ZONDER CASH EN ELEKTRONISCHE BANKKAART, IS DE …...We bemerken dat het verregaande...

UNIVERSITEIT GENT

FACULTEIT POLITIEKE EN SOCIALE WETENSCHAPPEN

Wetenschappelijke verhandeling

CHARLOTTE MINNE

MASTERPROEF COMMUNICATIEWETENSCHAPPEN

afstudeerrichting COMMUNICATIEMANAGEMENT

PROMOTOR: PROF. DR. LIEVEN DE MAREZ

COMMISSARIS: DR. BAS BACCARNE

ACADEMIEJAAR 2014 – 2015

ZONDER CASH EN ELEKTRONISCHE BANKKAART, IS DE

INTREDE VAN DE MOBILE WALLET BEGONNEN?

EEN ONDERZOEK NAAR DE ADOPTIEFACTOREN VAN MOBIEL BETALEN BIJ

GENERATIE Y

aantal woorden: 21011

3

ABSTRACT

Het ontstaan van elektronische handel of e-commerce heeft niet alleen zijn blijvende impact

op het ondernemingsklimaat, ook resulteerde dit in een nieuwe stroming technologieën en

toepassingen waarbij we vaststellen dat deze ontwikkelingen zich meer beginnen te focussen

op m-commerce en mobile computing. In deze context zien we dat mobiel betalen, waarbij

betalingen worden uitgevoerd via mobiele apparaten, zich positioneerde als opkomend

betaalmiddel in het aankoopproces van de consument. Onderzoek naar adoptie en intentie tot

adoptie van deze nieuwe toepassing groeit dan ook gestaag. Gezien het actuele thema en de

groeiende hoeveelheid literatuur vormt dit dan ook een grotendeels nieuw terrein dat

niettemin heel wat relevante onderzoeksvragen opwerpt, zowel op maatschappelijk als op

wetenschappelijk vlak. In dit onderzoek gaan we dan ook na welke factoren de intentie tot het

adopteren van mobiel betalen beïnvloeden door middel van het combineren van twee

theorieën, namelijk UTAUT en ITM. Enerzijds maken we gebruik van een online survey

(N=380), waarvan de resultaten dienen voor het aftoetsen van een SEM. Anderzijds gaan we

dieper in op deze kwantitatieve resultaten aan de hand van 2 data driven focusgroepen

(N=12). De steekproef bestaat uit alle jongvolwassenen geboren tussen 1982 en 1996, beter

bekend als generatie Y. De kwantitatieve analyse toont dat Behavioural Intention en

Facilitating Conditions een directe invloed uitoefenen op adoptie alsook dat Performance

Expectancy, Initial Trust en Strutural Assurances belangrijke factoren zijn. Deze

kwantitatieve bevindingen werden bevestigd in de focusgroepen, waarbij deelnemers het

aspect Structural Assurances nog meer naar voor schoven. We kunnen bijgevolg concluderen

dat BI, FC, IT, SA en PE belangrijke factoren zijn in het adoptieproces, hetgeen decision

makers en developpers kunnen meenemen in de ontwikkeling van mobiele

betalingsapplicaties.

Keywords:

Mobiel betalen, mobiele betalingsapplicaties, adoptie, intentie, generatie Y, UTAUT, ITM

4

WOORD VOORAF

Deze Masterproef is het eindwerk van een twee jaar durende opleiding schakelprogramma tot

Master in de Communicatiewetenschappen. Ik wil hierbij dan ook even de tijd nemen om een

aantal mensen te bedanken die mij in deze periode hebben bijgestaan.

Allereerst had ik graag mijn familie willen bedanken voor hun steun en hulp bij het

verspreiden van de online survey. Ook hun motiverende en bemoedigende woorden tijdens

deze twee jaren waren voor mij een onuitputtelijke bron van steun en inspiratie. Vervolgens

had ik graag Ellen Vanderlinden bedankt voor haar hulp bij mijn focusgroep alsook haar

luisterend oor.

Daarnaast had ik graag in het bijzonder Dhr. Paul Desender en Mevr. Kirsten Timmermans

willen bedanken voor hun kwalitatieve input en het herlezen van de verschillende

onderzoeken over deze 2 jaar durende periode.

Ten slotte wil ik graag dhr. Lieven De Marez, mijn promotor, en de verschillende mensen die

instonden voor de organisatie van het vak ‘Werkcollege Masterproef’ bedanken voor hun

feedback en hun continu inzet en bijsturing.

5

INHOUDSOPGAVE

ABSTRACT ............................................................................................................................... 3

WOORD VOORAF ................................................................................................................... 4

GEBRUIKTE AFKORTINGEN ................................................................................................ 8

LIJST VAN BIJLAGEN ............................................................................................................ 9

LIJST VAN FIGUREN .............................................................................................................. 9

LIJST VAN TABELLEN ........................................................................................................... 9

DEEL I: LITERATUURONDERZOEK ............................................................................. 11

INLEIDING ......................................................................................................................... 11

HOOFDSTUK 1 Mobile Proximity Payment ...................................................................... 15

1.1. Van e-commerce naar m-commerce .......................................................................... 15

1.2. Vijfkrachtenmodel van Porter ................................................................................... 16

1.3. Voorbeelden uit de actualiteit .................................................................................... 18

1.4. Mobile proximity payment ........................................................................................ 19

HOOFDSTUK 2 Theoretisch kader ..................................................................................... 21

2.1. Unified Theory of Acceptance and Use of Technology ............................................ 22

2.1.1. Performance Expectancy........................................................................................ 23

2.1.2. Effort Expectancy .................................................................................................. 24

2.1.3. Social Influence ..................................................................................................... 24

2.1.4. Facilitating Conditions ........................................................................................... 25

2.1.5. Behavioural Intention & Adoption ........................................................................ 25

2.2. Initial Trust Model ..................................................................................................... 26

2.2.1. Initial trust .............................................................................................................. 28

2.2.2. Strucutral Assurances ............................................................................................. 29

2.2.3. Personal propensity to trust .................................................................................... 29

HOOFDSTUK 3: Besluit literatuuronderzoek ..................................................................... 31

DEEL II: EMPIRISCH ONDERZOEK .............................................................................. 35

HOOFSTUK 4: Methode ..................................................................................................... 35

4.1. Onderzoeksopzet ....................................................................................................... 35

4.2. Steekproefomschrijving ............................................................................................. 37

4.2.1. Survey .................................................................................................................... 38

6

4.2.2. Focusgroep ............................................................................................................. 39

4.3. Materiaal .................................................................................................................... 40

4.3.1. Betrouwbaarheidsanalyse....................................................................................... 40

4.3.2. Structural Equation Model ..................................................................................... 42

4.4. Procedure ................................................................................................................... 43

4.4.1. Online survey ......................................................................................................... 43

4.4.2. Focusgroep ............................................................................................................. 44

HOOFDSTUK 5: Onderzoeksresultaten .............................................................................. 47

5.1. Inleiding ..................................................................................................................... 47

5.2. Structural Equation Model ......................................................................................... 49

5.2.1. Model Fit ................................................................................................................ 49

5.2.2. Identificatie van problematische items .................................................................. 51

5.2.3. Model fit finaal model ........................................................................................... 54

5.2.4. Structureel model ................................................................................................... 56

5.2.5. Conclusie SEM ...................................................................................................... 60

5.3. Focusgroepen ............................................................................................................. 62

5.3.1. Inleiding ................................................................................................................. 63

5.3.2. Factoren die de intentie …. beïnvloeden (UTAUT & ITM) .................................. 64

5.3.3. Voordelen en nadelen............................................................................................. 67

5.3.4. Conclusie focusgroepen ......................................................................................... 71

5.4. Conclusie kwantitatieve en kwalitatieve analyse ...................................................... 74

DEEL III: ALGEMEEN BESLUIT ..................................................................................... 77

HOOFDSTUK 6: Conclusie, tekortkomingen en aanbevelingen ........................................ 77

6.1. Conclusie ................................................................................................................... 77

6.2. Tekortkomingen en aanbevelingen ............................................................................ 80

DEEL IV: BIBLIOGRAFIE ................................................................................................. 84

Academische bronnen .......................................................................................................... 84

Niet-academische bronnen ................................................................................................... 88

DEEL V: BIJLAGE .................................................................................................................. I

BIJLAGE 1 Meet- en structureel model ................................................................................. I

BIJLAGE 2 Verloop van de online survey ........................................................................... II

7

BIJLAGE 3 Online Survey - schalen ................................................................................... VI

BIJLAGE 4 Codeboom ........................................................................................................ IX

BIJLAGE 5 Gestandaardiseerde residuele covarianties ....................................................... XI

8

GEBRUIKTE AFKORTINGEN

BI Behavioral Intention

CFI Comparative Fit Index

EE Effort Expectancy

FC Facilitating Conditions

FG 1 Focusgroep 1

FG 2 Focusgroep 2

ITM Initial Trust Model

PCFI Parsimony Comparative of Fit Index

PE Performance Expectancy

PEU Perceived Ease of Use

PU Perceived Usefulness

RMSEA Root Means Square of Error Approximation

SI Social Influences

TAM Technology Acceptance Model

TLI Tucker Lewis Index

TPB Theory of Planned Behavior

TRA Theory of Reasoned Action

UTAUT Unified Theory of Acceptance and usage of Technology

9

LIJST VAN BIJLAGEN

BIJLAGE 1 Meet- en structureel model …………………………………………………… I

BIJLAGE 2 Verloop van de online survey ………………………………………………… II

BIJLAGE 2 Online survey –schalen ………………………………………………………. VI

BIJLAGE 4 Codeboom ……………………………………………………………………. IX

BIJLAGE 5 Gestandaardiseerde residuele covarianties …………………………………… XI

LIJST VAN FIGUREN

Figuur 1 Model van Porter voor de mobiele betalingsmarkt ……………………………… 17

Figuur 2 UTAUT-Model …………………………………………………………………... 22

Figuur 3 Initial Trust Model ……………………………………………………………….. 27

Figuur 4 Hypothese testing basis model …………………………………………………... 34

Figuur 5 Hypothese testing basis model …………………………………………………... 37

Figuur 6 Meetmodel first order construct …………………………………………………. 49

Figuur 7 Regressiegewichten en ongestandaardiseerde regressiegewichten ……………… 51

Figuur 8 Squared multiple correlations ……………………………………………………. 53

Figuur 9 Finaal meetmodel ………………………………………………………………... 55

Figuur 10 Regressiegewichten en ongestandaardiseerde regressiegewichten Structureel

model …………………………………………………………………………...………….. 56

Figuur 11 Squared multiple correlations structureel model .………………………………. 58

Figuur 12 Resultaten structureel model …………………………………………………… 62

Figuur 13 Structureel model met empirische resultaten …………………………………… 80

Figuur 14 Meetmodel ……………………………………………………………………….. I

Figuur 15 Structureel model ……………………………………………………………….... I

LIJST VAN TABELLEN

Tabel 1 Conceptualisering van de verschillende variabelen uit UTAUT en ITM ………… 33

