Het voorspellen van online koopgedrag

Het voorspellen van online koopgedrag:

De invloed van Online Customer Experience en Perceived Risk

op Purchase Intention

Elmer Schürfeld

10275754

Inleverdatum: 19 juli 2018

Begeleider: Dick Heinhuis

2e Examinator: Tom van Engers

Bachelorscriptie Informatiekunde

Faculteit der Natuurwetenschappen, Wiskunde en Informatica

Universiteit van Amsterdam

1

Samenvatting

In deze bachelorscriptie wordt onderzoek gedaan naar online koopgedrag. Er wordt onderzocht hoe

online koopintentie voorspeld kan worden. Dit wordt gedaan aan de hand van het Stimulus-

Organism-Response model. Volgens dit model wekken stimuli (website quality, price, website brand,

en social environment) een gevoel (online customer experience, perceived risk) op bij een organisme

en dit gevoel leidt tot een respons (purchase intention). De onderlinge relaties tussen deze

constructen worden weergegeven in een conceptueel model. Dit conceptuele model is empirisch

getoetst door een vragenlijst af te nemen bij 122 respondenten. Hieruit kwam naar voren dat er een

negatief significant verband bestaat tussen website quality en perceived risk. Price had een positief

significant effect op online customer experience. Purchase intention werd significant negatief

beïnvloed door perceived risk. Voor de overige relaties is geen significant bewijs gevonden. Met deze

resultaten draagt dit onderzoek bij aan een bredere kennis over het complexe vraagstuk hoe online

koopgedrag voorspeld kan worden. Daarnaast kunnen managers dit onderzoek gebruiken om meer

inzicht te krijgen in consumentengedrag en daar hun marketingstrategie op aanpassen. Er is een

convenience sample gebruikt voor dit onderzoek, wat er toe geleid heeft dat er mogelijk belangrijke

groepen van de populatie missen. Dit maakt het onderzoek beperkt generaliseerbaar.

2

INHOUDSOPGAVE

1. Inleiding ...................................................................................................................................... 3

2. Theoretisch kader ....................................................................................................................... 6

2.1 Determinanten ......................................................................................................................... 6

2.1.1 Online customer experience .............................................................................................. 7

2.1.2 Perceived risk .................................................................................................................... 8

2.1.3 Website quality / service quality ....................................................................................... 9

2.1.4 Price ................................................................................................................................. 10

2.1.5 Website brand / reputation ............................................................................................. 10

2.1.6 Social environment .......................................................................................................... 11

2.2 Conceptueel model ................................................................................................................ 11

2.3 Hypotheses ............................................................................................................................. 13

3. Methode ................................................................................................................................... 19

3.1 Deelnemers ............................................................................................................................ 19

3.2 Materialen .............................................................................................................................. 19

3.3 Procedure ............................................................................................................................... 23

4. Resultaten ................................................................................................................................ 24

4.1 Algemene gegevens ................................................................................................................ 24

4.2 Analyse ................................................................................................................................... 26

4.2.1 Correlatieanalyse ............................................................................................................. 26

4.2.2 Lineaire meervoudige regressieanalyse ........................................................................... 26

5. Conclusie .................................................................................................................................. 32

6. Discussie ................................................................................................................................... 35

6.1 Exploratief onderzoek ............................................................................................................ 35

6.2 Limitaties ................................................................................................................................ 37

7. Referenties ............................................................................................................................... 39

8. Bijlagen ..................................................................................................................................... 41

3

1. Inleiding

Het aantal mensen dat online aankopen doet stijgt al jaren en er wordt verwacht dat dit aantal ook de

komende jaren zal blijven stijgen. In 2017 werd globaal 10,1% van alle aankopen online gedaan, dit

gaat om een bedrag van $2,29 biljoen. Shoppen is een van de meest populaire bezigheden op het

internet. Het aantal bezoekers van een website, dat ook daadwerkelijk wat koopt is nog relatief laag.

De online conversieratio van het derde kwartaal van 2017 lag op 2,71%. Veel consumenten bezoeken

wel websites, maar gaan uiteindelijk niet over tot koop. Dit betekent dat ruim 97% van de bezoekers

om een of andere reden afhaakt. Vaak is het niet precies duidelijk waarom de bezoekers uiteindelijk

besluiten om toch niks te kopen. Het zou kunnen dat ze het internet gebruiken om informatie in te

winnen en vervolgens hun koop toch in de fysieke winkel doen. Een mogelijke reden hiervoor zou

kunnen zijn dat er online minder persoonlijk contact is, waardoor er een groter risico ervaren zou

kunnen worden. Er kunnen ook andere redenen zijn waarom consumenten online afhaken.

Bijvoorbeeld omdat de website te langzaam is, omdat het product ergens anders goedkoper

aangeboden wordt, omdat het bedrijf niet goed bekend staat, of omdat de website negatieve reviews

heeft. Dit zijn allemaal factoren die het koopgedrag van consumenten zouden kunnen beïnvloeden.

Het is belangrijk dat de consument zo min mogelijk risico ervaart, dit zal de kans op aankoop vergroten.

Naast dat er online risico’s zijn, is de concurrentie online enorm groot. Waar een verkoper met een

fysieke winkel voornamelijk concurreert met winkels uit de buurt, concurreert een online verkoper in

principe met verkopers over de hele wereld. Het is voor een e-retailer daarom extra belangrijker om

op te vallen. In het verleden deden verkopers dit voornamelijk door te focussen op prijs en service.

Tegenwoordig staat steeds vaker de totale experience van de consument centraal. Bedrijven proberen

zich te onderscheiden door consumenten een unieke ervaring aan te bieden. Alle momenten waarin

een consument met een bedrijf in aanraking komt worden uitgetekend in een zogenoemde customer

journey1. Het doel van de marketeers is om de consument bij elk aanrakingspunt een optimale ervaring

te laten beleven. De prijs en service zijn slechts onderdelen in de customer journey. Samen met allerlei

andere factoren bepalen deze twee onderdelen de totale customer experience. Een positieve

customer experience zou moeten leiden tot een hogere koopintentie en dus tot meer winst.

Het is de taak van marketeers om consumenten te stimuleren aankopen te doen. Om de consumenten

te kunnen stimuleren is het voor de marketeer van belang te weten wat consumenten aanzet tot koop.

Dit is een zeer lastige taak want daarvoor is een grote kennis van consumentengedrag nodig. Een

marketeer moet weten waardoor een consument geprikkeld wordt en hoe hij deze prikkels met een

website kan oproepen. Hoe de consument online gestimuleerd kan worden tot een koop is een

1 Er worden in dit onderzoek veel Engelse vaktermen gebruikt. Omdat dit termen uit de literatuur zijn, is er voor gekozen deze niet te vertalen.

4

complex vraagstuk en de intentie van dit onderzoek is om deze vraag te beantwoorden. De

onderzoeksvraag van dit onderzoek die bij dit complexe vraagstuk hoort is:

Welke factoren voorspellen online koopgedrag?

Om de onderzoeksvraag te beantwoorden wordt er eerst gekeken naar wat de bestaande literatuur

over koopgedrag zegt en vervolgens moet onderzocht worden of er een model ontwikkeld kan worden

dat koopgedrag voorspelt. Dit wordt gedaan aan de hand van de volgende deelvragen:

1. Wat zegt de theorie over online koopgedrag?

2. Kan er gebaseerd op de bestaande theorie een conceptueel model ontwikkeld worden dat

online koopgedrag voorspelt?

3. Kan dit model empirisch getoetst worden om de voorgestelde causale relaties te bewijzen?

Dit onderzoek focust zich puur op de online retail. Er wordt onderzocht hoe consumenten gestimuleerd

kunnen worden om online aankopen te doen. Dit wordt gedaan door te kijken naar de online

experience die deze consumenten beleven. Veelal wordt customer experience beschouwd als de totale

ervaring van een consument over de gehele customer journey. De consument doorloopt een cyclus

van aanrakingspunten (touchpoints) met een bedrijf. Verhoef et al. (2009) noemen search, purchase,

consumption en after-sale phases als touchpoints die samen de customer experience bepalen. Zij zien

customer experience dus als de gehele ervaring van de consument op alle mogelijke touchpoints. Dit

onderzoek limiteert zich tot het deel van de customer experience dat plaatsvindt voor de purchase.

Alle ervaringen na de purchase zijn niet meer van belang bij het voorspellen van koopintentie.

De intentie om iets te kopen kan gezien worden als reflectie op daadwerkelijk koopgedrag

(Nasermoadeli, Ling, & Maghnat, 2013). Er is vanuit de psychologie veel onderzoek gedaan naar het

gedrag van mensen. Twee heel bekende theorieën zijn de Theory of Reasoned Action (TRA) (Fishbein

en Ajzen, 1975) en de Theory of Planned Behavior (TPB) (Ajzen en Madden, 1986). Deze theorieën

worden ook in de marketing vaak gebruikt om het gedrag van consumenten te voorspellen. Beide

theorieën verklaren het gedrag van mensen. Er wordt vanuit gegaan dat een gedragsintentie leidt tot

daadwerkelijk gedrag. De intentie wordt bepaald door een attitude en een subjective norm. De TRA

gaat ervan uit dat mensen volledige controle hebben over hun eigen wil. TPB is een verlengde van de

de TRA en neemt ook mee dat mensen niet altijd deze controle hebben. Voor de marketeer is het

genoeg om te zorgen dat de purchase intention bij een consument wordt opgewekt. Het gedrag, in dit

geval dus de koop, volgt hierna vanzelf. Het is lastig het daadwerkelijke gedrag van consumenten te

onderzoeken, vandaar dat er in onderzoeken vaak voor wordt gekozen om genoegen te nemen met

5

het onderzoeken van een intentie. Volgens de TRA en TPB theorie leidt een intentie veelal tot de

daadwerkelijke actie. In dit onderzoek wordt, net als in veel voorgaande onderzoeken, de koopintentie

onderzocht als voorspeller voor koopgedrag.

Figuur 1: The Theory of Reasoned Action (TRA) (Fishbein & Ajzen, 1975))

Met het beantwoorden van de deelvragen en uiteindelijk de hoofdvraag draagt dit onderzoek bij aan

het inzichtelijker maken van het complexe fenomeen online koopgedrag. Dit wordt gedaan door eerst

de bestaande literatuur samen te vatten. Hier worden allerlei verschillende determinanten van

purchase intention genoemd die uit eerder onderzoek naar voren zijn gekomen. Vervolgens worden

de determinanten gebundeld en worden waar nodig nieuwe variabelen toegevoegd. Uit al deze

determinanten wordt een nieuw conceptueel model gepresenteerd. Doordat dit model ontstaan is

door eerder onderzoek te bundelen en een aantal nieuwe relaties toe te voegen, zou dit model

completer moeten zijn dan de modellen die tot nu toe gepresenteerd zijn in voorgaande literatuur.

Daarnaast heeft dit onderzoek nog praktische implicaties voor de e-retailing. Met de resultaten van dit

onderzoek kunnen marketeers en verkopers een beter inzicht verschaffen in het online

consumentengedrag. Ze kunnen ontdekken welke factoren van (groot) belang zijn voor de

consumenten bij een online koop. Met deze kennis kunnen ze betere keuzes maken waaraan ze hun

aandacht en geld besteden wat betreft de website en de marketing.

Het eerste onderdeel van dit onderzoek is het theoretisch kader. Hier wordt besproken wat er reeds

in de literatuur te vinden is over het beïnvloeden van online purchase intention bij consumenten.

Vervolgens wordt aan de hand van eerdere onderzoeken een conceptueel model gepresenteerd. Door

dit model empirisch te toetsen wordt antwoord gegeven op de onderzoeksvraag.

6

Dit model wordt in het tweede deel getoetst door opgestelde hypotheses te accepteren of te

verwerpen.

2. Theoretisch kader

In dit hoofdstuk worden de eerste twee deelvragen beantwoord. Allereerst wordt de bestaande

literatuur over koopintentie besproken. Vervolgens wordt een conceptueel model gepresenteerd dat

koopintentie zou moeten voorspellen. Tot slot worden de hypotheses, passend bij het conceptuele

model, geformuleerd.

