het voorspellen van online koopgedrag
TRANSCRIPT
Het voorspellen van online koopgedrag:
De invloed van Online Customer Experience en Perceived Risk
op Purchase Intention
Elmer Schürfeld
10275754
Inleverdatum: 19 juli 2018
Begeleider: Dick Heinhuis
2e Examinator: Tom van Engers
Bachelorscriptie Informatiekunde
Faculteit der Natuurwetenschappen, Wiskunde en Informatica
Universiteit van Amsterdam
1
Samenvatting
In deze bachelorscriptie wordt onderzoek gedaan naar online koopgedrag. Er wordt onderzocht hoe
online koopintentie voorspeld kan worden. Dit wordt gedaan aan de hand van het Stimulus-
Organism-Response model. Volgens dit model wekken stimuli (website quality, price, website brand,
en social environment) een gevoel (online customer experience, perceived risk) op bij een organisme
en dit gevoel leidt tot een respons (purchase intention). De onderlinge relaties tussen deze
constructen worden weergegeven in een conceptueel model. Dit conceptuele model is empirisch
getoetst door een vragenlijst af te nemen bij 122 respondenten. Hieruit kwam naar voren dat er een
negatief significant verband bestaat tussen website quality en perceived risk. Price had een positief
significant effect op online customer experience. Purchase intention werd significant negatief
beïnvloed door perceived risk. Voor de overige relaties is geen significant bewijs gevonden. Met deze
resultaten draagt dit onderzoek bij aan een bredere kennis over het complexe vraagstuk hoe online
koopgedrag voorspeld kan worden. Daarnaast kunnen managers dit onderzoek gebruiken om meer
inzicht te krijgen in consumentengedrag en daar hun marketingstrategie op aanpassen. Er is een
convenience sample gebruikt voor dit onderzoek, wat er toe geleid heeft dat er mogelijk belangrijke
groepen van de populatie missen. Dit maakt het onderzoek beperkt generaliseerbaar.
2
INHOUDSOPGAVE
1. Inleiding ...................................................................................................................................... 3
2. Theoretisch kader ....................................................................................................................... 6
2.1 Determinanten ......................................................................................................................... 6
2.1.1 Online customer experience .............................................................................................. 7
2.1.2 Perceived risk .................................................................................................................... 8
2.1.3 Website quality / service quality ....................................................................................... 9
2.1.4 Price ................................................................................................................................. 10
2.1.5 Website brand / reputation ............................................................................................. 10
2.1.6 Social environment .......................................................................................................... 11
2.2 Conceptueel model ................................................................................................................ 11
2.3 Hypotheses ............................................................................................................................. 13
3. Methode ................................................................................................................................... 19
3.1 Deelnemers ............................................................................................................................ 19
3.2 Materialen .............................................................................................................................. 19
3.3 Procedure ............................................................................................................................... 23
4. Resultaten ................................................................................................................................ 24
4.1 Algemene gegevens ................................................................................................................ 24
4.2 Analyse ................................................................................................................................... 26
4.2.1 Correlatieanalyse ............................................................................................................. 26
4.2.2 Lineaire meervoudige regressieanalyse ........................................................................... 26
5. Conclusie .................................................................................................................................. 32
6. Discussie ................................................................................................................................... 35
6.1 Exploratief onderzoek ............................................................................................................ 35
6.2 Limitaties ................................................................................................................................ 37
7. Referenties ............................................................................................................................... 39
8. Bijlagen ..................................................................................................................................... 41
3
1. Inleiding
Het aantal mensen dat online aankopen doet stijgt al jaren en er wordt verwacht dat dit aantal ook de
komende jaren zal blijven stijgen. In 2017 werd globaal 10,1% van alle aankopen online gedaan, dit
gaat om een bedrag van $2,29 biljoen. Shoppen is een van de meest populaire bezigheden op het
internet. Het aantal bezoekers van een website, dat ook daadwerkelijk wat koopt is nog relatief laag.
De online conversieratio van het derde kwartaal van 2017 lag op 2,71%. Veel consumenten bezoeken
wel websites, maar gaan uiteindelijk niet over tot koop. Dit betekent dat ruim 97% van de bezoekers
om een of andere reden afhaakt. Vaak is het niet precies duidelijk waarom de bezoekers uiteindelijk
besluiten om toch niks te kopen. Het zou kunnen dat ze het internet gebruiken om informatie in te
winnen en vervolgens hun koop toch in de fysieke winkel doen. Een mogelijke reden hiervoor zou
kunnen zijn dat er online minder persoonlijk contact is, waardoor er een groter risico ervaren zou
kunnen worden. Er kunnen ook andere redenen zijn waarom consumenten online afhaken.
Bijvoorbeeld omdat de website te langzaam is, omdat het product ergens anders goedkoper
aangeboden wordt, omdat het bedrijf niet goed bekend staat, of omdat de website negatieve reviews
heeft. Dit zijn allemaal factoren die het koopgedrag van consumenten zouden kunnen beïnvloeden.
Het is belangrijk dat de consument zo min mogelijk risico ervaart, dit zal de kans op aankoop vergroten.
Naast dat er online risico’s zijn, is de concurrentie online enorm groot. Waar een verkoper met een
fysieke winkel voornamelijk concurreert met winkels uit de buurt, concurreert een online verkoper in
principe met verkopers over de hele wereld. Het is voor een e-retailer daarom extra belangrijker om
op te vallen. In het verleden deden verkopers dit voornamelijk door te focussen op prijs en service.
Tegenwoordig staat steeds vaker de totale experience van de consument centraal. Bedrijven proberen
zich te onderscheiden door consumenten een unieke ervaring aan te bieden. Alle momenten waarin
een consument met een bedrijf in aanraking komt worden uitgetekend in een zogenoemde customer
journey1. Het doel van de marketeers is om de consument bij elk aanrakingspunt een optimale ervaring
te laten beleven. De prijs en service zijn slechts onderdelen in de customer journey. Samen met allerlei
andere factoren bepalen deze twee onderdelen de totale customer experience. Een positieve
customer experience zou moeten leiden tot een hogere koopintentie en dus tot meer winst.
Het is de taak van marketeers om consumenten te stimuleren aankopen te doen. Om de consumenten
te kunnen stimuleren is het voor de marketeer van belang te weten wat consumenten aanzet tot koop.
Dit is een zeer lastige taak want daarvoor is een grote kennis van consumentengedrag nodig. Een
marketeer moet weten waardoor een consument geprikkeld wordt en hoe hij deze prikkels met een
website kan oproepen. Hoe de consument online gestimuleerd kan worden tot een koop is een
1 Er worden in dit onderzoek veel Engelse vaktermen gebruikt. Omdat dit termen uit de literatuur zijn, is er voor gekozen deze niet te vertalen.
4
complex vraagstuk en de intentie van dit onderzoek is om deze vraag te beantwoorden. De
onderzoeksvraag van dit onderzoek die bij dit complexe vraagstuk hoort is:
Welke factoren voorspellen online koopgedrag?
Om de onderzoeksvraag te beantwoorden wordt er eerst gekeken naar wat de bestaande literatuur
over koopgedrag zegt en vervolgens moet onderzocht worden of er een model ontwikkeld kan worden
dat koopgedrag voorspelt. Dit wordt gedaan aan de hand van de volgende deelvragen:
1. Wat zegt de theorie over online koopgedrag?
2. Kan er gebaseerd op de bestaande theorie een conceptueel model ontwikkeld worden dat
online koopgedrag voorspelt?
3. Kan dit model empirisch getoetst worden om de voorgestelde causale relaties te bewijzen?
Dit onderzoek focust zich puur op de online retail. Er wordt onderzocht hoe consumenten gestimuleerd
kunnen worden om online aankopen te doen. Dit wordt gedaan door te kijken naar de online
experience die deze consumenten beleven. Veelal wordt customer experience beschouwd als de totale
ervaring van een consument over de gehele customer journey. De consument doorloopt een cyclus
van aanrakingspunten (touchpoints) met een bedrijf. Verhoef et al. (2009) noemen search, purchase,
consumption en after-sale phases als touchpoints die samen de customer experience bepalen. Zij zien
customer experience dus als de gehele ervaring van de consument op alle mogelijke touchpoints. Dit
onderzoek limiteert zich tot het deel van de customer experience dat plaatsvindt voor de purchase.
Alle ervaringen na de purchase zijn niet meer van belang bij het voorspellen van koopintentie.
De intentie om iets te kopen kan gezien worden als reflectie op daadwerkelijk koopgedrag
(Nasermoadeli, Ling, & Maghnat, 2013). Er is vanuit de psychologie veel onderzoek gedaan naar het
gedrag van mensen. Twee heel bekende theorieën zijn de Theory of Reasoned Action (TRA) (Fishbein
en Ajzen, 1975) en de Theory of Planned Behavior (TPB) (Ajzen en Madden, 1986). Deze theorieën
worden ook in de marketing vaak gebruikt om het gedrag van consumenten te voorspellen. Beide
theorieën verklaren het gedrag van mensen. Er wordt vanuit gegaan dat een gedragsintentie leidt tot
daadwerkelijk gedrag. De intentie wordt bepaald door een attitude en een subjective norm. De TRA
gaat ervan uit dat mensen volledige controle hebben over hun eigen wil. TPB is een verlengde van de
de TRA en neemt ook mee dat mensen niet altijd deze controle hebben. Voor de marketeer is het
genoeg om te zorgen dat de purchase intention bij een consument wordt opgewekt. Het gedrag, in dit
geval dus de koop, volgt hierna vanzelf. Het is lastig het daadwerkelijke gedrag van consumenten te
onderzoeken, vandaar dat er in onderzoeken vaak voor wordt gekozen om genoegen te nemen met
5
het onderzoeken van een intentie. Volgens de TRA en TPB theorie leidt een intentie veelal tot de
daadwerkelijke actie. In dit onderzoek wordt, net als in veel voorgaande onderzoeken, de koopintentie
onderzocht als voorspeller voor koopgedrag.
Figuur 1: The Theory of Reasoned Action (TRA) (Fishbein & Ajzen, 1975))
Met het beantwoorden van de deelvragen en uiteindelijk de hoofdvraag draagt dit onderzoek bij aan
het inzichtelijker maken van het complexe fenomeen online koopgedrag. Dit wordt gedaan door eerst
de bestaande literatuur samen te vatten. Hier worden allerlei verschillende determinanten van
purchase intention genoemd die uit eerder onderzoek naar voren zijn gekomen. Vervolgens worden
de determinanten gebundeld en worden waar nodig nieuwe variabelen toegevoegd. Uit al deze
determinanten wordt een nieuw conceptueel model gepresenteerd. Doordat dit model ontstaan is
door eerder onderzoek te bundelen en een aantal nieuwe relaties toe te voegen, zou dit model
completer moeten zijn dan de modellen die tot nu toe gepresenteerd zijn in voorgaande literatuur.
Daarnaast heeft dit onderzoek nog praktische implicaties voor de e-retailing. Met de resultaten van dit
onderzoek kunnen marketeers en verkopers een beter inzicht verschaffen in het online
consumentengedrag. Ze kunnen ontdekken welke factoren van (groot) belang zijn voor de
consumenten bij een online koop. Met deze kennis kunnen ze betere keuzes maken waaraan ze hun
aandacht en geld besteden wat betreft de website en de marketing.
Het eerste onderdeel van dit onderzoek is het theoretisch kader. Hier wordt besproken wat er reeds
in de literatuur te vinden is over het beïnvloeden van online purchase intention bij consumenten.
Vervolgens wordt aan de hand van eerdere onderzoeken een conceptueel model gepresenteerd. Door
dit model empirisch te toetsen wordt antwoord gegeven op de onderzoeksvraag.
6
Dit model wordt in het tweede deel getoetst door opgestelde hypotheses te accepteren of te
verwerpen.
2. Theoretisch kader
In dit hoofdstuk worden de eerste twee deelvragen beantwoord. Allereerst wordt de bestaande
literatuur over koopintentie besproken. Vervolgens wordt een conceptueel model gepresenteerd dat
koopintentie zou moeten voorspellen. Tot slot worden de hypotheses, passend bij het conceptuele
model, geformuleerd.
