Impact des variables sociales sur l`intention d - URAM
Transcription
Impact des variables sociales sur l`intention d - URAM
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] Impact des variables sociales sur l’intention d’achat groupé 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 Impact des variables sociales sur l’intention d’achat groupé 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 Proceedings of the Marketing Spring Colloquy (URAM), Vol. 6. May, 2016. 332 Leila Othmani & Néji Bouslama 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. Proceedings of the Marketing Spring Colloquy (URAM), Vol. 6. May, 2016. 333 Leila Othmani & Néji Bouslama 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 Proceedings of the Marketing Spring Colloquy (URAM), Vol. 6. May, 2016. 334 Leila Othmani & Néji Bouslama 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 Proceedings of the Marketing Spring Colloquy (URAM), Vol. 6. May, 2016. 335 Leila Othmani & Néji Bouslama 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, Proceedings of the Marketing Spring Colloquy (URAM), Vol. 6. May, 2016. 336 Leila Othmani & Néji Bouslama 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) Proceedings of the Marketing Spring Colloquy (URAM), Vol. 6. May, 2016. 0.709 0.836 0.459 0.774 337 Leila Othmani & Néji Bouslama 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 Proceedings of the Marketing Spring Colloquy (URAM), Vol. 6. May, 2016. Conclusion Validée Validée Validée Validée Validée Validée Validée Validée Validée 338 Leila Othmani & Néji Bouslama 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, Proceedings of the Marketing Spring Colloquy (URAM), Vol. 6. May, 2016. 339 Leila Othmani & Néji Bouslama 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. Proceedings of the Marketing Spring Colloquy (URAM), Vol. 6. May, 2016. 340 Leila Othmani & Néji Bouslama 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. Proceedings of the Marketing Spring Colloquy (URAM), Vol. 6. May, 2016. 341 Leila Othmani & Néji Bouslama 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. Proceedings of the Marketing Spring Colloquy (URAM), Vol. 6. May, 2016. 342 Leila Othmani & Néji Bouslama 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. Proceedings of the Marketing Spring Colloquy (URAM), Vol. 6. May, 2016. 343