Volgens de theorie leidt een intentie dus veelal tot de daadwerkelijke actie. Dan is het van belang te

achterhalen waardoor een purchase intention opgewekt wordt. In dit geval moeten bepaalde

stimulansen een consument aanzetten tot koop. Een model dat veel gebruikt wordt om het

consumentengedrag in kaart te brengen is het Stimulus-Organism-Response (S-O-R) model

(Mehrabian en Russel,1974), zie Figuur 2. Het S-O-R model geeft aan dat een consument eerst

gestimuleerd wordt door verschillende stimuli. Deze stimuli beïnvloeden de cognitieve en emotionele

staat van de consument. Vervolgens heeft de consument een reactie op dit gevoel. Op een website

zijn er verschillende stimuli die het gevoel van het individu beïnvloeden, waarop het individu

vervolgens een respons heeft. De gewenste respons van de consument voor verkopers is een purchase

intention. Het is dus belangrijk te onderzoeken welke gevoelens een purchase intention voorafgaan en

door welke stimuli deze gevoelens beïnvloed worden. In dit onderzoek is het S-O-R model gebruikt bij

het opstellen van het conceptueel model dat in hoofdstuk 2.2 gepresenteerd wordt.

Figuur 2: S-O-R model van Mehrabian en Russel (1974)

2.1 Determinanten

Er is al veel onderzoek gedaan naar purchase intention en de determinanten van purchase intention.

Het koopgedrag van consumenten en in het specifiek de purchase intention, is een zeer complex

7

concept. In voorgaande onderzoeken zijn veel variabelen onderzocht die mogelijk van invloed zijn op

de koopintentie. Er zijn een aantal variabelen, zoals website quality en perceived risk, die in de meeste

onderzoeken terugkomen, maar veel onderzoeken dragen ook weer nieuwe variabelen aan die niet in

andere onderzoeken meegenomen zijn. Vaak wordt gefocust op slechts een paar variabelen, terwijl er

uit eerder onderzoek is gebleken dat er meerdere variabelen meespelen. In sommige gevallen worden

zelfs tegenstrijdige resultaten gevonden, terwijl dezelfde variabelen onderzocht zijn.

In de volgende paragrafen worden verschillende (mogelijke) determinanten van purchase intention

behandeld. In sommige gevallen is de benaming in de onderzoeken verschillend, maar zijn de

variabelen vergelijkbaar. In deze gevallen worden de variabelen hier gekoppeld. In tabel 1 worden

mogelijke determinanten van purchase intention genoemd, met de bijbehorende literatuur. Deze

variabelen worden vervolgens nader toegelicht.

Tabel 1: Mogelijke determinanten van purchase intention en de bijbehorende literatuur

Mogelijke determinanten van purchase intention

Genoemd in eerdere literatuur

Online customer experience / Consumer’s emotion

Verhoef, Lemon, Parasuraman, Roggeveen, Tsiros, & Schlesinger,

(2009); Nasermoadeli et al. (2013); Rose, Clark, Samouel, & Hair, (2012); Kim & Lennon (2013)

Perceived risk

Hsin Chang & Wen Chen (2008); Kim & Lennon (2013); Kim, Ferrin, & Rao (2008); Wu, Yeh, & Hsiao (2011)

Website quality / service quality

Kim & Lennon (2013); Hsin Chang & Wen Chen (2008); Ling, Chai, & Piew (2010); Chang & Wildt (1994); Wu et al. (2011); Verhoef et al. (2009)

Price

Verhoef et al. (2009); Moon, Chadee, & Tikoo (2008); Wu et al. (2011); Chang & Wildt (1994)

Website brand / reputation / store image

Hsin Chang & Wen Chen (2008); Wu et al. (2011); Ling et al. (2010); Verhoef et al. (2009); Kim & Lennon (2013); Kim et al. (2008)

Social environment

Verhoef et al. (2009); Nasermoadeli et al. (2013)

2.1.1 Online customer experience

Laatste jaren focussen de marketeers zich steeds vaker op de customer experience. Volgens Pine en

Gilmore (1999) kan een hoogwaardige customer experience zorgen voor grotere economische waarde.

Jarenlang lag de focus van grote bedrijven op de prijs en service om zichzelf te onderscheiden. Pine en

8

Gilmore (1999) raden bedrijven tegenwoordig aan te focussen op het creëren van een

onderscheidende customer experience. Steeds meer bedrijven doen dit ook. Toch is er nog weinig

onderzoek gedaan naar het effect van customer experience op de purchase intention. Ook is er weinig

onderzoek gedaan naar de variabelen die bepalend zijn voor de customer experience. Allereerst is het

belangrijk om te onderzoeken wat online customer experience precies betekent. Online customer

experience kan worden samengevat als de psychologische staat waarin een consument zich bevindt

als reactie op het bezoeken van een website (Meyer en Schwager, 2007). Via een website komen er bij

consumenten verschillende stimuli binnen. Op een website ziet de consument in de meeste gevallen

tekstuele informatie, afbeeldingen en in sommige gevallen ook video of audio content. Al deze data

wordt verwerkt door de consument. Deze stimuli roepen een gevoel op en er wordt een impressie

opgewekt bij de consument. Al deze online ervaringen samen behoren tot de online customer

experience. Novak, Hoffman, en Yung (2000) definiëren online customer experience als volgt: ‘The

cognitive state experienced during navigation’.

Dit is enigszins beknopt, hier wordt enkel de cognitieve staat genoemd. De definitie van Verhoef et al.

(2009) is meer alomvattend en luidt als volgt:

‘The customer experience construct is holistic in nature and involves the customer’s cognitive, affective,

emotional, social and physical responses to the retailer. This experience is created not only by those

elements which the retailer can control (e.g., service interface, retail atmosphere, assortment, price),

but also by elements that are outside of the retailer’s control (e.g., influence of others, purpose of

shopping).’

Aan de hand van deze definitie wordt er een conceptueel model gepresenteerd met mogelijke

determinanten van customer experience. Dit model is niet empirisch getoetst. Er wordt genoemd dat

er onderzoek nodig is naar de invloeden van deze determinanten op de customer experience en dat

er onderzoek nodig is naar de invloed van customer experience op de financiële opbrengsten van

bedrijven. Dit model wordt als basis gebruikt voor het huidige onderzoek.

Customer experience kan op meerdere manieren gemeten worden. Nasermoadeli et al. (2013) hebben

onderzoek gedaan naar de relatie tussen customer experience en purchase intention. In dit onderzoek

worden drie verschillende soorten customer experiences onderscheiden, namelijk sensory, emotional

en social experience. Rose et al. (2012) hebben online customer experience opgedeeld in Cognitive

Experiential State (CES) and Affective Experiential State (AES).

2.1.2 Perceived risk

Bij het verklaren van consumentengedrag wordt perceived risk vaak als factor meegenomen. De term

komt uit de psychologie. Consumenten proberen altijd risico’s te vermijden (Bauer ,1960). Dat

9

betekent dat als er aan een koop risico’s kleven, de consument eerder geneigd zal zijn om van de koop

af te zien. Consumenten wegen de voor -en nadelen af alvorens zij overgaan tot koop. Aan een online

aankoop kleven altijd risico’s. Vaak mist het persoonlijk contact, wat offline verkoop wel heeft en

daardoor neemt het risico op een negatieve uitkomst toe. Het is voor een consument online moeilijker

in te schatten of een verkoper betrouwbaar is. Kim et al. (2008) definiëren perceived risk als volgt: ‘A

consumer's belief about the potential uncertain negative outcomes from the online transaction.’ Als er

aan een online aankoop een hoog risico kleeft is het dus waarschijnlijk dat de purchase intention laag

is. Er zijn bij een online aankoop meerdere risico’s. Stone en Grønhaug (1993) noemen dat er zes

dimensies van perceived risk zijn. Dit zijn financial- , social- , time- , performance- , psychological- en

physical risks. Deze risico’s hebben invloed op de purchase intention.

Er zijn ook verschillende factoren die de grootte van het risico van een online aankoop beïnvloeden.

Deze determinanten zullen in de volgende paragrafen besproken worden.

2.1.3 Website quality / service quality

Een zeer belangrijke stimulus in de online ervaring is de website zelf. Een goede website kan voor een

positieve ervaring zorgen, maar omgekeerd kan een slechte website veel ergernis opwekken. Website

quality heeft waarschijnlijk een grote invloed op de customer experience. Verhoef et al. (2009)

noemen retail atmosphere en assortment als determinanten van customer experience. Deze twee

concepten kunnen gezien worden als onderdelen van website quality. De kwaliteit van de website is

voor de consument erg belangrijk. Vandaar dat website quality ook in veel onderzoeken wordt

genoemd als determinant van purchase intention. Aladwani en Palvia (2002) definiëren website quality

als volgt: ‘Users’ evaluation of a web site’s features meeting users’ needs and reflecting overall

excellence of the web site’.

Over hoe website quality gemeten moet worden bestaan veel verschillende meningen en

interpretaties. Hsin Chang en Wen Weng (2008) meten bijvoorbeeld de website quality door de

technical adequacy, content quality, specific content en appearance te beoordelen, maar zij noemen

dat vervolgstudie met andere meetinstrumenten nodig is om het verband tussen website quality en

purchase intention aan te tonen. Aladwani en Palvia (2002) identificeren drie dimensies van website

quality: technical adequacy, web content, en web appearance. Wolfinbarger en Gilly (2003)

identificeren vier verschillende dimensies van website quality: web site design, customer service,

fulfillment/reliability, en security/privacy.

Liu en Arnett (2000) meten website quality aan de hand van de volgende factoren: accuracy,

completeness, relevancy, security, reliability, customization, interactivity, ease of use, speed, search

functionality, en organization.

10

Wu et al. (2011) spreken over service quality. Er zijn volgens hen drie dimensies van de service quality,

namelijk: interaction quality, service environment quality, en outcome quality. Als deze drie dimensies

bekeken worden vanuit een online perspectief dan vallen veel van deze punten onder de website

quality. De website neemt voor een groot deel de service taken die het personeel in fysieke winkels

heeft over. De consument interacteert met de website en de uitstraling van de website bepaalt de

atmosfeer. Er zijn dus veel verschillende manieren om website quality te meten en elke manier heeft

zijn voor -en nadelen.

2.1.4 Price

Er is nog maar weinig onderzoek gedaan naar de invloed van price op purchase intention. Verhoef et

al. (2009) noemen price wel als determinant van Customer experience, maar hebben niet getoetst of

deze twee constructen daadwerkelijk invloed op elkaar hebben. Chang en Wildt (1994) spreken over

perceived price en definiëren deze als volgt: ‘The consumer's perceptual representation or subjective

perception of the objective price of the product’. Deze definitie geeft direct een belangrijk aspect aan

waar rekening mee gehouden moet worden, als er gesproken wordt over price. Een prijs op zich zelf

heeft niet zo veel betekenis voor een consument. Het krijgt pas betekenis door het te vergelijken. Een

consument hangt een waardeoordeel op aan een prijs door deze te vergelijken met andere prijzen,

zoals bijvoorbeeld prijzen van andere winkels voor hetzelfde product, of prijzen van andere producten.

Voor de consument is een prijs een ingewikkeld construct. Een consument heeft pas een oordeel over

een objective price zodra hij deze vergelijkt met een reference price (Winer, 1986). Een andere manier

om naar de prijs is te kijken is door de prijs/kwaliteitverhouding in ogenschouw te nemen (Monroe &

Chapman ,1987). Vandaar dat ook vaak over perceived price gesproken wordt.

2.1.5 Website brand / reputation

Een ander veelgenoemde determinant voor zowel customer experience als purchase intention is de

website brand. Aaker (1991) definieert brand als volgt: ‘A brand is a name and/or symbol-like logo,

trademark and package design that uniquely identifies the products or services of a seller, and

differentiates them from those of its competitors’

Deze definitie gaat niet specifiek over de website van een merk maar het is aannemelijk dat deze

definitie ook voor de website van een merk opgaat. Kim & Lennon (2013) spreken over reputation als

belangrijke factor bij het voorspellen van consumentengedrag. Zij noemen dat reputation een

belangrijke risico verlagende factor zou kunnen zijn. Consumenten zullen eerder een aankoop doen bij

een online verkoper die een goede reputatie heeft. Website brand en reputation zijn vergelijkbare

11

concepten. In het vervolg van dit onderzoek zal gesproken worden over website brand, omdat Verhoef

et al. (2009) dit ook noemen als determinant van customer experience.

2.1.6 Social environment

Verhoef et al. (2009) noemen social environment als determinant van customer experience. In een

fysieke winkel is het sociale contact meer aanwezig dan in een webshop. Consument en verkoper

hebben meestal persoonlijk contact, dit is online vaak minder het geval. Sommige webshops hebben

tegenwoordig wel chat functies, waarmee gecommuniceerd kan worden met de verkoper, maar over

het algemeen is de online consument afhankelijk van de website.

