
1,00
Count
18
73
49,5
23,5
73,0
% within LFTCAT
75,3%
24,7%
100,0%
% within snoep
32,2%
22,2%
29,0%
52
17
69
46,8
22,2
69,0
% within LFTCAT
75,4%
24,6%
100,0%
% within snoep
30,4%
21,0%
27,4%
31
26
57
38,7
18,3
57,0
% within LFTCAT
54,4%
45,6%
100,0%
% within snoep
18,1%
32,1%
22,6%
33
20
53
36,0
17,0
53,0
% within LFTCAT
62,3%
37,7%
100,0%
% within snoep
19,3%
24,7%
21,0%
171
81
252
171,0
81,0
252,0
67,9%
32,1%
100,0%
100,0%
100,0%
100,0%
Count Expected Count
3,00
Count Expected Count
4,00
Count Expected Count
Total
Total
55
Expected Count
2,00
onbekend
Count Expected Count % within LFTCAT % within snoep
Chi-Square Tests Asymp. Sig. (2Value
df
sided)
a
3
,027
Likelihood Ratio
9,056
3
,029
Linear-by-Linear Association
5,360
1
,021
Pearson Chi-Square
N of Valid Cases
9,160
252
- 69 -
T-SHIRT tshirt bekend LFTCAT
1,00
Count
0
73
53,9
19,1
73,0
100,0%
,0%
100,0%
39,2%
,0%
29,0%
52
17
69
50,9
18,1
69,0
% within LFTCAT
75,4%
24,6%
100,0%
% within tshirt
28,0%
25,8%
27,4%
31
26
57
42,1
14,9
57,0
% within LFTCAT
54,4%
45,6%
100,0%
% within tshirt
16,7%
39,4%
22,6%
30
23
53
39,1
13,9
53,0
% within LFTCAT
56,6%
43,4%
100,0%
% within tshirt
16,1%
34,8%
21,0%
186
66
252
186,0
66,0
252,0
73,8%
26,2%
100,0%
100,0%
100,0%
100,0%
% within LFTCAT % within tshirt Count Expected Count
3,00
Count Expected Count
4,00
Count Expected Count
Total
Total
73
Expected Count
2,00
onbekend
Count Expected Count % within LFTCAT % within tshirt
Chi-Square Tests Asymp. Sig. (2Value
df
sided)
a
3
,000
Likelihood Ratio
61,646
3
,000
Linear-by-Linear Association
39,000
1
,000
Pearson Chi-Square
N of Valid Cases
45,230
252
- 70 -
SNEAKERS sneak bekend LFTCAT
1,00
Count
10
73
50,7
22,3
73,0
% within LFTCAT
86,3%
13,7%
100,0%
% within sneak
36,0%
13,0%
29,0%
54
15
69
47,9
21,1
69,0
% within LFTCAT
78,3%
21,7%
100,0%
% within sneak
30,9%
19,5%
27,4%
31
26
57
39,6
17,4
57,0
% within LFTCAT
54,4%
45,6%
100,0%
% within sneak
17,7%
33,8%
22,6%
27
26
53
36,8
16,2
53,0
% within LFTCAT
50,9%
49,1%
100,0%
% within sneak
15,4%
33,8%
21,0%
175
77
252
175,0
77,0
252,0
69,4%
30,6%
100,0%
100,0%
100,0%
100,0%
Count Expected Count
3,00
Count Expected Count
4,00
Count Expected Count
Total
Total
63
Expected Count
2,00
onbekend
Count Expected Count % within LFTCAT % within sneak
Chi-Square Tests Asymp. Sig. (2Value
df
sided)
a
3
,000
Likelihood Ratio
27,601
3
,000
Linear-by-Linear Association
24,848
1
,000
Pearson Chi-Square
N of Valid Cases
26,944
252
- 71 -
SPORTTAS sptas bekend LFTCAT
1,00
Count
13
73
52,7
20,3
73,0
% within LFTCAT
82,2%
17,8%
100,0%
% within sptas
33,0%
18,6%
29,0%
56
13
69
49,8
19,2
69,0
% within LFTCAT
81,2%
18,8%
100,0%
% within sptas
30,8%
18,6%
27,4%
37
20
57
41,2
15,8
57,0
% within LFTCAT
64,9%
35,1%
100,0%
% within sptas
20,3%
28,6%
22,6%
29
24
53
38,3
14,7
53,0
% within LFTCAT
54,7%
45,3%
100,0%
% within sptas
15,9%
34,3%
21,0%
182
70
252
182,0
70,0
252,0
72,2%
27,8%
100,0%
100,0%
100,0%
100,0%
Count Expected Count
3,00
Count Expected Count
4,00
Count Expected Count
Total
Total
60
Expected Count
2,00
onbekend
Count Expected Count % within LFTCAT % within sptas
Chi-Square Tests Asymp. Sig. (2Value
df
sided)
a
3
,001
Likelihood Ratio
15,737
3
,001
Linear-by-Linear Association
14,421
1
,000
Pearson Chi-Square
N of Valid Cases
15,978
252
- 72 -
SLIPPERS slip bekend LFTCAT
1,00
Count
14
73
48,4
24,6
73,0
% within LFTCAT
80,8%
19,2%
100,0%
% within slip
35,3%
16,5%
29,0%
52
17
69
45,7
23,3
69,0
% within LFTCAT
75,4%
24,6%
100,0%
% within slip
31,1%
20,0%
27,4%
30
27
57
37,8
19,2
57,0
% within LFTCAT
52,6%
47,4%
100,0%
% within slip
18,0%
31,8%
22,6%
26
27
53
35,1
17,9
53,0
% within LFTCAT
49,1%
50,9%
100,0%
% within slip
15,6%
31,8%
21,0%
167
85
252
167,0
85,0
252,0
66,3%
33,7%
100,0%
100,0%
100,0%
100,0%
Count Expected Count
3,00
Count Expected Count
4,00
Count Expected Count
Total
Total
59
Expected Count
2,00
onbekend
Count Expected Count % within LFTCAT % within slip
Chi-Square Tests Asymp. Sig. (2Value
df
sided)
a
3
,000
Likelihood Ratio
21,444
3
,000
Linear-by-Linear Association
19,309
1
,000
Pearson Chi-Square
N of Valid Cases
21,236
252
- 73 -
SWEATERS sweat bekend LFTCAT
1,00
Count
