digital signage: de invloed van verschillende soorten … · 2014-12-18 · ! 1! universiteit gent...
TRANSCRIPT
1
UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE
ACADEMIEJAAR 2014 – 2015
Digital Signage: de invloed van verschillende soorten reclameboodschappen op het instore
koopgedrag van de consument
Masterproef voorgedragen tot het bekomen van de graad van
Master of Science in de Handelswetenschappen
Julie Pyck
onder leiding van
Prof. Iris Vermeir
I
II
Voorwoord
Beste lezer, Deze masterproef vormt het sluitstuk van mijn opleiding Handelswetenschappen, finaliteitskeuze Marketing Management, en is de laatste halte voor het behalen van mijn diploma. Het schrijven van deze masterproef was een erg leerrijke ervaring, die me een andere kijk heeft gegeven op de wereld van Digital Signage met zijn talloze mogelijkheden en opportuniteiten. Het heeft mij overtuigt dat dit recent medium een groot deel zal uitmaken van de toekomst in instore marketing en zoveel meer. Bovendien is het een uitdaging de ideale communicatiestrategie te benaderen in een retail omgeving, waar veel meer aspecten meespelen dan ik voor mogelijk had gehouden. Vooreerst zou ik mijn promotor, Iris Vermeir, willen bedanken voor haar behulpzaamheid, de productieve bijeenkomsten en tijd die ze spendeerde om mij te begeleiden. Daarnaast zou ik graag mijn dank willen betuigen aan mijn familie en vrienden, die me steeds hebben gesteund, en me de tijd en middelen hebben gegund voor het succesvol vervolledigen van deze masterproef. Tenslotte zou dit niet gelukt zijn zonder de bereidwillige respondenten, die ik allen hartelijk dank voor hun medewerking.
III
IV
Inhoudsopgave
Voorwoord ........................................................................................................................................ II
Inhoudsopgave ............................................................................................................................... IV
Lijst met tabellen .......................................................................................................................... VII
Lijst met figuren ............................................................................................................................ VII
Inleiding ............................................................................................................................................. 1
Deel 1: Literatuuronderzoek ....................................................................................................... 3
1 Instore marketing .................................................................................................................... 3
2 Digital Signage ........................................................................................................................... 5 2.1 Definitie Digital Signage ............................................................................................................... 5 2.2 Waarom DS? ...................................................................................................................................... 5 2.3 De boodschap ................................................................................................................................... 8 2.3.1 Content ........................................................................................................................................................... 8 2.3.2 Context ........................................................................................................................................................... 9
2.4 Retail Atmospherics tool ........................................................................................................... 10 2.5 Het Elaboration Likelihood Model ......................................................................................... 11 2.5.1 Uitleg ............................................................................................................................................................ 11 2.5.2 Conclusie .................................................................................................................................................... 12
3 Type reclameboodschap ..................................................................................................... 13 3.1 Dynamisch vs. statisch ............................................................................................................... 13 3.1.1 Inleiding ...................................................................................................................................................... 13 3.1.2 Effectiviteit ................................................................................................................................................ 13
3.2 Veel vs. weinig informatie ......................................................................................................... 15 3.2.1 Inleiding ...................................................................................................................................................... 15 3.2.2 Effectiviteit ................................................................................................................................................ 15 3.2.3 The Limited Capacity Model .............................................................................................................. 16
4 Type geadverteerd product ............................................................................................... 18 4.1 Korte vs. lange aankoopcyclus ................................................................................................ 18
5 Factoren die instore koopgedrag beïnvloeden ........................................................... 19 5.1 Inleiding .......................................................................................................................................... 19 5.2 Gemoedstoestand en attitudes ................................................................................................ 19 5.3 Betrokkenheid .............................................................................................................................. 21 5.4 Impulsiviteit .................................................................................................................................. 21
V
Deel 2: Onderzoeksopzet ........................................................................................................... 23
6 Probleemstelling en onderzoeksvraag .......................................................................... 23
7 Hypothesen .............................................................................................................................. 25 7.1 Inleiding .......................................................................................................................................... 25 7.2 Hypothesen type reclameboodschap .................................................................................... 25 7.2.1 Hoeveelheid informatie ....................................................................................................................... 25 7.2.2 Dynamiek ................................................................................................................................................... 26
7.3 Hypothesen type geadverteerd product .............................................................................. 27 7.3.1 Lengte aankoopcyclus .......................................................................................................................... 27
7.4 Hypothesen verbanden tussen variabelen ......................................................................... 28 7.4.1 Verband dynamiek – aankoopcyclus ............................................................................................. 28 7.4.2 Verband hoeveelheid informatie – aankoopcyclus ................................................................. 29
8 Methode .................................................................................................................................... 30 8.1 Onderzoeksdesign ....................................................................................................................... 30 8.2 Respondenten ............................................................................................................................... 31 8.3 Pretesten ......................................................................................................................................... 32 8.4 Vragenlijst ...................................................................................................................................... 34 8.4.1 Gemoedstoestand ................................................................................................................................... 34 8.4.2 Aankoopfrequentie ................................................................................................................................ 34 8.4.3 Merkbelang ............................................................................................................................................... 35 8.4.4 Betrokkenheid ......................................................................................................................................... 35 8.4.5 Attitude t.o.v. de advertentie ............................................................................................................. 35 8.4.6 Attitude t.o.v. het product en merk ................................................................................................. 35 8.4.7 Aankoopintentie ..................................................................................................................................... 36
Deel 3: Onderzoeksresultaten ................................................................................................. 37
1 Interne betrouwbaarheid schalen ................................................................................... 37
2 Hypotheses .............................................................................................................................. 38 2.1 Hypothese 1: Hoeveelheid informatie .................................................................................. 38 2.1.1 Hypothese 1a: Attitude t.o.v. de advertentie .............................................................................. 38 2.1.2 Hypothese 1b: Attitude t.o.v. het merk ......................................................................................... 38 2.1.3 Hypothese 1c: Aankoopintentie ....................................................................................................... 38
2.2 Hypothese 2: Dynamiek ............................................................................................................. 39 2.2.1 Hypothese 2a: Attitude t.o.v. de advertentie .............................................................................. 39 2.2.2 Hypothese 2b: Attitude t.o.v. het merk ......................................................................................... 39 2.2.3 Hypothese 2c: Aankoopintentie ....................................................................................................... 39
2.3 Hypothese 3: Lengte aankoopcyclus ..................................................................................... 40 2.3.1 Hypothese 3a: Attitude t.o.v. de advertentie .............................................................................. 40 2.3.2 Hypothese 3b: Attitude t.o.v. het merk ......................................................................................... 40 2.3.3 Hypothese 3c: Aankoopintentie ....................................................................................................... 40
VI
2.4 Hypothese 4: Verband dynamiek vs. lengte aankoopcyclus ......................................... 42 2.4.1 Hypothese 4a: Attitude t.o.v. de advertentie .............................................................................. 42 2.4.2 Hypothese 4b: Attitude t.o.v. het merk ......................................................................................... 44 2.4.3 Hypothese 4c: Aankoopintentie ....................................................................................................... 46 2.4.4 Conclusie .................................................................................................................................................... 47
2.5 Hypothese 5: Verband hoeveelheid informatie vs. lengte aankoopcyclus ............... 48 2.5.1 Hypothese 5a: Attitude t.o.v. advertentie .................................................................................... 48 2.5.2 Hypothese 5b: Attitude t.o.v. merk ................................................................................................. 48 2.5.3 Hypothese 5c: Aankoopintentie ....................................................................................................... 49 2.5.4 Conclusie .................................................................................................................................................... 49
2.6 Enkele bijkomende testen ........................................................................................................ 50 2.6.1 Driewegsinteractie ................................................................................................................................ 50 2.6.2 Gemoedstoestand vóór en na advertentie ................................................................................... 50 2.6.3 Regressieanalyse .................................................................................................................................... 52
2.7 Conclusie ......................................................................................................................................... 54 2.7.1 Attitude t.o.v. de advertentie ............................................................................................................. 54 2.7.2 Attitude t.o.v. het merk ........................................................................................................................ 57 2.7.3 Aankoopintentie ..................................................................................................................................... 58
3 Algemeen besluit ................................................................................................................... 59
4 Beperkingen van het onderzoek ...................................................................................... 60
5 Suggesties voor verder onderzoek .................................................................................. 61
6 Bibliografie .............................................................................................................................. 62
7 Bijlagen ..................................................................................................................................... 66 7.1 Bijlage 1: Advertenties ............................................................................................................... 66 7.2 Bijlage 2: Vragenlijst ................................................................................................................... 69 7.3 Bijlage 3: SPSS-‐output pretest ................................................................................................. 79 7.3.1 Pretest 1 ..................................................................................................................................................... 79 7.3.2 Pretest 2 ..................................................................................................................................................... 83
7.4 Bijlage 4: Cronbach’s Alpha ...................................................................................................... 84 7.5 Bijlage 5: Informatie respondenten ................................................................................... 102 7.6 Bijlage 6: Hypothese 1 ............................................................................................................. 104 7.7 Bijlage 7: Hypothese 2 ............................................................................................................. 107 7.8 Bijlage 8: Hypothese 3 ............................................................................................................. 110 7.9 Bijlage 9: Hypothese 4 & 5 ..................................................................................................... 114 7.10 Bijlage 10: Bijkomende testen ........................................................................................... 138 7.10.1 Gemoedstoestand vóór en na de advertentie ....................................................................... 138 7.10.2 Regressieanalyse ............................................................................................................................... 149
VII
Lijst met tabellen Tabel 1: Overzicht van de condities .................................................................................................................................................... 31 Tabel 2: Interne betrouwbaarheid schalen ..................................................................................................................................... 37 Tabel 3: Verschil in Aad, Ab en PI bij verschillende hoeveelheid informatie .................................................................... 38 Tabel 4: Verschil in Aad, Ab en PI bij verschillende dynamiek ................................................................................................ 39 Tabel 5: Verschil in gemiddelde Aad, Ab en PI bij verschillende lengte aankoopcyclus .............................................. 41 Tabel 6: ANCOVA resultaten voor het effect van de covariaten op de Aad ....................................................................... 42 Tabel 7: ANOVA resultaten van de Between Subjects-‐Effects met Aad als afhankelijke variabele ........................ 42 Tabel 8: Verschil in gemiddelde Aad met dynamiek en lengte aankoopcyclus als onafhankelijke variabelen . 43 Tabel 9: ANCOVA resultaten voor het effect van de covariaten op de Ab .......................................................................... 45 Tabel 10: ANOVA resultaten van de Between Subjects-‐Effects met Ab als afhankelijke variabele ........................ 45 Tabel 11: ANCOVA resultaten voor het effect van de covariaten op de PI ........................................................................ 46 Tabel 12: ANOVA resultaten van de Between Subjects-‐Effects met PI als afhankelijke variabele .......................... 46 Tabel 13: Verschil in gemoedstoestand vóór en na het zien van dynamische advertenties ...................................... 50 Tabel 14: Regressiemodel ....................................................................................................................................................................... 53
Lijst met figuren Figuur 1: Factoren die invloed hebben op de mate waarin instore stimuli tot instore aankoopbeslissingen leiden _________________________________________________________________________________________________________________ 4 Figuur 2: Verschil in gemiddelde Aad met dynamiek en lengte aankoopcyclus als onafhankelijke variabelen 44 Figuur 3: Verschil in gemiddelde opwinding voor en na de advertentie tussen statische en dynamische advertenties ................................................................................................................................................................................................... 52 Figuur 4: Verschil in gemiddelde Aad per advertentie ............................................................................................................... 56 Figuur 5: Verschil in gemiddelde Ab per advertentie ................................................................................................................. 57 Figuur 6: Verschil in gemiddelde PI per advertentie ................................................................................................................... 58
1
Inleiding
Vandaag de dag zijn marketeers en adverteerders steeds drukker in de weer om zichzelf te onderscheiden van de concurrent. Ondanks de stijgende investeringen in reclame, valt de effectiviteit van reclame enorm tegen de laatste jaren (Bauer, Dohmen, & Strauss, 2012; De Pelsmacker, Geuens, & Van den Bergh, 2010). De consument wordt overladen met een massa aan marketing stimuli, waarvan er bitter weinig relevant zijn. Er is dus sprake van een stijgend belang voor ‘op maat gemaakte’ reclame en informatie. Deze doelgerichte aanpak is noodzakelijk om de negatieve impact van selectieve waarneming van de consument te beperken. De consument schermt zich via selectieve waarneming af voor deze ‘overload’ aan marketing stimuli en probeert enkel de relevante stimuli uit de massa te selecteren. Om de aandacht van de consument toch te trekken, dienen marketeers en adverteerders dus alles uit de kast te halen om zo origineel en onderscheidend mogelijk uit de hoek te komen, zonder het belang en de behoeften van de specifieke doelgroep te verwaarlozen. Dit kan onder andere in de hand gewerkt worden door allerlei nieuwe technologieën. Denk hier bijvoorbeeld aan de steeds meer opduikende digitale schermen in de winkel. Digital Signage (DS) is een begrip dat steeds meer wordt gehoord. Wat eerder heel onbekend in de oren klonk, verspreidt zich nu via alle sectoren en kanalen. Je ziet het zowel op straat, in het station, alsook in de winkel als je boodschappen doet. Ondanks het feit dat dit een redelijk recent onderwerp is, wordt er steeds meer onderzoek naar gedaan. De daaruit voortvloeiende resultaten tonen aan dat dit fenomeen niet gewoon een tijdelijke hype is, maar een effectieve en efficiënte marketing tool die hier is voor ‘the long run’. Bovendien kan het een significante meerwaarde bieden voor zowel de adverteerder, de retailer als de consument. Terwijl de consument bij zijn aankoopbeslissing geholpen wordt, zorgt dit medium tevens voor een stijging in de verkoop (Burke, 2009; Heeg, 2009; Schaeffler, 2008). Het is bijgevolg niet verwonderlijk dat steeds meer bedrijven, die hier voordien heel kritisch tegenover stonden, de win-‐win situatie erkennen en bezwijken voor dit medium. DS kan bovendien aangewend worden op talrijke manieren. Het kan gebruikt worden als een commercieel of entertainment instrument, of het kan dienen als een sfeermaker in de winkelomgeving (‘Retail Atmospherics Tool’). Het kan dienen als een emotioneel instrument die de consument gelukkig, nostalgisch, geliefd, droevig, schuldig, enz. doet voelen (aan de hand van kleuren, muziek, afbeeldingen, enz.) of als een rationeel instrument die de consument relevante informatie verschaft waar en wanneer nodig. Kortom, de mogelijkheden zijn eindeloos.
2
Dit onderzoek behandelt instore DS in de retail sector door het weergeven van verschillende soorten reclameboodschappen, variërend in hoeveelheid informatie en de dynamiek van de inhoud, en de lengte van de aankoopcyclus van het geadverteerd product. Hierbij wordt de aankoopintentie gemeten rekening houdend met allerhande beïnvloedende variabelen. Er wordt in deze thesis dus een antwoord gezocht op volgende onderzoeksvraag: “Wat is de invloed van verschillende via DS vertoonde reclameboodschappen, variërend in de hoeveelheid informatie, de dynamiek en geadverteerd product op emoties, Aad, Ab en PI van de consument?” Deze thesis bestaat uit drie delen. Het eerste deel is een literatuuronderzoek, waar het belang en effectiviteit van DS eerst en vooral duidelijk aan bod komt. Vervolgens worden de hoeveelheid informatie en dynamiek in reclameboodschappen en hun effect op het aankoopgedrag uitgebreid besproken, alsook bijhorende theorieën. Dit deel wordt afgesloten met een opsomming van de beïnvloedende factoren op het aankoopgedrag van de consument, voorafgegaan door een bespreking van het type geadverteerd product, meer bepaald de lengte van de aankoopcyclus ervan. De onderzoeksopzet vormt het tweede deel van deze thesis. In dit deel komen de probleemstelling, de hypotheses en de onderzoeksmethode aan bod, waarna overgegaan wordt tot het laatste deel van deze thesis, nl. de onderzoeksresultaten. Hier worden de resultaten per hypothese uitvoerig geanalyseerd en gerapporteerd en wordt afgesloten met een algemeen besluit, beperkingen van het onderzoek en enkele suggesties voor verder onderzoek.
3
Deel 1: Literatuuronderzoek
1 Instore marketing
Men hoort te vertrekken vanuit het begrip ‘instore marketing’ vooraleer wordt overgegaan tot het definiëren van DS. Instore marketing houdt alle verkooppromotie in op de winkelvloer, waaronder bundelaanbiedingen, expertadvies, product demonstraties, testers, speciale kortingen, enz. Instore marketing is, op televisie na, het medium met de grootste invloed op de aankoopbeslissing (Schrameyer, 2008). Meer en meer wordt de aankoopbeslissing van shoppers verplaatst van thuis naar de winkel. Dit betekent dat shoppers steeds vaker ongepland naar de winkel gaan. Ze hopen suggesties te krijgen en inspiratie te halen uit de winkelomgeving zelf om hun aankoopbeslissingen te maken (Geuens, Brengman, & S’Jegers, 2003). Deze ongeplande shoppers staan in het algemeen meer open voor instore marketing stimuli (Van Loock, Vermeir, & Geuens, 2010a). Volgens Point of Purchase Association International (POPAI) worden meer dan 70 procent van de aankoopbeslissingen op de winkelvloer gemaakt (Dennis, Newman, Michon, Brakus, & Wright, 2010). Meer dan 70 procent van de aankopen zijn dus impulsaankopen. Dit aanzienlijke percentage toont duidelijk het belang van instore marketing aan en dit gaat marketeers niet onopgemerkt voorbij. Zij schuiven een steeds groter wordend deel van hun promotionele budgets van traditionele out-‐of-‐store media reclame naar instore marketing (Chandon, Hutchinson, Bradlow, & Young, 2009; Inman, Winer, & Ferraro, 2009; Nelson & Ellison, 2005). Inman, Winner, & Ferraro (2009) hebben onderzoek gedaan naar verschillende variabelen die de instore aankoopbeslissing beïnvloeden. Een retail omgeving barst van de hoeveelheid instore stimuli. Deze stimuli wekken niet-‐erkende of vergeten behoeften en verlangens of emoties op, wat leidt tot ongeplande instore aankoopbeslissingen, of impulsaankopen. Figuur 1 geeft duidelijk weer welke variabelen invloed kunnen hebben op de impulsaankopen. Hiertoe behoren onder andere de karakteristieken van de productcategorie en de klant, en klantenactiviteiten. De onderliggende factoren kunnen volgens Inman, Winner, & Ferraro (2009) constant of tijdelijk zijn. De lengte van de aankoopcyclus van een productcategorie is bijvoorbeeld een constante component, terwijl een product display een tijdelijk element is. Zo is het geslacht een constante component bij eigenschappen van klanten, terwijl het gezelschap tijdens het winkelen een tijdelijk element is. De beïnvloedende factoren stijgen voortdurend in aantal (‘marketing clutter’) en diversifiëren mee in de tijd, onder andere aan de hand van nieuwe technologieën, zoals DS.
4
1
1 Inman, Winner, & Ferraro (2009)
Figuur 1: Factoren die invloed hebben op de mate waarin instore stimuli tot instore aankoopbeslissingen leiden
5
2 Digital Signage
2.1 Definitie Digital Signage
DS, vaak onder de noemer ‘Digital out-‐of-‐home advertising’ gesteld, is een relatief nieuw exponentieel opkomend marketingkanaal, die de belofte maakt, via digitale schermen, klanten elektronisch tegemoet te komen en hun aankoopbeslissingen efficiënt te beïnvloeden op het juiste moment op de juiste plaats (Bauer, Domen, & Strauss, 2012). Lyle Bunn definieert DS als “een netwerk van digitale, elektronische displays, die centraal worden beheerd en individueel adresseerbaar zijn voor de weergave van tekst, geanimeerde of videoberichten voor reclame, informatie, entertainment en merchandising naar een doelgericht publiek” (Schaeffler, 2008, p. 5-‐6). Dit is dan ook de meest duidelijke, beknopte, doch allesomvattende definitie van DS.
2.2 Waarom DS?
Er is nog relatief weinig onderzoek gedaan naar DS, dus er is nog weinig zekerheid over de effectiviteit ervan. Toch werd die effectiviteit in enkele onderzoeken reeds bewezen en zijn er tal van redenen waarom men zou moeten opteren voor dit communicatiemedium. Deze redenen worden hieronder opgesomd en gemotiveerd. Zoals reeds werd aangestipt, gebeurt meer dan 70 procent van de aankoopbeslissingen op de winkelvloer en vindt er een verschuiving plaats van promotionele budgets van out-‐of-‐store naar instore marketing. Dit toont duidelijk het belang aan van instore marketing en het zorgt voor nieuwe opportuniteiten. DS kan hiervoor een perfecte invulling zijn, gezien de eindeloze mogelijkheden en voordelen. Dit medium duikt dan ook steeds meer op en de waarde ervan, zoals hieronder verder wordt besproken, blijft stijgen (Dennis, Newman, Michon, Brakus, & Wright, 2010). Door de complete overrompeling van stimuli in meeste retail omgevingen, is het des te moeilijker om de aandacht van de shopper te trekken. Bij de invoering van een nieuw reclamemedium dient men dus de overweging te maken of het extra medium wel praktisch, origineel en sterk genoeg is om de aandacht van de klant te trekken aangezien dit leidt tot nog meer marketing clutter. DS heeft zich hierin duidelijk kunnen bewijzen. De waarde van DS in de VS wordt geschat rond twee biljoen dollar (Dennis, Newman, Michon, Brakus, & Wright, 2010) en de steeds versnellende groei van DS in zowel de VS als in de Europese markt is nog lang niet ten einde (Bauer, Dohmen, & Strauss, 2012). Dit enorme cijfer resulteert bovendien in steeds grotere budgettoewijzingen aan DS.
6
Het totale budget toegewezen aan out-‐of-‐home DS ligt rond 1,2 biljoen dollar, waarvan 350 miljoen dollar tot de retail sector behoort (Schaeffler, 2008). Een mogelijke reden voor dit succes van DS is dat er tegenwoordig een steeds grotere verschuiving plaatsvindt van broadcasting naar narrowcasting. Dit betekent dat marketeers steeds meer inspelen op een gerichter doelpubliek in plaats van een massapubliek. De consument staat steeds centraler en marketeers doen er alles aan om hen beter te begrijpen en hun diverse individuele behoeften te bevredigen. Algemene boodschappen op tv of radio worden aldus steeds meer ingeruild voor doelgerichte aangepaste reclameboodschappen op het juiste moment, op de juiste plaats en bij de juiste mensen (Heeg, 2009; Schaeffler, 2008; Schrameyer, 2008). DS vormt, zoals de verder opgenoemde voordelen zullen uitwijzen, het medium bij uitstek om aan deze voorwaarden te voldoen. In vergelijking met traditionele signage (zoals posters, billboards, cardboards,…) biedt DS tal van voordelen. Het grootste voordeel is wellicht dat het toelaat dynamische presentaties, die video, audio en animaties bevatten, weer te geven (Bauer, Dohmen, & Strauss, 2012). Het kan tevens afwisselende statische advertenties laten zien, of een combinatie van statische en dynamische advertenties. Dit benadrukt dan weer het nadeel van statische signage, die slechts één reclameboodschap kan weergeven, terwijl bij DS de inhoud continu kan veranderd worden, wat meer variatie inhoudt (Bauer, Dohmen, & Strauss, 2012). Daarnaast is de kost voor het invoeren van DS op de winkelvloer op lange termijn bovendien lager dan het gebruiken van statische signage als winkelvloerpromotie ((Bauer, Dohmen, & Strauss, 2012; Chen et. al., 2009; Harrison & Andrusiewicz, 2004). Bij statische signage is er een voortdurende kost voor de creatie, productie en het transport naar de winkel, wat tevens een tijdrovend proces is. DS kan daarentegen de continue productie-‐ en transportkosten elimineren, wat bovendien milieuvriendelijk is. Dit neemt echter niet weg dat DS aanvankelijk een hoge investering is (Bauer, Dohmen, & Strauss, 2012), ook al is er een continue daling in de prijzen van digitale schermen en wordt het steeds interessanter hierin te investeren (Müller et. al., 2009). In de retail sector worden, vandaag de dag, steeds meer technologieën benuttigd met als doel het koopgedrag van de shopper positief te beïnvloeden. Naar DS in het bijzonder is nog relatief weinig onderzoek gedaan. Het is bijgevolg moeilijker te constateren of DS een effectief medium is. Toch blijkt in verschillende onderzoeken dat instore DS effectief is. Zo werd bewezen dat DS reclameadvertenties tot gunstigere attitudes tegenover de advertentie en het merk en tot hogere aankoopintentie leiden dan reclameadvertenties via traditionele signage (Van Loock, Vermeir, & Geuens, 2010a). Bovendien blijkt dat instore DS, die nieuwswaardige informatie vertoont, een gunstige impact op de verkoop heeft (Burke, 2009; Heeg, 2009; Schaeffler, 2008). Deze impact is volgens Burke (2009)
7
daarenboven groter bij hedonische producten zoals voedsel en entertainment. Naast deze resultaten, kan DS een positieve invloed hebben op de perceptie van de wachttijden aan de kassa en krijgt de winkel een moderner imago (Burke, 2002). Vervolgens zijn de reacties van consumenten gunstig gezind. Burke (2002) stelt dat consumenten het verstrekken van meer productinformatie zouden appreciëren, ook via nieuwe technologieën. Shoppers zouden vooral openstaan voor prijssignalen en informatie over nieuwe producten (Schrameyer, 2008). DS zou hiervoor een ideaal medium kunnen zijn, aangezien het een aantrekkelijke en betrokken winkelomgeving creëert en het kan shoppers in een goed humeur brengen a.d.h.v. auditieve en/of visuele stimulatie (Burke, 2002). Dit wordt bovendien beaamd door Newman et al. (2006), volgens wie DS genot aan de winkelervaring brengt en shoppers de informatie-‐inhoud, verstrekt via DS, waarderen, daar het helpt keuzes te maken. Tenslotte kan DS de (technologische) trends voor de toekomst zonder veel moeite volgen en dit brengt veel opportuniteiten met zich mee. Zo maakt DS interactie met de consument mogelijk, mede door de ‘touch screen’ technologie en via ‘hand gesture’ technologieën (Chen et. al., 2009). Een korte, doeltreffende of speelse interactie met de consument blijkt bij narrowcasting een zeer doeltreffende manier te zijn om de consument te informeren en helpen bij een aankoopbeslissing (Heeg, 2009). Ook is het mogelijk om de inhoud af te stemmen op de locatie waar de consument zich bevindt. Dit zorgt ervoor dat men informatie kan aanpassen aan de doelgroep zodat deze steeds relevant is voor de toeschouwer. De inhoud kan ook meteen aangepast worden (naar gelang de context), wat het bovendien gemakkelijker maakt om de inhoud steeds up-‐to-‐date te houden. Dit zorgt voor weinig verouderde informatie en meer variatie voor de consument.
8
2.3 De boodschap
Het hebben van zo’n DS netwerk alleen zal uiteraard niet de effectiviteit hiervan garanderen. Zonder een kwalitatief goede boodschap zal het zijn effect missen. Dit dient dus met de nodige zorg en kritische reflectie behandeld te worden. Bij de ontwikkeling van een goede boodschap spelen de inhoud, de context en de kwaliteit van vertoning een belangrijke rol (Burke, 2009). Enkel deze eerste twee zullen hier meer uitgediept worden.
2.3.1 Content
“Successful -‐indeed just about any-‐ content for DS is much more than just understanding the content, production and technical values. It is about understanding customers-‐ his or her needs, what he or she is doing, the environment they are in-‐ and matching good content strategies to all of that. That’s one of the biggest challenges of our industry
today.”2 – (Schaeffler, 2008, p 113)
Zoals uit bovenstaand citaat kan worden afgeleid, is de inhoud van een reclameboodschap in DS zeer belangrijk. De inhoud wordt bovendien beschouwd als het meest cruciale punt wat betreft de effectiviteit van DS (Van Loock, Vermeir, & Geuens, 2010a). Een DS boodschap is slechts kwalitatief als de inhoud ervan gericht en relevant is (Schaeffler, 2008). Om de effectiviteit van de inhoud te maximaliseren dient men, naast het inhoudsaspect, tevens rekening te houden met de context, zoals het tijdstip van de dag en de eigenschappen van de doelgroep. De inhoud laat soms echter te wensen over. Sommige producenten erkennen en begrijpen de opportuniteiten die DS hen biedt nog niet volledig en nemen de tijd en middelen niet om de vertoonde inhoud via dit nieuwe ‘narrowcast’ marketingkanaal te optimaliseren aan de doelgroep. Het louter vertonen of verknippen van broadcast televisie commercials is hierbij een vaak voorkomende fout (Schrameyer, 2008; Burke, 2009). Dat deze gemakkelijke uitweg een misser is, blijkt ook uit volgend citaat:"You can forget about the idea that the audience is going to put anything like the cognitive effort they put into a 30-‐second TV spot when they're in-‐store" (Burke, 2009, p. 184). Dit hangt uiteraard af van de samenwerking van retailer en producent. Een goede samenwerking is hier vereist om een optimale communicatiestrategie te bekomen zodat zowel fabrikant (consument koopt zijn merk) als retailer (meer verkoop) hierbij baat kunnen hebben. Dit geldt uiteraard niet voor de private label producten, die op de markt worden
2 geciteerd door Carre Dawson, directrice Fuel Media Solutions bij Delphi Display Systems met meer dan vijftien jaar ervaring in DS
9
gebracht door de retailer zelf en diens naam dragen. Bij deze producten zorgt dus ook de retailer zelf voor de promotie ervan.
