“WHY STAY IF WE CAN CHANGE?” EEN ONDERZOEK NAAR DE ...€¦ · Gedurende het hele proces stond...

“WHY STAY IF WE CAN CHANGE?” EEN ONDERZOEK NAAR DE FACTOREN DIE CONSUMENTEN VERLEIDEN TOT EEN VERANDERING VAN TELECOMPROVIDER Wetenschappelijke verhandeling Aantal woorden: 17.559

Gretel Coorevits Stamnummer: 01710982

Promotor: Prof. dr. Tom Evens Commissaris: Kristin Van Damme Masterproef voorgelegd voor het behalen van de graad master in de richting Communicatiewetenschappen, afstudeerrichting Communicatiemanagement

Academiejaar: 2018 – 2019

III

Dankwoord

Ter afsluiting van mijn opleiding Communicatiewetenschappen presenteer ik met gepaste trots

deze thesis. Al gebiedt de eerlijkheid mij te zeggen dat dit werk tot stand kwam dankzij de hulp

van velen.

In eerste instantie wil ik mijn promotor - professor doctor Tom Evens - uitvoerig bedanken.

Gedurende het hele proces stond hij me bij met rake opmerkingen, advies en richtlijnen. Van

zodra ik een vraag had, hielp hij me snel verder. Zonder hem was dit werk niet geworden wat het

is.

Daarnaast richt ik mij tot mijn ouders. Ze gaven me de kans om mezelf via een hogere opleiding

te ontplooien. Dankzij hun financiële en mentale steun kon ik na mijn professionele bachelor

verder studeren om een master te behalen. Ze motiveerden me waar nodig, ook als de

combinatie werk-studeren soms wat te zwaar werd.

Ten derde wil ik ook Het Nieuwsblad bedanken om me de kans te geven om reeds werkervaring

op te doen tijdens de laatste twee jaar van mijn studies. Naast enkele fantastische ervaringen

deed ik een pak extra vaardigheden op. Dankzij de combinatie werk-studeren leerde ik beter te

plannen en stelselmatig te werken. Het kwam me van pas tijdens de voltooiing van het proces

van dit eindwerk.

Ik ben ook alle personen erkentelijk die me geholpen hebben met mijn masterproef, door mijn

survey te helpen verspreiden, of delen van mijn werk na te lezen. Speciale dank gaat uit naar

Caroline Steeland en Jonas Dhaenens die mijn thesis nalazen.

En last but not least dank ik ook mijn klasgenoten. Voor de hulp en steun die we elkaar boden

tijdens de voltooiing van onze masterproef.

IV

Inhoudsopgave

Dankwoord ...................................................................................................................................... III

Inhoudsopgave ................................................................................................................................ IV

Lijst van figuren en tabellen ............................................................................................................ VI

Abstract .......................................................................................................................................... VII

Abstract (English version) ............................................................................................................. VIII

1 Inleiding .................................................................................................................................... 9

2 Literatuurstudie ..................................................................................................................... 11

2.1 Construct switching intention ........................................................................................ 11

2.2 Strategieën om switching intention te beperken ........................................................... 12

2.3 Determinant gepercipieerde switching costs ................................................................. 14

2.4 Determinant gepercipieerde klanttevredenheid ........................................................... 16

2.5 Determinant gepercipieerde content kwaliteit .............................................................. 18

2.6 Determinant abonnement op bundel ............................................................................ 21

2.7 Conclusie literatuurstudie .............................................................................................. 23

3 Methodologie ......................................................................................................................... 27

3.1 Structureel model .......................................................................................................... 27

3.2 Onderzoeksdesign .......................................................................................................... 28

3.2.1 Dataverzamelingsmethode en sample procedure ..................................................... 28

3.2.2 Analysemethode ........................................................................................................ 29

3.2.3 Steekproef .................................................................................................................. 32

3.2.4 Operationalisering van de gebruikte concepten ........................................................ 33

3.3 Principale componenten analyse ................................................................................... 38

V

4 Resultaten .............................................................................................................................. 41

4.1 Profiel van de respondenten .......................................................................................... 41

4.2 Structural equation modeling ........................................................................................ 44

4.2.1 Vernieuwd full model ................................................................................................. 46

4.2.2 Interpretatie van de model fit indices ........................................................................ 47

4.2.3 Interpretatie van de regressiegewichten ................................................................... 50

4.3 Regressie: abonnement op bundel en switching intention ............................................ 55

5 Discussie ................................................................................................................................. 58

Bibliografie ..................................................................................................................................... 63

Bijlagen ........................................................................................................................................... 71

Bijlage 1: Survey ......................................................................................................................... 71

Bijlage 2: Items om de verschillende constructen te meten ...................................................... 77

Bijlage 3: Pre-test ....................................................................................................................... 79

Bijlage 4: Principale componenten analyse ............................................................................... 81

VI

Lijst van figuren en tabellen

Figuren

Figuur 1: Structureel model met hypotheses ................................................................................. 27

Figuur 2: Full model zonder hypotheses ........................................................................................ 45

Figuur 3: Vernieuwd en definitief full model ................................................................................. 46

Figuur 4: Definitief full model met bijhorende gestandaardiseerde waarden ............................... 54

Figuur 5: Scatterplot abonnement op bundel en switching intention ........................................... 55

Tabellen

Tabel 1: Verdeling van de steekproef per leeftijdscategorie ......................................................... 33

Tabel 2: Construct switching intention .......................................................................................... 34

Tabel 3: Construct gepercipieerde switching costs ........................................................................ 35

Tabel 4: Construct gepercipieerde klanttevredenheid .................................................................. 36

Tabel 5: Construct gepercipieerde content kwaliteit ..................................................................... 36

Tabel 6: Construct abonnement op bundel ................................................................................... 37

Tabel 7: Overzicht van de maatstaven per schaal .......................................................................... 37

Tabel 8: Rotated component matrix van de items in het model ................................................... 40

Tabel 9: Overzicht van het gebruik van telecomdiensten .............................................................. 41

Tabel 10: Aantal diensten in de bundel van respondenten ........................................................... 42

Tabel 11: Construct attitude tegenover switching ......................................................................... 43

Tabel 12: CMIN van het model ....................................................................................................... 47

Tabel 13: Baselines Comparisons van het model ........................................................................... 48

Tabel 14: Parsimony-Adjusted Measures van het model .............................................................. 48

Tabel 15: Root Mean Square Error of Approximation (RMSEA) van het model ............................. 49

Tabel 16: Regressiegewichten van de onderdelen van het model ................................................ 50

Tabel 17: Gestandaardiseerde regressiegewichten van de modelonderdelen .............................. 52

Tabel 18: Samenvatting van de enkelvoudige regressievergelijking .............................................. 56

Tabel 19: Coëfficiënten van abonnement op bundel in de regressievergelijking .......................... 57

Tabel 20: Overzichtstabel van de bevindingen over de hypotheses .............................................. 57

VII

Abstract

In deze wetenschappelijke verhandeling wordt een antwoord gezocht op de onderzoeksvraag:

“Welke factoren zetten mensen ertoe aan om al dan niet te veranderen van provider van

telecommunicatiediensten?”. Verschillende factoren spelen immers een rol bij de switching

intention van consumenten. In een competitieve telecommarkt wordt een defensieve strategie

steeds eminenter. Die moet ervoor zorgen dat consumenten trouw blijven aan een bedrijf. De

jaarlijkse overstapcijfers liggen immers tussen 20 en 38 procent en dat overstapgedrag kost de

industrie miljarden. Om een overstap te kunnen voorspellen, is het belangrijk om te weten welke

factoren een switching intention veroorzaken. Uit eerder onderzoek bleek reeds dat

klanttevredenheid en hoge overstapdrempels de switching intention het meest beïnvloeden. Een

andere, iets recentere praktijk is het aanbieden van bundels. Dat zijn pakketten waarin

consumenten twee of meer diensten van één provider afnemen, waarbij de verrekening op één

factuur gebeurt. Het werd een populaire marktstrategie in de telecomsector om klanten trouw te

doen blijven aan een bedrijf, net als het aanbieden van kwaliteitsvolle content. Toch zijn dat

twee factoren die nog te weinig aan bod zijn gekomen in de literatuur en die meegenomen

worden in dit onderzoek. Ook worden de gepercipieerde switching costs en gepercipieerde

klanttevredenheid onderzocht via S.E.M. Uit deze studie blijkt dat gepercipieerde switching costs,

gepercipieerde klanttevredenheid en het hebben van een abonnement op een bundel significant

de switching intention verklaren. Namelijk, als de drie factoren één standaardwaarde toenemen,

dan daalt de switching intention van de consumenten in dit onderzoek. Gepercipieerde content

kwaliteit is geen significante voorspeller van hun switching intention, maar heeft wel een invloed

op de gepercipieerde klanttevredenheid. Daaruit kan geconcludeerd worden dat

telecombedrijven de vier praktijken kunnen blijven toepassen in een poging de switching

intention van consumenten te doen dalen.

VIII

Abstract (English version)

This academic dissertation searches an answer for the following research question: “Which

factors urge people to switch to another provider of telecommunication?” After all, different

factors play an important role in the switching intention of consumers. A defensive strategy

becomes more and more eminent in a very competitive telecommunication market. This strategy

must ensure that consumers stay loyal to the company. The annual switching numbers are

between 20 and 38 percent and the cost of this switching behavior is being estimated up to

billions of euros. In order to predict a potential switching, it is important to know the different

factors that might cause a switching intention. Earlier research shows that customer satisfaction

and high switching costs are the major influencers on the switching intention of a consumer.

Another more recent practice is offering bundles. A bundle is a package deal in which customers

use two or more different services from one provider, to be paid by the same invoice. It has

become a popular market strategy in the telecommunication sector to retain consumers.

Offering quality content must serve the same goal. These two factors have not been studied

thoroughly enough and will be covered by this academic dissertation (via S.E.M.). As well as

customer satisfaction and switching costs. This study shows that perceived switching costs,

perceived customer satisfaction and having a bundle significantly explain the switching intention

of the participating consumers. If those factors increase by one standard deviation, their

switching intention will decrease. Perceived content quality is not a significant predictor of their

switching intention, but does have an influence on the perceived customer satisfaction of the

participating consumers. The results imply that the telecom sector can keep using these four

means in an attempt to hold back their consumers to switch from provider.

9

1 Inleiding

In de telecomsector is er steeds meer concurrentie, mede door de liberalisering van de markt en

de opkomst van het internet (Uner, Güven, & Cavusg, 2015). Het internet zorgde voor nieuwe

spelers zoals Whatsapp, Messenger en Viber. Dit bracht een paradox met zich mee omdat die

nieuwe diensten concurreren met de gevestigde basistelecomproducten zoals de sms. De

overstapintentie van consumenten, ook wel switching intention genoemd, werd een steeds

grotere zorg voor wereldwijde telecomproviders (Uner et al., 2015). In een zeer competitieve

omgeving waarin ontevreden consumenten makkelijk kunnen overstappen naar een concurrent,

proberen telecomoperatoren de churn (of uitval) te beperken (Oghojafor, Mesike, Bakarea,

Omoera, & Adeleke, 2012).

Die churn kost de telecomsector miljarden dollars (Uner et al., 2015). De jaarlijkse overstapcijfers

liggen gemiddeld tussen de 20 en 38 procent wereldwijd (Ahn, Han, & Lee, 2006; Berson, Smith,

& Thearling, 1999; Kim, Park, & Jeong, 2004; Madden, Savage, & Coble-Neal, 1999; Uner et al.,

2015). Om succesvol te zijn in de telecommarkt kan de strategische focus van een bedrijf

omslaan van het aanwerven van consumenten naar het behouden ervan (customer retention

genoemd) (Ahn et al., 2006). Want uit eerdere studies bleek dat een nieuwe klant aanwerven vijf

à zes keer duurder is dan ervoor te zorgen dat een consument blijft (Ahn et al., 2006; Verbeke,

Dejaeger, Martens, Hur, & Baesens, 2011).

Zo proberen providers klanten langer aan zich te binden door hoge overstapdrempels (switching

costs genoemd) te creëren (Calvo-Porral, Faiña-Medin, & Nieto-Mengotti, 2016; Uner et al.,

2015). Een andere optie is om de consument te verleiden tot een abonnement op een bundel.

Dat zijn pakketten waarin klanten minstens twee producten van één provider opnemen. De

betaling van die diensten gebeurt via één factuur, vaak tegen een voordelige prijs. Tegenwoordig

beschikt 45 % van de Europese huishoudens over zo’n bundel (Uner et al., 2015).

Een complexe structuur van een bundel maakt het voor een klant nog moeilijker om van provider

te veranderen. Daarnaast proberen telecombedrijven om hun aanbod zo interessant mogelijk te

maken door extra content aan te bieden, meestal tegen betaling (Uner et al., 2015). Voorbeelden

10

zijn Play Sports (toegang tot sportcompetities), Play More (toegang tot series), of on demand

televisie kijken.

De content kan zowel gebruikt worden om consumenten weg te lokken bij een concurrerende

provider als om de klanten te behouden. Providers voeren een hevige strijd om het beste

sportpakket te bemachtigen, waarmee ze de consument kunnen verleiden om een abonnement

te nemen (Evens, Lefever, Valcke, Schuurman, & De Marez, 2010). Een ander recent voorbeeld is

de samenwerking tussen Studio 100 en Proximus. De Belgische provider zorgde ervoor dat de

content van Studio 100 exclusief bij haar te zien is. Telecomproviders gebruiken bundels en

content dus steeds vaker om de switching intention te reduceren. Maar toch is er nog maar

weinig onderzoek gebeurd naar het effect ervan op de switching intention. Daar bevindt zich dus

een grote lacune in de literatuur.

De churn kost de industrie jaarlijks miljarden dollars. Daarom is het belangrijk de factoren te

kennen die een switching intention bij de consument veroorzaken (Ahn et al., 2006). Zo bleek uit

eerder onderzoek dat hoge switching costs leiden tot een lagere switching intention (Julander &

Söderlund, 2003) en dat ontevredenheid een van de belangrijkste factoren is om te veranderen

(Calvo-Porral et al., 2016).

Aan de hand van een literatuurstudie willen we dan ook onze centrale vraag beantwoorden:

‘Welke factoren zetten mensen ertoe aan om al dan niet te veranderen van provider van

telecommunicatiediensten?’. Met specifieke aandacht voor het effect dat een abonnement op

een bundel en de gepercipieerde content kwaliteit daarop hebben. Daar ligt onze bijdrage aan de

literatuur. Deze studie is maatschappelijk relevant. De overlevingskans van elk bedrijf is namelijk

afhankelijk van een stabiel klantenbestand (Oghojafor et al., 2012). Het is dus belangrijk om de

switching intention te kunnen detecteren nog voor die zich stelt. Daarvoor moeten de factoren

die zo’n intention kunnen veroorzaken nog verder onderzocht worden. Als te veel consumenten

veranderen van provider, kost dit de industrie miljarden dollars en dat komt de bedrijfstak niet

ten goede. Ten slotte is het een actueel topic, want telecomproviders zoeken nog steeds naar de

juiste mix om een stabiel klantenbestand te realiseren.

11

2 Literatuurstudie

2.1 Construct switching intention

Het aantal consumenten dat verandert van telecomprovider heeft een significante impact op een

bedrijf. Jaarlijks kost dat de industrie miljarden dollars (Uner et al., 2015). Om die switching

intention te kunnen reduceren, werd reeds veel onderzoek gedaan naar de beïnvloedende

factoren (Bansal, Taylor, & St. James, 2005; Deng, Lu, Kee Wei, & Zhang, 2009; Oghojafor et al.,

2012; Verbeke et al., 2011).

Consumenten zijn trouw aan een dienstverlener omdat ze dat echt willen, of omdat ze denken

dat ze geen andere keuze hebben (Hirschman, 1970; Julander & Söderlund, 2003). Nochtans zijn

er verschillende aantrekkelijke alternatieven op de markt die de switching intention van de

consument kunnen verhogen (Lu, Tu, & Jen, 2011). Een andere provider is aantrekkelijk wanneer

de consument het aanbod en de service hoger inschat en als hij hoopt daar meer

klanttevredenheid te vinden (Patterson & Smith, 2003).

Uit empirisch onderzoek van Lu et al. (2011) blijkt dat consumenten bij hun huidige provider

blijven als er geen aantrekkelijke alternatieven zijn. Klanten hebben eveneens geen switching

intention als ze zich niet bewust zijn van alternatieven of wanneer ze die alternatieven niet als

beter percipiëren (Patterson & Smith, 2003).

In verschillende landen deed de overheid een inspanning om het voor de consument

gemakkelijker te maken om van telecomprovider te veranderen (Calvo-Porral et al., 2016; De

Croo, 2017). In België bijvoorbeeld verplichtte Minister van Digitale Agenda en Telecom,

Alexander De Croo, met zijn Easy Switch-procedure de telecomoperatoren om de overstap op

zich te nemen. De consument moet alleen nog aan zijn toekomstige provider doorgeven dat hij

wil overstappen. Die provider moet vervolgens al het werk op zich nemen. De consument moet

geen ingewikkelde procedure meer doorlopen om te veranderen en zal dus enkel bij zijn provider

blijven omdat hij dat wil. Op haar beurt kan de Easy Switch-procedure de switching intention van

12

een consument verhogen (Vervoort, 2017). Zo’n deregularisatie zorgt voor een open competitie

die op een efficiënte manier de beste prijzen voor de klant garandeert (Lunn & Lysons, 2018).