Volgens de theorie leidt een intentie dus veelal tot de daadwerkelijke actie. Dan is het van belang te
achterhalen waardoor een purchase intention opgewekt wordt. In dit geval moeten bepaalde
stimulansen een consument aanzetten tot koop. Een model dat veel gebruikt wordt om het
consumentengedrag in kaart te brengen is het Stimulus-Organism-Response (S-O-R) model
(Mehrabian en Russel,1974), zie Figuur 2. Het S-O-R model geeft aan dat een consument eerst
gestimuleerd wordt door verschillende stimuli. Deze stimuli beïnvloeden de cognitieve en emotionele
staat van de consument. Vervolgens heeft de consument een reactie op dit gevoel. Op een website
zijn er verschillende stimuli die het gevoel van het individu beïnvloeden, waarop het individu
vervolgens een respons heeft. De gewenste respons van de consument voor verkopers is een purchase
intention. Het is dus belangrijk te onderzoeken welke gevoelens een purchase intention voorafgaan en
door welke stimuli deze gevoelens beïnvloed worden. In dit onderzoek is het S-O-R model gebruikt bij
het opstellen van het conceptueel model dat in hoofdstuk 2.2 gepresenteerd wordt.
Figuur 2: S-O-R model van Mehrabian en Russel (1974)
2.1 Determinanten
Er is al veel onderzoek gedaan naar purchase intention en de determinanten van purchase intention.
Het koopgedrag van consumenten en in het specifiek de purchase intention, is een zeer complex
7
concept. In voorgaande onderzoeken zijn veel variabelen onderzocht die mogelijk van invloed zijn op
de koopintentie. Er zijn een aantal variabelen, zoals website quality en perceived risk, die in de meeste
onderzoeken terugkomen, maar veel onderzoeken dragen ook weer nieuwe variabelen aan die niet in
andere onderzoeken meegenomen zijn. Vaak wordt gefocust op slechts een paar variabelen, terwijl er
uit eerder onderzoek is gebleken dat er meerdere variabelen meespelen. In sommige gevallen worden
zelfs tegenstrijdige resultaten gevonden, terwijl dezelfde variabelen onderzocht zijn.
In de volgende paragrafen worden verschillende (mogelijke) determinanten van purchase intention
behandeld. In sommige gevallen is de benaming in de onderzoeken verschillend, maar zijn de
variabelen vergelijkbaar. In deze gevallen worden de variabelen hier gekoppeld. In tabel 1 worden
mogelijke determinanten van purchase intention genoemd, met de bijbehorende literatuur. Deze
variabelen worden vervolgens nader toegelicht.
Tabel 1: Mogelijke determinanten van purchase intention en de bijbehorende literatuur
Mogelijke determinanten van purchase intention
Genoemd in eerdere literatuur
Online customer experience / Consumer’s emotion
Verhoef, Lemon, Parasuraman, Roggeveen, Tsiros, & Schlesinger,
(2009); Nasermoadeli et al. (2013); Rose, Clark, Samouel, & Hair, (2012); Kim & Lennon (2013)
Perceived risk
Hsin Chang & Wen Chen (2008); Kim & Lennon (2013); Kim, Ferrin, & Rao (2008); Wu, Yeh, & Hsiao (2011)
Website quality / service quality
Kim & Lennon (2013); Hsin Chang & Wen Chen (2008); Ling, Chai, & Piew (2010); Chang & Wildt (1994); Wu et al. (2011); Verhoef et al. (2009)
Price
Verhoef et al. (2009); Moon, Chadee, & Tikoo (2008); Wu et al. (2011); Chang & Wildt (1994)
Website brand / reputation / store image
Hsin Chang & Wen Chen (2008); Wu et al. (2011); Ling et al. (2010); Verhoef et al. (2009); Kim & Lennon (2013); Kim et al. (2008)
Social environment
Verhoef et al. (2009); Nasermoadeli et al. (2013)
2.1.1 Online customer experience
Laatste jaren focussen de marketeers zich steeds vaker op de customer experience. Volgens Pine en
Gilmore (1999) kan een hoogwaardige customer experience zorgen voor grotere economische waarde.
Jarenlang lag de focus van grote bedrijven op de prijs en service om zichzelf te onderscheiden. Pine en
8
Gilmore (1999) raden bedrijven tegenwoordig aan te focussen op het creëren van een
onderscheidende customer experience. Steeds meer bedrijven doen dit ook. Toch is er nog weinig
onderzoek gedaan naar het effect van customer experience op de purchase intention. Ook is er weinig
onderzoek gedaan naar de variabelen die bepalend zijn voor de customer experience. Allereerst is het
belangrijk om te onderzoeken wat online customer experience precies betekent. Online customer
experience kan worden samengevat als de psychologische staat waarin een consument zich bevindt
als reactie op het bezoeken van een website (Meyer en Schwager, 2007). Via een website komen er bij
consumenten verschillende stimuli binnen. Op een website ziet de consument in de meeste gevallen
tekstuele informatie, afbeeldingen en in sommige gevallen ook video of audio content. Al deze data
wordt verwerkt door de consument. Deze stimuli roepen een gevoel op en er wordt een impressie
opgewekt bij de consument. Al deze online ervaringen samen behoren tot de online customer
experience. Novak, Hoffman, en Yung (2000) definiëren online customer experience als volgt: ‘The
cognitive state experienced during navigation’.
Dit is enigszins beknopt, hier wordt enkel de cognitieve staat genoemd. De definitie van Verhoef et al.
(2009) is meer alomvattend en luidt als volgt:
‘The customer experience construct is holistic in nature and involves the customer’s cognitive, affective,
emotional, social and physical responses to the retailer. This experience is created not only by those
elements which the retailer can control (e.g., service interface, retail atmosphere, assortment, price),
but also by elements that are outside of the retailer’s control (e.g., influence of others, purpose of
shopping).’
Aan de hand van deze definitie wordt er een conceptueel model gepresenteerd met mogelijke
determinanten van customer experience. Dit model is niet empirisch getoetst. Er wordt genoemd dat
er onderzoek nodig is naar de invloeden van deze determinanten op de customer experience en dat
er onderzoek nodig is naar de invloed van customer experience op de financiële opbrengsten van
bedrijven. Dit model wordt als basis gebruikt voor het huidige onderzoek.
Customer experience kan op meerdere manieren gemeten worden. Nasermoadeli et al. (2013) hebben
onderzoek gedaan naar de relatie tussen customer experience en purchase intention. In dit onderzoek
worden drie verschillende soorten customer experiences onderscheiden, namelijk sensory, emotional
en social experience. Rose et al. (2012) hebben online customer experience opgedeeld in Cognitive
Experiential State (CES) and Affective Experiential State (AES).
2.1.2 Perceived risk
Bij het verklaren van consumentengedrag wordt perceived risk vaak als factor meegenomen. De term
komt uit de psychologie. Consumenten proberen altijd risico’s te vermijden (Bauer ,1960). Dat
9
betekent dat als er aan een koop risico’s kleven, de consument eerder geneigd zal zijn om van de koop
af te zien. Consumenten wegen de voor -en nadelen af alvorens zij overgaan tot koop. Aan een online
aankoop kleven altijd risico’s. Vaak mist het persoonlijk contact, wat offline verkoop wel heeft en
daardoor neemt het risico op een negatieve uitkomst toe. Het is voor een consument online moeilijker
in te schatten of een verkoper betrouwbaar is. Kim et al. (2008) definiëren perceived risk als volgt: ‘A
consumer's belief about the potential uncertain negative outcomes from the online transaction.’ Als er
aan een online aankoop een hoog risico kleeft is het dus waarschijnlijk dat de purchase intention laag
is. Er zijn bij een online aankoop meerdere risico’s. Stone en Grønhaug (1993) noemen dat er zes
dimensies van perceived risk zijn. Dit zijn financial- , social- , time- , performance- , psychological- en
physical risks. Deze risico’s hebben invloed op de purchase intention.
Er zijn ook verschillende factoren die de grootte van het risico van een online aankoop beïnvloeden.
Deze determinanten zullen in de volgende paragrafen besproken worden.
2.1.3 Website quality / service quality
Een zeer belangrijke stimulus in de online ervaring is de website zelf. Een goede website kan voor een
positieve ervaring zorgen, maar omgekeerd kan een slechte website veel ergernis opwekken. Website
quality heeft waarschijnlijk een grote invloed op de customer experience. Verhoef et al. (2009)
noemen retail atmosphere en assortment als determinanten van customer experience. Deze twee
concepten kunnen gezien worden als onderdelen van website quality. De kwaliteit van de website is
voor de consument erg belangrijk. Vandaar dat website quality ook in veel onderzoeken wordt
genoemd als determinant van purchase intention. Aladwani en Palvia (2002) definiëren website quality
als volgt: ‘Users’ evaluation of a web site’s features meeting users’ needs and reflecting overall
excellence of the web site’.
Over hoe website quality gemeten moet worden bestaan veel verschillende meningen en
interpretaties. Hsin Chang en Wen Weng (2008) meten bijvoorbeeld de website quality door de
technical adequacy, content quality, specific content en appearance te beoordelen, maar zij noemen
dat vervolgstudie met andere meetinstrumenten nodig is om het verband tussen website quality en
purchase intention aan te tonen. Aladwani en Palvia (2002) identificeren drie dimensies van website
quality: technical adequacy, web content, en web appearance. Wolfinbarger en Gilly (2003)
identificeren vier verschillende dimensies van website quality: web site design, customer service,
fulfillment/reliability, en security/privacy.
Liu en Arnett (2000) meten website quality aan de hand van de volgende factoren: accuracy,
completeness, relevancy, security, reliability, customization, interactivity, ease of use, speed, search
functionality, en organization.
10
Wu et al. (2011) spreken over service quality. Er zijn volgens hen drie dimensies van de service quality,
namelijk: interaction quality, service environment quality, en outcome quality. Als deze drie dimensies
bekeken worden vanuit een online perspectief dan vallen veel van deze punten onder de website
quality. De website neemt voor een groot deel de service taken die het personeel in fysieke winkels
heeft over. De consument interacteert met de website en de uitstraling van de website bepaalt de
atmosfeer. Er zijn dus veel verschillende manieren om website quality te meten en elke manier heeft
zijn voor -en nadelen.
2.1.4 Price
Er is nog maar weinig onderzoek gedaan naar de invloed van price op purchase intention. Verhoef et
al. (2009) noemen price wel als determinant van Customer experience, maar hebben niet getoetst of
deze twee constructen daadwerkelijk invloed op elkaar hebben. Chang en Wildt (1994) spreken over
perceived price en definiëren deze als volgt: ‘The consumer's perceptual representation or subjective
perception of the objective price of the product’. Deze definitie geeft direct een belangrijk aspect aan
waar rekening mee gehouden moet worden, als er gesproken wordt over price. Een prijs op zich zelf
heeft niet zo veel betekenis voor een consument. Het krijgt pas betekenis door het te vergelijken. Een
consument hangt een waardeoordeel op aan een prijs door deze te vergelijken met andere prijzen,
zoals bijvoorbeeld prijzen van andere winkels voor hetzelfde product, of prijzen van andere producten.
Voor de consument is een prijs een ingewikkeld construct. Een consument heeft pas een oordeel over
een objective price zodra hij deze vergelijkt met een reference price (Winer, 1986). Een andere manier
om naar de prijs is te kijken is door de prijs/kwaliteitverhouding in ogenschouw te nemen (Monroe &
Chapman ,1987). Vandaar dat ook vaak over perceived price gesproken wordt.
2.1.5 Website brand / reputation
Een ander veelgenoemde determinant voor zowel customer experience als purchase intention is de
website brand. Aaker (1991) definieert brand als volgt: ‘A brand is a name and/or symbol-like logo,
trademark and package design that uniquely identifies the products or services of a seller, and
differentiates them from those of its competitors’
Deze definitie gaat niet specifiek over de website van een merk maar het is aannemelijk dat deze
definitie ook voor de website van een merk opgaat. Kim & Lennon (2013) spreken over reputation als
belangrijke factor bij het voorspellen van consumentengedrag. Zij noemen dat reputation een
belangrijke risico verlagende factor zou kunnen zijn. Consumenten zullen eerder een aankoop doen bij
een online verkoper die een goede reputatie heeft. Website brand en reputation zijn vergelijkbare
11
concepten. In het vervolg van dit onderzoek zal gesproken worden over website brand, omdat Verhoef
et al. (2009) dit ook noemen als determinant van customer experience.
2.1.6 Social environment
Verhoef et al. (2009) noemen social environment als determinant van customer experience. In een
fysieke winkel is het sociale contact meer aanwezig dan in een webshop. Consument en verkoper
hebben meestal persoonlijk contact, dit is online vaak minder het geval. Sommige webshops hebben
tegenwoordig wel chat functies, waarmee gecommuniceerd kan worden met de verkoper, maar over
het algemeen is de online consument afhankelijk van de website.
In een fysieke winkel kom je als consument ook makkelijk in contact met andere consumenten. Er zijn
vaak meerdere klanten tegelijk in een winkel en deze klanten kunnen elkaars ervaring beïnvloeden.
