de opkomst van een nieuw digitaal...
Post on 24-Jul-2020
0 Views
Preview:
TRANSCRIPT
De opkomst van een nieuw digitaal medium?
Een drieledig onderzoek naar de consumentenacceptatie van merk gerelateerde
mobiele apps
Naam: Rik Groot
ANR: 88 58 20
Begeleider: Dr. Marie Postma
Tweede lezer: Dr. Per van der Wijst
Datum: Augustus 2011
Master Bedrijfscommunicatie en Digitale Media
Faculteit Geesteswetenschappen
Universiteit van Tilburg
In opdracht van Blue Mango Interactive
iii
Samenvatting
Deze scriptie beschrijft de invloed van de aanwezigheid van eigenschappen in een
merk gerelateerde app op de gebruiksintentie van een potentiële gebruiker. De studie
maakt gebruik van een unieke onderzoeksaanpak: er wordt aan de hand van van drie
complementaire onderzoeksmethodes onderzoek gedaan om tot een conclusie te
komen.
In het eerste onderzoek wordt een content analyse uitgevoerd waarmee 14
verschillende eigenschappen van een mobiele app worden gevonden. Op basis van
deze eigenschappen wordt in de tweede studie aan de hand van het Kano model
onderzoek gedaan naar de invloed van de aan- of afwezigheid van deze
eigenschappen op de tevredenheid en de ontevredenheid van de gebruiker ten
opzichte van de merk gerelateerde app. Op basis van de resultaten van deze tweede
studie zijn twee prototypes van apps ontworpen. Door deze prototypes aan
respondenten voor te leggen is in de derde studie onderzoek gedaan naar
gebruiksintentie aan de hand van een gebruikersadoptiemodel.
De resultaten wijzen uit dat het verwachte nut van een merk gerelateerde app
de hoofdfactor is die de gebruikersintentie verhoogt. Daarnaast zijn de eigenschappen
waar een merk gerelateerde app uit moet bestaan afhankelijk van het bedrijf waar de
app voor wordt ontwikkeld.
iv
Voorwoord
Eindelijk klaar. Na een studietijd van zeven jaar zit het er eindelijk op. Hoewel ik in
de eerste twee jaar een slow-starter ben geweest ben ik uiteindelijk toch trots op wat
ik heb bereikt.
Marie, allereerst bedankt voor de prettige begeleiding. Toen ik nog rond aan
het neuzen was naar een begeleider stond je meteen voor me klaar met een mooie
afstudeerstage bij Blue Mango Interactive. Hiermee bood je me het
afstudeeronderwerp aan waar ik zo hard naar op zoek was.
Hier ben ik ook Blue Mango Interactive erg dankbaar voor en in het bijzonder
mijn begeleider Kim. Ik heb heel erg veel geleerd van BMI en van jou en ik zal die
ervaringen zeker gaan toepassen bij mijn toekomstige werk.
Tot slot wil ik mijn dispuut, mijn vriendin en mijn ouders bedanken. Ik kon
gelukkig niet elk moment aan mijn scriptie zitten en op die momenten kon ik altijd bij
jullie afleiding vinden.
Rik Groot
v
Inhoudsopgave
1. Inleiding .................................................................................................................... 1
1.1. Aanleiding .......................................................................................................... 1
1.2. Doelstelling en onderzoeksvraag ...................................................................... 2
1.3. Relevantie .......................................................................................................... 2
2. Theoretisch kader .................................................................................................... 4
2.1. Mobiele apps ..................................................................................................... 4
2.1.1. Achtergrond ................................................................................................ 4
2.1.2. De grote diversiteit tussen apps ................................................................. 6
2.1.3. De communicatieve kenmerken van apps ................................................. 7
2.2. Consumentenbehoeften .................................................................................... 8
2.2.1. Het Kano model .......................................................................................... 9
2.3. Gebruikersbehoeften per branche ................................................................... 12
2.4. Consumentenacceptatie van een nieuwe IT-toepassing .............................. 12
2.4.1. Het UTAUT model..................................................................................... 13
2.4.1.1. Variabelen .............................................................................................. 15
2.5. Deelonderzoeksvragen en hypothesen .........................................................16
3. Studie 1 - De eigenschappen van apps ....................................................................19
3.1. Methode............................................................................................................19
3.2. Resultaten ....................................................................................................... 20
3.3. Perspectief ....................................................................................................... 20
4. Studie 2 - Klantenbehoeften .................................................................................. 22
4.1. Respondenten ................................................................................................. 22
4.2. Onderzoeksdesign ........................................................................................... 22
4.3. Instrument ...................................................................................................... 22
4.4. Procedure ........................................................................................................ 25
4.5. Resultaten ....................................................................................................... 25
4.6. Perspectief ....................................................................................................... 30
vi
5. Studie 3 – De gebruiksintentie ten opzichte van een app ..................................... 32
5.1. Respondenten ................................................................................................. 32
5.2. Onderzoeksdesign ........................................................................................... 33
5.3. Instrument ...................................................................................................... 33
5.3.1. Ervaring webwinkel .................................................................................. 33
5.3.2. Verwacht nut ............................................................................................ 34
5.3.3. Verwacht gebruiksgemak ......................................................................... 35
5.3.4. Sociale invloed .......................................................................................... 35
5.3.5. Gebruiksintentie ....................................................................................... 37
5.4. Procedure ........................................................................................................ 37
5.5. Resultaten ....................................................................................................... 38
5.5.1. Verschillen tussen de condities ................................................................ 38
5.5.2. Conditie 2 – Accountbeheer app telecomprovider .................................. 39
5.5.3. Conditie 3 – Winkel app webwinkel ......................................................... 41
5.5.4. Condities 1 en 4 ........................................................................................ 43
5.5.5. Perspectief ................................................................................................ 47
6. Conclusie en discussie............................................................................................ 49
6.1. De eigenschappen van apps ............................................................................ 49
6.2. De behoefte naar eigenschappen .................................................................... 50
6.3. De consumentenacceptatie van een merk gerelateerde app .......................... 52
6.4. Vervolgonderzoek ........................................................................................... 54
6.5. Limitaties......................................................................................................... 56
Literatuur ...................................................................................................................... 57
Bijlage A ........................................................................................................................ 62
Bijlage B ........................................................................................................................ 63
Bijlage C ........................................................................................................................ 69
Bijlage D ........................................................................................................................ 70
1
1. Inleiding
1.1. Aanleiding
Smartphones worden het ‗Zwitserse zakmes‘ onder de mobiele telefoons genoemd
vanwege de grote variëteit aan mogelijkheden die ze bieden. Ze hebben sinds de
introductie van Apple‘s iPhone 3G in juli 2008, in combinatie met de opening van de
bijbehorende ‗App Store‘, het huidige landschap van mobiele applicaties (apps)
vormgegeven (West & Mace, 2010). Apps zijn stukjes software die ontworpen zijn om
de gebruiker bepaalde taken uit te laten voeren op een smartphone. Ze kunnen
worden gedownload en geïnstalleerd op smartphones via platform gebonden
appmarkten. In 2010 downloadden gebruikers van smartphones 7.9 miljard keer een
app (ABIresearch, 2011) en in 2014 zal er naar verwachting 185 miljard keer een app
zijn gedownload sinds de oprichting van de App Store (Gartner, 2010). Hoewel
smartphones enkele beperkingen met zich meedragen, waaronder de geringe grootte
van het scherm, de veranderende gebruikscontext en de onbetrouwbaarheid van de
verbinding (Zhang & Adipat, 2005) worden ze overal en op elk moment gebruikt
(Ballagas, Borchers, Rohs, & Sheridan, 2006). De diversiteit aan hardware en
sensoren van smartphones zorgt voor een enorme hoeveelheid beschikbare data wat
veelzijdige apps mogelijk maakt. Apps kunnen utilitair zijn: apps maken medische
toepassingen mogelijk die gebruik maken van de camera om moedervlekken te
analyseren. Apps kunnen daarentegen ook ter vermaak dienen: apps bestaan in de
vorm van 3D spellen die gebruik maken van de actuele locatie van de gebruiker aan
de hand van het GPS-signaal van de smartphone.
De genoemde groei- en gebruikscijfers zijn voor bedrijven de aanleiding
geweest om te participeren in deze nieuwe markt. Een blik in de verschillende
appmarkten leert ons dat steeds meer bedrijven merk gerelateerde apps lanceren
voor verschillende doeleinden zoals ter promotie van een evenement of ter
ondersteuning bij opgelopen autoschade. Bedrijven die apps ontwikkelen ervaren
echter twee problemen. Allereerst worden apps slechts enkele keren gebruikt
alvorens ze weer worden verwijderd (Localytics, 2011). Ten tweede laat een recent
rapport zien dat slechts 1% van merk gerelateerde apps succesvol is in termen van het
aantal keer dat ze worden gedownload (Deloitte, 2011). Deze onderzoeken tonen aan
dat apps problemen ondervinden in termen van gebruikersretentie en
gebruiksintentie. Gebruikersadoptiemodellen leren ons dat het verwachte nut van
2
een IT-toepassing een voorspeller is van de gebruiksintentie van die IT-toepassing
(Venkatesh, Morris, Davis, & Davis, 2003). Een oorzaak van de resultaten van het
rapport van Deloitte kan zijn dat huidige merk gerelateerde apps niet voldoen aan de
verwachtingen van de potentiële gebruikers. Zodra de behoeften van deze gebruikers
helder zijn kan er een merk gerelateerde app worden ontwikkeld die aansluit bij de
wensen van deze gebruikers. Dit kan als gevolg hebben dat de gebruiker het nut van
de app inziet wat zal leiden tot een hogere gebruiksintentie (Venkatesh, et al., 2003).
Daarnaast kan dit leiden tot de retentie van de gebruiker omdat de app zal voldoen
aan de voor de gebruiker fundamentele eigenschappen. Door aan deze behoefte te
voldoen wordt de loyaliteit ten opzichte van het product en het bedrijf vergroot
(Matzler & Hinterhuber, 1998; Witell & Löfgren, 2007). In het verlengde hiervan is
het aannemelijk dat er geen generieke behoeften bestaan voor eigenschappen die een
merk gerelateerde app moet bezitten. De eigenschappen waaraan gebruikers
behoeften hebben in een digitaal medium blijken afhankelijk te zijn van het type
bedrijf (Zhang & Von Dran, 2002). Bovenstaande maakt het duidelijk dat de
potentiële gebruiker van een merk gerelateerde app centraal zal staan in deze scriptie.
1.2. Doelstelling en onderzoeksvraag
Het doel van deze scriptie is om inzichtelijk te maken welke eigenschappen van een
app bijdragen aan het succes van een merk gerelateerde app. Dit succes wordt in deze
scriptie gedefinieerd als een app waar individuen een bovengemiddelde
gebruikersintentie voor hebben. Hierbij wordt tevens verondersteld dat er per bedrijf
een verschil bestaat in de eigenschappen waaruit een merk gerelateerde app moet
bestaan. Om te achterhalen welke factoren bijdragen aan een verhoogde
gebruiksintentie is de volgende hoofdonderzoeksvraag opgesteld:
Welke factoren dragen bij aan een verhoogde gebruiksintentie van een merk
gerelateerde mobiele applicatie?
Op basis van de literatuur zullen enkele deelonderzoeksvragen en hypothesen worden
opgesteld welke de beantwoording van de hoofdonderzoeksvraag mogelijk zullen
maken.
1.3. Relevantie
Het onderzoek wordt uitgevoerd in samenwerking met online marketing bedrijf Blue
Mango Interactive (BMI). Het zal worden uitgevoerd worden voor een tweetal
3
klanten van BMI. Dit onderzoek zal hierdoor een praktijkgerichte wetenschappelijke
bijdrage leveren aan de literatuur ('t Hart, Boeije, & Hox, 2005). Dit houdt in dat de
uitkomsten wel een wetenschappelijke bijdrage hebben maar niet generaliseerbaar
zijn buiten het onderzochte domein.
Het onderzoek zal één van de eerste toevoegingen zijn aan de literatuur over
digitale communicatie met betrekking tot het onderwerp apps. Vooralsnog is er
vrijwel geen onderzoek uitgevoerd naar dit relatief nieuwe digitale medium. Digitale
communicatie is een onderzoeksveld dat volgens Newhagen en Rafaeli (1996) enkele
unieke communicatieve kenmerken bezit. Op basis van een literatuurstudie over
digitale communicatie zullen er bij deze studie methodes worden gebruikt die zichzelf
al hebben bewezen in eerdere (digitale) onderzoeksvelden. Er zal aan de hand van
deze methodes een drietal studies worden uitgevoerd waarvan de resultaten van elke
afzonderlijke studie een basis kunnen vormen voor vervolgonderzoek in dit tot
dusverre onderzoeksgebied.
De samenwerking met BMI biedt ons de gelegenheid om het onderzoek uit te
voeren met behulp van twee verschillende bedrijven met een groot klantenbestand.
Dit biedt de unieke mogelijkheid om gericht onderzoek te kunnen doen naar de
klanten van deze verschillende bedrijven wat representatieve data oplevert over het
onderzoeksonderwerp. Vervolgonderzoek kan hierdoor worden aangepast aan de
werkelijke behoeften van klanten van desbetreffende bedrijven wat een realistisch
beeld zal verschaffen van de werkelijke gebruiksintentie ten opzichte van een merk
gerelateerde app. Deze uitkomsten zullen ons betrouwbare inzichten verschaffen
welke eigenschappen van belang zijn in merk gerelateerde apps.
4
2. Theoretisch kader
In paragraaf 2.1 zal worden ingegaan op het fenomeen ―mobiele apps‖. Aan de hand
van een korte geschiedenis zal het duidelijk worden welke impact ze hebben op de
huidige maatschappij. Daarnaast worden enkele voorbeelden gegeven over de
uiteenlopende functionaliteiten van apps en tot slot zal er worden ingegaan op de
communicatieve kenmerken die ze bevatten.
Gebruikers van een product of dienst baseren hun tevredenheid hierover op de
combinatie van de (on)tevredenheid over de afzonderlijke eigenschappen waaruit het
product of de dienst bestaat. Paragraaf 2.2 zal ingaan op de grondslag van deze
theorie en zal uitwijden over het Kano model. Dit model is in diverse domeinen
toegepast om (on)tevredenheid te toetsen over afzonderlijke eigenschappen en kan
ook nuttig zijn in het bepalen van de (on)tevredenheid over de eigenschappen van
een merk gerelateerde mobiele app.
In paragraaf 2.3 wordt ingegaan op het verschil in gebruikersbehoeften ten
opzichte van digitale media met betrekking tot de eigenschappen waar ze uit bestaan.
Het type bedrijf kan bepalend zijn voor de eigenschappen die het meest geschikt zijn
voor een merk gerelateerde app.
Tot slot zal paragraaf 2.4 ingaan op de theorie die de gebruikersadoptie van
nieuwe IT-toepassingen beschrijft. Hier geldt dat gebruiksintentie de belangrijkste
voorspeller is van het daadwerkelijke gebruik van een nieuwe IT-toepassing. Het
model dat zal worden toegepast is het UTAUT model. Dit model is in de literatuur
veelvuldig gebruikt met betrekking tot de mate van gebruikersadoptie van nieuwe IT-
toepassingen.
2.1. Mobiele apps
2.1.1. Achtergrond
Een mobiele app is software ontworpen om de gebruiker taken uit te laten voeren op
een mobiele computer zoals een mobiele telefoon of tablet PC. Er kan onderscheid
gemaakt worden tussen native apps en web apps. Native apps kunnen alleen worden
geïnstalleerd op het mobiele besturingssysteem waar het voor is geschreven. Web
apps zijn niet gebonden aan een besturingssysteem en kunnen door alle moderne
mobiele telefoons worden uitgevoerd. Apple heeft met de introductie van de iPhone
3G in combinatie met de opening van de Apple App Store in juli 2008 het huidige
applandschap vormgegeven (West & Mace, 2010). Waar het vroeger ongebruikelijk
5
was om extra apps te installeren op een mobiele telefoon introduceerde Apple de App
Store waar gebruikers van een iPhone op een simpele wijze native apps konden
downloaden. De App Store maakt het daarnaast voor iedereen mogelijk om zelf apps
toe te voegen aan het bestaande aanbod. Dit had grote gevolgen voor het aanbod van
apps in de App Store. In de eerste zes maanden steeg dit aantal van 500 naar 15.000
en inmiddels is het aanbod gestegen tot 425.000 apps. Deze explosieve groei bracht
een schok teweeg en andere bedrijven verfijnden hun besturingssysteem of
introduceerden hun eigen besturingssystemen en openden hun eigen appmarkten
(Tabel 1). Hoewel de verdeling duidelijke vormen aan heeft genomen zal het
landschap de komende jaren blijven veranderen (Gartner, 2010).
Tabel 1
Het huidige aanbod van de vijf grootste mobiele appmarkten
Naam OS Datum oprichting
Eigenaar Aantal apps
Aantal gebruikers
App Store1 iOS 10 juli 2008 Apple 425.000 222 miljoen
Android Market2
Android 22 oktober 2008 Google 460.000 130 miljoen
App World3 BlackBerry OS 1 april 2009 RIM 37.000 46 miljoen
Ovi Store4 Symbian, Nokia Touch, Nokia QWERTY
26 mei 2009 Nokia 83.000 825 miljoen
Windows Phone Marketplace5
Windows Phone
21 oktober 2010 Windows 29.000 3.5 miljoen
Apps worden in deze appmarkten op basis van hun gebruikerswaardering en het
aantal downloads gerangschikt in de ‗hitlijsten‘. De gebruikerswaardering
vertegenwoordigt een waarde van 1 tot en met 5 sterren. Deze waarde is gebaseerd op
de gemiddelde beoordeling van alle gebruikers die de app hebben geïnstalleerd en
1 Resultaten voor juli 2011: http://www.macrumors.com/2011/07/19/apple-reports-record-breaking-q3-2011/ 2 Resultaten voor augustus 2011: http://www.androlib.com/appstats.aspx 3 Resultaten voor juli 2011: http://www.distimo.com/appstores/app-store/20-BlackBerry_App_World 4 Resultaten voor juli 2011: http://www.distimo.com/appstores/stores/view/21-Nokia_Ovi_Store/ 5 Resultaten voor augustus 2011: http://www.windowsphoneapplist.com/
6
een waardering hebben gegeven. Het aantal downloads is het cumulatieve aantal keer
dat een app is gedownload sinds het moment dat hij in de appmarkt werd geplaatst.