In een fysieke winkel kom je als consument ook makkelijk in contact met andere consumenten. Er zijn

vaak meerdere klanten tegelijk in een winkel en deze klanten kunnen elkaars ervaring beïnvloeden.

Online zijn er ook vaak meerdere consumenten tegelijk op een website, maar daar is over het

algemeen niks van te merken. De consumenten komen niet met elkaar in contact zoals dat bij een

fysieke winkel gebeurt. Waar je bij een fysieke winkel bijvoorbeeld samen in de rij staat om af te

rekenen, gaat dat online allemaal gescheiden. Daarnaast gaat men ook vaak met vrienden of familie

naar een winkel, maar online shoppen is toch iets wat men over het algemeen alleen doet. Toch heeft

de social environment ook online een belangrijk aandeel in de customer experience. Consumenten

kunnen ook online met elkaar communiceren. Bijvoorbeeld door reviews op de website zelf of door

blogs of andere review sites. Veel online consumenten laten zich informeren door andere

consumenten alvorens zij een product online kopen. Online word-of-mouth is dus erg belangrijk. Uit

onderzoek van Duan et al. (2008) is gebleken dat er in de filmindustrie een positieve relatie is tussen

online word-of-mouth en ticketverkoop. Het is aannemelijk dat ook in andere branches positieve word

of mouth leidt tot hogere verkoopcijfers, maar dit moet nog wel onderzocht worden. Duan et al. (2008)

noemen dat er vervolgonderzoek nodig is naar de invloed van online word-of-mouth informatie op het

besluitvormingsproces van consumenten.

2.2 Conceptueel model

In voorgaande paragrafen zijn verschillende factoren genoemd die (mogelijk) effect hebben op de

purchase intention. Om de vraag hoe online purchase intention voorspeld kan worden te

beantwoorden, wordt in dit onderzoek een conceptueel model gepresenteerd. Dit model is ontwikkeld

aan de hand van eerdere onderzoeken. In dit model worden online customer experience en perceived

risk gemeten aan de hand van een aantal determinanten/voorspellers. Deze determinanten zijn

website quality, price, website brand en social environment. Ook wordt met dit model gesuggereerd

dat perceived risk een negatieve invloed heeft op de online customer experience. Vervolgens

12

suggereert het model dat de online customer experience en de perceived risk samen resulteren in een

purchase intention bij een consument. Dit voorgestelde conceptuele model wordt getoetst door

opgestelde hypotheses te testen. Het conceptuele model is te zien in Figuur 3.

Figuur 3: Voorgesteld conceptueel model

In deze paragraaf wordt de totstandkoming van dit voorgestelde conceptuele model toegelicht.

Allereerst is het eerdergenoemde S-O-R model gebruikt, dit model wordt in veel onderzoeken naar

purchase intention gebruikt. De onafhankelijke variabelen (website quality, price, website brand, social

environment) zijn de stimuli die een bij de consument binnenkomen als hij een website bezoekt. Deze

stimuli beïnvloeden de emotionele en cognitieve staat (online customer experience, perceived risk)

van het organisme, in dit geval de consument. Deze gevoelens van het organisme zetten een respons

(purchase intention) in gang.

Er zijn een aantal variabelen die in de meeste eerdere onderzoeken naar voren komen als determinant

van purchase intention. In sommigen gevallen is dit direct, in andere gevallen is dit indirect via andere

variabelen. Naar de directe relatie tussen online customer experience en purchase intention is nog

weinig onderzoek gedaan. Zoals in 2.1.1 is toegelicht is het echter wel waarschijnlijk dat er een

positieve relatie is tussen online customer experience en purchase intention, vandaar dat er gekozen

is om de directe relatie tussen online customer experience en purchase intention te toetsen in het

model. De andere variabele met een directe invloed op purchase intention is perceived risk. In

tegenstelling tot online customer experience is er al wel veel onderzoek gedaan naar de relatie tussen

13

perceived risk en purchase intention. Zoals in 2.1.2 aangekaart is, is er uit meerdere onderzoeken

gebleken dat er een negatieve relatie is tussen perceived risk en purchase intention. Aangezien het uit

meerdere onderzoeken naar voren gekomen is dat perceived risk een determinant is van purchase

intention, wordt ook in dit onderzoek perceived risk als directe voorspeller van purchase intention

opgenomen. Naast de twee genoemde directe voorspellers van purchase intention, zijn er meerdere

indirecte voorspellers. Om deze te bepalen is voor een groot deel het model van Verhoef et al. (2009)

als voorbeeld gebruikt. Dit is een nog niet getest model met verschillende variabelen die customer

experience zouden moeten bepalen. Verhoef et al. (2009) noemen social environment, service

interface, retail atmosphere, assortment, price, customer experience in alternative channels, retail

brand en previous customer experience. Er is in dit onderzoek voor gekozen om service interface, retail

atmosphere en assortment samen te vatten als website quality. Dit is namelijk een variabele die ook

in vele andere onderzoeken genoemd wordt als (indirecte) determinant van purchase intention (zie

2.1.3). Price wordt ook Verhoef et al. (2009) ook gezien als voorspeller van customer experience.

Daarnaast is het aannemelijk dat de prijs ook invloed heeft op perceived risk, vandaar dat price is

opgenomen in het conceptueel model. Verhoef et al. (2009) noemen ook Website brand als

onafhankelijke variabele. Deze variabele komt ook in andere onderzoeken vaak terug als determinant

van perceived risk danwel purchase intention (zie 2.1.5). De benaming is vaak verschillend in

onderzoeken. De ene onderzoeker spreekt over website brand, waar een ander spreekt over

reputation. Er is ook voor gekozen om social environment op te nemen in het conceptueel model.

Verhoef et al. (2009) noemen dit als determinant van customer experience, maar dit is nog niet

gevalideerd. Uit onderzoek van Nasermoadeli et al. (2013) is wel gebleken dat social experience een

positieve invloed heeft op purchase intention.

2.3 Hypotheses

De volgende hypotheses worden getoetst om het voorgestelde conceptuele model te valideren. Voor

elke hypothese wordt onderbouwd hoe de hypothese gevormd is en of het al eerder onderzocht is.

Hypothese 1: Website quality heeft een positieve invloed op online customer experience.

De invloed van website quality op online customer experience is wel deels eerder onderzocht. Er is

echter geen eenduidige methode voor het meten van website quality. Rose et al. (2012) hebben

vastgesteld dat ease-of-use, customization en connectedness een positieve invloed hebben op

perceived control, wat vervolgens een positieve invloed heeft op de Affective Experiential State (AES).

Er zijn dus onderdelen van website quality die een significant effect hebben op een deel van de online

customer experience.

14

Uit onderzoek van Kim & Lennon (2013) is gebleken dat de relatie tussen customer service en emotion

niet significant is. Website design, fulfillment/reliability, en security/privacy hadden daarentegen wel

een positieve significante invloed op emotion. Zoals in 2.1.1 genoemd is volgens Nasermoadeli et al.

(2013) emotional experience slechts één van de drie customer experiences. Wederom zijn er dus

onderdelen van website quality die een positieve invloed hebben op een deel van de online customer

experience. Er kan dus niet met zekerheid gezegd worden dat website quality een positieve invloed

heeft op de online customer experience. Dit zal verder onderzocht worden in dit onderzoek.

Hypothese 2: Website quality heeft een negatieve invloed op perceived risk.

Naast dat de kwaliteit van de website van invloed is op de customer experience is het ook aannemelijk

dat het een invloed heeft op perceived risk. Als de kwaliteit hoog is, wordt er minder risico ervaren

door consumenten (Kim & Lennon, 2013).

Opvallend is het resultaat van het onderzoek van Hsin Chang en Wen Weng (2008). Zij vonden namelijk

geen significant verband tussen website quality en perceived risk. De resultaten van deze twee

onderzoeken spreken elkaar dus tegen. Dit zou verklaard kunnen worden door het eerdergenoemde

verschillend meten van website quality. De elkaar tegensprekende resultaten roepen om nader

onderzoek naar de relatie tussen website quality en perceived risk.

Hypothese 3: Price heeft een positieve invloed op online customer experience.

In het model van Verhoef et al. (2009) wordt price genoemd als determinant van online customer

experience. Dit is echter niet door hen getoetst. Het is aannemelijk dat als een consument een

negatieve ervaring heeft bij de prijs, dit ook invloed heeft op de gehele customer experience.

Moon et al. (2008) hebben het effect van prijs onderzocht op de purchase intention voor

gepersonaliseerde producten. Consumenten waren bereid meer geld te betalen voor

gepersonaliseerde producten. De prijs had tot een bepaalde hoogte geen effect op de purchase

intention van gepersonaliseerde producten.

Wu et al. (2011) hebben het effect van price consciousness op purchase intention van een Private Label

Brand product onderzocht. Er bleek geen significante relatie tussen deze twee variabelen te bestaan.

Moon et al. (2008) hebben dus het effect van de prijs van gepersonaliseerde producten op purchase

intention onderzocht en Wu et al. (2011) hebben het effect van de prijs van Private Label Brand (PLB)

producten op purchase intention onderzocht. Het effect van de prijs van standaardproducten op

purchase intention is nog niet onderzocht. Het is aannemelijk dat de prijs voor standaardproducten

wel invloed heeft op de purchase intention. Consumenten zijn vaak bereid meer te betalen als het

15

product gepersonaliseerd is of van een PLB komt. Deze bereidheid is waarschijnlijk een stuk lager bij

standaardproducten.

Hypothese 4: Price heeft een negatieve invloed op perceived risk.

Er is nog weinig onderzoek gedaan naar de relatie tussen price en perceived risk. Het is echter

waarschijnlijk dat deze twee variabelen wel invloed op elkaar hebben. Zoals eerdergenoemd is

financial risk één van de risico dimensies die Stone en Grønhaug (1993) noemen. Het is aannemelijk

dat hoe lager de perceived price voor een consument is, hoe lager het financiële risico is en hoe sneller

de consument dus het product zal kopen. Uit onderzoek van Wu et al. (2011) is wel gebleken dat

perceived risk een negatief effect heeft op price consciousness. De invloed van price op perceived risk

is niet meegenomen in dat onderzoek.

Hypothese 5: Website brand heeft een positieve invloed op online customer experience.

Verhoef et al. (2009) noemen dat de retail brand van invloed is op de customer experience. Deze relatie

is echter niet getoetst. Kim en Lennon (2013) hebben wel onderzocht wat de invloed van reputation

(wat vergelijkbaar is met website brand) is op consumers emotion (wat gezien kan worden als

onderdeel van customer experience). Uit dit onderzoek kwam een positief significant verband tussen

de twee constructen. Als een merk als positief ervaren wordt, volgt ook een positieve experience.

Hypothese 6: Website brand heeft een negatieve invloed op perceived risk.

Website brand heeft een negatief effect op perceived risk (Hsin Chang & Wen Chen, 2008). Als een

website of het bedrijf achter de website een goede naam heeft, ervaren consumenten minder risico.

Uit het onderzoek van Hsin Chang & Wen Chen (2008) bleek zelfs dat website brand een sterker effect

heeft op de keuze van de consument dan website quality.

Reputation heeft een negatieve invloed op perceived risk (Kim & Lennon, 2013). Als een bedrijf goed

bekend staat, nemen de risico’s af. Een bedrijf krijgt een goede naam door in het verleden positieve

experiences opgeleverd te hebben. Het is dan aannemelijk dat het dit in de toekomst ook zal doen,

waardoor het risico voor de consument afneemt. De verwachte relatie tussen website brand en

perceived risk is dus uit meerdere onderzoeken reeds naar voren gekomen. Een kanttekening hierbij

is wel dat voor het onderzoek van Kim en Lennon (2013) een convenience sample gebruikt waardoor

de sample uit voornamelijk vrouwen bestond.

16

Hypothese 7: Social environment heeft een positieve invloed op online customer experience.

In het model van Verhoef et al. (2009) wordt social environment ook genoemd als determinant van

customer experience. Zoals genoemd in 2.1.1 delen Nasermoadeli et al. (2013) customer experience

op in sensory, emotional en social experience. Zij hebben een positieve relatie gevonden tussen social

experience en purchase intention. Het sociale gedeelte van de experience heeft dus invloed op de

purchase intention. Wat de invloed van social environment op de online customer experience is, is nog

niet eerder onderzocht. Het is aannemelijk dat consumenten die een sociaal gevoel ervaren op een

website over het algeheel een positieve customer experience hebben. Het contact met andere

consumenten kan zorgen voor een betere ervaring.

Hypothese 8: Social environment heeft een negatieve invloed op perceived risk.