Online zijn er ook vaak meerdere consumenten tegelijk op een website, maar daar is over het
algemeen niks van te merken. De consumenten komen niet met elkaar in contact zoals dat bij een
fysieke winkel gebeurt. Waar je bij een fysieke winkel bijvoorbeeld samen in de rij staat om af te
rekenen, gaat dat online allemaal gescheiden. Daarnaast gaat men ook vaak met vrienden of familie
naar een winkel, maar online shoppen is toch iets wat men over het algemeen alleen doet. Toch heeft
de social environment ook online een belangrijk aandeel in de customer experience. Consumenten
kunnen ook online met elkaar communiceren. Bijvoorbeeld door reviews op de website zelf of door
blogs of andere review sites. Veel online consumenten laten zich informeren door andere
consumenten alvorens zij een product online kopen. Online word-of-mouth is dus erg belangrijk. Uit
onderzoek van Duan et al. (2008) is gebleken dat er in de filmindustrie een positieve relatie is tussen
online word-of-mouth en ticketverkoop. Het is aannemelijk dat ook in andere branches positieve word
of mouth leidt tot hogere verkoopcijfers, maar dit moet nog wel onderzocht worden. Duan et al. (2008)
noemen dat er vervolgonderzoek nodig is naar de invloed van online word-of-mouth informatie op het
besluitvormingsproces van consumenten.
2.2 Conceptueel model
In voorgaande paragrafen zijn verschillende factoren genoemd die (mogelijk) effect hebben op de
purchase intention. Om de vraag hoe online purchase intention voorspeld kan worden te
beantwoorden, wordt in dit onderzoek een conceptueel model gepresenteerd. Dit model is ontwikkeld
aan de hand van eerdere onderzoeken. In dit model worden online customer experience en perceived
risk gemeten aan de hand van een aantal determinanten/voorspellers. Deze determinanten zijn
website quality, price, website brand en social environment. Ook wordt met dit model gesuggereerd
dat perceived risk een negatieve invloed heeft op de online customer experience. Vervolgens
12
suggereert het model dat de online customer experience en de perceived risk samen resulteren in een
purchase intention bij een consument. Dit voorgestelde conceptuele model wordt getoetst door
opgestelde hypotheses te testen. Het conceptuele model is te zien in Figuur 3.
Figuur 3: Voorgesteld conceptueel model
In deze paragraaf wordt de totstandkoming van dit voorgestelde conceptuele model toegelicht.
Allereerst is het eerdergenoemde S-O-R model gebruikt, dit model wordt in veel onderzoeken naar
purchase intention gebruikt. De onafhankelijke variabelen (website quality, price, website brand, social
environment) zijn de stimuli die een bij de consument binnenkomen als hij een website bezoekt. Deze
stimuli beïnvloeden de emotionele en cognitieve staat (online customer experience, perceived risk)
van het organisme, in dit geval de consument. Deze gevoelens van het organisme zetten een respons
(purchase intention) in gang.
Er zijn een aantal variabelen die in de meeste eerdere onderzoeken naar voren komen als determinant
van purchase intention. In sommigen gevallen is dit direct, in andere gevallen is dit indirect via andere
variabelen. Naar de directe relatie tussen online customer experience en purchase intention is nog
weinig onderzoek gedaan. Zoals in 2.1.1 is toegelicht is het echter wel waarschijnlijk dat er een
positieve relatie is tussen online customer experience en purchase intention, vandaar dat er gekozen
is om de directe relatie tussen online customer experience en purchase intention te toetsen in het
model. De andere variabele met een directe invloed op purchase intention is perceived risk. In
tegenstelling tot online customer experience is er al wel veel onderzoek gedaan naar de relatie tussen
13
perceived risk en purchase intention. Zoals in 2.1.2 aangekaart is, is er uit meerdere onderzoeken
gebleken dat er een negatieve relatie is tussen perceived risk en purchase intention. Aangezien het uit
meerdere onderzoeken naar voren gekomen is dat perceived risk een determinant is van purchase
intention, wordt ook in dit onderzoek perceived risk als directe voorspeller van purchase intention
opgenomen. Naast de twee genoemde directe voorspellers van purchase intention, zijn er meerdere
indirecte voorspellers. Om deze te bepalen is voor een groot deel het model van Verhoef et al. (2009)
als voorbeeld gebruikt. Dit is een nog niet getest model met verschillende variabelen die customer
experience zouden moeten bepalen. Verhoef et al. (2009) noemen social environment, service
interface, retail atmosphere, assortment, price, customer experience in alternative channels, retail
brand en previous customer experience. Er is in dit onderzoek voor gekozen om service interface, retail
atmosphere en assortment samen te vatten als website quality. Dit is namelijk een variabele die ook
in vele andere onderzoeken genoemd wordt als (indirecte) determinant van purchase intention (zie
2.1.3). Price wordt ook Verhoef et al. (2009) ook gezien als voorspeller van customer experience.
Daarnaast is het aannemelijk dat de prijs ook invloed heeft op perceived risk, vandaar dat price is
opgenomen in het conceptueel model. Verhoef et al. (2009) noemen ook Website brand als
onafhankelijke variabele. Deze variabele komt ook in andere onderzoeken vaak terug als determinant
van perceived risk danwel purchase intention (zie 2.1.5). De benaming is vaak verschillend in
onderzoeken. De ene onderzoeker spreekt over website brand, waar een ander spreekt over
reputation. Er is ook voor gekozen om social environment op te nemen in het conceptueel model.
Verhoef et al. (2009) noemen dit als determinant van customer experience, maar dit is nog niet
gevalideerd. Uit onderzoek van Nasermoadeli et al. (2013) is wel gebleken dat social experience een
positieve invloed heeft op purchase intention.
2.3 Hypotheses
De volgende hypotheses worden getoetst om het voorgestelde conceptuele model te valideren. Voor
elke hypothese wordt onderbouwd hoe de hypothese gevormd is en of het al eerder onderzocht is.
Hypothese 1: Website quality heeft een positieve invloed op online customer experience.
De invloed van website quality op online customer experience is wel deels eerder onderzocht. Er is
echter geen eenduidige methode voor het meten van website quality. Rose et al. (2012) hebben
vastgesteld dat ease-of-use, customization en connectedness een positieve invloed hebben op
perceived control, wat vervolgens een positieve invloed heeft op de Affective Experiential State (AES).
Er zijn dus onderdelen van website quality die een significant effect hebben op een deel van de online
customer experience.
14
Uit onderzoek van Kim & Lennon (2013) is gebleken dat de relatie tussen customer service en emotion
niet significant is. Website design, fulfillment/reliability, en security/privacy hadden daarentegen wel
een positieve significante invloed op emotion. Zoals in 2.1.1 genoemd is volgens Nasermoadeli et al.
(2013) emotional experience slechts één van de drie customer experiences. Wederom zijn er dus
onderdelen van website quality die een positieve invloed hebben op een deel van de online customer
experience. Er kan dus niet met zekerheid gezegd worden dat website quality een positieve invloed
heeft op de online customer experience. Dit zal verder onderzocht worden in dit onderzoek.
Hypothese 2: Website quality heeft een negatieve invloed op perceived risk.
Naast dat de kwaliteit van de website van invloed is op de customer experience is het ook aannemelijk
dat het een invloed heeft op perceived risk. Als de kwaliteit hoog is, wordt er minder risico ervaren
door consumenten (Kim & Lennon, 2013).
Opvallend is het resultaat van het onderzoek van Hsin Chang en Wen Weng (2008). Zij vonden namelijk
geen significant verband tussen website quality en perceived risk. De resultaten van deze twee
onderzoeken spreken elkaar dus tegen. Dit zou verklaard kunnen worden door het eerdergenoemde
verschillend meten van website quality. De elkaar tegensprekende resultaten roepen om nader
onderzoek naar de relatie tussen website quality en perceived risk.
Hypothese 3: Price heeft een positieve invloed op online customer experience.
In het model van Verhoef et al. (2009) wordt price genoemd als determinant van online customer
experience. Dit is echter niet door hen getoetst. Het is aannemelijk dat als een consument een
negatieve ervaring heeft bij de prijs, dit ook invloed heeft op de gehele customer experience.
Moon et al. (2008) hebben het effect van prijs onderzocht op de purchase intention voor
gepersonaliseerde producten. Consumenten waren bereid meer geld te betalen voor
gepersonaliseerde producten. De prijs had tot een bepaalde hoogte geen effect op de purchase
intention van gepersonaliseerde producten.
Wu et al. (2011) hebben het effect van price consciousness op purchase intention van een Private Label
Brand product onderzocht. Er bleek geen significante relatie tussen deze twee variabelen te bestaan.
Moon et al. (2008) hebben dus het effect van de prijs van gepersonaliseerde producten op purchase
intention onderzocht en Wu et al. (2011) hebben het effect van de prijs van Private Label Brand (PLB)
producten op purchase intention onderzocht. Het effect van de prijs van standaardproducten op
purchase intention is nog niet onderzocht. Het is aannemelijk dat de prijs voor standaardproducten
wel invloed heeft op de purchase intention. Consumenten zijn vaak bereid meer te betalen als het
15
product gepersonaliseerd is of van een PLB komt. Deze bereidheid is waarschijnlijk een stuk lager bij
standaardproducten.
Hypothese 4: Price heeft een negatieve invloed op perceived risk.
Er is nog weinig onderzoek gedaan naar de relatie tussen price en perceived risk. Het is echter
waarschijnlijk dat deze twee variabelen wel invloed op elkaar hebben. Zoals eerdergenoemd is
financial risk één van de risico dimensies die Stone en Grønhaug (1993) noemen. Het is aannemelijk
dat hoe lager de perceived price voor een consument is, hoe lager het financiële risico is en hoe sneller
de consument dus het product zal kopen. Uit onderzoek van Wu et al. (2011) is wel gebleken dat
perceived risk een negatief effect heeft op price consciousness. De invloed van price op perceived risk
is niet meegenomen in dat onderzoek.
Hypothese 5: Website brand heeft een positieve invloed op online customer experience.
Verhoef et al. (2009) noemen dat de retail brand van invloed is op de customer experience. Deze relatie
is echter niet getoetst. Kim en Lennon (2013) hebben wel onderzocht wat de invloed van reputation
(wat vergelijkbaar is met website brand) is op consumers emotion (wat gezien kan worden als
onderdeel van customer experience). Uit dit onderzoek kwam een positief significant verband tussen
de twee constructen. Als een merk als positief ervaren wordt, volgt ook een positieve experience.
Hypothese 6: Website brand heeft een negatieve invloed op perceived risk.
Website brand heeft een negatief effect op perceived risk (Hsin Chang & Wen Chen, 2008). Als een
website of het bedrijf achter de website een goede naam heeft, ervaren consumenten minder risico.
Uit het onderzoek van Hsin Chang & Wen Chen (2008) bleek zelfs dat website brand een sterker effect
heeft op de keuze van de consument dan website quality.
Reputation heeft een negatieve invloed op perceived risk (Kim & Lennon, 2013). Als een bedrijf goed
bekend staat, nemen de risico’s af. Een bedrijf krijgt een goede naam door in het verleden positieve
experiences opgeleverd te hebben. Het is dan aannemelijk dat het dit in de toekomst ook zal doen,
waardoor het risico voor de consument afneemt. De verwachte relatie tussen website brand en
perceived risk is dus uit meerdere onderzoeken reeds naar voren gekomen. Een kanttekening hierbij
is wel dat voor het onderzoek van Kim en Lennon (2013) een convenience sample gebruikt waardoor
de sample uit voornamelijk vrouwen bestond.
16
Hypothese 7: Social environment heeft een positieve invloed op online customer experience.
In het model van Verhoef et al. (2009) wordt social environment ook genoemd als determinant van
customer experience. Zoals genoemd in 2.1.1 delen Nasermoadeli et al. (2013) customer experience
op in sensory, emotional en social experience. Zij hebben een positieve relatie gevonden tussen social
experience en purchase intention. Het sociale gedeelte van de experience heeft dus invloed op de
purchase intention. Wat de invloed van social environment op de online customer experience is, is nog
niet eerder onderzocht. Het is aannemelijk dat consumenten die een sociaal gevoel ervaren op een
website over het algeheel een positieve customer experience hebben. Het contact met andere
consumenten kan zorgen voor een betere ervaring.
Hypothese 8: Social environment heeft een negatieve invloed op perceived risk.