De eerder genoemde hitlijsten maken het voor gebruikers makkelijker om populaire
apps te vinden. Het grote aantal apps in combinatie met de diversiteit tussen apps
zorgt er echter voor dat de appmarkten ook onderscheid maken tussen verschillende
categorieën apps. Dit heeft als doel dat gebruikers apps met een bepaalde
functionaliteit makkelijker kunnen vinden.
2.1.2. De grote diversiteit tussen apps
De grote diversiteit tussen apps blijkt uit het gegeven dat de grootste aanbieder van
apps, de Android Market, onderscheid maakt tussen 34 verschillende categorieën
variërend van games tot productiviteit. Het meest gebruikte type apps zijn spelletjes.
Op de tweede plaats gevolgd door apps die gericht zijn op het nieuws/weer (Pew
Internet, 2010). De grote diversiteit wordt mogelijk gemaakt door de mogelijkheden
die het platform biedt waarop apps kunnen worden uitgevoerd. Moderne
smartphones zijn uitgerust met diverse sensoren (o.a. een gyroscoop, een
versnellingsmeter, een GPS-antenne, een nabijheids-sensor, een camera en een Wi-Fi
verbinding) waardoor er veel data beschikbaar is voor apps. Deze data kan vervolgens
worden gecombineerd met de mobiliteit van een mobiele telefoon wat apps voor
diverse toepassingen geschikt maakt.
Een aansprekend voorbeeld van een succesvolle app is Google Maps. Deze app
maakt volledig gebruik van de unieke kenmerken van een smartphone. Allereerst
maakt hij gebruik van de GPS-antenne om de actuele locatie van de gebruiker te
bepalen. Daarnaast kan de gebruiker deze locatie met behulp van de app op elk
willekeurig moment weergeven en aan de hand van deze locatie relevante plaatsen in
de buurt opzoeken. Google Maps krijgt in de Android Market een
gebruikerswaardering van 4.4/5 ster en is tussen de 100- en 500 miljoen keer
gedownload. Een aansprekend voorbeeld van een succesvolle Nederlandse merk
gerelateerde app is de Appie App van Albert Heijn. Deze app maakt het voor klanten
van Albert Heijn onder andere mogelijk om hun boodschappenlijst met familieleden
te synchroniseren waardoor ze in de winkel een actuele boodschappenlijst hebben.
Tevens bezit de app een loopservice waardoor de klant op de juiste route door de
winkel wordt geleidt. De app wordt in de Android Market gewaardeerd met 4.5/5 ster
en is tussen de 100- tot 500 duizend keer geïnstalleerd. Een voorbeeld van een
minder succesvolle merk gerelateerde app is de app van de Bijenkorf. Via deze app is
7
het mogelijk om informatie te vinden over mode, lifestyle en trends. Ook zijn de
actuele aanbiedingen van de Bijenkorf te bekijken. Deze app wordt gewaardeerd met
2.9/5 ster en is tussen de 5.000 en 10.000 keer gedownload. Al deze apps maken
gebruik van de communicatieve kenmerken van een digitaal medium. De volgende
paragraaf zal duidelijk maken dat apps buiten deze communicatieve kenmerken zelf
ook twee unieke communicatieve kenmerken bezitten.
2.1.3. De communicatieve kenmerken van apps
Er zijn vijf unieke communicatieve kenmerken die digitale media onderscheidend
maken ten opzichte van conventionele media (Newhagen & Rafaeli, 1996). Allereerst
zorgt de multimodaliteit van digitale media ervoor dat tekst, geluid, video en
afbeeldingen allemaal tegelijk kunnen worden overgebracht. De hypertekstualiteit
van digitale media geeft de gebruiker de mogelijkheid om zelf de volgorde van de
verkregen informatie te bepalen. De pakketschakeling zorgt ervoor dat boodschappen
overal heen kunnen worden gestuurd omdat ze geen vaste route hebben zoals
traditionele communicatie. De synchroniciteit maakt het mogelijk dat boodschappen
vrijwel direct overgedragen kunnen worden over de gehele wereld. Tot slot zijn
digitale media interactief. Deze interactiviteit maakt directe reflectie over
voorgeschotelde informatie mogelijk. Ook mobiele apps zijn een digitaal medium en
bezitten deze vijf kenmerken. Apps onderscheiden zich echter doordat ze twee extra
eigenschappen bezitten die mogelijk worden gemaakt door het platform waarop ze
worden uitgevoerd: de smartphone. Allereerst zijn apps sensorisch. Smartphones zijn
uitgerust met diverse soorten hardware en sensoren. Dit heeft als gevolg dat ze ―slim‖
zijn. Deze gegenereerde data is op elk moment toegankelijk voor een app waardoor
apps een breed toepassingsveld krijgen waaronder de eerder genoemde apps van
Google en Albert Heijn. Ten tweede zijn apps alomtegenwoordig. Mobiele telefoons
kunnen overal en op elk moment worden gebruikt (Ballagas, et al., 2006). Dit heeft
als gevolg dat apps niet afhankelijk zijn van een vaste locatie waarop ze kunnen
worden gebruikt.
Uit bovenstaande blijkt dat een app een complex medium is. De synergie
tussen de genoemde kenmerken heeft als gevolg dat apps een breder toepassingsveld
dan vroegere digitale media zoals websites wat blijkt uit de gegeven voorbeelden.
Waarom bepaalde apps succesvoller worden ontvangen dan andere apps hangt echter
8
af van de eindgebruiker van de app. Als een app niet aan zijn behoeften voldoet dan
wordt deze na enkele keren gebruiken verwijderd (Localytics, 2011).
2.2. Consumentenbehoeften
Consumenten beoordelen producten en diensten op basis van een gelimiteerd aantal
eigenschappen. Hier geldt dat enkele eigenschappen van invloed zijn op de
tevredenheid over een product terwijl andere eigenschappen van invloed zijn op de
ontevredenheid over een product (Swan & Combs, 1976). Deze eigenschappen
verschillen in de mate waarin ze kunnen leiden tot (on)tevredenheid (Vargo, Nagao,
He, & Morgan, 2007). Deze beoordelingen over de verschillende eigenschappen zijn
onafhankelijk van elkaar en kunnen tot conflicterende gevoelens leiden. Uit een
studie van Giese en Cote (2000) blijkt dat respondenten aangaven tevreden te zijn
over de functionaliteit van een product maar dat ze tegelijkertijd ontevreden waren
over het aankoopproces van dat product. Deze bevindingen spreken eerdere
bevindingen tegen waarin wordt gesuggereerd dat consumententevredenheid het
bipolair tegenovergestelde is van consumentenontevredenheid (e.g., Mittal, Kumar, &
Tsiros, 1999). De resultaten van Giese en Cote (2000) ondersteunen echter
onderzoeken waarbij tevredenheid en ontevredenheid als twee losstaande dimensies
worden gezien (e.g., Mano & Oliver, 1993).
De Two-Factor-Theory (Herzberg, Mausner, & Snyderman, 1959) is de eerste
theorie die dit verschijnsel, waarbij tevredenheid en ontevredenheid los van elkaar
staan, in de praktijk beschrijft. De resultaten van de onderzoekers suggereren dat er
voor arbeiders zogenoemde motivators en hygienes bestaan. De motivators zijn
bepaalde eigenschappen van werkomstandigheden, zoals de mate van waardering en
de verantwoordelijkheden die men krijgt op de werkvloer, die leiden tot
tevredenheid. Daarentegen zijn de hygienes eigenschappen van de
werkomstandigheden, zoals het bedrijfsbeleid en de mate van supervisie, die leiden
tot ontevredenheid. In andere onderzoeken wordt aangetoond dat deze beoordeling
op basis van evaluatie van de afzonderlijke eigenschappen niet alleen geldt voor
werkomstandigheden maar eveneens van toepassing is op de beoordeling van
producten (Maddox, 1981; Swan & Combs, 1976). Ook is de theorie van toepassing op
digitale media zoals websites. Hiervoor geldt dat onder andere de aanwezigheid van
multimedia en humor zorgen voor tevredenheid en de afwezigheid van een duidelijke
navigatie en regelmatige updates leiden tot ontevredenheid (Zhang & Von Dran,
9
2000). Een punt van kritiek ten opzichte van deze theorie is dat er slechts wordt
uitgegaan van twee dimensies (Pollack, 2007). En model dat uitgaat van slechts twee
dimensies sluit eigenschappen uit waarbij de mate van de (on)tevredenheid van een
consument proportioneel stijgt of daalt in relatie tot de aan- of afwezigheid van een
eigenschap (Cadotte & Turgeon, 1988; Friman, Bo, & Gärling, 2001). Deze
ontbrekende dimensie wordt wel benoemd door theorieën die uitgaan van drie
dimensies.
2.2.1. Het Kano model
Het Kano model beschrijft een dergelijke theorie die uit gaat van drie dimensies
(Kano, Seraku, Takahashi, & Tsuji, 1984). Het model beschrijft (1) eigenschappen die
van invloed zijn op de tevredenheid van de consument, (2) eigenschappen die van
invloed zijn op de ontevredenheid van de consument en (3) eigenschappen die zowel
van invloed zijn op de tevredenheid als op de ontevredenheid van de consument. Het
model biedt enkele voordelen ten opzichte van de op de Two-Factor-Theory
gebaseerde theorieën die uitgaan van twee dimensies (Matzler & Renzl, 2007).
Allereerst kent het Kano model de extra dimensie waaronder eigenschappen vallen
die zowel invloed hebben op de tevredenheid als op de ontevredenheid van de
consument. Ten tweede hangt de classificatie van de eigenschappen in het Kano
model af van de verwachtingen van de consument terwijl deze eigenschappen in de
Two-Factor-Theory a priori worden geclassificeerd. Tot slot is het model van Kano
dynamisch; eigenschappen van een product zijn niet definitief gebonden aan een
bepaalde classificatie maar migreren naar een andere classificatie naar gelang de tijd
(Kano, 2001). De meest voorkomende trend is een eigenschap die van attractief naar
eendimensionaal migreert en tot slot als fundamenteel eindigt (Kano, 2001). Deze
migratie treedt op omdat consumenten steeds meer gewend raken aan een bepaalde
eigenschap waardoor hij naar gelang van tijd als normaal wordt beschouwd (Zhao &
Dholakia, 2009). Figuur 1 geeft het model en de relatie tussen de eigenschappen en
de (on)tevredenheid weer.
10
Figuur 1
Het Kano model
De horizontale as geeft de mate van de aanwezigheid van een eigenschap aan. De
verticale as geeft de mate van de (on)tevredenheid van een consument aan. In de
grafiek lopen vijf verschillende lijnen die aangeven in welke mate de aan- of
afwezigheid van een bepaalde eigenschap invloed heeft op de (on)tevredenheid van
een consument. De curve fundamenteel beschrijft eigenschappen die niet van invloed
zijn op de tevredenheid maar wel op de ontevredenheid (Kano, et al., 1984).
Consumenten staan niet stil bij dit type eigenschappen omdat dit in hun ogen de
fundamentele eigenschappen van een product zijn (Witell & Löfgren, 2007). Het
ontbreken van dergelijke eigenschappen in een product zorgt voor een verlaagde
loyaliteit waardoor de consument op zoek gaat naar een alternatief product (Matzler
& Hinterhuber, 1998). Zo zal een intact pak melk niet leiden tot tevredenheid maar
een lekkend pak melk wel leiden tot ontevredenheid. De attractief curve duidt op
eigenschappen die niet van invloed zijn op de ontevredenheid maar wel van invloed
zijn op de tevredenheid (Kano, et al., 1984). Dit zijn eigenschappen die consumenten
niet verwachten in een product en de aanwezigheid van een dergelijke eigenschap zal
consumenten op een positieve manier verrassen en zodoende de tevredenheid
verhogen. Een consument zal bijvoorbeeld niet verwachten dat hij gebruik kan maken
11
van zijn mobiele telefoon tijdens een vlucht. Als dit wel mogelijk is zal hij hier
tevreden over zijn. Het ontbreken van deze mogelijkheid zal echter niet leiden tot
ontevredenheid. De lijn eendimensionaal beschrijft eigenschappen die zowel van
invloed zijn op de tevredenheid als de ontevredenheid (Kano, et al., 1984). Dit zijn
eigenschappen waar consumenten zich actief bewust van zijn waardoor bedrijven er
een competitief voordeel mee kunnen behalen (Witell & Löfgren, 2007). Een verkorte
houdbaarheid op een pak melk zal voor een toename van de mate van ontevredenheid
zorgen terwijl een verlengde houdbaarheid zal leiden tot een toename van de mate
van tevredenheid. De onverschillig lijn heeft betrekking op eigenschappen die zowel
geen invloed hebben op de tevredenheid als op de ontevredenheid van de consument
(Kano, et al., 1984). Het type karton waarvan een pak melk is gemaakt is een
eigenschap die voor de meeste consumenten in deze categorie valt. Tot slot heeft de
lijn omgekeerd betrekking op eigenschappen die een averechts effect hebben op de
tevredenheid van de consument (Kano, et al., 1984). De aanwezigheid van een
(verplichte) sequentiële transmissie in een auto zal in veel gevallen leiden tot een
verhoogde ontevredenheid. De combinatie van de invloed van deze vijf
eigenschappen bepalen de uiteindelijke (on)tevredenheid over een product of dienst.
Hoewel het model zijn oorsprong vindt in de mechanische bouwkunde vindt
het steun in diverse andere domeinen waarbij de ontwikkeling van een product
centraal staat (Matzler & Hinterhuber, 1998; Min, Kim, Kwon, & Sohn, 2011). Deze
domeinen beperken zich niet alleen tot fysieke producten maar strekken zich ook uit
tot digitale omgevingen. Zhao en Dholakia (2009) beschrijven de behoeften van
consumenten ten opzichte van acht interactieve eigenschappen van een website aan
de hand van het Kano model. Ze tonen aan dat ook voor digitale eigenschappen geldt
dat de relatie tussen de mate van de aan- of afwezigheid van een eigenschap en de
mate van (on)tevredenheid niet lineair hoeft te zijn. Ook Witell en Löfgren (2007)
tonen aan via een onderzoek naar een e-service dat eigenschappen van digitale
diensten van invloed kunnen zijn op de tevredenheid, de ontevredenheid of op
beiden. Hieruit wordt duidelijk dat het model ook toepasbaar is op digitale media.
Bovengenoemde onderzoeken hebben allen echter betrekking op een generiek
product of generieke dienst. Het is echter aannemelijk dat de klanten van een
telecomprovider andere behoeften hebben dan klanten van een webwinkel.
12
2.3. Gebruikersbehoeften per branche
De impact op de wijze waarop een bedrijf een nieuwe technologie kan toepassen is
afhankelijk van het type bedrijf en het productaanbod dat ze bieden (Palmer &
Griffith, 1998). De manier waarop een bedrijf een website wil inzetten bepaalt de
eigenschappen die vereist zijn om de website te laten functioneren volgens de door
het bedrijf gestelde doelen. Deze eigenschappen zijn uiteenlopend en variëren van
gebruiksvriendelijkheid van de website tot aan de interactiviteit van de website
(Chiou, Lin, & Perng, 2010). De kwaliteit van deze eigenschappen bepaalt vervolgens
de gebruikerservaring van de desbetreffende website (e.g. Nielsen, 1994; Gehrke &
Turban, 1999). Enkele van deze eigenschappen zijn universeel en beïnvloeden de
gebruikerservaring onder verschillende omstandigheden op dezelfde manier
(Nielsen, 1994). Er bestaan ook eigenschappen die bij websites van bedrijven van een
bepaalde branche als belangrijker worden beoordeeld dan bij websites van bedrijven
uit een andere branche (Zhang & Von Dran, 2002). Eindgebruikers hechten bij
websites van financiële bedrijven de meeste waarde aan de snelheid waarmee
informatie wordt geüpdatet en de uitvoerigheid van die informatie. Voor e-commerce
bedrijven worden de veiligheid van de transactie en de navigatie als belangrijkste
punten gezien (Zhang & Von Dran, 2002). Ook in de praktijk blijkt dat websites van
bedrijven uit verschillende branches uit verschillende eigenschappen bestaan
(Huizingh, 2000; Liao, To, & Shih, 2006; Robbins & Stylianou, 2003).
Bij mobiele diensten is er eveneens sprake van een verschil tussen de
behoeften voor bepaalde eigenschappen bij de gebruikers. Verkasalo (2009)
beargumenteert dat specifieke mobiele diensten zoals GPS slechts worden gebruikt
door een klein segment eindgebruikers. Dit in tegenstelling tot generieke mobiele
diensten zoals sms die door vrijwel alle eindgebruikers worden gebruikt. Dit heeft als
gevolg dat apps ontwikkeld dienen te worden met de behoeften van de te bedienen
doelgroep als uitgangspunt. Door aan deze behoeften te voldoen zullen gebruikers de
app nuttig vinden wat een verhoogd gebruik als gevolg heeft (Venkatesh, et al., 2003).
2.4. Consumentenacceptatie van een nieuwe IT-toepassing
Bij de gebruiksintentie staat het individuele besluitvormingsproces centraal: ga ik
gebruik maken van een innovatie of niet? Deze vraag is kenmerkend voor onderzoek
naar consumentenacceptatie van nieuwe toepassingen waar in de afgelopen dertig
jaar verschillende theorieën en modellen over zijn ontwikkeld (e.g., Davis, 1989;
13
Rogers, 1995). Van alle modellen die consumentenacceptatie beschrijven is het
UTAUT model het meest geschikt om de acceptatie van merk gerelateerde apps te
onderzoeken. Allereerst verklaart het model een groot deel van de variantie. Ten
tweede is het model diverse contexten nuttig gebleken. Op deze voordelen zal in de
volgende paragraaf kort worden ingegaan.