2.3.2 Context
Naast het inhoudsaspect, is de context waarin de reclameboodschap zich afspeelt ook een niet te verwaarlozen aspect. De context, waarin goederen worden aangeboden, kan zelfs belangrijker zijn dan de inhoud van de transactie (Geuens, Brengman, & S’Jegers, 2003). Er kan onderscheid worden gemaakt in de context van de ontvanger en de context van het medium (De Pelsmacker, Geuens, & Van den Bergh 2010). In dit geval refereert de context van de ontvanger naar de shopper ‘an sich’ tijdens het winkelbezoek. Het omvat ook hoe hij/zij zich op dat moment voelt. Het is dus voor de marketeer voornamelijk belangrijk de aandacht van de shopper in die context, waar veel marketing clutter aanwezig is, te kunnen trekken. Wat de medium context betreft, is het uitermate belangrijk dat de advertentie er goed is op afgestemd. De DS advertentie kan bijvoorbeeld niet enkel in de supermarkt, maar ook in shopping centers, bushokjes, stations, cinema’s, hotels, banken, voertuigen, restaurants, bij de dokter, op straat of op andere openbare plaatsen worden geplaatst. Onderzoekers zijn van mening dat, hoe beter de medium context en de advertentie afgestemd zijn op elkaar, hoe gemotiveerder de consumenten zullen zijn om de advertentie te verwerken en des te gemakkelijker deze verwerking is voor hen (De Pelsmacker, Geuens, & Van den Bergh 2010). Zo is het bijvoorbeeld steeds belangrijk om DS schermen in een retail omgeving zo dicht mogelijk bij het geadverteerd product te plaatsen. Tegenwoordig kan heel ver worden gegaan met DS en kan er zelfs worden ingespeeld op de huidige situatie die zich afspeelt. Bijpassende informatie en/of reclame kan zo bijvoorbeeld real-‐time worden weergegeven om aan nieuwe behoeften te voldoen. Bauer, Dohmen, & Strauss (2012) definiëren ‘Contextual DS’ als het weergeven van een advertentie die in de huidige situatie relevant is voor een individu of groep individuen, gebaseerd op informatie over de huidige situatie, die is opgehaald, getransformeerd en/of afgeleid van eender welke informatiebron. Aan de hand van sensoren en andere technologieën kan de real-‐time situationele context worden herkend en kan bijpassende informatie worden weergegeven. Digitale schermen met deze kenmerken zijn een verwezenlijking van Contextual DS. Het systeem gaat dan advertenties selecteren en weergeven gebaseerd op contextuele ‘triggers’ zoals tijd, locatie, weer, eigenschappen van toeschouwers, enz. Denk maar bijvoorbeeld aan een digitaal scherm in de winkel die een promotie weergeeft over paraplu’s als het op dat moment aan het regenen is buiten. Dit is een recent begrip, maar dit is een grote opportuniteit voor DS in de toekomst.
10
2.4 Retail Atmospherics tool
De retail omgeving en sfeer kunnen ook heel bepalend zijn in het beslissingsproces van de consument (Turley, & Milliman, 2000; Dennis, Newman, Michon, Brakus, & Wright, 2010). De retail omgeving is heel uitgebreid en bevat tal van aspecten. Hiertoe behoren kleuren, licht, geuren, muziek, vloertegels, temperatuur, bevolkingsdichtheid, enz. Merk hierbij de grote aanwezigheid van zintuiglijke prikkelingen op. Onderzoeken hebben reeds uitgewezen dat deze aspecten wel degelijk invloedrijk zijn (Turley, & Milliman, 2000; Dennis, Newman, Michon, Brakus, & Wright, 2010). Deze omgevingsaspecten hebben invloed op verschillende vlakken. Het kan aanzienlijke effecten hebben op de gedragingen van de consument, alsook zijn attitude en emoties, terwijl de kosten hiermee gepaard niet hoog hoeven te zijn. Supermarkten hebben hun omzet met 40% zien stijgen door het simpelweg creëren van een goede atmosfeer aan de hand van muziek en geur (De Pelsmacker, Geuens, & Van Den Bergh, 2010). Zo heeft de waargenomen bevolkingsdichtheid ook invloed op de tevredenheid en attitude tegenover de winkel (Eroglu, Machleit, & Chebat, 2005) en kan de bevolkingsdichtheid in combinatie met licht invloed hebben op de tijd gespendeerd aan een digitaal scherm (Dennis, Newman, Michon, Brakus, & Wright, 2010). De marketeer dient rekening te houden met al deze ‘Atmospherics’ en ze op elkaar te laten inspelen zodat de consument met plezier gaat winkelen en langer in de winkel verblijft. Uit onderzoek blijkt namelijk dat, hoe langer de consumenten in een winkel verblijven, hoe meer ongeplande aankopen worden gemaakt (Dennis, Newman, Michon, Brakus, & Wright, 2010). De fysieke omgeving in een winkel genereert een emotionele reactie bij de shopper en kan zowel de opwinding en plezier bij de shopper als het verlangen om langer in de winkel te blijven positief beïnvloeden. Volgens Mehrabian en Russell (1974) is gedrag een resultaat van emotionele reacties. Het is dus belangrijk als retailer en marketeer om de instore winkelomgeving en –sfeer zo aantrekkelijk en aangenaam mogelijk te maken zodat dit bij de consument positieve emoties opwekt, hij langer in de winkel blijft, en zodus meer spendeert (Dennis, Newman, Michon, Brakus, & Wright, 2010). Ook DS is een onderdeel van deze ‘atmosfeer’ en kan succesvol worden ingezet als ‘Retail Atmospherics tool’ om bepaalde winkel gedragingen, attitudes en emoties uit te lokken (Dennis, Michon, Brakus, Newman, & Alamanos, 2012). DS kan ingezet worden als emotioneel medium, waarbij het emoties bij de consument uitlokt met behulp van verschillende hierboven opgenoemde factoren zoals muziek, kleuren, enz., maar kan ook worden ingezet als entertainment medium. Zo kan bijvoorbeeld het plaatsen van een digitaal scherm aan de kassa de perceptie van de wachttijden positief beïnvloeden en kan de aanwezigheid van digitale schermen effect hebben op het winkelimago, wat de
11
omzet significant kan beïnvloeden (Dennis, Newman, Michon, Brakus, & Wright, 2010). DS zou daarenboven een meer effectieve Retail Atmospherics tool zijn dan alle statische stimuli, aangezien bewegende boodschappen meer aandacht trekken en beter onthouden worden dan statische boodschappen. Bovendien zouden consumenten, in de context van het Limited Capacity Model3, bereid zijn meer cognitieve krachten te spenderen aan stimuli met opvallende eigenschappen zoals beweging, levendigheid en kleur (Dennis, Michon, Brakus, Newman, & Alamanos, 2012).
2.5 Het Elaboration Likelihood Model
2.5.1 Uitleg
Het Elaboration Likelihood Model (ELM) is een algemene theorie over attitudeverandering. Het model beschrijft hoe attitudes gevormd en veranderd worden. In dit model wordt uitgegaan van twee routes die tot overtuiging kunnen leiden; de centrale route en de perifere route. De strategie die mensen gebruiken om bepaalde overtuigende informatie te verwerken hangt volgens dit model af van de betrokkenheid (en dus motivatie) van de persoon. Als een persoon erg betrokken is, en de informatie uit een bepaalde boodschap dus persoonlijk relevant is, wordt de verwerking verondersteld te gebeuren via de centrale route (Yalch & Elmore-‐Yalch, 1984). Hierbij is er sprake van een hoge ‘elaboration likelihood’. Dit type van overtuiging is het resultaat van iemands nauwkeurige en bedachtzame consideratie van de voordelen van bepaalde informatie, gepresenteerd ten gunste van een promotie (Petty & Cacioppo, 1986). Dit betekent dat de persoon gemotiveerd en bereid is om de informatie grondig te verwerken. De daaruit voortvloeiende attitude wordt bovendien verondersteld langdurig en voorspelbaar te zijn. Voorafgaande ervaringen en kennis over het betreffend product spelen hierbij een belangrijke rol. De tweede route van overtuiging stelt dat attitudeverandering voorkomt omdat het betreffend product geassocieerd wordt met negatieve of positieve aanwijzingen zoals bijvoorbeeld een aantrekkelijke of betrouwbare bron (Petty & Cacioppo, 1981) of door een simpele conclusie te trekken gebaseerd op verschillende aanwijzingen (vb. het aantal argumenten) in de context. Deze route wordt de perifere route genoemd en wordt toegepast bij een lage betrokkenheid van de persoon, waarbij de ‘elaboration likelihood’ dus laag is. Deze aanwijzingen kunnen attitudes vormen of een persoon helpen te kiezen welke attitudepositie in te nemen zonder dat deze persoon de verdiensten van de gepresenteerde informatie nauwkeurig hoeft te onderzoeken. De lage betrokkenheid kan te wijten zijn aan het feit dat de persoon niet gemotiveerd is of aan het beperkt
3 Het Limited Capacity Model wordt verder in de tekst uitgelegd.
12
vermogen van de persoon om de informatie te verwerken. Bij de perifere route zal de aanwezigheid van verschillende aspecten zoals formaat, beweging, muziek, enz. dus ook veel meer belang hebben bij de aandachtstrekking en attitudebepaling (Kuisma et. al., 2010). Men zal in dit geval namelijk eerder beroep doen op zijn/haar emoties dan op de grondige verwerking van de argumenten die in de reclameboodschap weergegeven worden.
2.5.2 Conclusie
Indien men deze theorie toepast op DS, kan men constateren dat DS een dubbel gebruik heeft. Ten eerste verschikt DS informatie waar en wanneer shoppers in de stemming zijn om te shoppen, wat interessant is voor consumenten die de centrale route toepassen en ten tweede heeft het een affectief of entertainment bestanddeel, wat interessant is voor consumenten die gebruik maken van de perifere route. DS is dus een heel interessante marketing tool, die zowel mensen met een ‘lage elaboration’ als mensen met een ‘hoge elaboration’ aan kan trekken.
13
3 Type reclameboodschap
3.1 Dynamisch vs. statisch
3.1.1 Inleiding
Het dynamische aspect in een reclameadvertentie is een aspect die ook invloed kan hebben op het instore aankoopgedrag van de consument en is reeds in vele onderzoeken gemeten. De resultaten van deze onderzoeken liggen echter niet altijd in hetzelfde kamp. Waar bij de ene onderzoeken dynamische advertenties effectiever worden bevonden, zijn statische advertenties bij andere onderzoeken dan weer effectiever. In enkele onderzoeken gaat het over online banner advertenties. Deze resultaten worden hier immers wel opgenomen, aangezien in dit onderzoek de advertenties worden getoond in een online enquête, wat dus op zich wellicht iets dichter bij online banner advertenties ligt dan advertenties in een fysieke winkelomgeving. Het is dus interessant aandacht te schenken aan beide media. De vlakken waarop statische advertenties verschillen van dynamische advertenties, worden hieronder besproken.
3.1.2 Effectiviteit
Vooreerst werd er reeds meermaals bewezen dat dynamische inhoud meer aandacht trekt dan statische inhoud in een advertentie op een digitaal scherm (Harrison & Andrusiewicz, 2004; Detenber, 1996; Müller et. al., 2009). Wat dit aspect betreft, is er geen betwisting mogelijk. In dit onderzoek is het echter onmogelijk te meten of de aandacht in een supermarkt door de verschillende types advertenties wordt getrokken of niet, maar men kan logischerwijze veronderstellen dat bovenstaande ondervindingen hier ook van toepassing zouden zijn. Het fenomeen van selectieve waarneming mag namelijk ook bij DS advertenties niet genegeerd worden. Daarnaast blijken dynamische advertenties tot een hogere recall te leiden dan deze die statisch of minder geanimeerd zijn (Taylor & Thompson, 1992; Kuisma et. al., 2010) en werd bewezen dat het blootstellen van consumenten aan al dan niet bewegende beelden een invloed kan hebben op de gemoedstoestand, die op zijn manier dan weer invloed uitoefent op het aankoopgedrag. Zo stellen Adelaar, Chang, Lancendorfer, Lee, & Morimoto (2003) dat consumenten, die blootgesteld worden aan bewegende beelden (vb. in een video), positievere gevoelens jegens de stimulus hebben dan consumenten die worden blootgesteld aan gewone tekst. Zoals verder wordt verduidelijkt, heeft de gemoedstoestand invloed op de verdere attitudebepaling en tenslotte op het aankoopgedrag. Het is dan ook niet verwonderlijk dat dynamische advertenties, die positievere gevoelens met zich meebrengen, leiden tot een positievere attitude t.o.v. de advertentie (Aad) dan statische advertenties (Kuisma et. al., 2010).
14
Het onderzoek van Van Loock, Vermeir, & Geuens (2010a) is een van de onderzoeken die tegenstrijdige resultaten bekwam. Hieruit bleek dat statische advertenties tot een hogere Aad leiden dan dynamische advertenties. In een ander onderzoek van hen bleek tevens dat meer complexe advertenties tot een negatievere Aad leiden dan simpelere advertenties (Van Loock, Vermeir, & Geuens, 2010b). De negatieve effecten die beweging kan teweegbrengen zijn volgens Kuisma et. al. (2010) hoofdzakelijk het gevolg van een overvloed aan animaties, en dus een teveel aan beweging, wat de complexiteit van de advertentie verhoogt. Deze hogere complexiteit heeft als gevolg dat er meer tijd en mentale inspanningen zijn vereist voor de verwerking van de grote hoeveelheid stimuli. Dit aspect zou op zich geen probleem mogen vormen, aangezien consumenten bereid zouden zijn meer cognitieve middelen te spenderen aan stimuli met opvallende eigenschappen zoals beweging en levendigheid (Dennis, Michon, Brakus, Newman, & Alamanos, 2012). Tenslotte kunnen meningen onderling ook gewoon verschillen. Zo blijkt de directeur van Centercom, aanbieder van reclameposters in meer dan 400 supermarkten in Nederland, er nog steeds van overtuigd dat zijn manier van winkelvloerpromotie effectiever is dan DS. Om zijn bewering te staven, stelt hij dat reclameboodschappen op televisieschermen vaak te ingewikkeld zijn en dat klanten in de supermarkt slechts twee seconden aandacht hebben voor een advertentie (Schrameyer, 2008). Statische advertenties zouden in dit geval dus toch de beste keuze kunnen zijn. Uiteraard zal een fabrikant van reclameposters zich wellicht bedreigd voelen door de opmars van digitale advertenties en zal deze zoveel mogelijk proberen de voordelen van dit substituut te ontkennen.
15
3.2 Veel vs. weinig informatie
3.2.1 Inleiding
De informationele inhoud in een advertentie is een van de belangrijkste determinanten voor de attitudevorming (Petty, Cacioppo, & Schumann, 1983). Het is een aspect waar adverteerders zorgvuldig dienen bij stil te staan. Of een advertentie weinig of veel informatie bevat, leidt namelijk wel degelijk tot verschillen in het consumentengedrag. Beiden hebben voor-‐ en nadelen, waardoor het belangrijk is af te wegen hoeveel informatie nu eigenlijk het meest effectief is en dus tot positieve attitudes leidt, wat dan weer resulteert in hogere aankoopintenties. Hierbij is het tevens interessant de opinie van de consumenten zelf te weten.
3.2.2 Effectiviteit
De kwaliteit en kwantiteit van informatie spelen een aanzienlijke rol bij het beslissingsproces van de consument. Wat de eerste variabele betreft, blijkt dat meer relevante, dus meer kwalitatieve, informatie de motivatie en/of het vermogen van een persoon om die informatie te verwerken zou moeten verbeteren en de behoefte van die persoon om overwegingen te maken te reduceren. De effectiviteit van de beslissing zou bijgevolg moeten verhogen als het kwaliteitsniveau van de verschafte informatie verhoogt (Keller & Staelin, 1987). In de realiteit spelen echter nog andere aspecten mee. Indien men namelijk meer attribuutinformatie verschaft, om de informatiekwaliteit te verhogen, vermeerdert ook de hoeveelheid verschafte informatie. Hoe meer attributen worden toegevoegd, hoe groter de cognitieve kosten, gepaard gaande met de informatieverwerking, worden. Bovendien zal, zoals blijkt uit het ELM, de bereidheid tot een grondige verwerking van informatie dalen als de betrokkenheid van het individu tegenover het product of productcategorie daalt. Toch blijkt uit onderzoeken van Burke (2002, 2009) dat consumenten meer productinformatie zouden appreciëren en zou informatieve inhoud meer aandacht trekken dan emotionele inhoud in DS reclameboodschappen (Müller et. al., 2009). Ondervraagde consumenten in het onderzoek van Burke (2009) vinden dat hen te weinig productinformatie wordt verschaft of op een onvoldoende duidelijke manier wordt meegedeeld. Dit gaat dan vooral om de voordelen en de waarde van bestaande producten. Bovendien vond slechts een klein percentage van de ondervraagde consumenten dat de voordelen van nieuwe producten werden benadrukt. Ander onderzoek (Chang & Burke, 2007) stelt zelfs dat consumenten vertrouwen schenken aan producten of merken die meer informatie verschaffen. Consumenten, die bijkomende productinformatie krijgen, blijken zich namelijk meer tevreden en minder
16
verward te voelen. Ze gaan voornamelijk uit van het principe ‘hoe meer, hoe beter’ bij een lage betrokkenheid (Petty, Cacioppo, & Schumann, 1983), waarbij ze gemakkelijkheidshalve het merk of product met meer informatie kiezen. Sterker nog, het heeft als gevolg dat mensen soms zelfs minderwaardige merken of producten kiezen als deze de meeste informatie tonen (Patton, 1981). Dit toont duidelijk aan dat consumenten minder goede aankoopbeslissingen maken door blootstelling aan teveel informatie en dat het beste product (qua prijs/kwaliteit) niet noodzakelijk gepaard gaat met de beste verkoopcijfers. Deze effectiviteitsafname bij een teveel aan informatie wordt in het onderzoek van Keller & Staelin (1987) voorgesteld aan de hand van een omgekeerde U-‐vormige curve, die de relatie tussen de hoeveelheid informatie en de effectiviteit aantoont. Tot op een bepaald hoogtepunt zorgt meer informatie, die de kwaliteit hiervan verhoogt, voor betere aankoopbeslissingen. Eens dit hoogtepunt voorbij, zorgt meer informatie echter voor slechtere aankoopbeslissingen, ook al verhoogt de kwaliteit van de informatie. Bovendien beweren Keller & Staelin (1987) dat de cumulatieve afname in effectiviteit van de beslissing, te wijten aan toegevoegde informatiedeeltjes, groter is dan de cumulatieve toename in effectiviteit van de beslissing dankzij een toenemende informatiekwaliteit. Met andere woorden; de negatieve impact van de toename in de hoeveelheid informatie is groter dan de positieve impact van de toename in de kwaliteit van de verschafte informatie. Dit heeft wederom te maken met de cognitieve kost bij het verwerkingsproces van de consumenten. Mensen kunnen tegelijkertijd namelijk slechts een beperkte hoeveelheid informatie verwerken, zoals hierna wordt verduidelijkt in het Limited Capacity Model (LCM).
3.2.3 The Limited Capacity Model
3.2.3.1 Uitleg
Hier kan de theorie van het Limited Capacity Model of Mediated Message Processing (Lang, 2000), die speciaal ontwikkeld werd om te onderzoeken hoe mensen televisieboodschappen verwerken, toegepast worden. Bij dit model vertrekt men vanuit het standpunt dat mensen cognitieve informatieverwerkers zijn. Het verwerken van informatie is een belangrijke taak waar mensen voortdurend mee bezig zijn. Dit proces gaat van het waarnemen van stimuli naar het genereren en uitvoeren van mentale representaties4 zodat ze worden getransformeerd naar nieuwe representaties. In dit model wordt ervan uitgegaan dat mensen een gelimiteerd vermogen hebben om informatie te verwerken. Ze hebben slechts beperkte mentale krachten die ze kunnen 4 Een mentale representatie is een verzameling beelden en ideeën over een bepaald onderwerp.
17
gebruiken bij het waarnemen, inprenten, begrijpen en het onthouden van boodschappen in de wereld waarin ze leven. Men kan aan een of meerdere dingen tegelijk denken bijvoorbeeld, maar op een gegeven moment zit men op het einde van zijn/haar mentale krachten en kan men slechts aan iets nieuws denken door een vorige gedachte los te laten. In dit model kunnen we drie deelprocessen onderscheiden bij het informatieverwerkingsproces. Deze voeren mensen uit bij stimuli, en hun mentale representatie daarvan, en vinden alle drie gelijktijdig plaats. De drie deelprocessen zijn de codering, het opslaan en ophalen van informatie. Wat een persoon van een bepaalde boodschap (in dit geval televisieboodschap) zal onthouden, hangt af van hoeveel van de boodschap gecodeerd werd, hoe goed deze informatie opgeslagen werd en hoeveel van het opgeslagen materiaal kan ‘opgehaald’ worden. Het ene type stimuli wordt al beter opgeslagen dan andere types. Voornamelijk stimuli die emoties opwekken blijken bijvoorbeeld veel beter opgeslagen te worden dan stimuli die geen emoties opwekken (Lang, 2000). Het trekken van de aandacht van de boodschap ontvanger is slechts een klein onderdeel, en betekent niet per se een volledige verwerking van de boodschap. Er zijn twee mogelijke redenen waarom boodschappen niet volledig verwerkt kunnen zijn. De boodschap ontvanger kan ervoor gekozen hebben minder mentale krachten te gebruiken dan nodig zijn om de boodschap te verwerken, of de boodschap kan meer mentale krachten eisen dan dat de boodschap ontvanger beschikbaar heeft om aan deze taak toe te wijden.
3.2.3.2 Conclusie
Men kan hieruit concluderen dat, ook bij het ontwerpen van een advertentie, men ervoor moet zorgen dat er niet méér mentale krachten vereist worden dan dat de boodschap ontvangers beschikbaar hebben bij het verwerken van de boodschap. Aansluitend aan de vorige vaststellingen, kunnen we wederom aannemen dat de informatiehoeveelheid in een boodschap niet gemaximaliseerd mag worden, maar dat er moet rekening worden gehouden met het gelimiteerd vermogen van de ontvanger om deze boodschap te verwerken. In dit onderzoek wordt echter meer belang gehecht aan de eerste theorie (ELM) aangezien men hier te weten wil komen of de respondent meteen na het zien van de advertentie het product beslist al dan niet aan te schaffen. De overtuigingskracht van de advertentie is hierbij belangrijker dan het al dan niet goed onthouden van de advertentie, wat op langere termijn meer van belang kan zijn.
18
4 Type geadverteerd product
4.1 Korte vs. lange aankoopcyclus
De lengte van de aankoopcyclus van het geadverteerd product heeft aangetoond ook een aspect te zijn die het consumentengedrag beïnvloed. Hoe korter de aankoopcyclus van een bepaald product, hoe waarschijnlijker dat het product impulsief wordt aangekocht (Stern, 1962). Een product met korte aankoopcyclus moet men namelijk vaker kopen, dus als het gekozen product tegenvalt, kan dit minder kwaad dan bij een product met lange aankoopcyclus. Bij het laatste product moet men namelijk langer met de gebakken peren zitten bij het maken van een slechte aankoopbeslissing. Het waargenomen risico bij de aankoopbeslissing zal dan logischerwijze hoger liggen bij een product met langere aankoopcyclus. Inman, Winer, & Ferraro (2009) bekijken dit vanuit een andere invalshoek en voorspelden dat ongeplande aankopen minder waarschijnlijk zijn voor producten die vaker aangekocht worden, en dus een kortere aankoopcyclus hebben. Aangezien deze aankopen zeer frequent gebeuren, worden deze meer waarschijnlijk ingepland voorafgaand aan het winkelbezoek. Uit de resultaten van dit onderzoek bleek deze hypothese te kloppen, en werd bewezen dat ongeplande aankopen meer waarschijnlijk zijn voor producten die minder frequent worden aangekocht, en dus een langere aankoopcyclus hebben. Daarnaast werden hedonische productcategorieën, zoals chocolade, ook bevonden meer waarschijnlijk tot ongeplande aankopen te leiden. Deze tegenstrijdigheid is dus een interessant aspect om verder te onderzoeken.
19
5 Factoren die instore koopgedrag beïnvloeden
5.1 Inleiding
Naast de aanwezigheid van variabelen zoals de dynamiek en hoeveelheid informatie van een reclameboodschap en de lengte van aankoopcyclus van het geadverteerd product, die eerder reeds zijn besproken, zijn er nog andere variabelen die het instore winkelgedrag beïnvloeden. Hier worden de gemoedstoestand, attitudes, betrokkenheid en impulsiviteit besproken en verduidelijkt om het instore winkelgedrag beter te kunnen begrijpen.
5.2 Gemoedstoestand en attitudes
Vooreerst stellen Mehrabian en Russel (1974) dat gedrag een resultaat is van emotionele reacties. Deze emotionele reacties kunnen onderverdeeld worden in drie dimensies, nl. plezier, opwinding en dominantie (Adelaar, Chang, Lancendorfer, Lee, & Morimoto, 2003), die hieronder kort worden gedefinieerd.
o Plezier Plezier is een gemoedstoestand die kan omschreven worden als de mate waarin een persoon zich goed, vrolijk, gelukkig of tevreden voelt bij een bepaalde situatie.
o Opwinding Opwinding is een gemoedstoestand die varieert van gevoelens van opwinding, stimulatie, alertheid of activiteit tot gevoelens van vermoeidheid, slaperigheid of saaiheid.
o Dominantie
Dominantie kan worden omschreven als de mate waarin een individu zich in controle of vrij voelt om te handelen in een bepaalde situatie.
Deze emotionele reacties leiden meer bepaald tot beïnvloeding van de attitude tegenover een stimulus, die de uiteindelijke aankoopintentie beïnvloedt. Onderzoek heeft bewezen dat positievere gemoedstoestanden tot gunstigere attitudes ten opzichte van een stimulus en tot hogere aankoopintenties leiden ((Adelaar, Chang, Lancendorfer, Lee, & Morimoto, 2003; Cole & Fedorikhin, 2004). Naast dit affectief bestanddeel is er echter ook een cognitief bestanddeel bij de attitudebepaling. Het cognitief vermogen om stimuli te verwerken is namelijk ook een belangrijke factor bij het vormen van deze attitudes (Cacioppo & Petty, 1984). Als bepaalde omstandigheden het cognitief
20
vermogen van de consument beperken, vertrouwen ze eerder op een categorisatieproces dan op een analyse van de attributen. Dit betekent dat, als ze een nieuwe stimulus kunnen categoriseren in een vertrouwde categorie, ze de geassocieerde gevoelens bij deze categorie snel kunnen ophalen en toepassen op de nieuwe stimulus. Voor deze consumenten is het aangewezen om een heuristische aanpak te hanteren en te antwoorden op de vraag ‘Hoe voel ik mij erbij?’ (Schwarz, Bless, & Bohner, 1991). Zich laten leiden door ‘hoe men zich bij de stimulus voelt’ is echter niet altijd evident. Consumenten verwarren hun attitude tegenover een bepaalde stimulus namelijk soms met hun huidige gemoedstoestand (Schwarz, Bless, & Bohner, 1991). Consumenten met beperkte cognitieve middelen zullen dus meer waarschijnlijk hun gevoelens volgen dan consumenten met onbeperkte cognitieve middelen. Uit literatuur blijkt dat familiariteit de invloed van emoties op attitudes kan temperen (Cole & Fedorikhin, 2004). Consumenten met een positieve gemoedstoestand zullen sneller een nieuw product boven een familiair product kiezen dan consumenten met een negatieve gemoedstoestand (Cole & Fedorikhin, 2004). Gemoedstoestanden kunnen naast de attitudes ook het ingeschatte risico beïnvloeden (Cole & Fedorikhin, 2004). Consumenten met een goede gemoedstoestand nemen een lager risico waar. Deze consumenten gaan namelijk een hogere waarschijnlijkheid van positieve gebeurtenissen waarnemen en dit zal bijgevolg resulteren in hogere aankoopintenties.
21
5.3 Betrokkenheid
Zoals eerder werd aangetoond in het ELM, is de mate van betrokkenheid van het individu, die blootgesteld wordt aan overtuigende informatie, zeer beslissend in het overtuigingsproces. Bij een hoge betrokkenheid van de persoon in kwestie, waarbij de informatie persoonlijk relevant is, wordt de attitude hoofdzakelijk bepaald door de kwaliteit van de argumenten (Schwarz, Bless, & Bohner, 1991). Hier is de centrale route van toepassing, wat een grondige mentale verwerking van deze argumenten inhoudt. Het maken van de juiste keuze is hier namelijk erg belangrijk. Wanneer de persoonlijke betrokkenheid daarentegen laag is, wordt de perifere route toegepast en worden attitudes tegenover de boodschap voornamelijk beïnvloed door de geloofwaardigheid (en/of de aantrekkelijkheid) van de informatieverstrekker. Een zeer geloofwaardige (en/of aantrekkelijke) bron is hier overtuigender in het beslissingsproces (Yalch & Elmore-‐Yalch, 1984). Men zal zich in dit geval eerder laten leiden door gevoelens. Vandaar de verwijzing naar deze strategie als ‘heuristische verwerking’ en bij de centrale route als ‘systematische verwerking’ (Schwarz, Bless, & Bohner, 1991).