Verhoef et al. (2009) noemen social environment als determinant van online customer experience,
maar het is ook aannemelijk dat het een determinant is van perceived risk. Reviews van andere
consumenten kunnen de risico’s verkleinen of wegnemen. Als er veel positieve reviews online staan
van andere consumenten is het waarschijnlijker dat de koop ook voor jou positief uit zal pakken. Er is
nog weinig onderzoek gedaan naar deze relatie.
Hypothese 9: Perceived risk heeft een negatieve invloed op online customer experience.
Zoals genoemd in 2.1.2 proberen consumenten altijd zo veel mogelijk risico’s te vermijden. Risico’s
kunnen voor consumenten leiden tot negatieve ervaringen. Kim & Lennon (2013) hebben een negatief
verband gevonden tussen perceived risk en emotion. Als consumenten risico’s ervaren, zal de algehele
customer experience slechter zijn.
Hypothese 10: Online customer experience heeft een positieve invloed op purchase intention.
Nasermoadeli et al. (2013) hebben onderzoek gedaan naar de relatie tussen customer experience en
purchase intention. Zij onderscheiden drie verschillende soorten customer experiences, namelijk
sensory, emotional en social experience. Voor alle drie de dimensies is de relatie tot purchase intention
onderzocht. Hieruit is gebleken dat de emotional en social experience een directe positieve significante
invloed hebben op purchase intention. Sensory experience heeft geen directe significante invloed op
purchase intention, slechts een indirecte invloed via de mediërende variabelen emotional en social
experience. Een limitatie van dat onderzoek is echter dat er een judgemental sample gebruikt is,
waardoor het lastig te generaliseren is. Nasermoadeli et al. (2013) noemt vandaar dat het in de
toekomst wenselijk is om de relatie tussen customer experience en purchase intention nogmaals te
onderzoeken met een probability sampling techniek om hun bevindingen te verifiëren.
17
Uit onderzoek van Kim en Lennon (2013) bleek dat Emotion een positieve invloed heeft op purchase
intention. Dit komt overeen met de eerdergenoemde resultaten van Nasermoadeli et al. (2013),
waarin emotional experience een positieve invloed heeft op purchase intention.
Rose et al. (2012) hebben ook onderzoek gedaan naar de (indirecte) invloed van online customer
experience op purchase intention. Zij hebben Online customer experience opgedeeld in Cognitive
Experiential State (CES) and Affective Experiential State (AES). Online shopping satisfaction en trust zijn
als mediërende variabelen gebruikt tussen CES, AES en purchase intention. Er was geen direct verband
tussen CES, AES en purchase intention. Via de mediërende variabele Satisfaction was er wel een
indirect verband tussen zowel CES als AES met purchase intention. Het is opvallend dat CES en AES
geen direct verband hebben met purchase intention. Dit lijkt de resultaten van Nasermoadeli et al.
(2013) en Kim en Lennon (2013) tegen te spreken.
Doordat er uit meerdere onderzoeken is gebleken dat een positieve customer experience zorgt voor
een grotere purchase intention, is er in dit onderzoek voor gekozen om deze relatie in het conceptueel
model op te nemen.
Hypothese 11: Perceived risk heeft een negatieve invloed op purchase intention.
Als het risico laag is, zijn consumenten sneller geneigd online aankopen te doen. Dat dit inderdaad zo
is kwam naar voren uit onderzoeken van Hsin Chang en Wen Chen (2008), Kim et al. (2008), Wu et al.
(2011), en Kim en Lennon (2013). Zij hebben allen een negatieve relatie gevonden tussen perceived
risk en purchase intention. Zoals eerder genoemd proberen consumenten risico’s zo veel mogelijk te
vermijden. Als er een een online aankoop veel risico’s kleven, is het dus zeer aannemelijk dat de
consument eerder af zal zien van de koop.
18
In Tabel 2 is een samenvatting te zien van dit hoofdstuk. De ondersteunende literatuur wordt
per hypothese aangegeven en er wordt aangegeven of de hypothese al eerder getest is.
Tabel 2: Hypotheses met ondersteunende bijbehorende literatuur
Hypothese Ondersteunende literatuur Eerder getest (soms deels) H1: Website quality heeft een positieve invloed op online customer experience.
Verhoef et al. (2009), Kim & Lennon (2013), Rose et al. (2012), Ling et al. (2010)
Website quality -> Emotion (Kim & Lennon (2013)) Rose et al. (2012)
H2: Website quality heeft een negatieve invloed op perceived risk.
Hsin Chang & Wen Chen (2008), Kim & Lennon (2013)
Hsin Chang & Wen Chen (2008), Kim & Lennon (2013)
H3: Price heeft een positieve invloed op online customer experience.
Verhoef et al. (2009), Moon et al. (2008), Chang & Wildt (1994)
Nieuw
H4: Price heeft een negatieve invloed op perceived risk.
Wu et al. (2011), Stone en Grønhaug (1993)
Nieuw
H5: Website brand heeft een positieve invloed op online customer experience.
Verhoef et al. (2009), Ling et al. (2010)
Reputation -> Emotion (Kim & Lennon (2013))
H6: Website brand heeft een negatieve invloed op Perceived risk.
Hsin Chang & Wen Chen 2008, Kim & Lennon (2013), Wu et al. (2011), Ling et al. (2010)
Hsin Chang & Wen Chen (2008), Reputation -> Perceived risk (Kim & Lennon (2013))
H7: Social environment heeft een positieve invloed op Online customer experience.
Verhoef et al. (2009), Nasermoadeli et al. (2013)
Nieuw
H8: Social environment heeft een negatieve invloed op perceived risk.
Verhoef et al. (2009) Nieuw
H9: Perceived risk heeft een negatieve invloed op Online customer experience.
Wu et al. (2011), Kim & Lennon (2013)
Perceived risk - > Emotion (Kim & Lennon (2013))
H10: Online customer experience heeft een positieve invloed op purchase intention.
Verhoef et al. (2009), Nasermoadeli et al. (2013), Kim & Lennon (2013), Rose et al. (2012)
Nasermoadeli et al. (2013), Kim & Lennon (2013), Rose et al. (2012)
H11: Perceived risk heeft een negatieve invloed op purchase intention.
Hsin Chang & Wen Chen (2008), Kim & Lennon (2013), Kim et al. (2008), Wu et al. (2011)
Hsin Chang & Wen Chen (2008), Kim & Lennon (2013), Kim et al. (2008), Wu et al. (2011)
19
3. Methode
In dit deel van het verslag wordt het onderzoeksdesign beschreven. In hoofdstuk 2 is aan de hand van
de literatuur een conceptueel model opgesteld en aan de hand van dit model zijn hypotheses
geformuleerd, hiermee zijn de eerste en tweede deelvraag beantwoord. In het volgende hoofdstuk
wordt het conceptueel model empirisch getoetst, hiermee wordt de derde deelvraag beantwoord.
Allereerst wordt beschreven hoe het onderzoek uitgevoerd is en vervolgens worden in hoofdstuk 4 de
resultaten besproken.
3.1 Deelnemers
Er hebben 122 respondenten meegedaan aan het onderzoek. Een sample size van 122 zou groot
genoeg moeten zijn om een hoge statistische power te genereren. Bij het bepalen van de minimale
sample size voor regressieanalyses wordt gekeken naar het aantal voorspellende variabelen. In de
literatuur wordt vaak de vuistregel 10 of 15 respondenten per voorspellende variabele gebruikt. In dit
onderzoek zijn er 6 variabelen die purchase intention moeten voorspellen, namelijk website quality,
price, website brand, social environment, online customer experience, en perceived risk. Volgens deze
vuistregel zou de sample size dus tussen de 60 en 90 personen moeten liggen. Volgens Field (2009) is
het echter ook van belang om naast het aantal voorspellers ook naar de gewenste effect size te kijken.
Field (2009) geeft aan dat bij 6 voorspellende variabelen er bij een medium effect (R² = 0,13) een sample
size van 98 nodig is. Als er een groot effect (R² = 0,26) wordt verwacht dan is een sample size van 46
voldoende. Hiervoor zijn de benchmarks van Cohen (1988); aangehaald door Field (2009) gebruikt:
statistische power van 0,8. In het huidige onderzoek wordt voor de meeste verbanden een groot effect
verwacht. De verbanden zijn namelijk op eerder onderzoek gebaseerd en in sommige gevallen ook al
eerder getoetst. Sommige verbanden die nog niet eerder onderzocht zijn zoals het effect van price en
social environment op online customer experience en perceived risk zouden mogelijk een minder groot
effect kunnen hebben. De verwachting is echter dat deze relaties minstens een medium effect zullen
hebben, omdat ze gebaseerd zijn op eerdere literatuur. Er is dus geprobeerd een steekproef van
minimaal 98 personen te verkrijgen om een betrouwbare lineaire regressieanalyse uit te kunnen
voeren. De steekproef van 122 respondenten is dus geschikt om een hoge statistische power te
bewerkstelligen.
3.2 Materialen
Het empirisch toetsen van het conceptueel model wordt gedaan door het uitvoeren van kwantitatief
onderzoek. Er is een vragenlijst opgesteld met vragen over de ervaringen van mensen met een
webshop die zij als laatst bezochten. De vragenlijst bestaat uit vragen die de variabelen uit het
20
conceptueel model meten. De vragen zijn overgenomen uit verschillende eerdere onderzoeken. Hier
is voor gekozen omdat bewezen is uit eerder onderzoek dat deze vragen een hoge betrouwbaarheid
hebben (α > 0,7). Al deze vragen zijn vanuit het Engels vertaald naar het Nederlands. De vragenlijst
bestaat uit drie delen: een inleiding, stellingen over de ervaringen, en socio-demografische vragen. De
vragenlijst is terug te vinden de bijlage.
Het eerste deel is inleidend. De respondenten worden gevraagd terug te denken aan hun meest
recente onlinekoopervaring. Er wordt vermeld dat het toegestaan is even de website te bezoeken om
de herinnering op te halen. Er is voor gekozen om naar de meest recente onlinekoopervaring te vragen
omdat deze ervaring waarschijnlijk nog het best in het geheugen ligt. De respondent kent de site en
heeft er ervaring mee. Om te toetsen of de respondent daadwerkelijk ervaring heeft met de website
worden er nog vier vragen gesteld over de bekendheid met de website. Een andere belangrijke reden
voor de keuze voor meest recente ervaring in plaats van een zelfgekozen ervaring, heeft te maken met
het verschil in beoordelingen van de ervaring. De kans bestaat dat als respondenten zelf een website
uit mogen kiezen, ze hun favoriete website gaan beoordelen. Dit zou dan voornamelijk positieve
reacties opleveren. Maar negatieve beoordelingen zijn minstens zo belangrijk bij het bestuderen van
koopgedrag. In de vragenlijst worden de respondenten dus gevraagd naar hun meest recente
koopervaring. Voor het gemak is ervoor gekozen om de respondenten te laten kiezen uit de vier
grootste online webshops of zelf een webshop in te vullen onder de optie ‘anders’. De keuze bestaat
uit Bol.com, Coolblue, Wehkamp, Zalando of anders.
Het tweede deel is het daadwerkelijke onderzoek. De respondenten worden gevraagd hun mening te
geven over verschillende stellingen aan de hand van een 7-punts Likertschaal (1 = helemaal niet mee
eens, 2 = niet mee eens, 3 = enigszins mee oneens, 4 = noch eens noch oneens, 5 = enigszins mee eens,
6 = mee eens, 7 = helemaal mee eens).
De website quality wordt gemeten aan de hand van veertien vragen, die zijn overgenomen van
Wolfinbarger & Gilly (2003). Wolfinbarger & Gilly (2003) hebben een vragenlijst opgesteld voor
onderzoekers en managers om de website quality te meten bij bezoekers van websites. Deze
vragenlijst hebben ze opgesteld door allereerst via focusgroepen erachter te komen wat mensen
belangrijk vinden op een website. Vervolgens zijn ze de bevindingen uit de focusgroepen gaan sorteren
in verschillende categorieën. Hier kwamen uiteindelijk veertig vragen uit voort. Deze veertig vragen
zijn via een survey verspreid over een sample van 1013 respondenten. Met de data van deze survey
hebben ze een exploratory en confirmatory factor analyse uitgevoerd. Aan de hand van deze analyses
hebben ze uiteindelijk veertien vragen over gehouden die website quality moeten meten. Deze vragen
zijn op te delen in vier factoren van website quality: fulfillment/reliability, website design, customer
service, en security/privacy.
21
Onder fulfillment/reliability wordt verstaan dat het bedrijf doet wat het belooft. De producten op de
website worden goed weergegeven en komen overeen met het daadwerkelijke product dat
consumenten ontvangen. Ook wordt het juiste product geleverd in de beloofde levertijd.