Verhoef et al. (2009) noemen social environment als determinant van online customer experience,

maar het is ook aannemelijk dat het een determinant is van perceived risk. Reviews van andere

consumenten kunnen de risico’s verkleinen of wegnemen. Als er veel positieve reviews online staan

van andere consumenten is het waarschijnlijker dat de koop ook voor jou positief uit zal pakken. Er is

nog weinig onderzoek gedaan naar deze relatie.

Hypothese 9: Perceived risk heeft een negatieve invloed op online customer experience.

Zoals genoemd in 2.1.2 proberen consumenten altijd zo veel mogelijk risico’s te vermijden. Risico’s

kunnen voor consumenten leiden tot negatieve ervaringen. Kim & Lennon (2013) hebben een negatief

verband gevonden tussen perceived risk en emotion. Als consumenten risico’s ervaren, zal de algehele

customer experience slechter zijn.

Hypothese 10: Online customer experience heeft een positieve invloed op purchase intention.

Nasermoadeli et al. (2013) hebben onderzoek gedaan naar de relatie tussen customer experience en

purchase intention. Zij onderscheiden drie verschillende soorten customer experiences, namelijk

sensory, emotional en social experience. Voor alle drie de dimensies is de relatie tot purchase intention

onderzocht. Hieruit is gebleken dat de emotional en social experience een directe positieve significante

invloed hebben op purchase intention. Sensory experience heeft geen directe significante invloed op

purchase intention, slechts een indirecte invloed via de mediërende variabelen emotional en social

experience. Een limitatie van dat onderzoek is echter dat er een judgemental sample gebruikt is,

waardoor het lastig te generaliseren is. Nasermoadeli et al. (2013) noemt vandaar dat het in de

toekomst wenselijk is om de relatie tussen customer experience en purchase intention nogmaals te

onderzoeken met een probability sampling techniek om hun bevindingen te verifiëren.

17

Uit onderzoek van Kim en Lennon (2013) bleek dat Emotion een positieve invloed heeft op purchase

intention. Dit komt overeen met de eerdergenoemde resultaten van Nasermoadeli et al. (2013),

waarin emotional experience een positieve invloed heeft op purchase intention.

Rose et al. (2012) hebben ook onderzoek gedaan naar de (indirecte) invloed van online customer

experience op purchase intention. Zij hebben Online customer experience opgedeeld in Cognitive

Experiential State (CES) and Affective Experiential State (AES). Online shopping satisfaction en trust zijn

als mediërende variabelen gebruikt tussen CES, AES en purchase intention. Er was geen direct verband

tussen CES, AES en purchase intention. Via de mediërende variabele Satisfaction was er wel een

indirect verband tussen zowel CES als AES met purchase intention. Het is opvallend dat CES en AES

geen direct verband hebben met purchase intention. Dit lijkt de resultaten van Nasermoadeli et al.

(2013) en Kim en Lennon (2013) tegen te spreken.

Doordat er uit meerdere onderzoeken is gebleken dat een positieve customer experience zorgt voor

een grotere purchase intention, is er in dit onderzoek voor gekozen om deze relatie in het conceptueel

model op te nemen.

Hypothese 11: Perceived risk heeft een negatieve invloed op purchase intention.

Als het risico laag is, zijn consumenten sneller geneigd online aankopen te doen. Dat dit inderdaad zo

is kwam naar voren uit onderzoeken van Hsin Chang en Wen Chen (2008), Kim et al. (2008), Wu et al.

(2011), en Kim en Lennon (2013). Zij hebben allen een negatieve relatie gevonden tussen perceived

risk en purchase intention. Zoals eerder genoemd proberen consumenten risico’s zo veel mogelijk te

vermijden. Als er een een online aankoop veel risico’s kleven, is het dus zeer aannemelijk dat de

consument eerder af zal zien van de koop.

18

In Tabel 2 is een samenvatting te zien van dit hoofdstuk. De ondersteunende literatuur wordt

per hypothese aangegeven en er wordt aangegeven of de hypothese al eerder getest is.

Tabel 2: Hypotheses met ondersteunende bijbehorende literatuur

Hypothese Ondersteunende literatuur Eerder getest (soms deels) H1: Website quality heeft een positieve invloed op online customer experience.

Verhoef et al. (2009), Kim & Lennon (2013), Rose et al. (2012), Ling et al. (2010)

Website quality -> Emotion (Kim & Lennon (2013)) Rose et al. (2012)

H2: Website quality heeft een negatieve invloed op perceived risk.

Hsin Chang & Wen Chen (2008), Kim & Lennon (2013)

Hsin Chang & Wen Chen (2008), Kim & Lennon (2013)

H3: Price heeft een positieve invloed op online customer experience.

Verhoef et al. (2009), Moon et al. (2008), Chang & Wildt (1994)

Nieuw

H4: Price heeft een negatieve invloed op perceived risk.

Wu et al. (2011), Stone en Grønhaug (1993)

Nieuw

H5: Website brand heeft een positieve invloed op online customer experience.

Verhoef et al. (2009), Ling et al. (2010)

Reputation -> Emotion (Kim & Lennon (2013))

H6: Website brand heeft een negatieve invloed op Perceived risk.

Hsin Chang & Wen Chen 2008, Kim & Lennon (2013), Wu et al. (2011), Ling et al. (2010)

Hsin Chang & Wen Chen (2008), Reputation -> Perceived risk (Kim & Lennon (2013))

H7: Social environment heeft een positieve invloed op Online customer experience.

Verhoef et al. (2009), Nasermoadeli et al. (2013)

Nieuw

H8: Social environment heeft een negatieve invloed op perceived risk.

Verhoef et al. (2009) Nieuw

H9: Perceived risk heeft een negatieve invloed op Online customer experience.

Wu et al. (2011), Kim & Lennon (2013)

Perceived risk - > Emotion (Kim & Lennon (2013))

H10: Online customer experience heeft een positieve invloed op purchase intention.

Verhoef et al. (2009), Nasermoadeli et al. (2013), Kim & Lennon (2013), Rose et al. (2012)

Nasermoadeli et al. (2013), Kim & Lennon (2013), Rose et al. (2012)

H11: Perceived risk heeft een negatieve invloed op purchase intention.

Hsin Chang & Wen Chen (2008), Kim & Lennon (2013), Kim et al. (2008), Wu et al. (2011)

Hsin Chang & Wen Chen (2008), Kim & Lennon (2013), Kim et al. (2008), Wu et al. (2011)

19

3. Methode

In dit deel van het verslag wordt het onderzoeksdesign beschreven. In hoofdstuk 2 is aan de hand van

de literatuur een conceptueel model opgesteld en aan de hand van dit model zijn hypotheses

geformuleerd, hiermee zijn de eerste en tweede deelvraag beantwoord. In het volgende hoofdstuk

wordt het conceptueel model empirisch getoetst, hiermee wordt de derde deelvraag beantwoord.

Allereerst wordt beschreven hoe het onderzoek uitgevoerd is en vervolgens worden in hoofdstuk 4 de

resultaten besproken.

3.1 Deelnemers

Er hebben 122 respondenten meegedaan aan het onderzoek. Een sample size van 122 zou groot

genoeg moeten zijn om een hoge statistische power te genereren. Bij het bepalen van de minimale

sample size voor regressieanalyses wordt gekeken naar het aantal voorspellende variabelen. In de

literatuur wordt vaak de vuistregel 10 of 15 respondenten per voorspellende variabele gebruikt. In dit

onderzoek zijn er 6 variabelen die purchase intention moeten voorspellen, namelijk website quality,

price, website brand, social environment, online customer experience, en perceived risk. Volgens deze

vuistregel zou de sample size dus tussen de 60 en 90 personen moeten liggen. Volgens Field (2009) is

het echter ook van belang om naast het aantal voorspellers ook naar de gewenste effect size te kijken.

Field (2009) geeft aan dat bij 6 voorspellende variabelen er bij een medium effect (R² = 0,13) een sample

size van 98 nodig is. Als er een groot effect (R² = 0,26) wordt verwacht dan is een sample size van 46

voldoende. Hiervoor zijn de benchmarks van Cohen (1988); aangehaald door Field (2009) gebruikt:

statistische power van 0,8. In het huidige onderzoek wordt voor de meeste verbanden een groot effect

verwacht. De verbanden zijn namelijk op eerder onderzoek gebaseerd en in sommige gevallen ook al

eerder getoetst. Sommige verbanden die nog niet eerder onderzocht zijn zoals het effect van price en

social environment op online customer experience en perceived risk zouden mogelijk een minder groot

effect kunnen hebben. De verwachting is echter dat deze relaties minstens een medium effect zullen

hebben, omdat ze gebaseerd zijn op eerdere literatuur. Er is dus geprobeerd een steekproef van

minimaal 98 personen te verkrijgen om een betrouwbare lineaire regressieanalyse uit te kunnen

voeren. De steekproef van 122 respondenten is dus geschikt om een hoge statistische power te

bewerkstelligen.

3.2 Materialen

Het empirisch toetsen van het conceptueel model wordt gedaan door het uitvoeren van kwantitatief

onderzoek. Er is een vragenlijst opgesteld met vragen over de ervaringen van mensen met een

webshop die zij als laatst bezochten. De vragenlijst bestaat uit vragen die de variabelen uit het

20

conceptueel model meten. De vragen zijn overgenomen uit verschillende eerdere onderzoeken. Hier

is voor gekozen omdat bewezen is uit eerder onderzoek dat deze vragen een hoge betrouwbaarheid

hebben (α > 0,7). Al deze vragen zijn vanuit het Engels vertaald naar het Nederlands. De vragenlijst

bestaat uit drie delen: een inleiding, stellingen over de ervaringen, en socio-demografische vragen. De

vragenlijst is terug te vinden de bijlage.

Het eerste deel is inleidend. De respondenten worden gevraagd terug te denken aan hun meest

recente onlinekoopervaring. Er wordt vermeld dat het toegestaan is even de website te bezoeken om

de herinnering op te halen. Er is voor gekozen om naar de meest recente onlinekoopervaring te vragen

omdat deze ervaring waarschijnlijk nog het best in het geheugen ligt. De respondent kent de site en

heeft er ervaring mee. Om te toetsen of de respondent daadwerkelijk ervaring heeft met de website

worden er nog vier vragen gesteld over de bekendheid met de website. Een andere belangrijke reden

voor de keuze voor meest recente ervaring in plaats van een zelfgekozen ervaring, heeft te maken met

het verschil in beoordelingen van de ervaring. De kans bestaat dat als respondenten zelf een website

uit mogen kiezen, ze hun favoriete website gaan beoordelen. Dit zou dan voornamelijk positieve

reacties opleveren. Maar negatieve beoordelingen zijn minstens zo belangrijk bij het bestuderen van

koopgedrag. In de vragenlijst worden de respondenten dus gevraagd naar hun meest recente

koopervaring. Voor het gemak is ervoor gekozen om de respondenten te laten kiezen uit de vier

grootste online webshops of zelf een webshop in te vullen onder de optie ‘anders’. De keuze bestaat

uit Bol.com, Coolblue, Wehkamp, Zalando of anders.

Het tweede deel is het daadwerkelijke onderzoek. De respondenten worden gevraagd hun mening te

geven over verschillende stellingen aan de hand van een 7-punts Likertschaal (1 = helemaal niet mee

eens, 2 = niet mee eens, 3 = enigszins mee oneens, 4 = noch eens noch oneens, 5 = enigszins mee eens,

6 = mee eens, 7 = helemaal mee eens).

De website quality wordt gemeten aan de hand van veertien vragen, die zijn overgenomen van

Wolfinbarger & Gilly (2003). Wolfinbarger & Gilly (2003) hebben een vragenlijst opgesteld voor

onderzoekers en managers om de website quality te meten bij bezoekers van websites. Deze

vragenlijst hebben ze opgesteld door allereerst via focusgroepen erachter te komen wat mensen

belangrijk vinden op een website. Vervolgens zijn ze de bevindingen uit de focusgroepen gaan sorteren

in verschillende categorieën. Hier kwamen uiteindelijk veertig vragen uit voort. Deze veertig vragen

zijn via een survey verspreid over een sample van 1013 respondenten. Met de data van deze survey

hebben ze een exploratory en confirmatory factor analyse uitgevoerd. Aan de hand van deze analyses

hebben ze uiteindelijk veertien vragen over gehouden die website quality moeten meten. Deze vragen

zijn op te delen in vier factoren van website quality: fulfillment/reliability, website design, customer

service, en security/privacy.