Tabel 2 Samenstelling van de onderzoeksgroep …………………………………………... 38

Tabel 3 Indeling focusgroepen ………...…………………………………………………... 40

Tabel 4 Betrouwbaarheidsanalyse (cronbach’s alpha) ...………………………………..…. 41

10

Tabel 5a Correlatiecoëfficiënten …………………………………………………………... 48

Tabel 5b Correlatiecoëfficiënten …………………………………………………………... 48

Tabel 6 Fit indices first model …………………………………………………………..…. 50

Tabel 7 Vergelijking fit indices na weglating van een of meerdere items ………………… 54

Tabel 8 Regressiegewichten ……………………………………………………..……….... 56

Tabel 9 Samenvattende tabel (on)gestandaardiseerde regressiegewichten ………………... 59

Tabel 10 Samenvattende tabel hypothesen ……………………………………………....... 60

Tabel 12 Meetschalen ……………………………………………………………………... VI

11

DEEL I: LITERATUURONDERZOEK

INLEIDING

De consument wordt in onze hedendaagse informatiemaatschappij geconfronteerd met steeds

snellere ontwikkelingen op vlak van productinnovatie en communicatietechnologieën/ -

netwerken. Als gevolg van deze ontwikkelingen merken we een overgang van een informatie-

naar een convergentiemaatschappij waarbij een onderscheid tussen de verschillende media- en

telecommunicatiediensten en producten achterhaald is. Daarbij komt dat de consument meer

dan ooit de macht naar zich heeft toegetrokken en autonoom beslist over zijn/haar

mediagedrag. Door het digitaliseringsproces staat de hedendaagse consument kritisch ten

opzichte van nieuwe media- en telecommunicatiediensten (Webster & Ksiazek, 2012; Chen &

Adams, 2004; Chen & Adams, 2005; Zmijewska, 2005; Mallat & Rossi & Tuunainen, 2004 ).

We bemerken dat het verregaande digitaliseringsproces niet alleen zijn weerslag heeft op de

technologie-, producten dienst-innovatiespiraal maar ook zijn invloed uitoefent op het

ontstaan van nieuwe handelsvormen. Een van de vaak omschreven nieuwe handelsvormen in

de literatuur is e-commerce. Deze elektronische handelsvorm definiëren we in deze

Masterproef als een overkoepelende term voor alle wijzen waarop via computernetwerken

handel kan worden gedreven. E-commerce zien we met andere woorden als de combinatie

van informatietechnologie en handelsmotieven (Qin, 2009; Schafer & Konstan & Riedl, 2001;

Veeramani & Talbert, 1999; Wu & Wang, 2004; van der Heijden & Verhagen & Creemers,

2003 ). Het ontstaan van elektronische handel of e-commerce heeft niet alleen zijn blijvende

impact op het ondernemingsklimaat, ook resulteerde dit in een nieuwe stroming aan

technologische toepassingen en productinnovaties zoals mobile commerce. Barnes (2002)

omschrijft m-commerce als een transactie van monetaire waarde, direct of indirect, dat wordt

uitgevoerd via een draadloos telecommunicatienetwerk door middel van een mobiel toestel.

Volgend uit deze ontwikkelingen bemerken we dat een onderdeel van m-commerce, zijnde

mobiel bankieren en de mobiele betalingsapplicaties, zich geprofileerd hebben als een

innovatieve schakel in het aankoopproces van de consument.

Niet alleen paste de consument zijn mediagebruik en aankoopgedrag aan, ook het

betalingsproces/-gedrag evolueerde mee met het digitaliseringsproces. Het gebruik van

http://ieeexplore.ieee.org/search/searchresult.jsp?searchWithin=p_Authors:.QT.Zmijewska,%20A..QT.&searchWithin=p_Author_Ids:37424553700&newsearch=true

12

kredietkaarten kent sinds enkele jaren een enorme stijging in populariteit. Vorig jaar werden

1.5 miljard elektronische betalingen geregistreerd in België waarvan het overgrote deel te

danken was aan klanten van Bancontact/Mister cash (Lecluyse, 28 maart 2014) Daarnaast

lanceerde Bancontact/Mister cash vorig jaar haar Bancontact betalingsapplicatie waarbij door

middel van het scannen van een QR-code kan worden betaald. Ook de ontwikkeling van de

verscheidene mobile banking en betalingsapplicaties, waaronder bijvoorbeeld Keykash van

Keytrade of het ‘scashen’ van KBC, zijn een indicatie van het veranderde betalingsgedrag van

de consument. Het nieuwe betaalfenomeen krijgt niet alleen steeds meer aandacht in de

actualiteit en pers, ook worden er steeds vaker studies verricht naar de adoptiedeterminanten

van deze nieuwe trends.

In dit onderzoek trachten we een antwoord te geven op de vraag: welke factoren oefenen een

invloed uit op de intentie om mobiel betalen te gebruiken en te adopteren? Om deze

onderzoeksvraag te beantwoorden maken we gebruik van een elektronische survey dat zich

richt op het achterhalen van adoptiefactoren bij jong volwassenen. Vervolgens gaan we via

focusgroepen dieper in op de kwantitatieve analyse

Ondanks het feit dat de smartphonepenetratiegraad en het aanbod mobiele betalingsapplicaties

verder blijft toenemen, neemt de consument nog vaak een afwachtende houding aan ten

opzichte van deze (nieuwe) mobiele diensten. Er werd reeds onderzoek uitgevoerd naar de

verschillende omgevingsdeterminanten/-factoren en systeemeigenschappen omtrent de

adoptie van mobiel betalen door middel van verschillende onderzoekmodellen. In de

bestaande literatuur zien we dat de kennis over de factoren die de intentie tot adoptie bij de

consument beïnvloeden vaak achterwege blijft. We beantwoorden met dit onderzoek aan een

hiaat in de literatuur hieromtrent.

Naast het nut dat deze studie heeft voor de academische wereld, zien we dat dit onderzoek

eveneens een belangrijke meerwaarde vormt voor de bedrijfswereld. Uit de bestaande

literatuur kunnen we immers afleiden dat het als bedrijf van groot belang is om zich te

focussen op de consument zijn wensen en behoeften. In dit onderzoek richten we ons opnieuw

op jongvolwassenen. We kiezen voor deze doelgroep daar zij één van de belangrijkste

toekomstige groepen consumenten vertegenwoordigen (Belgian Federal Government, 2013).

Daarnaast maakt ook hun snellere adoptie van nieuwe technologieën deze doelgroep zeer

interessant. Door rekening te houden met de wensen/behoeften van deze consument kunnen

13

ontwikkelaars enerzijds vroegtijdig adoptiefactoren detecteren en zo beter inspelen op

wensen/behoeften van de consument om zo hun marktpositie te verstevigen. Anderzijds kan

deze toekomstgerichte visie leiden tot een hogere penetratiegraad van mobiele

betalingsdiensten. De relevantie van dit onderzoek kan met andere woorden gesitueerd

worden op wetenschappelijk en beleidsmatig niveau.

Het doel van deze Masterproef is het aftoetsen van een nieuw samengesteld conceptueel

model zodoende de belangrijkste determinanten die de intentie tot het adopteren van mobiel

betalen bij de consument in kaart te brengen. We kozen ervoor om the Unified Theory of

Acceptance and Use of Technology te combineren met het Initial Trust model, gezien we

geloven dat de opgenomen variabelen specifieker en allesomvattend zijn. De centrale vraag

toets dan ook of een combinatie van beide onderzoeksmodellen een verklaring kan geven voor

de motivatie van mobiele betalingsapplicaties-adoptie bij de consument. Ze luidt dan ook als

volgt: welke factoren oefenen een invloed uit op de intentie om mobiel betalen te gebruiken

en te adopteren?

Deze centrale onderzoeksvraag willen we beantwoorden aan de hand van verschillende

hypothesen die we uit de literatuur distilleerden. De hypothesen worden later in dit onderzoek

aangehaald en verklaard.

De structuur in dit onderzoek is vijfledig. In het eerste deel starten we met een

literatuuronderzoek waarin we dieper ingaan op de verschillende definities en de in deze

studie geopteerde invulling van mobiele betalingen. Hierna volgt een uitgebreide uiteenzetting

van de verschillende technologie adoptie-onderzoeksmodellen die we relevant achten in deze

wetenschappelijke verhandeling. Naast deze uitgebreide uiteenzetting, kan de lezer in dit

laatste onderdeel ook alle uit de literatuur gedistilleerde hypothesen die we wensen te testen,

terugvinden.

In het tweede deel van deze masterproef beschrijven we het onderzoeksdesign waarin we de

opzet, steekproef, de onderzoeksmethodologie en procedure omschrijven. Vervolgens gaan

we over tot de onderzoeksresultaten. Deze onderzoeksresultaten zijn opgesplitst in twee grote

delen. Het eerste deel bevat de resultaten afkomstig uit het structural equation model, terwijl

het tweede deel de resultaten uit de verschillende focusgroepen zal bespreken.

14

In het derde deel formuleren we een algemeen besluit waarbij ook tekortkomingen en

aanbevelingen worden aangehaald. Ten slotte kan de lezer in deel vier en vijf, de bibliografie

en de verschillende bijlagen terugvinden met onder andere het verloop van de online survey

en de uitwerking van de codeboom gehanteerd in de focusgroepen.

15

HOOFDSTUK 1 Mobile Proximity Payment

In dit hoofdstuk gaan we allereerst kort in op de ontwikkeling van e-commerce naar mobile

payment. Vervolgens trachten we aan de hand van het Vijfkrachtenmodel van Porter een

inzicht te verschaffen in de mobiele betalingsmarkt. Volgend op deze korte inleiding brengen

we enkele actualiteitsvoorbeelden kort in beeld. Afsluitend in dit hoofdstuk bouwen we een

algemene definitie op die we zullen hanteren in dit onderzoek.