2.4.1. Het UTAUT model
Het Unified Theory of Acceptance and Use of Technology model (UTAUT model,
Venkatesh, et al., 2003) is een model waarmee de acceptatie en het gebruik van
nieuwe IT-toepassingen in organisaties kan worden verklaard. Het UTAUT model is
op basis van acht theorieën opgesteld welke alle gedragsintentie of gedrag als
afhankelijke variabele gebruiken:
Theory of Reasoned Action (TRA, Fishbein & Ajzen, 1975)
Technology Acceptance Model (TAM, Davis, 1989)
Motivational Model (MM, Davis, Bagozzi, & Warshaw, 1992)
Theory of Planned Behavior (TPB, Ajzen, 1991)
Combinatie van TAM en TPB (C-TAM-TPB, Taylor & Todd, 1995)
Model of PC Utilization (MPCU, Thompson, Higgins, & Howell, 1994)
Innovation Diffusion Theory (IDT, Rogers, 1995)
Social Cognitive Theory (SCT, Bandura, 1986)
Zoals voorgaand is aangegeven biedt het UTAUT model enkele voordelen ten
opzichte van andere modellen. Allereerst verklaart het UTAUT model 70 procent van
de variantie in gebruiksintentie en gebruik, terwijl de verklaarde variantie van de
oorspronkelijke modellen tussen de 17 en 53 procent ligt (Venkatesh, et al., 2003).
Ten tweede is het model toegepast in diverse contexten zoals bij onderzoek naar de
gebruiksadoptie van een open software systeem in een ziekenhuis (Dulle & Minishi-
Majanja, 2011) en de gebruikersadoptie van internetbankieren (AbuShanab &
Pearson, 2007). Naast deze overige contexten is het model ook specifiek toegepast bij
het onderzoek naar de gebruikersadoptie van mobiele diensten (Carlsson, Carlsson,
Hyvönen, Puhakainen, & Walden, 2006; Shin, 2009; Zhou, 2008; Zhou, Lu, & Wang,
2010). In voorgenoemde onderzoeken naar de adoptie van mobiele diensten wordt
echter de gebruiksintentie van generieke mobiele diensten onderzocht. Onderzoek
naar de gebruikersadoptie van mobiele diensten als generiek concept brengt echter
14
problemen met zich mee aangezien elke mobiele dienst specifieke kenmerken bezit
waardoor de diensten afzonderlijk dienen te worden onderzocht (Verkasalo, López-
Nicolás, Molina-Castillo, & Bouwman, 2010). Aangezien een toepassing wordt
ontwikkeld voor een specifieke functie moet er per functie worden onderzocht wat de
gebruiksintentie van die toepassing is.
Deze gebruiksintentie is volgens het UTAUT model de grootste voorspeller van
gebruik. De gebruiksintentie zelf wordt beïnvloed door drie onafhankelijke
variabelen. Een vierde onafhankelijke variabele is daarnaast ook van invloed op
gebruiksgedrag. Deze relaties worden gemodereerd door vier overige variabelen
(Figuur 2).
Figuur 2
Het UTAUT model (Venkatesh, et al., 2003)
Het UTAUT model beschrijft de gebruikersadoptie van een nieuwe
informatietechnologie. Aan de hand van het model wordt het daadwerkelijke gebruik
van een IT-toepassing van een gebruiker verklaard. Deze variabele wordt beïnvloed
door de variabelen faciliterende voorwaarden en gebruiksintentie. De variabele
gebruiksintentie is een afhankelijke variabele die wordt beïnvloed door de variabelen
verwacht nut, verwacht gebruiksgemak en sociale invloed. Deze variabelen
15
ondergaan een modererend effect van de variabelen geslacht, leeftijd, ervaring en
vrijwilligheid. In de volgende paragraaf zullen deze variabelen worden beschreven.
2.4.1.1. Variabelen
Verwacht nut
Aan de hand van het verwachte nut wordt onderzocht in hoeverre men een IT-
toepassing bruikbaar vindt bij het uitvoeren van een taak ten opzichte van de
beschikbare substituten. Het verwachte nut is de sterkste voorspeller van
gebruiksintentie (Venkatesh, et al., 2003) en komt terug in zes van de acht theorieën
waarop het UTAUT model is gebaseerd. Adoptiemodellen zijn echter niet toepasbaar
op generieke diensten maar moeten worden toegepast op specifieke diensten
(Verkasalo, et al., 2010). De app zal daarom een specifieke functie moeten krijgen
zodat het model toepasbaar wordt.
Verwacht gebruiksgemak
Het verwachte gebruiksgemak is de mate van gebruiksgemak die met het
gebruik van de toepassing wordt geassocieerd. Ook deze variabele heeft een directe
relatie met de gebruiksintentie (Venkatesh, et al., 2003). De relatie tussen het
verwachte gebruiksgemak en de gebruiksintentie wordt volgens Venkatesh et al.
(2003) gemodereerd door het geslacht en de leeftijd. De onderzoekers vonden een
sterker verband voor vrouwen dan voor mannen en eveneens was het effect sterker
naarmate de respondenten jonger waren.
Sociale invloed
De sociale invloed is volgens Venkatesh et al. (2003) de mate waarin men
denkt dat belangrijke andere mensen vinden dat hij een IT-toepassing zou moeten
gebruiken. De verspreiding van apps is op een bijzondere manier onderhevig aan
sociale invloed. In paragraaf 2.1.1. staat vermeld dat apps via appmarkten worden
verspreid. De informatie over de app wordt in deze appmarkten vergezeld van diverse
vormen van sociale invloed. Ten eerste worden slechts de apps met de hoogste
gebruikerswaarderingen getoond in de hitlijsten van de appmarkt. Buiten deze lijsten
om wordt de gebruikerswaardering van elke app ook direct getoond in combinatie
met het aantal waarderingen. Tevens valt de verdeling van de gegeven waarderingen
ook te zien. Tot slot is het voor gebruikers ook mogelijk om een review achter te laten
bij elke app. Deze vorm van sociale invloed wordt ook wel eWOM (electronic word-of-
mouth) genoemd (Zhang, Craciun, & Shin, 2010). Onderzoek naar dit verschijnsel
laat zien dat online gebruikerswaarderingen invloed hebben op de aankoopintentie
16
van producten. Producten met een hoge gebruikerswaardering en veel reviews
worden populairder geschat dan producten met een lage gebruikerswaardering en
een gering aantal reviews (Park & Lee, 2008). De hoeveelheid reviews en de
gebruikerswaardering hebben daarnaast een positieve invloed op aankoopintentie
(Park & Lee, 2009; Park & Lee, 2008). In dit onderzoek wordt verondersteld dat de
sociale invloed bij apps de gebruikerswaardering in de appmarkten is. Er wordt
verondersteld dat gebruikers die meer waarde hechten aan waarderingen sneller
gebruik zullen maken van merk gerelateerde apps.
Faciliteiten
In het UTAUT model is het construct faciliteiten een directe voorspeller van
gebruik. Het construct heeft betrekking op de mate waarin een individu denkt dat een
organisatorische en technische infrastructuur bestaat die het gebruik van het systeem
kan ondersteunen (Venkatesh, et al., 2003). Een deel van het construct faciliteiten
wordt door het construct verwacht nut omvat. Indien het construct verwacht nut
wordt opgenomen in het model zal er geen significant effect van faciliteiten bestaan
(Venkatesh, et al., 2003).
Gebruiksintentie
Gebruiksintentie wordt door Venkatesh et al. (2003) niet expliciet gedefinieerd.
Fishbein en Ajzen (1975) noemen deze intentie de ‗subjectieve kans op bepaald
gedrag‘. Binnen het onderzoek naar consumentenacceptatie wordt deze definitie
veelvuldig gebruikt (e.g., Rogers, 1995). In het UTAUT model van Venkatesh et al.
(2003) wordt een direct positief verband tussen intentie en gedrag voorgesteld.
2.5. Deelonderzoeksvragen en hypothesen
Op basis van de literatuur kan er worden gesteld dat de afzonderlijke eigenschappen
van een digitaal medium een verschillende invloed hebben op de (on)tevredenheid
van de consument (Kano, et al., 1984). Daarbij nemen we ook aan dat de invloed
hebben die deze eigenschappen hebben op de (on)tevredenheid verschilt per type
bedrijf waarvoor het medium wordt ontwikkeld (Zhang & Von Dran, 2002). Op basis
van het Kano model stellen we de volgende deelonderzoeksvragen op:
Uit welke eigenschappen bestaat een mobiele applicatie?
Welke eigenschappen van een mobiele applicatie van Typhone en Vodafone
leiden tot tevredenheid bij zijn gebruikers?
17
Welke eigenschappen van een mobiele applicatie Typhone en Vodafone leiden
tot ontevredenheid bij zijn gebruikers?
Welke eigenschappen van een mobiele applicatie Typhone en Vodafone leiden
zowel tot tevredenheid als tot ontevredenheid bij zijn gebruikers?
In het UTAUT model staat de variabele verwacht nut voor de mate waarin een
individu verwacht dat hij baat heeft bij het gebruik van een toepassing ten opzichte
van beschikbare alternatieven (Venkatesh, et al., 2003). Eendimensionale
eigenschappen zijn in het Kano model eigenschappen waar consumenten zich actief
bewust van zijn dat een product ze kan bezitten (Kano, et al., 1984). Met de promotie
van de aanwezigheid van deze eigenschappen in een product kunnen bedrijven een
competitief voordeel behalen ten opzichte van bedrijven waarbij het product deze
eigenschappen niet bezit omdat ze een positieve invloed hebben op tevredenheid van
de consument (Witell & Löfgren, 2007). Op basis van het bovenstaande kunnen we de
volgende hypothese opstellen:
H1: Merk gerelateerde mobiele applicaties waarin de voor het bedrijf geldende
eendimensionale eigenschappen wel zijn verwerkt hebben een hoger verwacht
nut dan merk gerelateerde mobiele applicaties waarin deze eendimensionale
eigenschappen niet zijn verwerkt.
Volgens Venkatesh, et al. (2003) zijn bij IT-toepassingen het verwachte nut en het
verwachte gebruiksgemak van de toepassing de grootste voorspellers van de
gebruiksintentie. Op basis hiervan stellen we de volgende hypothesen op:
H2: Het verwachte nut van een merk gerelateerde applicatie heeft een
positieve invloed op de gebruiksintentie.
H3: Het verwachte gebruiksgemak van een merk gerelateerde applicatie heeft
een positieve invloed op de gebruiksintentie.
Ook de sociale invloed is een voorspeller van de gebruiksintentie van een IT-
toepassing (Venkatesh, et al., 2003). Onderzoek naar de invloed van
gebruikerswaarderingsystemen in online omgevingen laat zien dat de
gebruikerswaarderingen van invloed zijn op de aankoopintentie van een product
(Park & Lee, 2008). Vanwege de grote invloed van deze waarderingssystemen in
appmarkten gaat dit onderzoek er vanuit dat de invloed van deze omgevingen een
18
voorspeller zijn van de gebruiksintentie. Op basis hiervan stellen we de volgende
hypothese op:
H4: De sociale invloed van de appmarkt waaruit een merk gerelateerde app
moet worden geïnstalleerd heeft een positieve invloed op de gebruiksintentie.
Drie van de vier opgestelde hypothesen kunnen worden vereenvoudigd in een
conceptueel model welke hieronder wordt weergegeven (Figuur 3).
Figuur 3
Vereenvoudigd conceptueel model van de verwachtingen en hypothesen
Alvorens de hypothesen getoetst kunnen worden dient er een exploratief onderzoek
uitgevoerd te worden naar de eigenschappen waaruit het onderzochte digitale
medium bestaat. Deze eigenschappen zijn in talloze andere onderzoeken naar overige
digitale media zoals websites het uitgangspunt geweest voor vervolgonderzoek (e.g.,
Chiou, et al., 2010; Huizingh, 2000; Liao, et al., 2006). Aangezien dergelijke
eigenschappen voor mobiele apps niet beschreven zijn zullen deze eerst in kaart
moeten worden gebracht.
Verwacht nut
Verwacht
gebruiksgemak
Sociale invloed
Gebruiks-
intentie
H3
H2
H4
19
3. Studie 1 - De eigenschappen van apps
De eigenschappen van een app zullen in kaart worden gebracht aan de hand van een
kwalitatieve content analyse. Het uitvoeren van een kwalitatieve content analyse is
een methode om de eigenschappen van een medium te bepalen aan de hand van de
latente betekenis die aan de oppervlakte ligt van de uitgedragen boodschappen
(Potter & Levine-Donnerstein, 1999). Door de latente betekenis van elke eigenschap
van een app te analyseren en te coderen is het mogelijk om een uitputtende lijst met
eigenschappen in kaart te brengen. Deze inductieve onderzoeksmethode is daarom
uitermate geschikt voor een onderzoek van deze aard (Berg, 2008).
3.1. Methode
Er zijn aselect 100 verschillende Engels- en Nederlandstalige apps aangewezen uit de
hitlijsten met de meest populaire apps van de App Store en de Android Market; de
twee grootste app markplaatsen van dit moment (Tabel 1). Elke app is geïnstalleerd
op een HTC Desire (Android) of een iPhone 4 (iOS) en uitvoerig getest en
geanalyseerd. Elke eigenschap is vervolgens op basis van zijn functionaliteit
gecodeerd wat resulteerde in een initiële lijst van 45 eigenschappen. In samenspraak
met design experts van BMI is deze lijst ingekort tot 14 eigenschappen door
overlappende eigenschappen samen te voegen. Deze 14 eigenschappen zijn door twee
codeurs onafhankelijk getest op de intercoder reliability om de validiteit van de
content analyse te waarborgen. Het is cruciaal voor een kwalitatieve content analyse
waarbij de latente betekenis wordt onderzocht om deze intercoder reliability te testen
vanwege de subjectieve aard van elke benoemde betekenis (Lombard, Snyder-Duch,
& Bracken, 2002). De intercoder reliability is getoetst aan de hand van Cohen‘s
Kappa. De twee externe codeurs kregen voor de beoordeling een uitgebreide uitleg
waarin werd uitgelegd welke eigenschappen ze moesten gaan beoordelen en welke
procedure er gevolgd diende te worden. Na enkele voorbeelden werd bepaald dat er
geen onduidelijkheden meer bestonden over de opdracht. Vervolgens beoordeelden
de codeurs 150 functies op basis van het type eigenschap dat ze vertegenwoordigen.
De codeurs kregen screenshots van verschillende apps te zien en moesten beoordelen
in hoeverre een eigenschap bij de getoonde functie hoorde. De codeurs gaven een ―0‖
aan als ze vonden dat een getoonde functie geheel niet overeenkwam met de gegeven
eigenschap en gaven een ―3‖ aan als ze vonden dat de getoonde functie volledig
20
overeenkwam met de gegeven eigenschap. De uiteindelijke validiteit van elke
eigenschap wordt uitgedrukt met de waarde Cohen‘s Kappa.
3.2. Resultaten
Tabel 2 geeft de gevonden eigenschappen weer. Eigenschappen met een Kappa hoger
dan .70 zijn bruikbaar in een exploratieve studie van deze aard (Lombard, et al.,
2002). Dit maakt alle beschreven eigenschappen geschikt voor verder onderzoek.
Tabel 2
De eigenschappen van mobiele apps
Eigenschap Betekenis κ
Aanbiedingen Weergave van aanbiedingen en/of kortingsacties
van bepaalde producten of diensten die het bedrijf
aanbiedt.
.88
Aankoop Functie waarbij direct producten of diensten
kunnen worden aangeschaft.
1.00
Entertainment Vormen van vermaak, zoals de mogelijkheid tot het
spelen van spelletjes of het afspelen van muziek of
video‘s.
.84
Feedback Functie om direct feedback te geven. 1.00
Gegevensbeheer Functie waarbij persoonlijke gegevens beheerd
kunnen worden.
.78
Informatie app Algemene informatie over de app. 1.00
Integratie
technologie
Integratie van nieuwe technologische eigenschappen
van een mobiel apparaat.
.90
Nieuws Actuele ontwikkelingen over voor de app relevante
zaken.
1.00
Personalisatie Functie om de app aan te passen naar eigen
voorkeur.
.90
Privacy Duidelijkheid over omgang met persoonlijke
gegevens.
.79
Productinformatie Beschrijving over producten of diensten. .92
Social media Integratie van sociale netwerken. .86
Routeweergave Functie waarbij een route naar een voor de app
relevante bestemming kan worden getoond.
1.00
Zoekfunctie Mogelijkheid om te zoeken door middel van een
zoekbalk.
1.00
3.3. Perspectief
Deze studie heeft zich gericht op de algemene eigenschappen waar een app uit kan
bestaan. De uitgevoerde content analyse wijst uit dat bij apps onderscheid gemaakt
21
kan worden tussen 14 verschillende eigenschappen. Hoewel er binnen de beschreven
eigenschappen nog de mogelijkheid bestaat tot verdere differentiatie wijst de
intercoder reliability van elke eigenschap uit dat deze verdere differentiatie niet leidt
tot een geheel nieuwe eigenschap. Dit houdt in dat de gevonden eigenschappen de
hoofdeigenschappen zijn van mobiele apps. Op basis van deze lijst met algemene
eigenschappen van een app kunnen we onderzoek doen naar de invloed van deze
eigenschappen op de tevredenheid van de consument.
22
4. Studie 2 - Klantenbehoeften
In deze tweede studie zal aan de hand van het Kano model worden getoetst in welke
mate eigenschappen afzonderlijk bijdragen aan de (on)tevredenheid van de
consument over een merk gerelateerde app. Het onderzoek wordt uitgevoerd onder
klanten van twee verschillende bedrijven die werkzaam zijn in verschillende
branches.
4.1. Respondenten
Er zijn in totaal 418 klanten bereid gevonden om deel te nemen aan de online enquête
waarvan 117 klanten van Typhone en 301 klanten van Vodafone. Beide bedrijven zijn
zeer sterk gerelateerd aan mobiele telefonie wat deze groep respondenten geschikt
maakt als doelgroep. Bij Typhone hebben 89 mannen en 28 vrouwen de enquête
ingevuld. Bij Vodafone hebben 226 mannen en 75 vrouwen de enquête ingevuld. De
gemiddelde leeftijd van de respondenten is bij Typhone 44 jaar (M = 44.15, SD =
13.48) en bij Vodafone 39 jaar (M = 39.41, SD = 15.10). De ervaring die de
respondenten zichzelf toedichten is bij Typhone gemiddeld (M = 3.08, SD = 1.23) en
bij Vodafone bovengemiddeld (M = 3.90, SD = 0.99).