12
73
43,7
29,3
73,0
% within LFTCAT
83,6%
16,4%
100,0%
% within sweat
40,4%
11,9%
29,0%
41
28
69
41,3
27,7
69,0
% within LFTCAT
59,4%
40,6%
100,0%
% within sweat
27,2%
27,7%
27,4%
24
33
57
34,2
22,8
57,0
% within LFTCAT
42,1%
57,9%
100,0%
% within sweat
15,9%
32,7%
22,6%
25
28
53
31,8
21,2
53,0
% within LFTCAT
47,2%
52,8%
100,0%
% within sweat
16,6%
27,7%
21,0%
151
101
252
151,0
101,0
252,0
59,9%
40,1%
100,0%
100,0%
100,0%
100,0%
Count Expected Count
3,00
Count Expected Count
4,00
Count Expected Count
Total
Total
61
Expected Count
2,00
onbekend
Count Expected Count % within LFTCAT % within sweat
Chi-Square Tests Asymp. Sig. (2Value
df
sided)
a
3
,000
Likelihood Ratio
30,031
3
,000
Linear-by-Linear Association
22,422
1
,000
Pearson Chi-Square
N of Valid Cases
28,117
252
- 74 -
TANDENBORSTEL tandenb bekend LFTCAT
1,00
Count
19
73
49,2
23,8
73,0
% within LFTCAT
74,0%
26,0%
100,0%
% within tandenb
31,8%
23,2%
29,0%
51
18
69
46,5
22,5
69,0
% within LFTCAT
73,9%
26,1%
100,0%
% within tandenb
30,0%
22,0%
27,4%
35
22
57
38,5
18,5
57,0
% within LFTCAT
61,4%
38,6%
100,0%
% within tandenb
20,6%
26,8%
22,6%
30
23
53
35,8
17,2
53,0
% within LFTCAT
56,6%
43,4%
100,0%
% within tandenb
17,6%
28,0%
21,0%
170
82
252
170,0
82,0
252,0
% within LFTCAT
67,5%
32,5%
100,0%
% within tandenb
100,0%
100,0%
100,0%
Count Expected Count
3,00
Count Expected Count
4,00
Count Expected Count
Total
Total
54
Expected Count
2,00
onbekend
Count Expected Count
Chi-Square Tests Asymp. Sig. (2Value
df
sided)
a
3
,089
Likelihood Ratio
6,470
3
,091
Linear-by-Linear Association
5,691
1
,017
Pearson Chi-Square
N of Valid Cases
6,517
252
- 75 -
LIPPENBALSEM Crosstab lipb bekend LFTCAT
1,00
Count
16
73
50,1
22,9
73,0
% within LFTCAT
78,1%
21,9%
100,0%
% within lipb
32,9%
20,3%
29,0%
56
13
69
47,4
21,6
69,0
% within LFTCAT
81,2%
18,8%
100,0%
% within lipb
32,4%
16,5%
27,4%
32
25
57
39,1
17,9
57,0
% within LFTCAT
56,1%
43,9%
100,0%
% within lipb
18,5%
31,6%
22,6%
28
25
53
36,4
16,6
53,0
% within LFTCAT
52,8%
47,2%
100,0%
% within lipb
16,2%
31,6%
21,0%
173
79
252
173,0
79,0
252,0
68,7%
31,3%
100,0%
100,0%
100,0%
100,0%
Count Expected Count
3,00
Count Expected Count
4,00
Count Expected Count
Total
Total
57
Expected Count
2,00
onbekend
Count Expected Count % within LFTCAT % within lipb
Chi-Square Tests Asymp. Sig. (2Value
df
sided)
a
3
,000
Likelihood Ratio
18,405
3
,000
Linear-by-Linear Association
14,156
1
,000
Pearson Chi-Square
N of Valid Cases
18,343
252
- 76 -
WC-PAPIER wcpap bekend LFTCAT
1,00
Count
11
73
50,4
22,6
73,0
% within LFTCAT
84,9%
15,1%
100,0%
% within wcpap
35,6%
14,1%
29,0%
56
13
69
47,6
21,4
69,0
% within LFTCAT
81,2%
18,8%
100,0%
% within wcpap
32,2%
16,7%
27,4%
30
27
57
39,4
17,6
57,0
% within LFTCAT
52,6%
47,4%
100,0%
% within wcpap
17,2%
34,6%
22,6%
26
27
53
36,6
16,4
53,0
% within LFTCAT
49,1%
50,9%
100,0%
% within wcpap
14,9%
34,6%
21,0%
174
78
252
174,0
78,0
252,0
69,0%
31,0%
100,0%
100,0%
100,0%
100,0%
Count Expected Count
3,00
Count Expected Count
4,00
Count Expected Count
Total
Total
62
Expected Count
2,00
onbekend
Count Expected Count % within LFTCAT % within wcpap
Chi-Square Tests Asymp. Sig. (2Value
df
sided)
a
3
,000
Likelihood Ratio
30,852
3
,000
Linear-by-Linear Association
26,713
1
,000
Pearson Chi-Square
N of Valid Cases
30,452
252
- 77 -
NAGELLAK nagl bekend LFTCAT
1,00
Count
16
73
46,1
26,9
73,0
% within LFTCAT
78,1%
21,9%
100,0%
% within nagl
35,8%
17,2%
29,0%
43
26
69
43,5
25,5
69,0
% within LFTCAT
62,3%
37,7%
100,0%
% within nagl
27,0%
28,0%
27,4%
31
26
57
36,0
21,0
57,0
% within LFTCAT
54,4%
45,6%
100,0%
% within nagl
19,5%
28,0%
22,6%
28
25
53
33,4
19,6
53,0
% within LFTCAT
52,8%
47,2%
100,0%
% within nagl
17,6%
26,9%
21,0%
159
93
252
159,0
93,0
252,0
63,1%
36,9%
100,0%
100,0%
100,0%
100,0%
Count Expected Count
3,00
Count Expected Count
4,00
Count Expected Count
Total
Total
57
Expected Count
2,00
onbekend
Count Expected Count % within LFTCAT % within nagl
Chi-Square Tests Asymp. Sig. (2Value Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases
df
sided)
a
3
,010
11,775
3
,008
9,905
1
,002
11,315
252
a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 19,56.
