Impact des variables sociales sur l`intention d - URAM

Transcription

Proceedings of the Marketing Spring Colloquy (MSC)
Unit of Research & Applications in Marketing (URAM)
Special Volume: 2016, Vol. (6), pp: 331-343
E-ISSN: 2490-4376
Conference Paper
Impact des variables sociales sur l’intention d’achat groupé
Leila Othmani ¹, Néji Bouslama ²
¹ ² URAM, FSEGT. Université de Tunis El Manar
*email : [email protected]
Résumé:
L’objectif de cette étude est de comprendre comment les variables sociales pourraient
influencer le niveau du risque perçu lors de l’achat en ligne. Une enquête auprès de 205
utilisateurs de sites d’achat groupé a mis en évidence l’influence du sentiment
communautaire, de la masse critique perçue et du bouche-à-oreille positif sur l’intention
d’achat et sur le niveau du risque perçu sur les sites d’achat groupé. L’analyse des résultats a
mis en exergue l’importance de l’influence sociale sur le comportement d’achat groupé.
Mots-clés : communauté virtuelle, risque perçu, sites d’achat groupé, sentiment
communautaire, contagion sociale, masse critique perçue
Impact of social variables on the joint purchasing intention
Abstract:
The aim of this study is to understand how the social factors could influence the level of
perceived risk related with online buying groups. A survey of 205 users of sites to purchase
group to highlighted the influence of sense of community, of the perceived critical mass and
the positive word of mouth on the intention to purchase and on the level of perceived risk
on the sites of purchase group. The analysis of the results has highlighted the importance of
the social influence on purchasing behavior group.
Keywords: virtual community, perceived risk, online buying groups, sense of community,
social contagion, critical mass perceived
*Paper presented at the 6th Conference of URAM. Hammamet, Tunisia. 8-9 May, 2015
Proceedings of the Marketing Spring Colloquy (URAM), Vol. 6. May, 2016.
331
Leila Othmani & Néji Bouslama
Introduction :
Les systèmes d’achats groupés existent
depuis longtemps, toutefois avec le
développement de l’internet et plus
particulièrement du web 2.0, l’achat
groupé est devenu de plus en plus facile et
accessible
à
plusieurs
consommateurs(Anand and Aron 2003).
En effet, les réseaux sociaux ont permis la
connexion
facile
de
plusieurs
consommateurs
dispersés
géographiquement ayant des intérêts de
consommation commune (Yuan, 2004).
C'est ainsi que les sites d’achat groupés ont
connu une croissance exponentielle ces
dernières années (Matsuo 2009). En effet,
ces systèmes attirent de plus en plus les
utilisateurs des réseaux sociaux et
également les chercheurs, (Anand and
Aron 2003) . De nombreuses études ont été
menées
afin
de
comprendre
les
mécanismes de prix (Anand and Aron
2003, Matsuo 2009) alors que d’autres se
sont
focalisées
sur le processus
d’acceptation de ces systèmes (Van Horn,
Gustafsson and Woodford 2003, Van
Horn, Halbert and Woodford 2014).
Cependant, Wan et Nakayama 2014
soulignent que les études sur l’intention
d’achat groupé sont encore très limitées et
le risque perçu est considéré comme un
facteur important qui exerce une influence
sur la manière avec laquelle les
consommateurs décident et agissent
(Chang and Tseng 2013, Chiu et al. 2014,
Bettman 1973). Il constitue un facteur qui
freine l’intention d’achat (Chiu et al. 2014;
(Hong and Cha 2013). A ce titre,
(Hongfeng, Chunjing and Jie 2008) les
conséquences néfastes de la perception du
risque s’intensifient avec la virtualité des
échanges. Cette perception semble
s’accentuer avec le système d’achat groupé
en raison du fait que les acheteurs n’ont
pas la possibilité de manipuler le produit
avant de l’acheter et que les services
associés
à
l’achat
groupé
sont
généralement de qualité inférieure aux
achats individuels (Chui, Chow and Choi
2014). La majorité des sites d’achat groupé
utilisent les réseaux sociaux comme
Facebook pour promouvoir leurs offres, et
ce, en créant des communautés virtuelles
afin de contacter plus d’acheteurs et
d’agrandir rapidement le groupe exemple
(TunisiaDeal , BigDeal , Dealoo…).
L’influence des communautés virtuelles
sur la prise de décision a été confirmée par
plusieurs études. Parmi les principaux
déterminants du succès d’une communauté
virtuelle,
on
cite
le
sentiment
communautaire ressenti par les membres et
la masse critique perçue qui représente un
déterminant de l’influence sociale sur la
décision d’achat. En effet, dans une