Website design bevat alle elementen van de website zelf. Dit zijn de ervaringen die een persoon met
de website heeft. Hieronder vallen navigatie, zoeken van informatie, personalisatie, productselectie,
en het koopproces. Onder customer service valt de bereidheid van het bedrijf om snel in te spelen op
de behoeften van de klant en snel hun problemen op te lossen. Security/privacy gaat over de
beveiligingsfuncties van de site die de privacy van consumenten moeten waarborgen en de transacties
moeten beschermen.
Na een goed en uitgebreid onderzoek presenteren Wolfinbarger & Gilly (2003) een vragenlijst van
veertien vragen die website quality meten. Hun onderzoek wordt vaak in andere onderzoeken
gebruikt, bijvoorbeeld in het onderzoek van Kim & Lennon (2013). Zoals genoemd in 2.1.3 zijn er veel
verschillende manieren in het meten van website quality en een andere meting kan ook verschillende
resultaten opleveren (zie 2.3 hypothese 2). In het huidige onderzoek is er voor gekozen om de website
quality schaal van Wolfinbarger & Gilly (2003) over te nemen, omdat deze een hoge betrouwbaarheid
heeft: website design α = 0,83; fulfillment/reliability α = 0,79; security/privacy α = 0,88; customer
service α = 0,84. Daarnaast is de vragenlijst opgesteld aan de hand van een uitgebreid en degelijk
onderzoek.
Price wordt gemeten met behulp van vier stellingen, die zijn overgenomen van Chiang & Jang (2007).
De stellingen worden beoordeeld met 7-punts Likertschaal van tegengestelden. De consumenten
moeten stellingen beantwoorden wat zij van de prijzen in het algemeen vinden op de site. Aan de ene
kant staan de negatieve beoordelingen: duur, onredelijk, ongepast en onbetaalbaar. Aan de andere
kant de positieve beoordelingen: goedkoop, redelijk, gepast en betaalbaar. In het onderzoek van
Chiang & Jang (2007) genereerden deze stellingen een hoge betrouwbaarheid voor het meten van de
price (α = 0,84).
Wat de respondenten van de website brand vinden wordt gemeten met drie vragen over de reputatie
van de website. Deze vragen zijn overgenomen van Kim & Lennon (2013), die hun vragen gebaseerd
hebben op onderzoek van Doney & Cannon (1997). De drie vragen van Kim & Lennon (2013) over
reputation leverden een hoge betrouwbaarheid op (α = 0,90).
Of de website als een social environment beoordeeld wordt, is gemeten met drie vragen van Gefen &
Straub (2004). Zij hebben perceived social presence gemeten aan de hand van deze vragen. Dit leverde
een hoge betrouwbaarheid op (PLS composite reliability = 0,84). Hassanein & Head (2007) gebruikten
ook deze schaal en vonden ook een zeer hoge betrouwbaarheid (α = 0,94). Het is dus gerechtvaardigd
te stellen dat deze schaal betrouwbaar is om perceived social presence te meten. De perceived social
22
presence geeft aan of de website ervaren wordt als een social environment, vandaar dat er voor
gekozen is om deze schaal over te nemen.
Over de online customer experience worden negen vragen gesteld, die zijn overgenomen van Novak,
Hoffman, & Yung (2000) en ook zijn gebruikt door Rose et al. (2012). Hierin wordt online customer
experience opgedeeld in cognitive experiential state (CES) en affective experiential state (AES).
De eerste vraag gaat over een mogelijk ervaren ‘flow’. Er wordt de respondent eerst uitgelegd wat
‘flow’ inhoudt en vervolgens wordt gevraagd of deze flow ervaren is tijdens de meest recente online
koopervaring. Deze vraag meet het cognitieve gedeelte van de experience (CES). Het emotionele
gedeelte (AES) van de experience wordt gemeten aan de hand van acht stellingen. In deze stellingen
wordt de respondent gevraagd welke gevoelens hij had bij het bezoeken van de website. Hier stonden
telkens twee tegengestelden tegenover elkaar. Deze tegengestelden komen van de PAD (Pleasure,
Arousal, Dominance) schaal (Mehrabian en Russell, 1974). Rose et al. (2012) vonden een hoge
betrouwbaarheid voor deze schaal (Composite reliability ρc = 0,87).
Perceived risk wordt gemeten aan de hand van zes vragen. Deze zes vragen zijn op te delen in vijf risico
categorieën: performance, financial, social, psychological en time. Deze schaal is ontworpen door
Corbitt, Thanasankit, & Yi (2003) en is ook gebruikt door Hsin Chang en Wen Weng (2008). Deze schaal
leverde een hoge betrouwbaarheid op in het onderzoek van Hsin Chang en Wen Weng (2008) (α =
0,93).
Tot slot bestaat de schaal van purchase intention uit een drietal vragen, die zijn overgenomen uit
onderzoek van Pavlou (2003). De schaal van Pavlou (2003) leverde een hoge betrouwbaarheid op (α =
0,94).
Het derde deel van de vragenlijst bestaat uit een aantal demografische vragen. De respondenten
worden gevraagd naar hun geslacht, leeftijd, opleidingsniveau en tot slot worden ze gevraagd hoe ze
hun eigen online koopgedrag zouden bestempelen. Ook deze vraag heeft een 7-punts Likertschaal (1
= ver onder het gemiddelde, 2 = onder het gemiddelde 3 = enigszins onder het gemiddelde, 4 =
gemiddeld, 5 = enigszins boven het gemiddelde, 6 = boven het gemiddelde, 7 = ver boven het
gemiddelde).
Om te bepalen of de verschillende vragen samengevoegd kunnen worden tot één schaal is een
betrouwbaarheidsanalyse uitgevoerd. Voor de verschillende variabelen is de Cronbach’s Alpha
berekend. Op één na hebben alle variabelen een hoge betrouwbaarheidsindex (α > 0,7), zie Tabel 3.
Dit betekent dat de vragen daadwerkelijk het construct meten. Het construct online customer
experience heeft echter een relatief lage betrouwbaarheid (α = ,63). Deze wordt niet hoger door het
weglaten van vragen. Vaak wordt in de literatuur genoemd dat een Cronbach’s Alpha waarde van
23
boven de 0,7 betrouwbaar is en dat onder de 0,7 minder betrouwbaar is. Kline (1999); aangehaald
door Field (2009) noemt echter dat voor psychologische constructen een waarde van onder de 0,7
realistisch is. De lage waarde bij psychologische constructen kan verklaard worden door de hoge
diversiteit van de gemeten constructen. Dit zou kunnen verklaren waarom de Cronbach’s alpha van
online customer experience een stuk lager is dan de Cronbach’s alpha van de andere constructen. De
online customer experience meet de cognitive experiential state en de affective experiential state van
mensen; en kan dus gezien worden als een psychologisch construct. De Cronbach’s alpha van de
overige variabelen zou in sommige gevallen iets hoger kunnen worden door het weglaten van vragen.
Er is echter voor gekozen dit niet te doen, omdat de betrouwbaarheid hoog genoeg is (α > 0,8). Ook
zou het aantal vragen dat de variabele meet dan aan de lage kant worden. Alle vragen van het
onderzoek zijn dus meegenomen in de analyse.
Tabel 3: Betrouwbaarheidsanalyse
Cronbach's Alpha Cronbach's Alpha Based on
Standardized Items
N of Items
Website Quality ,812 ,812 14
Price ,788 ,792 4
Website Brand ,871 ,877 3
Social Environment ,862 ,823 3
OCE ,604 ,631 9
Perceived Risk ,835 ,845 6
Purchase Intention ,866 ,868 3
3.3 Procedure
De vragenlijst is gemaakt met behulp van de online tool Qualtrics. De vragen zijn opgedeeld in blokken
van maximaal 5 vragen. Op deze manier bleef het overzichtelijk voor respondenten wat zij moesten
doen. Respondenten konden aan een voortgangsbalk zien op welk punt in de enquête zij zich
bevonden. Qualtrics creëerde een anonieme link voor de enquête die vervolgens via Whatsapp,
Facebook en mail verspreid is. De vragenlijst kon zowel op een mobiel als op de computer worden
ingevuld. In de oproep is vermeld dat het invullen van de vragenlijst ongeveer vijf minuten duurt en
dat het volledig anoniem is. Het invullen van de vragenlijst was geheel vrijwillig, er stond geen beloning
tegenover. Niet volledig ingevulde vragenlijsten werden door Qualtrics verwijderd. Tot slot is met
Qualtrics een SPSS-bestand van de data geëxporteerd.
24
4. Resultaten
In het volgende hoofdstuk zullen de resultaten van het onderzoek besproken worden. Allereerst
worden de algemene gegevens van de respondenten geanalyseerd om een beeld te krijgen van de
sample. Vervolgens wordt het consumentengedrag van de respondenten geanalyseerd. Dit wordt
gedaan door eerst een correlatieanalyse uit te voeren om de verbanden tussen de verschillende
variabelen te ontdekken. Vervolgens wordt er door middel van regressieanalyses dieper ingegaan op
deze verbanden. Alle data is geanalyseerd met SPSS.
4.1 Algemene gegevens
Er hebben 122 respondenten meegedaan aan het onderzoek. Hiervan waren 74 van het mannelijk
geslacht (60,7%) en 48 van het vrouwelijk geslacht (39,3%). De leeftijden van de respondenten zijn te
zien in Tabel 4. Wat opvalt is dat de leeftijdsgroepen 25-34 en 55-64 hoge frequenties hebben, terwijl
de leeftijdsgroep 35-44 een lage frequentie heeft. De hoogst afgeronde opleiding van de respondenten
is te zien in Tabel 5. Het grootste deel van de steekproef is hoger opgeleid (63,9%). Dit is te verklaren
doordat de vragenlijst onder veel studenten is verspreid.
Tabel 4: Leeftijd in jaren
Frequentie Percentage
Jonger dan 18 3 2,5%
18-24 35 28,7%
25-34 20 16,4%
35-44 7 5,7%
45-54 21 17,2%
55-64 32 26,2%
65 of ouder 4 3,3%
Totaal 122 100%
Tabel 5: Hoogst afgeronde opleiding
Frequentie Percentage
Basisonderwijs 2 1,6%
Lager / voorbereidend beroepsonderwijs (lbo / vmbo) 3 2,5%
Hoger algemeen voortgezet onderwijs (havo) 11 9,0%
Voorbereidend wetenschappelijk onderwijs (vwo) 17 13,9%
Middelbaar beroepsonderwijs (mbo) 11 9,0%
Hoger beroepsonderwijs (hbo) 42 34,4%
Wetenschappelijk onderwijs (wo) 36 29,5%
Totaal 122 100%
25
De respondenten konden kiezen tussen de vier grootste online webwinkels of ze konden zelf een
andere webshop invullen. De meeste respondenten hebben Bol.com beoordeeld (45,9%). Verder
waren er een aantal websites buiten de top vier die door meer dan één respondent zijn beoordeeld.
Dit zijn Amazon, Ebay en Marktplaats. De overige genoemde websites onder de optie ‘anders’
kwamen niet vaker dan één keer voor. De beoordeelde websites zijn te zien in Tabel 6. De
respondenten is ook gevraagd naar hoe zij hun eigen online koopgedrag zouden bestempelen. Het
gemiddelde van deze vraag was 3,32 en de standaardafwijking 1,42. De respondenten beoordeelden
hun eigen online koopgedrag dus enigszins onder het gemiddelde.
Tabel 6: Website van meest recente koopervaring
Frequentie Percentage
Bol.com 56 45,9%
Coolblue 8 6,6%
Wehkamp 2 1,6%
Zalando 9 7,4%
Amazon 2 1,6%
Ebay 2 1,6%
Marktplaats 4 3,3%
Anders 39 32,0%
Totaal 122 100%
Om de variabelen te meten is het gemiddelde van de bijbehorende vragen berekend. De data is niet
normaal verdeeld. Alle variabelen wijken significant af van de normaalverdeling: website quality
(D(122) = .086, p < .05); price (D(122) = .105, p < .05); website brand (D(122) = .204, p < .05); social
environment (D(122) = .103, p < .05); online customer experience (D(122) = .091, p < .05); perceived
risk (D(122) = .141, p < .05); purchase intention (D(122) = .162, p < .05). Er zijn geen outliers in de data
gevonden. In Tabel 7 zijn het gemiddelde, de standaardafwijking en de variantie van de variabelen te
vinden.