21

Onder fulfillment/reliability wordt verstaan dat het bedrijf doet wat het belooft. De producten op de

website worden goed weergegeven en komen overeen met het daadwerkelijke product dat

consumenten ontvangen. Ook wordt het juiste product geleverd in de beloofde levertijd.

Website design bevat alle elementen van de website zelf. Dit zijn de ervaringen die een persoon met

de website heeft. Hieronder vallen navigatie, zoeken van informatie, personalisatie, productselectie,

en het koopproces. Onder customer service valt de bereidheid van het bedrijf om snel in te spelen op

de behoeften van de klant en snel hun problemen op te lossen. Security/privacy gaat over de

beveiligingsfuncties van de site die de privacy van consumenten moeten waarborgen en de transacties

moeten beschermen.

Na een goed en uitgebreid onderzoek presenteren Wolfinbarger & Gilly (2003) een vragenlijst van

veertien vragen die website quality meten. Hun onderzoek wordt vaak in andere onderzoeken

gebruikt, bijvoorbeeld in het onderzoek van Kim & Lennon (2013). Zoals genoemd in 2.1.3 zijn er veel

verschillende manieren in het meten van website quality en een andere meting kan ook verschillende

resultaten opleveren (zie 2.3 hypothese 2). In het huidige onderzoek is er voor gekozen om de website

quality schaal van Wolfinbarger & Gilly (2003) over te nemen, omdat deze een hoge betrouwbaarheid

heeft: website design α = 0,83; fulfillment/reliability α = 0,79; security/privacy α = 0,88; customer

service α = 0,84. Daarnaast is de vragenlijst opgesteld aan de hand van een uitgebreid en degelijk

onderzoek.

Price wordt gemeten met behulp van vier stellingen, die zijn overgenomen van Chiang & Jang (2007).

De stellingen worden beoordeeld met 7-punts Likertschaal van tegengestelden. De consumenten

moeten stellingen beantwoorden wat zij van de prijzen in het algemeen vinden op de site. Aan de ene

kant staan de negatieve beoordelingen: duur, onredelijk, ongepast en onbetaalbaar. Aan de andere

kant de positieve beoordelingen: goedkoop, redelijk, gepast en betaalbaar. In het onderzoek van

Chiang & Jang (2007) genereerden deze stellingen een hoge betrouwbaarheid voor het meten van de

price (α = 0,84).

Wat de respondenten van de website brand vinden wordt gemeten met drie vragen over de reputatie

van de website. Deze vragen zijn overgenomen van Kim & Lennon (2013), die hun vragen gebaseerd

hebben op onderzoek van Doney & Cannon (1997). De drie vragen van Kim & Lennon (2013) over

reputation leverden een hoge betrouwbaarheid op (α = 0,90).

Of de website als een social environment beoordeeld wordt, is gemeten met drie vragen van Gefen &

Straub (2004). Zij hebben perceived social presence gemeten aan de hand van deze vragen. Dit leverde

een hoge betrouwbaarheid op (PLS composite reliability = 0,84). Hassanein & Head (2007) gebruikten

ook deze schaal en vonden ook een zeer hoge betrouwbaarheid (α = 0,94). Het is dus gerechtvaardigd

te stellen dat deze schaal betrouwbaar is om perceived social presence te meten. De perceived social

22

presence geeft aan of de website ervaren wordt als een social environment, vandaar dat er voor

gekozen is om deze schaal over te nemen.

Over de online customer experience worden negen vragen gesteld, die zijn overgenomen van Novak,

Hoffman, & Yung (2000) en ook zijn gebruikt door Rose et al. (2012). Hierin wordt online customer

experience opgedeeld in cognitive experiential state (CES) en affective experiential state (AES).

De eerste vraag gaat over een mogelijk ervaren ‘flow’. Er wordt de respondent eerst uitgelegd wat

‘flow’ inhoudt en vervolgens wordt gevraagd of deze flow ervaren is tijdens de meest recente online

koopervaring. Deze vraag meet het cognitieve gedeelte van de experience (CES). Het emotionele

gedeelte (AES) van de experience wordt gemeten aan de hand van acht stellingen. In deze stellingen

wordt de respondent gevraagd welke gevoelens hij had bij het bezoeken van de website. Hier stonden

telkens twee tegengestelden tegenover elkaar. Deze tegengestelden komen van de PAD (Pleasure,

Arousal, Dominance) schaal (Mehrabian en Russell, 1974). Rose et al. (2012) vonden een hoge

betrouwbaarheid voor deze schaal (Composite reliability ρc = 0,87).

Perceived risk wordt gemeten aan de hand van zes vragen. Deze zes vragen zijn op te delen in vijf risico

categorieën: performance, financial, social, psychological en time. Deze schaal is ontworpen door

Corbitt, Thanasankit, & Yi (2003) en is ook gebruikt door Hsin Chang en Wen Weng (2008). Deze schaal

leverde een hoge betrouwbaarheid op in het onderzoek van Hsin Chang en Wen Weng (2008) (α =

0,93).

Tot slot bestaat de schaal van purchase intention uit een drietal vragen, die zijn overgenomen uit

onderzoek van Pavlou (2003). De schaal van Pavlou (2003) leverde een hoge betrouwbaarheid op (α =

0,94).

Het derde deel van de vragenlijst bestaat uit een aantal demografische vragen. De respondenten

worden gevraagd naar hun geslacht, leeftijd, opleidingsniveau en tot slot worden ze gevraagd hoe ze

hun eigen online koopgedrag zouden bestempelen. Ook deze vraag heeft een 7-punts Likertschaal (1

= ver onder het gemiddelde, 2 = onder het gemiddelde 3 = enigszins onder het gemiddelde, 4 =

gemiddeld, 5 = enigszins boven het gemiddelde, 6 = boven het gemiddelde, 7 = ver boven het

gemiddelde).

Om te bepalen of de verschillende vragen samengevoegd kunnen worden tot één schaal is een

betrouwbaarheidsanalyse uitgevoerd. Voor de verschillende variabelen is de Cronbach’s Alpha

berekend. Op één na hebben alle variabelen een hoge betrouwbaarheidsindex (α > 0,7), zie Tabel 3.

Dit betekent dat de vragen daadwerkelijk het construct meten. Het construct online customer

experience heeft echter een relatief lage betrouwbaarheid (α = ,63). Deze wordt niet hoger door het

weglaten van vragen. Vaak wordt in de literatuur genoemd dat een Cronbach’s Alpha waarde van

23

boven de 0,7 betrouwbaar is en dat onder de 0,7 minder betrouwbaar is. Kline (1999); aangehaald

door Field (2009) noemt echter dat voor psychologische constructen een waarde van onder de 0,7

realistisch is. De lage waarde bij psychologische constructen kan verklaard worden door de hoge

diversiteit van de gemeten constructen. Dit zou kunnen verklaren waarom de Cronbach’s alpha van

online customer experience een stuk lager is dan de Cronbach’s alpha van de andere constructen. De

online customer experience meet de cognitive experiential state en de affective experiential state van

mensen; en kan dus gezien worden als een psychologisch construct. De Cronbach’s alpha van de

overige variabelen zou in sommige gevallen iets hoger kunnen worden door het weglaten van vragen.

Er is echter voor gekozen dit niet te doen, omdat de betrouwbaarheid hoog genoeg is (α > 0,8). Ook

zou het aantal vragen dat de variabele meet dan aan de lage kant worden. Alle vragen van het

onderzoek zijn dus meegenomen in de analyse.

Tabel 3: Betrouwbaarheidsanalyse

Cronbach's Alpha Cronbach's Alpha Based on

Standardized Items

N of Items

Website Quality ,812 ,812 14

Price ,788 ,792 4

Website Brand ,871 ,877 3

Social Environment ,862 ,823 3

OCE ,604 ,631 9

Perceived Risk ,835 ,845 6

Purchase Intention ,866 ,868 3

3.3 Procedure

De vragenlijst is gemaakt met behulp van de online tool Qualtrics. De vragen zijn opgedeeld in blokken

van maximaal 5 vragen. Op deze manier bleef het overzichtelijk voor respondenten wat zij moesten

doen. Respondenten konden aan een voortgangsbalk zien op welk punt in de enquête zij zich

bevonden. Qualtrics creëerde een anonieme link voor de enquête die vervolgens via Whatsapp,

Facebook en mail verspreid is. De vragenlijst kon zowel op een mobiel als op de computer worden

ingevuld. In de oproep is vermeld dat het invullen van de vragenlijst ongeveer vijf minuten duurt en

dat het volledig anoniem is. Het invullen van de vragenlijst was geheel vrijwillig, er stond geen beloning

tegenover. Niet volledig ingevulde vragenlijsten werden door Qualtrics verwijderd. Tot slot is met

Qualtrics een SPSS-bestand van de data geëxporteerd.

24

4. Resultaten

In het volgende hoofdstuk zullen de resultaten van het onderzoek besproken worden. Allereerst

worden de algemene gegevens van de respondenten geanalyseerd om een beeld te krijgen van de

sample. Vervolgens wordt het consumentengedrag van de respondenten geanalyseerd. Dit wordt

gedaan door eerst een correlatieanalyse uit te voeren om de verbanden tussen de verschillende

variabelen te ontdekken. Vervolgens wordt er door middel van regressieanalyses dieper ingegaan op

deze verbanden. Alle data is geanalyseerd met SPSS.

4.1 Algemene gegevens

Er hebben 122 respondenten meegedaan aan het onderzoek. Hiervan waren 74 van het mannelijk

geslacht (60,7%) en 48 van het vrouwelijk geslacht (39,3%). De leeftijden van de respondenten zijn te

zien in Tabel 4. Wat opvalt is dat de leeftijdsgroepen 25-34 en 55-64 hoge frequenties hebben, terwijl

de leeftijdsgroep 35-44 een lage frequentie heeft. De hoogst afgeronde opleiding van de respondenten

is te zien in Tabel 5. Het grootste deel van de steekproef is hoger opgeleid (63,9%). Dit is te verklaren

doordat de vragenlijst onder veel studenten is verspreid.

Tabel 4: Leeftijd in jaren

Frequentie Percentage

Jonger dan 18 3 2,5%

18-24 35 28,7%

25-34 20 16,4%

35-44 7 5,7%

45-54 21 17,2%

55-64 32 26,2%

65 of ouder 4 3,3%

Totaal 122 100%

Tabel 5: Hoogst afgeronde opleiding


Basisonderwijs 2 1,6%

Lager / voorbereidend beroepsonderwijs (lbo / vmbo) 3 2,5%

Hoger algemeen voortgezet onderwijs (havo) 11 9,0%

Voorbereidend wetenschappelijk onderwijs (vwo) 17 13,9%

Middelbaar beroepsonderwijs (mbo) 11 9,0%

Hoger beroepsonderwijs (hbo) 42 34,4%

Wetenschappelijk onderwijs (wo) 36 29,5%

Totaal 122 100%

25

De respondenten konden kiezen tussen de vier grootste online webwinkels of ze konden zelf een

andere webshop invullen. De meeste respondenten hebben Bol.com beoordeeld (45,9%). Verder

waren er een aantal websites buiten de top vier die door meer dan één respondent zijn beoordeeld.

Dit zijn Amazon, Ebay en Marktplaats. De overige genoemde websites onder de optie ‘anders’

kwamen niet vaker dan één keer voor. De beoordeelde websites zijn te zien in Tabel 6. De

respondenten is ook gevraagd naar hoe zij hun eigen online koopgedrag zouden bestempelen. Het

gemiddelde van deze vraag was 3,32 en de standaardafwijking 1,42. De respondenten beoordeelden

hun eigen online koopgedrag dus enigszins onder het gemiddelde.

Tabel 6: Website van meest recente koopervaring


Bol.com 56 45,9%

Coolblue 8 6,6%

Wehkamp 2 1,6%

Zalando 9 7,4%

Amazon 2 1,6%

Ebay 2 1,6%

Marktplaats 4 3,3%

Anders 39 32,0%

Totaal 122 100%

Om de variabelen te meten is het gemiddelde van de bijbehorende vragen berekend. De data is niet

normaal verdeeld. Alle variabelen wijken significant af van de normaalverdeling: website quality

(D(122) = .086, p < .05); price (D(122) = .105, p < .05); website brand (D(122) = .204, p < .05); social

environment (D(122) = .103, p < .05); online customer experience (D(122) = .091, p < .05); perceived

risk (D(122) = .141, p < .05); purchase intention (D(122) = .162, p < .05). Er zijn geen outliers in de data

gevonden. In Tabel 7 zijn het gemiddelde, de standaardafwijking en de variantie van de variabelen te

vinden.