communauté virtuelle on peut connaître les
membres qui forment le groupe et même
leurs caractéristiques (niveau d’expertise,
leur sérieux et parfois leur classe sociale),
(Othmani and Bouslama 2014).
La présente recherche se propose de tester
l’impact des variables sociales sur
l’intention d’achat groupé?
Ce papier présente dans un premier point
une définition des concepts d’intention
d’achat groupé,
risque perçu, masse
critique
perçue
et
sentiment
communautaire. Ensuite, il présente dans
un deuxième point le modèle conceptuel.
Quant au troisième point, il présente la
méthodologie, suivi des résultats de la
recherche. Enfin, la dernière partie
présente les implications managériales, les
limites et les voies futures de la recherche.
1. Cadre d’analyse théorique
1.1. L’intention d’achat groupé
Les sites d’achat groupé représentent un
nouveau modèle d’affaires selon lequel les
consommateurs peuvent participer et
332
recruter des acheteurs dans un objectif de
créer un nombre suffisant d’acheteurs pour
bénéficier d’une réduction lors de l’achat
d’un produit en ligne ( (Jing and Xie 2011,
Cheng and Huang 2013); Kauffman, Shiau
& Luo, 2012). L’idée de centrale d’achat
groupé est de construire à partir d’un
ensemble de consommateurs dispersés
géographiquement un pouvoir d’achat via
les sites d’achat groupé pour obtenir les
remises sur les prix de vente (Rezabakhsh
et al. 2006). En effet, les vendeurs en
groupe négocient avec les entreprises la
fourniture aux membres du groupe des
baisses de prix importantes en contrepartie
d’un nombre minimal d’acheteurs, (Coulter
and Roggeveen 2012). Ces sites ont
émergés dans les années 1990, comme une
stratégie qui vise les consommateurs qui
cherchent à réaliser de bonnes affaires et
des économies (Kannan and Kopalle
2001) . Les sites d’achat groupé deviennent
de plus en plus populaires. Ils visent à
créer une situation gagnant-gagnant entre
les consommateurs et les cybervendeurs
(Kauffman, Lai and Ho 2010). En effet, en
raison du nombre d’acheteurs, les
consommateurs bénéficient d’un prix
réduit et les entreprises réalisent un
déstockage rapide, (Kauffman and Wang
2001). Autrement dit ce système augmente
le pouvoir d’achat des clients en leur
permettant d’obtenir des réductions
exceptionnelles qu’il ne peuvent obtenir en
dehors du modèle d’achat groupé, (Wang
et al. 2002).
1.2. Le risque perçu
Le risque perçu a été introduit la première
fois en marketing en 1960 par Raymond
Bauer le définit comme un élément
caractérisant l’action du consommateur qui
peut produire des conséquences qu’il ne
pourra
pas
les
anticiper
avec
certitude(Raymond 1960). Le concept du
risque perçu a pris une grande part dans la
littérature
du
comportement
du
consommateur, ce concept semble
complexe et n’a pas fait l’objet d’une
définition unique.A titre d’exemple Cox et
Rish ( 1964 )définissent le risque perçu
comme étant un indicateur de la nature et
la quantité du risque que les
consommateurs perçoivent lors de
l’accomplissement
d’une
décision
spécifique en fonction des objectifs
d’achat(Cox and Rich 1964).
Dans le contexte de l’achat en ligne, le
risque perçu est défini comme une
incertitude (Bhatnagar, Misra and Rao
2000) la peur d’une perte potentielle(Park
and Jun 2003), ou comme une attitude
envers des éléments potentiellement
défavorable en réalisant une transaction
électronique(Liebermann and Stashevsky
2002). Ainsi, dans cette situation le risque
est perçu lorsque des conséquences
désagréables sont attendues lors de la
décision
d’achat
et
lorsque
le
consommateur visé n’est pas rassuré
complètement d’atteindre les objectifs
visés de son achat (Cox and Rich 1964) .
Bien qu’il est admis que l’achat en ligne
représente un moyen très pratique
permettant aux consommateurs de trouver
facilement une grande variété de produits
sans les contraintes spatio-temporelles,
mais la virtualité des échanges peut
entraîner des problèmes tels que la sécurité
des paiements, la gestion des stocks, la
performance des produits, et des questions
de vie privée des acheteurs ect. Ce qui
conduit à une plus grande incertitude et
donc à un niveau de risque perçu plus
élevé (Drennan, Sullivan and Previte 2006,
Samadi and Nejadi 2009) . Les systèmes
d’achat groupés offrent généralement
moins de services complémentaires et de
garanties, ce qui les associes à un grand
nombre de sources d’incertitude et
d’inquiétudes pour les consommateurs (Lin
and Chen 2006). Ce qui précède nous
autorise de formuler l’hypothèse suivante :