4.2. Onderzoeksdesign
Er is sprake van een tussen-proefpersoon ontwerp met twee condities van de
variabele Type Bedrijf. Het eerste bedrijf was een webwinkel, Typhone. Het tweede
bedrijf was een telecomprovider, Vodafone. De afhankelijke variabele was de
Tevredenheid. De controle variabelen waren Geslacht en Ervaring.
4.3. Instrument
De invloed van de afzonderlijke eigenschappen op de (on)tevredenheid van de
respondenten is getoetst aan de hand van de Kano vragenlijst (Kano, et al., 1984).
Allereerst toetst deze vragenlijst (Tabel 3) het gevoel van de respondent indien een
eigenschap aanwezig. Met deze vraagstelling kunnen de attractieve kenmerken
worden gevonden (Witell & Löfgren, 2007). Daarnaast toetst de vragenlijst eveneens
het gevoel van de respondent indien een eigenschap afwezig is. Aan de hand van deze
tweede vraagstelling kunnen de onbewuste fundamentele kenmerken worden
onderscheiden. Door de antwoorden op beide vraagstellingen te combineren kunnen
tevens de eendimensionale eigenschappen worden gevonden (Kano, et al., 1984).
23
Tabel 3
Voorbeeld van een Kano vraagstelling
Eigenschap aanwezig Wat is uw gevoel over de mobiele app van Vodafone als deze
de mogelijkheid biedt om uw persoonlijke gegevens te
kunnen beheren?
Eigenschap afwezig Wat is uw gevoel over de mobiele app van Vodafone als deze
niet de mogelijkheid biedt om uw persoonlijke gegevens te
kunnen beheren?
De vragen worden beantwoord aan de hand van een 5-punts Likert schaal (Tabel 4)
waarvan de antwoordmogelijkheden specifiek zijn voor het Kano model (Kano, et al.,
1984). De antwoordschaal is vertaald naar het Nederlands en in de vertaling is
rekening gehouden met het feit dat de tweede stelling voor sommige respondenten
krachtiger lijkt dan de eerste stelling (Walden, 1993). Dit probleem valt op te lossen
door meer nadruk te leggen op de tevredenheid bij de eerste en de vijfde stelling,
daarbij dienen de tweede en de vierde stelling nadruk te leggen op het voorkomen van
ontevredenheid (Walden, 1993, p. 26).
Tabel 4
Antwoordenopties in een Kano vragenlijst
1. Dat zou ik een pluspunt vinden
2. Dat hoort zo te zijn
3. Neutraal
4. Dat is ongewenst maar kan er wel mee leven
5. Dat zou ik een minpunt vinden
De Kano classificatie van elke eigenschap wordt berekend aan de hand van de Kano
matrix welke gevonden kan worden in Figuur 4 (Kano, et al., 1984). Aan de hand van
deze matrix worden de individuele scores van de tevredenheid en de ontevredenheid
voor elke eigenschap gecombineerd waardoor ze geclassificeerd kunnen worden in
een Kano categorie. Dit maakt het mogelijk om de mate van invloed van elke
eigenschap op de (on)tevredenheid van de respondent te beschrijven. In de matrix
zijn de vijf eerder genoemde categorieën attractief (A), eendimensionaal (O) ,
24
fundamenteel (M), onverschillig (I) en omgekeerd (R) terug te vinden. Naast deze
vijf categorieën bestaat de categorie twijfelachtig (Q). Deze categorie heeft geen
directe betrekking op een eigenschap zelf maar geeft aan dat de respondent de vraag
zeer waarschijnlijk verkeerd heeft begrepen omdat de gegeven antwoorden elkaar
tegenspreken. De groep waarin de meeste respondenten vallen bepaalt de
uiteindelijke Kano classificatie (Sauerwein, 1999).
Figuur 4
De Kano matrix
Consumenten
behoeften
Eigenschap
afwezig
Eigenschap
aanwezig 1. 2. 3. 4. 5.
1. Q A A A O
2. R I I I M
3. R I I I M
4. R I I I M
5. R R R R Q
Tabel 5
Overige opgenomen eigenschappen van een app
Eigenschap Betekenis
Aantrekkelijkheid De mate waarin de app visueel aantrekkelijk wordt gevonden.
Gratis De prijs van de app in de appmarkt.
Navigatie De mate waarin het duidelijk is voor de gebruiker om te
navigeren binnen de app.
Update De regelmatigheid waarmee de app wordt geüpdatet.
In de vragenlijst zijn alle eigenschappen opgenomen die in de eerste studie zijn
gevonden (Tabel 2). Naast deze latente eigenschappen van apps zijn er ook enkele
bovenliggende eigenschappen in de vragenlijst opgenomen. Deze extra
eigenschappen zijn in overleg met design experts van BMI geselecteerd omdat ze in
andere digitale omgevingen ook van invloed zijn op de beoordeling van de gebruiker
over de betreffende omgeving (Chiou, et al., 2010). Deze extra geselecteerde
25
eigenschappen zijn in Tabel 5 terug te vinden. Het aantal gebruikte eigenschappen
komt daarmee uit op 18.
4.4. Procedure
Twee versies van de vragenlijst zijn verspreid waarbij de vraagstelling van elke
vragenlijst is aangepast aan het type bedrijf (Bijlage B). De eigenschap route is bij de
vragenlijst van Typhone weggelaten aangezien dit bedrijf niet in het bezit is van een
winkel op een fysieke locatie. De vragenlijsten zijn getest in een pilotstudie (n = 14)
waarin onduidelijkheden in de uitleg en in de vraagstelling zijn aangepast. Via een
mail verstuurd uit naam van beide bedrijven zijn klanten benaderd om deel te nemen
aan het onderzoek. De vragenlijst is online gehost in een omgeving die is aangepast
aan de huisstijl van beide bedrijven (Bijlage A).
Allereerst kregen de respondenten een korte uitleg met daarin de uitleg van het
onderzoek. Vervolgens kregen ze de Kano stellingen over de eigenschappen te zien.
Tot slot werden enkele algemene vragen over de respondent gesteld waaronder
vragen over geslacht, leeftijd en ervaring met mobiele apps. Na afloop van de
vragenlijst werden de respondenten bedankt voor hun deelname. De vragenlijst van
Typhone viel voor de respondenten via de link
http://www.typhone.nl/klantenonderzoek te bezoeken en de vragenlijst van
Vodafone viel via de link http://landing.vodafone.nl/klantenonderzoek te bezoeken.
4.5. Resultaten
In Tabel 6 worden de gemiddelde scores weergegeven samen met de classificatie
volgens het Kano model welke berekend zijn volgens de methode uitgelegd in
paragraaf 4.3. De tabel maakt duidelijk dat voor klanten van Typhone de
eigenschappen aanbiedingen, handleiding, navigatie, privacy en zoekfunctie
fundamentele eigenschappen zijn. Daarnaast zijn de eigenschappen gratis en
productinformatie eendimensionaal. Voor klanten van Vodafone zijn de
eigenschappen handleiding, integratie technologie, navigatie, privacy, update,
aantrekkelijkheid en zoekfunctie de fundamentele eigenschappen. De eigenschappen
gegevensbeheer en gratis zijn hier de eendimensionale eigenschappen.
Op basis van de classificatie volgens het Kano model kan worden gesteld dat de
invloed van de eigenschappen van een merk gerelateerde app op de tevredenheid van
een consument afhankelijk is van het type bedrijf. In de merk gerelateerde app van
Typhone is de eigenschap aanbiedingen fundamenteel en de eigenschap
26
productinformatie eendimensionaal terwijl in de merk gerelateerde app van
Vodafone de eigenschappen integratie technologie, update en aantrekkelijkheid
fundamenteel zijn en de eigenschap gegevensbeheer eendimensionaal is. De
fundamentele eigenschappen handleiding, navigatie, privacy en zoekfunctie komen
wel voor beide bedrijven overeen evenals de eendimensionale eigenschap gratis.
Met een onafhankelijke t-test is het verschil van de invloed van de aan- en
afwezigheid van de eigenschappen op de tevredenheid tussen mannen en vrouwen
getoetst. Tabellen 7 en 8 geven de significante resultaten voor de onderlinge
sekseverschillen weer. Kano resultaten kunnen niet worden weergegeven vanwege
het geringe aantal vrouwelijke respondenten. Om te controleren op de invloed van de
ervaring is er een één-weg ANOVA toegepast. De tabellen 9 en 10 geven de
significante resultaten weer.
27
Tabel 6
Scores op Tevredenheid per eigenschap
Eigenschap
Typhone
(n = 117)
Vodafone
(n = 301)
M (SD) K M (SD) K
Aanbiedingen 3.90 (1.11)
M 3.29 (1.17)
I 1.91 (1.28) 2.68 (1.19)
Aankoop 3.85 (0.95)
I 3.77 (0.98)
I 2.20 (1.23) 2.30 (1.01)
Entertainment 2.90 (1.29)
I 3.08 (1.23)
I 2.70 (1.23) 2.82 (1.24)
Feedback 3.98 (0.96)
I 3.99 (0.80)
I 2.06 (1.01) 1.91 (0.81)
Gegevensbeheer 3.55 (1.19)
I 4.48 (0.77)
O 2.41 (1.25) 1.45 (0.80)
Handleiding 3.66 (1.13)
M 3.88 (0.87)
M 1.73 (1.06) 1.71 (0.87)
Integratie technologie 3.86 (0.96)
I 4.18 (0.82)
M 2.33 (0.94) 1.77 (0.92)
Navigatie 4.15 (0.90)
M 4.37 (0.62)
M 1.61 (0.86) 1.39 (0.66)
Nieuws 3.48 (1.18)
I 3.64 (0.94)
I 2.32 (1.21) 2.30 (0.97)
Personalisatie 3.49 (1.13)
I 3.74 (1.08)
I 2.32 (1.01) 2.17 (1.04)
Gratis 4.37 (0.87)
O 4.57 (0.56)
O 1.44 (0.86) 1.19 (0.52)
Privacy 3.87 (1.08)
M 4.37 (0.59)
M 1.88 (1.31) 1.34 (0.65)
Productinformatie 4.07 (1.26)
O 3.61 (0.97)
I 1.86 (1.10) 2.22 (0.98)
Social media 3.18 (1.01)
I 3.34 (1.12)
I 2.48 (1.00) 2.59 (1.17)
Software update 3.96 (1.08)
I 4.03 (0.79)
M 2.04 (1.06) 1.72 (0.95)
Routeweergave --
-- 3.92 (1.15)
I -- 2.59 (1.07)
Aantrekkelijkheid 3.68 (1.14)
I 4.19 (0.72)
M 2.26 (1.19) 1.66 (0.76)
Zoekfunctie 3.98 (0.84)
M 4.10 (0.70)
M 1.62 (0.89) 1.64 (0.81)
Noot: De bovenste rij van elke eigenschap geeft de score weer indien de aanwezigheid is.
De onderste rij geeft de score weer indien de eigenschap afwezig is.
K= Classificatie volgens het Kano-model
28
Tabel 7
Verschil in Tevredenheid eigenschappen Typhone tussen mannen en vrouwen
Mannen
(N = 89)
Vrouwen
(N = 28)
t-test
Eigenschap M (SD) M (SD) t p
Entertainment 2.66 (1.18) 3.64 (1.36) t(115)=-3.70 <.001
Entertainment afwezig 2.83 (1.21) 2.29 (1.24) t(115)=2.07 <.05
Personalisatie 3.34 (1.08) 3.96 (1.17) t(115)=-2.63 <.05
Personalisatie afwezig 2.48 (0.97) 1.79 (0.96) t(115)=3.34 <.01
Social media 2.98 (0.92) 3.82 (1.09) t(115)=-4.13 <.001
Social media afwezig 2.58 (0.96) 2.14 (1.04) t(115)=2.07 <.05
Integratie technologie 4.09 (0.83) 3.39 (0.79) t(115)=3.91 <.001
Integratie technologie
afwezig
2.12 (0.85) 2.93 (0.90) t(115)=-4.18 <.001
Handleiding 3.53 (1.19) 4.04 (1.11) t(115)=-2.00 <.05
Feedback 3.88 (0.98) 4.32 (0.82) t(115)=-2.18 <.05
Tabel 8
Verschil in Tevredenheid eigenschappen Vodafone tussen mannen en vrouwen
Mannen
(N = 226)
Vrouwen
(N= 75)
t-test
Eigenschap M (SD) M (SD) t p
Entertainment 2.93 (1.19) 3.51 (1.27) t(299)=-3.56 <.001
Entertainment afwezig 2.92 (1.23) 2.49 (1.25) t(299)=2.63 <.01
Gegevensbeheer 4.56 (0.69) 4.24 (0.96) t(100)=2.70 <.01
Gegevensbeheer afwezig 1.38 (0.74) 1.64 (0.94) t(106)=-2.14 <.05
Social media 3.20 (1.08) 3.76 (1.11) t(299)=-3.86 <.001
Social media afwezig 2.68 (1.16) 2.33 (1.16) t(299)=2.25 <.05
Integratie technologie 4.26 (0.83) 3.91 (0.90) t(299)=3.09 <.01
Integratie
technologieafwezig
1.73 (0.91) 2.01 (1.05) t(299)=-2.13 <.05
Handleiding 3.89 (0.80) 4.11 (0.76) t(299)=-2.07 <.05
Privacy afwezig 1.37 (0.70) 1.23 (0.45) t(196)=2.08 <.05
29
Tabel 9
Invloed ervaring op Tevredenheid eigenschappen Typhone (n = 117)
Eigenschap F p ω²
Integratie technologie a F(4,112)=2.72 <.05 .24
Handleiding b F(4,112)=3.73 <.01 .29
Handleiding afwezig a F(4,112)=4.34 <.01 .32
Aanbiedingen a F(4,112)=4.80 <.01 .34
Aanbiedingen afwezig b F(4,112)=2.62 <.05 .23
Entertainment b F(4,112)=2.64 <.05 .23
Zoekfunctie afwezig b F(4,112)=2.86 <.05 .24
Gratis a F(4,112)=3.49 <.05 .28
Niet gratis b F(4,112)=2.78 <.05 .24
a = Eigenschap waarvan de invloed op de tevredenheid groter is naarmate de ervaring
van de respondent toeneemt.
b = Eigenschap waarvan de invloed op de tevredenheid groter is naarmate de ervaring
van de respondent afneemt.
Noot: ‗Afwezig‘ heeft betrekking op de vraagstelling volgens het Kano model waarin
gesteld wordt hoe tevreden de respondent is indien de eigenschap afwezig is.
30
Tabel 10
Invloed ervaring op Tevredenheid eigenschappen Vodafone (N = 301)
Eigenschap F p ω²
Integratie technologie a F(4,296)=7.36 <.001 .28
Integratie technologie
afwezig b
F(4,296)=3.07 <.05 .16
Software update a F(4,296)=9.16 <.001 .31
Software update afwezig b F(4,296)=5.56 <.001 .24
Handleiding b F(4,296)=6.46 <.001 .26
Gegevensbeheer a F(4,296)=11.32 <.001 .35
Gegevensbeheer afwezig b F(4,296)=11.32 <.001 .35
Entertainment b F(4,296)=3.19 <.05 .17
Entertainment afwezig a F(4,296)=3.65 <.01 .18
Aankoop afwezig b F(4,296)=2.46 <.05 .14
Productinformatie a F(4,296)=3.25 <.01 .18
Feedback b F(4,296)=4.07 <.01 .20
Visueel aantrekkelijk a F(4,296)=5,13 <.01 .23
Visueel aantrekkelijk
afwezig b
F(4,296)=3,81 <.01 .19
a = Eigenschap waarvan de invloed op de tevredenheid groter is naarmate de ervaring
van de respondent toeneemt.
b = Eigenschap waarvan de invloed op de tevredenheid groter is naarmate de ervaring
van de respondent afneemt.
Noot: ‗Afwezig‘ heeft betrekking op de vraagstelling volgens het Kano model waarin
gesteld wordt hoe tevreden de respondent is indien de eigenschap afwezig is.
4.6. Perspectief
Deze tweede studie heeft voor twee verschillende bedrijven de invloed van de
verschillende fundamentele eigenschappen van een app in kaart gebracht. Om
klanten de app te laten blijven gebruiken dienen deze, volgens de klanten,
fundamentele eigenschappen in de app te worden verwerkt (Matzler & Hinterhuber,
1998). Daarnaast zijn er voor elk bedrijf ook verschillende eendimensionale
eigenschappen gevonden. Hoewel deze eigenschappen eveneens fundamenteel en de
tevredenheid verlagen indien ze aanwezig zijn verhoogt een toename in aanwezigheid
van deze eigenschappen daarnaast de tevredenheid van de klant. De app kan aan de
31
hand van deze eigenschappen worden gepromoot en de aanwezigheid van deze
eigenschappen kan zodoende zorgen voor een verhoogde gebruiksintentie (Witell &
Löfgren, 2007). Aan de hand van een gebruikersadoptiemodel kan onderzoek worden
gedaan of de aanwezigheid van deze eigenschappen daadwerkelijk leidt tot een
verhoogde gebruiksintentie. In hoofdstuk 5 zal dit worden onderzocht.
32
5. Studie 3 – De gebruiksintentie ten opzichte van een app
In deze derde studie wordt onderzoek gedaan naar de gebruiksintentie van
consumenten ten opzichte van een merk gerelateerde app. De gebruiksintentie wordt
onderzocht door de app aan de respondent te tonen aan de hand van twee schetsen
die de eigenschappen van een app simuleren. Het onderzoek bestaat uit vier condities
die alle gericht zijn op het onderzoek naar gebruiksintentie. In twee condities wordt
voor elk bedrijf een schets van een app getoond die bestaat uit de in studie twee
gevonden eendimensionale eigenschappen. In de twee controle condities wordt voor
elk bedrijf een schets van een app getoond waarvan de kenmerken niet
overeenkomen met de in studie twee gevonden eendimensionale eigenschappen.
Door deze vier condities met elkaar te vergelijken kan worden onderzocht of de
gevonden eendimensionale eigenschappen daadwerkelijk de gebruiksintentie
verhogen.
5.1. Respondenten
De vragenlijst is via Facebook en Twitter verspreid. De hoofdgebruikers van Facebook
en Twitter zijn twintigers welke eveneens de grootste groep gebruikers van mobiele
apps vertegenwoordigen (Pew Internet, 2010). Daarnaast kan er via deze manier kan
snel een grote groep respondenten worden bereikt. Er hebben in totaal 318
respondenten aan het onderzoek deelgenomen waarvan 251 mannen en 67 vrouwen.