- 78 -
ZEEP LFTCAT * zeep Crosstabulation zeep bekend LFTCAT
1,00
Count
28
73
43,2
29,8
73,0
% within LFTCAT
61,6%
38,4%
100,0%
% within zeep
30,2%
27,2%
29,0%
40
29
69
40,8
28,2
69,0
% within LFTCAT
58,0%
42,0%
100,0%
% within zeep
26,8%
28,2%
27,4%
33
24
57
33,7
23,3
57,0
% within LFTCAT
57,9%
42,1%
100,0%
% within zeep
22,1%
23,3%
22,6%
31
22
53
31,3
21,7
53,0
% within LFTCAT
58,5%
41,5%
100,0%
% within zeep
20,8%
21,4%
21,0%
149
103
252
149,0
103,0
252,0
59,1%
40,9%
100,0%
100,0%
100,0%
100,0%
Count Expected Count
3,00
Count Expected Count
4,00
Count Expected Count
Total
Total
45
Expected Count
2,00
onbekend
Count Expected Count % within LFTCAT % within zeep
Chi-Square Tests Asymp. Sig. (2Value
df
sided)
a
3
,965
Likelihood Ratio
,275
3
,965
Linear-by-Linear Association
,137
1
,711
N of Valid Cases
252
Pearson Chi-Square
,274
- 79 -
Resultaten per productcategorie
Case Processing Summary Cases Included N
Excluded
Percent
N
Total
Percent
N
Percent
ONTSPA * LFTCAT
252
100,0%
0
,0%
252
100,0%
VOED * LFTCAT
252
100,0%
0
,0%
252
100,0%
KLED * LFTCAT
252
100,0%
0
,0%
252
100,0%
VERZO * LFTCAT
252
100,0%
0
,0%
252
100,0%
Report LFTCAT 1,00
ONTSPA Mean
1,1342
1,2466
73
73
73
73
Std. Deviation
,13045
,17802
,21096
,19866
Mean
1,1797
1,2145
1,2609
1,2870
69
69
69
69
Std. Deviation
,15008
,21508
,22830
,22617
Mean
1,3368
1,4211
1,4632
1,4351
57
57
57
57
Std. Deviation
,23040
,24403
,25399
,26220
Mean
1,4377
1,3434
1,4830
1,4604
53
53
53
53
Std. Deviation
,23224
,25533
,24316
,20224
Mean
1,2675
1,2706
1,3167
1,3452
252
252
252
252
,21436
,24399
,27346
,23956
N
4,00
N
Total
VERZO
1,1534
N
3,00
KLED
1,1726
N
2,00
VOED
N Std. Deviation
- 80 -
ANOVA Sum of Squares ONTSPA
KLED
VERZO
Mean Square
F
Between Groups
2,999
3
1,000
Within Groups
8,534
248
,034
11,533
251
2,791
3
,930
Within Groups
12,152
248
,049
Total
14,943
251
5,334
3
1,778
Within Groups
13,436
248
,054
Total
18,770
251
2,108
3
,703
Within Groups
12,297
248
,050
Total
14,404
251
Total VOED
df
Between Groups
Between Groups
Between Groups
Mean Dependent
Sig.
29,053
,000
18,984
,000
32,817
,000
14,170
,000
95% Confidence Interval
Difference (I-
Variable
(I) LFTCAT (J) LFTCAT
J)
ONTSPA
1,00
2,00
-,00711
,03115
,997
-,0948
,0806
3,00
-,16424
*
,03279
,000
-,2565
-,0719
4,00
-,26513
*
,03348
,000
-,3594
-,1709
1,00
,00711
,03115
,997
-,0806
,0948
3,00
-,15713
*
,03320
,000
-,2506
-,0637
4,00
-,25803
*
,03388
,000
-,3534
-,1627
1,00
,16424
*
,03279
,000
,0719
,2565
2,00
,15713
*
,03320
,000
,0637
,2506
4,00
-,10089
*
,03540
,046
-,2005
-,0013
1,00
,26513
*
,03348
,000
,1709
,3594
,25803
*
,03388
,000
,1627
,3534
,10089
*
,03540
,046
,0013
,2005
2,00
3,00
4,00
2,00 3,00
- 81 -
Std. Error
Sig.