5.4 Impulsiviteit
Impulsieve aankopen hebben een aanzienlijk aandeel in de totale aankopen op de winkelvloer (Dennis, Newman, Michon, Brakus, & Wright, 2010). Er zijn verschillende variabelen die het impulsaankoopproces beïnvloeden (Beatty & Ferrell, 1998). Vooreerst zijn er exogene variabelen, waaronder situationele en individueel verschillende variabelen. Tot de situationele variabelen behoren de beschikbare tijd en centen en tot de laatste behoren het winkelplezier en de neiging tot impulsaankoop. Daarnaast zijn er ook nog endogene variabelen, zoals positieve en negatieve gevoelens, instore browsing, drang tot impulsaankoop en de feitelijke impulsaankoop. Retailers kunnen deze variabelen beïnvloeden door een zo positief mogelijke shopervaring te creëren, want impulsaankopen komen veel vaker voor bij gelukkige shoppers dan ongelukkige shoppers (Beatty & Ferrell, 1998). Dit kan in de hand gewerkt worden door een aantal factoren zoals vriendelijk behulpzaam personeel, een zo groot mogelijke selectie van goederen aan een goede prijs en op een goed zichtbare plaats. Als de producten voor hun geplande aankopen echter moeilijk te vinden zijn, dan borrelen frustratiegevoelens op en blijft er minder tijd over om te ‘browsen’. Daarnaast dient men hoog impulsieve shoppers zo lang mogelijk of zo frequent mogelijk te laten winkelen, aan de hand van onder andere gerichte promoties, wat de impulsaankopen ook zou stimuleren (Beatty & Ferrell, 1998). Ongeplande shoppers staan namelijk meer open voor instore stimuli (Van Loock, Vermeir, & Geuens, 2010a), wat hen vatbaarder maakt voor overtuigende advertenties.
22
Impulsaankopen kunnen worden onderverdeeld in vier brede categorieën (Stern, 1962). Ten eerste zijn er de pure impulsaankopen, waar nieuwigheid of vluchtaankoop het normale aankooppatroon volledig verbreken. Deze aankopen spreken onze emoties aan en hebben waarschijnlijk het kleinste aandeel in de totale impulsaankopen. De tweede categorie zijn de herinneringsimpulsaankopen. Deze categorie omvat impulsaankopen die voorkomen wanneer een consument zich herinnert dat de voorraad thuis uitgeput is of wanneer die zich een bepaalde advertentie of informatie en een voormalige aankoopbeslissing herinnert. Tot de derde categorie behoren de suggestieve aankoopbeslissingen. Deze komen voor als de consument een product voor de eerste keer ziet en zich een bepaalde behoefte voor dit product visualiseert. Tegengesteld tot de herinneringsimpulsaankopen heeft de consument geen voorafgaande kennis over het product. Het verschil met de pure impulsaankopen is dat deze suggestieve aankopen volkomen rationeel of functioneel zijn. De laatste en waarschijnlijk ook de belangrijkste categorie zijn de geplande impulsaankopen. Er werd, naast de geplande aankopen, reeds een verwachting en intentie gecreëerd om andere aankopen te doen afhankelijk van allerhande promoties.
23
Deel 2: Onderzoeksopzet
6 Probleemstelling en onderzoeksvraag
De steeds stijgende concurrentie vandaag de dag is bikkelhard en marketeers moeten steeds meer inspanningen leveren om de verkoop te doen stagneren of stijgen. Hierdoor worden steeds meer marketing stimuli gecreëerd en dit is de oorzaak van de grote marketing clutter waar we tegenwoordig mee kampen. Dit werkt bij de consument het gebeuren van selectieve waarneming in de hand en is een groot probleem dat voor zowel de marketeer als de consument nadelen met zich meebrengt. Enerzijds merken klanten stimuli steeds moeilijker op en er wordt steeds meer geïnvesteerd in reclame, hoewel de effectiviteit hiervan terugvalt (De Pelsmacker, Geuens, & Van den Bergh, 2010). Anderzijds is het voor de consument steeds moeilijker om een juiste aankoopbeslissing te maken door de overvloed aan stimuli, die hij op zich af krijgt tijdens het beslissingsproces. Dit verhoogt dan weer het risico op een miskoop. Doordat meer dan maar liefst 70 procent van de aankopen impulsaankopen zijn (Dennis, Newman, Michon, Brakus, & Wright, 2010), vindt er een verschuiving van promotionele budgets van out-‐of-‐store naar instore marketing plaats en dit vraagt om nieuwe opportuniteiten. Tevens is er een transitie van broadcasting naar narrowcasting, wat inhoudt dat men, in plaats van een zo groot mogelijk publiek te willen bereiken, steeds meer uitgaat van het principe de juiste boodschap over te brengen op het juiste moment en op de juiste plaats (Bauer, Dohmen, & Strauss, 2012). Te algemene boodschappen en boodschappen zenden naar de langslopende massa zijn vormen van broadcasting die niet werken bij dit fenomeen van narrowcasting (Heeg, 2009). Het is dan ook niet verwonderlijk dat DS, een ideaal narrowcast medium, steeds meer opduikt. Reeds in meerdere onderzoeken werd bewezen dat dit een effectief medium is vol opportuniteiten. Toch is de weg naar een perfecte communicatiestrategie nog verre van volledig bewandeld. DS wordt nog vaak op een slechte manier gebruikt door het simpelweg kopiëren en knippen van televisieadvertenties bijvoorbeeld (Schrameyer, 2008). DS mag echter niet worden gelijkgesteld aan het broadcast medium televisie (Burke, 2009). Het dient een doelgerichte persoonlijke aanpak te hanteren en een relevante boodschap op een juiste manier over te brengen naar de doelgroep (Bauer, Dohmen, & Strauss, 2012). DS heeft, in vergelijking met (statische) traditionele signage, bovendien het grote voordeel dat het toelaat bewegende beelden weer te geven, zoals video’s en dynamische advertenties. Deze laatste trekken niet enkel sneller de aandacht van mensen (Müller et. al., 2009), maar wekken ook meer gevoelens van opwinding op, die de verdere
24
attitudevorming van een individu positief beïnvloeden (Adelaar, Chang, Lancendorfer, Lee, & Morimoto, 2003; Van Loock, Vermeir, & Geuens, 2010a). Daarnaast blijkt dat consumenten meer productinformatie zouden appreciëren (Burke, 2002, 2009), ook via nieuwe technologieën. Ze blijken meer (soms zelfs blindelings) vertrouwen te schenken aan producten en merken die meer informatie verschaffen (Chang & Burke, 2007). Dit leidt echter vaak tot slechtere aankoopbeslissingen. Meer informatie brengt namelijk een hogere cognitieve kost met zich teweeg en niet iedereen is bereid of kan die kost ‘betalen’. Hoewel de effectiviteit van DS reeds werd bewezen, en de inhoud van de boodschap desbetreffend meerdere keren aangestipt werd als het meest cruciale punt, is er dus nog steeds niet echt duidelijkheid over de manier waarop men dit medium hoort te gebruiken om deze effectiviteit te garanderen. Dit onderzoek streeft ernaar een klein beetje meer duidelijkheid te scheppen hieromtrent door de invloed van verschillende soorten reclameboodschappen (variërend in de hoeveelheid informatie en de dynamiek) en verschillende geadverteerde producten (variërend in de lengte van de aankoopcyclus) op het consumentengedrag (Aad, Ab en PI) te meten. Dit vormt bijgevolg volgende onderzoeksvraag: “Wat is de invloed van verschillende via DS vertoonde reclameboodschappen, variërend in de hoeveelheid informatie, de dynamiek en geadverteerd product op emoties, Aad, Ab en PI
van de consument?”
25
7 Hypothesen
7.1 Inleiding
De onderzoeksvraag kan worden opgesplitst in verschillende hypothesen. Zo worden de attitudes en de aankoopintentie gemeten bij de verschillende types reclameboodschappen (variërend in hoeveelheid informatie en dynamiek) bij verschillende types geadverteerde producten (variërend in lengte van de aankoopcyclus). Bij sommige variabelen is het ook interessant om de verbanden met elkaar te gaan meten.
7.2 Hypothesen type reclameboodschap
7.2.1 Hoeveelheid informatie
Uit het literatuuronderzoek bleek dat de hoeveelheid informatie in een advertentie invloed kan hebben op de gevoelens, attitudes en bijgevolg intenties van de consument (Burke, 2002, 2009; Chang & Burke, 2007; Petty, Cacioppo, & Schumann, 1983). De grootte van deze invloed hangt echter af van de betrokkenheid van de consument met het product en zijn cognitief vermogen om deze hoeveelheid informatie te verwerken (Cacioppo & Petty,1984; Yalch & Elmore-‐Yalch, 1984). Volgens het LCM beschikken mensen over een gelimiteerd cognitief vermogen om informatie te verwerken. Meer informatie brengt volgens dit model een hogere cognitieve kost met zich mee (Lang, 2000) en als de betrokkenheid niet voldoende hoog ligt, zal de consument niet bereid zijn deze informatie (grondig) te verwerken (Cacioppo & Petty, 1984). Bij een te lage betrokkenheid zou een advertentie met veel informatie dus normalerwijze de attitudes en intenties negatief moeten beïnvloeden. Toch blijkt uit ander onderzoek dat mensen vaak vertrouwen schenken aan producten en merken die veel informatie verschaffen (Chang & Burke, 2007) en hiervoor dient de betrokkenheid niet hoog te liggen. Bovendien zouden de attitudes en intenties bij het vertonen van een advertentie met veel informatie gunstig moeten zijn bij een hoge betrokkenheid als het ELM in acht genomen wordt. We gaan hier tenslotte uit van de volgende drieledige hypothese.
H1a: De aanwezigheid van veel informatie op een DS advertentie leidt tot een hogere Aad dan de aanwezigheid van weinig informatie op een DS advertentie. H1b: De aanwezigheid van veel informatie op een DS advertentie leidt tot een hogere Ab dan de aanwezigheid van weinig informatie op een DS advertentie.
26
H1c: De aanwezigheid van veel informatie op een DS advertentie leidt tot een hogere PI dan de aanwezigheid van weinig informatie op een DS advertentie.
7.2.2 Dynamiek
Het is bewezen dat een dynamische DS advertentie meer aandacht trekt dan een statische DS advertentie (Müller et. al., 2009). Bovendien zal een dynamische advertentie tot een hogere recall leiden (Taylor & Thompson, 1992; Kuisma et. al., 2010) en zou deze positieve gevoelens opwekken zoals opwinding en plezier (Adelaar, Chang, Lancendorfer, Lee, & Morimoto, 2003). Dynamische advertenties zouden niettemin complexer zijn dan statische advertenties (Van Loock, Vermeir, & Geuens, 2010b), en vergen ze meer tijd en cognitieve inspanning door de hogere diversiteit in de stimulus. Consumenten zouden echter bereid zijn meer cognitieve middelen te spenderen aan stimuli met opvallende eigenschappen zoals beweging en levendigheid (Dennis, Michon, Brakus, Newman, & Alamanos, 2012). We kunnen dus assumeren dat dynamische advertenties tot positievere attitudes en intenties leiden. Dit leidt tot de volgende drieledige hypothese.
H2a: Een dynamische DS advertentie leidt tot een hogere Aad dan een statische DS advertentie. H2b: Een dynamische DS advertentie leidt tot een hogere Ab dan een statische DS advertentie. H2c: Een dynamische DS advertentie leidt tot een hogere PI dan een statische DS advertentie.
27
7.3 Hypothesen type geadverteerd product
7.3.1 Lengte aankoopcyclus
Het type geadverteerd product in een advertentie kan ook verschillende aankoopgedragingen teweegbrengen. De lengte van de aankoopcyclus van een geadverteerd product blijkt een invloed te hebben op het instore winkelgedrag. Hoe korter de aankoopcyclus van een bepaald product, hoe waarschijnlijker dat het product impulsief wordt aangekocht (Stern, 1962). Een product dat men vaker aankoopt heeft namelijk weinig tot geen negatieve gevolgen bij een miskoop. Men dient dit product herhaaldelijk aan te schaffen, zodat men snel daarna zijn miskoop kan vergeten en een geschikter product kan kiezen. Deze type producten hebben doorgaans ook geen hoge kostprijs. Aangezien het waargenomen risico bijgevolg lager is bij deze soort producten, gaat men hier dus meer geneigd zijn een impulsaankoop te verrichten dan bij producten met een hoger waargenomen risico. Tot deze laatste behoren dan producten met een lange aankoopcyclus, die een hoger risico inhouden omdat het langer duurt vooraleer men er een nieuw van nodig heeft. De gevolgen van een miskoop zijn hier dus groter omdat men voor een langere periode met het miskocht product ‘vast zit’. Deze soort producten brengen doorgaans bovendien een grotere kost met zich mee. Volgens Inman, Winer, & Ferraro (2009) zijn ongeplande aankopen echter minder waarschijnlijk voor producten die vaker aangekocht worden, en dus een kortere aankoopcyclus hebben. Aangezien deze aankopen zeer frequent gebeuren, worden deze meer waarschijnlijk ingepland voorafgaand aan het winkelbezoek. Uit de veronderstelling dat consumenten toch eerder handelen naar gelang het waargenomen risico, nemen we hier aan dat een product met korte aankoopcyclus tot positievere attitudes en hogere aankoopintentie zou leiden dan een product met lange aankoopcyclus. Dit leidt tot de volgende drieledige hypothese.
H3a: Er is een hogere Aad bij het product met korte aankoopcyclus dan het product met lange aankoopcyclus na het bekijken van de DS advertentie. H3b: Er is een hogere Ab bij het product met korte aankoopcyclus dan het product met lange aankoopcyclus na het bekijken van de DS advertentie. H3c: Er is een hogere PI bij het product met korte aankoopcyclus dan het product met lange aankoopcyclus na het bekijken van de DS advertentie.
28
7.4 Hypothesen verbanden tussen variabelen
7.4.1 Verband dynamiek – aankoopcyclus
Hoewel de invloed van de lengte van de aankoopcyclus van het geadverteerd product op het instore koopgedrag reeds werd bewezen bij statische advertenties, is geen onderzoek te vinden over de invloed hiervan bij dynamische advertenties. Dit verband is desalniettemin interessant om te meten na het maken van de volgende redenering. Een winkelbezoek voor een product met korte aankoopcyclus zal anders van aard zijn dan een winkelbezoek voor een product met lange aankoopcyclus. Indien men op zoek is naar een product met korte aankoopcyclus, dat regelmatig aangekocht wordt, zal men minder geneigd zijn te plannen en meer waarschijnlijk de keuze pas op de winkelvloer te maken en dus impulsief aan te kopen. Men zal namelijk zo weinig mogelijk tijd, inspanning en middelen willen besteden aan dit type product. Hierin is toch een onderscheid te vinden bij statische en dynamische advertenties. Volgens onderzoek van Van Loock, Vermeir, & Geuens (2010b) kan men veronderstellen dat dynamische advertenties complexer zijn dan statische advertenties, en vergen deze wel degelijk meer tijd en cognitieve inspanning door de hogere diversiteit in de stimulus. Bij een product met lange aankoopcyclus, waarbij het waargenomen risico hoger ligt, is men over het algemeen meer bereid om deze tijd te spenderen en inspanning te leveren, aangezien de aankoopbeslissing crucialer is bij een product met lange aankoopcyclus. Daaruit kan men veronderstellen dat de attitudes en aankoopintentie na het bekijken van een dynamische advertentie bij het product met lange aankoopcyclus gunstiger zullen zijn dan bij het product met korte aankoopcyclus, waarvoor men doorgaans weinig tijd en middelen wil spenderen. Het maken van de juiste keuze is hier namelijk minder belangrijk. Daardoor kunnen we ook veronderstellen dat de attitudes en intenties na het bekijken van een statische advertentie hoger zullen liggen bij het product met korte aankoopcyclus dan bij het product met lange aankoopcyclus. Dit leidt tot de volgende drieledige hypothese.
H4a: Het bekijken van een statische (/dynamische) advertentie leidt tot een hogere (/lagere) Aad bij het product met korte aankoopcyclus dan het product met lange aankoopcyclus. H4b: Het bekijken van een statische (/dynamische) DS advertentie leidt tot een hogere (/lagere) Ab bij het product met korte aankoopcyclus dan het product met lange aankoopcyclus.
29
H4c: Het bekijken van een statische (/dynamische) DS advertentie leidt tot een hogere (/lagere) PI bij het product met korte aankoopcyclus dan het product met lange aankoopcyclus.
7.4.2 Verband hoeveelheid informatie – aankoopcyclus
Dit verband kan als vervolg aansluiten op de vorige redenering, die stelt dat consumenten op zoek naar een product met lange aankoopcyclus, bereid zijn meer inspanning te leveren, meer te plannen en meer middelen en tijd te besteden dan bij een product met korte aankoopcyclus. De hoeveelheid informatie op een advertentie werd reeds in de literatuur bewezen een impact te hebben op het consumentengedrag. Dit hangt nauw samen met het cognitief vermogen van de consument om veel informatie te verwerken. Veel informatie op een advertentie vergt meer inspanning en cognitieve krachten om de reclameboodschap te verwerken (Lang, 2000; Van Loock, Vermeir, & Geuens, 2010b). Deze mentale inspanning zullen consumenten, vanwege het kleinere risico, bij een product met korte aankoopcyclus minder bereid zijn te verrichten dan bij een product met lange aankoopcyclus, waar een hogere betrokkenheid zorgt voor een hogere bereidheid tot inspanning en consideratie. Hieruit kan volgende hypothese worden afgeleid.
H5a: De aanwezigheid van veel informatie (/weinig informatie) op een DS advertentie leidt tot een hogere (/lagere) Aad bij het product met lange aankoopcyclus dan het product met korte aankoopcyclus. H5b: De aanwezigheid van veel informatie (/weinig informatie) op een DS advertentie leidt tot een hogere (/lagere) Ab van het product met de lange aankoopcyclus dan het product met de korte aankoopcyclus. H5c: De aanwezigheid van veel informatie (/weinig informatie) op een DS advertentie leidt tot een hogere (/lagere) PI van het product met de lange aankoopcyclus dan het product met de korte aankoopcyclus.
30
8 Methode
8.1 Onderzoeksdesign
Om de invloed van verschillende types reclameboodschappen en verschillende geadverteerde producten op het instore aankoopgedrag na te gaan, werd een experiment opgezet met een 2 (statische vs. dynamische advertentie) x 2 (advertentie met weinig informatie vs. advertentie met veel informatie) x 2 (product met korte aankoopcyclus vs. product met lange aankoopcyclus) between subjects design. Om het instore aankoopgedrag te meten, werd de aankoopintentie (PI) als afhankelijke variabele opgenomen in de enquête. Daarnaast werden ook de attitudes t.o.v. de advertentie (Aad) en het merk (Ab) opgenomen als afhankelijke variabelen om de aankoopintentie beter te verantwoorden. Deze variabelen werden beïnvloed door de vertoning van verschillende types advertenties van verschillende geadverteerde producten, waarbij elke respondent telkens één advertentie te zien kreeg. Deze advertenties variëren in de hoeveelheid vertoonde informatie en in de dynamiek. Voor de advertenties met weinig informatie werden telkens drie argumenten getoond, alsook een link naar de website en vermelding dat het om een nieuw product gaat. Voor de advertenties met veel informatie werd, in plaats van het toevoegen van meer argumenten, gekozen voor het toevoegen van een andere informatiebron, namelijk een recept. Hiervoor werd gekozen om de consument te helpen tijdens het beslissingsproces en inspiratie te geven, wat consumenten volgens de literatuur hopen te vinden in de winkelomgeving zelf (Geuens, Brengman, & S’Jegers, 2003). Bovendien zouden vooral recepten en weerberichten op digitale schermen in supermarkten de aandacht trekken (Heeg, 2009). Daarnaast werd voor de dynamische advertentie gebruik gemaakt van teksteffecten in PowerPoint om de advertentie in beweging te laten komen. Tenslotte is er het type geadverteerd product, die varieert in de lengte van de aankoopcyclus, nl. met een lange of korte aankoopcyclus. Er werden acht verschillende advertenties5 ontworpen, vier per product. Er werd geopteerd voor pasta, tagliatelle van het merk Bertolli, als product met korte aankoopcyclus en voor koude saus, Diablo van het merk D&L, als product met lange aankoopcyclus, aangezien pasta vaker gekocht wordt dan koude sauzen zoals ketchup en mayonaise. Dit zijn beiden voedselproducten van relatief populaire merken om zo de vergelijking tussen beide producten mogelijk te maken. Er werd voor voedselproducten gekozen omdat aan voeding de grootste reclamebudgetten worden toegewezen (Martinez, 2007) en omdat voeding hedonisch van aard is, wat uit de literatuur is gebleken een grotere positieve impact op de verkoop te hebben (Burke, 2009).
5 Zie bijlage 1
31
Tabel 1: Overzicht van de condities
Conditie Aantal respondenten nodig
Lengte aankoopcyclus van product
Dynamiek Hoeveelheid informatie
1 30 kort* statisch weinig
2 30 kort statisch veel 3 30 kort dynamisch weinig 4 30 kort dynamisch veel
5 30 lang** statisch weinig 6 30 lang statisch veel
7 30 lang dynamisch weinig
8 30 lang dynamisch veel *Product met korte aankoopcyclus: tagliatelle van Bertolli ** Product met lange aankoopcyclus: Diablo saus van D&L
8.2 Respondenten
Om een voldoende representatieve steekproef te hebben, waren 30 respondenten per conditie nodig. Aangezien er acht condities zijn, werden er dus 240 respondenten in totaal gezocht voor deze online enquête. Voor dit onderzoek waren consumenten nodig die zelf boodschappen doen en zodus kennis hebben van de aankoopcyclus van een product. Aangezien alle werkenden normalerwijze zelf hun boodschappen doen, maar ook het merendeel van de studenten verantwoordelijk is voor zijn boodschappen in de studentenstad, kan de doelgroep heel ruim geïnterpreteerd worden. Bovendien ging het om een online enquête, waarbij mensen uit de directe omgeving werden aangesproken, alsook via sociale media zoals Facebook werden aangespoord deel te nemen aan het onderzoek. Dit waren hoofdzakelijk familie en vrienden, die oud genoeg zijn om deze enquête waarheidsgetrouw en verstandig in te vullen. In totaal hebben 262 respondenten de online enquête volledig ingevuld, waarvan 108 mannen en 154 vrouwen. De gemiddelde leeftijd van de respondenten is 26 jaar.
32
8.3 Pretesten
Vooraleer de online enquête van start kon gaan, diende nagegaan te worden of de manipulaties effectief waren, en dus of de producten en advertenties goed geselecteerd en ontworpen waren. Er moest dus gecontroleerd worden of er een voldoende groot verschil was tussen het product met korte en lange aankoopcyclus, de dynamische en statische advertentie en de advertentie met weinig en veel informatie. Bij de eerste pretest werd eerst en vooral gecontroleerd of er voldoende verschil was tussen het product met korte aankoopcyclus en lange aankoopcyclus. Hier werd oorspronkelijk geopteerd voor donkere chocolade van Côte d’Or en Diablo saus van D&L. Er werd gepolst naar de aankoopfrequentie per product, waarbij elke respondent telkens vragen over één product kreeg te zien. Naast de aankoopfrequentie voor donkere chocolade, werd bovendien de aankoopfrequentie voor chocolade in het algemeen opgenomen in de eerste pretest. Bij deze eerste Multiple Choice vraag waren telkens zeven antwoordmogelijkheden, namelijk ‘Nooit’, ‘1 keer per jaar’, ‘2 keer per jaar’, ‘1 keer per maand’, 2 keer per maand’, ‘1 keer per week’ en ‘meer dan 1 keer per week’. Vervolgens werd een korte simulatie weergegeven van een winkelbezoek, waarbij respondenten verzocht werden zich in te beelden in een supermarkt te winkelen. Daarbij werd een foto van een winkelgang met een beeldscherm getoond, waarop de advertenties zouden verschijnen. Daarna krijgt men telkens advertenties te zien (van één enkel product) met eerst veel informatie en vervolgens weinig informatie om te controleren of de advertentie met weinig informatie significant verschillend van de advertentie met veel informatie werd bevonden. Na het zien van elke advertentie werd kort gevraagd in welke mate men veel of weinig informatie te zien heeft gekregen. Hierbij werd gebruik gemaakt van een bipolaire zevenpuntenschaal met als pool aan de linkerzijde ‘weinig informatie’ en als pool aan de rechterzijde ‘veel informatie’. Tenslotte werd een dynamische advertentie en statische advertentie (van hetzelfde product) getoond met daarna telkens de vraag in welke mate men deze advertentie statisch of dynamisch vond. Dit is wederom een bipolaire zevenpuntenschaal met als pool aan de linkerkant ‘statisch’ en als pool aan de rechterkant ‘dynamisch’. Uit deze pretest6 is ten eerste gebleken dat de advertenties met weinig en veel informatie voldoende significant verschillen. Via een Paired Samples t-‐test werd bij een significant verschil gevonden tussen de advertenties met weinig en veel informatie bij de respondentengroep met de vragen en advertenties over chocolade (t(25)= 3,411, p=
6 Zie bijlage 3
33
0,002). Ook bij de respondentengroep met de vragen en advertenties over saus waren de advertenties met weinig en veel informatie significant verschillend (t(24)= 5,452, p= 0,000). Ten tweede is gebleken dat de dynamische en statische advertenties voldoende significant verschillen. Opnieuw via een Paired Samples t-‐test duidden de resultaten op een significant verschil tussen de statische en dynamische advertentie bij de respondentengroep met vragen en advertenties over saus (t(21)= 5,006, p= 0,000) en bij de respondentengroep met vragen en advertenties over chocolade (t(17)= 4,099, p= 0,001). Wat betreft de lengte van de aankoopcyclus, werd er aan de hand van een Independent Samples t-‐test geen significant verschil bevonden tussen het product met korte aankoopcyclus (chocolade) en lange aankoopcyclus (koude sauzen) (t(42,818)= 1,772, p= 0,083 > 0,05). Dit resulteerde in een tweede pretest. Voor de tweede pretest werd, in plaats van chocolade, geopteerd voor pasta als product met korte aankoopcyclus. Als product met lange aankoopcyclus werd koude saus behouden. Deze pretest werd louter uitgevoerd om het verschil tussen deze twee producten te meten. De advertenties werden hier dus niet in verwerkt, aangezien deze in de vorige pretest reeds significante verschillen aantoonden. Ook werd een kleine aanpassing gemaakt in de antwoordmogelijkheden bij de Multiple Choice vraag over de aankoopfrequentie. Hier werd ‘1 keer per jaar’ vervangen door ‘2 keer per jaar’ en ‘2 keer per jaar’ door ‘1 keer om de 2 maanden’, aangezien de kloof tussen ‘1 keer per maand’ en ‘2 keer per jaar’ te groot was. In tegenstelling tot de eerste pretest, kregen alle respondenten in de tweede pretest de vraag over aankoopfrequentie van beide producten, om minder respondenten te moeten verzamelen en dus sneller de resultaten te bekomen. Bij de tweede pretest werd gebruik gemaakt van een Paired Samples t-‐test en was het verschil tussen het product met korte aankoopcyclus (pasta) en het product met lange aankoopcyclus (saus) wel significant (t(24)= 7,004, p= 0,000)). Er kon bijgevolg worden overgegaan tot de opstelling en activering van de vragenlijst.
34
8.4 Vragenlijst
Er werd gebruik gemaakt van een online enquête in Qualtrics met een simulatieweergave. Redenen daarvoor zijn de snelle vergaring van (kwantitatieve) resultaten en de praktische haalbaarheid. Het weergeven van advertenties op een digitaal scherm in een supermarkt en een offline enquête laten invullen door de consumenten ter plaatse, zou veel minder haalbaar zijn. De meerderheid van de consumenten zou de tijd niet willen nemen en het aantal benodigde respondenten zou veel minder waarschijnlijk behaald worden. Via een online enquête kunnen mensen daarentegen de enquête invullen op een moment dat voor hen het best past en kunnen meer respondenten bereikt worden. Eerst en vooral kregen respondenten de vraag over hun gemoedstoestand. Vervolgens kregen ze de vraag over aankoopfrequentie, merkbelang en betrokkenheid van zowel pasta als saus. Daarna wordt een korte simulatie weergegeven, zoals in de pretest, met de vraag zich in te beelden in een supermarkt te zijn met een beeldscherm in een winkelgang, waarop volgende advertenties te zien zijn. Elke respondent krijgt daarop één advertentie, willekeurig gekozen uit de acht advertenties, te zien. Ze kunnen de advertentie bekijken zo lang als nodig. Nadien worden ze opnieuw gevraagd naar hun gemoedstoestand, hun Aad, Aab en PI. Tenslotte wordt de vragenlijst afgesloten met een vraag over hun al dan niet impulsief gedrag, waarna geslacht en leeftijd worden opgegeven. De volledige enquête kan worden geraadpleegd in bijlage 2.
8.4.1 Gemoedstoestand
Voordat de respondenten vragen betreffende de producten en advertenties te zien kregen, werd hen eerst en vooral verzocht de vraag over hun gemoedstoestand te beantwoorden. Hiervoor werd gebruik gemaakt van de zevenpuntenschaal van Mehrabian & Russell (1974) om gevoelens van plezier en opwinding te meten. Deze vraag werd eveneens gesteld na het zien van de advertentie om de invloed van de verschillende advertenties op de gemoedstoestand te peilen.
8.4.2 Aankoopfrequentie
Om na te gaan of de respondent effectief het product lust en koopt, werd de aankoopfrequentie gemeten aan de hand van een zelf opgestelde vraag met zeven antwoordmogelijkheden, nl. ‘Nooit’, ‘2 keer per jaar’, ‘1 keer om de 2 maanden’, ‘1 keer per maand’, ‘2 keer per maand’, ‘1 keer per week’ en ‘meer dan 1 keer per week’. Deze vraag kregen respondenten zowel over pasta als over saus met de volgende twee bijhorende vragen.
35
8.4.3 Merkbelang
Om in deze enquête na te gaan of de merken bij beide producten een invloed hebben op het consumentengedrag, werden twee vragen gesteld per product. De eerste vraag onderzoekt of de respondent steeds hetzelfde merk koopt in deze productcategorie. Deze vraag bevat een eenvoudige ja/neen-‐antwoordmogelijkheid. De tweede vraag meet het belang van dat merk bij de aanschaffing van dit product. Hier wordt gebruik gemaakt van een Multiple Choice zevenpuntenschaal die, van links naar rechts, van ‘helemaal niet belangrijk’ naar ‘heel belangrijk’ gaat.