De gemiddelde leeftijd was 27 jaar (M=26.72, SD=6.39). De ervaring van de
respondenten met apps was bovengemiddeld (M=3.65. SD=1.20). De demografische
gegevens per conditie staan in Tabel 11.
Tabel 11
Demografische gegevens per conditie
Leeftijd Sekse Ervaring
Conditie # N M (SD) M F M (SD)
1 72 26.19 (4.79) 62 10 3.83 (1.21)
2 80 27.30 (8.64) 68 12 3.74 (1.10)
3 82 26.20 (3.56) 61 21 3.43 (1.23)
4 84 27.13 (7.22) 60 24 3.63 (1.25)
33
5.2. Onderzoeksdesign
Er is voor een tussen-proefpersoon ontwerp gekozen bestaande uit vier condities. Er
is sprake van een 2 x 2 ontwerp waarbij respondenten willekeurig worden toegewezen
aan één van de vier condities. Elke conditie bestaat uit een vragenlijst gericht op één
van de twee bedrijven (Bijlage D) in combinatie met één van de twee gebruikte sets
schetsen (Bijlage C). In condities 1 en 2 hebben de vragen betrekking op de app van
een telecomprovider en in condities 3 en 4 hebben de vragen betrekking op de app
van de webwinkel. Daarbij wordt in conditie 1 en 3 gebruik gemaakt van de set
schetsen met de gevonden eigenschappen van een webwinkel en in conditie 2 en 4
wordt gebruik gemaakt van de set schetsen met de gevonden eigenschappen van een
telecomprovider. Tabel 12 geeft een overzicht weer van de gebruikte condities.
Tabel 12
Overzicht gebruikte condities
Conditie # Type branche Set eigenschappen Type conditie
1 Telecom Webwinkel Controle
2 Telecom Telecom
3 Webwinkel Webwinkel
4 Webwinkel Telecom Controle
5.3. Instrument
Het effect van de getoonde schetsen wordt gemeten aan de hand van aanvullende
vragenlijsten. De schetsen zijn ontworpen met het programma Balsamiq. Het
uitvoeren van een onderzoek met behulp van een simpele schets wordt low-fidelity
prototyping genoemd. Het voordeel van low-fidelity prototyping is dat het prototype
veel makkelijker is te maken dan een werkend prototype en ondanks het uiterlijk
kunnen respondenten de applicatie goed beoordelen op de functionaliteit van het
uiteindelijke product (Coyette, Kieffer, & Vanderdonckt, 2007).
5.3.1. Ervaring webwinkel
Met de vraag ―Heeft u wel eens een telefoon gekocht of abonnement afgesloten via
een webwinkel?‖ wordt in de relevante condities (1, 3 en 4) gecontroleerd op
34
eventuele invloeden van de onervarenheid met het doen van aankopen bij
webwinkels. Deze vraag wordt benoemd tot variabele APP_ERVARING.
5.3.2. Verwacht nut
Het verwachte nut meet de mate waarin een individu denkt dat de toepassing beter
presteert dan beschikbare alternatieven (Venkatesh, et al., 2003). In deze studie
wordt de merk gerelateerde app beschouwd als vervanger van de website van het
bedrijf. Hier is in de stellingen rekening mee gehouden. De stellingen waarmee het
verwachte nut is gemeten zijn afgeleid van eerder onderzoek aan de hand van het
UTAUT model (Venkatesh, et al., 2003). Het verwachte nut is getoetst voor twee
verschillende soorten apps met als gevolg dat er twee verschillende aangepaste sets
met stellingen zijn gebruikt. De respondenten kunnen antwoorden aan de hand van
een 7-punts Likert schaal variërend van ―helemaal mee oneens‖ (1) tot ―helemaal mee
eens‖ (7). Deze gebruikte stellingen worden weergegeven in de tabellen 13 en 14.
Tabel 13
Verwacht nut in condities 1 en 3
Het bezoeken van de webshop via een app is erg nuttig.
Ik kan sneller de webshop bezoeken met behulp van deze app dan via de website.
Met deze app kan ik gemakkelijker de webshop bezoeken dan via de website.
Ik denk niet dat het handiger is om via deze app de webshop te bezoeken in
vergelijking met de website. (RC)*
*=Vraag is in de omgekeerde volgorde gesteld
Tabel 14
Verwacht nut in de condities 2 en 4
Het inzien van mijn gegevens via een app is erg nuttig.
Ik kan sneller mijn gegevens inzien met behulp van deze app dan via de website.
Met deze app kan ik gemakkelijker mijn gegevens inzien dan via de website.
Ik denk niet dat het handiger is om via deze app mijn gegevens te beheren in
vergelijking met de website. (RC)*
*=Vraag is in de omgekeerde volgorde gesteld
35
De twee versies van de stellingen houden rekening met de conditie waarin de
respondent zich bevindt. De interne consistentie van de schaal was goed (Cronbach‘s
α = .91). Er is ter controle een factoranalyse uitgevoerd. De Kaiser-Meyer-Olkin
Measure of Sampling Adequacy liet zien dat de steekproefgrootte goed was (KMO =
.83) en de Bartlett‘s test of sphericity liet zien dat de correlatie tussen de items groot
genoeg was (χ²(6)=849.49 p<.001). De stellingen zijn samengevoegd tot variabele
APP_VN.
5.3.3. Verwacht gebruiksgemak
Het verwachte gebruiksgemak meet de mate waarin een individu denkt dat de
toepassing eenvoudig te bedienen is (Venkatesh, et al., 2003). In de vragenlijst zijn
vier stellingen opgenomen om het verwachte gebruiksgemak te meten. Deze
stellingen zijn afgeleid van het onderzoek van Venkatesh, et al. (2003). De
schaalindelingen lopen hierbij van ―helemaal mee oneens‖ (1) tot ―helemaal mee
eens‖ (7). De gebruikte stellingen worden weergegeven in Tabel 15.
Tabel 15
Verwacht gebruiksgemak
Het zal me weinig moeite kosten om de werking van deze app onder de knie te
krijgen.
Ik denk dat het me makkelijk afgaat om met deze app mijn gegevens in te zien.
De bediening van deze app lijkt me ingewikkeld. (RC)*
Ik zou deze app kunnen gebruiken zonder dat iemand mij daarbij hoeft te helpen.
*=Vraag is in de omgekeerde volgorde gesteld
De stellingen waren voor de vier condities gelijk. De interne consistentie van de
schaal was goed (Cronbach‘s α = .83). Er is ter controle een factoranalyse uitgevoerd.
De Kaiser-Meyer-Olkin Measure of Sampling Adequacy liet zien dat de
steekproefgrootte goed was (KMO = .79) en de Bartlett‘s test of sphericity liet zien dat
de correlatie tussen de items groot genoeg was (χ²(6)=587.29 p<.001). De stellingen
zijn samengevoegd tot variabele APP_VG.
5.3.4. Sociale invloed
De sociale invloed meet de mate waarin een individu denkt dat anderen die
belangrijk zijn voor hem denken dat hij of zij van de applicatie gebruik moet maken
36
(Venkatesh, et al., 2003). In dit onderzoek wordt de invloed van de beoordelingen in
de appmarkten op de gebruiksintentie ten opzichte van een app onderzocht. In de
vragenlijst zijn vier stellingen opgenomen die afgeleid zijn van eerder onderzoek naar
de invloed van gebruikerswaarderingen (Park & Lee, 2008). Deze stellingen worden
voorwaardelijk getoond en zijn afhankelijk van het antwoord op de vraag ―Heeft u wel
eens een app geïnstalleerd op een smartphone?‖ die de respondenten in het begin van
de vragenlijst krijgen gesteld. Een negatief antwoord op deze vraagstelling houdt in
dat de respondent geen kennis heeft van de omgeving van een appmarkt waardoor er
geen betrouwbaar antwoord op de stellingen kan worden gegeven. De stellingen
kunnen worden beantwoord aan de hand van een 7-punts Likert schaal variërend van
―helemaal mee oneens‖ (1) tot ―helemaal mee eens‖ (7). De gebruikte stellingen zijn in
Tabel 16 terug te vinden.
Tabel 16
Sociale invloed
Deze app zal kwalitatief goed zijn als hij een hoge gebruikerswaardering heeft.
Als deze app in de top 10 van de App Store staat zal hij daar thuishoren.
Ik zal eerst de gebruikersreviews lezen van deze app voordat ik hem zal installeren.
Als deze app een lage gebruikerswaardering heeft zal hij niet nuttig zijn. (RC)*
*=Vraag is in de omgekeerde volgorde gesteld
De interne consistentie van de stellingen bleek te laag waardoor de vier items niet
konden worden samengevoegd tot één variabele (Cronbach‘s α = .43). Uit een
factoranalyse bleek dat er gekozen kon worden voor het samenvoegen van item 1 en
item 4 (Tabel 17). De twee overige items zijn elk tot een aparte variabele benoemd.
Stellingen 1 en 4 zijn samengevoegd tot variabele APP_SI (Cronbach‘s α = .81).
Stelling 2 is benoemd tot variabele APP_TOP en stelling 3 is benoemd tot variabele
APP_REV.
37
Tabel 17
Factoranalyse van de stellingen over sociale invloed
Item # Factor lading
1 .90
2 .43
3 .10
4 .88
5.3.5. Gebruiksintentie
De gebruiksintentie meet de verwachting van de gebruiker met betrekking tot het in
gebruik nemen van de applicatie (Venkatesh, et al., 2003). De variabele is gemeten
aan de hand van drie stellingen en is afgeleid van eerder onderzoek aan de hand van
het UTAUT model (Venkatesh, et al., 2003). De drie gebruikte stellingen zijn in Tabel
18 terug te vinden.
Tabel 18
Gebruiksintentie
Ik voorspel dat ik deze app in de toekomst ga gebruiken.
Ik denk dat ik deze app zal aanraden bij anderen.
Ik ben van plan om deze app in de toekomst te gaan gebruiken.
De interne consistentie van de schaal was goed (Cronbach‘s α = .92). Er is ter controle
een factoranalyse uitgevoerd. De Kaiser-Meyer-Olkin Measure of Sampling Adequacy
liet zien dat de steekproefgrootte goed was (KMO = .76) en de Bartlett‘s test of
sphericity liet zien dat de correlatie tussen de items groot genoeg was (χ²(3)=667.62
p<.001). De drie stellingen zijn samengevoegd en benoemd tot variabele APP_GI.
5.4. Procedure
De vragenlijsten zijn getest in een pilotstudie (N = 11) waarin onduidelijkheden in de
uitleg en in de vraagstelling zijn aangepast. Respondenten werden via Facebook of
Twitter gevraagd de link http://client.bluemango.nl/mobieleapps/ te volgen waarna
de respondent werd doorverwezen naar één van de vier condities. Deze
doorverwijzing werd gedaan door Google Website Optimizer. Dit is een programma
waarmee internetverkeer gelijkmatig tussen verschillende versies van een website
38
verdeeld kan worden. De vragenlijst begon met een algemene uitleg waarna de
respondenten de set schetsen kregen te zien van de te beoordelen app. Vervolgens
diende de respondent antwoord te geven op stellingen betreffende het verwachte nut,
het verwachte gebruiksgemak en de gebruiksintentie. Tevens werd de respondenten
gevraagd of ze wel eens een app hebben geïnstalleerd. Werd deze vraag met ―ja‖
beantwoord dan kregen ze nog enkele stellingen over de sociale invloed te zien. Ter
controle werd in de condities 1, 3 en 4 de vraag gesteld of de respondent ooit een keer
een aankoop heeft gedaan via een webwinkel zodat eventuele invloeden hiervan
kunnen worden uitgesloten. Tot slot werd de respondent gevraagd leeftijd, geslacht
en ervaring met mobiele apps in te vullen. Bij het afsluiten van het onderzoek werd de
respondent bedankt en in de gelegenheid gesteld om de link te delen via Twitter en/of
Facebook.
5.5. Resultaten
5.5.1. Verschillen tussen de condities
Aan de hand van een twee-weg ANOVA zijn de verschillende invloeden van de
onafhankelijke variabelen op gebruiksintentie (Tabel 19) en op verwacht nut getoetst
(Tabel 20). Er blijkt een significant hoofdeffect te bestaan tussen het type branche op
de gebruiksintentie van een merkgerelateerde app, F(1, 314) = 59.68, p < .001,
partial ŋ² = .16. Ook is er sprake van een significant hoofdeffect tussen het type
eigenschappen waar een app uit bestaat en de gebruiksintentie F(1,314) = 6.24, p <
.01, partial ŋ² = .02. Tot slot is er sprake van een significant interactie-effect tussen
het type branche en het type eigenschappen waar een app uit bestaat, F(1,314) =
180.57 , p < .001, partial ŋ² = .42. Dit betekent dat het type branche verschillend
beïnvloed wordt door het type eigenschappen waar de app uit bestaat.
Er blijkt een significant hoofdeffect te bestaan tussen het type branche op het
verwachte nut van een merkgerelateerde app, F(1, 314) = 39.46, p < .001, partial ŋ² =
.15. Ook is er sprake van een significant hoofdeffect tussen het type eigenschappen
waar een app uit bestaat en het verwachte nut F(1,314) = 4.44, p < .05, partial ŋ² =
.01. Tot slot is er sprake van een significant interactie-effect tussen het type branche
en het type eigenschappen waar een app uit bestaat, F(1,314) = 382.64 , p < .001,
partial ŋ² = .55. Ook voor het verwachte nut geldt dat het type branche verschillend
beïnvloed wordt door het type eigenschappen waar waar de app uit bestaat.
39
Tabel 19
Waarden gebruiksintentie per conditie
Type branche Set eigenschappen N M (SD)
Telecom Webwinkel 72 3.22 (1.07)
Telecom 80 5.01 (0.95)
Totaal 152 4.17 (1.35)
Webwinkel Webwinkel 82 3.96 (0.56)
Telecom 84 2.73 (0.68)
Totaal 166 3.33 (0.99)
Totaal Webwinkel 154 3.61 (1.03)
Telecom 164 3.84 (1.41)
Totaal 318 3.73 (1.24)
Tabel 20
Waarden verwacht nut per conditie
Type branche Set eigenschappen N M (SD)
Telecom Webwinkel 72 3.46 (0.75)
Telecom 80 5.48 (0.89)
Totaal 152 4.53 (1.31)
Webwinkel Webwinkel 82 4.57 (0.91)
Telecom 84 2.95 (0.75)
Totaal 166 3.75 (1.16)
Totaal Webwinkel 154 4.06 (1.01)
Telecom 164 4.19 (1.51)
Totaal 318 4.12 (1.29)
5.5.2. Conditie 2 – Accountbeheer app telecomprovider
In Tabel 21 zijn de Pearson correlaties tussen de verschillende variabelen uit de studie
opgenomen. Uit de tabel blijkt duidelijk welke constructen met elkaar samenhangen.
40
Tabel 21
Correlaties conditie 2
1. 2. 3. 4. 5. 6. 7. 8.
1.APP_GI
2.APP_VN .54***
3.APP_VG .42*** .26*
4.APP_SI .11 -.03 .30**
5.APP_TOP .36** .30** .33** .42***
6.APP_REV .21* .10 .60*** .43*** .18
7.Sekse -.56*** -.48*** -.12 -.05 -.21* -.06
8.Ervaring -.16 -.07 -.43*** -.40*** -.55*** -.53*** .05
9.Leeftijd .13 .07 -.02 -.20 -.13 .21* -.13 -.02
***p<.001, **p<.01 *p<.05
APP_GI = Gebruiksintentie, APP_VN = Verwacht nut, APP_VG = Verwacht
gebruiksgemak, APP_SI = Sociale invloed, APP_TOP = Invloed positie ranglijst,
APP_REV = Invloed reviews
Er is een hiërarchische multipele regressie analyse uitgevoerd met APP_GI als
afhankelijke variabele. In het eerste model zijn APP_VG en APP_VN als voorspellers
opgenomen. Eerder onderzoek laat zien dat dit de twee grootste voorspellers zijn van
gebruiksintentie (Venkatesh, et al., 2003). Tabel 22 laat zien dat dit model een
aanzienlijk deel (37%) van de totale variantie verklaart. Het blijkt dat APP_VP van
invloed is op APP_GI (β = .46, p < .001). Ook APP_VG blijkt een voorspeller te zijn
van APP_GI (β = .30, p < .01). In de tweede stap zijn de scores van alle sociale
invloeden ingevoerd (APP_SI, APP_TOP en APP_REV). Dit model is geen
significante verbetering ten opzichte van het tweede model. In de derde stap zijn de
persoonsgebonden kenmerken als voorspellers in het model opgenomen (Sekse,
Ervaring en Leeftijd). Dit model is een verbetering van het tweede model en verklaart
52% van de variantie (F-change = 5.20, p < .01). Het geslacht blijkt hier een
voorspeller te zijn van APP_GI (β = -.37, p < .01).
41
Tabel 22
Hiërarchische multipele regressie met APP_GI als afhankelijke variabele (N = 69)
Model1 Model 2 Model 3
B SE B Β B SE B β B SE B β
APP_VN 0.48 .11 .46*** 0.44 .11 .42*** 0.24 .12 .22*
APP_VG 0.34 .12 .30** 0.31 .15 .27* 0.36 .14 .31*
APP_SI -0.03 .13 -.03 -0.01 .12 -.02
APP_TOP 0.14 .10 .16 0.16 .10 .20
APP_REV -0.01 .09 -.01 -0.00 .10 -.01
Sekse -1.12 .32 -.37**
Ervaring .10 .12 .11
Leeftijd .01 .01 .10
R² .37 .39 .52
R² change .37 .02 .13
F-change 19.51*** 0.68 5.20**
Noot: Geslacht is weergegeven in de vorm van een dummy variabele met ‗vrouw‘ als
vergelijkingsgroep.
***p<.001, **p<.01 *p<.05
APP_GI = Gebruiksintentie, APP_VN = Verwacht nut, APP_VG = Verwacht
gebruiksgemak, APP_SI = Sociale invloed, APP_TOP = Invloed positie ranglijst,
APP_REV = Invloed reviews
5.5.3. Conditie 3 – Winkel app webwinkel
In Tabel 23 zijn de Pearson correlaties tussen de verschillende variabelen uit de
studie opgenomen. Uit de tabel blijkt duidelijk welke constructen met elkaar
samenhangen.