1.1. Van e-commerce naar m-commerce

De maatschappij onderging de laatste decennia een enorme evolutie, zowel op technologisch

als communicatief vlak. Niet alleen de grote hoeveelheid voorbeelden uit de actualiteit maar

ook het omvangrijke aantal studies rond evoluties in de maatschappij staven deze bemerking.

Katalysators zoals de ontwikkeling van draadloze communicatienetwerken- en technologieën

alsook de digitalisering en de ontwikkeling van nieuwe handelsvormen, worden als

kenmerken beschouwd voor de informatiemaatschappij van vandaag.

Een vaak omschreven nieuwe handelsvorm in de literatuur is e-commerce. Deze elektronische

handelsvorm interpreteren we in deze Masterproef als een overkoepelende term voor alle

wijzen waarop via computernetwerken handel kan worden gedreven. E-commerce zien we

met andere woorden als de combinatie van informatietechnologie en handelsmotieven (Qin,

2009; Schafer & Konstan & Riedl, 2001; Veeramani et al., 1999).

Voortvloeiend uit het ontstaan van de elektronische handel komt de mobile commerce, beter

bekend als m-commerce. Barnes (2002) omschrijft m-commerce als een transactie van

monetaire waarde, direct of indirect, dat wordt uitgevoerd via een draadloos

telecommunicatienetwerk. Mallat (2006) verwijst hierbij naar het feit dat, ten gevolge van

deze nieuwe handelsvormen, betalingsmethoden mee dienden te evolueren. Zo wijst hij onder

andere op de ontwikkeling van het uitvoeren van monetaire transacties via het internet.

Hoewel e-commerce en m-commerce beide worden beschouwd als onderdelen van

elektronisch handeldrijven, stelt Yu (2012) vast dat het grote verschil tussen beide ligt in het

feit dat e-commerce gebruik maakt van vaste computers die verbonden zijn met het internet

terwijl m-commerce gebruik maakt van wireless mobile devices.

16

Het verschil tussen e-commerce en m-commerce nemen we in deze verhandeling dan ook mee

bij het vergelijken van internetbankieren en mobile banking. Beide vormen zijn alternatieve

kanalen waar banken hun producten en diensten aan de klant kunnen leveren en voorstellen.

Toch zit ook hier het verschil erin dat internetbankieren, plaatsvindt door middel van een

vaste computer die verbonden is met het internet, terwijl mobile banking wordt uitgevoerd via

een wireless (mobile )device (Yu, 2012).

Mobile banking maakt het voor de consument mogelijk om financiële transacties uit te voeren

met behulp van een draadloos toestel. Een van deze recent aangeboden diensten is het mobiel

betalen, ook gekend als m-payment. We beschouwen mobiel betalen als een onderdeel van

mobile banking, waardoor in de literatuur gegeven adoptiefactoren transfereren op dit

onderzoek omtrent mobile payment adoption.

1.2. Vijfkrachtenmodel van Porter

De mobiele betalingsmarkt en haar verschillende actoren omschrijven we conform de visie

van Dahlberg & Mallat & Ondrus & Zmijewska (2007), die de mobiele betalingsmarkt

afbakenen aan de hand van het Vijfkrachtenmodel van Porter.

Het Vijfkrachtenmodel van Porter is een analysemodel dat de aantrekkelijkheid van de markt

helpt te bepalen. Aan de hand van vijf krachten (concurrenten, kopers, leveranciers, nieuwe

toetreders en substituten) en de relatie daarvan met het eigen bedrijf, wordt bepaald hoe

aantrekkelijk een markt is. De verschillende krachten van het model staan niet op zichzelf

maar hebben een invloed op of staan in verbinding met elkaar. Er is met andere woorden

sprake van een wisselwerking tussen de verschillende krachten (Hummel, 2010).

In onderstaande figuur kunnen we zien dat de vijf krachten gelijk gesteld zijn aan: de

consument, de traditionele betalingsmethoden, de handelaar, de (nieuwe) e-payment diensten

en mobiele betalingsdiensten. Elk van deze krachten oefent een bepaalde macht uit op de

mobiele betalingsmarkt. Doordat Dahlberg et al. (2007) een combinatie maakt tussen

enerzijds het model van Porter en anderzijds de Contingency theory, zien we dat ook ruimere

invloeden in het onderstaande model worden betrokken. We beschreven in de introductie

reeds de veranderingen in de samenleving op vlak van technologie, handeldrijven en sociaal-

cultureel. Deze elementen worden nu in een algemeen model verwerkt samen met de

wijzigingen op regelgevend vlak.

17

Wanneer we kijken naar de veranderingen in de sociale omgeving, kunnen we concluderen

dat ook hier het digitaliseringsproces zijn invloed heeft. Uit de actualiteit vinden we

verschillende voorbeelden terug waarbij bedrijven de traditionele betaalmethode vervangen

door digitale/elektronische betalingsmogelijkheden:

- Voetbalclubs KAA Gent en Club Brugge KV introduceerden de mogelijkheid om met

het voetbalabonnement te betalen in en rond het stadium. De kaart kan zowel online

als aan de betaalterminals in het stadium worden opgeladen (KAA Gent, 2015; Club

Brugge KV, 2014).

- Zoomit en Doccle zijn beide internet en mobile banking diensten die toelaten facturen,

loonbrieven, telefoonrekeningen … al dan niet automatisch te betalen vanuit één

online platform (Zoomit, 2015; Doccle, 2015).

- De Belgische overheid installeerde een beperking op het betalen met contant geld

waarbij het maximale gedrag op €3000 werd vastgepind in 2014 (Netto, 2013).

Figuur 1. Model van Porter voor de mobiele betalingsmarkt

- (Dahlberg et al., 2007)

Belangrijk aan dit model is dat het aantoont welke factoren een invloed hebben op de mobiele

betalingsmarkt, alsook hoe de consument centraal wordt gezet. De belangrijkste bevinding die

18

we meenemen uit dit model is de volgende: ‘Moreover, mobile payment services compete for

the attention of customers and other parties against physical and electronic payment services’

(Dahlberg et al., 2007, p. 17). De noodzaak tot onderzoek naar de adoptiefactoren van de

consument is bij deze naar voor geschoven en toont de relevantie van de Masterproef aan.

1.3. Voorbeelden uit de actualiteit

In de actualiteit vinden we reeds verschillende voorbeelden terug waarbij mobiele

betalingsmogelijkheden werden geïmplementeerd, hetgeen de maatschappelijke relevantie

van deze verhandeling benadrukt:

- De Lijn lanceerde in 2007 een nieuwe betalingsvorm voor de aankoop van een tram- of

bus ticket. De consument dient hiervoor een sms te versturen met de tekst ‘DL’ naar het

nummer 4884, waarna hij/ zij een sms terugkrijgt met de bevestiging en bewijs van

betaling (De Lijn, 2015).

- Doordat mobiel betalen een onderdeel is van mobiel bankieren, zijn er steeds meer banken

die ook toepassingen van mobiel betalen aanbieden in hun mobiele bankapplicaties. Zo

zien we dat KBC het mogelijk maakt om geld over te maken van de ene telefoon naar de

andere door middel van de KBC Mobile banking app. Een handeling die ook wordt

bestempeld met de term ‘scashen’. Ook het afhalen van geld is mogelijk met deze

applicatie (KBC, 2015).

- Bancontact/Mister cash lanceerde in 2014 een applicatie voor de mobiele telefoon waarbij

een bedrag van maximum 250 euro kan worden betaald door middel van het scannen van

een QR-code. Na het scannen van deze code dient de gebruiker akkoord te gaan door

middel van het ingeven van zijn/haar beveiligingscode (van der Ven, 2014).

- Google lanceerde Google Wallet waarbij de consument via slechts één applicatie al

zijn/haar bankrekeningen en bijhorende banken kredietkaarten, klantenkaarten,

kortingsbonnen en cadeaubonnen kan beheren. Ook hier dient de consument opnieuw zijn

toestemming te verlenen door middel van het ingeven van een beveiligingscode (Google,

2015).

- Ook zien we dat andere internationale bedrijven waaronder Apple Inc. zich richten op de

mobiele betalingsmarkt. Zo ontwierp dit elektronicabedrijf Apple Pay waarbij in

combinatie met Pass Book en net zoals bij Google Wallet alles omtrent bankrekening,

cadeaubonnen en kredietkaarten op een plaats worden bijgehouden. Deze applicatie werkt

naast een beveiligingscode ook met Touch ID waarbij de gebruiker zijn vingerafdruk

gebruikt om betalingen uit te voeren (Apple, 2015).

19

Mobiele betalingsapplicaties zijn inzetbaar in uiteenlopende contexten: voor het aankopen van

digitale content, het betalen van rekeningen en het aankopen van trein-, tram- of bus tickets.

1.4. Mobile proximity payment

Wanneer we de definities van het begrip mobile payment services of mobiele

betalingsdiensten bestuderen, merken we dat deze verschillen naargelang de auteur. Hoewel

de meeste in de literatuur teruggevonden definities benadrukken dat een mobiel toestel het

belangrijkste verschil is tussen mobiel betalen en andere betaalmogelijkheden, stellen we vast

dat andere auteurs het begrip mobiel betalen veel breder interpreteren door bijvoorbeeld alle

mobiele communicatietoestellen te betrekken in de definitie.

Uit de literatuur concluderen we dat de basisfunctie, namelijk het overdragen van monetaire

waarde, overal gelijk omschreven wordt. Naast de verschillende keuzes omtrent het mobiele

toestel zien we dat het verloop van het mobiele betalingsproces ook verschillen kent.

Dahlberg et al. (2007) omschrijven het verloop aan de hand van fasen, namelijk: initiatie,

toestemming en uitvoering. Silberer & Wohlfahrt & Wilhelm (2002) laten daarentegen de fase

van toestemming achterwege.

Dahlberg et al. (2007) delen de soorten mobiele betalingen op in twee categorieën. De eerste

categorie beslaat de betalingen voor de dagelijkse aankopen, terwijl de tweede categorie

verwijst naar het betalen van rekeningen zoals bijvoorbeeld telefoon-/energiefactuur. Andere

studies delen de mobiele betalingsmarkt op in verschillende businessmodellen of gehanteerde

procedures. Onder de verschillende modellen verstaan we het gehanteerde bedrijfsmodel in de

mobiele betalingsmarkt zoals bijvoorbeeld een acquirer-centric model dat voornamelijk

gericht is op de business-to-business markt, terwijl een issuer-centric model zich focust op de

relatie consument-handelaar. Ook maken Karnouskous & Fokus (2004) een onderscheid

naargelang de plaats en monetaire waarde dat wordt verhandeld. Zo omschrijven de auteurs

‘local/proximity transacations’ als mobiele betalingen waarbij het mobiele toestel gebruik

maakt van near field communications of bluetooth. Verder hanteren de auteurs de termen

micro-, mini- en macropayments, respectievelijk verwijzend naar het betalen van een bedrag

onder de twee euro, tussen de twee en twintig euro en boven de twintig euro.