8.4.4 Betrokkenheid
Uit de literatuur, blijkt de betrokkenheid met het product of de productcategorie een grote impact te hebben op het consumentengedrag. Om deze betrokkenheid te meten werd beroep gedaan op de “Purchase Decision Involvement” zevenpuntenschaal van Mittal (1989), die bestaat uit vier vragen. Voor de verantwoording van de resultaten, zal betrokkenheid dienst doen als controlevariabele bij enkele hypothesen.
8.4.5 Attitude t.o.v. de advertentie
Na het zien van de advertentie en na het beantwoorden van de vraag over de gemoedstoestand, werden de respondenten verzocht te antwoorden op de vragen, die hun consumentengedrag bepalen. De antwoorden op de eerste vraag meten de Aad. Hiervoor werd gebruik gemaakt van de zevenpuntenschaal van Homer (1995), die zeven mogelijke beschrijvingen van de advertentie weergaf. Respondenten dienden via de zevenpuntenschaal aan te duiden in welke mate ze de beschrijvingen goed vonden of niet.
8.4.6 Attitude t.o.v. het product en merk
De antwoorden op de tweede en derde vraag meten de attitude van de respondenten tegenover het product en het merk. Hier werd beroep gedaan op een vereenvoudigde zevenpuntenschaal van Bruner en Kumar (2000), bestaande uit drie mogelijke standpunten met telkens hun tegenpolen, nl. goed/slecht, gunstig/ongunstig en positief/negatief.
36
8.4.7 Aankoopintentie
Bij de vierde vraag werd gepeild naar de aankoopintentie van de respondent. Hiervoor werd wederom beroep gedaan op een vereenvoudigde zevenpuntenschaal van Bruner en Kumar (2000), bestaande uit drie standpunten met telkens hun tegenpolen, nl. vermoedelijk niet/vermoedelijk, onwaarschijnlijk/waarschijnlijk en onmogelijk/mogelijk.
37
Deel 3: Onderzoeksresultaten In dit gedeelte worden de resultaten per hypothese gerapporteerd. Vooraleer dit gebeurt, wordt eerst de interne betrouwbaarheid per schaal getest aan de hand van Cronbach’s Alpha. Vervolgens wordt per hypothese telkens de invloed van bepaalde onafhankelijke variabelen op enkele afhankelijke variabelen gemeten. Deze afhankelijke variabelen zijn de attitude t.o.v. de advertentie (Aad), de attitude t.o.v. het merk (Ab) en de aankoopintentie (PI). Tot de onafhankelijke variabelen behoren de hoeveelheid informatie in de advertentie, de dynamiek in de advertentie en de lengte van de aankoopcyclus van het geadverteerd product. De onderzoeksresultaten kunnen per hypothese in bijlagen 6 tot 9 gevonden worden.
1 Interne betrouwbaarheid schalen7
In de enquête werd gebruik gemaakt van meerdere vragen om een variabele te meten. Het is dus belangrijk na te gaan of deze vragen per variabele wel degelijk intern consistent zijn. Hiervoor wordt de Cronbach’s Alpha per variabele berekend, wat men kan zien in onderstaande tabel. Hieruit blijkt dat er interne consistentie binnenin elke variabele is. De meerdere vragen per construct kunnen dus gehercodeerd worden. Tabel 2: Interne betrouwbaarheid schalen
Interne betrouwbaarheid Cronbach’s Alpha Aantal vragen
Gemoedstoestand vóór advertentie 0,783 11
Productbetrokkenheid saus 0,792 4 Productbetrokkenheid pasta 0,898 4 Gemoedstoestand na advertentie 0,847 11 Attitude t.o.v. de advertentie 0,841 7 Attitude t.o.v. het merk 0,945 3 Aankoopintentie 0,921 3 Impulsiviteit 0,742 5
7 Zie bijlage 4
38
2 Hypotheses
2.1 Hypothese 1: Hoeveelheid informatie
2.1.1 Hypothese 1a: Attitude t.o.v. de advertentie
In het eerste deel van de eerste hypothese gaan we uit van de veronderstelling dat veel informatie op een DS advertentie leidt tot een positievere Aad. We stellen, na uitvoering van een Independent Samples t-‐test, vast dat er een significant verschil is tussen de advertentie met weinig informatie (M= 4,94; SD= 0,78) en de advertentie met veel informatie (M= 4,63; SD= 1,06) wat betreft de Aad (t(244,72)= 2,709, p= 0,007). De resultaten liggen echter in de omgekeerde richting dan voorspeld. Zoals blijkt uit tabel 3, ligt de Aad namelijk hoger bij de advertenties met weinig informatie dan de advertenties met veel informatie.
2.1.2 Hypothese 1b: Attitude t.o.v. het merk
In het tweede deel van de eerste hypothese wordt er verondersteld dat veel informatie op een DS advertentie leidt tot een positievere Ab. Hier wordt echter geen significant verschil vastgesteld na de uitvoering van een Independent Samples t-‐test. In tabel 3 kan men de hoofdzakelijke resultaten per afhankelijke variabele waarnemen.
2.1.3 Hypothese 1c: Aankoopintentie
In het laatste deel van de eerste hypothese wordt ervan uitgegaan dat veel informatie op een DS advertentie tot een hogere PI leidt. Ook hier wordt er geen significant verschil gevonden zoals kan worden afgeleid uit tabel 3. Tabel 3: Verschil in Aad, Ab en PI bij verschillende hoeveelheid informatie
Weinig info Veel info t-‐waarde Attitude t.o.v. adv 4,94(0,78) 4,63(1,06) 2,709** Attitude t.o.v. merk 5,23(1,02) 5,16(1,03) 0,554 n.s. Aankoopintentie 4,30(1,43) 4,16(1,43) 0,797 n.s. *** p < 0,001 ** p < 0,01 * p < 0,1 n.s. niet significant Betrokkenheid met het product of de productcategorie zou hier als controlevariabele kunnen dienen. Na het uitvoeren van Pearson Correlation testen, blijkt er echter geen significante correlatie te bestaan met zowel de Aad, Ab als PI.
39
2.2 Hypothese 2: Dynamiek
2.2.1 Hypothese 2a: Attitude t.o.v. de advertentie
In het eerste deel van de tweede hypothese wordt verondersteld dat de Aad positiever is bij dynamische advertenties dan bij statische advertenties. Wederom wordt hier gebruik gemaakt van een Independent Samples t-‐test. Er is een significant verschil te vinden tussen de statische advertentie (M= 4,88; SD= 0,96) en de dynamische advertentie (M= 4,64; SD= 0,89), wat betreft de Aad (t(260)= 2,048), p= 0,042). In tegenstelling tot wat verwacht werd, is de Aad echter positiever bij statische advertenties dan dynamische advertenties, wat men kan waarnemen in tabel 4.
2.2.2 Hypothese 2b: Attitude t.o.v. het merk
In het tweede deel van deze hypothese wordt verwacht dat de Ab positiever is bij dynamische advertenties dan bij statische advertenties. Uit onderstaande tabel kan men een significant verschil terugvinden tussen de statische advertentie (M= 5,44; SD= 0,99) en de dynamische advertentie (M= 4,80; SD= 0,94), wat betreft de Ab (t(260)= 5,175, p= 0,000). Wederom worden hier de verwachtingen teniet gedaan en liggen de resultaten in de omgekeerde richting. Zoals kan afgeleid worden uit tabel 4, is de Ab hier namelijk ook positiever bij statische dan dynamische advertenties.
2.2.3 Hypothese 2c: Aankoopintentie
In het derde deel van deze hypothese wordt ervan uitgegaan dat de PI hoger ligt bij dynamische advertenties dan bij statische advertenties. Uit de Independent Samples t-‐test blijkt hier geen significant verschil te bestaan, wat men kan zien in tabel 4. Tabel 4: Verschil in Aad, Ab en PI bij verschillende dynamiek
Statisch Dynamisch t-‐waarde Attitude t.o.v. adv 4,88(0,96) 4,64(0,89) 2,048* Attitude t.o.v. merk 5,44(0,99) 4,80(0,94) 5,175*** Aankoopintentie 4,25(1,54) 4,20(1,23) 0,287 n.s. *** p < 0,001 ** p < 0,01 * p < 0,1 n.s. niet significant
40
Gemoedstoestand kan hier als controlevariabele dienen. Na het uitvoeren van een Pearson Correlation test, bleek er een significante correlatie te zijn tussen de gemoedstoestand na de advertentie en de Aad (r= 0,264, p= 0,000). Wat de Ab betreft, werd er net een significante correlatie met de gemoedstoestand na de advertentie gevonden (r= 0,124, p= 0,045). Wat de aankoopintentie daarentegen betreft, valt er geen significante correlatie waar te nemen. In het onderdeel met de bijkomende testen wordt dieper ingegaan op de gemoedstoestand vóór en na het zien van een statische en dynamische advertentie.
2.3 Hypothese 3: Lengte aankoopcyclus
2.3.1 Hypothese 3a: Attitude t.o.v. de advertentie
Het eerste deel van de derde hypothese stelt dat advertenties van producten met korte aankoopcyclus tot een positievere Aad leiden dan advertenties van producten met lange aankoopcyclus. Deze veronderstelling blijkt hier te kloppen. Aan de hand van een Independent Samples t-‐test werd een significant verschil vastgesteld tussen de advertenties van het product met korte aankoopcyclus (M= 4,93; SD= 1,02) en de advertenties van het product met lange aankoopcyclus (M= 4,64; SD= 0,84), wat betreft de Aad (t(260)= 2,506, p= 0,013). Uit tabel 5 kan worden afgeleid dat de Aad hoger ligt bij producten met korte aankoopcyclus dan producten met lange aankoopcyclus, zoals werd verondersteld in de hypothese. Dit deel van de hypothese mag dus aanvaard worden.
2.3.2 Hypothese 3b: Attitude t.o.v. het merk
In het tweede deel van de derde hypothese wordt verondersteld dat advertenties van producten met korte aankoopcyclus tot een positievere Ab leiden dan advertenties van producten met lange aankoopcyclus. Uit de Independent Samples t-‐test wordt hier echter geen significant verschil gevonden, zoals kan worden waargenomen in tabel 5. Dit deel van de hypothese dient dus te worden verworpen.
2.3.3 Hypothese 3c: Aankoopintentie
In het laatste deel van de derde hypothese gaat men ervan uit dat advertenties van producten met korte aankoopcyclus tot een hogere PI leiden dan advertenties van producten met lange aankoopcyclus. Vooral hier kan men duidelijk een significant verschil vaststellen tussen de advertenties van het product met korte aankoopcyclus (M= 4,60; SD= 1,35) en de advertenties van het product met lange aankoopcyclus (M= 3,86; SD= 1,40), wat betreft de PI (t(260)= 4,334, p= 0,000). Zoals verwacht, ligt de PI
41
hoger bij het product met korte aankoopcyclus dan het product met lange aankoopcyclus. Dit deel van de hypothese mag dus aanvaard worden. In tabel 5 kan men de hoofdzakelijke resultaten kort samengevat waarnemen per afhankelijke variabele. Tabel 5: Verschil in gemiddelde Aad, Ab en PI bij verschillende lengte aankoopcyclus
Product korte aankoopcyclus
Product lange aankoopcyclus
t-‐waarde
Attitude t.o.v. adv 4,93(1,02) 4,64(0,84) 2,506** Attitude t.o.v. merk 5,28(1,05) 5,11(0,98) 1,369 n.s. Aankoopintentie 4,60(1,35) 3,86(1,40) 4,334 *** *** p < 0,001 ** p < 0,01 * p < 0,1 n.s. niet significant Het waargenomen risico kan hier als controlevariabele dienen om dit resultaat te verantwoorden. Na de uitvoering van een Pearson Correlation test, kan echter geen significante correlatie worden gevonden tussen het waargenomen risico en de Aad. Hetzelfde geldt voor de Ab en PI. De theorie van Stern (1962) blijkt hier dus toch niet volledig te kloppen, aangezien het consumentengedrag geen weerspiegeling is van het waargenomen risico. Niettemin, leiden advertenties van producten met korte aankoopcyclus toch tot meer ongeplande aankopen, wat we hier kunnen assumeren, dan advertenties met lange aankoopcyclus.
42
2.4 Hypothese 4: Verband dynamiek vs. lengte aankoopcyclus
2.4.1 Hypothese 4a: Attitude t.o.v. de advertentie
Het eerste deel van de vierde hypothese stelt dat de Aad positiever (/negatiever) is bij producten met korte aankoopcyclus dan producten met lange aankoopcyclus na het zien van een statische advertentie (/dynamische advertentie). Om hypotheses 4a en 5a te testen, werd gebruik gemaakt van een Three-‐Way ANOVA-‐test met Aad als afhankelijke variabele en dynamiek, hoeveelheid informatie en lengte van de aankoopcyclus als onafhankelijke variabelen. Tabel 6: ANCOVA resultaten voor het effect van de covariaten op de Aad
df F-‐waarde p Aankoopfrequentie 1 2,757 0,098 Betrokkenheid 1 0,098 0,754 Merkbelang 1 1,484 0,224 Gemoedstoestand vóór advertentie
1 2,473 0,117
Gemoedstoestand na advertentie
1 13,167 0,000
Leeftijd 1 1,586 0,209 Geslacht 1 1,991 0,160 In tabel 6 werden de kernresultaten van het effect van de covariaten op de Aad opgenomen. Hieruit kan men afleiden dat enkel de aankoopfrequentie (F(2,109)= 2,757, p= 0,096 < 0,1) en de gemoedstoestand na de advertentie (F(10,071)= 13,167, p= 0,000) significant of marginaal significant gerelateerd is aan de Aad. Deze twee variabelen worden dan ook als covariaten opgenomen in de ANOVA-‐test om de errorvariantie zo constant mogelijk te houden. Tabel 7: ANOVA resultaten van de Between Subjects-‐Effects met Aad als afhankelijke variabele
df F-‐waarde p η2 Power Informatie 1 2,121 0,147 0,012 0,305 Dynamiek 1 7,776 0,006 0,043 0,792 Aankoopcyclus 1 7,603 0,006 0,042 0,783 Dynamiek * Aankoopcyclus
1 3,452 0,065 0,020 0,455
43
Informatie * Aankoopcyclus
1 0,841 0,360 0,005 0,149
Informatie * Dynamiek
1 2,794 0,096 0,016 0,383
Informatie * Dynamiek * Aankoopcyclus
1 0,899 0,345 0,005 0,156
In tabel 7 kunnen de hoofdzakelijke statistische gegevens van de Three-‐Way ANOVA-‐test waargenomen worden. Hieruit kan men afleiden dat het interactie-‐effect dynamiek * lengte aankoopcyclus op de Aad marginaal significant is (F(2,026)= 3,452, p= 0,065 < 0,1). Tabel 8: Verschil in gemiddelde Aad met dynamiek en lengte aankoopcyclus als onafhankelijke variabelen
Product met korte aankoopcyclus
Product met lange aankoopcyclus
t-‐waarde
Statische advertentie 5,08 (0,96) 4,67 (0,93) 2,715** Dynamische advertentie
4,69 (1,07) 4,59 (0,68) 0,553 n.s.
t-‐waarde 2,191* 0,555 n.s. *** p < 0,001 ** p < 0,01 * p < 0,1 n.s. niet significant Om significante verschillen tussen de advertenties onderling beter te kunnen toewijzen en om zekerheid te creëren, werden er aparte Independent Samples t-‐testen uitgevoerd na het filteren op de dynamiek en vervolgens ook op de lengte van de aankoopcyclus, omdat deze resultaten tevens interessant zijn. Na het invoeren van de filter op de dynamiek, blijkt er een significant verschil te zijn tussen de statische advertenties van het product met korte aankoopcyclus (M= 5,08; SD= 0,96) en statische advertenties van het product met lange aankoopcyclus (M= 4,67; SD= 0,93), wat betreft de Aad (t(158)= 2,715, p= 0,007). Er is een positievere attitude tegenover de statische advertenties van producten met korte aankoopcyclus dan statische advertenties van producten met lange aankoopcyclus. Dit werd voorspeld in hypothese 4a. Aangezien de attitude tegenover dynamische advertenties van het product met korte aankoopcyclus echter niet negatiever is dan de attitude tegenover dynamische advertenties van het product met lange aankoopcyclus, doordat het verschil
44
niet significant is (t(84,68)= 0,553, p= 0,582), kunnen we dit deel van de vierde hypothese slechts gedeeltelijk aanvaarden. De bekomen resultaten kan men duidelijk waarnemen in de visuele voorstelling in figuur 2.
Figuur 2: Verschil in gemiddelde Aad met dynamiek en lengte aankoopcyclus als onafhankelijke variabelen
Na het invoeren van de filter op de lengte van de aankoopcyclus, kan men afleiden dat er een significant verschil is tussen de statische (M= 5,08; SD= 0,96) en dynamische advertenties (M= 4,69; SD= 1,07) bij het product met korte aankoopcyclus, wat betreft de Aad (t(131)= 2,191, p= 0,030). Bij het product met korte aankoopcyclus heeft men een positievere Aad bij statische advertenties dan bij dynamische advertenties. Bij het product met de lange aankoopcyclus werd geen significant verschil in Aad tussen statische en dynamische advertenties gevonden.
2.4.2 Hypothese 4b: Attitude t.o.v. het merk
In het tweede deel van de vierde hypothese wordt verondersteld dat de Ab positiever (/negatiever) is bij producten met korte aankoopcyclus dan producten met lange aankoopcyclus na het zien van een statische advertentie (/dynamische advertentie). Voor hypotheses 4b en 5b werd gebruik gemaakt van een Three-‐Way ANOVA-‐test met Ab als afhankelijke variabele en dynamiek, hoeveelheid informatie en lengte van de aankoopcyclus als onafhankelijke variabelen.
4,2
4,4
4,6
4,8
5
5,2
5,4
Statisch Dynamisch
Attitude t.o.v. adv
Dynamiek
Korte aankoopcyclus
Lange aankoopcyclus
45
Tabel 9: ANCOVA resultaten voor het effect van de covariaten op de Ab
df F-‐waarde p Aankoopfrequentie 1 7,098 0,008 Betrokkenheid 1 1,093 0,297 Gemoedstoestand vóór advertentie
1 0,256 0,613
Gemoedstoestand na advertentie
1 3,161 0,077
Merkbelang 1 1,782 0,184 Leeftijd 1 4,541 0,035 Geslacht 1 5,455 0,021 Hier werden opnieuw de effecten van covariaten op een afhankelijke variabele getoetst. In tabel 9 valt op te merken dat de variabelen leeftijd (F(3,052)= 4,541, p= 0,035) en geslacht (F(3,666)= 5,455, p= 0,021) wel een significant effect hebben op de Ab. Deze worden dan ook als covariaten opgenomen in de ANOVA-‐test. Daarnaast worden ook hier de beïnvloedende variabelen aankoopfrequentie (F(4,770)= 7,098, p= 0,008) en gemoedstoestand (F(2,125)= 3,161, p= 0,077) na de advertentie opgenomen als covariaten. Tabel 10: ANOVA resultaten van de Between Subjects-‐Effects met Ab als afhankelijke variabele
df F-‐waarde p η2 Power Informatie 1 0,320 0,572 0,002 0,087 Dynamiek 1 32,622 0,000 0,159 1,000 Aankoopcyclus 1 6,885 0,009 0,038 0,742 Dynamiek * Aankoopcyclus
1 1,081 0,300 0,006 0,179
Dynamiek * Informatie
1 0,421 0,517 0,002 0,099
Aankoopcyclus * Informatie
1 0,397 0,529 0,002 0,096
Dynamiek * Aankoopcyclus * Informatie
1 0,111 0,740 0,001 0,063
46
Uit tabel 10 kan men constateren dat het interactie-‐effect dynamiek * lengte aankoopcyclus op de Ab niet significant is (F(0,722)=1,081, p= 0,300) en dat dit deel van de hypothese bijgevolg verworpen mag worden.
2.4.3 Hypothese 4c: Aankoopintentie
In het laatste deel van de vierde hypothese wordt ervan uitgegaan dat de PI hoger (/lager) ligt bij producten met korte aankoopcyclus dan producten met lange aankoopcyclus na het zien van een statische advertentie (/dynamische advertentie). Om de hypotheses 4c en 5c te toetsen, werd gebruik gemaakt van een Three-‐Way ANOVA-‐test met de PI als afhankelijke variabele en dynamiek, hoeveelheid informatie en lengte van de aankoopcyclus als onafhankelijke variabelen. Tabel 11: ANCOVA resultaten voor het effect van de covariaten op de PI
df F-‐waarde p Impulsiviteit 1 25,106 0,000 Aankoopfrequentie 1 4,398 0,037 Betrokkenheid 1 0,205 0,651 Gemoedstoestand vóór advertentie
1 1,278 0,260
Gemoedstoestand na advertentie
1 1,367 0,244
Merkbelang 1 1,002 0,318 Leeftijd 1 2,450 0,119 Geslacht 1 0,906 0,342 In tabel 11 werden de resultaten van de ANCOVA-‐test, om het effect van de covariaten op de PI te meten, opgenomen. Hieruit blijkt dat enkel covariaten aankoopfrequentie (F(5,750)= 4,398, p= 0,037) en impulsiviteit (F(32,819)= 25,106, p= 0,000) een significant effect hebben op de PI. Enkel deze variabelen worden dus opgenomen als covariaten in de Three-‐Way ANOVA-‐test. Tabel 12: ANOVA resultaten van de Between Subjects-‐Effects met PI als afhankelijke variabele
df F-‐waarde p η2 Power Informatie 1 0,278 0,598 0,001 0,082 Dynamiek 1 5,833 0,016 0,023 0,672 Aankoopcyclus 1 9,172 0,003 0,035 0,855
47
Dynamiek * Aankoopcyclus
1 0,014 0,904 0,000 0,052
Dynamiek * Informatie
1 1,248 0,265 0,005 0,199
Aankoopcyclus * Informatie
1 0,554 0,457 0,002 0,115
Dynamiek * Aankoopcyclus * Informatie
1 3,448 0,064 0,013 0,456
In tabel 12 worden de hoofdzakelijke statistische resultaten van de Three-‐Way ANOVA-‐test, met PI als afhankelijke variabele en met dynamiek, hoeveelheid informatie en lengte van de aankoopcyclus als onafhankelijke variabelen, weergegeven. Uit deze tabel blijkt dat ook hier geen sprake is van een significant interactie-‐effect dynamiek * lengte aankoopcyclus op de PI (F(0,023)= 0,014, p= 0,904). Dit deel van de hypothese mag dus ook verworpen worden.
2.4.4 Conclusie
Uit bovenstaande resultaten blijkt er enkel een marginaal significant interactie-‐effect tussen de variabelen dynamiek en lengte van de aankoopcyclus te bestaan bij de Aad als afhankelijke variabele, wat kan worden afgeleid uit tabel 7. De Aad is, zoals voorspeld, positiever bij het product met korte aankoopcyclus dan het product met lange aankoopcyclus na het bekijken van een statische advertentie. De Aad is echter niet negatiever bij het product met korte aankoopcyclus dan het product met lange aankoopcyclus na het bekijken van een dynamische advertentie. Hier is er namelijk geen significant verschil gevonden. Daarnaast valt in tabel 7 echter ook een trend waar te nemen in het interactie-‐effect hoeveelheid informatie * dynamiek met Aad als afhankelijke variabele (p= 0,096 < 0,1).
48
2.5 Hypothese 5: Verband hoeveelheid informatie vs. lengte aankoopcyclus
2.5.1 Hypothese 5a: Attitude t.o.v. advertentie
In het eerste deel van de vijfde hypothese wordt er verondersteld dat de Aad hoger (/lager) ligt bij het product met lange aankoopcyclus dan het product met korte aankoopcyclus na het bekijken van een advertentie met veel (/weinig) informatie. Om hypotheses 4a en 5a te toetsen, werd gebruik gemaakt van een Three-‐Way ANOVA-‐test met Aad als afhankelijke variabele en dynamiek, hoeveelheid informatie en lengte van de aankoopcyclus als onafhankelijke variabelen. In tabel 6 werd het effect van de covariaten op de Aad gemeten aan de hand van een ANCOVA test. Hieruit bleek dat de variabelen aankoopfrequentie en de gemoedstoestand na de advertentie een significante invloed op de Aad hebben en dus als covariaten opgenomen werden in de Three-‐Way ANOVA-‐test. Uit tabel 7 kan afgeleid worden dat het interactie-‐effect hoeveelheid informatie * lengte aankoopcyclus niet significant is (F(0,493)= 0,841, p= 0,360). Dit deel van de hypothese mag dus verworpen worden.
2.5.2 Hypothese 5b: Attitude t.o.v. merk
In het tweede deel van de vijfde hypothese wordt er verondersteld dat de Ab hoger (/lager) ligt bij het product met lange aankoopcyclus dan het product met korte aankoopcyclus na het bekijken van een advertentie met veel (/weinig) informatie. Voor hypotheses 4b en 5b werd gebruik gemaakt van een Three-‐Way ANOVA-‐test met Ab als afhankelijke variabele en dynamiek, hoeveelheid informatie en lengte van de aankoopcyclus als onafhankelijke variabelen. In hypothese 4b werd reeds vastgesteld, aan de hand van tabel 9, dat de covariaten aankoopfrequentie, geslacht, leeftijd en gemoedstoestand na de advertentie een significante impact op de Ab hadden. Deze werden dan ook als covariaten opgenomen in de Three-‐Way ANOVA-‐test.
Uit tabel 10 kan afgeleid worden dat ook het interactie-‐effect hoeveelheid informatie *
lengte aankoopcyclus op de Ab niet significant is (F(0,265)= 0,397, p= 0,529). Dit deel van de vijfde hypothese mag dus eveneens verworpen worden.
49
2.5.3 Hypothese 5c: Aankoopintentie
In het laatste deel van de vijfde hypothese wordt er verondersteld dat de PI van het merk hoger (/lager) ligt bij het product met lange aankoopcyclus dan het product met korte aankoopcyclus na het bekijken van een advertentie met veel (/weinig) informatie. Om hypotheses 4c en 5c te toetsen, werd gebruik gemaakt van een Three-‐Way ANOVA-‐test met PI als afhankelijke variabele en dynamiek, hoeveelheid informatie en lengte van de aankoopcyclus als onafhankelijke variabelen. In de hypothese 4c kon reeds afgeleid worden uit tabel 11 dat de covariaten impulsiviteit en aankoopfrequentie een significante invloed op de PI hebben. Deze twee variabelen werden vervolgens als covariaten in het Three-‐Way ANOVA model opgenomen.
Uit tabel 12 blijkt het interactie-‐effect hoeveelheid informatie * lengte aankoopcyclus niet significant te zijn (F(0,865)= 0,554, p= 0,457). Dit deel van de hypothese dient dus
verworpen te worden.
2.5.4 Conclusie
Deze hypothese stelde dat de attitudes positiever (/negatiever) en PI hoger (/lager) zouden liggen bij het product met lange aankoopcyclus dan het product met korte aankoopcyclus bij de advertenties met veel (/weinig) informatie. Uit bovenstaande resultaten is gebleken dat er geen enkel significant interactie-‐effect hoeveelheid informatie * lengte aankoopcyclus is op de Aad, Ab en PI. De vijfde hypothese dient dus in zijn geheel verworpen te worden.
50
2.6 Enkele bijkomende testen
2.6.1 Driewegsinteractie
Het is bovendien interessant om te weten of er een verband bestaat tussen de drie onafhankelijke variabelen (lengte aankoopcyclus * dynamiek * informatie hoeveelheid). Hiervoor werd gebruik gemaakt van de Three-‐Way ANOVA-‐testen, die werden uitgevoerd om hypothese 4 en 5 te meten. Wat de Aad betreft, is er geen significant effect van deze driewegsinteractie (F(0,527)= 0,899, p = 0,345) te vinden in tabel 7. Ook bij de Ab is er absoluut geen significant verband (F(0,074)= 0,111, p = 0,740), zoals men kan afleiden uit tabel 10. Wat de PI daarentegen betreft, blijkt er een marginaal significant driewegsinteractie-‐effect te bestaan (F(5,385)= 3,448, p= 0,064), wat kan waargenomen worden in tabel 12. Uit de betrouwbaarheidsintervallen valt af te lezen dat de PI bij het product met korte aankoopcyclus in een statische advertentie met veel informatie significant groter is dan bij het product met lange aankoopcyclus in een statische advertentie met veel informatie, alsook in een dynamische advertentie met veel of weinig informatie. Dit kan men ook waarnemen op figuur 6 verder in de tekst.
