Experimenteel onderzoek naar de schadelijke effecten van negatieve word-of-mouth. Fail-tweets vormen een serieus risico op reputatieschade voor een bedrijf. De mogelijke schadelijke reputatie-effecten van deze negatieve word-of-mouth nopen bedrijven tot webcare-interventies waarmee bedrijven de schade binnen de perken kunnen houden.
4. 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
Consumer
B2C
C2B
5. n-WOM, bijvoorbeeld een 'ultimatum' aan ING
Negatieve product-beoordelingen
op review-sites, vergelijkingssites
corporate blogs
sociale media: Twitter, Facebook
C2B
6. #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
7. Onderzoeksvragen, model
Aantal n-WOM tweets
in timeline
Account-afbeelding
Merkvertrouwen
Intentie tot
verspreiden n-WOM
Deskundigheid zender
n-WOM tweet
Bedrijfs- / persoons-
account
Onderzoek 1
Onderzoek 2
8. Experiment 1 – onderzoeksvragen, model
Aantal n-WOM tweets
in timeline
2 / 4
Account-afbeelding
Merkvertrouwen
Intentie tot
verspreiden n-WOM
9. Onderzoeksdesign, participanten, condities
Tussenproefpersoon-ontwerp:
2 (aantal n-WOM tweets) x 3 (account-type)
419 participanten, in 6 condities
Twitter-account
2
n-WOM tweets
4
n-WOM tweets
Stan van der Molen @StanvdMolen
Stan van der Molen @StanvdMolen
Stan van der Molen @StanvdMolen
totaal 210 209
7490
7458
6162
11. Effect van 2 / 4 n-WOM tweets en van account-afbeelding
op merkvertrouwen
► n-WOM tweets:
merk-vertrouwen is
lager (dan 'neutraal')
► meer n-WOM tweets
nog lager
merkvertrouwen
► account-afbeelding
heeft daarop geen
invloed
12. Effect van 2 / 4 n-WOM tweets en van account-afbeelding
op 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)
2,54
58 (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).
13. Effect van 2/4 n-WOM tweets en van account-afbeelding
op 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 slechts
marginale invloed
14. 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)
15. ► Onderzoek 1
Aantal n-WOM tweets had negatief effect
op 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?
16. Experiment 2 – onderzoeksvragen, model
Zender n-WOM tweet
Deskundige /
Niet deskundige
Tweet van
Bedrijfs- / persoons-
account
Merkvertrouwen
Intentie tot
verspreiden n-WOM
20. 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
21. 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 tweet
zagen 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).
22. Effect veronderstelde deskundigheid en account-type zender
op intentie verspreiden negatieve WOM
► n-WOM tweet van
deskundige is sterkere
trigger voor intentie tot
verdere verspreiding
dan n-WOM tweet van
niet-deskundige
► Type account bedrijf /
persoon heeft geen
invloed
23. 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.
24. Conclusie
Aantal n-WOM tweets in
timeline: 2 / 4
Merkvertrouwen
Intentie tot
verspreiden n-WOM
β = -.41
Deskundige vs. niet-
deskundige n-WOM zender
Merkvertrouwen
Intentie tot
verspreiden n-WOM
β = -.48
Betrouwbaarheid
n-WOM zender
β = .61
Social proof – consensus-vuistregel
bij oppervlakkige argument-verwerking:
als meer mensen het zeggen
zal 't wel waar zijn
Deskundigheidsvuistregel:
als een deskundige 't zegt
zal 't wel waar zijn
25. 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
30. Corpus-onderzoek
want 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
31. Bedankt voor uw aandacht
@roblepair
@marijeDongen
Rob le Pair, Radboud Universiteit Nijmegen, Faculteit Letteren
r.lepair@let.ru.nl
Marije van Dongen, Project Manager spotONvision
marijevdongen@hotmail.com
33. Instrumentatie
Merkvertrouwen
(7-punts Likert-schalen, 1 = helemaal mee oneens, 7 = helemaal mee eens);
onderzoek 1: α = .91
onderzoek 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
34. Controle-variabelen
Attitude tegenover productbeoordelingen op Twitter (7-punts Likert-
schalen, 1 = helemaal mee oneens, 7 = helemaal mee eens)
onderzoek 1: α = .79
onderzoek 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 = .79
onderzoek 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
35. 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
Hinweis der Redaktion
e-WOM: digitale, online Word-of-Mouth, sociale media
Machtsverschuiving: bedrijven hebben in marketingcommunicatie minder de rol van leidende zender; en consumenten veel minder de passieve ontvangers; sociale media faciliteren de machtsverschuiving
naar Consumer-to-Consumer
naar Consumer-to-Business
communicatie-rol Business-to-Consumer wordt meer reactief:webcare: monitoren en reageren op (negatieve) word-of-mouth
aantal tweets: verspreiding?
account-afbeelding n-wom zender: meer of minder serieus genomen?
aantal tweets: verspreiding?
account-afbeelding n-wom zender: meer of minder serieus genomen?
Gecontroleerd voor man / vrouw
in alle 6 condities: naam en @naam
in de 2 persoonlijke foto condities
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).
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)
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 tweet zagen 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 twitteraar(F (1, 232) = 2.15, p = .144).
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.
OZ 1 16% van de verschillen op Intentie… wordt verklaard door de verschillen op merkvertrouwen
OZ 2 23% van de verschillen op Intentie… wordt verklaard door de verschillen op merkvertrouwen