42
Tabel 23
Correlaties conditie 3
1. 2. 3. 4. 5. 6. 7. 8.
1.APP_GI
2.APP_VN .70***
3.APP_VG -.05 -.16
4.APP_SI .06 .16 -.16
5.APP_TOP .07 .08 .09 .35**
6.APP_REV -.08 -.01 -.03 .13 -.18
7.Sekse -.38** -.54*** -.02 -.01 .10 .06
8.Ervaring .16 .23** .23* -.25* -.38** -.07 -.36**
9.Leeftijd -.21 -.13 -.15 -.08 -.10 .06 -.10 .08
***p<.001, **p<.01 *p<.05
APP_GI = Gebruiksintentie, APP_VN = Verwacht nut, APP_VG = Verwacht
gebruiksgemak, APP_SI = Sociale invloed, APP_TOP = Invloed positie ranglijst,
APP_REV = Invloed reviews
Er is een hiërarchische multipele regressie analyse uitgevoerd met APP_GI als
afhankelijke variabele. In het eerste model zijn APP_VG en APP_VN als voorspellers
opgenomen. Tabel 24 laat zien dat dit model een aanzienlijk deel (49%) van de totale
variantie verklaart. Het blijkt dat APP_VN een voorspeller is van APP_GI (β = .71, p
< .001). In de tweede stap zijn de scores van alle sociale invloeden ingevoerd
(APP_SI, APP_TOP en APP_REV). Dit model is geen significante verbetering ten
opzichte van het tweede model. In de derde stap zijn de persoonsgebonden
kenmerken als voorspellers in het model opgenomen (Sekse, Ervaring en Leeftijd).
Dit model is eveneens geen verbetering van het voorgaande model.
43
Tabel 24
Hiërarchische multipele regressie met APP_GI als afhankelijke variabele (N = 62)
Model1 Model 2 Model 3
B SE B β B SE B β B SE B β
APP_VN 0.68 .09 .71*** 0.69 .09 .71*** 0.67 .12 .69***
APP_VG 0.09 .14 .06 0.08 .15 .05 0.05 .17 .03
APP_SI, -0.04 .10 -.05 -0.05 .10 -.06
APP_TOP 0.01 .07 .02 0.01 .08 .01
APP_REV -0.04 .06 -.06 -0.03 .06 -.05
Sekse -0.03 .26 -.01
Ervaring -0.01 .10 -.01
Leeftijd -0.03 .03 -.12
R² .49 .50 .51
R² change .49 .01 .01
F-change 28.58*** 0.24 0.45
Noot: Geslacht is weergegeven in de vorm van een dummy variabele met ‗vrouw‘ als
vergelijkingsgroep.
***p<.001, **p<.01 *p<.05
APP_GI = Gebruiksintentie, APP_VN = Verwacht nut, APP_VG = Verwacht
gebruiksgemak, APP_SI = Sociale invloed, APP_TOP = Invloed positie ranglijst,
APP_REV = Invloed reviews
5.5.4. Condities 1 en 4
In Tabel 25 en 26 zijn de Pearson correlaties tussen de verschillende variabelen uit de
studie opgenomen. Uit de tabellen blijkt duidelijk welke constructen met elkaar
samenhangen.
44
Tabel 25
Correlaties conditie 1
1. 2. 3. 4. 5. 6. 7. .8
1.APP_GI
2.APP_VN .55***
3.APP_VG -.05 .07
4.APP_SI -.07 -.19 -.04
5.APP_TOP .45*** .33** -.07 .32**
6.APP_REV .23* -.15 -.39** -.21 -.15
7.Sekse -.04 -.35** -.18 .02 -.06 .32**
8.Ervaring -.26* .08 .47*** -.15 -.32** -.37** -.31**
9.Leeftijd -.28* -.21 -.64*** .12 -.04 .18 -.01 -.12
***p<.001, **p<.01 *p<.05
APP_GI = Gebruiksintentie, APP_VN = Verwacht nut, APP_VG = Verwacht
gebruiksgemak, APP_SI = Sociale invloed, APP_TOP = Invloed positie ranglijst,
APP_REV = Invloed reviews
Tabel 26
Correlaties conditie 4
1. 2. 3. 4. 5. 6. 7. .8
1.APP_GI
2.APP_VN .31**
3.APP_VG .23* -.13
4.APP_SI .31** .24* -.06
5.APP_TOP .23* .00 .18 -.00
6.APP_REV .35** .01 .59*** -.07 .24*
7.Sekse -.21* -.09 .15 .13 -.49*** -.16
8.Ervaring -.48*** -.05 -.27* -.24* -.29** -.29** -.07
9.Leeftijd .41*** .20* .23* .20* .20* .20* -.13 -.24*
***p<.001, **p<.01 *p<.05
APP_GI = Gebruiksintentie, APP_VN = Verwacht nut, APP_VG = Verwacht
gebruiksgemak, APP_SI = Sociale invloed, APP_TOP = Invloed positie ranglijst,
APP_REV = Invloed reviews
45
Er is voor beide condities een hiërarchische multipele regressie analyse uitgevoerd
met APP_GI als afhankelijke variabele (Tabel 27 en 28). In het eerste model zijn
APP_VG en APP_VN als voorspellers opgenomen. Voor conditie 1 verklaart het
eerste model 31% van de totale variantie. Hier blijkt APP_VN een voorspeller te zijn
van APP_GI (β = .56, p < .001). In conditie 4 wordt 17% van de totale variantie
verklaard door het eerste model. Hier blijken APP_VN (β = .34, p < .01) en APP_VG
(β = .27, p < .05) beide voorspellers te zijn van APP_GI. In de tweede stap zijn de
scores van alle sociale invloeden ingevoerd (APP_SI, APP_TOP en APP_REV). Dit is
zowel voor conditie 1 (R² = .51, F-change = 7.71, p < .001) als voor conditie 4 1 (R² =
.31, F-change = 4.64, p < .01) een verbetering ten opzichte van het eerste model. In
conditie 1 blijken APP_TOP (β = .35, p < .01) en APP_REV (β = .39, p < .001)
voorspellers te zijn van APP_GI. In conditie 4 zijn APP_SI (β = .28, p < .05) en
APP_REV (β = .28, p < .05) een voorspeller van APP_GI. In de derde stap zijn de
persoonsgebonden kenmerken als voorspellers in het model opgenomen (Sekse,
Ervaring en Leeftijd). Voor conditie 1 is er geen sprake van een significante
verbetering van het tweede model. Bij conditie 4 is er wel sprake van een significante
verbetering ten opzichte van het tweede model en er wordt 47% van de totale
variantie verklaard (F-change = 6.09, p < .01). In dit model blijkt Leeftijd (β = .31, p <
.05) een voorspeller te zijn van APP_GI.
46
Tabel 27
Hiërarchische multipele regressie conditie 3 met APP_GI als afhankelijke variabele
(N = 63)
Model1 Model 2 Model 3
B SE B β B SE B β B SE B β
APP_VN .79 .15 .56*** .69 .15 .49*** .64 .16 .45***
APP_VG -.14 .16 -.09 .15 .16 .10 -.15 .22 -.09
APP_SI, -.00 .13 -.00 .02 .12 .02
APP_TOP .30 .09 .35** .26 .10 .31**
APP_REV .23 .06 .39*** .20 .06 .35**
Sekse -.03 .31 -.01
Ervaring -.06 .12 -.06
Leeftijd -.07 .03 -.31*
R² .31 .51 .57
R²
change
.31 .20 .06
F-change 13.74*** 7.71*** 2.45
Noot: Geslacht is weergegeven in de vorm van een dummy variabele met ‗vrouw‘ als vergelijkingsgroep. ***p<.001, **p<.01 *p<.05
APP_GI = Gebruiksintentie, APP_VN = Verwacht nut, APP_VG = Verwacht
gebruiksgemak, APP_SI = Sociale invloed, APP_TOP = Invloed positie ranglijst,
APP_REV = Invloed reviews
47
Tabel 28
Hiërarchische multipele regressie conditie 4 met APP_GI als afhankelijke variabele
(N = 72)
Model1 Model 2 Model 3
B SE B β B SE B β B SE B β
APP_VN .35 .11 .34** .25 .11 .25* .20 .10 .20*
APP_VG .21 .09 .27* .07 .10 .08 .07 .10 .09
APP_SI, .15 .06 .28* .11 .06 .19
APP_TOP .06 .04 .15 -.03 .04 -.08
APP_REV .16 .07 .28* .08 .07 .14
Sekse -.35 .17 -.24*
Ervaring -.21 .06 -.36**
Leeftijd .03 .01 .18
R² .17 .31 .47
R²
change
.17 .14 .16
F-change 6.86** 4.64** 6.09**
Noot: Geslacht in weergegeven in de vorm van een dummy variabele met ‗vrouw‘ als vergelijkingsgroep. ***p<.001, **p<.01 *p<.05
APP_GI = Gebruiksintentie, APP_VN = Verwacht nut, APP_VG = Verwacht
gebruiksgemak, APP_SI = Sociale invloed, APP_TOP = Invloed positie ranglijst,
APP_REV = Invloed reviews
5.5.5. Perspectief
In dit derde onderzoek is onderzocht wat de oorzaken zijn van gebruiksintentie. Sluit
de verwachte prestatie over de functionaliteit van een app aan bij de gebruiksintentie
van die app? Heeft de sociale omgeving van de appmarkten invloed op de
gebruiksintentie van een app, of ligt de gebruiksintentie hoger als het verwachte
gebruiksgemak van de app hoog is?
48
De condities waarin de set eigenschappen wordt gekoppeld aan het juiste bedrijf
(conditie 2 en 3) scoren het op zowel het hoogst op gebruiksintentie als op verwacht
nut. Tevens is in deze condities is het verwachte nut een voorspeller gebleken van de
gebruiksintentie. De twee controle condities scoren lager op gebruiksintentie maar
ook hier geldt dat het verwachte nut een voorspeller is van de gebruiksintentie. Het
verwachte gebruiksgemak blijkt alleen in conditie 2 een voorspeller te zijn van de
gebruiksintentie. De mate waarin men de positie van een app in een appmarkt van
belang vindt en de mate waarin men gebruikersreviews leest zijn alleen in conditie 4
een voorspeller van gebruiksintentie.
De sekse is in de condities 2 en 4 een voorspeller op de gebruiksintentie. Leeftijd is in
conditie 3 een voorspeller van gebruiksintentie en ervaring is slechts in conditie 4 een
voorspeller van gebruiksintentie.
Deze resultaten suggereren dat het verwachte nut de belangrijkste voorspeller
is voor merk gerelateerde apps. Hoewel de overige factoren in enkele condities ook
meewegen is het verwachte nut in elke conditie een significante voorspeller van
gebruiksintentie gebleken. Het is voor bedrijven van belang dat ze de eigenschappen
van de app expliciet duidelijk maken. Indien klanten van het bedrijf vervolgens deze
app als nuttig beoordelen dan is de kans groter dat de app ook daadwerkelijk gebruikt
gaat worden.
49
6. Conclusie en discussie
Dit onderzoek heeft aangetoond dat de gebruiksintentie van een merk gerelateerde
app afhangt van de eigenschappen waar hij uit bestaat. In de eerste studie hebben we
14 hoofdeigenschappen ontleedt. Op basis van deze eigenschappen hebben we in de
tweede studie onderzoek gedaan naar de invloed van deze eigenschappen op de
(on)tevredenheid van de klanten van de betreffende bedrijven. Er is aangetoond dat
er fundamentele eigenschappen bestaan die merk gerelateerde apps moeten bezitten.
Ten tweede zijn er eigenschappen gevonden die de tevredenheid over de merk
gerelateerde apps verhogen indien ze aanwezig zijn. Tot slot bleek dat de invloed van
deze eigenschappen afhankelijk was van het type bedrijf. In de derde studie is er op
basis van de invloed van de verschillende eigenschappen voor beide bedrijven een
app ontwikkeld die aansluit bij de behoeften van hun klanten. In deze studie stond
het onderzoek naar de gebruiksintentie van de app van beide bedrijven centraal. De
resultaten suggereren dat de gebruiksintentie van de app zowel afhankelijk is van het
type bedrijf als van de eigenschappen van de app. Hiermee is de aanname bevestigd
dat de gebruiksintentie van merk gerelateerde apps hoger is als de eigenschappen
waar de app uit bestaat aansluit bij de wensen van de klant. Uit deze resultaten blijkt
dat merk gerelateerde apps wel degelijk een kans van slagen hebben. Op basis van de
drie onderzoeken zullen er enkele aanbevelingen worden gedaan voor
vervolgonderzoek.
6.1. De eigenschappen van apps
In het eerste onderzoek is een kwalitatieve content analyse uitgevoerd met als doel de
hoofdeigenschappen van mobiele apps te kunnen onderscheiden. Door 100
verschillende apps te analyseren is er uiteindelijk een lijst met 14 onderscheidende
eigenschappen van een app opgesteld. Hiermee is de eerste deelonderzoeksvraag
beantwoord. Aangezien het een eerste onderzoek naar de eigenschappen van mobiele
apps betrof is de gevonden lijst op een natuurlijke wijze afgeleid van de latente
betekenis van de eigenschappen zonder beïnvloed te worden door een reeds
bestaande lijst. Deze natuurlijke afleiding komt de kwaliteit van de benoemde
eigenschappen ten goede (Berg, 2008). De hoge Kappa van de gevonden
eigenschappen wijst uit dat de beschrijving inderdaad goed aansluit bij de
functionaliteit van een app.
50
Er zijn in deze studie 14 eigenschappen gevonden. Onderzoek naar websites laat
echter zien dat een verdere differentiatie van bepaalde eigenschappen het medium
beter kan beschrijven. Zo beschrijft Palmer (2002) websites met behulp van zes
eigenschappen waaronder de interactiviteit van een website. Zhao en Dholakia
(2009) delen de interactiviteit van een website op in acht subcategorieën en vinden
dat er verschil is tussen de behoefte naar bepaalde vormen van interactiviteit. Ook
andere onderzoeken naar websites hanteren diverse aantallen en typen
eigenschappen waarmee ze websites beschrijven (e.g., Huizingh, 2000; Liao, et al.,
2006; Robbins & Stylianou, 2003). Dit maakt het aannemelijk dat de 14 gevonden
categorieën in deze eerste studie eveneens niet definitief zullen zijn. Wel maakt de
benoeming van deze eigenschappen vervolgonderzoek op basis van deze
eigenschappen mogelijk.
6.2. De behoefte naar eigenschappen
In het tweede onderzoek zijn de gevonden eigenschappen op basis van het Kano
model geclassificeerd. De tweede deelonderzoeksvraag luidt of er eigenschappen van
een mobiele applicatie van Typhone en Vodafone leiden tot tevredenheid bij zijn
gebruikers. Deze vraagstelling wordt niet bevestigd door de studie. Het Kano model
(1984) noemt dit type eigenschappen attractief en de resultaten wijzen uit dat dit
type eigenschappen voor beide bedrijven niet zijn gevonden. Dit kan een gevolg zijn
van de brede betekenis van de gebruikte eigenschappen in deze studie. Het kenmerk
van een attractieve eigenschap is dat ze verrassend zijn voor de consument (Kano, et
al., 1984). De mate van algemeenheid kan deze verrassing teniet doen waardoor de
consument de gebruikte eigenschappen reeds kent.
De tweede deelonderzoeksvraag luidt of er eigenschappen van een mobiele
applicatie van Typhone en Vodafone leiden tot ontevredenheid bij zijn gebruikers. Dit
zijn de zogenoemde fundamentele eigenschappen die slechts de ontevredenheid
kunnen verhogen maar geen invloed hebben op de tevredenheid van een consument
(Kano, et al., 1984). Er zijn voor beide bedrijven eigenschappen gevonden die aan
deze classificatie voldoen. Bij Typhone zijn dit de eigenschappen aanbiedingen,
handleiding, navigatie, privacy en zoekfunctie. Bij Vodafone zijn dit de
eigenschappen handleiding, integratie technologie, navigatie, privacy, software
update, aantrekkelijkheid en zoekfunctie. Dit zijn in de ogen van de klanten de
fundamentele eigenschappen waar een merk gerelateerde app uit moet bestaan
51
(Witell & Löfgren, 2007). Klanten staan niet stil bij de aanwezigheid van deze
eigenschappen indien ze van de app gebruik gaan maken. Het ontbreken van deze
eigenschappen zal tijdens het gebruik opvallen en een verhoging van de
ontevredenheid als gevolg hebben. Als deze ontevredenheid niet wordt weggenomen
dan zal de gebruiker de app niet blijven gebruiken (Matzler & Hinterhuber, 1998) wat
overeenkomt met de beschreven tendens waarbij gebruikers hun geïnstalleerde apps
na een aantal keer gebruik verwijderen (Localytics, 2011).
De derde deelonderzoeksvraag luidt of er eigenschappen van een mobiele
applicatie van Typhone en Vodafone zowel tot tevredenheid als tot ontevredenheid
leiden bij zijn gebruikers. Dit zijn volgens het Kano model eendimensionale
eigenschappen waarbij de (on)tevredenheid van een consument proportioneel stijgt
of daalt in relatie tot de aan- of afwezigheid van een eigenschap (Kano, et al., 1984).
Er zijn eveneens eigenschappen gevonden die voldoen aan deze classificatie. Bij
Typhone zijn dit de eigenschappen gratis en productinformatie. Bij Vodafone zijn dit
de eigenschappen gegevensbeheer en gratis. Dit zijn eigenschappen waar de
consumenten zich bewust van zijn en waarmee bedrijven kunnen adverteren (Witell
& Löfgren, 2007). Indien de bedrijven een app ontwikkelen die bestaat uit deze
eigenschappen dan zal de kans dat de klanten gebruik zullen maken van de app
toenemen omdat ze zich van te voren al bewust zijn van het feit dat de app aan hun
verwachtingen voldoet.
