UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE
ACADEMIEJAAR 2011 – 2012
HET METEN VAN KRITISCHE PERFORMANTIE INDICATOREN EN KLANTLOYALITEIT: HOE IS BELANGRIJKER DAN WAT! Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Toegepaste Economische Wetenschappen
Bart Putteman onder leiding van Prof. dr. Bart Larivière en Arne De Keyser
II
UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE
ACADEMIEJAAR 2011 – 2012
HET METEN VAN KRITISCHE PERFORMANTIE INDICATOREN EN KLANTLOYALITEIT: HOE IS BELANGRIJKER DAN WAT! Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Toegepaste Economische Wetenschappen
Bart Putteman onder leiding van Prof. dr. Bart Larivière en Arne De Keyser
III
- NO PERMISSION Ondergetekende verklaart dat de inhoud van deze masterproef niet mag geraadpleegd en/of gereproduceerd worden.
Bart Putteman
IV
Woord vooraf Vooraleer deze thesis te lezen en te begrijpen, wil ik enkele mensen speciaal bedanken. In de eerste plaats zou ik mijn begeleider Arne De Keyser heel erg willen bedanken. Zijn inspanningen en waardevolle bijdragen hebben er mede voor gezorgd dat deze masterproef naar een hoger niveau getild werd. Ook mijn promotor Prof. Dr. Bart Larivière heeft me altijd bijgestaan met zijn kritische geest. Daarnaast zou ik ook mijn vrienden, ouders en familie willen bedanken. Zij waren mijn rots in de branding bij moeilijke momenten en hebben mij goed geholpen bij het verzamelen van de enquêtes. Ten slotte wil ik ook alle respondenten bedanken. Zonder hen zou dit onderzoek niet plaatsgevonden kunnen hebben. Deze masterproef beschouw ik als de ultieme afsluiter van een interessante vierjarige opleiding Toegepaste Economische Wetenschappen. Met deze studie hoop ik een waardevolle bijdrage te kunnen leveren aan de bestaande literatuur.
V
Inhoudsopgave
1.
Inleiding ........................................................................................................................................... 1
2.
Theorie ............................................................................................................................................ 6 2.1 WAT? ............................................................................................................................................. 6 2.1.1 Niet-vergelijkende kritische performantie indicatoren van SOW ........................................ 13 2.1.2 Vergelijkende kritische performantie indicatoren van SOW................................................ 14 2.2 HOE? ............................................................................................................................................ 15 2.2.1 De meetmethoden ............................................................................................................... 17
3.
Methodologie ................................................................................................................................ 21 3.1 Steekproef ................................................................................................................................... 21 3.2 Procedure ................................................................................................................................... 21 3.3 Maatstaven.................................................................................................................................. 22 3.4 Reliability ..................................................................................................................................... 23 3.5 Afhankelijke variabele ................................................................................................................. 24 3.6 Controlevariabelen ...................................................................................................................... 24
4.
Data analyse en bevindingen ........................................................................................................ 24 4.1 Data controle ............................................................................................................................... 24 4.2 Analyse ........................................................................................................................................ 25 4.2.1 Correlaties ............................................................................................................................ 25 4.2.2 Regressie .............................................................................................................................. 37
5.
Conclusies ...................................................................................................................................... 38 5.1 Discussie ...................................................................................................................................... 38 5.2 Management- en andere implicaties .......................................................................................... 40 5.3 Beperkingen en toekomstig onderzoek ...................................................................................... 42
6.
Referenties .................................................................................................................................... 44
VI
Lijst tabellen Tabel A: De vier verschillende meetmethoden ....................................................................................... 4 Tabel B: KPI's in vroegere Share-of-Wallet studies ................................................................................. 8 Tabel C: Overzicht definities voornaamste KPI's ................................................................................... 12 Tabel D: De vier verschillende meetmethoden: uitgebreid .................................................................. 19 Tabel E: WAT en HOE: synthese ............................................................................................................ 20 Tabel F: Cronbach alfa en correlaties .................................................................................................... 23 Tabel G: Controlevariabelen.................................................................................................................. 24 Tabel H: De vier meetmethoden: praktisch .......................................................................................... 25 Tabel I: Correlatietabel niet-vergelijkende methode (hoofdwinkel) .................................................... 27 Tabel J: Correlatietabel absoluut directe methode............................................................................... 28 Tabel K: Correlatietabel absoluut indirecte methode ........................................................................... 29 Tabel L: Correlatietabel indirecte ranking ............................................................................................. 30 Tabel M: Correlaties van de verschillende meetmethoden per KPI ..................................................... 31 Tabel N: Correlaties met SOW van hoofdwinkel ................................................................................... 34 Tabel O: Stepwise regressie .................................................................................................................. 37 Tabel P: Value disciplines van Treacy en Wiersema.............................................................................. 40
Afkortingen SOW = Share-of-Wallet KPI = Kritische Performantie Indicator AD = Absoluut Direct AI = Absoluut Indirect RD = Ranking Direct RI = Ranking Indirect H = Hoofdwinkel T = Tweede winkel
VII
1. Inleiding Customer loyalty wordt wereldwijd aanzien als een kritieke factor voor financiële performantie en lange-termijn succes. De reden hiervoor is dat loyaliteit leidt tot hogere verkopen en opbrengsten, het oprichten van entry-barrières, het verlagen van de wervingskosten van klanten, en het verminderen van de gevoeligheid van klanten voor acties van concurrenten (Brexendorf, Mühlmeier, Tomczak en Eisend 2010). Aldus is loyaliteit van groot belang voor zowel management als academici (Keiningham, Aksoy, Cooil en Andreassen 2008), en kan het een strategisch voordeel zijn in moeilijke economische tijden waar gevochten wordt om de consument. Dit gecombineerd met toegenomen operationele kosten en afnemende winstmarges (Babakus en Yavas, 2008), zorgt ervoor dat klantloyaliteit één van de belangrijkste agendapunten van veel managers vormt. Dit wordt aangetoond door de ‘Conference Board 2010 CEO Challenge Survey’ (Barrington 2010). Dit onderzoek peilt naar de topprioriteiten bij managers wereldwijd, en klantloyaliteit en klantretentie worden op de vierde plaats gescoord wat betreft de ‘challenges’ voor de toekomst in het bedrijfsleven. Daarnaast is brand loyalty en het onderzoek ernaar ook van groot belang voor marktonderzoeksbureaus. Elk jaar geven bedrijven miljoenen dollars uit aan marktonderzoekbureaus om de brand loyalty na te gaan. Dit onderzoek maakt dan ook de kernactiviteit uit van veel van dergelijke onderzoeksbureaus (Bennet en Rundle-Thiele 2005). Sinds decennia investeren bedrijven veel geld in het meten en verbeteren van klantloyaliteit. Enkele voorbeelden: de 16 grootste Europese retailers besteedden in 2000 alles samen meer dan 1 miljard dollar aan loyaltyprojecten (Reinartz en Kumar 2002), de ‘loyalty-marketing’ industrie in de Verenigde Staten wordt geschat op tien miljard dollar en men heeft ook vastgesteld dat in de Verenigde Staten ongeveer 1.3 miljard Amerikanen actief betrokken zijn bij een of ander loyaliteitsprogramma. In het Verenigd Koninkrijk wordt geschat dat ongeveer 92% van de consumenten deelnemen aan een loyaliteitsprogramma (Berman 2006). We kunnen dan ook concluderen dat klantloyaliteit van groot belang is voor het management van een bedrijf of organisatie, en dat de nodige middelen worden geïnvesteerd om die loyaliteit te stimuleren. Ondanks het feit dat er door bedrijven veel geld wordt uitgegeven aan het meten en het verbeteren van de klantloyaliteit gaat deze in het algemeen toch sterk achteruit (Clancy, 2001; Bennett en Rundle-Thiele, 2005). Klanten worden steeds meer gedefinieerd als zijnde polygaam loyaal ten opzichte van twee à drie decennia geleden (Uncles, Ehrenberg en Hammond 1995; Uncles, Dowling en Hammond 2003; Rust, Lemon en Zeithaml 2004; Bennet en Rundle-Thiele 2005). Het
1
loyaliteitsprogramma van Kraft Foods illustreert deze tendens erg goed. Kraft Foods is het grootste etens- en drankwarenbedrijf van Noord-Amerika, en haar producten hebben hun intrede gedaan in 99% van alle huishoudens. Kraft definieert een loyale klant als iemand die meer dan 70% van zijn aankopen in een bepaalde productcategorie bij één enkel merk doet gedurende de laatste drie jaar. Drie decennia geleden was het percentage van Kraft’s klanten dat voldeed aan deze beschrijving gemiddeld 40%. Vandaag ligt dit ongeveer rond de 15% (Zabin en Brebach 2004). Dit fenomeen kunnen we bestempelen als de ‘loyaliteitscontradictie’: ondanks de toegenomen uitgaven voor het meten en verbeteren van klantloyaliteit gaat deze loyaliteit toch achteruit. De belangrijkste redenen zijn de economische ontwikkelingen en toegenomen concurrentie (Keiningham, Vavra, Aksoy, en Wallard 2005). Klanten worden dus meer en meer als polygaam loyaal aanzien, dit is “loyal to a portfolio of brands in a product category” (Uncles, Dowling en Hammond, 2003, p 297). ‘Is loyaliteit dan dood?’, is de vraag die men zich kan stellen. Zeker is dat loyaliteit in de zin van klantretentie (blijft de klant? Ja/Nee) niet langer genoeg is om de waarde van een klant te bepalen. Omwille van het fenomeen van polygame loyaliteit is het namelijk niet voldoende om louter en alleen te gaan kijken naar retentie (Coyles en Gokey 2002). In deze tijd waar multi-brand en multiprovider loyaliteit de nieuwe dominante logica vormen, is de focus op het ‘klantaandeel’ of de ‘Share-of-Wallet’ de belangrijkste. De focus op ‘share’ van een klant is vandaag zeer belangrijk. De vraag die men zich als bedrijf of organisatie vandaag moet stellen is niet meer ‘hoe de klantretentie verhogen’ maar veeleer ‘welk aandeel van de klant zijn uitgaven wordt uitgegeven bij mijn bedrijf of organisatie, en hoe kan ik dit aandeel beïnvloeden/verhogen?’. De loyale klant van vandaag wordt gedefinieerd als een klant die jou als bedrijf of organisatie een groter deel van zijn uitgaven in een bepaalde productcategorie geeft, in vergelijking met de concurrentie. Aangezien het meten van klantloyaliteit door klantretentie onvoldoende blijkt omwille van het feit dat klanten polygaam loyaal zijn, moet men de loyaliteit nu dus op een andere manier meten. De populaire methode om (polygame) klantloyaliteit te meten is Share-of-Wallet (SOW). Cooil, Keiningham, Aksoy en Hsu (2007, p 68) definiëren SOW als volgt: “the percentage of money a customer allocates in a category that is assigned to a specific firm”. Vele auteurs zijn het er over eens dat SOW een betere manier is dan klantretentie om klantloyaliteit te gaan meten (Jones en Sasser 1995; Keiningham, Perkins-Munn en Evans 2003; Perkins-Munn, Aksoy, Keiningham en Estrin 2005; Cooil et al 2007). Ook in de praktijk wordt SOW door veel managers verkozen boven klantretentie als maatstaf van klantloyaliteit (Cooil et al 2007; Larivière 2012). Share-of-Wallet is een sterkere maatstaf van behavioral loyalty dat niet alleen de uitgaven bij het eigen bedrijf maar ook bij de concurrentie in rekening brengt, en het wordt dikwijls verkozen door managers en academici om behavioral loyalty te operationaliseren (Cunningham 1956; Cunningham 1961; Brody en Cunningham
2
1968; Wind 1970; Bowman, Farley, en Schmittlein 2000; Bowman en Narayandas 2004; Keiningham, Vavra, Aksoy en Wallard 2005b;). Daarom veranderen de marketingspecialisten hun focus nu meer en meer van retentie naar Share-of-Wallet (Cooil et al 2007). In hun McKinsey report zeggen Coyles en Gokey (2002) dat een focus op zowel klantretentie als klantloyaliteit tien keer meer waarde oplevert dan dat men enkel retentie in beschouwing neemt. Men stelt dus een link vast tussen klantloyaliteit en winstgevendheid (Hallowell 1996; Rowley en Dawes 1999). We weten nu hoe we de klantloyaliteit gaan meten (namelijk via SOW) maar wat bepaalt nu die klantloyaliteit. Wat zijn de kritische performantie indicatoren (KPI) van klantloyaliteit? En hoe gaan we deze KPI’s meten? “Het wat en het hoe”. Als belangrijkste KPI van SOW komt klanttevredenheid naar voor (Silvestro en Cross 2000; Mägi 2003; Keiningham et al 2003, 2005; Bowman en Narayandas 2004; Perkins-Munn et al 2005; Baumann, Burton en Elliott 2005; Cooil et al 2007; Ahearne, Jelinek en Jones 2007; Babakus en Yavas 2008; Larivière 2011). Daarnaast vinden we in de literatuur ook nog andere KPI’s van klantloyaliteit: onder andere trust, commitment (affective, calculative en normative), locational convenience, costrevenue perception en tangibles. Er is echter ook de vraag op welke manier we de KPI’s van SOW het best kunnen meten. Hier komt de toegevoegde waarde van deze studie aan bod. In de meerderheid van de SOW studies werden de KPI’s gemeten op een niet-vergelijkende manier. Dit is dus zonder enige vorm van concurrentie in rekening te brengen. Echter, het op die manier meten heeft verschillende beperkingen waardoor het niet-vergelijkend meten van KPI’s, SOW slechts in beperkte mate voorspelt (Verhoef 2003). Het probleem met niet-vergelijkende maatstaven is dat zij competitieve producten of bedrijven niet in rekening brengen (Barnard en Ehrenberg 1990; Olsen 2002). Een hoge klanttevredenheid is aldus geen garantie op een hoge SOW aangezien hoge klanttevredenheid bij een bepaald bedrijf hoge(re) tevredenheid bij de concurrentie niet uitsluit (Mägi 2003; Verhoef 2003). Er is met andere woorden geen ‘competitive benchmark’, wat bij vergelijkend meten wel het geval is. Ten tweede kan zich ook een mildheideffect voordoen. Mensen geven eigen scores op een enquête, volgens hun persoonlijkheid, gemoedstoestand etc. Wat voor de één een 8/10 is, is voor de ander een 10/10. Om dit effect te zuiveren, is het beter om alle scores relatief ten opzichte van de concurrentie te maken en dus vergelijkend te gaan meten. De superioriteit van het gebruik van vergelijkende maatstaven wordt ook ondersteund door het Elaboration Likelihood Model van Petty en Cacioppo (1986). Vergelijkend meten laat mensen meer nadenken wat maakt dat men meer betrokken is. Vergelijkend meten zorgt ook voor een meer realistische setting (cfr. In een supermarkt wordt men ook geconfronteerd met alle merken op een rij, en moet men vooraf of terplekke een vergelijking
3
maken). Dit geeft de mogelijkheid om toekomstig gedrag beter te voorspellen. Ten slotte is het logisch dat men aan het meten van SOW, wat op zich ook een vergelijkende maatstaf is, KPI’s koppelt die op een vergelijkende manier zijn gemeten. Doorheen de laatste decennia hebben de loyaltymetrics zich aangepast aan de omgeving (van klantretentie naar Share-of-Wallet), maar de daaraan gekoppelde KPI’s zijn nooit aangepast aan de huidige leefwereld. Niet-vergelijkend meten kan een mogelijks verkeerd beeld geven, gezien de klanten vandaag polygaam loyaal zijn en dus vergelijken. Twee vragen moeten dus beantwoord worden in dit onderzoek: wat zijn de KPI’s die SOW drijven en
hoe
kan men deze KPI’s het best gaan meten, op een manier waarop zij SOW het best
voorspellen? De academische literatuur heeft opgeroepen om KPI’s op een vergelijkende manier te meten (Mägi, 2003). Ondanks dit gegeven hebben onderzoekers volgens ons grotendeels de invloed van vergelijkende KPI’s genegeerd. Er zijn wel enkele uitzonderingen, drie in een B2B-setting (Wind 1970, Bowman en Narayandas 2004, Ahearne et al. 2007) en één in een B2C-setting (De Keyser en Larivière 2010) die het effect van vergelijkende tevredenheid op SOW bestudeerd hebben. Echter, ofwel heeft men nooit het verschil in voorspellingskracht van vergelijkend en niet-vergelijkend meten bestudeerd (de drie studies in de B2B-setting), ofwel heeft men nooit meerdere vergelijkende meetmethodes in de analyse betrokken (alle vier de bovenstaande studies). Wij voeren de eerste studie uit die (i) verschillende vergelijkende maatstaven gebruikt in één studie, (ii) de predictieve waarde vergelijkt van vergelijkende versus niet-vergelijkende maatstaven, (iii) de predictieve waarde vergelijkt van de verschillende vergelijkende maatstaven onderling, en (iv) zich niet beperkt tot één specifieke provider. Het feit dat dit onderzoek vier methoden met elkaar vergelijkt levert de grootste toegevoegde waarde van dit onderzoek. De vier methoden die we hier zullen onderzoeken worden in tabel A weergegeven. In het theoriegedeelte wordt hier dieper op ingegaan. Tabel A: De vier verschillende meetmethoden
Niet-vergelijkend
Vergelijkend Absoluut
1
Ranking
Indirect
2
Direct
4
3
4
Het vervolg van deze studie ziet er als volgt uit. Eerst wordt er een overzicht gegeven van de literatuur waarop deze studie gebaseerd is. Vervolgens wordt het kwantitatieve onderzoek en de resultaten van dat onderzoek beschreven. Ten slotte worden nog een conclusie en de beperkingen van deze studie geformuleerd.
5
2. Theorie Share-of-Wallet is een maatstaf die gebruikt wordt om (polygame) klantloyaliteit te meten. Het is een comparatieve maatstaf die aangepast is aan de huidige bedrijfswereld, een bedrijfswereld die bestaat uit meerdere concurrerende bedrijven. Om deze maatstaf zo goed mogelijk te voorspellen zijn twee aspecten belangrijk. 2.1 Welke KPI’s beïnvloeden Share-of-Wallet? ‘WAT?’ 2.2 Hoe meet je deze KPI’s? ‘HOE?’
