“WHY STAY IF WE CAN CHANGE?” EEN ONDERZOEK NAAR DE FACTOREN DIE CONSUMENTEN VERLEIDEN TOT EEN VERANDERING VAN TELECOMPROVIDER Wetenschappelijke verhandeling Aantal woorden: 17.559
Gretel Coorevits Stamnummer: 01710982
Promotor: Prof. dr. Tom Evens Commissaris: Kristin Van Damme Masterproef voorgelegd voor het behalen van de graad master in de richting Communicatiewetenschappen, afstudeerrichting Communicatiemanagement
Academiejaar: 2018 – 2019
III
Dankwoord
Ter afsluiting van mijn opleiding Communicatiewetenschappen presenteer ik met gepaste trots
deze thesis. Al gebiedt de eerlijkheid mij te zeggen dat dit werk tot stand kwam dankzij de hulp
van velen.
In eerste instantie wil ik mijn promotor - professor doctor Tom Evens - uitvoerig bedanken.
Gedurende het hele proces stond hij me bij met rake opmerkingen, advies en richtlijnen. Van
zodra ik een vraag had, hielp hij me snel verder. Zonder hem was dit werk niet geworden wat het
is.
Daarnaast richt ik mij tot mijn ouders. Ze gaven me de kans om mezelf via een hogere opleiding
te ontplooien. Dankzij hun financiële en mentale steun kon ik na mijn professionele bachelor
verder studeren om een master te behalen. Ze motiveerden me waar nodig, ook als de
combinatie werk-studeren soms wat te zwaar werd.
Ten derde wil ik ook Het Nieuwsblad bedanken om me de kans te geven om reeds werkervaring
op te doen tijdens de laatste twee jaar van mijn studies. Naast enkele fantastische ervaringen
deed ik een pak extra vaardigheden op. Dankzij de combinatie werk-studeren leerde ik beter te
plannen en stelselmatig te werken. Het kwam me van pas tijdens de voltooiing van het proces
van dit eindwerk.
Ik ben ook alle personen erkentelijk die me geholpen hebben met mijn masterproef, door mijn
survey te helpen verspreiden, of delen van mijn werk na te lezen. Speciale dank gaat uit naar
Caroline Steeland en Jonas Dhaenens die mijn thesis nalazen.
En last but not least dank ik ook mijn klasgenoten. Voor de hulp en steun die we elkaar boden
tijdens de voltooiing van onze masterproef.
IV
Inhoudsopgave
Dankwoord ...................................................................................................................................... III
Inhoudsopgave ................................................................................................................................ IV
Lijst van figuren en tabellen ............................................................................................................ VI
Abstract .......................................................................................................................................... VII
Abstract (English version) ............................................................................................................. VIII
1 Inleiding .................................................................................................................................... 9
2 Literatuurstudie ..................................................................................................................... 11
2.1 Construct switching intention ........................................................................................ 11
2.2 Strategieën om switching intention te beperken ........................................................... 12
2.3 Determinant gepercipieerde switching costs ................................................................. 14
2.4 Determinant gepercipieerde klanttevredenheid ........................................................... 16
2.5 Determinant gepercipieerde content kwaliteit .............................................................. 18
2.6 Determinant abonnement op bundel ............................................................................ 21
2.7 Conclusie literatuurstudie .............................................................................................. 23
3 Methodologie ......................................................................................................................... 27
3.1 Structureel model .......................................................................................................... 27
3.2 Onderzoeksdesign .......................................................................................................... 28
3.2.1 Dataverzamelingsmethode en sample procedure ..................................................... 28
3.2.2 Analysemethode ........................................................................................................ 29
3.2.3 Steekproef .................................................................................................................. 32
3.2.4 Operationalisering van de gebruikte concepten ........................................................ 33
3.3 Principale componenten analyse ................................................................................... 38
V
4 Resultaten .............................................................................................................................. 41
4.1 Profiel van de respondenten .......................................................................................... 41
4.2 Structural equation modeling ........................................................................................ 44
4.2.1 Vernieuwd full model ................................................................................................. 46
4.2.2 Interpretatie van de model fit indices ........................................................................ 47
4.2.3 Interpretatie van de regressiegewichten ................................................................... 50
4.3 Regressie: abonnement op bundel en switching intention ............................................ 55
5 Discussie ................................................................................................................................. 58
Bibliografie ..................................................................................................................................... 63
Bijlagen ........................................................................................................................................... 71
Bijlage 1: Survey ......................................................................................................................... 71
Bijlage 2: Items om de verschillende constructen te meten ...................................................... 77
Bijlage 3: Pre-test ....................................................................................................................... 79
Bijlage 4: Principale componenten analyse ............................................................................... 81
VI
Lijst van figuren en tabellen
Figuren
Figuur 1: Structureel model met hypotheses ................................................................................. 27
Figuur 2: Full model zonder hypotheses ........................................................................................ 45
Figuur 3: Vernieuwd en definitief full model ................................................................................. 46
Figuur 4: Definitief full model met bijhorende gestandaardiseerde waarden ............................... 54
Figuur 5: Scatterplot abonnement op bundel en switching intention ........................................... 55
Tabellen
Tabel 1: Verdeling van de steekproef per leeftijdscategorie ......................................................... 33
Tabel 2: Construct switching intention .......................................................................................... 34
Tabel 3: Construct gepercipieerde switching costs ........................................................................ 35
Tabel 4: Construct gepercipieerde klanttevredenheid .................................................................. 36
Tabel 5: Construct gepercipieerde content kwaliteit ..................................................................... 36
Tabel 6: Construct abonnement op bundel ................................................................................... 37
Tabel 7: Overzicht van de maatstaven per schaal .......................................................................... 37
Tabel 8: Rotated component matrix van de items in het model ................................................... 40
Tabel 9: Overzicht van het gebruik van telecomdiensten .............................................................. 41
Tabel 10: Aantal diensten in de bundel van respondenten ........................................................... 42
Tabel 11: Construct attitude tegenover switching ......................................................................... 43
Tabel 12: CMIN van het model ....................................................................................................... 47
Tabel 13: Baselines Comparisons van het model ........................................................................... 48
Tabel 14: Parsimony-Adjusted Measures van het model .............................................................. 48
Tabel 15: Root Mean Square Error of Approximation (RMSEA) van het model ............................. 49
Tabel 16: Regressiegewichten van de onderdelen van het model ................................................ 50
Tabel 17: Gestandaardiseerde regressiegewichten van de modelonderdelen .............................. 52
Tabel 18: Samenvatting van de enkelvoudige regressievergelijking .............................................. 56
Tabel 19: Coëfficiënten van abonnement op bundel in de regressievergelijking .......................... 57
Tabel 20: Overzichtstabel van de bevindingen over de hypotheses .............................................. 57
VII
Abstract
In deze wetenschappelijke verhandeling wordt een antwoord gezocht op de onderzoeksvraag:
“Welke factoren zetten mensen ertoe aan om al dan niet te veranderen van provider van
telecommunicatiediensten?”. Verschillende factoren spelen immers een rol bij de switching
intention van consumenten. In een competitieve telecommarkt wordt een defensieve strategie
steeds eminenter. Die moet ervoor zorgen dat consumenten trouw blijven aan een bedrijf. De
jaarlijkse overstapcijfers liggen immers tussen 20 en 38 procent en dat overstapgedrag kost de
industrie miljarden. Om een overstap te kunnen voorspellen, is het belangrijk om te weten welke
factoren een switching intention veroorzaken. Uit eerder onderzoek bleek reeds dat
klanttevredenheid en hoge overstapdrempels de switching intention het meest beïnvloeden. Een
andere, iets recentere praktijk is het aanbieden van bundels. Dat zijn pakketten waarin
consumenten twee of meer diensten van één provider afnemen, waarbij de verrekening op één
factuur gebeurt. Het werd een populaire marktstrategie in de telecomsector om klanten trouw te
doen blijven aan een bedrijf, net als het aanbieden van kwaliteitsvolle content. Toch zijn dat
twee factoren die nog te weinig aan bod zijn gekomen in de literatuur en die meegenomen
worden in dit onderzoek. Ook worden de gepercipieerde switching costs en gepercipieerde
klanttevredenheid onderzocht via S.E.M. Uit deze studie blijkt dat gepercipieerde switching costs,
gepercipieerde klanttevredenheid en het hebben van een abonnement op een bundel significant
de switching intention verklaren. Namelijk, als de drie factoren één standaardwaarde toenemen,
dan daalt de switching intention van de consumenten in dit onderzoek. Gepercipieerde content
kwaliteit is geen significante voorspeller van hun switching intention, maar heeft wel een invloed
op de gepercipieerde klanttevredenheid. Daaruit kan geconcludeerd worden dat
telecombedrijven de vier praktijken kunnen blijven toepassen in een poging de switching
intention van consumenten te doen dalen.
VIII
Abstract (English version)
This academic dissertation searches an answer for the following research question: “Which
factors urge people to switch to another provider of telecommunication?” After all, different
factors play an important role in the switching intention of consumers. A defensive strategy
becomes more and more eminent in a very competitive telecommunication market. This strategy
must ensure that consumers stay loyal to the company. The annual switching numbers are
between 20 and 38 percent and the cost of this switching behavior is being estimated up to
billions of euros. In order to predict a potential switching, it is important to know the different
factors that might cause a switching intention. Earlier research shows that customer satisfaction
and high switching costs are the major influencers on the switching intention of a consumer.
Another more recent practice is offering bundles. A bundle is a package deal in which customers
use two or more different services from one provider, to be paid by the same invoice. It has
become a popular market strategy in the telecommunication sector to retain consumers.
Offering quality content must serve the same goal. These two factors have not been studied
thoroughly enough and will be covered by this academic dissertation (via S.E.M.). As well as
customer satisfaction and switching costs. This study shows that perceived switching costs,
perceived customer satisfaction and having a bundle significantly explain the switching intention
of the participating consumers. If those factors increase by one standard deviation, their
switching intention will decrease. Perceived content quality is not a significant predictor of their
switching intention, but does have an influence on the perceived customer satisfaction of the
participating consumers. The results imply that the telecom sector can keep using these four
means in an attempt to hold back their consumers to switch from provider.
9
1 Inleiding
In de telecomsector is er steeds meer concurrentie, mede door de liberalisering van de markt en
de opkomst van het internet (Uner, Güven, & Cavusg, 2015). Het internet zorgde voor nieuwe
spelers zoals Whatsapp, Messenger en Viber. Dit bracht een paradox met zich mee omdat die
nieuwe diensten concurreren met de gevestigde basistelecomproducten zoals de sms. De
overstapintentie van consumenten, ook wel switching intention genoemd, werd een steeds
grotere zorg voor wereldwijde telecomproviders (Uner et al., 2015). In een zeer competitieve
omgeving waarin ontevreden consumenten makkelijk kunnen overstappen naar een concurrent,
proberen telecomoperatoren de churn (of uitval) te beperken (Oghojafor, Mesike, Bakarea,
Omoera, & Adeleke, 2012).
Die churn kost de telecomsector miljarden dollars (Uner et al., 2015). De jaarlijkse overstapcijfers
liggen gemiddeld tussen de 20 en 38 procent wereldwijd (Ahn, Han, & Lee, 2006; Berson, Smith,
& Thearling, 1999; Kim, Park, & Jeong, 2004; Madden, Savage, & Coble-Neal, 1999; Uner et al.,
2015). Om succesvol te zijn in de telecommarkt kan de strategische focus van een bedrijf
omslaan van het aanwerven van consumenten naar het behouden ervan (customer retention
genoemd) (Ahn et al., 2006). Want uit eerdere studies bleek dat een nieuwe klant aanwerven vijf
à zes keer duurder is dan ervoor te zorgen dat een consument blijft (Ahn et al., 2006; Verbeke,
Dejaeger, Martens, Hur, & Baesens, 2011).
Zo proberen providers klanten langer aan zich te binden door hoge overstapdrempels (switching
costs genoemd) te creëren (Calvo-Porral, Faiña-Medin, & Nieto-Mengotti, 2016; Uner et al.,
2015). Een andere optie is om de consument te verleiden tot een abonnement op een bundel.
Dat zijn pakketten waarin klanten minstens twee producten van één provider opnemen. De
betaling van die diensten gebeurt via één factuur, vaak tegen een voordelige prijs. Tegenwoordig
beschikt 45 % van de Europese huishoudens over zo’n bundel (Uner et al., 2015).
Een complexe structuur van een bundel maakt het voor een klant nog moeilijker om van provider
te veranderen. Daarnaast proberen telecombedrijven om hun aanbod zo interessant mogelijk te
maken door extra content aan te bieden, meestal tegen betaling (Uner et al., 2015). Voorbeelden
10
zijn Play Sports (toegang tot sportcompetities), Play More (toegang tot series), of on demand
televisie kijken.
De content kan zowel gebruikt worden om consumenten weg te lokken bij een concurrerende
provider als om de klanten te behouden. Providers voeren een hevige strijd om het beste
sportpakket te bemachtigen, waarmee ze de consument kunnen verleiden om een abonnement
te nemen (Evens, Lefever, Valcke, Schuurman, & De Marez, 2010). Een ander recent voorbeeld is
de samenwerking tussen Studio 100 en Proximus. De Belgische provider zorgde ervoor dat de
content van Studio 100 exclusief bij haar te zien is. Telecomproviders gebruiken bundels en
content dus steeds vaker om de switching intention te reduceren. Maar toch is er nog maar
weinig onderzoek gebeurd naar het effect ervan op de switching intention. Daar bevindt zich dus
een grote lacune in de literatuur.
De churn kost de industrie jaarlijks miljarden dollars. Daarom is het belangrijk de factoren te
kennen die een switching intention bij de consument veroorzaken (Ahn et al., 2006). Zo bleek uit
eerder onderzoek dat hoge switching costs leiden tot een lagere switching intention (Julander &
Söderlund, 2003) en dat ontevredenheid een van de belangrijkste factoren is om te veranderen
(Calvo-Porral et al., 2016).
Aan de hand van een literatuurstudie willen we dan ook onze centrale vraag beantwoorden:
‘Welke factoren zetten mensen ertoe aan om al dan niet te veranderen van provider van
telecommunicatiediensten?’. Met specifieke aandacht voor het effect dat een abonnement op
een bundel en de gepercipieerde content kwaliteit daarop hebben. Daar ligt onze bijdrage aan de
literatuur. Deze studie is maatschappelijk relevant. De overlevingskans van elk bedrijf is namelijk
afhankelijk van een stabiel klantenbestand (Oghojafor et al., 2012). Het is dus belangrijk om de
switching intention te kunnen detecteren nog voor die zich stelt. Daarvoor moeten de factoren
die zo’n intention kunnen veroorzaken nog verder onderzocht worden. Als te veel consumenten
veranderen van provider, kost dit de industrie miljarden dollars en dat komt de bedrijfstak niet
ten goede. Ten slotte is het een actueel topic, want telecomproviders zoeken nog steeds naar de
juiste mix om een stabiel klantenbestand te realiseren.
11
2 Literatuurstudie
2.1 Construct switching intention
Het aantal consumenten dat verandert van telecomprovider heeft een significante impact op een
bedrijf. Jaarlijks kost dat de industrie miljarden dollars (Uner et al., 2015). Om die switching
intention te kunnen reduceren, werd reeds veel onderzoek gedaan naar de beïnvloedende
factoren (Bansal, Taylor, & St. James, 2005; Deng, Lu, Kee Wei, & Zhang, 2009; Oghojafor et al.,
2012; Verbeke et al., 2011).
Consumenten zijn trouw aan een dienstverlener omdat ze dat echt willen, of omdat ze denken
dat ze geen andere keuze hebben (Hirschman, 1970; Julander & Söderlund, 2003). Nochtans zijn
er verschillende aantrekkelijke alternatieven op de markt die de switching intention van de
consument kunnen verhogen (Lu, Tu, & Jen, 2011). Een andere provider is aantrekkelijk wanneer
de consument het aanbod en de service hoger inschat en als hij hoopt daar meer
klanttevredenheid te vinden (Patterson & Smith, 2003).
Uit empirisch onderzoek van Lu et al. (2011) blijkt dat consumenten bij hun huidige provider
blijven als er geen aantrekkelijke alternatieven zijn. Klanten hebben eveneens geen switching
intention als ze zich niet bewust zijn van alternatieven of wanneer ze die alternatieven niet als
beter percipiëren (Patterson & Smith, 2003).
In verschillende landen deed de overheid een inspanning om het voor de consument
gemakkelijker te maken om van telecomprovider te veranderen (Calvo-Porral et al., 2016; De
Croo, 2017). In België bijvoorbeeld verplichtte Minister van Digitale Agenda en Telecom,
Alexander De Croo, met zijn Easy Switch-procedure de telecomoperatoren om de overstap op
zich te nemen. De consument moet alleen nog aan zijn toekomstige provider doorgeven dat hij
wil overstappen. Die provider moet vervolgens al het werk op zich nemen. De consument moet
geen ingewikkelde procedure meer doorlopen om te veranderen en zal dus enkel bij zijn provider
blijven omdat hij dat wil. Op haar beurt kan de Easy Switch-procedure de switching intention van
12
een consument verhogen (Vervoort, 2017). Zo’n deregularisatie zorgt voor een open competitie
die op een efficiënte manier de beste prijzen voor de klant garandeert (Lunn & Lysons, 2018).
