kracht van negatieve_word-of-mouth
TRANSCRIPT
De kracht van negatieve word-of-mouth
Wat kunnen #fail-tweets doenmet de reputatie van een organisatie?
#fail !
Rob le PairMarije van Dongen
Negatieve word-of-mouth (WOM) op het platform Twitter
Traditionele WOM
persoonlijker, directer, face-to-face
in beperkte groep, betrouwbare informatiebronnen
belangrijke factor voor aankoopproces,merkkeuze, merkloyaliteit (b.v. Goodrich & De Mooij, 2014)
e-WOM
minder persoonlijk
veel groter bereik, betrouwbaarheid zender?
veel grotere kans op snelle verspreiding, groter risico op reputatieschade
#fail
n-WOM: online firestorm?
#fail#slecht
#faal
Van B2C naar C2B
Perspectief marketingcommunicatie:'machtsverschuiving' van Business-to-Consumer
naar Consumer-to-Consumer, en
naar Consumer-to-Business
communicatie-rol Business (-to-Consumer) wordt meer reactief:webcare: monitoren en reageren op (negatieve) word-of-mouth
Business
ConsumerB2C
C2B
n-WOM, bijvoorbeeld een 'ultimatum' aan ING
Negatieve product-beoordelingen
op review-sites, vergelijkingssites
corporate blogs
sociale media: Twitter, Facebook
C2B
#fail !
Experimenteel onderzoek naar de
effecten van negatieve productgerelateerde tweets
► op merkvertrouwen
► op intentie om negatieve word-of-mouth te verspreiden
De kracht van negatieve word-of-mouth
Onderzoeksvragen, model
Aantal n-WOM tweetsin timeline
Account-afbeeldingMerkvertrouwen
Intentie totverspreiden n-WOM
Deskundigheid zender n-WOM tweet
Bedrijfs- / persoons-account
Onderzoek 1
Onderzoek 2
Experiment 1 – onderzoeksvragen, model
Aantal n-WOM tweets in timeline
2 / 4
Account-afbeelding
Merkvertrouwen
Intentie totverspreiden n-WOM
Onderzoeksdesign, participanten, condities
Tussenproefpersoon-ontwerp:
2 (aantal n-WOM tweets) x 3 (account-type)
419 participanten, in 6 condities
Twitter-account2
n-WOM tweets4
n-WOM tweets
Stan van der Molen @StanvdMolen
Stan van der Molen @StanvdMolen
Stan van der Molen @StanvdMolen
totaal 210 209
7490
7458
6162
Materiaal, stimuli
Zender n-WOM: 3 account-afbeeldingen
2 of 4 n-WOM tweets in timeline
Effect van 2 / 4 n-WOM tweets en van account-afbeeldingop merkvertrouwen
► n-WOM tweets:merk-vertrouwen islager (dan 'neutraal')
► meer n-WOM tweets nog lager merkvertrouwen
► account-afbeelding heeft daarop geen invloed
Effect van 2 / 4 n-WOM tweets en van account-afbeeldingop merkvertrouwen
aantal #fail-tweets in timeline
account 2 4 totaal
N (SD) N (SD) N (SD)
2,52 90 (0.87) 2,33 74 (1.12) 2,43 164 (1.00)
2,5458 (0.94) 2,02 74 (0.88) 2,28 132 (0.91)
2,46 62 (0.75) 1,98 61 (0.72) 2,22 123 (0.74)
Totaal 2,51 210 (0.85) 2,11 209 (0.91)
► Hoofdeffect van Aantal negatieve tweets (F (1, 413) = 19.71, p < .001; participanten die vier negatieve tweets zagen hadden significant minder merkvertrouwen(M = 2.11, SD = .94) dan participanten die twee negatieve tweets (M = 2.51, SD = 0.85) zagen.
► Geen hoofdeffect van account-afbeelding: F (2, 413) = 2.01, p = .135► Geen interactie-effect: account-type heeft geen invloed op daling merkvertrouwen
(F (2, 413) = 1.57, p = .209).
Effect van 2/4 n-WOM tweets en van account-afbeeldingop intentie verspreiden n-WOM
► n-WOM tweets kunnen trigger zijn voor verdere verspreiding van n-WOM;
► meer n-WOM tweets in timeline maken de kans op verspreiding groter;
► acount-afbeelding heeft daarop slechtsmarginale invloed
Effect van 2 / 4 n-WOM tweets en van account-afbeelding op intentie verspreiden n-WOM
aantal #fail-tweets in timeline
account 2 4 totaal
N (SD) N (SD) N (SD)
4,51 90 (1.53) 5,15 74 (1.52) 4,83 164 (1.53)
4,69 58 (1.44) 5,30 74 (1.63) 5,00 132 (1.54)
4,39 62 (1.10) 5,80 61 (1.47) 5,01 123 (1.29)
Totaal 4,53 210 (1.39) 5,42 209 (1.47)
► Hoofdeffect van Aantal negatieve tweets (F (1, 413) = 39.60, p < .001); bij vier negatieve tweets is de intentie om negatieve WOM te verspreiden significant sterker (M = 5.42, SD = 1.39 ) dan bij twee negatieve tweets (M = 4.53, SD = 1.47).
