UNIVERSITEIT GENT FACULTEIT POLITIEKE EN SOCIALE WETENSCHAPPEN
Het verband tussen flow en online aankoopintentie, en de modererende rol van individuele factoren
Wetenschappelijke verhandeling aantal woorden: 15 576
SARAH VAN PASSEL
MASTERPROEF COMMUNICATIEWETENSCHAPPEN afstudeerrichting COMMUNICATIEMANAGEMENT
PROMOTOR: PROF. DR. VEROLIEN CAUBERGHE
COMMISSARIS: KATARINA PANIC
COMMISSARIS: TOM EVENS
ACADEMIEJAAR 2011 - 2012
Abstract Dit onderzoek had tot doel om de impact van flow op online winkelen te onderzoeken. Meer specifiek wilden we nagaan wat het verband is tussen flow en online aankoopintenties, en wat de modererende rol hierbij is van kenmerken van individuen. Enerzijds onderzochten we het verband tussen flow en online aankoopintentie, en anderzijds het verband tussen flow en Willingness To Buy. De modererende rol van Optimum Stimulation Level en Enduring Involvement werden onderzocht. Hiertoe voerden we een kwantitatieve studie uit bij 142 respondenten. We lieten de respondenten gedurende enige tijd browsen op de e-commerce website Bol.com, om vervolgens via een vragenlijst vast te stellen wat hun intenties tot aankopen waren. Uit deze studie bleek dat er een sterk positief verband is tussen het ervaren van flow en intentie tot online kopen. Er werd ook een sterk positief verband vastgesteld tussen het ervaren van flow en Willingness To Buy. Met betrekking tot de modererende rol van individuele factoren konden we geen resultaten vinden die onze hypothese bevestigde. We verwachtten namelijk dat hoge scores op Optimum Stimulation Level en Enduring Involvement zouden leiden tot een sterker verband tussen flow en online aankoopintenties. Voor deze hypothese kon geen evidentie gevonden worden. Ondanks een aantal tekortkomingen, heeft deze studie bijgedragen tot een aantal praktische implicaties voor de ecommerce sector.
1
Dankwoord Een woord van dank aan mijn ouders, die hun geloof in mij nooit opgaven, en die me altijd gesteund hebben in mijn studies.
Ik wil graag Snezhanka Kazakova & Prof. Dr. Veroline Cauberghe bedanken voor hun kritische inzichten.
2
Inhoudstafel Abstract .................................................................................................................................... 1 Dankwoord ............................................................................................................................... 2 Inhoudstafel ............................................................................................................................. 3 Inleiding.................................................................................................................................... 5 1.
2.
3.
E-commerce....................................................................................................................... 6 1.1.
Wat is e-commerce? .................................................................................................. 6
1.2.
E-commerce in België ............................................................................................... 7
1.3.
E-commerce in de Europese Unie ............................................................................. 9
1.4.
E-commerce op wereldvlak ....................................................................................... 9
Flow ................................................................................................................................. 11 2.1.
Conceptuele definitie en ontstaan van het concept “flow” ...................................... 11
2.2.
Inconsistenties in operationalisaties van flow ......................................................... 13
2.3.
Flow in “Computer-Mediated Environments” ........................................................ 14
Individuele factoren ......................................................................................................... 17 3.1.
Optimum Stimulation Level (OSL) ......................................................................... 17
3.1.1.
Definitie en ontstaansgeschiedenis .................................................................. 17
3.1.2.
Optimum Stimulation Level en consumentengedrag ...................................... 18
3.1.3. De modererende rol van OSL op het verband tussen flow en online aankoopintenties .............................................................................................................. 19 3.2.
Enduring Product Involvement ................................................................................ 20
3.2.1.
Afbakening van het begrip .............................................................................. 20
3.2.2. De modererende rol van Enduring Involvement in het verband tussen flow en online aankoopintenties ................................................................................................... 22 Overzicht van de hypothesen............................................................................................... 24 4.
Methode ........................................................................................................................... 25 4.1.
Inleiding................................................................................................................... 25
4.2.
Onderzoeksvraag ..................................................................................................... 26
4.3.
Onderzoeksopzet ..................................................................................................... 27
4.3.1.
Een kwantitatieve online survey ...................................................................... 27
4.3.2.
De e-commerce website “Bol.com” ................................................................ 28
4.3.3.
Procedure ......................................................................................................... 28
4.3.4.
Onderzoeksperiode .......................................................................................... 29
4.3.5.
Pretest van de vragenlijst ................................................................................. 29
4.3.6.
Opstelling van de vragenlijst ........................................................................... 29
3
4.3.7. 5.
Steekproef ........................................................................................................ 36
Resultaten ........................................................................................................................ 37 5.1.
Beschrijving onderzoekssample .............................................................................. 37
5.1.1.
Ervaring met internet ....................................................................................... 37
5.1.2.
Ervaring met online winkelen ......................................................................... 37
5.2.
Interne betrouwbaarheid van de meetschalen .......................................................... 38
5.2.1.
Optimum Stimulation Level ............................................................................ 38
5.2.2.
Flow ................................................................................................................. 38
5.2.3.
Intentie tot online kopen .................................................................................. 39
5.2.4.
Willingness To Buy ......................................................................................... 40
5.2.5.
Enduring Product Involvement ........................................................................ 40
5.3.
Resultaat hypothese 1 .............................................................................................. 41
5.4.
Resultaat hypothese 2 .............................................................................................. 41
5.5.
Resultaat hypothese 3a ............................................................................................ 42
5.6.
Resultaat hypothese 3b ............................................................................................ 43
5.7.
Resultaat hypothese 4a ............................................................................................ 44
5.8.
Resultaat hypothese 4b ............................................................................................ 45
6.
Discussie en conclusie ..................................................................................................... 46
7.
Beperkingen en verder onderzoek ................................................................................... 48
8.
Bibliografie ...................................................................................................................... 49 Bijlagen
4
Inleiding
De Belgische e-commerce sector is in volle bloei. In 2011 is de totale omzet van de Belgische e-commerce bedrijven gestegen met 23,8 %
ten opzichte van 2010 (iVox, 2012). De
Belgische e-commerce wordt dan ook stilaan volwassen. Bij een onderzoek van InSites Consulting (2012) bleek dat 46 procent van de ondervraagden in de laatste twaalf maanden tenminste één online aankoop gedaan hadden. Ondanks allerlei positieve berichten, stellen we vast dat de Belgische e-commerce sector nog altijd achterop hinkt in vergelijking met de buurlanden. Het Verenigd Koninkrijk, Denemarken, Duitsland, Zweden en Nederland behoren tot de top 5 van landen met het relatief grootste aantal e-shoppers in de Europese Unie. In de Europese ranking staat België slechts op de twaalfde plaats (Eurostat, 2012). Ook vanuit het professionele veld zijn er stemmen die beweren dat de Belgische e-commerce sector nog altijd niet echt volgroeid is (2012, http://datanews.knack.be/ict/). Uit de literatuur blijkt dat gebrek aan vertrouwen nog altijd één van de grootste redenen is die consumenten ervan weerhoudt online aankopen te doen (Chen, 2011). De vraag werpt zich dus op hoe men een grotere koopintentie op websites kan laten plaatsvinden. Flow, een mentale staat waarbij mensen optimale ervaringen beleven, kent een lange onderzoekstraditie (Csikszentmihalyi, 1977). Flow heeft zijn invloed bewezen in het optimaliseren van gebruikerservaringen (Hoffman & Novak 1996, 1998 ; Webster, Trevino & Ryan, 1993; Webster & Martocchio, 1992 ; Ghani & Desphande, 1994). Onderzoek van het laatste decennium toont aan dat het ervaren van flow een impact kan hebben op de effectiviteit van websites (Skadberg & Kimmel, 2004 ; Sicilia & Ruiz, 2007), alsook op gedragsintenties (Skadberg, Skadberg & Kimmel, 2005 ; Luna, Peracchio & de Juan, 2003). Een onderzoek naar de impact van flow op aankoopintenties van online consumenten kan dus van praktisch nut zijn voor eigenaars van webshops. Onderzoekers geven aan dat er nood is aan kennis met betrekking tot flow en kenmerken van individuen (Smith & Sivakumar, 2004, p. 1202; Li & Browne, 2004 ; Finneran & Zhang, 2005). Tot hiertoe is er namelijk weinig kennis over de verschillen tussen individuen bij het ervaren van flow. We willen onderzoeken of flow een impact heeft op aankoopintenties bij het bezoeken van een e-commerce website, en welke rol kenmerken van individuen in dit verband spelen. Concreet onderzoeken we het verband tussen flow en intentie tot aankoop, en flow en Willingness To Buy. Hierbij onderzoeken we telkens de rol van Optimum Stimulation Level en Enduring Product Involvement. We doen dit aan de hand van survey-onderzoek , waarbij we respondenten ook laten surfen op een e-commerce website. We bespreken de literatuur met betrekking tot e-commerce, flow en individuele
5
factoren. Vervolgens beschrijven we onze methode en delen we de resultaten van ons onderzoek mee. We maken een besluit op, en bespreken de beperkingen van ons onderzoek. We sluiten af met enkele voorstellen tot onderzoek.
6
7
1. E-commerce In dit hoofdstuk omschrijven we kort wat de term e-commerce inhoudt. Op basis van de meest recente en relevante marktonderzoeken schetsen we de situatie van e-commerce in België, de Europese Unie, en de wereld.
1.1. Wat is e-commerce? E-commerce wordt in de literatuur gedefinieerd
als “ the process of buying, selling,
transferring, or exchanging products, services, and/or information via computer networks” (Turban, King, Lee & Viehland, 2005, p.4). Gelijkaardige definities vinden we terug bij Rosenbaum (2000, p.161) en Holsapple & Sasidharan (2005). De begrippen e-shopping,en online shopping worden vaak gebruikt als synoniemen (Weltevreden & Rotem-Mindali, 2009, p. 84). Elektronische handel bestaat uit verschillende zakelijke modellen. Volgens Grigoryan (2006, p. 2131) kunnen we hierbij vier categorieën onderscheiden. Een eerste vorm van ecommerce is Business-to-business e-commerce (B2B), waarbij commerciële activiteiten plaatsvinden tussen twee bedrijven of organisaties. Een tweede vorm van e-commerce die Grigoryan onderscheidt, is Business-to-consumer e-commerce (B2C), waarbij commerciële activiteiten plaatsvinden tussen bedrijven en consumenten. Een derde vorm die men kan onderscheiden is de Consumer-to-consumer e-commerce (C2C). Hieronder verstaan we online handel tussen consumenten, vaak in de vorm van een online veiling. Een laatste vorm die door Grigoryan onderscheiden wordt is Consumer-to-business e-commerce (C2B). Hierbij stellen consumenten zich op als één groep ten opzichte van bedrijven. Vaak gaat het om producten of ideeën die ontwikkeld zijn door consumenten, en die gekocht worden door bedrijven. Na deze korte omschrijving van het concept e-commerce, zullen we de situatie van ecommerce in België, Europa, en de wereld van naderbij bekijken.
6
1.2. E-commerce in België In dit onderdeel gaan we dieper in op de situatie van de e-commerce sector in België. We bespreken ondere andere de meest recente marktstudies die ons een indicatie zullen geven van de toestand van e-commerce in ons land. In België is BeCommerce de federatie die Belgische e-commerce bedrijven ondersteunt en verenigt. BeCommerce heeft als doel het consumentenvertrouwen in het kopen op afstand via internet te stimuleren. Hiertoe hebben zij de “Gedragscode van BeCommerce” opgesteld. Dit is een ethische code die regels bevat over het kopen op afstand zelf, en de bijhorende direct marketing. Alle leden van de federatie BeCommerce
worden
verondersteld
deze
regels
te
respecteren.
Om
het
consumentenvertrouwen in e-commerce nog meer te vergroten, heeft BeCommerce het kwaliteitslabel “BeCommerce Label” ontwikkeld. Dit label wordt enkel toegekend aan ecommerce bedrijven die zich houden aan de strikte regels bepaald in de “Gedragscode van het BeCommerce Kwaliteitslabel”. Een bedrijf draagt dus niet automatisch het “BeCommerce Label”, indien zij lid zijn van BeCommerce. Deze specifieke gedragscode bevat nog strengere regels inzake privacy en kopen op afstand. Uiteraard zijn deze regels van zelfregulerende aard,
en
zijn
ze
complementair
aan
wetten
en
sectorale
bepalingen
(2012,
www.becommerce.be). In maart 2012 voerde marktonderzoeksbureau iVox een kwantitatieve studie uit bij 550 Belgische
e-commerce
bedrijven
met
een
business-to-consumer
model
(2012,
http://www.becommerce.be/nl/overbecommerce/publicaties).Omzetcijfers zijn uit 2011. De Belgische e-commerce handelaars laten zich positief uit over hun toekomst. 83 % van de respondenten verwacht in de komende jaren
een sterke omzetstijging. Indien we de
omzetcijfers uit deze studie van naderbij bekijken, stellen we vast dat in 2011 de totale omzet van de onderzochte e-commerce bedrijven gestegen is met 23,8 % ten opzichte van 2010. Uit deze studie komt naar voor dat de omzet in Belgische webshops voornamelijk gecreëerd wordt in België zelf. Men verklaart dit door de intrede van een aantal grote nationale traditionele retailers op de Belgische e-commerce markt. Bedrijven zoals Colruyt, Delhaize, Decathlon, Brantano etc. hebben de laatste jaren hun weg gevonden naar de online verkoop. Deze grote bedrijven zijn vooral actief op nationaal vlak. 55 procent van de consumenten in Belgische e-commerce bedrijven besteden gemiddeld tussen de 50 en 200 euro per aankoop. Dit is een sterke stijging ten opzichte van 2010. Toen bedroeg het aandeel van de consumenten die tussen de 50 en 200 euro spendeerden per aankoop, slechts 5 procent. In 2011 bedroeg 11 procent van de online aankopen zelfs meer dan 500 euro. Uit deze studie blijkt dat de meest verkochte producten te situeren zijn in de productcategorieën elektronica, huis- en tuinbenodigdheden, kledij, entertainment, en hard- & software. De iVox-studie
7
bevestigt ook dat Belgische e-commerce ondernemingen hoge verwachtingen koesteren met betrekking tot het opkomende M-commerce. Onder M-commerce verstaan we online verkoop die gerealiseerd wordt via mobiele applicaties (Binsaleh & Hassan 2011).