Variabelen die een invloed kunnen hebben op die switching intention zijn kwaliteit (Quach,
Jebarajakirthy, & Thaichon, 2015), gepercipieerde klanttevredenheid (Bansal et al., 2005; Calvo-
Porral et al., 2016), convenience (Deng et al., 2009; Lee, Tsai, & Corazon, 2010; Lewis, 1991;
Shafei & Tabaa, 2015), socio-demografische kenmerken (Kim & Yoon, 2004; Oghojafor et al.,
2012), gepercipieerde switching costs (Julander & Söderlund, 2003), verbruik (Gerpott, 2008;
Lambrecht & Skiera, 2006), bundels (Armstrong & Vickers, 2006), attitudes ten opzichte van
switching (Bansal & Taylor, 2002), verwachte winst bij switching (Lunn & Lysons, 2018) en
aanwezige content (Kuo, Wu, & Deng, 2009). Deze thesis zal daarvan gepercipieerde switching
costs, abonnement op een bundel, gepercipieerde content kwaliteit en gepercipieerde
klanttevredenheid verder onderzoeken. Maar eerst worden de strategieën behandeld die
telecomoperatoren gebruiken om switching intention te beperken.
2.2 Strategieën om switching intention te beperken
Sinds 2010 zijn de telecommunicatiemarkten stilaan gesatureerd en dan vooral in de ontwikkelde
landen. Veel Westerse landen hebben penetratiecijfers boven de 100 %, wat betekent dat er
meer telecomabonnementen zijn dan inwoners (Ahn et al., 2006; Calvo-Porral et al., 2016;
Verbeke et al., 2011, p.211). Wereldwijd bedraagt het cijfer 90 % (Dass & Jain, 2011). Het is een
van de redenen waarom churn management belangrijker wordt. Wetenschappers hebben het
gedrag van klanten dan ook uitvoerig bestudeerd. Daarbij ligt de focus vaak op datamining,
kwantitatief onderzoek en het ontwikkelen van modellen die de customer churn voorspellen.
Daarnaast voeren onderzoekers focus-studies naar switching gedrag in bepaalde landen uit (Ahn
et al., 2006; Calvo-Porral et al., 2016).
Uit die studies bleek dat een defensieve strategie winstgevend is. Telecombedrijven proberen nu
vooral hun huidige klanten te behouden. Nieuwe consumenten aanwerven kost namelijk veel
geld. Onderzoek wees uit dat het klantenbestand behouden tot zes keer goedkoper is dan te
proberen consumenten weg te kapen bij de concurrentie (Ahn et al., 2006; Keaveney &
13
Parthasarathy, 2001; Oghojafor et al., 2012; Verbeke et al., 2011). Daar komt bij dat
langetermijnklanten voor meer winst zorgen omdat ze de neiging hebben extra producten aan te
kopen. Ze zijn minder geïnteresseerd in de activiteiten van een concurrent én ze kunnen nieuwe
klanten aantrekken via positieve mond-aan-mond reclame. Het klantenbestand behouden is
essentieel, want het verlies van consumenten zorgt voor minder inkomsten, wat een invloed
heeft op de werking van een bedrijf (Ganesh, Arnold, & Reynolds, 2000; Keaveney &
Parthasarathy, 2001; Verbeke et al., 2011, p. 211).
Telecombedrijven zijn dus op zoek naar manieren om de switching intention te beperken. Ten
eerste proberen operatoren het de consument moeilijk te maken om te veranderen van
provider, door het creëren van switching costs, of overstapdrempels. Daarnaast proberen
telecomproviders de klanttevredenheid te doen stijgen, zodat consumenten uit zichzelf willen
blijven (Calvo-Porral et al., 2016).
Telecombedrijven ontwikkelden twee strategieën om de switching intention tegen te gaan. De
eerste is een aanpak zonder specifiek doelpubliek. Die strategie is gebaseerd op het hebben van
een superieur product en massareclame om de merktrouw en klanttevredenheid van
consumenten te verhogen. In een latere sectie zullen we zien dat klanttevredenheid de switching
intention weldegelijk beïnvloedt (Calvo-Porral et al., 2016).
De tweede strategie is er één die reactief of proactief werkt. Hier is er wel een specifiek
doelpubliek. Het bedrijf zal proberen de consumenten te identificeren die de intentie hebben om
te veranderen van provider en hen dan met een incentive of een op maat gemaakte service
proberen te overtuigen om toch te blijven (Kahn, Jamwal, & Sepehri, 2010; Oghojafor et al.,
2012).
Om die consumenten te identificeren, moet men weten welke factoren de switching intention
voorspellen. Uit de literatuur komen de determinanten gepercipieerde switching costs en
gepercipieerde klanttevredenheid het meest naar voor. Die resultaten behandelen we dan ook in
ons literatuurgedeelte. Daarnaast nemen we de reeds gevonden verbanden tussen de
14
gepercipieerde content kwaliteit en de switching intention van een consument mee, net als het
hebben van een abonnement op een bundel (Oghojafor et al., 2012; Omotayo & Joachim, 2008).
2.3 Determinant gepercipieerde switching costs
Een van de manieren waarop telecombedrijven pogen om consumenten langer aan zich te
binden, is het verhogen van overstapkosten. In de literatuur heet dit switching costs. Jones,
Mothersbaugh, en Beatty (2000) definiëren een switching cost als elke factor die het voor een
consument moeilijk of duur maakt om van serviceprovider te veranderen. Calvo-Porral et al.
(2016, p. 718) verdiepten die definitie. Volgens hen is “een switching cost elke factor die het
moeilijker of duurder maakt voor een klant om te veranderen van dienstverlening, inclusief de
som van de economische, psychologische of fysieke kost.”
Volgens Klemperer (1984; 1987) leiden hoge switching costs tot hogere prijzen. Consumenten
zijn minder geneigd om te veranderen van provider als reactie op een negatieve wijziging in de
voorwaarden. Switching costs maken consumenten dus minder prijssensitief. Klanten percipiëren
dat ze bij hun aanbieder moeten blijven, ongeacht hun tevredenheid. Volgens de Reactance
Theory zorgt die beperking van vrijheid voor een lagere klanttevredenheid (Ringold, 1988).
Verschillende studies onderzochten dan ook de relatie tussen switching costs en de
klanttevredenheid van consumenten (Jones et al., 2000; Julander & Söderlund, 2003). Zo
kwamen Jones et al. (2000) tot de conclusie dat de klanttevredenheid verminderde wanneer
consumenten de perceptie hadden dat de switching costs bij hun huidige provider hoog waren.
Dat werd bevestigd in een later onderzoek van Julander & Söderlund (2003), ook zij vonden
namelijk dat hoge gepercipieerde switching costs samenhangen met een lagere
klantentevredenheid, omdat de klant het gevoel heeft dat zijn vrijheid wordt beperkt.
Telecomoperatoren proberen desalniettemin een drempel te creëren. Onderzoek van Calvo-
Porral et al. (2016) wees immers uit dat gepercipieerde switching costs een determinerende
factor vormen voor de switching intention van een consument. Switching costs zijn de enige
determinanten die verklaren waarom klanten zelfs bij ontevredenheid beslissen om bij een
15
bedrijf te blijven. Dus zetten telecomfirma’s in op hoge overstapkosten omdat verschillende
studies reeds bewezen dat dat een overstap tegenhoudt (Bansal et al., 2005; Calvo-Porral et al.,
2016; Dass & Jain, 2011; Lee et al., 2010; Nakamura, 2010). Tegelijkertijd bleek uit
eerdergenoemde studie van Calvo-Porral et al. (2016) dat de invloed ervan beperkt is. Dat kan
eventueel verklaard worden door de plaats waar de studie plaatsvond, namelijk in Spanje waar
de overstapkosten heel laag zijn.
Calvo-Porral et al. (2016) spreekt studies zoals die van Lee, Kim, Lee, & Pa (2005) tegen. Volgens
laatstgenoemden hebben switching costs weldegelijk een significante invloed. Lee et al. (2005)
vonden immers in hun studie dat switching costs consumenten tegenhouden om te veranderen
wanneer ze de perceptie hebben dat het hun meer geld en moeite zal kosten dan dat het hen
voordeel oplevert. Dat bevestigde de resultaten van Julander & Söderlund (2003). Zij toonden
aan dat switching costs een positieve invloed hebben op de intentie van een klant om een dienst
opnieuw aan te kopen, en de switching intention dus verlagen. Bansal et al. (2005)
confirmeerden dit met hun studie, net als Deng et al. (2009).
Uit onderzoek blijkt dus dat switching costs invloed hebben op de switching intention van een
consument (Bansal et al., 2005; Jones et al., 2000). Alexander De Croo, Belgisch Minister van
Digitale Agenda en Telecom in de regering Michel I, probeerde hier in 2017 een antwoord op te
vinden met zijn Easy Switch-procedure. Daarmee bereikte hij dat telecomoperatoren zelf alle
nodige administratie op zich nemen wanneer een consument wil overstappen. Het enige wat een
consument nog moet doen, is signaleren dat hij wil veranderen van provider. Op die manier kan
een overstap veel vlotter verlopen want de switching costs verlagen aanzienlijk. De prijzen van
een telecomabonnement zullen automatisch dalen als meer consumenten de neiging hebben om
te veranderen van telecomoperator (De Croo, 2017). Als een consument gemakkelijker kan
overstappen naar de provider met het goedkoopste tarief, zal de concurrentie zich genoodzaakt
zien hun prijzen aan te passen (Vervoort, 2017). Het onderwerp blijft dus actueel en behoeft
verder onderzoek. Uit bovenstaande literatuur blijkt dat er een verband bestaat tussen switching
costs en de switching intention van een consument.
16
Daaruit volgt onderstaande hypothese:
Gepercipieerde switching costs voorspellen de switching intention van de consument.
(Bansal et al., 2005, p. 102; Jones et al., 2000, p. 262)
2.4 Determinant gepercipieerde klanttevredenheid
De tweede determinant die een significante impact heeft op de switching intention van een klant
is de gepercipieerde klanttevredenheid (Calvo-Porral et al., 2016; Dass & Jain, 2011; Omotayo &
Joachim, 2008; Verbeke et al., 2011). Er zijn twee perspectieven bij dit concept. Enerzijds is er het
transactieperspectief, dat stelt dat klanttevredenheid gebaseerd is op de evaluatie van de meest
recente aankoopervaringen (Boulding, Kalra, Richard, & Zeithaml, 1993). Anderzijds is er het
cumulatieve perspectief, dat stelt dat klanttevredenheid gebaseerd is op een algemene evaluatie
van de kwaliteit, gevormd door alle eerdere aankoopervaringen van een consument (Johnson &
Fornell, 1991). Volgens Parasuraman, Zeithaml, en Berry (1988) is de cumulatieve visie op
klanttevredenheid meer geschikt om de algehele prestatie van firma’s te beoordelen, alsook om
een heraankoop van klanten te voorspellen (Kuo et al., 2009). In deze thesis ligt de focus dan ook
op de cumulatieve visie.
Klanttevredenheid refereert aan de algemene evaluatie van de aankopen en de consumptie-
ervaring van klanten (Gerpott, Rams, & Schindler, 2001). De klanttevredenheidsliteratuur stelt
dat de informatie die personen vooraf gebruiken om hun keuze te maken, een invloed heeft op
hun prestatieverwachtingen. Bovendien draagt een positief merkbeeld bij tot een grotere
algehele klanttevredenheid (Calvo-Porral et al., 2016). Met andere woorden: klanttevredenheid
is het verschil tussen de verwachting van consumenten en hun perceptie van de prestatie van
een dienst (Parasuraman, Zeithaml, & Berry, 1985). Die klanttevredenheid speelt een belangrijke
rol voor het succes van een bedrijf (Kuo et al., 2009).
Prestatieverwachtingen beïnvloeden het consumentenoordeel in verband met tevredenheid. Als
de realiteit er niet mee overeenstemt, kan dat tot een overstap leiden. Bij klanten die hun
vroegere gebruikservaring positief evalueren, is er een grotere tevredenheid. In het omgekeerde
17
geval, dus wanneer er ontevredenheid opduikt, zal de switch-intentie groter worden (Bansal et
al., 2005; Keaveney & Parthasarathy, 2001). Daaraan gelieerd zorgt een sterke dienstverlening
voor meer tevredenheid, wat op zijn beurt de loyaliteit van klanten verhoogt (Deng et al., 2009;
Omotayo & Joachim, 2008).
Kahn et al. (2010) kwamen tot eenzelfde conclusie: als de taxatiewaarde van de consument goed
zit qua algemene kwaliteit en qua excellente dienstverlening, dan beïnvloedt dit de beslissing om
trouw te blijven aan een provider. Ze benadrukken dat een gunstige dienstverlening de loyaliteit
van een consument versterkt en dus de churn vermindert. Sterker nog, daarmee kunnen ook
nieuwe klanten aangeworven worden (Calvo-Porral et al., 2016; Dass & Jain, 2011; Kahn et al.,
2010; Verbeke et al., 2011).
Uit onderzoek blijkt dus dat klanttevredenheid een positief effect heeft op klantloyaliteit, terwijl
er volgens Calvo-Porral et al. (2016) een significant negatief verband (correlatie van -.802) is met
de overstapintenties van een consument (Bansal et al., 2005; Keaveney & Parthasarathy, 2001).
Verschillende studies wezen uit dat tevreden klanten dus minder snel zullen overstappen van
provider (Cronin, Brady, & Hult, 2000; Gerpott et al., 2001; Johnson & Fornell, 1991; Keaveney &
Parthasarathy, 2001; Kuo et al., 2009). Dat brengt met zich mee dat bestaande klanten loyaler
zijn dan nieuwe abonnees (Dass & Jain, 2011).
Een tevreden consument is bovendien niet alleen meer geneigd om tot een heraankoop over te
gaan, maar ook om de dienst aan te raden bij anderen (Zeithaml, Berry, & Parasuraman, 1996).
Maar zoals Calvo-Porral et al. (2016) aanhalen in hun studie: consumententevredenheid alleen is
niet voldoende om klanten aan zich te binden. Julander & Söderlund (2003) verklaren dit doordat
klanttevredenheid nooit alle variatie in overstapintenties kan verklaren. Ook moet er rekening
gehouden worden met andere factoren, zoals bijvoorbeeld de eerder aangehaalde switching
costs.
Die factoren kunnen ook met elkaar interageren. Zo bleek uit de literatuur dat de aanwezigheid
van switching costs de klanttevredenheid significant kan verlagen, alsook dat het positieve effect
18
van tevredenheid op de switching intention van een consument verdwijnt wanneer de
gepercipieerde switching costs hoog zijn (Julander & Söderlund, 2003).
Uit bovenstaande studies blijkt bijgevolg dat er een relatie is tussen gepercipieerde
klanttevredenheid en de switching intention van een consument. Daaruit wordt de volgende
hypothese gedestilleerd:
De gepercipieerde klanttevredenheid voorspelt de switching intention van de
consument (Bansal et al., 2005, p. 100; Calvo-Porral et al., 2016, p. 722; Jones et al.,
2000, p. 261; Kuo et al., 2009, p. 890)
2.5 Determinant gepercipieerde content kwaliteit
Door de stijgende competitieve aard van de markt, verdienen telecomoperatoren een kleinere
opbrengst per gebruiker. Daarnaast werd roaming in Europa afgeschaft en zijn er veel
consumenten die minder verbruiken. Dat alles zorgt voor een daling van de inkomsten. In een
poging de winsten te verhogen, proberen telecomoperatoren extra content aan te bieden.
Daardoor verandert de traditionele kijkervaring en kan de consument er zelf voor kiezen om on
demand films en series te bekijken. Een ander voorbeeld zijn sportrechten. Telecomoperatoren
hopen zo nieuwe doelgroepen te bereiken (Evens et al., 2010; Feldmann, 2005; Urban, 2007).
Content wordt niet alleen gebruikt om de klanttevredenheid te verhogen, maar ook om mensen
ervan te overtuigen om een bundel te nemen. Zo vormt het aanbieden van extra content een
vitaal onderdeel van deze strategie voor de Europese telecomoperatoren, met als doel een
sterke positie op de markt te verkrijgen. Daarnaast probeert men nieuwe consumenten te lokken
en bestaande klanten te verleiden tot de aankoop van een bundel (Evens, Iosifidis, & Smith,
2016).
Providers troeven elkaar af om de beste content te kunnen aanbieden. Als een consument bij
een bepaalde provider toegang heeft tot content waarin hij geïnteresseerd is en zijn huidige
provider biedt dat niet aan, dan kan dat tot een verhoogde switching intention leiden. Een
voorbeeld hiervan is Proximus dat sinds 1 januari 2018 de content van Studio 100 exclusief
19
aanbiedt. Gezinnen met kinderen kunnen daarom geneigd zijn om over te stappen naar Proximus
(Dumon, 2017).
Volgens Evens et al. (2010) heeft content al meermaals aangetoond de koning van veel nieuwe
mediatechnologieën te zijn. Het succes van een technologie wordt medebepaald door de
aanwezigheid van attractieve content. Volgens Evens et al. (2016) worden sportrechten gebruikt
als een stormram die de nationale tv-markt moet openbreken voor de bedrijven. Voorlopig zijn
het vooral de gevestigde telecomoperatoren die de sportrechten in hun bezit hebben (Evens et
al., 2010).
Europese telecomoperatoren gebruiken sportrechten, vooral die van de nationale televisie, om
nieuwe betaalmodellen te promoten. En gaan daar steeds verder in. In 2005 werd de Belgische
telecomoperator Belgacom de eerste die een recordbedrag van 36 miljoen euro per jaar betaalde
om de rechten van de Belgische voetbalcompetitie te bemachtigen. Daarmee hoopte het de start
van haar nieuwe internetprotocol te promoten (Evens et al., 2016, p. 539). Enkele jaren later is
dat bedrag een peulschil geworden. In Groot-Brittannië is een som van meer dan vijfhonderd
miljoen pond geen uitzondering meer. Zo tekende BT (British Telecom) in 2012 een deal van 738
miljoen pond voor de exclusieve uitzendrechten van 38 Premier League-wedstrijden (Evens et al.,
2016, p. 540). Sterker nog, Sky bood begin 2018 maar liefst 3,579 biljoen pond om 128 Premier
League-wedstrijden over drie jaar tijd exclusief te kunnen uitzenden, dit is dus een voorbeeld van
exclusieve content (Wilson, 2018).