H1. Plus le risque perçu est faible
plus l’intention d’achat groupé
augmente.
333
1.3. Le sentiment communautaire :
La croissance des communautés virtuelles
a modifié la relation entre les utilisateurs
des réseaux sociaux. Les échanges sociaux
dans les communautés virtuelles ont créé
de nouvelles opportunités pour les
entreprises (HAJLI 2014) et selon de
nombreuses études la prochaine génération
du commerce électronique sera basée sur
les communautés virtuelles pour attirer,
comprendre
et
convaincre
les
consommateurs (Bagozzi and Dholakia
2002, Ridings and Gefen 2004, Chen, Shen
and Chen 2014, Chiu et al. 2014)les
fidéliser (Chiu et al., 2014) ou même les
impliquer dans la commercialisation des
produits et des services de l’entreprise en
partageant leurs expériences dans une
communauté virtuelle (Zhou, Zhang and
Zimmermann 2013)surtout que les
nouveaux consommateurs se basent sur le
contenu présent sur les réseaux sociaux
pour acquérir des connaissances et
échanger des informations sur les marques
et les cybermarchands (Zhou et al. 2013,
Westerman, Spence and Van Der Heide
2014) .Ainsi les informations existantes sur
les communautés virtuelles se propagent
très rapidement et peuvent exercer une
influence sur les utilisateurs de ces
communautés(Wu, Deng and Huang 2012)
.Le sentiment communautaire représente
un déterminant de succès d’une
communauté virtuelle (Tsai, Cheng and
Chen 2011).Les membres ayant un
sentiment communautaire fort sont plus
impliqués dans leur groupe ce qui leur
permet d’échanger et traiter un nombre
important d’informations(Tan and Chen
2012)ce qui permet de réduire le risque
perçu lors de l’achat. Ainsi, le sentiment
communautaire virtuel constitue une
source majeure d’influence sociale qui a un
impact
sur
les
intentions
comportementales.
D’où on peut formuler ces hypothèses :
H2. Le sentiment communautaire
influence négativement le risque perçu
lors de l’achat groupé.
H3. Le sentiment communautaire
influence
positivement
l’intention
d’achat groupé
1.4. La masse critique perçue
La notion de masse critique perçue est
cruciale
dans
les
systèmes
de
communications
interactives(Markus
1987) . La masse critique perçue peut être
définie comme la croyance d’un individu
que la masse critique un système
électronique ne peut pas fonctionner
convenablement avec le manque des
participants actif (Lynne Markus and
Connolly 1990).La masse critique perçue
est un facteur subjectif, Elle est atteinte
quand le nombre de participants dans un
système innovant est considéré comme
suffisant de point de vue des adhérents à ce
système (Lou, Luo and Strong 2000) . La
logique est simple si le système est risqué
ou dangereux il ne sera pas adopté par un
nombre important d’utilisateurs. Par
conséquent une masse critique augmente le
niveau d’utilité perçue du système. Donc le
fait de connaître qu’un système d’achat
groupé est accepté par plusieurs génère un
environnement favorable pour son
l’utilisation. Sur les réseaux sociaux et plus
particulièrement sur la communauté
d’achat groupé les consommateurs sont
plus susceptibles à connaître le nombre
d’adhérents dans la communauté. De ce
fait la valeur perçue d’une offre augmente
avec le nombre d’adopteurs potentiels (Ilie
et al. 2005)une fois, la masse critique est
atteinte chaque utilisateur supplémentaire
augmente le nombre potentiel de
connexions réseau (Rice and Danowski
1993). Ce qui permet une accélération
rapide de la diffusion d’une offre(Rogers
2002). L’importance de l’influence de la
masse critique perçue est prouvée dans les
modèles de diffusion et d’acceptation des
innovations(Prescott and Conger 1995). La
334
masse critique perçue peut également
influencer l’intention d’utilisation d’un
système (Van Slyke, Lou and Day 2002).
Donc on peut conclure que l’atteinte de la
masse critique peut d’une part, rassurer les
consommateurs
membres
des
communautés virtuelles d’achat groupé et
d’autre part, peut pousser plus de
consommateurs à acheter à travers de
système d’achat groupé. Donc on peut
formuler ces hypothèses :
H4. La masse critique perçue influence
négativement le risque
H5. La masse critique perçue influence
positivement l’intention d’achat groupé
1.5. La contagion sociale :
La contagion sociale représente le fait
qu’un grand nombre d’individus imitent un
modèle comportemental dominant qui va
se propager dans la société tout comme un
virus (Ric and Gosling 1996)La contagion
se fait lorsqu’un individu observe le
comportement d’un groupe et l’adopte.
Selon Freud (1921) dans une foule,
l’individu n’est plus conscient de ses
actes ; il est aux prises avec la suggestion
qui abolit son discernement, mais peut, au
contraire, révéler d’autres « facultés » dans
une
exaltation
extrême
(Freud
1921). « Chez une foule, tout sentiment
est contagieux au point que l’individu
sacrifie très facilement son intérêt
personnel à l’intérêt collectif » (Freud
1921) . En marketing les études sur la
contagion sociale ont abordé plusieurs
thèmes comme la promotion des biens de
consommation durables (Van den Bulte
and Stremersch 2004),l’adoption de
réformes de la fonction publique (Tolbert
and Zucker 1983) ou même pour
l’acceptation des nouveaux produit (Aral
2011) . La contagion sociale décrit la