2.1 WAT? Talloze bedrijven verzamelen klantendata via enquêtes waar in vele gevallen klantentevredenheid centraal staat, aangevuld met een aantal subdimensies van die tevredenheid (bv. relationele tevredenheid, tevredenheid levering, tevredenheid product, tevredenheid verpakking, etc.) (Griffin, Gleason, Preiss en Shevenaugh 1995; Morgan, Anderson en Mittal 2005; Morgan en Rego 2006). Het meten van deze key performance indicators (maatstaven die gebruikt worden om te observeren hoe goed de onderneming het doet door de ogen van de klant) kosten bedrijven jaarlijks veel geld: de ‘loyalty-marketing’ industrie in de Verenigde Staten wordt geschat op tien miljard dollar en men heeft ook vastgesteld dat in de Verenigde Staten ongeveer 1.3 miljard Amerikanen actief betrokken zijn bij een of ander loyaliteitsprogramma (Berman 2006). Ook in Europa, stelt men het grote belang van loyaliteitsprogramma’s vast. Geschat wordt dat ongeveer 92% van de consumenten in het Verenigd Koninkrijk deelnemen aan een loyaliteitsprogramma (Berman 2006). Daarnaast besteedden de 16 grootste Europese retailers in 2000 alles samen meer dan 1 miljard dollar aan loyaltyprojecten (Reinartz en Kumar 2002). Managers spenderen dus met andere woorden heel veel geld aan loyaliteitsonderzoek. Het verzamelen van deze data heeft een dubbel doel. Ten eerste worden deze KPI’s dikwijls gebruikt om de activiteiten van de onderneming op continue of periodieke basis na te gaan (Keiningham et al 2007). Zo worden klanttevredenheidscores dikwijls geïncorporeerd in balanced scorecards. Op die manier fungeren ze dikwijls als niet-financiële maatstaf om (CEO)bonussen te berekenen (Ittner, Larcker en Rajan 1997) wat hun potentiële impact op (management)verloning dus groot maakt. De tevredenheidscores zijn op die manier dus direct gelinkt met de verloning van managers (Berman 2006). Ten tweede worden deze KPI’s ook gemeten op continue nationale basis. Bijvoorbeeld, de American Customer Satisfaction Index (ACSI) weerspiegelt tevredenheidscores voor 10 economische sectoren, 45 industrieën (inclusief de online handel), meer dan 225 bedrijven en meer dan 200 federale of lokale overheidsdiensten. Op die manier krijgt men een indicatie van de economische prestaties van zowel de individuele bedrijven als
6
van de macro-economie. Andere voorbeelden van nationale tevredenheidsindexen zijn: Swedish Customer Satisfaction Barometer (SCSB), Norwegian Customer Satisfaction Barometer (NCSB), Extended Performance Satisfaction Index (EPSI Rating) voor een steekproef van Europese landen, Turkish Customer Satisfaction Index (TMME), Colombian Customer Index Value (CIV), United Kingdom’s National Customer Satisfaction Index-UK (NCSI-UK), Customer Satisfaction Index of Singapore (CSISG). Gegeven de grootte van de survey en loyalty-industrie, is het dus van kapitaal belang om de juiste maatstaven op te nemen in deze onderzoeken. WAT is dus heel belangrijk. Voorgaande academische literatuur heeft een aantal KPI’s voorafgaand aan loyaliteit (retentie, SOW, etc.) gemeten. In tabel B wordt een overzicht gegeven van de Share-of-Wallet studies die in het verleden werden uitgevoerd en de KPI’s die daarbij gebruikt werden. Daarna geven we een kort overzicht van de definities van de voornaamste KPI’s.
7
Tabel B: KPI's in vroegere Share-of-Wallet studies Afhankelijke variabele Customer behavior SOW
Bron
Enis, Paul 1970
X*
Wind, 1970 East, Patricia, Wilson, Lomax 1995 Macintosh, Lockshin, 1997 East et al, 1998 Ahearne et al, 1999
X
Kritische Performantie indicatoren
Gelinkt met het bedrijf Overall SAT
SAT dim
SQ dim
Relatief t.o.v. concurrenten Trust Company Sales person
Commitment
Cost/price perceptie
Relationship quality
Switching costs
Andere
Comparative satisfaction
Attractveness alternatives
Andere
Image of favorite stores Image of least-liked stores Image of patrons of favorite stores Image of patrons of least-liked stores X
Attitude relative to an ideal source
Shopping pleasantness
X
X
X
X
Purchase intention Store attitude
X X
X
Attitude to the store group most used Attractiveness salesperson Likeability salesperson Communication ability salesperson Expertise salesperson
* SOW is slechts één van de drie maatstaven gebruikt in de Enis-Paul index
8
Bron
Afhankelijke variabele Customer behavior SOW
Kritische Performantie indicatoren
Gelinkt met het bedrijf Over all SAT X*
Silvestro, Cross, 2000 Babin, Attaway, 2000 East et al, 2000 Bowman, Das Narayandas, 2001 De Wulf et al, 2001
X
Mägi, 2003 Keiningham et al, 2003 Verhoef 2003
X X
X X
X
X
SAT dim
SQ dim
Relatief t.o.v. concurrenten Trust Company Sales person
Commitment
Cost/price perceptie
Relationship quality
Switching costs
Andere
Attractveness alternatives
Andere
Service value
X
Shopping affect Shopping value
X
Attitude to the store group most used Perceived fairness Disconfirmation Perceived Quality
X
Comparative satisfaction
X
X
X**
X***
Direct mail Preferential treatment Interpersonal communication Tangible rewards Perceived relationship investment Product category involvement Consumer relationship proneness Shopping orientation
X
X
*Algemene tevredenheid bij zowel consumenten als werknemers werd gemeten ** Relationship quality bestaat uit drie componenten: relationship satisfaction, commitment, trust *** Affective commitment werd gebruikt
9
Bron
Afhankelijke variabele Customer behavior SOW
Kritische Performantie indicatoren
Gelinkt met het bedrijf
Bowman, Das Narayandas, 2004 PerkinsMunn et al, 2005 Keiningham et al, 2005 Baumann et al, 2005
X
Over all SAT X
X
X
X
X
Ahearne et al, 2007
X
Wirtz et al, 2007 Cooil et al, 2007 Leenheer et al, 2007 Van Doorn, Verhoef, 2007
X
X
X
SQ dim
Relatief t.o.v. concurrenten
SAT dim
Trust Company Sales person
Cost/price perceptie
Relationship quality
Switching costs
Andere
Comparative satisfaction
X
X
X
X
Brand image
X
X
Access Meet expectations Role requirement Switching benefits Motivation to comply Banking knowledge Confidence in Judgment Attitudinal differentiation
X
X
X (salesperson satisfaction)
X*
Attitudinal loyalty
Attractveness alternatives
Andere
X
Trust Diligence Inducements Empathy Sportsmanship
X
Attractiveness of loyalty programs
X
X X
Commitment
X
Service level
X
*Switching costs tussen loyaliteitsprogramma’s
10
Afhankelijke variabele Customer behavior SOW
Bron
Kritische Performantie indicatoren
Gelinkt met het bedrijf Overall SAT
SAT dim
SQ dim
X
X
X
Larivière, 2008 Ailawadi, Pauwels, Steenkamp 2008 Babakus, Yavas, 2008
X
Palmatier et al, 2009 De Keyser, Larivière, 2010
X X
X
Larivière et al, 2011 Larivière et al, 2012
X
X
X
X
Relatief t.o.v. concurrenten Trust Company Sales person
Commitment
Cost/price perceptie X
Relationship quality
Switching costs X
X
X
Andere
Comparative satisfaction
Overall Service Quality
Attractveness alternatives
Andere
X
Price consciousness Shopping enjoyment
X
Interaction quality Merchandise quality Relative perceived value X X
X X*
X
Gratitude based reciprocal behavior Locational convenience Tangibles
X
X
Trust (company) Commitment** Cost/revenue perceptive Locational convenience Tangibles
X**
* Affective en calculative commitment werd gebruikt ** Affective, normative en calculative commitment werd gebruikt
11
Tabel C: Overzicht definities voornaamste KPI's
Satisfaction
Trust
Definitie A consumer’s affective state resulting from an overall appraisal
Bron Anderson en
of his or relationship with a retailer
Narus, 1990
Confidence in a partner’s reliability and integrity
Palmatier, Jarvis, Bechkoff en Kardes 2009
Affective
An emotional attachment representing the customer’s desire to
Larivière et al,
commitment
continue the relationship because of the enjoyment of the
2012
relationship; it develops through the degree of reciprocity or personal involvement that a customer has with the company, which results in higher levels of trust and commitment (Garbarino en Johnson 1999; Morgan en Hunt 1994);
Calculative
An attachment based on the self-interest stake in a relationship
Larivière et al,
commitment
(Gundlach, Achrol, and Mentzer 1995) representing the cold,
2012
rational, economic-based dependence on product/service benefits due to switching costs or a lack of choice (Allen en Meyer 1990; Anderson en Weitz 1992; Geyskens et al. 1996);
Normative
An attachment that derives from a person’s sense of moral
Larivière et al
commitment
obligation towards the organization (Allen en Meyer 1990; Gruen
2012
Summers, en Acito 2000); the degree to which an individual is bonded to the organization on the basis of the felt obligation to maintain the relationship with the organization predicated on the congruence between values (Kelly, 2004; Brown, Lusch, en Nicholson 1995; O’Reilly en Chatman 1986).
Locational
Involves approachability and ease of contact. It means:
Parasuraman,
convenience
-waiting time to receive service (e.g., at a bank) is not extensive;
Zeithaml, en
-convenient hours of operation;
Berry 1988
-convenient location of service facility.
12
Price-
The satisfaction level with the costs and received revenues of
Larivière et al
attractiveness
particular products or shops
2012
Tangibles
Include the physical evidence of the service:
Parasuraman
-physical facilities;
et al 1988
-appearance of personnel; -tools or equipment used to provide the service; -physical representations of the service, such as a plastic credit card or a bank statement; -other customers in the service facility.
Een onderscheid wordt gemaakt tussen KPI’s die op een vergelijkende en KPI’s die op nietvergelijkende manier werden gemeten.
2.1.1 Niet-vergelijkende kritische performantie indicatoren van SOW In voormalig onderzoek werd vastgesteld dat klanttevredenheid positief correleert met SOW (Silvestro en Cross 2000; Mägi 2003; Keiningham et al 2003, 2005; Bowman en Narayandas 2004; Perkins-Munn et al 2005; Baumann et al 2005; Ahearne et al 2007; Cooil et al 2007; Babakus en Yavas 2008; Larivière 2011, 2012). Ahearne, Gruen en Javis (1999) stelden vast dat de salesperson trust die verkopers uitstralen een direct effect heeft op SOW. Ook indirect, via aankoopintenties en via de attitude die men heeft ten opzichte van de winkel, hebben salesperson en store trust een invloed op SOW (Macintosh en Lockshin 1997). De Keyser en Lariviere (2010) en De Wulf, Odekerken-Schröder, Lacobucci (2001) vonden in dezelfde lijn een positieve relatie tussen trust en SOW. Palmatier et al (2009) vond geen directe relatie tussen trust en SOW, echter wel indirect via commitment. Een hoger niveau van affective, calculative en normative commitment leidt tot een hogere SOW (Larivière 2012). Ook Verhoef (2003) en De Keyser en Larivière (2010) stelden dezelfde relatie vast tussen affective commitment en SOW. De Keyser en Larivière (2010) constateerden dit ook voor calculative commitment, echter in mindere mate. Palmatier et al (2009) stelde een direct effect vast van commitment op SOW.
13
Ook locational convenience wordt bevonden positief te correleren met SOW. Baumann et al (2005) vonden in de setting retail banking een positieve relatie tussen locational convenience en SOW in leningen van de bank. De Keyser en Larivière (2010) vonden in dezelfde setting echter geen relatie tussen locational convenience en SOW. In de setting van supermarkten vonden ze echter wel een positieve relatie tussen beide. Larivière (2008) stelde een positief maar indirect verband vast tussen de cost-revenue perception die klanten hebben, en SOW. Het indirecte effect verliep via klanttevredenheid en aankoopintenties. Deze positieve relatie werd bevestigd door De Keyser en Larivière (2010). Zij vonden een positief verband tussen de cost-revenue perception en SOW, in de setting van supermarkten en in mindere mate in de setting van retail banking. Ook de tangibles hebben een invloed op SOW. Zo constateerden De Keyser en Larivière (2010) in de setting van retail banking, een positief verband tussen tangibles en SOW. Bij de supermarkten werd dit echter niet vastgesteld.
2.1.2 Vergelijkende kritische performantie indicatoren van SOW Bij het vergelijkend meten zal men op een directe of indirecte manier de competitie in rekening brengen. De competitie fungeert aldus als benchmark. Slechts weinig studies hebben vergelijkende tevredenheid ingebouwd in hun onderzoeksopzet. Wind (1970), en Bowman en Narayandas (2004) vonden een positieve relatie tussen vergelijkende tevredenheid en SOW, dit in een B2B context. Ook de Keyser en Larivière (2010) stelden een positieve link vast tussen vergelijkende tevredenheid en SOW in de bank- en supermarktsector. Ahearne et al (2007) echter constateerden geen positief verband in de farmaceutische sector tussen vergelijkende tevredenheid met betrekking tot winkelbedienden, en SOW. Ook Babakus en Yavas (2008) maakten gebruik van vergelijkende maatstaven bij de voorspelling van SOW. Zo constateerden ze een positief verband tussen interaction quality en SOW. Ook voor merchandise quality vonden ze een gelijkaardig verband. De Keyser en Larivière (2010) vonden naast vergelijkende tevredenheid ook nog heel wat andere vergelijkende KPI’s die positief correleren met SOW: Vergelijkende trust, vergelijkende cost-revenue perception, vergelijkende affective en calculative commitment. Dit stelden ze vast zowel bij retail banking als bij de supermarkten. Voor vergelijkende tangibles en vergelijkende locational convenience vonden ze geen uitgesproken verband tussen de vergelijkende KPI en SOW. Deze studie brengt alle maatstaven samen en gaat kijken welke de meest verklarende waarde heeft.
14
2.2 HOE? In de meerderheid van de SOW studies werden de KPI’s gemeten op een niet-vergelijkende manier. Dit is dus zonder enige vorm van concurrentie in rekening te brengen. Zoals in de inleiding al werd aangehaald zorgt deze manier van meten voor enkele fundamentele tekortkomingen van het loyaliteitonderzoek. Het op die manier meten heeft namelijk verschillende beperkingen, waardoor het niet-vergelijkend meten van KPI’s, SOW slechts in beperkte mate voorspelt (Verhoef 2003). Om aan dit probleem het hoofd te bieden roept de literatuur dan ook op om klanttevredenheid op een vergelijkende manier te gaan meten (Dick en Basu 1994; Olsen 2002; Mägi 2003). “The nature of relative attitudes is likely to provide a stronger indication of repeat patronage than the attitude toward a brand in isolation” Dick en Basu (1994, p. 101). “It might be informative to use relative measures when predicting customer share, an argument that corresponds with the point made by Dick and Basu (1994) concerning relative attitudes” Mägi (2003, p.104) Ook Van den Putte, Hoogstraten en Meertens (1996) erkennen dat vergelijkende maatstaven beter zijn dan hun niet-vergelijkende tegenhangers; betere predicties kunnen gemaakt worden op basis van het vergelijkend meten van attitudes. Klantloyaliteit wordt in belangrijke mate gedetermineerd door de mate waarin klanten een bepaald bedrijf verkiezen boven een concurrent van dat bedrijf (Rundle-Thiele en Mackay 2001). Preferenties ten aanzien van een bepaald bedrijf worden aanzien als zijnde een superieure voorspeller van SOW aangezien preferenties grotendeels gebaseerd zijn op de ervaringen en verwachtingen van klanten (Keiningham et al 2007). Echter, het meten van preferenties vereist vergelijkend meten. Niet-vergelijkende maatstaven brengen competitieve producten of bedrijven niet in rekening (Barnard en Ehrenberg 1990; Olsen 2002). Dit kan problemen opleveren in de metingen: een hoge klanttevredenheid is namelijk geen garantie op een hoge SOW aangezien hoge klanttevredenheid bij een bepaald bedrijf hoge(re) tevredenheid bij de concurrentie niet uitsluit (Mägi 2003; Verhoef 2003). Er is met andere woorden geen ‘competitive benchmark’, wat bij vergelijkend meten wel het geval is. Zo kan klant 1 een tevredenheidscore van 8 en klant 2 een tevredenheidscore van 7 geven voor een bepaald bedrijf A. Op die manier zou je kunnen denken dat klant 1 meer tevreden is dan klant 2. Echter, wanneer ook de tevredenheidscores gemeten worden voor een concurrent (bedrijf B) dan komt bovenstaande conclusie op de helling te staan. Stel dat klant 1 een score van 9 en klant 2 een score van 6 toekent aan bedrijf B, dan kan er opgemerkt worden dat klant 1 eigenlijk minder tevreden is over bedrijf A, relatief gezien ten opzichte van bedrijf B.
15
Daarnaast kan zich ook een mildheideffect voordoen. Dit effect is eigen aan het invullen van schalen. Zo kan iemand heel tevreden zijn over een bepaald bedrijf, maar bijvoorbeeld ‘uit principe’ niet meer geven dan een 8 (op een schaal van 10), terwijl iemand anders die even tevreden is als de eerste persoon, een 10 (op een schaal van 10) geeft omdat deze persoon guller is met punten. Men zou dan verkeerdelijk kunnen denken dat klant 1 minder tevreden is dan klant 2. Wanneer men echter een concurrent in de analyse betrekt en ook van dit bedrijf de tevredenheid zou bevragen, dan kan men zo de gegeven tevredenheidscores beter analyseren. Indien klant 1 een 7 en klant 2 een 9 geeft voor een tweede bedrijf, dan zien we dat beide personen relatief gezien ten opzichte van het tweede bedrijf even tevreden zijn over het initieel bevraagde bedrijf (8-7 = 10-9 = 1). Op een analoge manier zou men ook verkeerdelijk kunnen denken dat twee klanten even tevreden zijn over een bepaald bedrijf, ondanks het feit dat hun tevredenheid relatief gezien ten opzichte van een concurrent van dat bedrijf, verschilt. De superioriteit van het gebruik van vergelijkende maatstaven wordt ook ondersteund door het Elaboration Likelihood Model van Petty en Cacioppo (1986). Omwille van het gebrek aan literatuur in ons vakdomein zullen we ons voor de achterliggende reden waarom vergelijkend meten beter is dan niet-vergelijkend meten baseren op de literatuur die redenen aangeeft waarom vergelijkende reclame beter is dan niet-vergelijkende reclame. Met vergelijkende reclame wordt reclame bedoeld die impliciet of expliciet een concurrerend merk vernoemt waarbij men vermeldt dat het concurrerende merk minder goed is dan het eigen merk op vlak van een bepaald attribuut (De Pelsmacker, Geuens en Van den Bergh 2010). De superioriteit van vergelijkende reclame steunt op het Elaboration Likelihood Model van Petty en Cacioppo (1986). De vraag is of vergelijkende reclame “a person’s careful and thoughtful consideration of the true merits of the information presented in support of an advocacy [central route]” (Petty en Cacioppo 1986, p.125) bewerkstelligt. Dröge (1989) bevestigt dat vergelijkende reclame in de meerderheid van de gevallen verwerkt wordt via de centrale route en niet-vergelijkende reclame eerder via de perifere route. De voornaamste redenen hiervoor zijn ten eerste dat vergelijkende reclame leidt tot hoge betrokkenheid (high involvement). Hoge betrokkenheid zorgt ervoor dat mensen meer gaan nadenken over wat wordt weergegeven in de reclameboodschap (Lutz 1984; Chaiken en Stangor 1987). Ten tweede benadert vergelijkende reclame de twee informatiezoekende situaties van het lezen van vergelijkende productinformatie en zelfs van het vergelijken van producten door trial. Beide situaties leiden tot het centraal verwerken van informatie. (Fazio en Zanna 1977, 1981; Smiths en Swinyard 1983).