Tabel 7: Beschrijvende statistiek variabelen
Gemiddelde Standaardafwijking Variantie
Website quality 5,50 ,61 ,37
Price 5,02 ,81 ,65
Website brand 5,90 1,22 1,48
Social environment 3,93 1,37 1,88
Online customer experience 4,36 ,59 ,35
Perceived risk 2,30 1,00 1,01
Purchase intention 5,67 ,99 ,97
26
4.2 Analyse
In de volgende paragrafen worden meerdere analyses uitgevoerd om het voorgestelde conceptuele
model te toetsen. Allereerst wordt een correlatieanalyse uitgevoerd, vervolgens meerdere
meervoudige regressieanalyses. Met de meervoudige regressieanalyses worden de hypotheses
getoetst.
4.2.1 Correlatieanalyse
Allereerst is er gekeken naar de correlatie tussen de variabelen. Omdat de data niet normaal verdeeld
is, is er een Spearman correlatietest uitgevoerd. De resultaten van deze analyse zijn te zien in Tabel 8.
In de tabel worden de correlaties tussen alle variabelen van het conceptueel model weergegeven. Er
valt uit op te maken dat er veel significante verbanden te vinden zijn tussen de variabelen. De
verbanden tussen de onafhankelijke variabelen website quality, price, website brand, en social
environment en de afhankelijke variabelen online customer experience en perceived risk zijn
belangrijk. Ook de correlaties van online customer experience en perceived risk met purchase
intention zijn belangrijk. Dit zijn de verbanden die volgens het conceptueel model verwacht worden
en die in de hypotheses geformuleerd zijn. De gevonden correlaties zullen in het volgende hoofdstuk
aan de hand van regressieanalyses verder geanalyseerd worden.
Tabel 8: Spearman correlatie
WQ PRI WB SOC OCE PR PI
WQ
,129 ,434** ,390** ,153 -,507** ,516**
PRI -
-,155 -,196* -,364* -,198* ,142
WB - -
,158 -.073 -,230* ,351**
SOC - - -
,196* -,137 ,341**
OCE - - - -
-,095 ,197*
PR - - - - -
-,333**
PI - - - - - -
** Correlatie is significant op 0,01 niveau (2-tailed)
* Correlatie is significant op 0,05 niveau (2-tailed)
WQ = website quality; PRI = price; WB = website brand; SOC = social environment; OCE = online
customer experience; PR = perceived risk; PI = purchase intention
4.2.2 Lineaire meervoudige regressieanalyse
In dit hoofdstuk worden de verbanden uit het conceptueel model statistisch getoetst door het
uitvoeren van meerdere lineaire meervoudige regressieanalyses. De 11 hypotheses die de relaties
27
tussen de variabelen beschrijven, worden getoetst. Er wordt per afhankelijke variabele een
meervoudige regressieanalyse uitgevoerd en aan de hand daarvan worden de hypotheses getoetst.
Allereerst wordt er een analyse besproken met online customer experience als afhankelijke variabele,
vervolgens perceived risk als afhankelijke variabele en als derde purchase intention als afhankelijke
variabele. Tot slot wordt hypothese 9 getoetst door middel van een enkelvoudige regressieanalyse
(wat hetzelfde is als een Pearson correlatie). Per hypothese is ook een regressieanalyse uitgevoerd met
alleen mannen (N = 74) of alleen vrouwen (N = 48). Er wordt gekeken of er een verschil te zien is in de
resultaten.
Online customer experience
De eerste lineaire meervoudige regressieanalyse test hypothese 1, 3, 5 en 7. De afhankelijke variabele
is online customer experience en de onafhankelijke variabelen zijn website quality, price, website
brand en social environment. Dit is overzichtelijk te zien in Figuur 4.
Figuur 4: Deel van conceptueel model met online customer experience als afhankelijke variabele
Allereerst zijn de assumpties voor een regressieanalyse gecontroleerd. Er is geen multicollineariteit
tussen de onafhankelijke variabelen (r < 0,8; VIF < 10; tolerance > 0,2). Het is dus gerechtvaardigd om
een regressieanalyse uit te voeren met deze onafhankelijke variabelen.
28
Tabel 9: Meervoudige regressieresultaten voor de voorspelling van online customer experience
B SE Beta Sig
Constant 2,746 ,540 ,000**
Website quality ,129 ,093 ,133 ,171
Price ,214 ,065 ,293 ,001**
Website brand -,069 ,044 -,143 ,120
Social environment ,060 ,040 ,140 ,133
** = significant op 0,01 niveau
* = significant op 0,05 niveau
(R² = ,186; F = 6,676; p = ,000)
In Tabel 9 is te zien dat er een significant positief verband is tussen price en online customer
experience. De overige causale verbanden zijn niet significant. Het model als geheel is wel significant
en verklaart voor 18,6% de variantie van online customer experience.
H1: Website quality heeft een positieve invloed op online customer experience.
Aan de hand van de regressieanalyse kan geconcludeerd worden dat hypothese 1 niet geaccepteerd
kan worden en de nulhypothese blijft niet verworpen. Website quality heeft geen significant positieve
invloed op online customer experience (p = ,171). Er is geen verschil gevonden tussen mannen en
vrouwen.
H3: Price heeft een positieve invloed op online customer experience.
Het aangetroffen verband tussen price en online customer experience is significant (p = ,001). Het
verband is redelijk sterk (β = ,293). Hypothese 3 wordt dus geaccepteerd. Er is ook gekeken of dit effect
nog steeds significant is als alleen mannen (N = 74) of alleen vrouwen (N = 48) worden meegenomen
in de analyse. Opvallend is dat het effect onder de mannen niet meer significant is en onder de
vrouwen wel (β = ,366; p = ,011).
H5: Website brand heeft een positieve invloed op online customer experience.
Er is geen significant verband tussen website brand en online customer experience (p = ,120),
hypothese 5 wordt niet geaccepteerd. Er was geen verschil in significantie tussen mannen en vrouwen.
29
H7: Social environment heeft een positieve invloed op Online customer experience.
Tussen social environment en online customer experience is geen significant verband (p = ,133),
hiermee wordt hypothese 7 niet geaccepteerd. Er is geen verschil tussen mannen en vrouwen
gevonden.
Perceived risk
Met een tweede lineaire meervoudige regressieanalyse worden de hypotheses 2, 4, 6 en 8 getoetst.
De afhankelijke variabele is perceived risk en de onafhankelijke variabelen zijn website quality, price,
website brand en social environment. Dit is overzichtelijk te zien in Figuur 5.
Figuur 5: Deel van conceptueel model met perceived risk als afhankelijke variabele
In Tabel 10 is te zien dat alleen website quality een significant effect heeft op perceived risk. De overige
variabelen hebben geen significant causaal effect op perceived risk. Het model verklaart voor 26,7%
de variantie van perceived risk.
Tabel 10: Meervoudige regressieresultaten voor de voorspelling van perceived risk
B SE Beta Sig
Constant 7,300 ,873 ,000**
Website quality -,878 ,151 -,531 ,000**
Price -,136 ,105 -,110 ,196
Website brand ,032 ,071 ,038 ,658
Social environment ,082 ,064 ,113 ,202
** = significant op 0,01 niveau
* = significant op 0,05 niveau
(R² = ,267; F = 10,664; p = ,000)
30
H2: Website quality heeft een negatieve invloed op perceived risk.
Website quality heeft een negatief effect op perceived risk (p = ,000). Dit is een sterk verband (β = -
,531). Hypothese 2 wordt geaccepteerd en de nulhypothese verworpen. Dit effect werd ook gevonden
als alleen werd gekeken naar mannen (β =-,521; p = ,000) of alleen naar vrouwen (β = -,531; p = ,001)
H4: Price heeft een negatieve invloed op perceived risk.
Er is geen significant verband gevonden tussen price en perceived risk (p = ,196), hypothese 4 wordt
niet geaccepteerd. Er is geen verschil tussen mannen en vrouwen geconstateerd.
H6: Website brand heeft een negatieve invloed op Perceived risk.
Website brand heeft geen significant verband met perceived risk (p = ,658), hiermee wordt hypothese
6 niet geaccepteerd. Voor zowel de mannelijke als de vrouwelijke groep werd geen significant verband
gevonden.
H8: Social environment heeft een negatieve invloed op perceived risk.
Social environment en perceived risk hebben geen significant verband (p = ,202), hypothese 8 wordt
dus niet geaccepteerd. Er was geen verschil tussen de mannen en vrouwen.
Purchase intention
Met een derde meervoudige regressieanalyse wordt het effect van online customer experience en
perceived risk op purchase intention geanalyseerd. De hierbij horende hypothesen zijn H10 en H11.
De regressieanalyse is uitgevoerd met purchase Intention als afhankelijke variabele en online customer
experience en perceived risk als onafhankelijke variabele. De getoetste relaties zijn schematisch
weergegeven in Figuur 6.
31
Figuur 6: Deel van conceptueel model met purchase intention als afhankelijke variabele
Wederom zijn de assumpties voor een regressieanalyse gecontroleerd. Er is geen multicollineariteit
tussen de onafhankelijke variabelen (r < 0,8; VIF < 10; tolerance > 0,2). Het is gerechtvaardigd om een
regressieanalyse uit te voeren met de onafhankelijke variabelen online customer experience en
perceived risk. De resultaten van de regressieanalyse worden weergegeven in Tabel 11. Wat opvalt is
de lage waarde voor R². Het model verklaart voor 8,9% de variantie van purchase intention.
Tabel 11: Meervoudige regressieresultaten voor de voorspelling van purchase intention
B SE Beta Sig
Constant 5,005 ,686 ,000**
Online customer experience ,283 ,146 ,169 ,055
Perceived risk -,245 ,086 -,250 ,005**
** = significant op 0,01 niveau
* = significant op 0,05 niveau
(R² = ,089; F = 6,428; p = ,002)
H10: Online customer experience heeft een positieve invloed op purchase intention.
Online customer experience heeft geen significant effect op purchase intention (p = ,055), hypothese
10 wordt derhalve niet geaccepteerd. Bij het vergelijken van de mannen en vrouwen valt op dat het
effect voor de mannelijke groep wel significant is (β = ,242; p = ,023) en voor de vrouwen niet.
32
H11: Perceived risk heeft een negatieve invloed op purchase intention.
Perceived risk heeft een significant negatief effect op purchase intention (p = ,005). Dit is een redelijk
sterk negatief effect (β = -,250). Hypothese 11 wordt dus ondersteund. Dit significante effect werd
alleen gevonden in de mannelijke groep (β = -,402; p = ,000). Onder de vrouwen is geen significant
effect ontdekt.
Effect van perceived risk op online customer experience
Tot slot wordt hypothese 9 getoetst door een enkelvoudige regressieanalyse uit voeren.
Tabel 12: Enkelvoudige regressieresultaten voor de voorspelling van online customer experience
B SE Beta Sig
Constant 4,462 ,134 ,000**
Perceived risk -,045 ,053 -,077 ,400
** = significant op 0,01 niveau
* = significant op 0,05 niveau
(R² = ,006; F = ,715; p = ,400)
H9: Perceived risk heeft een negatieve invloed op Online customer experience.
Zoals te zien is in Tabel 12 is er geen significant negatief effect van perceived risk op online customer
experience (p = ,400). Hypothese 9 wordt dus niet geaccepteerd. Er was geen verschil tussen mannen
en vrouwen.
5. Conclusie In het vorige hoofdstuk zijn de resultaten van het onderzoek weergegeven. In dit hoofdstuk worden
de resultaten nogmaals samengevat en worden op basis van de resultaten conclusies getrokken.
In Tabel 13 zijn de belangrijkste resultaten samengevat. Hieruit is op te maken dat drie van de elf
hypotheses zijn aangenomen. Een aantal opmerkelijke bevindingen zullen nu besproken worden door
terug te grijpen op de literatuur.
33
Tabel 13: Samenvatting resultaten hypotheses
Hypothese Relatie Effect Conclusie
H1 Website quality -> online customer experience + Niet geaccepteerd
H2 Website quality -> perceived risk - Geaccepteerd
H3 Price -> online customer experience + Geaccepteerd
H4 Price -> perceived risk - Niet geaccepteerd
H5 Website brand -> online customer experience + Niet geaccepteerd
H6 Website brand -> perceived risk - Niet geaccepteerd
H7 Social environment -> online customer experience + Niet geaccepteerd
H8 Social environment -> perceived risk - Niet geaccepteerd
H9 Perceived risk -> online customer experience + Niet geaccepteerd
H10 Online customer experience -> purchase intention + Niet geaccepteerd
H11 Perceived risk -> purchase intention - Geaccepteerd
Hypothese 1, 3, 5 en 7 zijn opgesteld aan de hand van het voorgestelde conceptuele model van Verhoef
(2009). Deze hypotheses zijn grotendeels niet bewezen: hypothese 1, 5 en 7 zijn niet geaccepteerd,
alleen hypothese 3 is geaccepteerd. Dit toont aan dat het voorgestelde model van Verhoef (2009) de
werkelijkheid niet (geheel) juist weergeeft.