Op basis van de uitkomsten blijkt het dat voor beide bedrijven verschillende
fundamentele en eendimensionale eigenschappen bestaan. De app van Vodafone
moet ten opzichte die van Typhone de eigenschappen integratie technologie,
software update en aantrekkelijkheid bezitten om ontevredenheid te voorkomen. De
app van Typhone moet daarentegen ten opzichte van die van Vodafone de eigenschap
aanbiedingen bezitten om ontevredenheid te voorkomen. Voor de toename van de
tevredenheid (en het voorkomen van ontevredenheid) dient de app van Vodafone ten
opzichte die van Typhone de eigenschap accountbeheer te bezitten. Daarentegen
dient de app van Typhone ten opzichte van die van Vodafone ter bevordering van de
tevredenheid de eigenschap productinformatie te bezitten. Deze resultaten
suggereren dat de eigenschappen niet voor elk bedrijf dezelfde invloed op de
(on)tevredenheid van de consument hebben. Dit komt overeen met de bevindingen
van Zhang en Von Dran (2002) die een dergelijk verschil ook aantroffen bij hun
onderzoek over de wensen van gebruikers over de eigenschappen van websites van
52
verschillende bedrijven. Hieruit kan geconcludeerd worden dat er geen vast recept
bestaat voor de ontwikkeling van een merk gerelateerde app maar dat bedrijven
rekening dienen te houden met de wensen van hun te bedienen doelgroep.
Het is daarnaast opvallend dat de eigenschappen waaraan het meest behoefte
is overeenkomen met de kerntaken die het bedrijf aanbiedt. Palmer en Griffith (1998)
stellen dit ook vast na een analyse van de eigenschappen van merk gerelateerde
websites. Vergelijken we de gewenste eigenschappen van de app met de huidige
eigenschappen van de websites van beide bedrijven dan kunnen we stellen dat deze
grotendeels overeenkomen. Klanten van Typhone hebben behoefte aan een app
waarmee ze productinformatie kunnen verkrijgen en op de hoogte kunnen blijven van
de nieuwste aanbiedingen. De website van Typhone bezit eveneens beide
eigenschappen. Klanten van Vodafone zijn op zoek naar een app waarmee ze hun
belgedrag kunnen monitoren; een functionaliteit welke eveneens mogelijk is op de
website van Vodafone. De suggestie van Palmer en Griffith (1998) blijkt hiermee niet
alleen te gelden voor de eigenschappen van websites maar ook voor de eigenschappen
van mobiele apps. Op basis van deze constatering moet de uiteindelijke
gebruiksintentie uitsluitsel geven of klanten een app een geschikt alternatief vinden
voor een website.
6.3. De consumentenacceptatie van een merk gerelateerde app
In hypothese 1 wordt verondersteld dat merk gerelateerde apps waarin de
eendimensionale eigenschappen wel zijn verwerkt hoger scoren op verwacht nut dan
merk gerelateerde apps waarin deze eendimensionale eigenschappen niet zijn
verwerkt. Deze hypothese wordt door studie drie bevestigd. In condities 2 en 3 zijn de
in studie 2 gevonden eendimensionale eigenschappen verwerkt. Voor beide condities
geldt dat het verwachte nut significant hoger scoort dan de tegenpolen van beide
condities. De resultaten suggereren dat eendimensionale eigenschappen inderdaad
de eigenschappen zijn waardoor consumenten gebruik gaan maken van een product
of dienst (Witell & Löfgren, 2007).
Hypothese 2 ligt in het verlengde van hypothese 1 en veronderstelt dat het
verwachte nut van een merk gerelateerde app een positieve invloed heeft op de
gebruiksintentie. Deze hypothese wordt door de derde studie bevestigd. Voor alle vier
condities geldt dat verwachte nut een significante voorspeller is van gebruiksintentie.
Hierbij geldt dat een lage score op verwacht nut (condities 1 en 4) resulteert in een
53
lage score op gebruiksintentie. Dit resultaat komt overeen met het onderzoek van
Venkatesh, et al (2003). Daarbij sluit het ook aan van de bewering van Verkasalo
(2009) die stelt dat individuen slechts gebruik maken van mobiele applicaties als ze
het nut er van inzien. In de controle condities is bewezen dat als eigenschappen in
een app die niet aansluiten bij de behoeften van de gebruiker dit leidt tot een lager
dan gemiddelde gebruiksintentie. Deze bevinden steunen het onderzoek van Deloitte
(2011) die suggereren dat een merk gerelateerde app meer in huis moet hebben dan
een mooi uiterlijk; de app moet vooral nuttig zijn.
In hypothese 3 wordt verondersteld dat het verwachte gebruiksgemak een
positieve invloed heeft op de gebruiksintentie. Deze hypothese wordt slechts deels
ondersteund. Alleen in conditie 2 is verwacht gebruiksgemak een significante
voorspeller van gebruiksintentie. Dit kan een direct gevolg zijn van de gebruikte
methode aan de hand van low-fidelity prototyping (Cayotte, et al., 2007). Het is
mogelijk dat de gebruikers niet goed konden inschatten in hoeverre ze de app
uiteindelijk moeten bedienen.
Tot slot wordt in hypothese 4 verondersteld dat sociale invloed een positieve
invloed heeft op de gebruiksintentie van een merk gerelateerde app. In deze scriptie
is rekening gehouden met de omgeving waarin apps kunnen worden geïnstalleerd. In
deze appmarkten is veel informatie zichtbaar over meningen en waarderingen van
andere gebruikers ten opzichte van een app. Deze hypothese wordt slechts deels
bevestigd in conditie 1 waarin twee van de drie variabelen die betrekking hebben op
de sociale invloed een voorspeller zijn van gebruiksintentie. Een verklaring van deze
geringe sociale invloed via de appmarkten kan zijn dat er voor merk gerelateerde
apps geen alternatieven voor handen zijn. Zo kunnen gebruik- en persoonsgegevens
van een telecomprovider alleen via dat bedrijf zelf beschikbaar worden gemaakt.
Klanten zullen echter toch hun gebruiksgegevens willen inzien waardoor ze ondanks
de lage waardering toch van de app gebruik moeten maken.
Tabel 19 geeft enkele opvallende resultaten weer. Alleen in conditie 2 waarin
de respondenten de app van de telecomprovider met de eigenschappen van een
telecomprovider beoordelen scoort de app bovengemiddeld op gebruiksintentie (M =
5.01, SD = 0.95). In de andere ideale conditie (3) waarin respondenten de app van de
webwinkel van de eigenschappen van een webwinkel beoordelen scoort de app
slechts gemiddeld op gebruiksintentie (M = 3.96, SD = 0.56). Dit verschil in
gebruiksintentie kan een gevolg zijn van de mate waarin de eigenschappen van een
54
merk gerelateerde app gebruik maken van de unieke communicatieve kenmerken van
een mobiele app. De eigenschappen van de app van Typhone lijken namelijk slechts
aan te sluiten bij de communicatieve kenmerken van een conventioneel digitaal
medium (Newhagen & Rafaeli, 1996). De eigenschappen van de app van Vodafone
lijken echter ook de twee unieke kenmerken van mobiele apps te kunnen aanspreken;
het sensorisch vermogen en de alomtegenwoordigheid. Het is aannemelijk dat
klanten van een webwinkel slechts het aanbod van de winkel in willen zien op het
moment dat ze hun abonnement willen verlengen; een situatie die zich eens per één
of twee jaar voordoet. Dit heeft als gevolg dat het aanbod in een groot tijdsbestek kan
worden bekeken waardoor unieke kenmerken van een mobiele app nooit hoeven te
worden aangesproken. Voor klanten van een telecomprovider kan het wel cruciaal
zijn om op elk willekeurig moment hun gegevens in te zien aangezien een
overschrijding van het aantal belminuten kosten met zich mee brengt. Deze
resultaten maken het aannemelijk dat de voorwaarden voor een succesvolle app
eveneens afhangen van de benutting van de unieke kenmerken van een smartphone.
Op basis van de resultaten van alle drie de uitgevoerde studies kan de
hoofdvraag van het onderzoek worden beantwoord: Welke factoren dragen bij aan
een verhoogde gebruiksintentie van een merk gerelateerde mobiele applicatie? De
resultaten wijzen uit dat het verwachte nut van een merk gerelateerde app de
hoofdfactor is die de gebruiksintentie verhoogt. De app moet functioneel zijn voor de
gebruiker eer er gebruik van wordt gemaakt. Ten tweede is de gebruiksintentie
afhankelijk van het type bedrijf waar de app voor wordt ontwikkeld. Tot slot
suggereren de resultaten eveneens dat de app gebruik moet maken van het sensorisch
vermogen van de smartphone en de alomtegenwoordigheid die een mobiele telefoon
mogelijk maakt. Overige factoren zijn in deze studie niet overwegend significant
gebleken. Vervolgonderzoek kan hierover uitsluitsel geven.
6.4. Vervolgonderzoek
Dit onderzoek heeft antwoord gegeven op enkele vraagstukken over mobiele apps.
Aangezien dit slechts één van de eerste onderzoeken is over mobiele apps zijn er nog
vele vraagstukken onbeantwoord en vele gebieden onverkend gebleven. De
indrukwekkende groeicijfers van gebruikers van smartphones en apps rechtvaardigen
vervolgonderzoek naar mobiele apps. De bevindingen en methodes van dit onderzoek
kunnen hiervoor als basis worden gebruikt.
55
De resultaten van de derde studie werpen een belangrijke vraag op. Uit de resultaten
blijkt dat zelfs in het geval van de aanwezigheid van de ideale eigenschappen de
gebruiksintentie van gebruikers ten opzichte van een app van een webwinkel
significant lager ligt dan de gebruiksintentie ten opzichte van een app van een
telecomprovider. Het is aannemelijk dat de beschreven unieke kenmerken van een
app, namelijk de alomtegenwoordigheid en het sensorisch vermogen hierbij een rol
spelen. Deze scores op gebruiksintentie komen overeen met de scores van het
verwachte nut. Deze ligt voor de ideale webwinkel app eveneens lager dan de score
van het verwachte nut de ideale telecomprovider app. Een lage score op verwacht nut
is een gevolg van het gevoel bij gebruikers dat een toepassing geen direct voordeel
biedt ten opzichte van een reeds bestaand alternatief (Venkatesh, et al., 2003). Dit
bestaande alternatief van een app is in dit geval een website. Het is mogelijk dat de
diensten van een webwinkel niet versterkt worden door de twee unieke kenmerken
van een app waardoor de app geen toegevoegde waarde biedt ten opzichte van een
website. Vervolgonderzoek naar deze kenmerken van apps ten opzichte van websites
kan dit inzichtelijk maken.
De visuele eigenschappen van de mobiele gebruikersomgeving zijn in dit
onderzoek niet aan bod gekomen. Er is bij het ontwerpen van de schetsen gebruik
gemaakt van de sjablonen die het software programma aanbiedt. Er is niet specifiek
rekening houden met de algemene ontwerprichtlijnen voor de (mobiele)
gebruikersomgeving (Nielsen, 1994; Zhang & Adipat, 2005). Gebruiksgemak blijkt in
dit onderzoek geen voorspeller van gebruiksintentie te zijn terwijl overige
onderzoeken hier wel bewijs voor vinden (e.g., Zhou, 2008; Zhou, et al., 2010). Door
de invloed van de verschillende eigenschappen van een gebruikersomgeving onder de
loep te nemen kan een eventuele ontevredenheid over de gebruikersomgeving
worden verklaard.
Tot slot heeft het onderzoek zich gericht op de gebruiksintentie van een merk
gerelateerde app en niet op de gebruikersretentie van een dergelijke app. De theorie
stelt dat de fundamentele eigenschappen de ontevredenheid van een gebruiker
wegnemen waardoor de loyaliteit ten opzichte van het product en het bedrijf vergroot
(Matzler & Hinterhuber, 1998; Witell & Löfgren, 2007). Vervolgonderzoek zal echter
moeten uitwijzen of dit daadwerkelijk het geval is. Door in een studie een app te
vergelijken waarin de gevonden fundamentele eigenschappen aanwezig zijn met een
56
app waarin deze eigenschappen niet aanwezig zijn kan worden getoetst of de
gebruikersretentie hetzelfde blijft.
6.5. Limitaties
Een eerste limitatie van deze studie is de ongelijke verdeling tussen mannen en
vrouwen die hebben deelgenomen aan de onderzoeken. In het tweede onderzoek is de
verdeling tussen mannen en vrouwen respectievelijk 75.6% en 24.6%. In het derde
onderzoek is deze verdeling tussen mannen en vrouwen respectievelijk 78.9% en
21.1%. Aangezien relatief weinig vrouwen hebben deelgenomen aan het onderzoek
kan er een vertekend beeld kan optreden bij de resultaten waardoor ze niet te
generaliseren zijn.
Ten tweede is de respondenten via internet gevraagd de vragenlijsten in te
vullen op basis van zelfreflectie. Hoewel deze methode het bereik van de populatie
kan vergroten heeft deze manier van afname een negatieve invloed op de kwaliteit
van de data ('t Hart, et al., 2005).
De gevonden resultaten zijn niet te generaliseren naar gebieden buiten het
onderzochte domein aangezien het onderzoek praktijkgericht wetenschappelijk is ('t
Hart, et al., 2005). De uitkomsten zijn hierdoor niet toe te passen op andere
domeinen wat het nut van dit onderzoek beperkt. De gebruikte methode kan
daarentegen wel worden toegepast buiten het onderzochte domein.
57
Literatuur
't Hart, H., Boeije, H., & Hox, J. (2005). Onderzoeksmethoden. Utrecht: Boom
Onderwijs.
ABIresearch. (2011). Mobile Applications Downloads Approached Eight Billion in
2010. ABIresearch - Technology Market Intelligence. Retrieved from
http://www.abiresearch.com/press/3634-
Mobile+Applications+Downloads+Approached+Eight+Billion+in+2010
AbuShanab, E., & Pearson, J. M. (2007). Internet banking in Jordan: The unified
theory of acceptance and use of technology (UTAUT) perspective. Journal of
Systems and Information Technology, 9(1), 78 - 97.
Ajzen, I. (1991). The Theory of Planned Behavior. Organizational Behavior and
Human Decision Processes, 50(2), 179-211.
Ballagas, R., Borchers, J., Rohs, M., & Sheridan, J. G. (2006). The smart phone: a
ubiquitous input device. Pervasive Computing, IEEE, 5(1), 70-77.
Bandura, A. (1986). Social Foundations of Thought and Action: A Social Cognitive
Theory. Englewood Cliffs, NJ: Prentice Hall.
Berg, B. L. (2008). Qualitative Research Methods for the Social Sciences. California
State University, Long Beach: Pearson.
Cadotte, E. R., & Turgeon, N. (1988). Dissatisfiers and Satisfiers: Suggestions from
Consumer Complaints and Compliments. Journal of Consumer Satisfaction,
Dissatisfaction, and Complaining Behavior, 1, 74-79.
Carlsson, C., Carlsson, J., Hyvönen, K., Puhakainen, J., & Walden, P. (2006).
Adoption of Mobile Devices/Services – Searching for Answers with the
UTAUT. Paper presented at the Proceedings of the 39th Hawaii International
Conference on System Sciences.
Chiou, W.-C., Lin, C.-C., & Perng, C. (2010). A strategic framework for website
evaluation based on a review of the literature from 1995–2006. Information &
Management, 47, 282-290.
Coyette, A., Kieffer, S., & Vanderdonckt, J. (2007). Multi-fidelity Prototyping of User
Interfaces. In C. Baranauskas, P. Palanque, J. Abascal & S. Barbosa (Eds.),
Human-Computer Interaction – INTERACT 2007 (Vol. 4662, pp. 150-164):
Springer Berlin / Heidelberg.
58
Davis, F., D. (1989). Perceived Usefulness, Perceived Ease of Use, and User
Acceptance of Information Technology. M IS Quarterly, 13(3), 319-339.
Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1992). Extrinsic and Intrinsic
Motivation to Use Computers in the Workplace. Journal of Applied Social
Psychology, 22(14), 1111-1132.
Deloitte. (2011). Killer apps? Appearance isn't everything. Londen: Deloitte MCS
Limited.
Dulle, F., W., & Minishi-Majanja, M. K. (2011). The suitability of the Unified Theory
of Acceptance and Use of Technology (UTAUT) model in open access adoption
studies. Information Development, 27(1), 32-45.
Fishbein, M., & Ajzen, I. (1975). Belief, Attitude, Intention and Behavior: An
Introduction to Theory and Research. Reading, MA: Addison-Wesley.
Friman, M., Bo, E., & Gärling, T. (2001). Frequency of negative critical incidents and
satisfaction with public transport services. Journal of Retailing and Consumer
Services, 8(2), 95-104.
Gartner (Producer). (2010). Forecast: Mobile Application Stores, Worldwide, 2008-
2014. Gartner Newsroom. Retrieved from
http://www.gartner.com/it/page.jsp?id=1529214
Giese, J. L., & Cote, J. A. (2000). Defining consumer satisfaction. Retrieved from
http://www.amsreview.org/articles/giese01-2000.pdf
Herzberg, F., Mausner, B., & Snyderman, B. B. (1959). The motivation to work. New
York: Wiley.
Huizingh, E., K., R., E. (2000). The content and design of web sites: an empirical
study. Information & Management, 37, 123-134.
Internet, P. (2010). The Rise of Apps Culture. Pew Internet. Retrieved from
http://pewinternet.org/Reports/2010/The-Rise-of-Apps-Culture.aspx
Kano, N. (2001). Life cycle and creation of attractive quality. Paper presented at the
Proceedings of the 4th QMOD Conference, Linköping, Sweden.
Kano, N., Seraku, N., Takahashi, F., & Tsuji, S. (1984). Attractive quality and must be
quality. Journal of the Japanese Society for Quality Control, 14(2), 147-156.
Liao, C., To, P.-L., & Shih, M.-L. (2006). Website practices: A comparison between
the top 1000 companies in the US and Taiwan. International Journal of
Information Management, 26, 196-211.
59
Localytics. (2011). 26% of Mobile Application Users are Fickle — or Loyal. Localytics.
Retrieved from http://www.localytics.com/blog/2011/26percent-of-mobile-
app-users-are-either-fickle-or-loyal/
Lombard, M., Snyder-Duch, J., & Bracken, C. C. (2002). Content analysis in mass
communication: Assessment and reporting of intercoder reliability. Human
Communication Research, 28, 587-604.
Maddox, N. R. (1981). Two Factor Theory and Consumer Satisfaction: Replication
and Extension. Journal of Consumer Research, 8(1), 97-102.
Mano, H., & Oliver, R., L. (1993). Assessing the Dimensionality and Structure of the
Consumption Experience: Evaluation, Feeling, and Satisfaction. Journal of
Consumer Research, 20(3), 451-466.