16
Naar analogie met de bevindingen voor vergelijkende reclame zouden we ook voor ons onderzoek dezelfde conclusies kunnen trekken. Vergelijkend meten zorgt ervoor dat mensen meer betrokken zijn bij de meting. Hierdoor zal men meer gaan nadenken over wat gemeten wordt en zal het vergelijkend meten dus meer waarheidsgetrouw zijn. Vergelijkend meten zorgt ook voor een realistischere setting. In realiteit maken mensen voortdurend vergelijkingen tussen verschillende alternatieven. Met behulp van het vergelijkend meten wordt dit praktisch overwegingproces gesimuleerd en gestimuleerd. Hierdoor zal men informatie op een meer bewuste manier verwerken. “Attitudes formed via the central route prove to be good predictors of later behavior and are fairly resistant to other persuasive messages” (De Pelsmacker, Geuens en Van den Bergh 2010, P. 93). Ten slotte is het logisch dat men aan het meten van SOW, wat op zich ook een vergelijkende maatstaf is, KPI’s koppelt die op een vergelijkende manier zijn gemeten. In het algemeen kan men dus zeggen dat men de maatstaven moet aanpassen aan de huidige leefwereld, een leefwereld die bestaat uit meerdere concurrerende bedrijven.
2.2.1 De meetmethoden Een onderscheid kan gemaakt worden tussen het vergelijkend en het niet-vergelijkend meten van KPI’s. Niet-vergelijkend Aan de hand van het niet-vergelijkend meten wordt de KPI gemeten zonder daarbij enige vorm van concurrentie in rekening te brengen. Zo kan er bijvoorbeeld gevraagd worden hoe tevreden men is over een welbepaald bedrijf. Het niet-vergelijkend meten van KPI’s werd in de literatuur al uitgebreid beschreven en onderzocht (Macintosh en Lockshin 1997; Ahearne, Gruen en Javis 1999; Silvestro en Cross 2000; De Wulf, Odekerken-Schröder, Lacobucci 2001; Mägi 2003; Keiningham et al 2003, 2005; Verhoef 2003; Bowman en Narayandas 2004; Perkins-Munn et al 2005; Baumann et al 2005; Ahearne et al 2007; Cooil et al 2007; Babakus en Yavas 2008; Larivière 2008; Palmatier et al 2009; De Keyser en Lariviere 2010; Larivière 2011, 2012; Larivière 2012). Vergelijkend Aan de hand van de vergelijkende meetmethode wordt een KPI relatief gemeten door de concurrenten in de analyse te betrekken. Een onderscheid kan gemaakt worden tussen indirect en direct vergelijkend meten.
17
•
Indirect
Het indirect vergelijkend meten brengt de concurrentie in rekening op een indirecte manier. Dit wil zeggen dat men concurrenten in de analyse met elkaar gaat vergelijken, maar waarbij aan de respondent nooit gevraagd wordt een directe vergelijking te maken tussen twee of meerdere concurrenten. Er wordt dus bijvoorbeeld gevraagd hoe tevreden men is over elke concurrent waar men klant is. Deze niet-vergelijkende scores worden vervolgens getransformeerd tot een vergelijkende score. Voorbeelden van indirect vergelijkend meten zijn vrij schaars in de literatuur (Wind 1970; Bowman en Narayandas 2004; Ahearne et al 2007; Babakus en Yavas 2008; De Keyser en Larivière 2010). Keiningham, Aksoy, Buoye en Cooil (2011) stellen dat het niet nodig is om concurrenten direct met elkaar te vergelijken. Volgens dat onderzoek volstaat het de KPI’s van de verschillende concurrenten indirect te meten. Nadien kan SOW berekend worden via de zogenaamde ‘Wallet Allocation Rule’, die Keiningham et al. (2011) naar voor heeft gebracht. •
Direct
Het direct vergelijkend meten brengt de concurrentie in rekening op een directe manier. Dit wil zeggen dat men concurrenten in de analyse met elkaar gaat vergelijken door op een directe manier concurrenten tegenover elkaar af te wegen. Men kan dus bijvoorbeeld vragen hoe tevreden men is over een bepaald bedrijf in vergelijking met een concurrent. Ook deze methode is slechts in weinig gevallen onderzocht (Van den Putte 1996; Olsen 2002; De Keyser en Larivière 2010). Deze studie is uniek in die zin dat zij vier meetmethoden onderling met elkaar gaat vergelijken op hun voorspellingskracht ten aanzien van SOW. Tabel D geeft verdere informatie over de verschillende manieren van meten die wij in ons onderzoek zullen testen.
18
Tabel D: De vier verschillende meetmethoden: uitgebreid
HOE
SOW
VERGELIJKEND NIET-
INDIRECT
DIRECT
VERGELIJKEND
Satisfaction Locational convenience Priceattractiveness Tangibles Service quality
W
Environmental quality Likeability Trust
A T
Affective commitment Calculative commitment Normative commitment Interaction quality Product quality Brand image Status Expertise Assurances
Absoluut (AI)
Ranking (RI)
Absoluut (AD)
De KPI wordt gemeten, zonder daarbij enige directe of indirecte vergelijking met de competitie te betrekken.
De KPI wordt gemeten voor het eigen bedrijf, en voor elke concurrent. De gemeten scores voor de KPI van het eigen bedrijf en van de verschillende concurrenten worden op een indirecte manier met elkaar vergeleken.
De KPI wordt gemeten voor het eigen bedrijf, en voor elke concurrent. Op basis van de gemeten scores voor de KPI van de verschillende concurrenten wordt een ranking toegekend aan het eigen bedrijf en aan elke concurrent.
De score voor een welbepaalde KPI, in vergelijking met één of meerdere concurrenten wordt gemeten.
“Hoe tevreden bent u over kledijwinkel A?”
“hoe tevreden bent u over kledijwinkel A?”; “hoe tevreden bent u over kledijwinkel B?; “hoe tevreden bent u over kledijwinkel C?”
“hoe tevreden bent u over kledijwinkel A?”; “hoe tevreden bent u over kledijwinkel B?; “hoe tevreden bent u over kledijwinkel C?”
“in het algemeen, ben ik minder/meer blij klant te zijn bij kledijwinkel X t.o.v. andere kledijwinkel waar mijn gezin klant is”
1 Helemaal ontevreden – 7 Helemaal tevreden (7-punt)
1 Helemaal ontevreden – 7 Helemaal tevreden (7punt)
-3 veel minder – +3veel meer (7-punt)
1 Helemaal ontevreden – 7 Helemaal tevreden (7-punt)
BIirroi = BIssi -
(BIssj)/(k − 1) ,
j≠i
Voorbeeld: Cooil et al (2007)
BIirroi: indirecte score voor winkel i BIssi: directe score voor winkel i BIssj: directe score voor winkel j : aantal winkels
kledijwinkel A = 4; kledijwinkel B = 2; kledijwinkel C = 5 C>A>B Voorbeeld: De Keyser en Larivière (2010)
Vb. kledijwinkel A = 4; kledijwinkel B = 2; eigen kledijwinkel = 5 5 - [(2+4)/2] = 2 Voorbeelden: Van den Putte et al (1996) Ahearne et al (2007)
19
In het onderzoek zullen we twee zaken verder onderzoeken: 1.
WAT: De studie brengt alle maatstaven samen en gaat na welke maatstaf de meeste verklarende waarde heeft.
2.
HOE: De studie brengt alle methodes (zie tabel D) samen en onderzoekt welke methode de beste is en dus het beste SOW voorspelt.
Concreet zullen we via een survey klanten van (minstens twee) kledijwinkels een reeks key performance indicators (de KPI’s van SOW) bevragen. Dit doen we zowel op een niet-vergelijkende als op een vergelijkende (dus door de concurrentie in rekening te brengen) manier. Ook SOW wordt gevraagd. Op die manier kunnen we nagaan welke KPI de meeste verklarende waarde heeft en welke methode de beste is om deze KPI’s te meten. In tabel E wordt een synthese weergegeven van het WAT en HOE van vorige SOW-studies. “X” geeft weer dat de respectievelijke KPI in de literatuur al onderzocht is aan de hand van de respectievelijke meetmethode. Uit deze tabel blijkt dat er nog heel wat gaten in de literatuur zijn. Deze studie probeert deze leemte op te vullen. Tabel E: WAT en HOE: synthese
SOW
Niet-vergelijkend
AI
RI
AD
Satisfaction
X
X
X
Trust
X
X
X
Affective commitment
X
X
X
Calculative commitment
X
Normative commitment
X
Locational convenience
X
X
Priceattractiveness
X
X
Tangibles
X
X
X
AI: Absoluut indirect; RI: Indirecte ranking; AD: Absoluut direct
20
3. Methodologie 3.1 Steekproef De setting die in deze studie gebruikt wordt om de vier meetmethoden onderling met elkaar te vergelijken is de sector van de kledijwinkels. De data met betrekking tot deze kledijwinkels werd verzameld aan de hand van papieren enquêtes. De enquêtes werden afgenomen bij studenten economie aan de Universiteit Gent. Deze studenten waren tussen 18 en 22 jaar oud. De studenten werden gevraagd om hun enquête gedurende de hoorcolleges van een bepaalde les aan de Universiteit Gent onmiddellijk in te vullen, zonder dat de respondenten daarbij van elkaar afgezonderd werden. Op dergelijke manier werden twee hoorcolleges en dus twee groepen van studenten gebruikt voor deze steekproef. Door ons enkel te richten op deze studenten werd een homogene steekproef bekomen. In totaal werden 216 respondenten verzameld. Deze setting werd gekozen omdat het met studenten mogelijk is om een grote homogene groep op korte termijn en efficiënt te bereiken.
3.2 Procedure Voorafgaand aan het invullen van de enquête werd er gevraagd of men klant was bij minstens twee kledijwinkels. Enkel dan kan men de enquête op een juiste manier invullen aangezien het klant zijn bij minstens twee winkels een vereiste is om de vergelijkende vragen van de enquête te kunnen invullen. Vervolgens werd gevraagd aan de respondenten om hun hoofdwinkel (winkel waar men het meeste kledij aankoopt) en tweede winkel (winkel waar men het tweede meeste kledij aankoopt ) te noteren. Deze twee winkels werden dan gebruikt in het verdere verloop van de enquête. Om de kwaliteit van de verzamelde gegevens te waarborgen werd de enquête afgenomen onder de vorm van vier versies. Deze versies verschillen van elkaar in de volgorde waarin de KPI’s werden bevraagd van respectievelijk de hoofdwinkel (H), tweede winkel (T), en de hoofdwinkel in vergelijking met de tweede winkel (V): versie 1(HTV), versie 2 (THV), versie 3 (VHT) en versie 4 (VTH). Op die manier wordt getracht om mogelijke systematische fouten, te wijten aan de volgorde waarmee H, T en V bevraagd worden, te vermijden. Van de 216 respondenten werden er 12 verwijderd uit de analyse omdat er te veel missing values waren, of omdat zij de enquête onlogisch hadden ingevuld. Wat dit laatste betreft hanteerden we volgende principes waaraan de gegevens moesten voldoen om als onlogisch beschouwd te worden: (i) het onbekend zijn van SOW van de hoofdwinkel en/of de tweede winkel, (ii) de som van SOW van
21
de hoofd- en de tweede winkel is groter dan 100%, (iii) SOW van de hoofdwinkel is kleiner dan SOW van de tweede winkel.
3.3 Maatstaven De verschillende maatstaven en constructen die in de enquête gebruikt werden hebben hun oorsprong in de literatuur. Dit doen we om de validiteit te waarborgen. Aanpassingen van de gebruikte items dienden wel te gebeuren. Zo moesten deze aangepast worden aan de specifieke setting van kledijwinkels. Daarnaast moesten er van de items ook vergelijkende varianten gemaakt worden. Zowel de vergelijkende als de niet-vergelijkende items werden op een 7-punt schaal bevraagd. Een piloot-studie werd uitgevoerd om alle vragen te testen. In Tabel F wordt een overzicht gegeven van de in dit onderzoek gebruikte maatstaven.
22
Tabel F: Cronbach alfa en correlaties
Cronbach alfa en Correlaties van perceptuele maatstaven Construct
H α
Cor.
T α
Satisfaction
.842
-
.842 -
Locational convenience2 Priceattractiveness
-
.6494
-
-
1
.5094
V α
Cor.1
.873
-
.6244
-
.6994
-
.4044
-
.4124
.5154
-
.2974
1
Cor.
Tangibles
-
.4904
-
Service quality
.938
-
.927 -
.928
-
Environmental .923 quality
-
.934 -
.896
-
Likeability³
-
-
-
-
-
Trust
.942
-
.948 -
.940
-
.900
-
.886 -
.818
-
-
.6064
-
-
.5144
.901
-
.838 -
.698
-
.930
-
.936 -
.930
-
.942
-
.950 -
.920
-
Brand Image3
-
-
-
-
-
-
Status
-
.8264
-
.8524
-
.7994
Expertise
-
.7624
-
.7404
-
.6794
Assurances
-
.5274
-
.6304
-
.5344
Affective commitment Calculative commitment Normative commitment Interaction quality Product quality
-
.6014
Schaal 7-punt Likert 7-punt Likert 7-punt Likert 7-punt Likert 7-punt Likert 7-punt Likert 7-punt Likert 7-punt Likert 7-punt Likert 7-punt Likert 7-punt Likert 7-punt Likert 7-punt Likert 7-punt Likert 7-punt Likert 7-punt Likert 7-punt Likert
Bron Gustafsson, Johnson en Roos (2005) Larivière (2008) Leenheer et al. (2007) Larivière (2008) Larivière (2008) Dagger, Sweeney, Johnson (2007) Arne De Keyser De Wulf et al (2001) Jones, Fox, Taylor, Fabrigar (2007) Gustafsson et al (2005) Kelly, Stephen James (2004) Dagger et al (2007) Teas, R. Kenneth en Sanjee Agarwal (2000)
Kenneth Teas en Agarwal (2000) Larivière (2011) Larivière (2011)
1 in geval van 2 items; 2 2de item verwijderd; Voor verwijdering: Cronbach alfa: H .642; T .750 Vergelijkend .739 3 bestaat uit slechts 1 item 4 p < .00 Hoofdwinkel (H), tweede winkel (T), en de hoofdwinkel in vergelijking met de tweede winkel (V):
3.4 Reliability De Cronbach alfa werd berekend voor de constructen indien het construct samengesteld was uit minstens drie items. Indien het construct slechts uit twee items bestond werd de correlatie tussen beide berekend. De kritieke grens die gehanteerd werd voor de Cronbach alfa was .60 (De
23
Pelsmacker en Van Kenhove 2006, p.200). Enkel de constructen met een alfawaarde hoger dan deze kritieke waarde werden behouden. Items werden verwijderd indien een verwijdering van deze items de Cronbach alfa van het construct in kwestie fundamenteel kon laten stijgen (zie tabel F).
3.5 Afhankelijke variabele Als afhankelijke variabele werd in deze studie gebruik gemaakt van het concept Share-of-Wallet (SOW). Cooil et al (2007. p.68) definiëren dat als volgt: “the percentage of money a customer allocates in a category that is assigned to a specific firm”. Er werd gevraagd hoeveel procent van de totale kledingsaankopen de respondent doet bij respectievelijk zijn hoofd- en tweede winkel. De respondent had tien keuzemogelijkheden (100% verdeeld in tien gelijke delen) om SOW van de hoofd- en tweede winkel aan te duiden.
3.6 Controlevariabelen Op basis van Mitall en Kamakura (2001), Cooil et al (2007), en Larivière et al (2011) werden twee situationele en twee demografische controlevariabelen gebruikt. Tabel G geeft een overzicht. Tabel G: Controlevariabelen
Controlevariabelen Situationeel Tenure Waarde/belang
Demografisch
Expenses Geslacht
Beschrijving De duur van de relatie die de respondent heeft met de kledijwinkel (in jaren) De waarde/belang dat door de respondent gehecht wordt aan kledij (1 heel weinig – 7 heel veel) <100; 100 – 200; 201 – 300; >300 (maandelijks in €) Mannelijk of vrouwelijk
4. Data analyse en bevindingen 4.1 Data controle In het totaal werden 216 respondenten ondervraagd. 12 respondenten werden uit de data-set verwijderd omdat zij de enquête onlogisch hadden ingevuld of omdat er te veel missing values waren. Op die manier werd een finale dataset bekomen van 204 respondenten. Om de kwaliteit van de verzamelde gegevens te waarborgen werd de enquête afgenomen onder de vorm van vier versies. Elke versie van de enquête werd in ongeveer gelijke aantallen bevraagd. De invloed van de verschillende versies werd nagegaan aan de hand van verschillende testen. Om mogelijke fouten te ontdekken binnen de SOW-, tenure- en belangrijkheidvragen, tussen de vier
24
versies onderling, werd een One-way Anova uitgevoerd. Er werden geen significante verschillen teruggevonden tussen de vier versies op .05 significantieniveau. Analoog werd voor de nominale variabelen (geslacht, expenses) een χ2-test uitgevoerd. Opnieuw werden geen significante verschillen gevonden tussen de vier versies onderling op .05 significantieniveau.