► Geen hoofdeffect van account-afbeelding: F (2, 413) = 1.28, p = .279 ► Klein interactie-effect: account-type foto: bij vier negatieve tweets is de intentie tot verspreiden
(M = 5,80, SD = 1.47) hoger dan bij beide andere account-typen (F (2, 413) = 3.20, p = .042)
► Onderzoek 1
Aantal n-WOM tweets had negatief effectop merkvertrouwen en op intentie tot verspreiding n-WOM
Twitteraccount-afbeelding had geen effect
► Deskundigheid van ZENDER n-WOM Onderzoek 2
Wordt op Twitter meer/minder deskundigheid gepercipieerd?
Wordt een deskundig geachte zender betrouwbaarder gevonden?
Zo ja, heeft dat effect?
Speelt onderscheid bedrijfs- vs. persoonlijk account daarbij een rol?
Experiment 2 – onderzoeksvragen, model
Zender n-WOM tweetDeskundige /
Niet deskundige
Tweet vanBedrijfs- / persoons-
account
Merkvertrouwen
Intentie totverspreiden n-WOM
Onderzoeksdesign, participanten, condities
Tussenproefpersoon-ontwerp:
2 (Deskundige / Niet-deskundige) x 2 (account-type Bedrijf / Persoon)
236 participanten in 4 condities
Deskundig Niet-deskundig
Bedrijf
Persoon
totaal: 121 115
61 56
60 59
Materiaal, stimuli
Materiaal, stimuliin Twitter timeline
Effect van veronderstelde deskundigheid en account-type zender op merkvertrouwen
► n-WOM tweet lager (dan 'neutraal') merkvertrouwen
► n-WOM tweet van deskundige: nog lager merkvertrouwen
► Account type bedrijf / persoon heeft daarop geen invloed
Effect van (veronderstelde) deskundigheid en account-type zender op merkvertrouwen
Deskundig Niet-deskundig totaal
N (SD) N (SD) N (SD)
Bedrijf 3,12 61 (0.92) 3,74 56 (1.21) 3,42 117 (1.11)
Persoon 3,29 60 (0.88) 3,52 59 (0.99) 3,40 119 (0.94)
Totaal 3,20 121 (0.90) 3,63 115 (0.91)
► Hoofdeffect van deskundigheid (F (1, 232) = 10.57, p = .001) ; participanten die een tweet zagen van een (veronderstelde) deskundige hadden significant minder merkvertrouwen (M = 3.20, SD = 0.90) dan participanten die een tweetzagen van een (veronderstelde) niet-deskundige (M = 3.63, SD = 0.91).
► Geen hoofdeffect van type Twitter-account F (1, 232) < 1► Geen interactie tussen Type Twitter-account en Deskundigheid van de n-WOM zender
(F (1, 232) = 2.15, p = .144).
Effect veronderstelde deskundigheid en account-type zender op intentie verspreiden negatieve WOM
► n-WOM tweet van deskundige is sterkeretrigger voor intentie tot verdere verspreidingdan n-WOM tweet van niet-deskundige
► Type account bedrijf / persoon heeft geen invloed
Effect veronderstelde deskundigheid en account-type zender op intentie verspreiden negatieve WOM
Deskundig Niet-deskundig totaal
N (SD) N (SD) N (SD)
Bedrijf 4,62 61 (1.18) 4,18 56 (1.15) 4,26 117 (1.24)
Persoon 4.31 60 (1.23) 4,04 59 (1.14) 4,18 119 (1.19)
Totaal 4,47 121 (1.21) 4,11 115 (1.15)
► Hoofdeffect van deskundigheid (F (1, 232) = 5.37, p = .021): participanten die een tweet zagen van een (veronderstelde) deskundige hadden sterkere intentie tot verspreiding negatieve WOM (M = 4,47, SD = 1.21) dan participanten die tweets zagen van een (veronderstelde) niet-deskundige (M = 4,11, SD = 1.15)
► Geen hoofdeffect van type Twitter-account: F (1, 232) = 2.16, p = .143► Geen interactie tussen Type Twitter-account en Deskundigheid van de twitteraar:
(F (1, 232) < 1.