Variabelen die een invloed kunnen hebben op die switching intention zijn kwaliteit (Quach,

Jebarajakirthy, & Thaichon, 2015), gepercipieerde klanttevredenheid (Bansal et al., 2005; Calvo-

Porral et al., 2016), convenience (Deng et al., 2009; Lee, Tsai, & Corazon, 2010; Lewis, 1991;

Shafei & Tabaa, 2015), socio-demografische kenmerken (Kim & Yoon, 2004; Oghojafor et al.,

2012), gepercipieerde switching costs (Julander & Söderlund, 2003), verbruik (Gerpott, 2008;

Lambrecht & Skiera, 2006), bundels (Armstrong & Vickers, 2006), attitudes ten opzichte van

switching (Bansal & Taylor, 2002), verwachte winst bij switching (Lunn & Lysons, 2018) en

aanwezige content (Kuo, Wu, & Deng, 2009). Deze thesis zal daarvan gepercipieerde switching

costs, abonnement op een bundel, gepercipieerde content kwaliteit en gepercipieerde

klanttevredenheid verder onderzoeken. Maar eerst worden de strategieën behandeld die

telecomoperatoren gebruiken om switching intention te beperken.

2.2 Strategieën om switching intention te beperken

Sinds 2010 zijn de telecommunicatiemarkten stilaan gesatureerd en dan vooral in de ontwikkelde

landen. Veel Westerse landen hebben penetratiecijfers boven de 100 %, wat betekent dat er

meer telecomabonnementen zijn dan inwoners (Ahn et al., 2006; Calvo-Porral et al., 2016;

Verbeke et al., 2011, p.211). Wereldwijd bedraagt het cijfer 90 % (Dass & Jain, 2011). Het is een

van de redenen waarom churn management belangrijker wordt. Wetenschappers hebben het

gedrag van klanten dan ook uitvoerig bestudeerd. Daarbij ligt de focus vaak op datamining,

kwantitatief onderzoek en het ontwikkelen van modellen die de customer churn voorspellen.

Daarnaast voeren onderzoekers focus-studies naar switching gedrag in bepaalde landen uit (Ahn

et al., 2006; Calvo-Porral et al., 2016).

Uit die studies bleek dat een defensieve strategie winstgevend is. Telecombedrijven proberen nu

vooral hun huidige klanten te behouden. Nieuwe consumenten aanwerven kost namelijk veel

geld. Onderzoek wees uit dat het klantenbestand behouden tot zes keer goedkoper is dan te

proberen consumenten weg te kapen bij de concurrentie (Ahn et al., 2006; Keaveney &

13

Parthasarathy, 2001; Oghojafor et al., 2012; Verbeke et al., 2011). Daar komt bij dat

langetermijnklanten voor meer winst zorgen omdat ze de neiging hebben extra producten aan te

kopen. Ze zijn minder geïnteresseerd in de activiteiten van een concurrent én ze kunnen nieuwe

klanten aantrekken via positieve mond-aan-mond reclame. Het klantenbestand behouden is

essentieel, want het verlies van consumenten zorgt voor minder inkomsten, wat een invloed

heeft op de werking van een bedrijf (Ganesh, Arnold, & Reynolds, 2000; Keaveney &

Parthasarathy, 2001; Verbeke et al., 2011, p. 211).

Telecombedrijven zijn dus op zoek naar manieren om de switching intention te beperken. Ten

eerste proberen operatoren het de consument moeilijk te maken om te veranderen van

provider, door het creëren van switching costs, of overstapdrempels. Daarnaast proberen

telecomproviders de klanttevredenheid te doen stijgen, zodat consumenten uit zichzelf willen

blijven (Calvo-Porral et al., 2016).

Telecombedrijven ontwikkelden twee strategieën om de switching intention tegen te gaan. De

eerste is een aanpak zonder specifiek doelpubliek. Die strategie is gebaseerd op het hebben van

een superieur product en massareclame om de merktrouw en klanttevredenheid van

consumenten te verhogen. In een latere sectie zullen we zien dat klanttevredenheid de switching

intention weldegelijk beïnvloedt (Calvo-Porral et al., 2016).

De tweede strategie is er één die reactief of proactief werkt. Hier is er wel een specifiek

doelpubliek. Het bedrijf zal proberen de consumenten te identificeren die de intentie hebben om

te veranderen van provider en hen dan met een incentive of een op maat gemaakte service

proberen te overtuigen om toch te blijven (Kahn, Jamwal, & Sepehri, 2010; Oghojafor et al.,

2012).

Om die consumenten te identificeren, moet men weten welke factoren de switching intention

voorspellen. Uit de literatuur komen de determinanten gepercipieerde switching costs en

gepercipieerde klanttevredenheid het meest naar voor. Die resultaten behandelen we dan ook in

ons literatuurgedeelte. Daarnaast nemen we de reeds gevonden verbanden tussen de

14

gepercipieerde content kwaliteit en de switching intention van een consument mee, net als het

hebben van een abonnement op een bundel (Oghojafor et al., 2012; Omotayo & Joachim, 2008).

2.3 Determinant gepercipieerde switching costs

Een van de manieren waarop telecombedrijven pogen om consumenten langer aan zich te

binden, is het verhogen van overstapkosten. In de literatuur heet dit switching costs. Jones,

Mothersbaugh, en Beatty (2000) definiëren een switching cost als elke factor die het voor een

consument moeilijk of duur maakt om van serviceprovider te veranderen. Calvo-Porral et al.

(2016, p. 718) verdiepten die definitie. Volgens hen is “een switching cost elke factor die het

moeilijker of duurder maakt voor een klant om te veranderen van dienstverlening, inclusief de

som van de economische, psychologische of fysieke kost.”

Volgens Klemperer (1984; 1987) leiden hoge switching costs tot hogere prijzen. Consumenten

zijn minder geneigd om te veranderen van provider als reactie op een negatieve wijziging in de

voorwaarden. Switching costs maken consumenten dus minder prijssensitief. Klanten percipiëren

dat ze bij hun aanbieder moeten blijven, ongeacht hun tevredenheid. Volgens de Reactance

Theory zorgt die beperking van vrijheid voor een lagere klanttevredenheid (Ringold, 1988).

Verschillende studies onderzochten dan ook de relatie tussen switching costs en de

klanttevredenheid van consumenten (Jones et al., 2000; Julander & Söderlund, 2003). Zo

kwamen Jones et al. (2000) tot de conclusie dat de klanttevredenheid verminderde wanneer

consumenten de perceptie hadden dat de switching costs bij hun huidige provider hoog waren.

Dat werd bevestigd in een later onderzoek van Julander & Söderlund (2003), ook zij vonden

namelijk dat hoge gepercipieerde switching costs samenhangen met een lagere

klantentevredenheid, omdat de klant het gevoel heeft dat zijn vrijheid wordt beperkt.

Telecomoperatoren proberen desalniettemin een drempel te creëren. Onderzoek van Calvo-

Porral et al. (2016) wees immers uit dat gepercipieerde switching costs een determinerende

factor vormen voor de switching intention van een consument. Switching costs zijn de enige

determinanten die verklaren waarom klanten zelfs bij ontevredenheid beslissen om bij een

15

bedrijf te blijven. Dus zetten telecomfirma’s in op hoge overstapkosten omdat verschillende

studies reeds bewezen dat dat een overstap tegenhoudt (Bansal et al., 2005; Calvo-Porral et al.,

2016; Dass & Jain, 2011; Lee et al., 2010; Nakamura, 2010). Tegelijkertijd bleek uit

eerdergenoemde studie van Calvo-Porral et al. (2016) dat de invloed ervan beperkt is. Dat kan

eventueel verklaard worden door de plaats waar de studie plaatsvond, namelijk in Spanje waar

de overstapkosten heel laag zijn.

Calvo-Porral et al. (2016) spreekt studies zoals die van Lee, Kim, Lee, & Pa (2005) tegen. Volgens

laatstgenoemden hebben switching costs weldegelijk een significante invloed. Lee et al. (2005)

vonden immers in hun studie dat switching costs consumenten tegenhouden om te veranderen

wanneer ze de perceptie hebben dat het hun meer geld en moeite zal kosten dan dat het hen

voordeel oplevert. Dat bevestigde de resultaten van Julander & Söderlund (2003). Zij toonden

aan dat switching costs een positieve invloed hebben op de intentie van een klant om een dienst

opnieuw aan te kopen, en de switching intention dus verlagen. Bansal et al. (2005)

confirmeerden dit met hun studie, net als Deng et al. (2009).

Uit onderzoek blijkt dus dat switching costs invloed hebben op de switching intention van een

consument (Bansal et al., 2005; Jones et al., 2000). Alexander De Croo, Belgisch Minister van

Digitale Agenda en Telecom in de regering Michel I, probeerde hier in 2017 een antwoord op te

vinden met zijn Easy Switch-procedure. Daarmee bereikte hij dat telecomoperatoren zelf alle

nodige administratie op zich nemen wanneer een consument wil overstappen. Het enige wat een

consument nog moet doen, is signaleren dat hij wil veranderen van provider. Op die manier kan

een overstap veel vlotter verlopen want de switching costs verlagen aanzienlijk. De prijzen van

een telecomabonnement zullen automatisch dalen als meer consumenten de neiging hebben om

te veranderen van telecomoperator (De Croo, 2017). Als een consument gemakkelijker kan

overstappen naar de provider met het goedkoopste tarief, zal de concurrentie zich genoodzaakt

zien hun prijzen aan te passen (Vervoort, 2017). Het onderwerp blijft dus actueel en behoeft

verder onderzoek. Uit bovenstaande literatuur blijkt dat er een verband bestaat tussen switching

costs en de switching intention van een consument.

16

Daaruit volgt onderstaande hypothese:

Gepercipieerde switching costs voorspellen de switching intention van de consument.

(Bansal et al., 2005, p. 102; Jones et al., 2000, p. 262)

2.4 Determinant gepercipieerde klanttevredenheid

De tweede determinant die een significante impact heeft op de switching intention van een klant

is de gepercipieerde klanttevredenheid (Calvo-Porral et al., 2016; Dass & Jain, 2011; Omotayo &

Joachim, 2008; Verbeke et al., 2011). Er zijn twee perspectieven bij dit concept. Enerzijds is er het

transactieperspectief, dat stelt dat klanttevredenheid gebaseerd is op de evaluatie van de meest

recente aankoopervaringen (Boulding, Kalra, Richard, & Zeithaml, 1993). Anderzijds is er het

cumulatieve perspectief, dat stelt dat klanttevredenheid gebaseerd is op een algemene evaluatie

van de kwaliteit, gevormd door alle eerdere aankoopervaringen van een consument (Johnson &

Fornell, 1991). Volgens Parasuraman, Zeithaml, en Berry (1988) is de cumulatieve visie op

klanttevredenheid meer geschikt om de algehele prestatie van firma’s te beoordelen, alsook om

een heraankoop van klanten te voorspellen (Kuo et al., 2009). In deze thesis ligt de focus dan ook

op de cumulatieve visie.

Klanttevredenheid refereert aan de algemene evaluatie van de aankopen en de consumptie-

ervaring van klanten (Gerpott, Rams, & Schindler, 2001). De klanttevredenheidsliteratuur stelt

dat de informatie die personen vooraf gebruiken om hun keuze te maken, een invloed heeft op

hun prestatieverwachtingen. Bovendien draagt een positief merkbeeld bij tot een grotere

algehele klanttevredenheid (Calvo-Porral et al., 2016). Met andere woorden: klanttevredenheid

is het verschil tussen de verwachting van consumenten en hun perceptie van de prestatie van

een dienst (Parasuraman, Zeithaml, & Berry, 1985). Die klanttevredenheid speelt een belangrijke

rol voor het succes van een bedrijf (Kuo et al., 2009).

Prestatieverwachtingen beïnvloeden het consumentenoordeel in verband met tevredenheid. Als

de realiteit er niet mee overeenstemt, kan dat tot een overstap leiden. Bij klanten die hun

vroegere gebruikservaring positief evalueren, is er een grotere tevredenheid. In het omgekeerde

17

geval, dus wanneer er ontevredenheid opduikt, zal de switch-intentie groter worden (Bansal et

al., 2005; Keaveney & Parthasarathy, 2001). Daaraan gelieerd zorgt een sterke dienstverlening

voor meer tevredenheid, wat op zijn beurt de loyaliteit van klanten verhoogt (Deng et al., 2009;

Omotayo & Joachim, 2008).

Kahn et al. (2010) kwamen tot eenzelfde conclusie: als de taxatiewaarde van de consument goed

zit qua algemene kwaliteit en qua excellente dienstverlening, dan beïnvloedt dit de beslissing om

trouw te blijven aan een provider. Ze benadrukken dat een gunstige dienstverlening de loyaliteit

van een consument versterkt en dus de churn vermindert. Sterker nog, daarmee kunnen ook

nieuwe klanten aangeworven worden (Calvo-Porral et al., 2016; Dass & Jain, 2011; Kahn et al.,

2010; Verbeke et al., 2011).

Uit onderzoek blijkt dus dat klanttevredenheid een positief effect heeft op klantloyaliteit, terwijl

er volgens Calvo-Porral et al. (2016) een significant negatief verband (correlatie van -.802) is met

de overstapintenties van een consument (Bansal et al., 2005; Keaveney & Parthasarathy, 2001).

Verschillende studies wezen uit dat tevreden klanten dus minder snel zullen overstappen van

provider (Cronin, Brady, & Hult, 2000; Gerpott et al., 2001; Johnson & Fornell, 1991; Keaveney &

Parthasarathy, 2001; Kuo et al., 2009). Dat brengt met zich mee dat bestaande klanten loyaler

zijn dan nieuwe abonnees (Dass & Jain, 2011).

Een tevreden consument is bovendien niet alleen meer geneigd om tot een heraankoop over te

gaan, maar ook om de dienst aan te raden bij anderen (Zeithaml, Berry, & Parasuraman, 1996).

Maar zoals Calvo-Porral et al. (2016) aanhalen in hun studie: consumententevredenheid alleen is

niet voldoende om klanten aan zich te binden. Julander & Söderlund (2003) verklaren dit doordat

klanttevredenheid nooit alle variatie in overstapintenties kan verklaren. Ook moet er rekening

gehouden worden met andere factoren, zoals bijvoorbeeld de eerder aangehaalde switching

costs.

Die factoren kunnen ook met elkaar interageren. Zo bleek uit de literatuur dat de aanwezigheid

van switching costs de klanttevredenheid significant kan verlagen, alsook dat het positieve effect

18

van tevredenheid op de switching intention van een consument verdwijnt wanneer de

gepercipieerde switching costs hoog zijn (Julander & Söderlund, 2003).

Uit bovenstaande studies blijkt bijgevolg dat er een relatie is tussen gepercipieerde

klanttevredenheid en de switching intention van een consument. Daaruit wordt de volgende

hypothese gedestilleerd:

De gepercipieerde klanttevredenheid voorspelt de switching intention van de

consument (Bansal et al., 2005, p. 100; Calvo-Porral et al., 2016, p. 722; Jones et al.,

2000, p. 261; Kuo et al., 2009, p. 890)

2.5 Determinant gepercipieerde content kwaliteit

Door de stijgende competitieve aard van de markt, verdienen telecomoperatoren een kleinere

opbrengst per gebruiker. Daarnaast werd roaming in Europa afgeschaft en zijn er veel

consumenten die minder verbruiken. Dat alles zorgt voor een daling van de inkomsten. In een

poging de winsten te verhogen, proberen telecomoperatoren extra content aan te bieden.

Daardoor verandert de traditionele kijkervaring en kan de consument er zelf voor kiezen om on

demand films en series te bekijken. Een ander voorbeeld zijn sportrechten. Telecomoperatoren

hopen zo nieuwe doelgroepen te bereiken (Evens et al., 2010; Feldmann, 2005; Urban, 2007).

Content wordt niet alleen gebruikt om de klanttevredenheid te verhogen, maar ook om mensen

ervan te overtuigen om een bundel te nemen. Zo vormt het aanbieden van extra content een

vitaal onderdeel van deze strategie voor de Europese telecomoperatoren, met als doel een

sterke positie op de markt te verkrijgen. Daarnaast probeert men nieuwe consumenten te lokken

en bestaande klanten te verleiden tot de aankoop van een bundel (Evens, Iosifidis, & Smith,

2016).

Providers troeven elkaar af om de beste content te kunnen aanbieden. Als een consument bij

een bepaalde provider toegang heeft tot content waarin hij geïnteresseerd is en zijn huidige

provider biedt dat niet aan, dan kan dat tot een verhoogde switching intention leiden. Een

voorbeeld hiervan is Proximus dat sinds 1 januari 2018 de content van Studio 100 exclusief

19

aanbiedt. Gezinnen met kinderen kunnen daarom geneigd zijn om over te stappen naar Proximus

(Dumon, 2017).

Volgens Evens et al. (2010) heeft content al meermaals aangetoond de koning van veel nieuwe

mediatechnologieën te zijn. Het succes van een technologie wordt medebepaald door de

aanwezigheid van attractieve content. Volgens Evens et al. (2016) worden sportrechten gebruikt

als een stormram die de nationale tv-markt moet openbreken voor de bedrijven. Voorlopig zijn

het vooral de gevestigde telecomoperatoren die de sportrechten in hun bezit hebben (Evens et

al., 2010).

Europese telecomoperatoren gebruiken sportrechten, vooral die van de nationale televisie, om

nieuwe betaalmodellen te promoten. En gaan daar steeds verder in. In 2005 werd de Belgische

telecomoperator Belgacom de eerste die een recordbedrag van 36 miljoen euro per jaar betaalde

om de rechten van de Belgische voetbalcompetitie te bemachtigen. Daarmee hoopte het de start

van haar nieuwe internetprotocol te promoten (Evens et al., 2016, p. 539). Enkele jaren later is

dat bedrag een peulschil geworden. In Groot-Brittannië is een som van meer dan vijfhonderd

miljoen pond geen uitzondering meer. Zo tekende BT (British Telecom) in 2012 een deal van 738

miljoen pond voor de exclusieve uitzendrechten van 38 Premier League-wedstrijden (Evens et al.,

2016, p. 540). Sterker nog, Sky bood begin 2018 maar liefst 3,579 biljoen pond om 128 Premier

League-wedstrijden over drie jaar tijd exclusief te kunnen uitzenden, dit is dus een voorbeeld van

exclusieve content (Wilson, 2018).