4.2 Analyse Deze studie is uniek omdat zij vier meetmethoden onderling met elkaar vergelijkt op hun voorspellingskracht ten aanzien van SOW. Deze vier meetmethoden komen echter niet allen rechtstreeks uit de vragenlijst. Voor twee van de vier was nog een bijkomende bewerking nodig. Tabel D in het theoriegedeelte geeft meer uitleg over wat elke meetmethode nu precies inhoudt. Tabel H geeft een bijkomend overzicht van de vier methoden, hoe ze berekend worden en wat de afkorting is van elke methode die we in het verdere verloop van deze masterproef zullen gebruiken. Tabel H: De vier meetmethoden: praktisch
Niet-vergelijkend Afkorting
Hoofdwinkel = H Tweede winkel = T
Wijze van berekening
Rechtstreeks uit de vragenlijst
Absoluut Indirect AI
Per construct: AI = H - T
Vergelijkend Ranking Indirect RI
Per construct:* AI > 0: RI = 1 AI = 0: RI = 1,5 AI < 0: RI = 2
Absoluut Direct AD
Rechtstreeks uit de vragenlijst
* Gebaseerd op Keiningham (2011) waar de scores, die respectievelijk aan hoofd- en tweede winkel toegekend worden, getransformeerd worden naar een ranking. Indien H beter scored dan T voor een bepaalde KPI wordt een 1 toegekend aan H. Indien H minder goed scored dan T krijgt H een 2. Indien beide winkels even goed scoren wordt 1,5 toegekend aan beide winkels.
In wat volgt bespreken we de volgende aspecten. Ten eerste gaan we de correlaties na tussen de verschillende KPI’s (per methode) en tussen de verschillende methoden (per KPI). Ten tweede bekijken we de correlaties tussen de verschillende KPI’s en SOW van de hoofdwinkel. Ten slotte voeren we een stepwise regressie uit met als afhankelijke variabele SOW van de hoofdwinkel en als onafhankelijke variabelen de verschillende meetmethoden (per KPI).
4.2.1 Correlaties In onderstaande tabellen (I, J, K, L) worden de correlaties weergegeven tussen de verschillende KPI’s, per meetmethode. Er kan opgemerkt worden dat er een significante correlatie bestaat tussen sommige van de KPI’s, bv. tussen Trust_H en Satisfaction_H (r = .62, p <.01). Dit wijst op multicollineariteit in de data-set. Deze hoge correlaties zijn logisch aangezien de KPI’s hetzelfde
25
voorspellen, namelijk SOW. De multicollineariteit vormt echter geen probleem voor de analyse omdat deze in belangrijke mate univariaat is. .
26
Tabel I: Correlatietabel niet-vergelijkende methode (hoofdwinkel)
Mean
SD
1.Satisfaction_H
1
2
5,13
0,84
2. Loc. Conv. _H
4,79
1,24
3. Price-attr._H
4,76
1,10
4. Tangibles_H
4,93
0,96
.36
5. Serv. quality_H
4,62
1,13
.62
6. Env.quality_H
4,55
1,15
.51
7. Likeability_H
5,09
1,20
.60
8. Trust_H
4,88
1,10
.62
9. Aff. Comm.._H
3,79
1,37
.54
10. Calc. comm.._H
3,83
1,34
11. Nor. comm.._H
3,78
1,27
.31
12. Int. quality_H
4,13
1,23
.45
13. Prod. quality_H
4,99
1,17
.62
14. Brand image_H
4,56
1,35
.53
15. Status_H
4,33
1,35
.51
16. Expertise_H
4,33
1,18
.44
17. Assurances_H
4,90
1,08
.37
3
4
**
.28
**
1
.30
**
**
1
**
**
1
.20
.20 .28
** ** **
.12
**
**
.30
**
.67
.38
.36
*
.21
**
.40
.08
.24
**
.25
.05
.09
.54
**
.67
**
.58
**
.57
**
.51
**
.20
**
.36
**
.58
1
.67
** **
.67
**
.62
**
.42
.08
**
.05
.03
**
**
.24
**
*
**
.33
.29
**
.51
**
.70
**
.68
**
.42
**
.58
**
.55
**
.53
**
.49
**
.58
1
.56
**
.55
**
.61
**
.40
**
.49
.21
**
.57
**
.62
1
.74
.74
**
**
.53
**
.34
**
-.09
.19
**
.01
.27
**
.07
.39
**
.55
**
.56
1
**
.34
**
.19
**
.27
**
.39
.55
**
.70
**
.58
**
.49
**
.55
**
.40
**
.68
**
.55
**
.58
**
.61
**
.49
**
.58
**
.56
**
.51
*
.62
**
.54
**
.47
**
.71
**
.59
**
.50
**
.56
**
.56
**
.49
**
.09
.04
.29
**
.04
-.11
.22
**
.01
**
.10
.02
.32
**
.14
.13
.42
.15
**
**
.56
**
.51
**
.55
**
.43
.16
-.12
*
.33
.25
.10
**
.07
.16
.54
.31
.23
**
1
**
*
.18
**
-.06
.31
**
-.13
.33
**
.33
**
.31
**
-.08
.27
**
.00
.19
.23
**
-.22
**
-.29
.43
**
.40
**
.40
**
.33
**
14
**
.54
**
13
.09
.40
**
12
.06
*
.17
**
**
11
.05
.62
.01
.03
*
*
.14
10 **
-.09
*
-.17
.19
.60
9 **
-.12
.05
.15
**
8 **
**
.10
**
**
1
.38
**
.06
.20**
.06
.18
.38
*
**
.12
1
.47
.38
.17
.51
.62
**
**
**
7 **
.06
.47
.19
.14
6 **
**
**
.18
**
**
.36
.30 .30
5
**
.45
*
.15
**
.62
.09
.14
.04
-.11
.02
.13
**
**
.22
*
**
.32
.42
**
.58
**
.71
**
.56
**
.56
**
.59
**
.56
**
.51
**
.50
**
.49
**
.56
**
.55
**
.43
**
.43
**
.40
**
.33
.33
1
.60
.60
**
.54
**
.55
**
.77
**
.66
**
.37
.10
1 **
.44
*
**
**
.51
17 **
.01
-.06 .31
.53
16 **
.04
*
.18
15 **
.62
**
.54
**
.47
**
.51
**
.40
**
-.29
**
.33
**
.54
1
.72
**
.72
**
.71
**
.62
**
.51
.15
**
-.13 -.22
**
-.17
.19
**
.77
**
.66
**
.62
**
.51
**
.59
**
.44
1
.67
**
.42
1
.67
.71
1
.82
**
.44
**
.27
**
.59
**
**
.55
**
**
-.08
**
.82
**
**
.31
**
**
**
**
**
**
** **
.67
**
**
.42
**
**
.67
.00 ** ** ** ** ** **
1
** p < .01 (2-tailed) * p < .05 (2-tailed)
27
Tabel J: Correlatietabel absoluut directe methode 1
2
3
1
-.12
-.09
-.12
1
.10
.11
-.04
.10
1
**
**
-.12
-.09
-.08
.11
**
**
**
.27
**
.26
**
.38
1
.59
**
.56
**
.60
1
.61
**
.44
1
.68
Mean
SD
1.Satisfaction_AD
0,79
0,99
2. Loc. Conv. _AD
0,40
1,13
3. Price-attr._AD
0,32
1,09
4. Tangibles_AD
0,25
0,69
.32
5. Serv. quality_AD
0,52
1,06
.49
6. Env.quality_AD
0,40
1,09
.49
7. Likeability_AD
0,74
1,20
.49
8. Trust_AD
0,61
1,00
.54
9. Aff. Comm.._AD
0,33
0,78
.38
10. Calc. comm.._AD 0,14
1,04
-.25
11. Nor. comm.._AD 0,15
0,75
.20
12. Int. quality_AD
0,25
1,01
.49
13. Prod. quality_AD 0,53
1,20
.58
14. Brand image_AD 0,38
1,23
.40
15. Status_AD
0,25
1,17
.42
16. Expertise_AD
0,29
0,95
.39
17. Assurances_AD
0,43
0,99
.39
-.09 ** **
4
5 **
.32 .19
.19
1
**
.32
-.04 -.18 .06
-.12
.27
**
-.02
-.09
.26
**
-.02
-.08
.38
**
-.07
-.08
**
.07
**
**
.56
**
.60
.14
.33
-.05
**
-.05 -.24
**
-.04 -.30
**
-.06 -.32
**
-.02
-.13
.20
**
.06
.00
.40
-.04
*
.27
**
.23
**
**
.49
.06
**
.61
**
.44
**
.30
**
-.32
.10
**
.78
**
.64
*
.58
.11
.62
**
.63
**
.42
.15
7
**
.12 -.38
**
**
.32
.59
-.13
-.15
-.18
**
**
-.06
**
.49
**
**
.51
6
8 **
.49
-.02
**
1
.52
-.06
-.13
.00
.11
**
.20
.40
**
.63
**
.42
**
.41
**
.40
**
.39
**
.42
**
.41
**
.41
**
.25
**
.23
**
-.24
**
.58
**
.37
**
-.45
.40
**
.40
**
.58
**
.37
**
.42
**
.39
**
.42
**
.44
**
.41
**
.25
**
.41
**
.23
-.17
.03 -.29
.03
**
-.29
**
-.45
**
-.40
**
-.43
**
-.24
**
.58
**
.55
.42
**
.55
**
**
.53
**
.42
.39
**
.48
.28
**
.64
**
**
.38
**
.56
.16
**
**
.23
*
**
** ** ** ** **
-.13
1
**
.23
**
.23
1
*
.58
.13
.50
*
.56
.12
.72
*
.43
.16
.14
.15
-.24
**
.78
**
.52
-.15
.10
1
.36
**
.06
-.02
**
.40
.40
-.02
**
-.14
.58
**
**
-.06
**
-.32
**
.39
**
.27
**
**
.39
-.04
*
**
.41
.30
**
.42
17
**
-.04
-.38
**
.40
16
-.05
.12
**
**
.58
15
*
.42
.48
**
**
**
.49
14
-.05
-.02
**
.43
.33
.51
13
-.13
1
**
.21
**
.14
**
**
*
.38
-.08
**
**
-.17
**
.07
.28
**
.53
-.07
**
.20
-.14
.40
**
**
-.25
12
**
**
.56
-.27
**
.38
11
.21
.68
**
**
.54
10
*
**
.16
9
**
-.30
*
.15
**
.58
**
.38
**
.36
**
.42
**
.39
**
-.40
*
.16
**
.62
**
.43
**
.38
**
.42
**
.44
**
-.43
.13
**
.50
1
.64
.58
** **
.64
**
.65
**
.54
**
.55
-.32
*
.14
**
.56
**
.65
1
.84
** **
.84
**
.56
**
.39
**
.12
**
.72
**
.54
**
.56
1
.64
** **
.64
**
.37
** ** ** ** **
-.13 *
.15
**
.43
**
.55
**
.39
**
.37
1
.56
** **
**
**
.56
** ** ** ** **
1
** p < .01 (2-tailed) * p < .05 (2-tailed)
28
Tabel K: Correlatietabel absoluut indirecte methode Mean
SD
1
2
3
1.Satisfaction_AI
0,41
1,00
2. Loc. Conv. _AI
0,28
1,64
3. Price-attr._AI
0,02
1,30
4. Tangibles_AI
0,15
1,02
1
-.03
.03
.21
-.03
1
**
.22
.03
**
.19
**
.22
5. Serv. quality_AI
0,26
1,46
.59
6. Env.quality_AI
0,20
1,45
.48
7. Likeability_AI
0,46
1,61
.55
8. Trust_AI
0,43
1,26
.60
9. Aff. Comm.._AI
0,44
1,31
.56
10. Calc. comm.._AI
-0,05
1,67
-.24
11. Nor. Comm..._AI 0,23
1,05
.34
12. Int. quality_AI
0,37
1,50
.50
13. Prod. quality_AI
0,46
1,56
.56
14. Brand image_AI
0,37
1,57
.47
15. Status_AI
0,42
1,55
.48
16. Expertise_AI
0,37
1,35
.48
17. Assurances_AI
0,27
1,38
.34
.21
**
4
.19
1
5 **
**
.60
-.02
-.04
**
**
*
-.16
*
.14
.27
1
-.26
.10
-.08 -.26
**
-.02 -.19
**
-.04
**
-.00
-.06
**
-.06
-.05
**
.05
**
.04
-.01
-.01
.32
**
-.05
-.11
.10
.71
*
.61
**
.08
.58
**
-.01
.63
**
.10
.72
*
.09
.50
.10
**
.14
*
.14
**
**
.00 -.22
**
**
.02 -.34
**
-.03 -.42
**
-.06 -.24
**
-.04
-.18
**
.55
-.08
**
.62
**
.48
8
**
**
-.16
7
**
.27
**
6
1
*
.57
*
.53
**
.53
.10
.53
.24
.14
*
**
.53
1
.66
.57
** **
.66
**
.54
**
.46
**
-.30
**
.19
**
.48
**
.48
**
.47
**
.52
**
.53
**
.39
.04 -.39
.14
-.19
9 **
.60
-.00
-.01
**
.10
.04
-.01
.10
**
**
.53
**
-.39
**
.32
**
.71
.61
**
.46
**
-.30
**
.19
**
.48
**
.48
**
.41
**
-.31
**
.22
**
.41
**
.54
1
.44
**
-.25
**
.27
**
.48
**
.61
*
.36
**
.45
**
.44
1
-.17
*
-.23
**
-.34
1
.30
**
.30
1
.46
.24
1
.73
**
.41
**
-.31
**
.22
**
.41
**
.54
**
.44
**
.53
**
.47
**
.45
**
.44
**
**
-.25
**
.27
**
.48
**
.61
**
.47
**
.50
**
.51
**
.43
1
**
-.16
**
.36
**
.45
**
.44
**
.45
**
.45
**
.38
**
.28
-.16
*
**
*
-.17
**
-.23
**
.30
**
-.34
**
.30
**
-.50
**
.24
**
-.54
**
.20
**
-.37
**
.33
**
-.24
**
.24
-.05
**
.56
-.05
.62
.04
**
.50
14
-.06
.55
**
**
.34
13
**
**
.73
**
-.24
12
.05
.53
**
**
.56
11
-.06
**
**
10
**
.46
**
.46
**
.43
**
.68
**
.49
**
.47
16 **
.48
17 **
.48
.01
.02
-.03
-.06
**
**
**
**
-.11 -.22
**
15
-.34
-.42
-.24
**
.34
-.04 *
-.18
*
.08
-.01
.10
**
**
.58
**
.63
**
.72
.50
**
.47
**
.52
**
.53
**
.39
**
.44
**
.53
**
.47
**
.45
**
.47
**
.50
**
.51
**
.43
**
.45
**
.45
**
.38
**
.28
**
-.50
**
-.54
**
-.37
**
-.24
**
.24
**
.20
**
.33
**
.24
**
.46
**
.43
**
.68
**
.49
1
.62
**
.65
**
.54
**
.43
1
.78
**
.58
**
.36
1
.67
**
.36
1
.52
.14
** **
.62
**
**
.65
**
.54
**
.43
**
.78
**
**
.58
**
.36
**
.67
**
**
.36
**
**
.52
.09 ** ** ** ** **
** ** ** ** ** ** **
1
** p < .01 (2-tailed) * p < .05 (2-tailed)
29
Tabel L: Correlatietabel indirecte ranking Mean
SD
1
2
3
4
1.Satisfaction_RI
1,34
0,42
1
-.10
-.04
.13
2. Loc. Conv. _RI
1,42
0,41
-.10
1
3. Price-attr._RI
1,49
0,45
-.04
**
1
4. Tangibles_RI
1,47
0,43
**
**
5. Serv. quality_RI
1,44
0,45
.41
6. Env.quality_RI
1,44
0,46
.34
7. Likeability_RI
1,38
0,41
.44
8. Trust_RI
1,35
0,43
.47
9. Aff. Comm.._RI
1,36
0,43
.40
10. Calc. comm.._RI
1,50
0,44
-.24
11. Nor. comm.._RI
1,43
0,44
.18
12. Int. quality_RI
1,42
0,45
.29
13. Prod. quality_RI
1,37
0,44
.37
14. Brand image_RI
1,41
0,42
.28
15. Status_RI
1,38
0,44
.28
16. Expertise_RI
1,37
0,42
.29
17. Assurances_RI
1,42
0,44
.13
**
.18
.18 .20
.24
6 **
.41
**
.28
16
**
.28
17
**
.29
*
.17
-.10
.12
.00
-.07
-.13
-.05
-.07
-.09
-.08
*
-.11
**
-.02
*
**
**
**
**
-.13
*
.05
.11
-.02
.03
.12
.10
.05
.13
.07
**
**
.40
**
-.20
*
**
.47
**
.42
**
.37
**
.37
**
.45
.31
**
.23
**
-.27
.10
.28
**
.44
**
.35
**
.48
**
.38
**
.25
**
.33
**
-.26
**
.28
**
.48
**
.45
**
.49
**
.38
**
.32
1
.44
**
-.30
**
.32
**
.52
**
.42
**
.44
**
.39
**
.36
**
.38
**
.35
**
.36
**
.24
**
.29
**
.18
**
-.28
**
-.44
**
-.39
**
-.25
**
-.16
.24
1
-.21
.06
-.10
**
.12
**
.00
-.02
**
-.07
*
.03
.47
**
-.13 -.27
**
.12
.42
**
-.05 -.35
**
.10
.37
**
-.07 -.34
**
.05
.37
**
-.09 -.25
**
.13
.45
-.08
-.12
.07
.31
*
**
.37
15
-.05
**
-.18
**
.29
14
**
-.05
**
**
.18
13
-.09
**
.60
**
-.24
12
**
-.09 -.22
-.11
**
.40
11
.00
**
*
**
.47
10
**
.00 -.23
-.14
**
.45
9
-.10
**
**
**
.34
8
**
-.10 -.21
**
7
**
.20
**
.17
**
5
.06
1
*
.38
.09
.45
*
.35
.05
.40
.16
.14
-.22
.09
**
**
.45
.35
1
.62
**
.43
1
.68
.16 .38
**
.62
**
.43
**
**
.23
**
-.27
**
.68
**
.33
**
-.26
*
.10
.22
**
**
.28
.28
**
.44
**
.48
**
.35
**
.45
**
.48
**
.49
**
.38
**
.38
**
.25
**
.32
.16
-.14
*
**
.11 -.20 -.02
-.23
.14
** **
.44
**
**
-.30
**
.24
-.18
**
.32
.32
**
.51
**
.42
**
.44
**
.39
**
.36
**
.16
**
.22
**
.24
**
.32
1 -.18
**
**
.60
**
1
**
-.12
1
**
**
-.20
*
.17
**
-.28
**
.16
**
-.44
**
.17
**
-.39
**
-.25
**
.38
**
.35
**
.36
**
.24
**
.29
**
.18
**
-.18
-.12 -.20
*
.17
1
*
.36
*
.33
**
.08
.31
**
.06
.41
*
.12
.33
-.16
-.27
*
.16
-.35
**
.53
**
.42
**
.33
** ** ** *
.06
**
.31
**
.41
.33
**
.53
**
.42
**
.33
1
.63
**
.41
**
.28
1
.52
**
.26
1
.41
.54
.54
**
.08
1
**
**
**
.33
**
-.25
*
.17
**
.36
-.34
** **
.63
**
**
.41
**
.28
**
.52
**
**
.26
**
**
.41
.12 ** ** ** ** **
1
** p < .01 (2-tailed) * p < .05 (2-tailed)
30
In tabel M worden de correlaties weergegeven tussen de verschillende meetmethoden per KPI. Tabel M: Correlaties van de verschillende meetmethoden per KPI
1.Satisfaction_H 2.Satisfaction_AD 3.Satisfaction_AI 4.Satisfaction_RI
1 1 .39** .56** -.46**
2 .39** 1 .66** -.52**
3 .56** .66** 1 -.78**
4 -.46** -.52** -.78** 1
1. Locational Convenience. _H 2. Locational Convenience. _AD 3. Locational Convenience. _AI 4. Locational Convenience. _RI