2.6.2 Gemoedstoestand vóór en na advertentie
In de enquête werd gepeild naar de gemoedstoestand van de respondenten voordat de vragen aan bod kwamen en eveneens na het bekijken van de advertentie. Uit de literatuur bleek dat dynamische advertenties positieve emoties opwekken en dit werd aan de hand van de zevenpuntenschaal van Mehrabian en Russell (1974) gemeten. Er werd een Paired Samples t-‐test uitgevoerd met als variabelen de gemoedstoestand vóór het zien van de advertentie en de gemoedstoestand na het zien van de advertentie. Hieruit bleek er algemeen een significant verschil te bestaan tussen beide variabelen. De gemoedstoestand vóór het zien van de advertentie is namelijk over het algemeen beter dan de gemoedstoestand na het zien van de advertentie. Als men echter de opsplitsing maakt in statische en dynamische advertenties, wordt er slechts een significant verschil waargenomen bij dynamische advertenties (p= 0,005). Men voelt zich, zoals kan afgeleid worden uit tabel 13, voornamelijk minder gelukkig (p= 0,000), minder relaxed (p= 0,000) en meer geïrriteerd (p= 0,007) na het zien van een dynamische advertentie. Dit resultaat komt dus niet overeen met de bevindingen uit de literatuur. Tabel 13: Verschil in gemoedstoestand vóór en na het zien van dynamische advertenties
Dynamische advertentie Vóór adv Na adv t-‐waarde Duid aan hoe u zich nu voelt: Verveeld -‐
5,24 (1,38) 4,57 (1,43) 4,640***
51
Relaxed Duid aan hoe u zich nu voelt: Wanhopig -‐ Hoopvol
4,98 (1,34) 3,75 (1,19) 2,145*
Duid aan hoe u zich nu voelt: Ongelukkig -‐ Gelukkig
5,30 (1,27) 4,91 (1,28) 3,935***
Duid aan hoe u zich nu voelt: Melancholisch -‐ Voldaan
4,83 (1,46) 4,77 (1,28) 0,598 n.s.
Duid aan hoe u zich nu voelt: Geïrriteerd -‐ Vrolijk
5,06 (1,41) 4,74 (1,38) 2,772**
Duid aan hoe u zich nu voelt: Ontevreden -‐ Tevreden
5,27 (1,50) 4,99 (1,31) 2,432*
Duid aan hoe u zich nu voelt: Kalm -‐ Opgewonden
3,56 (1,55) 3,69 (1,45) -‐1,194 n.s.
Duid aan hoe u zich nu voelt: Ongeprikkeld -‐ Geprikkeld
3,60 (1,32) 3,89 (1,34) -‐2,396*
Duid aan hoe u zich nu voelt: Suf -‐ Zenuwachtig
3,72 (1,15) 3,71 (1,09) 0,095 n.s.
Duid aan hoe u zich nu voelt: Slaperig -‐ Klaarwakker
4,07 (1,53) 4,07 (1,34) 0,000 n.s.
Duid aan hoe u zich nu voelt: Loom -‐ Wild
3,72 (1,19) 3,75 (1,12) -‐0,491 n.s.
*** p < 0,001 ** p < 0,01 * p < 0,1 n.s. niet significant
In figuur 3 werd een enkele dimensie van de gemoedstoestand opgenomen, nl. opwinding (de laatste vijf vragen in tabel 13) en werden de resultaten van opwinding vóór en na de advertentie bij statische advertenties enerzijds, en dynamische advertenties anderzijds, gemeten. De opwinding blijkt bij beide type advertenties te stijgen na het zien van de advertentie, maar dit verschil blijkt enkel (marginaal) significant te zijn bij de statische advertenties (p= 0,087) na het uitvoeren van een Paired Samples t-‐test. Opmerkelijk is echter dat de opwinding bij statische advertenties hoger lijkt te liggen dan bij dynamische advertenties. Na het uitvoeren van een Independent Samples t-‐test werd echter duidelijk dat dit verschil tussen beide
52
advertenties niet significant is, wat betreft zowel de opwinding vóór de advertentie (p= 0,442) als na de advertentie (p= 0,339).
Figuur 3: Verschil in gemiddelde opwinding voor en na de advertentie tussen statische en dynamische advertenties
2.6.3 Regressieanalyse
Tenslotte is het interessant om te onderzoeken in welke mate de meerdere onafhankelijke variabelen de afhankelijke variabele verklaren. Hiervoor werd een lineaire regressieanalyse uitgevoerd. Als onafhankelijke variabelen werden dynamiek, hoeveelheid informatie, lengte aankoopcyclus, geslacht, leeftijd, betrokkenheid, merkbelang, aankoopfrequentie en impulsiviteit opgenomen en als afhankelijke variabele de aankoopintentie. Het is voor retailers en adverteerders namelijk cruciaal te weten welke factoren leiden tot de aankoop van een bepaald product of merk en welke factoren ze dus kunnen versterken om deze impact te vergroten. Wel dient men hier in het achterhoofd te houden dat in dit onderzoek slechts de aankoopintentie werd getoetst en dus niet het feitelijk aankoopgedrag, aangezien men onmogelijk kon nagaan of de respondent effectief het betreffend product zou aankopen na het invullen van de online enquête. Men kan er hier dus slechts van uitgaan dat het product wel degelijk zou aangekocht worden bij een hoge aankoopintentie. Vooreerst kan men vaststellen dat het model bruikbaar is, aangezien de gevonden p-‐waarde bij de globale F-‐toets 0,000 is. Daarnaast kan 21,9% van de variantie in de afhankelijke variabele aankoopintentie verklaard worden door de onafhankelijke variabelen, wat toch redelijk weinig is (Adjusted R2= 0,219; R= 0,502).
3,6
3,65
3,7
3,75
3,8
3,85
3,9
3,95
Statisch Dynamisch
Gemiddelde opwinding
Voor adv
Na adv
53
Uit tabel 14 kan geconcludeerd worden dat de variabelen impulsiviteit (β= 0,406, p= 0,000) en aankoopfrequentie (β= 0,113, p= 0,046) een positieve invloed hebben op de aankoopintentie. Dit wil zeggen dat maar liefst 40,6% van de aankoopintentie kan verklaard worden door het impulsief gedrag van de respondent. Hieruit kan men veronderstellen dat een groot deel van de aankoopbeslissingen impulsief van aard zijn. Variabelen dynamiek (β= -‐ 0,119, p= 0,042) en lengte aankoopcyclus (β= -‐ 0,175, p= 0,002) hebben een negatieve invloed op de aankoopintentie. Dit betekent dat, hoe statischer de advertentie en hoe korter de aankoopcyclus van het geadverteerd product, hoe hoger de aankoopintentie is. Tabel 14: Regressiemodel
Onafhankelijke variabelen
β t-‐waarde p-‐waarde
(Constant) 2,926 0,004 Hoeveelheid informatie
-‐0,011 -‐0,201 0,841
Dynamiek -‐0,119 -‐2,046 0,042 Lengte aankoopcyclus
-‐0,175 -‐3,078 0,002
Geslacht 0,036 0,637 0,525 Leeftijd -‐0,009 -‐0,151 0,880 Betrokkenheid 0,031 0,358 0,721 Impulsiviteit 0,406 6,902 0,000 Gemoedstoestand vóór adv
-‐0,057 -‐0,557 0,578
Gemoedstoestand na adv
0,102 1,000 0,318
Merkbelang -‐0,110 -‐1,369 0,172 Aankoopfrequentie 0,113 2,001 0,046
54
2.7 Conclusie
Aan de hand van bovenstaande resultaten kan tot een conclusie worden gekomen, die hieronder per afhankelijke variabele nog eens wordt gegroepeerd. Om een overzicht te kunnen behouden werd een visuele voorstelling van alle acht advertenties per afhankelijke variabele in figuren 4, 5 en 6 samengebracht.
2.7.1 Attitude t.o.v. de advertentie
Eerst en vooral kan men vaststellen dat de Aad altijd positiever is bij de advertenties met weinig informatie dan de advertenties met veel informatie, wat tevens afgeleid kan worden uit figuur 4. Deze resultaten zijn tegengesteld aan de veronderstellingen die gemaakt werden in hypothese 1a. Hieruit kan worden afgeleid dat mensen tijdens het winkelen positiever staan tegenover advertenties met weinig informatie dan advertenties met veel informatie. Dit kan onder andere verklaard worden door het feit dat consumenten, bij het zien van een advertentie met veel informatie, zwaardere cognitieve inspanningen dienen te verrichten voor de verwerking ervan dan bij het zien van een advertentie met weinig informatie, waar het DS publiek niet echt toe bereid is volgens Van Loock, Vermeir, & Geuens (2010b). Waar een lagere betrokkenheid met het product hier ook een mogelijke oorzaak kon zijn in de literatuur, heeft de betrokkenheid in dit onderzoek geen significante invloed op de Aad. Het verschil tussen de advertentie met weinig informatie en die met veel informatie blijkt vervolgens het grootst te zijn bij het product met korte aankoopcyclus. Na het statistisch toetsen hiervan, is het interactie-‐effect hoeveelheid informatie * lengte aankoopcyclus echter niet significant op zowel de Aad, Ab als PI, waardoor hypothese 5 volledig mag verworpen worden. Daarnaast is het opmerkelijk dat de Aad steeds negatiever is bij dynamische advertenties dan statische advertenties, zoals kan waargenomen worden in figuur 4. Dit is dus tegengesteld aan wat verondersteld werd in hypothese 2a. Volgens de literatuur kunnen zulke negatieve resultaten te wijten zijn aan een teveel aan animaties (Kuisma et. al., 2010). Een eerste mogelijke oorzaak is dus het gebruik van teveel teksteffecten in de dynamische advertenties. Hierdoor verhoogt de complexiteit ervan, wat in onderzoek van Van Loock, Vermeir, & Geuens (2010b) ook tot minder positieve resultaten leidde dan simpelere advertenties. Dit zou komen door de langdurigere en hogere vereiste mentale inspanningen. Een tweede mogelijke oorzaak is de lage professionaliteit die wordt geassocieerd met de teksteffecten in de dynamische advertenties, die duidelijk zichtbaar werden verwerkt in een Powerpoint presentatie. Een laatste mogelijke oorzaak is dat de gemoedstoestand van de respondenten tijdens het laden van een dynamische advertentie achteruit ging en zo een negatieve impact op de
55
attitudebepaling t.o.v. de advertentie had. Bovendien werd het laden van deze advertenties vaak bemoeilijkt door plug-‐ins die moesten gedownload worden of door het besturingssysteem iOS van Apple. Hierdoor hebben niet enkel veel respondenten afgehaakt met het invullen van de enquête, maar kan men bovendien een negatieve invloed op de gemoedstoestand na het zien van de dynamische advertentie waarnemen bij de respondenten die de enquête wel verder hebben ingevuld. Aangezien emoties een belangrijke rol spelen in tal van gedragingen (Detenber, 1996), is dit dus een logische verklaring. Vervolgens werd het interactie-‐effect dynamiek * lengte aankoopcyclus significant bevonden. De attitude blijkt effectief positiever te zijn bij het product met korte aankoopcyclus dan het product met lange aankoopcyclus na het bekijken van een statische advertentie, maar blijkt niet negatiever te zijn bij het product met korte aankoopcyclus dan bij het product met lange aankoopcyclus na het bekijken van een dynamische advertentie (niet significant). Hypothese 4a kan dus ook slechts gedeeltelijk worden aanvaard. Vervolgens kan men afleiden uit een Independent Samples t-‐test (en in onderstaande grafiek) dat de Aad (t(260)=2,506, p= 0,013) over het algemeen positiever is bij het product met korte aankoopcyclus (M= 4,93; SD= 1,02) dan het product met lange aankoopcyclus (M= 4,64; SD= 0,84). Dit is een resultaat die niet werd voorspeld in de hypothesen. Hiervoor kan niet echt een logische verklaring worden gegeven, buiten de mogelijke reden dat de respondenten de advertenties van het product met korte aankoopcyclus (pasta) simpelweg mooier en beter ontworpen vonden dan die van het product met lange aankoopcyclus (saus). Tenslotte dient men, in de verwerking van de resultaten van de Aad, in het achterhoofd te houden dat de gemoedstoestand vóór het bekijken van de advertentie ook een invloed kan hebben op de attitudebepaling. Het kwam reeds aan bod in de literatuur, dat consumenten hun attitude t.o.v. een advertentie kunnen verwarren met hun huidige gemoedstoestand (Schwarz, Bless, & Bohner, 1991). Om dit aspect te meten, werd er een Pearson Correlation test uitgevoerd. Hieruit kan afgeleid worden dat er een kleine, maar toch significante positieve correlatie aanwezig is tussen de variabelen gemoedstoestand vóór de advertentie en Aad (r= 0,140, p= 0,023). Dit betekent dus dat respondenten met een goed humeur een iets positievere Aad vertoonden dan respondenten met een slechter humeur. Schwarz, Bless, & Bohner (1991) stelden vervolgens ook dat de gemoedstoestand invloed heeft op de motivatie van een persoon om de boodschap al dan niet grondig te verwerken. De motivatie van de respondenten werd in dit onderzoek niet gemeten, maar dit kan wel afgeleid worden van de betrokkenheid van de respondenten met het product. Iemand die een hoge betrokkenheid heeft met een bepaald product zal namelijk meer gemotiveerd zijn de reclameboodschap grondig te verwerken. Om te kijken of de variabelen gemoedstoestand vóór de advertentie en
56
betrokkenheid correleren met elkaar, werd wederom een Pearson Correlation test uitgevoerd. Hieruit bleek dat er een (weliswaar geringe) significante positieve correlatie aanwezig is tussen beiden (r= 0,172, p= 0,005). De betrokkenheid van de respondenten is dus hoger bij respondenten in een goede gemoedstoestand, dan bij respondenten in een slechte gemoedstoestand.
Figuur 4: Verschil in gemiddelde Aad per advertentie
57
2.7.2 Attitude t.o.v. het merk
Wat de Ab betreft, werd slechts één significant verschil gevonden, nl. tussen statische en dynamische advertenties (p= 0,000). Dit verschil kan duidelijk waargenomen worden in figuur 5. De Ab is opmerkelijk hoger bij statische advertenties dan bij dynamische advertenties, wat ook bevestigd wordt in onderstaande figuur. Dit kan te maken hebben met het feit dat de dynamische advertenties als minder professioneel worden beschouwd, wat er toe kan leiden dat het merk in de advertentie ook als minder professioneel wordt beschouwd. Dit zou in dat geval het merkimago schaden. Een lagere waargenomen professionaliteit kan mogelijks dus een (grote) negatieve impact hebben op de attitudebepaling t.o.v. het merk.
Figuur 5: Verschil in gemiddelde Ab per advertentie
58
2.7.3 Aankoopintentie
Tenslotte blijkt het enige significante verschil in de PI zich te bevinden tussen het product met korte aankoopcyclus en het product met lange aankoopcyclus, zoals duidelijk blijkt in figuur 6. De PI is zichtbaar hoger bij het product met korte aankoopcyclus, nl. pasta, dan bij het product met lange aankoopcyclus, nl. saus. Dit resultaat werd verwacht in hypothese 3c, dus deze mag aanvaard worden. Dit resultaat zou kunnen verklaard worden aan de hand van de risico perceptie, zoals reeds werd besproken in de literatuur. Logischerwijze, zou er een hoger risico waargenomen moeten worden bij aankoop van een product met lange aankoopcyclus dan bij aankoop van een product met korte aankoopcyclus. Bij een lager waargenomen risico zal de drempel om een impulsaankoop te doen lager liggen en zodus vaker voorkomen. In dit onderzoek werd het waargenomen risico echter bij beide producten relatief laag ingeschat. Bij het product met korte aankoopcyclus is er zelfs een hogere waargenomen risico dan bij het product met lange aankoopcyclus (marginaal significant: p= 0,084), wat deze logische verklaring volledig tegenspreekt. Een mogelijke reden hiervoor is dat hier gebruik gemaakt werd van voedselproducten (om de vergelijkbaarheid te behouden), die over het algemeen geen groot risico inhouden of van geen groot belang zijn.
Figuur 6: Verschil in gemiddelde PI per advertentie
59
3 Algemeen besluit
De doelstelling van dit onderzoek was, naast het onderzoeken van niet-‐onderzochte aspecten in de literatuur, hoofdzakelijk te achterhalen welk type reclameboodschap het meest effectief is bij producten met korte aankoopcyclus en bij producten met lange aankoopcyclus. Uit de resultaten is gebleken dat er, ondanks het relatief kleine verschil in aankoopcyclus tussen twee voedselproducten, toch een aanzienlijk onderscheid is tussen beiden. Over het algemeen blijkt het toch wel interessanter te adverteren voor producten met korte aankoopcyclus op instore DS schermen, aangezien deze producten de hoogste aankoopintenties (en impulsaankopen) teweegbrengen. Daarnaast kan opgemerkt worden dat het type reclameboodschap veel meer uiteenlopende effecten (bij Aad en PI) teweegbrengt bij het product met korte aankoopcyclus dan bij het product met lange aankoopcyclus8. Bij dit type geadverteerd product is het dus belangrijker zorgvuldig te overwegen welk type reclameadvertentie het meest geschikt zou zijn. Zo blijkt uit dit onderzoek dat veel informatie – statisch, en weinig informatie – dynamisch, uitstekende combinaties zijn bij het product met korte aankoopcyclus, aangezien deze leiden tot de hoogste PI. Bij het product met lange aankoopcyclus zijn de combinaties weinig informatie – statisch en veel informatie – dynamisch het meest effectief, wat de PI betreft. De invloed van bijkomende factoren zoals betrokkenheid, gemoedstoestand, neiging tot impulsaankoop, geslacht en leeftijd hebben, met uitzondering van de neiging tot impulsaankoop, geen significant effect op de PI. Dit wil zeggen dat er geen verschil in PI is tussen mannen en vrouwen, tussen consumenten in goed en slecht humeur, tussen verschillende leeftijden, of tussen consumenten die sterk betrokken zijn met het product en degene die minder of niet betrokken zijn met het product.
8 Dit kan duidelijk worden waargenomen in figuren 4, 5 en 6.
60
4 Beperkingen van het onderzoek
Een groot nadeel van een online enquête is dat het een slechte representativiteit heeft. Dit dient men in het achterhoofd te houden bij het verwerken van de resultaten. Bovendien kregen de respondenten wel een simulatie te zien van een echte winkelomgeving, maar men kan niet meten in hoeverre mensen zich wel degelijk inleven in de situatie. Ze zijn op het moment van het invullen van de enquête namelijk thuis en voor hun computerscherm, wat toch een heel andere omgeving is dan de fysieke winkelomgeving. Aspecten zoals aandachtstrekking en tijdsbesteding voor de advertentie in de winkel kunnen in deze situatie ook niet gemeten worden. Zoals Burke (2002) het omschrijft, hangt de effectiviteit van instore advertenties af van de inhoud, de context, alsook de kwaliteit van de blootstelling (behoeften van de ontvangers, snelheid en richting van het winkelverkeer, frequentie van de boodschap en de duur ervan). De behoeften van de ontvangers naar de geadverteerde producten zijn in dit onderzoek, wegens de online uitvoering van de enquête, echter allesbehalve optimaal. Dit kan er dus ook voor gezorgd hebben dat de effectiviteit van de gebruikte DS advertenties negatief werd beïnvloed, omdat de behoeften van de respondenten niet de behoeften weerspiegelen van die van shoppers op de plaats van het winkelbezoek. Met andere woorden, er kon hier zo goed als geen rekening worden gehouden met de context van de consumenten, wat toch ook heel belangrijk is. Daarnaast zit een grote beperking van dit onderzoek in het verschil tussen de gebruikte advertenties met weinig informatie en die met veel informatie. Voor de advertentie met veel informatie werd, in plaats van het toevoegen van meer argumenten, een recept toegevoegd. Er is hier dus sprake van een ander type informatie, aangezien dit onderzoek de doelstelling had niet-‐onderzochte aspecten te behandelen. Uit de literatuur bleek dat consumenten vaker boodschappen doen zonder planning of enige voorbereiding. Ze vertrouwen steeds meer op het idee dat de winkelomgeving hen inspiratie zal geven (Geuens, Brengman, & S’Jegers, 2003). Retailers dienen hier in de toekomst dus steeds meer op in te spelen om aan de noden van de consument te voldoen. Men dient er zich bijgevolg wel bewust van te zijn dat de resultaten bij de advertentie met veel informatie, naast de manipulatie van louter de hoeveelheid informatie, beïnvloed kunnen zijn door deze andere informatiebron, nl. een recept.
61
5 Suggesties voor verder onderzoek
Hoewel de hoofd-‐ en interactie-‐effecten van onafhankelijke variabelen dynamiek, hoeveelheid informatie en lengte van aankoopcyclus op het aankoopgedrag een maatschappelijk interessant topic was om te onderzoeken, is gebleken dat deze variabelen eigenlijk slechts een heel klein deeltje van de PI bepalen9. Het is dus interessant verder te onderzoeken welke variabelen hoofdzakelijk leiden tot de PI. In de bestaande literatuur werden reeds veel mogelijke variabelen onderzocht, maar toch is het ook interessant die variabelen opnieuw te meten aangezien deze kunnen evolueren in de tijd. Voornamelijk de winkelomgeving ( ‘retail atmospherics’) zelf blijkt met zijn massa aan instore stimuli een grote impact te hebben op de impulsaankopen, die steeds toenemen in waarde. Wat echter het meest interessant is om te onderzoeken is DS als recent revolutionair medium met enorm veel opportuniteiten, die nog steeds in aantal toenemen. De toekomst van DS zal, meer dan eender welk medium, evolueren aan de hand van nieuwe technologieën. Het is dan ook uitermate belangrijk deze evoluties bij te houden door verder te experimenteren. Het nieuw aangehaald topic ‘Contextual DS’ is hier een voorbeeld van, die aan de hand van real-‐time informatie nog beter kan inspelen op de behoeften van de consument. Interactie met de consument blijkt tevens een heel belangrijk aspect te zijn (Chen et. al., 2009; Heeg, 2009; Schrameyer, 2008). Wat de lengte van aankoopcyclus van beide producten betreft, was er bovendien weinig verschil, aangezien dit beiden voedselproducten zijn. Het is daarom aangewezen bij toekomstig onderzoek hiertussen een groter onderscheid te maken. Elektronische producten kunnen bijvoorbeeld een geschikter product met lange aankoopcyclus vormen. Wel dienen de producten in dit geval ook voldoende vergelijkbaar te zijn. Daarnaast kon dit onderzoek enkel effecten op korte termijn meten, hoewel het tevens interessant is om de langetermijneffecten op zowel de percepties als het gedrag van de consument te onderzoeken. Om deze effecten in kaart te brengen, kunnen variabelen zoals de klanttevredenheid, merkwaarde, trouwheid aan de winkel, enz. opgenomen worden. Bovendien zouden resultaten nog vollediger zijn door het peilen naar de perceptie van de consument op de retail omgeving, de aandacht die consumenten schenken aan DS en de tijd die ze spenderen om te kijken naar een advertentie.. Dit zijn allen onderzoeken, waarvan het vergaren van resultaten uiteraard niet zou kunnen gebeuren door middel van online enquêtes. Dit heeft als complicatie dat er voldoende tijd moet beschikbaar om zulke tijdrovende experimenten uit te voeren.
9 Zie lineaire regressieanalyse
62
6 Bibliografie
Adelaar, T., Chang, S., Lancendorfer, K. M., Lee, B., & Morimoto, M. (2003). Effects of media formats on emotions and impulse buying intent. Journal of Information Technology, 18, 247-‐266. Bauer, C., Dohmen, P., & Strauss, C. (2012). A conceptual framework for backend services of contextual digital signage. Journal of Service Science Research, 4, 271-‐297. Beatty, S. E. & Ferrell, M. E. (1998). Impulse Buying: Modeling Its Precursors. Journal of Retailing, 74(2), 161-‐167. Bruner, G. C. & Kumar, A. (2000). Web Commercials and Advertising Hierarchy-‐of-‐Effects. Journal of Advertising Research, 40, 35-‐42. Burke, R. R. (2002). Technology and the Customer Interface: What Consumers Want in the Physical and Virtual Store. Journal of the academy of Marketing Science, 30(4), 411-‐432. Burke, R. R. (2009). Behavioral Effects of Digital Signage. Journal of Advertising Research, 49, 180-‐185. Cacioppo, J. T. & Petty, R. E. (1984). The Elaboration Likelihood Model of Persuasion. Association for Consumer Research, 11, 673-‐675. Chandon, P., Hutchinson, J. W., Bradlow, E. T., & Young, S. H. (2009). Does in-‐store marketing work? Effects of the number and position of shelf facings on brand attention and evaluation at the point of purchase. Journal of Marketing, 73, 1-‐17. Chang, C. A. & Burke, R. R. (2007). Consumer choice of retail shopping aids. Journal of Retailing and Consumer Services, 14, 339-‐346. Chen, Q., Malric, F., Zhang, Y., Abid, M., Cordeiro, A., Petriu, E. M., & Georganas, N. D. (2009). Interacting with Digital Signage Using Hand Gestures. Lecture Notes in Computer Science, 5627, 347-‐358. Dennis, C., Michon, R., Brakus, J. J., Newman, A., & Alamanos, E. (2012). New insights into the impact of digital signage as a retail atmospherics tool. Journal of Consumer Behaviour, 11, 454-‐466.
63
Dennis, C., Newman, A., Michon, R., Brakus, J. J., & Wright, L. T. (2010). The mediating effects of perception and emotion: Digital signage in mall atmospherics. Journal of Retailing and Consumer Services, 17, 205-‐215. Detenber, B. H. (1996). A Bio-‐Informational Theory of Emotion: Motion and Image Size Effects on Viewers. Journal of Communication, 46(3). Eroglu, S. A., Machleit, K. A., & Chebat, J-‐C. (2005). The Interaction of Retail Density and Music Tempo: Effects on Shopper Responses. Psychology & Marketing, 22(7), 577-‐589. Fedorikhin, A. & Cole, C. A. (2004). Mood effects on attitudes, perceived risk and choice: Moderators and mediators. Journal of Consumer Psychology, 14, 2-‐12. Geuens, M., Brengman, M., & S’Jegers, R. (2003). Food retailing, now and in the future. A consumer perspective. Journal of Retailing and Consumer Services, 10, 241-‐251. Harrison, J. V. & Andrusiewicz, A. (2004). A virtual marketplace for advertising narrowcast over digital signage networks. Electronic Commerce Research and Applications, 3, 163-‐175. Heeg, R. (2009, april). Narrowcasting: Nederland op z’n smalst. Tijdschrift voor Marketing, 43(4), 66-‐70. Homer, P. M. (1995). Ad Size as an Indicator of Perceived Advertising Costs and Effort: The Effects on Memory and Perceptions. JA, 24, 1-‐12. Inman, J. J., Winer, R. S., & Ferraro, R. (2009). The Interplay Among Category Characteristics, Customer Characteristics, and Customer Activities on In-‐Store Decision Making. Journal of Marketing, 73, 19-‐29. Keller, K. L. & Staelin, R. (1987). Effects of Quality and Quantity of Information on Decision Effectiveness. Journal of Consumer Research, 14(2), 200-‐213. Kuisma, J., Simola, J., Uusitalo, L., & Öörni, A. (2010). The Effects of Animation and Format on the Perception and Memory of Online Advertising. Journal of Interactive Marketing, 24, 269-‐282. Martinez, S. W. (2007). The U.S. Food Marketing System: Recent Developments, 1997-‐2006. Economic Research Service.
64
Mehrabian, A. & Russell, J. (1974). An Approach to Environmental Psychology, MIT Press. Mittal, B. (1989). Measuring Purchase-‐Decision Involvement. Psychology & Marketing, 6, 147-‐162. Müller, J., Wilmsmann, D., Exeler, J., Buzeck, M., Schmidt, A., Jay, T., & Krüger, A. (2009). Display Blindness: The Effect of Expectations on Attention towards Digital Signage. ln Pervasive, 1-‐8. Nelson, E. & Ellison, S. (2005). In a Shift, Marketers Beef Up Ad Spending Inside Stores. Dow Jones & Company. Patton, W. E. (1981). Quantity of Information and Information Display Type as Predictors of Consumer Choice of Product Brands. Journal of Consumer Affairs, 15(1), 92-‐105. Petty, R. E., Cacioppo, J. T., & Schumann, D. (1983). Central and Peripheral Routes to Advertising Effectiveness: The Moderating Role of Involvement. Journal of Consumer Research, 10, 135-‐146. Schaeffler, J. (2008). Digital Signage: Software, Networks, Advertising, And Displays : a primer for understanding the business, Focal Press. Schrameyer, H. (2008, oktober). Instore Marketing: Bijna voorbij het knip-‐ en plakwerk. Tijdschrift voor Marketing, 42(10), 40-‐45. Schwarz, N., Bless, H., & Bohner, G. (1991). Mood and Persuasion: Affective States Influence the Processing of Persuasive Communications. Advances in Experimental Social Psychology, 24, 161-‐199. Stilley, K. M., Inman J. J., & Wakefield, K. L. (2010). Spending on the Fly: Mental Budgets, Promotions, and Spending Behavior. Journal of Marketing, 74, 34-‐47. Stern, H. (1962). The Significance of Impulse Buying Today. Journal of Marketing, 26(2). Turley, L. W. & Milliman, R. E. (2000). Atmospheric Effects on Shopping Behavior: A Review of the Experimental Evidence. Journal of Business Research, 49, 193-‐211.
65
Van Loock, N., Vermeir, I., & Geuens, M. (2010a). The effectiveness of digital versus traditional signage in a retail environment. Proceedings of the 9th International Conference on Research in Advertising (ICORIA). Spain. Van Loock, N., Vermeir, I., & Geuens, M. (2010b). Advertising repetition and complexity of digital signage advertisements: simplicity rules! Yalch, R. F. & Elmore-‐Yalch, R. (1984). The Effect of Numbers on the Route to Persuasion. Journal of Consumer Research, 11(1), 522-‐527.
66
7 Bijlagen
7.1 Bijlage 1: Advertenties 1. Statische advertentie pasta met weinig informatie
2. Statische advertentie pasta met veel informatie
67
3. Statische advertentie saus met weinig informatie
4. Statische advertentie saus met veel informatie
68
De dynamische advertenties kunnen niet worden toegevoegd aangezien dit filmpjes zijn gemaakt in Powerpoint aan de hand van teksteffecten.