20

Voor deze Masterproef kiezen we voor de visie van Kim & Mirusmonov & Lee (2010, p.4-5)

voor de definiëring van het begrip m-payment: ‘M-payment is an alternative payment method

for goods, services and bills/ invoices. It uses mobile devices (such as a mobile phone, smart-

phone or personal digital assistant) and wireless communication technologies (such as

mobile telecommunication networks, or proximity technologies). Mobile devices can be

utilized in a variety of payments, such as payments for digital content, concert of flight tickets,

parking fees, and bus, tram, train and taxi fares. Mobile devise access and utilize mobile

payment services to pay bills and invoices. Mobile devices allow the users to connect to a

server, perform authentication and authorization, make a mobile payment and subsequently

confirm the completed transaction.’

We focussen in deze definitie op het issuer-centric model, maar maken verder geen

onderscheid tussen micro-, mini- of macropayments. De keuze voor deze definitie is enerzijds

ingegeven door een exhaustieve lijst aan deelfactoren en anderzijds daar ze beste aansluiting

vindt bij de hedendaagse realiteit.

21

HOOFDSTUK 2 Theoretisch kader

Bij onderzoek naar de adoptie en intentie tot gebruik van nieuwe technologieën wordt

naargelang de auteur en studie gebruik gemaakt van uiteenlopende theoretische kaders. Zo

werd de Theory of Reasoned Action (later: TRA) ontwikkeld door Ajzen (1991) waarbij dit

sociaal psychologisch onderzoeksmodel een voorspelling van de gedragsintentie tracht te

beschrijven op basis van gedragsintentie, houding en subjectieve norm. Een ander model,

voortbouwend op TRA, is de Theory of Planned Behaviour (later: TPB) (Ajzen, 1991). De

TPB stelt dat intentie tot het stellen van een bepaald gedrag gevormd wordt door de houding

ten opzichte van een bepaald gedrag, subjectieve normen en waargenomen gedragscontrole.

Ook het Technology Acceptance Model (later: TAM) is een veel gebruikt en besproken

onderzoeksmodel in de literatuur. TAM (Venkatesh & Davis, 2000) verklaart de

gedragsintentie op basis van de onderlinge relatie tussen drie kernelementen: Perceived

Usefulness, Perceived Ease of Use en Attitude towards using. Later werd dit model verrijkt

met elementen afkomstig uit sociaal en organisatorisch hoek wat resulteerde in TAM 2 en

TAM 3 (Venkatesh et al., 2000; Venkatesh & Bala, 2008).

Hoewel bovenstaande theorieën interessante onderzoeksvragen kunnen opwerpen, kiezen we

er in deze Masterproef voor ons onderzoek grotendeels te baseren op de Unified Theory of

Acceptance and Usage of Technology (Later: UTAUT). De reden hiervoor is het geloof dat dit

model in de literatuur wordt gezien als een verbeterend TAM. Ook geloven we dat de

opgenomen variabelen in dit model specifieker en allesomvattend zijn, zodoende interessante

hypothesen op te stellen.

Naast UTAUT integreren we tevens het Initial Trust model (later: ITM) in onze analyses

zodoende met deze masterproef bij te dragen aan theorievorming. De keuze voor deze

combinatie baseerden we op het feit dat ondanks de hoge penetratiegraad van smartphones de

adoptie van mobiel betalen grotendeels achterwege blijft. Een verklarende reden volgens de

literatuur is het gebrek aan vertrouwen bij de consument. De motivering tot het combineren

van enerzijds UTAUT en anderzijds ITM is bij dezen toegelicht (Mcknight & Cummings &

Chervany, 1998; Oliveira & Faria & Thomas & Popovič,2014; Shaikh & Karjaluoto, 2015).

22

Na deze inleiding omtrent de meest gebruikte onderzoeksmodellen en onze keuzemotivering

gaan we in dit hoofdstuk dieper in op beide theorieën, waarbij de hypothesen die we uit de

literatuur distilleerden, worden toegelicht.

2.1. Unified Theory of Acceptance and Use of Technology

Het UTAUT model, ontwikkelt door Venkatesh & Morris & Davis & Davis (2003), tracht aan

de hand van vier pijlers de gedragsintentie met betrekking tot het adopteren/uitvoeren van een

nieuwe technologie te meten. De vier pijlers worden benoemd als volgt: Performance

Expectancy (later: PE), Effort Expectancy (later: EE), Social Influence (later: SI) en

Facilitating Conditions (later: FC). Daarnaast houdt dit model ook rekening met leeftijd,

geslacht, ervaring en vrijwilligheid van gebruik. In ons conceptueel model laten we deze

laatste drie variabelen echter achterwege, gezien het innovatieve karakter van het gekozen

thema. In onderstaande figuur 2 kan de lezer het in deze Masterproef gehanteerde UTAUT

model terugvinden.

De variabele leeftijd nemen we mee in dit onderzoek, daar we ons willen focussen op

jongvolwassen met een interesse voor nieuwe technologieën. Uit de literatuur leiden we

immers af dat zij een van de belangrijkste groepen van toekomstige consumenten

vertegenwoordigen. Niet alleen hun toekomstig potentieel, maar tevens de uit de literatuur

afgeleide stelling dat jongvolwassenen sneller nieuwe technologieën adopteren, besloten we

deze mee te integreren in ons onderzoek (Palfrey & Gasser, 2008). Een uitdieping van de

steekproef kan de lezer terugvinden onder ‘Hoofdstuk 4: 4.2 Steekproefomschrijving’.

Figuur 2. UTAUT-model

23

2.1.1. Performance Expectancy

Performance Expectancy wordt door Venkatesh et al. (2003) omschreven als de mate waarin

een individu/consument gelooft dat door middel van het gebruik van een innovatie/nieuwe

technologie voordelen kunnen worden behaald in vergelijking met een oudere technologie.

Het concept PE leunt, omwille van het feit dat UTAUT als een verbetering wordt gezien op

TAM, dicht aan bij het concept Perceived Usefulness (later: PU) dat afkomstig is uit TAM.

Ook zien we dat Rogers (2010) in zijn Diffusion Theory aanhaalt dat de acceptatie en adoptie

van nieuwe technologieën enkel succesvol blijkt te zijn wanneer deze een duidelijk voordeel

bieden in vergelijking met de bestaande technologieën. Met andere woorden kunnen we

stellen dat Perceived Usefulness op gelijk niveau kan worden gesteld met Performance

Expectancy, waarbij beide concepten een positieve invloed uitoefenen op de attitude van de

consument en later ook de intentie tot het uitvoeren van een bepaald gedrag, zoals

bijvoorbeeld het gebruik van mobiele betalingsapplicaties. Daarnaast haalden Pagani (2004),

Van den Bergh & Behrer (2013) en Kim et al. (2010) aan dat ook de systeemkarakteristieken

een invloed hebben op PU. Gezien het feit dat generatie Y een belangrijke groep toekomstige

consumenten vertegenwoordigen, achten wij het belangrijk om rekening te houden met hun

wensen en behoeften. Op basis van deze combinatie van theorieën leiden we volgende

hypothese af:

H1a: Er is een positief verband tussen ‘Performance Expectancy’ en ‘Behavioural Intention to

use’ bij mobiele betalingapplicaties.

Wanneer we dieper ingaan op de waargenomen mate waarin de consument een voordeel

tracht te halen uit het gebruik van nieuwe technologieën, zien we dat het vertrouwen van de

consument hier heel nauw mee is verbonden. Verschillende auteurs haalden reeds aan dat de

consument vandaag aangesproken wil worden en interactie verwacht met de nieuwe

technologieën en merken (Martins & Oliveira & Popovič, 2014; Kim & Shin & Lee, 2009).

Volgend op deze assumptie stellen we dat naarmate een hogere gepercipieerde graad van

gebruikersvriendelijkheid, het niveau van waargenomen vertrouwen bij de consument zal

toenemen. Hieruit volgt volgende hypothese:

H1b: Er is een positief verband tussen ‘Performance Expectancy’ van mobiele

betalingsapplicaties en ‘een gebruikers Initial Trust’.

24

2.1.2. Effort Expectancy

Het tweede concept dat we meenemen in ons model is Effort Expectancy. In deze masterproef

interpreteren we het begrip als volgt: mate van gepercipieerd gemak wanneer de consument

een nieuwe technologie gebruikt. Deze definitie is afkomstig uit het onderzoek van Venkatesh

et al. (2003) waarbij ook hier het concept EE vergeleken kan worden met een concept uit

TAM, namelijk Perceived Ease of Use (Later: PEU). Venkatesh et al. (2000) toonde reeds aan

dat PEU een prominente variabele is in het adopteren van nieuwe technologieën waarbij

rekening dient te worden gehouden met gebruikersinterfaces, functionele mogelijkheden en

het algemene design van het besturingssysteem. In bovenstaande paragraaf 2.1.1 Performance

Expectancy gaven we aan dat wanneer de consument het gebruik van mobiele

betalingsdiensten als eenvoudig en duidelijk ervaart, dit een positief effect zal hebben op de

houding van de desbetreffende gebruiker en bijgevolg op de perceptie van het nut van de

nieuwe technologie. We achten dus dat PE en EE nauw samenhangen, zodoende de

gedragsintentie positief te beïnvloeden. Deze conclusie nemen we mee in onze volgende

hypothese:

H2: Er is een positief verband tussen ‘Effort Expectancy’ van mobiele betalingsapplicaties en

‘Behavioural Intentions to use’.