1 1 .56** .70** -.55**
2 .56** 1 .72** -.55**
3 .70** .72** 1 -.76**
4 -.55** -.55** -.76** 1
1. Price-attractiveness_H 2. Price-attractiveness_AD 3. Price-attractiveness_AI 4. Price-attractiveness_RI
1 1 .55** .66** -.62**
2 .55** 1 .65** -.56**
3 .66** .65** 1 -.85**
4 -.62** -.56** -.85** 1
1. Tangibles_H 2. Tangibles_AD 3. Tangibles_AI 4. Tangibles_RI
1 1 .34** .52** -.48**
2 .34** 1 .34** -.30**
3 .52** .34** 1 -.87**
4 -.48** -.30** -.87** 1
1. Service quality_H 2. Service quality_AD 3. Service quality_AI 4. Service quality_RI
1 1 .53** .65** -.52**
2 .53** 1 .69** -.54**
3 .65** .69** 1 -.79**
4 -.52** -.54** -.79** 1
1. Environmental quality_H 2. Environmental quality_AD 3. Environmental quality_AI 4. Environmental quality_RI
1 1 .47** .59** -.47**
2 .47** 1 .63** -.51**
3 .59** .63** 1 -.83**
4 -.47** -.51** -.83** 1
1. Likeability_H 2. Likeability_AD 3. Likeability_AI 4. Likeability_RI
1 1 .35** .63** -.55**
2 .35** 1 .53** -.50**
3 .63** .53** 1 -.86**
4 -.55** -.50** -.86** 1
31
1. Trust_H 2. Trust_AD 3. Trust_AI 4. Trust_RI
1 1 .40** .56** -.50**
2 .40** 1 .52** -.45**
3 .56** .52** 1 -.81**
4 -.50** -.45** -.81** 1
1. Affective commitment_H 2. Affective commitment_AD 3. Affective commitment_AI 4. Affective commitment_RI
1 1 .52** .59** -.49**
2 .52** 1 .51** -.42**
3 .59** .51** 1 -.78**
4 -.49** -.42** -.78** 1
1. Calculative commitment_H 2. Calculative commitment_AD 3. Calculative commitment_AI 4. Calculative commitment_RI
1 1 .54** .65** -.56**
2 .54** 1 .54** -.47**
3 .65** .54** 1 -.82**
4 -.56** -.47** -.82** 1
1. Normative commitment_H 2. Normative commitment_AD 3. Normative commitment_AI 4. Normative commitment_RI
1 1 .40** .47** -.42**
2 .40** 1 .26** -.21**
3 .47** .26** 1 -.81**
4 -.42** -.21** -.81** 1
1. Interaction quality_H 2. Interaction quality_AD 3. Interaction quality_AI 4. Interaction quality_RI
1 1 .59** .63** -.48**
2 .59** 1 .70** -.53**
3 .63** .70** 1 -.78**
4 -.48** -.53** -.78** 1
1. Product quality_H 2. Product quality_AD 3. Product quality_AI 4. Product quality_RI
1 1 .46** .58** -.54**
2 .46** 1 .68** -.58**
3 .58** .68** 1 -.82**
4 -.54** -.58** -.82** 1
1. Brand image_H 2. Brand image_AD 3. Brand image_AI 4. Brand image_RI
1 1 .59** .54** -.45**
2 .59** 1** .56** -.50**
3 .54** .56** 1 -.87**
4 -.45** -.50** -.87** 1
1. Status_H 2. Status_AD 3. Status_AI 4. Status_RI
1 1 .60** .55** -.44**
2 .60** 1 .55** -.47**
3 .55** .55** 1 -.83**
4 -.44** -.47** -.83** 1
32
1. Expertise_H 2. Expertise_AD 3. Expertise_AI 4. Expertise_RI
1 1 .59** .55** -.44**
2 .59** 1 .54** -.37**
3 .55** .54** 1 -.80**
4 -.44** -.37** -.80** 1
1. Assurances_H 2. Assurances_AD 3. Assurances_AI 4. Assurances_RI
1 1 .43** .54** -.47**
2 .43** 1 .49** -.35**
3 .54** .49** 1 -.82**
4 -.47** -.35** -.82** 1
** p < .01 (2-tailed) * p < .05 (2-tailed)
Bovenstaande correlaties (tabel M) zijn allemaal significant verschillend van nul. Dit is logisch aangezien elke variabele eigenlijk eenzelfde KPI meet. Belangrijk is echter dat niet elke correlatie even hoog is, aangezien de manier van meten verschillend is. Op die manier wordt duidelijk dat er een verschil is in voorspellingskracht naargelang de meetmethode. De gedeelde variantie is lager dan 100%, wat er dus op wijst dat de verschillende meetmethoden een verschillend aandeel in de variantie verklaren. In tabel N wordt een overzicht gegeven van de correlaties tussen de verschillende KPI’s en SOW van de hoofdwinkel (per methode), gerangschikt van groot naar klein (kolom 1). Men merkt op dat vier van de vijf meest verklarende variabelen op een vergelijkende manier zijn gemeten. In kolom 2 wordt de respectievelijke R² weergegeven. In kolom 3 ziet men de correlatie tussen de niet-vergelijkende methode van de overeenkomstige KPI, en SOW van de hoofdwinkel. In kolom 4 wordt de overeenkomstige R² gegeven. Aan de hand van kolommen 5 en 6 merken we dat het meten van KPI’s op een vergelijkende manier een grotere voorspellingskracht heeft ten aanzien van SOW, althans voor een aantal KPI’s (grijs gemarkeerd). Voor deze KPI’s geldt dat vergelijkende meten, SOW beter voorspelt dan niet-vergelijkend meten en dat het dus beter is om deze op een vergelijkende manier te meten. Zo geldt bv. voor de KPI’s Satisfaction en Affective commitment dat, indien zij op de absoluut indirecte manier gemeten worden, zij 7% meer van de variantie van SOW verklaren dan dat zij op de niet-vergelijkende manier gemeten zouden worden. Andere KPI’s die beter op een vergelijkende manier worden gemeten, zijn: Tangibles, Trust, Normative commitment en Interaction quality. Voor deze KPI’s geldt dus dat, indien zij op een niet-vergelijkende manier gemeten zouden zijn, zij minder variantie in SOW zouden verklaren en SOW dus minder goed zouden voorspellen. Deze KPI’s zouden ondergewaardeerd zijn als voorspellende factor van SOW indien zij nietvergelijkend gemeten worden. Door ze vergelijkend te meten wordt hun effect sterker.
33
Tabel N: Correlaties met SOW van hoofdwinkel
1 Correlatie
Satisfaction_AI Affect. Comm. _AI Satisfaction_AD Affect. Comm. _RI Product quality_H Assurances_H Affect. Comm. _AD Expertise_H Satisfaction_H Interaction qual. _RI Product quality_RI Tangibles_AD Trust_AI Interaction qual. _H Interaction qual. _AD Interaction qual. _AI Service quality_H Environ. qual. _H Norm. Comm. _AI Trust_RI Affect. Comm. _H Status_H Brand image_H Satisfaction_RI Service quality_AI Environ. qual. _AD Likeability_H Product quality_AD Product quality_AI Expertise_AI Expertise_RI Assurances_AD Tangibles_H Trust_H Trust_AD Brand image_RI Service quality_RI Service quality_AD Environ. qual. _AI Norm. Comm. _RI Assurances_AI Tangibles_AI
.35** .32** .31** -.29** .27** .27** .25** .25** .23** -.22** -.21** .20** .20** .20** .20** .20** .19** .19** .19** -.18** .18* .18* .17* -.16* .16* .16* .16* .16* .16* .16* -.16* .16* .15* .15* .15* -.15* -.14 .13 .13 -.13 .13 .12
2 R²
.12 .10 .10 .08 .07 .07 .06 .06 .05 .05 .04 .04 .04 .04 .04 .04 .04 .04 .04 .03 .03 .03 .03 .03 .03 .03 .03 .03 .03 .03 .03 .03 .02 .02 .02 .02
3 Overeenkomstige correlatie van nietvergelijkende methode .23** .18* .27** .18* .27** .27** .18* .25** .23** .20** .27** .15* .15* .20** .20** .20** .19** .19** .15* .18* .18* .17* .27** .19** .19** .16* .27** .27** .25** .25** .27** .15* .15* .15* .17*
4 R²
.05 .03 .07 .03 .07 .07 .03 .06 .05 .04 .07 .02 .02 .04 .04 .04 .04 .04 .02 .03 .03 .03 .07 .04 .04 .03 .07 .07 .06 .06 .07 .02 .02 .02 .03
5 Verschil in correlatie 1-3 .12 .14 .04 .11 0 0 .07 0 -.04 .02 -.06 .05 .05 0 0 0 0 0 .03 0 0 0 -.11 -.03 -.03 0 -.11 -.11 -.09 -.09 -.11 0 0 0 -.02
6 Verschil in R² 2-4 7.0% 7.0% 2.3% 5.2% 0.0% 0.0% 3.0% 0.0% 0.0% 0.8% -2.9% 1.8% 1.8% 0.0% 0.0% 0.0% 0.0% 0.0% 1.0% 0.0% 0.0% 0.0% -4.7% -1.1% -1.1% 0.0% -4.7% -4.7% -3.7% -3.7% -4.7% 0.0% 0.0% 0.0% -0.6%
34
Likeability_AI Brand image_AD Brand image_AI Likeability_RI Tangibles_RI Status_AI Expertise_AD Calc. Comm. _RI Price-attr. _AD Loc. Conv. _H Environ. qual. _RI Likeability_AD Status_AD Status_RI Loc. Conv. _RI Calc. Comm. _AI Price-attr. _H Assurances_RI Calc. Comm. _H Price-attr. _RI Loc. Conv. _AI Norm. Comm. _H Norm. Comm. _AD Calc. Comm. _AD Price-attr. _AI Loc. Conv. _AD
.12 .12 .12 -.11 .10 .10 .10 .09 .09 -.08 -.08 .08 .08 -.08 .07 -.06 .05 -.04 -.03 .02 .02 .02 .02 -.01 .01 .00
** p < .01 (2-tailed) * p < .05 (2-tailed)
De toegevoegde waarde van deze studie ligt hem voornamelijk in het feit dat zij vier meetmethoden onderling met elkaar vergelijkt. We hebben dan ook verschillende regressies uitgevoerd met als onafhankelijke variabelen de verschillende meetmethoden (per KPI) en als afhankelijke variabele SOW van de hoofdwinkel. Op die manier kunnen we de vier meetmethoden onderling op hun voorspellende kracht vergelijken. Tabel O geeft een samenvatting weer van de resultaten van de regressies die we uitgevoerd hebben. Deze regressies werden stepwise uitgevoerd. Uit tabel O blijkt dat, om SOW te voorspellen, er KPI’s zijn die best op een niet-vergelijkende manier (Service quality, Environmental quality, Likeability, Product quality, Brand image, Status, Expertise, Assurances) gemeten worden, en dat er KPI’s zijn die best aan de hand van één (of meerdere) vergelijkende meetmethoden (Satisfaction, Tangibles, Trust, Affective commitment, Normative commitment, Interaction quality) gemeten worden. Voor Price-attractiveness, Locational convenience en Calculative commitment geldt dat geen enkele meetmethode echt geschikt is.
35
Daarnaast valt ook de grote verklarende waarde van Satisfaction op (R²adj = .15). Deze is toch beduidend groter dan de R²adj bij de andere KPI’s. Wanneer er gekeken wordt naar de vergelijkende meetmethoden onderling kan het volgende opgemerkt worden. Van de drie meetmethoden blijkt dat de absoluut indirecte methode (bij vier KPI’s) SOW het beste voorspelt, dit in tegenstelling tot de absoluut directe methode (één KPI) en de indirecte ranking (twee KPI’s). Algemeen kan dus gezegd worden dat de absoluut indirecte methode in de meerderheid van de gevallen de beste methode is.
36
4.2.2 Regressie KPI Satisfaction Loc. Conv. Price-attr. Tangibles Serv. qual. Env. Qual. Likeability Trust Affect. Comm. Calc. Comm. Norm. Comm. Interact. Qual. Prod. Qual. Brand Image Status Expertise Assurances
Niet-vergelijkend (H) β B t Sign.
.19 .19 .16
.32 .32 .25
Absoluut Direct β B t
Sign.
.20
.00
.55
2.89
Absoluut Indirect β B t .58 1.11 5.61
Sign. .00
Ranking Indirect β B t .30 1.34 2.87
2.79 .00 2.8 .00 2.24 .03 .20 .32
.30 .47
2.85 4.86
.00 .00
.19
.34
2.73
.00 -.22
.27 .17 .18 .25 .27
.44 .24 .25 .40 .47
Sign. .00
4.01 2.47 2.60 3.66 3.99
.00 .01 .01 .00 .00
-.93
-3.19
.00
R² .16
R²adj .15
.04 .04 .04 .02 .04 .11
.04 .03 .03 .02 .03 .10
.04 .05 .07 .03 .03 .06 .07
.03 .04 .07 .03 .03 .06 .07
Tabel O: Stepwise regressie
Afhankelijke variabele: SOW van de hoofdwinkel
37
5. Conclusies 5.1 Discussie Het opzet van deze studie was tweevoudig. Ten eerste wouden we, net zoals in vorig literatuuronderzoek al gedaan is, nagaan welke kritische performantie indicatoren een positieve relatie vertonen met Share-of-Wallet. Dit is het wat. Ten tweede wouden we nagaan welke manier van meten de beste is om SOW te voorspellen. Men kan KPI’s meten op een niet-vergelijkende manier of via meerdere vergelijkende methodes. Deze studie onderzocht welke methode de hoogste voorspellingskracht heeft ten aanzien van SOW. De uniekheid van deze studie ligt voornamelijk in dit laatste aspect, het hoe. Bedrijven spenderen veel geld aan het meten en verbeteren van klantloyaliteit en toch gaat deze in het algemeen toch sterk achteruit. (Clancy 2001; Bennet en Rundle-Thiele 2005). Dit noemt men de ‘loyaliteitscontradictie’, te wijten aan de toegenomen polygame loyaliteit: ondanks toegenomen investeringen door bedrijven in het meten en verbeteren van klantloyaliteit gaat de klantloyaliteit toch achteruit. De vraag die men zich als bedrijf of organisatie vandaag moet stellen is niet meer ‘hoe de klantretentie verhogen’ maar veeleer ‘welk aandeel van de klant zijn uitgaven wordt uitgegeven bij mijn bedrijf of organisatie (SOW), en hoe kan ik dit aandeel beïnvloeden/verhogen?’. Om SOW te kunnen beïnvloeden is het noodzakelijk om te weten welke KPI’s een positieve relatie hebben met SOW en hoe men deze KPI’s het beste meet. In de meerderheid van de SOW studies werden de KPI’s op een niet-vergelijkende manier gemeten, waardoor enige vergelijking met de concurrentie uitgesloten werd. Echter, de beperkingen eigen aan het niet-vergelijkend meten van KPI’s zorgen ervoor dat SOW slechts in beperkte mate voorspeld kan worden (Verhoef 2003). Daarom roept men op om dergelijke KPI’s op een vergelijkende manier te meten (Dick en Basu 1994; Olsen 2002; Mägi 2003). Betere predicties kunnen gemaakt worden op basis van het vergelijkend meten van attitudes (Van den Putte et al 1996). Slechts weinig studies hebben KPI’s op een vergelijkende manier gemeten, met uitzondering van Wind (1970), Bowman en Narayandas (2004), Ahearne et al (2007) en De Keyser en Larivière (2010). Echter, deze studies hebben nooit meerdere vergelijkende methodes in hun onderzoek gebruikt. Deze studie is uniek in die zin dat zij vier meetmethoden –één niet-vergelijkende en drie vergelijkende methodes, onderling met elkaar gaat vergelijken op hun voorspellingskracht ten aanzien van SOW.