Momenteel
bedraagt de omzet gerealiseerd via M-commerce ten opzichte van de totaal gegenereerde omzet slechts 2,6 procent. Maar 15 procent van de ondervraagden geeft aan de consument reeds te benaderen via mobiele applicaties, en 50 procent van de respondenten vermeldt Mcommerce te gaan gebruiken in de nabije toekomst. Deze studie toont aan dat e-commerce in België een enorm groeipotentieel bezit. InSites Consulting voerde in april 2012 een grootschalig marktonderzoek uit bij 1003 Belgische respondenten tussen 18 en 70 jaar (Comeos, 2012). Opdrachtgever Comeos, de vertegenwoordiger van de Belgische handel- en dienstensector, had als doel om door middel van dit onderzoek het profiel van de Belgische online consument te schetsen (2012, http://www.fedis.be). Uit het onderzoek kwam naar voor dat de Belgische e-commerce stilaan volwassen wordt. 46 procent van de ondervraagden deden in de laatste twaalf maanden tenminste één online aankoop. Hierbij besteedden ze gemiddeld 163 euro per maand. Het onderzoek wijst verder nog uit dat het consumentenvertrouwen in de e-commerce sector steeg met 70 procent in drie jaar tijd. Van de respondenten die de laatste twaalf maanden één online aankoop hadden gedaan, was 89 procent ervan overtuigd dit ook in het volgende jaar te doen. Hotelovernachtingen, kledij en schoeisel, en tickets voor evenementen bleken de drie populairste artikelen. Ondanks het sterke groeipotentieel van de Belgische e-commerce sector, wordt door sommige professionals beweerd dat de e-commerce sector in België heel wat inkomsten misloopt. Volgens Thierry Geerts, CEO van Google Belgium, hinkt België achterop in vergelijking met andere Europese landen zoals Nederland en Tsjechië, waar de digitale economie uitgroeide tot een echte business (2012, http://datanews.knack.be/ict/). Een onderzoeksrapport van Eurostat uit 2011 bevestigt dit (Eurostat, 2012). Uit dat onderzoek blijkt dat het relatieve aandeel e-shoppers in België veel kleiner is in vergelijking met buurlanden Nederland, Frankrijk en Duitsland. We hebben getracht om de meest recente markstudies rondom e-commerce in België te raadplegen. Cijfers uit het onderzoek van iVox zijn afkomstig uit 2011. Het Comeos onderzoek werkte met data uit 2012. Echter, de meest recente cijfers over de e-commerce sector in Vlaanderen dateren van 2010, en lijken ons daarom niet representatief voor de huidige stand van zaken. E-commerce kent immers een sterke bloei. Gegevens uit 2010 lijken ons niet accuraat genoeg om de toestand van de e-commerce sector in Vlaanderen anno 2012 te beschrijven. Daarom werd een bespreking voor Vlaanderen weggelaten uit onze analyse. Met de bespreking van deze twee marktonderzoeken trachten we een indicatie te geven van de meest recente toestand van de e-commerce sector in België. Het is geenszins de bedoeling om hiermee een uitspraak te doen over dé Belgische online consument, of om een
8
vergelijking te maken
tussen beide studies. Dit laatste zou niet mogelijk zijn, daar
verschillende respondenten op verschillende momenten werden bevraagd, en op basis van andere vragenlijsten. We kunnen dus besluiten dat ondanks het feit dat e-commerce in België in volle bloei is, maar we nog altijd achterop hinken in vergelijking met onze buurlanden Nederland, Frankrijk en Duitsland.
1.3. E-commerce in de Europese Unie E-commerce tendensen in de Europese Unie werden onderzocht door Eurostat in 2011 (Eurostat, 2012). Eurostat is de officiële statistische organisatie van de Europese Unie. We kunnen er dus van uitgaan dat de cijfers uit dit onderzoek als vrij betrouwbaar te beschouwen zijn. De cijfers zijn gebaseerd op geaggregeerde data uit 2011 die men ontving vanuit de 27 lidstaten van de Europese Unie. In totaal werkten er 214 580 respondenten mee aan dit onderzoek. De leeftijd van de respondenten varieerde van 16 tot 74 jaar. De resultaten geven aan dat e-commerce in de Europese Unie volop in bloei is. 58 procent van de respondenten kochten tenminste één product of dienst online aan voor privé doeleinden in de laatste twaalf maanden voorafgaand aan het onderzoek. Deze statistieken geven ook vergelijkende data weer voor e-commerce gedrag uit 2009, 2010, en 2011. Hieruit blijkt dat vanaf 2009 het procentuele aantal Belgische internetgebruikers dat regelmatig online winkelt in stijgende lijn is. Als we de individuele resultaten van de 27 lidstaten vergelijken, zien we dat er in de gehele Europese Unie voor de periode 2009-2011 een stijging is van het relatieve aantal internetgebruikers die online goederen en diensten aankocht voor
privé gebruik. Enkel
Frankrijk en Oostenrijk kennen een lichte daling in 2011 ten opzichte van 2010. Het gemiddelde Europese cijfer van het relatieve aantal internetgebruikers dat goederen en diensten voor privé gebruik online aankocht, is in stijgende lijn sinds 2009. Het Verenigd Koninkrijk, Denemarken, Duitsland, Zweden en Nederland behoren tot de top 5 van landen met het relatief grootste aantal e-shoppers. In deze ranking staat België slechts op de twaalfde plaats. Uit dit onderzoek blijkt dat in België online winkelen minder populair is in vergelijking met de ons omringende buurlanden Duitsland, Frankrijk en Nederland.
1.4. E-commerce op wereldvlak In maart 2010 voerde marktonderzoeksbureau Nielsen (The Nielsen Company, 2010) een grootschalig kwantitatief onderzoek uit met betrekking tot e-commerce op wereldvlak. 27 665 respondenten uit 55 landen werden onderzocht. De onderzoeksvraag had betrekking op hoe consumenten online shoppen. Om te kunnen deelnemen aan dit onderzoek moest men beschikken over een internetverbinding. Mensen die geen toegang hadden tot internet werden dus weggelaten uit de analyse. Uit dit onderzoek kwam naar voor dat consumenten op
9
wereldvlak vooral de intentie hadden om boeken (44%), kledij/schoenen/accessoires (36%), vliegtuigtickets (32%), elektronische toestellen (27%), en hotel reservaties (26%) online aan te kopen in de zes maanden volgend op het afnemen van het onderzoek. Op wereldvlak besteedt 44 % van de consumenten gemiddeld minder dan 5 % van hun maandelijkse uitgaven aan online winkelen. Een vergelijking per regio doet besluiten dat in zowel Europa, Azië, Amerika, Afrika als Oceanië het overgrote deel van de respondenten aangaf minder dan 5 % van de maandelijkse uitgaven aan online winkelen te besteden. Uit dit onderzoek blijkt ook dat op wereldschaal online shoppen het minst ontwikkeld is in Afrika.
10
2. Flow
In dit onderdeel wensen we de belangrijkste bevindingen uit ons literatuuronderzoek weer te geven. In de loop der jaren is er met betrekking tot het concept flow een bulk aan literatuur verschenen. We kunnen dus onmogelijk alle studies omtrent flow bespreken. We zullen die literatuur bespreken die relevant is voor onze onderzoeksvraag.
2.1. Conceptuele definitie en ontstaan van het concept “flow”
Het concept flow werd voor het eerst beschreven door Mihaly Csikszentmihalyi (1977). Het begrip is ontstaan uit psychologie studies, en werd sindsdien onderzocht in verscheidene onderzoeksdisciplines.
Csikszentmihalyi omschrijft flow als “the holistic sensation that
people feel when they act with total involvement” (1977, p.36). Flow is een mentale staat. Het ervaren van flow bij het uitvoeren van een activiteit wordt gekenmerkt door een sterk gevoel van concentratie, waarbij men zodanig gefocust is, dat alle irrelevante gedachten worden uitgefilterd. Men is minder zelfbewust, en men voelt volledige controle over de activiteit waar men op dat moment mee bezig is. Er is een verminderd tijdsbesef. Men heeft een duidelijk doel, en er is duidelijke feedback aanwezig (Csikszentmihalyi, 1977, p.72). Een ervaring
wordt ook gekenmerkt door positieve gevoelens van
flow-
genot of plezier
(Csikszentmihalyi, 1990, p.3). Csikszentmihalyi verkoos om de term flow te gebruiken, naar aanleiding van het woord flow dat sporters en dansers gebruikten om aan te geven wanneer men een optimale sport- of dansprestatie had ervaren (Finneran & Zhang, 2005, p. 84). Flow kan men dus beschouwen als een “optimal experience”, die slechts ontstaat wanneer er bij die activiteit een bepaalde verhouding aanwezig is tussen skills en challenges. Skills is een maatstaf voor de capaciteit van een persoon om die welbepaalde activiteit uit te kunnen voeren. Challenges representeert de mate waarin de activiteit een uitdaging vormt (Csikszentmihalyi, 1977). Over de exacte verhouding tussen skills en challenges als antecedenten om flow te kunnen ervaren, bestaan er verschillende opvattingen. In de eerste flow-literatuur (Csikszentmihalyi, 1977) wordt er gesteld dat er bij een gelijk niveau van skills en challenges, flow kan ervaren worden. Wanneer iemands capaciteiten om een bepaalde activiteit uit te voeren laag zijn, maar de activiteit zélf erg uitdagend is, ontstaat er een gevoel van angst. Wanneer de activiteit amper een uitdaging vormt, en iemands capaciteiten om de activiteit uit te voeren hoog zijn, ontstaat een gevoel van verveling. In deze opvatting kan er dus enkel bij een gelijk niveau van skills en challenges, een flowervaring ontstaan. Ongeveer tien jaar later herziet Csikszentmihalyi zijn eerste opvatting
11
omtrent de verhoudingen tussen skills en challenges (Csikszentmihalyi & Csikszentmihalyi, 1988). Om flow te kunnen ervaren moeten skills en challenges niet alleen gelijk zijn aan elkaar. Ze moeten ook het gemiddelde niveau uit dagelijkse ervaringen overschrijden (Csikszentmihalyi & Csikszentmihalyi 1988, p. 260). Wanneer bij het uitvoeren van een activiteit challenges en skills beiden hoog zijn, kan er een flow ervaring plaatsvinden. Wanneer skills en challenges gelijk zijn, en beide liggen lager dan het gemiddelde niveau, ervaart men een apathisch gevoel. Bij Clarke & Haworth (1994) kunnen we hierin een verschil opmerken. Zij gaan bij deze combinatie van skills en challenges niet uit van het ontstaan van een apathisch gevoel, maar wel het ontstaan van een relaxerend gevoel. De verschillende verhoudingen tussen skills en challenges die telkens een gevoel met zich meebrengen, worden in de literatuur omschreven als “channel models” (Hoffman, Novak & Yung, 1998, p.2). In de loop der jaren zijn er verschillende channel models ontstaan. Zo stellen Massimi & Carli (1988) telkens acht en zestien mogelijke combinaties voor van skills en challenges. Clarke & Haworth (1994) stellen negen mogelijke combinaties van skills en challenges op. We besluiten dat er individuele verschillen zijn bij het uitvoeren van een activiteit. Afhankelijk van de verhouding tussen skills en challenges op dat moment kan men al dan niet flow ervaren.
12
2.2. Inconsistenties in operationalisaties van flow Een belangrijke opmerking die we bij de literatuur over flow kunnen maken, is de verscheidenheid in operationele definities. Auteurs zijn het meestal eens over de conceptuele definitie (cfr. supra) zoals die omschreven werd door Csikszentmihalyi. Flow is een intuïtief concept dat de meeste individuen ooit al ervaren hebben in de loop van hun leven. Ook onderzoekers voelen dit concept intuïtief aan zoals Csikszentmihalyi dit eerst poneerde (Hoffman & Novak, 2009). Los van het feit dat onderzoekers het eens zijn met Csikszentmihaly’s conceptuele definitie, zijn er inconsistenties te vinden in de operationele definities van flow. In de literatuur vonden we minstens tien verschillende operationele definities van flow. Verder zijn er ook verschillen merkbaar in hoe onderzoekers antecedenten, dimensies, en effecten van flow operationaliseren. De antecedenten die een flow ervaring kunnen opwekken, worden door sommige onderzoekers geoperationaliseerd als dimensies van de flow ervaring zelf. Pace (2003) beschouwt bijvoorbeeld time distortion (een verminderd bewustzijn van tijd), als één van de dimensies van de flow ervaring, terwijl Bridges & Florsheim (2008) dit beschouwen als een voorwaarde om flow te kunnen opwekken. Op het vlak van het aantal dimensies van de flow- ervaring, merken we op dat flow zowel unidimensioneel als multidimensioneel geoperationaliseerd kan worden. Zo beschouwen Choi, Kim & Kim (2007), Korzaan (2003), Hoffman & Novak (1996), Dailey (2004), Hoffman, Novak & Yung (2000) flow als één dimensie. In hun onderzoeken wordt flow gemeten door respondenten eerst een intuïtieve beschrijving van het concept te geven, om vervolgens via een simpele ja/neen-vraag vast te stellen of ze al dan niet flow ervaren hadden. In de onderzoeken van Huang (2003), Pace (2003), en Finneran & Zhang (2003) wordt flow
geoperationaliseerd aan de hand van verschillende dimensies. Agarwal &
Karahanna (2003) operationaliseren flow als een multidimensioneel construct bestaande uit curiosity, control, temporal dissociation, focused immersion en heightened enjoyment. Huang (2003) operationaliseert flow ook als multidimensioneel construct, maar gebruikt hiervoor andere dimensies. Hij beschouwt control, attention, curiosity en interest als dimensies van de flow-ervaring. Ook worden verscheidene antecedenten van flow beschouwd als een effect van flow. Zo wordt bijvoorbeeld in het onderzoek van Luna, Perrachio, & de Juan (2003) de attitude omtrent een website aangevoerd als een antecedent voor flow ervaringen, terwijl Daily (2004), Richard & Sandra (2005) en Sanchez-Franco (2006) attitudes van respondenten omtrent een website beschouwen als een effect van het ervaren van flow. We merkten ook op dat indien onderzoekers gelijke opvattingen hadden over de plaats van een construct in een onderzoeksmodel, ze dit construct ook inhoudelijk anders kunnen operationaliseren. Huang (2003) beschouwt volgens de klassieke opvatting van Csikszentmihalyi (1977), challenges als
13
een antecedent van de flow ervaring, maar operationaliseert dit uiteindelijk aan de hand van complexity. Dit zijn gelijkaardige schalen, die toch niet helemaal hetzelfde zijn. Csikszentmihalyi (1977) beschouwde eenzelfde niveau van skills en challenges als één van de belangrijkste antecedenten om flow te kunnen opwekken. Uit ons onderzoek van de literatuur blijkt dat een aantal auteurs dit niet opnemen in hun operationalisaties. Agarwal & Karahanna (2003),
Daily (2004) en Hsu & Lu (2003) nemen skills en challenges als
antecedenten van flow niet op in hun onderzoek. We besluiten dat flow een rijke onderzoekgeschiedenis
kent,
en
dat
onderzoeksmodellen in omloop zijn.
er
uiteenlopende
operationele
definities
en
Inconsistenties in de operationele definities en
onderzoeksmodellen van flow hebben tot gevolg dat het soms moeilijk wordt om onderzoeken met gelijkaardige onderzoeksvragen te gaan vergelijken. Verschillende auteurs beschouwen dit dan ook als een hinder in de vooruitgang van het empirisch onderzoek rondom flow (Choi, Kim & Kim, 2007 ; Siekpe, 2005).