Logischerwijze heeft die race op rechten invloed op de sportsector. De ontwikkeling van nieuwe-

mediatechnologieën en het steeds grotere belang van televisie zorgden voor een versterkte

relatie tussen sport en media. Die relatie wordt nu vooral gedomineerd door financiële en

commerciële belangen (Evens, Iosifidis, & Smith, 2013). De escalatie van de waarde van

sportrechten zorgde voor winst voor clubs en spelers, maar het resultaat voor de consument was

minder positief. De prijzen worden namelijk doorgerekend naar de klant, en niet enkel naar de

consument die een sportabonnement aanging. Uit de literatuur blijkt dat BT in 2014 de prijzen

van de thuistelefoon en televisiepaketten met 6.49 % liet stijgen, volgens de industrie was dat

20

om de sportrechten te betalen (Evens et al., 2016, p. 544). Er moet dus een beleid volgen om

ervoor te zorgen dat de verhoogde interesse in sportrechten ook voor een betere dienstverlening

en lagere kosten voor de consument zorgt.

Zoals Evens et al. (2010) hierboven stelt, speelt content een belangrijke rol in de slaagkansen van

mediatechnologieën. Toch werd nog maar weinig onderzocht hoe de gepercipieerde content

kwaliteit de switching intention van consumenten beïnvloedt. Volgens Li et al. (2016) is content

kwaliteit een belangrijke determinant bij de beoordeling van een Over The Top-service van een

consument. Kuo et al. (2009) namen content kwaliteit mee in hun onderzoek naar de

heraankoopintentie van een consument. Volgens hen refereert de factor content kwaliteit

enerzijds naar de objectieve waarde van de content, anderzijds naar de relevantie die de content

heeft voor de gebruikers. In hun onderzoek verklaart content kwaliteit een groot deel (67 %) van

de waardering van de servicekwaliteit voor een consument. Die servicekwaliteit bepaalt via de

klanttevredenheid of een consument al dan niet een dienst opnieuw aankoopt. Zoals hierboven

aangehaald wordt content ook gebruikt om de klanttevredenheid te verhogen. Kuo et al. (2009)

zien dat ook terug in hun studie (via perceived value).

Yoo, Choi, Kim, & Yang (2009) ontdekten vervolgens dat een divers contentaanbod een

belangrijke verklarende factor van de switching intention van IPTV-abonnees (Internet Protocol

TeleVision) is. Ze deelden die abonnees op in consumenten zonder een switching intention en

een groep met een switching intention. Consumenten zonder switching intention rapporteren

gemiddeld een score van 3,5 op 5 qua belangrijkheid van de determinant ‘divers contentaanbod’

voor hun switching intention. Tegenover 2,91 op 5 voor consumenten mét een switching

intention. Na een confirmatorische factor analyse plaatsten de onderzoekers de factor onder de

determinant “Perceived service quality”, die op zijn beurt 34 % van de switching intention

verklaart. Op basis van het onderzoek van Kuo et al. (2009) en Yoo et al. (2009) gaan we uit van

volgende hypothese:

Er is een verband tussen de gepercipieerde content kwaliteit en de switching intention van

de consument (Kuo et al., 2009; Yoo et al., 2009).

21

De gepercipieerde content kwaliteit is een voorspeller van de gepercipieerde

klanttevredenheid (Kuo et al., 2009).

2.6 Determinant abonnement op bundel

Telecomoperatoren bieden steeds meer bundels aan. In eerste instantie waren bundels vooral in

België een booming business, maar geleidelijk aan veroveren ze ook Europa. Operatoren

proberen hun marktpositie te beschermen en uit te breiden door meerdere

communicatiediensten te bundelen over één breedbandconnectie. Dat wil zeggen dat een

consument bijvoorbeeld digitale televisie, internet-toegang en een vaste lijn in één abonnement

opneemt. Soms wordt dit ook nog uitgebreid tot een ‘quad-play’, waarbij ook mobiele telefonie

is inbegrepen (Evens et al., 2016). Het begon allemaal met een dual-play met vaste telefonie en

vast internet. Dan volgde de triple-play, waarbij televisiediensten aan het pakket werden

toegevoegd. Daarna volgde de quad-play, waar ook mobiele telefonie deel van uitmaakte en

uiteindelijk was er de quintuple-play, waarbij eveneens mobiel internet is inbegrepen (Neal,

2014; Uner et al., 2015).

In onder andere de banksector werden eerder al bundels aangeboden (Armstrong & Vickers,

2006). Uit onderzoek blijkt dat dit een effectieve tool is voor prijsdiscriminatie omdat het de

heterogeniteit in de willingness-to-pay van consumenten vermindert (Armstrong & Vickers,

2006; Bakos & Brynjolfsson, 1999). De aanwezigheid van bundels bemoeilijkt eveneens de

intrede van nieuwe concurrenten in de markt (Nalebuff, 2004) en het verlaagt de kosten

(Salinger, 1995).

Bij bundels is er een lineaire prijsstelling. Wanneer consumenten al hun producten bij één bedrijf

kopen (lineair) leidt dat tot hogere winsten en betere welvaart, maar het consumentensurplus

ligt lager dan bij niet-lineaire prijsstelling (Armstrong & Vickers, 2006). Firma’s boeken dus

duidelijk winst op bundels want op die manier zorgen ze ervoor dat consumenten soms

producten aankopen die ze eigenlijk niet echt gebruiken, onder het summum dat ze er voordeel

uit halen (Bakos & Brynjolfsson, 1999).

22

Bovendien zorgen bundels ook voor convenience. Hoe hoger het aanwezige gebruiksgemak bij de

huidige provider, hoe minder geneigd een consument zal zijn om te veranderen (Gan, Cohen,

Clemes, & Chong, 2006; Omotayo & Joachim, 2008). Convenience speelt ook een rol bij de

betaling. Volgens Miao en Jayakar (2014) nemen consumenten vaak niet-optimale bundels, ze

kopen pakketten die boven hun gebruiksniveau liggen. Daaruit kan geconcludeerd worden dat

klanten liever voor het gemak van vooraf vaststaande betalingen kiezen dan dat ze voor een

verrassing komen te staan op hun maandelijkse rekening. Dat verklaart waarom bundels zo

populair zijn.

Zoals hierboven gesteld gebruiken telecomoperatoren extra content zoals sportrechten om

consumenten te overhalen om een abonnement op een bundel aan te gaan. Die abonnementen

zijn gunstig voor telecomoperatoren omwille van enkele redenen. Ten eerste zorgen ze ervoor

dat een klant minder makkelijk van dienstverlener verandert doordat de gepercipieerde

switching costs hoger zijn (Lee, 2016). Daarnaast laten ze de operator toe dat hij een of

meerdere van zijn diensten kan cross-subsidiëren (Evens et al., 2016). Dat betekent dat hij bij de

ene consument hogere kosten kan aanrekenen om dan bij een andere klant minder te vragen.

Ten slotte zorgt het voor een strategisch voordeel ten opzichte van betaaltelevisie-operatoren,

omdat telecomoperatoren alles in één pakket kunnen aanbieden (Evens et al., 2016).

Uit de literatuur blijkt dat telecomproviders bundels aanbieden om de switching intention van

consumenten te verlagen. Enkele auteurs onderzochten reeds of dit ook een efficiënte maatregel

is (Burnett, 2014; European Commission, 2014; Federal Communications Commission, 2010; Lee,

2016; Prince & Greenstein, 2011). Zij komen tot eenzelfde conclusie, namelijk dat een

abonnement op een bundel de switching intention van een consument verlaagt, en dat de klant

dus vaker geneigd is om bij zijn huidige provider te blijven.

Zo vond Lee (2016) dat internetgebruikers die eerder een bundel namen 17.4 percentpunten

minder geneigd zijn om te veranderen van provider. Dat komt omdat ze bijvoorbeeld niet alleen

voor hun internetdiensten van provider moeten veranderen, maar eveneens het serviceplan voor

de andere diensten zouden moeten wijzigen. Dat sluit aan bij een eerder onderzoek van de

23

Europese Commissie uit 2014. Uit dat Eurobarometer-onderzoek bij consumenten uit

28 Europese landen bleek immers dat een bundel een belangrijke reden is om niet te veranderen

van telecomprovider. 69 % van de non-switchers die over een bundel beschikte, rapporteerde

nog nooit overwogen te hebben om over te stappen (European Commission, 2014). Burnett

(2014) vond in zijn onderzoek dat een individu die zijn diensten in één bundel afneemt bij een

provider, minder geneigd zal zijn om te veranderen. Dat stemt overeen met een eerder

onderzoek van de Federal Communications Commission (2010). Daarin rapporteerde bijna 40 %

van de respondenten dat hun bundel een van de hoofdredenen was waarom ze bij hun provider

blijven.

In het verleden werd al vaak onderzoek gedaan naar bundels en de bijhorende effecten voor

bedrijven en de markt (Bakos & Brynjolfsson, 1999; Nalebuff, 2004; Salinger, 1995). Maar zoals

Lee (2016) en Burnett (2014) aanhalen in hun studie: de relatie tussen het hebben van een

bundel en de switching intention van consumenten werd nog maar amper onderzocht. De

literatuur over dit onderwerp blijft te beperkt. De resultaten van degene die het wel al

onderzochten, staan hierboven beschreven. Daaruit bleek dat een abonnement op een bundel

de switching intention verlaagt (Burnett, 2014; Federal Communications Commission, 2010; Lee,

2016; Prince & Greenstein, 2011). Aangezien het topic verdere studie behoeft, nemen we het

mee in ons onderzoek en leveren we zo een bijdrage aan de literatuur. Onze hypothese luidt als

volgt:

Het hebben van een abonnement op een bundel voorspelt de switching intention van de

consument (Burnett, 2014).

2.7 Conclusie literatuurstudie

In deze literatuurstudie werden verschillende factoren onderzocht die bepalen of een klant al

dan niet de intentie heeft om te veranderen van provider. Switching intention wordt beÏnvloed

door gepercipieerde switching costs, gepercipieerde klanttevredenheid, gepercipieerde content

kwaliteit en het hebben van een abonnement op een bundel.

24

Uit verschillende studies bleek dat switching costs de switching intention negatief beïnvloeden

(Bansal, et al., 2005; Jones et al., 2000; Julander & Söderlund, 2003; Lee, et al., 2005). Switching

costs zijn de enige determinanten die verklaren waarom klanten zelfs bij ontevredenheid

beslissen om bij een bedrijf te blijven (Julander & Söderlund, 2003). Dus zetten telecomfirma’s in

op hoge switching costs omdat bewezen is dat die een overstap tegenhouden (Calvo-Porral et al.,

2016; Dass & Jain, 2011; Lee et al., 2010; Nakamura, 2010).

In 2017 probeerde Alexander De Croo, minister van Digitale Agenda en Telecom in regering-

Michel I, de gepercipieerde switching costs te verlagen via de Easy Switch-procedure (De Croo,

2017). Gezien deze recente ingreep is het zeker interessant om te onderzoeken of switching

costs in Vlaanderen de switching intention beïnvloeden. Uit de literatuur destilleren we volgende

hypothese:

Gepercipieerde switching costs voorspellen de switching intention van een consument.

(Bansal et al., 2005, p. 102; Jones et al., 2000, p. 262)

Een tweede belangrijke determinant om de switching intention van consumenten te voorspellen

is gepercipieerde klanttevredenheid (Calvo-Porral et al., 2016; Dass & Jain, 2011). Een consument

zal sneller geneigd zijn om te veranderen van telecomprovider wanneer hij ontevreden is

(Julander & Söderlund, 2003; Verbeke et al., 2011). Een persoon met een hoge

klanttevredenheid zal sneller producten opnieuw aankopen en zal de dienst vlugger aanraden

(Zeithaml et al., 1996). Met andere woorden: tevreden klanten hebben een lagere

overstapintentie volgens de behandelde studies (Kuo et al., 2009; Verbeke et al., 2011). Dat

impliceert de volgende hypothese:

De gepercipieerde klanttevredenheid voorspelt de switching intention van de

consument (Calvo-Porral et al., 2016, p. 722; Jones et al., 2000, p. 261; Kuo et al.,

2009, p. 890).

Een recentere ontwikkeling in de strategie van telecomproviders is om extra content beschikbaar

te stellen voor hun klanten. Op die manier hopen ze nieuwe doelpublieken te bereiken en de

25

switching intention te verlagen, alsook de klanttevredenheid te verhogen (Evens et al., 2010;

Feldmann, 2005). Daardoor verandert de traditionele kijkervaring en kan de consument er zelf

voor kiezen om on demand films en series te bekijken. Uit verschillende studies bleek dat als

providers hun dienstverlening versterken, de klanttevredenheid meteen verbetert en dus ook de

switching intention negatief beïnvloedt (Calvo-Porral et al., 2016; Dass & Jain, 2011). Daarvoor is

een goed aanbod belangrijk.

Het succes van een technologie wordt medebepaald door de aanwezigheid van attractieve

content (Evens et al., 2010). Dat werd bevestigd in het onderzoek van Yoo et al. (2009), waarin

bleek dat contentdiversiteit een belangrijke invloed had op de switching intention. In het

onderzoek van Kuo et al. (2009) wordt 67 % van de waardering van de servicekwaliteit verklaard

door content kwaliteit. Die servicekwaliteit bepaalt via de klanttevredenheid of een consument

al dan niet een dienst opnieuw aankoopt. Op basis van het onderzoek van Kuo et al. (2009) en

Yoo et al. (2009) gaan we uit van volgende hypotheses:

Gepercipieerde content kwaliteit voorspelt de switching intention van de consument (Kuo

et al. 2009; Yoo et al., 2009).

Gepercipieerde content kwaliteit is een voorspeller van de gepercipieerde


Ten slotte proberen telecomproviders de switching intention van consumenten te

verlagen via het aanbieden van attractieve bundels (Calvo-Porral et al., 2016). Op die

manier proberen ze zich ook te onderscheiden van hun concurrenten. De relatie tussen

beide variabelen werd nog maar amper onderzocht in de literatuur. Degene die het wel al

deden, kwamen tot de conclusie dat een abonnement op een bundel de switching

intention verlaagt (Burnett, 2014; Federal Communications Commission, 2010; Lee, 2016;

Prince & Greenstein, 2011). Zo vond Lee (2016) dat internetgebruikers die eerder een

bundel namen 17.4 percentpunten minder geneigd zijn om te veranderen van provider.

Het topic behoeft dus zeker verdere studie. Proberen te achterhalen of dat verband

26

geconfirmeerd kan worden, betekent een bijdrage aan de literatuur. De hypothese luidt

als volgt:

Het hebben van een abonnement op een bundel voorspelt de switching intention van de

consument (Burnett, 2014).

Met kwantitatief onderzoek zal deze studie nagaan of deze factoren weldegelijk de switching

intention van een consument beïnvloeden. Om het klantenbestand succesvol te beheren is een

vroege detectie van de switching intention van een consument van cruciaal belang. Zo hebben de

providers de mogelijkheid tijdig te reageren op een potentieel vertrek van een klant, nog voordat

die zijn definitieve beslissing heeft genomen. Daarvoor is verder onderzoek noodzakelijk

(Verbeke et al., 2011).

27

3 Methodologie

3.1 Structureel model

Figuur 1: Structureel model met hypotheses

- H1: Gepercipieerde switching costs voorspellen de switching intention van de

consument (Bansal et al., 2005, p. 102; Jones et al., 2000, p. 262).

- H2: De gepercipieerde klanttevredenheid voorspelt de switching intention van de

consument (Bansal et al, 2005, p. 100; Calvo-Porral et al., 2016, p. 722; Jones et

al., 2000, p. 261; Kuo et al., 2009, p. 890).

28

- H3: Gepercipieerde content kwaliteit voorspelt de switching intention van de

consument (Kuo et al., 2009) .

- H4: De gepercipieerde content kwaliteit is een voorspeller van de gepercipieerde


- H5: Het hebben van een abonnement op een bundel voorspelt de switching intention van

de consument (Burnett, 2014).

3.2 Onderzoeksdesign

De centrale onderzoeksvraag van deze paper is: “Wat zijn de factoren die mensen ertoe

aanzetten om al dan niet van provider van telecommunicatiediensten te veranderen?” Om deze

vraag te beantwoorden, wordt in het volgende onderdeel verder ingegaan op de factoren die uit

de wetenschappelijke literatuur geselecteerd werden en hoe die onderzocht zullen worden. De

focus ligt op de factoren gepercipieerde klanttevredenheid, gepercipieerde switching costs,

gepercipieerde content kwaliteit en het hebben van een abonnement op een bundel. Met die

laatste twee verklarende determinanten wordt een bijdrage aan de literatuur geleverd. Ze

werden namelijk nog maar zelden onderzocht in relatie tot de switching intention van een

consument. De gebruikte methode is Structural Equation Modeling. Op die manier zal

onderzocht worden of de verbanden uit eerdere literatuur geconfirmeerd kunnen worden.

3.2.1 Dataverzamelingsmethode en sample procedure

In navolging van Calvo-Porral et al. (2016) en Julander & Söderlund (2003) werd geopteerd voor

kwantitatief onderzoek. De respondenten deden aan zelfrapportering. Dat heeft als nadeel dat

mensen niet altijd doen wat ze zeggen te doen en daar moet rekening mee gehouden worden. In

elk statistisch onderzoek is er namelijk een foutenmarge meegerekend. In deze studie zal

gewerkt worden met een foutenmarge van 5%. Ook geven respondenten soms sociaal wenselijke

antwoorden bij bepaalde thema’s. Maar bij dit onderwerp zal dat minder een issue zijn. Er

bestaan nu eenmaal weinig sociaal wenselijke antwoorden in verband met de keuze voor een

telecomprovider. Volgens Calvo-Porral et al. (2016) is zelfrapportering via likertschalen en

semantische differentialen de beste manier om abstracte concepten toch meetbaar te maken.