Logischerwijze heeft die race op rechten invloed op de sportsector. De ontwikkeling van nieuwe-
mediatechnologieën en het steeds grotere belang van televisie zorgden voor een versterkte
relatie tussen sport en media. Die relatie wordt nu vooral gedomineerd door financiële en
commerciële belangen (Evens, Iosifidis, & Smith, 2013). De escalatie van de waarde van
sportrechten zorgde voor winst voor clubs en spelers, maar het resultaat voor de consument was
minder positief. De prijzen worden namelijk doorgerekend naar de klant, en niet enkel naar de
consument die een sportabonnement aanging. Uit de literatuur blijkt dat BT in 2014 de prijzen
van de thuistelefoon en televisiepaketten met 6.49 % liet stijgen, volgens de industrie was dat
20
om de sportrechten te betalen (Evens et al., 2016, p. 544). Er moet dus een beleid volgen om
ervoor te zorgen dat de verhoogde interesse in sportrechten ook voor een betere dienstverlening
en lagere kosten voor de consument zorgt.
Zoals Evens et al. (2010) hierboven stelt, speelt content een belangrijke rol in de slaagkansen van
mediatechnologieën. Toch werd nog maar weinig onderzocht hoe de gepercipieerde content
kwaliteit de switching intention van consumenten beïnvloedt. Volgens Li et al. (2016) is content
kwaliteit een belangrijke determinant bij de beoordeling van een Over The Top-service van een
consument. Kuo et al. (2009) namen content kwaliteit mee in hun onderzoek naar de
heraankoopintentie van een consument. Volgens hen refereert de factor content kwaliteit
enerzijds naar de objectieve waarde van de content, anderzijds naar de relevantie die de content
heeft voor de gebruikers. In hun onderzoek verklaart content kwaliteit een groot deel (67 %) van
de waardering van de servicekwaliteit voor een consument. Die servicekwaliteit bepaalt via de
klanttevredenheid of een consument al dan niet een dienst opnieuw aankoopt. Zoals hierboven
aangehaald wordt content ook gebruikt om de klanttevredenheid te verhogen. Kuo et al. (2009)
zien dat ook terug in hun studie (via perceived value).
Yoo, Choi, Kim, & Yang (2009) ontdekten vervolgens dat een divers contentaanbod een
belangrijke verklarende factor van de switching intention van IPTV-abonnees (Internet Protocol
TeleVision) is. Ze deelden die abonnees op in consumenten zonder een switching intention en
een groep met een switching intention. Consumenten zonder switching intention rapporteren
gemiddeld een score van 3,5 op 5 qua belangrijkheid van de determinant ‘divers contentaanbod’
voor hun switching intention. Tegenover 2,91 op 5 voor consumenten mét een switching
intention. Na een confirmatorische factor analyse plaatsten de onderzoekers de factor onder de
determinant “Perceived service quality”, die op zijn beurt 34 % van de switching intention
verklaart. Op basis van het onderzoek van Kuo et al. (2009) en Yoo et al. (2009) gaan we uit van
volgende hypothese:
Er is een verband tussen de gepercipieerde content kwaliteit en de switching intention van
de consument (Kuo et al., 2009; Yoo et al., 2009).
21
De gepercipieerde content kwaliteit is een voorspeller van de gepercipieerde
klanttevredenheid (Kuo et al., 2009).
2.6 Determinant abonnement op bundel
Telecomoperatoren bieden steeds meer bundels aan. In eerste instantie waren bundels vooral in
België een booming business, maar geleidelijk aan veroveren ze ook Europa. Operatoren
proberen hun marktpositie te beschermen en uit te breiden door meerdere
communicatiediensten te bundelen over één breedbandconnectie. Dat wil zeggen dat een
consument bijvoorbeeld digitale televisie, internet-toegang en een vaste lijn in één abonnement
opneemt. Soms wordt dit ook nog uitgebreid tot een ‘quad-play’, waarbij ook mobiele telefonie
is inbegrepen (Evens et al., 2016). Het begon allemaal met een dual-play met vaste telefonie en
vast internet. Dan volgde de triple-play, waarbij televisiediensten aan het pakket werden
toegevoegd. Daarna volgde de quad-play, waar ook mobiele telefonie deel van uitmaakte en
uiteindelijk was er de quintuple-play, waarbij eveneens mobiel internet is inbegrepen (Neal,
2014; Uner et al., 2015).
In onder andere de banksector werden eerder al bundels aangeboden (Armstrong & Vickers,
2006). Uit onderzoek blijkt dat dit een effectieve tool is voor prijsdiscriminatie omdat het de
heterogeniteit in de willingness-to-pay van consumenten vermindert (Armstrong & Vickers,
2006; Bakos & Brynjolfsson, 1999). De aanwezigheid van bundels bemoeilijkt eveneens de
intrede van nieuwe concurrenten in de markt (Nalebuff, 2004) en het verlaagt de kosten
(Salinger, 1995).
Bij bundels is er een lineaire prijsstelling. Wanneer consumenten al hun producten bij één bedrijf
kopen (lineair) leidt dat tot hogere winsten en betere welvaart, maar het consumentensurplus
ligt lager dan bij niet-lineaire prijsstelling (Armstrong & Vickers, 2006). Firma’s boeken dus
duidelijk winst op bundels want op die manier zorgen ze ervoor dat consumenten soms
producten aankopen die ze eigenlijk niet echt gebruiken, onder het summum dat ze er voordeel
uit halen (Bakos & Brynjolfsson, 1999).
22
Bovendien zorgen bundels ook voor convenience. Hoe hoger het aanwezige gebruiksgemak bij de
huidige provider, hoe minder geneigd een consument zal zijn om te veranderen (Gan, Cohen,
Clemes, & Chong, 2006; Omotayo & Joachim, 2008). Convenience speelt ook een rol bij de
betaling. Volgens Miao en Jayakar (2014) nemen consumenten vaak niet-optimale bundels, ze
kopen pakketten die boven hun gebruiksniveau liggen. Daaruit kan geconcludeerd worden dat
klanten liever voor het gemak van vooraf vaststaande betalingen kiezen dan dat ze voor een
verrassing komen te staan op hun maandelijkse rekening. Dat verklaart waarom bundels zo
populair zijn.
Zoals hierboven gesteld gebruiken telecomoperatoren extra content zoals sportrechten om
consumenten te overhalen om een abonnement op een bundel aan te gaan. Die abonnementen
zijn gunstig voor telecomoperatoren omwille van enkele redenen. Ten eerste zorgen ze ervoor
dat een klant minder makkelijk van dienstverlener verandert doordat de gepercipieerde
switching costs hoger zijn (Lee, 2016). Daarnaast laten ze de operator toe dat hij een of
meerdere van zijn diensten kan cross-subsidiëren (Evens et al., 2016). Dat betekent dat hij bij de
ene consument hogere kosten kan aanrekenen om dan bij een andere klant minder te vragen.
Ten slotte zorgt het voor een strategisch voordeel ten opzichte van betaaltelevisie-operatoren,
omdat telecomoperatoren alles in één pakket kunnen aanbieden (Evens et al., 2016).
Uit de literatuur blijkt dat telecomproviders bundels aanbieden om de switching intention van
consumenten te verlagen. Enkele auteurs onderzochten reeds of dit ook een efficiënte maatregel
is (Burnett, 2014; European Commission, 2014; Federal Communications Commission, 2010; Lee,
2016; Prince & Greenstein, 2011). Zij komen tot eenzelfde conclusie, namelijk dat een
abonnement op een bundel de switching intention van een consument verlaagt, en dat de klant
dus vaker geneigd is om bij zijn huidige provider te blijven.
Zo vond Lee (2016) dat internetgebruikers die eerder een bundel namen 17.4 percentpunten
minder geneigd zijn om te veranderen van provider. Dat komt omdat ze bijvoorbeeld niet alleen
voor hun internetdiensten van provider moeten veranderen, maar eveneens het serviceplan voor
de andere diensten zouden moeten wijzigen. Dat sluit aan bij een eerder onderzoek van de
23
Europese Commissie uit 2014. Uit dat Eurobarometer-onderzoek bij consumenten uit
28 Europese landen bleek immers dat een bundel een belangrijke reden is om niet te veranderen
van telecomprovider. 69 % van de non-switchers die over een bundel beschikte, rapporteerde
nog nooit overwogen te hebben om over te stappen (European Commission, 2014). Burnett
(2014) vond in zijn onderzoek dat een individu die zijn diensten in één bundel afneemt bij een
provider, minder geneigd zal zijn om te veranderen. Dat stemt overeen met een eerder
onderzoek van de Federal Communications Commission (2010). Daarin rapporteerde bijna 40 %
van de respondenten dat hun bundel een van de hoofdredenen was waarom ze bij hun provider
blijven.
In het verleden werd al vaak onderzoek gedaan naar bundels en de bijhorende effecten voor
bedrijven en de markt (Bakos & Brynjolfsson, 1999; Nalebuff, 2004; Salinger, 1995). Maar zoals
Lee (2016) en Burnett (2014) aanhalen in hun studie: de relatie tussen het hebben van een
bundel en de switching intention van consumenten werd nog maar amper onderzocht. De
literatuur over dit onderwerp blijft te beperkt. De resultaten van degene die het wel al
onderzochten, staan hierboven beschreven. Daaruit bleek dat een abonnement op een bundel
de switching intention verlaagt (Burnett, 2014; Federal Communications Commission, 2010; Lee,
2016; Prince & Greenstein, 2011). Aangezien het topic verdere studie behoeft, nemen we het
mee in ons onderzoek en leveren we zo een bijdrage aan de literatuur. Onze hypothese luidt als
volgt:
Het hebben van een abonnement op een bundel voorspelt de switching intention van de
consument (Burnett, 2014).
2.7 Conclusie literatuurstudie
In deze literatuurstudie werden verschillende factoren onderzocht die bepalen of een klant al
dan niet de intentie heeft om te veranderen van provider. Switching intention wordt beÏnvloed
door gepercipieerde switching costs, gepercipieerde klanttevredenheid, gepercipieerde content
kwaliteit en het hebben van een abonnement op een bundel.
24
Uit verschillende studies bleek dat switching costs de switching intention negatief beïnvloeden
(Bansal, et al., 2005; Jones et al., 2000; Julander & Söderlund, 2003; Lee, et al., 2005). Switching
costs zijn de enige determinanten die verklaren waarom klanten zelfs bij ontevredenheid
beslissen om bij een bedrijf te blijven (Julander & Söderlund, 2003). Dus zetten telecomfirma’s in
op hoge switching costs omdat bewezen is dat die een overstap tegenhouden (Calvo-Porral et al.,
2016; Dass & Jain, 2011; Lee et al., 2010; Nakamura, 2010).
In 2017 probeerde Alexander De Croo, minister van Digitale Agenda en Telecom in regering-
Michel I, de gepercipieerde switching costs te verlagen via de Easy Switch-procedure (De Croo,
2017). Gezien deze recente ingreep is het zeker interessant om te onderzoeken of switching
costs in Vlaanderen de switching intention beïnvloeden. Uit de literatuur destilleren we volgende
hypothese:
Gepercipieerde switching costs voorspellen de switching intention van een consument.
(Bansal et al., 2005, p. 102; Jones et al., 2000, p. 262)
Een tweede belangrijke determinant om de switching intention van consumenten te voorspellen
is gepercipieerde klanttevredenheid (Calvo-Porral et al., 2016; Dass & Jain, 2011). Een consument
zal sneller geneigd zijn om te veranderen van telecomprovider wanneer hij ontevreden is
(Julander & Söderlund, 2003; Verbeke et al., 2011). Een persoon met een hoge
klanttevredenheid zal sneller producten opnieuw aankopen en zal de dienst vlugger aanraden
(Zeithaml et al., 1996). Met andere woorden: tevreden klanten hebben een lagere
overstapintentie volgens de behandelde studies (Kuo et al., 2009; Verbeke et al., 2011). Dat
impliceert de volgende hypothese:
De gepercipieerde klanttevredenheid voorspelt de switching intention van de
consument (Calvo-Porral et al., 2016, p. 722; Jones et al., 2000, p. 261; Kuo et al.,
2009, p. 890).
Een recentere ontwikkeling in de strategie van telecomproviders is om extra content beschikbaar
te stellen voor hun klanten. Op die manier hopen ze nieuwe doelpublieken te bereiken en de
25
switching intention te verlagen, alsook de klanttevredenheid te verhogen (Evens et al., 2010;
Feldmann, 2005). Daardoor verandert de traditionele kijkervaring en kan de consument er zelf
voor kiezen om on demand films en series te bekijken. Uit verschillende studies bleek dat als
providers hun dienstverlening versterken, de klanttevredenheid meteen verbetert en dus ook de
switching intention negatief beïnvloedt (Calvo-Porral et al., 2016; Dass & Jain, 2011). Daarvoor is
een goed aanbod belangrijk.
Het succes van een technologie wordt medebepaald door de aanwezigheid van attractieve
content (Evens et al., 2010). Dat werd bevestigd in het onderzoek van Yoo et al. (2009), waarin
bleek dat contentdiversiteit een belangrijke invloed had op de switching intention. In het
onderzoek van Kuo et al. (2009) wordt 67 % van de waardering van de servicekwaliteit verklaard
door content kwaliteit. Die servicekwaliteit bepaalt via de klanttevredenheid of een consument
al dan niet een dienst opnieuw aankoopt. Op basis van het onderzoek van Kuo et al. (2009) en
Yoo et al. (2009) gaan we uit van volgende hypotheses:
Gepercipieerde content kwaliteit voorspelt de switching intention van de consument (Kuo
et al. 2009; Yoo et al., 2009).
Gepercipieerde content kwaliteit is een voorspeller van de gepercipieerde
klanttevredenheid (Kuo et al., 2009).
Ten slotte proberen telecomproviders de switching intention van consumenten te
verlagen via het aanbieden van attractieve bundels (Calvo-Porral et al., 2016). Op die
manier proberen ze zich ook te onderscheiden van hun concurrenten. De relatie tussen
beide variabelen werd nog maar amper onderzocht in de literatuur. Degene die het wel al
deden, kwamen tot de conclusie dat een abonnement op een bundel de switching
intention verlaagt (Burnett, 2014; Federal Communications Commission, 2010; Lee, 2016;
Prince & Greenstein, 2011). Zo vond Lee (2016) dat internetgebruikers die eerder een
bundel namen 17.4 percentpunten minder geneigd zijn om te veranderen van provider.
Het topic behoeft dus zeker verdere studie. Proberen te achterhalen of dat verband
26
geconfirmeerd kan worden, betekent een bijdrage aan de literatuur. De hypothese luidt
als volgt:
Het hebben van een abonnement op een bundel voorspelt de switching intention van de
consument (Burnett, 2014).
Met kwantitatief onderzoek zal deze studie nagaan of deze factoren weldegelijk de switching
intention van een consument beïnvloeden. Om het klantenbestand succesvol te beheren is een
vroege detectie van de switching intention van een consument van cruciaal belang. Zo hebben de
providers de mogelijkheid tijdig te reageren op een potentieel vertrek van een klant, nog voordat
die zijn definitieve beslissing heeft genomen. Daarvoor is verder onderzoek noodzakelijk
(Verbeke et al., 2011).
27
3 Methodologie
3.1 Structureel model
Figuur 1: Structureel model met hypotheses
- H1: Gepercipieerde switching costs voorspellen de switching intention van de
consument (Bansal et al., 2005, p. 102; Jones et al., 2000, p. 262).
- H2: De gepercipieerde klanttevredenheid voorspelt de switching intention van de
consument (Bansal et al, 2005, p. 100; Calvo-Porral et al., 2016, p. 722; Jones et
al., 2000, p. 261; Kuo et al., 2009, p. 890).
28
- H3: Gepercipieerde content kwaliteit voorspelt de switching intention van de
consument (Kuo et al., 2009) .
- H4: De gepercipieerde content kwaliteit is een voorspeller van de gepercipieerde
klanttevredenheid (Kuo et al., 2009).
- H5: Het hebben van een abonnement op een bundel voorspelt de switching intention van
de consument (Burnett, 2014).
3.2 Onderzoeksdesign
De centrale onderzoeksvraag van deze paper is: “Wat zijn de factoren die mensen ertoe
aanzetten om al dan niet van provider van telecommunicatiediensten te veranderen?” Om deze
vraag te beantwoorden, wordt in het volgende onderdeel verder ingegaan op de factoren die uit
de wetenschappelijke literatuur geselecteerd werden en hoe die onderzocht zullen worden. De
focus ligt op de factoren gepercipieerde klanttevredenheid, gepercipieerde switching costs,
gepercipieerde content kwaliteit en het hebben van een abonnement op een bundel. Met die
laatste twee verklarende determinanten wordt een bijdrage aan de literatuur geleverd. Ze
werden namelijk nog maar zelden onderzocht in relatie tot de switching intention van een
consument. De gebruikte methode is Structural Equation Modeling. Op die manier zal
onderzocht worden of de verbanden uit eerdere literatuur geconfirmeerd kunnen worden.
3.2.1 Dataverzamelingsmethode en sample procedure
In navolging van Calvo-Porral et al. (2016) en Julander & Söderlund (2003) werd geopteerd voor
kwantitatief onderzoek. De respondenten deden aan zelfrapportering. Dat heeft als nadeel dat
mensen niet altijd doen wat ze zeggen te doen en daar moet rekening mee gehouden worden. In
elk statistisch onderzoek is er namelijk een foutenmarge meegerekend. In deze studie zal
gewerkt worden met een foutenmarge van 5%. Ook geven respondenten soms sociaal wenselijke
antwoorden bij bepaalde thema’s. Maar bij dit onderwerp zal dat minder een issue zijn. Er
bestaan nu eenmaal weinig sociaal wenselijke antwoorden in verband met de keuze voor een
telecomprovider. Volgens Calvo-Porral et al. (2016) is zelfrapportering via likertschalen en
semantische differentialen de beste manier om abstracte concepten toch meetbaar te maken.