Lower Bound Upper Bound
VOED
1,00
2,00
2,00
-,06107
,03717
,442
-,1657
,0435
3,00
-,26763
*
,03913
,000
-,3778
-,1575
4,00
-,18997
*
,03995
,000
-,3024
-,0775
1,00
,06107
,03717
,442
-,0435
,1657
3,00
-,20656
*
,03962
,000
-,3181
-,0950
-,12890
*
,04043
,019
-,2427
-,0151
,26763
*
,03913
,000
,1575
,3778
2,00
,20656
*
,03962
,000
,0950
,3181
4,00
,07766
,04224
,339
-,0412
,1966
1,00
,18997
*
,03995
,000
,0775
,3024
2,00
,12890
*
,04043
,019
,0151
,2427
3,00
-,07766
,04224
,339
-,1966
,0412
2,00
-,12662
*
,03908
,016
-,2366
-,0166
-,32891
*
,04114
,000
-,4447
-,2131
-,34877
*
,04200
,000
-,4670
-,2305
,12662
*
,03908
,016
,0166
,2366
-,20229
*
,04166
,000
-,3196
-,0850
-,22215
*
,04251
,000
-,3418
-,1025
,32891
*
,04114
,000
,2131
,4447
2,00
,20229
*
,04166
,000
,0850
,3196
4,00
-,01986
,04442
,978
-,1449
,1052
1,00
,34877
*
,04200
,000
,2305
,4670
2,00
,22215
*
,04251
,000
,1025
,3418
3,00
,01986
,04442
,978
-,1052
,1449
2,00
-,04038
,03739
,761
-,1456
,0649
3,00
-,18851
*
,03936
,000
-,2993
-,0777
4,00
-,21380
*
,04018
,000
-,3269
-,1007
1,00
,04038
,03739
,761
-,0649
,1456
3,00
-,14813
*
,03986
,004
-,2603
-,0359
4,00
-,17342
*
,04067
,001
-,2879
-,0589
1,00
,18851
*
,03936
,000
,0777
,2993
2,00
,14813
*
,03986
,004
,0359
,2603
4,00
-,02529
,04249
,949
-,1449
,0943
1,00
,21380
*
,04018
,000
,1007
,3269
2,00
,17342
*
,04067
,001
,0589
,2879
4,00 3,00
4,00
KLED
1,00
1,00
3,00 4,00 2,00
1,00 3,00 4,00
3,00
4,00
VERZO
1,00
2,00
3,00
4,00
1,00
- 82 -
3,00
,02529
*. The mean difference is significant at the 0.05 level.
ONTSPA Scheffe
a,b
Subset for alpha = 0.05 LFTCAT
N
1
2
1,00
73
1,1726
2,00
69
1,1797
3,00
57
4,00
53
3
1,3368 1,4377
Sig.
,997
1,000
1,000
Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = 61,916. b. The group sizes are unequal. The harmonic mean of the group sizes is used. Type I error levels are not guaranteed.
VOED Scheffe
a,b
Subset for alpha = 0.05 LFTCAT
N
1
2
1,00
73
1,1534
2,00
69
1,2145
4,00
53
1,3434
3,00
57
1,4211
Sig.
,503
,285
Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = 61,916. b. The group sizes are unequal. The harmonic mean of the group sizes is used. Type I error levels are not guaranteed.
- 83 -
,04249
,949
-,0943
,1449
KLED Scheffe
a,b
Subset for alpha = 0.05 LFTCAT
N
1
2
3
1,00
73
1,1342
2,00
69
3,00
57
1,4632
4,00
53
1,4830
1,2609
Sig.
1,000
1,000
,973
Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = 61,916. b. The group sizes are unequal. The harmonic mean of the group sizes is used. Type I error levels are not guaranteed.
VERZO Scheffe
a,b
Subset for alpha = 0.05 LFTCAT
N
1
2
1,00
73
1,2466
2,00
69
1,2870
3,00
57
1,4351
4,00
53
1,4604
Sig.
,797
,940
Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = 61,916. b. The group sizes are unequal. The harmonic mean of the group sizes is used. Type I error levels are not guaranteed.
- 84 -
Between-Subjects Factors Value Label GESL
LFTCAT
N
1,00
meisje
139
2,00
jongen
113
1,00
73
2,00
69
3,00
57
4,00
53
Tests of Between-Subjects Effects Dependent Variable:ONTSPA Type III Sum of Source
Squares
df
Mean Square
F
Sig.
a
7
,471
13,970
,000
Intercept
400,148
1
400,148
11858,643
,000
geslacht
,235
1
,235
6,977
,009
3,009
3
1,003
29,721
,000
,078
3
,026
,775
,509
Error
8,233
244
,034
Total
416,360
252
11,533
251
Corrected Model
3,300
Leeftijdscategorie geslacht * Leeftijdscategorie
Corrected Total
a. R Squared = ,286 (Adjusted R Squared = ,266)
Between-Subjects Factors Value Label GESL
LFTCAT
N
1,00
meisje
139
2,00
jongen
113
1,00
73
2,00
69
3,00
57
4,00
53
- 85 -
Tests of Between-Subjects Effects Dependent Variable:VOED Type III Sum of Source
Squares
df
Mean Square
F
Sig.