29

De dataverzameling gebeurde via een onlinesurvey, opgesteld in Qualtrics. De survey werd op

verschillende manieren verspreid: via Facebook, via mail en door mensen persoonlijk aan te

spreken.

Het eerste deel van de vragenlijst bestond uit socio-demografische informatie over de

respondent in kwestie. Zo werd bijvoorbeeld onder andere naar het geslacht, het

opleidingsniveau en het geboortejaar van de respondent gevraagd. Daarnaast werd gepolst naar

het aantal opgenomen diensten bij een telecomprovider. In een volgende sectie werd volgens

het voorbeeld van Bansal et al. (2005) onderzocht of de respondent de afgelopen twee jaar

veranderde van provider. Dit om een beeld te krijgen van het eventuele switching gedrag in zijn

recent verleden. Vervolgens werd de huidige switching intention bevraagd. In de daaropvolgende

onderdelen werd de focus van de vragenlijst verlegd naar de determinanten. Die factoren

werden onderzocht aan de hand van enkele stellingen, daarover meer in het onderdeel

‘operationalisering van de gebruikte concepten’ (zie 3.2.4).

De sample bestond uit respondenten vanaf 21 jaar. Vanaf die leeftijd behalen veel mensen hun

(eerste) hoger diploma, studeren ze verder of gaan ze de arbeidsmarkt op, anderen werken

reeds drie jaar. Personen jonger dan 21 zijn vaak nog afhankelijk van hun ouders voor de keuze

van een telecomprovider. Daarom werden zij geweerd uit dit onderzoek. Er werd geen

bovengrens gesteld qua leeftijd, aangezien ook gepensioneerden nog steeds een beroep doen op

een telecomprovider om bijvoorbeeld televisie te kijken.

3.2.2 Analysemethode

Op basis van de literatuur werden hypotheses opgesteld, die te raadplegen zijn onder het

structureel model op pagina 27. Om die hypotheses te onderzoeken, werd een survey

uitgestuurd. De verschillende concepten werden onderzocht aan de hand van wetenschappelijke

7-punt Likertschalen (zie sectie 3.2.4) die uit de literatuur gedestilleerd werden.

In een volgende stap werd via een pre-test bij zeven personen gecheckt of de interne validiteit

van de constructen goed zat (zie bijlage 3). Waar nodig volgden aanpassingen. Zo moesten

30

sommige stellingen onder het construct ‘gepercipieerde content kwaliteit’ duidelijker

geformuleerd worden. Daarna werd de survey online geplaatst. Na de dataverzameling volgde de

data-cleaning, vervolgens werd een Chronbach’s Alpha-analyse gedaan om de betrouwbaarheid

van de schalen te testen. Daarna volgde een Principale Componenten Analyse om te kijken welke

dimensies SPSS terugvindt in de data.

Vervolgens werden enkele parametrische testen zoals een one-way-anova uitgevoerd op de

data, om daarna over te gaan naar wat de grootste bijdrage aan de literatuur is van dit

onderzoek: namelijk onderzoeken of het voorgestelde conceptueel model geconfirmeerd kon

worden aan de hand van een Structural Equation Modeling-analyse.

In veel van de literatuur stellen auteurs immers voorspelmodellen op (Bansal et al., 2005;

Julander & Söderlund, 2003; Oskarsdóttira et al., 2017; Verbeke et al., 2011). In deze studie zal

geprobeerd worden een alternatief model te confirmeren waar gepercipieerde switching costs,

gepercipieerde klanttevredenheid, gepercipieerde content kwaliteit en het hebben van een

abonnement op een bundel de switching intention verklaren.

In de literatuur zijn er nog veel meer verklarende factoren te vinden, maar dit onderzoek nam de

twee determinanten mee die het vaakst naar voren kwamen (gepercipieerde switching costs en

gepercipieerde klanttevredenheid), als de twee constructen die nog meer onderzocht moeten

worden (gepercipieerde content kwaliteit en abonnement op een bundel). Daarvoor werd de

denkwijze van Verbeke et al. (2011, p. 223) gevolgd. Volgens hen “volstaat een klein aantal

variabelen om de churn met een hoge accuraatheid te voorspellen. Oversampelen zorgt in het

algemeen niet significant voor een betere voorspelling. Het is efficiënter om te focussen op een

kleine set van goed gekozen attributen, dan zoveel mogelijk data te verzamelen.” Parsimony (het

spaarzaamheidsprincipe) stelt dat er zo spaarzaam mogelijk omgegaan moet worden met het

aantal pijlen in een model. Dat is eveneens een basisprincipe van Structural Equation Modeling,

de gebruikte onderzoekstechniek.

Om het voorgestelde model te confirmeren, werd een three step Structural Equation Modeling

uitgevoerd. Voor die methode moet er eerst uit de literatuur een conceptueel model en

31

bijhorende hypotheses gedestilleerd worden. SEM combineert confirmatory factor analysis (CFA)

met multiple regression analysis om zo tot een framework te komen. Deze methode houdt dus

drie stappen in (Dragan & Topolsek, 2014).

De CFA voorziet een manier om het meetgedeelte van het model (meetmodel genoemd) te

bouwen, waarbij de relatie tussen de geobserveerde (gemeten) variabelen (indicatoren, of

manifeste variabelen genoemd) en de latente factoren onderzocht kan worden. CFA verduidelijkt

of de verschillende indicatoren voldoende laden op de latente factoren, en tot welk niveau elke

geobserveerde variabele kan verklaard worden door elke factor. Daarnaast helpt CFA om het

aantal latente factoren te identificeren dat verantwoordelijk is voor de variabiliteit in de data.

Regressieanalyse vervolgens, is een statistisch instrument waarbij een lineair verband wordt

voorondersteld tussen twee variabelen (Verleye, 2018). Volgens Dragan & Topolsek (2014) maakt

de analyse het mogelijk de causale relaties tussen verschillende factoren bloot te leggen.

Enkelvoudige regressieanalyse is een voorspellende analysetechniek waarbij een variable wordt

gebruikt om het niveau van een andere variabele te voorspellen met de formule voor de rechte

lijn. Hiermee kan in voorspellingsmodellen een uitspraak worden gedaan over wat er naar

verwachting in de toekomst zal gebeuren op basis van voorafgaande observaties. Ook hier is er

een standaardfout van de schatting. In dit onderzoek zal zoals eerder aangehaald gewerkt

worden met een foutenmarge van 5 %. Bij stapsgewijze meervoudige regressie (multiple

regression analysis) worden de onafhankelijke variabelen die statistisch significant zijn en de

meeste variantie in de afhankelijke variabele verklaren vastgesteld en vervolgens in de

meervoudige regressievergelijking ingevoerd (Verleye, 2018).

Een van de belangrijkste doelen van SEM is om te onderzoeken of de aangehaalde hypotheses in

het theoretisch model consistent passen bij de geobseveerde data. Die inspectie gebeurt via de

berekening van verschillende model-fit indices. Die indices beschrijven de kans dat de

gestipuleerde relaties tussen de behandelde variabelen kloppen. Ten slotte wordt ook de

kwaliteit van de fit tussen het model en de echte data gecheckt aan de hand van die model-fit

indices (Dragan & Topolsek, 2014).

32

Net als Julander & Söderlund (2003) zullen het path diagram, de model fit indices, de

verschillende structural equations en regressiegewichten gerapporteerd worden. Alle analyses

worden gebruikt om conclusies te trekken over de hypotheses.

3.2.3 Steekproef

De survey (zie bijlage 1) liep twee weken. In die tijdspanne werden in totaal 455 ingevulde

vragenlijsten verzameld en was er een uitval van 102 respondenten (22,42 %). Tijdens de data-

cleaning bleek dat er nog enkele resultaten verwijderd moesten worden, wegens systematisch

vertekende data, of omdat de respondent te jong was. Na de data-cleaning bleven 448 ingevulde

vragenlijsten over.

Bij SEM is er geen consensus over de sample size, maar in het algemeen wordt aangenomen dat

de ondergrens op 200 ligt en dat het aantal respondenten groter moet zijn dan 10 x het aantal

manifeste variabelen die in het model worden opgenomen. De vragenlijst van dit onderzoek

bevat in totaal 19 items in de constructen voor het model. Daaruit volgt dat er minstens 190

respondenten nodig zijn. Na de data-cleaning bleven er 448 respondenten over.

De sample bestaat uit 248 mannen (55,4 %) en 200 vrouwen (45,6 %). Net geen 3/4de van de

respondenten (315 personen – 70,3 %) genoot een hogere opleiding. De grootste groep

respondenten is getrouwd (186 – 41,5 %), gevolgd door singles (127 – 28,3 %) en

samenwonenden (114 – 25,4%). 15 respondenten (3,3 %) zijn gescheiden, 6 personen (1,3 %) zijn

weduwe of weduwnaar.

De sample bestaat uit respondenten vanaf 21 jaar, onderverdeeld in vijf groepen: 21-30 jaar, 31-

40 jaar, 41-50 jaar, 51-60 jaar en +61 jaar. De jongste respondenten in dit onderzoek zijn 21, de

oudste respondent is 80 jaar oud. De gemiddelde leeftijd is 40,11 jaar. De leeftijdsverdeling

wordt weergegeven in tabel 1 op de volgende pagina.

33

Tabel 1: Verdeling van de steekproef per leeftijdscategorie

Respondenten per leeftijdscategorie Leeftijdscategorie Frequentie Percentage 21-30 171 38,17 31-40 66 14,73 41-50 71 15,85 51-60 101 22,54 61+ 39 8,71 Totaal 448 100,0

De leeftijdsverdeling is als volgt: 171 respondenten (38,17 %) zijn tussen de 21 en 30 jaar oud. De

tweede grootste groep (101 mensen – 22,54 %) is tussen de 51 en 60 jaar oud, gevolgd door de

41 tot 50-jarigen, zij maken met 71 respondenten 15,85 procent uit van deze sample. De 31 tot

40-jarigen zijn de op één na kleinste groep in dit onderzoek met 66 respondenten (14,73 %). De

61+’ers zijn het minst vertegenwoordigd met 8.71 %, ofte 39 respondenten. Daaruit volgt de

conclusie dat de gebruikte steekproef scheefgetrokken is qua leeftijdsverdeling. De bevindingen

van dit onderzoek zullen dus enkel slaan op de respondenten van deze studie, en dus niet op de

voltallige Vlaamse populatie.

3.2.4 Operationalisering van de gebruikte concepten

Zoals eerder aangehaald beperkten we ons tot vier onafhankelijke variabelen om de switching

intention van een consument te verklaren. Via dit model wordt onderzocht in welke mate de

gepercipieerde switching costs, de gepercipieerde klanttevredenheid, de gepercipieerde content

kwaliteit en een abonnement op een bundel de switching intention van een consument

verklaren.

Om die abstracte en latente concepten meetbaar te maken, baseerden we ons op bestaande

multi-items schalen uit de literatuur. We testten de interne validiteit van die constructen via een

pre-test bij zeven personen, zie bijlage 3.

34

Switching intention

Het eerste gebruikte construct is een schaal van Bansal et al. (2005, p. 107) bestaande uit 3 items

om de switching intention van een consument te meten aan de hand van een 7-punt

semantische differentiaal. Hun gerapporteerde Chronbach’s Alpha was .93. In deze studie is de

α = .88 (zie tabel 2). Daaruit kan geconcludeerd worden dat het net geen excellente schaal is,

maar wel nog steeds een goede schaal wat de interne consistentie betreft. Ook de correlatie

tussen de items is overal boven de .30, zoals het hoort.

Tabel 2: Construct switching intention

Switching intention Items α Hoe groot is de kans dat je binnen zes maanden van telecomprovider verandert:

.88 onwaarschijnlijk

waarschijnlijk

onaannemelijk

aannemelijk

onmogelijk

mogelijk

Bij de pre-test bleek bij dit construct dat respondenten moeite hadden met het invullen van de

oorspronkelijke semantische differentiaal. Met het oog op de duidelijkheid werd in eerste

instantie bovenaan een label toegevoegd met een nummering van – 3 tot + 3, of van 1 tot 7

boven de bolletjes, maar dat werkte contraproductief. De respondenten vonden het net

duidelijker zonder label, dat werd dan ook aangepast bij het uitsturen van de survey, om zo de

interne validiteit te waarborgen.

Voor de determinanten werd vervolgens steevast met bestaande 7-punt Likertschalen gewerkt.

Volgens Calvo-Porral et al. (2016) zijn Likertschalen ideaal om abstracte concepten, zoals

gepercipieerde klanttevredenheid, alsnog meetbaar te maken.

35

Gepercipieerde switching costs

De eerste determinant zijn de ‘gepercipieerde switching costs’. Om dit concept meetbaar te

maken, werd voor een construct van Julander en Söderlund (2003, p. 19) geopteerd (zie tabel 3).

Zij ontwikkelden een schaal met vijf items om de gepercipieerde switching costs te onderzoeken.

De wetenschappers rapporteerden een Chronbach’s Alpha α van .80.

Tabel 3: Construct gepercipieerde switching costs

Gepercipieerde switching costs Items α

1. Er zijn weinig andere providers die realistische alternatieven voor me aanbieden.

2. Het is moeilijk voor mij om gebruik te maken van andere providers.

3. Het zou ingewikkeld voor me zijn om van provider te veranderen.

4. Ik voel me gebonden aan deze provider. 5. Het neemt veel tijd in beslag om me te informeren over andere

providers.

.70

Bij de betrouwbaarheidsanalyse van dit onderzoek werd in eerste instantie een Chronbach’s

Alpha van .65 bekomen, volgens de statistische regels gaat het dus om een zwakke schaal qua

betrouwbaarheid. Als we het eerste item verwijderen, stijgt de Chronbach’s Alpha naar .70,

waarmee we dus een voldoende intern betrouwbaar construct bekomen. Daardoor is ook de

interne correlatie tussen de overige items overal boven .30. Bij het maken van de schaal wordt

het eerste item bijgevolg weggelaten. Hier wordt het eerste item dus: ‘Het is moeilijk voor mij

om gebruik te maken van andere providers’.

Gepercipieerde klanttevredenheid

Voor het volgende construct ‘gepercipieerde klanttevredenheid’ werd eveneens het voorbeeld

van Julander en Söderlund (2003) gevolgd. Zij onderzochten het concept via een schaal

bestaande uit drie stellingen. De betrouwbaarheid van de schaal was .94 bij hen. In dit onderzoek

is de Chronbach’s Alpha = .89 (zie tabel 4). De interne correlatie is overal boven de .30, dus de

schaal kan meegenomen worden in de verdere analyses.

36

Tabel 4: Construct gepercipieerde klanttevredenheid

Construct klanttevredenheid Items α

1. Ik ben tevreden met mijn provider 2. De provider voldoet aan alle vereisten die ik stel. 3. De provider bevredigt mijn behoeftes.

.89

Gepercipieerde content kwaliteit

De derde verklarende determinant is de gepercipieerde content kwaliteit. Daarvoor werd het

voorbeeld van Kuo et al. (2009, p. 891) gevolgd. Zij ontwikkelden een construct met zes items om

de gepercipieerde content kwaliteit te meten.

Tabel 5: Construct gepercipieerde content kwaliteit

Gepercipieerde content kwaliteit Items Alpha α

1. Mijn provider biedt complete content. 2. Mijn provider biedt geschikte content. 3. Mijn provider biedt belangrijke content. 4. Mijn provider biedt moderne content. 5. Mijn provider biedt regelmatige upgedate content. 6. Ik begrijp volledig de content die mijn provider me aanbiedt.

.87

Voor deze factor is er nog amper onderzocht in welke mate dit bijdraagt tot de switching

intention van de consument in de telecommunicatiesector. Kuo et al. (2009) gebruikten hun

schaal om de perceived value van een dienst te meten, in dit onderzoek zal ze gebruikt worden

om de gepercipieerde content kwaliteit van de provider te meten. Na een exploratory factor

analysis hielden Kuo et al. (2009) enkel de eerste drie items over en rapporteerden ze een

Chronbach’s Alpha van .86.

In dit onderzoek werden toch elk van de zes items meegenomen. Bij de pre-test bleek de eerste

versie van de stellingen niet geheel duidelijk te zijn, en dus werden de items taalkundig

aangepast zodat ze voor elke respondent in de pre-test duidelijk waren. Na het afnemen van de

data werd er een Chronbach’s Alpha analyse uitgevoerd. De zes variabelen vertegenwoordigen

37

een α van .87 en de interne correlatie is overal hoger dan .30. De schaal is dus voldoende intern

betrouwbaar om mee te nemen. Elk item zal bijgevolg gebruikt worden in dit onderzoek.

Abonnement op bundel

Ten slotte wordt de relatie tussen het hebben van een abonnement op een bundel en de

switching intention van de consument onderzocht. In de vragenlijst werd eerst gevraagd aan de

respondenten of ze over een bundel beschikten. Indien dat niet het geval was, werd de

respondent meteen doorgestuurd naar het construct. In het andere geval moest hij eerst

aangeven hoeveel diensten hij opgenomen had in zijn bundel, alvorens naar het construct te

gaan. We gebruiken een schaal van Federal Communications Commission (2010, p. 3).

Tabel 6: Construct abonnement op bundel

Abonnement op bundel Items Alpha α

1. Voor mij is mijn huidige bundel een belangrijke reden om bij mijn provider te blijven.

2. Voor mij is een aanbod voor een aantrekkelijke bundel een belangrijke reden om van provider te veranderen.

.87

Het tweede item wordt gehercodeerd omdat het item omgekeerd geschaald is. De behaalde

Chronbach’s Alpha is .87 (zie tabel 6). De interne correlatie ligt hoger dan .30, dus de schaal kan

eveneens gebruikt worden.