29
De dataverzameling gebeurde via een onlinesurvey, opgesteld in Qualtrics. De survey werd op
verschillende manieren verspreid: via Facebook, via mail en door mensen persoonlijk aan te
spreken.
Het eerste deel van de vragenlijst bestond uit socio-demografische informatie over de
respondent in kwestie. Zo werd bijvoorbeeld onder andere naar het geslacht, het
opleidingsniveau en het geboortejaar van de respondent gevraagd. Daarnaast werd gepolst naar
het aantal opgenomen diensten bij een telecomprovider. In een volgende sectie werd volgens
het voorbeeld van Bansal et al. (2005) onderzocht of de respondent de afgelopen twee jaar
veranderde van provider. Dit om een beeld te krijgen van het eventuele switching gedrag in zijn
recent verleden. Vervolgens werd de huidige switching intention bevraagd. In de daaropvolgende
onderdelen werd de focus van de vragenlijst verlegd naar de determinanten. Die factoren
werden onderzocht aan de hand van enkele stellingen, daarover meer in het onderdeel
‘operationalisering van de gebruikte concepten’ (zie 3.2.4).
De sample bestond uit respondenten vanaf 21 jaar. Vanaf die leeftijd behalen veel mensen hun
(eerste) hoger diploma, studeren ze verder of gaan ze de arbeidsmarkt op, anderen werken
reeds drie jaar. Personen jonger dan 21 zijn vaak nog afhankelijk van hun ouders voor de keuze
van een telecomprovider. Daarom werden zij geweerd uit dit onderzoek. Er werd geen
bovengrens gesteld qua leeftijd, aangezien ook gepensioneerden nog steeds een beroep doen op
een telecomprovider om bijvoorbeeld televisie te kijken.
3.2.2 Analysemethode
Op basis van de literatuur werden hypotheses opgesteld, die te raadplegen zijn onder het
structureel model op pagina 27. Om die hypotheses te onderzoeken, werd een survey
uitgestuurd. De verschillende concepten werden onderzocht aan de hand van wetenschappelijke
7-punt Likertschalen (zie sectie 3.2.4) die uit de literatuur gedestilleerd werden.
In een volgende stap werd via een pre-test bij zeven personen gecheckt of de interne validiteit
van de constructen goed zat (zie bijlage 3). Waar nodig volgden aanpassingen. Zo moesten
30
sommige stellingen onder het construct ‘gepercipieerde content kwaliteit’ duidelijker
geformuleerd worden. Daarna werd de survey online geplaatst. Na de dataverzameling volgde de
data-cleaning, vervolgens werd een Chronbach’s Alpha-analyse gedaan om de betrouwbaarheid
van de schalen te testen. Daarna volgde een Principale Componenten Analyse om te kijken welke
dimensies SPSS terugvindt in de data.
Vervolgens werden enkele parametrische testen zoals een one-way-anova uitgevoerd op de
data, om daarna over te gaan naar wat de grootste bijdrage aan de literatuur is van dit
onderzoek: namelijk onderzoeken of het voorgestelde conceptueel model geconfirmeerd kon
worden aan de hand van een Structural Equation Modeling-analyse.
In veel van de literatuur stellen auteurs immers voorspelmodellen op (Bansal et al., 2005;
Julander & Söderlund, 2003; Oskarsdóttira et al., 2017; Verbeke et al., 2011). In deze studie zal
geprobeerd worden een alternatief model te confirmeren waar gepercipieerde switching costs,
gepercipieerde klanttevredenheid, gepercipieerde content kwaliteit en het hebben van een
abonnement op een bundel de switching intention verklaren.
In de literatuur zijn er nog veel meer verklarende factoren te vinden, maar dit onderzoek nam de
twee determinanten mee die het vaakst naar voren kwamen (gepercipieerde switching costs en
gepercipieerde klanttevredenheid), als de twee constructen die nog meer onderzocht moeten
worden (gepercipieerde content kwaliteit en abonnement op een bundel). Daarvoor werd de
denkwijze van Verbeke et al. (2011, p. 223) gevolgd. Volgens hen “volstaat een klein aantal
variabelen om de churn met een hoge accuraatheid te voorspellen. Oversampelen zorgt in het
algemeen niet significant voor een betere voorspelling. Het is efficiënter om te focussen op een
kleine set van goed gekozen attributen, dan zoveel mogelijk data te verzamelen.” Parsimony (het
spaarzaamheidsprincipe) stelt dat er zo spaarzaam mogelijk omgegaan moet worden met het
aantal pijlen in een model. Dat is eveneens een basisprincipe van Structural Equation Modeling,
de gebruikte onderzoekstechniek.
Om het voorgestelde model te confirmeren, werd een three step Structural Equation Modeling
uitgevoerd. Voor die methode moet er eerst uit de literatuur een conceptueel model en
31
bijhorende hypotheses gedestilleerd worden. SEM combineert confirmatory factor analysis (CFA)
met multiple regression analysis om zo tot een framework te komen. Deze methode houdt dus
drie stappen in (Dragan & Topolsek, 2014).
De CFA voorziet een manier om het meetgedeelte van het model (meetmodel genoemd) te
bouwen, waarbij de relatie tussen de geobserveerde (gemeten) variabelen (indicatoren, of
manifeste variabelen genoemd) en de latente factoren onderzocht kan worden. CFA verduidelijkt
of de verschillende indicatoren voldoende laden op de latente factoren, en tot welk niveau elke
geobserveerde variabele kan verklaard worden door elke factor. Daarnaast helpt CFA om het
aantal latente factoren te identificeren dat verantwoordelijk is voor de variabiliteit in de data.
Regressieanalyse vervolgens, is een statistisch instrument waarbij een lineair verband wordt
voorondersteld tussen twee variabelen (Verleye, 2018). Volgens Dragan & Topolsek (2014) maakt
de analyse het mogelijk de causale relaties tussen verschillende factoren bloot te leggen.
Enkelvoudige regressieanalyse is een voorspellende analysetechniek waarbij een variable wordt
gebruikt om het niveau van een andere variabele te voorspellen met de formule voor de rechte
lijn. Hiermee kan in voorspellingsmodellen een uitspraak worden gedaan over wat er naar
verwachting in de toekomst zal gebeuren op basis van voorafgaande observaties. Ook hier is er
een standaardfout van de schatting. In dit onderzoek zal zoals eerder aangehaald gewerkt
worden met een foutenmarge van 5 %. Bij stapsgewijze meervoudige regressie (multiple
regression analysis) worden de onafhankelijke variabelen die statistisch significant zijn en de
meeste variantie in de afhankelijke variabele verklaren vastgesteld en vervolgens in de
meervoudige regressievergelijking ingevoerd (Verleye, 2018).
Een van de belangrijkste doelen van SEM is om te onderzoeken of de aangehaalde hypotheses in
het theoretisch model consistent passen bij de geobseveerde data. Die inspectie gebeurt via de
berekening van verschillende model-fit indices. Die indices beschrijven de kans dat de
gestipuleerde relaties tussen de behandelde variabelen kloppen. Ten slotte wordt ook de
kwaliteit van de fit tussen het model en de echte data gecheckt aan de hand van die model-fit
indices (Dragan & Topolsek, 2014).
32
Net als Julander & Söderlund (2003) zullen het path diagram, de model fit indices, de
verschillende structural equations en regressiegewichten gerapporteerd worden. Alle analyses
worden gebruikt om conclusies te trekken over de hypotheses.
3.2.3 Steekproef
De survey (zie bijlage 1) liep twee weken. In die tijdspanne werden in totaal 455 ingevulde
vragenlijsten verzameld en was er een uitval van 102 respondenten (22,42 %). Tijdens de data-
cleaning bleek dat er nog enkele resultaten verwijderd moesten worden, wegens systematisch
vertekende data, of omdat de respondent te jong was. Na de data-cleaning bleven 448 ingevulde
vragenlijsten over.
Bij SEM is er geen consensus over de sample size, maar in het algemeen wordt aangenomen dat
de ondergrens op 200 ligt en dat het aantal respondenten groter moet zijn dan 10 x het aantal
manifeste variabelen die in het model worden opgenomen. De vragenlijst van dit onderzoek
bevat in totaal 19 items in de constructen voor het model. Daaruit volgt dat er minstens 190
respondenten nodig zijn. Na de data-cleaning bleven er 448 respondenten over.
De sample bestaat uit 248 mannen (55,4 %) en 200 vrouwen (45,6 %). Net geen 3/4de van de
respondenten (315 personen – 70,3 %) genoot een hogere opleiding. De grootste groep
respondenten is getrouwd (186 – 41,5 %), gevolgd door singles (127 – 28,3 %) en
samenwonenden (114 – 25,4%). 15 respondenten (3,3 %) zijn gescheiden, 6 personen (1,3 %) zijn
weduwe of weduwnaar.
De sample bestaat uit respondenten vanaf 21 jaar, onderverdeeld in vijf groepen: 21-30 jaar, 31-
40 jaar, 41-50 jaar, 51-60 jaar en +61 jaar. De jongste respondenten in dit onderzoek zijn 21, de
oudste respondent is 80 jaar oud. De gemiddelde leeftijd is 40,11 jaar. De leeftijdsverdeling
wordt weergegeven in tabel 1 op de volgende pagina.
33
Tabel 1: Verdeling van de steekproef per leeftijdscategorie
Respondenten per leeftijdscategorie Leeftijdscategorie Frequentie Percentage 21-30 171 38,17 31-40 66 14,73 41-50 71 15,85 51-60 101 22,54 61+ 39 8,71 Totaal 448 100,0
De leeftijdsverdeling is als volgt: 171 respondenten (38,17 %) zijn tussen de 21 en 30 jaar oud. De
tweede grootste groep (101 mensen – 22,54 %) is tussen de 51 en 60 jaar oud, gevolgd door de
41 tot 50-jarigen, zij maken met 71 respondenten 15,85 procent uit van deze sample. De 31 tot
40-jarigen zijn de op één na kleinste groep in dit onderzoek met 66 respondenten (14,73 %). De
61+’ers zijn het minst vertegenwoordigd met 8.71 %, ofte 39 respondenten. Daaruit volgt de
conclusie dat de gebruikte steekproef scheefgetrokken is qua leeftijdsverdeling. De bevindingen
van dit onderzoek zullen dus enkel slaan op de respondenten van deze studie, en dus niet op de
voltallige Vlaamse populatie.
3.2.4 Operationalisering van de gebruikte concepten
Zoals eerder aangehaald beperkten we ons tot vier onafhankelijke variabelen om de switching
intention van een consument te verklaren. Via dit model wordt onderzocht in welke mate de
gepercipieerde switching costs, de gepercipieerde klanttevredenheid, de gepercipieerde content
kwaliteit en een abonnement op een bundel de switching intention van een consument
verklaren.
Om die abstracte en latente concepten meetbaar te maken, baseerden we ons op bestaande
multi-items schalen uit de literatuur. We testten de interne validiteit van die constructen via een
pre-test bij zeven personen, zie bijlage 3.
34
Switching intention
Het eerste gebruikte construct is een schaal van Bansal et al. (2005, p. 107) bestaande uit 3 items
om de switching intention van een consument te meten aan de hand van een 7-punt
semantische differentiaal. Hun gerapporteerde Chronbach’s Alpha was .93. In deze studie is de
α = .88 (zie tabel 2). Daaruit kan geconcludeerd worden dat het net geen excellente schaal is,
maar wel nog steeds een goede schaal wat de interne consistentie betreft. Ook de correlatie
tussen de items is overal boven de .30, zoals het hoort.
Tabel 2: Construct switching intention
Switching intention Items α Hoe groot is de kans dat je binnen zes maanden van telecomprovider verandert:
.88 onwaarschijnlijk
waarschijnlijk
onaannemelijk
aannemelijk
onmogelijk
mogelijk
Bij de pre-test bleek bij dit construct dat respondenten moeite hadden met het invullen van de
oorspronkelijke semantische differentiaal. Met het oog op de duidelijkheid werd in eerste
instantie bovenaan een label toegevoegd met een nummering van – 3 tot + 3, of van 1 tot 7
boven de bolletjes, maar dat werkte contraproductief. De respondenten vonden het net
duidelijker zonder label, dat werd dan ook aangepast bij het uitsturen van de survey, om zo de
interne validiteit te waarborgen.
Voor de determinanten werd vervolgens steevast met bestaande 7-punt Likertschalen gewerkt.
Volgens Calvo-Porral et al. (2016) zijn Likertschalen ideaal om abstracte concepten, zoals
gepercipieerde klanttevredenheid, alsnog meetbaar te maken.
35
Gepercipieerde switching costs
De eerste determinant zijn de ‘gepercipieerde switching costs’. Om dit concept meetbaar te
maken, werd voor een construct van Julander en Söderlund (2003, p. 19) geopteerd (zie tabel 3).
Zij ontwikkelden een schaal met vijf items om de gepercipieerde switching costs te onderzoeken.
De wetenschappers rapporteerden een Chronbach’s Alpha α van .80.
Tabel 3: Construct gepercipieerde switching costs
Gepercipieerde switching costs Items α
1. Er zijn weinig andere providers die realistische alternatieven voor me aanbieden.
2. Het is moeilijk voor mij om gebruik te maken van andere providers.
3. Het zou ingewikkeld voor me zijn om van provider te veranderen.
4. Ik voel me gebonden aan deze provider. 5. Het neemt veel tijd in beslag om me te informeren over andere
providers.
.70
Bij de betrouwbaarheidsanalyse van dit onderzoek werd in eerste instantie een Chronbach’s
Alpha van .65 bekomen, volgens de statistische regels gaat het dus om een zwakke schaal qua
betrouwbaarheid. Als we het eerste item verwijderen, stijgt de Chronbach’s Alpha naar .70,
waarmee we dus een voldoende intern betrouwbaar construct bekomen. Daardoor is ook de
interne correlatie tussen de overige items overal boven .30. Bij het maken van de schaal wordt
het eerste item bijgevolg weggelaten. Hier wordt het eerste item dus: ‘Het is moeilijk voor mij
om gebruik te maken van andere providers’.
Gepercipieerde klanttevredenheid
Voor het volgende construct ‘gepercipieerde klanttevredenheid’ werd eveneens het voorbeeld
van Julander en Söderlund (2003) gevolgd. Zij onderzochten het concept via een schaal
bestaande uit drie stellingen. De betrouwbaarheid van de schaal was .94 bij hen. In dit onderzoek
is de Chronbach’s Alpha = .89 (zie tabel 4). De interne correlatie is overal boven de .30, dus de
schaal kan meegenomen worden in de verdere analyses.
36
Tabel 4: Construct gepercipieerde klanttevredenheid
Construct klanttevredenheid Items α
1. Ik ben tevreden met mijn provider 2. De provider voldoet aan alle vereisten die ik stel. 3. De provider bevredigt mijn behoeftes.
.89
Gepercipieerde content kwaliteit
De derde verklarende determinant is de gepercipieerde content kwaliteit. Daarvoor werd het
voorbeeld van Kuo et al. (2009, p. 891) gevolgd. Zij ontwikkelden een construct met zes items om
de gepercipieerde content kwaliteit te meten.
Tabel 5: Construct gepercipieerde content kwaliteit
Gepercipieerde content kwaliteit Items Alpha α
1. Mijn provider biedt complete content. 2. Mijn provider biedt geschikte content. 3. Mijn provider biedt belangrijke content. 4. Mijn provider biedt moderne content. 5. Mijn provider biedt regelmatige upgedate content. 6. Ik begrijp volledig de content die mijn provider me aanbiedt.
.87
Voor deze factor is er nog amper onderzocht in welke mate dit bijdraagt tot de switching
intention van de consument in de telecommunicatiesector. Kuo et al. (2009) gebruikten hun
schaal om de perceived value van een dienst te meten, in dit onderzoek zal ze gebruikt worden
om de gepercipieerde content kwaliteit van de provider te meten. Na een exploratory factor
analysis hielden Kuo et al. (2009) enkel de eerste drie items over en rapporteerden ze een
Chronbach’s Alpha van .86.
In dit onderzoek werden toch elk van de zes items meegenomen. Bij de pre-test bleek de eerste
versie van de stellingen niet geheel duidelijk te zijn, en dus werden de items taalkundig
aangepast zodat ze voor elke respondent in de pre-test duidelijk waren. Na het afnemen van de
data werd er een Chronbach’s Alpha analyse uitgevoerd. De zes variabelen vertegenwoordigen
37
een α van .87 en de interne correlatie is overal hoger dan .30. De schaal is dus voldoende intern
betrouwbaar om mee te nemen. Elk item zal bijgevolg gebruikt worden in dit onderzoek.
Abonnement op bundel
Ten slotte wordt de relatie tussen het hebben van een abonnement op een bundel en de
switching intention van de consument onderzocht. In de vragenlijst werd eerst gevraagd aan de
respondenten of ze over een bundel beschikten. Indien dat niet het geval was, werd de
respondent meteen doorgestuurd naar het construct. In het andere geval moest hij eerst
aangeven hoeveel diensten hij opgenomen had in zijn bundel, alvorens naar het construct te
gaan. We gebruiken een schaal van Federal Communications Commission (2010, p. 3).
Tabel 6: Construct abonnement op bundel
Abonnement op bundel Items Alpha α
1. Voor mij is mijn huidige bundel een belangrijke reden om bij mijn provider te blijven.
2. Voor mij is een aanbod voor een aantrekkelijke bundel een belangrijke reden om van provider te veranderen.
.87
Het tweede item wordt gehercodeerd omdat het item omgekeerd geschaald is. De behaalde
Chronbach’s Alpha is .87 (zie tabel 6). De interne correlatie ligt hoger dan .30, dus de schaal kan
eveneens gebruikt worden.
In tabel 7 volgt nog eens een samenvatting van de gebruikte schalen voor het model, en het
bijhorende gemiddelde, standaardafwijking en Cronbach’s Alpha.