Matzler, K., & Hinterhuber, H., H. (1998). How to make product development
projects more succesful by integrating Kano's model of customer satisfacion
into quality function deployment. Technovation, 18(1), 25-38.
Matzler, K., & Renzl, B. (2007). Assessing asymmetric effects in the formation of
employee satisfaction. Tourism Management, 28, 1093-1103.
Min, S. H., Kim, H. Y., Kwon, Y. J., & Sohn, S. Y. (2011). Conjoint analysis for
improving the e-book reader in the Korean market. Expert Systems with
Applications, 38, 12923-12929.
Mittal, V., Kumar, P., & Tsiros, M. (1999). Attribute-level performance, satisfaction,
and behavioral intentions over time: A consumption-system approach.
Journal of Marketing, 63(2), 88-101.
Newhagen, J. E., & Rafaeli, S. (1996). Why communication researchers should study
the Internet: A dialogue. Journal of Computer Mediated Communication,
1(4), 0.
Nielsen, J. (1994). Heuristic evaluation Usability Inspection Methods. New York, NY:
John Wiley & Sons.
Palmer, J., W. (2002). Web Site Usability, Design, and Performance Metrics.
Information Systems Research, 13(2), 151-167.
Palmer, J., W., & Griffith, D., A. (1998). An emerging model of Web site design for
Marketing. Communications of the ACM, 41(3), 44-51.
Park, C., & Lee, T., Min. (2009). Information direction, website reputation and
eWOM effect: A moderating role of product type. Journal of Business
Research, 62, 61-67.
60
Park, D.-H., & Lee, J. (2008). eWOM overload and its effect on consumer behavioral
intention depending on consumer involvement. Electronic Commerce
Research and Applications, 7, 386-398.
Pollack, B., Leisen. (2007). The nature of the service quality and satisfaction
relationship: Empirical evidence for the existence of satisfiers and dissatisfiers.
Managing Service Quality, 18(6), 537-558.
Potter, W. J., & Levine-Donnerstein, D. (1999). Rethinking validity and reliability in
content analysis. Journal of Applied Communication Research, 27(3), 258-
284.
Robbins, S., S., & Stylianou, A., C. (2003). Global corporate web sites: an empirical
investigation of content and design. Information & Management, 40, 205-212.
Rogers, E. (1995). Diffusion of Innovations. New York: Free Press.
Sauerwein, E. (1999). Experiences with the reliability and validity of the Kano-
method: comparison to alternate forms of classification of product
requirements. Paper presented at the The eleventh symposium on quality
function deployment.
Shin, D.-H. (2009). Towards an understanding of the consumer acceptance of mobile
wallet. Computers in Human Behavior, 25, 1343-1354.
Swan, J. E., & Combs, L. J. (1976). Product performance and consumer satisfaction: A
new concept. The Journal of Marketing, 40(2), 25-33.
Taylor, S., & Todd, P. A. (1995). Understanding Information Technology Usage: A
Test of Competing Models. Information Systems Research, 6(4), 144-176.
Thompson, R. L., Higgins, C. A., & Howell, J. M. (1994). Personal Computing:
Toward a Conceptual Model of Utilization. M IS Quarterly, 15(1), 124-143.
Vargo, S., L., Nagao, K., He, Y., & Morgan, F., W. (2007). Satisfiers, Dissatisfiers,
Criticals, and Neutrals: A Review of Their Relative Effects on Customer
(Dis)Satisfaction. Academy of marketing science review, 11(2), 1-19.
Venkatesh, V., Morris, M., G., Davis, G., B., & Davis, F., D. (2003). User Acceptance
of Information Technology: Toward a Unified View. MIS Quarterly, 27(3),
425-478.
Verkasalo, H. (2009). Handset-based analysis of mobile service usage. Helsinki:
Department of Communications and Networking, Helsinki University of
Technology.
61
Verkasalo, H., López-Nicolás, C., Molina-Castillo, F., J, & Bouwman, H. (2010).
Analysis of users and non-users of smartphone applications. Telematics and
Informatics, 27, 242-255.
Walden, D. (1993). Kanoʼs methods for understanding customer-defined quality.
The Center for Quality of Management Journal, 2(4), 3-36.
West, J., & Mace, M. (2010). Browsing as the killer app: Explaining the rapid success
of Apple‘s iPhone. Telecommunications Policy, 34, 270-286.
Witell, L., & Löfgren, M. (2007). Classification of quality attributes. Managing
Service Quality, 17(1), 54-73.
Zhang, D., & Adipat, B. (2005). Challenges, Methodologies, and Issues in the
Usability Testing of Mobile Applications. International Journal of Human-
Computer Interaction, 18(3), 293-308.
Zhang, J., Q., Craciun, G., & Shin, D. (2010). When does electronic word-of-mouth
matter? A study of consumer product reviews. Journal of Business Research,
63(12), 1336-1341.
Zhang, P., & Von Dran, G. M. (2000). Satisfiers and dissatisfiers: a two-factor model
for website design and evaluation. Journal of the American Society for
Information Science, 51(14), 1253-1268.
Zhang, P., & Von Dran, G. M. (2002). User Expectations and Rankings of Quality
Factors in Different Web Site Domains. International Journal of Electronic
Commerce, 6(2), 9-33.
Zhao, M., & Dholakia, R. R. (2009). A multi-attribute model of web site interactivity
and customer satisfaction: An application of the Kano model. Managing
Service Quality, 19(3), 286-307.
Zhou, T. (2008). Exploring Mobile User Acceptance Based on UTAUT and
Contextual Offering. Paper presented at the International Symposium on
Electronic Commerce and Security.
Zhou, T., Lu, Y., & Wang, B. (2010). Integrating TTF and UTAUT to explain mobile
banking user adoption. Computers in Human Behavior, 26, 760-767.
62
Bijlage A
Omgeving waarin vragenlijst is afgenomen
63
Bijlage B
Onderzoek aan de hand van het Kano model
Inleiding
Het onderzoek wordt uitgevoerd met behulp van een lijst met vragen over potentiële
eigenschappen van een mobiele app van [naam bedrijf]. Er zullen vragen worden
gesteld over uw gevoel met betrekking tot bepaalde eigenschappen die deze mobiele
app kan hebben. Tevens zullen er vragen worden gesteld over uw gevoel met
betrekking tot diezelfde eigenschappen indien ze ontbreken. Per vraag kunt u 1 van de
5 antwoordmogelijkheden kiezen. Kies bij elke vraag de antwoordmogelijkheid die
het eerste in u opkomt. Er zullen in totaal 18 vragen over de aanwezigheid van
eigenschappen en 18 vragen over de afwezigheid van eigenschappen worden gesteld.
Deze vragen zijn verdeeld over 4 secties. Door antwoorden van veel verschillende
gebruikers te verzamelen kunnen we gedetailleerde informatie afleiden om zo een
optimale mobiele app te kunnen ontwikkelen.
Deel 1/4: Aanwezige eigenschappen
[naam bedrijf] kan bepaalde eigenschappen gebruiken in haar mobiele app. Door
middel van de volgende vragen kunt u aangeven in hoeverre u deze eigenschappen
wenst. Selecteer het antwoord wat voor u het beste overeenkomt met uw gevoel. Laat
uzelf niet afleiden door antwoorden die niet van toepassing zijn, kies simpelweg voor
het antwoord dat u het meest geschikt lijkt.
Antwoordmogelijkheden:
1. Dat zou ik een pluspunt vinden
2. Dat hoort zo te zijn
3. Neutraal
4. Dat is ongewenst maar kan er wel mee leven
5. Dat zou ik een minpunt vinden
(route)informatie kan weergeven waar u producten en/of diensten van
Vodafone kunt verkrijgen?
[antwoord]
aanbiedingen of kortingsacties kan laten zien van diensten en/of
producten van [naam bedrijf]?
64
[antwoord]
regelmatig een software update krijgt?
[antwoord]
de mogelijkheid biedt om uw persoonlijke gegevens of uw
gebruiksgegevens van uw abonnement/belbundel te kunnen beheren?
[antwoord]
spelelementen of overige vormen van vermaak, zoals de mogelijkheid tot
het afspelen van muziek of video’s, bevat?
[antwoord]
de mogelijkheid biedt om producten en/of diensten van [naam bedrijf]
direct te kunnen bestellen?
[antwoord]
een handleiding of helpfunctie bevat?
[antwoord]
gedetailleerde informatie bevat over de producten en/of diensten die
[naam bedrijf] aanbiedt?
[antwoord]
te personaliseren is, bijvoorbeeld door de mogelijkheid om het uiterlijk
aan te kunnen passen?
[antwoord]
Deel 2/4: Ontbrekende eigenschappen
Geef aan wat uw gevoel over een eigenschap zou zijn als ze in de mobiele app van
[naam bedrijf] zouden ontbreken.
geen (route)informatie kan weergeven waar u producten en/of diensten
van Vodafone kunt verkrijgen?
[antwoord]
geen aanbiedingen of kortingsacties kan laten zien van diensten en/of
producten van [naam bedrijf]?
[antwoord]
niet regelmatig een software update krijgt?
65
[antwoord]
niet de mogelijkheid biedt om uw persoonlijke gegevens of uw
gebruiksgegevens van uw abonnement/belbundel te kunnen beheren?
[antwoord]
geen spelelementen of overige vormen van vermaak, zoals de
mogelijkheid tot het afspelen van muziek of video’s, bevat?
[antwoord]
niet de mogelijkheid biedt om producten en/of diensten van [naam
bedrijf] direct te kunnen bestellen?
[antwoord]
geen handleiding of helpfunctie bevat?
[antwoord]
geen gedetailleerde informatie bevat over de producten en/of diensten
die [naam bedrijf] aanbiedt?
[antwoord]
niet te personaliseren is?
[antwoord]
Deel 3/4: Aanwezige eigenschappen
Geef aan wat uw gevoel over een eigenschap zou zijn als ze in de mobiele app van
[naam bedrijf] aanwezig zouden zijn.
de mogelijkheid biedt om informatie te delen via een sociaal netwerk
zoals Hyves of Facebook?
[antwoord]
de mogelijkheid biedt om feedback te geven over de werking van de app,
bijvoorbeeld als u denkt dat er iets verbeterd kan worden?
[antwoord]
van de nieuwste technologische kenmerken van een smartphone gebruik
kan maken, zoals GPS of de camera?
[antwoord]
66
de laatste nieuwtjes kan weergeven met betrekking tot de producten
en/of diensten die Vodafone aanbiedt?
[antwoord]
een zoekfunctie heeft?
[antwoord]
visueel aantrekkelijk is?
[antwoord]
een duidelijke navigatiestructuur heeft zodat u altijd weet waar u zich
bevindt in de app?
[antwoord]
duidelijk aangeeft hoe de app omgaat met uw gegevens?
[antwoord]
gratis is om te downloaden?
Deel 4/4: Ontbrekende eigenschappen
Geef aan wat uw gevoel over een eigenschap zou zijn als ze in de mobiele app van
[naam bedrijf] zouden ontbreken.
geen mogelijkheid biedt om informatie te delen via een sociaal netwerk
zoals Hyves of Facebook?
[antwoord]
geen mogelijkheid biedt om feedback te geven over de werking van de
app?
[antwoord]
geen gebruik kan maken van de nieuwste technologische kenmerken van
een smartphone, zoals GPS of de camera?
[antwoord]
geen laatste nieuwtjes kan weergeven met betrekking tot de producten
en/of diensten die Vodafone aanbiedt?
[antwoord]
geen zoekfunctie heeft?
[antwoord]
67
visueel niet aantrekkelijk is?
[antwoord]
geen duidelijke navigatiestructuur heeft?
[antwoord]
niet duidelijk aangeeft hoe de app omgaat met uw gegevens?
[antwoord]
niet gratis is om te downloaden?
[antwoord]
Uw ervaring
Tot slot zouden we graag wat over uzelf en over uw ervaring met smartphones en
mobiele apps willen weten:
Wat is uw geslacht?
Man Vrouw
Wat is uw leeftijd?
[antwoord]
In hoeverre vindt u zichzelf een ervaren gebruiker van mobiele apps?
Niet ervaren 1 2 3 4 5 Zeer ervaren
Bent u zelf in het bezit van een smartphone, zo ja, welk type?
Nee, ik ben niet in het bezit van een smartphone.
Ja, ik ben in het bezit van een iPhone.
Ja, ik ben in het bezit van een Android smartphone.
Ja, ik ben in het bezit van een BlackBerry.
Ja, ik ben in het bezit van een smartphone. Deze valt echter niet onder de
bovengenoemde typen.
Ik weet niet of ik in het bezit ben van een smartphone / Ik weet niet welk type
smartphone ik heb.
Indien u reeds van mobiele apps gebruik maakt, waar gebruikt u ze dan
voornamelijk voor?
Ik maak (nog) geen gebruik van mobiele apps
Voornamelijk doelmatig (bv. voor het beheren van mijn agenda)
Voornamelijk voor mijn plezier
68
Doelmatig en voor mijn plezier
Weet niet
Feedback
Heeft u eventueel nog verdere op– of aanmerkingen over de mobiele app van [naam
bedrijf]?
[antwoord]
69
Bijlage C
Set schetsen met eigenschappen telecomprovider
Set schetsen met eigenschappen webwinkel
70
Bijlage D
Onderzoek naar gebruiksintentie
In dit onderzoek gaat u de functionaliteit van een mobiele app van [type
bedrijf] beoordelen. Een mobiele app is een softwareprogramma dat speciaal is
ontwikkeld voor gebruik op een smartphone. Met deze app kunt u [afhankelijk
type conditie]
Uw [type bedrijf] wil de app ontwikkelen zodat men niet de website hoeft te bezoeken
om [afhankelijk type conditie]
Op basis van een eerder klantenonderzoek heeft [type bedrijf] schetsen ontworpen
van de beoogde mobiele app. U krijgt in dit onderzoek twee schetsen van het
prototype te zien.
Het onderzoek zal een kleine 5 minuten van uw tijd in beslag nemen. Het onderzoek
is volledig anoniem.
Hartelijk dank voor uw deelname!
[volgende pagina‘s gerelateerd aan condities 1 en 3 of condities 2 of 4]
Condities 1 en 3
In de onderstaande schets ziet u het venster shop, bestaande uit de
tabbladen abonnementen, telefoons en nieuw.
In het openstaande tabblad telefoons kan het huidige aanbod van mobiele telefoons
van uw telecomprovider worden bekeken. Er kan gedetailleerde informatie over de
toestellen worden opgevraagd door op de knop onder info te drukken.
In het venster abonnementen is het huidige aanbod van alle abonnementen te zien.
In het venster nieuw zijn de nieuwste aanbiedingen van telefoons én abonnementen
te zien.
[schets horende bij conditie]
[volgende pagina]
In de onderstaande schets ziet u het venster instellingen. Hier wordt algemene
informatie over de werking van de app getoond. Tevens kan er via dit venster contact
worden gezocht met het bedrijf.
[schets horende bij conditie]
[volgende pagina]
Condities 2 en 4
71
In de onderstaande schets ziet u het venster beheer, bestaande uit de
tabbladen status en persoonlijk.
In het huidige tabblad persoonlijk kunnen persoonlijke gegevens en voorkeuren
worden beheerd. In het venster status valt o.a. de status van een geplaatste bestelling
te zien.
[schets horende bij conditie]
[volgende pagina]
In de onderstaande schets ziet u het venster instellingen. Er kan bijvoorbeeld worden
ingesteld of er een melding moet worden gegeven bij een verandering in de status van
de geplaatste bestelling.
Tevens wordt algemene informatie over de werking van de app verstrekt. Tot slot kan
er via dit venster contact worden gezocht met het bedrijf.
[schets horende bij conditie]
[volgende pagina zelfde voor beide condities]
Hier ziet u nogmaals de twee eerder getoonde schetsen.
Onderstaande vragen en stellingen hebben betrekking op de werking van de gehele
app.
[schetsen horende bij conditie]
Heeft u wel eens een app geïnstalleerd op een smartphone?
Ja Nee
[condities 1, 3 en 4] Heeft u wel eens een telefoon gekocht of abonnement
afgesloten via een webwinkel?
Ja Nee
De volgende stellingen hebben betrekking op uw verwachtingen ten
opzichte van de functionaliteit van de app.
Beoordeel de onderstaande stellingen aan de hand van de volgende schaal (1 =
helemaal mee oneens, 7 = helemaal mee eens).
Het bezoeken van [afhankelijk conditie] is erg nuttig.
Ik kan sneller [afhankelijk conditie] bezoeken met behulp van deze app dan via hun
website.
Met deze app kan ik gemakkelijker [afhankelijk conditie] dan via hun website.
72
Ik denk niet dat het handiger is om via deze app [afhankelijk conditie] in vergelijking
met hun website.
Het zal me weinig moeite kosten om de werking van deze app onder de knie te
krijgen.
Ik denk dat het me makkelijk afgaat om met deze app de webshop te bezoeken.
De bediening van deze app lijkt me ingewikkeld. Ik zou deze app kunnen gebruiken
zonder dat iemand mij daarbij hoeft te helpen.
Ik voorspel dat ik deze app in de toekomst ga gebruiken.
Ik denk dat ik deze app zal aanraden bij anderen.
Ik ben van plan om deze app in de toekomst te gaan gebruiken.
De volgende stellingen hebben betrekking op de App Store waarmee apps
kunnen worden gevonden en geïnstalleerd.
Beoordeel de onderstaande stellingen aan de hand van de volgende schaal (1 =
helemaal mee oneens, 7 = helemaal mee eens).
Deze app zal kwalitatief goed zijn als hij een hoge gebruikerswaardering heeft.
Als deze app in de top 10 van de App Store staat zal hij daar thuishoren.
Ik zal eerst de gebruikersreviews lezen van deze app voordat ik hem zal installeren.
Als deze app een lage gebruikerswaardering heeft zal hij niet nuttig zijn.
Tot slot willen we graag nog wat over uzelf weten:
Wat is uw geslacht?
Man Vrouw
Wat is uw leeftijd?
[antwoord]
In hoeverre vindt u zichzelf ervaren met mobiele apps? zeer onervaren 1 2 3 4 5 ervaren Hartelijk dank voor uw deelname!
Share deze survey op Facebook of op Twitter en help me mee om het aantal
respondenten te verhogen!
top related