a
7
,416
8,432
,000
Intercept
403,180
1
403,180
8176,200
,000
geslacht
,029
1
,029
,585
,445
2,671
3
,890
18,053
,000
,083
3
,028
,559
,642
Error
12,032
244
,049
Total
421,800
252
14,943
251
Corrected Model
2,911
Leeftijdscategorie geslacht * Leeftijdscategorie
Corrected Total
a. R Squared = ,195 (Adjusted R Squared = ,172)
Between-Subjects Factors Value Label GESL
LFTCAT
N
1,00
meisje
139
2,00
jongen
113
1,00
73
2,00
69
3,00
57
4,00
53
- 86 -
Tests of Between-Subjects Effects Dependent Variable:KLED Type III Sum of Source
Squares
df
Mean Square
F
Sig.
a
7
,779
14,280
,000
Intercept
436,440
1
436,440
7997,840
,000
geslacht
,013
1
,013
,240
,625
5,059
3
1,686
30,901
,000
,099
3
,033
,604
,613
Error
13,315
244
,055
Total
455,640
252
18,770
251
Corrected Model
5,455
Leeftijdscategorie geslacht * Leeftijdscategorie
Corrected Total
a. R Squared = ,291 (Adjusted R Squared = ,270)
Between-Subjects Factors Value Label GESL
LFTCAT
N
1,00
meisje
139
2,00
jongen
113
1,00
73
2,00
69
3,00
57
4,00
53
- 87 -
Tests of Between-Subjects Effects Dependent Variable:VERZO Type III Sum of Source
Squares
df
Mean Square
F
Sig.
a
7
,334
6,759
,000
Intercept
451,773
1
451,773
9136,614
,000
geslacht
,122
1
,122
2,464
,118
1,976
3
,659
13,322
,000
,094
3
,031
,637
,592
Error
12,065
244
,049
Total
470,440
252
14,404
251
Corrected Model
Leeftijdscategorie geslacht * Leeftijdscategorie
Corrected Total
2,339
a. R Squared = ,162 (Adjusted R Squared = ,138)
ANOVA MEISJES ANOVA Sum of Squares ONTSPA
VOED
KLED
Mean Square
Between Groups
1,953
3
,651
Within Groups
4,696
135
,035
Total
6,649
138
Between Groups
1,809
3
,603
Within Groups
6,538
135
,048
Total
8,347
138
Between Groups
3,507
3
1,169
Within Groups
6,762
135
,050
10,269
138
Between Groups
1,382
3
,461
Within Groups
6,763
135
,050
Total
8,145
138
Total VERZO
df
- 88 -
F
Sig.
18,716
,000
12,448
,000
23,337
,000
9,199
,000
Multiple Comparisons Scheffe 95% Confidence Interval Dependent
(I)
(J)
Variable
LFTCAT
LFTCAT
ONTSPA
1,00
2,00
-,03298
,04102 ,885
-,1491
,0831
3,00
-,21558
*
,04509 ,000
-,3432
-,0879
4,00
-,28701
*
,04509 ,000
-,4147
-,1594
1,00
,03298
,04102 ,885
-,0831
,1491
3,00
-,18260
*
,04620 ,002
-,3134
-,0518
4,00
-,25403
*
,04620 ,000
-,3848
-,1232
1,00
,21558
*
,04509 ,000
,0879
,3432
2,00
,18260
*
,04620 ,002
,0518
,3134
4,00
-,07143
,04985 ,563
-,2125
,0697
1,00
,28701
*
,04509 ,000
,1594
,4147
2,00
,25403
*
,04620 ,000
,1232
,3848
3,00
,07143
,04985 ,563
-,0697
,2125
2,00
-,03403
,04840 ,920
-,1711
,1030
3,00
-,28312
*
,05320 ,000
-,4337
-,1325
4,00
-,19740
*
,05320 ,004
-,3480
-,0468
1,00
,03403
,04840 ,920
-,1030
,1711
3,00
-,24908
*
,05451 ,000
-,4034
-,0948
-,16337
*
,05451 ,033
-,3177
-,0090
,28312
*
,05320 ,000
,1325
,4337
2,00
,24908
*
,05451 ,000
,0948
,4034
4,00
,08571
,05882 ,549
-,0808
,2522
1,00
,19740
*
,05320 ,004
,0468
,3480
2,00
,16337
*
,05451 ,033
,0090
,3177
3,00
-,08571
,05882 ,549
-,2522
,0808
2,00
-,11772
,04922 ,132
-,2571
,0216
3,00
-,33896
*
,05411 ,000
-,4921
-,1858
-,38896
*
,05411 ,000
-,5421
-,2358
2,00
3,00
4,00
VOED
1,00
2,00
4,00 3,00
4,00
KLED
1,00
1,00
4,00
Mean Difference (I-
Std.
J)
Error
- 89 -
Sig.
Lower
Upper
Bound
Bound
2,00
1,00
,11772
,04922 ,132
-,0216
,2571
3,00
-,22125
*
,05544 ,002
-,3782
-,0643
-,27125
*
,05544 ,000
-,4282
-,1143
,33896
*
,05411 ,000
,1858
,4921
2,00
,22125
*
,05544 ,002
,0643
,3782
4,00
-,05000
,05982 ,873
-,2193
,1193
1,00
,38896
*
,05411 ,000
,2358
,5421
2,00
,27125
*
,05544 ,000
,1143
,4282
3,00
,05000
,05982 ,873
-,1193
,2193
2,00
-,00921
,04922 ,998
-,1486
,1301
3,00
-,20390
*
,05411 ,004
-,3571
-,0507
4,00
-,21104
*
,05411 ,002
-,3642
-,0579
1,00
,00921
,04922 ,998
-,1301
,1486
3,00
-,19469
*
,05544 ,008
-,3516
-,0377
4,00
-,20183
*
,05544 ,005
-,3588
-,0449
1,00
,20390
*
,05411 ,004
,0507
,3571
2,00
,19469
*
,05544 ,008
,0377
,3516
4,00
-,00714
,05982 1,000
-,1765
,1622
1,00
,21104
*
,05411 ,002
,0579
,3642
2,00
,20183
*
,05544 ,005
,0449
,3588
3,00
,00714
,05982 1,000
-,1622
,1765
4,00 3,00
1,00
4,00
VERZO
1,00
2,00
3,00
4,00
*. The mean difference is significant at the 0.05 level.