2.3. Flow in “Computer-Mediated Environments” Bij de grote doorbraak van internet midden jaren ’90, begonnen onderzoekers zich toe te spitsen op de studie van flow in online omgevingen. Reeds daarvoor hadden een aantal onderzoekers zich al toegewijd aan onderzoek omtrent flow en interacties met computerprogramma’s. Dit laatste wordt vaak gedefinieerd als Human-Computer Interactions. Studies rond Human Computers-Interactions
(HCI) onderzoeken onder meer
de interacties tussen mensen en computers (Card, Moran & Newell, 1983). In het onderzoeksdomein rond flow en HCI’s zijn Awaid Ghani en Jane Webster twee belangrijke auteurs. Webster, Trevino & Ryan (1993) toonden aan dat wanneer mensen in flow raken door interactie met een software programma, ze explorerend gedrag rapporteerden. Respondenten gaven hierbij aan meer verkennend om te gaan met het programma. Onderzoeken van Webster & Martocchio (1992) toonden aan dat wanneer mensen door interacties met microcomputers een staat van playfulness bereiken, dit positief gerelateerd is aan positieve stemmingen, een gevoel van betrokkenheid en een gevoel van voldoening. Een staat van playfulness is vaak gelinkt aan flow (Csikszentmihalyi, 1990). Ghani (1995) toonde aan dat wanneer HCI’s leidden tot een staat van flow, flow positief gelinkt was aan een leereffect, en een verhoogde creativiteit. In het onderzoek van Ghani & Despande (1994) werden werknemers in bedrijven onderzocht met betrekking tot hun interacties met computers. Hier werden ook telkens significante verbanden aangetoond tussen het ervaren van flow bij HCI’s en explorerend gedrag. Midden jaren ’90 begonnen onderzoekers zich toe te spitsen op de invloed van flow in online omgevingen. Een van de meest invloedrijke auteurs op dit gebied zijn ongetwijfeld Hoffman
14
& Novak (1996). Hoffman & Novak (1996) pasten voor het eerst de conceptualisering van flow toe op Computer-Mediated Environments (CME). In het onderzoek van Hoffman & Novak 1996 (p. 64) worden CME gedefinieerd als computernetwerken, waarbinnen hypermedia content aan te treffen is, en die aan elkaar gelinkt zijn via hyperlinks (p. 64) . Hiervan is het World Wide Web de belangrijkste toepassing. Hoffman & Novak (1996, 1998) gebruikten de basisdefiniëring van Csikszentmihalyi (1977) als uitgangspunt voor het onderzoeken van flow in online omgevingen. In hun flow-model staan skill, challenge, telepresence en focused attention voorop als antecedenten van flow. Naast skill en challenge komen de twee laatste items sterk overeen met de conceptuele definiëring van Csikszentmihalyi (1977) die uitgaat van een sterk gevoel van focus en een verminderd zelfbewustzijn. Hoffman & Novak (1998) zien playfulness net als Csikszentmihalyi (1990) sterk gerelateerd aan flow. Playfulness staat voor de mate waarin men spontaan, inventief, en fantasierijk omspringt met een medium (Webster & Martochhio, 1992, p. 202). Hoffman & Novak (1998) onderzochten het effect van flow wanneer respondenten interacties hadden met een online website. In hun wetenschappelijk artikel uit 1996 stelden ze een conceptueel model en daarbij horende assumpties op. In 1997 pasten ze dit model ook daadwerkelijk toe in grootschalig onderzoek, uitgevoerd via online surveys. Uit dat grootschalig onderzoek (N= 2206) kwam naar voor dat het ervaren van flow bij interacties in een online omgeving, positief gecorreleerd is aan een reeks van positieve gevoelens (gemeten als positief affect), en aan explorerend gedrag (Hoffman & Novak, 1998, p.9). Explorerend gedrag is een somschaal die staat voor de mate waarin men graag experimenteert op het internet, de mate waarin men geniet van het surfen op het internet, en de mate waarin men spontaan klikt op interessante links (Hoffman & Novak,1998, p.9). Met dit onderzoek werd ook de basis gelegd voor het bestuderen van flow in relatie tot online consumentengedrag. Hoffman & Novak (1996, pp.65-66) voorspelden toen al dat onderzoek naar flow in online omgevingen, vruchtbaar zou kunnen zijn voor e-commerce. Sindsdien zijn er verschillende onderzoeken verschenen die zich toespitsen op flow in online omgevingen. Skadberg, Skadberg & Kimmel (2005) deden onderzoek naar de impact van flow op de effectiviteit van een toeristische website. Uit dat onderzoek komt naar voor dat het ervaren van flow op een website een invloed heeft op attitudes en gedrag. Mensen die flow ervaarden op de toeristische website, gaven aan meer informatie te willen rondom het onderwerp van de website. Ze gaven ook aan naar de site terug te willen keren, en zelfs de toeristische trekpleister te willen bezoeken die er werd voorgesteld (Skadberg, Skadberg & Kimmel, 2005, pp. 154-155). Onderzoek naar de rol van flow op de algemene effectiviteit van websites, werd onderzocht door Sicilia & Ruiz (2007). Respondenten die in een staat van flow waren tijdens het bezoeken van de website, bleken nadien ook een positieve attitude te bezitten over de website. Shin (2006) onderzocht de impact van flow op het omgaan met een
15
virtuele cursus. Flow had in dit onderzoek een impact op de tevredenheid omtrent de cursus. Korzaan (2003) onderzocht de impact van flow op online aankoopintenties. De resultaten tonen aan dat flow een impact heeft op explorerend gedrag. Deze bevinding vinden we ook terug bij Hoffman & Novak (1998). Korzaan (2003, p.27) vond ook evidentie voor de impact van flow op online aankoopintentie via de attitude omtrent online shoppen. Gelijkaardige resultaten vinden we terug bij Luna, Peracchio & de Juan (2003, p.81). Flow had bij de onderzochte respondenten een positieve impact op online aankoopintentie, en de intentie om terug te keren naar de website. Gelijkaardige resultaten vinden we bij Guo & Poole (2008, pp. 3-4) terug. Nadat ze studenten hadden laten surfen op verschillende e-commerce sites, kwam naar voor dat het ervaren van flow tijdens het bezoeken van de webshop positief gerelateerd was aan intenties om terug te keren naar de website, en aan intentie tot aankopen. Hsu, Chang, & Chen (2012) ondervonden dat het ervaren van flow na het bezoeken van een e-commerce site positief gerelateerd was aan aankoopintentie en impulsieve aankopen. Koufaris (2002) deed onderzoek naar de effecten van flow op e-commerce websites. Hij operationaliseerde flow in online webwinkels als shopping enjoyment. Dit komt overeen met de opvatting van Csikszentmihalyi (1990, p.3) die poneert dat een flow ervaring wordt gekenmerkt door gevoelens van plezier. Koufaris (2002, p.17) stelde een significant verband vast tussen shopping enjoyment en intentie om terug te keren naar de website. Gelijkaardige resultaten vinden we terug bij Jayawardhena & Wright (2009). Via een survey onderzocht men de effecten van e-shopping excitement. Hun onderzoek toonde aan dat e-shopping excitement positief gerelateerd is aan positieve word-of-mouth, en intentie om terug te keren naar de website.Op basis van de literatuur, stellen we volgende hypotheses op :
Hypothese 1 : Er is een positief verband tussen flow en intentie tot online aankopen
Hypothese 2 : Er is een positief verband tussen flow en Willingness to Buy
16
3. Individuele factoren In dit onderdeel wensen we dieper in te gaan op een aantal persoonlijke kenmerken die consumenten kunnen bezitten. Onderzoekers geven namelijk aan dat er nood is aan onderzoek met betrekking tot (stabiele) individuele verschillen bij flow verbanden (Smith & Sivakumar, 2004, p. 1202; Li & Browne, 2004 ; Finneran & Zhang, 2005). Deze auteurs vermelden dat er tot hiertoe te weinig onderzoek is gevoerd naar de invloed van onafhankelijke kenmerken van respondenten op hun ervaringen van flow. Individuele verschillen tussen respondenten kunnen wel gezien worden in de skill/challenge verhoudingen bij flow (supra hoofdstuk 2), maar dit zijn geen stabiele kenmerken van individuen. Deze individuele skill/challenge verhoudingen als voorwaarde voor het ontstaan van flow, zijn onder invloed van de specifieke activiteit die men uitvoert (Hoffman & Novak, 1996 ; Csikszentmihalyi, 1990). Daarom verkozen we om het persoonlijkheidskenmerk Optimum Stimulation Level onder de loep te nemen. Bovendien kozen we er ook voor om één kenmerk met betrekking tot productbetrokkenheid te onderzoeken, die we beschouwen als een kenmerk van een individuele consument. We zullen de literatuur omtrent Optimum Stimulation Level (OSL), en Enduring Product Involvement van naderbij bekijken. Vervolgens zullen we weergeven in welke mate deze kenmerken de relatie tussen flow en aankoopintenties bij e-commerce websites kunnen beïnvloeden.
3.1. Optimum Stimulation Level (OSL) 3.1.1. Definitie en ontstaansgeschiedenis Het concept Optimum Stimulation Level (OSL) is een persoonlijkheidskenmerk dat verwijst naar de algemene respons van individuen op stimulatie vanuit de omgeving (Raju, 1980, p.272). Het refereert naar de optimale hoeveelheid stimulatie of sensatie die mensen prefereren in hun leven (McReynolds 1971, geparafraseerd in : Hanzee & Khodayari, 2011, p.86). OSL is dus een stabiel persoonlijkheidskenmerk . Individuen verschillen in de optimale hoeveelheid stimulatie die ze wensen in hun leven. Het concept kent zijn oorsprong in onderzoek uit de jaren ’50 waarbij men vaststelde dat elke organisme een bepaalde hoeveelheid aan prikkels prefereert. Hebb (1955) en Leuba (1955) gaven toen de aanleiding om dit te benoemen als “optimum stimulation” (Raju, 1980, p. 272). Zuckermann (1994) geeft aan dat OSL gedeeltelijk een biologische oorsprong heeft. Hij poneert dat een bepaalde hoeveelheid van het enzyme MAO (monoamine oxidase) in het brein, een effect heeft op de ideale hoeveelheid stimulatie die individuen prefereren. Onderzoek uit de jaren ’60 naar onderliggende motivaties van menselijk gedrag gaf aan dat gedragingen van mensen kunnen gemotiveerd zijn door de nood aan een bepaalde hoeveelheid stimulatie (Berlyne, 1960 ;
17
Fiske & Maddi, 1961). In de literatuur benoemt men dit als “exploratory behavior” : wanneer de stimulatie die iemand ontvangt uit zijn omgeving, boven het geprefereerde optimum ligt, zal het individu in kwestie proberen de hoeveelheid stimulatie te verlagen. Wanneer de hoeveelheid stimulatie uit de omgeving onder het optimum ligt, zal het individu dit proberen te verhogen door meer stimulatie op te zoeken (Raju, 1980, p. 272). Veel onderzoek uit de jaren ’60
op
het domein van de psychologische wetenschappen, legt de focus op dit
explorerend gedrag (Driver & Steufert, 1965 ; Fowler, 1965). Raju & Venkatesan (1980) linken
explorerend gedrag aan OSL. Raju (1980, p. 272) geeft een aantal typische
eigenschappen weer voor mensen met een hoge score op OSL. Mensen met een hoge OSL, zijn vaker geneigd om om te gaan met nieuwe stimuli (cfr.supra). Raju geeft een voorbeeld van een nieuw winkelconcept. Mensen met een hoge OSL zullen dit sneller uitproberen in vergelijking met mensen die een lage OSL bezitten. Mensen met een hoge OSL zullen ook sneller verandering en variatie opzoeken. Dit ligt in de lijn van het onderzoek van Steenkamp (1995), dat aantoonde dat mensen met een hoge OSL vaker risicovol gedrag vertonen. Voorbeelden hierbij zijn het gebruiken van drugs, het drinken van alcohol en gokken. Mensen met een hoge OSL hebben ook vaker een grotere interesse voor reizen en sporten (Steenkamp, 1995). Het opzoeken van nieuwe stimulaties vinden we ook terug in onderzoek van Holbrook en Hirschman (1982). In dat onderzoek kwam naar voor dat mensen met een hoge OSL ook vaker een grotere interesse vertonen voor plezier maken en uitvoeren van fantasieën. 3.1.2. Optimum Stimulation Level en consumentengedrag OSL werd vaak gebruikt als verklarende factor in onderzoek naar consumentengedrag. Vooral met betrekking tot explorerend consumentengedrag (Baumgartner & Steenkamp, 1996 ; Raju, 1980). De link tussen OSL en explorerend consumentengedrag ligt in de verklaring dat mensen met een hoge OSL op zoek gaan naar stimulatie (cfr.: supra). Dit geldt ook voor consumentengedrag.
Mensen met een hoge OSL zullen een sterker explorerend
consumentengedrag vertonen. Baumgartner & Steenkamp (1996) onderscheiden twee vormen van explorerend consumentengedrag. Enerzijds onderscheiden ze exploratory acquisition of products (EAP), en anderzijds exploratory information seeking (EIS). De eerste vorm heeft betrekking op het opzoeken van stimulatie via het aankopen van producten die risicovol en innovatief zijn. EAP kan ook betrekking hebben op interesse voor nieuwe en andere manieren van aankopen. EIS heeft betrekking op de nood aan cognitieve stimulatie die bevredigd wordt door kennis te vergaren over consumptie of producten, vanuit een motief van nieuwsgierigheid. Consumenten die hoog scoren op EIS houden er
vaak van om naar
uitstalramen van winkels te kijken, zonder dat ze daarom daadwerkelijk iets zullen kopen. Diezelfde consumenten vinden het ook leuk om te praten over aankopen die ze gedaan
18
hebben (Baumgartner & Steenkamp 1996). Onderzoek naar explorerend consumentengedrag met OSL als verklarende factor leverde interessante resultaten op. Uit onderzoek van Raju (1980) blijkt dat OSL positief gerelateerd is aan de intentie om nieuwe producten en merken aan te kopen. Ook het opzoeken van variatie en het uitproberen van nieuwe merken in een productcategorie bleken positief gerelateerd aan OSL. Mensen met een hoge OSL score, vertonen ook vaak nieuwsgierig gedrag. Zo zullen ze bijvoorbeeld uit nieuwsgierigheid vaker productinformatie opzoeken (Steenkamp & Baumgartner, 1992). Dit ligt in de lijn van het onderzoek van Raju (1980) , waaruit blijkt dat mensen met een hoge OSL vaker informatie willen rond nieuwe of complexe producten. Ook intenser winkelen is een eigenschap van mensen met hoge OSL. Onderzoek van Wang, Chang & Wysong (2012) omtrent OSL en shopgedrag, wees uit dat mensen met een hoge OSL meer tijd en geld spendeerden aan winkelen. Richard & Chandra (2005) ontdekten dat mensen met hoge OSL een grotere intentie hadden tot online aankopen, nadat ze door onderzoekers uitgenodigd waren om te surfen op een farmaceutische website. 3.1.3. De modererende rol van OSL op het verband tussen flow en online aankoopintenties Over de precieze modererende rol van OSL in het specifieke verband tussen flow en online aankoopintenties bestaat er geen concreet onderzoek. Toch verwachten we op basis van de literatuur een modererend effect van OSL op de relatie tussen flow en online aankoopintenties. Zoals eerder aangehaald operationaliseren we dit aan de hand van intentie tot online aankopen, en “willingness to buy”. Deze laatste variabele geeft aan in welke mate men de intentie heeft om te shoppen in een specifieke winkel, daar producten aan te kopen, en de winkel aan te bevelen aan vrienden of kennissen (Baker,Level & Grewal,1992, p.453). In verschillende onderzoeken is het verband aangetoond tussen flow en explorerend gedrag. Webster, Trevino & Ryan (1993) toonden aan dat mensen die in flow raken door interactie met een software programma, explorerend gedrag rapporteerden. Ghani & Despande (1994) toonden een significant verband aan tussen het ervaren van flow bij interacties met computers en explorerend gedrag. Ook Hoffman & Novak (1998, p.9) kwamen tot de conclusie dat het ervaren van flow bij interacties in een online omgeving, gecorreleerd is aan explorerend gedrag (Hoffman & Novak, 1998, p.9). Ook Optimum Stimulation Level werd vaak in verband gebracht met explorerend gedrag (Baumgartner & Steenkamp, 1996 ; Raju, 1980). Holbrook & Hirschman (1982) toonden aan dat mensen met hoge OSL een sterkere neiging hebben tot het nastreven van plezier . Een staat van flow bij het hebben van interacties met een website brengt een plezierig gevoel met zich mee (Hoffman & Novak, 1998). Wij verwachten dat mensen met een hoge OSL (indien ze in een staat van flow zijn) , langer zullen browsen op een e-commerce website omwille van het feit dat men plezier ervaart. Dit
19
kan ervoor zorgen dat men mogelijk een hogere aankoopintentie zal rapporteren. Gebrek aan vertrouwen is één van de voornaamste redenen die consumenten ervan weerhoudt goederen of diensten online aan te kopen (Chen, 2011). We verwachten dat dit eventuele gebrek aan vertrouwen minder sterk zal doorwegen bij mensen met een hoge OSL, waardoor ze mogelijk een sterkere intentie tot online aankopen vertonen. Op basis van ons literatuuronderzoek weten we namelijk dat op het vlak van consumentengedrag, mensen met een hoge OSL vaker geneigd zijn om nieuwe dingen uit te proberen (Raju, 1980), sneller verandering en variatie zullen opzoeken, vaker gedrag vertonen dat gebaseerd is op nieuwsgierigheid (Steenkamp & Baumgartner, 1992), vaker meer risico’s durven nemen (Steenkamp, 1995 ; Raju, 1980), en innovatiever zijn (Baumgartner & Steenkamp, 1996). Richard & Chandra (2005) ontdekten ook dat mensen met hoge OSL een grotere intentie hadden om online aankopen te doen. Dit ligt ook in de lijn van het onderzoek dat Hanzaee & Khodayari (2011, p. 89) voerden. Hun onderzoek wees ook uit dat er een significant positief verband bestaat tussen OSL en online aankoopintenties. Onderzoek van Mittaelstadt et al. (1976) toonde aan dat er een verband is tussen OSL en het sneller uitproberen van nieuwe winkelconcepten. Onderzoek van Baumgartner en Steenkamp (1996) wees uit dat mensen met hoge OSL vaker praten over de aankopen die ze gemaakt hebben.