38
Het eerste deel van de studie was erop gericht na te gaan welke KPI’s een positieve relatie hebben met SOW. Met uitzondering van drie KPI’s hadden ze allemaal –via minsten één meetmethode, een positieve relatie met SOW. De belangrijkste zijn Satisfaction en Affective commitment. De drie KPI’s die niet significant correleerden met SOW zijn Price-attractiveness, Locational convenience en Calculative commitment. Het tweede deel van de studie had tot doel te onderzoeken welke meetmethode de beste is, in die zin dat zij het best SOW voorspelt. Men kan concluderen dat voor sommige KPI’s vergelijkend meten beter is dan niet-vergelijkend meten. Het gaat om de volgende: Satisfaction, Affective commitment, Normative committment, Trust, Tangibles en Interaction quality. Het vergelijkend meten van deze KPI’s zorgt voor een verhoging van de voorspellende waarde ten aanzien van SOW. Dit wil dus zeggen dat het niet-vergelijkend meten van deze KPI’s, SOW minder goed voorspelt dan vergelijkend meten. Indien zij op een niet-vergelijkende manier gemeten zouden worden, zouden zij namelijk minder variantie in SOW verklaren en SOW dus minder goed voorspellen. Deze KPI’s zouden ondergewaardeerd zijn als voorspellende factor van SOW indien zij niet-vergelijkend gemeten worden. Door ze vergelijkend te meten wordt hun effect sterker. Wat de beste (vergelijkende) meetmethode is voor deze KPI’s, hangt af van KPI tot KPI. Algemeen kan wel gezegd worden dat de absoluut indirecte methode in de meerderheid van de gevallen de beste methode is. Deze conclusie ligt in de lijn van de ‘Wallet Allocation Rule’ (Keiningham et al, 2011), die zegt dat het apart meten van KPI’s, zonder een directe vergelijking tussen concurrenten te maken, voldoende is. Voor de andere KPI’s (andere dan Satisfaction, Affective commitment, Normative committment, Trust, Tangibles en Interaction quality) geldt dat zij beter op een niet-vergelijkende manier gemeten worden. Opvallend is dat de KPI’s die het best op een vergelijkende manier gemeten worden gekarakteriseerd worden door het feit dat zij betrekking hebben op de relatie die het bedrijf heeft met de klant. Deze ‘relationele’ KPI’s vallen onder één van de drie paden om marktleiderschap te bereiken (namelijk customer intimacy) beschreven door Treacy en Wiersema (1993). Zij beschrijven drie ‘value disciplines’ waardoor bedrijven superieure customer value kunnen creëren: product leadership, operational excellence en customer intimacy. De bedrijven die het pad van product leadership volgen streven naar het leveren van state-of-the-art producten en diensten. Operational excellence daarentegen is gericht op het marktleiderschap op vlak van prijs en gemak. Customer intimacy ten
39
slotte focust op klantgerichtheid, customization, een lange-termijn relatie met de klant, en klantloyaliteit. Er kan opgemerkt worden dat de KPI’s die het best op een vergelijkende manier gemeten worden, die KPI’s zijn die vallen onder ‘customer intimacy’ (met uitzondering van tangibles). Satisfaction kan bij elk van de drie ‘value disciplines’ ondergebracht worden. Deze KPI’s kunnen gekarakteriseerd worden als zijnde relationeel (Palmatier, Dant, Grewal en Evans 2006), en dat is nu net wat customer intimacy inhoudt. De andere KPI’s –die vallen onder product leadership en operational excellence kunnen het best op een niet-vergelijkende manier gemeten worden (met uitzondering van tangibles, en satisfaction dat onder alle drie de value disciplines valt). Tabel P: Value disciplines van Treacy en Wiersema
Customer Intimacy
Product Leadership
Operational Excellence
•
Satisfaction
•
Satisfaction
•
Satisfaction
• • •
Trust Affective commitment Normative commitment Interaction quality
• • • • • • • • • •
Tangibles Locational convenience Service quality Environmental quality Likeability Product quality Brand image Status Expertise Assurances
• •
Price-attractiveness Calculative commitment
•
5.2 Management- en andere implicaties Klantloyaliteit wordt wereldwijd aanzien als een kritieke factor voor financiële performantie en lange-termijn succes. Loyaliteit heeft dan ook de laatste decennia sterk aan interesse gewonnen, aangezien het zo belangrijk is voor zowel management als academici (Keiningham et al. 2008). De grote investeringen in klantloyaliteit die door vele bedrijven worden gedaan (Reinartz en Kumar 2002) en de ‘Conference Board 2010 CEO Challenge Survey’ (Barrington 2010) tonen dit aan. Omwille van het fenomeen van polygame loyaliteit wordt het in deze tijd, waar multi-brand en multi-provider
40
loyaliteit de nieuwe dominante logica vormen belangrijker om zich te richten op Share-of-Wallet. Het is dus niet meer voldoende om enkel te gaan kijken naar klantretentie (Coyles en Gokey 2002). Aangezien er zoveel afhangt van klantloyaliteit is het primordiaal om te weten welke de drijvers van SOW precies zijn -de zogenaamde kritische performantie indicatoren, en wat de beste manier is om deze KPI’s te meten, in die zin dat zij SOW het best voorspellen. De Keyser en Larivière (2010) toonden reeds aan dat er heel wat KPI’s zijn die SOW voorspellen. Deze studie heeft echter nog meer KPI’s in het onderzoek betrokken (onder andere enkele SERVQUAL dimensies) die een positieve relatie hebben met SOW. Op die manier wordt het voor bedrijven mogelijk om SOW nog beter te voorspellen. Vorige loyaliteitstudies beperkten zich tot het niet-vergelijkend meten van KPI’s. Dit is dus zonder enige vorm van concurrentie in rekening te brengen. Echter, het op die manier meten heeft verschillende beperkingen waardoor het niet-vergelijkend meten van KPI’s, SOW slechts in beperkte mate voorspelt (Verhoef 2003). Studies die wel vergelijkend meten van KPI’s in hun onderzoek betrokken hebben zijn de volgende: Wind (1970), Bowman en Narayandas (2004), Ahearne et al. (2007), De Keyser en Larivière (2010). Deze studies maken weliswaar gebruik van vergelijkend meten maar zij beperken zich slechts tot één methode. Deze studie vergelijkt vier meetmethoden onderling met elkaar. Dit onderzoek toont aan dat het voor bepaalde KPI’s beter is om ze vergelijkend te meten: Satisfaction, Affective commitment, Normative committment, Trust, Tangibles en Interaction quality. De traditionele vragenlijsten, waar deze KPI’s op een niet-vergelijkende manier bevraagd worden voorspellen wel een deel van SOW. Echter, hun effect wordt onderschat door ze niet-vergelijkend te meten waardoor hun invloed wellicht als kleiner wordt beschouwd. Daarenboven blijkt dat er voor deze KPI’s een verschil is in wat nu de beste manier van vergelijkend meten is. Algemeen kan men zeggen dat de absoluut indirecte methode de beste is. Dit bevestigt aldus de opbouwmethode van de ‘Wallet Allocation Rule’ (Keiningham et al 2011), namelijk dat het apart meten van KPI’s, zonder een directe vergelijking tussen concurrenten te maken, voldoende is. Satisfaction is één van de meest gemeten KPI’s, zowel in de literatuur als in het loyaliteitsonderzoek van vele bedrijven. Het niet-vergelijkend meten van deze KPI heeft grote gevolgen. Ten eerste zorgt het niet-vergelijkend meten van klanttevredenheid voor een onderschatting van de voorspellende kracht ten aanzien van SOW, in tegenstelling tot het vergelijkend meten van klanttevredenheid. Op die manier kan SOW minder goed voorspeld worden. Ook de verloning van management, die dikwijls
41
deels gebaseerd is op tevredenheidscores van klanten kan op die manier preciezer bepaald worden. De bevindingen van deze studie hebben dus een belangrijke praktische impact. Het is dus nodig om de traditionele vragenlijsten aan te passen in die zin dat de juiste vergelijkende meetmethodes voor welbepaalde KPI’s geïntroduceerd moeten worden. Dit zorgt ervoor dat managers SOW beter kunnen voorspellen wat een betere inschatting van de waarde van de klanten mogelijk maakt. Ook zogenaamde national customer satisfaction indexen zullen op die manier preciezer ingeschat kunnen worden. Daarenboven zal de verloning van managers, die vaak gebaseerd is op klanttevredenheidscores in de balanced scorecard, accurater en meer realistisch kunnen gebeuren. Ook voor verder academisch SOW-onderzoek heeft deze studie gevolgen. Zo moet men in de toekomst de verschillende vergelijkende maatstaven in gedachten houden.
5.3 Beperkingen en toekomstig onderzoek Ondanks de grote bijdrage van dit onderzoek voor de loyaliteitsliteratuur zijn er toch een aantal beperkingen eigen aan deze studie waarmee rekening gehouden moet worden. Ten eerste beperkt deze studie zich tot slechts één industrie, namelijk tot die van de kledijwinkels. Dit zorgt ervoor dat de veralgemeenbaarheid van de bevindingen beperkt is. Beter zou het zijn om meerdere sectoren in de analyse te betrekken. Daarnaast bestond onze steekproef uit een homogene groep economiestudenten van ongeveer dezelfde leeftijd. Ook dit beperkt de veralgemeenbaarheid. Een meer heterogene steekproef zou deze beperking al voor een groot deel opheffen. Ten tweede had de steekproef van dit onderzoek een omvang van slechts 216 respondenten. Een grotere steekproef zou de impact van mogelijke fouten verminderen en zou meer significante resultaten kunnen opleveren. Ten derde zou het goed zijn om dit onderzoek op een longitudinale basis te voeren. Op die manier kunnen respondenten meermaals bevraagd worden doorheen een bepaalde periode. Zo kan geobserveerd worden of veranderingen in KPI’s leiden tot veranderingen in SOW. Wij beperkten ons echter tot cross-sectionele data. Ten vierde is het nuttig om nog andere meetmethoden in het onderzoek te betrekken. Zo is het mogelijk om KPI’s aan de hand van directe ranking op te meten. Omwille van de al lange enquête die wij voor dit onderzoek gebruikt hebben, hebben we dit niet in de vragenlijst geïncorporeerd.
42
Ten slotte hebben we ons in deze studie beperkt tot het vergelijkend meten van slechts twee providers, namelijk de hoofdwinkel en de tweede winkel. In de toekomst kan dit nog verder uitgediept worden door nog meer providers in de analyse te betrekken.
43
6. Referenties
Ahearne Michael, Ronald Jelinek en Eli Jones (2007), “Examining the effect of salesperson service behavior in a competitive context”, Journal of the Academy of Marketing Science, 35(4), 603-616 Ahearne Michael, Thomas W.Gruen en Cheryl Bruke Javis (1999), “If looks could sell: Moderation and mediation of the attractiveness effect on salesperson performance”, International Journal of Research in Marketing, 16(4), 269-284 Ailawadi Kusum L., Koen Pauwels en Jan-Benedict E.M. Steenkamp (2008), “Private-Label Use and Store Loyalty”, Journal of Marketing, 72(6), 19-30 Anderson, James C. en James A. Narrus (1990), “A Model of Distributor Firm and Manufacturer Firm Working Relationships”, Journal of Marketing, 54(1), 42-58 Babakus Emin en Ugur Yavas (2008), “Does customer sex influence the relationship between perceived quality and share of wallet?”, Journal of Business Research, 61 (9), 974-981 Babin Barry J. en Jill S. Attaway (2000), “Atmospheric Affect as a Tool for Creating Value and Gaining Share of Customer”, Journal of business research, 49(2), 91-99 Barnard Neil R. en Andrew S.C. Ehrenberg (1990), “Robust Measures of Consumer Brand Beliefs”, Journal of Marketing Research, 27(4), 477-484 Barrington, L. (2010). CEO Challenge 2010: Top 10 Challenges (No. Research Report No. R-1461-10RR). New York (February). Baumann, Chris, Suzan Burton, en Greg Elliott (2005), “Determinants of Customer Loyalty and Share of Wallet in Retail Banking,” Journal of Financial Services Marketing, 9 (3), 231–248.
Bennet, Rebekah en Sharyn Rundle-Thiele (2005), “The Brand Loyalty Life Cycle: Implications for Marketers”, Journal of Brand Management, 12(4), 250-263 Berman, B. (2006). Developing an Effective Customer Loyalty Program. California Management Review, 49(1), 123-148. Bowman Douglas en Das Narayandas (2001), “Managing Customer-Initiated Contacts with Manufacturers: The Impact on Share of Category Requirements and Worth-of-Mouth Behavior”, Journal of Marketing Research, 38(3), 281-297 Bowman en Das Narayandas (2004), “Linking Customer Management Effort to Customer Profitability in Business Markets,” Journal of Marketing Research, 41 (November), 433- 447. Bowman, D., Farley, J. U., en Schmittlein, D. C. (2000). “Cross-national empirical generalization in business services buying behavior” Journal of International Business Studies, 31(4), 667−685.
44
Brexendorf Tim Oliver, Silke Mühlmeier, Torsten Tomczak, Martin Eisend (2010), “The impact of sales encounters on brand loyalty”, Journal of Business Research, 63, 1148-1155 Brody, R. P., & Cunningham, S. M. (1968). “Personality variables and the consumer decision process” Journal of Marketing Research, 5(1), 50−57.
Chaiken, Shelly en Charles Stangor (1987), “Attitudes and Attitude Change”, Annual Review of Psychologie, 38, 575-630 Clancy, K.J. (2001), “Save America’s dying brands”, Marketing Management, 10, 36-44. Cooil Bruce, Timothy L. Keiningham, Lerzan Aksoy en Michael Hsu (2007), “A Longitudinal Analysis of Customer Satisfaction and Share of Wallet: Investigating the Moderating Effect of Customer Characteristics”, Journal of Marketing, 71(1), 67-83 Coyles, Stephanie en Tim C. Gokey (2002), “Customer retention is not enough”, The Mckinsey Quarterly, 2, 81-99 Cunningham RM (1956) “Brand loyalty—what, where, how much”, Harvard Business Review, 39, 116–138 Cunningham, R.M. (1961), “Customer Loyalty to Store and Brand,” Harvard Business Review, 39(6), 127-137.
Dagger, Sweeney, Johnson (2007), "A Hierachical Model of Health Service Quality: Scale Development and Investigation of an Integrated Model", Journal of Service Research, 10(2), 123-142 De Keyser Arne en Larivière Bart (2010), Comparative Customer Satisfaction and Share-of-Wallet, working paper De Pelsmacker Patrick, Maggie Geuens en Joeri Van Den Bergh, Marketing Communications: A European Perspective, Financial Times Prentice Hall, 14-jul.-2010 De Pelsmacker, Patrick en Patrick Van Kenhove (2007), “Marktonderzoek: methoden en toepassingen”, Pearson Education Benelux, Amsterdam, 2de editie, p.200 De Wulf, Kristof, Gaby Odekerken-Schröder, and Dawn Iacobucci (2001), “Investments in Consumer Relationships: A cross-country and cross-industry exploration,” Journal of Marketing, 65 (October), 33-50. Dick Alan S. en Kunal Basu (1994), “Customer Loyalty: Toward an Integrated Conceptual Framework”, Journal of the Academy of Marketing Science, 22(2), 99-113 Droge, Cornelia (1989), "Shaping the Route to Attitude Change: Central versus Peripheral Processing through Comparative versus Non-comparative Advertising," Journal of Marketing Research, 26 (May), 193-204.
45
East Robert, Harris Patricia, Gill Wilson en Wendy Lomax (1995), “Loyalty to supermarkets”, The international Review of Detail, Distribution and Consumer Research, 5(1), 99-109 East Robert, Harris Patricia, Gill Wilson en Wendy Lomax (2000), “First-store loyalty and retention”, Journal of Marketing Management, 16(4), 302-325 East Robert, Harris Patricia, Wendy Lomax, Gill Wilson en Kathy Hammond (1998), “Customer Defection from Supermarkets”, Advances in Consumer Research, 25(1), 507-512 Enis Ben M. en Paul Gordon W. (1970), “ “Store loyalty” as a Basis for Market Segmentation”, Journal of Retailing, 46(3), 42-56 Fazio, Russel H. en Mark Zanna (1977), “On the Predictive Validity of Attitudes: The Roles of Direct Experience and Confidence”, Journal of Personality, 46 (december-maart), 228-43 Fazio, Russel H. en Mark Zanna (1981), “Direct Experience and Attitude Behavior Consistency”, Advances in Experimental Social Psychology, 14, 161-202 Griffin, Abbie, Greg Gleason, Rick Preiss, Dave Shevenaugh. (1995), “Best practice for customer satisfaction in manufacturing firms.” Sloan Management Review (Winter), 87–98. Gustafsson, Anders, Michael D. Johnson en Inger Roos (2005), “The Effects of Customer Satisfaction, Relationship Commitment Dimensions, and Triggers on Customer Retention”, Journal of Marketing, 68 (oktober), 210-218 Hallowell R. (1996), The relationship of customer satisfaction, customer loyalty, and profitability: an empirical study, International Journal of Service Industry management, 7 (4), 27–42 Ittner, C., D. Larcker, and M. Rajan. 1997 “The choice of performance measures in annual bonus contracts”, The Accounting Review, 72 (2), 231-255.