2.1.3. Social Influence

Venkatesh et al. (2003) definieerden Social Influence als de mate waarin het individu

percipieert dat beïnvloeders uit de dichte omgeving geloven dat hij of zij de nieuwe

technologie zou moeten gebruiken. We kunnen met andere woorden stellen dat dit concept

tracht te meten in welke mate de mening/het idee/het gedrag van een individu wordt

beïnvloed door de manier waarop andere individuen in de dichte omgeving, zoals

bijvoorbeeld vrienden, familie of collega’s, het gebruik van nieuwe technologieën aanprijzen

en/of waarderen. Ook Bass (1969) bevestigt met zijn analysemodel dat de sociale omgeving

en de sociale druk voor de groei van een nieuw product een belangrijke rol spelen in het

adoptieproces. Daarnaast zien we dat ook Ajzen (1991) dit trachtte te omschrijven door

middel van het concept Subjective Norm. Een individu kan zich immers op deze wijze

onderscheiden en zich bijvoorbeeld een professionele status gaan aanmeten (Lu & Yao & Yu,

2005). Op basis hiervan stellen we volgende te onderzoeken hypothese op:

H3: Er is een positief verband tussen ‘Social Influence’ en ‘Behavioural Intention to use’ bij

mobiele betalingsapplicaties.

25

2.1.4. Facilitating Conditions

In de vorige hypothesen focusten we voornamelijk op het belang van de waargenomen

voordelen vanwege de consument en zijn/haar directe omgeving. In de literatuur wordt echter

steeds meer gefocust op de mate waarin de consument een risico ervaart bij het gebruik van

een innovatie. Het uitdiepen van het thema/concept omtrent vertrouwen/risico kan de lezer

terugvinden in onderstaande paragraaf 2.2 Initial Trust Model. Hoewel vertrouwen in de

literatuur aangegeven wordt als een belangrijke factor in het adoptieproces van nieuwe

technologieën zien we dat de mate waarin de consument geïnformeerd is omtrent de

mogelijkheden en de vereisten tot het gebruik ervan, ook cruciaal zijn. Immers, indien een

consument niet op de hoogte is van mogelijke waarborgen, vereisten tot gebruik … zal het

vertrouwen ten opzichte van de nieuwe technologie lager liggen (Martins et al., 2014; Kim et

al., 2009; Gefen, 2000).

In deze Masterproef verwijzen we dan ook graag naar Facilitating Conditions (later: FC). FC

is een UTAUT concept dat een directe invloed uitoefent op de variabele Adoption. Het wordt

door Venkatesh et al. (2003) gedefinieerd als de mate waarin het individu gelooft dat er

organisatorische middelen en technische infrastructuur bestaat om de nieuwe

technologie/systeem te ondersteunen. Het gaat met andere woorden over het aan de

consument duidelijk te maken door middel van bijvoorbeeld reclamecampagnes dat er

ondersteuning vanwege de organisatie wordt verleend teneinde de barrières van gebruik te

overstijgen. Hieruit volgt bijgevolg de volgende hypothese:

H4: Er is een positief verband tussen ‘Facilitating Conditions’ en de adoptie van mobiele

betalingsapplicaites.

2.1.5. Behavioural Intention & Adoption

Teruggrijpend naar paragraaf 1.1 Van e-commerce naar m-commerce wierpen we reeds de

aandacht op de veranderde marktstructuren en –verhoudingen. Een belangrijk gevolg hiervan

is het groeiende internationale aanbod aan producten, diensten, communicatienetwerken- en

technologieën. Hierdoor stellen verschillende actoren een machtsverschuiving vast tussen

aanbieder en koper, respectievelijk handelaar en consument. In de literatuur (Webster et al.,

2012) wordt hieromtrent vaak verwezen naar de verschuiving van een ‘push’ naar een ‘pull

model’, waarbij de consument meer dan ooit de macht in handen heeft.

26

We staven deze bemerking met de vastgestelde wijzigingen omtrent het aankoop- en

betaalgedrag van de consument. De consument gaat immers niet alleen informatie en prijzen

vergelijken doordat informatie te allen tijde beschikbaar is, ook zien we dat het aanbod van de

verschillende betalingsmogelijkheden snel toeneemt. Hierdoor is de consument niet langer

trouw aan het betalen met cash geld. Naargelang de situatie wordt bepaald welke

betaalmethode gebruikt wordt. We stellen verder vast dat het aantal elektronische betalingen

elk jaar toeneemt. Bijgevolg kunnen we stellen dat er een groeiende strijd ontstaat als reactie

op de niet-loyale consument. Hiermee wensen we nogmaals de centrale rol van de consument

in dit onderzoek te accentueren (Schierz & Schilke & Wirtz, 2009; Dahlberg et al., 2007).

Zoals UTAUT aangeeft heeft de variabele leeftijd een positieve invloed op de gedragsintentie

van de consument om een nieuwe technologie te adopteren. Het meenemen van deze

variabele wordt later in deze verhandeling toegelicht. Nu trachten we in dit onderzoek te

achterhalen of de intentie tot het gebruiken van mobiele betalingsapplicaties (Behavioural

Intention of later: BI) kan leiden tot het effectief adopteren. Hieruit volgt:

H6: Er is een positief verband tussen ‘Behavioural Intention to use’ en ‘Adoption’ van

mobiele betalingsapplicaties.

2.2. Initial Trust Model

In hoofdstuk 1 haalden we reeds aan dat omwille van de ontwikkeling van nieuwe informatie-

en technologiesystemen, nieuwe handelsvormen ontstonden. Voorbeelden hiervan waren e-

commerce en later m-commerce, waarvan we in deze Masterproef mobile banking en mobiel

betalen als een onderdeel zien. Door deze denkwijze te hanteren, namelijk door mobiel

betalen als een onderdeel van mobile banking te beschouwen, breiden we de literatuur uit

zodat adoptiefactoren uit andere focusdomeinen omtrent de adoptie van nieuwe technologieën

transfereren op mobile payment adoption. Hierdoor brengen we andere adoptiefactoren die in

studies werden aangegeven als belangrijk in kaart en kunnen we deze meenemen in ons

onderzoek.

Ook gaven we in de inleiding aan dat ondanks de toenemende penetratiegraad van

smartphones en andere mobile devices, de adoptie van m-commerce diensten zoals mobiel

betalen achterwege blijft. Wanneer we de literatuur hieromtrent analyseren, komen we tot de

conclusie dat vertrouwen of het achterwege blijven van vertrouwen bij de consument een

cruciale factor is in het adoptieproces van nieuwe technologieën zoals bijvoorbeeld mobiel

27

betalen (Gefen & Karahanna & Straub, 2003; Martins et al., 2014; Bauer & Reichardt &

Barnes & Neumann, 2005; Cho, 2014).

In dit deel gaan we dieper in op wat wij in deze Masterproef onder vertrouwen bij de

consument verstaan. We baseren ons hiervoor op het Initial Trust model (Later: ITM), dat

werd ontwikkeld door Mcknight et al. (1998). De reden hiervoor is dat wij geloven dat deze

theorie een duidelijk en allesomvattende definitie van ‘trust’ aanbrengt.

Mcknight et al. (1998) beschrijven het begrip vertrouwen aan de hand van drie verschillende

invalshoeken. De eerste invalshoek richt zich specifiek op de eigenschappen van een bedrijf

zoals bijvoorbeeld de reputatie, grootte, merk, marktrol, capaciteit en mate van integriteit. Bij

deze eerste invalshoek verwijzen we graag naar het Vijfkrachtenmodel van Porter (Dahlberg

et al., 2007). We zien immers dat consumenten, ongeacht zij dit model kennen, een soortgelijk

gedachtegang hanteren om een bepaald bedrijf te analyseren. De tweede invalshoek richt zich

uitsluitend op het vertrouwen van een individu/consument. Het concept vertrouwen in het

adoptieproces bij een consument haalden we reeds aan in bovenstaande paragraaf 2.1.5

Behavioural Intention & Adoption. Toch gaan we hier nog kort op in zodoende ‘het

vertrouwen bij een consument’ duidelijk te omschrijven. De derde invalshoek tracht aan de

hand van een omgevingsanalyse te kijken of bepaalde gegeven garanties, afkomstig van een

bedrijf, het vertrouwen bij de consument kan vergroten. In onderstaande figuur 3 kan de lezer

het in deze Masterproef gehanteerde Initial Trust Model terugvinden.

Figuur 3. Initial Trust Model

Naast deze visie van Mcknight et al. (1998) omtrent het begrip vertrouwen, zien we dat

andere studies een andere invulling en naam gaven aan het concept. Zo definieerde Cho

(2004) dit als perceived security, wat aangeeft dat de risico’s die een gebruiker percipieert

voornamelijk te wijten zijn aan het feit dat ze weinig ervaring hebben met het gebruik van een

28

technologie/innovatie. Daarnaast wijzen Gefen et al. (2003) op het feit dat deze diensten een

bijkomend nadeel hebben op tastbare producten doordat het moeilijker is om de risico’s vast

te stellen. Ook het verlies van de controle over persoonlijke gegevens wordt door de

consument aangegeven (Bauer et al., 2005).

Een andere vooraanstaande visie op vertrouwen en (waargenomen) risico, is de visie die

wordt gehanteerd in Mayer & Davis & Schoorman (1995). Hierin geven de auteurs aan dat

vertrouwen en risico nauw met elkaar verbonden zijn. Vertrouwen zien zij als een soort geloof

dat de consument heeft om handelingen uit te voeren met anderen die geen deel uitmaken van

hun directe netwerk. Terwijl risico gedefinieerd wordt als de gepercipieerde mate van

onzekerheid en de negatieve gevolgen verbonden aan het stellen van bepaalde activiteiten.

Met andere woorden, hoe hoger het initiële vertrouwen bij de consument, hoe lager het

gepercipieerde risico.

Het moge dus duidelijk zijn dat de begrippen vertrouwen en risico op verschillende manieren

kunnen worden ingevuld. Alsook dat deze beide concepten nauw met elkaar verbonden zijn.

2.2.1. Initial trust

Zoals we hierboven reeds aanhaalden, definiëren we vertrouwen als een belangrijke

determinant omtrent het geloof om te interageren/ (nieuwe) handelingen uit te voeren met

anderen die geen deel uit maken van de directe omgeving. In deze context gaan we echter nog

iets verder, door te stellen dat vertrouwen cruciaal is in het uitvoeren van een (nieuwe)

economische transactie zoals bijvoorbeeld mobiel betalen. Indien we hieraan toevoegen dat

mobiel betalen/mobiele betalingsapplicaties niet tot weinig ingeburgerd zijn, concluderen we

dat er weinig tot geen sprake kan zijn van ervaring met mobiele betalingsapplicaties.