In tabel 7 volgt nog eens een samenvatting van de gebruikte schalen voor het model, en het

bijhorende gemiddelde, standaardafwijking en Cronbach’s Alpha.

Tabel 7: Overzicht van de maatstaven per schaal

Statistieken van de constructen in het model

Switching Intention

Klant-tevredenheid

Switching Costs

Abonnement Op Bundel

Content Kwaliteit

Gemiddelde 2,70 5,44 3,97 4,03 5,22 Standaardafwijking 1,515 1,075 1,293 ,922 ,858 Chronbach’s Alpha .88 .89 .70 .87 .87 Betekenis α Goed Goed Voldoende Goed Goed

38

3.3 Principale componenten analyse

Vooraleer de eigenlijke Structural Equation Modeling-analyse uit te voeren, werd in eerste

instantie gecheckt of de schalen betrouwbaar en intern valide waren. Via Principale

Componenten Analyse (PCA) wordt vervolgens onderzocht of de dimensies die de theorie

vooropstelt in de data terug te vinden zijn. Factoranalyse is immers een datareductietechniek die

voor een aantal geobserveerde variabelen een kleiner aantal achterliggende variabelen

identificeert (Baccarne, 2018).

De literatuur stelt dat vijf latente constructen nodig zijn om ons model op te bouwen, zijnde

’switching intention’, ‘gepercipieerde switching costs’, ‘gepercipieerde klanttevredenheid’,

‘gepercipieerde content kwaliteit’ en ‘abonnement op een bundel’. Via de PCA wordt getest of

de gebruikte factoren sterk laden op de items die uit de data worden gehaald, en hoeveel van de

totale variantie de factoren verklaren. De output is terug te vinden in bijlage 4.

In een eerste fase van de PCA worden de teststatistieken voor de correlaties tussen items

gecheckt. Die correlatie moet voor de items die hetzelfde meten hoger zijn dan .30. Voor de

factoren die de constructen ‘switching intention’, ‘gepercipieerde klanttevredenheid’,

‘abonnement op bundel’ en ‘gepercipieerde content kwaliteit’ meten is dat het geval. Bij

‘gepercipieerde switching costs’ voldoet enkel de correlatiewaarde tussen het eerste en het

laatste item van de herwerkte schaal niet aan de statistisch voorgeschreven norm (corr (SC2,

SC5) = .092 <.30). Dat wordt genegeerd, omdat de literatuur vooropstelt dat het over een

aanvaardbaar construct gaat. Daarnaast lag de Cronbach’s Alpha-waarde in dit onderzoek met

.70 voldoende hoog. Ten slotte was bij die Cronbach’s Alpha-analyse de interne correlatie tussen

de items wel hoger dan .30.

In een volgende stap van de PCA-analyse volgt de KMO & Bartlett’s test. Die test is een indicatie

van hoe geschikt de dataset is voor factoranalyse, het is een maatstaf voor de proportie van de

variantie die gedeelde variantie zou kunnen zijn (Baccarne, 2018). De KMO moet minstens .60

zijn, voor deze dataset is dat .83. De Bartlett’s Test of Sphericity geeft een p-waarde <.001, de

39

nulhypothese die stelt dat er geen relatie is tussen de variabelen wordt verworpen. Met andere

woorden, er is een relatie tussen de geselecteerde variabelen in deze data.

Vervolgens wordt de sectie ‘total variance explained’ geanalyseerd. De PCA geeft aan dat er vijf

factoren of componenten in de data zitten. Dat komt overeen met het aantal dimensies die de

theorie vooropstelt, namelijk ‘switching intention’, ‘gepercipieerde switching costs’,

‘gepercipieerde klanttevredenheid’, ‘gepercipieerde content kwaliteit’ en ‘abonnement op een

bundel’. Die factoren vertegenwoordigen samen 68,78 % van de totale variantie in de originele

data, de statistisch aanvaarde ondergrens hiervoor is 60 %.

Ten slotte volgt de rotated component matrix (zie tabel 8), die aangeeft hoeveel van de variantie

in de items door de factor wordt gerepresenteerd. De cijfers in de matrix tonen eveneens hoe

elke factor laadt op de geselecteerde items. De absolute waarde moet groter zijn dan .50.

Idealiter laadt elke factor sterk op bepaalde items en niet of nauwelijks op andere items

(Baccarne, 2018). De eerste component in de dataset is die van ‘gepercipieerde content

kwaliteit’. De zes stellingen die content kwaliteit meten (aangeduid met CK) laden inderdaad het

best op deze component: het laagste cijfer is .695, het hoogste is .798. De tweede component

vertegenwoordigt de ‘gepercipieerde switching intention’. De drie items (aangeduid met SI) met

de hoogste ladingen zijn inderdaad degene die de switching intention meten. De scores variëren

tussen .791 en .890. De derde component die SPSS uit de data haalt is die van ‘gepercipieerde

klanttevredenheid’, en het programma duidt drie items aan die hier het hoogst op laden

(aangeduid met KT). De ondergrens is hier .755 en de bovengrens .855. De vierde component

vertegenwoordigt de gepercipieerde switching costs. Volgens SPSS laadt de component

gepercipieerde switching costs inderdaad het best op de vier geselecteerde items uit de

literatuur (aangeduid met SC): .620 is hier het laagste cijfer, .849 het hoogste. De vijfde en laatste

component die de data selecteert is ‘abonnement op bundel’, de cijfers voor de twee items zijn

.737 en -.830 (aangeduid met AB).

Hieruit kan geconcludeerd worden dat elk item een voldoende hoge individuele bijdrage heeft.

De vooropgestelde constructen en bijhorende items uit de literatuur kunnen bijgevolg gebruikt

40

worden in het vooropgestelde model (zie pagina 27). Dat stellen zowel de PCA als de

Chronbach’s Alpha-analyse.

Tabel 8: Rotated component matrix van de items in het model

Rotated Component Matrixa

Component

1 2 3 4 5 CK3 ,798 -,065 ,238 ,005 -,013 CK4 ,791 -,145 ,031 ,025 ,108 CK2 ,785 -,024 ,332 ,023 -,010 CK6 ,736 -,099 ,321 -,044 ,039 CK5 ,712 -,168 ,025 -,092 ,109 CK1 ,695 -,029 ,223 ,101 -,001 SI2 -,124 ,890 -,196 -,121 ,037 SI3 -,091 ,869 -,133 -,092 ,046 SI1 -,162 ,791 -,182 -,133 ,006 KT2 ,282 -,193 ,855 ,010 ,039 KT3 ,323 -,148 ,854 ,032 ,055 KT1 ,284 -,227 ,755 -,080 ,127 SC3 ,005 -,142 ,026 ,849 ,011 SC4 ,002 -,171 -,011 ,764 ,102 SC2 ,108 -,214 -,046 ,630 -,087 SC5 -,132 ,286 ,014 ,620 ,120 AB2R ,015 -,249 -,007 ,025 -,830 AB1 ,197 -,168 ,167 ,157 ,737

41

4 Resultaten

4.1 Profiel van de respondenten

Zoals hierboven in de sectie over de steekproef beschreven is, bestaat de dataset uit 45 procent

vrouwen tegenover 55 procent mannen. De gemiddelde leeftijd bedraagt 40,11 jaar, en het

merendeel van de respondenten genoot een hogere opleiding (70,3 %).

Wat de burgerlijke staat betreft, is de grootste groep getrouwd (41,5 %). 25,4 % woont samen

met zijn/haar partner, en de derde grootste groep bestaat uit singles (28,3 %). Slechts een klein

deel van de sample is gescheiden (3,3%) of weduwe/weduwnaar (1,3 %).

In tabel 9 volgt een overzicht van de meest gebruikte telecomdiensten. De frequenst opgenomen

telecomdienst is de mobiele telefoon (98,44 %), gevolgd door mobiel internet (89,73 %) en

digitale televisie (85,94 %). Vast internet is de vierde meest gebruikte telecomdienst: 83,26 %

beschikt erover. De dienst ‘vaste telefoon’ bengelt achteraan. Minder dan de helft van de

respondenten (46,65 %) heeft er nog één. Dat kan verklaard worden doordat mensen vaak het

nut van deze dienst niet meer inzien. De mobiele telefoon vormt immers grote concurrentie voor

de vaste telefoon, slechts 7 van onze 448 respondenten (1,56 %) beschikt niet over een mobiele

telefoon.

Tabel 9: Overzicht van het gebruik van telecomdiensten

Gebruik dienst

Ja Nee Percentage

gebruik Mobiele telefoon 441 7 98,44 % Mobiel internet 402 46 89,73 % Digitale televisie 385 63 85,94 % Vast internet 373 75 83,26 % Vaste telefoon 209 239 46,65 %

42

In een volgende stap wordt nagegaan hoeveel procent van de respondenten over een

abonnement op een bundel beschikt. In tabel 10 valt te lezen dat 356 respondenten (79,5 %) hun

diensten in een pakket steekt en op één factuur betaalt.

Tabel 10: Aantal diensten in de bundel van respondenten

Hoeveel telecomdiensten nam u op in uw bundel? Frequentie Percentage Met een bundel

2 diensten 120 26,8 3 diensten 125 27,9 4 diensten 77 17,2 > 4 diensten 34 7,6 Totaal 356 79,5

Geen bundel 92 20,5

Totaal respondenten 448 100,0

Uit deze 356 respondenten die een bundel hebben, nam de grootste groep (27,9 %) een triple-

play-abonnement op, gevolgd door de 120 respondenten (26,8 %) die twee diensten opnamen.

77 mensen (17,2 %) betalen vier diensten op één factuur. Slechts een klein aantal (7,6 %) nam

meer dan vier diensten op.

Wat de switching geschiedenis betreft blijkt dat 353 respondenten (78,8%) de afgelopen twee

jaar niet van provider veranderde. Daaruit bleek dat meer dan 3/4de van de respondenten in de

recente geschiedenis trouw bleef aan dezelfde provider. Dit onderzoek werkt dus met een

trouwe sample.

Om het profiel van de respondenten scherper te stellen, werd ook hun attitude tegenover

switching gemeten. Daarvoor werd een 7-punt Semantische Differentiaal van Bansal & Taylor

(2002, p. 416) gebruikt (zie tabel 11). Ze rapporteerden een Chronbach’s Alpha van .93. In dit

onderzoek is de α eveneens gelijk aan .93 en de interne correlatie is voor elk item hoger dan .30.

De schaal is bijgevolg excellent om de attitude tegenover switching te meten.

43

Tabel 11: Construct attitude tegenover switching

Attitude tegenover switching Items Alpha α Voor mij is veranderen van provider…

Een slecht idee

Een goed idee

.93

Een idee dat ik niet genegen ben

Een idee dat ik genegen ben

Nutteloos

Nuttig

Schadelijk

Voordelig

Dom

Wijs

Onaangenaam

Aangenaam

Uit deze analyse blijkt dat de gemiddelde attitude tegenover switching 3.40 is, wat betekent dat

de gemiddelde respondent eerder afwijzend tot neutraal tegenover switching staat. Het kan

interessant zijn om te kijken of er een verband is tussen leeftijdsgroep en de gemiddelde attitude

tegenover switching. Zo lijkt op het eerste gezicht dat de gemiddelde attitude tegenover

switching afneemt naarmate de respondenten ouder zijn. Maar om te checken of er effectief een

significant verschil is tussen de leeftijdsgroepen moet een one-way anova uitgevoerd worden.

Belangrijk is om te herhalen dat voor elke analyse met een 5%-foutenmarge gewerkt wordt.

Er werd voldaan aan de assumptie die stelt dat er gelijke spreidingen moeten zijn (p = .28 >.05).

Ook de andere assumpties wezen uit dat een one-way anova kon worden uitgevoerd. Die

parametrische test toonde aan dat de groepen significant van elkaar verschillen (F(4,443) =

5,337, p < .001). Zo bleek dat er een significant verschil is tussen de respondenten van 21 tot

30 jaar en die tussen 51 en 60 jaar (p = .006 < .05). De 21 tot 30-jarigen verschillen ook significant

in attitude met de 61+-ers (p = .035 < .05). Concreet blijkt dat 21 tot 30-jarigen een significant

positievere attitude (X = 3.68) tegenover switching hebben dan 51 tot 60-jarigen (X = 3.01), en

dan 61-plussers (X = 2.88).

44

Gemiddelden op de constructen in het model

De afhankelijke variabele uit dit onderzoek bestaat uit de switching intention van een

consument. Zoals in tabel 7 op pagina 37 te zien valt, ligt de gemiddelde switching intention vrij

laag (X = 2.70). Daaruit kan voorzichtig geconcludeerd worden dat de gemiddelde respondent

trouw blijft aan zijn provider. De one-way anova toont aan dat er – in tegenstelling tot de

attitude tegenover switching - geen significant verschil is tussen de verschillende

leeftijdsgroepen wat hun feitelijke switching intention betreft (F(4,443) = 2,206, p = .068 > .05).

Van de onafhankelijke variabelen in het model werden eveneens de gemiddelde scores gemeten.

Zoals in tabel 7 gerapporteerd wordt, ligt de gepercipieerde klanttevredenheid met 5.44 vrij

hoog, net als de gepercipieerde content kwaliteit (X = 5.22). Daaruit kan geconcludeerd worden

dat de gemiddelde respondent tevreden is over zijn provider en over de content die de provider

aanbiedt. De gepercipieerde switching costs (X = 3.97) liggen iets boven het middelpunt, wat

betekent dat de respondenten vinden dat de switching costs bij hun provider wel meevallen. Ook

het hebben van een abonnement op een bundel wordt door de consumenten gepercipieerd als

een gemiddelde drempel om te veranderen van provider (X = 4.03).

4.2 Structural equation modeling

In de eerste fase van het Structural Equation Model wordt het model getekend en worden de

errorterms toegevoegd. Een errorterm staat voor het deel van de variantie dat niet verklaard

wordt door de onafhankelijke variabele. Die errorterm beeldt dus de unieke variantie uit. Het

model moet eveneens geïdentificeerd zijn, wat wil zeggen dat er een unieke oplossing is voor

elke te schatten parameter.

45

Op basis van bovenstaande PCA-analyse (zie pagina’s 38-40), en de resultaten uit de aangehaalde literatuur (zie onderdeel methodologie) werd volgend model opgesteld:

Figuur 2: Full model zonder hypotheses

Daarna volgt de eigenlijke SEM-analyse. Nadat AMOS de opdracht kreeg om de estimates te

berekenen, blijkt in de compution summary dat de analyse blijft hangen. ‘Reading data’ is het

enige wat er staat. In het outputcenter staat dat het iteration level bereikt is, en dat het model

unidentified is. Met andere woorden er is geen unieke oplossing voor elke te schatten

parameter. Om het model identificeerbaar te maken, moet er nog minstens één extra factor

worden toegevoegd. Dat lukt niet met deze data, en dus past het huidige model niet bij de data.

Er moet in detail gekeken worden waar het probleem zich stelt. Zo blijkt dat ‘abonnement op

bundel’ de analyses onmogelijk maakt, omdat er maar twee factoren dit construct verklaren.

46

Daarom wordt het construct uit het model verwijderd om zo het gevaar van empirical

underestimation te vermijden. In een latere stap zal via SPSS nog een analyse uitgevoerd worden

met ‘abonnement op bundel’ om daar een eerste resultaat te behalen.

4.2.1 Vernieuwd full model

Figuur 3: Vernieuwd en definitief full model

De afhankelijke variabele ‘switching intention’ wordt verklaard door de onafhankelijke variabelen

‘gepercipieerde switching costs’, ‘gepercipieerde klanttevredenheid’ en ‘gepercipieerde content

kwaliteit‘. Die ‘gepercipieerde content kwaliteit’ vormt eveneens een voorspeller voor de

47

variabele ‘gepercipieerde klanttevredenheid’. Ook hier werden de resultaten van de PCA

gebruikt om de factoren te selecteren voor de constructen.

4.2.2 Interpretatie van de model fit indices

In de volgende stap volgt de analyse van het vernieuwde full model. In S.E.M. is de aanvaarding

van een model zelden rechtlijning. Er bestaan een hele reeks met fit indices met een arbitraire

interpretatie, die een leidraad bieden voor de aanvaarding van een model.

In eerste instantie worden de Model Fit Indices weergegeven. Een model is een vereenvoudiging

van de werkelijkheid. Model Fit Indices verduidelijken of er in de data ook empirische

ondersteuning wordt gevonden voor die vereenvoudiging van de werkelijkheid.

Tabel 12: CMIN van het model

CMIN Model NPAR CMIN DF P CMIN/DF Default model 37 313,821 99 ,000 3,170 Saturated model 136 ,000 0 Independence model 16 3831,976 120 ,000 31,933

In tabel 12 met het chikwadraat (CMIN) staat het eerste onderdeel van de Model Fit Indices. De

interpretaties gebeuren steevast op basis van het default model. Dit model heeft een

chikwadraat met 313,82 vrijheidsgraden. Dat wil zeggen dat er meer datapunten in de dataset

zijn dan de covariantie die geschat moest worden. Dat is alvast goed. Daarnaast is er de X2/df.

Die waarde moet volgens statistische regels kleiner zijn dan 3. Bij dit model is die waarde met

3.17 net groter dan 3. Volgens X2/df is de model fit dus niet goed. Bij het significantieniveau staat

een p-waarde < .001. Normaliter wil dat zeggen dat de nulhypothese – die stelt dat het model

past bij de data – verworpen moet worden. Maar X2 werkt enkel bij data met maximaal 200

cases. Deze dataset bestaat uit 448 respondenten, dus mogen deze fit indices genegeerd

worden.