manière avec laquelle les préférences et le
comportement
des
individus
sont
influencés par leur entourage ou les
communautés
auxquelles
ils
appartiennent(Christakis
and
Fowler
2013). Les travaux de Kerckhoff et Back
(1968) ont montré que les individus qui ont
des relations positives entre eux ont
tendance à imiter leurs comportements les
uns sur les autres, car ils cherchent à se
ressembler(Kerckhoff and Back 1968). De
ce fait un sentiment d’appartenance à une
communauté pourrait augmenter la
probabilité de s’identifier à son modèle
comportemental. Une récente étude de
Bosse et al. 2013a mis en valeur le rôle de
la contagion sociale en tant que facilitateur
de prise de décision qui agit sur les
intentions comportementales(Bosse et al.
2013)
H6: Le sentiment communautaire
influence positivement la contagion
sociale
H7 : La contagion sociale influence
positivement l’intention d’achat
groupé
1.6. Le bouche-à-oreille positive :
Le bouche-à-oreille peut être définit
comme la communication informelle entre
les individus exprimant leurs évaluations
de biens et services (Brooks 1957). Selon
Day (1971) , le bouche-à-oreille pourrait
avoir un effet plus fort que la publicité(Day
1971).
Ce
qui
peut
influencer
significativement
l’intention
d’achat
(Chevalier and Mayzlin 2006, Liu 2006)
ou l’adoption d’un comportement comme
l’usage des nouvelles technologies
(Czepiel 1974). Le bouche-à-oreille
influence la décision jusqu’à sept fois plus
que la publicité (Katz and Lazarsfeld
1955). Avec le développement de la
technologie
notamment
de
la
communication numérique le bouche-àoreille devient de plus en plus puissant en
effet l’apparition des réseaux sociaux et
des communautés virtuelles, la quantité
d’information partagée peut avoir une plus
335
grande ampleur. Dans la présente étude, on
s’intéresse seulement au bouche-à-oreille
positif, du fait que sur les communautés
virtuelles il est plus fréquent que le
bouche-à-oreille négatif(East, Hammond
and Wright 2007, Cheung and Thadani
2012)
H .9.
Le
bouche-à-oreille
positif
influence
positivement
l’intention
d’achat groupé
La figure suivante (figure 1) retrace le
modèle conceptuel et reproduit les relation
entre les variable du modèle conceptuel:
H .8.
Le
bouche-à-oreille
positif
influence négativement le risque perçu
Figure 1:L'influence des facteurs sociaux sur l'intention d'achat groupé
2. Méthodologie
2.1. Collecte des données
La collecte des données a été réalisée à
l’aide d’un questionnaire administré sur les
communautés virtuelles d’achat groupé.
L’objectif
étant
d’analyser
le
comportement des consommateurs
intéressés par l’achat groupé nous avons
interrogé 205 personnes qui ont déjà
effectué au moins un achat groupé. Cet
échantillon de convenance comprend 32 %
d’hommes et 68 % de femmes et dont
60 % ont déjà essayé l’achat groupé au
moins une foi.
Mesure des variables du modèle
Pour mesurer les construits du modèle,
nous avons utilisé des échelles de mesure
provenant de la littérature. Afin de mesurer
l’intention d’achat groupé, l’échelle de
Lim & Ting (2012) est adoptée. Le
sentiment communautaire virtuel est
mesuré par l’échelle adaptée Lisbeth,
Tonteri et al. (2011). Le risque perçu est
mesuré par l’échelle de Laroche et al.
(2005) . La contagion sociale est évaluée
en utilisant l’échelle de Hickman et
al.(2005). LA masse critique perçue est
mesurée par l’échelle de Kuo-Lun Hsiao et
al.2010. et le bouche-à-oreille est mesuré
par l’échelle de
Isabelle Goyette1,
Line Ricard et al.2010
Les échelles ont été sélectionnées en
fonction
de
leurs
propriétés
psychométriques. Selon leurs auteurs,
toutes les échelles choisies sont fiables,
336
valides et de stabilité confirmée à travers
les recherches antérieures.
1. Résultats et discussion
Analyse psychométrique des échelles
Afin
de
vérifier
les
qualités
psychométriques des échelles, nous avons
étudié leur fiabilité (calcul de l’alpha de
Cronbach) et leur validité (analyse
factorielle). Une analyse en composantes
principales des items relatifs à chaque
échelle nous a permis d’étudier ses
dimensions. Le tableau 1 présente les
échelles
après
purification,
leurs
dimensions sous-jacentes ainsi que leurs
alphas. L’alpha des différentes échelles (ou
dimensions) varie entre 0.65 et 0.91. La
consistance interne des échelles est donc
satisfaisante respectant de cette manière le
seuil minimal de 0.60 (Nunnally, Bernstein
and Berge 1967)
Tableau 1. Les indicateurs de fiabilité des échelles de mesure (après purification)
Échelle
Items
Coefficient
factoriel
Valeurs
propres
Alpha de
Cronbach
Intention d’achat
groupé
(Lim and Ting
2012)
Je tiens à m’engager dans les offres d’achat groupé.
Je tiens à participer régulièrement à Je tiens à participer 0.851
régulièrement dans les offres d’achat groupé.
0.795
J’ai l’intention de rechercher plus OGB informations, produits et
services
0.802
2.00
0.743
2.805
0.857
3.726
0.914
Comme les membres de cette communauté, je me sens emporté 0.863
par l’achat groupé.
0.863
Comme les membres de cette communauté, je me sens très
intéressé par cet achat groupé
1.488
0.655
Masse
Cette offre est désirée par plusieurs membres
0.770
critique(Hsiao et Les membres de cette communauté interagissent fréquemment 0.867
al. 2010)