Op basis van bovenstaande argumenten die afkomstig zijn uit de literatuur, stellen we volgende hypotheses op :
Hypothese 3a : OSL modereert het verband tussen flow en intentie tot online aankopen. Bij respondenten met een hoge OSL is er een sterker verband tussen flow en intentie tot online aankopen.
Hypothese 3b : OSL modereert het verband tussen flow en Willingness To Buy. Bij respondenten met een hoge OSL is er een sterker verband tussen flow en Willingness To Buy.
3.2. Enduring Product Involvement 3.2.1. Afbakening van het begrip Highie & Feick (1989, p. 690) definiëren “enduring involvement” als “... an individual difference variable representing the arousal potential of a product or activity that causes personal relevance Specifically, with enduring involvement, personal relevance occurs because the individual relates the product to his self-image and attributes some hedonic qualities to the product” . Er is enorm veel literatuur
in omloop met betrekking tot
involvement (de betrokkenheid ten aanzien van een product of activiteit). Hetgeen al deze
20
studies gemeenschappelijk hebben is het dat ze involvement beschouwen als een begrip waar persoonlijk
belang
de cruciale component
vormt (Highie & Feick, p. 690). Michael
Rotschild (in Bloch & Richins, 1983, p. 69) onderscheidt 3 soorten product involvement. Situational involvement is de mate van betrokkenheid die wordt opgewekt door een specifieke situatie, en die vooral wordt beïnvloed door productattributen zoals prijs, product alternatieven en productcomplexiteit. Deze soort van involvement wordt voornamelijk bepaald door het risico dat eraan verbonden is. Enduring involvement beschouwt hij als betrokkenheid op lange termijn. De graad van enduring involvement wordt mee bepaald door ervaringen uit het verleden, en waarden die men kan verbinden aan
het
product. De
gemiddelde response involvement ten aanzien van een product bij een grote groep consumenten is gelijk aan de situational involvement voor één consument. Zaichowsky (1985, p. 342) maakt een andere indeling van involvement : “ 1. Personal involvement : Personal-inherent interests, values, or needs that
motivate one toward the object” 2. Physical : characteristics of the object that cause differentiation and increase interest 3. Situational : something that temporarily increases relevance or interest toward the object”
Als we de vergelijking maken tussen de typologieën van Zaichkowsky en Rotschild zien we dat de laatste twee categorieën van Zaichowsky in Rotschild’s opvatting aanzien worden als één en dezelfde categorie. De twee laatste opdelingen van Zaichowsky zijn in feite te beschouwen als de omschrijving van situational involvement van Rotschild. Een belangrijke bevinding met betrekking tot enduring involvement is dat mensen die een hoge enduring involvement bezitten, vaak productinformatie opzoeken, en ook gemotiveerder zijn om informatie te verwerken met betrekking tot het product. Ze hebben extra aandacht voor productadvertenties en gaan ook vaak productinformatie delen met anderen. Omdat deze personen veel informatie opzoeken omtrent producten waarmee ze een hoge enduring involvement hebben, worden ze door anderen beschouwd als opinieleiders (Highie & Feick, 1989, p.690). Bloch et al. (1986) beschouwen deze zoektocht naar productinformatie als een “fun seeking experience”.
21
3.2.2. De modererende rol van Enduring Involvement in het verband tussen flow en online aankoopintenties Indien mensen flow ervaren bij het browsen op een e-commerce website, gaat dit vaak gepaard met een positief affect (Koufaris, 2002 ; Hoffman & Novak 1996, 1998). Het ervaren van flow gaat in feite altijd gepaard met een positief affect (Csikszentmihalyi, 1977, 1988, 1990). De zoektocht naar informatie met betrekking over een high
involvement
product wordt beschouwd als een leuke activiteit (Bloch et. al, 1986). Uit een onderzoek van Koufaris (2002) bleek dat er een positief verband is tussen hoge productbetrokkenheid en het plezier dat men haalt uit de winkelzoektocht naar dat product. Onderzoeken tonen aan dat het ervaren van flow vaak gepaard gaat met verkennende en explorerende gedragingen (Webster, Trevino & Ryan, 1993 ; Ghani & Despande, 1994).
Mensen met een hoge enduring
involvement gaan vaak op zoek productinformatie, omdat ze een intrinsieke interesse hebben voor het product (Zaichowsky, 1985). Ze verkennen de informatie die beschikbaar is met betrekking tot het product (Highie & Feick, 1989). Het ervaren van flow motiveert mensen om de activiteit waarmee ze bezig zijn, te herhalen (Csikszentmihalyi,1990). In het geval van websites, zullen consumenten gemotiveerd zijn om langer op de website te blijven, omdat er een positief affect ontstaat dankzij de flow ervaring (Hsu, Chang & Chen, 2012). Mensen die in flow zijn, gaan volledig op in hun activiteit (Csikszentmihalyi,1990). Toegepast op browsen, zullen mensen in dat geval aandachtiger zijn voor de informatie die aanwezig is op de webpagina (Skadberg & Kimmel, 2004). Ook mensen met een hoge enduring involvement zijn aandachtiger bij informatie omtrent het product waarmee ze een hoge enduring involvement hebben (Highie & Feick, 1989). Er zijn onderzoeken die het verband aantonen tussen flow en online aankoopintenties (Korzaan, 2003 ; Luna, Peracchio & de Juan, 2003 ; Guo & Poole, 2008). Met betrekking tot online winkelen ondervond Chen (2011) dat een hoge enduring involvement invloed heeft op intentie tot impulsaankopen (Chen, 2011). Hyunjoo & Ha (2011) stelden vast dat enduring involvement positief en rechtstreeks intentie tot online aankopen beïnvloedt. Mensen met een hoge enduring involvement gaan vaak informatie over producten delen met anderen, en bovendien worden ze vaker beschouwd als opinieleiders (Highie & Feick, 1989). Daarom verwachten we dat dit ook zou kunnen gerelateerd zijn aan “Willingness to buy”. Op basis van bovenstaande argumenten, stellen we volgende hypotheses op :
22
Hypothese 4a : Enduring Product Involvement modereert het verband tussen flow en intentie tot online aankopen. Bij respondenten met een hoge Enduring Product Involvement is er een sterker verband tussen flow en intentie tot online aankopen.
Hypothese 4b : Enduring Product Involvement modereert het verband tussen flow en Willingness to Buy. Bij respondenten met een hoge Enduring Product Involvement is er een sterker
verband
tussen
flow
en
Willingness
To
Buy.
23
Overzicht van de hypothesen Op basis van ons literatuuronderzoek hebben we een aantal hypotheses opgesteld. We vatten ze hier samen. Hypothese 1 : Er is een positief verband tussen flow en intentie tot online aankopen.
Hypothese 2 : Er is een positief verband tussen flow en Willingness to Buy.
Hypothese 3a : OSL modereert het verband tussen flow en intentie tot online aankopen. Bij respondenten met een hoge OSL is er een sterker verband tussen flow en intentie tot online aankopen. . Hypothese 3b : OSL modereert het verband tussen flow en Willingness To Buy. Bij respondenten met een hoge OSL is er een sterker verband tussen flow en Willingness To Buy.
Hypothese 4a : Enduring Product Involvement modereert het verband tussen flow en intentie tot online aankopen. Bij respondenten met een hoge Enduring Product Involvement is er een sterker verband tussen flow en intentie tot online aankopen.
Hypothese 4b : Enduring Product Involvement modereert het verband tussen flow en Willingness to Buy. Bij respondenten met een hoge Enduring Product Involvement is er een sterker verband tussen flow en Willingness To Buy.
24
4. Methode 4.1. Inleiding Op basis van onze onderzoeksvraag hebben we een gericht literatuuronderzoek uitgevoerd. Op basis van deze bevindingen stelden we een aantal hypotheses op. In dit onderdeel zullen we weergeven hoe we deze hypotheses zijn gaan toetsen in de empirie. We zullen in dit onderdeel ook nog even herhalen wat onze precieze onderzoeksvraag is. Hierbij geven we ons conceptueel model weer. We zullen ook de gebruikte onderzoeksmethode verantwoorden. We bespreken waarom deze onderzoeksmethode relevant is voor onze specifieke onderzoeksvraag, en hoe andere onderzoekers met gelijkaardige onderzoeksvragen hiermee zijn omgegaan. We bespreken ook de voor- en nadelen van deze specifieke methode, geven weer in welke omstandigheden ons onderzoek is uitgevoerd en wat de voorwaarden waren tot deelname aan het onderzoek. We verantwoorden de keuze van de website die gebruikt werd als basis voor het testen van onze hypothesen. We geven ook de onderzoeksperiode weer. Tenslotte zullen we ook een grondige bespreking doen van de vragenlijst waarmee we onze hypotheses wilde testen bij de respondenten. We geven weer hoe we de concepten uit ons conceptueel model geoperationaliseerd hebben, waarom we telkens voor welbepaalde schalen gekozen hebben en wat de exacte vraagstellingen waren bij elke schaal. Tenslotte zullen we de vragenlijst chronologisch overlopen, en alle vragen verantwoorden. Tenslotte zullen we onze populatie en onze steekproefmethode beschrijven.
25
4.2. Onderzoeksvraag Het doel van dit onderzoek is nagaan of mensen flow kunnen ervaren bij het bezoeken van een e-commerce website, en of deze flow ervaring van invloed zou kunnen zijn op hun intenties om een aankoop te doen op die specifieke website. Hierbij willen we ook de rol van individuele factoren onderzoeken. We stelden de volgende onderzoeksvraag op : is er een verband tussen flow en online aankoopintenties, en wat is de modererende rol hierbij van individuele factoren? Naar aanleiding van ons literatuuronderzoek kwamen we tot de opstelling van een aantal hypotheses (supra : “overzicht van de hypothesen”). Op basis hiervan stellen we een conceptueel model op, waarmee we dan uiteindelijk onze hypotheses kunnen testen in de empirie.
26
4.3. Onderzoeksopzet 4.3.1. Een kwantitatieve online survey In dit onderdeel willen we graag de keuze voor onze onderzoeksmethode toelichten. We kozen ervoor om op basis van een kwantitatieve online survey met gesloten vragen onze concepten via zorgvuldig uitgekozen schalen te meten. We stuurden de survey via internet door naar onze respondenten. Via een link in de survey werden de respondenten gevraagd om naar de e-commerce website Bol.com te surfen. Na ongeveer 10 minuten keerden ze terug naar de survey om de rest van de vragenlijst in te vullen. Geen enkele variabele werd gemanipuleerd. Alle respondenten werden naar dezelfde website doorgestuurd, en kregen dezelfde vragenlijst. Er zijn een aantal redenen waarom we gekozen hebben om het concept “flow” te onderzoeken via de methode van een online kwantitatieve survey . In eerste instantie leek het ons omwille van tijd en geld onmogelijk om voldoende respondenten te vinden die bereid zouden zijn te willen deelnemen aan ons onderzoek in een gecontroleerde setting van een echt onderzoekslabo. In tweede instantie noopte de onderzoeksvraag ons ertoe om een online survey te gebruiken. Om er zeker te van te zijn dat de respondenten ook daadwerkelijk naar de website zouden surfen, was het noodzakelijk dat ze beschikten over een internetverbinding. In derde instantie stelden we op basis van de literatuur vast dat onderzoekers die gelijkaardige onderzoeksvragen hadden, deze methode succesvol toepasten in hun onderzoek. Hoffman & Novak waren de eersten die onderzoek deden naar flow in online omgevingen (1996). In één van hun eerste onderzoeken waarin ze hun conceptueel model omtrent het ervaren van flow in online omgevingen gingen testen, maakten ze ook gebruik van kwantitatieve surveys met gesloten vragen die ze online verspreidden (Hoffman & Novak 1998 ; Hoffman & Novak 2000). Andere onderzoekers die specifiek onderzoek deden naar ervaringen van flow bij het browsen op e-commerce websites, werkten eveneens met online kwantitatieve surveys op basis van gesloten vragen. Dit deden ze in combinatie met het doorsturen van respondenten naar een e-commerce website met als bedoeling flow op te wekken (Lee & Chen, 2010 ; Guo & Poole, 2008 ; Korzaan, 2003 ; Hsu, Chang & Chen, 2011 ; Skadberg & Kimmel, 2004 ; Sicilia & Ruiz, 2007). De onderzoekers werkten met bestaande commerciële websites. In het onderzoek van Skadberg & Kimmel (2004) werden e-mails verstuurd die zowel een link naar de survey bevatte, als een link naar de website. Aan de respondenten werd de instructie gegeven om gedurende een bepaalde tijd naar de website te surfen , om nadien de online vragenlijst in te vullen. Daar al deze onderzoekers deze methode met succes toepasten, zijn we er van overtuigd dat dit een betrouwbare en bruikbare methode vormt voor ons onderzoek.