48

Tabel 13: Baselines Comparisons van het model

Baseline Comparisons Model NFI RFI IFI TLI CFI delta1 rho1 delta2 rho2 Default model ,918 ,901 ,942 ,930 ,942 Saturated model 1,000 1,000 1,000 Independence model ,000 ,000 ,000 ,000 ,000

In tabel 13 staan de Baselines Comparisons, een maatstaf voor de relatieve mate van fit. De

Tucker-Lewis Index (TLI) steunt op de gemiddelde correlaties van manifeste variabelen in het

model. Hoe hoger die correlaties, hoe hoger de TLI-waarde. Hier geldt: hoe dichter bij 1, hoe

beter de fit. Vanaf .90 tot .95 beschik je over een aanvaardbare fit. De TLI-waarde is hier .93, de

fit is hier aanvaardbaar. Een andere waarde die ongeveer hetzelfde meet is de Comparative Fit

Index (CFI). De interpretatie van de CFI is gelijk aan die van de TLI. De CFI-waarde is .94, ook deze

maatstaf duidt op een aanvaardbare fit.

Tabel 14: Parsimony-Adjusted Measures van het model

Parsimony-Adjusted Measures Model PRATIO PNFI PCFI Default model ,825 ,757 ,777 Saturated model ,000 ,000 ,000 Independence model 1,000 ,000 ,000

In een derde stap volgt de evaluatie van de Parsimony Adjusted Measures, zie tabel 14. Deze

indices slaan op het parsimony-principe, dat uitgelegd werd onder 3.2.2 op pagina 30.

Parsimony-based fit measures ‘bestraffen’ dus de toevoeging van parameters. De waardes die

we hiervoor analyseren zijn de PRATIO en de PCFI. Die moeten allebei groter zijn dan .60 om een

aanvaardbaar model te hebben. Hier is de PRATIO met .83 > .60, en de PCFI-waarde is met

.78 > .60, wederom een aanvaardbare fit.

49

Tabel 15: Root Mean Square Error of Approximation (RMSEA) van het model

RMSEA Model RMSEA LO 90 HI 90 PCLOSE Default model ,070 ,061 ,078 ,000 Independence model ,263 ,256 ,270 ,000

In een laatste stap van de interpretatie van de Model Fit Indices wordt naar de Root Mean

Square Error of Approximation (RMSEA) gekeken (zie tabel 15). Die index neemt ook de sample

size mee. Hoe meer respondenten, hoe minder spreiding en hoe meer kans op significantie. De

RMSEA straft dit af. De formule is √[([X2/df] - 1)/(N - 1)]. Hoe dichter de RMSEA bij 0 ligt, hoe

beter de model fit. Als de waarde onder .06 ligt, zeggen de statistische regels dat het een goede

modelfit is. Onder .10 en .08 gaat het over een acceptabel model. De RMSEA bij dit model is .07,

waarmee de model fit dus opnieuw aanvaardbaar is (.07 < .10). Vervolgens is het ook belangrijk

om naar het 90 % confidence interval (LO 90 en HI 90) te kijken. Hier geldt eveneens: hoe dichter

bij 0, hoe beter. Ook hier ligt zowel de ondergrens (.061) als de bovengrens (.078) van het

90 % betrouwbaarheidsinterval onder .10. Ook deze parameter stelt dus dat de model fit

aanvaardbaar is.

De laatste parameter van de RMSEA-analyse is de PCLOSE. Niet alle wetenschappers rapporteren

de PCLOSE (Julander & Söderlund, 2003). De bedoeling is dat de waarde van de PCLOSE niet

significant is, dan kan de nulhypothese aanvaard worden dat de RMSEA niet significant afwijkt

van .06. De PCLOSE van dit model is < .001, wat een significante waarde oplevert. Dat kan zijn

omdat de dataset uit 448 cases bestaat, een grote sample dus. Zoals eerder gesteld is de

interpretatie van model fit indices nogal arbitrair en wordt de PCLOSE soms genegeerd (Julander

& Söderlund, 2003). Doordat de meeste model fit indices allemaal een aanvaardbare model fit

insinueren, en doordat het model op de literatuur gebaseerd is, is het gerechtvaardigd de

PCLOSE te negeren.

50

4.2.3 Interpretatie van de regressiegewichten

Na de bevestiging dat het model bij de data past, wordt overgegaan tot de interpretatie van de

regressiegewichten en of de gestelde hypotheses in het model kloppen. Zoals eerder gesteld kan

H5 - die stelt dat het hebben van een abonnement op een bundel de switching intention van een

consument beïnvloedt – niet onderzocht worden met S.E.M. Daarvoor zal later in SPSS een

aparte regressieanalyse uitgevoerd worden.

In het huidige model wordt dus onderzocht of ‘gepercipieerde switching costs’, ‘gepercipieerde

klanttevredenheid’ en ‘gepercipieerde content kwaliteit’ de switching intention van de

consument voorspellen. En of ‘gepercipieerde content kwaliteit’ een significante voorspeller is

van ‘gepercipieerde klanttevredenheid’. In tabel 16 valt het antwoord te lezen.

Tabel 16: Regressiegewichten van de onderdelen van het model

Regression weights Variabelen Estimate P Klanttevr ß ContentKw ,835 *** SwitchInten ß SwitchCost -,303 *** SwitchInten ß Klanttevr -,350 *** SwitchInten ß ContentKw -,110 ,206 SwitchCost2 ß SwitchCost 1 SwitchCost3 ß SwitchCost 1,737 *** SwitchCost4 ß SwitchCost 1,245 *** SwitchCost5 ß SwitchCost ,792 *** Klanttevr3 ß Klanttevr 1 Klanttevr2 ß Klanttevr 1,034 *** Klanttevr1 ß Klanttevr ,790 *** ContentKw4 ß ContentKw ,995 *** ContentKw3 ß ContentKw 1,045 *** ContentKw2 ß ContentKw 1,039 *** SwitchInten1 ß SwitchInten 1 SwitchInten2 ß SwitchInten 1,452 *** SwitchInten3 ß SwitchInten 1,311 *** ContentKw1 ß ContentKw ,974 *** ContentKw6 ß ContentKw 1 ContentKw5 ß ContentKw ,839 ***

Noot: *** = p-waarde is significant op het .001-level.

51

H1 – Gepercipieerde switching costs

Via bovenstaande tabel kan in eerste instantie de hypothese geconfirmeerd worden die stelt dat

de gepercipieerde switching costs de switching intention van de consument significant

voorspellen (p < .001). Bij de gestandaardiseerde estimates (zie tabel 17 op pagina 52) valt af te

lezen dat de gestandaardiseerde beta van switching costs op switching intention - .246 is. Dat

betekent dat wanneer ‘gepercipieerde switching costs’ vermeerdert met 1 standaardafwijking,

de ‘switching intention’ significant daalt met .246 standaardafwijkingen. Met andere woorden

wanneer de gepercipieerde switching costs van de respondenten in dit onderzoek stijgen, wordt

dus een afname in de switching intention verwacht.

H2 – Gepercipieerde klanttevredenheid

Vervolgens volgt de analyse van de hypothese die stelt dat de gepercipieerde klanttevredenheid

een significante voorspeller is van de switching intention van een consument. Ook deze

hypothese wordt bevestigd (p < .001). De gestandaardiseerde beta van klanttevredenheid op

switching intention is -.332 (zie tabel 17, p. 52). Dat betekent dat wanneer de gepercipieerde

klanttevredenheid van een consument met 1 standaardafwijking stijgt, zijn switching intention

significant zal afnemen met .332 standaardafwijkingen. Met andere woorden wanneer de

gepercipieerde klanttevredenheid van de respondenten in dit onderzoek stijgt, wordt dus een

afname in de switching intention verwacht.

H3 Gepercipieerde content kwaliteit

Ten derde kan uit tabel 16 worden afgeleid dat ook de derde hypothese geconfirmeerd kan

worden. Zo is gepercipieerde content kwaliteit weldegelijk een significante voorspeller van

gepercipieerde klanttevredenheid (p < .001). De gestandaardiseerde beta van content kwaliteit

op klanttevredenheid is .627 (zie tabel 17, p. 52). Dat betekent dat wanneer gepercipieerde

content kwaliteit stijgt met 1 standaardafwijking, de gepercipieerde klanttevredenheid zal

toenemen met .627 standaardafwijkingen. Met andere woorden wanneer de gepercipieerde

content kwaliteit van de respondenten in dit onderzoek stijgt, wordt dus een toename in de

gepercipieerde klanttevredenheid verwacht.

52

H4 Gepercipieerde content kwaliteit

De laatste hypothese die via dit model getest wordt is niet significant (p = .206 > .05). Daaruit

volgt dat gepercipieerde content kwaliteit voor de respondenten in dit onderzoek geen

significante voorspeller is van hun switching intention. Daaruit kan geconcludeerd worden dat

gepercipieerde content kwaliteit niet significant de switching intention van een consument

beïnvloedt, maar wel haar invloed heeft op klanttevredenheid. Die is op haar beurt wel een

significante voorspeller van de switching intention van een consument.

Tabel 16 (p. 50) toont eveneens aan dat al de factoren significant verklaard worden door de

variabele die de gemeenschappelijke variantie uitdrukt. Hieronder volgt de tabel met de

gestandaardiseerde regressiegewichten.

Tabel 17: Gestandaardiseerde regressiegewichten van de modelonderdelen

Standarized regression weights Variabelen Estimate Klanttevr ß ContentKw ,627 SwitchInten ß SwitchCost -,246 SwitchInten ß Klanttevr -,332 SwitchInten ß ContentKw -,079 SwitchCost2 ß SwitchCost ,525 SwitchCost3 ß SwitchCost ,879 SwitchCost4 ß SwitchCost ,657 SwitchCost5 ß SwitchCost ,409 Klanttevr3 ß Klanttevr ,912 Klanttevr2 ß Klanttevr ,912 Klanttevr1 ß Klanttevr ,749 ContentKw4 ß ContentKw ,695 ContentKw3 ß ContentKw ,816 ContentKw2 ß ContentKw ,834 SwitchInten1 ß SwitchInten ,745 SwitchInten2 ß SwitchInten ,990 SwitchInten3 ß SwitchInten ,816 ContentKw1 ß ContentKw ,679 ContentKw6 ß ContentKw ,772 ContentKw5 ß ContentKw ,605

53

Volgens de covariantiematrix is er geen significante samenhang (p= .512 > .05) tussen de

onafhankelijke variabelen gepercipieerde switching costs en gepercipieerde content kwaliteit.

Het heeft dus geen zin om naar de correlatiematrix te kijken.

Ten slotte stelt de determinantiecoëfficiënt dat 21.5 % van de variantie in switching intention

verklaard wordt door de variabelen in het model. Gepercipieerde content kwaliteit verklaart op

haar beurt 39,3 % van de variantie in gepercipieerde klanttevredenheid.

54

Het definitieve model ziet er als volgt uit:

Figuur 4: Definitief full model met bijhorende gestandaardiseerde waarden

55

4.3 Regressie: abonnement op bundel en switching intention

In het eerste opgestelde model voor S.E.M. was eveneens het construct ‘abonnement op bundel’

opgenomen als verklarende determinant van het construct ‘switching intention’. Zoals bij 4.2 te

lezen valt, moest ‘abonnement op bundel’ verwijderd worden om tot een identificeerbaar model

te komen. Om toch de hypothese (H5) te toetsen die stelt dat het hebben van een abonnement

op een bundel een deel van de switching intention verklaart, wordt een enkelvoudige

regressieanalyse uitgevoerd. Het doel is om de verandering in switching intention te voorspellen

afhankelijk van de indicator ‘abonnement op bundel’.

Alvorens de enkelvoudige regressieanalyse uit te voeren werd eerst een correlatietest gedaan.

Zo’n test geeft inzicht in het verband tussen twee variabelen, het meet de richting en de sterkte

van de lineaire relatie tussen twee kwantitatieve variabelen. De nulhypothese die stelt dat er

geen verband is tussen de variabelen wordt verworpen (p <.001). De correlatiecoëfficiënt is -.34,

wat betekent dat er een negatief verband aanwezig is, maar dat het gaat om een zwakke

samenhang. Dat valt ook te zien in de scatterplot die het lineaire verband tussen beide

variabelen toont.

Figuur 5: Scatterplot abonnement op bundel en switching intention

56

In een volgende stap wordt de enkelvoudige regressieanalyse uitgevoerd. De

determinantiecoëfficiënt (R2) in tabel 18 geeft aan dat het hebben van een abonnement op een

bundel 11,4 % van de variantie in de switching intention verklaart, de statistische ondergrens

voor belangrijke resultaten staat op 30 %. De lage determinantiecoëfficiënt kan waarschijnlijk

verklaard worden door het feit dat maar één onafhankelijke variabele de afhankelijke variabele

verklaart in deze regressieanalyse.

Tabel 18: Samenvatting van de enkelvoudige regressievergelijking

Model Summary

Model R R2 Adjusted

R2 Durbin-Watson

1 ,337a ,114 ,112 1,943 Noot 1: Voorspeller: (Constant), Abonnement bundel

Noot 2: Afhankelijke Variabele: Switching intention

Aan de assumpties voor de regressieanalyse werd voldaan. Zo zijn er onder andere geen outliers

met een waarde van 3.5 standaardafwijkingen boven het gemiddelde en is de Durbin-Watson

waarde met 1.94 groter dan 1 en net geen 2 (de ideale waarde).

Vervolgens wordt geëvalueerd of de nulhypothese, die stelt dat er geen variantie wordt

verklaard door de determinant, kan worden aanvaard of moet worden verworpen. In dit

onderzoek is R2 significant meer dan nul (F(1,446) = 57,225, p < .001), de nulhypothese wordt dus

verworpen.

In tabel 19 (p. 57) blijkt dat het hebben van een abonnement op een bundel in dit onderzoek

significant (p < .001) een deel van de gepercipieerde klanttevredenheid verklaart. De

nulhypothese die stelt dat dat niet het geval is, moet bijgevolg worden verworpen. De

regressievergelijking is hier als volgt: y = 4.93 - 0.55*abonnementopbundel. De

gestandardiseerde beta is -.34. Dat wil zeggen dat wanneer ‘abonnement op bundel’ met

1 standaardafwijking toeneemt, de switching intention significant zal dalen met

57

.34 standaardafwijkingen. Met andere woorden wanneer abonnement op bundel in in dit

onderzoek stijgt, wordt dus een afname in de switching intention verwacht.

Tabel 19: Coëfficiënten van abonnement op bundel in de regressievergelijking

Deze sample ondersteunt dus de hypothese die stelt dat het hebben van een abonnement op

een bundel de switching intention van een consument significant voorspelt. Belangrijk is wel om

te herhalen dat het om een zwak negatief verband gaat (R = -.34) en dat het hebben van een

abonnement op een bundel maar 11, 4 % van de switching intention van een consument

verklaart.

Ten slotte volgt nog een overzicht van de resultaten van de hypotheses.

Tabel 20: Overzichtstabel van de bevindingen over de hypotheses

Overzichtstabel Hypothese Variabelen en verband Significant H1 Switching costs à Switching intention X H2 Klanttevredenheid à Switching intention X H3 Content kwaliteit à Switching intention H4 Content kwaliteit à Klanttevredenheid X H5 Abo op bundel à Switching intention X

Coëfficiënten

Model

Niet- gestandardiseerde coëfficiënten

Gestandaardiseerde coëfficiënten

B

σ Beta Sig

VIF

1 (Constant) 4,929 ,303 ,000 Abonnement op bundel

-,554

,073

-,337

,000

1,000

Noot: Afhankelijke variabele switching intention

58

5 Discussie

Deze studie trachtte volgende onderzoeksvraag te beantwoorden: ‘Welke factoren zetten

mensen ertoe aan om al dan niet te veranderen van provider van telecommunicatiediensten?’

Meer specifiek werd onderzocht of ‘gepercipieerde switching costs’, ‘gepercipieerde

klanttevredenheid’, ‘gepercipieerde content kwaliteit’ en het hebben van een ‘abonnement op

een bundel’ de ‘switching intention’ van een consument significant verklaren. Hiervoor werden

verschillende analyses uitgevoerd op een sample van 448 respondenten.

Via een structural equation model kon de relatie tussen de onafhankelijke variabelen

gepercipieerde switching costs, klanttevredenheid, content kwaliteit en de afhankelijke variabele

switching intention getest worden. Tot zover bekend is dit model het eerste dat ook de

rechtstreekse relatie tussen gepercipieerde content kwaliteit en de switching intention

meeneemt. Daarnaast werd een regressieanalyse uitgevoerd om te onderzoeken of het hebben

van een abonnement op een bundel de switching intention van de consumenten in dit onderzoek

beïnvloedt.

Gepercipieerde switching costs

De hypothese die stelt dat switching costs een significante voorspeller zijn van de switching

intention van een consument wordt aanvaard. Immers, wanneer de variabele switching costs

met 1 standaardafwijking toeneemt, daalt de switching intention van de respondenten in dit

onderzoek met .246 standaardafwijkingen. Een toename in gepercipieerde switching costs

voorspellen bijgevolg een afname van de switching intention van de consumenten.

Telecomproviders maken vaak gebruik van switching costs om consumenten langer aan zich te

binden. Voor de respondenten in dit onderzoek blijkt dat efficiënt te zijn. Het resultaat gaat in

tegen het onderzoek van Jones et al. (2000), waar switching costs niet significant de switching

intention van consumenten verklaren. Deze studie is wel in lijn met eerder onderzoek van

Julander & Söderlund (2003). Zij vonden dat switching costs weldegelijk de customer retention

bevorderen en bijgevolg de switching intention verminderen. Bansal et al. (2005), Dass & Jain

59

(2016) en Lee et al. (2010) rapporteren gelijkaardige bevindingen. Ook Calvo-Porral et al. (2016)

kwam tot eenzelfde conclusie, maar zij vonden dat de invloed van switching costs beperkt is. Dat

kan eventueel verklaard worden omdat er in Spanje lage overstapkosten zijn, de plaats waar de

studie plaatsvond. Hun resultaat conflicteert met dat van Lee et al. (2005) en bovenstaande

auteurs die bijna allemaal stellen dat switching costs de switching intention van een consument

weldegelijk tegenhouden. Wat dus ook voor de respondenten in dit onderzoek geldt.