Hypothese 2 is geaccepteerd. Er is een causaal verband gevonden tussen website quality en perceived
risk. Dit resultaat komt overeen met het resultaat van Kim & Lennon (2013), maar spreekt het resultaat
van Hsin Chang en Wen Weng (2008) tegen, zie 2.3 Hypothese 3. Dit is interessant omdat in dit
onderzoek website quality met dezelfde vragen gemeten is als in het onderzoek van Kim & Lennon
(2013). Perceived risk is in dit onderzoek met dezelfde vragen gemeten als in het onderzoek van Hsin
Chang en Wen Weng (2008). Dit toont aan dat de manier van meten van invloed is op de causale
verband tussen website quality en perceived risk.
Hypothese 6 is niet geaccepteerd. Dit is opmerkelijk omdat het causale verband tussen website brand
en perceived risk wel is gevonden in het onderzoek van Hsin Chang en Wen Weng (2008). Ook Kim &
Lennon (2013) vonden een verband tussen reputation en perceived risk. Hierin spreekt dit onderzoek
deze twee voorgaande onderzoeken dus tegen. Dit zou kunnen komen door de verschillende manieren
van meten van website brand en perceived risk.
Voor hypothese 10 is geen significant bewijs gevonden. Dit komt overeen met het onderzoek van Rose
et al. (2012), waarin ook geen causaal verband gevonden werd van cognitive experiential state (CES)
en affective experiential state (AES) op purchase intention. Uit de onderzoeken van Nasermoadeli et
al. (2013) en Kim & Lennon (2013) kwam naar voren dat er wel een significant effect van emotion op
34
purchase intention is. Emotion is vergelijkbaar met affective experiential state. Het lijkt er dus op dat
het emotionele (AES) gedeelte van customer experience wel een effect heet op purchase intention en
het cognitieve (CES) gedeelte niet. De emoties die consumenten ervaren op een website hebben dus
invloed op hun koopgedrag.
Verder zijn er nog enkele opvallende verschillen gevonden tussen mannen en vrouwen. Voor
hypothese 3 is bij mannen geen significant bewijs gevonden en bij vrouwen wel. Dit impliceert dat de
waargenomen prijs voor vrouwen een positief effect heeft op de online ervaring. Voor mannen is de
prijs niet van invloed op hun ervaring.
Hypothese 10 was voor mannen wel significant en voor vrouwen niet. Voor mannen is de online
ervaring dus wel van invloed op hun koopgedrag en voor vrouwen niet. Hierbij dient wel opgemerkt te
worden dat de steekproef voor beide condities erg klein was (mannen: N = 74, vrouwen N = 48). De
statistische power van deze bevindingen is dus niet erg groot.
Wat verder opvalt is dat de verklarende waarden van de modellen aan de lage kant waren. Het model
dat online customer experience voorspelt had een verklarende waarde van 18,6%. Het model dat
perceived risk moest verklaren deed het iets beter: 26,7%. Het model dat purchase intention zou
moeten verklaren deed dat slechts voor 8,9%. Hierbij dient wel opgemerkt te worden dat het
gebruikelijk is dat de verklarende waarde bij het voorspellen van psychologische constructen vaak lager
is dan 50%. Het gedrag van mensen is lastig te voorspellen. Daarnaast is het aannemelijk dat er
meerdere niet onderzochte factoren meespelen bij het voorspellen van online customer experience,
perceived risk en purchase intention.
Doordat acht van de elf hypotheses niet geaccepteerd zijn, kan geconcludeerd worden dat het
voorgestelde conceptuele model geen goede weergave is van de werkelijkheid. Hiermee zijn de
deelvragen 2 en 3 beantwoord. Er is een conceptueel model opgesteld en empirische toetsing heeft
uitgewezen dat drie van de elf voorgestelde causale relaties bewezen zijn.
Met de resultaten van dit onderzoek kan de onderzoeksvraag deels beantwoord worden.
Welke factoren voorspellen online koopgedrag?
Om online koopgedrag te voorspellen is de koopintentie van consumenten onderzocht, omdat een
intentie vrijwel altijd leidt tot gedrag. De invloed van online customer experience en perceived risk op
online koopintentie is onderzocht. Hieruit is gebleken dat perceived risk een negatief effect heeft op
online koopintentie en dat online customer experience geen effect heeft op online koopintentie. Er
zijn een aantal factoren gevonden die deze twee constructen voorspellen. Website quality heeft een
positief effect op perceived risk en price heeft een positief effect op online customer experience.
Verder heeft dit onderzoek aangetoond dat er meerdere stimuli zijn die geen effect hebben op online
35
customer experience en perceived risk. Online koopintentie wordt dus voorspeld door perceived risk
en indirect door website quality. Het is aannemelijk dat er nog meerdere factoren meespelen bij het
voorspellen van online koopgedrag. De lage verklarende waarde van de modellen ondersteunt dit
vermoeden. Mogelijke andere verklarende factoren worden in het volgende hoofdstuk kort
besproken.
6. Discussie
In dit hoofdstuk wordt allereerst een kort exploratief onderzoek uitgevoerd om een verklaring te
vinden voor het feit dat met het conceptueel model niet (geheel) online koopintentie verklaard kon
worden. Vervolgens wordt gereflecteerd op het onderzoek en worden de limitaties aangekaart.
6.1 Exploratief onderzoek
Aangezien uit de resultaten is gebleken dat het conceptuele model de werkelijkheid niet goed
weergeeft, is er een klein exploratief onderzoek gedaan naar mogelijke andere verklarende factoren.
In het conceptueel model worden de directe invloeden van online customer experience en perceived
risk op purchase intention getoetst. Op basis van eerder onderzoek was het aannemelijk dat deze twee
variabelen een direct verband zouden hebben met purchase intention. Het zou echter ook kunnen dat
ze optreden als mediërende variabele. Online customer experience en perceived risk zijn dan mediator
tussen de onafhankelijke variabelen en purchase intention. Deze mediërende rol is niet getoetst aan
de hand van hypotheses, omdat het aannemelijker was dat er een directe relatie was. Deze directe
relaties zijn slechts voor een deel gevonden, vandaar dat nu nog kort de mediërende rol bekeken
wordt. Een andere mogelijke verklaring voor de niet significante resultaten zou kunnen zijn dat de
onafhankelijke variabelen (website quality, price, website brand, social environment) een directe
invloed hebben op purchase intention. Deze directe relaties worden ook kort besproken. Om deze
relaties te analyseren zijn mediërende regressieanalyses uitgevoerd. Met de regressieanalyses is voor
alle onafhankelijke variabelen (website quality, price, website brand, social environment)
geanalyseerd wat het directe effect is op purchase intention en het indirecte effect wat gemedieerd
wordt door ofwel online customer experience ofwel perceived risk. Eerst zijn de analyses uitgevoerd
met online customer experience als mediator en daarna met perceived risk als mediator.
Uit deze analyses kan geconcludeerd worden dat online customer experience niet optreedt als
mediator. Er is voor geen enkele van de vier onafhankelijke variabelen een significant mediërend effect
gevonden voor online customer experience. Er zijn ook analyses gedaan met perceived risk als
mediator. Hieruit kwam dat er een indirect effect van price op purchase intention is via perceived risk,
b = 0,058; BCa CI [0.0005, 0.1333]. Perceived risk treedt dus op als mediator in de relatie tussen price
36
en purchase intention. Voor de andere drie onafhankelijke variabelen treedt perceived risk niet op als
mediator. Echter werd er wel voor drie van de vier onafhankelijke variabele een direct effect op
purchase intention gevonden. Website quality (b = 0,749; p = 0,000), website brand (b = 0,264; p =
0,002) en social environment (b = 0,217; p = 0,008) hebben alledrie een positief direct effect op
purchase intention. De resultaten zijn samengevat in Tabel 14. Deze gevonden directe verbanden
zouden de lage voorspellende waarde van het conceptuele model kunnen verklaren; in het model
werden deze directe verbanden niet meegenomen.
Tabel 14: Samenvatting resultaten mediërende regressieanalyse
Onderzoek Relatie Effect Conclusie
Exploratief Website quality -> purchase intention + Significant
Exploratief Price -> purchase intention + Niet significant
Exploratief Price -> purchase intention via perceived risk als
mediator
+ Significant
Exploratief Website brand -> purchase intention + Significant
Exploratief Social environment -> purchase intention + Significant
Uit het exploratieve onderzoek is gebleken dat er wel veel directe verbanden tussen de stimuli en
purchase intention zijn. Dit toont aan dat de variabelen online customer experience en perceived risk
in het voorgestelde conceptuele model mogelijk onterecht tussen de stimuli en purchase intention
instaan. Er is een herzien conceptueel model opgesteld waarin deze directe relaties zijn meegenomen.
De sterkte van de effecten is ook te vinden in dit conceptueel model, zie Figuur 7. Dit herziene
conceptuele model is een betere weergave van de werkelijkheid dan het eerdere voorgestelde
conceptuele model.
37
Figuur 7: Herzien conceptueel model
6.2 Limitaties
In dit hoofdstuk wordt gereflecteerd op de opzet van het onderzoek. De limitaties van het onderzoek
worden besproken en er wordt gekeken waar vervolgonderzoek nodig is.
Het onderzoek is uitgevoerd door respondenten vragen in te laten vullen over meerdere variabelen.
Doordat er meerdere variabelen gemeten moesten worden, zijn er relatief weinig vragen gesteld over
de variabelen. Een aantal variabelen zijn gemeten aan de hand van drie vragen. Dit heeft als gevolg dat
het meten van de variabele mogelijk te gesimplificeerd is geworden. In vervolgonderzoek is het
wenselijk dat de variabelen uitgebreider gemeten worden en de verbanden dan nog een keer getest
worden. Er is voor gekozen om maar een beperkt aantal vragen per variabele te stellen omdat de
vragenlijst niet te lang kon worden. Als de vragenlijst te lang werd zou het moeilijker worden om
genoeg respondenten te vinden. Als een vragenlijst langer duurt dan 10 minuten zullen veel mensen
afhaken. Dit is een van de restricties van een bachelor scriptie. Als er meer tijd of budget was geweest,
was het makkelijker geweest om respondenten te vinden die bereid zijn een langere enquête in te
vullen. Met meer tijd zouden er meer mensen benaderd kunnen worden met een budget zouden
respondenten een beloning kunnen krijgen voor deelname.
Een ander punt van kritiek op de vragenlijst is dat de betrouwbaarheid van online customer experience
relatief laag was. Online customer experience is een zeer belangrijk construct in het conceptuele
38
model. Het is dus wenselijk dat de betrouwbaarheidsschaal hoger zou zijn. De vragen zijn
overgenomen uit eerder onderzoek en daar is wel een hoge betrouwbaarheid gemeten. Het zou
kunnen dat er met de vertaling van de vragen kleine verschillen zijn ontstaan tussen de vragenlijsten.
Dit zou de lage betrouwbaarheid kunnen verklaren. Mogelijk is de relatief lage betrouwbaarheid ook
een verklaring voor het feit dat er weinig significante verbanden gevonden zijn in de relaties van online
customer experience.
Er is voor gekozen om koopgedrag te meten door te vragen naar de koopintentie bij mensen. Dit is
gedaan omdat koopgedrag lastig te meten is en het volgens de TRA en TPB theorie gerechtvaardigd is
om intentie te zien als reflectie van daadwerkelijk gedrag. Toch zou het voor vervolgonderzoek
interessant zijn om een experiment op te zetten waar daadwerkelijk koopgedrag gemeten kan worden
en niet slechts de koopintentie.
De steekproef bestond uit 122 respondenten. Dit is volgens de statistiek genoeg om een effect te
vinden, maar het is relatief weinig. Vergelijkbare onderzoeken werden uitgevoerd met (veel) grotere
steekproeven. Door de restricties van een bachelor scriptie is er een selecte steekproef gebruikt. De
vragenlijst is doorgestuurd naar bekenden. Door de convenience sample is het lastig om iets over de
populatie te zeggen.
Daarnaast is de data van de steekproef niet normaal verdeeld. De leeftijdsgroep van 35-44 is
ondervertegenwoordigd (5,7%). Terwijl uit onderzoek is gebleken dat dit een zeer belangrijke groep is
als het gaat om online shoppen. Volgens onderzoek van KPMG deden in 2017 de consumenten uit
generatie X (leeftijd van 37 tot 52) de meeste online aankopen, meer dan de andere leeftijdsgroepen.