Tabel 7: Beschrijvende statistiek variabelen

Gemiddelde Standaardafwijking Variantie

Website quality 5,50 ,61 ,37

Price 5,02 ,81 ,65

Website brand 5,90 1,22 1,48

Social environment 3,93 1,37 1,88

Online customer experience 4,36 ,59 ,35

Perceived risk 2,30 1,00 1,01

Purchase intention 5,67 ,99 ,97

26

4.2 Analyse

In de volgende paragrafen worden meerdere analyses uitgevoerd om het voorgestelde conceptuele

model te toetsen. Allereerst wordt een correlatieanalyse uitgevoerd, vervolgens meerdere

meervoudige regressieanalyses. Met de meervoudige regressieanalyses worden de hypotheses

getoetst.

4.2.1 Correlatieanalyse

Allereerst is er gekeken naar de correlatie tussen de variabelen. Omdat de data niet normaal verdeeld

is, is er een Spearman correlatietest uitgevoerd. De resultaten van deze analyse zijn te zien in Tabel 8.

In de tabel worden de correlaties tussen alle variabelen van het conceptueel model weergegeven. Er

valt uit op te maken dat er veel significante verbanden te vinden zijn tussen de variabelen. De

verbanden tussen de onafhankelijke variabelen website quality, price, website brand, en social

environment en de afhankelijke variabelen online customer experience en perceived risk zijn

belangrijk. Ook de correlaties van online customer experience en perceived risk met purchase

intention zijn belangrijk. Dit zijn de verbanden die volgens het conceptueel model verwacht worden

en die in de hypotheses geformuleerd zijn. De gevonden correlaties zullen in het volgende hoofdstuk

aan de hand van regressieanalyses verder geanalyseerd worden.

Tabel 8: Spearman correlatie

WQ PRI WB SOC OCE PR PI

WQ

,129 ,434** ,390** ,153 -,507** ,516**

PRI -

-,155 -,196* -,364* -,198* ,142

WB - -

,158 -.073 -,230* ,351**

SOC - - -

,196* -,137 ,341**

OCE - - - -

-,095 ,197*

PR - - - - -

-,333**

PI - - - - - -

** Correlatie is significant op 0,01 niveau (2-tailed)

* Correlatie is significant op 0,05 niveau (2-tailed)

WQ = website quality; PRI = price; WB = website brand; SOC = social environment; OCE = online

customer experience; PR = perceived risk; PI = purchase intention

4.2.2 Lineaire meervoudige regressieanalyse

In dit hoofdstuk worden de verbanden uit het conceptueel model statistisch getoetst door het

uitvoeren van meerdere lineaire meervoudige regressieanalyses. De 11 hypotheses die de relaties

27

tussen de variabelen beschrijven, worden getoetst. Er wordt per afhankelijke variabele een

meervoudige regressieanalyse uitgevoerd en aan de hand daarvan worden de hypotheses getoetst.

Allereerst wordt er een analyse besproken met online customer experience als afhankelijke variabele,

vervolgens perceived risk als afhankelijke variabele en als derde purchase intention als afhankelijke

variabele. Tot slot wordt hypothese 9 getoetst door middel van een enkelvoudige regressieanalyse

(wat hetzelfde is als een Pearson correlatie). Per hypothese is ook een regressieanalyse uitgevoerd met

alleen mannen (N = 74) of alleen vrouwen (N = 48). Er wordt gekeken of er een verschil te zien is in de

resultaten.

Online customer experience

De eerste lineaire meervoudige regressieanalyse test hypothese 1, 3, 5 en 7. De afhankelijke variabele

is online customer experience en de onafhankelijke variabelen zijn website quality, price, website

brand en social environment. Dit is overzichtelijk te zien in Figuur 4.

Figuur 4: Deel van conceptueel model met online customer experience als afhankelijke variabele

Allereerst zijn de assumpties voor een regressieanalyse gecontroleerd. Er is geen multicollineariteit

tussen de onafhankelijke variabelen (r < 0,8; VIF < 10; tolerance > 0,2). Het is dus gerechtvaardigd om

een regressieanalyse uit te voeren met deze onafhankelijke variabelen.

28

Tabel 9: Meervoudige regressieresultaten voor de voorspelling van online customer experience

B SE Beta Sig

Constant 2,746 ,540 ,000**

Website quality ,129 ,093 ,133 ,171

Price ,214 ,065 ,293 ,001**

Website brand -,069 ,044 -,143 ,120

Social environment ,060 ,040 ,140 ,133

** = significant op 0,01 niveau

* = significant op 0,05 niveau

(R² = ,186; F = 6,676; p = ,000)

In Tabel 9 is te zien dat er een significant positief verband is tussen price en online customer

experience. De overige causale verbanden zijn niet significant. Het model als geheel is wel significant

en verklaart voor 18,6% de variantie van online customer experience.

H1: Website quality heeft een positieve invloed op online customer experience.

Aan de hand van de regressieanalyse kan geconcludeerd worden dat hypothese 1 niet geaccepteerd

kan worden en de nulhypothese blijft niet verworpen. Website quality heeft geen significant positieve

invloed op online customer experience (p = ,171). Er is geen verschil gevonden tussen mannen en

vrouwen.

H3: Price heeft een positieve invloed op online customer experience.

Het aangetroffen verband tussen price en online customer experience is significant (p = ,001). Het

verband is redelijk sterk (β = ,293). Hypothese 3 wordt dus geaccepteerd. Er is ook gekeken of dit effect

nog steeds significant is als alleen mannen (N = 74) of alleen vrouwen (N = 48) worden meegenomen

in de analyse. Opvallend is dat het effect onder de mannen niet meer significant is en onder de

vrouwen wel (β = ,366; p = ,011).

H5: Website brand heeft een positieve invloed op online customer experience.

Er is geen significant verband tussen website brand en online customer experience (p = ,120),

hypothese 5 wordt niet geaccepteerd. Er was geen verschil in significantie tussen mannen en vrouwen.

29

H7: Social environment heeft een positieve invloed op Online customer experience.

Tussen social environment en online customer experience is geen significant verband (p = ,133),

hiermee wordt hypothese 7 niet geaccepteerd. Er is geen verschil tussen mannen en vrouwen

gevonden.

Perceived risk

Met een tweede lineaire meervoudige regressieanalyse worden de hypotheses 2, 4, 6 en 8 getoetst.

De afhankelijke variabele is perceived risk en de onafhankelijke variabelen zijn website quality, price,

website brand en social environment. Dit is overzichtelijk te zien in Figuur 5.

Figuur 5: Deel van conceptueel model met perceived risk als afhankelijke variabele

In Tabel 10 is te zien dat alleen website quality een significant effect heeft op perceived risk. De overige

variabelen hebben geen significant causaal effect op perceived risk. Het model verklaart voor 26,7%

de variantie van perceived risk.

Tabel 10: Meervoudige regressieresultaten voor de voorspelling van perceived risk

B SE Beta Sig

Constant 7,300 ,873 ,000**

Website quality -,878 ,151 -,531 ,000**

Price -,136 ,105 -,110 ,196

Website brand ,032 ,071 ,038 ,658

Social environment ,082 ,064 ,113 ,202



(R² = ,267; F = 10,664; p = ,000)

30

H2: Website quality heeft een negatieve invloed op perceived risk.

Website quality heeft een negatief effect op perceived risk (p = ,000). Dit is een sterk verband (β = -

,531). Hypothese 2 wordt geaccepteerd en de nulhypothese verworpen. Dit effect werd ook gevonden

als alleen werd gekeken naar mannen (β =-,521; p = ,000) of alleen naar vrouwen (β = -,531; p = ,001)

H4: Price heeft een negatieve invloed op perceived risk.

Er is geen significant verband gevonden tussen price en perceived risk (p = ,196), hypothese 4 wordt

niet geaccepteerd. Er is geen verschil tussen mannen en vrouwen geconstateerd.

H6: Website brand heeft een negatieve invloed op Perceived risk.

Website brand heeft geen significant verband met perceived risk (p = ,658), hiermee wordt hypothese

6 niet geaccepteerd. Voor zowel de mannelijke als de vrouwelijke groep werd geen significant verband

gevonden.

H8: Social environment heeft een negatieve invloed op perceived risk.

Social environment en perceived risk hebben geen significant verband (p = ,202), hypothese 8 wordt

dus niet geaccepteerd. Er was geen verschil tussen de mannen en vrouwen.

Purchase intention

Met een derde meervoudige regressieanalyse wordt het effect van online customer experience en

perceived risk op purchase intention geanalyseerd. De hierbij horende hypothesen zijn H10 en H11.

De regressieanalyse is uitgevoerd met purchase Intention als afhankelijke variabele en online customer

experience en perceived risk als onafhankelijke variabele. De getoetste relaties zijn schematisch

weergegeven in Figuur 6.

31

Figuur 6: Deel van conceptueel model met purchase intention als afhankelijke variabele

Wederom zijn de assumpties voor een regressieanalyse gecontroleerd. Er is geen multicollineariteit

tussen de onafhankelijke variabelen (r < 0,8; VIF < 10; tolerance > 0,2). Het is gerechtvaardigd om een

regressieanalyse uit te voeren met de onafhankelijke variabelen online customer experience en

perceived risk. De resultaten van de regressieanalyse worden weergegeven in Tabel 11. Wat opvalt is

de lage waarde voor R². Het model verklaart voor 8,9% de variantie van purchase intention.

Tabel 11: Meervoudige regressieresultaten voor de voorspelling van purchase intention

B SE Beta Sig

Constant 5,005 ,686 ,000**

Online customer experience ,283 ,146 ,169 ,055

Perceived risk -,245 ,086 -,250 ,005**



(R² = ,089; F = 6,428; p = ,002)

H10: Online customer experience heeft een positieve invloed op purchase intention.

Online customer experience heeft geen significant effect op purchase intention (p = ,055), hypothese

10 wordt derhalve niet geaccepteerd. Bij het vergelijken van de mannen en vrouwen valt op dat het

effect voor de mannelijke groep wel significant is (β = ,242; p = ,023) en voor de vrouwen niet.

32

H11: Perceived risk heeft een negatieve invloed op purchase intention.

Perceived risk heeft een significant negatief effect op purchase intention (p = ,005). Dit is een redelijk

sterk negatief effect (β = -,250). Hypothese 11 wordt dus ondersteund. Dit significante effect werd

alleen gevonden in de mannelijke groep (β = -,402; p = ,000). Onder de vrouwen is geen significant

effect ontdekt.

Effect van perceived risk op online customer experience

Tot slot wordt hypothese 9 getoetst door een enkelvoudige regressieanalyse uit voeren.

Tabel 12: Enkelvoudige regressieresultaten voor de voorspelling van online customer experience

B SE Beta Sig

Constant 4,462 ,134 ,000**

Perceived risk -,045 ,053 -,077 ,400



(R² = ,006; F = ,715; p = ,400)

H9: Perceived risk heeft een negatieve invloed op Online customer experience.

Zoals te zien is in Tabel 12 is er geen significant negatief effect van perceived risk op online customer

experience (p = ,400). Hypothese 9 wordt dus niet geaccepteerd. Er was geen verschil tussen mannen

en vrouwen.

5. Conclusie In het vorige hoofdstuk zijn de resultaten van het onderzoek weergegeven. In dit hoofdstuk worden

de resultaten nogmaals samengevat en worden op basis van de resultaten conclusies getrokken.

In Tabel 13 zijn de belangrijkste resultaten samengevat. Hieruit is op te maken dat drie van de elf

hypotheses zijn aangenomen. Een aantal opmerkelijke bevindingen zullen nu besproken worden door

terug te grijpen op de literatuur.

33

Tabel 13: Samenvatting resultaten hypotheses

Hypothese Relatie Effect Conclusie

H1 Website quality -> online customer experience + Niet geaccepteerd

H2 Website quality -> perceived risk - Geaccepteerd

H3 Price -> online customer experience + Geaccepteerd

H4 Price -> perceived risk - Niet geaccepteerd

H5 Website brand -> online customer experience + Niet geaccepteerd

H6 Website brand -> perceived risk - Niet geaccepteerd

H7 Social environment -> online customer experience + Niet geaccepteerd

H8 Social environment -> perceived risk - Niet geaccepteerd

H9 Perceived risk -> online customer experience + Niet geaccepteerd

H10 Online customer experience -> purchase intention + Niet geaccepteerd

H11 Perceived risk -> purchase intention - Geaccepteerd

Hypothese 1, 3, 5 en 7 zijn opgesteld aan de hand van het voorgestelde conceptuele model van Verhoef

(2009). Deze hypotheses zijn grotendeels niet bewezen: hypothese 1, 5 en 7 zijn niet geaccepteerd,

alleen hypothese 3 is geaccepteerd. Dit toont aan dat het voorgestelde model van Verhoef (2009) de

werkelijkheid niet (geheel) juist weergeeft.