les membres de cette communauté virtuelle m’aident à évaluer 0.824
cette offre facilement
2.023
0.753
Le
Bouche-à- Plusieurs parlent des bons côtés de cette offre.
oreille positif
Les utilisateurs de cette offrent expriment leur fierté
(Goyette et al. J’ai reçu au moins des conseils d’acheter de cette offre
2010)
J’entends la plupart du temps des choses positives aux autres.
2.377
0.767
Risque perçu
Il y a une bonne chance que je fasse une erreur si je fais un achat 0.768
(Laroche et al. groupé
2005)
J’ai le sentiment que l’achat groupé va vraiment me causer 0.852
beaucoup d’ennuis
Je vais assumer certains risques si j’achète auprès d’un site 0.856
d’achat groupé
L’achat groupé est très risqué
0.870
Sentiment
Lorsque quelqu’un recommande ce site, je sens la fierté.
0.866
communautaire Je me vois comme une partie de ce groupe d’achat
0.877
(Tonteri et al. Il est bon d’être un membre de cette communauté d’achat 0.829
2011)
groupé
Je peux interagir et donner mon avis si je veux
0.842
Je me soucie de ce que d’autres participants pensent de mes 0.900
actions dans cette communauté d’achat groupé
Contagion
sociale
(Zepf 2008)
0.709
0.836
0.459
0.774
337
1.1. Test des hypothèses
Afin de tester les hypothèses relatives aux
effets des variables sociales sur le risque
perçu lors de l’achat groupé, une série de
régressions a été réalisée. Les principaux
résultats de ces tests sont résumés dans le
tableau qui suit.
L’analyse des résultats montre que le
sentiment communautaire, la masse
critique et le bouche-à-oreille positifs
influencent négativement le risque perçu
avec des taux R² respectif (0.234, 0.274,
0.674). De même ces variables ont un
impact positif significatif sur l’intention
d’achat avec un R² de 0.397 pour le
sentiment communautaire et R² de 0.674
pour le bouche-à-oreille positif.
De même l’hypothèse relative à l’influence
du sentiment communautaire sur la
contagion sociale a été validée, mais avec
un R² relativement faible (0.095).
Toutefois la contagion sociale a une
influence positive sur l’intention d’achat
avec un taux de R²0.480. De même
l’hypothèse relative à l’influence négative
du risque perçu sur l’intention d’achat a été
validée avec un R²=0.622
Tableau 2. Les indicateurs du test des
hypothèses
relatifs
aux
variables
psychologiques
Hypothèses
Indices
H.1. Plus le risque perçu est faible plus l’intention d’achat groupé R²=0.622
Beta=0.788
augmente.
Sig.=0.000
H2 : Le sentiment communautaire influence négativement le R²=0.234
Bêta=(- 0.483)
risque perçu lors de l’achat groupé.
Sig.=0.000
H3 : Le sentiment communautaire influence positivement R²=0.397
Beta=0.630
l’intention d’achat groupé
Sig.=0.000
R²=0.274
H.4. La masse critique perçue influence négativement le risque
Bêta=(- 0.524)
Sig.= 0.000
H5 La masse critique perçue influence positivement l’intention R²=0.474
Beta=0.689
d’achat groupé
Sig.=0.000
H6 : Le sentiment communautaire influence positivement la R²=0.098
Beta=0.313
contagion sociale
Sig.=0.000
H7 : La contagion sociale influence positivement l’intention R²=0.480
Beta=0.695
d’achat groupé
Sig.=0.000
H.8Le bouche-à-oreille positif influence négativement le risque R²=0.430
Bêta= (-0.655)
perçu
Sig.=0.000
H.9.Le bouche-à-oreille positif influence positivement l’intention R²=0.674
Beta=0.821
d’achat groupé.
Sig.=0.000
Conclusion
Validée
Validée
Validée
Validée
Validée
Validée
Validée
Validée
Validée
338
1.2. Discussion et implications
Dans la littérature, le risque perçu
représente un des principaux freins de
l’intention d’achat (Chang and Tseng
2013) surtout si l’achat se fait par un
moyen ce qui peut entraîner des problèmes
pour l’utilisateur tels que la sécurité des
payements, la gestion des stocks, la
performance des produits, et des questions
de vie privée des acheteurs ect, ce qui
conduit à une plus grande incertitude donc
un niveau de risque perçu plus élevé
(Drennan et al. 2006, Samadi et Nejadi
2009) . Par ailleurs, s’il s’agit d’un système
d’achat groupé les risques perçus sont plus
intenses en effet ces sites offrent
généralement une qualité inférieure de
service après-vente et des garanties(Lin
and Chen 2006). La présente recherche
vise à montrer que plus le risque perçu est
faible plus l’intention d’achat via un
système d’achat groupé augmente. Donc
une entreprise d’achat groupé qui veut
améliorer l’intention d’achat doit se
focaliser sur les variables qui peuvent
réduire le niveau du risque perçu.
De nos
jours la majorité des
consommateurs utilisent les réseaux
sociaux pour s’informer et se renseigner
sur la qualité des produits et services
offerts par les différentes entreprises et
notamment les produits et services d’achat
groupé. L’influence sociale est désormais
évidente sur l’intention d’achat et sur le
niveau du risque perçu. Ainsi les résultats
de cette étude montrent que le sentiment
communautaire, c’est à dire le fait que le
fait que l’utilisateur ressent qu’il fait partie
de la communauté virtuelle réduit le niveau
du risque perçu, également la masse
critique perçue qui représente le nombre
d’acheteurs optimaux qui permet à
l’acheteur de juger le niveau de sécurité du
système d’achat. Ainsi, plus le nombre
d’acheteurs est important plus le risque
perçu diminue et plus l’intention d’achat