Dit kwam neer op bijna 19 transacties per consument per jaar (KPMG, 2017). Er mist dus een
belangrijke groep in de steekproef van dit onderzoek. Dit zou effect kunnen hebben op de resultaten.
Ook bevat de steekproef voornamelijk hoger opgeleiden (63,5%). Dit komt doordat de vragenlijst
voornamelijk naar medestudenten is doorgestuurd. Ook dit is niet representatief voor de populatie.
Dit onderzoek draagt bij aan een bredere kennis over het zeer complexe vraagstuk hoe het online
koopgedrag van consumenten voorspeld kan worden. Om een nog vollediger beeld te krijgen is
vervolgonderzoek wenselijk. De resultaten van dit onderzoek kunnen door marketeers en verkopers
worden gebruikt om te bepalen hoe zij hun budget en aandacht het best kunnen verdelen. Dit
onderzoek suggereert dat zij zich het best kunnen focussen op de website quality en price. Dit zorgt
voor een betere ervaring voor de klant en verkleint de waargenomen risico’s. Dit zal uiteindelijke leiden
tot een hogere koopintentie.
39
7. Referenties
Aaker, D. A., & Equity, M. B. (1991). Capitalizing on the Value of a Brand Name. New York, 28, 35-37. Ajzen, Icek, and Martin Fishbein. "Theory of reasoned action-Theory of planned behavior." University of South Florida(1988). Aladwani, A.M. and Palvia, P.C. (2002), “Developing and validating an instrument for measuring user-perceived web quality” Bauer, R. A. (1960). Consumer behavior as risk taking. In Proceedings of the 43rd National Conference of the American Marketing Assocation, June 15, 16, 17, Chicago, Illinois, 1960. American Marketing Association. Chiang, C. F., & Jang, S. S. (2007). The effects of perceived price and brand image on value and purchase intention: Leisure travelers' attitudes toward online hotel booking. Journal of Hospitality & Leisure Marketing, 15(3), 49-69. Chang, T. Z., & Wildt, A. R. (1994). Price, product information, and purchase intention: An empirical study. Journal of the Academy of Marketing science, 22(1), 16-27. Corbitt, B. J., Thanasankit, T., & Yi, H. (2003). Trust and e-commerce: a study of consumer perceptions. Electronic commerce research and applications, 2(3), 203-215. Doney, P. M., & Cannon, J. P. (1997). An examination of the nature of trust in buyer-seller relationships. the Journal of Marketing, 35-51. Duan, W., Gu, B., & Whinston, A. B. (2008). The dynamics of online word-of-mouth and product sales—An empirical investigation of the movie industry. Journal of retailing, 84(2), 233-242. Field, A. (2009). Discovering statistics using SPSS (4e Ed.). Thousand Oaks: Sage Publications. Gefen, D. (2000). E-commerce: the role of familiarity and trust. Omega, 28(6), 725-737. Gefen, D., & Straub, D. W. (2004). Consumer trust in B2C e-Commerce and the importance of social presence: experiments in e-Products and e-Services. Omega, 32(6), 407-424. Hassanein, K., & Head, M. (2007). Manipulating perceived social presence through the web interface and its impact on attitude towards online shopping. International Journal of Human-Computer Studies, 65(8), 689-708.
Hsin Chang, H., & Wen Chen, S. (2008). The impact of online store environment cues on purchase intention: Trust and perceived risk as a mediator. Online information review, 32(6), 818-841.
Kim, D. J., Ferrin, D. L., & Rao, H. R. (2008). A trust-based consumer decision-making model in electronic commerce: The role of trust, perceived risk, and their antecedents. Decision support systems, 44(2), 544-564. Kim, J., & Lennon, S. J. (2013). Effects of reputation and website quality on online consumers' emotion, perceived risk and purchase intention: Based on the stimulus-organism-response model. Journal of Research in Interactive Marketing, 7(1), 33-56. KPMG. (2017). The truth about online consumers. Geraadpleegd van https://assets.kpmg.com/content/dam/kpmg/xx/pdf/2017/01/the-truth-about-online-consumers.pdf
40
Ling, K. C., Chai, L. T., & Piew, T. H. (2010). The effects of shopping orientations, online trust and prior online purchase experience toward customers’ online purchase intention. International Business Research, 3(3), 63. Liu, C., & Arnett, K. P. (2000). Exploring the factors associated with Web site success in the context of electronic commerce. Information & management, 38(1), 23-33. Mehrabian, A., & Russell, J. A. (1974). An approach to environmental psychology. the MIT Press. Meyer, C., & Schwager, A. (2007). Customer experience. Harvard business review, 85(2), 116-126. Monroe, K. B., & Chapman, J. D. (1987). Framing effects on buyers' subjective product evaluations. ACR North American Advances. Moon, J., Chadee, D., & Tikoo, S. (2008). Culture, product type, and price influences on consumer purchase intention to buy personalized products online. Journal of Business Research, 61(1), 31-39. Nasermoadeli, A., Ling, K. C., & Maghnati, F. (2013). Evaluating the impacts of customer experience on purchase intention. International Journal of Business and Management, 8(6), 128. Novak, T. P., Hoffman, D. L., & Yung, Y. F. (2000). Measuring the customer experience in online environments: A structural modeling approach. Marketing science, 19(1), 22-42. Pavlou, P. A. (2003). Consumer acceptance of electronic commerce: Integrating trust and risk with the technology acceptance model. International journal of electronic commerce, 7(3), 101-134. Perea y Monsuwé, T., Dellaert, B. G., & De Ruyter, K. (2004). What drives consumers to shop online? A literature review. International journal of service industry management, 15(1), 102-121. Pine, B. J., & Gilmore, J. H. (1999). The experience economy: work is theatre & every business a stage. Harvard Business Press. Rose, S., Clark, M., Samouel, P., & Hair, N. (2012). Online customer experience in e-retailing: an empirical model of antecedents and outcomes. Journal of Retailing, 88(2), 308-322. Sinha, I., & Batra, R. (1999). The effect of consumer price consciousness on private label purchase. International journal of research in marketing, 16(3), 237-251. Stone, R. N., & Grønhaug, K. (1993). Perceived risk: Further considerations for the marketing discipline. European Journal of marketing, 27(3), 39-50.
Verhoef, P. C., Lemon, K. N., Parasuraman, A., Roggeveen, A., Tsiros, M., & Schlesinger, L. A. (2009). Customer experience creation: Determinants, dynamics and management strategies. Journal of retailing, 85(1), 31-41. Winer, R. S. (1986). A reference price model of brand choice for frequently purchased products. Journal of consumer research, 13(2), 250-256. Wolfinbarger, M., & Gilly, M. C. (2003). eTailQ: dimensionalizing, measuring and predicting etail quality. Journal of retailing, 79(3), 183-198.
41
Wu, P. C., Yeh, G. Y. Y., & Hsiao, C. R. (2011). The effect of store image and service quality on brand image and purchase intention for private label brands. Australasian Marketing Journal (AMJ), 19(1), 30-39.
8. Bijlagen
Vragenlijst
Website quality α = ,812
Website design
De website biedt uitgebreide informatie. Wolfinbarger & Gilly (2003)
De website verspilt mijn tijd niet. Wolfinbarger & Gilly (2003
Het is snel en eenvoudig om een transactie op de website te voltooien. Wolfinbarger & Gilly (2003
Het niveau van personalisatie op de website is goed; niet te veel of te weinig. Wolfinbarger & Gilly (2003
De website heeft een goede selectie van producten. Wolfinbarger & Gilly (2003
Fulfillment / reliability
Het geleverde product kwam overeen met het getoonde product op de website.
Wolfinbarger & Gilly (2003
Je krijgt wat je besteld hebt van de website. Wolfinbarger & Gilly (2003
Het product wordt geleverd binnen de beloofde tijd door het bedrijf. Wolfinbarger & Gilly (2003
Security / privacy
Ik heb het gevoel dat mijn privacy op de website wordt beschermd. Wolfinbarger & Gilly (2003
Ik voel me veilig in mijn transacties met de website. Wolfinbarger & Gilly (2003
De website heeft adequate beveiligingsfuncties. Wolfinbarger & Gilly (2003
Customer service
42
Het bedrijf is bereid om te reageren op de behoeften van de klant. Wolfinbarger & Gilly (2003
Wanneer je een probleem ondervindt, toont de website oprechte interesse in het oplossen ervan.
Wolfinbarger & Gilly (2003
Vragen worden snel beantwoord. Wolfinbarger & Gilly (2003
Perceived Price α = ,788
De producten op deze website zijn:
Duur - goedkoop Chiang & Jang (2007)
Onredelijk - redelijk Chiang & Jang (2007)
Ongepast - gepast Chiang & Jang (2007)
Onbetaalbaar - betaalbaar Chiang & Jang (2007)
Website brand α = ,871
De website is welbekend. Kim & Lennon (2013)
De website heeft een goede reputatie. Kim & Lennon (2013)
De website is van een groot bedrijf dat iedereen herkent. Kim & Lennon (2013)
Social environment α = ,862
Er is een gevoel van menselijk contact op de website. Gefen & Straub (2004)
Er is een gevoel van sociaal contact op de website. Gefen & Straub (2004)
Er is een gevoel van vriendelijkheid op de website. Gefen & Straub (2004)
Online customer experience α = ,604
Cognitive experiential state
Het woord "flow" wordt gebruikt om een gemoedstoestand te beschrijven die soms door mensen wordt ervaren, die erg betrokken zijn bij een activiteit. Een voorbeeld van flow is het geval waarbij een professionele atleet uitzonderlijk
Novak, Hoffman, & Yung (2000)
43
goed presteert en een state of mind bereikt waar niets anders van belang is dan de wedstrijd; hij of zij gaat er volledig in op. Deze ervaring is niet exclusief voor atletiek; veel mensen ervaren deze gemoedstoestand wanneer ze spelletjes spelen, hobby's uitoefenen of werken. Als iemand in een flow is, lijkt het alsof de tijd stil staat, en niets anders lijkt ertoe te doen. Flow wordt gezien als een intrinsieke plezierige ervaring.
Tijdens mijn meest recente online winkelervaring heb ik deze genoemde ‘flow’ ervaren.
Affective experiential state
Gebruik de onderstaande beoordelingsschaal om aan te geven welke gevoelens je had bij je meest recente online winkelervaring.
Ongelukkig - gelukkig Novak, Hoffman, & Yung (2000)
Droefgeestig - tevreden Novak, Hoffman, & Yung (2000)
Geïrriteerd - verheugd Novak, Hoffman, & Yung (2000)
Traag - uitzinnig Novak, Hoffman, & Yung (2000)
Kalm - opgewonden Novak, Hoffman, & Yung (2000)
Relaxed - geprikkeld Novak, Hoffman, & Yung (2000)
Begeleid - zelfstandig Novak, Hoffman, & Yung (2000)
Beïnvloed - invloedrijk Novak, Hoffman, & Yung (2000)
Perceived risk α = ,835
Performance Risk
44
Ik geloof dat online aankopen van de website riskant zijn omdat de geleverde producten / diensten mogelijk niet aan mijn verwachtingen voldoen.
Corbitt, Thanasankit, & Yi (2003)
Ik geloof dat online aankopen van de website riskant zijn omdat de geleverde producten / services mogelijk minderwaardig zijn.
Corbitt, Thanasankit, & Yi (2003)
Financial risk
Ik geloof dat online aankopen van de website riskant zijn omdat ze kunnen leiden tot financieel verlies voor mij.
Corbitt, Thanasankit, & Yi (2003)
Social risk
Ik geloof dat online aankopen van de website riskant zijn omdat ze ervoor kunnen zorgen dat anderen een minder hoge dunk van me krijgen.
Corbitt, Thanasankit, & Yi (2003)
Psychological risk
Ik geloof dat online aankopen van de website riskant zijn omdat de geleverde producten / diensten mogelijk niet goed passen bij mijn persoonlijke imago of zelfconcept.
Corbitt, Thanasankit, & Yi (2003)
Time risk
Ik geloof dat online aankopen van de website riskant zijn omdat ze kunnen leiden tot tijdverlies voor mij.
Corbitt, Thanasankit, & Yi (2003)
Purchase intention α = ,866
Ik ben van plan de website te gebruiken om producten te kopen. Pavlou (2003)
Ik verwacht in de nabije toekomst iets via de website te kopen. Pavlou (2003)
Het is waarschijnlijk dat ik in de nabije toekomst een transactie met de website zal hebben.
Pavlou (2003)