27
Er zijn een aantal algemene voordelen verbonden aan online surveys in vergelijking met traditionele face-to-face surveys. Billiet en Carton (2003, pp.291-292) geven er een aantal van weer. De volgorde van de vragen en de doorverwijzingen gebeuren via een computer waardoor menselijke vergissing voor volgorde van de vragen kunnen uitgeschakeld worden. De gegevens kunnen gemakkelijk gecontroleerd worden via interne geldigheidscontroles. Men vermindert ook toevallige codeerfouten en gegevens zijn onmiddellijk beschikbaar. Er kan een gevoel van verhoogde privacy ontstaan in vergelijking met de face-to-face survey, omdat men zich anoniem achter een computer bevindt. De online survey is gestandaardiseerd, en er zijn geen interviewer-effecten mogelijk. 4.3.2. De e-commerce website “Bol.com” Om flow te kunnen opwekken hebben we de deelnemers uit dit onderzoek laten browsen op de e-commerce website “Bol.com”. Het webadres van deze webshop is tevens ook de naam van het bedrijf. Er zijn verschillende redenen waarom we deze website hebben uitgekozen voor ons onderzoek. Eerst en vooral is Bol.com de grootste webwinkel van België. Bij hun intrede op de Belgische markt in 2011 voerden ze een grootschalige mediacampagne. Ook nu lanceren ze op geregelde tijdstippen reclamecampagnes op radio, televisie en internet. Hierdoor is de kans dus reëel dat de respondenten al in contact waren gekomen met deze ecommerce website , wat de respons voor dit onderzoek mogelijk zou kunnen verhogen. Ten tweede is de voertaal op deze website Nederlands. We gingen ervan uit dat het grootste aandeel van onze respondenten Nederlands als moedertaal zou hebben. Het feit dat deze website opgesteld is in de moedertaal van vele respondenten, vergemakkelijkt mogelijk de interacties met de website . Ten derde blijkt dat deze e-commerce website als vrij betrouwbaar wordt bestempeld. Bol.com werd al vaak beloond met awards uitgereikt door vakjury’s en consumenten. Hiervan is de Nederlandse “Thuiswinkel Award” één van de belangrijkste. Ten vierde is het productengamma die door deze website aangeboden wordt zeer uitgebreid. Bol.com biedt 5,5 miljoen artikelen aan. Dit optimaliseerde de kans dat elke respondent een artikel zou vinden waarin hij geïnteresseerd zou kunnen zijn. Bol.com biedt onder meer boeken, muziek, dvd’s, games, notebooks, software, elektronica, mobiele telefonie, lcd- en plasmatelevisies, elektronische huishoudelijke artikelen, speelgoedartikelen, e-readers ,e-books en een fotoalbumservice aan (2012, Bol.com). 4.3.3. Procedure Respondenten kregen een link aangereikt die leidde naar onze online survey. Op de introductiepagina kregen respondenten te lezen dat het onderzoek gevoerd werd in het kader van een afstudeerscriptie aan de Universiteit Gent. We meldden dat dit onderzoek objectieve
28
gegevens wilde verzamelen in het kader van wetenschappelijk onderzoek. Er werd vermeld dat de verzamelde gegevens uit dit onderzoek niet beschikbaar zouden worden gesteld aan het bedrijf Bol.com. Op die manier wilden we het vertrouwen van de respondent vergroten. We bevroegen de respondenten eerst omtrent hun niveau van OSL om er zeker van te zijn dat de metingen niet zouden kunnen beïnvloed worden door een eventuele flow ervaring. Vervolgens werd aan respondenten de instructie gegeven om ten minste tien minuten te surfen naar de website “bol.com”, en om nadien zeker niet te vergeten de rest van de vragenlijst in te vullen. Er werd gevraagd om te surfen in een rustige ruimte waar de respondent niet kon afgeleid worden. Beide maatregelen werden genomen met het oog op een maximale kans om flow te creëren. We vroegen de respondenten om rustig rond te surfen op de website, en om een product uit te zoeken waarin ze geïnteresseerd waren. We moedigden hen ook aan om verschillende producten te vergelijken en te klikken op producten of links die hen leuk leken. We wilden hiermee een setting creëren waarbij respondenten zich zouden gedragen als een echte shopper. We gingen ervan uit dat we een intrinsieke interesse zouden kunnen teweeg brengen via de mededeling om een product uit te kiezen waarin ze geïnteresseerd waren. De kans om flow op te wekken wordt op die manier niet alleen groter, de duur van het bezoek aan de website wordt ook in belangrijke mate verlengd. We vermeldden ook duidelijk aan de respondenten dat ze na het beëindigen van de surfsessie zo snel mogelijk diende terug te keren naar de vragenlijst. Het was namelijk van groot belang dat de tijd tussen het beëindigen van de surfsessie en het invullen van de andere items zo kort mogelijk was. We wilden namelijk geen vergeeteffecten veroorzaken. 4.3.4. Onderzoeksperiode De vragenlijst stond online gedurende de periode eind mei - midden juli 2012. 4.3.5. Pretest van de vragenlijst Vooraleer we de vragenlijst definitief online verspreidden, deden we bij een paar personen een pretest om te bekijken of er problemen zouden opduiken met betrekking tot de vragenlijst. Meer specifiek vroegen we na afloop aan de respondent of alle vragen duidelijk en ondubbelzinnig waren, en of ze akkoord gingen met de volgorde van de vragen. We stelden vast dat er met betrekking tot de vragenlijst geen problemen waren. 4.3.6. Opstelling van de vragenlijst We zullen kort overlopen welke schalen we gebruikt hebben om onze concepten te meten. We geven telkens aan waarom we specifiek voor een bepaalde meetschaal hebben gekozen, en we vermelden ook de specifieke items van de schaal. Om de item non respons te verkleinen,
29
zorgden we ervoor dat respondenten niet over konden gaan naar de volgende vraag indien ze de vorige vraag niet hadden ingevuld.
Optimum Stimulation Level
Voor ze de surfsessie startten, lieten we de respondenten eerst de vragen met betrekking tot het persoonlijkheidskenmerk OSL invullen. Hiermee wilden we vermijden dat deze vraag beïnvloedt zou worden door een mogelijke staat van flow. De schaal die we gebruiken om OSL te meten is afkomstig van Steenkamp & Baumgartner (1995). Het is een verkorte versie van de Change Seeker Index (CSI) van Garlington & Shimota uit 1964, die 95 items bevat. De verkorte versie van Steenkamp & Baumgartner bestaat uit 7 items. We vroegen aan de respondenten om telkens aan te duiden in welke mate ze akkoord gingen met de stellingen. Dit gebeurde aan de hand van een 7-punts Likertschaal (1 = helemaal niet akkoord en 7 = helemaal akkoord). De schaal bestond uit de volgende vragen :
Ik geef voorkeur aan het proberen van nieuwe dingen, in plaats van altijd dezelfde dingen te doen.
In mijn dagdagelijkse bezigheden hou ik van nieuwigheden en verandering.
Ik hou van een job die verandering, variëteit en reizen met zich meebrengt, zelfs als hierbij gevaar komt kijken.
Ik ben constant op zoek naar nieuwe ideeën en ervaringen.
Ik hou van voortdurende veranderende activiteiten.
Wanneer ik me verveel, ga ik op zoek naar nieuwe en onbekende dingen.
Ik verkies een onvoorspelbaar leven vol met veranderingen boven een routineuze manier van leven.
Vervolgens werden de respondenten via een link doorgestuurd naar de website “bol.com” . We vroegen ze om ten minste 10 minuten te surfen. De procedure met betrekking tot de surfsessie werd reeds toegelicht in 4.3.3.
30
Flow
Het was de bedoeling om zo snel mogelijk na de interactie met de website de staat van flow te meten. De flow-schaal die we gehanteerd hebben is deze van Webster et al (1993). In zijn onderzoek bedroeg de Cronbach’s alfa 0,82. Er zijn meerdere redenen voor het gebruik van deze schaal. Zoals eerder aangehaald zijn Hoffman & Novak (1998) de eerste onderzoekers die flow onderzochten in een online omgeving. De schaal die ze hiervoor gebruikten was een unidimensionele schaal. In hun onderzoek bevroegen ze via een simpele ja/neen vraag of de respondenten flow hadden ervaren. De reden voor het gebruik van een unidimensionele schaal ligt hoogstwaarschijnlijk in het feit dat Hoffman & Novak (1998) hypotheses maakten over de antecedenten van flow.
In ons onderzoek doen we geen uitspraken over specifieke
antecedenten van flow. Dat is de reden waarom we de schaal van deze belangrijke auteurs niet hanteren. Bovendien raden onderzoekers aan om gebruik te maken van multidimensionle flow-schalen (Finneran & Zhang, 2005). De schaal van Webster is een multidimensionele schaal die vrij veel gebruikt wordt in andere onderzoeken. Een extra reden voor het gebruik van de schaal van Webster et. al (1993) was het onderzoek van Nel et al. (1999). In dat onderzoek ging men verschillende websites testen op hun capaciteit om flow te triggeren. In dat onderzoek bleek deze schaal betrouwbaar. De schaal bestaat uit 4 dimensies en 11 items. De 4 dimensies zijn control, attention focus, curiosity, en intrinsic interest. Item 1 en 2 meten control. Item 3, 4 en 5 meten attention focus. Item 6, 7 en 8 meten curiosity. Item 9, 10 en 11 meten intrinsic interest. We vroegen aan de respondenten om aan te geven in welke mate ze akkoord gingen met de stellingen. Dit gebeurde aan de hand van een 7 punts Likert schaal (1= helemaal niet akkoord, 7 = helemaal akkoord). We geven de precieze stellingen weer :
31
Tijdens mijn surfsessie op deze website, voelde het voor mij aan alsof ik controle had.
Ik voelde aan dat ik controle had over de interacties met deze website.
Tijdens mijn surfsessie op deze website, dacht ik totaal niet aan andere dingen.
Tijdens mijn surfsessie op deze website, was ik mij absoluut niet bewust van zaken die me mogelijk konden afleiden.
Mijn surfsessie op deze website voelde aan als een activiteit waar ik volledig in opging.
Het surfen op deze website prikkelde mijn nieuwsgierigheid.
Door de interacties die ik had met deze website, voelde ik me nieuwsgierig.
Het surfen op deze website wekte mijn verbeelding op.
Surfen op deze website verveelde me totaal niet.
Surfen op deze website voelde aan als intrinsiek interessant.
Surfen op deze website was leuk.
Intentie tot aankopen
De schaal waarmee we de aankoopintentie wilden onderzoeken is van Hyunjoo & Huang (2011) en bestaat uit 4 items. De schaal werd gebruikt bij hun onderzoek naar flow ervaringen bij het gebruik van websites. Hyunjoo & Huang (2011) geven aan dat de interne betrouwbaarheid voor deze schaal hoog is. De Cronbach’s alfa bedraagt 0,94 . We vroegen aan de respondenten om aan te duiden in welke mate ze akkoord gingen met de stellingen. Dit gebeurde aan de hand van een 7 punts Likert schaal (1= helemaal niet akkoord, 7 = helemaal akkoord).
Vermoedelijk koop ik producten op deze website.
Aan de gegeven prijzen, zou ik het overwegen om producten te kopen op deze website.
Het is waarschijnlijk dat ik zou overwegen om producten te kopen op deze website.
Ik ben bereid om producten te kopen op deze website.
Willingness To Buy
Deze schaal komt uit een onderzoek van Baker, Level & Grewal (1992, p. 453).
32
De schaal meet de mate waarin de respondenten bereid zijn om de winkel aan te raden bij familie en vrienden, de mate waarin men van plan is om geschenken te kopen voor anderen, en de mate waarin men producten wil kopen. We vroegen aan de respondenten om aan te geven in welke mate ze akkoord gingen met de stellingen. De antwoorden werden gemeten via een 7 punts Likert schaal (1= helemaal niet akkoord, 7 = helemaal akkoord).
Het is zeer waarschijnlijk dat ik producten koop op deze website.
Ik ben bereid om cadeaus te kopen op deze website.
Ik ben bereid om deze winkel aan te bevelen aan anderen.
Enduring Product Involvement We gaven aan onze respondenten de instructie om tijdens de surfsessie op zoek te gaan naar een product waarin men geïnteresseerd was (cf : 4.3.3. Procedure). Om te kunnen achterhalen wat het algemene belang is van dit product in het leven van de respondent, maakten we gebruik van de schaal van Zaichokowsky (1994). We deelden mee aan de respondenten dat het belangrijk was om goed na te denken over wat het algemene belang van het product in hun leven is. Door de nadruk te leggen op algemene omstandigheden, hoopten we te vermijden dat de antwoorden op deze vraag zouden kunnen beïnvloed worden door het bezoek aan de website. We deden dit aan de hand van de volgende vraag : “Vul verder aan : “Dit soort product is voor mezelf in het algemeen….”. De antwoorden werden gemeten aan de hand van een 7 punts Likertschaal ( 1= helemaal niet akkoord, 7 = helemaal akkoord).
Belangrijk
Relevant
Van grote betekenis
Waardevol
Interessant
Opwindend
Aantrekkelijk
Fascinerend
Gewild
Ik voel betrokkenheid bij dit product
33
Online purchase frequency
Om na te gaan in welke mate onze respondenten ervaring hadden met internet en online winkelen, werden de volgende vragen gesteld. Hoelang bent u al actief op het internet?
Ik maak anders nooit gebruik van internet
Minder dan 2 jaar
Tussen de 2 en 5 jaar
Tussen de 5 en 7 jaar
Tussen 7 en 9 jaar
Tussen 9 en 11 jaar
Langer dan 11 jaar
Hoeveel uur per week maakt u gebruik van internet?
Minder dan 5 uur per week
Ten minste 5 uur per week
Heeft u ooit al iets aangekocht via een webshop? Nee Ja (De onderstaande vragen mochten enkel ingevuld worden door respondenten die op de vorige vraag “ja” hadden geantwoord) Hoe vaak koopt u producten via internet?
Dagelijks
Wekelijks / in een periode van een paar weken
Maandelijks / in een periode van een paar maanden
Jaarlijks
Welke van de volgende producten koopt u het vaakst via internet?
Kledij
Literatuur / boeken / magazines
Vakanties
Tickets voor evenementen
Audiovisuele producten (films, cd’s, dvd’s…)
34
Huishoudelijke apparaten
Software / games
financiële diensten / verzekeringen
Hardware / computers / printers
Voedsel
Cosmetica
Andere
Hoeveel geeft u gemiddeld uit bij online aankopen? Druk het bedrag uit in €. Gelieve af te ronden. Demografische vragen Tot slot stelden we nog een aantal demografische vragen. Wat is uw geslacht?
Man vrouw
In welk jaar bent u geboren? Wat is uw burgerlijke stand :
Alleenstaand Getrouwd Gescheiden Samenwonend Weduwe(naar)
Wat is uw hoogste diploma?
Wat is uw beroep?
Geen diploma Lager onderwijs middelbaar onderwijs Hoger onderwijs Universitair onderwijs Andere
Student Werkzoekende Arbeider Bediende
35
Zelfstandige Vrij beroep
Na afloop bedankten we de respondenten van harte voor hun deelname aan het onderzoek. Door de respondenten te bedanken voor hun tijd en moeite, wilden we de ervaring van de respondenten met betrekking tot wetenschappelijk onderzoek op een positieve manier beïnvloeden.
4.3.7. Steekproef Onderzoekspopulatie
We bepalen onze onderzoekspopulatie vrij ruim. De respondenten moesten allen Belgen zijn tussen 13 en 74 jaar oud. Deelname aan dit onderzoek was enkel mogelijk indien men beschikte over internet.