Gepercipieerde klanttevredenheid

Een tweede significante voorspeller van de switching intention van de respondenten in dit

onderzoek is ‘gepercipieerde klanttevredenheid’. Bijgevolg werd eveneens de hypothese

aanvaard die stelt dat gepercipieerde klanttevredenheid een significante voorspeller is van de

switching intention van een consument. Wanneer de variabele gepercipieerde klanttevredenheid

stijgt met 1 standaardafwijking, daalt de switching intention van de respondenten in dit

onderzoek met .33 standaardafwijkingen. Een toename in gepercipieerde klanttevredenheid

voorspelt bijgevolg een afname van de switching intention van de consumenten in dit onderzoek.

De praktijk kan hieruit leren dat het nog altijd zeer belangrijk is om vol in te zetten op een hoge

klanttevredenheid. Eerder vonden Kahn et al. (2010) dat als de taxatiewaarde van de consument

goed zit, dit de beslissing om trouw te blijven aan een provider positief beïnvloedt. Calvo-Porral

et al. (2016) wezen met hun studie uit dat klanttevredenheid de switching intention van een

consument significant sterk negatief beïnvloedt. Ook Bansal et al. (2005), Gerpott et al. (2001),

Keaveney & Parthasarathy (2001) en Kuo et al. (2009) kwamen tot dezelfde bevinding.

Gepercipieerde content kwaliteit

Een derde onafhankelijke variabele is de gepercipieerde content kwaliteit. Steeds meer

telecomproviders proberen hun aanbod te vergroten in de hoop zo consumenten weg te grissen

bij een concurrent en hun huidige klanten een incentive te bieden om trouw te blijven aan hun

bedrijf (Evens et al., 2016). Deze variabele werd nog te weinig onderzocht in de literatuur. Voor

zover bekend is deze studie een van de eerste die de relatie tussen ‘gepercipieerde content

kwaliteit’ en de ‘switching intention’ van een consument onderzocht heeft. Uit de resultaten

60

bleek dat de hypothese, die stelt dat gepercipieerde content kwaliteit een significante

voorspeller is van de switching intention van een consument, moet verworpen worden. Zo bleek

uiteindelijk dat content kwaliteit niet significant de switching intention van de respondenten in

deze studie verklaart. Dat spreekt het resultaat van Yoo et al. (2009) tegen. In hun onderzoek

heeft een divers contentaanbod een belangrijke invloed op de switching intention van IPTV-

abonnees. In de toekomst moet deze relatie dus zeker verder onderzocht worden.

Dit resultaat betekent echter niet dat telecombedrijven niet meer moeten investeren in content

kwaliteit. In deze studie werd eveneens de hypothese onderzocht die stelt dat gepercipieerde

content kwaliteit een invloed kan hebben op de gepercipieerde klanttevredenheid van een

consument. Eerder hadden Kuo et al. (2009) al een gelijkaardig onderzoek gedaan. Content

kwaliteit was bij hen een significante indicator van perceived value, wat op zijn beurt een

significante invloed had op de klanttevredenheid. De resultaten van deze studie zijn gelijkaardig.

Gepercipieerde content kwaliteit is een significante voorspeller van klanttevredenheid, dat op

haar beurt de switching intention van de consumenten in dit onderzoek significant beïnvloedt.

Sterker nog, 39,3 % van de variantie in gepercipieerde klanttevredenheid wordt verklaard door

de gepercipieerde content kwaliteit in dit onderzoek.

Daaruit blijkt dat telecomproviders er goed aan doen om een zo sterk mogelijk contentaanbod

uit te bouwen, aangezien het een positieve invloed kan hebben op de klanttevredenheid. Maar

dit resultaat moet trachten geconfirmeerd te worden in verder onderzoek, aangezien dit een van

de eerste studies is die die relatie onderzocht heeft.

Abonnement op een bundel

De laatste hypothese werd onderzocht aan de hand van een enkelvoudige

regressieanalyse. Zo werd geprobeerd te achterhalen of het hebben van een abonnement

op een bundel een significante voorspeller is van de switching intention van een

consument. Dat is weldegelijk het geval. Al kan dit resultaat slechts voorzichtig aanvaard

worden. Zo verklaart ‘abonnement op bundel’ slechts 11,4 % van de variantie in switching

intention. In dit onderzoek blijkt dat wanneer ‘abonnement op bundel’ stijgt met

61

1 standaardafwijking, de switching intention significant zal dalen met

.34 standaardafwijkingen. Daaruit kan voorzichtig geconcludeerd worden dat voor de

respondenten in dit onderzoek het hebben van een bundel de switching intention

vermindert.

Providers doen er dus goed aan om hun diensten te bundelen. Deze studie bevestigt

eerder onderzoek van Lee (2016). Zij vond dat internetgebruikers die eerder een bundel

namen 17.4 percentpunten minder geneigd zijn om te veranderen van provider. Burnett

(2014), European Commission (2014), Federal Communications Commission en Prince &

Greenstein (2011) kwamen tot gelijkaardige resultaten. Belangrijk te stellen: ook hier gaat

het over een relatie die slechts enkele keren onderzocht werd. Dit resultaat moet dus nog

geconfirmeerd of ontkracht worden door toekomstig onderzoek.

Conclusie

Gepercipieerde switching costs, gepercipieerde klanttevredenheid en het hebben van een

abonnement op een bundel zijn signicante voorspellers van de switching intention van de

consumenten in dit onderzoek. Wanneer die onafhankelijke variabelen met

1 standaardafwijking toenamen, daalde de switching intention van de respondenten in dit

onderzoek. Dit zou moeten geconfirmeerd worden in een longitudinaal onderzoek, omdat

dan pas een definitieve richting aan het verband gegeven kan worden. Gepercipieerde

content kwaliteit had geen significante invloed op de switching intention van de

consumenten in dit onderzoek, maar verklaarde meer dan 1/3de van de variantie in hun

klanttevredenheid, wat op haar beurt de switching intention beïnvloedt.

Daaruit kan geconcludeerd worden dat de praktijk de vier methodes kan blijven

toepassen om consumenten langer aan zich te binden. De twee oudste technieken -

gepercipieerde switching costs en gepercipieerde klanttevredenheid - zo hoog mogelijk

proberen te houden, blijken nog steeds effectieve methodes voor de respondenten in dit

onderzoek. Deze studie probeerde ook een bijdrage te leveren aan de literatuur door de

relatie tussen gepercipieerde content kwaliteit en het hebben van een abonnement op

62

een bundel op de switching intention van een consument te onderzoeken. Volgens de

resultaten van deze studie kunnen telecomproviders eveneens de twee meest recente

technieken blijven toepassen. Gepercipieerde content kwaliteit mag dan geen

rechtstreeks significante voorspeller van de switching intention zijn, de variabele is wel

positief gecorreleerd met gepercipieerde klanttevredenheid. Het hebben van een

abonnement op een bundel kwam als een significante voorspeller in dit onderzoek naar

voren.

Beperkingen van het onderzoek

Dit onderzoek heeft enkele beperkingen. Zo werd ervoor gekozen om respondenten slechts op

één moment in de tijd te ondervragen, in plaats van een longitudinale studie uit te voeren.

Daardoor kan er geen causale relatie worden aangetoond. Om het eigenlijke effect van de

onafhankelijke variabelen op de afhankelijke variabele te onderzoeken, moet er dus in de

toekomst een longitudinale studie uitgevoerd worden.

Daarnaast konden de respondenten zichzelf selecteren om deel te nemen aan het onderzoek.

Dat kan ook voor eventuele vertekening zorgen. Ook ging het niet om een enkelvoudige aselecte

steekproef en daardoor is de leeftijdsverdeling vertekend. Daaruit volgt dat de conclusies van

deze studie enkel gelden voor de onderzochte steekproef en dus niet veralgemeend kunnen

worden.

Ten slotte is het belangrijk om te onderstrepen dat het onderzoek naar de invloed van het

hebben van een abonnement op een bundel en van de gepercipieerde content kwaliteit nog heel

beperkt is. Daardoor is deze studie nog van exploratieve aard. De factoren werden meegenomen

in dit onderzoek, maar het was niet de enige focus van dit werkstuk. Nieuw onderzoek zou meer

aandacht kunnen steken in het operationaliseren van die variabelen, om bijvoorbeeld het

construct ‘abonnement op bundel’ te perfectioneren. Zo zou in de toekomst misschien een

S.E.M. gebouwd kunnen worden waarbij ook die factor kan worden meegenomen. Ook voor de

determinant ‘gepercipieerde content kwaliteit’ moet er in de toekomst verder getest worden of

de relatie kan worden geconfirmeerd of ontkracht.

63

Bibliografie

Ahn, J.-H., Han, S.-P., & Lee, Y.-S. (2006). Customer churn analysis: Churn determinants and

mediation effects of partial defection in the Korean mobile telecommunications service

industry. Telecommunications Policy, 30, 552-568.

Armstrong, M., & Vickers, J. (2006). Competitive nonlineair pricing and bundling. Discussion

paper series, 281, 30-60.

Baccarne, B. (2018, maart 14). Clusteranalyse & factoranalyse. Gent, Oost-Vlaanderen, België.

Bakos, Y., & Brynjolfsson, E. (1999). Bundling information goods, profits and efficiency.

Management Science, 45 (12), 1613-1630.

Bansal, H. S., Taylor, S. F., & St. James, Y. (2005). "Migrating' to new service providers: Toward a

unifying framework of consumers' switching behaviors. Journal of the Academy of

Marketing Science, 33 (1), 96-115.

Bansal, H., & Taylor, S. (2002). Investigating interactive effects in the theory of planned behavior

in a service-provider switching context. Psychology & Marketing, 19 (5), 407-425.

Berson, A., Smith, S., & Thearling, K. (1999). Building data mining apllications or CRM. Virginia:

McGraw-Hill Professional.

Boulding, W., Kalra, A., Richard, S., & Zeithaml, V. (1993). A dynamic process of model of service

quality: From expectations to behavioral intentions. Journal of Marketing Research, 30

(1), 7-27.

Burnett, T. (2014). The impact of service bundling on consumer switching behaviour: Evidence

from UK communication markets. Working paper, University of Bristol.

Calvo-Porral, C., Faiña-Medin, A., & Nieto-Mengotti, M. (2016). Satisfaction and switching

intention in mobile services: Comparing lock-in and free contracts in the Spanish market.

Telematics and Informatics, 34, 717-729.

64

Cronin, J., Brady, M., & Hult, G. (2000). Assessing the effects of quality, value, and customer

satisfaction on consumer behavioral intentions in service environments. Journal of

Retailing, 76 (2), 193-218.

Dass, R., & Jain, R. (2011). An analysis on the factors causing telecom churn: First findings.

Detroit: AMCIS 2011 Proceedings.

De Croo, A. (2017, juni 19). Voortaan verander je makkelijker van telecomoperator met Easy

Switch. Opgehaald van Alexander De Croo op 22 februari 2019:

https://decroo.belgium.be/nl/easy-switch

Deng, Z., Lu, Y., Kee Wei, K., & Zhang, J. (2009). Understanding customer satisfaction and loyalty:

An empirical study of mobile instant messages in China. International Journal of

Information Management, 30, 289-300.

Dragan, D., & Topolsek, D. (2014). Introduction to structural equation modeling: review,

methodology and practical applications (pp. 1-28). Celje, Slovenia: University of Maribor.

Dumon, P. (2017, december 22). Studio 100 en Proximus slaan handen in mekaar: exclusieve deal

en nieuwe muziekzender. Opgehaald van De Morgen op 25 februari 2019:

https://www.demorgen.be/tvmedia/studio-100-en-proximus-slaan-handen-in-mekaar-

exclusieve-deal-en-nieuwe-muziekzender-be0eabb2/

European Commission. (2014). E-Communications and telecom single market household survey

report, special eurobarometer 414. Brussels: European Commission.

Evens, T., Iosifidis, P., & Smith, P. (2013). The political economy of television sports rights.

Basingstoke: Palgrave Macmillan.

Evens, T., Iosifidis, P., & Smith, P. (2016). The next big match: Convergence, competition and

sports media rights. European Journal of Communication, 31 (5), 536-550.

65

Evens, T., Lefever, K., Valcke, P., Schuurman, D., & De Marez, L. (2010). Acces to premium

content on mobile television platforms: The case of mobile sports. Telematics and

Informatics, 28, 32-39.

Federal Communications Commission. (2010). Broadband decisions: What drives consumers to

switch or stick with their broadband internet provider. FCC Working Paper.

Feldmann, V. (2005). Leveraging mobile media. New-York: Physica-Verlag.

Gan, C., Cohen, D., Clemes, M., & Chong, E. (2006). A survey of customer retention in the new

zealand banking industry. Banks and Bank System, 1 (4), 83-99.

Ganesh, J., Arnold, M., & Reynolds, K. (2000). Understanding the customer base of service

providers: An examination of the differences between switchers and stayers. Journals of

Marketing, 64 (3), 65-87.

Gerpott, T. J. (2008). Biased choice of a mobile telephony tariff type: Exploring usage boundary

perceptions as a cognitive cause in choosing between a use-based or a flat rate plan.

Telematics and Informatics, 26 (2), 167-179.

Gerpott, T. J., Rams, W., & Schindler, A. (2001). Customer retention, loyalty, and satisfaction in

the German mobile cellular telecommunications market. Telecommunications Policy, 25

(4), 249-269.

Hirschman, A. O. (1970). Exit, voice, and loyalty: Responses to decline in firms, organizations, and

states. Cambridge, MA: Harvard University Press.

Johnson, M., & Fornell, C. (1991). A framework for comparing customer satisfaction across

individuals and product categories. Journal of Economic Psychology, 12(2), 267-286.

Jones, M. A., Mothersbaugh, D. L., & Beatty, S. E. (2000). Switching barriers and repurchase

intentions in services. Journal of retailing, 76 (2), 259-274.

66

Julander, C., & Söderlund, M. (2003). Effects of switching barriers on satisfaction, repurchase

intentions and attitudinal loyalty. Working Paper Series in Business Administration,

2003:1, 1-22.

Kahn, A., Jamwal, S., & Sepehri, M. (2010). Applying data mining to customer churn prediction in

an internet service provider. International Journal of Computer Applications, 9 (7), 8-14.

Keaveney, S., & Parthasarathy, M. (2001). Customer switching behavior in online services: An

exploratory study of the role of selected attitudinal, behavioral and demographic factors.

Journal of the academy of marketing science, 29 (4), 374-390.

Kim, H.-S., & Yoon, C.-H. (2004). Determinants of subscriber churn and customer loyalty in the

Korean mobile telephony market. Telecommunications Policy, 28 (9-10), 751-765.

Kim, M.-K., Park, M.-C., & Jeong, D.-H. (2004). The effects of customer satisfaction and switching

barriers on customer loyalty in Korean mobile telecommunication services.

Telecommunication Policy, 28 (2), 145-159.

Klemperer, P. (1984). Collusion via switching costs: How ”frequent-flyer” programs, trading

stamps, and technology choices aid collusion. Working paper, 786, 1-34.

Klemperer, P. (1987). Market with customer switching cost. Quarterly Journal of Economics,

102(2), 375–394.

Kuo, Y.-F., Wu, C.-M., & Deng, W.-J. (2009). The relationships among service quality, perceived

value, customer satisfaction, and post-purchase intention in mobile value-added services.

Computers in Human Behavior, 25, 887-896.

Lambrecht, A., & Skiera, B. (2006). Paying too much and being happy about it: Existence, causes,

and consequences of tariff-choice biases. Journal of Marketing Research, 43 (2), 212-223.

67

Lee, J., Kim, Y., Lee , J.-D., & Pa, Y. (2005). Estimating the extent of potential competition in the

Korean mobile telecommunications market: Switching costs and number portability.

International Journal of Industrial Organization, 24, 107–124.

Lee, K.-W., Tsai, M.-T., & Corazon, M. L. (2010). From marketplace to marketspace: Investigating

the consumer switch to online banking. Electronic Commerce Research and Applications,

10, 115-125.

Lee, S. (2016). Does bundling decrease the probability of switching telecommunications service

providers? Review of Industrial Organization, 50 (3), 303-322.

Lewis, B. R. (1991). Service quality: An international comparison of bank customers’ expectations

and perceptions. Journal of Marketing Management, 7 (1), 47-62.

Li, W., Spachos, P., Chignell, M., Leon-Garcia, A., Zuchermann, L., & Jiang, J. (2016). Impact of

technical and content quality on overall experience of OTT video. 13th IEEE Annual

Consumer Communications & Networking Conference (CCNC), 1-6.

Lu, T., Tu, R., & Jen, W. (2011). The role of service value and switching barriers in an integrated

model of behavioural intentions. Total Quality Management & Business Excellence, 22

(10), 1071-1089.

Lunn, P. D., & Lysons, S. (2018). Consumer switching intentions for telecoms services: Evidence

from Ireland. Heliyon, 4(5), 1-32.

Madden, G., Savage, S., & Coble-Neal, G. (1999). Subscriber churn in the Australian ISP market.

Information economics and policy, 11 (2), 195-207.

Miao, M., & Jayakar, K. (2014). Bounded rationality and consumer choice: An evaluation of

consumer choice of mobile bundles. Chinese Journal of Communication, 7 (2), 199-211.

Nakamura, A. (2010). Estimating switching costs after introducing fixed-mobile convergence in

Japan. Information Economics and Policy, 23 (1), 59–71.

68

Nalebuff, B. (2004). Bundling as an entry barrier. The Quarterly Journal of Economics, 119(1),

159–187.