Tabel 7: Overzicht van de maatstaven per schaal
Statistieken van de constructen in het model
Switching Intention
Klant-tevredenheid
Switching Costs
Abonnement Op Bundel
Content Kwaliteit
Gemiddelde 2,70 5,44 3,97 4,03 5,22 Standaardafwijking 1,515 1,075 1,293 ,922 ,858 Chronbach’s Alpha .88 .89 .70 .87 .87 Betekenis α Goed Goed Voldoende Goed Goed
38
3.3 Principale componenten analyse
Vooraleer de eigenlijke Structural Equation Modeling-analyse uit te voeren, werd in eerste
instantie gecheckt of de schalen betrouwbaar en intern valide waren. Via Principale
Componenten Analyse (PCA) wordt vervolgens onderzocht of de dimensies die de theorie
vooropstelt in de data terug te vinden zijn. Factoranalyse is immers een datareductietechniek die
voor een aantal geobserveerde variabelen een kleiner aantal achterliggende variabelen
identificeert (Baccarne, 2018).
De literatuur stelt dat vijf latente constructen nodig zijn om ons model op te bouwen, zijnde
’switching intention’, ‘gepercipieerde switching costs’, ‘gepercipieerde klanttevredenheid’,
‘gepercipieerde content kwaliteit’ en ‘abonnement op een bundel’. Via de PCA wordt getest of
de gebruikte factoren sterk laden op de items die uit de data worden gehaald, en hoeveel van de
totale variantie de factoren verklaren. De output is terug te vinden in bijlage 4.
In een eerste fase van de PCA worden de teststatistieken voor de correlaties tussen items
gecheckt. Die correlatie moet voor de items die hetzelfde meten hoger zijn dan .30. Voor de
factoren die de constructen ‘switching intention’, ‘gepercipieerde klanttevredenheid’,
‘abonnement op bundel’ en ‘gepercipieerde content kwaliteit’ meten is dat het geval. Bij
‘gepercipieerde switching costs’ voldoet enkel de correlatiewaarde tussen het eerste en het
laatste item van de herwerkte schaal niet aan de statistisch voorgeschreven norm (corr (SC2,
SC5) = .092 <.30). Dat wordt genegeerd, omdat de literatuur vooropstelt dat het over een
aanvaardbaar construct gaat. Daarnaast lag de Cronbach’s Alpha-waarde in dit onderzoek met
.70 voldoende hoog. Ten slotte was bij die Cronbach’s Alpha-analyse de interne correlatie tussen
de items wel hoger dan .30.
In een volgende stap van de PCA-analyse volgt de KMO & Bartlett’s test. Die test is een indicatie
van hoe geschikt de dataset is voor factoranalyse, het is een maatstaf voor de proportie van de
variantie die gedeelde variantie zou kunnen zijn (Baccarne, 2018). De KMO moet minstens .60
zijn, voor deze dataset is dat .83. De Bartlett’s Test of Sphericity geeft een p-waarde <.001, de
39
nulhypothese die stelt dat er geen relatie is tussen de variabelen wordt verworpen. Met andere
woorden, er is een relatie tussen de geselecteerde variabelen in deze data.
Vervolgens wordt de sectie ‘total variance explained’ geanalyseerd. De PCA geeft aan dat er vijf
factoren of componenten in de data zitten. Dat komt overeen met het aantal dimensies die de
theorie vooropstelt, namelijk ‘switching intention’, ‘gepercipieerde switching costs’,
‘gepercipieerde klanttevredenheid’, ‘gepercipieerde content kwaliteit’ en ‘abonnement op een
bundel’. Die factoren vertegenwoordigen samen 68,78 % van de totale variantie in de originele
data, de statistisch aanvaarde ondergrens hiervoor is 60 %.
Ten slotte volgt de rotated component matrix (zie tabel 8), die aangeeft hoeveel van de variantie
in de items door de factor wordt gerepresenteerd. De cijfers in de matrix tonen eveneens hoe
elke factor laadt op de geselecteerde items. De absolute waarde moet groter zijn dan .50.
Idealiter laadt elke factor sterk op bepaalde items en niet of nauwelijks op andere items
(Baccarne, 2018). De eerste component in de dataset is die van ‘gepercipieerde content
kwaliteit’. De zes stellingen die content kwaliteit meten (aangeduid met CK) laden inderdaad het
best op deze component: het laagste cijfer is .695, het hoogste is .798. De tweede component
vertegenwoordigt de ‘gepercipieerde switching intention’. De drie items (aangeduid met SI) met
de hoogste ladingen zijn inderdaad degene die de switching intention meten. De scores variëren
tussen .791 en .890. De derde component die SPSS uit de data haalt is die van ‘gepercipieerde
klanttevredenheid’, en het programma duidt drie items aan die hier het hoogst op laden
(aangeduid met KT). De ondergrens is hier .755 en de bovengrens .855. De vierde component
vertegenwoordigt de gepercipieerde switching costs. Volgens SPSS laadt de component
gepercipieerde switching costs inderdaad het best op de vier geselecteerde items uit de
literatuur (aangeduid met SC): .620 is hier het laagste cijfer, .849 het hoogste. De vijfde en laatste
component die de data selecteert is ‘abonnement op bundel’, de cijfers voor de twee items zijn
.737 en -.830 (aangeduid met AB).
Hieruit kan geconcludeerd worden dat elk item een voldoende hoge individuele bijdrage heeft.
De vooropgestelde constructen en bijhorende items uit de literatuur kunnen bijgevolg gebruikt
40
worden in het vooropgestelde model (zie pagina 27). Dat stellen zowel de PCA als de
Chronbach’s Alpha-analyse.
Tabel 8: Rotated component matrix van de items in het model
Rotated Component Matrixa
Component
1 2 3 4 5 CK3 ,798 -,065 ,238 ,005 -,013 CK4 ,791 -,145 ,031 ,025 ,108 CK2 ,785 -,024 ,332 ,023 -,010 CK6 ,736 -,099 ,321 -,044 ,039 CK5 ,712 -,168 ,025 -,092 ,109 CK1 ,695 -,029 ,223 ,101 -,001 SI2 -,124 ,890 -,196 -,121 ,037 SI3 -,091 ,869 -,133 -,092 ,046 SI1 -,162 ,791 -,182 -,133 ,006 KT2 ,282 -,193 ,855 ,010 ,039 KT3 ,323 -,148 ,854 ,032 ,055 KT1 ,284 -,227 ,755 -,080 ,127 SC3 ,005 -,142 ,026 ,849 ,011 SC4 ,002 -,171 -,011 ,764 ,102 SC2 ,108 -,214 -,046 ,630 -,087 SC5 -,132 ,286 ,014 ,620 ,120 AB2R ,015 -,249 -,007 ,025 -,830 AB1 ,197 -,168 ,167 ,157 ,737
41
4 Resultaten
4.1 Profiel van de respondenten
Zoals hierboven in de sectie over de steekproef beschreven is, bestaat de dataset uit 45 procent
vrouwen tegenover 55 procent mannen. De gemiddelde leeftijd bedraagt 40,11 jaar, en het
merendeel van de respondenten genoot een hogere opleiding (70,3 %).
Wat de burgerlijke staat betreft, is de grootste groep getrouwd (41,5 %). 25,4 % woont samen
met zijn/haar partner, en de derde grootste groep bestaat uit singles (28,3 %). Slechts een klein
deel van de sample is gescheiden (3,3%) of weduwe/weduwnaar (1,3 %).
In tabel 9 volgt een overzicht van de meest gebruikte telecomdiensten. De frequenst opgenomen
telecomdienst is de mobiele telefoon (98,44 %), gevolgd door mobiel internet (89,73 %) en
digitale televisie (85,94 %). Vast internet is de vierde meest gebruikte telecomdienst: 83,26 %
beschikt erover. De dienst ‘vaste telefoon’ bengelt achteraan. Minder dan de helft van de
respondenten (46,65 %) heeft er nog één. Dat kan verklaard worden doordat mensen vaak het
nut van deze dienst niet meer inzien. De mobiele telefoon vormt immers grote concurrentie voor
de vaste telefoon, slechts 7 van onze 448 respondenten (1,56 %) beschikt niet over een mobiele
telefoon.
Tabel 9: Overzicht van het gebruik van telecomdiensten
Gebruik dienst
Ja Nee Percentage
gebruik Mobiele telefoon 441 7 98,44 % Mobiel internet 402 46 89,73 % Digitale televisie 385 63 85,94 % Vast internet 373 75 83,26 % Vaste telefoon 209 239 46,65 %
42
In een volgende stap wordt nagegaan hoeveel procent van de respondenten over een
abonnement op een bundel beschikt. In tabel 10 valt te lezen dat 356 respondenten (79,5 %) hun
diensten in een pakket steekt en op één factuur betaalt.
Tabel 10: Aantal diensten in de bundel van respondenten
Hoeveel telecomdiensten nam u op in uw bundel? Frequentie Percentage Met een bundel
2 diensten 120 26,8 3 diensten 125 27,9 4 diensten 77 17,2 > 4 diensten 34 7,6 Totaal 356 79,5
Geen bundel 92 20,5
Totaal respondenten 448 100,0
Uit deze 356 respondenten die een bundel hebben, nam de grootste groep (27,9 %) een triple-
play-abonnement op, gevolgd door de 120 respondenten (26,8 %) die twee diensten opnamen.
77 mensen (17,2 %) betalen vier diensten op één factuur. Slechts een klein aantal (7,6 %) nam
meer dan vier diensten op.
Wat de switching geschiedenis betreft blijkt dat 353 respondenten (78,8%) de afgelopen twee
jaar niet van provider veranderde. Daaruit bleek dat meer dan 3/4de van de respondenten in de
recente geschiedenis trouw bleef aan dezelfde provider. Dit onderzoek werkt dus met een
trouwe sample.
Om het profiel van de respondenten scherper te stellen, werd ook hun attitude tegenover
switching gemeten. Daarvoor werd een 7-punt Semantische Differentiaal van Bansal & Taylor
(2002, p. 416) gebruikt (zie tabel 11). Ze rapporteerden een Chronbach’s Alpha van .93. In dit
onderzoek is de α eveneens gelijk aan .93 en de interne correlatie is voor elk item hoger dan .30.
De schaal is bijgevolg excellent om de attitude tegenover switching te meten.
43
Tabel 11: Construct attitude tegenover switching
Attitude tegenover switching Items Alpha α Voor mij is veranderen van provider…
Een slecht idee
Een goed idee
.93
Een idee dat ik niet genegen ben
Een idee dat ik genegen ben
Nutteloos
Nuttig
Schadelijk
Voordelig
Dom
Wijs
Onaangenaam
Aangenaam
Uit deze analyse blijkt dat de gemiddelde attitude tegenover switching 3.40 is, wat betekent dat
de gemiddelde respondent eerder afwijzend tot neutraal tegenover switching staat. Het kan
interessant zijn om te kijken of er een verband is tussen leeftijdsgroep en de gemiddelde attitude
tegenover switching. Zo lijkt op het eerste gezicht dat de gemiddelde attitude tegenover
switching afneemt naarmate de respondenten ouder zijn. Maar om te checken of er effectief een
significant verschil is tussen de leeftijdsgroepen moet een one-way anova uitgevoerd worden.
Belangrijk is om te herhalen dat voor elke analyse met een 5%-foutenmarge gewerkt wordt.
Er werd voldaan aan de assumptie die stelt dat er gelijke spreidingen moeten zijn (p = .28 >.05).
Ook de andere assumpties wezen uit dat een one-way anova kon worden uitgevoerd. Die
parametrische test toonde aan dat de groepen significant van elkaar verschillen (F(4,443) =
5,337, p < .001). Zo bleek dat er een significant verschil is tussen de respondenten van 21 tot
30 jaar en die tussen 51 en 60 jaar (p = .006 < .05). De 21 tot 30-jarigen verschillen ook significant
in attitude met de 61+-ers (p = .035 < .05). Concreet blijkt dat 21 tot 30-jarigen een significant
positievere attitude (X = 3.68) tegenover switching hebben dan 51 tot 60-jarigen (X = 3.01), en
dan 61-plussers (X = 2.88).
44
Gemiddelden op de constructen in het model
De afhankelijke variabele uit dit onderzoek bestaat uit de switching intention van een
consument. Zoals in tabel 7 op pagina 37 te zien valt, ligt de gemiddelde switching intention vrij
laag (X = 2.70). Daaruit kan voorzichtig geconcludeerd worden dat de gemiddelde respondent
trouw blijft aan zijn provider. De one-way anova toont aan dat er – in tegenstelling tot de
attitude tegenover switching - geen significant verschil is tussen de verschillende
leeftijdsgroepen wat hun feitelijke switching intention betreft (F(4,443) = 2,206, p = .068 > .05).
Van de onafhankelijke variabelen in het model werden eveneens de gemiddelde scores gemeten.
Zoals in tabel 7 gerapporteerd wordt, ligt de gepercipieerde klanttevredenheid met 5.44 vrij
hoog, net als de gepercipieerde content kwaliteit (X = 5.22). Daaruit kan geconcludeerd worden
dat de gemiddelde respondent tevreden is over zijn provider en over de content die de provider
aanbiedt. De gepercipieerde switching costs (X = 3.97) liggen iets boven het middelpunt, wat
betekent dat de respondenten vinden dat de switching costs bij hun provider wel meevallen. Ook
het hebben van een abonnement op een bundel wordt door de consumenten gepercipieerd als
een gemiddelde drempel om te veranderen van provider (X = 4.03).
4.2 Structural equation modeling
In de eerste fase van het Structural Equation Model wordt het model getekend en worden de
errorterms toegevoegd. Een errorterm staat voor het deel van de variantie dat niet verklaard
wordt door de onafhankelijke variabele. Die errorterm beeldt dus de unieke variantie uit. Het
model moet eveneens geïdentificeerd zijn, wat wil zeggen dat er een unieke oplossing is voor
elke te schatten parameter.
45
Op basis van bovenstaande PCA-analyse (zie pagina’s 38-40), en de resultaten uit de aangehaalde literatuur (zie onderdeel methodologie) werd volgend model opgesteld:
Figuur 2: Full model zonder hypotheses
Daarna volgt de eigenlijke SEM-analyse. Nadat AMOS de opdracht kreeg om de estimates te
berekenen, blijkt in de compution summary dat de analyse blijft hangen. ‘Reading data’ is het
enige wat er staat. In het outputcenter staat dat het iteration level bereikt is, en dat het model
unidentified is. Met andere woorden er is geen unieke oplossing voor elke te schatten
parameter. Om het model identificeerbaar te maken, moet er nog minstens één extra factor
worden toegevoegd. Dat lukt niet met deze data, en dus past het huidige model niet bij de data.
Er moet in detail gekeken worden waar het probleem zich stelt. Zo blijkt dat ‘abonnement op
bundel’ de analyses onmogelijk maakt, omdat er maar twee factoren dit construct verklaren.
46
Daarom wordt het construct uit het model verwijderd om zo het gevaar van empirical
underestimation te vermijden. In een latere stap zal via SPSS nog een analyse uitgevoerd worden
met ‘abonnement op bundel’ om daar een eerste resultaat te behalen.
4.2.1 Vernieuwd full model
Figuur 3: Vernieuwd en definitief full model
De afhankelijke variabele ‘switching intention’ wordt verklaard door de onafhankelijke variabelen
‘gepercipieerde switching costs’, ‘gepercipieerde klanttevredenheid’ en ‘gepercipieerde content
kwaliteit‘. Die ‘gepercipieerde content kwaliteit’ vormt eveneens een voorspeller voor de
47
variabele ‘gepercipieerde klanttevredenheid’. Ook hier werden de resultaten van de PCA
gebruikt om de factoren te selecteren voor de constructen.
4.2.2 Interpretatie van de model fit indices
In de volgende stap volgt de analyse van het vernieuwde full model. In S.E.M. is de aanvaarding
van een model zelden rechtlijning. Er bestaan een hele reeks met fit indices met een arbitraire
interpretatie, die een leidraad bieden voor de aanvaarding van een model.
In eerste instantie worden de Model Fit Indices weergegeven. Een model is een vereenvoudiging
van de werkelijkheid. Model Fit Indices verduidelijken of er in de data ook empirische
ondersteuning wordt gevonden voor die vereenvoudiging van de werkelijkheid.
Tabel 12: CMIN van het model
CMIN Model NPAR CMIN DF P CMIN/DF Default model 37 313,821 99 ,000 3,170 Saturated model 136 ,000 0 Independence model 16 3831,976 120 ,000 31,933
In tabel 12 met het chikwadraat (CMIN) staat het eerste onderdeel van de Model Fit Indices. De
interpretaties gebeuren steevast op basis van het default model. Dit model heeft een
chikwadraat met 313,82 vrijheidsgraden. Dat wil zeggen dat er meer datapunten in de dataset
zijn dan de covariantie die geschat moest worden. Dat is alvast goed. Daarnaast is er de X2/df.
Die waarde moet volgens statistische regels kleiner zijn dan 3. Bij dit model is die waarde met
3.17 net groter dan 3. Volgens X2/df is de model fit dus niet goed. Bij het significantieniveau staat
een p-waarde < .001. Normaliter wil dat zeggen dat de nulhypothese – die stelt dat het model
past bij de data – verworpen moet worden. Maar X2 werkt enkel bij data met maximaal 200
cases. Deze dataset bestaat uit 448 respondenten, dus mogen deze fit indices genegeerd
worden.
48
Tabel 13: Baselines Comparisons van het model
Baseline Comparisons Model NFI RFI IFI TLI CFI delta1 rho1 delta2 rho2 Default model ,918 ,901 ,942 ,930 ,942 Saturated model 1,000 1,000 1,000 Independence model ,000 ,000 ,000 ,000 ,000
In tabel 13 staan de Baselines Comparisons, een maatstaf voor de relatieve mate van fit. De
Tucker-Lewis Index (TLI) steunt op de gemiddelde correlaties van manifeste variabelen in het
model. Hoe hoger die correlaties, hoe hoger de TLI-waarde. Hier geldt: hoe dichter bij 1, hoe
beter de fit. Vanaf .90 tot .95 beschik je over een aanvaardbare fit. De TLI-waarde is hier .93, de
fit is hier aanvaardbaar. Een andere waarde die ongeveer hetzelfde meet is de Comparative Fit
Index (CFI). De interpretatie van de CFI is gelijk aan die van de TLI. De CFI-waarde is .94, ook deze
maatstaf duidt op een aanvaardbare fit.