Daarnaast zien we dat ervaring met nieuwe technologieën een gebruikers initiële vertrouwen

beïnvloedt. Volgend op deze assumpties zien we dat een gebruikers initiële vertrouwen in

nieuwe (mobiele) diensten, aangeboden door een bedrijf dat mobiele betalingsapplicaties

ontwikkelt, een grote invloed uitoefent op de intentie tot het gebruik en later uiteraard de

adoptie (Mcknight & Chervany, 2001; Mcknight & Choudhury & Kacmar, 2002; Lu & Li &

Zhang & Shim, 2010). Hieruit leiden we volgende te testen hypothese af:

H6: Er is een positief verband tussen een gebruikers ‘Initial Trust’ en ‘Behavioural Intention

to adopt’ bij mobiele betalingsapplicaties.

29

2.2.2. Strucutral Assurances

Indien we dieper ingaan op wat nu eigenlijk het initiële vertrouwen van een consument

beïnvloedt, zien we dat Mcknight et al. (1998) drie belangrijke concepten in zijn model heeft

geïntegreerd. Een van deze concepten is de reputatie van het bedrijf dat de nieuwe technologie

uitbrengt. Hoewel dit concept relevante vragen in een onderzoek kan opwerpen, kiezen we

ervoor om dit concept achterwege te laten in dit onderzoek. De reden hiervoor is enerzijds

door de lage inburgering van mobiele betalingsapplicaties, anderzijds is het doel van deze

verhandeling een algemeen model te testen, en bijgevolg dus niet gericht op een specifieke

mobiele betalingsapplicatie.

Doordat mobiele betalingsdiensten en –applicaties relatief nieuw zijn, zien we dat

consumenten voornamelijk vragen stellen omtrent privacy, risico en vertrouwensproblemen.

Dit gaven we reeds aan in de inleiding dat ondanks het feit dat de penetratiegraad van mobile

devices blijft toenemen, de adoptie van mobiele diensten vaak achterwege blijft. Hieromtrent

geeft Mcknight et al. (1998) aan dat bijvoorbeeld bewaargevingsovereenkomst, privacy

waarborgen, client protection services etc. duidelijk naar de consument dienen te worden

gecommuniceerd. Deze zogenoemde ‘Structural Assurances’ hebben immers een positieve

invloed op het vertrouwen en het gepercipieerde risico, waardoor de drempel tot het

gebruiken van nieuwe technologieën bij de consument verlaagt. Deze assumptie staven we

met benchmarking in de consumentenmarketing: de grootte van het bedrijf en de

productkwaliteit de mate van bekwaamheid, integriteit en de goodwill van een bedrijf in de

ogen van een consument versterkt (Gefen, 2000; Jarvenpaa & Tractinsky & Vitale, 2000; Luo

& Zhang & Shim, 2010). Hieruit leiden we af:

H7: Er is een positief verband tussen ‘Structural Assurances’ en een gebruikers ‘Initial Trust’

in mobiele betalingsapplicaties.

2.2.3. Personal propensity to trust

Zoals we in paragraaf 2.2 Initial Trust model reeds aanhaalden zien we dat er in de literatuur

steeds meer gefocust wordt op de mate waarin de consument een risico ervaart bij het gebruik

van een nieuwe technologie/innovatie. Ook gaven we reeds aan dat er verschillende visies op

vertrouwen en risico mogelijk zijn. Dit naargelang het onderzoek en de auteur.

30

Mcknight et al. (1998) definieert het concept Personal Propensity To Trust als de mate waarin

een persoon van nature geneigd is om andere mensen te vertrouwen. Daarnaast zien we dat dit

onderzoek aangeeft dat hoe hoger deze Personal Propensity To trust is bij een consument, hoe

groter het vertrouwen en hoe sneller een consument een nieuwe technologie zal adopteren en

toepassen. Hofstede (1980) bemerkt hierbij dat culturele waarden een invloed hebben op

aankoopmotieven, attitudes, intenties en consumentengedrag. Ook Weber et al. (1998) en

Yamagishi et al. (1994) verwijzen naar het feit dat de culturele achtergrond en bijgevolg het

karakter van het individu de mate van gepercipieerd risico en vertrouwen beïnvloedt. Op basis

hiervan stellen we volgende hypothese op:

H8: Er is een positief verband tussen een ‘Personal Propensity to Trust’ en een gebruiker’s

‘Initial Trust’ in mobiele betalingsapplicaties.

31

HOOFDSTUK 3: Besluit literatuuronderzoek

Het doel van deze Masterproef is na te gaan welke factoren de intentie omtrent het gebruik

van mobiele betalingsapplicaties bij de consument beïnvloeden. Dit onderzoek legt de focus

bij de consument en baseert zich hierbij op reeds uitgevoerde studies. De aard van deze

Masterproef kan als exploratief bestempeld worden, doordat we inspelen op een hiaat in de

bestaande literatuur. Slechts weinig onderzoekers hebben tot op heden de consument centraal

geplaatst in hun onderzoek.

Wanneer we kijken naar de samenleving vandaag, merken we op dat deze heel wat

veranderingen onderging. De combinatie tussen de ontwikkeling van nieuwe

communicatietechnologieën en –netwerken leidde tot een verregaand digitaliseringsproces.

Ten gevolge hiervan ontstonden nieuwe kanalen waarlangs handel wordt gedreven en waarbij

beperkingen omtrent tijd en plaats worden geëlimineerd. Allereerst ontwikkelde zich de

elektronische handelsvorm, e-commerce, waarbij via computernetwerken handel kon worden

gedreven. Hieruit voortvloeiend ontstond mobile commerce, waarbij deze handelsvorm nog

iets verder ging door gebruik te maken van mobile devices zoals een tablet of smartphone.

Ten gevolge hiervan zien we dat enerzijds nieuwe diensten zoals mobiel bankieren en mobiel

betalen ontstonden als antwoord op deze nieuwe handelsvormen. Anderzijds zien wij ook een

verandering bij de consument. Deze ontpopte zich tot actieve, kritische en perfect

geïnformeerde consument doordat informatie te allen tijde beschikbaar is. We merken niet

alleen dat de consument zijn media-, aankoop- en betaalgedrag wijzigde, maar concluderen

ook dat deze steeds meer macht naar zich toetrekt. De verschuiving van het klassieke push-

naar een pullmodel leidt tot een strijd tussen aanbieders van producten/diensten om de

aandacht van deze geëvolueerde consument.

Naast het feit dat de consument een belangrijk facet is in deze Masterproef, zien we dat de

consument ook een belangrijke schakel speelt in het productieproces. Deze conclusie kan

worden doorgetrokken naar de ontwikkeling van nieuwe technologieën zoals bijvoorbeeld

mobiele betalingsdiensten. We zien immers dat hoewel de smartphonepenetratie elk jaar

toeneemt, de adoptie van mobiele betalingsapplicaties niet evenredig mee-evolueert.

32

Wanneer we dieper ingaan op een definitie van mobiel betalen zien we dat verschillende

invullingen mogelijk zijn. Zo kan er worden betaald per verstuurde SMS of aan de hand van

het scannen van een QR-code. Ook is het mogelijk om een onderscheid te maken naargelang

het bedrag dat via mobiele toestellen worden getransfereerd, of naargelang de verschillende

stappen die de consument dient te doorlopen. We kiezen in dit onderzoek dan ook voor een

zeer beschrijvende definitie gegeven in het onderzoek van Kim & Mirusmonov & Lee (2009,

p.4-5) daar we geloven dat deze het beste aansluit bij de actualiteit: ‘M-payment is an

alternative payment method for goods, services and bills/ invoices. It uses mobile devices

(such as a mobile phone, smart-phone or personal digital assistant) and wireless

communication technologies (such as mobile telecommunication networks, or proximity

technologies). Mobile devices can be utilized in a variety of payments, such as payments for

digital content, concert of flight tickets, parking fees, and bus, tram, train and taxi fares.

Mobile devise access and utilize mobile payment services to pay bills and invoices. Mobile

devices allow the users to connect to a server, perform authentication and authorization,

make a mobile payment and subsequently confirm the completed transaction.’

We focussen in deze definitie bijgevolg op een issuer-centric model, maar maken verder geen

onderscheid tussen micro-, mini- of macropayments. Onze motivering is gebaseerd op basis

van een exhaustieve lijst aan deelfactoren. Ook geloven wij dat deze definitie de beste

aansluiting vindt bij de hedendaagse realiteit.

Het in kaart brengen van verschillende factoren die een invloed uitoefenen op de intentie om

een bepaald gedrag uit te voeren, gebeurt enerzijds aan de hand van UTAUT. We achten

UTAUT het meest geschikte model gezien de brede focus op de verschillende mogelijke

domeinen die de consument belangrijk vindt in het adoptieproces. Anderzijds concluderen we

dat vertrouwen in de literatuur vaak wordt aangehaald als cruciale factor met een invloed op

de gedragsintentie en bijgevolg ook op het adoptieproces van nieuwe technologieën. Daarom

kiezen we ervoor om UTAUT te combineren met het Initial Trust Model, gezien deze volgens

ons een brede scope en focus legt op de verschillende invullingen van het concept vertrouwen.

In onderstaande tabel kan de lezer de verschillende concepten terugvinden afkomstig uit

UTAUT en Initial Trust model, net als de invulling/definitie van deze concepten. Ten slotte

vindt de lezer het hypothese testing basismodel terug waarbij duidelijk wordt aangegeven hoe

beide theorieën worden gecombineerd.

33

Tabel 1 – Definities van de verschillende concepten uit UTAUT en ITM

Concept Definitie

Performance Expectancy De mate waarin een individu/consument gelooft dat door middel

van het gebruik van een innovatie/nieuwe technologie voordelen

kunnen worden behaald in vergelijking met een oudere

technologie.

Effort Expectancy De mate van gepercipieerd gemak wanneer de consument de

nieuwe technologie gebruikt.

Social Influence De mate waarin het individu percipieert dat beïnvloeders uit de

dichte omgeving geloven dat hij of zij de nieuwe technologie zou

moeten gebruiken.

Facilitating Conditions De mate waarin het individu gelooft dat er organisatorische

middelen en technische infrastructuur bestaan om de nieuwe

technologie/systeem te ondersteunen.

Behavioural Intention De mate waarin een persoon bewust plannen heeft vooropgesteld

om een bepaald toekomstig gedrag al dan niet uit te voeren.

Initial Trust Een belangrijke determinant omtrent het geloof om te

interageren/(nieuwe) handelingen uit te voeren met anderen die

geen deel uit maken van de directe omgeving.