Neal, T. (2014, december 13). Quintuple-play becomes operators' next strategy as number of

household devices powered by broadband continues to increase. Opgehaald van The Fast

Mode op 13 maart 2019: https://www.thefastmode.com/mobile-data-services-

trends/3544-quintuple-play-becomes-operators-next-strategy-as-number-of-household-

devices-powered-by-broadband-continues-to-increase

Oghojafor, B., Mesike, G., Bakarea, R., Omoera, C., & Adeleke, I. (2012). Discriminant analysis of

factors affecting telecoms customer churn. International Journal of Business

Administration, 3 (2), 59-67.

Omotayo, O., & Joachim, A. (2008). Customer service in the retention of mobile phone users in

Nigeria. African Journal of Business Management, 2 (2), 26-38.

Oskarsdóttira, M., Bravob, C., Verbeke, W., Sarraute, C., Baesens, B., & Vanthienen, J. (2017).

Social network analytics for churn prediction in telco: Model building, evaluation and

network architecture. Expert Systems with Applications, 85 (1), 204-220.

Parasuraman, A., Zeithaml, V. A., & Berry, L. L. (1985). A conceptual model of service quality and

its implications for future research. Journal of Marketing, 49(4), 41-50.

Parasuraman, A., Zeithaml, V. A., & Berry, L. L. (1988). SERVQUAL: A multiple-item scale for

measuring consumer perceptions of service quality. Journal of Retailing, 64(1), 12-40.

Patterson, P., & Smith, T. (2003). A cross-cultural study of switching barriers and propensity to

stay with service providers. Journal of Retailing, 79 (2), 107-120.

Prince, J., & Greenstein, S. (2011). Does service bundling reduce churn? SSRN Working Paper, 1-

52.

69

Quach, T., Jebarajakirthy, C., & Thaichon, P. (2015). The effects of service quality on internet

service provider customers’ behaviour. Asia Pacific Journal of Marketing and Logistics, 28

(3), 435-463.

Ringold, D. (1988). Consumer response to product withdrawal: The reformulation of Coca-Cola.

Psychology & Marketing, 5(3), 189-210.

Salinger, M. A. (1995). A graphical analysis of bundling. Journal of Business, 68(1), 85–98.

Shafei, I., & Tabaa, H. (2015). Factors affecting customer loyalty for mobile telecommunication

industry. EuroMed Journal of Business, 11 (3), 347-361.

Uner, M. M., Güven, F., & Cavusg, T. (2015). Bundling of telecom offerings: An empirical

investigation in the Turkish market. Telecommunications Policy, 39 (1), 53–64.

Verbeke, W., Dejaeger, K., Martens, D., Hur, J., & Baesens, B. (2011). New insights into churn

prediction in the telecommunication sector: A profit driven data mining approach.

European Journal of Operational Research, 218 (1), 211-229.

Verleye, G. (2018, maart 14). Voorspellende analyse bij communicatie wetenschappelijk

onderzoek: regressieanalyse. Gent, Oost-Vlaanderen, België.

Verstockt, M. (2018, maart 21). SEM. Gent, Oost-Vlaanderen, België.

Vervoort, D. (2017, juni 30). Easy Switch: Zo verander je eenvoudig van telecomoperator.

Opgehaald van TechPulse op 23 februari 2019:

https://www.techpulse.be/tips/216385/easy-switch-zo-verander-je-eenvoudig-van-

telecomoperator/

Wilson, J. (2018, februari 13). Sky Sports secures majority of Premier League TV games in new

£4.46 billion deal. Opgehaald van The Telegraph op 1 maart 2018:

https://www.telegraph.co.uk/football/2018/02/13/sky-sports-secures-majority-premier-

league-tv-games-new-446/

70

Yoo, J., Choi, J., Kim, S., & Yang, J. (2009). Factors affecting the switching intention of IPTV

subscribers. Conference: Proceedings of the 11th international conference on Advanced

Communication Technology, 2, 966-968.

Zeithaml, V. Z., Berry, L. L., & Parasuraman, A. (1996). The behavioral consequences of service

quality. Journal of Marketing, 60 (2), 31-46.

71

Bijlagen

Bijlage 1: Survey

Beste respondent, In het kader van mijn masteropleiding Communicatiewetenschappen aan de Universiteit Gent voer ik onderzoek uit naar de overstapintentie van consumenten naar een andere telecomprovider. Alle gegevens worden vertrouwelijk en anoniem verwerkt en uitsluitend voor dit onderzoek gebruikt. Het invullen van deze vragenlijst zal ongeveer een kleine 10 minuten van je tijd in beslag nemen. Het is belangrijk dat u de vragenlijst volledig invult tot op het einde. Indien je vragen hebt over dit onderzoek, kan je mij altijd contacteren via [email protected] Alvast heel erg bedankt voor uw bijdrage aan mijn masterproef! Gretel Coorevits Wat is uw geslacht?

- Man

- Vrouw

Wat is uw geboortejaar? (Bijvoorbeeld: 1996)

-

Wat is uw burgerlijke staat?

- Single

- Gehuwd

- Samenwonend

- Gescheiden

- Weduwe/weduwnaar

72

Wat is uw hoogst behaalde opleidingsniveau?

- Secundair onderwijs

- Hoger onderwijs

Van welke telecomdiensten maakt u gebruik?

- Vaste telefoon

- Mobiele telefoon

- Vast internet

- Mobiel internet

- Digitale televisie

Bent u de afgelopen twee jaar veranderd van provider?

- Ja

- Nee

Hoe groot is de kans dat je binnen zes maanden van telecomprovider verandert:

Onwaarschijnlijk

Onwaarschijnlijk waarschijnlijk

Onaannemelijk aannemelijk

Onmogelijk mogelijk

Voor mij lijkt veranderen van telecomprovider…

Onwaarschijnlijk

Een slecht idee een goed idee

Nutteloos nuttig

Schadelijk Voordelig

Dom Wijs

73

Onaangenaam Aangenaam

Ongewenst Gewenst

Een idee dat ik niet genegen ben Een idee dat ik genegen ben In welke mate gaat u akkoord met volgende stellingen?

Kruis aan in welke mate je akkoord gaat met volgende stellingen…

Helemaal niet akkoord

Niet akkoord

Enigszins niet akkoord

Noch niet akkoord, noch akkoord

Enigs- zins akkoord

Akkoord Helemaal akkoord

Ik ben tevreden met mijn provider.

De provider voldoet aan alle vereisten die ik stel.

De provider bevredigt mijn behoeftes.

74

In welke mate gaat u akkoord met volgende stellingen?



Niet akkoord



Enigs- zins akkoord


Er zijn weinig andere providers die realistische alternatieven voor me aanbieden.

Het is moeilijk voor mij om gebruik te maken van andere providers.

Het zou ingewikkeld voor me zijn om van provider te veranderen.

Ik voel me gebonden aan deze provider.

Het neemt veel tijd in beslag om me te informeren over andere providers.

75

Heeft u een bundel*? (Burnett, 2014, p. 36) *Een bundel is een pakket waarin je minstens twee

producten van één provider opneemt, en waarbij de betaling via één factuur verloopt.

- Ja

- Nee (Bij nee de volgende vraag niet invullen, wel degene met de stellingen)

Hoeveel telecomdiensten nam u op in uw bundel?

- 2

- 3

- 4

- Meer dan 4

In welke mate gaat u akkoord met volgende stellingen?



Niet akkoord



Enigs- zins akkoord


Voor mij is mijn huidige bundel een belangrijke reden om bij mijn provider te blijven.

Voor mij is een aanbod voor een aantrekkelijke bundel een belangrijke reden om van provider te veranderen.

76

In welke mate gaat u akkoord me



Niet akkoord



Enigs- zins akkoord


Het programma-aanbod van mijn provider is volledig.

Mijn provider biedt geschikte content aan.

Mijn provider biedt content aan die ik belangrijk vind.

Mijn provider biedt de nieuwste content aan.

Mijn provider biedt regelmatig geüpdate content aan.

Ik kan me vinden in het aanbod van mijn provider.

77

Bijlage 2: Items om de verschillende constructen te meten

Switching intention Items α Hoe groot is de kans dat je binnen zes maanden van telecomprovider verandert:

.88 onwaarschijnlijk

waarschijnlijk

onaannemelijk

aannemelijk

onmogelijk

mogelijk

Construct klanttevredenheid Items α

1. Ik ben tevreden met mijn provider 2. De provider voldoet aan alle vereisten die ik stel. 3. De provider bevredigt mijn behoeftes.

.89

Attitude tegenover switching Items Alpha α Voor mij is veranderen van provider…

Een slecht idee

Een goed idee

.93

Een idee dat ik niet genegen ben

Een idee dat ik genegen ben

Nutteloos

Nuttig

Schadelijk

Voordelig

Dom

Wijs

Onaangenaam

Aangenaam

78

Gepercipieerde switching costs Items α

1. Er zijn weinig andere providers die realistische alternatieven voor me aanbieden.

2. Het is moeilijk voor mij om gebruik te maken van andere providers.

3. Het zou ingewikkeld voor me zijn om van provider te veranderen.

4. Ik voel me gebonden aan deze provider. 5. Het neemt veel tijd in beslag om me te informeren over andere

providers.

.70

Abonnement op bundel Items Alpha α

1. Voor mij is mijn huidige bundel een belangrijke reden om bij mijn provider te blijven.

2. Voor mij is een aanbod voor een aantrekkelijke bundel een belangrijke reden om van provider te veranderen.

.87

Gepercipieerde content kwaliteit Items Alpha α

1. Mijn provider biedt complete content. 2. Mijn provider biedt geschikte content. 3. Mijn provider biedt belangrijke content. 4. Mijn provider biedt moderne content. 5. Mijn provider biedt regelmatige upgedate content. 6. Ik begrijp volledig de content die mijn provider me aanbiedt.

.87

79

Bijlage 3: Pre-test

Pre-test 1:

- Schat de kans dat je binnen de zes maanden van telecomprovider verandert à Hoe groot

is de kans dat je binnen zes maanden van telecomprovider verandert

- Voor mij is een aanbod voor een aantrekkelijke bundel een belangrijke reden om van

provider te veranderen à Voor mij is het aanbod van een aantrekkelijke bundel een

belangrijke reden om van provider te veranderen.

- Oorspronkelijke formulering content niet duidelijk. Nieuwe formulering beter.

- Tijd 6’16”

Pre-test 2:

- De schaalaanduiding bij switching intention & attitude tegenover switching die varieert

tussen -3 -2 -1 0 1 2 3 zaait verwarring. Beter: wegdoen.

- Voor de rest alles duidelijk.

- Tijd: 8’

Pre-test 3:

- Schaalaanduiding bij switching intention & atittude tegenover switching met de cijfers

-3 -2 -1 0 1 2 3 zaait eveneens verwarring. Ook hier: beter wegdoen.

- Voor de rest alles duidelijk.

- Tijd: 15’

Pre-test 4:

- Semantische differentiaal: niet duidelijk. De cijfers zaaien ook hier verwarring. Voorstel:

van 1 tot 7 plaatsen

- Voor de rest alles duidelijk

- Tijd: 7’

80

Pre-test 5 :

- Vind de schaal met 1,2, 3, 4, 5, 6, 7 duidelijker dan de oorspronkelijke schaal

- Vind het nog beter als bij de constructen switching intention & attitude tegenover

switching de cijfers gewoon zijn weggelaten


- Tijd: 4’ 08”

Pre-test 6:

- Heeft voorkeur om de cijfers weg te laten bij de constructen switching intention &

attitude tegenover switching


- Tijd: 4’56”

Pre-test 7:

- Ook hier voorkeur om de cijfers weg te laten bij de constructen switching intention &

attitude tegenover switching


- Tijd: 5’10”

81

Bijlage 4: Principale componenten analyse

Correlation Matrix

SI1 SI2 SI3 KT1 KT2 KT3 SC2 SC3 SC4 SC5 AB1 AB2r CK1 CK2 CK3 CK4 CK5 CK6

Correl

ation

SI1 1,000 ,739 ,588 -,314 -,358 -,332 -,221 -,201 -,220 ,076 -,140 -,161 -,154 -,234 -,231 -,248 -,243 -,265

SI2 ,739 1,000 ,810 -,346 -,345 -,343 -,203 -,234 -,201 ,097 -,159 -,221 -,202 -,217 -,226 -,216 -,190 -,250

SI3 ,588 ,810 1,000 -,316 -,299 -,254 -,207 -,198 -,191 ,133 -,150 -,239 -,196 -,146 -,176 -,196 -,159 -,187

KT1 -,314 -,346 -,316 1,000 ,685 ,668 ,001 ,011 ,016 -,141 ,256 -,050 ,315 ,464 ,415 ,323 ,330 ,460

KT2 -,358 -,345 -,299 ,685 1,000 ,837 ,078 ,042 ,047 -,099 ,255 ,010 ,371 ,481 ,402 ,346 ,317 ,451

KT3 -,332 -,343 -,254 ,668 ,837 1,000 ,080 ,071 ,032 -,072 ,275 -,018 ,395 ,484 ,468 ,337 ,313 ,532

SC2 -,221 -,203 -,207 ,001 ,078 ,080 1,000 ,461 ,383 ,092 ,113 ,074 ,051 ,097 ,088 ,108 ,040 ,015

SC3 -,201 -,234 -,198 ,011 ,042 ,071 ,461 1,000 ,564 ,389 ,175 ,044 ,081 ,006 ,042 ,057 -,035 -,004

SC4 -,220 -,201 -,191 ,016 ,047 ,032 ,383 ,564 1,000 ,295 ,167 -,023 ,067 ,016 -,003 ,040 -,001 ,016

SC5 ,076 ,097 ,133 -,141 -,099 -,072 ,092 ,389 ,295 1,000 ,051 -,135 -,038 -,108 -,128 -,075 -,114 -,108

AB1 -,140 -,159 -,150 ,256 ,255 ,275 ,113 ,175 ,167 ,051 1,000 -,304 ,267 ,240 ,186 ,201 ,187 ,206

AB2r -,161 -,221 -,239 -,050 ,010 -,018 ,074 ,044 -,023 -,135 -,304 1,000 ,041 ,003 -,012 -,047 ,001 -,016

CK1 -,154 -,202 -,196 ,315 ,371 ,395 ,051 ,081 ,067 -,038 ,267 ,041 1,000 ,659 ,504 ,451 ,370 ,495

CK2 -,234 -,217 -,146 ,464 ,481 ,484 ,097 ,006 ,016 -,108 ,240 ,003 ,659 1,000 ,706 ,531 ,447 ,608

CK3 -,231 -,226 -,176 ,415 ,402 ,468 ,088 ,042 -,003 -,128 ,186 -,012 ,504 ,706 1,000 ,597 ,454 ,637

CK4 -,248 -,216 -,196 ,323 ,346 ,337 ,108 ,057 ,040 -,075 ,201 -,047 ,451 ,531 ,597 1,000 ,563 ,534

CK5 -,243 -,190 -,159 ,330 ,317 ,313 ,040 -,035 -,001 -,114 ,187 ,001 ,370 ,447 ,454 ,563 1,000 ,536

CK6 -,265 -,250 -,187 ,460 ,451 ,532 ,015 -,004 ,016 -,108 ,206 -,016 ,495 ,608 ,637 ,534 ,536 1,000

KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy.

,828

Bartlett's Test of Sphericity

Approx. Chi-Square 3953,888 df 153 Sig. ,000

82

Total Variance Explained

Com-ponent

Initial Eigenvalues Extraction Sums of Squared

Loadings Rotation Sums of Squared

Loadings

Total % of

variance Cum.% Total % of

variance Cum.% Total % of

variance Cum.% 1 5,653 31,407 31,407 5,653 31,407 31,407 3,794 21,079 21,079 2 2,526 14,033 45,439 2,526 14,033 45,439 2,616 14,532 35,611 3 1,848 10,269 55,708 1,848 10,269 55,708 2,472 13,733 49,344 4 1,334 7,410 63,118 1,334 7,410 63,118 2,181 12,119 61,463 5 1,016 5,642 68,760 1,016 5,642 68,760 1,313 7,297 68,760 6 ,815 4,529 73,288 7 ,757 4,204 77,493 8 ,604 3,355 80,848 9 ,557 3,097 83,945 10 ,463 2,573 86,518 11 ,454 2,523 89,041 12 ,409 2,274 91,315 13 ,379 2,106 93,421 14 ,365 2,029 95,450 15 ,304 1,687 97,137 16 ,225 1,248 98,385 17 ,163 ,908 99,293 18 ,127 ,707 100,000 Extraction Method: Principal Component Analysis.

83

Rotated Component Matrixa

Component

1 2 3 4 5 CK3 ,798 -,065 ,238 ,005 -,013 CK4 ,791 -,145 ,031 ,025 ,108 CK2 ,785 -,024 ,332 ,023 -,010 CK6 ,736 -,099 ,321 -,044 ,039 CK5 ,712 -,168 ,025 -,092 ,109 CK1 ,695 -,029 ,223 ,101 -,001 SI2 -,124 ,890 -,196 -,121 ,037 SI3 -,091 ,869 -,133 -,092 ,046 SI1 -,162 ,791 -,182 -,133 ,006 KT2 ,282 -,193 ,855 ,010 ,039 KT3 ,323 -,148 ,854 ,032 ,055 KT1 ,284 -,227 ,755 -,080 ,127 SC3 ,005 -,142 ,026 ,849 ,011 SC4 ,002 -,171 -,011 ,764 ,102 SC2 ,108 -,214 -,046 ,630 -,087 SC5 -,132 ,286 ,014 ,620 ,120 AB2R ,015 -,249 -,007 ,025 -,830 AB1 ,197 -,168 ,167 ,157 ,737

“WHY STAY IF WE CAN CHANGE?” EEN ONDERZOEK NAAR DE ...€¦ · Gedurende het hele proces stond...

Documents

Transcript of “WHY STAY IF WE CAN CHANGE?” EEN ONDERZOEK NAAR DE ...€¦ · Gedurende het hele proces stond...