69
7.2 Bijlage 2: Vragenlijst Beste respondent, Ik ben een studente bij UGent en studeer Handelswetenschappen, finaliteit Marketing. Voor mijn thesis onderzoek ik het aankoopgedrag van de consument. U kunt mij helpen door deze vragenlijst aandachtig, eerlijk en volledig in te vullen. Dit neemt slechts een 5 à 10-‐tal minuten van uw tijd en uw anonimiteit blijft volledig bewaard. Alvast bedankt voor uw medewerking, Julie Pyck
Q1: Duid aan hoe u zich nu voelt:
1 2 3 4 5 6 7 Verveeld ! ! ! ! ! ! ! Relaxed
Wanhopig ! ! ! ! ! ! ! Hoopvol
Ongelukkig ! ! ! ! ! ! ! Gelukkig
Melancholisch ! ! ! ! ! ! ! Voldaan
Geïrriteerd ! ! ! ! ! ! ! Vrolijk
Ontevreden ! ! ! ! ! ! ! Tevreden
Kalm ! ! ! ! ! ! ! Opgewonden
Ongeprikkeld ! ! ! ! ! ! ! Geprikkeld
Suf ! ! ! ! ! ! ! Zenuwachtig
Slaperig ! ! ! ! ! ! ! Wakker
Loom ! ! ! ! ! ! ! Wild
Onder controle gehouden ! ! ! ! ! ! ! Gezaghebbend
Beïnvloed ! ! ! ! ! ! ! Invloedrijk
Onbeheerst ! ! ! ! ! ! ! Beheerst
70
Q2: Hoe vaak koopt u sauzen om toe te voegen aan gerechten zoals ketchup,
mayonaise, ...? ! Nooit ! 2 keer per jaar ! 1 keer om de 2 maanden ! 1 keer per maand ! 2 keer per maand ! 1 keer per week ! Meer dan 1 keer per week Q3: Koopt u altijd hetzelfde merk van sauzen (zoals mayonaise, ketchup,...) ? ! Ja ! Nee Q4: In welke mate is het belangrijk voor u dat u altijd hetzelfde merk van sauzen
(zoals mayonaise, ketchup,...) koopt? ! helemaal niet belangrijk ! niet belangrijk ! beetje niet belangrijk ! noch onbelangrijk/noch belangrijk ! beetje belangrijk ! belangrijk ! heel belangrijk Q5: Bij de selectie van meerdere types en merken van sauzen (zoals mayonaise,
ketchup,...) beschikbaar in de markt, zou je zeggen dat:
1 2 3 4 5 6 7 het je helemaal niet kan schelen welke je koopt ! ! ! ! ! ! !
het je veel kan schelen welke je koopt
71
Q6: Denkt u dat de verschillende types en merken van sauzen (zoals mayonaise,
ketchup,...) beschikbaar in de markt allemaal redelijk lijken op elkaar of allemaal vrij verschillend van elkaar zijn?
1 2 3 4 5 6 7 Ze zijn allemaal
hetzelfde ! ! ! ! ! ! ! Ze zijn allemaal verschillend
Q7: Hoe belangrijk zou het zijn voor u om de juiste keuze te maken bij sauzen (zoals
mayonaise, ketchup,...) ?
1 2 3 4 5 6 7 Helemaal niet belangrijk ! ! ! ! ! ! ! Extreem belangrijk
Q8: Bij het selecteren van sauzen (zoals mayonaise, ketchup,...) , hoe bezorgd zou u
zijn over het gevolg van deze keuze?
1 2 3 4 5 6 7 Helemaal niet bezorgd ! ! ! ! ! ! ! Heel erg bezorgd
Q9: Hoe vaak koopt u pasta? ! Nooit ! 2 keer per jaar ! 1 keer om de 2 maanden ! 1 keer per maand ! 2 keer per maand ! 1 keer per week ! Meer dan 1 keer per week
72
Q10: Koopt u altijd hetzelfde pastamerk? ! Ja ! Nee Q11: In welke mate is het belangrijk voor u dat u altijd hetzelfde pastamerk koopt? ! helemaal niet belangrijk ! niet belangrijk ! beetje niet belangrijk ! noch onbelangrijk/noch belangrijk ! beetje belangrijk ! belangrijk ! heel belangrijk Q12: Bij de selectie van meerdere types en merken van pasta beschikbaar in de markt,
zou je zeggen dat:
1 2 3 4 5 6 7 het je helemaal niet kan schelen welke je koopt ! ! ! ! ! ! !
het je veel kan schelen welke je koopt
Q13: Denkt u dat de verschillende types en merken van pasta beschikbaar in de markt
allemaal redelijk lijken op elkaar of allemaal vrij verschillend van elkaar zijn?
1 2 3 4 5 6 7 Ze zijn allemaal
hetzelfde ! ! ! ! ! ! ! Ze zijn allemaal verschillend
73
Q14: Hoe belangrijk zou het zijn voor u om de juiste keuze te maken bij pasta?
1 2 3 4 5 6 7 Helemaal niet belangrijk ! ! ! ! ! ! ! Extreem belangrijk
Q15: Bij het selecteren van pasta, hoe bezorgd zou u zijn over het gevolg van deze keuze?
1 2 3 4 5 6 7 Helemaal niet bezorgd ! ! ! ! ! ! ! Heel erg bezorgd
Beeldt u zich in dat u in een supermarkt bent en dit scherm ziet waarop een advertentie is te zien. Bekijk vervolgens aandachtig de advertentie op volgende pagina. Het kan een tijdje duren vooraleer de advertentie te zien is, gelieve te wachten tot je de advertentie hebt gezien vooraleer naar de volgende pagina te gaan.
74
Vervolgens krijgt de respondent één van de acht advertenties te zien. Q16: Duid aan hoe u zich nu voelt:
1 2 3 4 5 6 7 Verveeld ! ! ! ! ! ! ! Relaxed
Wanhopig ! ! ! ! ! ! ! Hoopvol
Ongelukkig ! ! ! ! ! ! ! Gelukkig
Melancholisch ! ! ! ! ! ! ! Voldaan
Geïrriteerd ! ! ! ! ! ! ! Vrolijk
Ontevreden ! ! ! ! ! ! ! Tevreden
Kalm ! ! ! ! ! ! ! Opgewonden
Ongeprikkeld ! ! ! ! ! ! ! Geprikkeld
Suf ! ! ! ! ! ! ! Zenuwachtig
Slaperig ! ! ! ! ! ! ! Wakker
Loom ! ! ! ! ! ! ! Wild
Onder controle gehouden ! ! ! ! ! ! ! Gezaghebbend
Beïnvloed ! ! ! ! ! ! ! Invloedrijk
Onbeheerst ! ! ! ! ! ! ! Beheerst
75
Q17: In welke mate vindt u dat onderstaande stellingen de advertentie goed beschrijven?
helemaal niet waar
niet waar
beetje niet waar
noch niet waar/noch waar
beetje waar
waar helemaal waar
De advertentie was geloofwaardig ! ! ! ! ! ! !
De advertentie was interessant ! ! ! ! ! ! !
De advertentie was informatief ! ! ! ! ! ! !
De advertentie was goed ontworpen ! ! ! ! ! ! !
De advertentie was gemakkelijk te volgen ! ! ! ! ! ! !
De advertentie was aandachttrekkend ! ! ! ! ! ! !
De advertentie was duidelijk ! ! ! ! ! ! !
Q18: Hoe staat u ten opzichte van het product in de advertentie? Ik vind dit product...
1 2 3 4 5 6 7 Slecht ! ! ! ! ! ! ! Goed
Ongunstig ! ! ! ! ! ! ! Gunstig
Negatief ! ! ! ! ! ! ! Positief
76
Q19: Hoe staat u ten opzichte van het merk in de advertentie? Ik vind dit merk...
1 2 3 4 5 6 7 Slecht ! ! ! ! ! ! ! Goed
Ongunstig ! ! ! ! ! ! ! Gunstig
Negatief ! ! ! ! ! ! ! Positief
Q20: Zou u dit product uit de advertentie aanschaffen?
1 2 3 4 5 6 7 Vermoedelijk niet ! ! ! ! ! ! ! Vermoedelijk
Onwaarschijnlijk ! ! ! ! ! ! ! Waarschijnlijk
Onmogelijk ! ! ! ! ! ! ! Mogelijk
77
Q21: Duid aan in welke mate u akkoord bent met volgende stellingen.
Helemaal niet
akkoord
Niet akkoord
Eerder niet
akkoord
Noch akkoord, noch niet
akkoord
Eerder akkoord
Akkoord Volledig akkoord
Toen ik de advertentie zag, dan voelde ik een spontane drang het product te kopen.
! ! ! ! ! ! !
Toen ik de advertentie zag, wist ik dat ik het niet van mijn gedachten af
kon zetten tot ik het zou kopen.
! ! ! ! ! ! !
Toen ik de advertentie zag,
dacht ik helemaal niet aan de gevolgen van de aankoop.
! ! ! ! ! ! !
Ik maakte de keuze om het product te
kopen zonder twijfel.
! ! ! ! ! ! !
Toen ik de advertentie zag, kon ik er niet aan weerstaan.
! ! ! ! ! ! !
78
Q22: Wat is uw geslacht? ! Man ! Vrouw Q23: Geef hieronder uw geboortejaar in.
Bedankt voor uw deelname! Klik nu op >> om de vragenlijst af te sluiten.
79
7.3 Bijlage 3: SPSS-‐output pretest
7.3.1 Pretest 1
T-Test
Group Statistics
Lengte aankoopcyclus
N Mean Std. Deviation
Std. Error Mean
Aankoopfrequentie
Korte aankoopcyclus
27 4,37 1,115 ,214
Lange aankoopcyclus
27 3,93 ,675 ,130
Independent Samples Test
Levene's Test for
Equality of Variances
t-test for Equality of Means
F Sig. t df Sig. (2-
tailed)
Mean Differenc
e
Std. Error
Difference
95% Confidence Interval of
the Difference
Lower
Upper
Aankoop-frequentie
Equal variances assumed
5,466
,023
1,772
52 ,082 ,444 ,251 -,059
,948
Equal variances not assumed
1,772
42,818
,083 ,444 ,251 -,061
,950
80
Groep saus T-Test
Paired Samples Statistics Mean N Std. Deviation Std. Error
Mean
Pair 1 Dynamisch 4,86 22 1,583 ,337 Statisch 2,32 22 1,287 ,274
Paired Samples Correlations N Correlation Sig. Pair 1 Dynamisch & Statisch 22 -,375 ,085
Paired Samples Test Paired Differences t df Sig. (2-
tailed) Mean Std. Deviation
Std. Error Mean
95% Confidence Interval of the
Difference Lower Upper
Pair 1
Dynamisch - Statisch
2,545 2,385 ,508 1,488 3,603 5,006 21 ,000
T-Test Paired Samples Statistics
Mean N Std. Deviation
Std. Error Mean
Pair 1 Veel info 5,44 25 1,583 ,317 Weinig info 3,00 25 1,291 ,258
81
Paired Samples Correlations N Correlation Sig. Pair 1 Veel info & Weinig info 25 -,204 ,328
Paired Samples Test Paired Differences t df Sig.
(2-tailed)
Mean Std. Deviation
Std. Error Mean
95% Confidence
Interval of the Difference
Lower Upper Pair 1
Veel info – Weinig info
2,440 2,238 ,448 1,516 3,364 5,452 24 ,000
Groep chocolade
T-Test
Paired Samples Statistics Mean N Std. Deviation Std. Error
Mean
Pair 1 Dynamisch 4,89 18 1,183 ,279 Statisch 2,83 18 1,339 ,316
Paired Samples Correlations
N Correlation Sig. Pair 1 Dynamisch & Statisch 18 -,421 ,082
Paired Samples Test Paired Differences t df Sig. (2-
tailed) Mean Std. Deviation
Std. Error Mean
95% Confidence Interval of the
Difference Lower Upper
Pair 1
Dynamisch - Statisch
2,056 2,127 ,501 ,998 3,114 4,099 17 ,001
82
T-Test
Paired Samples Statisticsa Mean N Std. Deviation Std. Error
Mean
Pair 1 Veel info 5,31 26 1,050 ,206 Weinig info 4,08 26 1,647 ,323
Paired Samples Correlationsa
N Correlation Sig. Pair 1 Veel info & Weinig info 26 ,125 ,544
Paired Samples Testa Paired Differences t df Sig.
(2-tailed)
Mean Std. Deviation
Std. Error Mean
95% Confidence
Interval of the Difference
Lower Upper Pair 1
Veel info – Weinig info
1,231 1,840 ,361 ,488 1,974 3,411 25 ,002
83
7.3.2 Pretest 2
T-Test
Paired Samples Statistics Mean N Std. Deviation Std. Error
Mean
Pair 1 Korte aankoopcyclus 5,64 25 ,995 ,199 Lange aankoopcyclus 3,08 25 1,187 ,237
Paired Samples Correlations N Correlation Sig.
Pair 1 Korte aankoopcyclus & Lange aankoopcyclus
25 -,398 ,049
Paired Samples Test Paired Differences t df Sig.
(2-tailed)
Mean Std. Deviation
Std. Error Mean
95% Confidence
Interval of the Difference
Lower Upper
Pair 1
Korte aankoopcyclus - Lange aankoopcyclus
2,560 1,828 ,366 1,806 3,314 7,004 24 ,000
84
7.4 Bijlage 4: Cronbach’s Alpha RELIABILITY /VARIABLES=GEMT_voor_1 GEMT_voor_2 GEMT_voor_3 GEMT_voor_4 GEMT_voor_5 GEMT_voor_6 GEMT_voor_7 GEMT_voor_8 GEMT_voor_9 GEMT_voor_10 GEMT_voor_11 /SCALE('Gemoedstoestand voor adv') ALL /MODEL=ALPHA /SUMMARY=TOTAL.
Reliability Scale: Gemoedstoestand voor adv
Case Processing Summary N %
Cases Valid 270 96,1 Excludeda 11 3,9 Total 281 100,0
a. Listwise deletion based on all variables in the procedure.
Reliability Statistics Cronbach's
Alpha Cronbach's
Alpha Based on Standardized
Items
N of Items
,783 ,792 11
85
Item-Total Statistics Scale
Mean if Item
Deleted
Scale Variance
if Item Deleted
Corrected Item-Total Correlation
Squared Multiple
Correlation
Cronbach's Alpha if
Item Deleted
Duid aan hoe u zich nu voelt. -Verveeld:Relaxed
44,69 55,078 ,440 ,422 ,766
Duid aan hoe u zich nu voelt. -Wanhopig:Hoopvol
44,83 54,905 ,558 ,440 ,755
Duid aan hoe u zich nu voelt. -Ongelukkig:Gelukkig
44,54 53,431 ,633 ,755 ,746
Duid aan hoe u zich nu voelt. -Melancholisch:Voldaan
44,90 53,626 ,552 ,609 ,754
Duid aan hoe u zich nu voelt. -Geïrriteerd:Vrolijk
44,84 53,175 ,577 ,695 ,751
Duid aan hoe u zich nu voelt. -Ontevreden:Tevreden
44,63 51,960 ,658 ,752 ,741
Duid aan hoe u zich nu voelt. -Kalm:Opgewonden
46,54 60,532 ,133 ,280 ,804
Duid aan hoe u zich nu voelt. -Ongeprikkeld:Geprikkeld
46,30 60,492 ,169 ,239 ,796
Duid aan hoe u zich nu voelt. -Suf:Zenuwachtig
46,08 59,012 ,312 ,369 ,779
Duid aan hoe u zich nu voelt. -Slaperig:Wakker
45,73 53,835 ,438 ,473 ,767
Duid aan hoe u zich nu voelt. -Loom:Wild
46,19 55,861 ,462 ,501 ,764
86
RELIABILITY /VARIABLES=GEMT_voor_7 GEMT_voor_8 GEMT_voor_9 GEMT_voor_10 GEMT_voor_11 /SCALE('Opwinding voor adv') ALL /MODEL=ALPHA /SUMMARY=TOTAL.
Reliability Scale: Opwinding voor adv
Case Processing Summary N %
Cases Valid 160 100,0 Excludeda 0 ,0 Total 160 100,0
a. Listwise deletion based on all variables in the procedure.
Reliability Statistics Cronbach's
Alpha N of Items
,757 5
Item-Total Statistics Scale Mean
if Item Deleted
Scale Variance if
Item Deleted
Corrected Item-Total Correlation
Cronbach's Alpha if Item
Deleted Duid aan hoe u zich nu voelt. -Kalm:Opgewonden
15,75 15,057 ,536 ,709
Duid aan hoe u zich nu voelt. -Ongeprikkeld:Geprikkeld
15,38 16,942 ,396 ,758
Duid aan hoe u zich nu voelt. -Suf:Zenuwachtig
15,13 16,487 ,572 ,701
Duid aan hoe u zich nu voelt. -Slaperig:Wakker
14,84 15,076 ,507 ,722
Duid aan hoe u zich nu voelt. -Loom:Wild
15,38 15,318 ,642 ,674
87
RELIABILITY /VARIABLES=GEMT_na_7 GEMT_na_8 GEMT_na_9 GEMT_na_10 GEMT_na_11 /SCALE('Opwinding na adv') ALL /MODEL=ALPHA /SUMMARY=TOTAL.
Reliability Scale: Opwinding na adv
Case Processing Summary N %
Cases Valid 160 100,0 Excludeda 0 ,0 Total 160 100,0
a. Listwise deletion based on all variables in the procedure.
Reliability Statistics Cronbach's
Alpha N of Items
,816 5
Item-Total Statistics Scale Mean
if Item Deleted
Scale Variance if
Item Deleted
Corrected Item-Total Correlation
Cronbach's Alpha if Item
Deleted Duid aan hoe u zich nu voelt.-Kalm:Opgewonden
16,02 15,289 ,503 ,815
Duid aan hoe u zich nu voelt.-Ongeprikkeld:Geprikkeld
15,57 16,171 ,500 ,811
Duid aan hoe u zich nu voelt.-Suf:Zenuwachtig
15,66 16,150 ,693 ,764
Duid aan hoe u zich nu voelt.-Slaperig:Klaarwakker
15,46 14,200 ,641 ,770
Duid aan hoe u zich nu voelt.-Loom:Wild
15,74 14,610 ,757 ,737
88
RELIABILITY /VARIABLES=sBETR1_1 sBETR2_1 sBETR3_1 sBETR4_1 /SCALE('Betrokkenheid saus') ALL /MODEL=ALPHA /SUMMARY=TOTAL.
Reliability Scale: Betrokkenheid saus
Case Processing Summary N %
Cases Valid 264 94,0 Excludeda 17 6,0 Total 281 100,0
a. Listwise deletion based on all variables in the procedure.
Reliability Statistics Cronbach's
Alpha Cronbach's
Alpha Based on Standardized
Items
N of Items
,792 ,792 4
Item-Total Statistics Scale
Mean if Item
Deleted
Scale Variance if
Item Deleted
Corrected Item-Total Correlation
Squared Multiple
Correlation
Cronbach's Alpha if
Item Deleted
Bij de selectie van meerdere types en merken van sauzen (zoals mayonaise, ketchup,...) beschikbaa...-het je helemaal niet kan schelen welke je koopt:het je veel kan schelen welke je koopt
11,39 13,654 ,565 ,377 ,758
89
Denkt u dat de verschillende types en merken van sauzen (zoals mayonaise, ketchup,...) beschikbaa...-Ze zijn allemaal hetzelfde:Ze zijn allemaal verschillend
11,61 13,813 ,553 ,312 ,764
Hoe belangrijk zou het zijn voor u om de juiste keuze te maken bij sauzen (zoals mayonaise, ketch...-Helemaal niet belangrijk:Extreem belangrijk
12,12 11,853 ,741 ,558 ,666
Bij het selecteren van sauzen (zoals mayonaise, ketchup,...) , hoe bezorgd zou u zijn over het ge...-Helemaal niet bezorgd:Heel erg bezorgd
13,14 13,330 ,553 ,371 ,765
90
RELIABILITY /VARIABLES=pBETR1_1 pBETR2_1 pBETR3_1 pBETR4_1 /SCALE('Betrokkenheid pasta') ALL /MODEL=ALPHA /SUMMARY=TOTAL.
Reliability Scale: Betrokkenheid pasta
Case Processing Summary N %
Cases Valid 262 93,2 Excludeda 19 6,8 Total 281 100,0
a. Listwise deletion based on all variables in the procedure.
Reliability Statistics Cronbach's
Alpha Cronbach's
Alpha Based on Standardized
Items
N of Items
,898 ,899 4
91
Item-Total Statistics Scale
Mean if Item
Deleted
Scale Variance if
Item Deleted
Corrected Item-Total Correlation
Squared Multiple
Correlation
Cronbach's Alpha if
Item Deleted
Bij de selectie van meerdere types en merken van pasta beschikbaar in de markt, zou je zeggen dat:-het je helemaal niet kan schelen welke je koopt:het je veel kan schelen welke je koopt
9,84 19,195 ,811 ,672 ,854
Denkt u dat de verschillende types en merken van pasta beschikbaar in de markt allemaal redelijk...-Ze zijn allemaal hetzelfde:Ze zijn allemaal verschillend
9,59 20,802 ,690 ,500 ,899
Hoe belangrijk zou het zijn voor u om de juiste keuze te maken bij pasta?-Helemaal niet belangrijk:Extreem belangrijk
9,94 19,471 ,854 ,754 ,838
Bij het selecteren van pasta, hoe bezorgd zou u zijn over het gevolg van deze keuze?-Helemaal niet bezorgd:Heel erg bezorgd
10,47 21,515 ,745 ,630 ,879
92
RELIABILITY /VARIABLES=GEMT_na_1 GEMT_na_2 GEMT_na_3 GEMT_na_4 GEMT_na_5 GEMT_na_6 GEMT_na_7 GEMT_na_8 GEMT_na_9 GEMT_na_10 GEMT_na_11 /SCALE('Gemoedstoestand na adv') ALL /MODEL=ALPHA /SUMMARY=TOTAL.
Reliability Scale: Gemoedstoestand na adv
Case Processing Summary N %
Cases Valid 253 90,0 Excludeda 28 10,0 Total 281 100,0
a. Listwise deletion based on all variables in the procedure.
Reliability Statistics Cronbach's
Alpha Cronbach's
Alpha Based on Standardized
Items
N of Items
,847 ,852 11
Item-Total Statistics Scale
Mean if Item
Deleted
Scale Variance
if Item Deleted
Corrected Item-Total Correlation
Squared Multiple
Correlation
Cronbach's Alpha if
Item Deleted
Duid aan hoe u zich nu voelt.-Verveeld:Relaxed
44,52 63,394 ,512 ,443 ,836
Duid aan hoe u zich nu voelt.-Wanhopig:Hoopvol
44,42 63,482 ,665 ,607 ,825
Duid aan hoe u zich nu voelt.-Ongelukkig:Gelukkig
44,18 62,086 ,675 ,745 ,823
93
Duid aan hoe u zich nu voelt.-Melancholisch:Voldaan
44,46 61,987 ,682 ,692 ,822
Duid aan hoe u zich nu voelt.-Geïrriteerd:Vrolijk
44,44 61,010 ,666 ,760 ,822
Duid aan hoe u zich nu voelt.-Ontevreden:Tevreden
44,25 62,702 ,655 ,788 ,824
Duid aan hoe u zich nu voelt.-Kalm:Opgewonden
45,68 68,646 ,246 ,376 ,860
Duid aan hoe u zich nu voelt.-Ongeprikkeld:Geprikkeld
45,34 68,574 ,299 ,289 ,853
Duid aan hoe u zich nu voelt.-Suf:Zenuwachtig
45,49 67,703 ,443 ,502 ,841
Duid aan hoe u zich nu voelt.-Slaperig:Klaarwakker
45,17 63,610 ,511 ,560 ,836
Duid aan hoe u zich nu voelt.-Loom:Wild
45,49 64,481 ,577 ,666 ,831
RELIABILITY /VARIABLES=Aad_1 Aad_2 Aad_3 Aad_4 Aad_5 Aad_6 Aad_7 /SCALE('Attitude tov adv') ALL /MODEL=ALPHA /SUMMARY=TOTAL.
Reliability Scale: Attitude tov adv
Case Processing Summary N %
Cases Valid 248 88,3 Excludeda 33 11,7 Total 281 100,0
a. Listwise deletion based on all variables in the procedure.
94
Reliability Statistics Cronbach's
Alpha Cronbach's
Alpha Based on Standardized
Items
N of Items
,841 ,840 7
Item-Total Statistics Scale
Mean if Item
Deleted
Scale Variance if
Item Deleted
Corrected Item-Total Correlation
Squared Multiple
Correlation
Cronbach's Alpha if
Item Deleted
In welke mate vindt u dat onderstaande stellingen de advertentie goed beschrijven?-De advertentie was geloofwaardig
28,76 34,565 ,489 ,334 ,834
In welke mate vindt u dat onderstaande stellingen de advertentie goed beschrijven?-De advertentie was interessant
29,25 32,818 ,561 ,470 ,824
In welke mate vindt u dat onderstaande stellingen de advertentie goed beschrijven?-De advertentie was informatief
28,91 33,911 ,498 ,376 ,833
95
In welke mate vindt u dat onderstaande stellingen de advertentie goed beschrijven?-De advertentie was goed ontworpen
28,87 30,323 ,704 ,557 ,801
In welke mate vindt u dat onderstaande stellingen de advertentie goed beschrijven?-De advertentie was gemakkelijk te volgen
28,40 31,941 ,617 ,646 ,816
In welke mate vindt u dat onderstaande stellingen de advertentie goed beschrijven?-De advertentie was aandachttrekkend
28,88 31,891 ,601 ,473 ,818
In welke mate vindt u dat onderstaande stellingen de advertentie goed beschrijven?-De advertentie was duidelijk
28,35 31,508 ,690 ,674 ,805
96
RELIABILITY /VARIABLES=Ab_1 Ab_2 Ab_3 /SCALE('Attitude tov merk') ALL /MODEL=ALPHA /SUMMARY=TOTAL.
Reliability Scale: Attitude tov merk
Case Processing Summary N %
Cases Valid 248 88,3 Excludeda 33 11,7 Total 281 100,0
a. Listwise deletion based on all variables in the procedure.
Reliability Statistics Cronbach's
Alpha Cronbach's
Alpha Based on Standardized
Items
N of Items
,945 ,945 3
Item-Total Statistics Scale
Mean if Item
Deleted
Scale Variance if
Item Deleted
Corrected Item-Total Correlation
Squared Multiple
Correlation
Cronbach's Alpha if
Item Deleted
Hoe staat u ten opzichte van het merk in de advertentie? Ik vind dit merk...-Slecht:Goed
10,25 4,429 ,877 ,804 ,926
97
Hoe staat u ten opzichte van het merk in de advertentie? Ik vind dit merk...-Ongunstig:Gunstig
10,48 4,291 ,854 ,748 ,944
Hoe staat u ten opzichte van het merk in de advertentie? Ik vind dit merk...-Negatief:Positief
10,36 4,223 ,926 ,861 ,888
RELIABILITY /VARIABLES=PI_1 PI_2 PI_3 /SCALE('Aankoopintentie') ALL /MODEL=ALPHA /SUMMARY=TOTAL.
Reliability
Scale: Aankoopintentie
Case Processing Summary N %
Cases Valid 248 88,3 Excludeda 33 11,7 Total 281 100,0
a. Listwise deletion based on all variables in the procedure.
Reliability Statistics Cronbach's
Alpha Cronbach's
Alpha Based on Standardized
Items
N of Items
,921 ,922 3
98
Item-Total Statistics Scale
Mean if Item Delete
d
Scale Variance if Item Deleted
Corrected Item-Total Correlatio
n
Squared Multiple
Correlation
Cronbach's Alpha if
Item Deleted
Zou u dit product uit de advertentie aanschaffen?-Vermoedelijk niet:Vermoedelijk
8,77 7,328 ,874 ,823 ,861
Zou u dit product uit de advertentie aanschaffen?-Onwaarschijnlijk:Waarschijnlijk
8,59 7,879 ,902 ,841 ,834
Zou u dit product uit de advertentie aanschaffen?-Onmogelijk:Mogelijk
8,11 9,466 ,760 ,584 ,948
RELIABILITY /VARIABLES=IMPULS_1 IMPULS_2 IMPULS_3 IMPULS_4 IMPULS_5 /SCALE('Impulsiviteit') ALL /MODEL=ALPHA /SUMMARY=TOTAL.
Reliability Scale: Impulsiviteit
Case Processing Summary N %
Cases Valid 248 88,3 Excludeda 33 11,7 Total 281 100,0
a. Listwise deletion based on all variables in the procedure.
99
Reliability Statistics Cronbach's
Alpha Cronbach's
Alpha Based on Standardized
Items
N of Items
,742 ,772 5
Item-Total Statistics Scale
Mean if Item
Deleted
Scale Variance if
Item Deleted
Corrected Item-Total Correlation
Squared Multiple
Correlation
Cronbach's Alpha if
Item Deleted
Duid aan in welke mate u akkoord bent met volgende stellingen.-Toen ik de advertentie zag, dan voelde ik een spontane drang het product te kopen.
11,59 14,979 ,655 ,489 ,640
Duid aan in welke mate u akkoord bent met volgende stellingen.-Toen ik de advertentie zag, wist ik dat ik het niet van mijn gedachten af kon zetten tot ik het zou kopen.
12,30 15,847 ,684 ,650 ,641
Duid aan in welke mate u akkoord bent met volgende stellingen.-Toen ik de advertentie zag, dacht ik helemaal niet aan de gevolgen van de aankoop.
10,33 19,835 ,073 ,033 ,870
100
Duid aan in welke mate u akkoord bent met volgende stellingen.-Ik maakte de keuze om het product te kopen zonder twijfel.
11,75 14,253 ,668 ,511 ,630
Duid aan in welke mate u akkoord bent met volgende stellingen.-Toen ik de advertentie zag, kon ik er niet aan weerstaan.
12,20 15,600 ,645 ,635 ,648
RELIABILITY /VARIABLES=BETR3pENs BETR4pENs /SCALE('Risicoperceptie') ALL /MODEL=ALPHA /SUMMARY=TOTAL.