Jones, Fox, Taylor, Fabrigar (2007), "Service Customer Commitment and Response", Journal of Services Marketing, 24(1), 16 - 28 Jones, Thomas O. en W. Earl Sasser Jr. (1995), “Why Satisfied Customers Defect,” Harvard Business Review, 73 (November-December), 88-99 Keiningham Timothy L., Aksoy Lerzan, Bruce Cooil en Tor Wallin Andreassen (2008), “Linking Customer Loyalty to Growth, Mit Sloan Management Review, 49(4), 50-58 Keiningham Timothy L., Aksoy Lerzan, Bruce Cooil, Tor Wallin Andreassen en Jay Weiner (2007), “The value of different customer satisfaction and loyalty metrics in predicting customer retention, recommendation, and share-of-wallet”, Managing Service Quality, 17(4), 361-384
46
Keiningham Timothy L., Lerzan Aksoy, Alexander Buoye, en Bruce Cooil, Grow Your Share with the Wallet Allocation Rule (2011), Harvard Business Review, oktober, , 89(10), 29-31 Keiningham Timothy L., Terry G. Vavra, Lerzan Aksoy and Henri Wallard (2005a), “Loyalty Myths: Hyped Strategies That Will Put You Out of Business — And Proven Tactics That Really Work”, Soundview Executive Book Summaries, 28(3), (3 parts), Part 3 Keiningham Timothy L., Tiffany Perkins-Munn en Heather Evans (2003), “The Impact of Customer Satisfaction on Share-of-Wallet in a Business-to-Business Environment”, Journal of Service Research, 6(1), 37-50 Keiningham Timothy L., Tiffany Perkins-Munn, Lerzan Aksoy en Demitry Estrin (2005b), “Does customer satisfaction lead to profitability? The mediating role of share-of-wallet”, Managing Service Quality, 15(2), 172-181 Kelly, Stephen James (2004), “Measuring Attitudinal Commitment in Business-to-Business Channels,” Marketing Intelligence & Planning, 22(6/7), 636-651 Kenneth Teas & Agarwal (2000), "The effects of extrinsic product cues on consumers' perceptions of quality, sacrifice, and value", Journal of the Academy of Marketing Science, 28(2), 278-290 Larivière Bart (2008), “Linking Perceptual and Behavioral Customer Metrics to Multiperiod Customer Profitability: a Comprehensive Service-Profit Chain Application”, Journal of Service Research, 11(3), 3-21 Larivière Bart, Bruce Cooil, Lerzan Aksoy en Timothy Keiningham (2011), “Does satisfaction matter more if a multichannel customer is also a multicompany customer?”, Journal of Service Management, 22(1), 39-66 Larivière Bart, Timothy L. Keiningham, Bruce Cooil en Lerzan Aksoy (2012), “A Longitudinal Analysis of Customer Satisfaction, Relationship Commitment Dimensions, and Triggers on Share of Wallet”, Working Paper Leenheer et al. (2007),"Do loyalty programs really enhance behavioral loyalty? An empirical analysis accounting for self-selecting members", International Journal of Research in Marketing, 24 (1), 31-47 Lutz, Richard J. (1984), “Affective and Cognitive Antecedents of Attitude towards the Ad: A Conceptual Framework”, in Psychological Processes and Advertising Effects: Theory, Research and Application, 45-63 Macintosh Gerrard en Lawrence S. Lockshin (1997), “Retail relationships and store loyalty: a multilevel perspective”, International Journal of Research in Marketing, 14(5), 487-497 Mägi, Anne W. (2003), “Share of Wallet in Retailing: The Effects of Customer Satisfaction, Loyalty Cards and Shopper Characteristics,” Journal of Retailing, 79 (2), 97–106 Mittal, Vikas and Wagner Kamakura (2001), “Satisfaction, Repurchase Intent, and Repurchase Behavior: Investigating the Moderating Effect of Customer Characteristics,” Journal of Marketing Research, 38 (February), 131–42 Morgan A. Neil en Rego Leotte Lopo (2006), “The Value of Different Customer Satisfaction and Loyalty Metric in Predicting Business Performance”, Marketing Science 25(5), pp. 426–439
47
Morgan, Neil A., Eugene W. Anderson, Vikas Mittal (2005), “Understanding firm’s customer satisfaction information usage”. Journal of Marketing, 69(3) 131–151. Olsen Svein Ottar (2002), “Comparative Evaluation and the Relationship between Quality, Satisfaction and Repurchase Loyalty”, Journal of the Academy of Marketing Science, 30(3), 240-249 Palmatier Robert W., Cheryl Burke Jarvis, Jennifer R. Bechkoff en Frank R. Kardes (2009), “The role of customer gratitude in relationship marketing”, Journal of Marketing, 73(5), 1-18 Palmatier Robert W., Rajiv P. Dant, Druvh Grewal en Kenneth R. Evans (2006), “Factors Influencing the Effectiveness of Relationship Marketing: A Meta-Analysis”, Journal of Marketing, 70(4), 136-153 Parasuraman A., Zeithaml V.A. en Berry L.L. (1988), “SERCQUAL: A Multiple-Item Scale for Measuring Consumer Perceptions of Service Quality”, Journal of Retailing, 64(1), 12-40 Perkins-Munn Tiffany, Lerzan Aksoy, Timothy L. Keiningham en Dimitry Estrin (2005), “Actual Purchase as a Proxy for Share of Wallet”, Journal of Service Research, 7(3), 245-256 Petty, Richard E. and John T. Gacioppo (1986),”The Elaboration Likelihood Model of Persuasion”, Advances in Experimental Social Psychology, 19 Reinartz Werner en Kumar V. (2002), “The Mismanegement of Customer Loyalty”, Harvard Business Review, juli, 86-94 Rowley, J. & Dawes, J. (1999). Customer loyalty – a relevant concept for libraries? Library Management, 20(6), 345-351. Rundle-Thiele, S. and Mackay, M.M. (2001), “Assessing the performance of brand loyalty measures”, Journal of Services Marketing, 15(6/7), 529-45 Rust, Roland T., Katherine N. Lemon, en Valarie A. Zeithaml (2004), “Return on Marketing: Using Customer Equity to Focus Marketing Strategy”, Journal of Marketing, 68 (January), 109-127 Silvestro, Rhian and Stuart Cross (2000), “Applying the Service Profit Chain in a Retail Environment,” International Journal of Service Industry Management, 11 (3), 244–68.
Smith, Robert E. en William Swinyard (1983), “Attitude-Behavior Consistency: The Impact of Product Trial Versus Advertising”, Journal of Marketing Research, 20 (augustus), 257-67 Teas Kenneth R. en Agarwal Sanjeev (2000), “The Effects of Extrinsic Cues on Consumers’ Percetions of Quality, Sacrifice, and Value”, Journal of the Academy of Marketing Science 28(2), 278-290 Treacy, M., & Wiersema, F. (1993), “Customer intimacy and other value disciplines”, Harvard Business Review, 71(1), 84−93.
48
Uncles, Mark D., Andrew Ehrenberg, en Kathy Hammond (1995), “Patterns of Buyer Behavior: Regulatories, Models, and Extensions (in Stochastic Choice Phenomena)”, MarketingScience, 14(3), 71-78 Uncles, Mark D., Grahame R. Dowling, en Kathy Hammond (2003), “Customer Loyalty en Customer Loyalty Programs”, Journal of Consumer Marketing, 20(4), 294-316 Van den Putte, Bas, J. Hoogstraten en R. Meertens (1996), “A comparison of behavioral alternative models in the context of the theory of reasoned actions”, British Journal of Social Psychology, 35, 257-266 Van Doorn Jenny en Peter C. Verhoef (2007), “Critical Incidents and the Impact of Satisfaction on Customer Share”, Journal of Marketing, 72(4), 123-142 Verhoef, Peter C. (2003), “Understanding the Effects of Customer Relationship Management Efforts on Customer Retention and Customer Share Development,” Journal of Marketing, 67 (4), 30-45.
Wind Yoram (1970), “Industrial source loyalty”, Journal of Marketing Research, 7(4), 450-457
Wirtz Jochen, Anna S. Matilla en May Oo Lwin (2007), “How effective are Loyalty Reward Programs in Driving Share of Wallet?”, Journal of Service Research, 9(4), 327-334 Zabin, Jeff and Gresh Brebach (2004), “The New Rules for Attracting, Retaining, and Leveraging Profitable Customers”, Hoboken, NJ: John Wiley & Sons.
49
Bijlages Inhoudstafel bijlage
1.
Apendix A:. Perceptual measures.................................................................................................... II
2.
Apendix B. Vragenlijst..................................................................................................................... VI
I
Niet-verg
1. Apendix A:. Perceptual measures
Niet-verg
Verg
Satisfaction
Verg Nietverg
Priceattractiveness
Nietverg
Verg
Locational convenience
Verg
Service quality
Niet-verg
Verg
Tangibles
In het algemeen, hoe tevreden bent u over uw hoofdwinkel?1 In welke mate voldoet uw hoofdwinkel aan uw voorafgaande verwachtingen? 2 In welke mate benadert uw hoofdwinkel uw ideale, perfecte winkel?3 In het algemeen, hoe tevreden bent u over uw hoofdwinkel in vergelijking met uw tweede winkel?4 In welke mate voldoet uw hoofdwinkel veel minder/veel meer aan uw voorafgaande verwachtingen in vergelijking met uw tweede winkel?5 In welke mate benadert uw hoofdwinkel veel minder/veel beter uw ideale, perfecte winkel in vergelijking met uw tweede winkel?6 De ligging van de filialen van mijn hoofdwinkel ten opzichte van mijn woonplaats (thuisadres)1 De ligging van de filialen van mijn hoofdwinkel ten opzichte van mijn kot (indien van toepassing) 1 De bereikbaarheid van de filialen van mijn hoofdwinkel1 9 de ligging van de filialen van mijn hoofdwinkel ten opzichte van mijn woonplaats (thuisadres) 7 9 de ligging van de filialen van mijn hoofdwinkel ten opzichte van mijn kot (indien van toepassing) 7 9 de bereikbaarheid van de filialen van mijn hoofdwinkel7 De prijzen van de kledij in mijn hoofdwinkel1 De speciale aanbiedingen (solden, eenmalige kortingen, acties) in mijn hoofdwinkel1 9 de prijzen van de kledij in mijn hoofdwinkel7 9 de speciale aanbiedingen (solden, eenmalige kortingen, acties) in mijn hoofdwinkel7 Het aantal kassa's in mijn hoofdwinkel1
Gustafsson, Johnson and Roos (2005)
Larivière (2008)
Leenheer et al. (2007)
Larivière (2008)
De openingsuren van mijn hoofdwinkel1 9
het aantal kassa's in mijn hoofdwinkel7
9
de openingsuren van mijn hoofdwinkel7 De dienstverlening in mijn hoofdwinkel is uitstekend8 De dienstverlening in mijn hoofdwinkel is uitgebreid8 De dienstverlening van mijn hoofdwinkel is van hoge kwaliteit8 10 De dienstverlening van de winkel is uitstekend5 10 De dienstverlening van de winkel is uitgebreid5 10 De dienstverlening van de winkel is van hoge kwaliteit5
Larivière (2008)
II
Niet-verg Verg
Environmental quality
NV V Nietverg
Likeability
Niet-verg
Verg
Trust
Verg
Calculative commitment
Niet-verg
Verg
Affective commitment
Ik ben van mening dat de winkelruimte (rekken, pashokjes, bewegingsruimte, etc.) van mijn hoofdwinkel uitstekend is8 Ik ben onder de indruk van de kwaliteit van de winkelruimte (rekken, pashokjes, bewegingsruimte, etc.) van mijn hoofdwinkel8 De winkelruimte (rekken, pashokjes, bewegingsruimte, etc.) van mijn hoofdwinkel is van hoge kwaliteit8 10 Ik ben van mening dat de winkelruimte (rekken, pashokjes, bewegingsruimte, etc.) uitstekend is5 10 Ik ben onder de indruk van de kwaliteit van de winkelruimte (rekken, pashokjes, bewegingsruimte, etc.) 5 10 De winkelruimte (rekken, pashokjes, bewegingsruimte, etc.) is van hoge kwaliteit5 Het is aangenaam winkelen in mijn hoofdwinkel8 10 Het is aangenaam winkelen in de hoofdwinkel5 Mijn hoofdwinkel geeft me een gevoel van vertrouwen8 Ik heb vertrouwen in mijn hoofdwinkel8 Mijn hoofdwinkel geeft me een betrouwbare indruk8 10 De winkel geeft me een gevoel van vertrouwen5 10 Ik heb vertrouwen in de winkel5 10 De winkel geeft me een betrouwbare indruk5 Mijn hoofdwinkel heeft een grote persoonlijke betekenis voor mij8 Ik zou heel blij zijn om de rest van mijn leven klant te zijn bij mijn hoofdwinkel8 Ik voel een sterke band met mijn hoofdwinkel8 De winkel heeft een grote persoonlijke betekenis voor mij5 10 Ik zou heel blij zijn om de rest van mijn leven klant te zijn bij de winkel5 10 Ik voel een sterke band met de winkel5 Het is financieel gezien interessant om klant te zijn bij mijn hoofdwinkel8 Ik zou een financieel nadeel ondervinden als de relatie met mijn hoofdwinkel zou eindigen8 10 Het is financieel gezien interessant om klant te zijn bij de winkel5 10 Ik zou een financieel nadeel ondervinden als de relatie met de winkel zou eindigen5
Dagger, Sweeney, Johnson (2007)
Arne De Keyser De Wulf, OdekerkenSchröder, Iacobbuci (2001) Jones, Fox, Taylor, Fabrigar (2007)
Gustafsson, Johnson en Roos (2005)
III
Niet-verg Niet-verg
Verg
Normative commitment
Niet-verg
Verg
Interaction quality
Verg
Product quality
NV Brand image
Nietverg
V
Verg
Status
Mijn band met mijn hoofdwinkel is voornamelijk gebaseerd op onze gelijkheid van waarden (bv. Hip en trendy, milieubewust) 8 Waar mijn winkel voor staat (bv. Hip en trendy, milieubewust), is belangrijk voor mij8 De reden waarom ik mijn hoofdwinkel verkies boven anderen, is hetgeen waarvoor de winkel staat8 10 Mijn band met de winkel is voornamelijk gebaseerd op onze gelijkheid van waarden (bv. Hip en trendy, milieubewust) 5 10 Waar de winkel voor staat (bv. Hip en trendy, milieubewust), is belangrijk voor mij5 10 De reden waarom ik de winkel verkies boven anderen, is hetgeen waarvoor de winkel staat5
Kelly, Stephen James (2004)
De kwaliteit van de interactie met het personeel (hulp bij het passen, vriendelijkheid, etc.) van mijn hoofdwinkel is van een hoog niveau8 De interactie die ik heb met het personeel van mijn hoofdwinkel is uitstekend8 Ik voel me goed over de interactie die ik heb met het personeel van mijn hoofdwinkel8 10 De kwaliteit van de interactie met het personeel (hulp bij het passen, vriendelijkheid, etc.) van de winkel is van een hoog niveau5 10 De interactie die ik heb met het personeel van de winkel is uitstekend5 10 Ik voel me goed over de interactie die ik heb met het personeel van de winkel5 De kledij verkocht door mijn hoofdwinkel is van goeie kwaliteit8 De kledij verkocht door mijn hoofdwinkel is duurzaam (gaat lang mee) 8 De kledij verkocht door mijn hoofdwinkel is betrouwbaar8 10 De kledij verkocht door de winkel is van goeie kwaliteit5 10 De kledij verkocht door de winkel is duurzaam (gaat lang mee) 5 10 De kledij verkocht door de winkel is betrouwbaar5 De merken die mijn hoofdwinkel verkoopt hebben een hoogstaand imago8 10 De merken die de winkel verkoopt hebben een hoogstaand imago5 Mijn hoofdwinkel is een prestigieuze, hoog aangeschreven winkel8 Mijn hoofdwinkel is een hoge kwaliteit-winkel8 10 De winkel is een prestigieuze, hoog aangeschreven winkel5 10 De winkel is een hoge kwaliteit-winkel5
Dagger, Sweeney, Johnson (2007)
Teas, R. Kenneth en Sanjee Agarwal (2000)
Kenneth Teas en Agarwal (2000)
IV
Niet-verg Niet-verg
Verg
Expertise
Verg
Assurances
Het personeel van mijn hoofdwinkel is goed opgeleid en gekwalificeerd8 Het personeel van mijn hoofdwinkel heeft een goede kennis van het productassortiment8 10 Het personeel van de winkel is goed opgeleid en gekwalificeerd5 10 Het personeel van de winkel heeft een goede kennis van het productassortiment5 De wachttijden (bediening, passen, afrekenen) in mijn hoofdwinkel zijn over het algemeen beperkt tot een minimum8 De afrekening/betaling in mijn hoofdwinkel gebeurt altijd op een correcte, foutloze manier8 10 De wachttijden (bediening, passen, afrekenen) in de winkel zijn over het algemeen beperkt tot een minimum5 10 De afrekening/betaling in de winkel gebeurt altijd op een correcte, foutloze manier5
Larivière 2011
Larivière 2011
1 gaat van 1: helemaal ontevreden tot 7: helemaal tevreden
6 gaat van -3: veel minder tot +3: veel beter
2 gaat van 1: voldoet veel minder tot 7: voldoet veel meer
7 gaat van -3: veel slechter tot +3: veel beter
3 gaat van 1: ver verwijderd tot 7: vrij dicht 4 gaat van -3: helemaal ontevreden tot +3: helemaal tevreden
8 gaat van 1: helemaal niet akkoord tot 7 helemaal akkoord 9 In het algemeen, als u uw hoofdwinkel VERGELIJKT met uw tweede winkel, in welke mate bent u VEEL MINDER/VEEL MEER tevreden over...? 10 In welke mate voldoet uw hoofdwinkel MINDER/MEER aan deze stellingen ten opzichte van uw tweede winkel?