ONTSPA Scheffe
a,b
Subset for alpha = 0.05 LFTCAT
N
1
2
1,00
44
1,1773
2,00
39
1,2103
3,00
28
1,3929
4,00
28
1,4643
Sig.
,914
,487
- 90 -
VOEDING Scheffe
a,b
Subset for alpha = 0.05 LFTCAT
N
1
2
1,00
44
1,1455
2,00
39
1,1795
4,00
28
1,3429
3,00
28
1,4286
Sig.
,940
,472
Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = 33,390. b. The group sizes are unequal. The harmonic mean of the group sizes is used. Type I error levels are not guaranteed.
KLEDING Scheffe
a,b
Subset for alpha = 0.05 LFTCAT
N
1
2
1,00
44
1,1182
2,00
39
1,2359
3,00
28
1,4571
4,00
28
1,5071
Sig.
,207
,841
Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = 33,390. b. The group sizes are unequal. The harmonic mean of the group sizes is used. Type I error levels are not guaranteed.
- 91 -
VERZORGING Scheffe
a,b
Subset for alpha = 0.05 LFTCAT
N
1
2
1,00
44
1,2318
2,00
39
1,2410
3,00
28
1,4357
4,00
28
1,4429
Sig.
,999
,999
Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = 33,390. b. The group sizes are unequal. The harmonic mean of the group sizes is used. Type I error levels are not guaranteed.
ANOVA JONGENS ANOVA Sum of Squares ONTSPA
VOED
KLED
VERZO
df
Mean Square
Between Groups
1,219
3
,406
Within Groups
3,537
109
,032
Total
4,756
112
,992
3
,331
Within Groups
5,494
109
,050
Total
6,486
112
Between Groups
1,838
3
,613
Within Groups
6,553
109
,060
Total
8,391
112
,727
3
,242
Within Groups
5,302
109
,049
Total
6,029
112
Between Groups
Between Groups
- 92 -
F
Sig.
12,519
,000
6,561
,000
10,192
,000
4,980
,003
Scheffe 95% Confidence Interval Dependent Variable (I) LFTCAT (J) LFTCAT Mean Difference (I-J) Std. Error Sig. Lower Bound Upper Bound ONTSPA
1,00
2,00
3,00
4,00
VOED
1,00
2,00
3,00
4,00
KLED
1,00
2,00
3,00
2,00
,02552
,04691 ,961
-,1077
,1587
3,00
-,11724
,04731 ,112
-,2516
,0171
4,00
-,24248
*
,04916 ,000
-,3821
-,1029
1,00
-,02552
,04691 ,961
-,1587
,1077
3,00
-,14276
*
,04691 ,030
-,2760
-,0095
4,00
-,26800
*
,04878 ,000
-,4065
-,1295
1,00
,11724
,04731 ,112
-,0171
,2516
2,00
,14276
*
,04691 ,030
,0095
,2760
4,00
-,12524
,04916 ,097
-,2649
,0144
1,00
,24248
*
,04916 ,000
,1029
,3821
2,00
,26800
*
,04878 ,000
,1295
,4065
3,00
,12524
,04916 ,097
-,0144
,2649
2,00
-,09448
,05846 ,459
-,2605
,0715
3,00
-,24828
*
,05896 ,001
-,4157
-,0809
4,00
-,17848
*
,06127 ,042
-,3525
-,0045
1,00
,09448
,05846 ,459
-,0715
,2605
3,00
-,15379
,05846 ,081
-,3198
,0122
4,00
-,08400
,06079 ,593
-,2566
,0886
1,00
,24828
*
,05896 ,001
,0809
,4157
2,00
,15379
,05846 ,081
-,0122
,3198
4,00
,06979
,06127 ,730
-,1042
,2438
1,00
,17848
*
,06127 ,042
,0045
,3525
2,00
,08400
,06079 ,593
-,0886
,2566
3,00
-,06979
,06127 ,730
-,2438
,1042
2,00
-,13471
,06385 ,223
-,3160
,0466
3,00
-,31034
*
,06439 ,000
-,4932
-,1275
4,00
-,29738
*
,06692 ,000
-,4874
-,1074
1,00
,13471
,06385 ,223
-,0466
,3160
3,00
-,17563
,06385 ,062
-,3569
,0057
4,00
-,16267
,06640 ,118
-,3512
,0259
1,00
*
,06439 ,000
,1275
,4932
,31034
- 93 -
4,00
VERZO
1,00
2,00
3,00
4,00
ONTSPANNING Scheffe
2,00
,17563
,06385 ,062
-,0057
,3569
4,00
,01297
,06692 ,998
-,1771
,2030
1,00
,29738
*
,06692 ,000
,1074
,4874
2,00
,16267
,06640 ,118
-,0259
,3512
3,00
-,01297
,06692 ,998
-,2030
,1771
2,00
-,07770
,05744 ,610
-,2408
,0854
3,00
-,16552
*
,05792 ,048
-,3300
-,0010
4,00
-,21103
*
,06019 ,008
-,3820
-,0401
1,00
,07770
,05744 ,610
-,0854
,2408
3,00
-,08782
,05744 ,508
-,2509
,0753
4,00
-,13333
,05973 ,180
-,3029
,0363
1,00
,16552
*
,05792 ,048
,0010
,3300
2,00
,08782
,05744 ,508
-,0753
,2509
4,00
-,04552
,06019 ,903
-,2164
,1254
1,00
,21103
*
,06019 ,008
,0401
,3820
2,00
,13333
,05973 ,180
-,0363
,3029
3,00
,04552
,06019 ,903
-,1254
,2164
a,b
Subset for alpha = 0.05 LFTCAT
N
1
2
2,00
30
1,1400
1,00
29
1,1655
3,00
29
4,00
25
Sig.