augmente en conséquence. Ainsi , les
opérateurs de la vente groupés ont intérêt à
afficher le nombre d’acheteurs d’un
produit ou d’un service s’il dépasse ou
égale à la masse critique . Le bouche-àoreille constitue l’un des facteurs
principaux
qui
agissent
sur
le
comportement du consommateur, ce que le
confirme les résultats de la présente étude.
De ce fait même pour les sites d’achat
groupé le bouche-à-oreille positif influence
d’une part le niveau du risque perçu et
d’autre part influence l’intention d’achat
groupé.
Une émotion peut se propager très
rapidement à travers un grand nombre
d’utilisateurs des réseaux sociaux. Cela
pourrait s’expliquer par le comportement
de foule, un groupe de personne qui
réagissent de façon identique qui se
propage d’un individu à l’autre la présente
étude a montré que la contagion sociale
influence considérablement l’intention
d’achat groupé.
Conclusion
Les sites d’achat groupé représentent un
nouveau modèle de vente en ligne, le
principe de ce modèle consiste à regrouper
un nombre maximal d’acheteurs afin qui
veulent bénéficier d’une réduction de prix
maximale en fonction du nombre des
participants. Les réseaux sociaux facilitent
la formation des communautés virtuelles
formées par des consommateurs qui
veulent bénéficier de tous les avantages
offerts par ces sites d’achat groupé.
Toutefois, ce modèle d’affaires est perçu
comme plus risqué que l’achat traditionnel
(Chui et al., 2014).
Voulant analyser l’influence des variables
sociale sur le risque perçu d’une part et sur
l’intention d’achat groupé en conséquence,
nous nous sommes posés certaine
interrogation sur l’impact du sentiment
communautaire, du masse critique perçue,
339
du bouche-à-oreillepositif et de la
contagion sociale et leur impact sur le
risque perçu lors de l’achat auprès d’un site
d’achat groupé.
Afin de répondre aux interrogations nous
avons défini les concepts de base tel que le
risque d’achat groupé comme il est perçu
par le consommateur avec toutes ses
facettes, , en second lieu nous avons
présenté les variables sociales qui
pourraient agir sur le risque perçu et
l’intention d’achat groupé.
La vérification de ces relations s’est faite à
l’aided’une enquête en ligne menée auprès
de 205 utilisateurs de la communauté
virtuelle d’achat groupé « Bigdeal ».
D’un point de vue théorique, notre
recherche permet de mieux comprendre les
spécificités du comportement d’achat
groupé lors de la perception d’un risque et
de mettre en valeur l’influence certains
facteurs
comme
le
sentiment
communautaire, le bouche-à-oreillepositif,
la masse critique perçue. L’une des
contributions de ce travail se situe dans la
prise en compte de ces facteurs pour
décoder
le
comportement
des
consommateurs face au risqueperçu lors
d’un achat groupé. Nous avons mis en
relief
également l’importance de ces
facteurs pour qu’un consommateur puisse
les utiliser afin de faire face aux angoisses
engendrées lors d’un achat groupé.
Notre recherche présente certaines limites
qui constituent autant de voies future de
recherche. La première limite réside dans
la méthode non probabiliste utilisée
pour la sélection des répondants. En
effet, malgré le fait que cette méthode
répond aux besoins de notre recherche, elle
ne permet pas de généraliser les résultats.
La seconde limite à invoquer est celle liée
au fait que notre étude s’est réalisée
uniquement pour le cas d’une seule offre
d’achat groupé
.Il s’avère utile de
reproduire cette étude pour d’autres
produits et de comparer les résultats. Enfin
, malgrés que tout les hypothèses émise
dans cette recherche ont été validé , nous
n’avons pas testé la validité du modèle
global obtenu, donc il serait opportun de
refaire
l’étude
en
utilisation
la
modélisation
par
les
équations
structurelles.
Bibliographies:
Anand, K. S. & R. Aron (2003) Group buying
on the web: A comparison of pricediscovery mechanisms. Management
Science, 49, 1546-1562.
Aral, S. (2011) Commentary-identifying social
influence: A comment on opinion
leadership and social contagion in new
product diffusion. Marketing Science,
30, 217-223.
Bagozzi, R. P. & U. M. Dholakia (2002)
Intentional social action in virtual
communities. Journal of interactive
marketing, 16, 2-21.
Bettman, J. R. (1973) Perceived Risk and Its
Components: A Model and Empirical
Test. Journal of Marketing Research
(JMR), 10.
Bhatnagar, A., S. Misra & H. R. Rao (2000)
On risk, convenience, and Internet
shopping behavior. Communications of
the ACM, 43, 98-105.
Bosse, T., M. Hoogendoorn, M. C. Klein, J.
Treur, C. N. Van Der Wal & A. Van
Wissen (2013) Modelling collective
decision making in groups and crowds:
Integrating social contagion and
interacting emotions, beliefs and
intentions. Autonomous Agents and
Multi-Agent Systems, 27, 52-84.
Brooks, R. C. (1957) " Word-of-Mouth"
Advertising in Selling New Products.
The Journal of Marketing, 154-161.
Chang, E.-C. & Y.-F. Tseng (2013) Research
note: E-store image, perceived value
and perceived risk. Journal of Business
Research, 66, 864-870.
Chen, J., X.-L. Shen & Z.-J. Chen. 2014.
Understanding Social Commerce
Intention: A Relational View. In
System Sciences (HICSS), 2014 47th
Hawaii International Conference on,
1793-1802. IEEE.
340