Hypothese 2 is geaccepteerd. Er is een causaal verband gevonden tussen website quality en perceived

risk. Dit resultaat komt overeen met het resultaat van Kim & Lennon (2013), maar spreekt het resultaat

van Hsin Chang en Wen Weng (2008) tegen, zie 2.3 Hypothese 3. Dit is interessant omdat in dit

onderzoek website quality met dezelfde vragen gemeten is als in het onderzoek van Kim & Lennon

(2013). Perceived risk is in dit onderzoek met dezelfde vragen gemeten als in het onderzoek van Hsin

Chang en Wen Weng (2008). Dit toont aan dat de manier van meten van invloed is op de causale

verband tussen website quality en perceived risk.

Hypothese 6 is niet geaccepteerd. Dit is opmerkelijk omdat het causale verband tussen website brand

en perceived risk wel is gevonden in het onderzoek van Hsin Chang en Wen Weng (2008). Ook Kim &

Lennon (2013) vonden een verband tussen reputation en perceived risk. Hierin spreekt dit onderzoek

deze twee voorgaande onderzoeken dus tegen. Dit zou kunnen komen door de verschillende manieren

van meten van website brand en perceived risk.

Voor hypothese 10 is geen significant bewijs gevonden. Dit komt overeen met het onderzoek van Rose

et al. (2012), waarin ook geen causaal verband gevonden werd van cognitive experiential state (CES)

en affective experiential state (AES) op purchase intention. Uit de onderzoeken van Nasermoadeli et

al. (2013) en Kim & Lennon (2013) kwam naar voren dat er wel een significant effect van emotion op

34

purchase intention is. Emotion is vergelijkbaar met affective experiential state. Het lijkt er dus op dat

het emotionele (AES) gedeelte van customer experience wel een effect heet op purchase intention en

het cognitieve (CES) gedeelte niet. De emoties die consumenten ervaren op een website hebben dus

invloed op hun koopgedrag.

Verder zijn er nog enkele opvallende verschillen gevonden tussen mannen en vrouwen. Voor

hypothese 3 is bij mannen geen significant bewijs gevonden en bij vrouwen wel. Dit impliceert dat de

waargenomen prijs voor vrouwen een positief effect heeft op de online ervaring. Voor mannen is de

prijs niet van invloed op hun ervaring.

Hypothese 10 was voor mannen wel significant en voor vrouwen niet. Voor mannen is de online

ervaring dus wel van invloed op hun koopgedrag en voor vrouwen niet. Hierbij dient wel opgemerkt te

worden dat de steekproef voor beide condities erg klein was (mannen: N = 74, vrouwen N = 48). De

statistische power van deze bevindingen is dus niet erg groot.

Wat verder opvalt is dat de verklarende waarden van de modellen aan de lage kant waren. Het model

dat online customer experience voorspelt had een verklarende waarde van 18,6%. Het model dat

perceived risk moest verklaren deed het iets beter: 26,7%. Het model dat purchase intention zou

moeten verklaren deed dat slechts voor 8,9%. Hierbij dient wel opgemerkt te worden dat het

gebruikelijk is dat de verklarende waarde bij het voorspellen van psychologische constructen vaak lager

is dan 50%. Het gedrag van mensen is lastig te voorspellen. Daarnaast is het aannemelijk dat er

meerdere niet onderzochte factoren meespelen bij het voorspellen van online customer experience,

perceived risk en purchase intention.

Doordat acht van de elf hypotheses niet geaccepteerd zijn, kan geconcludeerd worden dat het

voorgestelde conceptuele model geen goede weergave is van de werkelijkheid. Hiermee zijn de

deelvragen 2 en 3 beantwoord. Er is een conceptueel model opgesteld en empirische toetsing heeft

uitgewezen dat drie van de elf voorgestelde causale relaties bewezen zijn.

Met de resultaten van dit onderzoek kan de onderzoeksvraag deels beantwoord worden.

Welke factoren voorspellen online koopgedrag?

Om online koopgedrag te voorspellen is de koopintentie van consumenten onderzocht, omdat een

intentie vrijwel altijd leidt tot gedrag. De invloed van online customer experience en perceived risk op

online koopintentie is onderzocht. Hieruit is gebleken dat perceived risk een negatief effect heeft op

online koopintentie en dat online customer experience geen effect heeft op online koopintentie. Er

zijn een aantal factoren gevonden die deze twee constructen voorspellen. Website quality heeft een

positief effect op perceived risk en price heeft een positief effect op online customer experience.

Verder heeft dit onderzoek aangetoond dat er meerdere stimuli zijn die geen effect hebben op online

35

customer experience en perceived risk. Online koopintentie wordt dus voorspeld door perceived risk

en indirect door website quality. Het is aannemelijk dat er nog meerdere factoren meespelen bij het

voorspellen van online koopgedrag. De lage verklarende waarde van de modellen ondersteunt dit

vermoeden. Mogelijke andere verklarende factoren worden in het volgende hoofdstuk kort

besproken.

6. Discussie

In dit hoofdstuk wordt allereerst een kort exploratief onderzoek uitgevoerd om een verklaring te

vinden voor het feit dat met het conceptueel model niet (geheel) online koopintentie verklaard kon

worden. Vervolgens wordt gereflecteerd op het onderzoek en worden de limitaties aangekaart.

6.1 Exploratief onderzoek

Aangezien uit de resultaten is gebleken dat het conceptuele model de werkelijkheid niet goed

weergeeft, is er een klein exploratief onderzoek gedaan naar mogelijke andere verklarende factoren.

In het conceptueel model worden de directe invloeden van online customer experience en perceived

risk op purchase intention getoetst. Op basis van eerder onderzoek was het aannemelijk dat deze twee

variabelen een direct verband zouden hebben met purchase intention. Het zou echter ook kunnen dat

ze optreden als mediërende variabele. Online customer experience en perceived risk zijn dan mediator

tussen de onafhankelijke variabelen en purchase intention. Deze mediërende rol is niet getoetst aan

de hand van hypotheses, omdat het aannemelijker was dat er een directe relatie was. Deze directe

relaties zijn slechts voor een deel gevonden, vandaar dat nu nog kort de mediërende rol bekeken

wordt. Een andere mogelijke verklaring voor de niet significante resultaten zou kunnen zijn dat de

onafhankelijke variabelen (website quality, price, website brand, social environment) een directe

invloed hebben op purchase intention. Deze directe relaties worden ook kort besproken. Om deze

relaties te analyseren zijn mediërende regressieanalyses uitgevoerd. Met de regressieanalyses is voor

alle onafhankelijke variabelen (website quality, price, website brand, social environment)

geanalyseerd wat het directe effect is op purchase intention en het indirecte effect wat gemedieerd

wordt door ofwel online customer experience ofwel perceived risk. Eerst zijn de analyses uitgevoerd

met online customer experience als mediator en daarna met perceived risk als mediator.

Uit deze analyses kan geconcludeerd worden dat online customer experience niet optreedt als

mediator. Er is voor geen enkele van de vier onafhankelijke variabelen een significant mediërend effect

gevonden voor online customer experience. Er zijn ook analyses gedaan met perceived risk als

mediator. Hieruit kwam dat er een indirect effect van price op purchase intention is via perceived risk,

b = 0,058; BCa CI [0.0005, 0.1333]. Perceived risk treedt dus op als mediator in de relatie tussen price

36

en purchase intention. Voor de andere drie onafhankelijke variabelen treedt perceived risk niet op als

mediator. Echter werd er wel voor drie van de vier onafhankelijke variabele een direct effect op

purchase intention gevonden. Website quality (b = 0,749; p = 0,000), website brand (b = 0,264; p =

0,002) en social environment (b = 0,217; p = 0,008) hebben alledrie een positief direct effect op

purchase intention. De resultaten zijn samengevat in Tabel 14. Deze gevonden directe verbanden

zouden de lage voorspellende waarde van het conceptuele model kunnen verklaren; in het model

werden deze directe verbanden niet meegenomen.

Tabel 14: Samenvatting resultaten mediërende regressieanalyse

Onderzoek Relatie Effect Conclusie

Exploratief Website quality -> purchase intention + Significant

Exploratief Price -> purchase intention + Niet significant

Exploratief Price -> purchase intention via perceived risk als

mediator

+ Significant

Exploratief Website brand -> purchase intention + Significant

Exploratief Social environment -> purchase intention + Significant

Uit het exploratieve onderzoek is gebleken dat er wel veel directe verbanden tussen de stimuli en

purchase intention zijn. Dit toont aan dat de variabelen online customer experience en perceived risk

in het voorgestelde conceptuele model mogelijk onterecht tussen de stimuli en purchase intention

instaan. Er is een herzien conceptueel model opgesteld waarin deze directe relaties zijn meegenomen.

De sterkte van de effecten is ook te vinden in dit conceptueel model, zie Figuur 7. Dit herziene

conceptuele model is een betere weergave van de werkelijkheid dan het eerdere voorgestelde

conceptuele model.

37

Figuur 7: Herzien conceptueel model

6.2 Limitaties

In dit hoofdstuk wordt gereflecteerd op de opzet van het onderzoek. De limitaties van het onderzoek

worden besproken en er wordt gekeken waar vervolgonderzoek nodig is.

Het onderzoek is uitgevoerd door respondenten vragen in te laten vullen over meerdere variabelen.

Doordat er meerdere variabelen gemeten moesten worden, zijn er relatief weinig vragen gesteld over

de variabelen. Een aantal variabelen zijn gemeten aan de hand van drie vragen. Dit heeft als gevolg dat

het meten van de variabele mogelijk te gesimplificeerd is geworden. In vervolgonderzoek is het

wenselijk dat de variabelen uitgebreider gemeten worden en de verbanden dan nog een keer getest

worden. Er is voor gekozen om maar een beperkt aantal vragen per variabele te stellen omdat de

vragenlijst niet te lang kon worden. Als de vragenlijst te lang werd zou het moeilijker worden om

genoeg respondenten te vinden. Als een vragenlijst langer duurt dan 10 minuten zullen veel mensen

afhaken. Dit is een van de restricties van een bachelor scriptie. Als er meer tijd of budget was geweest,

was het makkelijker geweest om respondenten te vinden die bereid zijn een langere enquête in te

vullen. Met meer tijd zouden er meer mensen benaderd kunnen worden met een budget zouden

respondenten een beloning kunnen krijgen voor deelname.

Een ander punt van kritiek op de vragenlijst is dat de betrouwbaarheid van online customer experience

relatief laag was. Online customer experience is een zeer belangrijk construct in het conceptuele

38

model. Het is dus wenselijk dat de betrouwbaarheidsschaal hoger zou zijn. De vragen zijn

overgenomen uit eerder onderzoek en daar is wel een hoge betrouwbaarheid gemeten. Het zou

kunnen dat er met de vertaling van de vragen kleine verschillen zijn ontstaan tussen de vragenlijsten.

Dit zou de lage betrouwbaarheid kunnen verklaren. Mogelijk is de relatief lage betrouwbaarheid ook

een verklaring voor het feit dat er weinig significante verbanden gevonden zijn in de relaties van online

customer experience.

Er is voor gekozen om koopgedrag te meten door te vragen naar de koopintentie bij mensen. Dit is

gedaan omdat koopgedrag lastig te meten is en het volgens de TRA en TPB theorie gerechtvaardigd is

om intentie te zien als reflectie van daadwerkelijk gedrag. Toch zou het voor vervolgonderzoek

interessant zijn om een experiment op te zetten waar daadwerkelijk koopgedrag gemeten kan worden

en niet slechts de koopintentie.

De steekproef bestond uit 122 respondenten. Dit is volgens de statistiek genoeg om een effect te

vinden, maar het is relatief weinig. Vergelijkbare onderzoeken werden uitgevoerd met (veel) grotere

steekproeven. Door de restricties van een bachelor scriptie is er een selecte steekproef gebruikt. De

vragenlijst is doorgestuurd naar bekenden. Door de convenience sample is het lastig om iets over de

populatie te zeggen.