3
1,1655 1,2828
1,2828 1,4080
,963
,121
,085
Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = 28,110. b. The group sizes are unequal. The harmonic mean of the group sizes is used. Type I error levels are not guaranteed.
- 94 -
VOEDING Scheffe
a,b
Subset for alpha = 0.05 LFTCAT
N
1
2
1,00
29
1,1655
2,00
30
1,2600
4,00
25
1,3440
3,00
29
1,4138
Sig.
1,2600
,480
KLEDING Scheffe
,092
a,b
Subset for alpha = 0.05 LFTCAT
N
1
2
1,00
29
1,1586
2,00
30
1,2933
4,00
25
1,4560
3,00
29
1,4690
Sig.
1,2933
,243
VERZORGING Scheffe
,071
a,b
Subset for alpha = 0.05 LFTCAT
N
1
2
1,00
29
1,2690
2,00
30
1,3467
1,3467
3,00
29
1,4345
1,4345
4,00
25
Sig.
1,4800 ,053
,169
Means for groups in homogeneous subsets are displayed.
- 95 -
a. Uses Harmonic Mean Sample Size = 28,110. b. The group sizes are unequal. The harmonic mean of the group sizes is used. Type I error levels are not guaranteed.
NIEUWE VARIABELE : “jaarcat” (geboortejaar) Statistics jaarcat N
Valid
126
Missing
126
jaarcat Cumulative Frequency Valid
Missing Total
Percent
Valid Percent
Percent
1,00
41
16,3
32,5
32,5
2,00
28
11,1
22,2
54,8
3,00
21
8,3
16,7
71,4
4,00
36
14,3
28,6
100,0
Total
126
50,0
100,0
System
126
50,0
252
100,0
- 96 -
ANOVA Sum of Squares ONTSPA
VOED
KLED
VERZO
Between Groups
df
Mean Square
,787
3
,262
Within Groups
4,488
122
,037
Total
5,275
125
Between Groups
1,538
3
,513
Within Groups
6,274
122
,051
Total
7,812
125
Between Groups
1,284
3
,428
Within Groups
7,151
122
,059
Total
8,434
125
Between Groups
1,385
3
,462
Within Groups
6,628
122
,054
Total
8,013
125
F
Sig.
7,130
,000
9,966
,000
7,301
,000
8,494
,000
Scheffe 95% Confidence Interval Dependent Variable (I) jaarcat (J) jaarcat Mean Difference (I-J) Std. Error Sig. Lower Bound Upper Bound ONTSPA
1,00
2,00
3,00
4,00
VOED
1,00
2,00
-,02213
,04702 ,974
-,1554
,1112
3,00
-,18165
*
,05147 ,008
-,3276
-,0357
4,00
-,15705
*
,04381 ,007
-,2812
-,0329
1,00
,02213
,04702 ,974
-,1112
,1554
3,00
-,15952
*
,05537 ,045
-,3165
-,0026
4,00
-,13492
,04833 ,055
-,2719
,0021
1,00
,18165
*
,05147 ,008
,0357
,3276
2,00
,15952
*
,05537 ,045
,0026
,3165
4,00
,02460
,05267 ,974
-,1247
,1739
1,00
,15705
*
,04381 ,007
,0329
,2812
2,00
,13492
,04833 ,055
-,0021
,2719
3,00
-,02460
,05267 ,974
-,1739
,1247
2,00
,01237
,05560 ,997
-,1452
,1700
3,00
-,12334
,06086 ,255
-,2959
,0492
4,00
*
,05180 ,000
-,3940
-,1003
-,24715
- 97 -
2,00
3,00
4,00
KLED
1,00
2,00
3,00
4,00
VERZO
1,00
2,00
3,00
4,00
1,00
-,01237
,05560 ,997
-,1700
,1452
3,00
-,13571
,06547 ,237
-,3213
,0499
4,00
-,25952
*
,05714 ,000
-,4215
-,0975
1,00
,12334
,06086 ,255
-,0492
,2959
2,00
,13571
,06547 ,237
-,0499
,3213
4,00
-,12381
,06227 ,272
-,3003
,0527
1,00
,24715
*
,05180 ,000
,1003
,3940
2,00
,25952
*
,05714 ,000
,0975
,4215
3,00
,12381
,06227 ,272
-,0527
,3003
2,00
-,01777
,05935 ,993
-,1860
,1505
3,00
-,20348
*
,06497 ,024
-,3877
-,0193
4,00
-,21301
*
,05530 ,003
-,3698
-,0562
1,00
,01777
,05935 ,993
-,1505
,1860
3,00
-,18571
,06989 ,075
-,3838
,0124
4,00
-,19524
*
,06100 ,020
-,3682
-,0223
1,00
,20348
*
,06497 ,024
,0193
,3877
2,00
,18571
,06989 ,075
-,0124
,3838
4,00
-,00952
,06648 ,999
-,1980
,1789
1,00
,21301
*
,05530 ,003
,0562
,3698
2,00
,19524
*
,06100 ,020
,0223
,3682
3,00
,00952
,06648 ,999
-,1789
,1980
2,00
-,19024
*
,05715 ,014
-,3522
-,0282
3,00
-,17120
,06255 ,063
-,3485
,0061
4,00
-,25691
*
,05324 ,000
-,4078
-,1060
1,00
,19024
*
,05715 ,014
,0282
,3522
3,00
,01905
,06729 ,994
-,1717
,2098
4,00
-,06667
,05873 ,732
-,2332
,0998
1,00
,17120
,06255 ,063
-,0061
,3485
2,00
-,01905
,06729 ,994
-,2098
,1717
4,00
-,08571
,06400 ,618
-,2672
,0957
1,00
,25691
*
,05324 ,000
,1060
,4078
2,00
,06667
,05873 ,732
-,0998
,2332
3,00
,08571
,06400 ,618
-,0957
,2672
*. The mean difference is significant at the 0.05 level.