Steekproefmethode en omvang van de steekproef
Omwille van beperkingen in tijd en geld was het niet mogelijk om een enkelvoudige aselecte steekproef te trekken. Daarom werd er gebruik gemaakt van een gelegenheidssteekproef. We stuurden een e-mail naar vrienden, familie en kennissen met daarin de link naar onze survey. We moedigden andere mensen aan om de link ook door te sturen naar vrienden en familie. We postten de link ook op Facebook, een paar internetfora, en tenslotte ook op het online studentenplatform Minerva. We wilden op zijn minst 120 respondenten bereiken om nadien zinvolle analyses te kunnen uitvoeren.
36
5. Resultaten De analyses van ons onderzoek zullen gebeuren met behulp van
het statistische
dataverwerkingsprogramma SPSS.
5.1. Beschrijving onderzoekssample Voor we van start gingen met de analyses van onze resultaten, voerden we een grondige datacleaning uit. In totaal namen er 142 respondenten deel aan ons onderzoek.
Onze
onderzoekssample bestond voor 35, 2 % uit mannen en voor 64, 8% uit vrouwen. Onze sample bestond voornamelijk uit zelfstandigen (19 %) , bedienden (16, 9 %), en arbeiders (16,9 %) (infra : Bijlage 1 : “Beschrijving onderzoekssample” ). 5.1.1. Ervaring met internet Het overgrote deel van onze respondenten had veel ervaring met internet. 19 % van onze onderzoekssample had meer dan 11 jaar ervaring met internet. Onze respondenten maakten ook op regelmatige basis gebruik van internet. Het grootste deel (54, 2 %) van onze respondenten maken gemiddeld meer dan 5 u per week gebruik van internet (infra : Bijlage 1 : “Beschrijving onderzoekssample”). 5.1.2. Ervaring met online winkelen 50, 7 % van onze respondenten had nog nooit online gewinkeld. Om uitspraken te kunnen doen over de volgende vragen, negeerden we de respondenten die “nee” hadden geantwoord op de vraag “Hoe vaak koopt u producten aan via internet?” Dit deden we aan de hand van “select cases”. Van de respondenten die al een eerste ervaring hadden met online winkelen (N=70) doet het grootste deel (37 %) ten minste 1 keer per jaar een aankoop via internet. Respondenten kochten via deze weg vooral literatuur/boeken/magazines(14,3%), tickets voor evenementen (12,9%), en audiovisuele producten (12,9%) (infra : Bijlage 1 : “Beschrijving onderzoekssample”).
37
5.2. Interne betrouwbaarheid van de meetschalen Vooraleer we onze hypotheses kunnen testen, gaan we eerst de interne betrouwbaarheid van onze meetschalen na. De interne betrouwbaarheid van een schaal wordt gemeten aan de hand van de Cronbach’s alfa waarde. Om van een intern betrouwbare schaal te kunnen spreken, moet de Cronbach’s alfa groter zijn dan 0,70. 5.2.1. Optimum Stimulation Level De verkorte versie van de Change Seeker Index (CSI) van Steenkamp & Baumgartner (1995) bestaat uit 7 items :
Ik geef voorkeur aan het proberen van nieuwe dingen, in plaats van altijd dezelfde dingen te doen.
In mijn dagdagelijkse bezigheden hou ik van nieuwigheden en verandering.
Ik hou van een job die verandering, variëteit en reizen met zich meebrengt, zelfs als hierbij gevaar komt kijken.
Ik ben constant op zoek naar nieuwe ideeën en ervaringen.
Ik hou van voortdurend veranderende activiteiten.
Wanneer ik me verveel, ga ik op zoek naar nieuwe en onbekende dingen.
Ik verkies een onvoorspelbaar leven vol met veranderingen boven een routineuze manier van leven.
De Cronbach’s alfa bedraagt 0,976. De interne betrouwbaarheid van deze schaal is zeer groot. (Infra : Bijlage 2 : interne betrouwbaarheid van de schalen). 5.2.2. Flow De schaal waarmee we flow meten, is van Webster et al (1993) en bestaat uit 11 items
Tijdens mijn surfsessie op deze website, voelde het voor mij aan alsof ik controle had.
Ik voelde aan dat ik controle had over de interacties met deze website.
Tijdens mijn surfsessie op deze website, dacht ik totaal niet aan andere dingen.
Tijdens mijn surfsessie op deze website, was ik mij absoluut niet bewust van zaken die me mogelijk konden afleiden.
Mijn surfsessie op deze website voelde aan als een activiteit waar ik volledig in opging.
Het surfen op deze website prikkelde mijn nieuwsgierigheid.
38
Door de interacties die ik had met deze website, voelde ik me nieuwsgierig.
Het surfen op deze website wekte mijn verbeelding op.
Surfen op deze website verveelde me totaal niet.
Surfen op deze website voelde aan als intrinsiek interessant.
Surfen op deze website was leuk.
De Cronbach’s alfa bedraagt 0,975. De interne betrouwbaarheid van deze schaal is zeer groot (Infra : Bijlage 2 : interne betrouwbaarheid van de schalen). 5.2.3. Intentie tot online kopen De schaal waarmee we de aankoopintentie meten,
is van Hyunjoo & Huang (2011) en
bestaat uit 4 items :
Vermoedelijk koop ik producten op deze website.
Aan de gegeven prijzen, zou ik het overwegen om producten te kopen op deze website.
Het is waarschijnlijk dat ik zou overwegen om producten te kopen op deze website.
Ik ben bereid om producten te kopen op deze website.
De Cronbach’s alfa van deze schaal bedraagt 0,962. Deze schaal is intern betrouwbaar. (Infra : Bijlage 2 : “interne betrouwbaarheid van de schalen”).
39
5.2.4. Willingness To Buy De schaal waarmee we Willingness To Buy meten, is van Baker, Level & Grewal (1992). De schaal bestaat uit 3 items :
Het is zeer waarschijnlijk dat ik producten koop op deze website.
Ik ben bereid om cadeaus te kopen op deze website.
Ik ben bereid om deze winkel aan te bevelen aan anderen.
De Cronbach’s alfa van deze schaal bedraagt 0,956. De schaal is intern betrouwbaar (Infra : Bijlage 2 : “interne betrouwbaarheid van de schalen”). 5.2.5. Enduring Product Involvement De schaal waarmee we Enduring Product Involvement willen meten, is van Zaichokowsky (1994). De schaal bestaat uit 10 items.
Belangrijk
Relevant
Van grote betekenis
Waardevol
Interessant
Opwindend
Aantrekkelijk
Fascinerend
Gewild
Ik voel betrokkenheid bij dit product
De Cronbach’s alfa van deze schaal bedraagt 0,984. De interne betrouwbaarheid van deze schaal is groot (Infra : Bijlage 2 : “interne betrouwbaarheid van de schalen”).
40
5.3. Resultaat hypothese 1 Hypothese 1 : Er is een positief verband tussen flow en intentie tot online aankopen. We willen deze hypothese testen aan de hand van de Pearson correlatiecoëfficiënt. Correlations Flow Flow
Pearson Correlation
Purch.Intent 1
,821
Sig. (2-tailed)
,000
N Purch.Intent
**
Pearson Correlation
142
142
**
1
,821
Sig. (2-tailed)
,000
N
142
142
**. Correlation is significant at the 0.01 level (2-tailed). Tabel 2 : Pearson correlatiecoëfficiënt hypothese 1
De correlatiecoëfficiënt bedraagt r= 0,821. Deze correlatie is significant, want sig.<0,01. Dit is een hoge correlatie. Besluit : er is een sterk positief significant verband tussen flow en intentie tot online aankopen
5.4. Resultaat hypothese 2 Hypothese 2 : Er is een positief verband tussen flow en Willingness to Buy. Om deze hypothese te testen, zullen we eveneens gebruik maken van de Pearson correlatiecoëfficiënt. Correlations Flow Flow
Pearson Correlation
WTB 1
Sig. (2-tailed) N WTB
Pearson Correlation
,809
**
,000 142
142
**
1
,809
Sig. (2-tailed)
,000
N
142
142
**. Correlation is significant at the 0.01 level (2-tailed). Tabel 3 : Pearson correlatiecoëfficiënt hypothese 2
41
De correlatiecoëfficiënt bedraagt r=0,809. De correlatie is significant op het 0,01-niveau. Dit is een hoge correlatie. We besluiten dat er een sterk significant positief verband is tussen flow en Willingness To Buy. We hebben evidentie gevonden voor hypothese 2.
5.5. Resultaat hypothese 3a Hypothese 3a : OSL modereert het verband tussen flow en intentie tot online aankopen. Bij respondenten met een hoge OSL is er een sterker verband tussen flow en intentie tot online aankopen. Om deze hypothese te testen, zullen we de variabele OSL opsplitsen in twee groepen. Zo krijgen we respondenten met een lage OSL, en respondenten met een hoge OSL. Dit doen we op basis van de mediaan. Ook flow splitsen we op in een lage en hoge groep op basis van zijn mediaan. Om de moderatie na te gaan, zullen we een variatieanalyse uitvoeren. Er werd een significant interactie-effect vastgesteld van OSL en flow op intentie tot online aankopen (F(1)= 581,551, p=0,000). Als we kijken naar de grafiek van de groepsgemiddelden, zien we dat het verband tussen flow en online aankoopintentie sterker is voor mensen met lage OSL. Via de Independent Samples Test kijken we naar de groepsgemiddelden voor zowel mensen met hoge OSL, als voor mensen met lage OSL. Voor de groep respondenten met lage OSL, zien we dat de gemiddelde waarden van aankoopintentie bij een lage staat van flow (M =3.5 , SD = 0,265) , significant verschilt met de respondenten die in een hoge staat van flow waren (M= 6.50 , SD = 0,1981), t (65,69)= -53, 48 , p =. 00 . Voor de mensen in de hoge OSL groep, zien we dat de gemiddelde waarde van aankoopintentie bij een lage staat van flow (M = 5.05, SD=0,03) significant verschilt met de gemiddelde waarde voor een hoge staat van flow (M =6 ,4744, SD= .19697), t(47,34) = -15,83 p= .00. We zien in de groep van de lage OSL, dat de groepgemiddelden sterker uiteenliggen. In de groep van de hoge OSL, liggen de groepsgemiddelden sterker tegen elkaar aan. We besluiten hieruit dat het verband tussen flow en purchase intent sterker is voor mensen met een lage OSL. We vinden geen evidentie voor onze hypothese, omdat de vorm van de interactie die we voorspelden, niet kon vastgesteld worden in onze resultaten. (cfr. : infra Bijlage 3: “Resultaten hypothese 3a en 3b” ).
42
5.6. Resultaat hypothese 3b Hypothese 3b : OSL modereert het verband tussen flow en Willingness To Buy. Bij respondenten met een hoge OSL is er een sterker verband tussen flow en Willingness To Buy.
Om deze hypothese te testen, kunnen we onze gesplitste variabelen behouden . Om hier de moderatie na te gaan, zullen we een variantie-analyse uitvoeren. Uit deze variantie-analyse kunnen we opmaken dat er een significant interactie-effect is tussen flow en OSL op Willingness to Buy (F(1)=409,110, p = 0,00) Als we kijken naar de grafische voorstelling met de groepsgemiddelden, zien we dat er een sterker verband is tussen OSL en WTB voor mensen met een lage OSL. Deze bevindingen spreken onze hypothese tegen. We voeren een Independent Sample T-Test uit, op basis van een split file van onze data. We splitten de data in twee groepen. Een groep met lage OSL, en een groep met hoge OSL. We zien dat voor de lage groep met OSL, de gemiddelde waarde voor de score op Willingness To Buy, voor mensen in een lage flow (M=3.46, SD=0,317), vergeleken met mensen in een hoge flow (M=6.6, SD=0,30), significant verschilde: t(60,09)= -41,485, p=.00. Voor mensen met een hoge OSL, verschilden de gemiddelden van de scores op de afhankelijke variabele Willingness To Buy, ook significant tussen mensen in een lage flow (M=5.55 , SD= 0,319) , en een hoge flow (M=6,529 , SD =0,303) , t(60,80)= -12,835 , p=.000 We zien ook hier dat voor mensen uit de lage OSL groep, de gemiddelden voor WTB, bij hoge en lage flowscores, verder uit elkaar liggen. In vergelijking met de hoge OSL groep : de gemiddelden voor de score op WTB , tussen mensen in hoge en lage flow, verschillen minder sterk ten opzichte van elkaar. Dit doet ons dus besluiten, tezamen met de grafiek, dat er een sterker verband is tussen flow en Willingness To Buy, voor mensen met een lage OSL. We vonden dus geen evidentie voor onze hypothese dat het verband tussen flow en WTB sterker zou zijn voor hoge OSL’ers (infra : Bijlage 3: “Resultaten Hypothese 3a & 3b ”).
43
5.7. Resultaat hypothese 4a Hypothese 4a : Enduring Product Involvement modereert het verband tussen flow en intentie tot online aankopen. Bij respondenten met een hoge Enduring Product Involvement is er een sterker verband tussen flow en intentie tot online aankopen.
Om de modererende rol van product involvement te testen, moeten we de variabele gaan opsplitsen in twee groepen. Nadien kunnen we starten met de variantieanalyse. Er is een significant interactie effect tussen flow en Enduring Product Involvement, op intentie tot online aankopen. F(1)= 584,524 , p=.00 Dit significante effect levert geen evidentie voor onze hypothese. We moeten ingaan op de vorm van de interactie om te weten te komen of onze hypothese klopt. Aan de hand van de grafiek van de groepsgemiddelden, kunnen we vaststellen dat het verband tussen flow en online aan koopintentie sterker is bij mensen met een lage Enduring Product Involvement. Met de Independent Sample T-Test kunnen we nagaan of de groepsgemiddelden op de grafiek significant van elkaar verschillen. We doen hiervoor een splitfile op Enduring Product Involvement. We delen onze datacase op in twee groepen. Vervolgens zullen we een t-test uitvoeren. Voor de respondenten die een lage Enduring Product Involvement hadden, verschilden de respondenten die laag scoorden op flow (M=3.5 , SD= 0.266), significant van de respondenten die een hoge flow-score hadden (M=6.5, SD = 0,19), met betrekking tot hun gemiddelde score op de afhankelijke variabele intentie tot online aankopen . t(66,984)= 51,728 , p= 0,00. In de groep die een hoge score had op product involvement,verschilden de mensen die laag in flow waren (M=5.5, SD=0.3) significant van de mensen die hoog in flow (M=6.47, SD=0.2) waren, met betrekking tot hun gemiddelde op de schaal intentie tot online aankopen. t(48,099)= -15,271, p=0.00 We vinden wel een significant interactie-effect, maar we vinden niet genoeg evidentie om onze hypothese met betrekking tot de interactievorm te bevestigen (infra : Bijlage 4 : “Resultaten hypothese 4a en 4b”)
44
5.8. Resultaat hypothese 4b Hypothese 4b : Enduring Product Involvement modereert het verband tussen flow en Willingness to Buy. Bij respondenten met een hoge Enduring Product Involvement is er een sterker verband tussen flow en Willingness To Buy.
We behouden de splitvariabele van product involvement.
We stellen vast dat er een
significant interactie-effect is tussen Enduring Product Involvement en flow op Willingness To Buy (F(1) = 404,485, p=0.00) Onze hypothese stelt een bepaalde vorm van
interactie voorop.