Daarnaast is de data van de steekproef niet normaal verdeeld. De leeftijdsgroep van 35-44 is

ondervertegenwoordigd (5,7%). Terwijl uit onderzoek is gebleken dat dit een zeer belangrijke groep is

als het gaat om online shoppen. Volgens onderzoek van KPMG deden in 2017 de consumenten uit

generatie X (leeftijd van 37 tot 52) de meeste online aankopen, meer dan de andere leeftijdsgroepen.

Dit kwam neer op bijna 19 transacties per consument per jaar (KPMG, 2017). Er mist dus een

belangrijke groep in de steekproef van dit onderzoek. Dit zou effect kunnen hebben op de resultaten.

Ook bevat de steekproef voornamelijk hoger opgeleiden (63,5%). Dit komt doordat de vragenlijst

voornamelijk naar medestudenten is doorgestuurd. Ook dit is niet representatief voor de populatie.

Dit onderzoek draagt bij aan een bredere kennis over het zeer complexe vraagstuk hoe het online

koopgedrag van consumenten voorspeld kan worden. Om een nog vollediger beeld te krijgen is

vervolgonderzoek wenselijk. De resultaten van dit onderzoek kunnen door marketeers en verkopers

worden gebruikt om te bepalen hoe zij hun budget en aandacht het best kunnen verdelen. Dit

onderzoek suggereert dat zij zich het best kunnen focussen op de website quality en price. Dit zorgt

voor een betere ervaring voor de klant en verkleint de waargenomen risico’s. Dit zal uiteindelijke leiden

tot een hogere koopintentie.

39

7. Referenties

Aaker, D. A., & Equity, M. B. (1991). Capitalizing on the Value of a Brand Name. New York, 28, 35-37. Ajzen, Icek, and Martin Fishbein. "Theory of reasoned action-Theory of planned behavior." University of South Florida(1988). Aladwani, A.M. and Palvia, P.C. (2002), “Developing and validating an instrument for measuring user-perceived web quality” Bauer, R. A. (1960). Consumer behavior as risk taking. In Proceedings of the 43rd National Conference of the American Marketing Assocation, June 15, 16, 17, Chicago, Illinois, 1960. American Marketing Association. Chiang, C. F., & Jang, S. S. (2007). The effects of perceived price and brand image on value and purchase intention: Leisure travelers' attitudes toward online hotel booking. Journal of Hospitality & Leisure Marketing, 15(3), 49-69. Chang, T. Z., & Wildt, A. R. (1994). Price, product information, and purchase intention: An empirical study. Journal of the Academy of Marketing science, 22(1), 16-27. Corbitt, B. J., Thanasankit, T., & Yi, H. (2003). Trust and e-commerce: a study of consumer perceptions. Electronic commerce research and applications, 2(3), 203-215. Doney, P. M., & Cannon, J. P. (1997). An examination of the nature of trust in buyer-seller relationships. the Journal of Marketing, 35-51. Duan, W., Gu, B., & Whinston, A. B. (2008). The dynamics of online word-of-mouth and product sales—An empirical investigation of the movie industry. Journal of retailing, 84(2), 233-242. Field, A. (2009). Discovering statistics using SPSS (4e Ed.). Thousand Oaks: Sage Publications. Gefen, D. (2000). E-commerce: the role of familiarity and trust. Omega, 28(6), 725-737. Gefen, D., & Straub, D. W. (2004). Consumer trust in B2C e-Commerce and the importance of social presence: experiments in e-Products and e-Services. Omega, 32(6), 407-424. Hassanein, K., & Head, M. (2007). Manipulating perceived social presence through the web interface and its impact on attitude towards online shopping. International Journal of Human-Computer Studies, 65(8), 689-708.

Hsin Chang, H., & Wen Chen, S. (2008). The impact of online store environment cues on purchase intention: Trust and perceived risk as a mediator. Online information review, 32(6), 818-841.

Kim, D. J., Ferrin, D. L., & Rao, H. R. (2008). A trust-based consumer decision-making model in electronic commerce: The role of trust, perceived risk, and their antecedents. Decision support systems, 44(2), 544-564. Kim, J., & Lennon, S. J. (2013). Effects of reputation and website quality on online consumers' emotion, perceived risk and purchase intention: Based on the stimulus-organism-response model. Journal of Research in Interactive Marketing, 7(1), 33-56. KPMG. (2017). The truth about online consumers. Geraadpleegd van https://assets.kpmg.com/content/dam/kpmg/xx/pdf/2017/01/the-truth-about-online-consumers.pdf

40

Ling, K. C., Chai, L. T., & Piew, T. H. (2010). The effects of shopping orientations, online trust and prior online purchase experience toward customers’ online purchase intention. International Business Research, 3(3), 63. Liu, C., & Arnett, K. P. (2000). Exploring the factors associated with Web site success in the context of electronic commerce. Information & management, 38(1), 23-33. Mehrabian, A., & Russell, J. A. (1974). An approach to environmental psychology. the MIT Press. Meyer, C., & Schwager, A. (2007). Customer experience. Harvard business review, 85(2), 116-126. Monroe, K. B., & Chapman, J. D. (1987). Framing effects on buyers' subjective product evaluations. ACR North American Advances. Moon, J., Chadee, D., & Tikoo, S. (2008). Culture, product type, and price influences on consumer purchase intention to buy personalized products online. Journal of Business Research, 61(1), 31-39. Nasermoadeli, A., Ling, K. C., & Maghnati, F. (2013). Evaluating the impacts of customer experience on purchase intention. International Journal of Business and Management, 8(6), 128. Novak, T. P., Hoffman, D. L., & Yung, Y. F. (2000). Measuring the customer experience in online environments: A structural modeling approach. Marketing science, 19(1), 22-42. Pavlou, P. A. (2003). Consumer acceptance of electronic commerce: Integrating trust and risk with the technology acceptance model. International journal of electronic commerce, 7(3), 101-134. Perea y Monsuwé, T., Dellaert, B. G., & De Ruyter, K. (2004). What drives consumers to shop online? A literature review. International journal of service industry management, 15(1), 102-121. Pine, B. J., & Gilmore, J. H. (1999). The experience economy: work is theatre & every business a stage. Harvard Business Press. Rose, S., Clark, M., Samouel, P., & Hair, N. (2012). Online customer experience in e-retailing: an empirical model of antecedents and outcomes. Journal of Retailing, 88(2), 308-322. Sinha, I., & Batra, R. (1999). The effect of consumer price consciousness on private label purchase. International journal of research in marketing, 16(3), 237-251. Stone, R. N., & Grønhaug, K. (1993). Perceived risk: Further considerations for the marketing discipline. European Journal of marketing, 27(3), 39-50.

Verhoef, P. C., Lemon, K. N., Parasuraman, A., Roggeveen, A., Tsiros, M., & Schlesinger, L. A. (2009). Customer experience creation: Determinants, dynamics and management strategies. Journal of retailing, 85(1), 31-41. Winer, R. S. (1986). A reference price model of brand choice for frequently purchased products. Journal of consumer research, 13(2), 250-256. Wolfinbarger, M., & Gilly, M. C. (2003). eTailQ: dimensionalizing, measuring and predicting etail quality. Journal of retailing, 79(3), 183-198.

41

Wu, P. C., Yeh, G. Y. Y., & Hsiao, C. R. (2011). The effect of store image and service quality on brand image and purchase intention for private label brands. Australasian Marketing Journal (AMJ), 19(1), 30-39.

8. Bijlagen

Vragenlijst

Website quality α = ,812

Website design

De website biedt uitgebreide informatie. Wolfinbarger & Gilly (2003)

De website verspilt mijn tijd niet. Wolfinbarger & Gilly (2003

Het is snel en eenvoudig om een transactie op de website te voltooien. Wolfinbarger & Gilly (2003

Het niveau van personalisatie op de website is goed; niet te veel of te weinig. Wolfinbarger & Gilly (2003

De website heeft een goede selectie van producten. Wolfinbarger & Gilly (2003

Fulfillment / reliability

Het geleverde product kwam overeen met het getoonde product op de website.

Wolfinbarger & Gilly (2003

Je krijgt wat je besteld hebt van de website. Wolfinbarger & Gilly (2003

Het product wordt geleverd binnen de beloofde tijd door het bedrijf. Wolfinbarger & Gilly (2003

Security / privacy

Ik heb het gevoel dat mijn privacy op de website wordt beschermd. Wolfinbarger & Gilly (2003

Ik voel me veilig in mijn transacties met de website. Wolfinbarger & Gilly (2003

De website heeft adequate beveiligingsfuncties. Wolfinbarger & Gilly (2003

Customer service

42

Het bedrijf is bereid om te reageren op de behoeften van de klant. Wolfinbarger & Gilly (2003

Wanneer je een probleem ondervindt, toont de website oprechte interesse in het oplossen ervan.

Wolfinbarger & Gilly (2003

Vragen worden snel beantwoord. Wolfinbarger & Gilly (2003

Perceived Price α = ,788

De producten op deze website zijn:

Duur - goedkoop Chiang & Jang (2007)

Onredelijk - redelijk Chiang & Jang (2007)

Ongepast - gepast Chiang & Jang (2007)

Onbetaalbaar - betaalbaar Chiang & Jang (2007)

Website brand α = ,871

De website is welbekend. Kim & Lennon (2013)

De website heeft een goede reputatie. Kim & Lennon (2013)

De website is van een groot bedrijf dat iedereen herkent. Kim & Lennon (2013)

Social environment α = ,862

Er is een gevoel van menselijk contact op de website. Gefen & Straub (2004)

Er is een gevoel van sociaal contact op de website. Gefen & Straub (2004)

Er is een gevoel van vriendelijkheid op de website. Gefen & Straub (2004)

Online customer experience α = ,604

Cognitive experiential state

Het woord "flow" wordt gebruikt om een gemoedstoestand te beschrijven die soms door mensen wordt ervaren, die erg betrokken zijn bij een activiteit. Een voorbeeld van flow is het geval waarbij een professionele atleet uitzonderlijk

Novak, Hoffman, & Yung (2000)

43

goed presteert en een state of mind bereikt waar niets anders van belang is dan de wedstrijd; hij of zij gaat er volledig in op. Deze ervaring is niet exclusief voor atletiek; veel mensen ervaren deze gemoedstoestand wanneer ze spelletjes spelen, hobby's uitoefenen of werken. Als iemand in een flow is, lijkt het alsof de tijd stil staat, en niets anders lijkt ertoe te doen. Flow wordt gezien als een intrinsieke plezierige ervaring.

Tijdens mijn meest recente online winkelervaring heb ik deze genoemde ‘flow’ ervaren.

Affective experiential state

Gebruik de onderstaande beoordelingsschaal om aan te geven welke gevoelens je had bij je meest recente online winkelervaring.

Ongelukkig - gelukkig Novak, Hoffman, & Yung (2000)

Droefgeestig - tevreden Novak, Hoffman, & Yung (2000)

Geïrriteerd - verheugd Novak, Hoffman, & Yung (2000)

Traag - uitzinnig Novak, Hoffman, & Yung (2000)

Kalm - opgewonden Novak, Hoffman, & Yung (2000)

Relaxed - geprikkeld Novak, Hoffman, & Yung (2000)

Begeleid - zelfstandig Novak, Hoffman, & Yung (2000)

Beïnvloed - invloedrijk Novak, Hoffman, & Yung (2000)

Perceived risk α = ,835

Performance Risk

44

Ik geloof dat online aankopen van de website riskant zijn omdat de geleverde producten / diensten mogelijk niet aan mijn verwachtingen voldoen.

Corbitt, Thanasankit, & Yi (2003)

Ik geloof dat online aankopen van de website riskant zijn omdat de geleverde producten / services mogelijk minderwaardig zijn.


Financial risk

Ik geloof dat online aankopen van de website riskant zijn omdat ze kunnen leiden tot financieel verlies voor mij.


Social risk

Ik geloof dat online aankopen van de website riskant zijn omdat ze ervoor kunnen zorgen dat anderen een minder hoge dunk van me krijgen.


Psychological risk

Ik geloof dat online aankopen van de website riskant zijn omdat de geleverde producten / diensten mogelijk niet goed passen bij mijn persoonlijke imago of zelfconcept.


Time risk

Ik geloof dat online aankopen van de website riskant zijn omdat ze kunnen leiden tot tijdverlies voor mij.


Purchase intention α = ,866

Ik ben van plan de website te gebruiken om producten te kopen. Pavlou (2003)

Ik verwacht in de nabije toekomst iets via de website te kopen. Pavlou (2003)

Het is waarschijnlijk dat ik in de nabije toekomst een transactie met de website zal hebben.

Pavlou (2003)

Het voorspellen van online koopgedrag

Documents

Transcript of Het voorspellen van online koopgedrag