Reliability Scale: Risicoperceptie
Case Processing Summary N %
Cases Valid 262 100,0 Excludeda 0 ,0 Total 262 100,0
a. Listwise deletion based on all variables in the procedure.
Reliability Statistics Cronbach's
Alpha N of Items
,815 2
101
Item-Total Statistics
Scale Mean if Item
Deleted
Scale Variance if
Item Deleted
Corrected Item-Total Correlation
Cronbach's Alpha if Item
Deleted Hoe belangrijk zou het zijn voor u om de juiste keuze te maken bij het product? -Helemaal niet belangrijk:Extreem belangrijk
2,8302 1,700 ,689 .
Bij het selecteren van het product, hoe bezorgd zou u zijn over het gevolg van deze keuze? -Helemaal niet bezorgd:Heel erg bezorgd
3,6469 1,615 ,689 .
102
7.5 Bijlage 5: Informatie respondenten
Frequencies
Statistics Wat is uw geslacht?
N Valid 262 Missing 0
Wat is uw geslacht? Frequency Percent Valid Percent Cumulative
Percent
Valid Man 108 41,2 41,2 41,2 Vrouw 154 58,8 58,8 100,0 Total 262 100,0 100,0
Frequencies
Statistics Leeftijd
N Valid 262 Missing 0
Leeftijd Frequency Percent Valid Percent Cumulative
Percent
Valid
16 1 ,4 ,4 ,4 17 1 ,4 ,4 ,8 18 1 ,4 ,4 1,1 19 7 2,7 2,7 3,8 20 7 2,7 2,7 6,5 21 14 5,3 5,3 11,8 22 14 5,3 5,3 17,2
103
23 93 35,5 35,5 52,7 24 45 17,2 17,2 69,8 25 20 7,6 7,6 77,5 26 10 3,8 3,8 81,3 27 8 3,1 3,1 84,4 28 6 2,3 2,3 86,6 29 4 1,5 1,5 88,2 30 3 1,1 1,1 89,3 31 2 ,8 ,8 90,1 32 1 ,4 ,4 90,5 33 1 ,4 ,4 90,8 34 1 ,4 ,4 91,2 36 1 ,4 ,4 91,6 37 1 ,4 ,4 92,0 38 2 ,8 ,8 92,7 40 1 ,4 ,4 93,1 44 3 1,1 1,1 94,3 45 1 ,4 ,4 94,7 46 1 ,4 ,4 95,0 50 2 ,8 ,8 95,8 53 2 ,8 ,8 96,6 54 5 1,9 1,9 98,5 61 1 ,4 ,4 98,9 70 1 ,4 ,4 99,2 80 1 ,4 ,4 99,6 81 1 ,4 ,4 100,0 Total 262 100,0 100,0
Descriptives
Descriptive Statistics N Minimum Maximum Mean Std. Deviation Leeftijd 262 16 81 26,09 8,934 Valid N (listwise) 262
104
7.6 Bijlage 6: Hypothese 1
T-Test
Group Statistics
Hoeveelheid informatie
N Mean Std. Deviation
Std. Error Mean
Attitude tov adv Weinig info 128 4,9442 ,78025 ,06896 Veel info 134 4,6343 1,05627 ,09125
Attitude tov merk
Weinig info 128 5,2292 1,01584 ,08979 Veel info 134 5,1592 1,02575 ,08861
Aankoopintentie Weinig info 128 4,3047 1,42594 ,12604 Veel info 134 4,1642 1,42642 ,12322
Independent Samples Test Levene's
Test for Equality
of Variances
t-test for Equality of Means
F Sig.
t df Sig. (2-
tailed)
Mean Differen
ce
Std. Error
Difference
95% Confidence
Interval of the Difference
Lower Upper
Attitude tov adv
Equal variances assumed
9,824
,002
2,691
260 ,008 ,30987 ,11515 ,08312
,53662
Equal variances not assumed
2,709
244,720
,007 ,30987 ,11438 ,08458
,53516
105
Attitude tov merk
Equal variances assumed
,095 ,758
,554 260 ,580 ,06996 ,12618 -,1785
0
,31842
Equal variances not assumed
,555 259,658
,580 ,06996 ,12615 -,1784
5
,31837
Aankoopintentie
Equal variances assumed
,017 ,898
,797 260 ,426 ,14051 ,17627 -,2065
8
,48760
Equal variances not assumed
,797 259,459
,426 ,14051 ,17626 -,2065
8
,48760
Correlations Betrokkenheid Attitude tov adv
Betrokkenheid Pearson Correlation 1 ,044 Sig. (2-tailed) ,476 N 262 262
Attitude tov adv Pearson Correlation ,044 1 Sig. (2-tailed) ,476
N 262 262
Correlations Betrokkenheid Attitude tov
merk
Betrokkenheid Pearson Correlation 1 ,033 Sig. (2-tailed) ,592 N 262 262
Attitude tov merk Pearson Correlation ,033 1 Sig. (2-tailed) ,592
N 262 262
106
Correlations
Betrokkenheid Aankoopintentie
Betrokkenheid Pearson Correlation 1 ,007 Sig. (2-tailed) ,908 N 262 262
Aankoopintentie Pearson Correlation ,007 1 Sig. (2-tailed) ,908
N 262 262
107
7.7 Bijlage 7: Hypothese 2
T-Test
Group Statistics
Dynamiek N Mean Std. Deviation Std. Error Mean
Attitude tov adv Statisch 160 4,8804 ,96477 ,07627 Dynamisch 102 4,6373 ,89173 ,08829
Attitude tov merk Statisch 160 5,4417 ,99443 ,07862 Dynamisch 102 4,8039 ,93737 ,09281
Aankoopintentie Statisch 160 4,2521 1,54085 ,12181 Dynamisch 102 4,2026 1,22870 ,12166
Independent Samples Test Levene's
Test for Equality of Variances
t-test for Equality of Means
F Sig.
t df Sig. (2-
tailed)
Mean Differen
ce
Std. Error
Difference
95% Confidence
Interval of the Difference
Lower
Upper
Attitude tov adv
Equal variances assumed
,246 ,621
2,048
260 ,042 ,24310 ,11873 ,00931
,47690
Equal variances not assumed
2,084
227,505
,038 ,24310 ,11668 ,01320
,47301
108
Attitude tov merk
Equal variances assumed
2,801
,095
5,175
260 ,000 ,63775 ,12324 ,39507
,88042
Equal variances not assumed
5,243
224,509
,000 ,63775 ,12163 ,39805
,87744
Aankoopintentie
Equal variances assumed
11,587
,001
,273 260 ,785 ,04947 ,18090 -,306
74
,40568
Equal variances not assumed
,287 247,202
,774 ,04947 ,17216 -,289
62
,38856
Correlations
Gemoedstoestand na adv
Attitude tov adv
Gemoedstoestand na adv Pearson Correlation 1 ,264** Sig. (2-tailed) ,000 N 262 262
Attitude tov adv Pearson Correlation ,264** 1 Sig. (2-tailed) ,000
N 262 262 **. Correlation is significant at the 0.01 level (2-tailed).
Correlations Gemoedstoest
and na adv Attitude tov
merk
Gemoedstoestand na adv Pearson Correlation 1 ,124* Sig. (2-tailed) ,045 N 262 262
Attitude tov merk Pearson Correlation ,124* 1 Sig. (2-tailed) ,045
N 262 262 *. Correlation is significant at the 0.05 level (2-tailed).
109
Correlations Gemoedstoest
and na adv Aankoopintenti
e
Gemoedstoestand na adv Pearson Correlation 1 ,085 Sig. (2-tailed) ,171 N 262 262
Aankoopintentie Pearson Correlation ,085 1 Sig. (2-tailed) ,171
N 262 262
110
7.8 Bijlage 8: Hypothese 3
T-Test
Group Statistics
Lengte aankoopcyclus
N Mean Std. Deviation
Std. Error Mean
Attitude tov adv
Korte aankoopcyclus
133 4,9280 1,01772 ,08825
Lange aankoopcyclus
129 4,6390 ,83759 ,07375
Attitude tov merk
Korte aankoopcyclus
133 5,2782 1,05264 ,09128
Lange aankoopcyclus
129 5,1059 ,98070 ,08635
Aankoopintentie
Korte aankoopcyclus
133 4,5965 1,35404 ,11741
Lange aankoopcyclus
129 3,8579 1,40422 ,12363
Independent Samples Test Levene's
Test for Equality
of Variances
t-test for Equality of Means
F Sig.
t df Sig. (2-
tailed)
Mean Differen
ce
Std. Error
Difference
95% Confidence
Interval of the Difference
Lower
Upper
Attitude tov adv
Equal variances assumed
3,124
,078
2,506
260 ,013 ,28905 ,11534 ,06193
,51618
111
Equal variances not assumed
2,513
253,331
,013 ,28905 ,11500 ,06257
,51554
Attitude tov merk
Equal variances assumed
,865 ,353
1,369
260 ,172 ,17225 ,12578 -,075
43
,41993
Equal variances not assumed
1,371
259,583
,172 ,17225 ,12565 -,075
16
,41967
Aankoopintentie
Equal variances assumed
,687 ,408
4,334
260 ,000 ,73861 ,17041 ,40306
1,07416
Equal variances not assumed
4,332
258,838
,000 ,73861 ,17050 ,40286
1,07436
Correlations Risico_percepti
e Attitude tov adv
Risico_perceptie Pearson Correlation 1 ,039 Sig. (2-tailed) ,533 N 262 262
Attitude tov adv Pearson Correlation ,039 1 Sig. (2-tailed) ,533
N 262 262
112
Correlations Risico_percepti
e Attitude tov
merk
Risico_perceptie Pearson Correlation 1 ,019 Sig. (2-tailed) ,759 N 262 262
Attitude tov merk Pearson Correlation ,019 1 Sig. (2-tailed) ,759
N 262 262
Correlations Risico_percepti
e Aankoopintenti
e
Risico_perceptie Pearson Correlation 1 ,002 Sig. (2-tailed) ,975 N 262 262
Aankoopintentie Pearson Correlation ,002 1 Sig. (2-tailed) ,975
N 262 262
Group Statistics
Lengte aankoopcyclus
N Mean Std. Deviation
Std. Error Mean
Risico_perceptie
Korte aankoopcyclus
133 3,3628 1,16143 ,10071
Lange aankoopcyclus
129 3,1105 1,19566 ,10527
113
Independent Samples Test Levene'
s Test for
Equality of
Variances
t-test for Equality of Means
F Sig.
t df Sig. (2-
tailed)
Mean Differen
ce
Std. Error
Difference
95% Confidence Interval of
the Difference
Lower
Upper
Risico_perceptie
Equal variances assumed
,230
,632
1,733
260 ,084 ,25232 ,14562 -,034
43
,53906
Equal variances not assumed
1,732
259,077
,084 ,25232 ,14569 -,034
56
,53920
114
7.9 Bijlage 9: Hypothese 4 & 5 Selectie covariaten
Univariate Analysis of Variance
Tests of Between-Subjects Effects Dependent Variable: Attitude tov adv Source Type III
Sum of Squares
df Mean Square
F Sig. Partial Eta
Squared
Noncent. Parameter
Observed Powerb
Corrected Model 43,058a 14 3,076 4,021 ,000 ,186 56,291 1,000 Intercept 34,492 1 34,492 45,093 ,000 ,154 45,093 1,000 Gemgemoedvoor 1,892 1 1,892 2,473 ,117 ,010 2,473 ,347 Gemgemoedna 10,071 1 10,071 13,167 ,000 ,051 13,167 ,951 GemBETR ,075 1 ,075 ,098 ,754 ,000 ,098 ,061 Aankoopfrequentie 2,109 1 2,109 2,757 ,098 ,011 2,757 ,380 Merkbelang 1,135 1 1,135 1,484 ,224 ,006 1,484 ,228 LEEFTIJD 1,213 1 1,213 1,586 ,209 ,006 1,586 ,241 GESL 1,523 1 1,523 1,991 ,160 ,008 1,991 ,290 INFORMATIE 4,998 1 4,998 6,534 ,011 ,026 6,534 ,721 DYNAMIEK 1,799 1 1,799 2,352 ,126 ,009 2,352 ,333 AANKOOPCYCLUS 4,885 1 4,885 6,386 ,012 ,025 6,386 ,711 INFORMATIE * DYNAMIEK
,862 1 ,862 1,127 ,289 ,005 1,127 ,185
INFORMATIE * AANKOOPCYCLUS
1,537 1 1,537 2,009 ,158 ,008 2,009 ,292
DYNAMIEK * AANKOOPCYCLUS
1,198 1 1,198 1,566 ,212 ,006 1,566 ,239
INFORMATIE * DYNAMIEK * AANKOOPCYCLUS
,009 1 ,009 ,012 ,912 ,000 ,012 ,051
Error 188,932 247 ,765 Total 6232,592 262 Corrected Total 231,990 261
a. R Squared = ,186 (Adjusted R Squared = ,139) b. Computed using alpha =
115
3-‐Way ANOVA model
Univariate Analysis of Variance
Tests of Between-Subjects Effects Dependent Variable: Attitude tov adv Source Type III
Sum of Squares
df Mean Square
F Sig. Partial Eta
Squared
Noncent. Parameter
Observed Powerb
Corrected Model 26,718a 11 2,429 4,140 ,000 ,209 45,541 ,999 Intercept 24,764 1 24,764 42,209 ,000 ,197 42,209 1,000 Gemgemoedna 6,556 1 6,556 11,175 ,001 ,061 11,175 ,914 Aankoopfrequentie 2,662 1 2,662 4,538 ,035 ,026 4,538 ,563 GESL ,477 1 ,477 ,814 ,368 ,005 ,814 ,146 LEEFTIJD ,041 1 ,041 ,070 ,791 ,000 ,070 ,058 INFORMATIE 1,244 1 1,244 2,121 ,147 ,012 2,121 ,305 DYNAMIEK 4,562 1 4,562 7,776 ,006 ,043 7,776 ,792 AANKOOPCYCLUS 4,461 1 4,461 7,603 ,006 ,042 7,603 ,783 INFORMATIE * DYNAMIEK
1,639 1 1,639 2,794 ,096 ,016 2,794 ,383
INFORMATIE * AANKOOPCYCLUS
,493 1 ,493 ,841 ,360 ,005 ,841 ,149
DYNAMIEK * AANKOOPCYCLUS
2,026 1 2,026 3,452 ,065 ,020 3,452 ,455
INFORMATIE * DYNAMIEK * AANKOOPCYCLUS
,527 1 ,527 ,899 ,345 ,005 ,899 ,156
Error 100,911 172 ,587
Total 4569,020 184
Corrected Total 127,629 183
a. R Squared = ,209 (Adjusted R Squared = ,159) b. Computed using alpha =
116
117
118
USE ALL. COMPUTE filter_$=(AANKOOPCYCLUS = 0). VARIABLE LABELS filter_$ 'AANKOOPCYCLUS = 0 (FILTER)'. VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'. FORMATS filter_$ (f1.0). FILTER BY filter_$. EXECUTE. T-TEST GROUPS=DYNAMIEK(0 1) /MISSING=ANALYSIS /VARIABLES=Gem_Aad /CRITERIA=CI(.95).
T-Test
Group Statistics
Dynamiek N Mean Std. Deviation Std. Error Mean
Attitude tov adv Statisch 82 5,0784 ,96111 ,10614 Dynamisch 51 4,6863 1,06829 ,14959
Independent Samples Test
Levene's Test for
Equality of Variances
t-test for Equality of Means
F Sig. t df Sig. (2-
tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the
Difference
Lower Upper
Attitude tov adv
Equal variances assumed
,387 ,535 2,191 131 ,030 ,39212 ,17893 ,03815 ,74610
Equal variances not assumed
2,138 97,725 ,035 ,39212 ,18342 ,02812 ,75612
119
USE ALL. COMPUTE filter_$=(AANKOOPCYCLUS = 1). VARIABLE LABELS filter_$ 'AANKOOPCYCLUS = 1 (FILTER)'. VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'. FORMATS filter_$ (f1.0). FILTER BY filter_$. EXECUTE. T-TEST GROUPS=DYNAMIEK(0 1) /MISSING=ANALYSIS /VARIABLES=Gem_Aad /CRITERIA=CI(.95).
T-Test
Group Statistics
Dynamiek N Mean Std. Deviation Std. Error Mean
Attitude tov adv Statisch 78 4,6722 ,92985 ,10528 Dynamisch 51 4,5882 ,67832 ,09498
Independent Samples Test Levene's
Test for Equality of Variances
t-test for Equality of Means
F Sig. t df Sig. (2-
tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the
Difference
Lower Upper
Attitude tov adv
Equal variances assumed
2,063 ,153 ,555 127 ,580 ,08393 ,15124 -,21535
,38321
Equal variances not assumed
,592 125,411 ,555 ,08393 ,14180 -,19670
,36455
120
USE ALL. COMPUTE filter_$=(DYNAMIEK = 0). VARIABLE LABELS filter_$ 'DYNAMIEK = 0 (FILTER)'. VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'. FORMATS filter_$ (f1.0). FILTER BY filter_$. EXECUTE. T-TEST GROUPS=AANKOOPCYCLUS(0 1) /MISSING=ANALYSIS /VARIABLES=Gem_Aad /CRITERIA=CI(.95).
T-Test
Group Statistics
Lengte aankoopcyclus
N Mean Std. Deviation
Std. Error Mean
Attitude tov adv
Korte aankoopcyclus
82 5,0784 ,96111 ,10614
Lange aankoopcyclus
78 4,6722 ,92985 ,10528
Independent Samples Test Levene's
Test for Equality of Variances
t-test for Equality of Means
F Sig. t df Sig. (2-
tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the
Difference
Lower Upper
Attitude tov adv
Equal variances assumed
,111 ,739 2,715 158 ,007 ,40624 ,14962 ,11072 ,70176
Equal variances not assumed
2,717 157,953 ,007 ,40624 ,14950 ,11096 ,70151
USE ALL.
121
COMPUTE filter_$=(DYNAMIEK = 1). VARIABLE LABELS filter_$ 'DYNAMIEK = 1 (FILTER)'. VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'. FORMATS filter_$ (f1.0). FILTER BY filter_$. EXECUTE. T-TEST GROUPS=AANKOOPCYCLUS(0 1) /MISSING=ANALYSIS /VARIABLES=Gem_Aad /CRITERIA=CI(.95).
T-Test
Group Statistics
Lengte aankoopcyclus
N Mean Std. Deviation
Std. Error Mean
Attitude tov adv
Korte aankoopcyclus
51 4,6863 1,06829 ,14959
Lange aankoopcyclus
51 4,5882 ,67832 ,09498
Independent Samples Test Levene's
Test for Equality of Variances
t-test for Equality of Means
F Sig. t df Sig. (2-
tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the
Difference
Lower Upper
Attitude tov adv
Equal variances assumed
4,782 ,031 ,553 100 ,581 ,09804 ,17720 -,25352
,44960
Equal variances not assumed
,553 84,680 ,582 ,09804 ,17720 -,25430
,45038
USE ALL.
122
COMPUTE filter_$=(AANKOOPCYCLUS = 0). VARIABLE LABELS filter_$ 'AANKOOPCYCLUS = 0 (FILTER)'. VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'. FORMATS filter_$ (f1.0). FILTER BY filter_$. EXECUTE. T-TEST GROUPS=INFORMATIE(0 1) /MISSING=ANALYSIS /VARIABLES=Gem_Aad /CRITERIA=CI(.95).
T-Test
Group Statistics
Hoeveelheid informatie
N Mean Std. Deviation
Std. Error Mean
Attitude tov adv
Weinig info 66 5,1710 ,79093 ,09736 Veel info 67 4,6887 1,15682 ,14133
Independent Samples Test
Levene's Test for
Equality of Variances
t-test for Equality of Means
F Sig. t df Sig. (2-
tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the
Difference
Lower Upper
Attitude tov adv
Equal variances assumed
5,925 ,016 2,803 131 ,006 ,48230 ,17209 ,14186 ,82273
Equal variances not assumed
2,810 116,796 ,006 ,48230 ,17162 ,14241 ,82218
123
USE ALL. COMPUTE filter_$=(AANKOOPCYCLUS = 1). VARIABLE LABELS filter_$ 'AANKOOPCYCLUS = 1 (FILTER)'. VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'. FORMATS filter_$ (f1.0). FILTER BY filter_$. EXECUTE. T-TEST GROUPS=INFORMATIE(0 1) /MISSING=ANALYSIS /VARIABLES=Gem_Aad /CRITERIA=CI(.95).
T-Test
Group Statistics
Hoeveelheid informatie
N Mean Std. Deviation
Std. Error Mean
Attitude tov adv
Weinig info 62 4,7028 ,69712 ,08853 Veel info 67 4,5800 ,95083 ,11616
Independent Samples Test Levene's
Test for Equality of Variances
t-test for Equality of Means
F Sig. t df Sig. (2-
tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the
Difference
Lower Upper
Attitude tov adv
Equal variances assumed
7,314 ,008 ,831 127 ,408 ,12281 ,14778 -,16962
,41524
Equal variances not assumed
,841 120,833 ,402 ,12281 ,14605 -,16635
,41197
124
USE ALL. COMPUTE filter_$=(INFORMATIE = 0). VARIABLE LABELS filter_$ 'INFORMATIE = 0 (FILTER)'. VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'. FORMATS filter_$ (f1.0). FILTER BY filter_$. EXECUTE. T-TEST GROUPS=AANKOOPCYCLUS(0 1) /MISSING=ANALYSIS /VARIABLES=Gem_Aad /CRITERIA=CI(.95).
T-Test
Group Statistics
Lengte aankoopcyclus
N Mean Std. Deviation
Std. Error Mean
Attitude tov adv
Korte aankoopcyclus
66 5,1710 ,79093 ,09736
Lange aankoopcyclus
62 4,7028 ,69712 ,08853
Independent Samples Test
Levene's Test for
Equality of Variances
t-test for Equality of Means
F Sig. t df Sig. (2-
tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the
Difference
Lower Upper
Attitude tov adv
Equal variances assumed
2,115 ,148 3,544 126 ,001 ,46823 ,13211 ,20678 ,72968
Equal variances not assumed
3,558 125,502 ,001 ,46823 ,13159 ,20780 ,72866
125
USE ALL. COMPUTE filter_$=(INFORMATIE = 1). VARIABLE LABELS filter_$ 'INFORMATIE = 1 (FILTER)'. VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'. FORMATS filter_$ (f1.0). FILTER BY filter_$. EXECUTE. T-TEST GROUPS=AANKOOPCYCLUS(0 1) /MISSING=ANALYSIS /VARIABLES=Gem_Aad /CRITERIA=CI(.95).
T-Test
Group Statistics
Lengte aankoopcyclus
N Mean Std. Deviation
Std. Error Mean
Attitude tov adv
Korte aankoopcyclus
67 4,6887 1,15682 ,14133
Lange aankoopcyclus
67 4,5800 ,95083 ,11616
Independent Samples Test Levene's
Test for Equality of Variances
t-test for Equality of Means
F Sig. t df Sig. (2-
tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the
Difference
Lower Upper
Attitude tov adv
Equal variances assumed
1,365 ,245 ,594 132 ,553 ,10874 ,18294 -,25313
,47062
Equal variances not assumed
,594 127,230 ,553 ,10874 ,18294 -,25326
,47074
126
Correlations
Attitude tov adv Gemoedstoestand voor adv
Attitude tov adv Pearson Correlation 1 ,140* Sig. (2-tailed) ,023 N 262 262
Gemoedstoestand voor adv
Pearson Correlation ,140* 1 Sig. (2-tailed) ,023
N 262 262 *. Correlation is significant at the 0.05 level (2-tailed).
Correlations Gemoedstoest
and voor adv Betrokkenheid
Gemoedstoestand voor adv
Pearson Correlation 1 ,172** Sig. (2-tailed) ,005 N 262 262
Betrokkenheid Pearson Correlation ,172** 1 Sig. (2-tailed) ,005
N 262 262 **. Correlation is significant at the 0.01 level (2-tailed).
127
Selectie covariaten
Univariate Analysis of Variance
Tests of Between-Subjects Effects Dependent Variable: Attitude tov merk Source Type III
Sum of Squares
df Mean Squar
e
F Sig. Partial Eta
Squared
Noncent. Paramet
er
Observed
Powerb
Corrected Model 48,358a 14 3,454 5,140 ,00
0 ,299 71,954 1,000
Intercept 23,293 1 23,293
34,659
,000
,170 34,659 1,000
Aankoopfrequentie
4,770 1 4,770 7,098 ,008
,040 7,098 ,755
Merkbelang 1,197 1 1,197 1,782 ,18
4 ,010 1,782 ,264
GemBETR ,735 1 ,735 1,093 ,297
,006 1,093 ,180
LEEFTIJD 3,052 1 3,052 4,541 ,035
,026 4,541 ,563
GESL 3,666 1 3,666 5,455 ,02
1 ,031 5,455 ,641
Gemgemoedvoor ,172 1 ,172 ,256 ,613
,002 ,256 ,079
Gemgemoedna 2,125 1 2,125 3,161 ,077
,018 3,161 ,424
DYNAMIEK 20,034 1 20,03
4 29,81
0 ,00
0 ,150 29,810 1,000
AANKOOPCYCLUS
4,129 1 4,129 6,144 ,014
,035 6,144 ,693
INFORMATIE ,134 1 ,134 ,200 ,655
,001 ,200 ,073
DYNAMIEK * AANKOOPCYCLUS
,893 1 ,893 1,329 ,251
,008 1,329 ,209
DYNAMIEK * INFORMATIE
,365 1 ,365 ,542 ,462
,003 ,542 ,113
AANKOOPCYCLUS * INFORMATIE
,289 1 ,289 ,431 ,513
,003 ,431 ,100
128
DYNAMIEK * AANKOOPCYCLUS * INFORMATIE
,142 1 ,142 ,212 ,646
,001 ,212 ,074
Error 113,579 169
,672
Total 5174,11
1 18
4
Corrected Total 161,937 183
a. R Squared = ,299 (Adjusted R Squared = ,241) b. Computed using alpha =
3-‐Way ANOVA model Univariate Analysis of Variance
Tests of Between-Subjects Effects Dependent Variable: Attitude tov merk Source Type III
Sum of Squares
df Mean Square
F Sig. Partial Eta
Squared
Noncent. Parameter
Observed Powerb
Corrected Model 46,997a 11 4,272 6,393 ,000 ,290 70,328 1,000 Intercept 26,752 1 26,752 40,032 ,000 ,189 40,032 1,000 Aankoopfrequentie 4,681 1 4,681 7,006 ,009 ,039 7,006 ,749 LEEFTIJD 3,315 1 3,315 4,960 ,027 ,028 4,960 ,601 GESL 3,405 1 3,405 5,095 ,025 ,029 5,095 ,612 Gemgemoedna 3,846 1 3,846 5,755 ,018 ,032 5,755 ,665 DYNAMIEK 21,800 1 21,800 32,622 ,000 ,159 32,622 1,000 AANKOOPCYCLUS 4,601 1 4,601 6,885 ,009 ,038 6,885 ,742 INFORMATIE ,214 1 ,214 ,320 ,572 ,002 ,320 ,087 DYNAMIEK * AANKOOPCYCLUS
,722 1 ,722 1,081 ,300 ,006 1,081 ,179
DYNAMIEK * INFORMATIE
,281 1 ,281 ,421 ,517 ,002 ,421 ,099
AANKOOPCYCLUS * INFORMATIE
,265 1 ,265 ,397 ,529 ,002 ,397 ,096
DYNAMIEK * AANKOOPCYCLUS * INFORMATIE
,074 1 ,074 ,111 ,740 ,001 ,111 ,063
Error 114,940 172 ,668
129
Total 5174,111 184
Corrected Total 161,937 183
a. R Squared = ,290 (Adjusted R Squared = ,245) b. Computed using alpha =
5. Dynamiek * Lengte aankoopcyclus Dependent Variable: Attitude tov merk Dynamiek Lengte
aankoopcyclus Mean Std. Error 95% Confidence Interval
Lower Bound
Upper Bound
Statisch Korte aankoopcyclus 5,735a ,112 5,515 5,956 Lange aankoopcyclus
5,284a ,115 5,058 5,511
Dynamisch Korte aankoopcyclus 4,889a ,128 4,635 5,142 Lange aankoopcyclus
4,694a ,138 4,421 4,966
a. Covariates appearing in the model are evaluated at the following values: Aankoopfrequentie = 3,9511, Leeftijd = -38658,80, Wat is uw geslacht? = 1,61, Gemoedstoestand na adv = 4,5425.
6. Dynamiek * Hoeveelheid informatie Dependent Variable: Attitude tov merk Dynamiek Hoeveelheid
informatie Mean Std. Error 95% Confidence Interval
Lower Bound
Upper Bound
Statisch Weinig info 5,504a ,111 5,285 5,723 Veel info 5,515a ,116 5,286 5,743
Dynamisch Weinig info 4,866a ,130 4,610 5,122 Veel info 4,716a ,137 4,446 4,987
a. Covariates appearing in the model are evaluated at the following values: Aankoopfrequentie = 3,9511, Leeftijd = -38658,80, Wat is uw geslacht? = 1,61, Gemoedstoestand na adv = 4,5425.
7. Lengte aankoopcyclus * Hoeveelheid informatie Dependent Variable: Attitude tov merk Lengte aankoopcyclus
Hoeveelheid informatie
Mean Std. Error
95% Confidence Interval
Lower Bound
Upper Bound
Korte Weinig info 5,386a ,116 5,157 5,614
130
aankoopcyclus Veel info 5,238a ,124 4,993 5,483 Lange aankoopcyclus
Weinig info 4,985a ,125 4,738 5,232 Veel info 4,993a ,127 4,742 5,244
a. Covariates appearing in the model are evaluated at the following values: Aankoopfrequentie = 3,9511, Leeftijd = -38658,80, Wat is uw geslacht? = 1,61, Gemoedstoestand na adv = 4,5425.