Tabel 14: Parsimony-Adjusted Measures van het model
Parsimony-Adjusted Measures Model PRATIO PNFI PCFI Default model ,825 ,757 ,777 Saturated model ,000 ,000 ,000 Independence model 1,000 ,000 ,000
In een derde stap volgt de evaluatie van de Parsimony Adjusted Measures, zie tabel 14. Deze
indices slaan op het parsimony-principe, dat uitgelegd werd onder 3.2.2 op pagina 30.
Parsimony-based fit measures ‘bestraffen’ dus de toevoeging van parameters. De waardes die
we hiervoor analyseren zijn de PRATIO en de PCFI. Die moeten allebei groter zijn dan .60 om een
aanvaardbaar model te hebben. Hier is de PRATIO met .83 > .60, en de PCFI-waarde is met
.78 > .60, wederom een aanvaardbare fit.
49
Tabel 15: Root Mean Square Error of Approximation (RMSEA) van het model
RMSEA Model RMSEA LO 90 HI 90 PCLOSE Default model ,070 ,061 ,078 ,000 Independence model ,263 ,256 ,270 ,000
In een laatste stap van de interpretatie van de Model Fit Indices wordt naar de Root Mean
Square Error of Approximation (RMSEA) gekeken (zie tabel 15). Die index neemt ook de sample
size mee. Hoe meer respondenten, hoe minder spreiding en hoe meer kans op significantie. De
RMSEA straft dit af. De formule is √[([X2/df] - 1)/(N - 1)]. Hoe dichter de RMSEA bij 0 ligt, hoe
beter de model fit. Als de waarde onder .06 ligt, zeggen de statistische regels dat het een goede
modelfit is. Onder .10 en .08 gaat het over een acceptabel model. De RMSEA bij dit model is .07,
waarmee de model fit dus opnieuw aanvaardbaar is (.07 < .10). Vervolgens is het ook belangrijk
om naar het 90 % confidence interval (LO 90 en HI 90) te kijken. Hier geldt eveneens: hoe dichter
bij 0, hoe beter. Ook hier ligt zowel de ondergrens (.061) als de bovengrens (.078) van het
90 % betrouwbaarheidsinterval onder .10. Ook deze parameter stelt dus dat de model fit
aanvaardbaar is.
De laatste parameter van de RMSEA-analyse is de PCLOSE. Niet alle wetenschappers rapporteren
de PCLOSE (Julander & Söderlund, 2003). De bedoeling is dat de waarde van de PCLOSE niet
significant is, dan kan de nulhypothese aanvaard worden dat de RMSEA niet significant afwijkt
van .06. De PCLOSE van dit model is < .001, wat een significante waarde oplevert. Dat kan zijn
omdat de dataset uit 448 cases bestaat, een grote sample dus. Zoals eerder gesteld is de
interpretatie van model fit indices nogal arbitrair en wordt de PCLOSE soms genegeerd (Julander
& Söderlund, 2003). Doordat de meeste model fit indices allemaal een aanvaardbare model fit
insinueren, en doordat het model op de literatuur gebaseerd is, is het gerechtvaardigd de
PCLOSE te negeren.
50
4.2.3 Interpretatie van de regressiegewichten
Na de bevestiging dat het model bij de data past, wordt overgegaan tot de interpretatie van de
regressiegewichten en of de gestelde hypotheses in het model kloppen. Zoals eerder gesteld kan
H5 - die stelt dat het hebben van een abonnement op een bundel de switching intention van een
consument beïnvloedt – niet onderzocht worden met S.E.M. Daarvoor zal later in SPSS een
aparte regressieanalyse uitgevoerd worden.
In het huidige model wordt dus onderzocht of ‘gepercipieerde switching costs’, ‘gepercipieerde
klanttevredenheid’ en ‘gepercipieerde content kwaliteit’ de switching intention van de
consument voorspellen. En of ‘gepercipieerde content kwaliteit’ een significante voorspeller is
van ‘gepercipieerde klanttevredenheid’. In tabel 16 valt het antwoord te lezen.
Tabel 16: Regressiegewichten van de onderdelen van het model
Regression weights Variabelen Estimate P Klanttevr ß ContentKw ,835 *** SwitchInten ß SwitchCost -,303 *** SwitchInten ß Klanttevr -,350 *** SwitchInten ß ContentKw -,110 ,206 SwitchCost2 ß SwitchCost 1 SwitchCost3 ß SwitchCost 1,737 *** SwitchCost4 ß SwitchCost 1,245 *** SwitchCost5 ß SwitchCost ,792 *** Klanttevr3 ß Klanttevr 1 Klanttevr2 ß Klanttevr 1,034 *** Klanttevr1 ß Klanttevr ,790 *** ContentKw4 ß ContentKw ,995 *** ContentKw3 ß ContentKw 1,045 *** ContentKw2 ß ContentKw 1,039 *** SwitchInten1 ß SwitchInten 1 SwitchInten2 ß SwitchInten 1,452 *** SwitchInten3 ß SwitchInten 1,311 *** ContentKw1 ß ContentKw ,974 *** ContentKw6 ß ContentKw 1 ContentKw5 ß ContentKw ,839 ***
Noot: *** = p-waarde is significant op het .001-level.
51
H1 – Gepercipieerde switching costs
Via bovenstaande tabel kan in eerste instantie de hypothese geconfirmeerd worden die stelt dat
de gepercipieerde switching costs de switching intention van de consument significant
voorspellen (p < .001). Bij de gestandaardiseerde estimates (zie tabel 17 op pagina 52) valt af te
lezen dat de gestandaardiseerde beta van switching costs op switching intention - .246 is. Dat
betekent dat wanneer ‘gepercipieerde switching costs’ vermeerdert met 1 standaardafwijking,
de ‘switching intention’ significant daalt met .246 standaardafwijkingen. Met andere woorden
wanneer de gepercipieerde switching costs van de respondenten in dit onderzoek stijgen, wordt
dus een afname in de switching intention verwacht.
H2 – Gepercipieerde klanttevredenheid
Vervolgens volgt de analyse van de hypothese die stelt dat de gepercipieerde klanttevredenheid
een significante voorspeller is van de switching intention van een consument. Ook deze
hypothese wordt bevestigd (p < .001). De gestandaardiseerde beta van klanttevredenheid op
switching intention is -.332 (zie tabel 17, p. 52). Dat betekent dat wanneer de gepercipieerde
klanttevredenheid van een consument met 1 standaardafwijking stijgt, zijn switching intention
significant zal afnemen met .332 standaardafwijkingen. Met andere woorden wanneer de
gepercipieerde klanttevredenheid van de respondenten in dit onderzoek stijgt, wordt dus een
afname in de switching intention verwacht.
H3 Gepercipieerde content kwaliteit
Ten derde kan uit tabel 16 worden afgeleid dat ook de derde hypothese geconfirmeerd kan
worden. Zo is gepercipieerde content kwaliteit weldegelijk een significante voorspeller van
gepercipieerde klanttevredenheid (p < .001). De gestandaardiseerde beta van content kwaliteit
op klanttevredenheid is .627 (zie tabel 17, p. 52). Dat betekent dat wanneer gepercipieerde
content kwaliteit stijgt met 1 standaardafwijking, de gepercipieerde klanttevredenheid zal
toenemen met .627 standaardafwijkingen. Met andere woorden wanneer de gepercipieerde
content kwaliteit van de respondenten in dit onderzoek stijgt, wordt dus een toename in de
gepercipieerde klanttevredenheid verwacht.
52
H4 Gepercipieerde content kwaliteit
De laatste hypothese die via dit model getest wordt is niet significant (p = .206 > .05). Daaruit
volgt dat gepercipieerde content kwaliteit voor de respondenten in dit onderzoek geen
significante voorspeller is van hun switching intention. Daaruit kan geconcludeerd worden dat
gepercipieerde content kwaliteit niet significant de switching intention van een consument
beïnvloedt, maar wel haar invloed heeft op klanttevredenheid. Die is op haar beurt wel een
significante voorspeller van de switching intention van een consument.
Tabel 16 (p. 50) toont eveneens aan dat al de factoren significant verklaard worden door de
variabele die de gemeenschappelijke variantie uitdrukt. Hieronder volgt de tabel met de
gestandaardiseerde regressiegewichten.
Tabel 17: Gestandaardiseerde regressiegewichten van de modelonderdelen
Standarized regression weights Variabelen Estimate Klanttevr ß ContentKw ,627 SwitchInten ß SwitchCost -,246 SwitchInten ß Klanttevr -,332 SwitchInten ß ContentKw -,079 SwitchCost2 ß SwitchCost ,525 SwitchCost3 ß SwitchCost ,879 SwitchCost4 ß SwitchCost ,657 SwitchCost5 ß SwitchCost ,409 Klanttevr3 ß Klanttevr ,912 Klanttevr2 ß Klanttevr ,912 Klanttevr1 ß Klanttevr ,749 ContentKw4 ß ContentKw ,695 ContentKw3 ß ContentKw ,816 ContentKw2 ß ContentKw ,834 SwitchInten1 ß SwitchInten ,745 SwitchInten2 ß SwitchInten ,990 SwitchInten3 ß SwitchInten ,816 ContentKw1 ß ContentKw ,679 ContentKw6 ß ContentKw ,772 ContentKw5 ß ContentKw ,605
53
Volgens de covariantiematrix is er geen significante samenhang (p= .512 > .05) tussen de
onafhankelijke variabelen gepercipieerde switching costs en gepercipieerde content kwaliteit.
Het heeft dus geen zin om naar de correlatiematrix te kijken.
Ten slotte stelt de determinantiecoëfficiënt dat 21.5 % van de variantie in switching intention
verklaard wordt door de variabelen in het model. Gepercipieerde content kwaliteit verklaart op
haar beurt 39,3 % van de variantie in gepercipieerde klanttevredenheid.
54
Het definitieve model ziet er als volgt uit:
Figuur 4: Definitief full model met bijhorende gestandaardiseerde waarden
55
4.3 Regressie: abonnement op bundel en switching intention
In het eerste opgestelde model voor S.E.M. was eveneens het construct ‘abonnement op bundel’
opgenomen als verklarende determinant van het construct ‘switching intention’. Zoals bij 4.2 te
lezen valt, moest ‘abonnement op bundel’ verwijderd worden om tot een identificeerbaar model
te komen. Om toch de hypothese (H5) te toetsen die stelt dat het hebben van een abonnement
op een bundel een deel van de switching intention verklaart, wordt een enkelvoudige
regressieanalyse uitgevoerd. Het doel is om de verandering in switching intention te voorspellen
afhankelijk van de indicator ‘abonnement op bundel’.
Alvorens de enkelvoudige regressieanalyse uit te voeren werd eerst een correlatietest gedaan.
Zo’n test geeft inzicht in het verband tussen twee variabelen, het meet de richting en de sterkte
van de lineaire relatie tussen twee kwantitatieve variabelen. De nulhypothese die stelt dat er
geen verband is tussen de variabelen wordt verworpen (p <.001). De correlatiecoëfficiënt is -.34,
wat betekent dat er een negatief verband aanwezig is, maar dat het gaat om een zwakke
samenhang. Dat valt ook te zien in de scatterplot die het lineaire verband tussen beide
variabelen toont.
Figuur 5: Scatterplot abonnement op bundel en switching intention
56
In een volgende stap wordt de enkelvoudige regressieanalyse uitgevoerd. De
determinantiecoëfficiënt (R2) in tabel 18 geeft aan dat het hebben van een abonnement op een
bundel 11,4 % van de variantie in de switching intention verklaart, de statistische ondergrens
voor belangrijke resultaten staat op 30 %. De lage determinantiecoëfficiënt kan waarschijnlijk
verklaard worden door het feit dat maar één onafhankelijke variabele de afhankelijke variabele
verklaart in deze regressieanalyse.
Tabel 18: Samenvatting van de enkelvoudige regressievergelijking
Model Summary
Model R R2 Adjusted
R2 Durbin-Watson
1 ,337a ,114 ,112 1,943 Noot 1: Voorspeller: (Constant), Abonnement bundel
Noot 2: Afhankelijke Variabele: Switching intention
Aan de assumpties voor de regressieanalyse werd voldaan. Zo zijn er onder andere geen outliers
met een waarde van 3.5 standaardafwijkingen boven het gemiddelde en is de Durbin-Watson
waarde met 1.94 groter dan 1 en net geen 2 (de ideale waarde).
Vervolgens wordt geëvalueerd of de nulhypothese, die stelt dat er geen variantie wordt
verklaard door de determinant, kan worden aanvaard of moet worden verworpen. In dit
onderzoek is R2 significant meer dan nul (F(1,446) = 57,225, p < .001), de nulhypothese wordt dus
verworpen.
In tabel 19 (p. 57) blijkt dat het hebben van een abonnement op een bundel in dit onderzoek
significant (p < .001) een deel van de gepercipieerde klanttevredenheid verklaart. De
nulhypothese die stelt dat dat niet het geval is, moet bijgevolg worden verworpen. De
regressievergelijking is hier als volgt: y = 4.93 - 0.55*abonnementopbundel. De
gestandardiseerde beta is -.34. Dat wil zeggen dat wanneer ‘abonnement op bundel’ met
1 standaardafwijking toeneemt, de switching intention significant zal dalen met
57
.34 standaardafwijkingen. Met andere woorden wanneer abonnement op bundel in in dit
onderzoek stijgt, wordt dus een afname in de switching intention verwacht.
Tabel 19: Coëfficiënten van abonnement op bundel in de regressievergelijking
Deze sample ondersteunt dus de hypothese die stelt dat het hebben van een abonnement op
een bundel de switching intention van een consument significant voorspelt. Belangrijk is wel om
te herhalen dat het om een zwak negatief verband gaat (R = -.34) en dat het hebben van een
abonnement op een bundel maar 11, 4 % van de switching intention van een consument
verklaart.
Ten slotte volgt nog een overzicht van de resultaten van de hypotheses.
Tabel 20: Overzichtstabel van de bevindingen over de hypotheses
Overzichtstabel Hypothese Variabelen en verband Significant H1 Switching costs à Switching intention X H2 Klanttevredenheid à Switching intention X H3 Content kwaliteit à Switching intention H4 Content kwaliteit à Klanttevredenheid X H5 Abo op bundel à Switching intention X
Coëfficiënten
Model
Niet- gestandardiseerde coëfficiënten
Gestandaardiseerde coëfficiënten
B
σ Beta Sig
VIF
1 (Constant) 4,929 ,303 ,000 Abonnement op bundel
-,554
,073
-,337
,000
1,000
Noot: Afhankelijke variabele switching intention
58
5 Discussie
Deze studie trachtte volgende onderzoeksvraag te beantwoorden: ‘Welke factoren zetten
mensen ertoe aan om al dan niet te veranderen van provider van telecommunicatiediensten?’
Meer specifiek werd onderzocht of ‘gepercipieerde switching costs’, ‘gepercipieerde
klanttevredenheid’, ‘gepercipieerde content kwaliteit’ en het hebben van een ‘abonnement op
een bundel’ de ‘switching intention’ van een consument significant verklaren. Hiervoor werden
verschillende analyses uitgevoerd op een sample van 448 respondenten.
Via een structural equation model kon de relatie tussen de onafhankelijke variabelen
gepercipieerde switching costs, klanttevredenheid, content kwaliteit en de afhankelijke variabele
switching intention getest worden. Tot zover bekend is dit model het eerste dat ook de
rechtstreekse relatie tussen gepercipieerde content kwaliteit en de switching intention
meeneemt. Daarnaast werd een regressieanalyse uitgevoerd om te onderzoeken of het hebben
van een abonnement op een bundel de switching intention van de consumenten in dit onderzoek
beïnvloedt.
Gepercipieerde switching costs
De hypothese die stelt dat switching costs een significante voorspeller zijn van de switching
intention van een consument wordt aanvaard. Immers, wanneer de variabele switching costs
met 1 standaardafwijking toeneemt, daalt de switching intention van de respondenten in dit
onderzoek met .246 standaardafwijkingen. Een toename in gepercipieerde switching costs
voorspellen bijgevolg een afname van de switching intention van de consumenten.
Telecomproviders maken vaak gebruik van switching costs om consumenten langer aan zich te
binden. Voor de respondenten in dit onderzoek blijkt dat efficiënt te zijn. Het resultaat gaat in
tegen het onderzoek van Jones et al. (2000), waar switching costs niet significant de switching
intention van consumenten verklaren. Deze studie is wel in lijn met eerder onderzoek van
Julander & Söderlund (2003). Zij vonden dat switching costs weldegelijk de customer retention
bevorderen en bijgevolg de switching intention verminderen. Bansal et al. (2005), Dass & Jain
59
(2016) en Lee et al. (2010) rapporteren gelijkaardige bevindingen. Ook Calvo-Porral et al. (2016)
kwam tot eenzelfde conclusie, maar zij vonden dat de invloed van switching costs beperkt is. Dat
kan eventueel verklaard worden omdat er in Spanje lage overstapkosten zijn, de plaats waar de
studie plaatsvond. Hun resultaat conflicteert met dat van Lee et al. (2005) en bovenstaande
auteurs die bijna allemaal stellen dat switching costs de switching intention van een consument
weldegelijk tegenhouden. Wat dus ook voor de respondenten in dit onderzoek geldt.