Cheng,
H.-H. & S.-W. Huang (2013)
Exploring
antecedents
and
consequence of online group-buying
intention: An extended perspective on
theory
of
planned
behavior.
International Journal of Information
Management, 33, 185-198.
Cheung, C. M. & D. R. Thadani (2012) The
impact of electronic word-of-mouth
communication: A literature analysis
and integrative model. Decision
Support Systems, 54, 461-470.
Chevalier, J. A. & D. Mayzlin (2006) The
effect of word of mouth on sales:
Online book reviews. Journal of
marketing research, 43, 345-354.
Chiu, C. M., E. T. Wang, Y. H. Fang & H. Y.
Huang
(2014)
Understanding
customers' repeat purchase intentions
in B2C e‐commerce: the roles of
utilitarian value, hedonic value and
perceived risk. Information Systems
Journal, 24, 85-114.
Christakis, N. A. & J. H. Fowler (2013) Social
contagion theory: examining dynamic
social networks and human behavior.
Statistics in medicine, 32, 556-577.
Chui, Y.-H., P.-S. Chow & T.-M. Choi. 2014.
Consumer Perceived Risks Towards
Online Group Buying Service for
Fashion Apparel Products. In Fashion
Branding and Consumer Behaviors,
133-146. Springer.
Coulter, K. S. & A. Roggeveen (2012) “Like it
or not”: Consumer responses to wordof-mouth communication in on-line
social
networks.
Management
Research Review, 35, 878-899.
Cox, D. F. & S. U. Rich (1964) Perceived risk
and consumer decision-making: The
case of telephone shopping. Journal of
marketing research, 32-39.
Czepiel, J. A. (1974) Word-of-mouth processes
in the diffusion of a major
technological innovation. Journal of
Marketing Research, 172-180.
Day, G. S. (1971) Attitude change, media and
word of mouth. Journal of Advertising
Research.
Drennan, J., G. Sullivan & J. Previte (2006)
Privacy, risk perception, and expert
online behavior: an exploratory study
of household end users. Journal of
Organizational
and
End
User
Computing (JOEUC), 18, 1-22.
East, R., K. Hammond & M. Wright (2007)
The relative incidence of positive and
negative word of mouth: A multicategory study. International Journal
of Research in Marketing, 24, 175184.
FREUD, S. (1921) 1995)" Psychologie des
foules et analyse du Moi. Essais de
psychanalyse.
Goyette, I., L. Ricard, J. Bergeron & F.
Marticotte (2010) e‐WOM Scale:
word‐of‐mouth measurement scale for
e‐services context. Canadian Journal
of Administrative Sciences/Revue
Canadienne
des
Sciences
de
l'Administration, 27, 5-23.
HAJLI, M. N. (2014) Social commerce for
innovation. International Journal of
Innovation Management.
Hong, I. B. & H. S. Cha (2013) The mediating
role of consumer trust in an online
merchant in predicting purchase
intention. International Journal of
Information Management, 33, 927939.
Hongfeng, P., W. Chunjing & C. Jie. 2008. An
empirical investigation on the adoption
of online shopping of university
students in China. In Business and
Information
Management,
2008.
ISBIM'08. International Seminar on,
498-501. IEEE.
Hsiao, K.-L., J. C.-C. Lin, X.-Y. Wang, H.-P.
Lu & H. Yu (2010) Antecedents and
consequences of trust in online product
recommendations: an empirical study
in social shopping. Online Information
Review, 34, 935-953.
Ilie, V., C. Van Slyke, G. Green & H. Lou
(2005)
Gender
differences
in
perceptions and use of communication
technologies:
A
diffusion
of
innovation approach. Information
Resources
Management
Journal
(IRMJ), 18, 13-31.
Jing, X. & J. Xie (2011) Group buying: a new
mechanism for selling through social
interactions. Management Science, 57,
1354-1372.
Kannan, P. & P. K. Kopalle (2001) Dynamic
pricing on the Internet: Importance and
implications for consumer behavior.
International Journal of Electronic
Commerce, 5, 63-84.
341
Katz, E. & P. Lazarsfeld (1955) Banerjee, AK,
& Li, D.(2000). Managing Word-ofmouth Communication: Empirical
Evidence from India.
Kauffman, R. J., H. Lai & C.-T. Ho (2010)
Incentive mechanisms, fairness and
participation in online group-buying
auctions.
Electronic
Commerce
Research and Applications, 9, 249262.
Kauffman, R. J. & B. Wang. 2001. New
buyers' arrival under dynamic pricing
market microstructure: The case of
group-buying discounts on the
Internet. In System Sciences, 2001.
Proceedings of the 34th Annual
Hawaii International Conference on,
10 pp.: IEEE.
Kerckhoff, A. C. & K. W. Back. 1968. The
June Bug; a Study of Hysterical
Contagion. Appleton-Century-Crofts
New York.
Laroche, M., Z. Yang, G. H. McDougall & J.
Bergeron (2005) Internet versus
bricks-and-mortar
retailers:
An
investigation into intangibility and its
consequences. Journal of Retailing,
81, 251-267.
Liebermann, Y. & S. Stashevsky (2002)
Perceived risks as barriers to Internet
and e-commerce usage. Qualitative
Market Research: An International
Journal, 5, 291-300.
Lim, W. M. & D. H. Ting (2012) E-shopping:
an Analysis of the Technology
Acceptance Model. Modern Applied
Science, 6, p49.
Lin, L.-Y. & C.-S. Chen (2006) The influence
of the country-of-origin image,
product knowledge and product
involvement on consumer purchase
decisions: an empirical study of
insurance and catering services in
Taiwan. Journal of Consumer
Marketing, 23, 248-265.
Liu, Y. (2006) Word of mouth for movies: Its
dynamics and impact on box office
revenue. Journal of marketing, 70, 7489.