Die willen we nu
onderzoeken. Als we de grafiek van de groepsgemiddelden bekijken, merken we dat er bij de groep van lage OSL een sterker verband is tussen flow en intentie tot aankopen. Dit stellen we vast door het feit dat deze lijn iets steiler verloopt in vergelijking met de lijn voor hoge OSL. We voeren een Independent Samples T-test uit. We merken op dat in de groep respondenten die een product uitkozen waarmee ze een lage Enduring Product Involvement hadden, de respondenten met een lage flow ervaring (M= 3.45 , SD = 0.32) significant verschillen met betrekking tot het gemiddelde van hun score op de afhankelijke variabele Willingness To Buy, in vergelijking met de respondenten uit die groep met een hoge flow ervaring (M=6.60 , S = 0.30) , t(62,34)= -41,82 p=.01 Voor wat betreft de respondenten met een hoge Enduring Involvement, stelden we vast dat de mensen die weinig flow ervaren hadden (M=5.55, SD = 0.32) , significant verschilden van de mensen die veel flow ervaren hadden (M=6.535, SD = 0.03), met betrekking tot hun gemiddelde score op de Willingness To Buy schaal, t(61,031) = -12,7, p=0.01 We stellen vast dat in de groep met lage Enduring Involvement, de gemiddelden met betrekking tot de score op de afhankelijke variabele onderling veel sterker verschillen, in vergelijking met de groep van de hoge Enduring Involvement. In deze laatste groep verschillen de gemiddelden op de afhankelijke variabele, tussen de lage en hoge flow scores, veel minder sterk. We besluiten dat bij een lage Enduring Involvement, het verband tussen flow en Willingness To Buy sterker is. We kunnen geen ondersteunde resultaten vinden voor onze hypothese.
45
6. Discussie en conclusie Dit onderzoek had tot doel om de impact van flow in online omgevingen te onderzoeken. Meer specifiek wilden we nagaan wat het verband is tussen flow en aankoopintenties, en wat de modererende rol hierbij is van individuele factoren. Uit ons literatuuronderzoek konden we opmerken dat flow vaak uiteenlopende operationalisaties kent, en dat flow op een breed terrein van onderzoeksdomeinen is behandeld. Sinds midden jaren ’90 werd flow onderzocht met betrekking tot internet. Ook hier zijn er studies op verschillende gebieden. De focus in ons onderzoek lag echter op flow in een commerciële online omgeving. Uit verschillende onderzoeken blijkt dat mensen door interacties met internet, flow kunnen ervaren (Korzaan, 2003 ; Koufaris 2002). Om uiteenlopende redenen verwachtten we een positief verband tussen flow en de mate waarin men de intentie had om een product aan te kopen. Voor deze hypothese vonden we een sterk positief significant verband. We verwachtten ook dat een staat van flow met zich zou meebrengen dat men de webshop zou aanbevelen bij anderen. Ook voor dit verband vonden we een significant resultaat. We vonden een zeer hoge correlatie. Het positieve verband tussen flow en intentie tot online aankopen ligt in de lijn van het onderzoek van Korzaan (2003) Luna, Peracchio & de Juan (2003), en Guo & Poole (2008). We verwachtten dat het persoonlijkheidskenmerk OSL het verband tussen flow en intentie tot online aankopen zou modereren, en meer specifiek verwachtten we dat voor respondenten met een hoge OSL er een sterker verband zou zijn tussen flow en intentie tot online aankopen. We vonden geen evidentie voor deze hypothese. We vonden wel een significant interactieeffect, maar niet in de vorm die wij verwachtten. Daarom besluiten we dat we geen resultaten vonden die deze hypothese bevestigen. Opvallend bij deze relatie is dat OSL vooral een modererend effect had wanneer mensen laag in flow waren. Op de grafiek ( cfr.: Bijlage 3 : Resultaten hypothese 3a en 3b) kunnen we vaststellen dat er geen interactie bestond tussen OSL en flow wanneer mensen een hoge flow-score hadden. Dezelfde resultaten kunnen we vaststellen voor hypothese 3b. Ook daar verwachtten we dat voor respondenten met een hoge OSL het verband tussen flow en Willingness To Buy sterker zou zijn. Ook hier vonden we geen interactie-effect van die vorm. We merkten wel het omgekeerde : voor mensen met een lage OSL-score, was er een sterker verband tussen flow en Willingness To Buy. We verwachtten dat mensen die een hoge “Enduring Involvement” hadden met het product dat ze op de website uitgekozen hadden, een sterker verband zouden tonen tussen de mate waarin ze flow ervaren, en hun online aankoopintentie. Dat was niet het geval. We vonden geen resultaten die deze hypothese mogelijk zouden kunnen bevestigen. We merkten weer het omgekeerde : voor mensen met een lage “Enduring Involvement” is de relatie tussen flow en
46
online aankoopintentie sterker. Hetzelfde kunnen we vaststellen voor de modererende rol van Enduring Involvement tussen flow en Willingness To Buy. We merkten vanuit de resultaten dat het verband tussen flow en Willingness To Buy voor mensen met een lage Enduring Involvement sterker is. Dit is het omgekeerde van hetgeen we uit de literatuur verwachtten. We kunnen besluiten dat OSL en Enduring Involvement wel degelijk moderators zijn in de relatie tussen flow en online aankoopintenties. Alleen vonden we geen resultaten voor de specifieke vorm van interactie die we in onze hypotheses vooropstelden. Wat uit deze studie heel duidelijk blijkt, zijn de sterke significante positieve verbanden tussen flow en online aankoopintenties. Dit heeft een aantal praktische implicaties voor de ecommerce sector. Door deze resultaten kunnen managers ervan uitgaan dat wanneer mensen flow ervaren op hun websites, de kans groter zal zijn dat consumenten iets zullen aankopen. Zodoende moeten handelaars ervoor zorgen dat de design van de website flow faciliteert voor een zo groot mogelijke groep van mensen. Omdat we ook een sterk significant positief verband ontdekten tussen flow en Willingness To Buy, kunnen we besluiten dat mensen die flow ervaren op een website, vaker aan mond-tot-mondreclame zullen doen. Willingness To Buy is namelijk een variabele die onder andere meet in welke mate mensen een winkel zullen aanbevelen aan anderen. Dit vormt een tweede belangrijke praktische implicatie voor handelaars.
47
7. Beperkingen en verder onderzoek
We hebben in deze masterproef niet kunnen gebruik maken van een enkelvoudige aselecte steekproeftrekking. We raden aan studenten aan om zoveel mogelijk gebruik te maken van een aselecte steekproeftrekking indien mogelijk.
48
8. Bibliografie Agarwal,R. & Karahanna, E. (2000). Time flies when you’re having fun: cognitive absorption and beliefs about information technology usage. MIS Quarterly, 24(4), 665-694.
Baker,J. , Level,M. &Grewal, D. (1992). An experimental approach to making retail store environmental decisions. Journal of Retailing, 68 (4), 445-460.
Baumgartner, H. & Steenkamp, J.-B.E.M. (1996) . Exploratory consumer buying behavior: Conceptualization and measurement. International Journal of Research in Marketing, 13 (2), 121-137. Berlyne, D. E. (1960). Conflict, arousal, and curiosity. New York:
Billiet,J. & Carton, A. (2003). Dataverzameling : gestandaardiseerde interviews en zelf-in-tevullen vragenlijsten. In J. Billiet & H. Waege (Eds.), Een samenleving onderzocht: methoden van social-wetenschappelijk onderzoek. (pp.285-314). Antwerpen: De Boeck.
Binsaleh,M. &Hassan,S. (2011). Systems Development Methodology for Mobile Commerce Applications: Agile vs. Traditional. International Journal of Online Marketing 1(4)
Bloch, P.H. & Richins, M .(1983). A Theoretical Model for the Study of Product Importance Perceptions , Journal of Marketing, 47(3), 69-81.
Bridges,E. & Florsheim, R. (2008). Hedonic and utilitarian shopping goals : the online experience. Journal of Business Research, 61, 309-314. Chen, T. (2011). Personality Traits Hierarchy of Online Shoppers. International Journal of Marketing Studies, 3(4), 23-39.
Choi, D.H. , Kim, J. & Kim S.H. (2007). ERP Training with a web-based electronic learning system : the flow perspective. International Journal of Human-Computer Studies, 65, 223243.
Comeos (2012). E-Commerce in Belgium 2012. Geraadpleegd op 10 juli 2012 via het World Wide Web : http://www.fedis.be/menu.asp?id=9518&lng=nl
49
Csikszentmihalyi, M. & Csikszentmihalyi, I. (1988). Introduction to part IV. In M.Csikszentmihalyi & I. Csikszentmihalyi (Eds.), Optimal Experience : Psychological Studies of Flow in Consciousness. Cambridge: Cambridge University Press.
Csikszentmihalyi, M. (1977). Beyond boredom and Anxiety. San Francisco: Jossey-Bass.
Csikszentmihalyi,M. (1990). Flow: the psychology of optimal experience. New York: Harper and Row
Dailey, L. (2004). Navigational web atmospherics: explaining the influence of restrictive navigation cues. Journal of Business Research, 50, 795-803.
Driver, M. J. & Streufert, S. (1965). The 'General Incongruity Adaptation Level' (GIAL) Hypothesis: An Analysis and Integration of Cognitive Approaches to Motivation. Working paper No. 114, Lafayette, Institute for Research in the Behavioral, Economic, and Management Sciences.
Eurostat (2012). Internet use in households and by individuals in 2011. Geraadpleegd op 7 februari 2012 op het World Wide Web : http://epp.eurostat.ec.europa.eu/portal/page/portal/product_details/publication?p_product_cod e=KS-SF-11-066
Finneran, C.M. & Zhang, P. (2003). A Person-Artefact-Task (PAT) Model of Flow antecedents in Computer-Mediated-Environments. International Journal of Human-Computer Studies, 59, 457-496.
Finneran, C.M. & Zhang, P. (2005). Flow in Computer-Mediated Environments: promises and challenges. Communications of the Association for Information Systems, 15, 82-101.
Fiske, D. W. & Maddi, S. S. (Eds.) (1961). Functions of varied Fowler, H. (1965). Curiosity and Exploratory Behavior. New York: Macmillan Publishing.
Ghani, J. (1995). Flow in human computer interactions : test of a model. In J.Carey (Ed.), Human Factors in Information Systems : Emerging Theoretical Bases (pp 291-311). New Jersey : Ablex Publishing Corp.
50
Ghani,J.A. & Desphande, S.P. (1994). Task Characteristics and the Experience of Optimal Flow in Human-Computer Intearction. The Journal of Applied Psychology : Interdisciplinary and Applied. 128 (4), 381-391
Guo, Y. M. & Poole.M. (2008). Will flow lead to better outcomes in online shopping? Geraadpleegd op 1 juli 2012 op het World Wide Web : http :// aisel.aisnet.org/amcis 2008/121
Hanzee K.M. & Khodayari, B. (2011). Pre-Purchase intentions of consumers : based on flow theory and navigational characteristics of websites. Interdisciplinary journal of research in business, 1(4), 83-93.
Higie,R. & Feick,L.(1989). Enduring Involvement: Conceptual and Measurement Issues. Advances in Consumer Research , 16 , 690-696 .
Hoffman, D.L. & Novak, T.P. (1996). Marketing in Hypermedia Computer-Mediated Environments: conceptuel foundations. Journal of Marketing, 60, 50-68.
Hoffman, D.L., Novak, T.P. & Yung, Y.F. (2000). Measuring the Customer Experience in Online Environments: A Structural Modeling Approach. Marketing Science,19(1), 22-42.
Hoffman, D.L., Novak, T.P. & Yung, Y.F. (1998). Modeling the structure of the Flow experience
among
web
users.
Geraadpleegd
in
maart
2011
op
het
WWW:
http://www2000.ogsm.vanderbilt.edu
51
Holbrook, M.B & Hirschman, E.C. (1982). The experiential aspects of consumption : consumer fantasies, feelings and fun. Journal of consumer research, 9, 132-140.
Holsapple,C.W. & Sasidharan,S.(2005). The dynamics of trust in B2C e-commerce: A research model and agenda. Information Systems and E-Business Management , 3(4), 377403.
Hsu C.-L. , Chang, K.C. & Chen, M.C. (2012). Flow experience and internet shopping behavior : investigating the moderating effect of consumer characteristics . Systems Research & Behavioral Science ,29, 317-332.
Hsu, C.L. & Hsi-Peng, L. (2003). Why do people play on-line games? An extended TAM with social influences and Flow experience. Information and Management, 41, 853-868.
Huang, M.H. (2003). Designing website attributes to induce experiential encounters. Computers in Human Behavior, 19, 425-442.
Hyunjoo, I. & Young, H. (2011) The effect of perceptual fluency and enduring involvement on situational involvement in an online apparel shopping context. Journal of Fashion Marketing and Management, 15(3), 345 -362.
Jayawardhena, C. & Wright, L.T. (2009). An empirical investigation into e-shopping excitement : antecedents and effects European. Journal of Marketing , 43 (9), 1171-1187.
Knack.be (2012) : Geraadpleegd op 10 Juli 2012 op het World Wide Web : http://datanews.knack.be/ict/nieuws/nieuwsoverzicht/2012/03/09/belgische-bedrijven-lopenheel-wat-e-commerce-mis/article-4000062037140.htm
52
Korzaan, M.L. (2003). Going with the flow: predicting online purchase intentions. Journal of Computer Information Systems, 43 (4), 25-31.
Lee, S.M & Chen,L. (2010) . The impact of flow on online consumer behavior. Journal of computer information systems ,50, 1-10.
Li,D. & Browne,G. (2004). The role of Need for cognition in online flow experience : an emperical investigation. Geraadpleegd op 31 mei 2012 op het World Wide Web : http://aisel.aisnet.org/amcis2004/386/
Liz C. Wang, Lu-Hsin Chang, Scott Wysong, (2012) "An empirical investigation of the influence of optimum stimulation levels in retailing", International Journal of Retail & Distribution Management, Vol. 40 Iss: 1, pp.6 – 20
Luna, D., Perrachio, L.A. & de Juan, M. (2003). Flow in individual websites : model estimation and cross-cultural validation. Advances in Consumer Research, 30, 280-281.
Massimini, F. & Massimo, C. (1988). The systematic assessment of Flow in daily experiences. In M.Csikszentmihalyi & I. Csikszentmihalyi (Eds.), Optimal Experience : Psychological Studies of Flow in Consciousness (pp. 288-306). Cambridge: Cambridge University Press.
Mittelstaedt,R. A., Grossbart,S.L. , Curtis, W.W. & Devere,S.P.(1976). Optimal Stimulation Level and the Adoption Decision Process. Journal of Consumer Research,3(2), 84-94.
Nel, D., van Niekerk, R. , Berthon, J.-P. , & Davies,T. (1999). Going with the flow : Websites and customer involvement. Internet research : electronic networking applications and policy, 9(2), 109-116
Pace, S. (2003). A Grounded Theory of the Flow experience of web users. International Journal of Human-Computer studies, 20, 327-363.
53
Raju P. S. & Venkatesan, M. (1980). Exploratory Behavior in the Consumer Context: A State of the Art Review Advances in Consumer Research, 7, 258-263.
Raju,P.S. (1980) Optimum Stimulation Level: Its Relationship to Personality, Demographics, and Exploratory Behavior. Journal of Consumer Research, 7(3), 272-282 .
Richard, M.O. & Chandra, R. (2005). A model of consumer web navigational behavior: conceptuel development and application. Journal of Business Research, 58, 1019-1029.
Rosenbaum, H. (2000). The information environment of electronic commerce: information imperatives for the for the firm. Journal of Information Science. 26(3), 161171.
Sanchez-Franco, M.J. (2006). Exploring the influence of gender on web usage via partial least squares. Behavior and Information Technology, 25 (1), 19-36.