Gepercipieerde klanttevredenheid
Een tweede significante voorspeller van de switching intention van de respondenten in dit
onderzoek is ‘gepercipieerde klanttevredenheid’. Bijgevolg werd eveneens de hypothese
aanvaard die stelt dat gepercipieerde klanttevredenheid een significante voorspeller is van de
switching intention van een consument. Wanneer de variabele gepercipieerde klanttevredenheid
stijgt met 1 standaardafwijking, daalt de switching intention van de respondenten in dit
onderzoek met .33 standaardafwijkingen. Een toename in gepercipieerde klanttevredenheid
voorspelt bijgevolg een afname van de switching intention van de consumenten in dit onderzoek.
De praktijk kan hieruit leren dat het nog altijd zeer belangrijk is om vol in te zetten op een hoge
klanttevredenheid. Eerder vonden Kahn et al. (2010) dat als de taxatiewaarde van de consument
goed zit, dit de beslissing om trouw te blijven aan een provider positief beïnvloedt. Calvo-Porral
et al. (2016) wezen met hun studie uit dat klanttevredenheid de switching intention van een
consument significant sterk negatief beïnvloedt. Ook Bansal et al. (2005), Gerpott et al. (2001),
Keaveney & Parthasarathy (2001) en Kuo et al. (2009) kwamen tot dezelfde bevinding.
Gepercipieerde content kwaliteit
Een derde onafhankelijke variabele is de gepercipieerde content kwaliteit. Steeds meer
telecomproviders proberen hun aanbod te vergroten in de hoop zo consumenten weg te grissen
bij een concurrent en hun huidige klanten een incentive te bieden om trouw te blijven aan hun
bedrijf (Evens et al., 2016). Deze variabele werd nog te weinig onderzocht in de literatuur. Voor
zover bekend is deze studie een van de eerste die de relatie tussen ‘gepercipieerde content
kwaliteit’ en de ‘switching intention’ van een consument onderzocht heeft. Uit de resultaten
60
bleek dat de hypothese, die stelt dat gepercipieerde content kwaliteit een significante
voorspeller is van de switching intention van een consument, moet verworpen worden. Zo bleek
uiteindelijk dat content kwaliteit niet significant de switching intention van de respondenten in
deze studie verklaart. Dat spreekt het resultaat van Yoo et al. (2009) tegen. In hun onderzoek
heeft een divers contentaanbod een belangrijke invloed op de switching intention van IPTV-
abonnees. In de toekomst moet deze relatie dus zeker verder onderzocht worden.
Dit resultaat betekent echter niet dat telecombedrijven niet meer moeten investeren in content
kwaliteit. In deze studie werd eveneens de hypothese onderzocht die stelt dat gepercipieerde
content kwaliteit een invloed kan hebben op de gepercipieerde klanttevredenheid van een
consument. Eerder hadden Kuo et al. (2009) al een gelijkaardig onderzoek gedaan. Content
kwaliteit was bij hen een significante indicator van perceived value, wat op zijn beurt een
significante invloed had op de klanttevredenheid. De resultaten van deze studie zijn gelijkaardig.
Gepercipieerde content kwaliteit is een significante voorspeller van klanttevredenheid, dat op
haar beurt de switching intention van de consumenten in dit onderzoek significant beïnvloedt.
Sterker nog, 39,3 % van de variantie in gepercipieerde klanttevredenheid wordt verklaard door
de gepercipieerde content kwaliteit in dit onderzoek.
Daaruit blijkt dat telecomproviders er goed aan doen om een zo sterk mogelijk contentaanbod
uit te bouwen, aangezien het een positieve invloed kan hebben op de klanttevredenheid. Maar
dit resultaat moet trachten geconfirmeerd te worden in verder onderzoek, aangezien dit een van
de eerste studies is die die relatie onderzocht heeft.
Abonnement op een bundel
De laatste hypothese werd onderzocht aan de hand van een enkelvoudige
regressieanalyse. Zo werd geprobeerd te achterhalen of het hebben van een abonnement
op een bundel een significante voorspeller is van de switching intention van een
consument. Dat is weldegelijk het geval. Al kan dit resultaat slechts voorzichtig aanvaard
worden. Zo verklaart ‘abonnement op bundel’ slechts 11,4 % van de variantie in switching
intention. In dit onderzoek blijkt dat wanneer ‘abonnement op bundel’ stijgt met
61
1 standaardafwijking, de switching intention significant zal dalen met
.34 standaardafwijkingen. Daaruit kan voorzichtig geconcludeerd worden dat voor de
respondenten in dit onderzoek het hebben van een bundel de switching intention
vermindert.
Providers doen er dus goed aan om hun diensten te bundelen. Deze studie bevestigt
eerder onderzoek van Lee (2016). Zij vond dat internetgebruikers die eerder een bundel
namen 17.4 percentpunten minder geneigd zijn om te veranderen van provider. Burnett
(2014), European Commission (2014), Federal Communications Commission en Prince &
Greenstein (2011) kwamen tot gelijkaardige resultaten. Belangrijk te stellen: ook hier gaat
het over een relatie die slechts enkele keren onderzocht werd. Dit resultaat moet dus nog
geconfirmeerd of ontkracht worden door toekomstig onderzoek.
Conclusie
Gepercipieerde switching costs, gepercipieerde klanttevredenheid en het hebben van een
abonnement op een bundel zijn signicante voorspellers van de switching intention van de
consumenten in dit onderzoek. Wanneer die onafhankelijke variabelen met
1 standaardafwijking toenamen, daalde de switching intention van de respondenten in dit
onderzoek. Dit zou moeten geconfirmeerd worden in een longitudinaal onderzoek, omdat
dan pas een definitieve richting aan het verband gegeven kan worden. Gepercipieerde
content kwaliteit had geen significante invloed op de switching intention van de
consumenten in dit onderzoek, maar verklaarde meer dan 1/3de van de variantie in hun
klanttevredenheid, wat op haar beurt de switching intention beïnvloedt.
Daaruit kan geconcludeerd worden dat de praktijk de vier methodes kan blijven
toepassen om consumenten langer aan zich te binden. De twee oudste technieken -
gepercipieerde switching costs en gepercipieerde klanttevredenheid - zo hoog mogelijk
proberen te houden, blijken nog steeds effectieve methodes voor de respondenten in dit
onderzoek. Deze studie probeerde ook een bijdrage te leveren aan de literatuur door de
relatie tussen gepercipieerde content kwaliteit en het hebben van een abonnement op
62
een bundel op de switching intention van een consument te onderzoeken. Volgens de
resultaten van deze studie kunnen telecomproviders eveneens de twee meest recente
technieken blijven toepassen. Gepercipieerde content kwaliteit mag dan geen
rechtstreeks significante voorspeller van de switching intention zijn, de variabele is wel
positief gecorreleerd met gepercipieerde klanttevredenheid. Het hebben van een
abonnement op een bundel kwam als een significante voorspeller in dit onderzoek naar
voren.
Beperkingen van het onderzoek
Dit onderzoek heeft enkele beperkingen. Zo werd ervoor gekozen om respondenten slechts op
één moment in de tijd te ondervragen, in plaats van een longitudinale studie uit te voeren.
Daardoor kan er geen causale relatie worden aangetoond. Om het eigenlijke effect van de
onafhankelijke variabelen op de afhankelijke variabele te onderzoeken, moet er dus in de
toekomst een longitudinale studie uitgevoerd worden.
Daarnaast konden de respondenten zichzelf selecteren om deel te nemen aan het onderzoek.
Dat kan ook voor eventuele vertekening zorgen. Ook ging het niet om een enkelvoudige aselecte
steekproef en daardoor is de leeftijdsverdeling vertekend. Daaruit volgt dat de conclusies van
deze studie enkel gelden voor de onderzochte steekproef en dus niet veralgemeend kunnen
worden.
Ten slotte is het belangrijk om te onderstrepen dat het onderzoek naar de invloed van het
hebben van een abonnement op een bundel en van de gepercipieerde content kwaliteit nog heel
beperkt is. Daardoor is deze studie nog van exploratieve aard. De factoren werden meegenomen
in dit onderzoek, maar het was niet de enige focus van dit werkstuk. Nieuw onderzoek zou meer
aandacht kunnen steken in het operationaliseren van die variabelen, om bijvoorbeeld het
construct ‘abonnement op bundel’ te perfectioneren. Zo zou in de toekomst misschien een
S.E.M. gebouwd kunnen worden waarbij ook die factor kan worden meegenomen. Ook voor de
determinant ‘gepercipieerde content kwaliteit’ moet er in de toekomst verder getest worden of
de relatie kan worden geconfirmeerd of ontkracht.
63
Bibliografie
Ahn, J.-H., Han, S.-P., & Lee, Y.-S. (2006). Customer churn analysis: Churn determinants and
mediation effects of partial defection in the Korean mobile telecommunications service
industry. Telecommunications Policy, 30, 552-568.
Armstrong, M., & Vickers, J. (2006). Competitive nonlineair pricing and bundling. Discussion
paper series, 281, 30-60.
Baccarne, B. (2018, maart 14). Clusteranalyse & factoranalyse. Gent, Oost-Vlaanderen, België.
Bakos, Y., & Brynjolfsson, E. (1999). Bundling information goods, profits and efficiency.
Management Science, 45 (12), 1613-1630.
Bansal, H. S., Taylor, S. F., & St. James, Y. (2005). "Migrating' to new service providers: Toward a
unifying framework of consumers' switching behaviors. Journal of the Academy of
Marketing Science, 33 (1), 96-115.
Bansal, H., & Taylor, S. (2002). Investigating interactive effects in the theory of planned behavior
in a service-provider switching context. Psychology & Marketing, 19 (5), 407-425.
Berson, A., Smith, S., & Thearling, K. (1999). Building data mining apllications or CRM. Virginia:
McGraw-Hill Professional.
Boulding, W., Kalra, A., Richard, S., & Zeithaml, V. (1993). A dynamic process of model of service
quality: From expectations to behavioral intentions. Journal of Marketing Research, 30
(1), 7-27.
Burnett, T. (2014). The impact of service bundling on consumer switching behaviour: Evidence
from UK communication markets. Working paper, University of Bristol.
Calvo-Porral, C., Faiña-Medin, A., & Nieto-Mengotti, M. (2016). Satisfaction and switching
intention in mobile services: Comparing lock-in and free contracts in the Spanish market.
Telematics and Informatics, 34, 717-729.
64
Cronin, J., Brady, M., & Hult, G. (2000). Assessing the effects of quality, value, and customer
satisfaction on consumer behavioral intentions in service environments. Journal of
Retailing, 76 (2), 193-218.
Dass, R., & Jain, R. (2011). An analysis on the factors causing telecom churn: First findings.
Detroit: AMCIS 2011 Proceedings.
De Croo, A. (2017, juni 19). Voortaan verander je makkelijker van telecomoperator met Easy
Switch. Opgehaald van Alexander De Croo op 22 februari 2019:
https://decroo.belgium.be/nl/easy-switch
Deng, Z., Lu, Y., Kee Wei, K., & Zhang, J. (2009). Understanding customer satisfaction and loyalty:
An empirical study of mobile instant messages in China. International Journal of
Information Management, 30, 289-300.
Dragan, D., & Topolsek, D. (2014). Introduction to structural equation modeling: review,
methodology and practical applications (pp. 1-28). Celje, Slovenia: University of Maribor.
Dumon, P. (2017, december 22). Studio 100 en Proximus slaan handen in mekaar: exclusieve deal
en nieuwe muziekzender. Opgehaald van De Morgen op 25 februari 2019:
https://www.demorgen.be/tvmedia/studio-100-en-proximus-slaan-handen-in-mekaar-
exclusieve-deal-en-nieuwe-muziekzender-be0eabb2/
European Commission. (2014). E-Communications and telecom single market household survey
report, special eurobarometer 414. Brussels: European Commission.
Evens, T., Iosifidis, P., & Smith, P. (2013). The political economy of television sports rights.
Basingstoke: Palgrave Macmillan.
Evens, T., Iosifidis, P., & Smith, P. (2016). The next big match: Convergence, competition and
sports media rights. European Journal of Communication, 31 (5), 536-550.
65
Evens, T., Lefever, K., Valcke, P., Schuurman, D., & De Marez, L. (2010). Acces to premium
content on mobile television platforms: The case of mobile sports. Telematics and
Informatics, 28, 32-39.
Federal Communications Commission. (2010). Broadband decisions: What drives consumers to
switch or stick with their broadband internet provider. FCC Working Paper.
Feldmann, V. (2005). Leveraging mobile media. New-York: Physica-Verlag.
Gan, C., Cohen, D., Clemes, M., & Chong, E. (2006). A survey of customer retention in the new
zealand banking industry. Banks and Bank System, 1 (4), 83-99.
Ganesh, J., Arnold, M., & Reynolds, K. (2000). Understanding the customer base of service
providers: An examination of the differences between switchers and stayers. Journals of
Marketing, 64 (3), 65-87.
Gerpott, T. J. (2008). Biased choice of a mobile telephony tariff type: Exploring usage boundary
perceptions as a cognitive cause in choosing between a use-based or a flat rate plan.
Telematics and Informatics, 26 (2), 167-179.
Gerpott, T. J., Rams, W., & Schindler, A. (2001). Customer retention, loyalty, and satisfaction in
the German mobile cellular telecommunications market. Telecommunications Policy, 25
(4), 249-269.
Hirschman, A. O. (1970). Exit, voice, and loyalty: Responses to decline in firms, organizations, and
states. Cambridge, MA: Harvard University Press.
Johnson, M., & Fornell, C. (1991). A framework for comparing customer satisfaction across
individuals and product categories. Journal of Economic Psychology, 12(2), 267-286.
Jones, M. A., Mothersbaugh, D. L., & Beatty, S. E. (2000). Switching barriers and repurchase
intentions in services. Journal of retailing, 76 (2), 259-274.
66
Julander, C., & Söderlund, M. (2003). Effects of switching barriers on satisfaction, repurchase
intentions and attitudinal loyalty. Working Paper Series in Business Administration,
2003:1, 1-22.
Kahn, A., Jamwal, S., & Sepehri, M. (2010). Applying data mining to customer churn prediction in
an internet service provider. International Journal of Computer Applications, 9 (7), 8-14.
Keaveney, S., & Parthasarathy, M. (2001). Customer switching behavior in online services: An
exploratory study of the role of selected attitudinal, behavioral and demographic factors.
Journal of the academy of marketing science, 29 (4), 374-390.
Kim, H.-S., & Yoon, C.-H. (2004). Determinants of subscriber churn and customer loyalty in the
Korean mobile telephony market. Telecommunications Policy, 28 (9-10), 751-765.
Kim, M.-K., Park, M.-C., & Jeong, D.-H. (2004). The effects of customer satisfaction and switching
barriers on customer loyalty in Korean mobile telecommunication services.
Telecommunication Policy, 28 (2), 145-159.
Klemperer, P. (1984). Collusion via switching costs: How ”frequent-flyer” programs, trading
stamps, and technology choices aid collusion. Working paper, 786, 1-34.
Klemperer, P. (1987). Market with customer switching cost. Quarterly Journal of Economics,
102(2), 375–394.
Kuo, Y.-F., Wu, C.-M., & Deng, W.-J. (2009). The relationships among service quality, perceived
value, customer satisfaction, and post-purchase intention in mobile value-added services.
Computers in Human Behavior, 25, 887-896.
Lambrecht, A., & Skiera, B. (2006). Paying too much and being happy about it: Existence, causes,
and consequences of tariff-choice biases. Journal of Marketing Research, 43 (2), 212-223.
67
Lee, J., Kim, Y., Lee , J.-D., & Pa, Y. (2005). Estimating the extent of potential competition in the
Korean mobile telecommunications market: Switching costs and number portability.
International Journal of Industrial Organization, 24, 107–124.
Lee, K.-W., Tsai, M.-T., & Corazon, M. L. (2010). From marketplace to marketspace: Investigating
the consumer switch to online banking. Electronic Commerce Research and Applications,
10, 115-125.
Lee, S. (2016). Does bundling decrease the probability of switching telecommunications service
providers? Review of Industrial Organization, 50 (3), 303-322.
Lewis, B. R. (1991). Service quality: An international comparison of bank customers’ expectations
and perceptions. Journal of Marketing Management, 7 (1), 47-62.
Li, W., Spachos, P., Chignell, M., Leon-Garcia, A., Zuchermann, L., & Jiang, J. (2016). Impact of
technical and content quality on overall experience of OTT video. 13th IEEE Annual
Consumer Communications & Networking Conference (CCNC), 1-6.
Lu, T., Tu, R., & Jen, W. (2011). The role of service value and switching barriers in an integrated
model of behavioural intentions. Total Quality Management & Business Excellence, 22
(10), 1071-1089.
Lunn, P. D., & Lysons, S. (2018). Consumer switching intentions for telecoms services: Evidence
from Ireland. Heliyon, 4(5), 1-32.
Madden, G., Savage, S., & Coble-Neal, G. (1999). Subscriber churn in the Australian ISP market.
Information economics and policy, 11 (2), 195-207.
Miao, M., & Jayakar, K. (2014). Bounded rationality and consumer choice: An evaluation of
consumer choice of mobile bundles. Chinese Journal of Communication, 7 (2), 199-211.
Nakamura, A. (2010). Estimating switching costs after introducing fixed-mobile convergence in
Japan. Information Economics and Policy, 23 (1), 59–71.
68
Nalebuff, B. (2004). Bundling as an entry barrier. The Quarterly Journal of Economics, 119(1),
159–187.
Neal, T. (2014, december 13). Quintuple-play becomes operators' next strategy as number of
household devices powered by broadband continues to increase. Opgehaald van The Fast
Mode op 13 maart 2019: https://www.thefastmode.com/mobile-data-services-
trends/3544-quintuple-play-becomes-operators-next-strategy-as-number-of-household-
devices-powered-by-broadband-continues-to-increase
Oghojafor, B., Mesike, G., Bakarea, R., Omoera, C., & Adeleke, I. (2012). Discriminant analysis of
factors affecting telecoms customer churn. International Journal of Business
Administration, 3 (2), 59-67.