5 gaat van -3: voldoet veel minder tot +3: voldoet veel meer
Alles met betrekking tot de hoofdwinkel heeft ook betrekking op de tweede winkel
V
2. Apendix B. Vragenlijst
VI
1. Gelieve aan te kruisen bij welke van de volgende kledingswinkels u geregeld kledij aankoopt voor uzelf (aankopen die gebeuren samen met de ouders of betaald door ouders tellen ook mee) (u mag meerdere opties aankruisen) (Kledij = EXCLUSIEF SCHOENEN) Brooklyn
Paleis
C&A
Pimkie
Celio
River Woods
E5-Mode
S. Oliver
Esprit
Springfield
Hampton Bays
Street One
H&M
Superdry
Galeria Inno
Talking French
Jack&Jones
Tommy Hilfiger
JBC
UrbanOutfitters
Levi’s
Vero Moda
Lola&Liza
WE
Massimo Dutti
Zara
Mexx
Zeb Overige (specifieer):
New Look
2. Welke van deze winkels beschouwt u als uw hoofdwinkel (winkel waar u het meeste kledij aankoopt). (GELIEVE SLECHTS 1 winkel TE NOTEREN) HOOFDWINKEL = ______________________________________ 3. Welke van deze winkels beschouwt u als uw tweede winkel (winkel waar u het 2e meeste kledij koopt). (GELIEVE SLECHTS 1 WINKEL TE NOTEREN) TWEEDE WINKEL =_____________________________________ 4. Volgende vragen peilen naar uw tevredenheid en algemene waarnemingen t.o.v. uw HOOFDWINKEL Helemaal ontevreden
4.1. In het algemeen, hoe tevreden bent u over uw hoofdwinkel?
1
Helemaal tevreden
2
3
4
5
6
7
Voldoet veel minder
4.2 In welke mate voldoet uw hoofdwinkel aan uw voorafgaande verwachtingen?
1
Voldoet veel meer
2
3
4
5
6
7
Ver verwijderd
4.3 In welke mate benadert uw hoofdwinkel uw ideale, perfecte winkel?
1
Vrij dicht
2
3
4
5
6
7
VII
Gelieve uw hoofdwinkel nogmaals te noteren: _____________________
4.4. In het algemeen, hoe tevreden ben u over … ? Helemaal ontevreden
de ligging van de filialen van mijn hoofdwinkel ten opzichte van mijn woonplaats (thuisadres) de ligging van de filialen van mijn hoofdwinkel ten opzichte van mijn kot (indien van toepassing)
Helemaal tevreden
1
2
3
4
5
6
7
1
2
3
4
5
6
7
de bereikbaarheid van de filialen van mijn hoofdwinkel
1
2
3
4
5
6
7
de prijzen van de kledij in mijn hoofdwinkel
1
2
3
4
5
6
7
de speciale aanbiedingen (solden, eenmalige kortingen, acties) in mijn hoofdwinkel
1
2
3
4
5
6
7
het aantal kassa’s in mijn hoofdwinkel
1
2
3
4
5
6
7
de openingsuren van mijn hoofdwinkel
1
2
3
4
5
6
7
4.5 In welke mate bent u akkoord met volgende stellingen? Helemaal niet akkoord
Helemaal akkoord
De dienstverlening in mijn hoofdwinkel is uitstekend De dienstverlening in mijn hoofdwinkel is uitgebreid De dienstverlening van mijn hoofdwinkel is van hoge kwaliteit Ik ben van mening dat de winkelruimte (rekken, pashokjes, bewegingsruimte, etc.) van mijn hoofdwinkel uitstekend is Ik ben onder de indruk van de kwaliteit van de winkelruimte (rekken, pashokjes, bewegingsruimte, etc.) van mijn hoofdwinkel De winkelruimte (rekken, pashokjes, bewegingsruimte, etc.) van mijn hoofdwinkel is van hoge kwaliteit Het is aangenaam winkelen in mijn hoofdwinkel
1 1
2 2
3 3
4 4
5 5
6 6
7 7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
Mijn hoofdwinkel geeft me een gevoel van vertrouwen
1
2
3
4
5
6
7
Ik heb vertrouwen in mijn hoofdwinkel
1
2
3
4
5
6
7
Mijn hoofdwinkel geeft me een betrouwbare indruk
1
2
3
4
5
6
7
4.6 In welke mate bent u akkoord met volgende stellingen? Helemaal niet akkoord
Mijn hoofdwinkel heeft een grote persoonlijke betekenis voor mij Ik zou heel blij zijn om de rest van mijn leven klant te zijn bij mijn hoofdwinkel Ik voel een sterke band met mijn hoofdwinkel Het is financieel gezien interessant om klant te zijn bij mijn hoofdwinkel Ik zou een financieel nadeel ondervinden als de relatie met mijn hoofdwinkel zou eindigen In het algemeen heeft mijn hoofdwinkel een goede reputatie Mijn hoofdwinkel komt goed over in de media (tv, krant, online sociale media, etc.) Mijn hoofdwinkel is een sterke speler in de markt van kledijwinkels
Helemaal akkoord
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
VIII
Gelieve uw hoofdwinkel nogmaals te noteren: _____________________ Mijn band met mijn hoofdwinkel is voornamelijk gebaseerd op onze gelijkheid van waarden (bv. hip en trendy, milieubewust) Waar mijn hoofdwinkel voor staat (bv. hip en trendy, milieubewust), is belangrijk voor mij
1
2
3
4
5
6
7
1
2
3
4
5
6
7
Helemaal niet akkoord
De reden waarom ik mijn hoofdwinkel verkies t.o.v. anderen, is hetgeen waarvoor de winkel staat De kwaliteit van de interactie met het personeel (hulp bij het passen, vriendelijkheid, snelheid, etc.) van mijn hoofdwinkel is van een hoog niveau De interactie die ik heb met het personeel van mijn hoofdwinkel is uitstekend Ik voel me goed over de interactie die ik heb met het personeel van mijn hoofdwinkel
Helemaal akkoord
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
4.7 In welke mate bent u akkoord met volgende stellingen? Helemaal niet akkoord
De kledij verkocht door mijn hoofdwinkel is van goeie kwaliteit De kledij verkocht door mijn hoofdwinkel is duurzaam (gaat lang mee) De kledij verkocht door mijn hoofdwinkel is betrouwbaar De merken die mijn hoofdwinkel verkoopt hebben een hoogstaand imago Mijn hoofdwinkel is een prestigieuze, hoog aangeschreven winkel Mijn hoofdwinkel is een hoge kwaliteit - winkel Het personeel van mijn hoofdwinkel is goed opgeleid en gekwalificeerd Het personeel van mijn hoofdwinkel heeft een goede kennis van het productassortiment De wachttijden (bediening, passen, afrekenen) in mijn hoofdwinkel zijn over het algemeen beperkt tot een minimum De afrekening/betaling in mijn hoofdwinkel gebeurt altijd op een correcte, foutloze manier
Helemaal akkoord
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
IX
5. Aandeel van de klantenportefeuille Indien uw al uw kledingsaankopen voor uzelf in overweging neemt (deze omvatten: individuele aankopen + aankopen met ouders) kunt u dan aangeven welk aandeel van al uw kledingsaankopen (uitgedrukt in een % op 100) u bij uw hoofdwinkel doet (exclusief schoenen)? (Mag ruwe schatting zijn) 0-10% 11-20% 21-30% 31-40% 41-50% 51-60% 61-70% 71-80% 81-90% 91-100%
6. Hoe lang bent u al klant bij uw hoofdwinkel? Dit mag een ruwe schatting zijn: ________ jaar 7. In welke mate vond u het makkelijk om op bovenstaande vragen (4.1 tot 4.7) te antwoorden? Zeer Moeilijk 1
2
3
4
5
6
Zeer Makkelijk 7
X
Gelieve uw tweede winkel nogmaals te noteren: _____________________ 8. Volgende vragen peilen naar uw tevredenheid en algemene waarnemingen t.o.v. uw TWEEDE WINKEL Helemaal ontevreden
8.1. In het algemeen, hoe tevreden bent u over uw tweede winkel?
Helemaal tevreden
1
2
3
4
5
6
7
Voldoet veel minder
8.2 In welke mate voldoet uw tweede winkel aan uw voorafgaande verwachtingen?
Voldoet veel meer
1
2
3
4
5
6
7
Ver verwijderd
8.3 In welke mate benadert uw tweede winkel uw ideale, perfecte winkel?
Vrij dicht
1
2
3
4
5
6
7
8.4. In het algemeen, hoe tevreden ben u over … ? Helemaal ontevreden
Helemaal tevreden
de ligging van de filialen van mijn tweede winkel ten opzichte van mijn woonplaats (thuisadres) de ligging van de filialen van mijn tweede winkel ten opzichte van mijn kot (indien van toepassing) de bereikbaarheid van de filialen van mijn tweede winkel
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
de prijzen van de kledij in mijn tweede winkel
1
2
3
4
5
6
7
de speciale aanbiedingen (solden, eenmalige kortingen, acties) in mijn tweede winkel
1
2
3
4
5
6
7
het aantal kassa’s in mijn tweede winkel
1
2
3
4
5
6
7
de openingsuren van mijn tweede winkel
1
2
3
4
5
6
7
8.5 In welke mate bent u akkoord met volgende stellingen? Helemaal niet akkoord
De dienstverlening in mijn tweede winkel is uitstekend De dienstverlening in mijn tweede winkel is uitgebreid De dienstverlening van mijn tweede winkel is van hoge kwaliteit Ik ben van mening dat de winkelruimte (rekken, pashokjes, bewegingsruimte, etc.) van mijn tweede winkel uitstekend is Ik ben onder de indruk van de kwaliteit van de winkelruimte (rekken, pashokjes, bewegingsruimte, etc.) van mijn tweede winkel De winkelruimte (rekken, pashokjes, bewegingsruimte, etc.) van mijn tweede winkel zijn van hoge kwaliteit Het is aangenaam winkelen in mijn tweede winkel Mijn tweede winkel geeft me een gevoel van vertrouwen Ik heb vertrouwen in mijn tweede winkel Mijn tweede winkel geeft me een betrouwbare indruk
Helemaal akkoord
1 1
2 2
3 3
4 4
5 5
6 6
7 7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1 1
2 2
3 3
4 4
5 5
6 6
7 7
XI
Gelieve uw tweede winkel nogmaals te noteren: _____________________ Helemaal niet akkoord
Mijn tweede winkel heeft een grote persoonlijke betekenis voor mij Ik zou heel blij zijn om de rest van mijn leven klant te zijn bij mijn tweede winkel Ik voel een sterke band met mijn tweede winkel Het is financieel gezien interessant om klant te zijn bij mijn tweede winkel Ik zou een financieel nadeel ondervinden als de relatie met mijn tweede winkel zou eindigen In het algemeen heeft mijn tweede winkel een goede reputatie Mijn tweede winkel komt goed over in de media (tv, krant, online sociale media, etc.) Mijn tweede winkel is een sterke speler in de markt van kledijwinkels
Helemaal akkoord
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
8.6 In welke mate bent u akkoord met volgende stellingen? Helemaal niet akkoord
Mijn band met mijn tweede winkel is voornamelijk gebaseerd op onze gelijkheid van waarden (bv. hip en trendy, milieubewust) Waar mijn tweede winkel voor staat (bv. hip en trendy, milieubewust), is belangrijk voor mij De reden waarom ik mijn tweede winkel verkies t.o.v. anderen, is hetgeen waarvoor de winkel staat De kwaliteit van de interactie met het personeel (hulp bij het passen, vriendelijkheid, etc.) van mijn tweede winkel is van een hoog niveau De interactie die ik heb met het personeel van mijn tweede winkel is uitstekend Ik voel me goed over de interactie die ik heb met het personeel van mijn tweede winkel De kledij verkocht door mijn tweede winkel is van goeie kwaliteit De kledij verkocht door mijn tweede winkel is duurzaam (gaat lang mee) De kledij verkocht door mijn tweede winkel is betrouwbaar
Helemaal akkoord
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
8.7 In welke mate bent u akkoord met volgende stellingen? Helemaal niet akkoord
De merken die mijn tweede winkel verkoopt hebben een hoogstaand imago Mijn tweede winkel is een prestigieuze, hoog aangeschreven winkel Mijn tweede winkel is een hoge kwaliteit-winkel Het personeel van mijn tweede winkel is goed opgeleid en gekwalificeerd Het personeel van mijn tweede winkel heeft een goede kennis van het productassortiment De wachttijden (bediening, passen, afrekenen) in mijn tweede winkel zijn over het algemeen beperkt tot een minimum De afrekening/betaling in mijn tweede winkel gebeurt altijd op een correcte, foutloze manier
Helemaal akkoord
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
1
2
3
4
5
6
7
XII
Gelieve uw tweede winkel nogmaals te noteren: _____________________ 9. Aandeel van de klantenportefeuille Indien uw al uw kledingsaankopen voor uzelf in overweging neemt (deze omvatten: individuele aankopen + aankopen met ouders) kunt u dan aangeven welk aandeel van al uw kledingsaankopen (uitgedrukt in een % op 100) u bij uw tweede winkel doet (exclusief schoenen)? (Mag ruwe schatting zijn)
0-10% 11-20% 21-30% 31-40% 41-50% 51-60% 61-70% 71-80% 81-90% 91-100%
10. Hoe lang bent u al klant bij uw tweede winkel? Dit mag een zeer ruwe schatting zijn: ________ jaar
11. In welke mate vond u het makkelijk om op bovenstaande vragen (vraag 8.1 tot 8.8) te antwoorden? Zeer Moeilijk 1
2
3
4
5
6
Zeer Makkelijk 7
XIII
Gelieve in te vullen: HOOFDWINKEL: _______________
TWEEDE WINKEL: _________________
12. Volgende vragen peilen naar uw tevredenheid en algemene waarnemingen van uw hoofdwinkel TEN OPZICHTE VAN uw tweede winkel. HOOFDWINKEL is BETER dan tweede winkel: Hoofdwinkel en tweede winkel EVENWAARDIG: Hoofdwinkel SLECHTER dan tweede winkel:
score : +1, +2 of +3 score : 0 score : -1, -2 of -3
Helemaal ontevreden
12.1. In het algemeen, hoe tevreden bent u over uw hoofdwinkel in vergelijking met uw tweede winkel ?
-3
Helemaal tevreden
-2
-1
0
+1
+2
Voldoet veel minder
12.2 In welke mate voldoet uw hoofwinkel veel minder/veel meer aan uw voorafgaande verwachtingen in vergelijking met uw tweede winkel?
-3
Voldoet veel meer
-2
-1
0
+1
+2
Veel minder
12.3 In welke mate benadert uw hoofdwinkel veel minder/veel beter uw ideale, perfecte winkel in vergelijking met uw tweede winkel?
-3
+3
+3 Veel beter
-2
-1
0
+1
+2
+3
12.4. In het algemeen, als u uw hoofdwinkel VERGELIJKT met uw tweede winkel, in welke mate bent u VEEL MINDER/VEEL MEER tevreden over… ? Veel Slechter
de ligging van de filialen van mijn hoofdwinkel ten opzichte van mijn woonplaats (thuisadres) de ligging van de filialen van mijn hoofdwinkel ten opzichte van mijn kot (indien van toepassing)
Veel Beter
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
de bereikbaarheid van de filialen van mijn hoofdwinkel
-3
-2
-1
0
+1
+2
+3
de prijzen van de kledij in mijn hoofdwinkel de speciale aanbiedingen (solden, eenmalige kortingen, acties) in mijn hoofdwinkel
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
het aantal kassa’s in mijn hoofdwinkel
-3
-2
-1
0
+1
+2
+3
de openingsuren van mijn hoofdwinkel
-3
-2
-1
0
+1
+2
+3
12.5 In welke mate voldoet uw hoofwinkel MINDER/MEER aan deze stellingen ten opzichte van uw tweede winkel? Bv.: +3 = hoofdwinkel voldoet meer aan de stelling Voldoet veel minder
Voldoet veel meer
De dienstverlening van de winkel is uitstekend De dienstverlening van de winkel is uitgebreid De dienstverlening van de winkel is van hoge kwaliteit Ik ben van mening dat de winkelruimte (rekken, pashokjes, bewegingsruimte, etc.) uitstekend is Ik ben onder de indruk van de kwaliteit van de winkelruimte (rekken, pashokjes, bewegingsruimte, etc.) De winkelruimte (rekken, pashokjes, bewegingsruimte, etc) is van hoge kwaliteit Het is aangenaam winkelen in de winkel
-3 -3 -3
-2 -2 -2
-1 -1 -1
0 0 0
+1 +1 +1
+2 +2 +2
+3 +3 +3
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
De winkel geeft me een gevoel van vertrouwen
-3
-2
-1
0
+1
+2
+3
Ik heb vertrouwen in de winkel
-3
-2
-1
0
+1
+2
+3
XIV
Gelieve in te vullen: HOOFDWINKEL: _______________ Mijn winkel geeft me een betrouwbare indruk
-3
TWEEDE WINKEL: _________________ -2
-1
0
+1
+2
+3
12.6 In welke mate voldoet uw hoofwinkel MINDER/MEER aan deze stellingen ten opzichte van uw tweede winkel? Bv.: +3 = hoofdwinkel voldoet meer aan de stelling Voldoet veel minder
De winkel heeft een grote persoonlijke betekenis voor mij Ik zou heel blij zijn om de rest van mijn leven klant te zijn bij de winkel Ik voel een sterke band met de winkel Het is financieel gezien interessant om klant te zijn bij de winkel Ik zou een financieel nadeel ondervinden als de relatie met de winkel zou eindigen In het algemeen heeft de winkel een goede reputatie Mijn winkel komt goed over in de media (tv, krant, online sociale media, etc.) De tweede winkel is een sterke speler in de winkelwereld
Voldoet veel meer
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
12.7 In welke mate voldoet uw hoofwinkel MINDER/MEER aan deze stellingen ten opzichte van uw tweede winkel? Bv.: +3 = hoofdwinkel voldoet meer aan de stelling Voldoet veel minder
Mijn band met de winkel is voornamelijk gebaseerd op onze gelijkheid van waarden (bv. hip en trendy, milieubewust) Waar de winkel voor staat (bv. hip en trendy, milieubewust), is belangrijk voor mij De reden waarom ik de winkel verkies t.o.v. anderen, is hetgeen waarvoor de winkel staat De kwaliteit van de interactie met het personeel (hulp bij het passen, vriendelijkheid, etc.) van de winkel is van een hoog niveau De interactie die ik heb met het personeel van de winkel is uitstekend Ik voel me goed over de interactie die ik heb met het personeel van de winkel De kledij verkocht door de winkel is van goeie kwaliteit De kledij verkocht door de winkel is duurzaam (gaat lang mee) De kledij verkocht door de winkel is betrouwbaar
Voldoet veel meer
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
12.8 In welke mate voldoet uw hoofwinkel MINDER/MEER aan deze stellingen ten opzichte van uw tweede winkel? Bv.: +3 = hoofdwinkel voldoet meer aan de stelling Voldoet veel minder
De merken die de winkel verkoopt hebben een hoogstaand imago De winkel is een prestigieuze, hoog aangeschreven winkel De winkel is een hoge kwaliteit-winkel Het personeel van de winkel is goed opgeleid en gekwalificeerd Het personeel van de winkel heeft een goede kennis van het productassortiment De wachttijden (bediening, passen, afrekenen) in de winkel zijn over het algemeen beperkt tot een
Voldoet veel meer
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
-3
-2
-1
0
+1
+2
+3
XV
minimum De afrekening/betaling in de winkel gebeurt altijd op een correcte, foutloze manier
-3
-2
-1
0
+1
+2
+3
13. In welke mate vond u het makkelijk om op bovenstaande vragen (10.1 tot 10.8) te antwoorden? Heel Moeilijk 1
2
3
4
5
6
Heel Makkelijk 7
14. Ken een cijfer toe aan ieder van de volgende dimensies naar mate van belangrijkheid voor uzelf bij het selecteren van en shoppen in kledingwinkels. 1 = meest belangrijke dimensie ; 12 = minst belangrijke dimensie Prijs en Promoties Kwaliteit van de kledij Locatie winkels Winkelruimte (inrichting, pashokjes) Relatie met personeel (vriendelijkheid, etc.) Kennis personeel Winkelimago/reputatie Waarden van de winkel Imago/reputatie van verkochte merken Kwaliteit dienstverlening Snelheid en correctheid van de winkel (korte wachttijd aan kassa, correct afrekenen) Verkochte merken 15. Hoeveel waarde/belang hecht u aan het kopen van kledij? Heel Weinig 1
Heel Veel 2
3
4
5
6
7
XVI
16. Demografische vragen 16.1. Wat is uw geslacht? o Man o Vrouw 16.2. Hoeveel geeft u gemiddeld genomen maandelijks uit aan het kopen van kledij voor uzelf (exclusief schoenen aangekocht in winkels uit bovenstaande winkellijst + aankopen samen met ouders inbegrepen) o <100 EUR o 100-200 EUR o 201-300 EUR o > 300 EUR
XVII
XVIII