Shin,N.(2000). Online learner’s flow experience: an empirical study. British Journal of Educational Technology , 37 (5), 705-720.
Sicilia,M. & Ruiz, S. (2007). The role of flow in web site effectiveness. Journal Of Interactive advertising, 8 (1), 33-44.
Siekpe, J.S. (2005). An examination of the multidimensionality of flow construct in a computer-mediated environment. Journal of Electronic Commerce Research,6 (1), 31-43.
Skadberg, Y. X & Kimmel, J.R. (2004). Vistors flow experience while browsing a website : its measurement, contributing factors and consequences. Computers in human behavior , 20, 403 – 422 .
54
Skadberg,X.Y, Skadberg,A.N. & Kimmel, J.R. (2005). Flow experience and its impact on the effectiveness of a tourism website. Information Technology & Tourism,7 , 147-156.
Smith, D. & Sivakumar, K. (2004). Flow and internet shopping behavior : a conceptual model and research propositions. Journal of Business Research, 57, 1199- 1208 .
Steenkamp, J.-B. E.M., & Baumgartner, H. (1995). Development and cross-cultural validation of a short form CSI as a measure of optimum stimulation level. International Journal of Research in Marketing, 12 (2), 97- 104.
Steenkamp, J.-B.E.M., & Baumgartner, H. (1992) The role of optimum stimulation level in exploratory consumer behavior . Journal of consumer research, 19 (3), 434- 448. The Nielsen Company (2010). Global Trends in Online Shopping. Geraadpleegd in mei 2012 op het World Wide Web : http://hk.nielsen.com/documents/Q12010OnlineShoppingTrendsReport.pdf
Website BeCommerce (2012) geraadpleegd op 10 juli 2012 op het World Wide Web : http:// www.becommerce.be
Website Bol.com, geraadpleegd 23 juli 2012 op http:// pers.bol.com
Webster, J., Trevino, K.L. & Ryan, L. (1993) The dimensionality and Correlates of Flow in Human-Computer Interactions. Computers in human behavior, 9 , 411- 426
Webster,J. (1992). Microcomputer Playfulness : Development of A Measure With Workplace Implications. MIS Quarterly.16 (2), 381-391.
55
Weltevreden,J.W.J.& Mindali O. R.(2009) Mobility effects of b2c and c2c e-commerce in the Netherlands: a quantitative assessment Journal of Transport Geography, 17, 83–92.
Zaichkowsky,J.L. (1985). Measuring the Involvement Construct . Journal of Consumer Research, 12(3), 341-352
Zaichkowsky, J. L. (1994). The personal involvement inventory: Reduction, revision, and application to advertising. Journal of advertising, 23 (4), 59 - 70.
Zuckerman, M. (1994). Behavioral expressions and biosocial bases
56
Bijlage 1 : Beschrijving onderzoekssample Wat is uw geslacht? Cumulative Frequency Valid
Percent
Valid Percent
Percent
man
50
35,2
35,2
35,2
vrouw
92
64,8
64,8
100,0
Total
142
100,0
100,0
Wat is uw beroep? Cumulative Frequency Valid
Percent
Valid Percent
Percent
Student
22
15,5
15,5
15,5
Werkzoekende
23
16,2
16,2
31,7
Arbeider
24
16,9
16,9
48,6
Bediende
24
16,9
16,9
65,5
Zelfstandige
27
19,0
19,0
84,5
Vrij beroep
22
15,5
15,5
100,0
142
100,0
100,0
Total
Hoe lang bent u al actief op het internet? Cumulative Frequency Valid
Ik maak anders nooit
Percent
Valid Percent
Percent
19
13,4
13,4
13,4
Minder dan 2 jaar
20
14,1
14,1
27,5
Tussen de 2 en 5 jaar
17
12,0
12,0
39,4
Tussen de 5 en 7 jaar
20
14,1
14,1
53,5
Tussen de 7 en 9 jaar
20
14,1
14,1
67,6
Tussen de 9 en 11 jaar
19
13,4
13,4
81,0
Meer dan 11 jaar
27
19,0
19,0
100,0
142
100,0
100,0
gebruik van internet
Total
Hoeveel uur per week maakt u gebruik van internet? Frequency
Percent
Valid Percent
Cumulative
57
Percent Valid
Minder dan 5u per week
65
45,8
45,8
45,8
Ten minste 5 uur per week
77
54,2
54,2
100,0
142
100,0
100,0
Total
Heeft u ooit al iets aangekocht via een webshop? Cumulative Frequency Valid
Percent
Valid Percent
Percent
Nee
72
50,7
50,7
50,7
Ja
70
49,3
49,3
100,0
142
100,0
100,0
Total
Hoe vaak koopt u producten aan via internet? Cumulative Frequency Valid
Percent
Valid Percent
Percent
Dagelijks
15
21,4
21,4
21,4
Wekelijks/In een periode
13
18,6
18,6
40,0
16
22,9
22,9
62,9
Jaarlijks
26
37,1
37,1
100,0
Total
70
100,0
100,0
van een paar weken Maandelijks/ In een periode van een paar maanden
Welke van de volgende producten koopt u het vaakst aan via internet? Cumulative Frequency Valid
Kledij Literatuur/boeken/magazine
Percent
Valid Percent
Percent
5
7,1
7,1
7,1
10
14,3
14,3
21,4
7
10,0
10,0
31,4
s Vakanties
58
Tickets voor evenementen
9
12,9
12,9
44,3
Audiovisuele producten
9
12,9
12,9
57,1
Huishoudelijke apparaten
5
7,1
7,1
64,3
Software/games
5
7,1
7,1
71,4
Financiële
8
11,4
11,4
82,9
5
7,1
7,1
90,0
Voedsel
1
1,4
1,4
91,4
Cosmetica
5
7,1
7,1
98,6
Andere
1
1,4
1,4
100,0
70
100,0
100,0
(films, cd's, dvd's...)
diensten/verzekeringen Hardware/computers/printer s
Total
59
Bijlage 2 : interne betrouwbaarheid van de schalen Interne betrouwbaarheid van de somschaal OSL Reliability Statistics Cronbach's Alpha
N of Items ,976
7
Item-Total Statistics
Ik geef voorkeur aan
Corrected Item-
Cronbach's
Scale Mean if
Scale Variance
Total
Alpha if Item
Item Deleted
if Item Deleted
Correlation
Deleted
24,2394
148,666
,900
,973
24,2042
147,497
,916
,972
24,1268
140,736
,933
,971
24,2324
147,499
,899
,973
24,1479
148,510
,908
,973
24,0845
146,418
,916
,972
24,1901
146,864
,912
,972
proberen van nieuwe dingen, in plaats van altijd dezelfde dingen te doen In mijn dagdagelijkse bezigheden hou ik van nieuwigheden en verandering. Ik hou van een job die verandering,variëteit en reizen met zich meebrengt, zelfs als hierbij gevaar komt kijken. Ik ben constant op zoek naar nieuwe ideeën en ervaringen. Ik hou van voortdurende veranderende activiteiten. Wanneer ik me verveel, ga ik op zoek naar nieuwe en onbekende dingen. Ik verkies een onvoorspelbaar leven vol met veranderingen boven een routineuze manier van leven.
60
Interne betrouwbaarheid van de somschaal Flow Reliability Statistics Cronbach's Alpha
N of Items ,975
11 Item-Total Statistics Cronbach's
Tijdens mijn surfsessie op deze
Scale Mean if
Scale Variance if
Corrected Item-
Alpha if Item
Item Deleted
Item Deleted
Total Correlation
Deleted
35,3803
244,337
,877
,972
35,4507
248,235
,867
,973
35,3380
243,587
,874
,972
35,2746
248,499
,853
,973
35,3099
247,407
,872
,972
35,3662
245,042
,865
,973
35,2746
242,186
,897
,972
35,4085
244,002
,866
,973
35,2887
243,994
,879
,972
35,4366
243,638
,875
,972
35,4155
247,592
,857
,973
website, voelde het voor mij aan alsof ik controle had. Ik voelde aan dat ik controle had over mijn interacties met deze website. Tijdens mijn surfsessie op deze website, dacht ik totaal niet aan andere dingen. Tijdens mijn surfsessie op deze website, was ik mij absoluut niet bewust van zaken die me mogelijk konden afleiden. Mijn surfsessie op deze website voelde aan als een activiteit waar ik volledig in op ging. Het surfen op deze website prikkelde mijn nieuwsgierigheid. Door de interacties die ik had met deze website, voelde ik me nieuwsgierig. Het surfen op deze website wekte mijn verbeelding op. Surfen op deze website verveelde me totaal niet. Surfen op deze website voelde aan als intrinsiek interessant. Surfen op deze website was leuk.
61
Interne betrouwbaarheid van de somschaal “intentie tot online aankopen” Reliability Statistics Cronbach's Alpha
N of Items ,962
4
Item-Total Statistics
Vermoedelijk koop ik
Corrected Item-
Cronbach's
Scale Mean if
Scale Variance
Total
Alpha if Item
Item Deleted
if Item Deleted
Correlation
Deleted
16,2958
16,167
,894
,955
16,2324
15,102
,917
,947
16,4014
15,419
,913
,949
16,3521
15,095
,907
,951
producten aan op deze website. Aan de gegeven prijzen, zou ik het overwegen om producten aan te kopen op deze website. Het is waarschijnlijk dat ik zou overwegen om producten aan te kopen op deze website. Ik ben bereid om producten te kopen op deze website.
62
Interne betrouwbaarheid van de somschaal Willingness To Buy
Reliability Statistics Cronbach's Alpha
N of Items ,956
3
Item-Total Statistics
Het is zeer waarschijnlijk
Corrected Item-
Cronbach's
Scale Mean if
Scale Variance
Total
Alpha if Item
Item Deleted
if Item Deleted
Correlation
Deleted
10,9225
7,859
,903
,938
11,0070
7,468
,912
,931
10,9437
7,472
,905
,936
dat ik producten aankoop op deze website. Ik ben bereid om cadeaus aan te kopen op deze website. Ik ben bereid om deze winkel aan te bevelen aan anderen.
63
Interne betrouwbaarheid van de somschaal Enduring Involvement
Reliability Statistics Cronbach's Alpha
N of Items ,984
10
Item-Total Statistics Corrected Item-
Cronbach's
Scale Mean if
Scale Variance
Total
Alpha if Item
Item Deleted
if Item Deleted
Correlation
Deleted
Belangrijk
36,4507
318,618
,928
,981
Relevant
36,5775
321,792
,922
,982
Waardevol
36,6056
326,354
,910
,982
Van grote betekenis
36,4789
322,436
,913
,982
Interessant
36,5000
326,918
,906
,982
Opwindend
36,3944
327,120
,923
,982
Aantrekkelijk
36,5282
320,733
,920
,982
Fascinerend
36,5423
322,066
,920
,982
Voel ik me betrokken
36,4014
321,717
,920
,982
Gewild
36,5282
320,492
,918
,982
64
Bijlage 3 : resultaten hypothese 3a en hypothese 3b Hypothese 3 a
Between-Subjects Factors Value Label Flow_split
OSL_mediaan
N
1,00
laag
70
2,00
hoog
67
1,00
laag
68
2,00
hoog
69
Tests of Between-Subjects Effects Dependent Variable:Purch.Intent Type III Sum of Source
Squares
df
Mean Square
F
Sig.
Corrected Model
224,148
a
3
74,716
1256,345
,000
Intercept
4037,684
1
4037,684
67893,466
,000
Flow_split
132,565
1
132,565
2229,082
,000
OSL_mediaan
32,275
1
32,275
542,698
,000
Flow_split * OSL_mediaan
34,585
1
34,585
581,551
,000
Error
7,910
133
,059
Total
4226,438
137
232,057
136
Corrected Total
a. R Squared = ,966 (Adjusted R Squared = ,965)
65
Group Statistics OSL_mediaan
Flow_split
laag
laag
40
3,5000
,26554
,04199
hoog
28
6,5089
,19816
,03745
laag
30
5,5000
,30086
,05493
hoog
39
6,4744
,19697
,03154
hoog
Purch.Intent
Purch.Intent
N
Mean
Std. Deviation
Std. Error Mean
66
Hypothese 3 b Between-Subjects Factors Value Label Flow_split
OSL_mediaan
N
1,00
laag
70
2,00
hoog
67
1,00
laag
68
2,00
hoog
69
Tests of Between-Subjects Effects Dependent Variable:WTB Type III Sum of Source
Squares
df
Mean Square
F
Sig.
Corrected Model
241,949
a
3
80,650
835,211
,000
Intercept
4099,507
1
4099,507
42454,662
,000
Flow_split
142,040
1
142,040
1470,967
,000
OSL_mediaan
34,092
1
34,092
353,054
,000
Flow_split * OSL_mediaan
39,504
1
39,504
409,110
,000
Error
12,843
133
,097
Total
4302,444
137
254,792
136
Corrected Total
a. R Squared = ,950 (Adjusted R Squared = ,948)
67
Group Statistics OSL_mediaan laag
hoog
Flow_split WTB
WTB
N
Mean
Std. Deviation
Std. Error Mean
laag
40
3,4583
,31746
,05020
hoog
28
6,6071
,30162
,05700
laag
30
5,5556
,31964
,05836
hoog
39
6,5299
,30318
,04855
68
69
Bijlage 4 : resultaten hypothese 4a en hypothese 4b Hypothese 4a Between-Subjects Factors Value Label Flow_split
ProductInvolvementSplit
N
1,00
laag
70
2,00
hoog
67
1,00
lage Product
69
Involvement 2,00
Hoge product
68
involvement
Tests of Between-Subjects Effects Dependent Variable:Purch.Intent Type III Sum of Source
Squares
df
Mean Square
F
Sig.
Corrected Model
224,148
a
3
74,716
1256,443
,000
Intercept
4056,192
1
4056,192
68209,823
,000
Flow_split
133,119
1
133,119
2238,564
,000
ProductInvolvementSplit
32,413
1
32,413
545,072
,000
Flow_split *
34,760
1
34,760
584,524
,000
Error
7,909
133
,059
Total
4226,438
137
232,057
136
ProductInvolvementSplit
Corrected Total
a. R Squared = ,966 (Adjusted R Squared = ,965)
70
71
Hypothese 4b
Between-Subjects Factors Value Label Flow_split
ProductInvolvementSplit
N
1,00
laag
70
2,00
hoog
67
1,00
lage Product
69
Involvement 2,00
Hoge product
68
involvement
72
Tests of Between-Subjects Effects Dependent Variable:WTB Type III Sum of Source
Squares
df
Mean Square
F
Sig.
Corrected Model
241,916
a
3
80,639
832,975
,000
Intercept
4117,079
1
4117,079
42528,269
,000
Flow_split
142,408
1
142,408
1471,035
,000
ProductInvolvementSplit
34,748
1
34,748
358,940
,000
Flow_split *
39,157
1
39,157
404,485
,000
Error
12,875
133
,097
Total
4302,444
137
254,792
136
ProductInvolvementSplit
Corrected Total
a. R Squared = ,949 (Adjusted R Squared = ,948)
Group Statistics ProductInvolvementSplit lage Product Involvement
Hoge product involvement
Flow_split WTB
WTB
N
Mean
Std. Deviation
Std. Error Mean
laag
40
3,4583
,31746
,05020
hoog
29
6,5977
,30052
,05581
laag
30
5,5556
,31964
,05836
hoog
38
6,5351
,30550
,04956
73
74