Structural Assurances Overkoepelende term die wijst op bepaalde waarborgen gegeven

door een bedrijf om het vertrouwen en gepercipieerde risico bij

de consument positief te beïnvloeden.

Personal Propensity to

Trust

De mate waarin een persoon van natuur geneigd is om andere

personen te vertrouwen.

34

Figuur 4. Hypothese testing basismodel

35

DEEL II: EMPIRISCH ONDERZOEK

HOOFSTUK 4: Methode

In de voorgaande literatuurstudie hebben we twee grote delen behandeld. Ten eerste trachten

we het begrip mobiel betalen te kaderen in de huidige samenleving alsook het vinden van een

definitie die we in dit onderzoek zullen hanteren. Daarnaast gingen we dieper in op het

theoretische kader die we in deze Masterproef hanteren.

In dit deel omschrijven we de volledige aanpak en inzet van het onderzoeksdesign. Op basis

van conclusies genomen uit de literatuur, plaatsen we de consument centraal in het

conceptueel model, dat een combinatie is van UTAUT en Initial Trust Model.

We hebben hoofdstuk vier opgedeeld in vier onderdelen. Eerst behandelen we de

onderzoeksopzet waarbij we verder ingaan op de onderzoeksvraag die we willen

beantwoorden, alsook op de uiteenzetting van het structureel model. Daarna volgt de

steekproefomschrijving, die een beeld geeft van de respondenten die aan dit onderzoek

hebben deelgenomen. Ten derde behandelen we het materiaal dat gebruikt wordt in deze

studie. Tenslotte besteden we aandacht aan de subdivisie 'Procedure'.

4.1. Onderzoeksopzet

Het doel van deze Masterproef is na te gaan welke factoren een invloed uitoefenen op de

intentie van de consument om mobiel betalen te gebruiken en te adopteren. We baseren ons

hiervoor op Unified Theory of Acceptance and Use of Technology aangevuld met het Initial

Trust Model. Het samenbrengen van verschillende modellen wordt ook in de literatuur steeds

vaker gedaan om zo de hiaten en kritiek van een enkel model op te vangen. Door het

samenbrengen van deze twee technologie adoptietheorieën ontstaat er een nieuw conceptueel

onderzoeksmodel dat zich focust op de factoren die een invloed uitoefenen op de

gedragsintentie van de consument.

36

De centrale vraag in dit onderzoek luidt: welke factoren oefenen een invloed uit op de intentie

om mobiel betalen te gebruiken en te adopteren? Op basis van deze onderzoeksvraag werden

verschillende hypotheses geformuleerd, hier de samenvatting:

H1: Er is een positief verband tussen ‘Performance Expectancy’ en ‘Behavioural

Intention to use’ bij mobiele betalingapplicaties.

H2: Er is een positief verband tussen ‘Performance Expectancy’ van mobiele

betalingsapplicaties en ‘een gebruikers Initial Trust’.

H3: Er is een positief verband tussen ‘Effort Expectancy’ van mobiele

betalingsapplicaties en ‘Behavioural Intentions to use’.

H4: Er is een positief verband tussen ‘Social Influence’ en ‘Behavioural Intention to use’

bij mobiele betalingsapplicaties.

H5: Er is een positief verband tussen ‘Facilitating Conditions’ en de adoptie van mobiele

betalingsapplicaties.

H6: Er is een positief verband tussen ‘Behavioural Intention to use’ mobiele

betalingsapplicaties’ en de adoptie van een gebruiker.

H7: Er is een positief verband tussen een gebruikers ‘Initial Trust’ en ‘Behavioural

Intention to adopt’ mobiele betalingsapplicaties.

H8: Er is een positief verband tussen ‘Structural Assurances’ en een gebruikers ‘Initial

Trust’ in mobiele betalingsapplicaties.

H9: Er is een positief verband tussen een ‘Personal Propensity to Trust’ en een

gebruikers ‘Initial Trust’ in mobiele betalingsapplicaties.

Om deze hypothesen te toetsen, maken we gebruik van een online survey die data zal

aanleveren voor een structural equation model. Hiervoor wordt elke hypothese aan een

variabele gelinkt, die op haar beurt gemeten wordt aan de hand van verschillende vragen, elk

geschaald op een 7-punten Likert schaal gaande van zeer oneens tot sterk mee eens.

Vervolgens worden de resultaten komende uit het SEM getoetst/gecontroleerd via

verschillende focusgroepen.

37

Het onderstaande conceptueel model toont aan hoe het onderzoek is opgezet. Voor het

volledige meet- en structureel model dient de lezer zich te wenden tot de bijlage 1.

Figuur 5. Hypothese testing basismodel

4.2. Steekproefomschrijving

De doelgroep die we in deze verhandeling wensen te onderzoeken, wordt in de literatuur

omschreven als generatie Y. Dit zijn de jongvolwassenen geboren tussen het jaar 1982 en

2002. We kiezen ervoor deze leeftijdsgroep in te krimpen, gezien er minderjarigen in deze

doelgroepomschrijving zijn betrokken. Hiervoor dienen we een schriftelijke toestemming van

ouders van minderjarigen te verzamelen, wensen we te voldoen aan de ethische regelgeving.

Doordat de online survey via een link wordt rondgestuurd via sociale media en andere fora

wordt het onmogelijk om ouders over het onderzoek in te lichten. Hieruit volgt bijgevolg de

keuze om de doelgroep in te krimpen.

We omschrijven in dit onderzoek generatie Y of de millennials met andere woorden als alle

jongvolwassenen geboren tussen het jaar 1982 en 1996. Palfrey & Gasser (2008, p. 4)

herleiden de millennials in volgende quote tot de essentie van het begrip: ‘Unlike those of us

38

just a shade older, this new generation didn’t have to relearn anything to live lives of digital

immersion. They learned in digital the first time around; they only know a world that is

digital.’

De keuze voor deze doelgroep is gebaseerd op literatuurdata, waaruit blijkt dat deze

doelgroep sneller nieuwe technologieën eigen maakt doordat zij in een technologietijdperk

zijn geboren (Wang & Wu & Whang, 2009). Daarnaast is 32,75% van de Belgische bevolking

geboren na 1982, waaruit we afleiden dat zij één van de belangrijkste groepen toekomstige

consumenten vertegenwoordigt (Belgian Federal Government, 2013). Wij geloven dat het

belangrijk is de adoptiefactoren van deze groep toekomstige consumenten in kaart te brengen

zodoende waardevolle inzichten te leveren aan ontwikkelaars en beleidsmakers, betrokken bij

de ontwikkeling, implementatie en uitvoering van mobiele betalingsapplicaties.

4.2.1. Survey

Aangezien we tijdens het eerste luik van dataverzameling gebruik maken van een Structural

Equation Model, is het aantal respondenten van cruciaal belang zodoende kwaliteitsvolle

input te generen. De ondergrens van minimum aantal respondenten voor een SEM ligt op 200.

In deze Masterproef maken wij echter gebruik van de vuistregel 10x het aantal manifeste

variabelen. In het meetmodel, dat de lezer kan terugvinden in bijlage 1, vinden we in totaal 37

manifeste variabelen terug waardoor het aantal minimum respondenten neerkomt op 370. Na

het afsluiten van de online survey komen we tot de conclusie dat 533 respondenten hebben

deelgenomen. Hiervan zijn 380 respondenten daadwerkelijk bruikbaar omdat deze voldoen

aan de minimale leeftijdsvoorwaarde. We voldoen dus met andere woorden aan de stelregel

10x het aantal manifeste variabelen. In onderstaande tabel geven we de verdeling van de

bruikbare onderzoeksgroep weer:

Tabel 2 – Samenstelling van de onderzoeksgroep

Persoonsgegevens Categorieën N = % Cumulatief %

Geslacht Man 177 46,58% 46,58%

Vrouw 203 53,42% 100%

Leeftijd 18 en ≤ 23 105 27,63% 27,63%

24 en ≤ 28 212 55,79% 83,42%

29 en ≤ 33 63 16,58 100%

39

Opleiding Lager onderwijs 1 0,26% 0,26%

Hoger onderwijs 52 13,68% 13,95%

Professionele bachelor 78 20,53% 34,47%

Academische bachelor 49 12,89% 47,37%

Voorbereidingsprogramma of schakeljaar 23 6,05% 53,42%

Masterdiploma 173 45,53% 98,95%

Avondscholing 1 0,26% 99,21%

Andere 3 0,79% 100%

Beroep Student 164 43,16% 43,16%

Arbeider 6 1,58% 44,74%

Bediende 126 33,16% 77,89%

Manager of kader lid 33 8,68% 86,58%

Zelfstandige, vrij beroep 35 9,21% 95,79%

Horeca 4 1,05% 96,84%

Werkloos 2 0,53% 97,37%

Huisvrouw/ -man 0 0,00% 97,37%

Andere 10 2,63% 100%

Maandelijks

inkomen (netto)

Geen 100 26,32% 26,32%

Zeg ik liever niet 20 5,26% 31,58%

< €1000 56 14,74% 46,32%

€1000 < x < €2000 127 33,42% 79,74%

€2000 < x < €3000 65 17,11% 96,84%

> €3000 12 3,16% 100%

4.2.2. Focusgroep

Na het verzamelen van het minimum aantal respondenten voor de online survey, kiezen we

ervoor om via 2 focusgroepen dieper in te gaan op de kwantitatieve resultaten. De uitleg

omtrent de procedure en de uitvoering van de focusgroep kan de lezer vinden onder de

paragraaf 4.4. Procedure. Toch geven we al mee dat we in dit onderzoek kiezen voor

focusgroepen van minimum 6 en maximum 10 personen waarbij homogenisering wordt

nagestreefd (Mortelmans, 2013).

40

We baseren onze keuze van respondenten enerzijds op demografische variabelen omdat we in

deze Masterproef een onderzoek voeren binnen de leeftijdsgroep 18 en 33-jarigen (Palfrey et

al., 2008; Wang et al., 2009). Ook stellen we onze focusgroepen samen aan de hand van

attitudekenmerken ten opzichte van mobiele betalingsapplicaties. We kiezen ervoor om

naargelang een gemiddelde score lager/hoger dan 5, bij de variabele Behavioural Intention, de

respondenten in de twee verschillende focusgroepen in te delen. Onze motivering voor deze

keuze linken we aan de centrale onderzoeksvraag in dit onderzoek, namelijk welke factoren

oefenen een invloed uit op de intentie om mobiel betalen te gebruiken en te adopteren? We

stellen bijgevolg dat onze selectie van respondenten in de focusgroepen data driven is

zodoende dieper in te gaan op de resultaten van SEM. Onderstaande tabel verduidelijkt de

gehanteerde keuze en indeling van de verschillende focusgroepen.