Lou, H., W. Luo & D. Strong (2000) Perceived
critical mass effect on groupware
acceptance. European Journal of
Information Systems, 9, 91-103.
Lynne Markus, M. & T. Connolly. 1990. Why
CSCW applications fail: Problems in
the adoption of interdependent work
tools. In Proceedings of the 1990 ACM
conference on Computer-supported
cooperative work, 371-380. ACM.
Markus, M. L. (1987) Toward a “critical mass”
theory of interactive media universal
access, interdependence and diffusion.
Communication research, 14, 491-511.
Matsuo, T. (2009) A reassuring mechanism
design for traders in electronic group
buying. Applied Artificial Intelligence,
23, 1-15.
Nunnally, J. C., I. H. Bernstein & J. M. t.
Berge. 1967. Psychometric theory.
McGraw-Hill New York.
Othmani, L. & N. Bouslama. 2014. Les
Dimensions De La Qualité Perçue
D’Une Communauté Virtuelle: Une
Étude Exploratoire (The Dimensions
of the Perceived Quality of a Virtual
Community: An Exploratory Study).
In 23rd IBIMA Conference, Valencia,
Spain, 13-14.
Park, C. & J.-K. Jun (2003) A cross-cultural
comparison of Internet buying
behavior: Effects of Internet usage,
perceived risks, and innovativeness.
International Marketing Review, 20,
534-553.
Prescott, M. B. & S. A. Conger (1995)
Information technology innovations: a
classification by IT locus of impact
and research approach. ACM SIGMIS
Database, 26, 20-41.
Raymond, B. 1960. Consumer Behavior as
Risk Taking Dynamic Marketing for a
Changing World. In Proceedings of
the 43rd Conference of American
Marketing Association, Chicago, 389398.
Rezabakhsh, B., D. Bornemann, U. Hansen &
U. Schrader (2006) Consumer power:
a comparison of the old economy and
the Internet economy. Journal of
Consumer Policy, 29, 3-36.
Ric, F. & P. Gosling. 1996. Psychologie
sociale: Approches du sujet social et
des
relations
interpersonnelles.
Editions Bréal.
Rice, R. E. & J. A. Danowski (1993) Is it
really just like a fancy answering
machine?
Comparing
semantic
networks of different types of voice
mail users. Journal of Business
Communication, 30, 369-397.
342
Ridings, C. M. & D. Gefen (2004) Virtual
community attraction: Why people
hang out online. Journal of
Computer‐Mediated Communication,
10, 00-00.
Rogers, E. M. (2002) Diffusion of preventive
innovations. Addictive behaviors, 27,
989-993.
Samadi, M. & Y. Nejadi (2009) A survey of
the effect of consumers’ perceived risk
on purchase intention in E-Shopping.
Business Intelligence Journal, 2, 261271.
Sigmund, F. (1922) Psychologie collective et
analyse du moi.
Tan, W.-K. & T.-H. Chen (2012) The usage of
online tourist information sources in
tourist
information
search:
an
exploratory study. The Service
Industries Journal, 32, 451-476.
Tolbert, P. S. & L. G. Zucker (1983)
Institutional sources of change in the
formal structure of organizations: The
diffusion of civil service reform, 18801935.
Administrative
science
quarterly, 22-39.
Tonteri, L., M. Kosonen, H.-K. Ellonen & A.
Tarkiainen (2011) Antecedents of an
experienced
sense
of
virtual
community. Computers in Human
Behavior, 27, 2215-2223.
Tsai, M.-T., N.-C. Cheng & K.-S. Chen (2011)
Understanding online group buying
intention: the roles of sense of virtual
community and technology acceptance
factors. Total Quality Management &
Business Excellence, 22, 1091-1104.
Van den Bulte, C. & S. Stremersch (2004)
Social
contagion
and
income
heterogeneity
in
new
product
diffusion: A meta-analytic test.
Marketing Science, 23, 530-544.
Van Horn, T., N. Gustafsson & D. Woodford.
2003. Demand aggregation through
online buying groups. Google Patents.
Van Horn, T., R. V. Halbert & D. A.
Woodford. 2014. System and method
for extension of group buying
throughout the internet. Google
Patents.
Van Slyke, C., H. Lou & J. Day (2002) The
impact of perceived innovation
characteristics on intention to use
groupware. Information Resources
Management Journal (IRMJ), 15, 112.
Wang, X., B. Zuckerman, C. Pearson, G.
Kaufman, C. Chen, G. Wang, T. Niu,
P. H. Wise, H. Bauchner & X. Xu
(2002) Maternal cigarette smoking,
metabolic gene polymorphism, and
infant birth weight. Jama, 287, 195202.
Westerman, D., P. R. Spence & B. Van Der
Heide (2014) Social Media as
Information Source: Recency of
Updates
and
Credibility
of
Information.
Journal
of
Computer‐Mediated Communication,
19, 171-183.
Wu, Y., S. Deng & H. Huang (2012)
Information
propagation
through
opportunistic
communication
in
mobile social networks. Mobile
Networks and Applications, 17, 773781.
Zepf, B. 2008. Sport Sponsorship as an
Internal Marketing Tool: Employees'
Sponsorship Assessments and Their
Effect on Job Attitudes. ProQuest.
Zhou, L., P. Zhang & H.-D. Zimmermann
(2013) Social commerce research: An
integrated view. Electronic Commerce
Research and Applications, 12, 61-68.
343

Impact des variables sociales sur l`intention d - URAM

Transcription

Documents pareils

Le Passeport Natation synchronisée

A toi Mon toit - Plan de Cohésion Sociale Mons

CONSTITUER UN FICHIER CLIENT

Bulletin de liaison n°5 - Var Apiloisir

Green to School Lettre info aux parents 2015

Bon d`achat multi-enseignes TIR GROUPÉ

Connaissances : informations (thèmes d`études)

Achats groupés électroniques

Un ECOLIEU au hameau du Portail à TORPES 71270