- 98 -
ONTSPA Scheffe
a,b
Subset for alpha = 0.05 jaarcat
N
1
2
1,00
41
1,1707
2,00
28
1,1929
4,00
36
3,00
21
3
1,1929 1,3278
1,3278 1,3524
Sig.
,978
,068
,970
Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = 29,520. b. The group sizes are unequal. The harmonic mean of the group sizes is used. Type I error levels are not guaranteed.
VOED Scheffe
a,b
Subset for alpha = 0.05 jaarcat
N
1
2
2,00
28
1,2071
1,00
41
1,2195
3,00
21
1,3429
4,00
36
Sig.
1,3429 1,4667
,158
,227
Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = 29,520. b. The group sizes are unequal. The harmonic mean of the group sizes is used. Type I error levels are not guaranteed.
- 99 -
KLED Scheffe
a,b
Subset for alpha = 0.05 jaarcat
N
1
2
1,00
41
1,2537
2,00
28
1,2714
3,00
21
1,4571
4,00
36
1,4667
Sig.
,994
,999
Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = 29,520. b. The group sizes are unequal. The harmonic mean of the group sizes is used. Type I error levels are not guaranteed.
VERZO Scheffe
a,b
Subset for alpha = 0.05 jaarcat
N
1
2
1,00
41
1,2098
3,00
21
1,3810
2,00
28
1,4000
4,00
36
1,4667
Sig.
1,3810
,052
,575
Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = 29,520. b. The group sizes are unequal. The harmonic mean of the group sizes is used. Type I error levels are not guaranteed.
- 100 -
Bijlage 2: prestest resultaten PRODUCT
Water
Bekend merk
Vittel
Minder bekend merk
1) Nestlé
PRETES T1 % B.merk Tot. 13 respon d. 69
PRETEST 1 %MB.me rk
PRETEST 2 %MB.me rk
31
PRETES T2 % B.merk Tot. 9 respon d. 88
TOTAA L% B.merk
11
Tot. 22 respon d. 78.5
2) Gerolsteiner Chocoladem elk Ontbijtgrane n T-shirts Lippenbalse m Voetballen Hamburgers Potloden Wc-papier Sneakers
Nesquic k Kellog’s
Cadbury’s
100
0
100
0
100
Jordan’s
100
0
100
0
100
Hollister Labello
Bershka Balea
85 100
15 0
67 100
33 0
76 100
Adidas Mc Donalds Stabilo Lotus
Kipsta Décathlon Burger King
85 85
15 15
100 78
0 22
92.5 81.5
Conti 1)Floralys 2)Solo New Balance
92 69
8 31
100 89
0 11
96 79
92
8
100
0
96
Lux Lutti Tkees
77 77 85
23 23 15
89 100 89
11 0 11
83 88,5 87
1)Sony 2)Medion 1)Sony 2)Samsung Essie Asics 1)Bang & Olufsen 2)Bose Aquafresh
69
31
100
0
84,5
92
8
78
22
85
85 85 69
15 15 31
67 100 78
33 0 22
76 92.5 73.5
92
8
89
11
90.5
Esprit
92
8
100
0
96
Mp3-spelers
Convers e Rituals Haribo Tommy Hilfiger Apple
Tablets
Apple
Nagellak Sporttassen Hoofdtelefo ons Tandenborst el Sweater
Chanel Adidas Skullcan dy Oral B
Zeep Snoepjes Slippers
Superdr y
- 101 -
GESLACHT Jongen Meisje
Pretest 1 (n=13) 6-> 46% 7-> 54%
LEEFTIJD
Pretest 1 ( % naar boven afgerond) 0 1 -> 8% 4 -> 32% 1 -> 8% 2 -> 16% 1 ->8% 2 ->16% 1 -> 8% 1 -> 8% 0
1997 1998 1999 2000 2001 2002 2003 2004 2005 2006
Pretest 2 (n= 9 ) 2-> 22% 7-> 78%
Beide (n=22) 34% 66%
Pretest 2
Beide
3 -> 30% 3 -> 30% 1 ->10% 0 0 1 -> 10% 1 ->10% 0 0 0
15% 19% 21% 4% 8% 9% 13% 4% 4% 0
- 102 -
Bijlage 3 : Antwoordformulier Antwoordformulier versie A/B/C/D PRODUCT Voetbal
Geboortejaar:
Geslacht: meisje/jongen LINKS
Potloden T-shirt Chocolademelk Tandenborstel Lippenbalsem Wc-papier Sneakers Zeep Snoepjes Slippers Cornflakes Sweaters MP3-speler Water Nagellak Tablet Sporttas Hamburger Hoofdtelefoon
Bijlage 4: Powerpoint presentatie- 4 versies ( elektronisch op cd-rom)
- 103 -
RECHTS