8. Dynamiek * Lengte aankoopcyclus * Hoeveelheid informatie Dependent Variable: Attitude tov merk Dynamiek Lengte
aankoopcyclus Hoeveelheid informatie
Mean Std. Error
95% Confidence Interval
Lower Bound
Upper Bound
Statisch
Korte aankoopcyclus
Weinig info 5,789a ,147 5,499 6,079 Veel info 5,681a ,168 5,349 6,013
Lange aankoopcyclus
Weinig info 5,219a ,167 4,890 5,549 Veel info 5,349a ,158 5,037 5,660
Dynamisch
Korte aankoopcyclus
Weinig info 4,982a ,179 4,629 5,335 Veel info 4,795a ,184 4,433 5,158
Lange aankoopcyclus
Weinig info 4,750a ,188 4,379 5,121 Veel info 4,637a ,201 4,240 5,034
a. Covariates appearing in the model are evaluated at the following values: Aankoopfrequentie = 3,9511, Leeftijd = -38658,80, Wat is uw geslacht? = 1,61, Gemoedstoestand na adv = 4,5425.
131
132
Selectie covariaten
Univariate Analysis of Variance
Tests of Between-Subjects Effects Dependent Variable: Aankoopintentie Source Type III
Sum of Squares
df Mean Square
F Sig. Partial Eta
Squared
Noncent. Parameter
Observed Powerb
Corrected Model 71,026a 15 4,735 3,622 ,000 ,244 54,334 ,999 Intercept 6,454 1 6,454 4,937 ,028 ,029 4,937 ,598 Aankoopfrequentie 5,750 1 5,750 4,398 ,037 ,026 4,398 ,550 LEEFTIJD 3,203 1 3,203 2,450 ,119 ,014 2,450 ,343 GESL 1,185 1 1,185 ,906 ,342 ,005 ,906 ,157 Gemgemoedvoor 1,670 1 1,670 1,278 ,260 ,008 1,278 ,203 Gemgemoedna 1,787 1 1,787 1,367 ,244 ,008 1,367 ,213 GemImpulsiviteit 32,819 1 32,819 25,106 ,000 ,130 25,106 ,999 GemBETR ,268 1 ,268 ,205 ,651 ,001 ,205 ,074
133
Merkbelang 1,309 1 1,309 1,002 ,318 ,006 1,002 ,169 DYNAMIEK 8,179 1 8,179 6,257 ,013 ,036 6,257 ,701 AANKOOPCYCLUS 6,323 1 6,323 4,837 ,029 ,028 4,837 ,590 INFORMATIE ,001 1 ,001 ,001 ,981 ,000 ,001 ,050 DYNAMIEK * AANKOOPCYCLUS
1,030 1 1,030 ,788 ,376 ,005 ,788 ,143
DYNAMIEK * INFORMATIE
2,362 1 2,362 1,807 ,181 ,011 1,807 ,267
AANKOOPCYCLUS * INFORMATIE
2,123 1 2,123 1,624 ,204 ,010 1,624 ,245
DYNAMIEK * AANKOOPCYCLUS * INFORMATIE
2,614E-005
1 2,614E-005
,000 ,996 ,000 ,000 ,050
Error 219,611 168 1,307 Total 3995,667 184 Corrected Total 290,637 183
a. R Squared = ,244 (Adjusted R Squared = ,177) b. Computed using alpha =
3-‐Way ANOVA model
Univariate Analysis of Variance
Tests of Between-Subjects Effects Dependent Variable: Aankoopintentie Source Type III
Sum of Squares
df Mean Square
F Sig. Partial Eta
Squared
Noncent. Parameter
Observed Powerb
Corrected Model 136,552
a 9 15,172 9,715 ,00
0 ,258 87,431 1,000
Intercept 33,902 1 33,902 21,70
7 ,00
0 ,079 21,707 ,996
Aankoopfrequentie 5,280 1 5,280 3,381 ,06
7 ,013 3,381 ,449
GemImpulsiviteit 82,657 1 82,657 52,92
3 ,00
0 ,174 52,923 1,000
DYNAMIEK 9,110 1 9,110 5,833 ,01
6 ,023 5,833 ,672
AANKOOPCYCLUS 14,325 1 14,325 9,172 ,00
3 ,035 9,172 ,855
134
INFORMATIE ,434 1 ,434 ,278 ,59
8 ,001 ,278 ,082
DYNAMIEK * AANKOOPCYCLUS
,023 1 ,023 ,014 ,904
,000 ,014 ,052
DYNAMIEK * INFORMATIE
1,949 1 1,949 1,248 ,265
,005 1,248 ,199
AANKOOPCYCLUS * INFORMATIE
,865 1 ,865 ,554 ,457
,002 ,554 ,115
DYNAMIEK * AANKOOPCYCLUS * INFORMATIE
5,385 1 5,385 3,448 ,064
,013 3,448 ,456
Error 393,580 252 1,562
Total 5224,333
262
Corrected Total 530,131 261
a. R Squared = ,258 (Adjusted R Squared = ,231) b. Computed using alpha =
5. Dynamiek * Lengte aankoopcyclus Dependent Variable: Aankoopintentie Dynamiek Lengte
aankoopcyclus Mean Std. Error 95% Confidence Interval
Lower Bound
Upper Bound
Statisch Korte aankoopcyclus 4,624a ,139 4,350 4,897 Lange aankoopcyclus
4,152a ,148 3,861 4,443
Dynamisch Korte aankoopcyclus 4,244a ,179 3,892 4,596 Lange aankoopcyclus
3,734a ,176 3,387 4,082
a. Covariates appearing in the model are evaluated at the following values: Aankoopfrequentie = 3,8645, Impulsiviteit gedrag = 2,8832.
6. Dynamiek * Hoeveelheid informatie Dependent Variable: Aankoopintentie Dynamiek Hoeveelheid
informatie Mean Std. Error 95% Confidence Interval
Lower Bound
Upper Bound
Statisch Weinig info 4,341a ,142 4,061 4,620 Veel info 4,435a ,141 4,157 4,713
135
Dynamisch Weinig info 4,120a ,179 3,768 4,472 Veel info 3,858a ,176 3,512 4,205
a. Covariates appearing in the model are evaluated at the following values: Aankoopfrequentie = 3,8645, Impulsiviteit gedrag = 2,8832.
7. Lengte aankoopcyclus * Hoeveelheid informatie Dependent Variable: Aankoopintentie Lengte aankoopcyclus
Hoeveelheid informatie
Mean Std. Error
95% Confidence Interval
Lower Bound
Upper Bound
Korte aankoopcyclus
Weinig info 4,416a ,163 4,096 4,736 Veel info 4,452a ,157 4,143 4,761
Lange aankoopcyclus
Weinig info 4,045a ,163 3,724 4,365 Veel info 3,842a ,157 3,532 4,151
a. Covariates appearing in the model are evaluated at the following values: Aankoopfrequentie = 3,8645, Impulsiviteit gedrag = 2,8832.
8. Dynamiek * Lengte aankoopcyclus * Hoeveelheid informatie Dependent Variable: Aankoopintentie Dynamiek Lengte
aankoopcyclus Hoeveelheid informatie
Mean Std. Error
95% Confidence Interval
Lower Bound
Upper Bound
Statisch
Korte aankoopcyclus
Weinig info 4,369a ,198 3,979 4,760 Veel info 4,878a ,196 4,491 5,264
Lange aankoopcyclus
Weinig info 4,312a ,210 3,899 4,725 Veel info 3,992a ,199 3,600 4,385
Dynamisch
Korte aankoopcyclus
Weinig info 4,463a ,254 3,963 4,963 Veel info 4,025a ,247 3,539 4,512
Lange aankoopcyclus
Weinig info 3,777a ,250 3,285 4,270 Veel info 3,691a ,248 3,203 4,180
a. Covariates appearing in the model are evaluated at the following values: Aankoopfrequentie = 3,8645, Impulsiviteit gedrag = 2,8832.
136
137
138
7.10 Bijlage 10: Bijkomende testen
7.10.1 Gemoedstoestand vóór en na de advertentie
DATASET ACTIVATE DataSet1. T-TEST PAIRS=GEMT_voor_1 GEMT_voor_2 GEMT_voor_3 GEMT_voor_4 GEMT_voor_5 GEMT_voor_6 GEMT_voor_7 GEMT_voor_8 GEMT_voor_9 GEMT_voor_10 GEMT_voor_11 WITH GEMT_na_1 GEMT_na_2 GEMT_na_3 GEMT_na_4 GEMT_na_5 GEMT_na_6 GEMT_na_7 GEMT_na_8 GEMT_na_9 GEMT_na_10 GEMT_na_11 (PAIRED) /CRITERIA=CI(.9500) /MISSING=ANALYSIS.
T-Test Paired Samples Statistics
Mean N Std. Deviation
Std. Error Mean
Pair 1
Gemoedstoestand voor adv
4,5461 262 ,75185 ,04645
Gemoedstoestand na adv
4,4656 262 ,78852 ,04872
Paired Samples Correlations
N Correlation Sig.
Pair 1 Gemoedstoestand voor adv & Gemoedstoestand na adv
262 ,835 ,000
Paired Samples Test
Paired Differences t df Sig. (2-
tailed)
Mean Std. Deviation
Std. Error Mean
95% Confidence
Interval of the Difference
Lower Upper
Pair 1
Gemoedstoestand voor adv - Gemoedstoestand na adv
,08050 ,44396 ,02743 ,02649 ,13451 2,935 261 ,004
139
USE ALL. COMPUTE filter_$=(DYNAMIEK = 0). VARIABLE LABELS filter_$ 'DYNAMIEK = 0 (FILTER)'. VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'. FORMATS filter_$ (f1.0). FILTER BY filter_$. EXECUTE. T-TEST PAIRS=Gemgemoedvoor WITH Gemgemoedna (PAIRED) /CRITERIA=CI(.9500) /MISSING=ANALYSIS.
T-Test
Paired Samples Statistics Mean N Std.
Deviation Std. Error
Mean
Pair 1
Gemoedstoestand voor adv
4,5847 160 ,69986 ,05533
Gemoedstoestand na adv
4,5398 160 ,75523 ,05971
Paired Samples Correlations N Correlation Sig.
Pair 1 Gemoedstoestand voor adv & Gemoedstoestand na adv
160 ,836 ,000
Paired Samples Test Paired Differences t df Sig.
(2-tailed)
Mean Std. Deviation
Std. Error Mean
95% Confidence
Interval of the Difference
Lower Upper
Pair 1
Gemoedstoestand voor adv - Gemoedstoestand na adv
,04489 ,42063 ,03325 -,02079
,11056 1,350 159 ,179
140
USE ALL. COMPUTE filter_$=(DYNAMIEK = 1). VARIABLE LABELS filter_$ 'DYNAMIEK = 1 (FILTER)'. VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'. FORMATS filter_$ (f1.0). FILTER BY filter_$. EXECUTE. T-TEST PAIRS=Gemgemoedvoor WITH Gemgemoedna (PAIRED) /CRITERIA=CI(.9500) /MISSING=ANALYSIS.
T-Test
Paired Samples Statistics Mean N Std.
Deviation Std. Error
Mean
Pair 1
Gemoedstoestand voor adv
4,4857 102 ,82684 ,08187
Gemoedstoestand na adv
4,3494 102 ,82854 ,08204
Paired Samples Correlations
N Correlation Sig.
Pair 1 Gemoedstoestand voor adv & Gemoedstoestand na adv
102 ,835 ,000
Paired Samples Test Paired Differences t df Sig.
(2-tailed)
Mean Std. Deviation
Std. Error Mean
95% Confidence
Interval of the Difference
Lower Upper
Pair 1
Gemoedstoestand voor adv - Gemoedstoestand na adv
,13636 ,47501 ,04703 ,04306 ,22966 2,899 101 ,005
141
T-TEST PAIRS=GEMT_voor_1 GEMT_voor_2 GEMT_voor_3 GEMT_voor_4 GEMT_voor_5 GEMT_voor_6 GEMT_voor_7 GEMT_voor_8 GEMT_voor_9 GEMT_voor_10 GEMT_voor_11 WITH GEMT_na_1 GEMT_na_2 GEMT_na_3 GEMT_na_4 GEMT_na_5 GEMT_na_6 GEMT_na_7 GEMT_na_8 GEMT_na_9 GEMT_na_10 GEMT_na_11 (PAIRED) /CRITERIA=CI(.9500) /MISSING=ANALYSIS.
T-Test
Paired Samples Statistics Mean N Std.
Deviation Std. Error
Mean
Pair 1
Duid aan hoe u zich nu voelt. -Verveeld:Relaxed
5,24 102 1,380 ,137
Duid aan hoe u zich nu voelt.-Verveeld:Relaxed
4,57 102 1,425 ,141
Pair 2
Duid aan hoe u zich nu voelt. -Wanhopig:Hoopvol
4,98 102 1,342 ,133
Duid aan hoe u zich nu voelt.-Wanhopig:Hoopvol
4,75 102 1,189 ,118
Pair 3
Duid aan hoe u zich nu voelt. -Ongelukkig:Gelukkig
5,30 102 1,265 ,125
Duid aan hoe u zich nu voelt.-Ongelukkig:Gelukkig
4,91 102 1,275 ,126
Pair 4
Duid aan hoe u zich nu voelt. -Melancholisch:Voldaan
4,83 102 1,456 ,144
Duid aan hoe u zich nu voelt.-Melancholisch:Voldaan
4,77 102 1,281 ,127
Pair 5
Duid aan hoe u zich nu voelt. -Geïrriteerd:Vrolijk
5,06 102 1,413 ,140
Duid aan hoe u zich nu voelt.-Geïrriteerd:Vrolijk
4,74 102 1,378 ,136
Pair 6 Duid aan hoe u zich nu voelt. -Ontevreden:Tevreden
5,27 102 1,504 ,149
142
Duid aan hoe u zich nu voelt.-Ontevreden:Tevreden
4,99 102 1,309 ,130
Pair 7
Duid aan hoe u zich nu voelt. -Kalm:Opgewonden
3,56 102 1,545 ,153
Duid aan hoe u zich nu voelt.-Kalm:Opgewonden
3,69 102 1,449 ,143
Pair 8
Duid aan hoe u zich nu voelt. -Ongeprikkeld:Geprikkeld
3,60 102 1,315 ,130
Duid aan hoe u zich nu voelt.-Ongeprikkeld:Geprikkeld
3,89 102 1,342 ,133
Pair 9
Duid aan hoe u zich nu voelt. -Suf:Zenuwachtig
3,72 102 1,146 ,114
Duid aan hoe u zich nu voelt.-Suf:Zenuwachtig
3,71 102 1,086 ,108
Pair 10
Duid aan hoe u zich nu voelt. -Slaperig:Wakker
4,07 102 1,530 ,152
Duid aan hoe u zich nu voelt.-Slaperig:Klaarwakker
4,07 102 1,337 ,132
Pair 11
Duid aan hoe u zich nu voelt. -Loom:Wild
3,72 102 1,189 ,118
Duid aan hoe u zich nu voelt.-Loom:Wild
3,75 102 1,121 ,111
Paired Samples Test
Paired Differences t df Sig. (2-
tailed) Mean Std.
Deviation Std. Error Mean
95% Confidence Interval of
the Difference
Lower Upper
Pair 1
Duid aan hoe u zich nu voelt. -Verveeld:Relaxed - Duid aan hoe u zich nu voelt.-Verveeld:Relaxed
,667 1,451 ,144 ,382 ,952 4,640 101 ,000
143
Pair 2
Duid aan hoe u zich nu voelt. -Wanhopig:Hoopvol - Duid aan hoe u zich nu voelt.-Wanhopig:Hoopvol
,225 1,062 ,105 ,017 ,434 2,145 101 ,034
Pair 3
Duid aan hoe u zich nu voelt. -Ongelukkig:Gelukkig - Duid aan hoe u zich nu voelt.-Ongelukkig:Gelukkig
,392 1,006 ,100 ,194 ,590 3,935 101 ,000
Pair 4
Duid aan hoe u zich nu voelt. -Melancholisch:Voldaan - Duid aan hoe u zich nu voelt.-Melancholisch:Voldaan
,059 ,993 ,098 -,136 ,254 ,598 101 ,551
Pair 5
Duid aan hoe u zich nu voelt. -Geïrriteerd:Vrolijk - Duid aan hoe u zich nu voelt.-Geïrriteerd:Vrolijk
,324 1,179 ,117 ,092 ,555 2,772 101 ,007
Pair 6
Duid aan hoe u zich nu voelt. -Ontevreden:Tevreden - Duid aan hoe u zich nu voelt.-Ontevreden:Tevreden
,284 1,181 ,117 ,052 ,516 2,432 101 ,017
Pair 7
Duid aan hoe u zich nu voelt. -Kalm:Opgewonden - Duid aan hoe u zich nu voelt.-Kalm:Opgewonden
-,127 1,078 ,107 -,339 ,084 -1,194
101 ,235
Pair 8
Duid aan hoe u zich nu voelt. -Ongeprikkeld:Geprikkeld - Duid aan hoe u zich nu voelt.-Ongeprikkeld:Geprikkeld
-,294 1,240 ,123 -,538 -,051 -2,396
101 ,018
144
Pair 9
Duid aan hoe u zich nu voelt. -Suf:Zenuwachtig - Duid aan hoe u zich nu voelt.-Suf:Zenuwachtig
,010 1,039 ,103 -,194 ,214 ,095 101 ,924
Pair 10
Duid aan hoe u zich nu voelt. -Slaperig:Wakker - Duid aan hoe u zich nu voelt.-Slaperig:Klaarwakker
,000 1,005 ,100 -,197 ,197 ,000 101 1,000
Pair 11
Duid aan hoe u zich nu voelt. -Loom:Wild - Duid aan hoe u zich nu voelt.-Loom:Wild
-,039 ,807 ,080 -,198 ,119 -,491 101 ,625
USE ALL. COMPUTE filter_$=(DYNAMIEK = 0). VARIABLE LABELS filter_$ 'DYNAMIEK = 0 (FILTER)'. VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'. FORMATS filter_$ (f1.0). FILTER BY filter_$. EXECUTE. T-TEST PAIRS=Opwinding_voorAdv WITH Opwinding_naAdv (PAIRED) /CRITERIA=CI(.9500) /MISSING=ANALYSIS.
T-Test
Paired Samples Statistics Mean N Std. Deviation Std. Error
Mean
Pair 1 Opwinding_voorAdv 3,8238 160 ,96410 ,07622 Opwinding_naAdv 3,9225 160 ,95562 ,07555
Paired Samples Correlations
N Correlation Sig.
Pair 1 Opwinding_voorAdv & Opwinding_naAdv
160 ,715 ,000
145
Paired Samples Test Paired Differences t df Sig.
(2-tailed)
Mean Std. Deviation
Std. Error Mean
95% Confidence
Interval of the Difference
Lower Upper Pair 1
Opwinding_voorAdv - Opwinding_naAdv
-,09875
,72511 ,05732 -,21197
,01447 -1,723
159 ,087
USE ALL. COMPUTE filter_$=(DYNAMIEK = 1). VARIABLE LABELS filter_$ 'DYNAMIEK = 1 (FILTER)'. VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'. FORMATS filter_$ (f1.0). FILTER BY filter_$. EXECUTE. T-TEST PAIRS=Opwinding_voorAdv WITH Opwinding_naAdv (PAIRED) /CRITERIA=CI(.9500) /MISSING=ANALYSIS.
T-Test
Paired Samples Statistics Mean N Std. Deviation Std. Error
Mean
Pair 1 Opwinding_voorAdv 3,7314 102 ,91781 ,09088 Opwinding_naAdv 3,8216 102 ,92014 ,09111
Paired Samples Correlations N Correlation Sig.
Pair 1 Opwinding_voorAdv & Opwinding_naAdv
102 ,801 ,000
146
Paired Samples Test
Paired Differences t df Sig. (2-
tailed) Mean Std.
Deviation Std. Error Mean
95% Confidence
Interval of the Difference
Lower Upper Pair 1
Opwinding_voorAdv - Opwinding_naAdv
-,09020
,57926 ,05736 -,20397
,02358 -1,573
101 ,119
FILTER OFF. USE ALL. EXECUTE. T-TEST GROUPS=DYNAMIEK(0 1) /MISSING=ANALYSIS /VARIABLES=Opwinding_voorAdv /CRITERIA=CI(.95).
T-Test
Group Statistics
Dynamiek N Mean Std. Deviation
Std. Error Mean
Opwinding_voorAdv Statisch 160 3,8238 ,96410 ,07622 Dynamisch 102 3,7314 ,91781 ,09088
147
Independent Samples Test Levene'
s Test for
Equality of
Variances
t-test for Equality of Means
F Sig.
t df Sig. (2-
tailed)
Mean Differen
ce
Std. Error
Difference
95% Confidence Interval of
the Difference Lower
Upper
Opwinding_voorAdv
Equal variances assumed
,015
,904
,770
260 ,442 ,09238 ,11991 -,143
74
,32850
Equal variances not assumed
,779
222,983
,437 ,09238 ,11861 -,141
36
,32611
T-TEST GROUPS=DYNAMIEK(0 1) /MISSING=ANALYSIS /VARIABLES=Opwinding_naAdv /CRITERIA=CI(.95).
T-Test
Group Statistics
Dynamiek N Mean Std. Deviation Std. Error Mean
Opwinding_naAdv Statisch 160 3,9225 ,95562 ,07555 Dynamisch 102 3,8216 ,92014 ,09111
148
Independent Samples Test Levene'
s Test for
Equality of
Variances
t-test for Equality of Means
F Sig.
t df Sig. (2-
tailed)
Mean Differen
ce
Std. Error
Difference
95% Confidence Interval of
the Difference Lower
Upper
Opwinding_naAdv
Equal variances assumed
,045
,833
,846
260 ,399 ,10093 ,11935 -,134
09
,33596
Equal variances not assumed
,853
221,212
,395 ,10093 ,11836 -,132
32
,33418
149
7.10.2 Regressieanalyse
REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA COLLIN TOL /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT Gem_PI /METHOD=ENTER INFORMATIE DYNAMIEK AANKOOPCYCLUS GESL LEEFTIJD GemBETR GemImpulsiviteit Gemgemoedvoor Gemgemoedna Merkbelang Aankoopfrequentie /PARTIALPLOT ALL /SCATTERPLOT=(*ZRESID ,*ZPRED) /RESIDUALS HISTOGRAM(ZRESID) NORMPROB(ZRESID) /CASEWISE PLOT(ZRESID) OUTLIERS(2) /SAVE ZRESID.
Regression
Model Summaryb Model R R Square Adjusted R
Square Std. Error of the Estimate
1 ,502a ,252 ,219 1,25945 a. Predictors: (Constant), Aankoopfrequentie, Hoeveelheid informatie, Lengte aankoopcyclus, Gemoedstoestand na adv, Wat is uw geslacht?, Merkbelang, Dynamiek, Leeftijd, Impulsiviteit gedrag, Betrokkenheid, Gemoedstoestand voor adv b. Dependent Variable: Aankoopintentie
ANOVAa Model Sum of
Squares df Mean Square F Sig.
1 Regression 133,578 11 12,143 7,656 ,000b Residual 396,553 250 1,586
Total 530,131 261
a. Dependent Variable: Aankoopintentie b. Predictors: (Constant), Aankoopfrequentie, Hoeveelheid informatie, Lengte aankoopcyclus, Gemoedstoestand na adv, Wat is uw geslacht?, Merkbelang, Dynamiek, Leeftijd, Impulsiviteit gedrag, Betrokkenheid, Gemoedstoestand voor adv
150
Coefficientsa
Model Unstandardized Coefficients
Standardized Coefficients
t Sig. Collinearity Statistics
B Std. Error
Beta Tolerance VIF
1
(Constant) 2,079 ,711 2,926 ,004
Hoeveelheid informatie
-,032 ,159 -,011 -,201 ,841 ,959 1,042
Dynamiek -,346 ,169 -,119 -2,046
,042 ,892 1,121
Lengte aankoopcyclus
-,498 ,162 -,175 -3,078
,002 ,925 1,081
Wat is uw geslacht?
,103 ,162 ,036 ,637 ,525 ,957 1,045
Leeftijd -,001 ,010 -,009 -,151 ,880 ,812 1,231 Betrokkenheid ,041 ,115 ,031 ,358 ,721 ,400 2,499 Impulsiviteit gedrag
,598 ,087 ,406 6,902 ,000 ,864 1,157
Gemoedstoestand voor adv
-,109 ,195 -,057 -,557 ,578 ,282 3,543
Gemoedstoestand na adv
,185 ,185 ,102 1,000 ,318 ,286 3,500
Merkbelang -,109 ,079 -,110 -1,369
,172 ,464 2,156
Aankoopfrequentie ,161 ,080 ,113 2,001 ,046 ,942 1,061 a. Dependent Variable: Aankoopintentie
151
152
Verslag afspraken promotor 22/04/2014: Bespreking thema en aanpak
-‐ thema: ‘narrowcasting’, statische/dynamische displays met veel/weinig informatie bij product met lange/korte aankoopcyclus
-‐ web of science: via vpn thuis (verder filteren per thema)
-‐ 8 verschillende soorten advertenties: o statisch met weinig informatie bij product met korte aankoopcyclus o statisch met veel informatie bij product met korte aankoopcyclus o statisch met weinig informatie bij product met lange aankoopcyclus o statisch met veel informatie bij product met lange aankoopcyclus o dynamisch met weinig informatie bij product met korte aankoopcyclus o dynamisch met veel informatie bij product met korte aankoopcyclus o dynamisch met weinig informatie bij product met lange aankoopcyclus o dynamisch met veel informatie bij product met korte aankoopcyclus
-‐ producten:
o product met korte aankoopcyclus: chocolade (vb recept bij stoverij) / boter
o product met lange aankoopcyclus: saus (vb recept van hamburgers/olie (vb sojaolie)
-‐ soort informatie: recept/ nieuw soort gebruik/ gebruiksaanwijzing
-‐ vragenlijst: o pretest " vragen hoe vaak men het product koopt (aankoopfrequentie) o foto van winkelgang met plaats waar scherm hangt o idee: indien u 20 euro (bv) krijgt, welk product zou u kopen o 8 versch advertenties
153
15/05/2014: Bespreking literatuur en opstelling vragenlijst
-‐ Vragen: # Koop je altijd hetzelfde merk? # In welke mate is het belangrijk dat je altijd hetzelfde merk koopt? # Hoe vaak koop je donkere chocolade?
Nooit – altijd # Hoe vaak koop je het product?
Elke dag 1 keer per week 1 keer per maand … " antwoordmogelijkheden moeten zelfde zijn bij beide producten (lange/korte aankoopcyclus)!
-‐ Advertenties:
# 1 laten zien per respondent # info op advertentie met weinig info moet ook op advertentie met
veel info staan # info bij statische en bewegende advertentie moet hetzelfde zijn # producten moeten vergelijkbaar zijn " bij ene product gekend en
populair merk, dan moet dat bij het andere product ook een gekend en populair merk zijn!
-‐ schalen: (foto’s van boek op gsm)
# behavioral intentions (aankoopintentie) # spijt # gemoedstoestand " pleasure/arousal # betrokkenheid # impulsiviteit
-‐ Bespreken in literatuur:
# Alles wat gemeten wordt in het onderzoek # Variabelen die invloed kunnen hebben bij de aankoopbeslissing en
omgekeerd: vb spijt bij maken van keuze, gemoedstoestand die invloed kan hebben op aankoopbeslissing
# dynamische vs statische adv onderzoek # display blindness – aandacht tegenover advertentie (maar kan niet
onderzocht worden in dit onderzoek)
-‐ 5 of 7 punt schaal " overal toepassen -‐ zodra vragenlijst af is, samen met literatuuroverzicht doorsturen naar promotor
154
Verslag seminarie 16/06/2014
-‐ Literatuurstudie + hypothesen:
Verband met Digital Signage duidelijk leggen, zodat het niet even goed kan getest worden bij traditionele Signage (dynamische aspect benadrukken, wat bij traditionele Signage niet kan) én duidelijk maken dat het bovendien gaat om het onderzoeken van aspecten die nog niet onderzocht zijn geweest.
-‐ Hypothesen: Veel minder hypothesen + meer duidelijkheid " enkel de hoofdzakelijke hypothesen behouden, en andere variabelen zoals betrokkenheid en waargenomen risico als controlevariabelen gebruiken
-‐ Pretest: Product met korte vs lange aankoopcyclus was niet significant verschillend
o Idee van eventueel chocolade door appels te vervangen is niet goed " extra variabele (gezond vs niet-‐gezond) komt er dan nog bij, producten moeten vergelijkbaar zijn
o Er was wel een verschil tussen beide producten, maar niet significant " met meer respondenten bij pretest, zal het verschil echter misschien wel significant zijn OF een ander product vinden die vaker wordt gekocht
-‐ In vragenlijst hoeft Need for Cognition niet gemeten te worden, het meten van de betrokkenheid is voldoende om na te gaan of ze meer of minder informatie wensen. " lange schaal van Cacioppo kan dus weggelaten worden (iets kortere vragenlijst)
-‐ Advertentie veel (vs weinig) informatie was niet louter toevoegen van
argumenten, maar een ander type informatie (nl recept toegevoegd) o Recept gekozen omdat klanten bij hun aankoopbeslissing willen geholpen
worden (steeds meer consumenten komen naar de winkel ongepland en wensen inspiratie te halen uit de winkelomgeving)
o als dit duidelijk verantwoord wordt mag dit vermeld worden bij beperkingen van het onderzoek.
155