Tabel 3 – Indeling focusgroepen

Gemiddelde score

‘Behavioural Intention’

Aantal

respondenten

Focusgroep 1 < 5 6

Focusgroep 2 > 5 6

Verder leiden we reeds af uit de ingevulde drop-offs dat 11 respondenten in het bezit zijn van

een smartphone. Een respondent vermeldt hierbij dat hij in het bezit was van een smartphone,

maar dat deze werd gestolen enkele maanden geleden. Ook stellen we vast dat 4 respondenten

een tablet bezitten, ofwel als persoonlijke bezitting ofwel als gemeenschappelijk toestel in

huiselijke kring.

4.3. Materiaal

In dit onderdeel verdiepen we ons kort in de statistische analyse van de kwantitatieve data aan

de hand van een cronbach’s alpha test. Vervolgens behandelen we kort de modelfit methoden

die we noodzakelijk achten, willen we kwaliteitsvolle output genereren.

4.3.1. Betrouwbaarheidsanalyse

Uit de literatuurstudie kwamen reeds negen variabelen naar voor. Deze latente variabelen

vormen de basis van het Structural Equation Model, dat een combinatie is van UTAUT en

ITM. Elk van deze variabelen werd in de online survey bevraagd aan de hand van een aantal

41

vragen, met behulp van schalen. Deze schaalconstructie is gebaseerd op eerder gevalideerde

schalen, die we uit de literatuur distilleerden. Deze kunnen worden geconsulteerd in bijlage 3.

Elk van deze stellingen/vragen werd gevalideerd op een 7-punten Likert schaal gaande van

‘zeer oneens’ tot en met ‘sterk mee eens’.

Hoewel de schalen die we hanteren in deze Masterproef uit voorgaand onderzoek werden

gehaald, dienen we deze schalen andermaal te testen. Hiervoor maken we gebruik van een

cronbach’s alpha analyse, waarbij de minimum waarde gelijk wordt gesteld aan 0.70. In

onderstaande tabel lijsten we Cronbach’s alpha coefficienten voor de lezer op.

Tabel 4 – Betrouwbaarheidsanalyse (Cronbach’s alpha)

Variabele Schalen Cronbach’s alpha

Performance

Expectancy

PE_1

PE_2

PE_3

PE_4

0.858

Effort

Expectancy

EE_1

EE_2

EE_3

EE_4

0.868

Social

Influence

SI_1

SI_2

SI_3

SI_4

0.712

Facilitating

Conditions

FC_1

FC_2

FC_3

FC_4

0.625

Behavioural

Intention

BI_1

BI_2

BI_3

BI_4

BI_5

0.903

42

Adoption A_1

A_2

A_3

A_4

0.881

Personal

Propensity to

Trust

PPT_1

PPT_2

PPT_3

PPT_4

0.809

Structural

Assurances

SA_1

SA_2

SA_3

SA_4

0.776

Initial Trust IT_1

IT_2

IT_3

IT_4

0.883

Ondanks het feit dat reeds gevalideerde schalen werden geïntegreerd in deze Masterproef en

er een pretest werd uitgevoerd, zien we dat de somschaal Facilitating Conditions ondermaats

scoort. Bijgevolg creëren we hiervoor dan ook geen somschaal en nemen we dit mee als een

tekortkoming in het onderzoek.

4.3.2. Structural Equation Model

SEM of structural equation modelling is een serie van statistische modellen waarbij de relaties

tussen verschillende variabelen simultaan wordt onderzocht. Het doel van deze methode is de

structuur van de inter-relaties te verklaren aan de hand van bepaalde constructen afkomstig uit

een serie van vergelijkingen. Doordat de basis van SEM in factor analyse en multiple

regressieanalyse ligt, is in dit onderzoek SEM de beste keuze daar we met andere multivariate

data-analyse technieken slechts één relatie tegelijkertijd kunnen onderzoeken (Hair et al.,

2006; Blunch, 2008; Byrne, 2013).

43

Ten gevolge van onze keuze voor SEM dienen aan verschillende eisen voldaan te zijn bij de

verwerking van alle data. In de literatuur zijn voorbeelden teruggevonden waarbij

verschillende testen worden uitgelegd opdat het model representatief zou zijn. Testen als TLI

(Tucker-Lewis index), CFI (Comparative fit index) of RMSEA (Root mean square error of

approximation) worden in de literatuur het meest beschreven. De lezer kan de verdere

uitwerking van de modelfit-testen terugvinden in ‘Hoofdstuk 5: Onderzoeksresultaten’, daar

de bespreking eerder van toepassing is bij de analyse van de data. (Hair et al., 2006; Blunch,

2008; Byrne, 2013)).

4.4. Procedure

In het laatste onderdeel van dit hoofdstuk gaan we dieper in op de aanpak en procedure van

beide onderzoeksmethoden. Allereerst verduidelijken we de methode die werd gehanteerd bij

de online survey, waarna we overgaan tot de focusgroep.

4.4.1. Online survey

We hebben de vragenlijst via het online programma ‘Qualtrics’ ontworpen. De link met deze

vragenlijst, werd zo via verschillende wegen doorgegeven aan vrienden, familie, kennissen en

collega’s rekening houdend met het gewenste profiel van de respondent. Ook werd de link

gedeeld met verschillende fora en sociale media zodoende een zo groot mogelijke diversiteit

aan respondenten te bereiken. Door de keuze om de vragenlijst voornamelijk te versturen naar

vrienden, familie en kennissen en daar de onderzoeker zelf een studente is, opgegroeid in een

omgeving die voornamelijk bestaat uit hoger opgeleide mensen, kan er zich een vertekening

voordoen in de onderzoeksgroep. Dit omschrijven we als een soort onbedoelde selectie bias.

Deze onbedoelde impacts, zoals bijvoorbeeld de sociale wenselijkheidsbiases, kunnen

weliswaar nadelig zijn voor de representativiteit van de studie.

Daarnaast willen we meegeven dat de vragenlijst digitaal werd ingevuld zonder de

aanwezigheid van de onderzoeker. Daarom werden alle vragen duidelijk uitgelegd en lieten

we de vragenlijst starten met een inleidende en allesomvattende uitleg over het onderzoek en

bijhorende definities. Voorafgaand aan de start van de vragenlijst lieten we de respondent

allereerst een stelling aanduiden betreffende de leeftijd, zodoende een eerste controle in te

44

voeren om te verifiëren of de respondent wel voldoet aan de gewenste kwalificaties.

Afsluitend in de online survey bevroegen we de demografische gegevens van de respondent

en lieten we hem/haar zijn/haar geboortejaar nogmaals invullen als tweede controle.

Door Qualtrics te kiezen, kunnen we de respondenten dwingen om op alle vragen te

antwoorden. Indien zij dit met andere woorden niet doen, kunnen zij de online vragenlijst niet

verder afwerken. Dankzij deze methode van ‘forced answer’ vermijden we missing data in

ons SPSS-bestand voor latere statistische verwerking van de verzamelde data. Dit verhoogt de

volledigheid en kwaliteit van de verzamelde data.

We kozen voor een online vragenlijst omdat we geloven dat het mogelijk is om de vragenlijst

in te vullen zonder dat de aanwezigheid van de onderzoeker vereist is. Deze manier van

werken biedt een voordeel aan de respondent die eerlijker durft te antwoorden en de vragen

kan invullen wanneer het hem/haar best past. Wel moeten we rekening houden met het feit dat

sommige respondenten door de afwezigheid van de onderzoeker de vragenlijst minder

nauwkeurig en aandachtig invullen.

Het verloop van de online survey kan de lezer terugvinden in Bijlage 2.

4.4.2. Focusgroep

Na de verwerking van de resultaten volgend uit de online survey en toegepast in het SEM,

wensen we hierop dieper in te gaan via focusgroepen. We wensen hierbij de resultaten te

toetsen/controleren en uit te diepen zodoende kwaliteitsvolle resultaten aan te leveren.

We hebben 2 focusgroepen samengesteld van minimaal zes en maximaal tien respondenten.

De keuze voor het aantal personen is een algemene richtlijn die we consulteerden in

Mortelmans (2013). Voor de representativiteit van de kwalitatieve gegevens werden initieel

drie verschillende sessies met drie verschillende samengestelde focusgroepen gepland. Gezien

het lage aantal ingeschreven vrijwilligers konden slechts 2 doelgroepen worden uitgevoerd.

Bij de samenstelling van de focusgroepen kozen we voor een zo homogeen mogelijk

samenstelling, zodoende sociale wenselijkheids- en volgzaamheidsbiases te vermijden. Wij

geloven dat dit het gesprek ten goede komt doordat de respondent sneller overgaat tot een

45

open gesprek wanneer hij/zij met gelijken rond de tafel zit. We selecteerden de respondenten

op basis van het geboortejaar alsook op basis van hun gemiddelde score op de variabele

‘Behavioural Intention’. Zo werden respondenten geselecteerd in focusgroep 1 omdat hun

gemiddelde score lager lag dan 5 bij de variabele BI, terwijl de respondenten uit focusgroep 2

een hogere gemiddelde score hadden dan 5. We kunnen met andere woorden stellen dat de

focusgroep 1 een lagere intentie had tot het adopteren en gebruiken van mobiele

betalingsapplicaties, terwijl focusgroep 2 een hogere intentie had. Er werd geen onderscheid

naar geslacht gemaakt, daar de literatuur hier geen indicaties naar relevantie aangeeft. We

maken voor onze selectie derhalve geen gebruik van vastgelegde steekproefkaders

(Mortelmans, 2013; De Pelsmacker & Van Kenhove, 2010).

Bij de aanvang van de focusgroep werd door de deelnemers een algemene drop-off ingevuld,

als opstap naar het gesprek. Deze heeft als doel vooraf gestandaardiseerde informatie rond

betaalgedrag en mate van individuele nieuwe technologie adoptie te verzamelen.

Daarnaast c

ZONDER CASH EN ELEKTRONISCHE BANKKAART, IS DE …...We bemerken dat het verregaande...

Documents

Transcript of ZONDER CASH EN ELEKTRONISCHE BANKKAART, IS DE …...We bemerken dat het verregaande...