Omotayo, O., & Joachim, A. (2008). Customer service in the retention of mobile phone users in
Nigeria. African Journal of Business Management, 2 (2), 26-38.
Oskarsdóttira, M., Bravob, C., Verbeke, W., Sarraute, C., Baesens, B., & Vanthienen, J. (2017).
Social network analytics for churn prediction in telco: Model building, evaluation and
network architecture. Expert Systems with Applications, 85 (1), 204-220.
Parasuraman, A., Zeithaml, V. A., & Berry, L. L. (1985). A conceptual model of service quality and
its implications for future research. Journal of Marketing, 49(4), 41-50.
Parasuraman, A., Zeithaml, V. A., & Berry, L. L. (1988). SERVQUAL: A multiple-item scale for
measuring consumer perceptions of service quality. Journal of Retailing, 64(1), 12-40.
Patterson, P., & Smith, T. (2003). A cross-cultural study of switching barriers and propensity to
stay with service providers. Journal of Retailing, 79 (2), 107-120.
Prince, J., & Greenstein, S. (2011). Does service bundling reduce churn? SSRN Working Paper, 1-
52.
69
Quach, T., Jebarajakirthy, C., & Thaichon, P. (2015). The effects of service quality on internet
service provider customers’ behaviour. Asia Pacific Journal of Marketing and Logistics, 28
(3), 435-463.
Ringold, D. (1988). Consumer response to product withdrawal: The reformulation of Coca-Cola.
Psychology & Marketing, 5(3), 189-210.
Salinger, M. A. (1995). A graphical analysis of bundling. Journal of Business, 68(1), 85–98.
Shafei, I., & Tabaa, H. (2015). Factors affecting customer loyalty for mobile telecommunication
industry. EuroMed Journal of Business, 11 (3), 347-361.
Uner, M. M., Güven, F., & Cavusg, T. (2015). Bundling of telecom offerings: An empirical
investigation in the Turkish market. Telecommunications Policy, 39 (1), 53–64.
Verbeke, W., Dejaeger, K., Martens, D., Hur, J., & Baesens, B. (2011). New insights into churn
prediction in the telecommunication sector: A profit driven data mining approach.
European Journal of Operational Research, 218 (1), 211-229.
Verleye, G. (2018, maart 14). Voorspellende analyse bij communicatie wetenschappelijk
onderzoek: regressieanalyse. Gent, Oost-Vlaanderen, België.
Verstockt, M. (2018, maart 21). SEM. Gent, Oost-Vlaanderen, België.
Vervoort, D. (2017, juni 30). Easy Switch: Zo verander je eenvoudig van telecomoperator.
Opgehaald van TechPulse op 23 februari 2019:
https://www.techpulse.be/tips/216385/easy-switch-zo-verander-je-eenvoudig-van-
telecomoperator/
Wilson, J. (2018, februari 13). Sky Sports secures majority of Premier League TV games in new
£4.46 billion deal. Opgehaald van The Telegraph op 1 maart 2018:
https://www.telegraph.co.uk/football/2018/02/13/sky-sports-secures-majority-premier-
league-tv-games-new-446/
70
Yoo, J., Choi, J., Kim, S., & Yang, J. (2009). Factors affecting the switching intention of IPTV
subscribers. Conference: Proceedings of the 11th international conference on Advanced
Communication Technology, 2, 966-968.
Zeithaml, V. Z., Berry, L. L., & Parasuraman, A. (1996). The behavioral consequences of service
quality. Journal of Marketing, 60 (2), 31-46.
71
Bijlagen
Bijlage 1: Survey
Beste respondent, In het kader van mijn masteropleiding Communicatiewetenschappen aan de Universiteit Gent voer ik onderzoek uit naar de overstapintentie van consumenten naar een andere telecomprovider. Alle gegevens worden vertrouwelijk en anoniem verwerkt en uitsluitend voor dit onderzoek gebruikt. Het invullen van deze vragenlijst zal ongeveer een kleine 10 minuten van je tijd in beslag nemen. Het is belangrijk dat u de vragenlijst volledig invult tot op het einde. Indien je vragen hebt over dit onderzoek, kan je mij altijd contacteren via [email protected] Alvast heel erg bedankt voor uw bijdrage aan mijn masterproef! Gretel Coorevits Wat is uw geslacht?
- Man
- Vrouw
Wat is uw geboortejaar? (Bijvoorbeeld: 1996)
-
Wat is uw burgerlijke staat?
- Single
- Gehuwd
- Samenwonend
- Gescheiden
- Weduwe/weduwnaar
72
Wat is uw hoogst behaalde opleidingsniveau?
- Secundair onderwijs
- Hoger onderwijs
Van welke telecomdiensten maakt u gebruik?
- Vaste telefoon
- Mobiele telefoon
- Vast internet
- Mobiel internet
- Digitale televisie
Bent u de afgelopen twee jaar veranderd van provider?
- Ja
- Nee
Hoe groot is de kans dat je binnen zes maanden van telecomprovider verandert:
Onwaarschijnlijk
Onwaarschijnlijk waarschijnlijk
Onaannemelijk aannemelijk
Onmogelijk mogelijk
Voor mij lijkt veranderen van telecomprovider…
Onwaarschijnlijk
Een slecht idee een goed idee
Nutteloos nuttig
Schadelijk Voordelig
Dom Wijs
73
Onaangenaam Aangenaam
Ongewenst Gewenst
Een idee dat ik niet genegen ben Een idee dat ik genegen ben In welke mate gaat u akkoord met volgende stellingen?
Kruis aan in welke mate je akkoord gaat met volgende stellingen…
Helemaal niet akkoord
Niet akkoord
Enigszins niet akkoord
Noch niet akkoord, noch akkoord
Enigs- zins akkoord
Akkoord Helemaal akkoord
Ik ben tevreden met mijn provider.
De provider voldoet aan alle vereisten die ik stel.
De provider bevredigt mijn behoeftes.
74
In welke mate gaat u akkoord met volgende stellingen?
Kruis aan in welke mate je akkoord gaat met volgende stellingen…
Helemaal niet akkoord
Niet akkoord
Enigszins niet akkoord
Noch niet akkoord, noch akkoord
Enigs- zins akkoord
Akkoord Helemaal akkoord
Er zijn weinig andere providers die realistische alternatieven voor me aanbieden.
Het is moeilijk voor mij om gebruik te maken van andere providers.
Het zou ingewikkeld voor me zijn om van provider te veranderen.
Ik voel me gebonden aan deze provider.
Het neemt veel tijd in beslag om me te informeren over andere providers.
75
Heeft u een bundel*? (Burnett, 2014, p. 36) *Een bundel is een pakket waarin je minstens twee
producten van één provider opneemt, en waarbij de betaling via één factuur verloopt.
- Ja
- Nee (Bij nee de volgende vraag niet invullen, wel degene met de stellingen)
Hoeveel telecomdiensten nam u op in uw bundel?
- 2
- 3
- 4
- Meer dan 4
In welke mate gaat u akkoord met volgende stellingen?
Kruis aan in welke mate je akkoord gaat met volgende stellingen…
Helemaal niet akkoord
Niet akkoord
Enigszins niet akkoord
Noch niet akkoord, noch akkoord
Enigs- zins akkoord
Akkoord Helemaal akkoord
Voor mij is mijn huidige bundel een belangrijke reden om bij mijn provider te blijven.
Voor mij is een aanbod voor een aantrekkelijke bundel een belangrijke reden om van provider te veranderen.
76
In welke mate gaat u akkoord me
Kruis aan in welke mate je akkoord gaat met volgende stellingen…
Helemaal niet akkoord
Niet akkoord
Enigszins niet akkoord
Noch niet akkoord, noch akkoord
Enigs- zins akkoord
Akkoord Helemaal akkoord
Het programma-aanbod van mijn provider is volledig.
Mijn provider biedt geschikte content aan.
Mijn provider biedt content aan die ik belangrijk vind.
Mijn provider biedt de nieuwste content aan.
Mijn provider biedt regelmatig geüpdate content aan.
Ik kan me vinden in het aanbod van mijn provider.
77
Bijlage 2: Items om de verschillende constructen te meten
Switching intention Items α Hoe groot is de kans dat je binnen zes maanden van telecomprovider verandert:
.88 onwaarschijnlijk
waarschijnlijk
onaannemelijk
aannemelijk
onmogelijk
mogelijk
Construct klanttevredenheid Items α
1. Ik ben tevreden met mijn provider 2. De provider voldoet aan alle vereisten die ik stel. 3. De provider bevredigt mijn behoeftes.
.89
Attitude tegenover switching Items Alpha α Voor mij is veranderen van provider…
Een slecht idee
Een goed idee
.93
Een idee dat ik niet genegen ben
Een idee dat ik genegen ben
Nutteloos
Nuttig
Schadelijk
Voordelig
Dom
Wijs
Onaangenaam
Aangenaam
78
Gepercipieerde switching costs Items α
1. Er zijn weinig andere providers die realistische alternatieven voor me aanbieden.
2. Het is moeilijk voor mij om gebruik te maken van andere providers.
3. Het zou ingewikkeld voor me zijn om van provider te veranderen.
4. Ik voel me gebonden aan deze provider. 5. Het neemt veel tijd in beslag om me te informeren over andere
providers.
.70
Abonnement op bundel Items Alpha α
1. Voor mij is mijn huidige bundel een belangrijke reden om bij mijn provider te blijven.
2. Voor mij is een aanbod voor een aantrekkelijke bundel een belangrijke reden om van provider te veranderen.
.87
Gepercipieerde content kwaliteit Items Alpha α
1. Mijn provider biedt complete content. 2. Mijn provider biedt geschikte content. 3. Mijn provider biedt belangrijke content. 4. Mijn provider biedt moderne content. 5. Mijn provider biedt regelmatige upgedate content. 6. Ik begrijp volledig de content die mijn provider me aanbiedt.
.87
79
Bijlage 3: Pre-test
Pre-test 1:
- Schat de kans dat je binnen de zes maanden van telecomprovider verandert à Hoe groot
is de kans dat je binnen zes maanden van telecomprovider verandert
- Voor mij is een aanbod voor een aantrekkelijke bundel een belangrijke reden om van
provider te veranderen à Voor mij is het aanbod van een aantrekkelijke bundel een
belangrijke reden om van provider te veranderen.
- Oorspronkelijke formulering content niet duidelijk. Nieuwe formulering beter.
- Tijd 6’16”
Pre-test 2:
- De schaalaanduiding bij switching intention & attitude tegenover switching die varieert
tussen -3 -2 -1 0 1 2 3 zaait verwarring. Beter: wegdoen.
- Voor de rest alles duidelijk.
- Tijd: 8’
Pre-test 3:
- Schaalaanduiding bij switching intention & atittude tegenover switching met de cijfers
-3 -2 -1 0 1 2 3 zaait eveneens verwarring. Ook hier: beter wegdoen.
- Voor de rest alles duidelijk.
- Tijd: 15’
Pre-test 4:
- Semantische differentiaal: niet duidelijk. De cijfers zaaien ook hier verwarring. Voorstel:
van 1 tot 7 plaatsen
- Voor de rest alles duidelijk
- Tijd: 7’
80
Pre-test 5 :
- Vind de schaal met 1,2, 3, 4, 5, 6, 7 duidelijker dan de oorspronkelijke schaal
- Vind het nog beter als bij de constructen switching intention & attitude tegenover
switching de cijfers gewoon zijn weggelaten
- Voor de rest alles duidelijk
- Tijd: 4’ 08”
Pre-test 6:
- Heeft voorkeur om de cijfers weg te laten bij de constructen switching intention &
attitude tegenover switching
- Voor de rest alles duidelijk
- Tijd: 4’56”
Pre-test 7:
- Ook hier voorkeur om de cijfers weg te laten bij de constructen switching intention &
attitude tegenover switching
- Voor de rest alles duidelijk
- Tijd: 5’10”
81
Bijlage 4: Principale componenten analyse
Correlation Matrix
SI1 SI2 SI3 KT1 KT2 KT3 SC2 SC3 SC4 SC5 AB1 AB2r CK1 CK2 CK3 CK4 CK5 CK6
Correl
ation
SI1 1,000 ,739 ,588 -,314 -,358 -,332 -,221 -,201 -,220 ,076 -,140 -,161 -,154 -,234 -,231 -,248 -,243 -,265
SI2 ,739 1,000 ,810 -,346 -,345 -,343 -,203 -,234 -,201 ,097 -,159 -,221 -,202 -,217 -,226 -,216 -,190 -,250
SI3 ,588 ,810 1,000 -,316 -,299 -,254 -,207 -,198 -,191 ,133 -,150 -,239 -,196 -,146 -,176 -,196 -,159 -,187
KT1 -,314 -,346 -,316 1,000 ,685 ,668 ,001 ,011 ,016 -,141 ,256 -,050 ,315 ,464 ,415 ,323 ,330 ,460
KT2 -,358 -,345 -,299 ,685 1,000 ,837 ,078 ,042 ,047 -,099 ,255 ,010 ,371 ,481 ,402 ,346 ,317 ,451
KT3 -,332 -,343 -,254 ,668 ,837 1,000 ,080 ,071 ,032 -,072 ,275 -,018 ,395 ,484 ,468 ,337 ,313 ,532
SC2 -,221 -,203 -,207 ,001 ,078 ,080 1,000 ,461 ,383 ,092 ,113 ,074 ,051 ,097 ,088 ,108 ,040 ,015
SC3 -,201 -,234 -,198 ,011 ,042 ,071 ,461 1,000 ,564 ,389 ,175 ,044 ,081 ,006 ,042 ,057 -,035 -,004
SC4 -,220 -,201 -,191 ,016 ,047 ,032 ,383 ,564 1,000 ,295 ,167 -,023 ,067 ,016 -,003 ,040 -,001 ,016
SC5 ,076 ,097 ,133 -,141 -,099 -,072 ,092 ,389 ,295 1,000 ,051 -,135 -,038 -,108 -,128 -,075 -,114 -,108
AB1 -,140 -,159 -,150 ,256 ,255 ,275 ,113 ,175 ,167 ,051 1,000 -,304 ,267 ,240 ,186 ,201 ,187 ,206
AB2r -,161 -,221 -,239 -,050 ,010 -,018 ,074 ,044 -,023 -,135 -,304 1,000 ,041 ,003 -,012 -,047 ,001 -,016
CK1 -,154 -,202 -,196 ,315 ,371 ,395 ,051 ,081 ,067 -,038 ,267 ,041 1,000 ,659 ,504 ,451 ,370 ,495
CK2 -,234 -,217 -,146 ,464 ,481 ,484 ,097 ,006 ,016 -,108 ,240 ,003 ,659 1,000 ,706 ,531 ,447 ,608
CK3 -,231 -,226 -,176 ,415 ,402 ,468 ,088 ,042 -,003 -,128 ,186 -,012 ,504 ,706 1,000 ,597 ,454 ,637
CK4 -,248 -,216 -,196 ,323 ,346 ,337 ,108 ,057 ,040 -,075 ,201 -,047 ,451 ,531 ,597 1,000 ,563 ,534
CK5 -,243 -,190 -,159 ,330 ,317 ,313 ,040 -,035 -,001 -,114 ,187 ,001 ,370 ,447 ,454 ,563 1,000 ,536
CK6 -,265 -,250 -,187 ,460 ,451 ,532 ,015 -,004 ,016 -,108 ,206 -,016 ,495 ,608 ,637 ,534 ,536 1,000
KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
,828
Bartlett's Test of Sphericity
Approx. Chi-Square 3953,888 df 153 Sig. ,000
82
Total Variance Explained
Com-ponent
Initial Eigenvalues Extraction Sums of Squared
Loadings Rotation Sums of Squared
Loadings
Total % of
variance Cum.% Total % of
variance Cum.% Total % of
variance Cum.% 1 5,653 31,407 31,407 5,653 31,407 31,407 3,794 21,079 21,079 2 2,526 14,033 45,439 2,526 14,033 45,439 2,616 14,532 35,611 3 1,848 10,269 55,708 1,848 10,269 55,708 2,472 13,733 49,344 4 1,334 7,410 63,118 1,334 7,410 63,118 2,181 12,119 61,463 5 1,016 5,642 68,760 1,016 5,642 68,760 1,313 7,297 68,760 6 ,815 4,529 73,288 7 ,757 4,204 77,493 8 ,604 3,355 80,848 9 ,557 3,097 83,945 10 ,463 2,573 86,518 11 ,454 2,523 89,041 12 ,409 2,274 91,315 13 ,379 2,106 93,421 14 ,365 2,029 95,450 15 ,304 1,687 97,137 16 ,225 1,248 98,385 17 ,163 ,908 99,293 18 ,127 ,707 100,000 Extraction Method: Principal Component Analysis.
83
Rotated Component Matrixa
Component
1 2 3 4 5 CK3 ,798 -,065 ,238 ,005 -,013 CK4 ,791 -,145 ,031 ,025 ,108 CK2 ,785 -,024 ,332 ,023 -,010 CK6 ,736 -,099 ,321 -,044 ,039 CK5 ,712 -,168 ,025 -,092 ,109 CK1 ,695 -,029 ,223 ,101 -,001 SI2 -,124 ,890 -,196 -,121 ,037 SI3 -,091 ,869 -,133 -,092 ,046 SI1 -,162 ,791 -,182 -,133 ,006 KT2 ,282 -,193 ,855 ,010 ,039 KT3 ,323 -,148 ,854 ,032 ,055 KT1 ,284 -,227 ,755 -,080 ,127 SC3 ,005 -,142 ,026 ,849 ,011 SC4 ,002 -,171 -,011 ,764 ,102 SC2 ,108 -,214 -,046 ,630 -,087 SC5 -,132 ,286 ,014 ,620 ,120 AB2R ,015 -,249 -,007 ,025 -,830 AB1 ,197 -,168 ,167 ,157 ,737
Top Related