Conclusie
Aantal n-WOM tweets in timeline: 2 / 4
Merkvertrouwen
Intentie totverspreiden n-WOM
β = -.41
Deskundige vs. niet-deskundige n-WOM zender
Merkvertrouwen
Intentie totverspreiden n-WOM
β = -.48
Betrouwbaarheidn-WOM zender
β = .61
Social proof – consensus-vuistregelbij oppervlakkige argument-verwerking:als meer mensen het zeggenzal 't wel waar zijn
Deskundigheidsvuistregel:als een deskundige 't zegt zal 't wel waar zijn
Discussie
productbetrokkenheid
goedkoop, alledaags product; geen luxe / duur product;
'object' van de klacht
merkbetrokkenheid
fictief merk, geen bestaande goede / slechte reputatie van een merk
fictieve timeline met
fictieve n-wom tweets van fictieve, dus onbekende, zender;in werkelijkheid zijn de tweets in 'jouw' timeline afkomstig van bekende twitteraars die je volgt
Geen webcare-reactie of dialoog
interactie met organisatie / merk ontbreekt
Experimenteel onderzoek
Corpusonderzoek
Experimenteel onderzoek
Corpusonderzoek
Negatieve word-of-mouth en webcare: vervolgonderzoek
n-WOM – webcare interacties
n-WOM+ webcare
n-WOM + webcare dataverzameling
#slecht
#fail
#pff
#jammer
#faal
#zucht
7200 tweetsmet hashtag:
#fail81,8%
#slecht2,3% #pff
0,4%
filter 'echte' n-WOM =webcare van organisatie voorstelbaar
#jammer6,7%
#zucht5,4%
#faal3,5%
3270 tweetsmet hashtag:
45,4%
n-WOM webcare reactie dialoog
3270
942
632
0
500
1000
1500
2000
2500
3000
3500
n-WOM webcare-reac e dialoog
28,9% 67,1%
Corpus-onderzoekwant we willen meer inzicht in:
Factoren in n-WOM tweets
motieven voor n-WOM
object van klacht
adressering @[organisatie], #[organisatie]
gericht aan welk type organisatie
die samenhangen met
wel / geen webcare-reactie
wel / geen dialoog
'human voice': personaliseren
Factoren in webcare-reactie / webcare-dialoog
die samenhangen met succes webcare-interventie
Bedankt voor uw aandacht
@roblepair
@marijeDongen
Rob le Pair, Radboud Universiteit Nijmegen, Faculteit [email protected]
Marije van Dongen, Project Manager [email protected]
Bijlagen
► Instrumentatie (afhankelijke variabelen) – dia 33
► Controle-variabelen – dia 34
► Manipulatie-check – dia 35
Instrumentatie
Merkvertrouwen(7-punts Likert-schalen, 1 = helemaal mee oneens, 7 = helemaal mee eens); onderzoek 1: α = .91onderzoek 2: α = .91
ik vertrouw op CakeFactory
ik kan op CakeFactory rekenen
CakeFactory is een eerlijk merk
CakeFactory is een veilig merk
Intentie verspreiden n-WOM(7-punts Likert-schalen, 1 = helemaal mee oneens, 7 = helemaal mee eens)onderzoek 1: α = .77 onderzoek 2: α = .82
ik zou CakeFactory afraden aan mijn vrienden
als mijn vrienden een taart willen kopen, dan zou ik hen vertellen om geen taart van CakeFactory te nemen
Controle-variabelen
Attitude tegenover productbeoordelingen op Twitter (7-punts Likert-schalen, 1 = helemaal mee oneens, 7 = helemaal mee eens)onderzoek 1: α = .79onderzoek 2: α = .91
in het algemeen geloof ik de informatie in tweets die ik lees
in het algemeen denk ik dat productbeoordelingen op Twitter betrouwbaar zijn
Productbetrokkenheid (7-punts Likert-schalen,1 = helemaal mee oneens, 7 = helemaal mee eens) onderzoek 1: α = .79onderzoek 2: α = .75
Meestal houd ik met veel factoren rekening bij de aankoop van dit product
Meestal besteed ik veel tijd aan het kiezen van welke soort ik koop
Manipulatie
Betrouwbaarheid van de zender (zevenpunts semantische differentialen)α = .93
De zender van de negatieve tweet over CakeFactory is
oneerlijk – eerlijk
niet te vertrouwen – te vertrouwen
niet belangeloos – belangeloos
onoprecht – oprecht
Manipulatie: deskundigheid van de bron (zevenpunts semantische differentialen) α = .86
De zender van de negatieve tweet over CakeFactory is
ondeskundig – deskundig
onervaren – ervaren
onbekwaam – bekwaam
niet vakkundig – vakkundig
Type Twitter-account (in onderzoek 2)
Manipulatie: de negatieve tweet over taart van The CakeFactory was afkomstig van
Bedrijf – persoon